論文の概要: Dynamic Survival Analysis for Early Event Prediction
- arxiv url: http://arxiv.org/abs/2403.12818v1
- Date: Tue, 19 Mar 2024 15:17:23 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-20 13:44:06.789345
- Title: Dynamic Survival Analysis for Early Event Prediction
- Title(参考訳): 早期事象予測のための動的生存解析
- Authors: Hugo Yèche, Manuel Burger, Dinara Veshchezerova, Gunnar Rätsch,
- Abstract要約: 本研究は、動的生存分析(DSA)による医療における早期事象予測(EEP)の進歩である。
本研究は,新たなアラーム優先方式(最大11%のAuPRC差)により,脳波モデルに時間段階で対応し,事象レベルの指標を大幅に改善する能力を示す。
このアプローチは、早期のイベント予測と管理のために、より微妙で実行可能なフレームワークを提供する、予測型ヘルスケアにおける重要な一歩である。
- 参考スコア(独自算出の注目度): 8.069344034678638
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This study advances Early Event Prediction (EEP) in healthcare through Dynamic Survival Analysis (DSA), offering a novel approach by integrating risk localization into alarm policies to enhance clinical event metrics. By adapting and evaluating DSA models against traditional EEP benchmarks, our research demonstrates their ability to match EEP models on a time-step level and significantly improve event-level metrics through a new alarm prioritization scheme (up to 11% AuPRC difference). This approach represents a significant step forward in predictive healthcare, providing a more nuanced and actionable framework for early event prediction and management.
- Abstract(参考訳): 本研究では,医療における早期事象予測(EEP)を動的生存分析(Dynamic Survival Analysis, DSA)を通じて進め, リスクローカライゼーションをアラームポリシーに統合し, 臨床イベントメトリクスを向上する新たなアプローチを提案する。
従来のEEPベンチマークに対してDSAモデルを適用して評価することにより、私たちの研究は、EEPモデルにタイムステップレベルで適合し、新しいアラーム優先順位付けスキーム(最大11%のAuPRC差)によってイベントレベルのメトリクスを大幅に改善する能力を示す。
このアプローチは、早期のイベント予測と管理のために、より微妙で実行可能なフレームワークを提供する、予測型ヘルスケアにおける重要な一歩である。
関連論文リスト
- ICU Bloodstream Infection Prediction: A Transformer-Based Approach for EHR Analysis [0.0]
本稿では,集中治療室(ICU)における電子健康記録(EHR)データの予測分析を目的とした新しいフレームワークであるRatchetEHRを紹介する。
R RatchetEHRは、RNN、LSTM、XGBoostなど、他の方法と比較して優れた予測性能を示している。
RatchetEHRにおける重要なイノベーションは、Graph Convolutional Transformer (GCT)コンポーネントの統合である。
論文 参考訳(メタデータ) (2024-05-01T19:00:30Z) - Integrating ChatGPT into Secure Hospital Networks: A Case Study on
Improving Radiology Report Analysis [1.3624495460189863]
本研究は,ChatGPTに類似したクラウドベースのAIを,放射線学報告を解析するためのセキュアなモデルに初めて適応させたものである。
コントラスト学習によるユニークな文レベルの知識蒸留手法を用いて,異常検出の精度を95%以上向上する。
論文 参考訳(メタデータ) (2024-02-14T18:02:24Z) - Early Warning Prediction with Automatic Labeling in Epilepsy Patients [4.6700203020828885]
本稿では,初期文字信号の予測を改善するメタ学習フレームワークを提案する。
提案された双方向最適化フレームワークは、初期段階におけるノイズの多いデータを自動的にラベル付けするのに役立つ。
論文 参考訳(メタデータ) (2023-10-09T18:12:46Z) - Clinical Deterioration Prediction in Brazilian Hospitals Based on
Artificial Neural Networks and Tree Decision Models [56.93322937189087]
超強化ニューラルネットワーク(XBNet)は臨床劣化(CD)を予測するために用いられる
XGBoostモデルはブラジルの病院のデータからCDを予測する最良の結果を得た。
論文 参考訳(メタデータ) (2022-12-17T23:29:14Z) - Boosting the interpretability of clinical risk scores with intervention
predictions [59.22442473992704]
本稿では、今後の介入に関するモデルの仮定を明確に伝達する手段として、介入政策と有害事象リスクの合同モデルを提案する。
死亡確率などの典型的なリスクスコアと将来の介入確率スコアとを組み合わせることで、より解釈可能な臨床予測がもたらされることを示す。
論文 参考訳(メタデータ) (2022-07-06T19:49:42Z) - Improving Prediction of Low-Prior Clinical Events with Simultaneous
General Patient-State Representation Learning [11.574235466142833]
我々は、リカレントニューラルネットワーク(RNN)の文脈におけるアプローチについて研究する。
モデルトレーニングにおける一般的な患者状態表現タスクの導入は、個別の低優先度目標の予測を改善することを示す。
論文 参考訳(メタデータ) (2021-06-28T16:32:12Z) - When in Doubt: Neural Non-Parametric Uncertainty Quantification for
Epidemic Forecasting [70.54920804222031]
既存の予測モデルは不確実な定量化を無視し、誤校正予測をもたらす。
不確実性を考慮した時系列予測のためのディープニューラルネットワークの最近の研究にもいくつかの制限がある。
本稿では,予測タスクを確率的生成過程としてモデル化し,EPIFNPと呼ばれる機能的ニューラルプロセスモデルを提案する。
論文 参考訳(メタデータ) (2021-06-07T18:31:47Z) - DEUP: Direct Epistemic Uncertainty Prediction [56.087230230128185]
認識の不確実性は、学習者の知識の欠如によるサンプル外の予測エラーの一部である。
一般化誤差の予測を学習し, aleatoric uncertaintyの推定を減算することで, 認識的不確かさを直接推定する原理的アプローチを提案する。
論文 参考訳(メタデータ) (2021-02-16T23:50:35Z) - AttDMM: An Attentive Deep Markov Model for Risk Scoring in Intensive
Care Units [20.96242356493069]
ICUにおけるリアルタイムリスクスコアリングのための新しい生成的深層確率モデルを提案する。
私たちの知る限りでは、AttDMMは、健康軌道における長期疾患のダイナミクス(注意)と異なる疾患状態の両方を共同で学習する最初のICU予測モデルである。
本モデルは,医療従事者が早期に介入し,患者の命を救えるよう,リスクのある患者を特定するための道筋を示す。
論文 参考訳(メタデータ) (2021-02-09T08:44:31Z) - Clinical Outcome Prediction from Admission Notes using Self-Supervised
Knowledge Integration [55.88616573143478]
臨床テキストからのアウトカム予測は、医師が潜在的なリスクを見落としないようにする。
退院時の診断,手術手順,院内死亡率,長期予測は4つの一般的な結果予測対象である。
複数の公開資料から得られた患者結果に関する知識を統合するために,臨床結果の事前学習を提案する。
論文 参考訳(メタデータ) (2021-02-08T10:26:44Z) - Supervised PCA: A Multiobjective Approach [70.99924195791532]
制御主成分分析法(SPCA)
本研究では,これらの目的を両立させる新しいSPCA手法を提案する。
この手法は、任意の教師付き学習損失に対応し、統計的再構成により、一般化された線形モデルの新しい低ランク拡張を提供する。
論文 参考訳(メタデータ) (2020-11-10T18:46:58Z)
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。