論文の概要: A large language model-based approach to quantifying the effects of social determinants in liver transplant decisions

• arxiv url: http://arxiv.org/abs/2412.07924v1
• Date: Tue, 10 Dec 2024 21:12:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-12 14:03:26.190794
• Title: A large language model-based approach to quantifying the effects of social determinants in liver transplant decisions
• Title（参考訳）: 大規模言語モデルに基づく肝移植決定における社会的決定因子の効果の定量化
• Authors: Emily Robitschek, Asal Bastani, Kathryn Horwath, Savyon Sordean, Mark J. Pletcher, Jennifer C. Lai, Sergio Galletta, Elliott Ash, Jin Ge, Irene Y. Chen,
• Abstract要約: 健康の社会的決定要因(SDOH)は、健康結果とケアアクセスを形成し、性別、人種、社会経済的地位の相違に寄与する。 我々は、SDOHが患者のケアトラジェクトリにどのように影響するかを広く定義する人工知能(AI)駆動のフレームワークを開発した。 我々の分析は、肝臓移植決定における人種的格差を説明するのに役立つ人口統計学におけるSDOHの有病率パターンの同定に役立ちます。
• 参考スコア（独自算出の注目度）: 4.017040160120189
• License:
• Abstract: Patient life circumstances, including social determinants of health (SDOH), shape both health outcomes and care access, contributing to persistent disparities across gender, race, and socioeconomic status. Liver transplantation exemplifies these challenges, requiring complex eligibility and allocation decisions where SDOH directly influence patient evaluation. We developed an artificial intelligence (AI)-driven framework to analyze how broadly defined SDOH -- encompassing both traditional social determinants and transplantation-related psychosocial factors -- influence patient care trajectories. Using large language models, we extracted 23 SDOH factors related to patient eligibility for liver transplantation from psychosocial evaluation notes. These SDOH ``snapshots'' significantly improve prediction of patient progression through transplantation evaluation stages and help explain liver transplantation decisions including the recommendation based on psychosocial evaluation and the listing of a patient for a liver transplantation. Our analysis helps identify patterns of SDOH prevalence across demographics that help explain racial disparities in liver transplantation decisions. We highlight specific unmet patient needs, which, if addressed, could improve the equity and efficacy of transplant care. While developed for liver transplantation, this systematic approach to analyzing previously unstructured information about patient circumstances and clinical decision-making could inform understanding of care decisions and disparities across various medical domains.
• Abstract（参考訳）: 社会的健康決定因子(SDOH)を含む患者の生活状況は、健康結果と医療アクセスの両方を形作っており、性別、人種、社会経済的地位の相違に寄与している。 肝移植はこれらの課題を実証し、SDOHが直接患者評価に影響を与える場合、複雑な適性や割り当ての決定を必要とする。 我々は、従来の社会的決定要因と移植関連精神社会的要因の両方を含む、広く定義されたSDOHが患者のケアトラジェクトリにどのように影響するかを分析するために、人工知能(AI)駆動のフレームワークを開発した。 大規模言語モデルを用いて,精神社会的評価ノートから肝移植の適応度に関連する23のSDOH因子を抽出した。 これらのSDOH ``snapshots' は、移植評価段階を通じて患者の進行予測を著しく改善し、精神社会的評価に基づく推奨や肝移植患者の紹介を含む肝移植決定を説明するのに役立つ。 我々の分析は、肝臓移植決定における人種的格差を説明するのに役立つ人口統計学におけるSDOHの有病率パターンの同定に役立ちます。 本研究は, 患者のニーズが未解決であり, 対処すれば, 移植ケアの公平性と有効性を向上させることができる。 肝移植のために開発されたこの体系的アプローチは、患者の状況や臨床的意思決定に関する未構造化情報を分析することで、様々な医療領域におけるケアの決定と格差を理解することができる。

