論文の概要: Lifespan Pancreas Morphology for Control vs Type 2 Diabetes using AI on Largescale Clinical Imaging

• arxiv url: http://arxiv.org/abs/2508.14878v1
• Date: Wed, 20 Aug 2025 17:49:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-21 16:52:41.540868
• Title: Lifespan Pancreas Morphology for Control vs Type 2 Diabetes using AI on Largescale Clinical Imaging
• Title（参考訳）: 大規模臨床画像診断におけるAIを用いた2型糖尿病に対するライフスパン膵形態の検討
• Authors: Lucas W. Remedios, Chloe Cho, Trent M. Schwartz, Dingjie Su, Gaurav Rudravaram, Chenyu Gao, Aravind R. Krishnan, Adam M. Saunders, Michael E. Kim, Shunxing Bao, Thomas A. Lasko, Alvin C. Powers, Bennett A. Landman, John Virostko,
• Abstract要約: 0歳から90歳までの形態計測で膵の大きさと形状を測定した。 我々の目標は、AIに基づく膵臓計測のための信頼性の高い臨床画像モダリティを特定し、基準的形態的加齢傾向を確立し、タイプ2糖尿病の潜在的な偏差を検出することである。
• 参考スコア（独自算出の注目度）: 5.9107739842523
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Purpose: Understanding how the pancreas changes is critical for detecting deviations in type 2 diabetes and other pancreatic disease. We measure pancreas size and shape using morphological measurements from ages 0 to 90. Our goals are to 1) identify reliable clinical imaging modalities for AI-based pancreas measurement, 2) establish normative morphological aging trends, and 3) detect potential deviations in type 2 diabetes. Approach: We analyzed a clinically acquired dataset of 2533 patients imaged with abdominal CT or MRI. We resampled the scans to 3mm isotropic resolution, segmented the pancreas using automated methods, and extracted 13 morphological pancreas features across the lifespan. First, we assessed CT and MRI measurements to determine which modalities provide consistent lifespan trends. Second, we characterized distributions of normative morphological patterns stratified by age group and sex. Third, we used GAMLSS regression to model pancreas morphology trends in 1350 patients matched for age, sex, and type 2 diabetes status to identify any deviations from normative aging associated with type 2 diabetes. Results: When adjusting for confounders, the aging trends for 10 of 13 morphological features were significantly different between patients with type 2 diabetes and non-diabetic controls (p < 0.05 after multiple comparisons corrections). Additionally, MRI appeared to yield different pancreas measurements than CT using our AI-based method. Conclusions: We provide lifespan trends demonstrating that the size and shape of the pancreas is altered in type 2 diabetes using 675 control patients and 675 diabetes patients. Moreover, our findings reinforce that the pancreas is smaller in type 2 diabetes. Additionally, we contribute a reference of lifespan pancreas morphology from a large cohort of non-diabetic control patients in a clinical setting.
• Abstract（参考訳）: 目的:2型糖尿病および他の膵疾患における逸脱を検出するために膵臓の変化が重要であることを理解すること。 0歳から90歳までの形態計測で膵の大きさと形状を測定した。 私たちの目標は 1)AIに基づく膵臓計測のための信頼性の高い臨床画像モダリティの同定。 2)規範的形態的老化傾向を確立し、 3)2型糖尿病の潜在的な逸脱を検出する。 アプローチ: 腹部CTまたはMRIで画像診断した2533例の臨床的検討を行った。 膵を3mm等方性分解能に再サンプリングし, 自動方法で膵を分別し, 膵形態学的特徴を13例抽出した。 まずCTとMRIの計測を行い,どのモードが一貫したライフスパン傾向をもたらすかを検討した。 第2に,年齢層と性別によって成る規範的形態素パターンの分布を特徴付ける。 第3に, GAMLSSレグレッションを用いて, 年齢, 性別, および2型糖尿病と一致した1350例の膵形態の傾向をモデル化し, 2型糖尿病に関連する規範的老化から逸脱した症例を同定した。 結果: 共同ファウンダーに対する調整では, 糖尿病2型患者と糖尿病非コントロール群では, 13例中10例の加齢傾向が有意に異なっていた。 また,MRIではCTと異なる膵臓計測値が得られた。 結論:675例のコントロール患者と675例の糖尿病患者を用いて,2型糖尿病では膵の大きさと形状が変化していることを示すライフスパン傾向を示した。 さらに,2型糖尿病では膵がより小さいことが示唆された。 また,非糖尿病コントロール患者の大コホートを臨床現場で紹介した。

