論文の概要: Machine learning algorithms to predict the risk of rupture of intracranial aneurysms: a systematic review
- arxiv url: http://arxiv.org/abs/2412.04749v1
- Date: Fri, 06 Dec 2024 03:25:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-09 15:56:55.912221
- Title: Machine learning algorithms to predict the risk of rupture of intracranial aneurysms: a systematic review
- Title（参考訳）: 頭蓋内動脈瘤破裂リスク予測のための機械学習アルゴリズムの体系的検討
- Authors: Karan Daga, Siddharth Agarwal, Zaeem Moti, Matthew BK Lee, Munaib Din, David Wood, Marc Modat, Thomas C Booth,
- Abstract要約: くも膜下出血は頭蓋内動脈瘤破裂の致命的な原因である。
機械学習は頭蓋内動脈瘤の破裂リスクを予測するために応用できる。
しかし、この証拠は既存の実践よりも総合的に優位性を示すものではない。
- 参考スコア（独自算出の注目度）: 0.34230991323146376
- License:
- Abstract: Purpose: Subarachnoid haemorrhage is a potentially fatal consequence of intracranial aneurysm rupture, however, it is difficult to predict if aneurysms will rupture. Prophylactic treatment of an intracranial aneurysm also involves risk, hence identifying rupture-prone aneurysms is of substantial clinical importance. This systematic review aims to evaluate the performance of machine learning algorithms for predicting intracranial aneurysm rupture risk. Methods: MEDLINE, Embase, Cochrane Library and Web of Science were searched until December 2023. Studies incorporating any machine learning algorithm to predict the risk of rupture of an intracranial aneurysm were included. Risk of bias was assessed using the Prediction Model Risk of Bias Assessment Tool (PROBAST). PROSPERO registration: CRD42023452509. Results: Out of 10,307 records screened, 20 studies met the eligibility criteria for this review incorporating a total of 20,286 aneurysm cases. The machine learning models gave a 0.66-0.90 range for performance accuracy. The models were compared to current clinical standards in six studies and gave mixed results. Most studies posed high or unclear risks of bias and concerns for applicability, limiting the inferences that can be drawn from them. There was insufficient homogenous data for a meta-analysis. Conclusions: Machine learning can be applied to predict the risk of rupture for intracranial aneurysms. However, the evidence does not comprehensively demonstrate superiority to existing practice, limiting its role as a clinical adjunct. Further prospective multicentre studies of recent machine learning tools are needed to prove clinical validation before they are implemented in the clinic.
- Abstract（参考訳）: 目的:視床下部出血は頭蓋内動脈瘤破裂の致命的な原因であるが,動脈瘤破裂の予測は困難である。
頭蓋内動脈瘤の予防的治療にもリスクが伴うため,破裂性動脈瘤の同定は臨床的に重要である。
本研究は,脳動脈瘤破裂リスク予測のための機械学習アルゴリズムの性能評価を目的としている。
方法:MEDLINE、Embase、Cochrane Library、Web of Scienceは2023年12月まで検索された。
頭蓋内動脈瘤破裂のリスクを予測するための機械学習アルゴリズムを組み込んだ研究は含まれていた。
バイアス評価ツール(PROBAST)の予測モデルリスクを用いてバイアスのリスクを評価した。
登録番号:CRD42023452509。
結果:10,307例中20例が大動脈瘤症例20,286例の検査基準を満たした。
機械学習モデルは0.66-0.90の範囲で性能が向上した。
モデルは6つの研究で現在の臨床基準と比較され、混合結果が得られた。
ほとんどの研究は、偏見や適用可能性への懸念の高い、あるいは不明瞭なリスクを提起し、それらから引き出すことができる推論を制限する。
メタアナリシスのための相同性データは不十分であった。
