論文の概要: Bridging AI and Clinical Practice: Integrating Automated Sleep Scoring Algorithm with Uncertainty-Guided Physician Review

• arxiv url: http://arxiv.org/abs/2312.14996v1
• Date: Fri, 22 Dec 2023 15:58:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2023-12-27 20:24:29.745428
• Title: Bridging AI and Clinical Practice: Integrating Automated Sleep Scoring Algorithm with Uncertainty-Guided Physician Review
• Title（参考訳）: ブリッジングAIと臨床実践: 自動睡眠スコアアルゴリズムと不確かさガイドの医師レビューの統合
• Abstract要約: 本研究は,不確実性推定手法を取り入れた自動睡眠検査アルゴリズムの臨床的有用性を高めることを目的とする。 13のオープンアクセスデータベースからの合計19578のPSGを使用して、最先端の睡眠スコアアルゴリズムであるU-Sleepをトレーニングした。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Purpose: This study aims to enhance the clinical use of automated sleep-scoring algorithms by incorporating an uncertainty estimation approach to efficiently assist clinicians in the manual review of predicted hypnograms, a necessity due to the notable inter-scorer variability inherent in polysomnography (PSG) databases. Our efforts target the extent of review required to achieve predefined agreement levels, examining both in-domain and out-of-domain data, and considering subjects diagnoses. Patients and methods: Total of 19578 PSGs from 13 open-access databases were used to train U-Sleep, a state-of-the-art sleep-scoring algorithm. We leveraged a comprehensive clinical database of additional 8832 PSGs, covering a full spectrum of ages and sleep-disorders, to refine the U-Sleep, and to evaluate different uncertainty-quantification approaches, including our novel confidence network. The ID data consisted of PSGs scored by over 50 physicians, and the two OOD sets comprised recordings each scored by a unique senior physician. Results: U-Sleep demonstrated robust performance, with Cohen's kappa (K) at 76.2% on ID and 73.8-78.8% on OOD data. The confidence network excelled at identifying uncertain predictions, achieving AUROC scores of 85.7% on ID and 82.5-85.6% on OOD data. Independently of sleep-disorder status, statistical evaluations revealed significant differences in confidence scores between aligning vs discording predictions, and significant correlations of confidence scores with classification performance metrics. To achieve K of at least 90% with physician intervention, examining less than 29.0% of uncertain epochs was required, substantially reducing physicians workload, and facilitating near-perfect agreement.
