論文の概要: Can Machine Learning Assist in Diagnosis of Primary Immune Thrombocytopenia? A feasibility study
- arxiv url: http://arxiv.org/abs/2405.20562v1
- Date: Fri, 31 May 2024 01:04:46 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-03 15:55:52.596716
- Title: Can Machine Learning Assist in Diagnosis of Primary Immune Thrombocytopenia? A feasibility study
- Title（参考訳）: 一次免疫性血小板減少症の診断に機械学習は有効か?
- Authors: Haroon Miah, Dimitrios Kollias, Giacinto Luca Pedone, Drew Provan, Frederick Chen,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 12.4123972735841
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Primary Immune thrombocytopenia (ITP) is a rare autoimmune disease characterised by immune-mediated destruction of peripheral blood platelets in patients leading to low platelet counts and bleeding. The diagnosis and effective management of ITP is challenging because there is no established test to confirm the disease and no biomarker with which one can predict the response to treatment and outcome. In this work we conduct a feasibility study to check if machine learning can be applied effectively for diagnosis of ITP using routine blood tests and demographic data in a non-acute outpatient setting. Various ML models, including Logistic Regression, Support Vector Machine, k-Nearest Neighbor, Decision Tree and Random Forest, were applied to data from the UK Adult ITP Registry and a general hematology clinic. Two different approaches were investigated: a demographic-unaware and a demographic-aware one. We conduct extensive experiments to evaluate the predictive performance of these models and approaches, as well as their bias. The results revealed that Decision Tree and Random Forest models were both superior and fair, achieving nearly perfect predictive and fairness scores, with platelet count identified as the most significant variable. Models not provided with demographic information performed better in terms of predictive accuracy but showed lower fairness score, illustrating a trade-off between predictive performance and fairness.
- Abstract（参考訳）: 原発性免疫性血小板減少症(プライマリ・免疫性血小板減少症、ITP)は、低血小板数および出血に至る患者において、免疫による末梢血血小板の破壊を特徴とする稀な自己免疫疾患である。
ITPの診断と効果的な管理は、疾患を確定するための確立された検査がなく、治療と結果に対する反応を予測できるバイオマーカーがないため困難である。
本研究は,非急性外来環境での血液検査と人口統計データを用いて,機械学習がIPPの診断に効果的に応用できるかどうかを確認するための実現可能性研究である。
ロジスティック回帰、サポートベクトルマシン、k-Nearest Neighbor、決定木、ランダムフォレストなどのMLモデルは、英国成人ITP登録簿および一般的な血液学クリニックのデータに適用された。
2つの異なるアプローチが調査された。
我々は、これらのモデルとアプローチの予測性能とバイアスを評価するために、広範囲な実験を行う。
その結果, 決定木モデルとランダムフォレストモデルでは, ほぼ完全な予測値, 公平性スコアが得られ, 血小板数が最も有意な変数であることが判明した。
人口統計情報を備えたモデルでは, 予測精度は向上したが, フェアネススコアは低く, 予測性能とフェアネスのトレードオフが示された。
関連論文リスト
- Debias-CLR: A Contrastive Learning Based Debiasing Method for Algorithmic Fairness in Healthcare Applications [0.17624347338410748]
異なる治療と戦うために,暗黙の処理内脱バイアス法を提案した。
心不全患者の臨床記録と診断基準,治療報告,生理的活力について検討した。
Debias-CLRは、性別や民族を嫌う場合に、SC-WEAT(Single-Category Word Embedding Association Test)の効果を減少させることができた。
論文 参考訳（メタデータ） (2024-11-15T19:32:01Z) - 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) - Evaluating Echo State Network for Parkinson's Disease Prediction using
Voice Features [1.2289361708127877]
本研究の目的は,偽陰性の最小化と高精度化を両立できる診断モデルを開発することである。
Echo State Networks (ESN)、Random Forest、k-nearest Neighbors、Support Vector、Extreme Gradient Boosting、Decision Treeなど、さまざまな機械学習手法が採用され、徹底的に評価されている。
ESNは83%の症例で8%未満の偽陰性率を維持している。
論文 参考訳（メタデータ） (2024-01-28T14:39:43Z) - Treatment Outcome Prediction for Intracerebral Hemorrhage via Generative
Prognostic Model with Imaging and Tabular Data [18.87414111429906]
脳内出血は2番目に一般的で致命的な脳梗塞である。
医学的進歩にもかかわらず、ICHの治療効果を予測することは依然として課題である。
モデルは、非ランダム化制御試験から収集された観測データに基づいて訓練される。
論文 参考訳（メタデータ） (2023-07-24T14:57:40Z) - TREEMENT: Interpretable Patient-Trial Matching via Personalized Dynamic
Tree-Based Memory Network [54.332862955411656]
臨床試験は薬物開発に不可欠であるが、しばしば高価で非効率な患者募集に苦しむ。
近年,患者と臨床試験を自動マッチングすることで患者採用を高速化する機械学習モデルが提案されている。
本稿では,TREement という名前の動的ツリーベースメモリネットワークモデルを導入する。
論文 参考訳（メタデータ） (2023-07-19T12:35:09Z) - VIRDOC: Statistical and Machine Learning by a VIRtual DOCtor to Predict
Dengue Fatality [0.0]
臨床医は、流行の治療において患者の徴候や症状を検査することで定期的な診断を行う。
治療体制の成功は、臨床医が流行の強力な原因をランク付けし、持続的な封じ込め戦略を策定するための相互依存を分析することに基づいて、そのような徴候症状の解釈の正確さに主に依存します。
本研究は,伝染病の主要な病原菌を自己整合的にランク付けし,統計モデルと機械学習の言語を用いて感染症の病期を正しく同定する仮想医師(virdoc)を提案する。
論文 参考訳（メタデータ） (2021-04-29T12:06:05Z) - UNITE: Uncertainty-based Health Risk Prediction Leveraging Multi-sourced
Data [81.00385374948125]
我々はUNcertaInTyベースのhEalth Risk Prediction(UNITE)モデルを提案する。
UNITEは、複数ソースの健康データを活用した正確な疾患リスク予測と不確実性推定を提供する。
非アルコール性脂肪肝疾患(NASH)とアルツハイマー病(AD)の実態予測タスクにおけるUNITEの評価を行った。
UNITEはAD検出のF1スコアで最大0.841点、NASH検出のPR-AUCで最大0.609点を達成し、最高のベースラインで最大19%の高パフォーマンスを達成している。
論文 参考訳（メタデータ） (2020-10-22T02:28:11Z) - Personalized pathology test for Cardio-vascular disease: Approximate
Bayesian computation with discriminative summary statistics learning [48.7576911714538]
近似計算を用いて生物学的に有意なパラメータを推定するための血小板沈着モデルと推論手法を提案する。
この研究は、CVDの検出と治療のためのパーソナライズされた病理検査の先例のない機会を開く。
論文 参考訳（メタデータ） (2020-10-13T15:20:21Z) - 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)
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。