論文の概要: The Helicobacter pylori AI-Clinician: Harnessing Artificial Intelligence to Personalize H. pylori Treatment Recommendations
- arxiv url: http://arxiv.org/abs/2412.06841v1
- Date: Sat, 07 Dec 2024 12:57:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-11 14:38:08.523361
- Title: The Helicobacter pylori AI-Clinician: Harnessing Artificial Intelligence to Personalize H. pylori Treatment Recommendations
- Title(参考訳): Helicobacter pylori AI-Clinician: Harnessing Artificial Intelligence to Personalize H. pylori Treatment Recommendations
- Authors: Kyle Higgins, Olga P. Nyssen, Joshua Southern, Ivan Laponogov, AIDA CONSORTIUM, Dennis Veselkov, Javier P. Gisbert, Tania Fleitas Kanonnikoff, Kirill Veselkov,
- Abstract要約: Helicobacter pylori(H. pylori)は、世界中で最も一般的な発がん性病原体である。世界中で約2人に1人が感染しており、消化性潰瘍、慢性胃炎、胃癌の主要な原因である。
H. pylori AI-clinicianレコメンデーションシステムを開発した。
このシステムは、Hp-EuRegのH. pylori感染患者数万人のデータに基づいて訓練された。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: Helicobacter pylori (H. pylori) is the most common carcinogenic pathogen worldwide. Infecting roughly 1 in 2 individuals globally, it is the leading cause of peptic ulcer disease, chronic gastritis, and gastric cancer. To investigate whether personalized treatments would be optimal for patients suffering from infection, we developed the H. pylori AI-clinician recommendation system. This system was trained on data from tens of thousands of H. pylori-infected patients from Hp-EuReg, orders of magnitude greater than those experienced by a single real-world clinician. We first used a simulated dataset and demonstrated the ability of our AI Clinician method to identify patient subgroups that would benefit from differential optimal treatments. Next, we trained the AI Clinician on Hp-EuReg, demonstrating the AI Clinician reproduces known quality estimates of treatments, for example bismuth and quadruple therapies out-performing triple, with longer durations and higher dose proton pump inhibitor (PPI) showing higher quality estimation on average. Next we demonstrated that treatment was optimized by recommended personalized therapies in patient subsets, where 65% of patients were recommended a bismuth therapy of either metronidazole, tetracycline, and bismuth salts with PPI, or bismuth quadruple therapy with clarithromycin, amoxicillin, and bismuth salts with PPI, and 15% of patients recommended a quadruple non-bismuth therapy of clarithromycin, amoxicillin, and metronidazole with PPI. Finally, we determined trends in patient variables driving the personalized recommendations using random forest modelling. With around half of the world likely to experience H. pylori infection at some point in their lives, the identification of personalized optimal treatments will be crucial in both gastric cancer prevention and quality of life improvements for countless individuals worldwide.
- Abstract(参考訳): ヘリコバクター・ピロリ(Helicobacter pylori、H. pylori)は、世界でもっとも一般的な発がん性病原体である。
全世界で約2人に1人が感染しており、消化性潰瘍、慢性胃炎、胃癌の主要な原因となっている。
H. pylori AI-clinicianレコメンデーションシステムを開発した。
このシステムは、Hp-EuRegのH. pylori感染患者数万人のデータに基づいて訓練された。
まず、シミュレーションデータセットを用いて、最適な治療の恩恵を受ける患者サブグループを識別するAIクリニック法の能力を実証した。
次に、Hp-EuRegでAIクリニックを訓練し、AIクリニックが治療の既知の品質評価を再現することを示した。
次に, パーソナライズド・セラピーにより治療を最適化し, 65%の患者に対して, PPIによるメトロニダゾール, テトラサイクリン, ビスマス塩のビスマス療法, PPIによるクラリスロマイシン, アモキシシリン, ビスマス塩のビスマス療法を推奨し, 15%の患者にクラリスロマイシン, アムオキシシリン, メトロニダゾールの4倍の非ビスマス療法を推奨した。
最後に,無作為な森林モデルを用いてパーソナライズされたレコメンデーションを駆動する患者変数の傾向について検討した。
世界の約半数がH. pylori感染を経験する可能性が高く、パーソナライズされた最適な治療法の特定は、世界中の無数の個人にとって、胃癌の予防と生活改善の質の両方に不可欠である。
