論文の概要: Toward Cost-efficient Adaptive Clinical Trials in Knee Osteoarthritis with Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2408.02349v4
• Date: Tue, 08 Apr 2025 12:10:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-09 13:27:06.701435
• Title: Toward Cost-efficient Adaptive Clinical Trials in Knee Osteoarthritis with Reinforcement Learning
• Title（参考訳）: 強化学習による膝関節症に対する費用対効果の検討
• Authors: Khanh Nguyen, Huy Hoang Nguyen, Egor Panfilov, Aleksei Tiulpin,
• Abstract要約: 変形性関節症(OA)は最も一般的な筋骨格疾患であり、膝OA(KOA)は障害の主な原因の一つであり、経済的負担が大きい。 KOAの進行を予測することは、患者の成果の向上、医療資源の最適化、疾患の研究、新しい治療法の開発に不可欠である。 既存の手法は静的な性質と個々の関節に焦点を当てることによって制限されており、最適化された予測性能と下流の実用性をもたらす。 Reinforcement Learning (RL) を利用した新しい能動センシング(AS) アプローチにより, KOA の個々の関節ではなく,患者を動的に監視する手法を提案する。
• 参考スコア（独自算出の注目度）: 2.8498944632323755
• License:
• Abstract: Osteoarthritis (OA) is the most common musculoskeletal disease, with knee OA (KOA) being one of the leading causes of disability and a significant economic burden. Predicting KOA progression is crucial for improving patient outcomes, optimizing healthcare resources, studying the disease, and developing new treatments. The latter application particularly requires one to understand the disease progression in order to collect the most informative data at the right time. Existing methods, however, are limited by their static nature and their focus on individual joints, leading to suboptimal predictive performance and downstream utility. Our study proposes a new method that allows to dynamically monitor patients rather than individual joints with KOA using a novel Active Sensing (AS) approach powered by Reinforcement Learning (RL). Our key idea is to directly optimize for the downstream task by training an agent that maximizes informative data collection while minimizing overall costs. Our RL-based method leverages a specially designed reward function to monitor disease progression across multiple body parts, employs multimodal deep learning, and requires no human input during testing. Extensive numerical experiments demonstrate that our approach outperforms current state-of-the-art models, paving the way for the next generation of KOA trials.
• Abstract（参考訳）: 変形性関節症(OA)は最も一般的な筋骨格疾患であり、膝OA(KOA)は障害の主な原因の一つであり、経済的負担が大きい。 KOAの進行を予測することは、患者の成果の向上、医療資源の最適化、疾患の研究、新しい治療法の開発に不可欠である。 後者のアプリケーションは、特に、適切なタイミングで最も情報性の高いデータを収集するために、病気の進行を理解する必要がある。 しかし、既存の手法は、静的な性質と個々の関節に焦点を当てることによって制限されており、最適化された予測性能と下流の実用性をもたらす。 本研究は, 強化学習(RL)を利用した新しい能動センシング(AS)手法を用いて, KOAと個別の関節ではなく, 患者を動的に監視する手法を提案する。 私たちのキーとなるアイデアは、全体的なコストを最小化しながら、情報収集を最大化するエージェントをトレーニングすることで、ダウンストリームタスクを直接最適化することです。 我々のRLベースの手法は、特殊に設計された報酬関数を利用して、複数の身体部分にわたる疾患の進行をモニタリングし、マルチモーダルな深層学習を採用し、テスト中に人間の入力を必要としない。 大規模な数値実験により、我々の手法は現在の最先端モデルよりも優れており、次世代の KOA 試験への道を開いた。

