論文の概要: New spectral imaging biomarkers for sepsis and mortality in intensive care

• arxiv url: http://arxiv.org/abs/2408.09873v1
• Date: Mon, 19 Aug 2024 10:24:57 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-20 16:44:56.775500
• Title: New spectral imaging biomarkers for sepsis and mortality in intensive care
• Title（参考訳）: 集中治療における敗血症・死亡のための新しいスペクトルイメージングバイオマーカー
• Authors: Silvia Seidlitz, Katharina Hölzl, Ayca von Garrel, Jan Sellner, Stephan Katzenschlager, Tobias Hölle, Dania Fischer, Maik von der Forst, Felix C. F. Schmitt, Markus A. Weigand, Lena Maier-Hein, Maximilian Dietrich,
• Abstract要約: 本研究の推進的仮説は、高スペクトルイメージング(HSI)が敗血症診断および治療管理のための新しいバイオマーカーを提供することができるというものであった。 集中治療室入院当日480名以上の患者の手のひらと指のHSIデータを総合的に調査した。
• 参考スコア（独自算出の注目度）: 0.23592579902069336
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: With sepsis remaining a leading cause of mortality, early identification of septic patients and those at high risk of death is a challenge of high socioeconomic importance. The driving hypothesis of this study was that hyperspectral imaging (HSI) could provide novel biomarkers for sepsis diagnosis and treatment management due to its potential to monitor microcirculatory alterations. We conducted a comprehensive study involving HSI data of the palm and fingers from more than 480 patients on the day of their intensive care unit (ICU) admission. The findings demonstrate that HSI measurements can predict sepsis with an area under the receiver operating characteristic curve (AUROC) of 0.80 (95 % confidence interval (CI) [0.76; 0.84]) and mortality with an AUROC of 0.72 (95 % CI [0.65; 0.79]). The predictive performance improves substantially when additional clinical data is incorporated, leading to an AUROC of up to 0.94 (95 % CI [0.92; 0.96]) for sepsis and 0.84 (95 % CI [0.78; 0.89]) for mortality. We conclude that HSI presents novel imaging biomarkers for the rapid, non-invasive prediction of sepsis and mortality, suggesting its potential as an important modality for guiding diagnosis and treatment.
• Abstract（参考訳）: 敗血症が主要な死因であり、敗血症患者と死亡リスクの高い患者を早期に同定することは、社会経済的重要性の高い課題である。 本研究の駆動仮説は, 微小循環変動をモニターする可能性から, HSI(Hyperspectral Imaging)が敗血症診断および治療管理に新しいバイオマーカーを提供する可能性があるというものであった。 集中治療室(ICU)入院当日480名以上の患者の手のひらと指のHSIデータを総合的に調査した。 その結果, 受信機動作特性曲線 (AUROC) が 0.80 (95% % 信頼区間 (CI) [0.76; 0.84]) で, AUROC が 0.72 (95 % CI [0.65; 0.79]) で死亡すると推定できることがわかった。 この予測性能は、追加の臨床データが組み込まれると大幅に改善され、AUROCは敗血症では0.94 (95 % CI [0.92; 0.96])、死亡時には0.84 (95 % CI [0.78; 0.89])となる。 以上の結果から,HSIは急速かつ非侵襲的な敗血症・死亡予測のための新しい画像バイオマーカーを提示し,診断・治療の指針となる可能性が示唆された。

