Fugu-MT 論文翻訳(概要): Design for a Digital Twin in Clinical Patient Care

論文の概要: Design for a Digital Twin in Clinical Patient Care

arxiv url: http://arxiv.org/abs/2505.01206v1
Date: Fri, 02 May 2025 11:50:42 GMT
ステータス: 翻訳完了
システム内更新日: 2025-05-05 17:21:20.01076
Title: Design for a Digital Twin in Clinical Patient Care
Title（参考訳）: クリニカルケアにおけるディジタル双生児の設計
Authors: Anna-Katharina Nitschke, Carlos Brandl, Fabian Egersdörfer, Magdalena Görtz, Markus Hohenfellner, Matthias Weidemüller,
Abstract要約: 本稿では,知識グラフとアンサンブル学習を組み合わせて,患者の臨床経過を反映した汎用的なデジタルツインデザインを提案する。このようなDigital Twinsは、腫瘍学から疫学まで、予測、モジュール化、進化、情報解釈、説明が可能である。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Digital Twins hold great potential to personalize clinical patient care, provided the concept is translated to meet specific requirements dictated by established clinical workflows. We present a generalizable Digital Twin design combining knowledge graphs and ensemble learning to reflect the entire patient's clinical journey and assist clinicians in their decision-making. Such Digital Twins can be predictive, modular, evolving, informed, interpretable and explainable with applications ranging from oncology to epidemiology.
Abstract（参考訳）: デジタル双生児は、確立された臨床ワークフローによって規定される特定の要件を満たすために、この概念が翻訳された場合に、臨床患者ケアをパーソナライズする大きな可能性を秘めている。本稿では,知識グラフとアンサンブル学習を組み合わせた汎用的なデジタルツインデザインを提案する。このようなDigital Twinsは、腫瘍学から疫学に至るまで、予測、モジュール化、進化、情報化、解釈、説明が可能である。

関連論文リスト

Clinical Evaluation of Medical Image Synthesis: A Case Study in Wireless Capsule Endoscopy [63.39037092484374]
人工知能(AI)に基づく合成データ生成は、臨床医学の届け方を変えることができる。本研究は,無線カプセル内視鏡(WCE)画像を用いた炎症性腸疾患(IBD)の診断における概念実証による医療用SDGの臨床評価に焦点を当てた。その結果、TIDE-IIは、最先端の生成モデルと比較して品質が向上し、臨床的に可塑性で、非常に現実的なWCE画像を生成することがわかった。
論文参考訳（メタデータ） (2024-10-31T19:48:50Z)
Digital Twin Ecosystem for Oncology Clinical Operations [0.8130739369606821]
本稿では,腫瘍学における臨床手術の高度化をめざした,新たなデジタルツインフレームワークを提案する。我々は,医療ニーズ双生児,ケアナビゲータ双生児,臨床履歴双生児など,複数の専門的デジタル双生児の統合を提案する。複数のデータソースを合成し、NCCN(National Comprehensive Cancer Network)ガイドラインと整合させることで、ダイナミックながんケアパスを作成する。
論文参考訳（メタデータ） (2024-09-26T08:56:54Z)
Digital Twin Generators for Disease Modeling [2.341540989979203]
患者のデジタルツイン(英: Digital twin)とは、患者の健康状態の経時変化を記述する計算モデルである。デジタル双生児は、人間の健康の個々のレベルのコンピュータシミュレーションを可能にすることによって、医療に革命をもたらす可能性がある。
論文参考訳（メタデータ） (2024-05-02T17:23:04Z)
TWIN-GPT: Digital Twins for Clinical Trials via Large Language Model [24.35626029582016]
本稿では,TWIN-GPTと呼ばれる大規模言語モデルに基づくディジタル双対生成手法を提案する。 TWIN-GPTによるデジタル双生児の使用は臨床治験結果の予測を促進できることを示す。
論文参考訳（メタデータ） (2024-04-01T17:48:55Z)
Robust and Interpretable Medical Image Classifiers via Concept Bottleneck Models [49.95603725998561]
本稿では,自然言語の概念を用いた堅牢で解釈可能な医用画像分類器を構築するための新しいパラダイムを提案する。具体的には、まず臨床概念をGPT-4から検索し、次に視覚言語モデルを用いて潜在画像の特徴を明示的な概念に変換する。
論文参考訳（メタデータ） (2023-10-04T21:57:09Z)
Digital Twins for Patient Care via Knowledge Graphs and Closed-Form Continuous-Time Liquid Neural Networks [0.0]
デジタル双生児は、製造業、サプライチェーンのロジスティクス、土木インフラなどの産業で急速に勢いを増している。マルチモーダル患者データを用いた複雑な疾患のモデル化の課題と、その解析の複雑さは、生体医療分野におけるデジタル双生児の採用を阻害している。本稿では,計算コストとモデリング複雑さによる臨床双対モデリングの障壁に対処する新しい枠組みを提案する。
論文参考訳（メタデータ） (2023-07-08T12:52:31Z)
Modular Clinical Decision Support Networks (MoDN) -- Updatable, Interpretable, and Portable Predictions for Evolving Clinical Environments [46.434488407226155]
我々はModular Clinical Decision Support Networks (MoDN)を提案する。 MoDNは、IIOデータセット間で柔軟なプライバシ保護学習を可能にする。患者の動的パーソナライズされた表現を生成し、診断の複数の予測を行うことができる。
論文参考訳（メタデータ） (2022-11-12T11:10:46Z)
This Patient Looks Like That Patient: Prototypical Networks for Interpretable Diagnosis Prediction from Clinical Text [56.32427751440426]
臨床実践においては、そのようなモデルは正確であるだけでなく、医師に解釈可能で有益な結果を与える必要がある。本稿では,プロトタイプネットワークに基づく新しい手法であるProtoPatientを紹介する。利用可能な2つの臨床データセット上でモデルを評価し、既存のベースラインよりも優れていることを示す。
論文参考訳（メタデータ） (2022-10-16T10:12:07Z)
Modelling Patient Trajectories Using Multimodal Information [0.0]
本稿では,異なる種類の情報を組み合わせて臨床データの時間的側面を考慮した患者軌跡のモデル化手法を提案する。本手法は, 予期せぬ患者寛解と疾患進行の2つの異なる臨床結果に基づいて検討した。
論文参考訳（メタデータ） (2022-09-09T10:20:54Z)
Enriching Unsupervised User Embedding via Medical Concepts [51.17532619610099]
教師なしのユーザ埋め込みは、患者を人間の監督なしに、固定長のベクターにエンコードすることを目的としている。臨床ノートから抽出された医療概念は、患者とその臨床カテゴリ間の豊富な関係を含んでいる。本稿では,2つの臨床コーパスからテキスト文書と医療概念を共同で活用する,非教師なしユーザ埋め込みを提案する。
論文参考訳（メタデータ） (2022-03-20T18:54:05Z)
VBridge: Connecting the Dots Between Features, Explanations, and Data for Healthcare Models [85.4333256782337]
VBridgeは、臨床医の意思決定ワークフローに機械学習の説明をシームレスに組み込むビジュアル分析ツールである。我々は,臨床医がMLの特徴に慣れていないこと,文脈情報の欠如,コホートレベルの証拠の必要性など,3つの重要な課題を特定した。症例スタディと専門医4名のインタビューを通じて, VBridgeの有効性を実証した。
論文参考訳（メタデータ） (2021-08-04T17:34:13Z)

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。