関連論文リスト

• The Role of Explainable AI in Revolutionizing Human Health Monitoring [0.0]
  説明可能なAI(XAI)は、より明確で、患者のケアを大幅に改善する可能性がある。 本稿では,パーキンソン病,脳卒中,うつ病,癌,心臓病,アルツハイマー病などの慢性疾患について概説する。 この論文は、ヒトの健康モニタリングにおけるXAIの課題と今後の研究機会を批判的に評価することで締めくくられる。
  論文  参考訳（メタデータ） (2024-09-11T15:31:40Z)
• A machine learning framework for interpretable predictions in patient pathways: The case of predicting ICU admission for patients with symptoms of sepsis [3.5280004326441365]
  PatWay-Netは、敗血症患者の集中治療室への入院の予測を解釈するために設計されたMLフレームワークである。 本稿では,新しいタイプのリカレントニューラルネットワークを提案し,それを多層パーセプトロンと組み合わせて患者経路を処理する。 我々は、患者の健康状態、予測結果、関連するリスクを視覚化する包括的ダッシュボードを通じて、その実用性を実証する。
  論文  参考訳（メタデータ） (2024-05-21T20:31:42Z)
• Binary Gaussian Copula Synthesis: A Novel Data Augmentation Technique to Advance ML-based Clinical Decision Support Systems for Early Prediction of Dialysis Among CKD Patients [4.80104397397529]
  アメリカ疾病管理センターは、米国成人3700万人以上が慢性腎臓病(CKD)を患っていると推定している。 このうち10人のうち9人は、早期に症状がないことから、自分の状態に気付いていない。 透析の早期予測は、患者の結果を大幅に改善できるため、重要である。
  論文  参考訳（メタデータ） (2024-03-01T20:32:17Z)
• Machine Learning for Deferral of Care Prediction [4.436632973105494]
  人口の継続的なケア先延ばしは、人口の健康と複雑な健康問題が減少し、長期的には社会的・財政的なコストが上昇する可能性がある。 マイノリティと脆弱な人口は、社会経済的要因によるケア遅延のリスクが高い。 現在、多くの医療システムは、以前治療を延期した患者を遡及的に識別するためにルールベースの技術を使用している。 本モデルの目的は,ケアを延期するリスクのある患者を識別し,直接的なアウトリーチやソーシャル・メディエーションを通じて,医療機関がケアの延期を防止することである。
  論文  参考訳（メタデータ） (2022-06-09T01:21:13Z)
• Machine learning-based patient selection in an emergency department [0.0]
  本稿では機械学習(ML)に基づく患者選択手法の可能性について検討する。 システムの包括的な状態表現と、複雑な非線形選択関数が組み込まれている。 その結果,提案手法は評価条件の大部分においてAPQ法よりも有意に優れていた。
  論文  参考訳（メタデータ） (2022-06-08T08:56:52Z)
• COVID-Net Biochem: An Explainability-driven Framework to Building Machine Learning Models for Predicting Survival and Kidney Injury of COVID-19 Patients from Clinical and Biochemistry Data [66.43957431843324]
  我々は、機械学習モデルを構築するための汎用的で説明可能なフレームワークであるCOVID-Net Biochemを紹介する。 この枠組みを用いて、新型コロナウイルス患者の生存率と、入院中に急性腎不全を発症する可能性を予測する。
  論文  参考訳（メタデータ） (2022-04-24T07:38:37Z)
• POETREE: Interpretable Policy Learning with Adaptive Decision Trees [78.6363825307044]
  POETREEは、ポリシー学習を解釈するための新しいフレームワークである。 患者の観察と医療史に基づいて、医師の行動を決定する確率的ツリーポリシーを構築する。 これは、リアルおよび合成医療データセットの最先端を上回ります。
  論文  参考訳（メタデータ） (2022-03-15T16:50:52Z)
• Optimal discharge of patients from intensive care via a data-driven policy learning framework [58.720142291102135]
  退院課題は、退院期間の短縮と退院決定後の退院や死亡のリスクとの不確実なトレードオフに対処することが重要である。 本研究は、このトレードオフを捉えるためのエンドツーエンドの汎用フレームワークを導入し、最適放電タイミング決定を推奨する。 データ駆動型アプローチは、患者の生理的状態を捉えた同種で離散的な状態空間表現を導出するために用いられる。
  論文  参考訳（メタデータ） (2021-12-17T04:39:33Z)
• 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)
• Learning $\mathbf{\mathit{Matching}}$ Representations for Individualized Organ Transplantation Allocation [98.43063331640538]
  臓器アロケーションと移植結果の観察データを用いて,臓器マッチングのためのデータ駆動型ルールの学習問題を定式化する。 本稿では,表現学習に基づくモデルを提案し,ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ドナー/ド 本モデルは,ヒトの専門家が実施する最先端のアロケーション手法やポリシーより優れる。
  論文  参考訳（メタデータ） (2021-01-28T01:33:21Z)
• Opportunities of a Machine Learning-based Decision Support System for Stroke Rehabilitation Assessment [64.52563354823711]
  リハビリテーションアセスメントは、患者の適切な介入を決定するために重要である。 現在の評価の実践は、主にセラピストの経験に依存しており、セラピストの可用性が限られているため、アセスメントは頻繁に実施される。 我々は、強化学習を用いて評価の健全な特徴を識別できるインテリジェントな意思決定支援システムを開発した。
  論文  参考訳（メタデータ） (2020-02-27T17:04:07Z)

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。