論文の概要: Detecting malignant dynamics on very few blood sample using signature coefficients

• arxiv url: http://arxiv.org/abs/2506.09097v1
• Date: Tue, 10 Jun 2025 13:08:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-13 06:35:01.703032
• Title: Detecting malignant dynamics on very few blood sample using signature coefficients
• Title（参考訳）: シグネチャ係数を用いたごく少数の血液サンプルの悪性動態の検出
• Authors: Rémi Vaucher, Stéphane Chrétien,
• Abstract要約: そこで本研究では, 血液サンプル分析に基づくアグレッシブ癌検出のためのシグナチャ理論の活用について検討する。 我々のアプローチは、血液中のctDNAレベルの動態を連続的にモデル化するMarkovのツールと、効率的なテスト手順を構築するための署名理論を組み合わせる。
• 参考スコア（独自算出の注目度）: 1.3812010983144802
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent discoveries have suggested that the promising avenue of using circulating tumor DNA (ctDNA) levels in blood samples provides reasonable accuracy for cancer monitoring, with extremely low burden on the patient's side. It is known that the presence of ctDNA can result from various mechanisms leading to DNA release from cells, such as apoptosis, necrosis or active secretion. One key idea in recent cancer monitoring studies is that monitoring the dynamics of ctDNA levels might be sufficient for early multi-cancer detection. This interesting idea has been turned into commercial products, e.g. in the company named GRAIL. In the present work, we propose to explore the use of Signature theory for detecting aggressive cancer tumors based on the analysis of blood samples. Our approach combines tools from continuous time Markov modelling for the dynamics of ctDNA levels in the blood, with Signature theory for building efficient testing procedures. Signature theory is a topic of growing interest in the Machine Learning community (see Chevyrev2016 and Fermanian2021), which is now recognised as a powerful feature extraction tool for irregularly sampled signals. The method proposed in the present paper is shown to correctly address the challenging problem of overcoming the inherent data scarsity due to the extremely small number of blood samples per patient. The relevance of our approach is illustrated with extensive numerical experiments that confirm the efficiency of the proposed pipeline.
• Abstract（参考訳）: 近年の研究では、血液サンプルに腫瘍DNA(ctDNA)を循環させることによって、がんのモニタリングに妥当な精度が得られ、患者側の負担は極めて少ないことが示唆されている。 ctDNAの存在は、アポトーシス、壊死、活性分泌などの細胞からDNAが放出される様々なメカニズムによって生じることが知られている。 最近のがんモニタリング研究における鍵となる考え方の1つは、ctDNAレベルの動態をモニタリングすることは、早期のマルチがん検出に十分かもしれないということである。 この興味深いアイデアは、例えばGRAILという会社で、商用製品に変わった。 そこで本研究では,血液サンプル分析に基づく攻撃性癌腫瘍検出のためのシグナチャ理論の活用について検討する。 我々のアプローチは、血液中のctDNAレベルの動態を連続的にモデル化するMarkovのツールと、効率的なテスト手順を構築するための署名理論を組み合わせる。 署名理論は、機械学習コミュニティ(Chevyrev2016とFermanian2021を参照)への関心が高まっているトピックである。 本研究は,患者1人あたりの血液サンプル数が極めて少ないため,データ不足を克服する上での課題を正しく解決することを目的としている。 本手法の妥当性は,提案したパイプラインの効率性を確認するための広範な数値実験で示される。

