論文の概要: Quantifying Itch and its Impact on Sleep Using Machine Learning and Radio Signals

• arxiv url: http://arxiv.org/abs/2501.04896v1
• Date: Thu, 09 Jan 2025 00:50:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-10 14:00:58.521515
• Title: Quantifying Itch and its Impact on Sleep Using Machine Learning and Radio Signals
• Title（参考訳）: 機械学習と無線信号を用いたイッチの定量化とその睡眠への影響
• Authors: Michail Ouroutzoglou, Mingmin Zhao, Joshua Hellerstein, Hariharan Rahul, Asima Badic, Brian S. Kim, Dina Katabi,
• Abstract要約: 臨床医療における大きな課題は、かゆみの定量化のための客観的な尺度が欠如していることである。 人工知能(AI)と組み合わせた無線装置は、スクラッチを同時に捕捉し、睡眠品質への影響を評価することができる。 このデバイスは、ウェアラブルセンサーや皮膚の接触を不要にし、家庭で長期にわたって慢性的なかゆみのモニタリングを可能にする。
• 参考スコア（独自算出の注目度）: 20.166369923799927
• License:
• Abstract: Chronic itch affects 13% of the US population, is highly debilitating, and underlies many medical conditions. A major challenge in clinical care and new therapeutics development is the lack of an objective measure for quantifying itch, leading to reliance on subjective measures like patients' self-assessment of itch severity. In this paper, we show that a home radio device paired with artificial intelligence (AI) can concurrently capture scratching and evaluate its impact on sleep quality by analyzing radio signals bouncing in the environment. The device eliminates the need for wearable sensors or skin contact, enabling monitoring of chronic itch over extended periods at home without burdening patients or interfering with their skin condition. To validate the technology, we conducted an observational clinical study of chronic pruritus patients, monitored at home for one month using both the radio device and an infrared camera. Comparing the output of the device to ground truth data from the camera demonstrates its feasibility and accuracy (ROC AUC = 0.997, sensitivity = 0.825, specificity = 0.997). The results reveal a significant correlation between scratching and low sleep quality, manifested as a reduction in sleep efficiency (R = 0.6, p < 0.001) and an increase in sleep latency (R = 0.68, p < 0.001). Our study underscores the potential of passive, long-term, at-home monitoring of chronic scratching and its sleep implications, offering a valuable tool for both clinical care of chronic itch patients and pharmaceutical clinical trials.
• Abstract（参考訳）: 慢性的なかゆみは米国の人口の13%に影響し、非常に不安定であり、多くの医療条件の下にある。 臨床医療と新しい治療開発における大きな課題は、かゆみを定量化する客観的な尺度が欠如していることであり、患者によるかゆみの自己評価のような主観的な尺度に依存している。 本稿では,人工知能(AI)と組み合わせたホーム無線装置が,環境中を跳ね返る電波信号を解析することにより,スクラッチを同時に捕捉し,睡眠の質に与える影響を評価できることを示す。 このデバイスは、ウェアラブルセンサーや皮膚接触の必要性を排除し、患者を負担したり、皮膚の状態に干渉したりすることなく、在宅での慢性的なかゆみの監視を可能にする。 本技術の有効性を検証するため,慢性紫斑病患者を対象に,ラジオ装置と赤外線カメラを併用した1カ月間在宅観察を行った。 装置の出力とカメラの真理データを比較すると、その実現可能性と精度が示される(ROC AUC = 0.997, 感度 = 0.825, 特異性 = 0.997)。 その結果, 睡眠効率の低下 (R = 0.6, p < 0.001) と睡眠遅延の増大 (R = 0.68, p < 0.001) がみられた。 本研究は,慢性期ひっかき傷の受動的,長期的,家庭内モニタリングの可能性と,その睡眠への影響を明らかにし,慢性期かゆみ患者の臨床治療と医薬治験の両方に有用なツールを提供する。

