論文の概要: Universal Laboratory Model: prognosis of abnormal clinical outcomes based on routine tests

• arxiv url: http://arxiv.org/abs/2506.15330v1
• Date: Wed, 18 Jun 2025 10:10:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-19 19:35:51.628895
• Title: Universal Laboratory Model: prognosis of abnormal clinical outcomes based on routine tests
• Title（参考訳）: ユニバーサル・ラボラトリー・モデル:定期検査に基づく異常な臨床結果の予後
• Authors: Pavel Karpov, Ilya Petrenkov, Ruslan Raiman,
• Abstract要約: 日常的な生化学パネルとCBC(Common Blood Count)テストを組み合わせると、患者によって異なるテスト値ペアのセットが提示される。 本手法を臨床検査データに適用し,高尿酸,グルコース,コレステロール,低フェリチン濃度を予測する。 その結果, 高尿酸, グルコース, コレステロール, 低フェリチン濃度の同時予測では, 最大8%のAUCが得られた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Clinical laboratory results are ubiquitous in any diagnosis making. Predicting abnormal values of not prescribed tests based on the results of performed tests looks intriguing, as it would be possible to make early diagnosis available to everyone. The special place is taken by the Common Blood Count (CBC) test, as it is the most widely used clinical procedure. Combining routine biochemical panels with CBC presents a set of test-value pairs that varies from patient to patient, or, in common settings, a table with missing values. Here we formulate a tabular modeling problem as a set translation problem where the source set comprises pairs of GPT-like label column embedding and its corresponding value while the target set consists of the same type embeddings only. The proposed approach can effectively deal with missing values without implicitly estimating them and bridges the world of LLM with the tabular domain. Applying this method to clinical laboratory data, we achieve an improvement up to 8% AUC for joint predictions of high uric acid, glucose, cholesterol, and low ferritin levels.
• Abstract（参考訳）: 臨床検査結果はどの診断にも至らない。 検査結果に基づいて未定検査の異常値を予測することは,早期診断が誰にでも手に入る可能性があり,興味をそそられる。 特別な場所はCBC(Common Blood Count)テスト(Common Blood Count)によって行われ、最も広く用いられている臨床試験である。 CBCと通常の生化学パネルを組み合わせると、患者から患者、または一般的な設定では、欠落した値のテーブルのセットが提示される。 本稿では,GPTライクなラベル列埋め込みのペアと対応する値とを対象セットが同一の型埋め込みのみからなる場合の集合変換問題として表形式モデリング問題を定式化する。 提案手法は,隠れた値を暗黙的に推定することなく効果的に処理し,表領域でLLMの世界を橋渡しする。 本法を臨床検査データに適用し, 高尿酸, グルコース, コレステロール, 低フェリチン濃度の同時予測において, 最大8%のAUCの改善を実現した。

