論文の概要: Towards Multimodal Representation Learning in Paediatric Kidney Disease
- arxiv url: http://arxiv.org/abs/2511.13637v1
- Date: Mon, 17 Nov 2025 17:50:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-18 18:52:09.645979
- Title: Towards Multimodal Representation Learning in Paediatric Kidney Disease
- Title（参考訳）: 小児腎臓病におけるマルチモーダル表現学習に向けて
- Authors: Ana Durica, John Booth, Ivana Drobnjak,
- Abstract要約: 本研究では,縦断的な実験室配列と人口統計情報を統合する時間的モデリング手法について検討した。
これらのデータに基づいてトレーニングされた反復神経モデルを用いて、30日以内に子供が異常な血清クレアチニン値を記録するかどうかを予測した。
パイロット研究として評価されたこの研究は、単純な時間的表現が日常的な小児医学データで有用なパターンを捉えることができるという最初のデモンストレーションを提供する。
- 参考スコア（独自算出の注目度）: 1.1894888369348462
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Paediatric kidney disease varies widely in its presentation and progression, which calls for continuous monitoring of renal function. Using electronic health records collected between 2019 and 2025 at Great Ormond Street Hospital, a leading UK paediatric hospital, we explored a temporal modelling approach that integrates longitudinal laboratory sequences with demographic information. A recurrent neural model trained on these data was used to predict whether a child would record an abnormal serum creatinine value within the following thirty days. Framed as a pilot study, this work provides an initial demonstration that simple temporal representations can capture useful patterns in routine paediatric data and lays the groundwork for future multimodal extensions using additional clinical signals and more detailed renal outcomes.
- Abstract（参考訳）: 小児腎疾患は、その提示と進行において大きく変化し、腎機能の継続的なモニタリングが要求される。
英国の主要な小児科病院であるグレート・オーモンド・ストリート病院において,2019年から2025年にかけて収集された電子的健康記録を用いて,縦断的な実験結果と人口統計情報を統合した時間的モデリング手法を検討した。
これらのデータに基づいてトレーニングされた反復神経モデルを用いて、30日以内に子供が異常な血清クレアチニン値を記録するかどうかを予測した。
パイロットスタディとして評価されたこの研究は、単純な時間的表現が日常的な小児科データにおける有用なパターンを捉え、さらなる臨床信号とより詳細な腎結果を用いて、将来のマルチモーダル拡張の基盤となることを最初のデモとして提示する。
関連論文リスト
- CTPD: Cross-Modal Temporal Pattern Discovery for Enhanced Multimodal Electronic Health Records Analysis [50.56875995511431]
マルチモーダルEHRデータから有意な時間的パターンを効率的に抽出するために,CTPD(Cross-Modal Temporal Pattern Discovery)フレームワークを導入する。
提案手法では,時間的セマンティックな埋め込みを生成するためにスロットアテンションを用いて改良された時間的パターン表現を提案する。
論文 参考訳（メタデータ） (2024-11-01T15:54:07Z) - Multimodal deep learning approach to predicting neurological recovery
from coma after cardiac arrest [2.374912052693646]
本研究の目的は,臨床データと多チャンネル脳波,心電図などの時系列データを用いて,心停止後のコマから神経学的回復を予測することである。
提案したモデルでは,自然循環復帰後,72ドル(約7,200円)の予測を行うために,隠れテストセットで0.53ドル(約5,800円)のスコアを得た。
論文 参考訳（メタデータ） (2024-03-09T22:29:24Z) - Learning Spatio-Temporal Model of Disease Progression with NeuralODEs
from Longitudinal Volumetric Data [4.998875488622879]
我々は,1つの医療スキャンを処理し,加齢関連疾患の進化をモデル化する深層学習手法を開発した。
ジオグラフィック・アトロフィーの場合,提案手法はアトロフィ成長予測において,関連するベースラインモデルよりも優れていた。
アルツハイマー病に対して, 提案法は, 疾患によって引き起こされる脳の心室変化を予測する上で, 顕著な性能を示した。
論文 参考訳（メタデータ） (2022-11-08T13:28:26Z) - Deterioration Prediction using Time-Series of Three Vital Signs and
Current Clinical Features Amongst COVID-19 Patients [6.1594622252295474]
今後3～24時間で患者が悪化するかどうかを予測できる予後モデルを構築した。
このモデルは、(a)酸素飽和度、(b)心拍数、(c)温度という、通常の三進的なバイタルサインを処理する。
ニューヨーク・ラングーン・ヘルスで37,006人のCOVID-19患者から収集したデータを用いて、モデルを訓練し、評価した。
論文 参考訳（メタデータ） (2022-10-12T02:53:43Z) - 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) - LifeLonger: A Benchmark for Continual Disease Classification [59.13735398630546]
MedMNISTコレクションの連続的な疾患分類のためのベンチマークであるLifeLongerを紹介する。
タスクとクラスでの病気の漸進的な学習は、モデルをスクラッチから再トレーニングすることなく、新しいサンプルを分類する問題に対処する。
クロスドメインインクリメンタル学習は、これまで得られた知識を維持しながら、異なる機関から派生したデータセットを扱う問題に対処する。
論文 参考訳（メタデータ） (2022-04-12T12:25:05Z) - Pseudo-domains in imaging data improve prediction of future disease
status in multi-center studies [57.712855968194305]
本研究では,多数の異なるスキャンサイトと,各サイト毎のサンプル数に対処可能な予測手法を提案する。
以上の結果より,初診後48週,12週間の肝疾患経過観察の結果から,聴力低下の予測精度が向上した。
論文 参考訳（メタデータ） (2021-11-15T09:40:54Z) - Relational Subsets Knowledge Distillation for Long-tailed Retinal
Diseases Recognition [65.77962788209103]
本研究では,長尾データを知識に基づいて複数のクラスサブセットに分割し,クラスサブセット学習を提案する。
モデルがサブセット固有の知識の学習に集中するように強制する。
提案手法は長期網膜疾患認識タスクに有効であることが判明した。
論文 参考訳（メタデータ） (2021-04-22T13:39:33Z) - Sparse Longitudinal Representations of Electronic Health Record Data for
the Early Detection of Chronic Kidney Disease in Diabetic Patients [6.040252097102974]
慢性腎疾患 (CKD) は、徐々に腎機能を失っていく疾患である。
本稿では,患者の医療記録の少ない縦長表現を学習するための新しい枠組みを提案する。
論文 参考訳（メタデータ） (2020-11-09T22:07:25Z) - M3Lung-Sys: A Deep Learning System for Multi-Class Lung Pneumonia
Screening from CT Imaging [85.00066186644466]
マルチタスク型マルチスライス深層学習システム(M3Lung-Sys)を提案する。
COVID-19とHealthy, H1N1, CAPとの鑑別に加えて, M3 Lung-Sysも関連病変の部位を特定できる。
論文 参考訳（メタデータ） (2020-10-07T06:22:24Z) - Longitudinal Pooling & Consistency Regularization to Model Disease
Progression from MRIs [11.979581631288832]
本稿では,新しい縦型プール層に特徴抽出を結合させることにより,来訪者間の特徴を結合することを提案する。
アルツハイマー病神経画像イニシアチブ(ADNI)は,正常な274例とアルコール使用障害(AUD)329例からなる。
これら3つの実験において、我々の方法は、他の広く使われている縦断的分類法よりも優れているため、脳への条件の影響をより正確に追跡するのに一意に寄与する。
論文 参考訳（メタデータ） (2020-03-31T05:28:51Z)
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。