論文の概要: ROC Analysis with Covariate Adjustment Using Neural Network Models: Evaluating the Role of Age in the Physical Activity-Mortality Association

• arxiv url: http://arxiv.org/abs/2510.14494v1
• Date: Thu, 16 Oct 2025 09:38:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-17 21:15:14.801572
• Title: ROC Analysis with Covariate Adjustment Using Neural Network Models: Evaluating the Role of Age in the Physical Activity-Mortality Association
• Title（参考訳）: ニューラルネットワークモデルを用いた共変量調整を用いたROC解析--身体活動・運動量関係における年齢の役割の評価
• Authors: Ziad Akram Ali Hammouri, Yating Zhou, Rahul Ghosal, Juan C. Vidal, Marcos Matabuena,
• Abstract要約: 本稿では,ニューラルネットワークに基づく共変量調整ROCモデリングのためのフレームワークを提案する。 バイオマーカーの有効性を柔軟かつ非線形に評価し、2つの基準集団間で識別することができる。 臨床ケーススタディでは、日常的な身体活動が3,5,8年の死亡率を予測するバイオマーカーとして、日々のステップカウントのプロキシとして評価されている。
• 参考スコア（独自算出の注目度）: 0.5008482724829301
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The receiver operating characteristic (ROC) curve and its summary measure, the Area Under the Curve (AUC), are well-established tools for evaluating the efficacy of biomarkers in biomedical studies. Compared to the traditional ROC curve, the covariate-adjusted ROC curve allows for individual evaluation of the biomarker. However, the use of machine learning models has rarely been explored in this context, despite their potential to develop more powerful and sophisticated approaches for biomarker evaluation. The goal of this paper is to propose a framework for neural network-based covariate-adjusted ROC modeling that allows flexible and nonlinear evaluation of the effectiveness of a biomarker to discriminate between two reference populations. The finite-sample performance of our method is investigated through extensive simulation tests under varying dependency structures between biomarkers, covariates, and referenced populations. The methodology is further illustrated in a clinically case study that assesses daily physical activity - measured as total activity time (TAC), a proxy for daily step count-as a biomarker to predict mortality at three, five and eight years. Analyzes stratified by sex and adjusted for age and BMI reveal distinct covariate effects on mortality outcomes. These results underscore the importance of covariate-adjusted modeling in biomarker evaluation and highlight TAC's potential as a functional capacity biomarker based on specific individual characteristics.
• Abstract（参考訳）: 生医学研究におけるバイオマーカーの有効性を評価するために, 受信機動作特性(ROC)曲線とその要約尺度であるAUC(Area Under the Curve)が確立された。 従来のROC曲線と比較して、共変量調整ROC曲線はバイオマーカーの個別評価を可能にする。 しかし、バイオマーカー評価のためのより強力で洗練されたアプローチを開発する可能性にもかかわらず、この文脈で機械学習モデルを使用することはめったに行われていない。 本研究の目的は,バイオマーカーの有効性を柔軟かつ非線形に評価できるニューラルネットワークに基づく共変量調整ROCモデリングのためのフレームワークを提案することである。 本手法の有限サンプル性能は, バイオマーカー, 共変量, 参照集団間の依存性構造の違いによる広範囲なシミュレーション試験により検討した。 さらに本手法は,3～5～8年で死亡率を予測するバイオマーカーとして,日常的な活動時間(TAC)を測定した臨床ケーススタディで説明されている。 性別によって階層化され、年齢に合わせて調整され、BMIは死亡率に明らかな共変量の影響を明らかにした。 これらの結果は, バイオマーカー評価における共変量調整モデルの重要性を浮き彫りにし, 個々の特性に基づいて, 機能性バイオマーカーとしてのTACの可能性を強調した。

関連論文リスト

• Multimodal AI-driven Biomarker for Early Detection of Cancer Cachexia [14.27396467108753]
  がんキャッシュキシアは多因子症候群であり、進行性筋肉の洗浄、代謝異常、全身炎症を特徴とする。 キャッシュキシアに決定的なバイオマーカーは存在しない。 本研究では,早期がんキャッシュリア検出のためのマルチモーダルAIベースのバイオマーカーを提案する。
  論文  参考訳（メタデータ） (2025-03-09T22:32:37Z)
• Spatio-Temporal Similarity Measure based Multi-Task Learning for Predicting Alzheimer's Disease Progression using MRI Data [18.669489433316127]
  本稿では,アルツハイマー病の進行を効果的に予測するための,新しい時間的類似度尺度に基づくマルチタスク学習手法を提案する。 また, バイオマーカー間の関係の変化を識別するために, 縦方向の安定性の選択を行うことも可能である。 本研究では,皮質体積および表面積の相乗的劣化指標が認知的予測に有意な影響を及ぼすことを証明した。
  論文  参考訳（メタデータ） (2023-11-06T21:59:19Z)
• Simulation-based Inference for Cardiovascular Models [43.55219268578912]
  シミュレーションに基づく推論を用いて、波形をプラプシブルな生理的パラメータにマッピングする逆問題を解決する。 臨床応用5種類のバイオマーカーのin-silico不確実性解析を行った。 我々はMIMIC-III波形データベースを用いて,ビビオとシリカのギャップについて検討した。
  論文  参考訳（メタデータ） (2023-07-26T02:34:57Z)
• A marker-less human motion analysis system for motion-based biomarker discovery in knee disorders [60.99112047564336]
  NHSは低リスクの全ての患者に会うのが難しくなっているが、これはOA患者に限らない。 膝関節疾患の診断と治療経過のモニタリングのためのバイオマーカー自動同定法を提案する。
  論文  参考訳（メタデータ） (2023-04-26T16:47:42Z)
• Regression-based Deep-Learning predicts molecular biomarkers from pathology slides [40.24757332810004]
  我々は,画像から直接バイオマーカーを予測する自己監督型弱教師付き回帰手法を開発し,評価した。 回帰を用いて、バイオマーカー予測の精度を著しく向上させ、また、分類よりも結果の解釈可能性を向上させる。 我々のオープンソースレグレッションアプローチは、計算病理学における連続バイオマーカー解析に有望な代替手段を提供する。
  論文  参考訳（メタデータ） (2023-04-11T11:43:51Z)
• The Future will be Different than Today: Model Evaluation Considerations when Developing Translational Clinical Biomarker [4.549866091318765]
  従来のクロスバリデーション(cv)方式の代わりに,LOSO(Left-one-Study-out)を用いた評価戦略を提案する。 バイオマーカーの効果を推定するためのK-fold vs. LOSO cvの性能を示すために,臨床実験およびシミュレーション研究のデータを活用した。
  論文  参考訳（メタデータ） (2021-07-13T19:36:25Z)
• Cancer Gene Profiling through Unsupervised Discovery [49.28556294619424]
  低次元遺伝子バイオマーカーを発見するための,新しい,自動かつ教師なしのフレームワークを提案する。 本手法は,高次元中心型非監視クラスタリングアルゴリズムLP-Stabilityアルゴリズムに基づく。 私達の署名は免疫炎症および免疫砂漠の腫瘍の区別の有望な結果報告します。
  論文  参考訳（メタデータ） (2021-02-11T09:04:45Z)
• G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for Biomarker Identification and Disease Classification [49.53651166356737]
  診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。 2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
  論文  参考訳（メタデータ） (2021-01-27T19:28:04Z)
• 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)

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。