関連論文リスト

• Evaluating the Impact of Lab Test Results on Large Language Models Generated Differential Diagnoses from Clinical Case Vignettes [20.651573628726148]
  本研究では,実験結果が大規模言語モデル(LLM)による差分診断に及ぼす影響を評価する。 LLMs GPT-4, GPT-3.5, Llama-2-70b, Claude-2, Mixtral-8x7B を用いてTop 10, Top 5, Top 1 DDx の生成実験を行った。 GPT-4は、トップ1の診断で55%、研究所のデータでトップ10で60%の精度で、精度は80%まで向上した。 肝臓機能、代謝・毒性パネル、血清・免疫検査を含む実験室検査は一般的に正しく解釈された。
  論文  参考訳（メタデータ） (2024-11-01T02:48:32Z)
• A Hybrid Feature Fusion Deep Learning Framework for Leukemia Cancer Detection in Microscopic Blood Sample Using Gated Recurrent Unit and Uncertainty Quantification [1.024113475677323]
  白血病は、顕微鏡で血液や骨髄の腫れを分析して診断され、さらなる細胞化学的検査によって確認される。 深層学習は、白血病細胞の検出を補助する、顕微鏡スミア画像を分類する高度な方法を提供している。 本研究では,急性リンパ性白血病(ALL)の分類のためのハイブリッドディープラーニングモデルを構築した。 提案手法は、ALL-IDB1データセットで100%、ALL-IDB2データセットで98.07%、組み合わせたデータセットで98.64%という顕著な検出精度を達成した。
  論文  参考訳（メタデータ） (2024-10-18T15:23:34Z)
• Text Classification of Cancer Clinical Trial Eligibility Criteria [3.372747046563984]
  悪性腫瘍,ヒト免疫不全ウイルス,B型肝炎,C型肝炎,精神疾患,薬物・物質乱用,自己免疫疾患の7つの共通排除基準に注目した。 本データセットは,第764相臨床試験からなり,これらの除外は試験レベルでアノテートされる。 以上の結果から,共通排他基準を自動分類できる可能性が示唆された。
  論文  参考訳（メタデータ） (2023-09-14T15:59:16Z)
• TREEMENT: Interpretable Patient-Trial Matching via Personalized Dynamic Tree-Based Memory Network [54.332862955411656]
  臨床試験は薬物開発に不可欠であるが、しばしば高価で非効率な患者募集に苦しむ。 近年,患者と臨床試験を自動マッチングすることで患者採用を高速化する機械学習モデルが提案されている。 本稿では,TREement という名前の動的ツリーベースメモリネットワークモデルを導入する。
  論文  参考訳（メタデータ） (2023-07-19T12:35:09Z)
• Hierarchical Semi-Supervised Contrastive Learning for Contamination-Resistant Anomaly Detection [81.07346419422605]
  異常検出は、通常のデータ分布から逸脱したサンプルを特定することを目的としている。 コントラスト学習は、異常の効果的な識別を可能にする表現のサンプル化に成功している。 汚染耐性異常検出のための新しい階層型半教師付きコントラスト学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-07-24T18:49:26Z)
• Statistical and Computational Phase Transitions in Group Testing [73.55361918807883]
  本研究の目的は、希少な疾患を患っているk人の集団を同定することである。 個々人のテストを割り当てるための2つの異なる単純なランダムな手順を考える。
  論文  参考訳（メタデータ） (2022-06-15T16:38:50Z)
• HINT: Hierarchical Interaction Network for Trial Outcome Prediction Leveraging Web Data [56.53715632642495]
  臨床試験は、有効性、安全性、または患者採用の問題により、不確実な結果に直面する。 本稿では,より一般的な臨床試験結果予測のための階層型Interaction Network(HINT)を提案する。
  論文  参考訳（メタデータ） (2021-02-08T15:09:07Z)
• Bayesian prognostic covariate adjustment [59.75318183140857]
  疾患の結果に関する歴史的データは、様々な方法で臨床試験の分析に組み込むことができる。 我々は, 予測モデルからの予後スコアを用いて, 治療効果推定の効率を向上する既存の文献に基づいて構築する。
  論文  参考訳（メタデータ） (2020-12-24T05:19:03Z)
• A decision-making tool to fine-tune abnormal levels in the complete blood count tests [0.0]
  血液分析装置による全血液計数(CBC)は最も順調な検査の1つである。 国際血液学グループ (International Consensus Group for Hematology Review) は2005年にCBCをレビューするための一連の基準を発表した。 本研究の目的は,どのCBC変数が異常スミアのリスクが高いかを特定するための意思決定支援ツールを提供することである。
  論文  参考訳（メタデータ） (2020-11-11T16:47:03Z)
• Personalized pathology test for Cardio-vascular disease: Approximate Bayesian computation with discriminative summary statistics learning [48.7576911714538]
  近似計算を用いて生物学的に有意なパラメータを推定するための血小板沈着モデルと推論手法を提案する。 この研究は、CVDの検出と治療のためのパーソナライズされた病理検査の先例のない機会を開く。
  論文  参考訳（メタデータ） (2020-10-13T15:20:21Z)
• Predicting Clinical Trial Results by Implicit Evidence Integration [40.80948875051806]
  新規な臨床試験結果予測(CTRP)タスクを導入する。 CTRPフレームワークでは、モデルがPICO形式の臨床試験の提案を受け、その背景を入力として、その結果を予測する。 PICOを暗黙的に含む医学文献から大規模非構造化文を引用し,その結果を証拠とした。
  論文  参考訳（メタデータ） (2020-10-12T12:25:41Z)

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。