論文の概要: Predictive Analytics for Dementia: Machine Learning on Healthcare Data

• arxiv url: http://arxiv.org/abs/2601.07685v1
• Date: Mon, 12 Jan 2026 16:17:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-13 19:08:01.561146
• Title: Predictive Analytics for Dementia: Machine Learning on Healthcare Data
• Title（参考訳）: 認知症の予測分析 - 医療データを用いた機械学習
• Authors: Shafiul Ajam Opee, Nafiz Fahad, Anik Sen, Rasel Ahmed, Fariha Jahan, Md. Kishor Morol, Md Rashedul Islam,
• Abstract要約: 本研究は、患者の健康データに基づく機械学習(ML)技術を用いた認知症予測の強化に焦点を当てた。 モデルのうち、LDAは98%という高いテスト精度を達成した。 本研究は,APOE-epsilon4アレルの存在,糖尿病などの慢性疾患などの特徴と認知症との関係とモデル解釈可能性の重要性を強調した。
• 参考スコア（独自算出の注目度）: 0.21498988090998952
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Dementia is a complex syndrome impacting cognitive and emotional functions, with Alzheimer's disease being the most common form. This study focuses on enhancing dementia prediction using machine learning (ML) techniques on patient health data. Supervised learning algorithms are applied in this study, including K-Nearest Neighbors (KNN), Quadratic Discriminant Analysis (QDA), Linear Discriminant Analysis (LDA), and Gaussian Process Classifiers. To address class imbalance and improve model performance, techniques such as Synthetic Minority Over-sampling Technique (SMOTE) and Term Frequency-Inverse Document Frequency (TF-IDF) vectorization were employed. Among the models, LDA achieved the highest testing accuracy of 98%. This study highlights the importance of model interpretability and the correlation of dementia with features such as the presence of the APOE-epsilon4 allele and chronic conditions like diabetes. This research advocates for future ML innovations, particularly in integrating explainable AI approaches, to further improve predictive capabilities in dementia care.
• Abstract（参考訳）: 認知症は認知機能と感情機能に影響を与える複雑な症候群であり、アルツハイマー病は最も一般的な形態である。 本研究は、患者の健康データに基づく機械学習(ML)技術を用いた認知症予測の強化に焦点を当てた。 本研究では,K-Nearest Neighbors (KNN), Quadratic Discriminant Analysis (QDA), Linear Discriminant Analysis (LDA), Gaussian Process Classifiersなどの学習アルゴリズムを適用した。 クラス不均衡に対処し、モデル性能を改善するため、SMOTE(Synthetic Minority Over-Sampling Technique)やTF-IDF(Term Frequency-Inverse Document Frequency)ベクタライゼーション(TF-IDF)といった手法が採用された。 モデルのうち、LDAは98%という高いテスト精度を達成した。 本研究は,APOE-epsilon4アレルの存在,糖尿病などの慢性疾患などの特徴と認知症との関係とモデル解釈可能性の重要性を強調した。 この研究は、将来のMLイノベーション、特に説明可能なAIアプローチの統合を提唱し、認知症ケアにおける予測能力をさらに改善する。

