論文の概要: Bridging the Gap in Bangla Healthcare: Machine Learning Based Disease Prediction Using a Symptoms-Disease Dataset

• arxiv url: http://arxiv.org/abs/2601.12068v1
• Date: Sat, 17 Jan 2026 14:33:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-21 22:47:22.447149
• Title: Bridging the Gap in Bangla Healthcare: Machine Learning Based Disease Prediction Using a Symptoms-Disease Dataset
• Title（参考訳）: バングラ医療のギャップを埋める:症状データを用いた機械学習による疾患予測
• Authors: Rowzatul Zannat, Abdullah Al Shafi, Abdul Muntakim,
• Abstract要約: 本研究は,85の疾患にまたがる758の独自の症状・症状関連を含むバングラ症状・症状の包括的データセットを開発した。 このデータセットはバングラの症状入力に基づく病気の予測を可能にし、ベンガル語話者の医療的アクセシビリティをサポートする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Increased access to reliable health information is essential for non-English-speaking populations, yet resources in Bangla for disease prediction remain limited. This study addresses this gap by developing a comprehensive Bangla symptoms-disease dataset containing 758 unique symptom-disease relationships spanning 85 diseases. To ensure transparency and reproducibility, we also make our dataset publicly available. The dataset enables the prediction of diseases based on Bangla symptom inputs, supporting healthcare accessibility for Bengali-speaking populations. Using this dataset, we evaluated multiple machine learning models to predict diseases based on symptoms provided in Bangla and analyzed their performance on our dataset. Both soft and hard voting ensemble approaches combining top-performing models achieved 98\% accuracy, demonstrating superior robustness and generalization. Our work establishes a foundational resource for disease prediction in Bangla, paving the way for future advancements in localized health informatics and diagnostic tools. This contribution aims to enhance equitable access to health information for Bangla-speaking communities, particularly for early disease detection and healthcare interventions.
• Abstract（参考訳）: 非英語話者にとって、信頼できる健康情報へのアクセスの増加は不可欠であるが、バングラの病気予測のための資源は限られている。 本研究は,85の疾患にまたがる758の独自の症状・症状・症状関連を含む包括的バングラ症状・症状・症状関連データセットを開発することにより,このギャップを解消する。 透明性と再現性を確保するため、データセットを公開しています。 このデータセットはバングラの症状入力に基づく病気の予測を可能にし、ベンガル語話者の医療的アクセシビリティをサポートする。 このデータセットを用いて、バングラの症状に基づいて、複数の機械学習モデルを評価し、その性能をデータセットで分析した。 ソフトとハードの両アンサンブルアプローチは、最高性能のモデルを組み合わせることで98%の精度を達成し、優れたロバスト性と一般化を実証した。 本研究はバングラ市における疾病予測の基礎資料を確立し,地域医療情報学・診断ツールの今後の発展に向けての道を開くものである。 この貢献は、バングラ語話者のコミュニティ、特に早期疾患の検出と医療介入のための健康情報への公平なアクセスを高めることを目的としている。

関連論文リスト

• Beyond Traditional Diagnostics: Transforming Patient-Side Information into Predictive Insights with Knowledge Graphs and Prototypes [55.310195121276074]
  本稿では,病気を予測するための知識グラフ,プロトタイプ認識,解釈可能なフレームワークを提案する。 構造化された信頼された医療知識を統合された疾患知識グラフに統合し、臨床的に意味のある疾患のプロトタイプを構築し、予測精度を高めるために対照的な学習を利用する。 臨床的に有効な説明を提供し、患者の物語と密接に一致し、患者中心のヘルスケアデリバリーの実践的価値を強調している。
  論文  参考訳（メタデータ） (2025-12-09T05:37:54Z)
• Generative AI-Driven Decision-Making for Disease Control and Pandemic Preparedness Model 4.0 in Rural Communities of Bangladesh: Management Informatics Approach [0.7067443325368975]
  バングラデシュの農村部は深刻な医療障害に直面している。 これらの障害は、効果的な疾患管理とパンデミックの準備を妨げる。 この研究は、辺境化した農村住民の健康回復力とパンデミックの準備は、AIによる局所的な疾病管理戦略によって改善できると結論付けている。
  論文  参考訳（メタデータ） (2025-08-02T01:54:16Z)
• A Structured Dataset of Disease-Symptom Associations to Improve Diagnostic Accuracy [0.7349727826230863]
  疾患症状データセットは、医学研究、疾患診断、臨床意思決定、AIによる健康管理の応用に重要かつ需要がある。 本研究は, 各種オンライン資料, 医療文献, 公衆衛生データベースから, 疾患症状の関係を体系的にコンパイルする。 このデータは、ピアレビューされた医療論文、臨床ケーススタディ、および疾患症状関連報告を分析して収集された。
  論文  参考訳（メタデータ） (2025-06-16T15:38:39Z)
• Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
  近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。 そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
  論文  参考訳（メタデータ） (2024-04-26T16:39:50Z)
• UNITE: Uncertainty-based Health Risk Prediction Leveraging Multi-sourced Data [81.00385374948125]
  我々はUNcertaInTyベースのhEalth Risk Prediction(UNITE)モデルを提案する。 UNITEは、複数ソースの健康データを活用した正確な疾患リスク予測と不確実性推定を提供する。 非アルコール性脂肪肝疾患(NASH)とアルツハイマー病(AD)の実態予測タスクにおけるUNITEの評価を行った。 UNITEはAD検出のF1スコアで最大0.841点、NASH検出のPR-AUCで最大0.609点を達成し、最高のベースラインで最大19%の高パフォーマンスを達成している。
  論文  参考訳（メタデータ） (2020-10-22T02:28:11Z)
• Predicting Parkinson's Disease with Multimodal Irregularly Collected Longitudinal Smartphone Data [75.23250968928578]
  パーキンソン病は神経疾患であり、高齢者に多い。 伝統的に病気を診断する方法は、一連の活動テストの品質に関する個人的主観的臨床評価に依存している。 そこで本研究では,スマートフォンが収集した生の行動データを用いて,パーキンソン病を予測するための時系列に基づく新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-09-25T01:50:15Z)
• Predictive Modeling of ICU Healthcare-Associated Infections from Imbalanced Data. Using Ensembles and a Clustering-Based Undersampling Approach [55.41644538483948]
  本研究は,集中治療室における危険因子の同定と医療関連感染症の予測に焦点をあてる。 感染発生率の低減に向けた意思決定を支援することを目的とする。
  論文  参考訳（メタデータ） (2020-05-07T16:13:12Z)

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。

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。