論文の概要: Leveraging Pre-trained and Transformer-derived Embeddings from EHRs to Characterize Heterogeneity Across Alzheimer's Disease and Related Dementias

• arxiv url: http://arxiv.org/abs/2404.00464v1
• Date: Sat, 30 Mar 2024 20:11:34 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-04 03:40:06.013025
• Title: Leveraging Pre-trained and Transformer-derived Embeddings from EHRs to Characterize Heterogeneity Across Alzheimer's Disease and Related Dementias
• Title（参考訳）: アルツハイマー病およびそれに関連する認知症における不均一性を特徴付けるためのEHRからのプレトレーニングおよびトランスフォーマー由来の埋め込みの活用
• Authors: Matthew West, Colin Magdamo, Lily Cheng, Yingnan He, Sudeshna Das,
• Abstract要約: アルツハイマー病は進行性の神経変性疾患であり、世界中で5000万人に影響を与える。 かなりの健康上の負担にもかかわらず、この病気に対する治療は限られており、その根本原因はよく分かっていない。
• 参考スコア（独自算出の注目度）: 2.670950916713327
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Alzheimer's disease is a progressive, debilitating neurodegenerative disease that affects 50 million people globally. Despite this substantial health burden, available treatments for the disease are limited and its fundamental causes remain poorly understood. Previous work has suggested the existence of clinically-meaningful sub-types, which it is suggested may correspond to distinct etiologies, disease courses, and ultimately appropriate treatments. Here, we use unsupervised learning techniques on electronic health records (EHRs) from a cohort of memory disorder patients to characterise heterogeneity in this disease population. Pre-trained embeddings for medical codes as well as transformer-derived Clinical BERT embeddings of free text are used to encode patient EHRs. We identify the existence of sub-populations on the basis of comorbidities and shared textual features, and discuss their clinical significance.
• Abstract（参考訳）: アルツハイマー病は進行性の神経変性疾患であり、世界中で5000万人に影響を与える。 かなりの健康上の負担にもかかわらず、この病気に対する治療は限られており、その根本原因はよく分かっていない。 これまでの研究は、臨床に有意なサブタイプの存在を示唆しており、それは異なる病因、疾患コース、究極的には適切な治療に対応している可能性がある。 ここでは、記憶障害患者のコホートから電子健康記録(EHR)の教師なし学習技術を用いて、この疾患集団の不均一性を特徴づける。 患者EHRをエンコードするために、医療コードのための事前訓練された埋め込みと、トランスフォーマー由来の無料テキストのクリニカルBERT埋め込みを使用する。 共同性および共有テキストの特徴に基づくサブポピュレーションの存在を特定し,その臨床的意義について考察した。

