論文の概要: Explainable machine learning for neoplasms diagnosis via electrocardiograms: an externally validated study

• arxiv url: http://arxiv.org/abs/2412.07737v1
• Date: Tue, 10 Dec 2024 18:34:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-11 22:09:45.464788
• Title: Explainable machine learning for neoplasms diagnosis via electrocardiograms: an externally validated study
• Title（参考訳）: 心電図による腫瘍診断のための説明可能な機械学習 : 外的検証研究
• Authors: Juan Miguel Lopez Alcaraz, Wilhelm Haverkamp, Nils Strodthoff,
• Abstract要約: ネオプラズマは世界の死亡率の主要な原因である。 現在の診断法は、多くの集団に侵入し、コストがかかり、アクセスできないことが多い。 本研究は, 腫瘍の診断における心電図の特徴解析への機械学習モデルの適用について検討する。
• 参考スコア（独自算出の注目度）: 0.9503773054285559
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Background: Neoplasms remains a leading cause of mortality worldwide, with timely diagnosis being crucial for improving patient outcomes. Current diagnostic methods are often invasive, costly, and inaccessible to many populations. Electrocardiogram (ECG) data, widely available and non-invasive, has the potential to serve as a tool for neoplasms diagnosis by using physiological changes in cardiovascular function associated with neoplastic prescences. Methods: This study explores the application of machine learning models to analyze ECG features for the diagnosis of neoplasms. We developed a pipeline integrating tree-based models with Shapley values for explainability. The model was trained and internally validated and externally validated on a second large-scale independent external cohort to ensure robustness and generalizability. Findings: The results demonstrate that ECG data can effectively capture neoplasms-associated cardiovascular changes, achieving high performance in both internal testing and external validation cohorts. Shapley values identified key ECG features influencing model predictions, revealing established and novel cardiovascular markers linked to neoplastic conditions. This non-invasive approach provides a cost-effective and scalable alternative for the diagnosis of neoplasms, particularly in resource-limited settings. Similarly, useful for the management of secondary cardiovascular effects given neoplasms therapies. Interpretation: This study highlights the feasibility of leveraging ECG signals and machine learning to enhance neoplasms diagnostics. By offering interpretable insights into cardio-neoplasms interactions, this approach bridges existing gaps in non-invasive diagnostics and has implications for integrating ECG-based tools into broader neoplasms diagnostic frameworks, as well as neoplasms therapy management.
• Abstract（参考訳）: 背景: ネオプラズマはいまだに世界中で死亡の第一の要因であり、タイムリーな診断は患者の予後を改善するのに不可欠である。 現在の診断法は、多くの集団に侵入し、コストがかかり、アクセスできないことが多い。 心電図データ(ECG)は, 血管新生に伴う心血管機能の生理的変化を利用して, 腫瘍診断のツールとして機能する可能性がある。 方法: 本研究は, 腫瘍の診断における心電図の特徴解析への機械学習モデルの適用について検討した。 木に基づくモデルとShapleyの値を統合するパイプラインを開発した。 モデルは、堅牢性と一般化性を確保するために、第2の大規模独立した外部コホート上で訓練され、内部で検証され、外部で検証された。 その結果, 心電図は腫瘍関連心血管変化を効果的に捉え, 内的検査と外的検証コホートの両方において高い性能が得られた。 シェープリーは心電図の特徴がモデル予測に影響を及ぼし, 新規心血管マーカーが確立した。 この非侵襲的アプローチは、特にリソース制限された設定において、腫瘍の診断に費用効率が高くスケーラブルな代替手段を提供する。 同様に、腫瘍治療による二次的心血管効果の管理にも有用である。 解釈:本研究は、心電図信号と機械学習を活用して新生物診断を強化する可能性を明らかにする。 心臓とネオプラズマの相互作用に関する解釈可能な洞察を提供することによって、非侵襲的な診断における既存のギャップを橋渡しし、ECGベースのツールをより広いネオプラズマ診断フレームワークに統合することや、腫瘍治療管理に影響を及ぼす。

