論文の概要: Understanding Sarcoidosis Using Large Language Models and Social Media Data
- arxiv url: http://arxiv.org/abs/2405.13005v2
- Date: Sun, 27 Oct 2024 21:48:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-29 12:17:04.783135
- Title: Understanding Sarcoidosis Using Large Language Models and Social Media Data
- Title（参考訳）: 大規模言語モデルとソーシャルメディアデータを用いたサルコイドーシスの理解
- Authors: Nan Miles Xi, Hong-Long Ji, Lin Wang,
- Abstract要約: サルコイドーシスは,各種臓器に肉芽腫が出現する稀な炎症性疾患である。
我々は,ソーシャルメディアプラットフォームRedditでサルコイドーシスに関連する議論を分析するために,Large Language Model (LLM)を用いた。
プレドニゾンが最も処方された薬剤であり, インフリキシマブは予後改善に最も有効であった。
- 参考スコア（独自算出の注目度）: 4.963018961714468
- License:
- Abstract: Sarcoidosis is a rare inflammatory disease characterized by the formation of granulomas in various organs. The disease presents diagnostic and treatment challenges due to its diverse manifestations and unpredictable nature. In this study, we employed a Large Language Model (LLM) to analyze sarcoidosis-related discussions on the social media platform Reddit. Our findings underscore the efficacy of LLMs in accurately identifying sarcoidosis-related content. We discovered a wide array of symptoms reported by patients, with fatigue, swollen lymph nodes, and shortness of breath as the most prevalent. Prednisone was the most prescribed medication, while infliximab showed the highest effectiveness in improving prognoses. Notably, our analysis revealed disparities in prognosis based on age and gender, with women and younger patients experiencing good and polarized outcomes, respectively. Furthermore, unsupervised clustering identified three distinct patient subgroups (phenotypes) with unique symptom profiles, prognostic outcomes, and demographic distributions. Finally, sentiment analysis revealed a moderate negative impact on patients' mental health post-diagnosis, particularly among women and younger individuals. Our study represents the first application of LLMs to understand sarcoidosis through social media data. It contributes to understanding the disease by providing data-driven insights into its manifestations, treatments, prognoses, and impact on patients' lives. Our findings have direct implications for improving personalized treatment strategies and enhancing the quality of care for individuals living with sarcoidosis.
- Abstract（参考訳）: サルコイドーシスは,各種臓器に肉芽腫が出現する稀な炎症性疾患である。
この病気は、その多様な症状と予測不可能な性質により、診断と治療の課題を呈する。
本研究では,ソーシャルメディアプラットフォームRedditにおけるサルコイドーシスに関連する議論を分析するために,Large Language Model (LLM)を用いた。
サルコイドーシス関連物質を正確に同定するためのLSMの有用性について検討した。
症状は, 疲労, 腫大したリンパ節, 呼吸の短さなど多岐にわたる。
プレドニゾンが最も処方された薬剤であり, インフリキシマブは予後改善に最も有効であった。
特に, 年齢, 性別による予後の相違がみられ, 女性, 若年者の予後は良好であった。
さらに、教師なしクラスタリングでは、独自の症状プロファイル、予後結果、人口分布を持つ3つの異なる患者サブグループ(フェノタイプ)が同定された。
最後に、感情分析の結果、特に女性や若年者において、患者の精神疾患後の健康に適度なネガティブな影響が認められた。
本研究は,ソーシャルメディアデータによるサルコイドーシスの理解にLLMを応用した最初の事例である。
