論文の概要: Is plantar thermography a valid digital biomarker for characterising diabetic foot ulceration risk?

• arxiv url: http://arxiv.org/abs/2407.04676v1
• Date: Fri, 5 Jul 2024 17:39:03 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-08 12:31:56.278318
• Title: Is plantar thermography a valid digital biomarker for characterising diabetic foot ulceration risk?
• Title（参考訳）: 足部温熱検査は糖尿病性足部潰瘍のリスク評価に有効なデジタルバイオマーカーか?
• Authors: Akshay Jagadeesh, Chanchanok Aramrat, Aqsha Nur, Poppy Mallinson, Sanjay Kinra,
• Abstract要約: 糖尿病性足潰瘍 (DFU) に関する予報的データがない場合, 原因因子と断面積的関連性を用いて, DFUの危険層化に対する植物温熱画像の妥当性を確かめることができた。 内在型サーモグラフィークラスタとDFUリスクファクターの関連について,教師なしのディープラーニングフレームワークを用いて検討した。
• 参考スコア（独自算出の注目度）: 1.9029675742486807
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Background: In the absence of prospective data on diabetic foot ulcers (DFU), cross-sectional associations with causal risk factors (peripheral neuropathy, and peripheral arterial disease (PAD)) could be used to establish the validity of plantar thermography for DFU risk stratification. Methods: First, we investigated the associations between the intrinsic clusters of plantar thermographic images with several DFU risk factors using an unsupervised deep-learning framework. We then studied associations between obtained thermography clusters and DFU risk factors. Second, to identify those associations with predictive power, we used supervised learning to train Convolutional Neural Network (CNN) regression/classification models that predicted the risk factor based on the thermograph (and visual) input. Findings: Our dataset comprised 282 thermographs from type 2 diabetes mellitus patients (aged 56.31 +- 9.18 years, 51.42 % males). On clustering, we found two overlapping clusters (silhouette score = 0.10, indicating weak separation). There was strong evidence for associations between assigned clusters and several factors related to diabetic foot ulceration such as peripheral neuropathy, PAD, number of diabetes complications, and composite DFU risk prediction scores such as Martins-Mendes, PODUS-2020, and SIGN. However, models predicting said risk factors had poor performances. Interpretation: The strong associations between intrinsic thermography clusters and several DFU risk factors support the validity of using thermography for characterising DFU risk. However, obtained associations did not prove to be predictive, likely due to, spectrum bias, or because thermography and classical risk factors characterise incompletely overlapping portions of the DFU risk construct. Our findings highlight the challenges in standardising ground truths when defining novel digital biomarkers.
• Abstract（参考訳）: 背景: 糖尿病性足部潰瘍(DFU)に関する予報データがない場合, 原因因子(末梢神経障害, 末梢動脈疾患(PAD))と断面積の関連性は, DFUの危険層化のための植物サーモグラフィーの妥当性の確立に有効であった。 方法: まず, 教師なし深層学習フレームワークを用いて, 植物熱画像の内在クラスタとDFUリスク要因との関連について検討した。 得られたサーモグラフィークラスターとDFUリスクファクターの関連について検討した。 次に,教師付き学習を用いて,サーモグラフ(および視覚)入力に基づいて危険因子を予測する畳み込みニューラルネットワーク(CNN)回帰/分類モデルを訓練した。 結果: 2型糖尿病患者282例(56.31+-9.18歳,男性51.42%)から得られた。 クラスタリングでは、2つの重なり合うクラスタが見つかった(シルエットスコア=0.10、弱い分離を示す)。 割り当てられたクラスターと、末梢神経障害、PAD、糖尿病の合併症数、Martins-Mendes、PODUS-2020、SIGNなどの複合DFUリスク予測スコアなど、糖尿病性足の潰瘍に関連するいくつかの要因との関連性は強い。 しかし、リスク要因を予測するモデルでは、性能が低かった。 解釈:本態性サーモグラフィークラスターといくつかのDFUリスク要因の強い関連は,DFUリスクを特徴づけるためにサーモグラフィーを使用することの有効性を裏付ける。 しかし、得られた関連性は、おそらくスペクトルバイアスによるものか、サーモグラフィーと古典的リスクファクターがDFUリスク構造の不完全重複部分を特徴付けるため、予測的であることが証明されなかった。 本研究は,新たなデジタルバイオマーカーの定義において,基礎的真理を標準化する上での課題を浮き彫りにした。

