論文の概要: The Sound of Death: Deep Learning Reveals Vascular Damage from Carotid Ultrasound

• arxiv url: http://arxiv.org/abs/2602.17321v1
• Date: Thu, 19 Feb 2026 12:37:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-20 15:21:29.028589
• Title: The Sound of Death: Deep Learning Reveals Vascular Damage from Carotid Ultrasound
• Title（参考訳）: 死の音:深層学習が頸動脈超音波による血管損傷を発見
• Authors: Christoph Balada, Aida Romano-Martinez, Payal Varshney, Vincent ten Cate, Katharina Geschke, Jonas Tesarz, Paul Claßen, Alexander K. Schuster, Dativa Tibyampansha, Karl-Patrik Kresoja, Philipp S. Wild, Sheraz Ahmed, Andreas Dengel,
• Abstract要約: 本稿では,頸動脈超音波画像から臨床的に有意な血管損傷の表現を抽出する機械学習フレームワークを提案する。 われわれのアプローチは、人口全体にわたる心血管リスク評価のためのスケーラブルで非侵襲的で費用対効果の高いツールを提供する。
• 参考スコア（独自算出の注目度）: 31.950422391211607
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Cardiovascular diseases (CVDs) remain the leading cause of mortality worldwide, yet early risk detection is often limited by available diagnostics. Carotid ultrasound, a non-invasive and widely accessible modality, encodes rich structural and hemodynamic information that is largely untapped. Here, we present a machine learning (ML) framework that extracts clinically meaningful representations of vascular damage (VD) from carotid ultrasound videos, using hypertension as a weak proxy label. The model learns robust features that are biologically plausible, interpretable, and strongly associated with established cardiovascular risk factors, comorbidities, and laboratory measures. High VD stratifies individuals for myocardial infarction, cardiac death, and all-cause mortality, matching or outperforming conventional risk models such as SCORE2. Explainable AI analyses reveal that the model relies on vessel morphology and perivascular tissue characteristics, uncovering novel functional and anatomical signatures of vascular damage. This work demonstrates that routine carotid ultrasound contains far more prognostic information than previously recognized. Our approach provides a scalable, non-invasive, and cost-effective tool for population-wide cardiovascular risk assessment, enabling earlier and more personalized prevention strategies without reliance on laboratory tests or complex clinical inputs.
• Abstract（参考訳）: 心臓血管疾患(CVD)は、世界中で死亡の主要な原因となっているが、早期のリスク検出は、しばしば診断によって制限される。 頸動脈超音波は、非侵襲的で広くアクセス可能なモダリティであり、ほとんど使用されていない豊富な構造と血行動態情報を符号化する。 本稿では,高血圧を指標として,頸動脈超音波ビデオから臨床的に有意な血管損傷(VD)の表現を抽出する機械学習(ML)フレームワークを提案する。 このモデルは、生物学的に妥当で、解釈可能で、確立された心血管の危険因子、コオービデンス、実験室の計測と強く関連している堅牢な特徴を学習する。 高VDは、心筋梗塞、心臓死、全死因の死亡、SCORE2のような従来のリスクモデルとの整合性、あるいは優れたパフォーマンスの個人を成す。 説明可能なAI分析により、このモデルは血管形態と血管周囲の組織特性に依存しており、血管損傷の新規な機能的および解剖学的特徴を明らかにすることが明らかとなった。 本研究は, 日常的な頸動脈超音波検査において, 従来認識されていたよりもはるかに多くの予後情報が含まれていることを示す。 本手法は, より早期, よりパーソナライズされた予防戦略を, 臨床検査や複雑な臨床検査に頼らずに実現し, 拡張性, 非侵襲性, 費用対効果のツールである。

