論文の概要: From Data to Action: Charting A Data-Driven Path to Combat Antimicrobial Resistance

• arxiv url: http://arxiv.org/abs/2502.00061v1
• Date: Thu, 30 Jan 2025 11:37:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-05 15:01:31.951147
• Title: From Data to Action: Charting A Data-Driven Path to Combat Antimicrobial Resistance
• Title（参考訳）: データから行動へ - データ駆動のパスをチャート化し、抗菌抵抗を和らげる
• Authors: Qian Fu, Yuzhe Zhang, Yanfeng Shu, Ming Ding, Lina Yao, Chen Wang,
• Abstract要約: 抗微生物耐性微生物(AMR)は、医療分野での課題であり、現代医学では効果がない。 データ駆動型手法は、その原因と治療に関する有望な洞察を提供する。 本稿では、データ分析と機械学習の観点からAMRの研究をレビューする。
• 参考スコア（独自算出の注目度）: 19.73846039520307
• License:
• Abstract: Antimicrobial-resistant (AMR) microbes are a growing challenge in healthcare, rendering modern medicines ineffective. AMR arises from antibiotic production and bacterial evolution, but quantifying its transmission remains difficult. With increasing AMR-related data, data-driven methods offer promising insights into its causes and treatments. This paper reviews AMR research from a data analytics and machine learning perspective, summarizing the state-of-the-art and exploring key areas such as surveillance, prediction, drug discovery, stewardship, and driver analysis. It discusses data sources, methods, and challenges, emphasizing standardization and interoperability. Additionally, it surveys statistical and machine learning techniques for AMR analysis, addressing issues like data noise and bias. Strategies for denoising and debiasing are highlighted to enhance fairness and robustness in AMR research. The paper underscores the importance of interdisciplinary collaboration and awareness of data challenges in advancing AMR research, pointing to future directions for innovation and improved methodologies.
• Abstract（参考訳）: 抗微生物抵抗性(AMR)微生物は、医療分野での課題であり、現代の医学は効果がない。 AMRは抗生物質の生産と細菌の進化から生じるが、その伝達の定量化は依然として困難である。 AMR関連データの増加に伴い、データ駆動方式は、その原因と治療に関する有望な洞察を提供する。 本稿では、データ分析と機械学習の観点からAMR研究をレビューし、最先端の技術を要約し、監視、予測、薬物発見、スチュワードシップ、ドライバー分析などの重要な領域を探索する。 データソース、メソッド、課題について議論し、標準化と相互運用性を強調します。 さらに、AMR分析のための統計的および機械学習技術を調査し、データノイズやバイアスといった問題に対処する。 AMR研究の公平性と堅牢性を高めるために、デノベーションとデビアシングの戦略が強調されている。 本稿では,AMR研究の進展における学際的コラボレーションとデータ課題の認識の重要性を強調し,今後のイノベーションの方向性と方法論の改善を指摘する。

