論文の概要: Leveraging MIMIC Datasets for Better Digital Health: A Review on Open Problems, Progress Highlights, and Future Promises

• arxiv url: http://arxiv.org/abs/2506.12808v1
• Date: Sun, 15 Jun 2025 10:47:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-17 17:28:46.898518
• Title: Leveraging MIMIC Datasets for Better Digital Health: A Review on Open Problems, Progress Highlights, and Future Promises
• Title（参考訳）: デジタルヘルス改善のためのMIMICデータセットの活用 - オープンな問題,進歩のハイライト,将来的な約束のレビュー
• Authors: Afifa Khaled, Mohammed Sabir, Rizwan Qureshi, Camillo Maria Caruso, Valerio Guarrasi, Suncheng Xiang, S Kevin Zhou,
• Abstract要約: 集中治療のための医療情報マート(MIMIC)データセットは、デジタルヘルスリサーチのカーネルとなっている。 我々は、データの粒度、濃度制限、不均一な符号化スキーム、および機械学習モデルの一般化可能性やリアルタイム実装を妨げる倫理的制約など、永続的な問題を識別する。 この調査は、次世代MIMICによるデジタルヘルスイノベーションのガイドとなる、実用的な洞察を提供する。
• 参考スコア（独自算出の注目度）: 15.072974454383925
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Medical Information Mart for Intensive Care (MIMIC) datasets have become the Kernel of Digital Health Research by providing freely accessible, deidentified records from tens of thousands of critical care admissions, enabling a broad spectrum of applications in clinical decision support, outcome prediction, and healthcare analytics. Although numerous studies and surveys have explored the predictive power and clinical utility of MIMIC based models, critical challenges in data integration, representation, and interoperability remain underexplored. This paper presents a comprehensive survey that focuses uniquely on open problems. We identify persistent issues such as data granularity, cardinality limitations, heterogeneous coding schemes, and ethical constraints that hinder the generalizability and real-time implementation of machine learning models. We highlight key progress in dimensionality reduction, temporal modelling, causal inference, and privacy preserving analytics, while also outlining promising directions including hybrid modelling, federated learning, and standardized preprocessing pipelines. By critically examining these structural limitations and their implications, this survey offers actionable insights to guide the next generation of MIMIC powered digital health innovations.
• Abstract（参考訳）: 集中治療のための医療情報マート(MIMIC)データセットは、数万の医療入院から自由にアクセス可能で特定された記録を提供することによって、デジタルヘルスリサーチのカーネルとなり、臨床決定支援、結果予測、医療分析における幅広い応用を可能にした。 MIMICベースのモデルの予測能力と臨床的有用性について多くの研究や調査が行われてきたが、データ統合、表現、相互運用における重要な課題は未解決のままである。 本稿では,オープンな問題に特化して焦点を絞った包括的調査を行う。 我々は、データの粒度、濃度制限、不均一な符号化スキーム、および機械学習モデルの一般化可能性やリアルタイム実装を妨げる倫理的制約など、永続的な問題を識別する。 我々は、次元の削減、時間的モデリング、因果推論、プライバシー保護分析の重要な進歩を強調し、一方で、ハイブリッドモデリング、フェデレートラーニング、標準化された前処理パイプラインを含む有望な方向性を概説する。 これらの構造的限界とその影響を批判的に調べることで、この調査は次世代MIMICによるデジタルヘルスイノベーションのガイドとなる実用的な洞察を提供する。

