論文の概要: Explainable and externally validated machine learning for neuropsychiatric diagnosis via electrocardiograms

• arxiv url: http://arxiv.org/abs/2502.04918v1
• Date: Fri, 07 Feb 2025 13:37:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-10 14:55:27.146166
• Title: Explainable and externally validated machine learning for neuropsychiatric diagnosis via electrocardiograms
• Title（参考訳）: 心電図を用いた神経精神医学診断のための説明可能・外部検証機械学習
• Authors: Juan Miguel Lopez Alcaraz, Ebenezer Oloyede, David Taylor, Wilhelm Haverkamp, Nils Strodthoff,
• Abstract要約: 心電図(ECG)解析は、神経精神疾患に関連する生理的変化を識別するための有望なツールとして登場した。 心電図が神経精神医学的条件を正確に区別する可能性、特に多種多様な患者の間では、未発見のままである。 本研究は,脳波マーカーと基礎的人口統計データを用いて,機械学習モデルを用いた神経精神疾患の予測を行った。
• 参考スコア（独自算出の注目度）: 0.8108972030676012
• License:
• Abstract: Electrocardiogram (ECG) analysis has emerged as a promising tool for identifying physiological changes associated with neuropsychiatric conditions. The relationship between cardiovascular health and neuropsychiatric disorders suggests that ECG abnormalities could serve as valuable biomarkers for more efficient detection, therapy monitoring, and risk stratification. However, the potential of the ECG to accurately distinguish neuropsychiatric conditions, particularly among diverse patient populations, remains underexplored. This study utilized ECG markers and basic demographic data to predict neuropsychiatric conditions using machine learning models, with targets defined through ICD-10 codes. Both internal and external validation were performed using the MIMIC-IV and ECG-View datasets respectively. Performance was assessed using AUROC scores. To enhance model interpretability, Shapley values were applied to provide insights into the contributions of individual ECG features to the predictions. Significant predictive performance was observed for conditions within the neurological and psychiatric groups. For the neurological group, Alzheimer's disease (G30) achieved an internal AUROC of 0.813 (0.812-0.814) and an external AUROC of 0.868 (0.867-0.868). In the psychiatric group, unspecified dementia (F03) showed an internal AUROC of 0.849 (0.848-0.849) and an external AUROC of 0.862 (0.861-0.863). Discriminative features align with known ECG markers but also provide hints on potentially new markers. ECG offers significant promise for diagnosing and monitoring neuropsychiatric conditions, with robust predictive performance across internal and external cohorts. Future work should focus on addressing potential confounders, such as therapy-related cardiotoxicity, and expanding the scope of ECG applications, including personalized care and early intervention strategies.
• Abstract（参考訳）: 心電図(ECG)解析は、神経精神疾患に関連する生理的変化を識別するための有望なツールとして登場した。 心血管疾患と神経精神疾患の関係は、心電図異常がより効率的な検出、治療モニタリング、リスク階層化のための貴重なバイオマーカーとして役立つことを示唆している。 しかし、心電図が神経精神医学的条件を正確に区別する可能性、特に多種多様な患者の間では未発見のままである。 本研究は、ECGマーカーと基礎的人口統計データを用いて、ICD-10コードで定義された目標を持つ機械学習モデルを用いて、神経精神医学の状態を予測した。 MIMIC-IVおよびECG-Viewデータセットを用いて内部および外部の検証を行った。 成績はAUROCスコアを用いて評価した。 モデルの解釈可能性を高めるために、Shapley値を適用して、個々のECG特徴の予測への貢献についての洞察を提供した。 神経学的および精神医学的なグループで有意な予測性能が観察された。 神経学的には、アルツハイマー病(G30)は0.813(0.812-0.814)のAUROCと0.868(0.867-0.868)のAUROCを達成した。 精神科群では、未特定認知症 (F03) は0.849 (0.848-0.849) で、AUROCは0.862 (0.861-0.863) であった。 識別機能は既知のECGマーカーと一致しているが、潜在的に新しいマーカーのヒントも提供する。 ECGは、内部および外部コホートにまたがる堅牢な予測性能を持つ、神経精神医学的状態の診断とモニタリングに重要な約束を提供する。 今後の取り組みは、セラピー関連心毒性などの潜在的な共同創設者への対処と、パーソナライズされたケアや早期介入戦略を含むECGアプリケーションの範囲の拡大に焦点を当てるべきである。

