論文の概要: Petal-X: Human-Centered Visual Explanations to Improve Cardiovascular Risk Communication
- arxiv url: http://arxiv.org/abs/2406.18690v1
- Date: Wed, 26 Jun 2024 18:48:50 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-28 18:07:31.621804
- Title: Petal-X: Human-Centered Visual Explanations to Improve Cardiovascular Risk Communication
- Title(参考訳): Petal-X:心血管のリスクコミュニケーションを改善する人中心のビジュアル説明
- Authors: Diego Rojo, Houda Lamqaddam, Lucija Gosak, Katrien Verbert,
- Abstract要約: 本研究は臨床医が共有した意思決定を支援する新しいツールであるPetal-Xの設計と実装について述べる。
Petal-Xは、新しいビジュアライゼーション、Petal Product Plots、そしてSCORE2のテーラーメイドのグローバルサロゲートモデルに依存している。
- 参考スコア(独自算出の注目度): 1.4613744540785565
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cardiovascular diseases (CVDs), the leading cause of death worldwide, can be prevented in most cases through behavioral interventions. Therefore, effective communication of CVD risk and projected risk reduction by risk factor modification plays a crucial role in reducing CVD risk at the individual level. However, despite interest in refining risk estimation with improved prediction models such as SCORE2, the guidelines for presenting these risk estimations in clinical practice remained essentially unchanged in the last few years, with graphical score charts (GSCs) continuing to be one of the prevalent systems. This work describes the design and implementation of Petal-X, a novel tool to support clinician-patient shared decision-making by explaining the CVD risk contributions of different factors and facilitating what-if analysis. Petal-X relies on a novel visualization, Petal Product Plots, and a tailor-made global surrogate model of SCORE2, whose fidelity is comparable to that of the GSCs used in clinical practice. We evaluated Petal-X compared to GSCs in a controlled experiment with 88 healthcare students, all but one with experience with chronic patients. The results show that Petal-X outperforms GSC in critical tasks, such as comparing the contribution to the patient's 10-year CVD risk of each modifiable risk factor, without a significant loss of perceived transparency, trust, or intent to use. Our study provides an innovative approach to the visualization and explanation of risk in clinical practice that, due to its model-agnostic nature, could continue to support next-generation artificial intelligence risk assessment models.
- Abstract(参考訳): 世界中の死因である心血管疾患(CVD)は、ほとんどの場合、行動介入によって予防できる。
したがって、CVDリスクの効果的なコミュニケーションとリスクファクター修正による予測リスク低減は、個人レベルでのCVDリスクの低減に重要な役割を果たす。
しかし、SCORE2などの予測モデルの改善によるリスク推定の精細化への関心にもかかわらず、これらのリスク推定を臨床実践に提示するためのガイドラインは、ここ数年は基本的に変化せず、グラフィカルスコアチャート(GSCs)は一般的なシステムの一つであり続けている。
本研究は,様々な要因のCVDリスクコントリビューションを解説し,その分析を容易にすることによって,臨床医が共有する意思決定を支援する新しいツールであるPetal-Xの設計と実装について述べる。
Petal-Xは、新しいビジュアライゼーション、Petal Product Plots、そしてSCORE2のテーラーメイドのグローバルサロゲートモデルに依存している。
介護学生88名を対象に,GSCと比較してPetal-Xの評価を行った。
その結果、Petal-Xは、患者が変更可能なリスクファクターの10年間のCVDリスクに対する貢献を、透明性、信頼、使用意図を著しく損なうことなく比較するなど、重要なタスクにおいてGSCよりも優れていた。
本研究は、そのモデルに依存しない性質により、次世代人工知能リスク評価モデルをサポートし続けることができる臨床実践におけるリスクの可視化と説明に革新的なアプローチを提供する。
関連論文リスト
- A Joint Representation Using Continuous and Discrete Features for Cardiovascular Diseases Risk Prediction on Chest CT Scans [12.652540031719571]
胸部CT画像から抽出した離散的量的バイオマーカーと連続的な深部特徴を統合した新しい関節表現法を提案する。
本手法はCVDリスク予測性能を大幅に改善し,各バイオマーカーの個人貢献分析を行う。
論文 参考訳(メタデータ) (2024-10-24T10:06:45Z) - Integrating Deep Learning with Fundus and Optical Coherence Tomography for Cardiovascular Disease Prediction [47.7045293755736]