関連論文リスト

• Anomaly Detection and Generation with Diffusion Models: A Survey [51.61574868316922]
  異常検出(AD)は、サイバーセキュリティ、金融、医療、工業製造など、さまざまな分野において重要な役割を担っている。 近年のディープラーニング,特に拡散モデル(DM)の進歩は,大きな関心を集めている。 この調査は、研究者や実践者が様々なアプリケーションにまたがる革新的なADソリューションにDMを利用することをガイドすることを目的としている。
  論文  参考訳（メタデータ） (2025-06-11T03:29:18Z)
• A systematic review of challenges and proposed solutions in modeling multimodal data [0.9674145073701153]
  臨床研究における強力なアプローチとしてマルチモーダルデータモデリングが登場している。 この系統的なレビューは、69の研究から得られた知見を合成し、共通の障害を同定する。 本稿では,伝達学習,生成モデル,注意機構,有望なソリューションを提供するニューラルアーキテクチャ探索など,近年の方法論的進歩に注目した。
  論文  参考訳（メタデータ） (2025-05-11T11:23:51Z)
• Artificial Intelligence for Personalized Prediction of Alzheimer's Disease Progression: A Survey of Methods, Data Challenges, and Future Directions [0.8249694498830561]
  Alzheimer's Disease (AD) は、その進行の個人間変異が顕著である。 本総説は,個人化されたAD予後のための臨床関連AIツールの開発における現在の知識の統合と今後の取り組みを導くことを目的としている。
  論文  参考訳（メタデータ） (2025-04-29T21:45:28Z)
• Towards Privacy-aware Mental Health AI Models: Advances, Challenges, and Opportunities [61.633126163190724]
  精神病は、社会的、個人的コストがかなり高い広範囲で不安定な状態である。 近年の人工知能(AI)の進歩は、うつ病、不安障害、双極性障害、統合失調症、外傷後ストレス障害などの病態を認識し、対処するための大きな可能性を秘めている。 データセットやトレーニング済みモデルからの機密データ漏洩のリスクを含むプライバシー上の懸念は、これらのAIシステムを実際の臨床環境にデプロイする上で、依然として重要な障壁である。
  論文  参考訳（メタデータ） (2025-02-01T15:10:02Z)
• Electronic Health Records: Towards Digital Twins in Healthcare [1.702436955667761]
  本章では、医療情報システムの進化と重要性について論じる。 英国と米国における EHR の実施に関する調査から始まる。 国際疾病分類(ICD)システムの概要を概観し、ICD-9からICD-10までの発展を辿る。 この議論の中心はMIMIC-IIIデータベースであり、これは医療データ共有における目覚ましい業績であり、世界中の研究者が自由に利用できる最も包括的なクリティカルケアデータベースである。
  論文  参考訳（メタデータ） (2025-01-16T16:30:02Z)
• TrialBench: Multi-Modal Artificial Intelligence-Ready Clinical Trial Datasets [54.98321887435557]
  本稿では, マルチモーダル入力特徴と臨床治験設計における8つの重要な予測課題を網羅した, 精巧にキュレートされた23個のAI対応データセットについて述べる。 データセットのユーザビリティと信頼性を確保するため、各タスクに基本的な検証方法を提供する。 このようなオープンアクセスデータセットが利用可能になることは、臨床試験設計のための高度なAIアプローチの開発を促進することを期待する。
  論文  参考訳（メタデータ） (2024-06-30T09:13:10Z)
• A Survey of Few-Shot Learning for Biomedical Time Series [3.845248204742053]
  データ駆動型モデルは、臨床診断を支援し、患者のケアを改善する大きな可能性を秘めている。 ラベル付きデータの不足を克服する新たなアプローチは、人間のような能力でAIメソッドを拡張して、少数ショット学習と呼ばれる限られた例で新しいタスクを学ぶことだ。 本調査は,生物医学的時系列アプリケーションのための数ショット学習手法の総合的なレビューと比較を行う。
  論文  参考訳（メタデータ） (2024-05-03T21:22:27Z)
• Data-Centric Epidemic Forecasting: A Survey [56.99209141838794]
  この調査は、様々なデータ駆動の方法論および実践的進歩を掘り下げるものである。 疫学的なデータセットと,流行予測に関連する新しいデータストリームを列挙する。 また,これらの予測システムの現実的な展開において生じる経験や課題についても論じる。
  論文  参考訳（メタデータ） (2022-07-19T16:15:11Z)

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。