論文の概要: Digital Twin Generators for Disease Modeling
- arxiv url: http://arxiv.org/abs/2405.01488v1
- Date: Thu, 2 May 2024 17:23:04 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-03 15:35:38.235976
- Title: Digital Twin Generators for Disease Modeling
- Title（参考訳）: 疾患モデリングのためのディジタル双極子発電機
- Authors: Nameyeh Alam, Jake Basilico, Daniele Bertolini, Satish Casie Chetty, Heather D'Angelo, Ryan Douglas, Charles K. Fisher, Franklin Fuller, Melissa Gomes, Rishabh Gupta, Alex Lang, Anton Loukianov, Rachel Mak-McCully, Cary Murray, Hanalei Pham, Susanna Qiao, Elena Ryapolova-Webb, Aaron Smith, Dimitri Theoharatos, Anil Tolwani, Eric W. Tramel, Anna Vidovszky, Judy Viduya, Jonathan R. Walsh,
- Abstract要約: 患者のデジタルツイン(英: Digital twin)とは、患者の健康状態の経時変化を記述する計算モデルである。
デジタル双生児は、人間の健康の個々のレベルのコンピュータシミュレーションを可能にすることによって、医療に革命をもたらす可能性がある。
- 参考スコア（独自算出の注目度）: 2.341540989979203
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A patient's digital twin is a computational model that describes the evolution of their health over time. Digital twins have the potential to revolutionize medicine by enabling individual-level computer simulations of human health, which can be used to conduct more efficient clinical trials or to recommend personalized treatment options. Due to the overwhelming complexity of human biology, machine learning approaches that leverage large datasets of historical patients' longitudinal health records to generate patients' digital twins are more tractable than potential mechanistic models. In this manuscript, we describe a neural network architecture that can learn conditional generative models of clinical trajectories, which we call Digital Twin Generators (DTGs), that can create digital twins of individual patients. We show that the same neural network architecture can be trained to generate accurate digital twins for patients across 13 different indications simply by changing the training set and tuning hyperparameters. By introducing a general purpose architecture, we aim to unlock the ability to scale machine learning approaches to larger datasets and across more indications so that a digital twin could be created for any patient in the world.
- Abstract（参考訳）: 患者のデジタルツイン(英: Digital twin)とは、患者の健康状態の経時変化を記述する計算モデルである。
デジタル双生児は、より効率的な臨床試験やパーソナライズされた治療オプションの推奨に使用できる、人間の健康の個々のレベルのコンピュータシミュレーションを可能にすることで、医療に革命をもたらす可能性がある。
人間の生物学の圧倒的な複雑さのため、患者のデジタル双生児を生成するために、歴史的患者の縦断的な健康記録の大規模なデータセットを利用する機械学習アプローチは、潜在的な力学モデルよりもより魅力的である。
本稿では,臨床軌道の条件付き生成モデル(Digital Twin Generators,DTG)を学習し,個々の患者にディジタル双生児を作成できるニューラルネットワークアーキテクチャについて述べる。
トレーニングセットを変更し、ハイパーパラメータをチューニングするだけで、同じニューラルネットワークアーキテクチャをトレーニングすることで、13の異なる指示に対して正確なデジタルツインを生成できることが示されています。
汎用アーキテクチャを導入することで、より大規模なデータセットやより多くの指標に機械学習アプローチを拡大し、世界中のすべての患者に対してデジタルツインを作成できるようにすることを目標としています。
