Fugu-MT 論文翻訳(概要): Enhancing Breast Cancer Prediction with LLM-Inferred Confounders

論文の概要: Enhancing Breast Cancer Prediction with LLM-Inferred Confounders

arxiv url: http://arxiv.org/abs/2511.17662v1
Date: Thu, 20 Nov 2025 22:19:31 GMT
ステータス: 翻訳完了
システム内更新日: 2025-11-25 18:34:24.339593
Title: Enhancing Breast Cancer Prediction with LLM-Inferred Confounders
Title（参考訳）: LLM-Inferred Confounders による乳癌予測の強化
Authors: Debmita Roy,
Abstract要約: 本研究は,大きな言語モデルを用いて乳がんの予知を行ない,疾患発生の可能性を推定する。これらのAI生成機能はランダムフォレストモデルのパフォーマンスを改善し、特にGemma(3.9%)やLlama(6.4%)のようなLLMで改善した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This study enhances breast cancer prediction by using large language models to infer the likelihood of confounding diseases, namely diabetes, obesity, and cardiovascular disease, from routine clinical data. These AI-generated features improved Random Forest model performance, particularly for LLMs like Gemma (3.9%) and Llama (6.4%). The approach shows promise for noninvasive prescreening and clinical integration, supporting improved early detection and shared decision-making in breast cancer diagnosis.
Abstract（参考訳）: 本研究は, 糖尿病, 肥満, 心血管疾患の発症確率を, 日常的な臨床データから推定するために, 大規模言語モデルを用いて乳癌の予知を促進する。これらのAI生成機能はランダムフォレストモデルの性能を改善し、特にGemma(3.9%)やLlama(6.4%)のようなLLMでは改善した。このアプローチは、乳がんの診断における早期発見と共有意思決定の改善をサポートする、非侵襲的な事前スクリーニングと臨床統合を約束する。

関連論文リスト

Towards Early Detection: AI-Based Five-Year Forecasting of Breast Cancer Risk Using Digital Breast Tomosynthesis Imaging [8.57802267735077]
現在のリスク予測モデルは、2011年にFDAが乳がん検診で承認したデジタル乳房トモシン合成(DBT)イメージングを組み込んでいない。本稿では,患者の5年間の乳がんリスクをスクリーニングから直接予測できるディープラーニング(DL)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） (2025-08-31T15:25:19Z)
CancerLLM: A Large Language Model in Cancer Domain [17.696798724373934]
CancerLLMは70億のパラメータとMistralスタイルのアーキテクチャを持つモデルで、270万近い臨床ノートと17種類のがんに関する515K以上の病理報告で事前訓練されている。 F1スコアは91.78%、表現型抽出は86.81%、ジガノア生成は86.81%である。
論文参考訳（メタデータ） (2024-06-15T01:02:48Z)
Improving Breast Cancer Grade Prediction with Multiparametric MRI Created Using Optimized Synthetic Correlated Diffusion Imaging [71.91773485443125]
乳がん治療計画において、グレーディングは重要な役割を担っている。現在の腫瘍グレード法では、患者から組織を抽出し、ストレス、不快感、医療費の上昇につながる。本稿では,CDI$s$の最適化による乳癌の診断精度の向上について検討する。
論文参考訳（メタデータ） (2024-05-13T15:48:26Z)
Using Multiparametric MRI with Optimized Synthetic Correlated Diffusion Imaging to Enhance Breast Cancer Pathologic Complete Response Prediction [71.91773485443125]
ネオアジュバント化学療法は乳癌の治療戦略として最近人気を集めている。ネオアジュバント化学療法を推奨する現在のプロセスは、医療専門家の主観的評価に依存している。本研究は, 乳癌の病理組織学的完全反応予測に最適化されたCDI$s$を応用することを検討した。
論文参考訳（メタデータ） (2024-05-13T15:40:56Z)
Cancer-Net BCa-S: Breast Cancer Grade Prediction using Volumetric Deep Radiomic Features from Synthetic Correlated Diffusion Imaging [82.74877848011798]
乳がんの流行は成長を続けており、2023年には米国で約30万人の女性に影響を及ぼした。金標準のScarff-Bloom-Richardson(SBR)グレードは、化学療法に対する患者の反応を一貫して示すことが示されている。本稿では,合成相関拡散(CDI$s$)画像を用いた乳がん鑑定における深層学習の有効性について検討する。
論文参考訳（メタデータ） (2023-04-12T15:08:34Z)
A Multi-Institutional Open-Source Benchmark Dataset for Breast Cancer Clinical Decision Support using Synthetic Correlated Diffusion Imaging Data [82.74877848011798]
Cancer-Net BCaは、乳がん患者の画像データであるボリュームCDI$s$の複数機関のオープンソースベンチマークデータセットである。 Cancer-Net BCaは、機械学習の進歩を加速し、がんと戦う臨床医を助ける、グローバルなオープンソースイニシアチブの一部として、一般公開されている。
論文参考訳（メタデータ） (2023-04-12T05:41:44Z)
Improving Precancerous Case Characterization via Transformer-based Ensemble Learning [31.891340667123124]
自然言語処理のがん病理学報告への応用は、がん症例の検出に焦点が当てられている。先天性腺腫のキャラクタリゼーションの改善は、早期がんの検出と予防のための診断試験の開発を支援する。以上の結果から,NLPを用いて早期がん予防のための診断試験の開発を促進できる可能性が示唆された。
論文参考訳（メタデータ） (2022-12-10T00:06:28Z)
Enhancing Clinical Support for Breast Cancer with Deep Learning Models using Synthetic Correlated Diffusion Imaging [66.63200823918429]
深層学習モデルを用いた乳癌に対する臨床支援の強化について検討した。我々は、体積畳み込みニューラルネットワークを利用して、前処理コホートから深い放射能特徴を学習する。提案手法は, グレードと処理後応答予測の両方において, より良い性能を実現することができる。
論文参考訳（メタデータ） (2022-11-10T03:02:12Z)

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。