論文の概要: Prediction of Clinical Complication Onset using Neural Point Processes

• arxiv url: http://arxiv.org/abs/2502.13290v1
• Date: Tue, 18 Feb 2025 21:18:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-20 14:01:03.861693
• Title: Prediction of Clinical Complication Onset using Neural Point Processes
• Title（参考訳）: 神経点プロセスを用いた臨床合併症の予測
• Authors: Sachini Weerasekara, Sagar Kamarthi, Jacqueline Isaacs,
• Abstract要約: 本稿では, 事象発生予測の文脈におけるニューラル・テンポラル・ポイント・プロセスの適用性について検討する。 私たちの実験は、最先端の6つのニューラルポイントプロセスと6つのクリティカルケアデータセットで構成されています。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Predicting medical events in advance within critical care settings is paramount for patient outcomes and resource management. Utilizing predictive models, healthcare providers can anticipate issues such as cardiac arrest, sepsis, or respiratory failure before they manifest. Recently, there has been a surge in research focusing on forecasting adverse medical event onsets prior to clinical manifestation using machine learning. However, while these models provide temporal prognostic predictions for the occurrence of a specific adverse event of interest within defined time intervals, their interpretability often remains a challenge. In this work, we explore the applicability of neural temporal point processes in the context of adverse event onset prediction, with the aim of explaining clinical pathways and providing interpretable insights. Our experiments span six state-of-the-art neural point processes and six critical care datasets, each focusing on the onset of distinct adverse events. This work represents a novel application class of neural temporal point processes in event prediction.
• Abstract（参考訳）: 重篤なケア設定内で事前に医療イベントを予測することは、患者の成果とリソース管理にとって最優先事項である。 予測モデルを利用することで、医療提供者は、心停止、敗血症、呼吸不全などの問題を発症前に予測することができる。 近年,機械学習を用いた臨床症状の出現前の医療事象の発症予測に焦点をあてた研究が急増している。 しかしながら、これらのモデルは、定義された時間間隔内で特定の有害事象が発生するための時間的予測を提供するが、その解釈可能性はしばしば課題である。 本研究は,臨床経過の説明と解釈可能な洞察の提供を目的として,事象発生予測の文脈におけるニューラル・テンポラル・ポイント・プロセスの適用性について検討する。 我々の実験は、6つの最先端のニューラルポイントプロセスと6つの重要なケアデータセットで構成されており、それぞれが異なる有害事象の発生に焦点を当てている。 この研究は、事象予測におけるニューラル・テンポラル・ポイント・プロセスの新たな応用クラスを表している。

関連論文リスト

• SurvCORN: Survival Analysis with Conditional Ordinal Ranking Neural Network [4.772480981435387]
  本稿では,条件付き順序付きランキングネットワークを用いた生存曲線の予測手法であるSurvCORNを提案する。 また,モデル予測の精度を評価するための指標であるSurvMAEを導入する。
  論文  参考訳（メタデータ） (2024-09-30T03:01:25Z)
• 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)
• Modeling methodology for the accurate and prompt prediction of symptomatic events in chronic diseases [0.0]
  慢性疾患における症状発生の予測は、症状が起こる前に決定を下すことができる。 本報告では,慢性疾患の症状的危機の予測限界について検討する。
  論文  参考訳（メタデータ） (2024-02-15T08:30:50Z)
• RNN-BOF: A Multivariate Global Recurrent Neural Network for Binary Outcome Forecasting of Inpatient Aggression [3.789219860006095]
  患者の将来リスクを時系列データから学習する時系列手法を用いてモデル化することを提案する。 我々は、83人の実世界の患者を対象とした移動窓トレーニングスキームを用いて、攻撃的な事象の存在を表すメインバイナリ時系列を表現している。
  論文  参考訳（メタデータ） (2023-12-02T04:42:22Z)
• Boosting the interpretability of clinical risk scores with intervention predictions [59.22442473992704]
  本稿では、今後の介入に関するモデルの仮定を明確に伝達する手段として、介入政策と有害事象リスクの合同モデルを提案する。 死亡確率などの典型的なリスクスコアと将来の介入確率スコアとを組み合わせることで、より解釈可能な臨床予測がもたらされることを示す。
  論文  参考訳（メタデータ） (2022-07-06T19:49:42Z)
• Predicting the impact of treatments over time with uncertainty aware neural differential equations [2.099922236065961]
  本稿では,治療の効果を時間とともに予測する新しい手法であるCounterfactual ODEを提案する。 CF-ODEが従来よりも精度の高い予測と信頼性の高い不確実性推定を提供することを示す。
  論文  参考訳（メタデータ） (2022-02-24T09:50:02Z)
• 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)
• 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)
• 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)
• Deep Recurrent Model for Individualized Prediction of Alzheimer's Disease Progression [4.034948808542701]
  アルツハイマー病(Alzheimer's disease, AD)は認知症の主要な原因の一つであり、数年間の進行が遅いことが特徴である。 本稿では,MRIバイオマーカーの表現型測定と臨床状態の軌跡を予測できる新しい計算フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-05-06T08:08:00Z)
• 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。