論文の概要: Guiding Treatment Strategies: The Role of Adjuvant Anti-Her2 Neu Therapy and Skin/Nipple Involvement in Local Recurrence-Free Survival in Breast Cancer Patients

• arxiv url: http://arxiv.org/abs/2501.04724v1
• Date: Sat, 04 Jan 2025 00:17:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-10 13:58:15.801314
• Title: Guiding Treatment Strategies: The Role of Adjuvant Anti-Her2 Neu Therapy and Skin/Nipple Involvement in Local Recurrence-Free Survival in Breast Cancer Patients
• Title（参考訳）: 乳がん患者の局所再発・無生存におけるアジュバント抗Her2ニューロセラピーと皮膚・ニップルの役割
• Authors: Joe Omatoi, Abdul M Mohammed, Dennis Trujillo,
• Abstract要約: 本研究では, 因果推論モデルを用いて, 統計因子, 治療, 状況, 結果の因果関係を観察患者データから抽出する方法について検討した。 Duke MRI乳がんデータセットの40以上の特徴を用いて,Adjuvant Anti-Her2 Neu 療法は局所再発のない生存期間を169日延長した。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: This study explores how causal inference models, specifically the Linear Non-Gaussian Acyclic Model (LiNGAM), can extract causal relationships between demographic factors, treatments, conditions, and outcomes from observational patient data, enabling insights beyond correlation. Unlike traditional randomized controlled trials (RCTs), which establish causal relationships within narrowly defined populations, our method leverages broader observational data, improving generalizability. Using over 40 features in the Duke MRI Breast Cancer dataset, we found that Adjuvant Anti-Her2 Neu Therapy increased local recurrence-free survival by 169 days, while Skin/Nipple involvement reduced it by 351 days. These findings highlight the therapy's importance for Her2-positive patients and the need for targeted interventions for high-risk cases, informing personalized treatment strategies.
• Abstract（参考訳）: 本研究では, 因果推論モデル, 特に線形非ガウス非循環モデル(LiNGAM)が, 観察患者データから, 人口統計学的要因, 治療, 状況, 結果の因果関係を抽出し, 相関性を超えた洞察を可能にする方法について検討した。 狭義の集団内で因果関係を確立する従来のランダム化制御試験(RCT)とは異なり,本手法はより広範な観測データを活用し,一般化性を向上させる。 Duke MRI乳がんデータセットの40以上の特徴を用いて、Adjuvant Anti-Her2 Neu 療法は局所再発のない生存率を169日増加させ、Skin/Nipple の関与は351日減少させた。 これらの知見は,Her2陽性患者に対する治療の重要性と,高リスク患者に対する標的的介入の必要性を強調し,パーソナライズされた治療戦略を提示する。

