論文の概要: Application of machine learning models to predict the relationship between air pollution, ecosystem degradation, and health disparities and lung cancer in Vietnam

• arxiv url: http://arxiv.org/abs/2504.08651v1
• Date: Fri, 11 Apr 2025 15:55:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-14 14:17:42.240454
• Title: Application of machine learning models to predict the relationship between air pollution, ecosystem degradation, and health disparities and lung cancer in Vietnam
• Title（参考訳）: ベトナムにおける大気汚染、生態系劣化、健康格差と肺がんとの関係予測への機械学習モデルの適用
• Authors: Ngoc Hong Tran, Lan Kim Vien, Ngoc-Thao Thi Le,
• Abstract要約: 肺がんは、肝がんの直後のベトナムで2番目に多い死因であり、死者は23,797人、新規感染者は26,262人、2020年には14.4%となった。 近年、ベトナムの疾病率が上昇し、公衆衛生上の負担が大きくなり、がんは注目とケアでトップの地位を維持している。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Lung cancer is one of the major causes of death worldwide, and Vietnam is not an exception. This disease is the second most common type of cancer globally and the second most common cause of death in Vietnam, just after liver cancer, with 23,797 fatal cases and 26,262 new cases, or 14.4% of the disease in 2020. Recently, with rising disease rates in Vietnam causing a huge public health burden, lung cancer continues to hold the top position in attention and care. Especially together with climate change, under a variety of types of pollution, deforestation, and modern lifestyles, lung cancer risks are on red alert, particularly in Vietnam. To understand more about the severe disease sources in Vietnam from a diversity of key factors, including environmental features and the current health state, with a particular emphasis on Vietnam's distinct socioeconomic and ecological context, we utilize large datasets such as patient health records and environmental indicators containing necessary information, such as deforestation rate, green cover rate, air pollution, and lung cancer risks, that is collected from well-known governmental sharing websites. Then, we process and connect them and apply analytical methods (heatmap, information gain, p-value, spearman correlation) to determine causal correlations influencing lung cancer risks. Moreover, we deploy machine learning (ML) models (Decision Tree, Random Forest, Support Vector Machine, K-mean clustering) to discover cancer risk patterns. Our experimental results, leveraged by the aforementioned ML models to identify the disease patterns, are promising, particularly, the models as Random Forest, SVM, and PCA are working well on the datasets and give high accuracy (99%), however, the K means clustering has very low accuracy (10%) and does not fit the datasets.
• Abstract（参考訳）: 肺がんは世界中で大きな死因の1つであり、ベトナムも例外ではない。 この病気は世界で2番目に多いがんであり、肝がんの直後にベトナムで2番目に多い死因であり、死亡例は23,797人、新規感染者は26,262人、2020年の14.4%である。 近年、ベトナムの疾病率が上昇し、公衆衛生上の負担が大きくなり、がんは注目とケアでトップの地位を維持している。 特に気候変動とともに、様々な種類の汚染、森林破壊、現代の生活様式の下では、特にベトナムでは、肺がんのリスクが危険にさらされている。 環境特徴や現在の健康状態など,ベトナムにおける重篤な病源について,特にベトナムの社会経済的・生態学的文脈に重点を置いたさまざまな要因からより理解するために,我々は,よく知られた政府の共有サイトから収集された,森林破壊率,緑被率,大気汚染,肺がんリスクといった,必要な情報を含む患者健康記録や環境指標などの大規模なデータセットを利用する。 そして、それらを処理して接続し、分析手法(熱マップ、情報ゲイン、p値、スピアマン相関)を適用し、肺がんのリスクに影響を与える因果関係を判定する。 さらに,機械学習モデル(決定木,ランダムフォレスト,サポートベクトルマシン,K平均クラスタリング)をデプロイし,がんリスクパターンを検出する。 特にランダムフォレスト、SVM、PCAのようなモデルでは、データセットにうまく取り組み、高い精度(99%)を提供するが、Kはクラスタリングが非常に低い精度(10%)であり、データセットに適合しないことを意味している。