関連論文リスト

• Data-Driven Abdominal Phenotypes of Type 2 Diabetes in Lean, Overweight, and Obese Cohorts [5.508569823664517]
  AIにより、大規模な3D臨床画像において、腹部構造からサイズ、形状、脂肪の詳細な測定を抽出できる。 これにより、2型糖尿病のリスクと防御に関連する体組成のシグネチャを経験的に定義する機会が生まれる。 以上の結果より,2型糖尿病の腹部ドライバは体重階級で一定である可能性が示唆された。
  論文  参考訳（メタデータ） (2025-08-14T20:48:08Z)
• Insulin Resistance Prediction From Wearables and Routine Blood Biomarkers [44.735350554750916]
  われわれはインスリン抵抗性の研究のために、米国全土でこれまでで最大のデータセットをリモートで採用しました。 ディープニューラルネットワークモデルは、簡単に利用可能なデジタルバイオマーカーと血液バイオマーカーに基づいてインスリン抵抗を予測するために開発された。 モデルでは、肥満および妊娠中の被験者の93%の感度と95%の調整された特異性を示した。
  論文  参考訳（メタデータ） (2025-04-30T16:10:20Z)
• From Glucose Patterns to Health Outcomes: A Generalizable Foundation Model for Continuous Glucose Monitor Data Analysis [47.23780364438969]
  本稿では,CGMデータの生成基盤モデルであるGluFormerについて紹介する。 GluFormerは、異なる民族や年齢、5つの国、8つのCGMデバイス、多様な病態状態にまたがる19の外部コホートに一般化する。 CGMデータと12年間のフォローアップを持つ580人の成人の縦断的研究において、GluFormerは血液HbA1C%よりも糖尿病を効果的に発症するリスクが高い個人を特定する。
  論文  参考訳（メタデータ） (2024-08-20T13:19:06Z)
• SCPMan: Shape Context and Prior Constrained Multi-scale Attention Network for Pancreatic Segmentation [39.70422146937986]
  本稿では,頑健な膵分断のための形状コンテキストと事前制約を備えたマルチスケールアテンションネットワークを提案する。 我々のアーキテクチャは、ぼやけた境界に対する堅牢なセグメンテーション性能と、スケールと膵の形状の変化を提供する。
  論文  参考訳（メタデータ） (2023-12-26T03:00:25Z)
• Supervised Learning Models for Early Detection of Albuminuria Risk in Type-2 Diabetes Mellitus Patients [0.0]
  本研究の目的は,T2DM患者にアルブミン尿を発症するリスクを予測するための教師付き学習モデルを開発することである。 特徴として10の属性、目標として1の属性(アルブミン尿症)から構成される。 これはそれぞれ0.74と0.75の精度とf1スコアの値を達成し、T2DMの尿失調を予測するためのスクリーニングに適していた。
  論文  参考訳（メタデータ） (2023-09-28T08:41:12Z)
• A Benchmark for Studying Diabetic Retinopathy: Segmentation, Grading, and Transferability [76.64661091980531]
  糖尿病患者は糖尿病網膜症(DR)を発症するリスクがある コンピュータ支援型DR診断は、DRの早期検出と重度評価のための有望なツールである。 このデータセットは、ピクセルレベルのDR関連病変アノテーションを持つ1,842枚の画像と、6人の眼科医によって評価された画像レベルのラベルを持つ1,000枚の画像を有する。
  論文  参考訳（メタデータ） (2020-08-22T07:48:04Z)
• 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。