関連論文リスト

• A deep learning-enabled smart garment for accurate and versatile sleep conditions monitoring in daily life [2.8587098692786905]
  位置決めや皮膚調製の必要なしに局所的な皮膚ひずみ信号を捕捉する,洗濯可能な皮膚適合型スマートスリープ監視システムについて報告する。 印刷された繊維系ひずみセンサアレイは、ゲージ係数を最大100で0.1%から10%のひずみに応答する。 スマートウェアは6つの睡眠状態を98.6%の精度で分類することができ、クラス当たり15サンプル未満の新規ユーザに対して優れた説明性(バイアスの少ない分類)と一般化精度を維持することができる。
  論文  参考訳（メタデータ） (2024-08-01T17:56:25Z)
• What Radio Waves Tell Us about Sleep [34.690382091650314]
  本研究では、睡眠中の人から反射される電波からの睡眠と夜間呼吸を受動的にモニタリングする高度な機械学習アルゴリズムを開発した。 睡眠時無呼吸(AUROC=0.88)を検知し,睡眠時無呼吸を検知した。 このモデルは、睡眠段階と、神経、精神医学、循環器、免疫疾患を含む様々な疾患の間の情報的相互作用を明らかにする。
  論文  参考訳（メタデータ） (2024-05-20T02:41:21Z)
• Quantifying Impairment and Disease Severity Using AI Models Trained on Healthy Subjects [27.786240241494436]
  Confidence-based chaRacterization of Anomalies (COBRA) スコアは、障害または疾患のある患者に提示された場合、これらのモデルの信頼性の低下を利用する。 脳卒中患者の上半身障害の現在の臨床的評価の鍵となる限界にCOBRAスコアを適用した。
  論文  参考訳（メタデータ） (2023-11-21T18:45:52Z)
• Detecting Visual Cues in the Intensive Care Unit and Association with Patient Clinical Status [0.9867627975175174]
  ICUの既存の患者評価は散発的であり、手動で管理されている。 我々はデータ不均衡問題に対処する新しい「マスケッド損失計算」手法を開発した。 634,054フレームのAU推論を行い,顔面AUと臨床的に重要な患者状況との関連性について検討した。
  論文  参考訳（メタデータ） (2023-11-01T15:07:03Z)
• A Multimodal Sensing Ring for Quantification of Scratch Intensity [9.87453464401966]
  本稿では,スクラッチ検出に加えて,スクラッチ強度推定のためのフレームワークを提案する。 これは加速度計とコンタクトマイクからなるマルチモーダルリング装置で実現される。 本アルゴリズムは,スクラッチ強度の臨床的に関連性のある判定を達成できることが示唆された。
  論文  参考訳（メタデータ） (2023-02-08T00:36:07Z)
• Heterogeneous Hidden Markov Models for Sleep Activity Recognition from Multi-Source Passively Sensed Data [67.60224656603823]
  精神科患者の受動的活動監視は、リアルタイムでの行動変化を検出するために不可欠である。 睡眠行動認識は、患者の活動サイクルを表現する行動マーカーである。 スマートフォンから受動的に検出されたデータは、患者の生体リズムに優れた代替手段である。
  論文  参考訳（メタデータ） (2022-11-08T17:29:40Z)
• Intelligent Sight and Sound: A Chronic Cancer Pain Dataset [74.77784420691937]
  本稿では,Intelligent Sight and Sound (ISS) 臨床試験の一環として収集された,最初の慢性ガン痛データセットを紹介する。 これまで収集されたデータは29の患者、509のスマートフォンビデオ、189,999のフレーム、そして自己報告された感情と活動の痛みのスコアから成っている。 静的画像とマルチモーダルデータを用いて、自己報告された痛みレベルを予測する。
  論文  参考訳（メタデータ） (2022-04-07T22:14:37Z)
• Why Interpretable Causal Inference is Important for High-Stakes Decision Making for Critically Ill Patients and How To Do It [80.24494623756839]
  重症心身障害患者に対する因果関係評価のための枠組みを提案する。 この枠組みは、脳の発作やその他の潜在的に有害な電気的事象が結果に与える影響に適用する。
  論文  参考訳（メタデータ） (2022-03-09T18:03:35Z)
• Designing A Clinically Applicable Deep Recurrent Model to Identify Neuropsychiatric Symptoms in People Living with Dementia Using In-Home Monitoring Data [52.40058724040671]
  鎮静は認知症において高い有病率を有する神経精神医学症状の1つである。 扇動エピソードの検出は、認知症に生きる人々(PLWD)に早期かつタイムリーな介入を提供するのに役立つ。 本研究は,家庭内モニタリングデータを用いてPLWDの動揺リスクを分析するための教師付き学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-10-19T11:45:01Z)
• Controlling False Positive/Negative Rates for Deep-Learning-Based Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
  そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。 1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
  論文  参考訳（メタデータ） (2021-06-04T09:51:27Z)
• MSED: a multi-modal sleep event detection model for clinical sleep analysis [62.997667081978825]
  ポリソムノグラムで睡眠イベントを共同検出する,単一のディープニューラルネットワークアーキテクチャを設計した。 モデルの性能は,F1,精度,リコールスコア,および指標値と臨床値との相関で定量化した。
  論文  参考訳（メタデータ） (2021-01-07T13:08:44Z)

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。