関連論文リスト

• Self-Explaining Hypergraph Neural Networks for Diagnosis Prediction [45.89562183034469]
  既存のディープラーニング診断予測モデルと本質的な解釈性は、過去の診断や病院訪問の度に注意重みを割り当てることが多い。 我々は、パーソナライズされた簡潔で忠実な説明を提供するように設計された、自己説明型ハイパーグラフニューラルネットワークモデルSHyを紹介する。 SHyは高次疾患の相互作用を捉え、パーソナライズされた説明として異なる時間的表現型を抽出する。
  論文  参考訳（メタデータ） (2025-02-15T06:33:02Z)
• MedRAG: Enhancing Retrieval-augmented Generation with Knowledge Graph-Elicited Reasoning for Healthcare Copilot [47.77948063906033]
  Retrieval-augmented Generation (RAG)は、プライバシーに敏感な電子健康記録を検索するのに適した手法である。 本稿では,医療領域に対する知識グラフ(KG)により強化されたRAGモデルであるMedRAGを提案する。 MedRAGはより具体的な診断の洞察を提供し、誤診率の低減に最先端のモデルを上回っている。
  論文  参考訳（メタデータ） (2025-02-06T12:27:35Z)
• Electrocardiogram-based diagnosis of liver diseases: an externally validated and explainable machine learning approach [0.9503773054285559]
  肝疾患は世界的な健康上の問題であり、しばしば資源集約的な方法を用いて診断される。 本研究は, 肝疾患診断のための心電図データに機械学習モデルを適用した。
  論文  参考訳（メタデータ） (2024-12-04T21:11:34Z)
• Self-supervised Anomaly Detection Pretraining Enhances Long-tail ECG Diagnosis [32.37717219026923]
  現在のコンピュータ支援心電図診断システムでは, まれながら重要な心疾患の診断に苦慮している。 本研究は、この制限に対処するために、自己教師付き異常検出プリトレーニングを用いた新しいアプローチを提案する。 異常検出モデルは、正常な心臓パターンからの微妙な偏差を検出し、局所化するように設計されている。
  論文  参考訳（メタデータ） (2024-08-30T09:48:47Z)
• Explainable Biomedical Hypothesis Generation via Retrieval Augmented Generation enabled Large Language Models [46.05020842978823]
  大規模言語モデル(LLM)はこの複雑なデータランドスケープをナビゲートする強力なツールとして登場した。 RAGGEDは、知識統合と仮説生成を伴う研究者を支援するために設計された包括的なワークフローである。
  論文  参考訳（メタデータ） (2024-07-17T07:44:18Z)
• Foundational Models for Pathology and Endoscopy Images: Application for Gastric Inflammation [0.0]
  ファンデーションモデル(FM)は、多様なデータに基づいて訓練され、幅広いユースケースに適用できる機械学習モデルまたはディープラーニングモデルである。 FMは内視鏡とそれに続く病理画像解析の精度を高めるための有望なソリューションを提供する。 本総説は,FMを臨床実践に組み込むことの複雑さをナビゲートする上で,研究者や実践者にとってのロードマップを提供することを目的としている。
  論文  参考訳（メタデータ） (2024-06-26T10:51:44Z)
• Foundation Models for ECG: Leveraging Hybrid Self-Supervised Learning for Advanced Cardiac Diagnostics [2.948318253609515]
  自己教師付き学習(SSL)法で強化された基礎モデルを用いることで、心電図(ECG)解析に対する革新的なアプローチが提示される。 本研究は、生成学習やコントラスト学習を含むSSL手法を利用して、ECGの基礎モデルを包括的に評価する。 心臓診断の精度と信頼性を向上させる基礎モデルのためのハイブリッドラーニング(HL)を開発した。
  論文  参考訳（メタデータ） (2024-06-26T02:24:13Z)
• Prospects for AI-Enhanced ECG as a Unified Screening Tool for Cardiac and Non-Cardiac Conditions -- An Explorative Study in Emergency Care [0.9503773054285559]
  本研究は,救急部門で収集した心電図に基づいて,心臓および非心臓の退院診断の多様な範囲を予測できる単一モデルの有用性について検討する。 その結果,AUROCスコア0.8を超えるという意味では,253,81心,172非心,ICD符号を統計的に有意に予測できることがわかった。
  論文  参考訳（メタデータ） (2023-12-18T09:29:42Z)
• Digital twinning of cardiac electrophysiology models from the surface ECG: a geodesic backpropagation approach [39.36827689390718]
  逆等角問題の解法としてGeodesic-BPを提案する。 その結果,Geodesic-BPは人工心臓の活性化を高精度に再現できることが示唆された。 パーソナライズド医療への将来のシフトを考えると、Geodesic-BPは将来の心臓モデルの機能化に役立つ可能性がある。
  論文  参考訳（メタデータ） (2023-08-16T14:57:12Z)
• Multi-scale Cross-restoration Framework for Electrocardiogram Anomaly Detection [33.48389041651675]
  心電図(Electrocardiogram、ECG)は、心疾患の診断に広く用いられるツールである。 希少な心疾患は、トレーニングデータセットがすべての心疾患を排出できないことを考慮して、従来の心電図解析を用いて診断されることがある。 本稿では、異常検出を用いて不健康状態を特定し、通常の心電図をトレーニング用として用いることを提案する。
  論文  参考訳（メタデータ） (2023-08-03T09:16:57Z)
• Towards Enabling Cardiac Digital Twins of Myocardial Infarction Using Deep Computational Models for Inverse Inference [6.447210290674733]
  シミュレーションされたQRSから脳梗塞の位置と分布を推定するために,二分岐変分オートエンコーダと推論モデルからなる新しい深部計算モデルを提案する。 感度分析により、脳梗塞の特徴と電気生理学的特徴との複雑な関係の理解が促進される。
  論文  参考訳（メタデータ） (2023-07-10T08:54:12Z)
• Meta-information-aware Dual-path Transformer for Differential Diagnosis of Multi-type Pancreatic Lesions in Multi-phase CT [41.199716328468895]
  膵病変の分類と分節の可能性を活用するために, デュアルパストランスフォーマーを開発した。 提案手法は, CNN-based segmentation path (S-path) と Transformer-based classification path (C-path) から構成される。 以上の結果から,膵病変の完全分類の正確な分類と分類が可能であることが示唆された。
  論文  参考訳（メタデータ） (2023-03-02T03:34:28Z)
• Analysis of Digitalized ECG Signals Based on Artificial Intelligence and Spectral Analysis Methods Specialized in ARVC [0.0]
  不整脈性右室心筋症(英: arrhythmogenic right ventricular cardiomyopathy、ARVC)は、患者の2年目から4年目に発症する遺伝性心筋疾患である。 心電図(ECGs)に基づくこの疾患の有効かつ時間的診断は、早期の心血管死の減少に重要な役割を担っている。
  論文  参考訳（メタデータ） (2022-02-28T13:12:50Z)

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。