論文の概要: SCOPE-PD: Explainable AI on Subjective and Clinical Objective Measurements of Parkinson's Disease for Precision Decision-Making

• arxiv url: http://arxiv.org/abs/2601.22516v1
• Date: Fri, 30 Jan 2026 03:49:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-02 18:28:15.201953
• Title: SCOPE-PD: Explainable AI on Subjective and Clinical Objective Measurements of Parkinson's Disease for Precision Decision-Making
• Title（参考訳）: SCOPE-PD:精密意思決定のためのパーキンソン病の主観的および臨床的客観的測定に関する説明可能なAI
• Authors: Md Mezbahul Islam, John Michael Templeton, Masrur Sobhan, Christian Poellabauer, Ananda Mohan Mondal,
• Abstract要約: パーキンソン病(英: Parkinson's disease、PD)は、遺伝、臨床、生活習慣に影響を及ぼす慢性神経変性疾患である。 機械学習(ML)はPD診断をサポートする可能性を示しているが、既存のアプローチは主観的報告のみに依存することが多い。 本研究では、主観的および客観的な評価を統合することで、説明可能なAIベースの予測フレームワークであるSCOPE-PDを提案する。
• 参考スコア（独自算出の注目度）: 1.4572472675272603
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Parkinson's disease (PD) is a chronic and complex neurodegenerative disorder influenced by genetic, clinical, and lifestyle factors. Predicting this disease early is challenging because it depends on traditional diagnostic methods that face issues of subjectivity, which commonly delay diagnosis. Several objective analyses are currently in practice to help overcome the challenges of subjectivity; however, a proper explanation of these analyses is still lacking. While machine learning (ML) has demonstrated potential in supporting PD diagnosis, existing approaches often rely on subjective reports only and lack interpretability for individualized risk estimation. This study proposes SCOPE-PD, an explainable AI-based prediction framework, by integrating subjective and objective assessments to provide personalized health decisions. Subjective and objective clinical assessment data are collected from the Parkinson's Progression Markers Initiative (PPMI) study to construct a multimodal prediction framework. Several ML techniques are applied to these data, and the best ML model is selected to interpret the results. Model interpretability is examined using SHAP-based analysis. The Random Forest algorithm achieves the highest accuracy of 98.66 percent using combined features from both subjective and objective test data. Tremor, bradykinesia, and facial expression are identified as the top three contributing features from the MDS-UPDRS test in the prediction of PD.
• Abstract（参考訳）: パーキンソン病(英: Parkinson's disease、PD)は、遺伝、臨床、生活習慣に影響を及ぼす慢性神経変性疾患である。 この病気を早期に予測することは、主に診断を遅らせる主観性の問題に直面する従来の診断方法に依存するため、難しい。 いくつかの客観的分析は、現在、主観性の課題を克服するために実施されているが、これらの分析の適切な説明はいまだに不足している。 機械学習(ML)はPD診断をサポートする可能性を示しているが、既存のアプローチは主観的報告のみに依存し、個別化リスク推定の解釈可能性に欠けることが多い。 本研究では、主観的および客観的な評価を統合し、パーソナライズされた健康判断を提供することにより、説明可能なAIベースの予測フレームワークであるSCOPE-PDを提案する。 主観的および客観的な臨床評価データは、Parkinson's Progression Markers Initiative (PPMI)研究から収集され、マルチモーダル予測フレームワークを構築する。 これらのデータにいくつかのML手法を適用し、最良のMLモデルを選択して結果を解釈する。 モデル解釈可能性についてSHAP分析を用いて検討した。 ランダムフォレストアルゴリズムは、主観的および客観的なテストデータから組み合わせた特徴を用いて98.6%の精度を達成する。 PDの予測におけるMDS-UPDRSテストの上位3つの特徴として, 振動, ブラジキネシア, 表情が同定された。