関連論文リスト

• Assessing and Enhancing Large Language Models in Rare Disease Question-answering [64.32570472692187]
  本稿では,レアな疾患の診断におけるLarge Language Models (LLMs) の性能を評価するために,レアな疾患問合せデータセット(ReDis-QA)を導入する。 ReDis-QAデータセットでは1360の高品質な質問応答ペアを収集し,205の稀な疾患をカバーした。 その後、いくつかのオープンソースのLCMをベンチマークし、希少疾患の診断がこれらのモデルにとって重要な課題であることを示した。 実験の結果,ReCOPは,ReDis-QAデータセット上でのLCMの精度を平均8%向上できることがわかった。
  論文  参考訳（メタデータ） (2024-08-15T21:09:09Z)
• Clustering of Disease Trajectories with Explainable Machine Learning: A Case Study on Postoperative Delirium Phenotypes [13.135589459700865]
  本稿では,パーソナライズされたPODリスク予測のための教師付き機械学習と,潜在的POD表現型を明らかにするための教師なしクラスタリング技術を組み合わせたアプローチを提案する。 SHAPの特徴空間におけるクラスタリング患者は,真の表現型を回復し,生の特徴空間におけるクラスタリングに優れることを示した。
  論文  参考訳（メタデータ） (2024-05-06T10:05:46Z)
• GDPR Compliant Collection of Therapist-Patient-Dialogues [48.091760741427656]
  我々は、欧州連合の一般データプライバシ規則の下で、精神医学クリニックでセラピストと患者との対話の収集を始める際に直面した課題について詳しく述べる。 本稿では、手順の各ステップの概要を述べ、この分野でのさらなる研究を動機付ける潜在的な落とし穴を指摘した。
  論文  参考訳（メタデータ） (2022-11-22T15:51:10Z)
• Data-Driven Disease Progression Modelling [0.0]
  データ駆動型疾患進行モデルがコンピュータ科学コミュニティから登場した。 本章では、疾患の進行の理解と予測のためのユーティリティに焦点を当て、現場から選択したハイライトについて述べる。
  論文  参考訳（メタデータ） (2022-11-01T10:55:31Z)
• Individual health-disease phase diagrams for disease prevention based on machine learning [1.0617212070722408]
  複数のバイオマーカーの境界値を可視化することにより、個人の健康状態を表すHDPD(Health-disease phase diagram)を提示する。 以上の結果から,HDPDは発症過程における個々の生理的状態を表わし,疾患予防の介入目標として利用できることが示唆された。
  論文  参考訳（メタデータ） (2022-05-31T08:25:02Z)
• Investigating Conversion from Mild Cognitive Impairment to Alzheimer's Disease using Latent Space Manipulation [0.23931689873603598]
  本稿では、MCIからアルツハイマー病への変換の識別子である変数を発見するためのディープラーニングフレームワークを提案する。 特に、MCIおよびアルツハイマー病患者で訓練された変分自己エンコーダネットワークの潜時空間を操作し、重要な特性を得る。 生成型デコーダとアルツハイマー病の診断に繋がる寸法を利用して、データセット中のMCI患者から合成認知症患者を生成する。
  論文  参考訳（メタデータ） (2021-11-16T21:48:09Z)
• Variational Knowledge Distillation for Disease Classification in Chest X-Rays [102.04931207504173]
  我々は,X線に基づく疾患分類のための新しい確率的推論フレームワークである反復的知識蒸留(VKD)を提案する。 提案手法の有効性を,X線画像とEHRを用いた3つの公開ベンチマークデータセットに示す。
  論文  参考訳（メタデータ） (2021-03-19T14:13:56Z)
• Graph-Evolving Meta-Learning for Low-Resource Medical Dialogue Generation [150.52617238140868]
  ソース疾患からターゲット疾患へ診断経験を移すために、低リソースの医療対話生成を提案します。 また,新しい疾患の症状相関を推論するためのコモンセンスグラフの進化を学習するグラフ進化メタラーニングフレームワークを開発した。
  論文  参考訳（メタデータ） (2020-12-22T13:20:23Z)
• Feature Selection on Lyme Disease Patient Survey Data [7.895389437572245]
  ライム病は急速に進行する病気であり、医療界では理解されていない。 本稿では,Lyme病患者の大規模登録に機械学習技術を適用し,これらの課題について検討する。
  論文  参考訳（メタデータ） (2020-08-24T22:35:39Z)
• From predictions to prescriptions: A data-driven response to COVID-19 [42.57407485467993]
  新型コロナウイルスの臨床的特徴を理解するための包括的データ駆動型アプローチを提案する。 私たちは、感染や死亡のリスクを予測するために、パーソナライズされた電卓を構築します。 人工呼吸器の再配置と不足軽減のための最適化モデルを提案する。
  論文  参考訳（メタデータ） (2020-06-30T03:34:00Z)
• A Graph Gaussian Embedding Method for Predicting Alzheimer's Disease Progression with MEG Brain Networks [59.15734147867412]
  アルツハイマー病(AD)に関連する機能的脳ネットワークの微妙な変化を特徴付けることは、疾患進行の早期診断と予測に重要である。 我々は、多重グラフガウス埋め込みモデル(MG2G)と呼ばれる新しいディープラーニング手法を開発した。 我々はMG2Gを用いて、MEG脳ネットワークの内在性潜在性次元を検出し、軽度認知障害(MCI)患者のADへの進行を予測し、MCIに関連するネットワーク変化を伴う脳領域を同定した。
  論文  参考訳（メタデータ） (2020-05-08T02:29:24Z)

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。