関連論文リスト
- Digital Twin Ecosystem for Oncology Clinical Operations [0.8130739369606821]
本稿では,腫瘍学における臨床手術の高度化をめざした,新たなデジタルツインフレームワークを提案する。
我々は,医療ニーズ双生児,ケアナビゲータ双生児,臨床履歴双生児など,複数の専門的デジタル双生児の統合を提案する。
複数のデータソースを合成し、NCCN(National Comprehensive Cancer Network)ガイドラインと整合させることで、ダイナミックながんケアパスを作成する。
論文 参考訳（メタデータ） (2024-09-26T08:56:54Z) - Med-Real2Sim: Non-Invasive Medical Digital Twins using Physics-Informed Self-Supervised Learning [15.106435744696013]
デジタルツイン(Digital twin)は、数学的モデリングを用いてその定義する特徴を特徴づけ、シミュレートする現実世界の物理現象の仮想レプリカである。
非侵襲的な患者健康データのみを用いてデジタル双対モデルパラメータを同定する手法を提案する。
論文 参考訳（メタデータ） (2024-02-29T23:04:42Z) - From Digital Twins to Digital Twin Prototypes: Concepts, Formalization,
and Applications [55.57032418885258]
デジタル双対とは何かという合意的な定義は存在しない。
我々のデジタルツインプロトタイプ(DTP)アプローチは、組み込みソフトウェアシステムの開発と自動テストにおいて、エンジニアを支援します。
論文 参考訳（メタデータ） (2024-01-15T22:13:48Z) - Probing the Limits and Capabilities of Diffusion Models for the Anatomic
Editing of Digital Twins [0.9628617363701458]
本稿では,デジタル双生児の解剖学的変異を編集する潜在拡散モデルの能力について検討する。
我々は特にデジタル双生児を編集し、異なる空間スケールおよび局所領域で解剖学的変異を導入する。
論文 参考訳（メタデータ） (2023-12-30T14:21:30Z) - Digital Twins for Patient Care via Knowledge Graphs and Closed-Form
Continuous-Time Liquid Neural Networks [0.0]
デジタル双生児は、製造業、サプライチェーンのロジスティクス、土木インフラなどの産業で急速に勢いを増している。
マルチモーダル患者データを用いた複雑な疾患のモデル化の課題と、その解析の複雑さは、生体医療分野におけるデジタル双生児の採用を阻害している。
本稿では,計算コストとモデリング複雑さによる臨床双対モデリングの障壁に対処する新しい枠組みを提案する。
論文 参考訳（メタデータ） (2023-07-08T12:52:31Z) - Incomplete Multimodal Learning for Complex Brain Disorders Prediction [65.95783479249745]
本稿では,変換器と生成対向ネットワークを用いた不完全なマルチモーダルデータ統合手法を提案する。
アルツハイマー病神経画像イニシアチブコホートを用いたマルチモーダルイメージングによる認知変性と疾患予後の予測に本手法を適用した。
論文 参考訳（メタデータ） (2023-05-25T16:29:16Z) - A perspective on the use of health digital twins in computational
pathology [0.0]
デジタル健康双生児は、この特定の場合、患者において、物理的な人の仮想モデルとして定義することができる。
この仮想モデルは、臨床、分子、治療パラメータからセンサーデータや生活条件まで、多次元のデータによって構成される。
論文 参考訳（メタデータ） (2022-11-30T11:13:05Z) - Unsupervised pre-training of graph transformers on patient population
graphs [48.02011627390706]
異種臨床データを扱うグラフ変換器を用いたネットワークを提案する。
自己教師型, 移動学習環境において, 事前学習方式の利点を示す。
論文 参考訳（メタデータ） (2022-07-21T16:59:09Z) - 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) - Man, machine and work in a digital twin setup: a case study [77.34726150561087]
物理ロボット組立システムの仮想的な実装としてのデジタルツインは、設計、構築、運用による検証と制御のためのフロントランナーとして構築される。
システムライフサイクルに沿ったデジタルツインの形式、ビルディングブロック、潜在的なアドバンテージが提示される。
論文 参考訳（メタデータ） (2020-06-15T20:54:43Z) - Learning Dynamic and Personalized Comorbidity Networks from Event Data
using Deep Diffusion Processes [102.02672176520382]
コンコルビンド病は、個人によって異なる複雑な時間的パターンを通じて発生し進行する。
電子的な健康記録では、患者が持つ異なる疾患を観察できるが、それぞれの共死状態の時間的関係を推測できるだけである。
我々は「ダイナミック・コオービディティ・ネットワーク」をモデル化するための深層拡散プロセスを開発する。
論文 参考訳（メタデータ） (2020-01-08T15:47:08Z)
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。