関連論文リスト

• A Methodological and Structural Review of Parkinsons Disease Detection Across Diverse Data Modalities [0.6827423171182153]
  日本タイムズとパーキンソン財団の報道によると、全世界で1000人あたり1～1.8人が診断された。 本研究では,多種多様なデータモダリティを対象としたPD認識システムについて概説する。 本稿では,主要な科学データベースからの347以上の論文に基づいて,データ収集手法,設定,特徴表現,システム性能などの重要な側面について考察する。
  論文  参考訳（メタデータ） (2025-05-01T13:47:45Z)
• Uncertainty-aware abstention in medical diagnosis based on medical texts [87.88110503208016]
  本研究は,AI支援医療診断における信頼性の重要課題について論じる。 本研究は,診断に自信がなければ,診断システムによる意思決定の回避を可能にする選択予測手法に焦点をあてる。 我々は、選択予測タスクにおける信頼性を高めるための新しい最先端手法であるHUQ-2を紹介する。
  論文  参考訳（メタデータ） (2025-02-25T10:15:21Z)
• Artificial intelligence-enabled detection and assessment of Parkinson's disease using multimodal data: A survey [2.06242362470764]
  現在、パーキンソン病の診断、重症度の評価、進行の追跡に有効なバイオマーカーは存在しない。 現在、多くのAIアルゴリズムがPD診断と治療に使われており、多モードおよび異種疾患の症状データに基づいて様々な分類タスクを実行することができる。 PDの可能性を予測し、個人または複数の症状の重症度を評価し、早期発見を支援し、リハビリテーションと治療効果を評価することを含む、表現力のあるフィードバックを提供する。
  論文  参考訳（メタデータ） (2025-02-15T07:26:52Z)
• Self-Explaining Hypergraph Neural Networks for Diagnosis Prediction [45.89562183034469]
  既存のディープラーニング診断予測モデルと本質的な解釈性は、過去の診断や病院訪問の度に注意重みを割り当てることが多い。 我々は、パーソナライズされた簡潔で忠実な説明を提供するように設計された、自己説明型ハイパーグラフニューラルネットワークモデルSHyを紹介する。 SHyは高次疾患の相互作用を捉え、パーソナライズされた説明として異なる時間的表現型を抽出する。
  論文  参考訳（メタデータ） (2025-02-15T06:33:02Z)
• Early Recognition of Parkinson's Disease Through Acoustic Analysis and Machine Learning [0.0]
  パーキンソン病(英: Parkinson's Disease、PD)は、音声を含む運動機能と非運動機能の両方に大きな影響を及ぼす進行性神経変性疾患である。 本稿では,音声データを用いたPD認識手法の総合的なレビューを行い,機械学習とデータ駆動アプローチの進歩を強調した。 ロジスティック回帰、SVM、ニューラルネットワークなど、さまざまな分類アルゴリズムが検討されている。 以上の結果から,特定の音響特性と高度な機械学習技術は,PDと健常者の間で効果的に区別できることが示唆された。
  論文  参考訳（メタデータ） (2024-07-22T23:24:02Z)
• Unified Uncertainty Estimation for Cognitive Diagnosis Models [70.46998436898205]
  本稿では,幅広い認知診断モデルに対する統一的不確実性推定手法を提案する。 診断パラメータの不確かさをデータ・アスペクトとモデル・アスペクトに分解する。 本手法は有効であり,認知診断の不確実性に関する有用な知見を提供することができる。
  論文  参考訳（メタデータ） (2024-03-09T13:48:20Z)
• Evaluating Echo State Network for Parkinson's Disease Prediction using Voice Features [1.2289361708127877]
  本研究の目的は,偽陰性の最小化と高精度化を両立できる診断モデルを開発することである。 Echo State Networks (ESN)、Random Forest、k-nearest Neighbors、Support Vector、Extreme Gradient Boosting、Decision Treeなど、さまざまな機械学習手法が採用され、徹底的に評価されている。 ESNは83%の症例で8%未満の偽陰性率を維持している。
  論文  参考訳（メタデータ） (2024-01-28T14:39:43Z)
• Benchmarking Heterogeneous Treatment Effect Models through the Lens of Interpretability [82.29775890542967]
  治療のパーソナライズされた効果を見積もるのは複雑だが、普及している問題である。 ヘテロジニアス処理効果推定に関する機械学習文献の最近の進歩は、洗練されたが不透明なツールの多くを生み出した。 我々は、ポストホックな特徴重要度法を用いて、モデルの予測に影響を及ぼす特徴を特定する。
  論文  参考訳（メタデータ） (2022-06-16T17:59:05Z)
• 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)
• Hemogram Data as a Tool for Decision-making in COVID-19 Management: Applications to Resource Scarcity Scenarios [62.997667081978825]
  新型コロナウイルス(COVID-19)のパンデミックは世界中の緊急対応システムに挑戦している。 本研究は, 症状患者の血液検査データから得られた機械学習モデルについて述べる。 提案されたモデルでは、新型コロナウイルスqRT-PCRの結果を、高い精度、感度、特異性で症状のある個人に予測することができる。
  論文  参考訳（メタデータ） (2020-05-10T01:45:03Z)

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。