論文の概要: Multimodal Neurodegenerative Disease Subtyping Explained by ChatGPT
- arxiv url: http://arxiv.org/abs/2402.00137v1
- Date: Wed, 31 Jan 2024 19:30:04 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-02 17:39:01.018062
- Title: Multimodal Neurodegenerative Disease Subtyping Explained by ChatGPT
- Title(参考訳): ChatGPTによるマルチモーダル神経変性疾患のサブタイプ
- Authors: Diego Machado Reyes, Hanqing Chao, Juergen Hahn, Li Shen and Pingkun
Yan
- Abstract要約: アルツハイマー病は最も多い神経変性疾患である。
現在のデータ駆動型アプローチでは、ADまたは関連する障害の後期段階でサブタイプを分類することができるが、無症状またはプロドロマル段階の予測では困難である。
本稿では,AD患者を早期にサブタイプに分類するために,画像,遺伝学,臨床評価などの早期指標を用いたマルチモーダルフレームワークを提案する。
- 参考スコア(独自算出の注目度): 15.942849233189664
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Alzheimer's disease (AD) is the most prevalent neurodegenerative disease; yet
its currently available treatments are limited to stopping disease progression.
Moreover, effectiveness of these treatments is not guaranteed due to the
heterogenetiy of the disease. Therefore, it is essential to be able to identify
the disease subtypes at a very early stage. Current data driven approaches are
able to classify the subtypes at later stages of AD or related disorders, but
struggle when predicting at the asymptomatic or prodromal stage. Moreover, most
existing models either lack explainability behind the classification or only
use a single modality for the assessment, limiting scope of its analysis. Thus,
we propose a multimodal framework that uses early-stage indicators such as
imaging, genetics and clinical assessments to classify AD patients into
subtypes at early stages. Similarly, we build prompts and use large language
models, such as ChatGPT, to interpret the findings of our model. In our
framework, we propose a tri-modal co-attention mechanism (Tri-COAT) to
explicitly learn the cross-modal feature associations. Our proposed model
outperforms baseline models and provides insight into key cross-modal feature
associations supported by known biological mechanisms.
- Abstract(参考訳): アルツハイマー病(ad)は最も一般的な神経変性疾患であるが、現在利用可能な治療は疾患の進行を止めることに限られている。
さらに、これらの治療法の有効性は、疾患の不均一性のため保証されない。
したがって,疾患の亜型を極めて早期に同定することが不可欠である。
現在のデータ駆動型アプローチでは、ADまたは関連する障害の後期段階でサブタイプを分類することができるが、無症状またはプロドロマル段階の予測では困難である。
さらに、既存のモデルの多くは、分類の背後に説明可能性がないか、評価に単一のモダリティのみを使用し、分析の範囲を制限している。
そこで我々は,AD患者を早期にサブタイプに分類するために,画像,遺伝学,臨床評価などの早期指標を用いたマルチモーダルフレームワークを提案する。
同様に、我々はプロンプトを構築し、ChatGPTのような大きな言語モデルを使用して、モデルの発見を解釈する。
本稿では,クロスモーダル特徴関係を明示的に学習するためのtri-modal co-attion mechanism(tri-coat)を提案する。
提案モデルはベースラインモデルより優れており、既知の生物学的メカニズムによって支持される重要なクロスモーダル特徴関連についての洞察を提供する。
関連論文リスト
- Seeing Unseen: Discover Novel Biomedical Concepts via
Geometry-Constrained Probabilistic Modeling [53.7117640028211]
同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。
構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。
スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
論文 参考訳(メタデータ) (2024-03-02T00:56:05Z) - OpenAPMax: Abnormal Patterns-based Model for Real-World Alzheimer's
