論文の概要: Whole-body Representation Learning For Competing Preclinical Disease Risk Assessment

• arxiv url: http://arxiv.org/abs/2508.02307v1
• Date: Mon, 04 Aug 2025 11:20:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-05 18:25:22.307523
• Title: Whole-body Representation Learning For Competing Preclinical Disease Risk Assessment
• Title（参考訳）: 予防的疾患リスクアセスメントと競合する全身表現学習
• Authors: Dmitrii Seletkov, Sophie Starck, Ayhan Can Erdur, Yundi Zhang, Daniel Rueckert, Rickmer Braren,
• Abstract要約: 本研究では,前臨床疾患リスク評価のための全身自己指導型表現学習法を提案する。 このアプローチは、心臓血管疾患(CVD)、T2D型糖尿病(T2D)、慢性閉塞性肺疾患(COPD)、慢性腎臓病(CKD)など、複数の疾患における全身放射能より優れている。 以上の結果から, 早期パーソナライズされたリスク階層化のための, 単体スクリーニングモダリティとしての全身表現の可能性や, 臨床におけるマルチモーダルフレームワークの一部としての可能性が示唆された。
• 参考スコア（独自算出の注目度）: 10.200639509943443
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Reliable preclinical disease risk assessment is essential to move public healthcare from reactive treatment to proactive identification and prevention. However, image-based risk prediction algorithms often consider one condition at a time and depend on hand-crafted features obtained through segmentation tools. We propose a whole-body self-supervised representation learning method for the preclinical disease risk assessment under a competing risk modeling. This approach outperforms whole-body radiomics in multiple diseases, including cardiovascular disease (CVD), type 2 diabetes (T2D), chronic obstructive pulmonary disease (COPD), and chronic kidney disease (CKD). Simulating a preclinical screening scenario and subsequently combining with cardiac MRI, it sharpens further the prediction for CVD subgroups: ischemic heart disease (IHD), hypertensive diseases (HD), and stroke. The results indicate the translational potential of whole-body representations as a standalone screening modality and as part of a multi-modal framework within clinical workflows for early personalized risk stratification. The code is available at https://github.com/yayapa/WBRLforCR/
• Abstract（参考訳）: 予防的治療から予防的診断・予防へ公衆医療を移すためには、信頼性の高い予防的疾患リスクアセスメントが不可欠である。 しかし、画像に基づくリスク予測アルゴリズムは、しばしば1つの条件を一度に考慮し、セグメンテーションツールによって得られる手作りの特徴に依存する。 本研究では, 競合するリスクモデルの下で, 予防的疾患リスク評価のための全身自己教師型表現学習法を提案する。 このアプローチは、心臓血管疾患(CVD)、2型糖尿病(T2D)、慢性閉塞性肺疾患(COPD)、慢性腎臓病(CKD)など、複数の疾患において全身の放射能より優れている。 虚血性心疾患(IHD)、高血圧性疾患(HD)、脳卒中などのCVDサブグループの予知を促進する。 以上の結果から, 早期パーソナライズされたリスク階層化のための臨床ワークフローにおいて, 全身表現を独立したスクリーニングモダリティとして, マルチモーダルフレームワークの一部として翻訳する可能性が示唆された。 コードはhttps://github.com/yayapa/WBRLforCR/で入手できる。

