Fugu-MT 論文翻訳(概要): Automated PRO-CTCAE Symptom Selection based on Prior Adverse Event Profiles

論文の概要: Automated PRO-CTCAE Symptom Selection based on Prior Adverse Event Profiles

arxiv url: http://arxiv.org/abs/2512.06919v1
Date: Sun, 07 Dec 2025 16:56:27 GMT
ステータス: 翻訳完了
システム内更新日: 2025-12-09 22:03:54.586823
Title: Automated PRO-CTCAE Symptom Selection based on Prior Adverse Event Profiles
Title（参考訳）: 先行逆イベントプロファイルに基づくPro-CTCAEシンプレクションの自動選択
Authors: Francois Vandenhende, Anna Georgiou, Michalis Georgiou, Theodoros Psaras, Ellie Karekla,
Abstract要約: 本稿では,過去の安全データに基づいて,最小限かつ包括的なProto-CTCAEサブセットを自動選択する手法を提案する。有害事象PTの履歴リストに関連のある候補POP項目をそれぞれスコアし,関連性と頻度を実用機能に組み合わせた。このアプローチは、MedDRAのセマンティクスと履歴データを活用することにより、Proto-CTCAE設計を合理化することができる。
参考スコア（独自算出の注目度）: 1.7573009491327234
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: The PRO-CTCAE is an NCI-developed patient-reported outcome system for capturing symptomatic adverse events in oncology trials. It comprises a large library drawn from the CTCAE vocabulary, and item selection for a given trial is typically guided by expected toxicity profiles from prior data. Selecting too many PRO-CTCAE items can burden patients and reduce compliance, while too few may miss important safety signals. We present an automated method to select a minimal yet comprehensive PRO-CTCAE subset based on historical safety data. Each candidate PRO-CTCAE symptom term is first mapped to its corresponding MedDRA Preferred Terms (PTs), which are then encoded into Safeterm, a high-dimensional semantic space capturing clinical and contextual diversity in MedDRA terminology. We score each candidate PRO item for relevance to the historical list of adverse event PTs and combine relevance and incidence into a utility function. Spectral analysis is then applied to the combined utility and diversity matrix to identify an orthogonal set of medical concepts that balances relevance and diversity. Symptoms are rank-ordered by importance, and a cut-off is suggested based on the explained information. The tool is implemented as part of the Safeterm trial-safety app. We evaluate its performance using simulations and oncology case studies in which PRO-CTCAE was employed. This automated approach can streamline PRO-CTCAE design by leveraging MedDRA semantics and historical data, providing an objective and reproducible method to balance signal coverage against patient burden.
Abstract（参考訳）: PRO-CTCAEは、腫瘍学の臨床試験において、症状の有害事象を捕捉するためのNCIで開発された患者報告結果システムである。 CTCAEボキャブラリから引き出された大きなライブラリを含み、所定の試行のための項目の選択は、通常、以前のデータから期待される毒性プロファイルによってガイドされる。あまりにも多くのPro-CTCAEアイテムを選択すれば、患者が負担になり、コンプライアンスが低下する可能性がある。本稿では,過去の安全データに基づいて,最小限かつ包括的なProto-CTCAEサブセットを自動選択する手法を提案する。それぞれの候補である Pro-CTCAE 症状項は、まず対応する MedDRA Preferred Terms (PTs) にマッピングされ、その後、臨床および文脈の多様性を捉える高次元意味空間である Safeterm に符号化される。有害事象PTの履歴リストに関連のある候補POP項目をそれぞれスコアし,関連性と頻度を実用機能に組み合わせた。スペクトル分析は有用性と多様性の組合せに応用され、関連性と多様性のバランスをとる直交する医療概念の集合を特定する。症状は重要度によってランク付けされ、説明情報に基づいてカットオフが提案される。このツールはSafeterm trial-safetyアプリの一部として実装されている。本稿では, Pro-CTCAE を用いた腫瘍学ケーススタディとシミュレーションを用いて, その性能評価を行った。この自動アプローチは、MedDRAのセマンティクスと履歴データを活用して、患者負担に対する信号カバレッジのバランスをとる客観的かつ再現可能な方法を提供することにより、Proto-CTCAE設計を合理化することができる。