関連論文リスト

• HACSurv: A Hierarchical Copula-based Approach for Survival Analysis with Dependent Competing Risks [51.95824566163554]
  HACSurvは、競合するリスクを持つデータから構造や原因特異的生存関数を学習する生存分析手法である。 リスクと検閲の間の依存関係をキャプチャすることで、HACSurvはより良い生存予測を実現する。
  論文  参考訳（メタデータ） (2024-10-19T18:52:18Z)
• 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)
• 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)
• Multivariate Analysis on Performance Gaps of Artificial Intelligence Models in Screening Mammography [4.123006816939975]
  異常分類のための深層学習モデルは,マンモグラフィーのスクリーニングにおいて良好に機能する。 モデル不全のリスクの増加に伴う人口統計学的、画像的、臨床的特徴はいまだに不明である。 年齢,人種,病理所見,組織密度,画像特徴によって定義されるサブグループによるモデル性能の評価を行った。
  論文  参考訳（メタデータ） (2023-05-08T02:28:45Z)
• SynthA1c: Towards Clinically Interpretable Patient Representations for Diabetes Risk Stratification [0.5551483435671848]
  2型糖尿病(T2DM)の早期診断は、タイムリーな治療介入とライフスタイルの変更を可能にするために重要である。 画像由来の表現型と身体検査データを組み合わせて糖尿病リスクを正確に予測できることを示す。
  論文  参考訳（メタデータ） (2022-09-20T23:39:52Z)
• 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)
• rfPhen2Gen: A machine learning based association study of brain imaging phenotypes to genotypes [71.1144397510333]
  56個の脳画像QTを用いてSNPを予測する機械学習モデルを学習した。 アルツハイマー病(AD)リスク遺伝子APOEのSNPは、ラスソとランダムな森林に対して最低のRMSEを有していた。 ランダム・フォレストは、線形モデルによって優先順位付けされなかったが、脳関連疾患と関連があることが知られている追加のSNPを特定した。
  論文  参考訳（メタデータ） (2022-03-31T20:15:22Z)
• Development of a dynamic type 2 diabetes risk prediction tool: a UK Biobank study [0.8620335948752806]
  英国バイオバンクデータセットの301機能を用いて10年間の2型糖尿病リスクスコアを算出した。 Cox比例ハザードモデルは、同じ特徴を使ってトレーニングされたDeepSurvモデルをわずかに上回った。 このツールは、2型糖尿病のリスクのある患者の臨床スクリーニングや患者のエンパワーメントの促進に使用できる。
  論文  参考訳（メタデータ） (2021-04-20T16:37:26Z)
• Risk factor identification for incident heart failure using neural network distillation and variable selection [24.366241122862473]
  リスク関連同定のための確立されたディープラーニングモデルによって学習された隠れたパターンを解く2つの方法を提案する。 788,880例(8.3%の心不全)のコホートが検討された。 モデル蒸留では, 心不全に関連する598例と379例を, 人口レベルでそれぞれ同定した。 これらの重要な集団レベルの知見に加えて, 臨床における心不全の出現を考慮し, 個人レベルでの解釈へのアプローチを開発した。
  論文  参考訳（メタデータ） (2021-02-17T10:20:38Z)
• Dynamic Graph Correlation Learning for Disease Diagnosis with Incomplete Labels [66.57101219176275]
  胸部X線画像上の疾患診断は,多ラベル分類の課題である。 本稿では,異なる疾患間の相互依存を調査する新たな視点を提示する病的診断グラフ畳み込みネットワーク(DD-GCN)を提案する。 本手法は,相関学習のための動的隣接行列を用いた特徴写像上のグラフを初めて構築する手法である。
  論文  参考訳（メタデータ） (2020-02-26T17:10:48Z)

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。