• Abstract（参考訳）: 目的: 本研究の目的は, 予測催眠図のマニュアルレビューにおいて, 臨床医を効率的に支援するための不確実性推定手法を組み込むことにより, 自動睡眠コーリングアルゴリズムの臨床的利用を促進することである。 本研究は,事前定義された合意レベルを達成するために必要なレビュー範囲を目標とし,ドメイン内データとドメイン外データの両方を調べ,対象者の診断を検討する。 患者と方法:13のオープンアクセスデータベースから合計19578のPSGを使用して、最先端の睡眠スコアアルゴリズムであるU-Sleepをトレーニングした。 我々は、年齢と睡眠障害の全スペクトルをカバーする8832psgの総合的な臨床データベースを利用して、u-sleepを洗練し、新しい信頼ネットワークを含む異なる不確実性定量化アプローチを評価する。 idデータは50名以上の医師が獲得したpsgからなり、2つのoodセットはそれぞれユニークな上級医師が記録した。 結果: U-Sleepは堅牢な性能を示し、CohenのKappaはIDが76.2%、OODデータが73.8-78.8%だった。 信頼ネットワークは不確実な予測の特定に優れており、AUROCはIDが85.7%、OODデータが82.5-85.6%だった。 睡眠障害状態とは関係なく, 統計的評価では, 整合性と不協和性予測の信頼スコアの有意差がみられた。 医師の介入で少なくとも90%のKを達成するためには、不確実なエポックの29.0%未満を検査し、医師の負担を大幅に減らし、ほぼ完全な合意を容易にした。

関連論文リスト

• Auditable agentic AI for evidence-grounded thyroid ultrasound diagnosis and reporting [59.709162055944915]
  ThyroidXAgentは、特殊な診断ツールをコーディネートし、その出力を監査可能なケースレベルの証拠記録として保存するエージェントAIシステムである。 NHC-MISD-TUSコホート内35施設8,721件を含む,重複しない28,458件の検査を行った。 セグメンテーションでは平均Diceスコアが87.21パーセント、良悪性分類では平均AUROCが0.9466だった。
  論文  参考訳（メタデータ） (2026-08-12T21:02:59Z)
• Case-Specific Rubrics for Clinical AI Evaluation: Methodology, Validation, and LLM-Clinician Agreement Across 823 Encounters [3.018184429993625]
  スコアリングインスタンス毎のエキスパートレビューを必要とするメソッドは、安全で反復的なデプロイメントには遅すぎるし、コストも高くつく。 20人の臨床医が、プライマリケア、精神医学、腫瘍学、行動保健の823の患者に1,646個のルーブリックを作成した。 ケース固有のルーリックは、専門家の判断を維持しながら3桁のコストで自動化を可能にする、臨床AI評価のためのパスを提供する。
  論文  参考訳（メタデータ） (2026-04-27T17:17:56Z)
• Agentic Cognitive Profiling: Realigning Automated Alzheimer's Disease Detection with Clinical Construct Validity [66.94391219005291]
  本稿では,臨床プロトコルロジックによる自動スクリーニングを実現するエージェント認知プロファイリング(ACP)を提案する。 我々の設計の中心は、すべての定量化を決定論的関数呼び出しに委譲することで、測定から意味的理解を分離することである。 ACPは、タスク試験で90.5%のスコアマッチ率、AD予測で85.3%の精度を達成し、一般的な基準を上回っている。
  論文  参考訳（メタデータ） (2026-03-18T06:15:35Z)
• PanCanBench: A Comprehensive Benchmark for Evaluating Large Language Models in Pancreatic Oncology [48.732366302949515]
  大規模言語モデル(LLM)は、標準化された検査において専門家レベルの性能を達成したが、複数の選択精度は現実の臨床的有用性や安全性を十分に反映していない。 我々は、未確認患者の質問に対して、専門家のルーブリックを作成するための、ループ内人間パイプラインを開発した。 LLM-as-a-judge フレームワークを用いて,22のプロプライエタリおよびオープンソース LLM の評価を行い,臨床完全性,事実精度,Web-search 統合について検討した。
  論文  参考訳（メタデータ） (2026-03-02T00:50:39Z)
• Towards Reliable Medical LLMs: Benchmarking and Enhancing Confidence Estimation of Large Language Models in Medical Consultation [97.36081721024728]
  本稿では,現実的な医療相談におけるマルチターンインタラクションの信頼性を評価するための最初のベンチマークを提案する。 本ベンチマークでは,3種類の医療データを統合し,診断を行う。 本稿では,エビデンスを基盤とした言語自己評価フレームワークであるMedConfを紹介する。
  論文  参考訳（メタデータ） (2026-01-22T04:51:39Z)
• FUGC: Benchmarking Semi-Supervised Learning Methods for Cervical Segmentation [63.7829089874007]
  本稿では,頚椎椎間板断裂における半教師あり学習のための最初のベンチマークであるFetal Ultrasound Grand Challenge (FUGC)を紹介する。 FUGCは、500のトレーニング画像、90の検証画像、300のテスト画像を含む890のTVSイメージのデータセットを提供する。 Dice similarity Coefficient (DSC), Hausdorff Distance (HD), and Runtime (RT), with a weighted combination of 0.4/0.4/0.2。
  論文  参考訳（メタデータ） (2026-01-22T01:34:39Z)