関連論文リスト

Knowledge-based Graphical Method for Safety Signal Detection in Clinical Trials [1.6733877161852464]
臨床治験における治療・発疹性有害事象(AE)をレビューするための知識ベース手法を提案する。このアプローチは、2次元マップ内の用語間のセマンティックな関係をキャプチャする隠れ医療知識層(Safeterm)を追加することで、MedDRAを強化する。
論文参考訳（メタデータ） (2025-11-24T09:42:58Z)
CLaDMoP: Learning Transferrable Models from Successful Clinical Trials via LLMs [14.116060944536011]
CLaDMoPは,臨床治験結果予測のための新しい事前学習手法である。 CLaDMoPは、新しい多層核融合技術により、試験の適性基準を軽量な薬物分子分岐にリンクする。 CLaDMoPはPR-AUCを最大10.5%改善し、OC-AUCを3.6%改善し、MEXA-CTPに匹敵するF1スコアを得た。
論文参考訳（メタデータ） (2025-05-24T05:45:32Z)
TrialBench: Multi-Modal Artificial Intelligence-Ready Clinical Trial Datasets [54.98321887435557]
本稿では, マルチモーダル入力特徴と臨床治験設計における8つの重要な予測課題を網羅した, 精巧にキュレートされた23個のAI対応データセットについて述べる。データセットのユーザビリティと信頼性を確保するため、各タスクに基本的な検証方法を提供する。このようなオープンアクセスデータセットが利用可能になることは、臨床試験設計のための高度なAIアプローチの開発を促進することを期待する。
論文参考訳（メタデータ） (2024-06-30T09:13:10Z)
Investigating Alternative Feature Extraction Pipelines For Clinical Note Phenotyping [0.0]
医療属性の抽出に計算システムを用いると、多くの応用が期待できる。 BERTベースのモデルは、臨床ノートを一連の表現に変換するために使用することができる。そこで本研究では,ScispaCyNeumannを用いた代替パイプラインを提案する。
論文参考訳（メタデータ） (2023-10-05T02:51:51Z)
PHE-SICH-CT-IDS: A Benchmark CT Image Dataset for Evaluation Semantic Segmentation, Object Detection and Radiomic Feature Extraction of Perihematomal Edema in Spontaneous Intracerebral Hemorrhage [2.602118060856794]
脳内出血は、世界で最も死亡率が高く、予後不良な疾患の1つである。 PHE-SICH-CT-IDSと命名したCTデータセットを,脳内自然出血に用いた。
論文参考訳（メタデータ） (2023-08-21T07:18:51Z)
Clinical Outcome Prediction from Admission Notes using Self-Supervised Knowledge Integration [55.88616573143478]
臨床テキストからのアウトカム予測は、医師が潜在的なリスクを見落としないようにする。退院時の診断,手術手順,院内死亡率,長期予測は4つの一般的な結果予測対象である。複数の公開資料から得られた患者結果に関する知識を統合するために,臨床結果の事前学習を提案する。
論文参考訳（メタデータ） (2021-02-08T10:26:44Z)
Privacy-preserving medical image analysis [53.4844489668116]
医用画像におけるプライバシ保護機械学習(PPML)のためのソフトウェアフレームワークであるPriMIAを提案する。集合型学習モデルの分類性能は,未発見データセットの人間専門家と比較して有意に良好である。グラデーションベースのモデル反転攻撃に対するフレームワークのセキュリティを実証的に評価する。
論文参考訳（メタデータ） (2020-12-10T13:56:00Z)
An efficient representation of chronological events in medical texts [9.118144540451514]
臨床ノートで利用可能な時系列イベントから学習するための体系的手法を提案した。提案手法は,任意の種類の逐次イベントの非パラメトリック階層表現を生成する。この手法は、英国で最大の中等医療精神保健 EHR データを用いて開発され、外部で検証された。
論文参考訳（メタデータ） (2020-10-16T14:54:29Z)
MIA-Prognosis: A Deep Learning Framework to Predict Therapy Response [58.0291320452122]
本稿では,患者の予後と治療反応を予測するための統合型深層学習手法を提案する。我々は,マルチモーダル非同期時系列分類タスクとして,確率モデリングを定式化する。我々の予測モデルは、長期生存の観点から、低リスク、高リスクの患者をさらに階層化する可能性がある。
論文参考訳（メタデータ） (2020-10-08T15:30:17Z)
BiteNet: Bidirectional Temporal Encoder Network to Predict Medical Outcomes [53.163089893876645]
本稿では,患者の医療旅行におけるコンテキスト依存と時間的関係を捉える,新たな自己注意機構を提案する。エンド・ツー・エンドの双方向時間エンコーダネットワーク(BiteNet)が患者の旅路の表現を学習する。実世界のEHRデータセットを用いた2つの教師付き予測と2つの教師なしクラスタリングタスクにおける手法の有効性を評価した。
論文参考訳（メタデータ） (2020-09-24T00:42:36Z)

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。