論文の概要: CDRH Seeks Public Comment: Digital Health Technologies for Detecting
Prediabetes and Undiagnosed Type 2 Diabetes
- arxiv url: http://arxiv.org/abs/2312.11226v1
- Date: Mon, 18 Dec 2023 14:20:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-20 19:56:45.837892
- Title: CDRH Seeks Public Comment: Digital Health Technologies for Detecting
Prediabetes and Undiagnosed Type 2 Diabetes
- Title（参考訳）: CDRHが公開コメント:糖尿病と未診断型2型糖尿病を診断するデジタルヘルス技術
- Authors: Manuel Cossio
- Abstract要約: FDAは、糖尿病および未診断型2型糖尿病の検出におけるデジタルヘルス技術(DHT)の役割について、公衆のコメントを求めた。
DHTは、グルコース、ダイエット、症状、コミュニティの洞察などの健康信号をキャプチャする。
リモートスクリーニングツールの恩恵を最も受けられるサブ人口には、農村住民、少数派グループ、リスクの高い個人、医療アクセスの制限がある。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This document provides responses to the FDA's request for public comments
(Docket No FDA 2023 N 4853) on the role of digital health technologies (DHTs)
in detecting prediabetes and undiagnosed type 2 diabetes. It explores current
DHT applications in prevention, detection, treatment and reversal of
prediabetes, highlighting AI chatbots, online forums, wearables and mobile
apps. The methods employed by DHTs to capture health signals like glucose,
diet, symptoms and community insights are outlined. Key subpopulations that
could benefit most from remote screening tools include rural residents,
minority groups, high-risk individuals and those with limited healthcare
access. Capturable high-impact risk factors encompass glycemic variability,
cardiovascular parameters, respiratory health, blood biomarkers and patient
reported symptoms. An array of non-invasive monitoring tools are discussed,
although further research into their accuracy for diverse groups is warranted.
Extensive health datasets providing immense opportunities for AI and ML based
risk modeling are presented. Promising techniques leveraging EHRs, imaging,
wearables and surveys to enhance screening through AI and ML algorithms are
showcased. Analysis of social media and streaming data further allows disease
prediction across populations. Ongoing innovation focused on inclusivity and
accessibility is highlighted as pivotal in unlocking DHTs potential for
transforming prediabetes and diabetes prevention and care.
- Abstract（参考訳）: この文書は、プレ糖尿病および未診断型2型糖尿病の検出におけるデジタルヘルス技術(DHT)の役割について、FDAの公開コメント要求(ドケットNo FDA 2023 N 4853)に対する回答を提供する。
現在のdhtアプリケーションは、プレ糖尿病の予防、検出、治療、反転、aiチャットボット、オンラインフォーラム、ウェアラブル、モバイルアプリを強調する。
DHTがグルコース、ダイエット、症状、コミュニティの洞察などの健康信号を捉える方法が概説されている。
リモートスクリーニングツールの恩恵を最も受けられるのは、農村住民、少数派グループ、リスクの高い個人、医療アクセスに制限のある人々だ。
許容される高インパクトリスク要因は、血糖変動、心血管パラメータ、呼吸状態、血液バイオマーカー、患者の症状を含む。
非侵襲的なモニタリングツールの配列について論じるが、多様なグループの精度に関するさらなる研究は保証されている。
AIとMLベースのリスクモデリングのための大きな機会を提供する広範な健康データセットが提示される。
AIとMLアルゴリズムによるスクリーニングを強化するために、EHR、イメージング、ウェアラブル、サーベイを活用するプロトタイプテクニックが紹介されている。
ソーシャルメディアとストリーミングデータの解析により、人口全体にわたる疾病の予測がさらに可能になる。
インクリビティとアクセシビリティに焦点をあてたイノベーションは、糖尿病の予防と治療を変革するDHTの可能性を解き放つ鍵として強調されている。
関連論文リスト
- A Comparative Study on Machine Learning Models to Classify Diseases Based on Patient Behaviour and Habits [0.0]
本研究は, PRFと糖尿病, ストローク, 心疾患 (HD), キドニー病 (KD) の相関について6つの教師付きML手法を用いて検討した。
PRFに基づいてHDを分類するためのMLアルゴリズムと、Diabetes、Stroke、Asthma、Skin Cancer、KDを属性として比較、評価することを目的としている。
