Fugu-MT 論文翻訳(概要): Autonomous Uncertainty Quantification for Computational Point-of-care Sensors

論文の概要: Autonomous Uncertainty Quantification for Computational Point-of-care Sensors

arxiv url: http://arxiv.org/abs/2512.21335v1
Date: Wed, 24 Dec 2025 18:59:47 GMT
ステータス: 翻訳完了
システム内更新日: 2025-12-25 19:43:21.854953
Title: Autonomous Uncertainty Quantification for Computational Point-of-care Sensors
Title（参考訳）: コンピュータ・ポイント・オブ・ケアセンサの自律的不確実性定量化
Authors: Artem Goncharov, Rajesh Ghosh, Hyou-Arm Joung, Dino Di Carlo, Aydogan Ozcan,
Abstract要約: ポイント・オブ・ケア(POC)センサーは、緊急時、遠隔時、リソース制限のある領域において、迅速で低コストでアクセス可能な診断を可能にする。これらのシステムは、ニューラルネットワークベースのアルゴリズムを使用して、迅速な診断テストやセンサーによって生成された信号から診断を正確に推測することができる。しかし、ニューラルネットワークに基づく診断モデルは幻覚を受けており、誤った予測を生じさせ、誤診のリスクと不正確な臨床診断を生じさせる可能性がある。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Computational point-of-care (POC) sensors enable rapid, low-cost, and accessible diagnostics in emergency, remote and resource-limited areas that lack access to centralized medical facilities. These systems can utilize neural network-based algorithms to accurately infer a diagnosis from the signals generated by rapid diagnostic tests or sensors. However, neural network-based diagnostic models are subject to hallucinations and can produce erroneous predictions, posing a risk of misdiagnosis and inaccurate clinical decisions. To address this challenge, here we present an autonomous uncertainty quantification technique developed for POC diagnostics. As our testbed, we used a paper-based, computational vertical flow assay (xVFA) platform developed for rapid POC diagnosis of Lyme disease, the most prevalent tick-borne disease globally. The xVFA platform integrates a disposable paper-based assay, a handheld optical reader and a neural network-based inference algorithm, providing rapid and cost-effective Lyme disease diagnostics in under 20 min using only 20 uL of patient serum. By incorporating a Monte Carlo dropout (MCDO)-based uncertainty quantification approach into the diagnostics pipeline, we identified and excluded erroneous predictions with high uncertainty, significantly improving the sensitivity and reliability of the xVFA in an autonomous manner, without access to the ground truth diagnostic information of patients. Blinded testing using new patient samples demonstrated an increase in diagnostic sensitivity from 88.2% to 95.7%, indicating the effectiveness of MCDO-based uncertainty quantification in enhancing the robustness of neural network-driven computational POC sensing systems.
Abstract（参考訳）: コンピュータ・ポイント・オブ・ケア(POC:Computational Point-of-care)センサーは、集中医療施設へのアクセスを欠く緊急時、遠隔時、リソースに制限された領域において、迅速で低コストでアクセス可能な診断を可能にする。これらのシステムは、ニューラルネットワークベースのアルゴリズムを使用して、迅速な診断テストやセンサーによって生成された信号から診断を正確に推測することができる。しかし、ニューラルネットワークに基づく診断モデルは幻覚を受けており、誤った予測を生じさせ、誤診のリスクを生じ、臨床診断の正確さを損なう可能性がある。本稿では,POC診断のための自律的不確実性定量化手法を提案する。テストベッドとして,世界最多のTick-borne diseaseであるLyme病のPOCの迅速診断に,紙ベースのXVFA (Computer vertical flow assay) プラットフォームを用いた。 xVFAプラットフォームは、使い捨て紙ベースのアッセイ、ハンドヘルド光学リーダ、ニューラルネットワークベースの推論アルゴリズムを統合し、患者血清の20uLしか使用せず、20分未満で迅速かつ費用対効果の高いライム病の診断を提供する。モンテカルロ・ドロップアウト(MCDO)に基づく不確実性定量化手法を診断パイプラインに組み込むことにより,不確実性の高い誤予測を同定・排除し,患者の真実診断情報にアクセスすることなく,自律的にxVFAの感度と信頼性を著しく向上させた。新しい患者サンプルを用いたブラインドテストでは、診断感度が88.2%から95.7%に上昇し、ニューラルネットワーク駆動の計算POCセンシングシステムの堅牢性を高めるためのMCDOベースの不確実性定量化の有効性が示された。

