論文の概要: Machine learning augmented diagnostic testing to identify sources of variability in test performance
- arxiv url: http://arxiv.org/abs/2404.03678v1
- Date: Thu, 28 Mar 2024 09:51:28 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-14 13:21:48.443637
- Title: Machine learning augmented diagnostic testing to identify sources of variability in test performance
- Title（参考訳）: 機械学習による検査性能の変動源の同定
- Authors: Christopher J. Banks, Aeron Sanchez, Vicki Stewart, Kate Bowen, Graham Smith, Rowland R. Kao,
- Abstract要約: 我々は機械学習を用いて、診断試験を適用して解釈を増強する状況リスクを評価する。
検査特異性を損なうことなく、皮膚検査で検出された感染群の割合が16ポイント以上向上するように、検査感度を向上できることを示した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Diagnostic tests which can detect pre-clinical or sub-clinical infection, are one of the most powerful tools in our armoury of weapons to control infectious diseases. Considerable effort has been therefore paid to improving diagnostic testing for human, plant and animal diseases, including strategies for targeting the use of diagnostic tests towards individuals who are more likely to be infected. Here, we follow other recent proposals to further refine this concept, by using machine learning to assess the situational risk under which a diagnostic test is applied to augment its interpretation . We develop this to predict the occurrence of breakdowns of cattle herds due to bovine tuberculosis, exploiting the availability of exceptionally detailed testing records. We show that, without compromising test specificity, test sensitivity can be improved so that the proportion of infected herds detected by the skin test, improves by over 16 percentage points. While many risk factors are associated with increased risk of becoming infected, of note are several factors which suggest that, in some herds there is a higher risk of infection going undetected, including effects that are correlated to the veterinary practice conducting the test, and number of livestock moved off the herd.
- Abstract（参考訳）: 予防接種前またはサブクリニカル感染を検出できる診断検査は、我々の武器の装甲において、伝染病を予防するための最も強力なツールの1つです。
そのため、人間、植物、動物の病気に対する診断検査の改善に多大な努力が払われている。
本稿では、機械学習を用いて、診断試験を適用して解釈を強化する状況リスクを評価することにより、この概念をさらに洗練するための最近の提案に従う。
本研究は,ウシの結核による牛の群集の崩壊の発生を予測し,極めて詳細な検査記録の入手可能性を利用した。
検査特異性を損なうことなく、皮膚検査で検出された感染群の割合が16ポイント以上向上するように、検査感度を向上できることを示した。
多くの危険因子が感染リスクの増加に関連しているが、いくつかの群れでは、検査を行う獣医の習慣と相関する影響や家畜の数が群れから移動したなど、感染のリスクが未発見であることが示唆されている。
関連論文リスト
- Leveraging Propagated Infection to Crossfire Mutants [4.229296050697151]
テストが不十分な場合、各ミュータントはテストスイートを改善する機会を提供する。
多くの生き残った変異体は、単に追加のアサーションで既存のテストを増強することで検出できる。
我々は、複数の変異体を偶然に殺傷するクロスファイリングの機会を特定する以前の研究に基づいています。
論文 参考訳（メタデータ） (2024-11-14T23:31:26Z) - 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) - 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) - Robustness Stress Testing in Medical Image Classification [26.094688963784254]
我々はストレステストを用いて、疾患検出モデルにおけるモデルロバスト性およびサブグループパフォーマンスの相違を評価する。
胸部X線画像と皮膚病変画像に対する疾患検出モデルのロバスト性の測定にストレステストを適用した。
我々の実験は、いくつかのモデルが他のモデルよりもより堅牢で公平な性能が得られることを示唆している。
論文 参考訳（メタデータ） (2023-08-14T02:02:56Z) - A multimodal method based on cross-attention and convolution for
postoperative infection diagnosis [0.0]
術後感染診断は重篤な合併症であり,高い診断上の課題となっている。
X線検査は、疑わしいPJI患者の画像検査である。
本研究では,自己教師型マスク付きオートエンコーダ事前学習戦略とマルチモーダル核融合診断ネットワークMED-NVCを提案する。
論文 参考訳（メタデータ） (2023-05-23T15:08:56Z) - Statistical and Computational Phase Transitions in Group Testing [73.55361918807883]
本研究の目的は、希少な疾患を患っているk人の集団を同定することである。
個々人のテストを割り当てるための2つの異なる単純なランダムな手順を考える。
論文 参考訳（メタデータ） (2022-06-15T16:38:50Z) - Development of a Risk-Free COVID-19 Screening Algorithm from Routine
Blood Tests Using Ensemble Machine Learning [0.0]
キットの不足とコストが原因で、多くの人々が感染し、検査前に回復または死亡している。
この研究は、リスクフリーで高精度なStacked Ensemble Machine Learningモデルを提案することで、COVID-19検出の概念を活用する。
提案手法は,ユビキタス・ユビキタス・ローコストスクリーニングアプリケーションの可能性を有する。
論文 参考訳（メタデータ） (2021-08-12T11:01:53Z) - Timely Tracking of Infection Status of Individuals in a Population [70.21702849459986]
住民の感染状況のリアルタイム追跡について検討した。
この研究では、医療提供者が感染症から回復した人だけでなく、感染した人々も検出したいと考えています。
論文 参考訳（メタデータ） (2020-12-24T18:49:22Z) - Genome Sequence Classification for Animal Diagnostics with Graph
Representations and Deep Neural Networks [4.339839287869652]
ウシ呼吸器疾患複合体(英: Bovine Respiratory Disease Complex, BRDC)は、ウシに細菌やウイルスを含む複数の病因を持つ複雑な呼吸器疾患である。
現在の動物疾患診断は、細菌培養、血清分析、PCR(PCR)検査などの従来の検査に基づいている。
ネットワークベースの機械学習アプローチは、最大89.7%の精度で病原体シグネチャを検出することができる。
論文 参考訳（メタデータ） (2020-07-24T22:30:18Z) - Hemogram Data as a Tool for Decision-making in COVID-19 Management:
Applications to Resource Scarcity Scenarios [62.997667081978825]
新型コロナウイルス(COVID-19)のパンデミックは世界中の緊急対応システムに挑戦している。
本研究は, 症状患者の血液検査データから得られた機械学習モデルについて述べる。
提案されたモデルでは、新型コロナウイルスqRT-PCRの結果を、高い精度、感度、特異性で症状のある個人に予測することができる。
論文 参考訳（メタデータ） (2020-05-10T01:45:03Z) - Noisy Adaptive Group Testing using Bayesian Sequential Experimental
Design [63.48989885374238]
病気の感染頻度が低い場合、Dorfman氏は80年前に、人のテストグループは個人でテストするよりも効率が良いことを示した。
本研究の目的は,ノイズの多い環境で動作可能な新しいグループテストアルゴリズムを提案することである。
論文 参考訳（メタデータ） (2020-04-26T23:41:33Z)
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。