関連論文リスト

• VAMPIRE: Uncovering Vessel Directional and Morphological Information from OCTA Images for Cardiovascular Disease Risk Factor Prediction [7.586356391440063]
  本稿では,CVDリスクとCVD関連条件予測を共同で行う,CVDリスク評価の多目的パラダイムを提案する。 CVDリスクアセスメントのための最初のOCTAデータセットであるOCTA-CVDと、OCTAエンフェイス画像に基づくInformative Enhancement (VAMPIRE)を用いたVessel-Aware Mambaベースの予測モデルを紹介する。
  論文  参考訳（メタデータ） (2025-07-26T17:12:44Z)
• MOSCARD -- Causal Reasoning and De-confounding for Multimodal Opportunistic Screening of Cardiovascular Adverse Events [3.206697649226124]
  MACE(Major Adverse Cardiovascular Events)は、2021年のGlobal Disease Studyで報告された、世界の死亡率の主要な原因である。 機会論的スクリーニングは、定期的な健康チェックから収集されたデータを活用し、マルチモーダルデータはリスクのある個人を特定する上で重要な役割を果たす。 そこで我々は,MOSCARD(MOSCARD, Multimodal causal reasoning with co-attention)という新たな予測モデリングフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-06-23T22:28:37Z)
• Adaptable Cardiovascular Disease Risk Prediction from Heterogeneous Data using Large Language Models [70.64969663547703]
  AdaCVDは、英国バイオバンクから50万人以上の参加者を対象に、大規模な言語モデルに基づいて構築された適応可能なCVDリスク予測フレームワークである。 包括的かつ可変的な患者情報を柔軟に取り込み、構造化データと非構造化テキストの両方をシームレスに統合し、最小限の追加データを使用して新規患者の集団に迅速に適応する。
  論文  参考訳（メタデータ） (2025-05-30T14:42:02Z)
• Deep Learning for Cardiovascular Risk Assessment: Proxy Features from Carotid Sonography as Predictors of Arterial Damage [34.74294456536736]
  The VideoMAE Deep Learning model was adapt by finetuning for the domain of Ultra imaging。 このモデルは、Gutenberg Health Studyから得られた31,000以上の頸動脈ソノグラフィービデオからなるデータセットを使用して、トレーニングされ、テストされた。 われわれの機械学習モデルは、個人の心血管の健康に関する貴重な洞察を提供する視覚的特徴を効果的に捉えていることを実証する。
  論文  参考訳（メタデータ） (2025-04-09T08:38:17Z)
• A Joint Representation Using Continuous and Discrete Features for Cardiovascular Diseases Risk Prediction on Chest CT Scans [12.652540031719571]
  胸部CT画像から抽出した離散的量的バイオマーカーと連続的な深部特徴を統合した新しい関節表現法を提案する。 本手法はCVDリスク予測性能を大幅に改善し,各バイオマーカーの個人貢献分析を行う。
  論文  参考訳（メタデータ） (2024-10-24T10:06:45Z)
• Integrating Deep Learning with Fundus and Optical Coherence Tomography for Cardiovascular Disease Prediction [47.7045293755736]
  心血管疾患(CVD)のリスクのある患者の早期発見は、効果的な予防ケア、医療負担の軽減、患者の生活の質の向上に不可欠である。 本研究は、網膜光コヒーレンス断層撮影(OCT)と眼底写真との併用による、将来の心疾患の特定の可能性を示すものである。 そこで我々は,MCVAE(Multi- Channel Variational Autoencoder)に基づく新たなバイナリ分類ネットワークを提案し,患者の眼底画像とOCT画像の潜伏埋め込みを学習し,個人を将来CVDを発症する可能性のあるものとそうでないものとの2つのグループに分類する。
  論文  参考訳（メタデータ） (2024-10-18T12:37:51Z)
• Interpretable Survival Analysis for Heart Failure Risk Prediction [50.64739292687567]
  現状の生存モデルと解釈可能かつ競合する新しい生存分析パイプラインを提案する。 我々のパイプラインは最先端のパフォーマンスを達成し、心不全のリスク要因に関する興味深い新しい洞察を提供する。
  論文  参考訳（メタデータ） (2023-10-24T02:56:05Z)
• Penalized Deep Partially Linear Cox Models with Application to CT Scans of Lung Cancer Patients [42.09584755334577]
  肺がんは世界中のがん死亡の原因であり、効果的な治療法を設計するための死亡リスクを理解することの重要性を強調している。 NLST(National Lung Screening Trial)は、肺がん患者の死亡リスクを定量化するために、CTテクスチャ解析を用いている。 本稿では,SCADペナルティを組み込んで重要なテクスチャ特徴を抽出し,深層ニューラルネットワークを用いてモデルの非パラメトリック成分を推定する,Pentalized Deep partially Linear Cox Model (Penalized DPLC)を提案する。
  論文  参考訳（メタデータ） (2023-03-09T15:38:16Z)
• SurvLatent ODE : A Neural ODE based time-to-event model with competing risks for longitudinal data improves cancer-associated Deep Vein Thrombosis (DVT) prediction [68.8204255655161]
  本稿では,不規則なサンプルデータの下で潜在表現をパラメータ化する生成時間対イベントモデルSurvLatent ODEを提案する。 そこで,本モデルでは,事象特異的ハザード関数の形状を指定せずに,複数の競合イベントの生存時間を柔軟に推定する。 SurvLatent ODEは、DVTリスクグループを成層化するために、現在の臨床標準であるKhorana Riskスコアより優れている。
  論文  参考訳（メタデータ） (2022-04-20T17:28:08Z)

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。