関連論文リスト

• Evaluating the Efficacy of Vectocardiographic and ECG Parameters for Efficient Tertiary Cardiology Care Allocation Using Decision Tree Analysis [0.0]
  実単語データを用いてGEHの心電図マーカーの性能を機械学習モデルの特徴として評価する。 GEHパラメータは、この人口に統計的に有意であることが判明した。
  論文  参考訳（メタデータ） (2024-12-16T15:01:53Z)
• Explainable machine learning for neoplasms diagnosis via electrocardiograms: an externally validated study [0.9503773054285559]
  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。
  論文  参考訳（メタデータ） (2024-12-10T18:34:08Z)
• rECGnition_v1.0: Arrhythmia detection using cardiologist-inspired multi-modal architecture incorporating demographic attributes in ECG [3.0473237906125954]
  本稿では,心電図解析と不整脈分類のための新しいマルチモーダル手法を提案する。 提案したrECGnition_v1.0アルゴリズムはクリニックへの展開の道を開く。
  論文  参考訳（メタデータ） (2024-10-09T11:17:02Z)
• AXIAL: Attention-based eXplainability for Interpretable Alzheimer's Localized Diagnosis using 2D CNNs on 3D MRI brain scans [43.06293430764841]
  本研究では,3次元MRIを用いたアルツハイマー病診断の革新的手法を提案する。 提案手法では,2次元CNNがボリューム表現を抽出できるソフトアテンション機構を採用している。 ボクセルレベルの精度では、どの領域に注意が払われているかを同定し、これらの支配的な脳領域を同定する。
  論文  参考訳（メタデータ） (2024-07-02T16:44:00Z)
• TACCO: Task-guided Co-clustering of Clinical Concepts and Patient Visits for Disease Subtyping based on EHR Data [42.96821770394798]
  TACCOは、EMHデータのハイパーグラフモデリングに基づいて、臨床概念と患者訪問のクラスターを共同で発見する新しいフレームワークである。 我々は,表現型分類と心血管リスク予測の下流臨床課題に対して,公共MIMIC-IIIデータセットとエモリー内部CRADLEデータセットを用いて実験を行った。 深層モデル解析,クラスタリング結果解析,臨床ケーススタディは,TACCOが提供した改良されたユーティリティと洞察に富んだ解釈をさらに検証する。
  論文  参考訳（メタデータ） (2024-06-14T14:18:38Z)
• Neural Network-Based Histologic Remission Prediction In Ulcerative Colitis [38.150634108667774]
  潰瘍性大腸炎(UC)の新しい治療標的としての組織学的寛解 内視鏡(Endocytoscopy、EC)は、新しい超高倍率内視鏡技術である。 本稿では,心電図の組織学的疾患活動を評価するニューラルネットワークモデルを提案する。
  論文  参考訳（メタデータ） (2023-08-28T15:54:14Z)
• Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
  そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。 我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。 この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
  論文  参考訳（メタデータ） (2023-02-16T17:06:23Z)
• Deep-Learning Tool for Early Identifying Non-Traumatic Intracranial Hemorrhage Etiology based on CT Scan [40.51754649947294]
  深層学習モデルは、2011年1月から2018年4月までに収集された非外傷性ICHを用いた1868個のNCCTスキャンを用いて開発された。 診断成績は臨床医の成績と比較した。 臨床医は, システム拡張による特定の出血エチオロジーの感度, 特異性, 精度を著しく改善した。
  論文  参考訳（メタデータ） (2023-02-02T08:45:17Z)
• Estimation of atrial fibrillation from lead-I ECGs: Comparison with cardiologists and machine learning model (CurAlive), a clinical validation study [0.0]
  本研究では,人工知能を用いた心房細動検出法を提案する。 本研究の目的は, 心臓科医と人工知能の診断精度をリードI心電図と比較することである。
  論文  参考訳（メタデータ） (2021-04-15T12:50:16Z)
• Identification of Ischemic Heart Disease by using machine learning technique based on parameters measuring Heart Rate Variability [50.591267188664666]
  本研究は,243名の非侵襲的特徴(年齢,性別,左室容積率,HRV15)を用いて,一連のANNの訓練と評価を行った。 最高の結果は、7つの入力パラメータと7つの隠れノードを使用して、トレーニングと検証データセットに対して98.9%と82%の精度で得られた。
  論文  参考訳（メタデータ） (2020-10-29T19:14:41Z)
• Prediction of the onset of cardiovascular diseases from electronic health records using multi-task gated recurrent units [51.14334174570822]
  本稿では,電子カルテから心血管イベントを予測するための注意機構を備えたマルチタスク・リカレントニューラルネットワークを提案する。 提案手法は、NHS Foundation Trustの5年間のデータを用いて、標準的な臨床リスク予測器(QRISK)と機械学習の代替手段と比較される。
  論文  参考訳（メタデータ） (2020-07-16T17:43:13Z)

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。