• MedHE: Communication-Efficient Privacy-Preserving Federated Learning with Adaptive Gradient Sparsification for Healthcare [0.0]
  本稿では,適応勾配スペーシフィケーションとCKKSの同型暗号化を組み合わせた新しいフレームワークであるMedHEについて述べる。 提案手法では, モデルユーティリティを保ちながら, 97.5パーセントの通信削減を実現し, エラー補償を施した動的しきい値機構を導入している。
  論文  参考訳（メタデータ） (2025-11-12T06:50:48Z)
• A Machine Learning-Based Framework to Shorten the Questionnaire for Assessing Autism Intervention [6.233625142245272]
  本研究では,評価の精度を維持しつつ,評価の短縮を図る,一般化可能な機械学習フレームワークを提案する。 進捗監視では,全スコア変化と全サブドメインカバレッジとの強い相関を保った16項目を特定した。 ポイント・イン・タイムの重大度評価では,13項目のみを用いて80%以上の分類精度を達成した。
  論文  参考訳（メタデータ） (2025-10-22T20:26:53Z)
• Congenital Heart Disease Classification Using Phonocardiograms: A Scalable Screening Tool for Diverse Environments [34.10187730651477]
  先天性心疾患(CHD)は早期発見を必要とする重要な疾患である。 本研究では, 心電図(PCG)信号を用いたCHD検出のための深層学習モデルを提案する。 バングラデシュの一次データセットを含むいくつかのデータセットで、我々のモデルを評価した。
  論文  参考訳（メタデータ） (2025-03-28T05:47:44Z)
• Artificial Intelligence to Assess Dental Findings from Panoramic Radiographs -- A Multinational Study [3.8184255731311287]
  6,669個の歯科用パノラマ線写真(DPR)を3つのデータセットから分析した。 性能指標には、受信機動作特性曲線(AUC-ROC)の感度、特異性、面積が含まれていた。 AIシステムは、人間の読者に匹敵する、あるいは優れたパフォーマンスを示した。
  論文  参考訳（メタデータ） (2025-02-14T16:34:21Z)
• Real-world Deployment and Evaluation of PErioperative AI CHatbot (PEACH) -- a Large Language Model Chatbot for Perioperative Medicine [2.0497272891338536]
  大規模言語モデル(LLM)は、特に複雑なドメイン固有のタスクのために、医療において強力なツールとして登場しています。 本研究では,PEACH(PEACH:PErioperative AI atbot)の開発と評価について述べる。
  論文  参考訳（メタデータ） (2024-12-24T02:14:13Z)
• Unlocking Historical Clinical Trial Data with ALIGN: A Compositional Large Language Model System for Medical Coding [44.01429184037945]
  自動ゼロショット医療符号化のための新しい合成LLMシステムであるALIGNを紹介する。 我々は、ALIGNを解剖学的治療化学(ATC)と医学史用語に調和させ、MedDRA(Medicical Dictionary for Regulatory Activity)コードに評価した。
  論文  参考訳（メタデータ） (2024-11-20T09:59:12Z)
• Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
  近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。 そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
  論文  参考訳（メタデータ） (2024-04-26T16:39:50Z)
• Quantifying Impairment and Disease Severity Using AI Models Trained on Healthy Subjects [27.786240241494436]
  Confidence-based chaRacterization of Anomalies (COBRA) スコアは、障害または疾患のある患者に提示された場合、これらのモデルの信頼性の低下を利用する。 脳卒中患者の上半身障害の現在の臨床的評価の鍵となる限界にCOBRAスコアを適用した。
  論文  参考訳（メタデータ） (2023-11-21T18:45:52Z)
• A Federated Learning Framework for Stenosis Detection [70.27581181445329]
  本研究は,冠動脈造影画像(CA)の狭窄検出におけるFL(Federated Learning)の使用について検討した。 アンコナのOspedale Riuniti(イタリア)で取得した200人の患者1219枚の画像を含む2施設の異種データセットについて検討した。 データセット2には、文献で利用可能な90人の患者からの7492のシーケンシャルな画像が含まれている。
  論文  参考訳（メタデータ） (2023-10-30T11:13:40Z)
