論文の概要: KM-GPT: An Automated Pipeline for Reconstructing Individual Patient Data from Kaplan-Meier Plots
- arxiv url: http://arxiv.org/abs/2509.18141v1
- Date: Mon, 15 Sep 2025 00:38:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-24 20:41:27.412829
- Title: KM-GPT: An Automated Pipeline for Reconstructing Individual Patient Data from Kaplan-Meier Plots
- Title（参考訳）: KM-GPT:Kaplan-Meier Plotsから患者個人データを再構築するための自動パイプライン
- Authors: Yao Zhao, Haoyue Sun, Yantian Ding, Yanxun Xu,
- Abstract要約: 我々は、Kaplan-Meierプロットから直接IDDを再構築するための、最初の完全に自動化されたAI駆動パイプラインであるKM-GPTを開発した。
KM-GPTは、高度な画像前処理、GPT-5によるマルチモーダル推論、反復再構成アルゴリズムを統合している。
そのハイブリッド推論アーキテクチャは、構造化されていない情報の構造化データフローへの変換を自動化する。
KM-GPTは、合成および実世界のデータセットに対して厳格に評価され、常に優れた精度を示す。
- 参考スコア（独自算出の注目度）: 45.53914693601933
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Reconstructing individual patient data (IPD) from Kaplan-Meier (KM) plots provides valuable insights for evidence synthesis in clinical research. However, existing approaches often rely on manual digitization, which is error-prone and lacks scalability. To address these limitations, we develop KM-GPT, the first fully automated, AI-powered pipeline for reconstructing IPD directly from KM plots with high accuracy, robustness, and reproducibility. KM-GPT integrates advanced image preprocessing, multi-modal reasoning powered by GPT-5, and iterative reconstruction algorithms to generate high-quality IPD without manual input or intervention. Its hybrid reasoning architecture automates the conversion of unstructured information into structured data flows and validates data extraction from complex KM plots. To improve accessibility, KM-GPT is equipped with a user-friendly web interface and an integrated AI assistant, enabling researchers to reconstruct IPD without requiring programming expertise. KM-GPT was rigorously evaluated on synthetic and real-world datasets, consistently demonstrating superior accuracy. To illustrate its utility, we applied KM-GPT to a meta-analysis of gastric cancer immunotherapy trials, reconstructing IPD to facilitate evidence synthesis and biomarker-based subgroup analyses. By automating traditionally manual processes and providing a scalable, web-based solution, KM-GPT transforms clinical research by leveraging reconstructed IPD to enable more informed downstream analyses, supporting evidence-based decision-making.
- Abstract（参考訳）: Kaplan-Meier(KM)プロットから個別の患者データ(IPD)を再構成することは、臨床研究におけるエビデンス合成の貴重な洞察を提供する。
しかし、既存のアプローチは、しばしば手動のデジタル化に依存している。
これらの制約に対処するため、我々はKMプロットから直接IPDを高精度、堅牢性、再現性で再構築する最初の完全自動化AI駆動パイプラインであるKM-GPTを開発した。
KM-GPTは、高度な画像前処理、GPT-5によるマルチモーダル推論、および反復再構成アルゴリズムを統合し、手動入力や介入なしに高品質なIDDを生成する。
そのハイブリッド推論アーキテクチャは、構造化されていない情報の構造化データフローへの変換を自動化し、複雑なKMプロットからのデータ抽出を検証する。