結論: 機械学習は頭蓋内動脈瘤の破裂リスクを予測するために応用できる。
しかし、この証拠は既存の実践よりも総合的に優位性を示しておらず、臨床補助としての役割を制限している。
近年の機械学習ツールのさらなる多段階的な研究は、臨床で実施される前に臨床検証を立証するために必要である。
関連論文リスト
- Machine learning for cerebral blood vessels' malformations [38.524104108347764]
脳動脈瘤と動静脈奇形は、生命を脅かす脳の血行動態である。
脳血流のパラメータは、リスクアセスメントと治療予後のための機械学習支援プロトコルに利用できる可能性がある。
論文 参考訳（メタデータ） (2024-11-25T12:58:00Z) - Early Risk Assessment Model for ICA Timing Strategy in Unstable Angina Patients Using Multi-Modal Machine Learning [5.070772577047069]
不安定狭心症(UA)を含む心血管疾患の診断のための金の基準として、浸潤性冠動脈造影(ICA)が認められている
心筋梗塞とは異なり、UAはST偏位や心筋酵素のような特定の指標を持っておらず、リスクアセスメントが複雑になる。
本研究の目的は,UA患者に対する早期リスクアセスメントを機械学習アルゴリズムを用いて向上することである。
論文 参考訳（メタデータ） (2024-08-08T07:24:28Z) - 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) - Artificial intelligence for abnormality detection in high volume neuroimaging: a systematic review and meta-analysis [0.5934394862891423]
神経画像における異常を検出する人工知能(AI)モデルを評価するほとんどの研究は、非表現的な患者コホートで試験されている。
目的は、診断テストの精度を判定し、第一線高ボリュームのニューロイメージングタスクを実行するAIモデルの使用を支持する証拠を要約することであった。
論文 参考訳（メタデータ） (2024-05-09T10:12:17Z) - Diagnosis Uncertain Models For Medical Risk Prediction [80.07192791931533]
本研究は, 患者の診断にはアクセスできない, バイタルサイン, 検査値, 既往歴にアクセス可能な患者リスクモデルについて考察する。
このようなすべての原因のリスクモデルが、診断全体にわたって良い一般化を持つが、予測可能な障害モードを持つことが示される。
患者診断の不確実性から生じるリスク予測の不確実性を明示的にモデル化し,この問題に対する対策を提案する。
論文 参考訳（メタデータ） (2023-06-29T23:36:04Z) - 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) - Development of an accessible 10-year Digital CArdioVAscular (DiCAVA)
risk assessment: a UK Biobank study [0.46180371154032895]
目標は、統計的および機械学習技術を使用して新しいリスクモデル(DiCAVA)を開発することであった。
第二の目標は、CVDリスクアセスメントに組み込むことができる新しい患者中心変数を特定することでした。
論文 参考訳（メタデータ） (2021-04-20T16:01:50Z) - An explainable Transformer-based deep learning model for the prediction
of incident heart failure [22.513476932615845]
100,071例の心不全予後予測のための新しいTransformerディープラーニングモデルを開発した。
このモデルは、レシーバーオペレーター曲線で 0.93 と 0.93 の領域、精度-リコール曲線で 0.69 と 0.70 の領域を達成した。
文脈化医療情報の重要さは感度分析において明らかにされた。
論文 参考訳（メタデータ） (2021-01-27T12:45:15Z) - MIA-Prognosis: A Deep Learning Framework to Predict Therapy Response [58.0291320452122]
本稿では,患者の予後と治療反応を予測するための統合型深層学習手法を提案する。
我々は,マルチモーダル非同期時系列分類タスクとして,確率モデリングを定式化する。
我々の予測モデルは、長期生存の観点から、低リスク、高リスクの患者をさらに階層化する可能性がある。
論文 参考訳（メタデータ） (2020-10-08T15:30:17Z) - Prediction of the onset of cardiovascular diseases from electronic
health records using multi-task gated recurrent units [51.14334174570822]
本稿では,電子カルテから心血管イベントを予測するための注意機構を備えたマルチタスク・リカレントニューラルネットワークを提案する。
提案手法は、NHS Foundation Trustの5年間のデータを用いて、標準的な臨床リスク予測器(QRISK)と機械学習の代替手段と比較される。
論文 参考訳（メタデータ） (2020-07-16T17:43:13Z) - Hemogram Data as a Tool for Decision-making in COVID-19 Management:
Applications to Resource Scarcity Scenarios [62.997667081978825]
新型コロナウイルス(COVID-19)のパンデミックは世界中の緊急対応システムに挑戦している。
本研究は, 症状患者の血液検査データから得られた機械学習モデルについて述べる。
提案されたモデルでは、新型コロナウイルスqRT-PCRの結果を、高い精度、感度、特異性で症状のある個人に予測することができる。
論文 参考訳（メタデータ） (2020-05-10T01:45:03Z)
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。