論文の概要: Artificial Intelligence for Infectious Disease Prediction and Prevention: A Comprehensive Review

• arxiv url: http://arxiv.org/abs/2411.10486v1
• Date: Thu, 14 Nov 2024 00:43:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-19 14:34:26.168825
• Title: Artificial Intelligence for Infectious Disease Prediction and Prevention: A Comprehensive Review
• Title（参考訳）: 感染症の予測と予防のための人工知能 : 総合的なレビュー
• Authors: Selestine Melchane, Youssef Elmir, Farid Kacimi, Larbi Boubchir,
• Abstract要約: この論文は、AIの可能性を批判的に評価し、感染症管理の限界について概説する。 地域内の伝染病の拡散を防ぐための公衆衛生データを用いた予測、患者が感染性疾患に罹患しているかどうかを検出するための患者の医療データを用いた予測、公共医療データと患者医療データを用いて人口内で拡散している病気の程度を推定する予測の3つの分野に分類する。
• 参考スコア（独自算出の注目度）: 1.4874449172133888
• License:
• Abstract: Artificial Intelligence (AI) and infectious diseases prediction have recently experienced a common development and advancement. Machine learning (ML) apparition, along with deep learning (DL) emergence, extended many approaches against diseases apparition and their spread. And despite their outstanding results in predicting infectious diseases, conflicts appeared regarding the types of data used and how they can be studied, analyzed, and exploited using various emerging methods. This has led to some ongoing discussions in the field. This research aims not only to provide an overview of what has been accomplished, but also to highlight the difficulties related to the types of data used, and the learning methods applied for each research objective. It categorizes these contributions into three areas: predictions using Public Health Data to prevent the spread of a transmissible disease within a region; predictions using Patients' Medical Data to detect whether a person is infected by a transmissible disease; and predictions using both Public and patient medical data to estimate the extent of disease spread in a population. The paper also critically assesses the potential of AI and outlines its limitations in infectious disease management.
• Abstract（参考訳）: 人工知能(AI)と感染症の予測は、最近、共通の発展と進歩を経験した。 機械学習(ML)の適応は、ディープラーニング(DL)の出現とともに、病気の出現とその拡散に対する多くのアプローチを拡張した。 そして、伝染病の予測に顕著な成果があったにもかかわらず、使用するデータの種類と、それらがどのように研究され、分析され、様々な手法を用いて活用されるかについての対立が現れました。 これはこの分野で進行中の議論につながった。 本研究の目的は、達成されたことの概要を提供するだけでなく、使用するデータの種類や各研究目的に適用される学習方法の難しさを明らかにすることである。 公衆衛生データを用いて、地域内の伝染性疾患の拡散を防ぐための予測、患者が伝染性疾患に罹患しているかどうかを検出するための患者の医療データを用いた予測、および、公共医療データと患者医療データを用いて、集団内で拡散している病気の程度を推定する予測の3つの分野に分類する。 また、AIの可能性を批判的に評価し、感染症管理の限界について概説する。

関連論文リスト

• Infectious Disease Forecasting in India using LLM's and Deep Learning [0.3141085922386211]
  本稿では,感染症発生の重症度を予測するためのディープラーニングアルゴリズムとLCMを実装した。 私たちの研究から得た知見は、将来のアウトブレイクに対する堅牢な予測システムの構築を支援することを目的としています。
  論文  参考訳（メタデータ） (2024-10-26T12:54:09Z)
• Time-aware Heterogeneous Graph Transformer with Adaptive Attention Merging for Health Event Prediction [6.578298085691462]
  本稿では,疾患領域の知識を同化し,薬物と疾患の複雑な関係を解明するための新しい異種グラフ学習モデルを提案する。 2つの医療データセットで評価したところ、予測精度と解釈可能性の両方において顕著な改善が見られた。
  論文  参考訳（メタデータ） (2024-04-23T08:01:30Z)
• MedDiffusion: Boosting Health Risk Prediction via Diffusion-based Data Augmentation [58.93221876843639]
  本稿では,MedDiffusion という,エンドツーエンドの拡散に基づくリスク予測モデルを提案する。 トレーニング中に合成患者データを作成し、サンプルスペースを拡大することで、リスク予測性能を向上させる。 ステップワイズ・アテンション・メカニズムを用いて患者の来訪者間の隠れた関係を識別し、高品質なデータを生成する上で最も重要な情報をモデルが自動的に保持することを可能にする。
  論文  参考訳（メタデータ） (2023-10-04T01:36:30Z)
• Machine Learning for Infectious Disease Risk Prediction: A Survey [14.030548098195258]
  本稿では,機械学習が病気の伝達パターンを定量的に特徴づける上で,いかに重要な役割を果たせるかを体系的に記述する。 モデル入力の処理、タスク指向の目的の設計、性能評価の実行において直面する課題について議論する。
  論文  参考訳（メタデータ） (2023-08-06T06:57:11Z)
• Data-Centric Epidemic Forecasting: A Survey [56.99209141838794]
  この調査は、様々なデータ駆動の方法論および実践的進歩を掘り下げるものである。 疫学的なデータセットと,流行予測に関連する新しいデータストリームを列挙する。 また,これらの予測システムの現実的な展開において生じる経験や課題についても論じる。
  論文  参考訳（メタデータ） (2022-07-19T16:15:11Z)
• Modern Machine-Learning Predictive Models for Diagnosing Infectious Diseases [0.0]
  本稿では,感染性疾患の診断に応用された最近の機械学習(ML)アルゴリズムの研究論文についてレビューする。 記事の大半が小さなデータセットを使用しており、そのほとんどがリアルタイムデータを使用していないことが分かりました。 その結果,適切なML手法は,データセットの性質と目的によって異なることがわかった。
  論文  参考訳（メタデータ） (2022-06-15T08:19:16Z)
• Forecasting new diseases in low-data settings using transfer learning [0.0]
  転帰学習を用いた新しい疾患の予測に,関連疾患の知識がいかに役立つかを示す。 転送学習は,対象疾患のデータに基づくモデルを超えても,予測を改善する可能性を秘めている。
  論文  参考訳（メタデータ） (2022-04-07T17:54:39Z)
• 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)
• 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)
• Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype Prediction [55.94378672172967]
  本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。 新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。 我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
  論文  参考訳（メタデータ） (2020-09-02T02:50:30Z)
• Predictive Modeling of ICU Healthcare-Associated Infections from Imbalanced Data. Using Ensembles and a Clustering-Based Undersampling Approach [55.41644538483948]
  本研究は,集中治療室における危険因子の同定と医療関連感染症の予測に焦点をあてる。 感染発生率の低減に向けた意思決定を支援することを目的とする。
  論文  参考訳（メタデータ） (2020-05-07T16:13:12Z)

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。