アクセシビリティを向上させるため、KM-GPTはユーザフレンドリーなWebインターフェースと統合AIアシスタントを備えており、研究者はプログラミングの専門知識を必要とせずにIDDを再構築することができる。
KM-GPTは、合成および実世界のデータセットに対して厳格に評価され、常に優れた精度を示す。
そこで我々はKM-GPTを胃癌免疫療法のメタ分析に応用し,IDDを再構築し,エビデンス合成とバイオマーカーに基づくサブグループ解析を行った。
従来の手作業の自動化とWebベースのスケーラブルなソリューションの提供により、KM-GPTは、再構成IDDを活用して臨床研究を変換し、より情報的な下流分析を可能にし、エビデンスベースの意思決定を支援する。
関連論文リスト
- MEPT: Mixture of Expert Prompt Tuning as a Manifold Mapper [75.6582687942241]
本稿では,Mixture of Expert Prompt Tuning (MEPT) を効果的かつ効率的な多様体マッピングフレームワークとして提案する。
MEPTは複数のプロンプト専門家を統合し、多様な非定常データ分布を適応的に学習する。
経験的評価により、MEPTはSuperGLUE上でいくつかの最先端パラメータの効率的なベースラインより優れていることが示された。
論文 参考訳（メタデータ） (2025-08-31T21:19:25Z) - A Self-supervised Multimodal Deep Learning Approach to Differentiate Post-radiotherapy Progression from Pseudoprogression in Glioblastoma [5.98776969609135]
グリオ芽腫(GBM)に対する放射線治療後のPsPとTrue Progression(TP)の正確な鑑別は最適な治療計画に不可欠である。
本研究では, 日常的な解剖学的MRI画像, 臨床パラメータ, RT治療計画情報からの補完情報を利用して, 予測精度を向上させるマルチモーダル深層学習手法を提案する。
論文 参考訳（メタデータ） (2025-02-06T11:57:57Z) - An AI-Driven Live Systematic Reviews in the Brain-Heart Interconnectome: Minimizing Research Waste and Advancing Evidence Synthesis [29.81784450632149]
我々はブレイン・ハード・インターコネクトーム(BHI)ドメインの体系的レビューを強化するAI駆動システムを開発した。
このシステムは、PICOS(Population, Intervention, Comparator, Outcome, and Study Design)の自動検出、ベクトル埋め込みを用いたセマンティック検索、グラフベースのクエリ、トピックモデリングを統合している。
このシステムはリアルタイムのアップデートを提供し、リビングデータベースによる研究の無駄を減らし、ダッシュボードと対話型AIを備えた対話型インターフェースを提供する。
論文 参考訳（メタデータ） (2025-01-25T03:51:07Z) - SarcNet: A Novel AI-based Framework to Automatically Analyze and Score Sarcomere Organizations in Fluorescently Tagged hiPSC-CMs [9.20965688800047]
ヒト多能性幹細胞由来心筋細胞(hiPSC-CMs)におけるサルコメア構造の定量化は、心臓疾患の病態の解明、薬物スクリーニングの改善、再生医療の進展に不可欠である。
本稿では, 細胞画像を活用し, 細胞の特徴を統合し, 分化の開始からhiPSC-CMのサーコメア構造を自動的に評価する, 新たなディープラーニングベースのフレームワークを提案する。
論文 参考訳（メタデータ） (2024-05-28T07:48:10Z) - Optimal path for Biomedical Text Summarization Using Pointer GPT [21.919661430250798]
GPTモデルは、事実の誤りを発生させ、文脈を欠き、言葉を単純化する傾向にある。
これらの制約に対処するため、GPTモデルの注意機構をポインタネットワークに置き換えた。
ROUGEスコアを用いてポインター-GPTモデルの有効性を評価した。
論文 参考訳（メタデータ） (2024-03-22T02:13:23Z) - Validating polyp and instrument segmentation methods in colonoscopy through Medico 2020 and MedAI 2021 Challenges [58.32937972322058]
メディコオートマチックポリープセグメンテーション(Medico 2020)と「メディコ:医療画像の透明性(MedAI 2021)」コンペティション。
本報告では, それぞれのコントリビューションを包括的に分析し, ベストパフォーマンスメソッドの強さを強調し, クリニックへの臨床翻訳の可能性について考察する。
論文 参考訳（メタデータ） (2023-07-30T16:08:45Z) - 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) - A parameter refinement method for Ptychography based on Deep Learning
concepts [55.41644538483948]
伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。
最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。
我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
論文 参考訳（メタデータ） (2021-05-18T10:15:17Z)
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。