関連論文リスト

AI-Powered Early Detection of Critical Diseases using Image Processing and Audio Analysis [0.4356470230135012]
本稿では,画像解析,サーマルイメージング,音声信号処理を統合したマルチモーダル人工知能(AI)診断フレームワークを提案する。微細調整されたMobileNetV2畳み込みニューラルネットワークは、皮膚病変分類のためのISIC 2019データセットでトレーニングされた。ハンドクラフト機能を備えたサポートベクターマシン(SVM)は、86.4%の精度でサーマルクロート検出に使用された。このフレームワークは、スケーラブルでリアルタイムで、アクセス可能なAIベースの事前診断型ヘルスケアソリューションへの、有望なステップを提供する。
論文参考訳（メタデータ） (2025-10-29T06:09:17Z)
Timely Clinical Diagnosis through Active Test Selection [49.091903570068155]
本稿では,現実の診断推論をよりうまくエミュレートするためのACTMED (Adaptive Clinical Test selection via Model-based Experimental Design)を提案する。 LLMは柔軟なシミュレータとして機能し、構造化されたタスク固有のトレーニングデータを必要とせずに、患者状態のもっともらしい分布を生成し、信念の更新をサポートする。我々は、実世界のデータセット上でACTMEDを評価し、診断精度、解釈可能性、リソース使用量を改善するためにテスト選択を最適化できることを示す。
論文参考訳（メタデータ） (2025-10-21T18:10:45Z)
Probabilistic Machine Learning for Uncertainty-Aware Diagnosis of Industrial Systems [2.7946438090394903]
本研究では、アンサンブル確率論的機械学習を用いて、データ駆動一貫性に基づく診断の診断特性を改善するフレームワークを提案する。本手法はアブレーション法と比較解析法の両方を用いていくつかのケーススタディで評価され, 診断基準の範囲で一貫した改善が見られた。
論文参考訳（メタデータ） (2025-09-23T08:59:20Z)
An Agentic System for Rare Disease Diagnosis with Traceable Reasoning [69.46279475491164]
大型言語モデル(LLM)を用いた最初のまれな疾患診断エージェントシステムであるDeepRareを紹介する。 DeepRareは、まれな疾患の診断仮説を分類し、それぞれに透明な推論の連鎖が伴う。このシステムは2,919の疾患に対して異常な診断性能を示し、1013の疾患に対して100%の精度を達成している。
論文参考訳（メタデータ） (2025-06-25T13:42:26Z)
An Integrated AI-Enabled System Using One Class Twin Cross Learning (OCT-X) for Early Gastric Cancer Detection [13.609580790532842]
胃癌の早期発見は、現在の診断技術の限界によって妨げられている。本稿では,高速化のバランスをとるため,高度なハードウェアとソフトウェア技術を統合した統合システムを提案する。
論文参考訳（メタデータ） (2025-03-31T06:37:17Z)
An Intrinsically Explainable Approach to Detecting Vertebral Compression Fractures in CT Scans via Neurosymbolic Modeling [9.108675519106319]
脊椎圧迫骨折(VCFs)は骨粗しょう症の一般的な原因であり、潜在的に重篤な結果である。機会論的診断のような高度なシナリオでは、モデル解釈可能性がAIレコメンデーションの採用の鍵となる。我々はCTボリュームにおけるVCF検出のためのニューロシンボリックアプローチを導入する。
論文参考訳（メタデータ） (2024-12-23T04:01:44Z)
NeuralSympCheck: A Symptom Checking and Disease Diagnostic Neural Model with Logic Regularization [59.15047491202254]
症状検査システムは、患者に症状を問い合わせ、迅速で手頃な価格の医療評価を行う。本稿では,論理正則化を用いたニューラルネットワークの教師付き学習に基づく新しい手法を提案する。以上の結果から,本手法は診断回数や症状が大きい場合の診断精度において,最も優れた方法であることがわかった。
論文参考訳（メタデータ） (2022-06-02T07:57:17Z)
NeuraHealthNLP: An Automated Screening Pipeline to Detect Undiagnosed Cognitive Impairment in Electronic Health Records with Deep Learning and Natural Language Processing [0.0]
認知症の症例の75%は世界中で診断されず、低所得国と中所得国で90%に達する。現在の診断方法は非常に複雑で、医療ノートのマニュアルレビュー、多くの認知検査、高価な脳スキャン、脊髄液検査などが含まれる。このプロジェクトでは、HRの未検出認知症をスケーラブルかつ高速に発見するための、最先端の自動スクリーニングパイプラインを開発する。
論文参考訳（メタデータ） (2022-01-12T06:19:14Z)

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。