Disease Diagnosis [9.316162293112738]
本稿では,アルツハイマー病の診断に対処するために,異常パターンに基づくオープンセット認識モデルOpenAPMaxを提案する。
提案手法の性能を最近のオープンセット認識を用いて評価し,その結果を得た。
論文 参考訳(メタデータ) (2023-07-03T11:21:09Z) - Leveraging Pretrained Representations with Task-related Keywords for
Alzheimer's Disease Detection [69.53626024091076]
アルツハイマー病(AD)は高齢者に特に顕著である。
事前学習モデルの最近の進歩は、AD検出モデリングを低レベル特徴から高レベル表現にシフトさせる動機付けとなっている。
本稿では,高レベルの音響・言語的特徴から,より優れたAD関連手がかりを抽出する,いくつかの効率的な手法を提案する。
論文 参考訳(メタデータ) (2023-03-14T16:03:28Z) - Pathology Steered Stratification Network for Subtype Identification in
Alzheimer's Disease [7.594681424335177]
アルツハイマー病(英: Alzheimers disease、AD)は、β-アミロイド、病理学的タウ、神経変性を特徴とする異種多時性神経変性疾患である。
本稿では,AD病理学に確立されたドメイン知識を反応拡散モデルにより組み込んだ新しい病理組織形成ネットワーク(PSSN)を提案する。
論文 参考訳(メタデータ) (2022-10-12T02:52:00Z) - Multi-class versus One-class classifier in spontaneous speech analysis
oriented to Alzheimer Disease diagnosis [58.720142291102135]
本研究の目的は,音声信号から抽出した新しいバイオマーカーを用いて自動解析を行うことにより,ADの早期診断と重症度評価の改善に寄与することである。
外付け器とフラクタル次元の機能に関する情報を使用することで、システムの性能が向上する。
論文 参考訳(メタデータ) (2022-03-21T09:57:20Z) - Integrating Expert ODEs into Neural ODEs: Pharmacology and Disease
Progression [71.7560927415706]
潜在ハイブリッドモデル(LHM)は、専門家が設計したODEのシステムと機械学習したNeural ODEを統合し、システムのダイナミクスを完全に記述する。
新型コロナウイルス患者のLHMと実世界の集中治療データについて検討した。
論文 参考訳(メタデータ) (2021-06-05T11:42:45Z) - Modeling Disease Progression in Mild Cognitive Impairment and
Alzheimer's Disease with Digital Twins [0.0]
デジタル双生児は、実際の被験者とベースラインデータを共有する臨床記録のシミュレーションである。
我々はDigital Twinsが、さまざまな病気の重症度で臨床試験において、いくつかの重要なエンドポイントの進行を同時に捉える方法を示す。
論文 参考訳(メタデータ) (2020-12-24T22:29:47Z) - Analyzing the effect of APOE on Alzheimer's disease progression using an
event-based model for stratified populations [3.4935855647873293]
鑑別事象ベースモデル(DEBM)を用いたアルツハイマー病の進行タイムラインに対するAPOEアレルの効果について検討した。
本研究の目的は,DEBMの異なるステップをグループ固有の部分とグループ固有の部分に分割する,新しいアプローチを提案し,評価することである。
提示されたモデルは、疾患の理解を助け、臨床治験のために発症する症状のリスクにおいて、症状前患者の同種グループを選択するのに役立てることができる。
論文 参考訳(メタデータ) (2020-09-15T14:46:10Z) - Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype
Prediction [55.94378672172967]
本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。
新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。
我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
論文 参考訳(メタデータ) (2020-09-02T02:50:30Z) - MAGIC: Multi-scale Heterogeneity Analysis and Clustering for Brain
Diseases [3.955454029331185]
マルチスケールクラスタリングを活用することにより,病気の多様性を明らかにする新しい手法MAGICを提案する。
シミュレーションした異種神経解剖学的データを用いてMAGICを検証するとともに、アルツハイマー病(AD)の異種性を探究して臨床応用の可能性を示す。
以上の結果より,大脳皮質大萎縮と大脳皮質大萎縮の2つの亜型は,海馬の微細萎縮と大脳皮質大萎縮の2つからなることが明らかとなった。
論文 参考訳(メタデータ) (2020-07-01T23:42:37Z) - A Comprehensive Study on Temporal Modeling for Online Action Detection [50.558313106389335]
オンライン行動検出(OAD)は実用的だが難しい課題であり、近年注目を集めている。
本稿では,4種類の時間的モデリング手法を含むOADの時間的モデリングに関する総合的研究を提案する。
本稿では,THUMOS-14 と TVSeries に対して,近年の最先端手法よりも大きなマージンを有するハイブリッド時間モデルを提案する。
論文 参考訳(メタデータ) (2020-01-21T13:12:58Z)
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。