論文の概要: Improving Early Prediction of Type 2 Diabetes Mellitus with ECG-DiaNet: A Multimodal Neural Network Leveraging Electrocardiogram and Clinical Risk Factors

• arxiv url: http://arxiv.org/abs/2504.05338v1
• Date: Sat, 05 Apr 2025 19:59:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-09 13:31:12.184299
• Title: Improving Early Prediction of Type 2 Diabetes Mellitus with ECG-DiaNet: A Multimodal Neural Network Leveraging Electrocardiogram and Clinical Risk Factors
• Title（参考訳）: ECG-DiaNetによる2型糖尿病の早期予測の改善:心電図と臨床リスクファクターを用いた多モードニューラルネットワーク
• Authors: Farida Mohsen, Zubair Shah,
• Abstract要約: ECG-DiaNetは、心電図(ECG)の特徴と臨床リスクファクター(CRF)を統合してT2DMの発症予測を強化するディープラーニングモデルである。 非侵襲的で広く利用可能なECG信号への依存は、臨床およびコミュニティの健康設定におけるその実現可能性を支持する。
• 参考スコア（独自算出の注目度）: 0.09208007322096533
• License:
• Abstract: Type 2 Diabetes Mellitus (T2DM) remains a global health challenge, underscoring the need for early and accurate risk prediction. This study presents ECG-DiaNet, a multimodal deep learning model that integrates electrocardiogram (ECG) features with clinical risk factors (CRFs) to enhance T2DM onset prediction. Using data from Qatar Biobank (QBB), we trained and validated models on a development cohort (n=2043) and evaluated performance on a longitudinal test set (n=395) with five-year follow-up. ECG-DiaNet outperformed unimodal ECG-only and CRF-only models, achieving a higher AUROC (0.845 vs 0.8217) than the CRF-only model, with statistical significance (DeLong p<0.001). Reclassification metrics further confirmed improvements: Net Reclassification Improvement (NRI=0.0153) and Integrated Discrimination Improvement (IDI=0.0482). Risk stratification into low-, medium-, and high-risk groups showed ECG-DiaNet achieved superior positive predictive value (PPV) in high-risk individuals. The model's reliance on non-invasive and widely available ECG signals supports its feasibility in clinical and community health settings. By combining cardiac electrophysiology and systemic risk profiles, ECG-DiaNet addresses the multifactorial nature of T2DM and supports precision prevention. These findings highlight the value of multimodal AI in advancing early detection and prevention strategies for T2DM, particularly in underrepresented Middle Eastern populations.
• Abstract（参考訳）: 2型糖尿病(T2DM)は世界的な健康上の課題であり、早期かつ正確なリスク予測の必要性を強調している。 本研究は,心電図(ECG)の特徴と臨床リスク因子(CRF)を統合し,T2DMの発症予測を強化する多モード深層学習モデルECG-DiaNetを提案する。 カタール・バイオバンク (QBB) のデータを用いて, 開発コホート (n=2043) のモデルを訓練し, 5年経過した長手テストセット (n=395) の性能評価を行った。 ECG-DiaNetは、CRFのみのモデルよりも高いAUROC(0.845 vs 0.8217)を達成し、統計学的に有意である(DeLong p<0.001)。 ネット再分類改善(NRI=0.0153)と統合識別改善(IDI=0.0482)。 リスク階層化を低リスク群,中リスク群,高リスク群に分けた結果,高リスク群ではECG-DiaNetが優れた正の予測値(PPV)を達成できた。 非侵襲的で広く利用可能なECG信号への依存は、臨床およびコミュニティの健康設定におけるその実現可能性を支持する。 心電気生理学的および全身的リスクプロファイルを組み合わせることで、ECG-DiaNetはT2DMの多因子性に対処し、精度の高い予防を支援する。 これらの知見は,T2DMの早期発見・予防戦略の進展におけるマルチモーダルAIの価値,特に中東の人口の低さを浮き彫りにした。