関連論文リスト

• VAMPIRE: Uncovering Vessel Directional and Morphological Information from OCTA Images for Cardiovascular Disease Risk Factor Prediction [7.586356391440063]
  本稿では,CVDリスクとCVD関連条件予測を共同で行う,CVDリスク評価の多目的パラダイムを提案する。 CVDリスクアセスメントのための最初のOCTAデータセットであるOCTA-CVDと、OCTAエンフェイス画像に基づくInformative Enhancement (VAMPIRE)を用いたVessel-Aware Mambaベースの予測モデルを紹介する。
  論文  参考訳（メタデータ） (2025-07-26T17:12:44Z)
• MOSCARD -- Causal Reasoning and De-confounding for Multimodal Opportunistic Screening of Cardiovascular Adverse Events [3.206697649226124]
  MACE(Major Adverse Cardiovascular Events)は、2021年のGlobal Disease Studyで報告された、世界の死亡率の主要な原因である。 機会論的スクリーニングは、定期的な健康チェックから収集されたデータを活用し、マルチモーダルデータはリスクのある個人を特定する上で重要な役割を果たす。 そこで我々は,MOSCARD(MOSCARD, Multimodal causal reasoning with co-attention)という新たな予測モデリングフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-06-23T22:28:37Z)
• Adaptable Cardiovascular Disease Risk Prediction from Heterogeneous Data using Large Language Models [70.64969663547703]
  AdaCVDは、英国バイオバンクから50万人以上の参加者を対象に、大規模な言語モデルに基づいて構築された適応可能なCVDリスク予測フレームワークである。 包括的かつ可変的な患者情報を柔軟に取り込み、構造化データと非構造化テキストの両方をシームレスに統合し、最小限の追加データを使用して新規患者の集団に迅速に適応する。
  論文  参考訳（メタデータ） (2025-05-30T14:42:02Z)
• A Joint Representation Using Continuous and Discrete Features for Cardiovascular Diseases Risk Prediction on Chest CT Scans [12.652540031719571]
  胸部CT画像から抽出した離散的量的バイオマーカーと連続的な深部特徴を統合した新しい関節表現法を提案する。 本手法はCVDリスク予測性能を大幅に改善し,各バイオマーカーの個人貢献分析を行う。
  論文  参考訳（メタデータ） (2024-10-24T10:06:45Z)
• Integrating Deep Learning with Fundus and Optical Coherence Tomography for Cardiovascular Disease Prediction [47.7045293755736]
  心血管疾患(CVD)のリスクのある患者の早期発見は、効果的な予防ケア、医療負担の軽減、患者の生活の質の向上に不可欠である。 本研究は、網膜光コヒーレンス断層撮影(OCT)と眼底写真との併用による、将来の心疾患の特定の可能性を示すものである。 そこで我々は,MCVAE(Multi- Channel Variational Autoencoder)に基づく新たなバイナリ分類ネットワークを提案し,患者の眼底画像とOCT画像の潜伏埋め込みを学習し,個人を将来CVDを発症する可能性のあるものとそうでないものとの2つのグループに分類する。
  論文  参考訳（メタデータ） (2024-10-18T12:37:51Z)
• Early Risk Assessment Model for ICA Timing Strategy in Unstable Angina Patients Using Multi-Modal Machine Learning [5.070772577047069]
  不安定狭心症(UA)を含む心血管疾患の診断のための金の基準として、浸潤性冠動脈造影(ICA)が認められている 心筋梗塞とは異なり、UAはST偏位や心筋酵素のような特定の指標を持っておらず、リスクアセスメントが複雑になる。 本研究の目的は,UA患者に対する早期リスクアセスメントを機械学習アルゴリズムを用いて向上することである。
  論文  参考訳（メタデータ） (2024-08-08T07:24:28Z)
• Petal-X: Human-Centered Visual Explanations to Improve Cardiovascular Risk Communication [1.4613744540785565]
  本研究は臨床医が共有した意思決定を支援する新しいツールであるPetal-Xの設計と実装について述べる。 Petal-Xは、新しいビジュアライゼーション、Petal Product Plots、そしてSCORE2のテーラーメイドのグローバルサロゲートモデルに依存している。
  論文  参考訳（メタデータ） (2024-06-26T18:48:50Z)
• Revisiting Computer-Aided Tuberculosis Diagnosis [56.80999479735375]
  結核(TB)は世界的な健康上の脅威であり、毎年何百万人もの死者を出している。 深層学習を用いたコンピュータ支援結核診断 (CTD) は有望であるが, 限られたトレーニングデータによって進行が妨げられている。 結核X線(TBX11K)データセットは11,200個の胸部X線(CXR)画像とそれに対応するTB領域のバウンディングボックスアノテーションを含む。 このデータセットは、高品質なCTDのための洗練された検出器のトレーニングを可能にする。
  論文  参考訳（メタデータ） (2023-07-06T08:27:48Z)
• Diagnosis Uncertain Models For Medical Risk Prediction [80.07192791931533]
  本研究は, 患者の診断にはアクセスできない, バイタルサイン, 検査値, 既往歴にアクセス可能な患者リスクモデルについて考察する。 このようなすべての原因のリスクモデルが、診断全体にわたって良い一般化を持つが、予測可能な障害モードを持つことが示される。 患者診断の不確実性から生じるリスク予測の不確実性を明示的にモデル化し,この問題に対する対策を提案する。
  論文  参考訳（メタデータ） (2023-06-29T23:36:04Z)
• Penalized Deep Partially Linear Cox Models with Application to CT Scans of Lung Cancer Patients [42.09584755334577]
  肺がんは世界中のがん死亡の原因であり、効果的な治療法を設計するための死亡リスクを理解することの重要性を強調している。 NLST(National Lung Screening Trial)は、肺がん患者の死亡リスクを定量化するために、CTテクスチャ解析を用いている。 本稿では,SCADペナルティを組み込んで重要なテクスチャ特徴を抽出し,深層ニューラルネットワークを用いてモデルの非パラメトリック成分を推定する,Pentalized Deep partially Linear Cox Model (Penalized DPLC)を提案する。
  論文  参考訳（メタデータ） (2023-03-09T15:38:16Z)
• SurvLatent ODE : A Neural ODE based time-to-event model with competing risks for longitudinal data improves cancer-associated Deep Vein Thrombosis (DVT) prediction [68.8204255655161]
  本稿では,不規則なサンプルデータの下で潜在表現をパラメータ化する生成時間対イベントモデルSurvLatent ODEを提案する。 そこで,本モデルでは,事象特異的ハザード関数の形状を指定せずに,複数の競合イベントの生存時間を柔軟に推定する。 SurvLatent ODEは、DVTリスクグループを成層化するために、現在の臨床標準であるKhorana Riskスコアより優れている。
  論文  参考訳（メタデータ） (2022-04-20T17:28:08Z)
• Prediction of the onset of cardiovascular diseases from electronic health records using multi-task gated recurrent units [51.14334174570822]
  本稿では,電子カルテから心血管イベントを予測するための注意機構を備えたマルチタスク・リカレントニューラルネットワークを提案する。 提案手法は、NHS Foundation Trustの5年間のデータを用いて、標準的な臨床リスク予測器(QRISK)と機械学習の代替手段と比較される。
  論文  参考訳（メタデータ） (2020-07-16T17:43:13Z)

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。

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。