関連論文リスト

• Development and external validation of a lung cancer risk estimation tool using gradient-boosting [3.200615329024819]
  肺がんは世界中で死亡の重大な原因であり、早期発見が生存率の向上に重要であることを強調している。 我々は,PLCOがんスクリーニング試験のデータに基づいて学習し,NLSTで検証する機械学習(ML)ツールを提案する。 開発されたMLツールは、5年以内に肺がんを発症する可能性を推定するための無償のWebアプリケーションを提供する。
  論文  参考訳（メタデータ） (2023-08-23T15:25:17Z)
• Correlations Between COVID-19 and Dengue [0.8164433158925593]
  本稿では、ニューラルネットワークアプローチが、デングとCOVID-19のデータ、および外部要因をどのように組み込むことができるかを示す。 我々は、新型コロナウイルスとデング熱の患者数に非常に似た傾向を示す相関モデルを定義した。 次に、両疾患を組み込んだLong Short-term memory model (LSTM) に拡張することで、モデルの有効性を説明する。
  論文  参考訳（メタデータ） (2022-07-27T14:55:28Z)
• AI-Decision Support System Interface Using Cancer Related Data for Lung Cancer Prognosis [0.0]
  2021年の初めまで、肺がんは世界で最も一般的ながんとして知られている。 この研究は、GDCデータポータル内の肺がんの臨床と遺伝子発現を用いて、予後を予測するための機械学習アルゴリズムと連携したWebインターフェースを作成することを目的としている。
  論文  参考訳（メタデータ） (2021-05-19T10:22:37Z)
• From Static to Dynamic Prediction: Wildfire Risk Assessment Based on Multiple Environmental Factors [69.9674326582747]
  ワイルドファイアはアメリカ合衆国西海岸で頻繁に起こる最大の災害の1つである。 カリフォルニアの山火事リスクが高い地域を解析・評価するための静的・動的予測モデルを提案します。
  論文  参考訳（メタデータ） (2021-03-14T17:56:17Z)
• Steering a Historical Disease Forecasting Model Under a Pandemic: Case of Flu and COVID-19 [75.99038202534628]
  我々は、インフルエンザとCOVID-19が共存する新しいシナリオに、歴史的疾患予測モデルを「操る」ことができる神経伝達学習アーキテクチャであるCALI-Netを提案する。 我々の実験は、現在のパンデミックに歴史的予測モデルを適用することに成功していることを示している。
  論文  参考訳（メタデータ） (2020-09-23T22:35:43Z)
• General DeepLCP model for disease prediction : Case of Lung Cancer [0.0]
  生活を脅かす致命的な病気を予測するための新しいアプローチ「DeepLCP」を提案する。 ディープLCP」は自然言語処理(NLP)と深層学習パラダイムを組み合わせた結果である。 肺がん予測における提案モデルの実験結果から,高い精度と低損失データ率が確認された。
  論文  参考訳（メタデータ） (2020-09-15T21:43:48Z)
• 3D Neural Network for Lung Cancer Risk Prediction on CT Volumes [0.6810862244331126]
  肺がんはアメリカ合衆国で最も多いがん死の原因である。 肺がんCT検査は、死亡率を40%まで下げることが示されている。 放射線診断の基準が採用されているにもかかわらず, 経年変化が持続的であり, 包括的画像所見の不完全な特徴が現在の方法の限界として残っている。 本稿では,肺がんリスク予測のための最先端ディープラーニングアルゴリズムを再現する。
  論文  参考訳（メタデータ） (2020-07-25T10:01:22Z)
• Understanding the temporal evolution of COVID-19 research through machine learning and natural language processing [66.63200823918429]
  重症急性呼吸器症候群2号(SARS-CoV-2)による新型コロナウイルス感染症(COVID-19)の流行は、世界中の人々の生活や社会に影響を与え続けている。 私たちは複数のデータソース、すなわちPubMedとArXivを使用し、現在のCOVID-19研究の風景を特徴づけるために、いくつかの機械学習モデルを構築しました。 調査の結果,PubMedとArXivで利用可能な研究の種類は異なることが確認された。
  論文  参考訳（メタデータ） (2020-07-22T18:02:39Z)
• A General Framework for Survival Analysis and Multi-State Modelling [70.31153478610229]
  ニューラル常微分方程式を多状態生存モデル推定のためのフレキシブルで一般的な方法として用いる。 また,本モデルでは,サバイバルデータセット上での最先端性能を示すとともに,マルチステート環境での有効性を示す。
  論文  参考訳（メタデータ） (2020-06-08T19:24:54Z)
• Cross-lingual Transfer Learning for COVID-19 Outbreak Alignment [90.12602012910465]
  われわれは、Twitterを通じてイタリアの新型コロナウイルス感染症(COVID-19)の早期流行を訓練し、他のいくつかの国に移る。 実験の結果,クロスカントリー予測において最大0.85のスピアマン相関が得られた。
  論文  参考訳（メタデータ） (2020-06-05T02:04:25Z)
• Viral Pneumonia Screening on Chest X-ray Images Using Confidence-Aware Anomaly Detection [86.81773672627406]
  短期間のウイルス性肺炎の集団は、SARS、MERS、最近のCOVID-19のような流行やパンデミックのハービンガーである可能性がある。 胸部X線によるウイルス性肺炎の迅速かつ正確な検出は,大規模スクリーニングや流行予防に有用である。 ウイルス性肺炎はしばしば多彩な原因を持ち、X線画像に顕著な視覚的外観を示す。
  論文  参考訳（メタデータ） (2020-03-27T11:32:18Z)

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。