関連論文リスト

• ECG-SMART-NET: A Deep Learning Architecture for Precise ECG Diagnosis of Occlusion Myocardial Infarction [1.7894680263068135]
  心筋梗塞の診断にはECG--NETが有用である。 OMIは1つ以上の冠動脈の完全閉塞を特徴とする重度の心臓発作である。 OMI症例の3分の2は、12誘導心電図から視覚的に識別することが困難である。
  論文  参考訳（メタデータ） (2024-05-08T19:59:16Z)
• Large Language Model-informed ECG Dual Attention Network for Heart Failure Risk Prediction [9.823423993036055]
  心不全(HF)は、世界的な死亡率の上昇とともに、公衆衛生上の大きな課題となる。 12誘導心電図(ECG)を用いた新しいHFリスク予測手法を提案する。 本稿では, 早期HFリスク予測に不可欠な複雑なECG特徴を捉えるために設計された, 軽量なデュアルアテンションECGネットワークを提案する。
  論文  参考訳（メタデータ） (2024-03-15T13:25:09Z)
• Multi-modal Heart Failure Risk Estimation based on Short ECG and Sampled Long-Term HRV [2.1040040536783637]
  心臓不全(HF)を含む心臓血管疾患は、早期発見を回避し、世界的死亡率の高い原因となっている。 従来のアプローチはリソース集約的な診断テストに依存しており、通常は症状の発症後に投与される。 本稿では,30秒間の心電図記録と長期心拍変動データを組み合わせてHF入院リスクを推定するマルチモーダル手法を提案する。
  論文  参考訳（メタデータ） (2024-03-01T01:16:27Z)
• Machine learning-based detection of cardiovascular disease using ECG signals: performance vs. complexity [0.0]
  本稿では心電図記録から心疾患を分類するための新しいアプローチを提案する。 最初のアプローチは、ECG信号とディープラーニングに基づく画像分類器のPoincare表現を提案する。 1D畳み込みモデル、特に1D ResNetは、CinC 2017とCinC 2020データセットの両方で最高の結果を示している。
  論文  参考訳（メタデータ） (2023-03-10T12:47:46Z)
• Clinical Deterioration Prediction in Brazilian Hospitals Based on Artificial Neural Networks and Tree Decision Models [56.93322937189087]
  超強化ニューラルネットワーク(XBNet)は臨床劣化(CD)を予測するために用いられる XGBoostモデルはブラジルの病院のデータからCDを予測する最良の結果を得た。
  論文  参考訳（メタデータ） (2022-12-17T23:29:14Z)
• 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)
• Deep artificial neural network for prediction of atrial fibrillation through the analysis of 12-leads standard ECG [0.0]
  心房細動(Atrial Fibrillation,AF)は心臓不整脈である。 畳み込みニューラルネットワークを用いてECGを分析し,現実的なデータセットからAFを予測する。
  論文  参考訳（メタデータ） (2022-01-14T10:09:01Z)
• UNITE: Uncertainty-based Health Risk Prediction Leveraging Multi-sourced Data [81.00385374948125]
  我々はUNcertaInTyベースのhEalth Risk Prediction(UNITE)モデルを提案する。 UNITEは、複数ソースの健康データを活用した正確な疾患リスク予測と不確実性推定を提供する。 非アルコール性脂肪肝疾患(NASH)とアルツハイマー病(AD)の実態予測タスクにおけるUNITEの評価を行った。 UNITEはAD検出のF1スコアで最大0.841点、NASH検出のPR-AUCで最大0.609点を達成し、最高のベースラインで最大19%の高パフォーマンスを達成している。
  論文  参考訳（メタデータ） (2020-10-22T02:28:11Z)
• CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
  新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。 我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-20T21:47:28Z)
• 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)
• ECG-DelNet: Delineation of Ambulatory Electrocardiograms with Mixed Quality Labeling Using Neural Networks [69.25956542388653]
  ディープラーニング(DL)アルゴリズムは、学術的、産業的にも重くなっている。 セグメンテーションフレームワークにECGの検出とデライン化を組み込むことにより、低解釈タスクにDLをうまく適用できることを実証する。 このモデルは、PhyloNetのQTデータベースを使用して、105個の増幅ECG記録から訓練された。
  論文  参考訳（メタデータ） (2020-05-11T16:29:12Z)

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。