• Real-World Performance of Autonomously Reporting Normal Chest Radiographs in NHS Trusts Using a Deep-Learning Algorithm on the GP Pathway [0.0]
  DLアルゴリズムは2022年12月からSomerset NHS Foundation Trust (SFT)とCalderdale & Huddersfield NHS Trust (CHFT)に展開されている。 このアルゴリズムは展開前に開発・訓練され,各GP要求胸部X線(CXR)に異常スコアを割り当てるために使用される。 このアルゴリズムは、最も低い異常スコアを持つ試験のサブセットを、HCN(High Confidence Normal)として分類する。
  論文  参考訳（メタデータ） (2023-06-28T11:34:42Z)
• MedLens: Improve Mortality Prediction Via Medical Signs Selecting and Regression [4.43322868663347]
  データ品質の問題については文献では議論されていない。 我々はMEDLENSを設計し、統計による自動バイタルメディカルサイン選択手法と、高損失率時系列に対する柔軟なアプローチを用いて設計した。 精度は 0.96 AUC-ROC と 0.81 AUC-PR で、これは以前のベンチマークを超えている。
  論文  参考訳（メタデータ） (2023-05-19T15:28:02Z)
• Towards Reliable Medical Image Segmentation by utilizing Evidential Calibrated Uncertainty [52.03490691733464]
  本稿では,医療画像セグメンテーションネットワークにシームレスに統合可能な,実装が容易な基礎モデルであるDEviSを紹介する。 主観的論理理論を利用して、医用画像分割の問題に対する確率と不確実性を明示的にモデル化する。 DeviSには不確実性を考慮したフィルタリングモジュールが組み込まれている。
  論文  参考訳（メタデータ） (2023-01-01T05:02:46Z)
• MOMO -- Deep Learning-driven classification of external DICOM studies for PACS archivation [0.9498643829295902]
  MOMO(Modality Mapping and Orchestration)は、このマッピングプロセスを自動化するためのディープラーニングベースのアプローチである。 既存のラベルを持つ11,934個の画像シリーズが、地元の病院のPACSデータベースから検索され、ニューラルネットワークを訓練した。 MOMOは精度の大きなマージンと予測力(99.29%の予測力、92.71%の精度、2.63%のマイナーエラー)で上回る。
  論文  参考訳（メタデータ） (2021-12-01T17:16:41Z)
• Advancing COVID-19 Diagnosis with Privacy-Preserving Collaboration in Artificial Intelligence [79.038671794961]
  我々はUCADI(Unified CT-COVID AI Diagnostic Initiative)を立ち上げ、各ホスト機関でAIモデルを分散的にトレーニングし、独立して実行することができる。 本研究は,中国とイギリスに所在する23の病院で採取した3,336例の胸部CT9,573例について検討した。
  論文  参考訳（メタデータ） (2021-11-18T00:43:41Z)
• Pediatric Automatic Sleep Staging: A comparative study of state-of-the-art deep learning methods [16.651453507701966]
  小児期自動睡眠ステージングにおける最先端の深層学習手法に関する大規模比較研究を行った。 1200人以上の子どものサンプルを評価するため、6つの異なる特徴を持つ深層ニューラルネットワークの選択が採用されている。 実験の結果,新しい被験者で評価した場合の自動睡眠ステージングの成績は,成人で報告された専門家レベルに匹敵することがわかった。
  論文  参考訳（メタデータ） (2021-08-23T15:39:48Z)
• Ensemble model for pre-discharge icd10 coding prediction [45.82374977939355]
  正確なコード予測のための複数の臨床データソースを組み込んだアンサンブルモデルを提案する。 平均精度は0.73および0.58、F1スコアは0.56および0.35、患者および外来データセットの主診断予測では0.71および0.4のマルチラベル分類精度を得る。
  論文  参考訳（メタデータ） (2020-12-16T07:02:56Z)
• 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)
• COMPOSE: Cross-Modal Pseudo-Siamese Network for Patient Trial Matching [70.08786840301435]
  本稿では, CrOss-Modal PseudO-SiamEse Network (COMPOSE) を提案する。 実験の結果,患者基準マッチングでは98.0%,患者基準マッチングでは83.7%の精度でAUCに到達できることがわかった。
  論文  参考訳（メタデータ） (2020-06-15T21:01:33Z)

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。