関連論文リスト

• Predicting Breast Cancer Survival: A Survival Analysis Approach Using Log Odds and Clinical Variables [0.0]
  本研究は、乳がん患者の生存確率の予測を促進するために、Cox比例ハザードやパラメトリックサバイバルモデルなどの生存分析技術を用いている。 ナイジェリアのイバダンにあるUniversity College Hospitalが提供するデータセットから、乳がん患者1557人のデータを得た。
  論文  参考訳（メタデータ） (2024-10-17T10:01:22Z)
• Effect of Clinical History on Predictive Model Performance for Renal Complications of Diabetes [1.4330510916280879]
  糖尿病は糖尿病性腎症の発症リスクが高いという特徴を持つ慢性疾患である。 このような合併症やその悪化のリスクを高める個人を早期に同定することは、適切な治療方針を設定する上で非常に重要である。 糖尿病患者に対する臨床関連糸球体濾過率(eGFR)閾値の交差を予測・予測するロジスティック回帰モデルを開発した。
  論文  参考訳（メタデータ） (2024-09-10T20:27:00Z)
• Deep State-Space Generative Model For Correlated Time-to-Event Predictions [54.3637600983898]
  そこで本研究では,様々な種類の臨床イベント間の相互作用を捉えるために,潜伏状態空間生成モデルを提案する。 また,死亡率と臓器不全の関連性について有意な知見が得られた。
  論文  参考訳（メタデータ） (2024-07-28T02:42:36Z)
• Enhancing Clinical Support for Breast Cancer with Deep Learning Models using Synthetic Correlated Diffusion Imaging [66.63200823918429]
  深層学習モデルを用いた乳癌に対する臨床支援の強化について検討した。 我々は、体積畳み込みニューラルネットワークを利用して、前処理コホートから深い放射能特徴を学習する。 提案手法は, グレードと処理後応答予測の両方において, より良い性能を実現することができる。
  論文  参考訳（メタデータ） (2022-11-10T03:02:12Z)
• SurvLatent ODE : A Neural ODE based time-to-event model with competing risks for longitudinal data improves cancer-associated Deep Vein Thrombosis (DVT) prediction [68.8204255655161]
  本稿では,不規則なサンプルデータの下で潜在表現をパラメータ化する生成時間対イベントモデルSurvLatent ODEを提案する。 そこで,本モデルでは,事象特異的ハザード関数の形状を指定せずに,複数の競合イベントの生存時間を柔軟に推定する。 SurvLatent ODEは、DVTリスクグループを成層化するために、現在の臨床標準であるKhorana Riskスコアより優れている。
  論文  参考訳（メタデータ） (2022-04-20T17:28:08Z)
• Disentangled Counterfactual Recurrent Networks for Treatment Effect Inference over Time [71.30985926640659]
  本稿では,DCRN(Disentangled Counterfactual Recurrent Network)を提案する。 時間とともに治療効果の因果構造に完全にインスパイアされたアーキテクチャでは、予測精度と疾患理解が向上する。 実データとシミュレーションデータの両方において,DCRNが処理応答予測の最先端手法より優れていることを示す。
  論文  参考訳（メタデータ） (2021-12-07T16:40:28Z)
• Continuous Treatment Recommendation with Deep Survival Dose Response Function [3.705291460388999]
  臨床生存データを用いた環境下での継続的治療推奨問題に対する一般的な定式化を提案する。 DeepSDRFによる処理効果の推定により,選択バイアスを補正したレコメンデータアルゴリズムの開発が可能となる。 医学的文脈における観察データによる継続的な治療効果に因果モデルが使用されるのは、これが初めてである。
  論文  参考訳（メタデータ） (2021-08-24T00:19:04Z)
• L1-regularized neural ranking for risk stratification and its application to prediction of time to distant metastasis in luminal node negative chemotherapy na\"ive breast cancer patients [9.269883992088147]
  そこで我々は,このような疑問に答えるために,ランキングに基づく検閲対応機械学習モデルを提案する。 早期乳癌(ER+またはHER2-)患者の遠隔転移と早期臨床パラメータとの関連について検討した。 本研究は,遠隔転移のリスクが高い症例と低い症例の鑑別が可能であることを示す。
  論文  参考訳（メタデータ） (2021-08-23T19:04:18Z)
• 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)
• Divide-and-Rule: Self-Supervised Learning for Survival Analysis in Colorectal Cancer [9.431791041887957]
  本稿では,組織領域の表現とクラスタリングのメトリクスを学習し,その基盤となるパターンを学習する自己教師型学習手法を提案する。 提案手法は, 患者結果予測の過度な適合を避けるために, 線形予測器の恩恵を受けることができることを示す。
  論文  参考訳（メタデータ） (2020-07-07T09:15:36Z)
• Estimating Counterfactual Treatment Outcomes over Time Through Adversarially Balanced Representations [114.16762407465427]
  時間とともに治療効果を推定するためにCRN(Counterfactual Recurrent Network)を導入する。 CRNは、患者履歴のバランスの取れた表現を構築するために、ドメイン敵のトレーニングを使用する。 本モデルでは, 正解率の予測と適切な治療時期の選択において, 誤差の低減を図っている。
  論文  参考訳（メタデータ） (2020-02-10T20:47:36Z)

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。