論文の概要: ColonScopeX: Leveraging Explainable Expert Systems with Multimodal Data for Improved Early Diagnosis of Colorectal Cancer

• arxiv url: http://arxiv.org/abs/2504.08824v1
• Date: Wed, 09 Apr 2025 20:45:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-15 16:55:52.633757
• Title: ColonScopeX: Leveraging Explainable Expert Systems with Multimodal Data for Improved Early Diagnosis of Colorectal Cancer
• Title（参考訳）: ColonScopeX: 大腸癌早期診断のためのマルチモーダルデータを用いた説明可能なエキスパートシステムの活用
• Authors: Natalia Sikora, Robert L. Manschke, Alethea M. Tang, Peter Dunstan, Dean A. Harris, Su Yang,
• Abstract要約: 大腸癌(CRC)は、がん関連死亡の2番目に多い原因であり、世界でも3番目に多い悪性腫瘍である。 CRCの早期発見は、その非特異的でしばしば恥ずかしい症状のため、依然として問題である。 説明可能なAI(XAI)手法を利用した機械学習フレームワークであるColonScopeXを提案する。
• 参考スコア（独自算出の注目度）: 3.541280502270993
• License:
• Abstract: Colorectal cancer (CRC) ranks as the second leading cause of cancer-related deaths and the third most prevalent malignant tumour worldwide. Early detection of CRC remains problematic due to its non-specific and often embarrassing symptoms, which patients frequently overlook or hesitate to report to clinicians. Crucially, the stage at which CRC is diagnosed significantly impacts survivability, with a survival rate of 80-95\% for Stage I and a stark decline to 10\% for Stage IV. Unfortunately, in the UK, only 14.4\% of cases are diagnosed at the earliest stage (Stage I). In this study, we propose ColonScopeX, a machine learning framework utilizing explainable AI (XAI) methodologies to enhance the early detection of CRC and pre-cancerous lesions. Our approach employs a multimodal model that integrates signals from blood sample measurements, processed using the Savitzky-Golay algorithm for fingerprint smoothing, alongside comprehensive patient metadata, including medication history, comorbidities, age, weight, and BMI. By leveraging XAI techniques, we aim to render the model's decision-making process transparent and interpretable, thereby fostering greater trust and understanding in its predictions. The proposed framework could be utilised as a triage tool or a screening tool of the general population. This research highlights the potential of combining diverse patient data sources and explainable machine learning to tackle critical challenges in medical diagnostics.
• Abstract（参考訳）: 大腸癌(CRC)は、がん関連死亡の2番目に多い原因であり、世界でも3番目に多い悪性腫瘍である。 CRCの早期発見は、患者が臨床医に報告するのをしばしば見落とし、ためらう症状がしばしばあるため、依然として問題となっている。 CRCが診断されたステージは生存率に大きく影響し,生存率は80～95 %,生存率は10 %に低下した。 残念ながら、イギリスでは、早期に診断される症例は14.4 %である(第1段階)。 本研究では,説明可能なAI(XAI)手法を利用した機械学習フレームワークであるColonScopeXを提案する。 提案手法では, 血液サンプル測定から得られる信号を統合するマルチモーダルモデルを用いて, 指紋平滑化のためのSavitzky-Golayアルゴリズムを用いて処理し, 医薬歴, コンコービデンス, 年齢, 体重, BMIを含む包括的患者メタデータを用いた。 XAI技術を活用することで、モデルの意思決定プロセスを透過的かつ解釈可能とし、予測に対する信頼性と理解を高めることを目指している。 提案フレームワークは, 一般住民のトリアージツールやスクリーニングツールとして利用することができる。 この研究は、多様な患者データソースと説明可能な機械学習を組み合わせることで、医療診断における重要な課題に取り組む可能性を強調している。