関連論文リスト

• A comprehensive interpretable machine learning framework for Mild Cognitive Impairment and Alzheimer's disease diagnosis [3.7475427099937355]
  ミルド認知障害(MCI)とアルツハイマー病(AD)の診断を促進するための解釈可能な機械学習フレームワークが導入された。 使用するデータセットは、脳MRIからの体積測定と、健康な人やMCI/AD患者の遺伝データを含む。 最高のパフォーマンスモデルは87.5%の精度と90.8%のF1スコアを得た。
  論文  参考訳（メタデータ） (2024-12-12T15:45:21Z)
• Statistical testing on generative AI anomaly detection tools in Alzheimer's Disease diagnosis [16.73336092521471]
  生成AIは、医療画像における異常検出の可能性を示している。 我々は、選択的推論を用いてこの問題を解決し、アルツハイマーの予測のための信頼できる生成AI手法を開発することを提案する。
  論文  参考訳（メタデータ） (2024-10-17T09:15:09Z)
• Addressing the Gaps in Early Dementia Detection: A Path Towards Enhanced Diagnostic Models through Machine Learning [0.0]
  この急激な世界的な高齢化傾向は、アルツハイマー病を含む認知症患者の増加につながっている。 認知テスト、ニューロイメージング、バイオマーカー分析といった従来の診断技術は、感度、アクセシビリティ、コストに重大な制限に直面している。 本研究は、早期認知症検出を促進するための変革的アプローチとして、機械学習(ML)の可能性を探るものである。
  論文  参考訳（メタデータ） (2024-09-05T00:52:59Z)
• Machine Learning for ALSFRS-R Score Prediction: Making Sense of the Sensor Data [44.99833362998488]
  筋萎縮性側索硬化症(Amyotrophic Lateral Sclerosis、ALS)は、急速に進行する神経変性疾患である。 iDPP@CLEF 2024チャレンジを先導した今回の調査は,アプリから得られるセンサデータを活用することに焦点を当てている。
  論文  参考訳（メタデータ） (2024-07-10T19:17:23Z)
• Intelligent Diagnosis of Alzheimer's Disease Based on Machine Learning [24.467566885575998]
  この研究は、アルツハイマー病神経画像イニシアチブ(ADNI)データセットに基づいている。 アルツハイマー病(AD)の早期発見と進行の解明を目的とする。
  論文  参考訳（メタデータ） (2024-02-13T15:43:30Z)
• Adapting Machine Learning Diagnostic Models to New Populations Using a Small Amount of Data: Results from Clinical Neuroscience [21.420302408947194]
  我々は、ソースグループからのデータを最適に組み合わせ、ターゲットグループで予測する、重み付き経験的リスク最小化手法を開発した。 本研究では,アルツハイマー病の診断と脳年齢推定のためのMLモデルを構築するため,20の神経画像研究から15,363人のマルチソースデータに適用した。
  論文  参考訳（メタデータ） (2023-08-06T18:05:39Z)
• Uncertainty-Aware Multi-Modal Ensembling for Severity Prediction of Alzheimer's Dementia [39.29536042476913]
  本稿では,アルツハイマー病の重症度を予測するために,マルチモーダルアンサンブルのための不確実性を考慮したブースティング手法を提案する。 音響的・認知的・言語的特徴にまたがる不確実性の伝播は、データの異義性に頑健なアンサンブルシステムを生み出す。
  論文  参考訳（メタデータ） (2020-10-03T23:08:00Z)
• Neuro-symbolic Neurodegenerative Disease Modeling as Probabilistic Programmed Deep Kernels [93.58854458951431]
  本稿では、神経変性疾患のパーソナライズされた予測モデリングのための、確率的プログラムによる深層カーネル学習手法を提案する。 我々の分析は、ニューラルネットワークとシンボリック機械学習のアプローチのスペクトルを考慮する。 我々は、アルツハイマー病の予測問題について評価を行い、深層学習を超越した結果を得た。
  論文  参考訳（メタデータ） (2020-09-16T15:16:03Z)
• Multimodal Inductive Transfer Learning for Detection of Alzheimer's Dementia and its Severity [39.57255380551913]
  本稿では,音響的,認知的,言語的特徴を活用してマルチモーダルアンサンブルシステムを構築する新しいアーキテクチャを提案する。 時相特性を持つ特殊な人工ニューラルネットワークを使用して、アルツハイマー認知症(AD)とその重症度を検出する。 本システムでは,AD分類では最先端試験精度,精度,リコール,F1スコアが83.3%,MMSEスコア評価では4.60の最先端試験根平均二乗誤差(RMSE)が得られた。
  論文  参考訳（メタデータ） (2020-08-30T21:47:26Z)

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。