これは、その症状、治療、予後、患者の生活への影響に関するデータ駆動的な洞察を提供することによって、疾患を理解するのに寄与する。
本研究は,サルコイドーシス患者に対するパーソナライズされた治療戦略の改善と,ケアの質の向上に直接的な意味を持っている。
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) - Probabilistic Temporal Prediction of Continuous Disease Trajectories and Treatment Effects Using Neural SDEs [6.5527554277858275]
神経差分方程式(NSDE)による疾患進行の持続的時間的進化をモデル化するための最初の因果時間的枠組みを提示する。
本研究は,将来のMS障害(EDSSなど)と治療効果を正確に予測するための,不確実性に基づく因果学習(DL)モデルとして,最初の成功例を示す。
論文 参考訳（メタデータ） (2024-06-18T17:22:55Z) - Can Machine Learning Assist in Diagnosis of Primary Immune Thrombocytopenia? A feasibility study [12.4123972735841]
原発性免疫性血小板減少症(ITP)は末梢血血小板の免疫学的破壊を特徴とする稀な自己免疫疾患である。
疾患を確認するための確立された検査はなく、治療と結果に対する反応を予測できるバイオマーカーも存在しない。
日常的な血液検査と人口統計データを用いて, 機械学習をIPPの診断に効果的に適用できるかどうかを, 非急性外来で検討する。
論文 参考訳（メタデータ） (2024-05-31T01:04:46Z) - A Demographic-Conditioned Variational Autoencoder for fMRI Distribution Sampling and Removal of Confounds [49.34500499203579]
変動型オートエンコーダ(VAE)ベースのモデルであるDemoVAEを作成し、人口統計学から fMRI の特徴を推定する。
ユーザが供給する人口動態に基づいて,高品質な合成fMRIデータを生成する。
論文 参考訳（メタデータ） (2024-05-13T17:49:20Z) - 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) - Explorative analysis of human disease-symptoms relations using the
Convolutional Neural Network [0.0]
本研究は, 疾患予測タスクにおける症状タイプの範囲を理解することを目的としている。
その結果,早期に98～100%の精度で機械学習が病気を診断できる可能性が示唆された。
論文 参考訳（メタデータ） (2023-02-23T15:02:07Z) - Interpret Your Care: Predicting the Evolution of Symptoms for Cancer
Patients [5.175050215292647]
我々は,20163症例からなる実世界の患者データに基づいて,LightGBMと呼ばれる解釈可能な決定木モデルを実装した。
経験的結果から,症状の前段階の値が予測の指標となることが示唆された。
論文 参考訳（メタデータ） (2023-02-19T19:29:59Z) - Automated Huntington's Disease Prognosis via Biomedical Signals and
Shallow Machine Learning [0.0]
心電図, 心電図, 機能的近赤外分光データを用いて, 患者27名, コントロール36名, 不明6名のクリニックで収集した既製認定データセットを用いて検討した。
最大精度はスケールアウトしたExtremely Randomized Treesアルゴリズムにより達成され、受信者特性0.963の曲線下と91.353%の精度で達成された。
論文 参考訳（メタデータ） (2023-02-04T02:20:46Z) - Intelligent Sight and Sound: A Chronic Cancer Pain Dataset [74.77784420691937]
本稿では,Intelligent Sight and Sound (ISS) 臨床試験の一環として収集された,最初の慢性ガン痛データセットを紹介する。
これまで収集されたデータは29の患者、509のスマートフォンビデオ、189,999のフレーム、そして自己報告された感情と活動の痛みのスコアから成っている。
静的画像とマルチモーダルデータを用いて、自己報告された痛みレベルを予測する。
論文 参考訳（メタデータ） (2022-04-07T22:14:37Z) - Classification supporting COVID-19 diagnostics based on patient survey
data [82.41449972618423]
新型コロナウイルス患者の効果的なスクリーニングを可能にするロジスティック回帰とXGBoost分類器が作成された。
得られた分類モデルは、DECODEサービス(decode.polsl.pl)の基礎を提供し、COVID-19病患者のスクリーニング支援に役立てることができる。
このデータセットは、3,000以上のサンプルで構成されており、ポーランドの病院で収集されたアンケートに基づいている。
論文 参考訳（メタデータ） (2020-11-24T17:44:01Z) - Integrative Analysis for COVID-19 Patient Outcome Prediction [53.11258640541513]
我々は、集中治療室入院の必要性を予測するために、人口統計、バイタルサイン、実験室の所見から、肺不透明度の放射能と非画像の特徴を組み合わせる。
また, 地域性肺炎を含む他の肺疾患にも適用できるが, 地域性肺炎に限らない。
論文 参考訳（メタデータ） (2020-07-20T19:08:50Z)
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。