関連論文リスト

• AI-Enabled Lung Cancer Prognosis [1.2054979237210064]
  肺がんはがんによる死亡の主な原因であり、2020年には全世界で約179万人が死亡している。 これらのうち、非小細胞肺癌(NSCLC)が主な亜型であり、顕著な出血性予後を特徴とする。 人工知能(AI)の最近の進歩は、肺癌の予後に革命をもたらした。
  論文  参考訳（メタデータ） (2024-02-12T22:09:43Z)
• Combining low-dose CT-based radiomics and metabolomics for early lung cancer screening support [32.586316762855944]
  肺癌はしばしば進行期と診断され、患者の生存率も低下する。 早期診断は、肺組織腫瘍がまだ小さいとき、通常約3mmの大きさで検出されるように設計されたスクリーニングプログラムによって容易に行える。
  論文  参考訳（メタデータ） (2023-09-20T12:07:16Z)
• Expert Uncertainty and Severity Aware Chest X-Ray Classification by Multi-Relationship Graph Learning [48.29204631769816]
  我々はCXRレポートから病気ラベルを再抽出し,重症度と分類の不確実性を考慮し,より現実的になるようにした。 以上の結果から, 疾患の重症度と不確実性を考慮したモデルが, 従来の最先端手法よりも優れていたことが示唆された。
  論文  参考訳（メタデータ） (2023-09-06T19:19:41Z)
• Automatic diagnosis of knee osteoarthritis severity using Swin transformer [55.01037422579516]
  変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。 我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
  論文  参考訳（メタデータ） (2023-07-10T09:49:30Z)
• Deep Reinforcement Learning Framework for Thoracic Diseases Classification via Prior Knowledge Guidance [49.87607548975686]
  関連疾患に対するラベル付きデータの不足は、正確な診断にとって大きな課題となる。 本稿では,診断エージェントの学習を指導するための事前知識を導入する,新しい深層強化学習フレームワークを提案する。 提案手法の性能はNIHX-ray 14とCheXpertデータセットを用いて実証した。
  論文  参考訳（メタデータ） (2023-06-02T01:46:31Z)
• Metastatic Cancer Outcome Prediction with Injective Multiple Instance Pooling [1.0965065178451103]
  我々は2つの公開データセットを処理し、転移性癌の予後予測を研究するために合計341人のベンチマークコホートを設定した。 結果予測に適した2つのインジェクティブ複数インスタンスプーリング関数を提案する。 本研究は, 肺がん非小細胞癌における複数症例の学習が, 頭頸部CT結果予測ベンチマークの課題において, 最先端のパフォーマンスを達成できることを示唆するものである。
  論文  参考訳（メタデータ） (2022-03-09T16:58:03Z)
• Multi-Scale Hybrid Vision Transformer for Learning Gastric Histology: AI-Based Decision Support System for Gastric Cancer Treatment [50.89811515036067]
  胃内視鏡検査は、早期に適切な胃癌(GC)治療を判定し、GC関連死亡率を低下させる有効な方法である。 本稿では,一般のGC治療指導と直接一致する5つのGC病理のサブ分類を可能にする実用的なAIシステムを提案する。
  論文  参考訳（メタデータ） (2022-02-17T08:33:52Z)
• DeepMMSA: A Novel Multimodal Deep Learning Method for Non-small Cell Lung Cancer Survival Analysis [8.78724404464036]
  我々は,非小細胞肺癌(NSCLC)生存率解析のための多モード深層学習法,DeepMMSAを提案する。 臨床データと組み合わせてCT画像を活用することにより、医用画像内の豊富な情報を肺がん生存情報に関連付けることができる。
  論文  参考訳（メタデータ） (2021-06-12T11:02:14Z)
• AIforCOVID: predicting the clinical outcomes in patients with COVID-19 applying AI to chest-X-rays. An Italian multicentre study [7.456548336226919]
  胸部X線(CXR)が集中治療や死亡などの重篤な結果の危険にさらされる患者の早期発見のための可能なツールとして使用できるかどうかを検討する。 CXRは、CT(Computed tomography)と比較して、より単純で、より速く、より広く、放射線線量を減らす放射線技術である。 2020年春にイタリアの6つの病院から820人の患者から収集されたデータを含むデータセットを提案する。
  論文  参考訳（メタデータ） (2020-12-11T18:03:08Z)
• Integrative Analysis for COVID-19 Patient Outcome Prediction [53.11258640541513]
  我々は、集中治療室入院の必要性を予測するために、人口統計、バイタルサイン、実験室の所見から、肺不透明度の放射能と非画像の特徴を組み合わせる。 また, 地域性肺炎を含む他の肺疾患にも適用できるが, 地域性肺炎に限らない。
  論文  参考訳（メタデータ） (2020-07-20T19:08:50Z)
• Spatio-spectral deep learning methods for in-vivo hyperspectral laryngeal cancer detection [49.32653090178743]
  頭頸部腫瘍の早期発見は患者の生存に不可欠である。 ハイパースペクトルイメージング(HSI)は頭頸部腫瘍の非侵襲的検出に用いられる。 HSIに基づく喉頭癌診断のための複数の深層学習手法を提案する。
  論文  参考訳（メタデータ） (2020-04-21T17:07:18Z)

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。