論文の概要: Utilizing the RAIN method and Graph SAGE Model to Identify Effective Drug Combinations for Gastric Neoplasm Treatment

• arxiv url: http://arxiv.org/abs/2508.13207v1
• Date: Sat, 16 Aug 2025 10:19:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-20 15:36:31.65423
• Title: Utilizing the RAIN method and Graph SAGE Model to Identify Effective Drug Combinations for Gastric Neoplasm Treatment
• Title（参考訳）: 胃癌治療における薬物併用効果の同定にRAIN法とグラフサージ法を応用した1例
• Authors: S. Z. Pirasteh, Ali A. Kiaei, Mahnaz Bush, Sabra Moghadam, Raha Aghaei, Behnaz Sadeghigol,
• Abstract要約: RAIN法はグラフSAGEを統合し、薬物の組み合わせを提案する。 提案された薬物を検証し、その後にPythonで実装された有効性を評価するためのネットワークメタ分析を行った。 フルオロラシル単独のp値は0.0229であり、トラストゥズマブで0.0099、三重結合で0.0069と改善され、優れた効果を示した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Background: Gastric neoplasm, primarily adenocarcinoma, is an aggressive cancer with high mortality, often diagnosed late, leading to complications like metastasis. Effective drug combinations are vital to address disease heterogeneity, enhance efficacy, reduce resistance, and improve patient outcomes. Methods: The RAIN method integrated Graph SAGE to propose drug combinations, using a graph model with p-value-weighted edges connecting drugs, genes, and proteins. NLP and systematic literature review (PubMed, Scopus, etc.) validated proposed drugs, followed by network meta-analysis to assess efficacy, implemented in Python. Results: Oxaliplatin, fluorouracil, and trastuzumab were identified as effective, supported by 61 studies. Fluorouracil alone had a p-value of 0.0229, improving to 0.0099 with trastuzumab, and 0.0069 for the triple combination, indicating superior efficacy. Conclusion: The RAIN method, combining AI and network meta-analysis, effectively identifies optimal drug combinations for gastric neoplasm, offering a promising strategy to enhance treatment outcomes and guide health policy.
• Abstract（参考訳）: 背景:胃癌(主に腺癌)は死亡率が高く、しばしば遅発性と診断され、転移などの合併症を来す。 効果的な薬物の組み合わせは、病気の不均一性に対処し、効果を高め、耐性を低下させ、患者の結果を改善するのに不可欠である。 方法: RAIN法は、薬物、遺伝子、タンパク質を結合するp値重み付きエッジを持つグラフモデルを用いて、グラフSAGEを統合して薬物の組み合わせを提案する。 NLPおよび体系的な文献レビュー(PubMed, Scopusなど)は、提案された薬物を検証し、その後、ネットワークメタ分析により、Pythonで実装された有効性を評価する。 結果: Oxaliplatin, fluorouracil, trastuzumabは61。 フルオロラシル単独のp値は0.0229であり、トラストゥズマブで0.0099、三重結合で0.0069と改善され、優れた効果を示した。 結論: RAIN法は,AIとネットワークメタアナリシスを併用し,胃癌に対する最適な薬物の組み合わせを効果的に同定し,治療結果を向上し,健康政策を導くための有望な戦略を提供する。

関連論文リスト

• A Computational Approach to Epilepsy Treatment: An AI-optimized Global Natural Product Prescription System [0.5439020425819]
  てんかんは世界中で何百万もの患者を抱える神経疾患である。 多くの人は、従来の抗てんかん薬の効力と副作用が限られているため、代替医療に移行している。 我々は,グローバルな天然物のAI駆動分析により,局所てんかん治療を最適化する計算手法を開発した。
  論文  参考訳（メタデータ） (2025-05-10T08:14:20Z)
• Multimodal AI predicts clinical outcomes of drug combinations from preclinical data [7.522186980639714]
  我々は、構造、経路、細胞生存性、転写データから学習するマルチモーダルAIモデルMADRIGALを紹介する。 953の臨床的結果と21842の化合物にまたがる薬物の組み合わせ効果を予測する。 単一モダリティ法や最先端のモデルより優れており、有害な薬物相互作用を予測する。
  論文  参考訳（メタデータ） (2025-03-04T16:55:14Z)
• A new algorithm for Subgroup Set Discovery based on Information Gain [58.720142291102135]
  Information Gained Subgroup Discovery (IGSD)は、パターン発見のための新しいSDアルゴリズムである。 IGSDと最先端の2つのSDアルゴリズム(FSSDとSSD++)を比較した。 IGSDはFSSDやSSD++よりもOR値が優れており、パターンとターゲットへの依存度が高い。
  論文  参考訳（メタデータ） (2023-07-26T21:42:34Z)
• Drug Synergistic Combinations Predictions via Large-Scale Pre-Training and Graph Structure Learning [82.93806087715507]
  薬物併用療法は、より有効で安全性の低い疾患治療のための確立された戦略である。 ディープラーニングモデルは、シナジスティックな組み合わせを発見する効率的な方法として登場した。 我々のフレームワークは、他のディープラーニングベースの手法と比較して最先端の結果を達成する。
  論文  参考訳（メタデータ） (2023-01-14T15:07:43Z)
• Neural Bandits for Data Mining: Searching for Dangerous Polypharmacy [63.135687276599114]
  一部の多薬局は、不適切とみなされており、死亡や入院などの健康上の有害な結果に関係している可能性がある。 我々は、クレームデータセットを効率的にマイニングし、薬物の組み合わせと健康結果の関係の予測モデルを構築するためのOptimNeuralTS戦略を提案する。 提案手法では,最大72%のPIPを検出でき,平均精度は99%であり,30000タイムステップで検出できる。
  論文  参考訳（メタデータ） (2022-12-10T03:43:23Z)
• Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based Sparse PCA Network [93.22587316229954]
  ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。 我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2021-10-27T19:28:36Z)
• DeepDDS: deep graph neural network with attention mechanism to predict synergistic drug combinations [0.9854322576538699]
  計算スクリーニングは 薬物の組み合わせを優先する重要な方法になっています DeepDDSは16%以上の予測精度で競合手法よりも優れていた。
  論文  参考訳（メタデータ） (2021-07-06T08:25:43Z)
• Learning for Dose Allocation in Adaptive Clinical Trials with Safety Constraints [84.09488581365484]
  新しい化合物の有効性と毒性の関係がより複雑になるにつれて、第1相線量測定試験はますます困難になっている。 最も一般的に使われている方法は、毒性事象のみから学習することで、最大許容量(MTD)を特定することである。 本稿では, 毒性安全性の制約を高い確率で満たしつつ, 累積効果を最大化することを目的とした, 適応型臨床試験手法を提案する。
  論文  参考訳（メタデータ） (2020-06-09T03:06:45Z)
• A Node Embedding Framework for Integration of Similarity-based Drug Combination Prediction [7.4517333921953215]
  我々は,合成薬物の組み合わせを予測するために,NEMNのネットワーク埋め込みフレームワークを提案する。 マルチプレックスドラッグ類似性ネットワークに基づいて,異なる側面から有用な情報を統合するための代替手法を提案する。 薬物併用予測では, 外部情報源で検証した新薬を7種類検出した。
  論文  参考訳（メタデータ） (2020-02-25T02:24:47Z)

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。