心血管疾患(CVD)のリスクのある患者の早期発見は、効果的な予防ケア、医療負担の軽減、患者の生活の質の向上に不可欠である。
本研究は、網膜光コヒーレンス断層撮影(OCT)と眼底写真との併用による、将来の心疾患の特定の可能性を示すものである。
そこで我々は,MCVAE(Multi- Channel Variational Autoencoder)に基づく新たなバイナリ分類ネットワークを提案し,患者の眼底画像とOCT画像の潜伏埋め込みを学習し,個人を将来CVDを発症する可能性のあるものとそうでないものとの2つのグループに分類する。
論文 参考訳(メタデータ) (2024-10-18T12:37:51Z) - Deep State-Space Generative Model For Correlated Time-to-Event Predictions [54.3637600983898]
そこで本研究では,様々な種類の臨床イベント間の相互作用を捉えるために,潜伏状態空間生成モデルを提案する。
また,死亡率と臓器不全の関連性について有意な知見が得られた。
論文 参考訳(メタデータ) (2024-07-28T02:42:36Z) - Interpretable Survival Analysis for Heart Failure Risk Prediction [50.64739292687567]
現状の生存モデルと解釈可能かつ競合する新しい生存分析パイプラインを提案する。
我々のパイプラインは最先端のパフォーマンスを達成し、心不全のリスク要因に関する興味深い新しい洞察を提供する。
論文 参考訳(メタデータ) (2023-10-24T02:56:05Z) - Improving Opioid Use Disorder Risk Modelling through Behavioral and Genetic Feature Integration [3.524972282521988]
オピオイドは急性および慢性の痛みに対して効果的な鎮痛薬であるが、中毒のリスクを負い、毎年数百万のオピオイド使用障害(OUD)と数万の早死にを経験する。
我々は,OUDに関連する遺伝的変異をGPSとWi-Fiの時間座標から抽出した行動特徴と組み合わせ,OUDリスクを評価するための実験的設計と計算手法を開発した。
論文 参考訳(メタデータ) (2023-09-19T17:01:28Z) - Penalized Deep Partially Linear Cox Models with Application to CT Scans
of Lung Cancer Patients [42.09584755334577]
肺がんは世界中のがん死亡の原因であり、効果的な治療法を設計するための死亡リスクを理解することの重要性を強調している。
NLST(National Lung Screening Trial)は、肺がん患者の死亡リスクを定量化するために、CTテクスチャ解析を用いている。
本稿では,SCADペナルティを組み込んで重要なテクスチャ特徴を抽出し,深層ニューラルネットワークを用いてモデルの非パラメトリック成分を推定する,Pentalized Deep partially Linear Cox Model (Penalized DPLC)を提案する。
論文 参考訳(メタデータ) (2023-03-09T15:38:16Z) - SurvLatent ODE : A Neural ODE based time-to-event model with competing
risks for longitudinal data improves cancer-associated Deep Vein Thrombosis
(DVT) prediction [68.8204255655161]
本稿では,不規則なサンプルデータの下で潜在表現をパラメータ化する生成時間対イベントモデルSurvLatent ODEを提案する。
そこで,本モデルでは,事象特異的ハザード関数の形状を指定せずに,複数の競合イベントの生存時間を柔軟に推定する。
SurvLatent ODEは、DVTリスクグループを成層化するために、現在の臨床標準であるKhorana Riskスコアより優れている。
論文 参考訳(メタデータ) (2022-04-20T17:28:08Z) - COVID-Net CXR-S: Deep Convolutional Neural Network for Severity
Assessment of COVID-19 Cases from Chest X-ray Images [74.77272804752306]
胸部CXR画像に基づくSARS-CoV-2陽性患者の空間重症度を予測する畳み込みニューラルネットワークであるCOVID-Net CXR-Sについて紹介する。
患者15,000人以上の多国籍コホートから得られた16,000以上のCXR画像から得られた表現的知識を,重症度評価のためのカスタムネットワークアーキテクチャへ伝達する。
提案したCXR-Sは、新型コロナウイルス陽性患者のCXR画像のコンピュータ支援による重症度評価のための強力なツールとなる可能性がある。
論文 参考訳(メタデータ) (2021-05-01T14:15:12Z) - Clinical Outcome Prediction from Admission Notes using Self-Supervised
Knowledge Integration [55.88616573143478]
臨床テキストからのアウトカム予測は、医師が潜在的なリスクを見落としないようにする。
退院時の診断,手術手順,院内死亡率,長期予測は4つの一般的な結果予測対象である。
複数の公開資料から得られた患者結果に関する知識を統合するために,臨床結果の事前学習を提案する。
論文 参考訳(メタデータ) (2021-02-08T10:26:44Z) - Personalized Cardiovascular Disease Risk Mitigation via Longitudinal
Inverse Classification [3.5255730400158756]
心臓血管疾患(英: Cardiovascular disease, CVD)は、世界中の何百万もの患者が発症する重篤な疾患であり、米国では主要な死因である。
近年、パーソナライズド・メディカル(パーソナライズド・メディカル)の領域において、患者を医療意思決定と治療プロセスの中心に配置する医療分野が著しく成長している。
多くのCVDに焦点を当てたパーソナライズドメディカル・イノベーションは遺伝子バイオマーカーに焦点を絞っている。
論文 参考訳(メタデータ) (2020-11-16T20:23:01Z) - An explainable XGBoost-based approach towards assessing the risk of
cardiovascular disease in patients with Type 2 Diabetes Mellitus [1.761604268733064]
糖尿病患者における心血管疾患(CVD)は障害・死亡の重要な原因である
本研究の目的は、T2DM患者における致命的または非致死的CVDの発症に関するパーソナライズされたリスク予測モデルを開発し、評価することである。
論文 参考訳(メタデータ) (2020-09-14T12:19:10Z)
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。