関連論文リスト

• 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)
• Optimizing Mortality Prediction for ICU Heart Failure Patients: Leveraging XGBoost and Advanced Machine Learning with the MIMIC-III Database [1.5186937600119894]
  心臓不全は世界中の何百万人もの人々に影響を与え、生活の質を著しく低下させ、高い死亡率をもたらす。 広範な研究にもかかわらず、ICU患者の心不全と死亡率の関係は、完全には理解されていない。 本研究は、ICD-9コードを用いて、MIMIC-IIIデータベースから18歳以上の1,177人のデータを解析した。
  論文  参考訳（メタデータ） (2024-09-03T07:57:08Z)
• SepsisLab: Early Sepsis Prediction with Uncertainty Quantification and Active Sensing [67.8991481023825]
  セプシスは米国での院内死亡の主な原因である。 既存の予測モデルは通常、情報不足の少ない高品質なデータで訓練される。 限られた観察により信頼性の低い高リスク患者に対して,ロバストな能動センシングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-07-24T04:47:36Z)
• Machine learning predicts long-term mortality after acute myocardial infarction using systolic time intervals and routinely collected clinical data [0.35998666903987897]
  樹齢14年以内の死亡率を予測するため,木に基づくMLアルゴリズムの性能について検討した。 機能セットにbPEPとbETを追加することで,アルゴリズムの性能が大幅に向上した。 この進歩は、リスクの高い個人に対してより良い治療優先順位付けを可能にする可能性がある。
  論文  参考訳（メタデータ） (2024-03-03T15:23:49Z)
• 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)
• Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
  そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。 我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。 この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
  論文  参考訳（メタデータ） (2023-02-16T17:06:23Z)
• Deep-Learning Tool for Early Identifying Non-Traumatic Intracranial Hemorrhage Etiology based on CT Scan [40.51754649947294]
  深層学習モデルは、2011年1月から2018年4月までに収集された非外傷性ICHを用いた1868個のNCCTスキャンを用いて開発された。 診断成績は臨床医の成績と比較した。 臨床医は, システム拡張による特定の出血エチオロジーの感度, 特異性, 精度を著しく改善した。
  論文  参考訳（メタデータ） (2023-02-02T08:45:17Z)
• BIO-CXRNET: A Robust Multimodal Stacking Machine Learning Technique for Mortality Risk Prediction of COVID-19 Patients using Chest X-Ray Images and Clinical Data [0.0]
  本研究は、イタリアで入院した930人の新型コロナウイルス患者のリスクを予測するために、25のバイオマーカーとCXR画像を用いている。 提案手法は精度、感度、F1スコアをそれぞれ89.03%、90.44%、89.03%とした。 ノモグラムに基づく採点法では、F1スコア92.88 %の高リスク患者の死亡確率を予測することができた。
  論文  参考訳（メタデータ） (2022-06-15T15:23:43Z)
• Detection of sepsis during emergency department triage using machine learning [13.553957919946638]
  セプシス(Sepsis)は、臓器機能不全の生命を脅かす疾患であり、世界中で死と致命的な病気の原因となっている。 16病院のトリアージデータを用いた機械学習モデル(KATE Sepsis)を開発した。 KATEセプシスモデルでは、重篤な敗血症を検知する感度が77.67%(75.78% -79.42%)、敗血症を検知する感度が86.95%(84.2% -88.81%)である。
  論文  参考訳（メタデータ） (2022-04-15T21:57:08Z)
• An early warning tool for predicting mortality risk of COVID-19 patients using machine learning [0.0]
  2020年1月10日から2月18日にかけて、東寺病院(中国)に入院した375人の新型コロナウイルス陽性患者を対象に、振り返り調査を行った。 新型コロナウイルス患者の死亡リスクを予測するため,ノモグラムが開発された。 総合スコア(LNLCA)を対応する死亡確率で算出した。
  論文  参考訳（メタデータ） (2020-07-29T15:16:09Z)
• Dual-Sampling Attention Network for Diagnosis of COVID-19 from Community Acquired Pneumonia [46.521323145636906]
  胸部CT(Central Computed Tomography)において,地域肺炎(CAP)からCOVID-19を自動診断するデュアルサンプリングアテンションネットワークを開発した。 特に,3D畳み込みネットワーク(CNN)を用いた新しいオンラインアテンションモジュールを提案する。 我々のアルゴリズムは、受信機動作特性曲線(AUC)値0.944、精度87.5%、感度86.9%、特異度90.1%、F1スコア82.0%の領域で、COVID-19画像を識別することができる。
  論文  参考訳（メタデータ） (2020-05-06T09:56:51Z)

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。