関連論文リスト

• A Novel Approach to Linking Histology Images with DNA Methylation [8.947503179743167]
  異常なメチル化パターンは遺伝子発現を阻害し、がんの発生と関連している。 サンプル間のコヒーレントパターンを示す遺伝子群のメチル化状態を予測するために,エンド・ツー・エンドグラフニューラルネットワークを用いた弱教師付き学習フレームワークを提案する。 本研究は,遺伝子群について遺伝子セットの富化分析を行い,遺伝子群の大部分が重要な特徴と経路において著しく富化されていることを示す。
  論文  参考訳（メタデータ） (2025-04-07T18:19:01Z)
• Boosting Medical Image-based Cancer Detection via Text-guided Supervision from Reports [68.39938936308023]
  本研究では, 高精度ながん検出を実現するための新しいテキスト誘導学習法を提案する。 本手法は,大規模プレトレーニングVLMによる臨床知識の活用により,一般化能力の向上が期待できる。
  論文  参考訳（メタデータ） (2024-05-23T07:03:38Z)
• Optimizing OOD Detection in Molecular Graphs: A Novel Approach with Diffusion Models [71.39421638547164]
  本稿では,入力分子と再構成グラフの類似性を比較する補助拡散モデルに基づくフレームワークを用いてOOD分子を検出することを提案する。 IDトレーニングサンプルの再構成に向けた生成バイアスのため、OOD分子の類似度スコアは検出を容易にするためにはるかに低い。 本研究は,PGR-MOOD(PGR-MOOD)とよばれる分子OOD検出のためのプロトタイプグラフ再構成のアプローチを開拓し,3つのイノベーションを生かした。
  論文  参考訳（メタデータ） (2024-04-24T03:25:53Z)
• Cancer-Net PCa-Gen: Synthesis of Realistic Prostate Diffusion Weighted Imaging Data via Anatomic-Conditional Controlled Latent Diffusion [68.45407109385306]
  カナダでは、前立腺がんは男性でもっとも一般的ながんであり、2022年のこの人口統計では、新しいがん症例の20%を占めている。 拡散強調画像(DWI)データを用いた前立腺癌診断,予後,治療計画のためのディープニューラルネットワークの開発には大きな関心が寄せられている。 本研究では,解剖学的条件制御型潜伏拡散戦略の導入により,現実的な前立腺DWIデータを生成するための潜伏拡散の有効性について検討した。
  論文  参考訳（メタデータ） (2023-11-30T15:11:03Z)
• Improving Performance in Colorectal Cancer Histology Decomposition using Deep and Ensemble Machine Learning [0.7082642128219231]
  組織学的にヘマトキシリンとエオシンで染色されたサンプルは、一般的に大腸癌管理に用いられている。 近年の研究では、手軽に利用できる画像から臨床関連バイオマーカーの抽出を容易にするための畳み込みニューラルネットワーク(CNN)の可能性を強調している。 CNNベースのバイオマーカーは、スピード、自動化、最小コストの利点を付加して、患者の結果をゴールデンスタンダードと同等に予測することができる。
  論文  参考訳（メタデータ） (2023-10-25T19:46:27Z)
• ANNCRIPS: Artificial Neural Networks for Cancer Research In Prediction & Survival [0.0]
  本研究では,ニューラルネットワーク(ANN)を用いたインテリジェントな数学的モデルの開発と検証に焦点をあてる。 このモデルの実装は、偽陽性の発生率を減らし、患者の結果を改善する有望な可能性を示す。 長期的な目標は、このソリューションを様々なスクリーニングセンター、病院、研究機関に展開できるようにすることである。
  論文  参考訳（メタデータ） (2023-09-26T08:11:35Z)
• Pathology-and-genomics Multimodal Transformer for Survival Outcome Prediction [43.1748594898772]
  大腸癌生存予測に病理学とゲノム学的知見を統合したマルチモーダルトランスフォーマー(PathOmics)を提案する。 ギガピクセル全スライド画像における組織ミクロ環境間の内在的相互作用を捉えるための教師なし事前訓練を強調した。 我々は,TCGA大腸癌と直腸癌コホートの両方に対するアプローチを評価し,提案手法は競争力があり,最先端の研究より優れていることを示す。
  論文  参考訳（メタデータ） (2023-07-22T00:59:26Z)
• Multiple Instance Neural Networks Based on Sparse Attention for Cancer Detection using T-cell Receptor Sequences [10.199698726118003]
  本稿では,スパースアテンション(MINN-SA)に基づく複数インスタンスニューラルネットワークを提案する。 MINN-SAは10種類の癌で測定された平均値において、ROC曲線(AUC)値が最も高い。
  論文  参考訳（メタデータ） (2022-08-09T03:24:03Z)
• Spectral-Spatial Recurrent-Convolutional Networks for In-Vivo Hyperspectral Tumor Type Classification [49.32653090178743]
  ハイパースペクトル画像とディープラーニングを用いたin-vivo腫瘍型分類の可能性を示した。 我々の最良のモデルは76.3%のAUCを達成し、従来の学習手法とディープラーニング手法を著しく上回っている。
  論文  参考訳（メタデータ） (2020-07-02T12:00:53Z)
• Short Term Blood Glucose Prediction based on Continuous Glucose Monitoring Data [53.01543207478818]
  本研究では,デジタル意思決定支援ツールの入力として連続グルコースモニタリング(Continuous Glucose Monitoring, CGM)データを利用する方法について検討する。 短時間の血液グルコース (STBG) 予測において, リカレントニューラルネットワーク (Recurrent Neural Networks, RNN) をどのように利用できるかを検討する。
  論文  参考訳（メタデータ） (2020-02-06T16:39:44Z)

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。