関連論文リスト
- A Deep Subgrouping Framework for Precision Drug Repurposing via Emulating Clinical Trials on Real-world Patient Data [7.625705701507038]
本稿では,サブグループ分析と治療効果推定を統合した新しい薬物再資源化フレームワークであるSTEDRを紹介する。
提案手法は, 実世界の患者データを用いて, 複数の臨床試験をエミュレートして, 再購入候補を同定する。
アルツハイマー病 (AD) は, 承認された薬剤がほとんどなく, 治療反応の異種性も知られている疾患である。
論文 参考訳(メタデータ) (2024-12-29T06:32:52Z) - Using Multiparametric MRI with Optimized Synthetic Correlated Diffusion Imaging to Enhance Breast Cancer Pathologic Complete Response Prediction [71.91773485443125]
ネオアジュバント化学療法は乳癌の治療戦略として最近人気を集めている。
ネオアジュバント化学療法を推奨する現在のプロセスは、医療専門家の主観的評価に依存している。
本研究は, 乳癌の病理組織学的完全反応予測に最適化されたCDI$s$を応用することを検討した。
論文 参考訳(メタデータ) (2024-05-13T15:40:56Z) - Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。
そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
論文 参考訳(メタデータ) (2024-04-26T16:39:50Z) - An AI based Digital Score of Tumour-Immune Microenvironment Predicts
Benefit to Maintenance Immunotherapy in Advanced Oesophagogastric
Adenocarcinoma [1.3150205248469182]
胃癌と食道癌(OG)は世界中でがん死亡の原因となっている。
近年, PDL1免疫チェックポイントインヒビター (ICI) と化学療法の併用が患者の生存率を向上させることが報告されている。
FOXP3を発現するT細胞は治療効果と生存率に大きな影響を及ぼすと考えられた。
論文 参考訳(メタデータ) (2024-02-29T15:59:42Z) - The R.O.A.D. to precision medicine [5.877778007271621]
本稿ではランダム化試行データサブグループ解析の欠陥に対処する確率的層間マッチングフレームワークを提案する。
我々は,消化管間質性腫瘍(GIST)の観察データに枠組みを適用し,外部コホートでOPTを検証した。
論文 参考訳(メタデータ) (2023-11-03T03:08:15Z) - Large Language Models for Healthcare Data Augmentation: An Example on
Patient-Trial Matching [49.78442796596806]
患者-心電図マッチング(LLM-PTM)のための革新的なプライバシ対応データ拡張手法を提案する。
本実験では, LLM-PTM法を用いて平均性能を7.32%向上させ, 新しいデータへの一般化性を12.12%向上させた。
論文 参考訳(メタデータ) (2023-03-24T03:14:00Z) - Neural Bandits for Data Mining: Searching for Dangerous Polypharmacy [63.135687276599114]
一部の多薬局は、不適切とみなされており、死亡や入院などの健康上の有害な結果に関係している可能性がある。
我々は、クレームデータセットを効率的にマイニングし、薬物の組み合わせと健康結果の関係の予測モデルを構築するためのOptimNeuralTS戦略を提案する。
提案手法では,最大72%のPIPを検出でき,平均精度は99%であり,30000タイムステップで検出できる。
論文 参考訳(メタデータ) (2022-12-10T03:43:23Z) - Joint Application of the Target Trial Causal Framework and Machine
Learning Modeling to Optimize Antibiotic Therapy: Use Case on Acute Bacterial
Skin and Skin Structure Infections due to Methicillin-resistant
Staphylococcus aureus [5.611469725376418]
メチシリン耐性黄色ブドウ球菌(MRSA)による急性細菌性皮膚・皮膚構造感染症(ABSSSI)の死亡予測とITE推定の機械学習モデルを開発した。
まず、確率スコアマッチングを用いて臨床試験をエミュレートし、ランダム化された治療データセット(バンコマイシンと他の抗生物質)を作成します。
次に、このデータを用いて様々な機械学習手法(強化/LASSOロジスティック回帰、サポートベクターマシン、ランダムフォレストなど)を訓練し、ブートストラップ検証により受信特性(AUC)の下の領域で最適なモデルを選択する。
論文 参考訳(メタデータ) (2022-07-15T13:08:15Z) - ESCADA: Efficient Safety and Context Aware Dose Allocation for Precision
Medicine [9.023847175654602]
最適な個別化された治療体制を見つけることは、最も困難な精密医療問題の一つである。
本稿では,この問題構造に対する汎用アルゴリズムであるESCADAを提案する。
我々は、安全保証とともに、ESCADAの後悔に基づく高い確率上限を導出する。
論文 参考訳(メタデータ) (2021-11-26T10:36:57Z) - DTR Bandit: Learning to Make Response-Adaptive Decisions With Low Regret [59.81290762273153]
動的治療体制 (DTR) はパーソナライズされ適応された多段階の治療計画であり、治療決定を個人の初期特徴に適応させ、その後の各段階における中間結果と特徴に適応させる。
本稿では,探索と搾取を慎重にバランスさせることで,遷移モデルと報酬モデルが線形である場合に,速度-最適後悔を実現する新しいアルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-05-06T13:03:42Z) - Comparative Analysis of Predictive Methods for Early Assessment of
Compliance with Continuous Positive Airway Pressure Therapy [55.41644538483948]
CPAP (Continuous positive airway pressure, CPAP) は, 夜間のCPAP平均使用時間の4h以上と認められた。
これまでの研究では、治療の遵守に大きく関係した要因が報告されている。
本研究は,CPAP療法を併用したコンプライアンス分類器を患者フォローアップの3つの異なるタイミングで構築することにより,この方向へのさらなる一歩を踏み出すことを目的とする。
論文 参考訳(メタデータ) (2019-12-27T14:44:21Z)
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。