関連論文リスト

• Machine Learning for Missing Value Imputation [0.0]
  本論文の主な目的は、ミス・バリュー・インプットにおける最先端の機械学習アプリケーションの解析と同様に、包括的で厳密なレビューを行うことである。 2014年から2023年にかけて発行された100以上の記事が、その方法や発見を考慮して批判的にレビューされている。 最新の文献は,MVI法の動向とその評価を精査するために検討されている。
  論文  参考訳（メタデータ） (2024-10-10T18:56:49Z)
• Diffusion MRI with Machine Learning [4.254099382808598]
  脳の拡散強調磁気共鳴イメージング(dMRI)には、ユニークな機能がある。 機械学習は、dMRI分析の難しいタスクのいくつかに取り組むのに非常に適しているかもしれない。
  論文  参考訳（メタデータ） (2024-01-01T13:03:35Z)
• Evaluating the Fairness of the MIMIC-IV Dataset and a Baseline Algorithm: Application to the ICU Length of Stay Prediction [65.268245109828]
  本稿では、MIMIC-IVデータセットを用いて、滞在時間を予測するXGBoostバイナリ分類モデルにおける公平性とバイアスについて検討する。 この研究は、人口統計属性にわたるデータセットのクラス不均衡を明らかにし、データ前処理と特徴抽出を採用する。 この論文は、偏見を緩和するための公正な機械学習技術と、医療専門家とデータサイエンティストの協力的な努力の必要性について結論付けている。
  論文  参考訳（メタデータ） (2023-12-31T16:01:48Z)
• A Survey on Interpretable Cross-modal Reasoning [64.37362731950843]
  マルチメディア分析から医療診断に至るまで、クロスモーダル推論(CMR)が重要な分野として浮上している。 この調査は、解釈可能なクロスモーダル推論(I-CMR)の領域を掘り下げる 本調査では,I-CMRの3段階分類法について概説する。
  論文  参考訳（メタデータ） (2023-09-05T05:06:48Z)
• Source-Free Collaborative Domain Adaptation via Multi-Perspective Feature Enrichment for Functional MRI Analysis [55.03872260158717]
  安静時MRI機能(rs-fMRI)は、神経疾患の分析を助けるために多地点で研究されている。 ソース領域とターゲット領域の間のfMRIの不均一性を低減するための多くの手法が提案されている。 しかし、マルチサイト研究における懸念やデータストレージの負担のため、ソースデータの取得は困難である。 我々は、fMRI解析のためのソースフリー協調ドメイン適応フレームワークを設計し、事前訓練されたソースモデルとラベルなしターゲットデータのみにアクセスできるようにする。
  論文  参考訳（メタデータ） (2023-08-24T01:30:18Z)
• Data-Centric Epidemic Forecasting: A Survey [56.99209141838794]
  この調査は、様々なデータ駆動の方法論および実践的進歩を掘り下げるものである。 疫学的なデータセットと,流行予測に関連する新しいデータストリームを列挙する。 また,これらの予測システムの現実的な展開において生じる経験や課題についても論じる。
  論文  参考訳（メタデータ） (2022-07-19T16:15:11Z)
• Applying data technologies to combat AMR: current status, challenges, and opportunities on the way forward [1.0424317627239437]
  AMR(Antimicrobial resistance)は公衆衛生上の脅威であり、毎年1000万人以上が死亡し、2050年までに世界経済は100兆米ドルの損失を被ったと推定されている。 本稿では, 人工知能, 機械学習, 数学的・統計的モデリングなどのデータ技術に不可欠な細菌のAMR管理と制御について概説する。
  論文  参考訳（メタデータ） (2022-07-05T17:15:46Z)
• SSM-DTA: Breaking the Barriers of Data Scarcity in Drug-Target Affinity Prediction [127.43571146741984]
  薬物標的親和性(DTA)は、早期の薬物発見において極めて重要である。 湿式実験は依然として最も信頼性の高い方法であるが、時間と資源が集中している。 既存の手法は主に、データ不足の問題に適切に対処することなく、利用可能なDTAデータに基づく技術開発に重点を置いている。 SSM-DTAフレームワークについて述べる。
  論文  参考訳（メタデータ） (2022-06-20T14:53:25Z)
• MRI-based Alzheimer's disease prediction via distilling the knowledge in multi-modal data [0.0]
  MCI変換予測のために,マルチモーダルデータから学んだ知識をMRIベースのネットワークに抽出することを目的としたマルチモーダルマルチインスタンス蒸留方式を提案する。 本研究は、マルチモーダル情報から抽出した余計な監視を活用し、MRIに基づく予測モデルの改善を試みる最初の研究です。
  論文  参考訳（メタデータ） (2021-04-08T09:06:39Z)
• 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)
• ODVICE: An Ontology-Driven Visual Analytic Tool for Interactive Cohort Extraction [2.0131681387862153]
  一般的な疾患では、EHRから抽出されたコホートは非常に限られた数の記録を含んでいる。 本稿では,モンテカルログラフスパンニングアルゴリズムを用いたデータ拡張フレームワークODVICEを提案する。 以上の結果から, ODVICE拡張コーホートの予測性能は, 非拡張データセットよりも曲線下面積(AUC)が30%向上していることが示唆された。
  論文  参考訳（メタデータ） (2020-05-13T17:15:51Z)

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。