論文の概要: Step-by-Step Guidance to Differential Anemia Diagnosis with Real-World Data and Deep Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2412.02273v1
• Date: Tue, 03 Dec 2024 08:45:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-04 15:43:18.914319
• Title: Step-by-Step Guidance to Differential Anemia Diagnosis with Real-World Data and Deep Reinforcement Learning
• Title（参考訳）: 実世界データと深部強化学習を用いた差分貧血診断へのステップバイステップガイダンス
• Authors: Lillian Muyama, Estelle Lu, Geoffrey Cheminet, Jacques Pouchot, Bastien Rance, Anne-Isabelle Tropeano, Antoine Neuraz, Adrien Coulet,
• Abstract要約: 臨床診断ガイドラインは、診断に到達するための重要な質問を概説する。 本研究の目的は,電子カルテから学習し,正確な診断に最適な行動列を決定するモデルを開発することである。
• 参考スコア（独自算出の注目度）: 1.5272023683653024
• License:
• Abstract: Clinical diagnostic guidelines outline the key questions to answer to reach a diagnosis. Inspired by guidelines, we aim to develop a model that learns from electronic health records to determine the optimal sequence of actions for accurate diagnosis. Focusing on anemia and its sub-types, we employ deep reinforcement learning (DRL) algorithms and evaluate their performance on both a synthetic dataset, which is based on expert-defined diagnostic pathways, and a real-world dataset. We investigate the performance of these algorithms across various scenarios. Our experimental results demonstrate that DRL algorithms perform competitively with state-of-the-art methods while offering the significant advantage of progressively generating pathways to the suggested diagnosis, providing a transparent decision-making process that can guide and explain diagnostic reasoning.
• Abstract（参考訳）: 臨床診断ガイドラインは、診断に到達するための重要な質問を概説する。 本研究の目的は,電子カルテから学習し,正確な診断に最適な行動列を決定するモデルを開発することである。 貧血とそのサブタイプに着目して、深層強化学習アルゴリズムを用いて、専門家が定義した診断経路に基づく合成データセットと実世界のデータセットの両方で、それらの性能を評価する。 様々なシナリオにおけるこれらのアルゴリズムの性能について検討する。 実験の結果、DRLアルゴリズムは最先端の手法と競合し、提案した診断への経路を段階的に生成し、診断推論をガイドし説明できる透明な意思決定プロセスを提供するという大きな利点が示された。

関連論文リスト

• MSDiagnosis: An EMR-based Dataset for Clinical Multi-Step Diagnosis [9.013608944595312]
  我々は多段階診断タスクを提案し、臨床診断データセット(MSDiagnosis)に注釈を付ける。 本データセットは、一次診断、鑑別診断、最終診断質問を含む。
  論文  参考訳（メタデータ） (2024-08-19T14:31:57Z)
• Toward an Integrated Decision Making Framework for Optimized Stroke Diagnosis with DSA and Treatment under Uncertainty [0.0]
  DSA (Digital Subtraction Angiography) などの最近の診断法は, 高コストと侵襲性による限界に直面している。 本稿では,部分観測可能なマルコフ決定プロセス(POMDP)フレームワークを用いた新しい手法を提案する。 本モデルは,脳卒中診断における不確かさを考慮に入れた意思決定アルゴリズムと,高度な診断ツールと治療アプローチを統合した。
  論文  参考訳（メタデータ） (2024-07-24T03:01:55Z)
• A Survey of Models for Cognitive Diagnosis: New Developments and Future Directions [66.40362209055023]
  本研究の目的は,認知診断の現在のモデルについて,機械学習を用いた新たな展開に注目した調査を行うことである。 モデル構造,パラメータ推定アルゴリズム,モデル評価方法,適用例を比較して,認知診断モデルの最近の傾向を概観する。
  論文  参考訳（メタデータ） (2024-07-07T18:02:00Z)
• Deep Reinforcement Learning for Personalized Diagnostic Decision Pathways Using Electronic Health Records: A Comparative Study on Anemia and Systemic Lupus Erythematosus [1.7965876401882177]
  我々は、診断のタスクをシーケンシャルな意思決定問題として定式化する。 本研究では,Deep Reinforcement Learning (DRL)アルゴリズムを用いて,行動の最適なシーケンスを学習する。 貧血と全身性エリテマトーデスの2症例を経験したので報告する。
  論文  参考訳（メタデータ） (2024-04-09T00:07:16Z)
• Conversational Disease Diagnosis via External Planner-Controlled Large Language Models [18.93345199841588]
  本研究は,医師のエミュレートによる計画能力の向上を目的としたLCMに基づく診断システムを提案する。 実際の患者電子カルテデータを利用して,仮想患者と医師とのシミュレーション対話を構築した。
  論文  参考訳（メタデータ） (2024-04-04T06:16:35Z)
• A Foundational Framework and Methodology for Personalized Early and Timely Diagnosis [84.6348989654916]
  本稿では,早期診断とタイムリー診断のための基礎的枠組みを提案する。 診断過程を概説する決定論的アプローチに基づいている。 機械学習と統計手法を統合し、最適なパーソナライズされた診断経路を推定する。
  論文  参考訳（メタデータ） (2023-11-26T14:42:31Z)
• Deep Reinforcement Learning Framework for Thoracic Diseases Classification via Prior Knowledge Guidance [49.87607548975686]
  関連疾患に対するラベル付きデータの不足は、正確な診断にとって大きな課題となる。 本稿では,診断エージェントの学習を指導するための事前知識を導入する,新しい深層強化学習フレームワークを提案する。 提案手法の性能はNIHX-ray 14とCheXpertデータセットを用いて実証した。
  論文  参考訳（メタデータ） (2023-06-02T01:46:31Z)
• Extracting Diagnosis Pathways from Electronic Health Records Using Deep Reinforcement Learning [2.0191844627740254]
  我々は,電子カルテから正しい診断を得るために,行動の最適なシーケンスを学習することを目指している。 この課題に様々な深層強化学習アルゴリズムを適用し、貧血の鑑別診断のために、合成だが現実的なデータセットを実験する。
  論文  参考訳（メタデータ） (2023-05-10T16:36:54Z)
• BI-RADS-Net: An Explainable Multitask Learning Approach for Cancer Diagnosis in Breast Ultrasound Images [69.41441138140895]
  本稿では,乳房超音波画像における癌検出のための新しい深層学習手法であるBI-RADS-Netを紹介する。 提案手法は, 臨床診断に関連する特徴表現を学習することにより, 乳腺腫瘍の説明と分類を行うタスクを取り入れたものである。 臨床医が医療現場で診断・報告するために使用する形態学的特徴の観点から予測(良性または悪性)の説明が提供される。
  論文  参考訳（メタデータ） (2021-10-05T19:14:46Z)
• Anytime Diagnosis for Reconfiguration [52.77024349608834]
  我々は、いつでも直接診断できるflexdiagを紹介し分析する。 特徴モデルの領域からの構成ベンチマークと自動車領域からの産業構成知識ベースを使用して、性能および診断品質に関するアルゴリズムを評価します。
  論文  参考訳（メタデータ） (2021-02-19T11:45:52Z)
• Inheritance-guided Hierarchical Assignment for Clinical Automatic Diagnosis [50.15205065710629]
  臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。 本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2021-01-27T13:16:51Z)

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。