論文 参考訳（メタデータ） (2024-12-21T20:46:40Z) - DiabML: AI-assisted diabetes diagnosis method with meta-heuristic-based feature selection [4.788163807490197]
本稿では,BWOアルゴリズムとML法を用いたハイブリッド糖尿病リスク検出手法であるDiabMLを提案する。
DiabMLはAdaBoostによる86.1%の分類精度を達成した。
論文 参考訳（メタデータ） (2024-10-30T16:06:58Z) - A Survey of Artificial Intelligence in Gait-Based Neurodegenerative Disease Diagnosis [51.07114445705692]
神経変性疾患(神経変性疾患、ND)は、伝統的に医学的診断とモニタリングのために広範囲の医療資源と人的努力を必要とする。
重要な疾患関連運動症状として、ヒトの歩行を利用して異なるNDを特徴づけることができる。
人工知能(AI)モデルの現在の進歩は、NDの識別と分類のための自動歩行分析を可能にする。
論文 参考訳（メタデータ） (2024-05-21T06:44:40Z) - Physical formula enhanced multi-task learning for pharmacokinetics prediction [54.13787789006417]
AIによる薬物発見の大きな課題は、高品質なデータの不足である。
薬物動態の4つの重要なパラメータを同時に予測するPEMAL法を開発した。
実験の結果,PEMALは一般的なグラフニューラルネットワークに比べてデータ需要を著しく低減することがわかった。
論文 参考訳（メタデータ） (2024-04-16T07:42:55Z) - Artificial Intelligence and Diabetes Mellitus: An Inside Look Through
the Retina [7.740438266232459]
本稿では,糖尿病診断,予後,管理に関連する網膜画像に基づくAI応用研究の文献をレビューする。
総合的なAI支援糖尿病治療の成果について述べるが,DRスクリーニングに限らない。
倫理、データプライバシ、公平なアクセス、説明可能性といった問題を含む、このようなシステムを実装する上での障壁について論じる。
論文 参考訳（メタデータ） (2024-02-28T00:31:17Z) - MedDiffusion: Boosting Health Risk Prediction via Diffusion-based Data
Augmentation [58.93221876843639]
本稿では,MedDiffusion という,エンドツーエンドの拡散に基づくリスク予測モデルを提案する。
トレーニング中に合成患者データを作成し、サンプルスペースを拡大することで、リスク予測性能を向上させる。
ステップワイズ・アテンション・メカニズムを用いて患者の来訪者間の隠れた関係を識別し、高品質なデータを生成する上で最も重要な情報をモデルが自動的に保持することを可能にする。
論文 参考訳（メタデータ） (2023-10-04T01:36:30Z) - HealthEdge: A Machine Learning-Based Smart Healthcare Framework for
Prediction of Type 2 Diabetes in an Integrated IoT, Edge, and Cloud Computing
System [0.0]
糖尿病の急激な増加は、糖尿病の発生を予防・予測するために予防措置を取る必要があることを要求する。
本稿では,IoT-エッジクラウド統合コンピューティングシステムにおける2型糖尿病予測のための機械学習ベースのスマートヘルスケアフレームワークであるHealthEdgeを提案する。
論文 参考訳（メタデータ） (2023-01-25T07:57:18Z) - Secure and Privacy-Preserving Automated Machine Learning Operations into
End-to-End Integrated IoT-Edge-Artificial Intelligence-Blockchain Monitoring
System for Diabetes Mellitus Prediction [0.5825410941577593]
本稿では,危険因子に基づく糖尿病予測のためのIoT-edge-Artificial Intelligence (AI)-blockchainシステムを提案する。
提案システムはブロックチェーンによって支えられ、異なる病院の患者からリスクファクターデータの密集したビューを得る。
提案システムでは,最も正確なランダム林モデルを用いて,数値実験と比較解析を行った。
論文 参考訳（メタデータ） (2022-11-13T13:57:14Z) - An Interpretable Multiple-Instance Approach for the Detection of
referable Diabetic Retinopathy from Fundus Images [72.94446225783697]
基礎画像における参照糖尿病網膜症検出のための機械学習システムを提案する。
画像パッチから局所情報を抽出し,アテンション機構により効率的に組み合わせることで,高い分類精度を実現することができる。
我々は,現在入手可能な網膜画像データセットに対するアプローチを評価し,最先端の性能を示す。
論文 参考訳（メタデータ） (2021-03-02T13:14:15Z) - UNITE: Uncertainty-based Health Risk Prediction Leveraging Multi-sourced
Data [81.00385374948125]
我々はUNcertaInTyベースのhEalth Risk Prediction(UNITE)モデルを提案する。
UNITEは、複数ソースの健康データを活用した正確な疾患リスク予測と不確実性推定を提供する。
非アルコール性脂肪肝疾患(NASH)とアルツハイマー病(AD)の実態予測タスクにおけるUNITEの評価を行った。
UNITEはAD検出のF1スコアで最大0.841点、NASH検出のPR-AUCで最大0.609点を達成し、最高のベースラインで最大19%の高パフォーマンスを達成している。
論文 参考訳（メタデータ） (2020-10-22T02:28:11Z) - Short Term Blood Glucose Prediction based on Continuous Glucose
Monitoring Data [53.01543207478818]
本研究では,デジタル意思決定支援ツールの入力として連続グルコースモニタリング(Continuous Glucose Monitoring, CGM)データを利用する方法について検討する。
短時間の血液グルコース (STBG) 予測において, リカレントニューラルネットワーク (Recurrent Neural Networks, RNN) をどのように利用できるかを検討する。
論文 参考訳（メタデータ） (2020-02-06T16:39:44Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。