関連論文リスト

• A Hybrid Data-Driven Approach For Analyzing And Predicting Inpatient Length Of Stay In Health Centre [0.0]
  本研究は,患者フローの最適化のためのオール・エンコンパス・フレームワークを提案する。 我々は、230万件の未確認患者記録の包括的なデータセットを用いて、人口統計、診断、治療、サービス、費用、料金を分析した。 本モデルでは,患者の入院時間(LoS)を教師付き学習アルゴリズムを用いて予測する。
  論文  参考訳（メタデータ） (2025-01-30T18:01:48Z)
• TrialBench: Multi-Modal Artificial Intelligence-Ready Clinical Trial Datasets [57.067409211231244]
  本稿では,マルチモーダルデータ(例えば,薬物分子,疾患コード,テキスト,分類・数値的特徴)と臨床治験設計における8つの重要な予測課題をカバーするAIreadyデータセットを精巧にキュレートした。 データセットのユーザビリティと信頼性を確保するため、各タスクに基本的な検証方法を提供する。 このようなオープンアクセスデータセットが利用可能になることは、臨床試験設計のための高度なAIアプローチの開発を促進することを期待する。
  論文  参考訳（メタデータ） (2024-06-30T09:13:10Z)
• Automatic diagnosis of knee osteoarthritis severity using Swin transformer [55.01037422579516]
  変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。 我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
  論文  参考訳（メタデータ） (2023-07-10T09:49:30Z)
• Building predictive models of healthcare costs with open healthcare data [0.0]
  本稿では,機械学習技術を用いた予測モデル開発手法を提案する。 我々は2016年に230万件の患者データを分析した。 私たちは、患者の診断と人口統計からコストを予測するモデルを構築しました。
  論文  参考訳（メタデータ） (2023-04-05T02:12:58Z)
• Policy Optimization for Personalized Interventions in Behavioral Health [8.10897203067601]
  デジタルプラットフォームを通じて提供される行動的健康介入は、健康結果を大幅に改善する可能性がある。 患者に対するパーソナライズされた介入を最適化して長期的効果を最大化する問題について検討した。 患者システムの状態空間を個別のレベルに分解するDecompPIをダブする新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-03-21T21:42:03Z)
• Predicting Visit Cost of Obstructive Sleep Apnea using Electronic Healthcare Records with Transformer [0.0]
  肥満の増加に伴い、多くの国で閉塞性睡眠時無呼吸症(OSA)が増加傾向にある。 治療目的では,OSA患者の来院費の予測が重要である。 OSA患者のデータのうち3分の1は、分析モデルのトレーニングに利用できる。
  論文  参考訳（メタデータ） (2023-01-28T20:08:00Z)
• Robust and Efficient Medical Imaging with Self-Supervision [80.62711706785834]
  医用画像AIの堅牢性とデータ効率を向上させるための統一表現学習戦略であるREMEDISを提案する。 様々な医療画像タスクを研究し, 振り返りデータを用いて3つの現実的な応用シナリオをシミュレートする。
  論文  参考訳（メタデータ） (2022-05-19T17:34:18Z)
• Estimating average causal effects from patient trajectories [18.87912848546951]
  医療実践においては、患者の結果に期待される因果効果に基づいて治療が選択される。 本稿では,時間とともに収集される観察データ(患者軌跡)から平均因果効果(ACE)を推定することを目的とする。
  論文  参考訳（メタデータ） (2022-03-02T16:45:19Z)
• Practical Challenges in Differentially-Private Federated Survival Analysis of Medical Data [57.19441629270029]
  本稿では,ニューラルネットワークの本質的特性を活用し,生存分析モデルの訓練過程を関連づける。 小さな医療データセットと少数のデータセンターの現実的な設定では、このノイズはモデルを収束させるのが難しくなります。 DPFed-post は,私的フェデレート学習方式に後処理の段階を追加する。
  論文  参考訳（メタデータ） (2022-02-08T10:03:24Z)
• HINT: Hierarchical Interaction Network for Trial Outcome Prediction Leveraging Web Data [56.53715632642495]
  臨床試験は、有効性、安全性、または患者採用の問題により、不確実な結果に直面する。 本稿では,より一般的な臨床試験結果予測のための階層型Interaction Network(HINT)を提案する。
  論文  参考訳（メタデータ） (2021-02-08T15:09:07Z)
• 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)

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。