論文の概要: PreSight: Preoperative Outcome Prediction for Parkinson's Disease via Region-Prior Morphometry and Patient-Specific Weighting

• arxiv url: http://arxiv.org/abs/2603.01948v1
• Date: Mon, 02 Mar 2026 15:00:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-03 19:50:56.923777
• Title: PreSight: Preoperative Outcome Prediction for Parkinson's Disease via Region-Prior Morphometry and Patient-Specific Weighting
• Title（参考訳）: 当院におけるパーキンソン病の術前予後予測
• Authors: Yand Wang, Chen Zhang, Lanyun Zhu, Yixin Chen, Qunbo Wang, Yutong Bai, Jurgen Germann, Yinghong Wen, Shuai Shao,
• Abstract要約: PreSightは術前MRIと変形法に基づく形態計測とを融合した術前成績モデルである。 患者レベルの説明とともに、エンドツーエンド、キャリブレーション、意思決定対応の予測を生成する。 内部検証では88.89%、応答者分類では85.29%の精度が得られた。
• 参考スコア（独自算出の注目度）: 39.37468393635883
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Preoperative improvement rate prediction for Parkinson's disease surgery is clinically important yet difficult because imaging signals are subtle and patients are heterogeneous. We address this setting, where only information available before surgery is used, and the goal is to predict patient-specific postoperative motor benefit. We present PreSight, a presurgical outcome model that fuses clinical priors with preoperative MRI and deformation-based morphometry (DBM) and adapts regional importance through a patient-specific weighting module. The model produces end-to-end, calibrated, decision-ready predictions with patient-level explanations. We evaluate PreSight on a real-world two-center cohort of 400 subjects with multimodal presurgical inputs and postoperative improvement labels. PreSight outperforms strong clinical, imaging-only, and multimodal baselines. It attains 88.89% accuracy on internal validation and 85.29% on an external-center test for responder classification and shows better probability calibration and higher decision-curve net benefit. Ablations and analyses confirm the contribution of DBM and the patient-specific weighting module and indicate that the model emphasizes disease-relevant regions in a patient-specific manner. These results demonstrate that integrating clinical prior knowledge with region-adaptive morphometry enables reliable presurgical decision support in routine practice.
• Abstract（参考訳）: パーキンソン病手術の術前改善率予測は臨床的に重要であるが,画像信号が微妙で異種であるため困難である。 手術前に利用可能な情報のみを使用するこの設定に対処し、患者固有の術後運動の利点を予測することを目的とする。 術前MRIと変形型形態計測 (DBM) を併用し, 患者固有の重み付けモジュールによる局所的重要度を適応する術前成績モデルであるPreSightを提案する。 このモデルは、患者レベルの説明とともに、エンドツーエンド、キャリブレーション、意思決定対応の予測を生成する。 マルチモーダル・プレサージカル・インプットと術後改善ラベルを併用した400名の実世界2中心コーホートにおけるPreSightの評価を行った。 PreSightは、強力な臨床、画像のみ、およびマルチモーダルベースラインを上回っている。 内部検証では88.89%、応答器分類では85.29%の精度を達成し、高い確率校正と高い決定曲線ネットの利点を示す。 アブレーションおよび分析により,DBMと患者特異的重み付けモジュールの寄与が確認され,疾患関連領域を患者特異的に強調することが示唆された。 これらの結果から,地域適応型形態計測と臨床先行知識の統合は,日常的な実践において確実な術前意思決定支援を可能にすることが示唆された。

関連論文リスト

• Machine Learning Based Prediction of Surgical Outcomes in Chronic Rhinosinusitis from Clinical Data [1.5122833700794007]
  慢性副鼻腔炎(CRS)はQoL(Quality of Life)と社会的コストにかなりの負担を負う。 本研究では,CRSの手術効果を予測するための教師付き機械学習モデルの評価を行った。
  論文  参考訳（メタデータ） (2026-02-19T22:47:50Z)
• Interpretability and Individuality in Knee MRI: Patient-Specific Radiomic Fingerprint with Reconstructed Healthy Personas [40.168029561784216]
  放射線指紋(Radiomic fingerprint)は、MRIから派生した患者固有の特徴である。 健康なペルソナは、各患者に対して病理のないベースラインを合成する。 病理像から抽出した特徴を人格と比較すると、正常な解剖学からの逸脱が強調される。
  論文  参考訳（メタデータ） (2026-01-13T14:48:01Z)
• SurgeryLSTM: A Time-Aware Neural Model for Accurate and Explainable Length of Stay Prediction After Spine Surgery [44.119171920037196]
  選択的脊椎手術における滞在時間(LOS)予測のための機械学習モデルの開発と評価を行った。 我々は,従来のMLモデルと,マスク付き双方向長短期記憶(BiLSTM)であるオペレーショナルLSTMを比較した。 決定係数(R2)を用いて性能を評価し,説明可能なAIを用いて鍵予測器を同定した。
  論文  参考訳（メタデータ） (2025-07-15T01:18:28Z)
• Outcome prediction and individualized treatment effect estimation in patients with large vessel occlusion stroke [0.0]
  改良されたランキンスケールスコアを用いて,機能的結果を予測するための解釈可能な深層学習モデルを開発し,評価した。 非造影CT (NCCT) と血管造影 (CTA) を新しい基礎モデルを用いて検討した。 機能的予後の最も重要な予測因子は前ストローク障害であった。
  論文  参考訳（メタデータ） (2025-07-03T09:51:56Z)
• Radiomic fingerprints for knee MR images assessment [39.11295870085984]
  既存の放射線学的アプローチでは、放射線学的特徴の固定セットを使用し、人口レベルで選択され、すべての患者に均一に適用される。 これらのシグネチャは解釈可能であるが、個々の病理学的変異を表現するには制約が多すぎることが多い。 DLモデルにより選択された各患者に対して放射線特徴セット(指紋)を動的に構築する新しい放射線指紋フレームワークを提案する。 既存の放射線検査と異なり, 患者毎の指紋は, 大型放射線検査プールの特徴的関連を予測し, 患者ごとに臨床症状を予測できるもののみを選択することにより, 患者毎の指紋を抽出する。
  論文  参考訳（メタデータ） (2025-06-25T10:39:22Z)
• Towards a general-purpose foundation model for fMRI analysis [58.06455456423138]
  我々は,4次元fMRIボリュームから学習し,多様なアプリケーション間で効率的な知識伝達を可能にするフレームワークであるNeuroSTORMを紹介する。 NeuroSTORMは、複数のセンターにまたがる5万人以上の被験者から5歳から100歳までの28.65万fMRIフレーム(→9000時間)で事前トレーニングされている。 年齢/性別予測、表現型予測、疾患診断、fMRI-to-image検索、タスクベースのfMRIの5つのタスクにおいて、既存の手法よりも優れています。
  論文  参考訳（メタデータ） (2025-06-11T23:51:01Z)
• Primary Care Diagnoses as a Reliable Predictor for Orthopedic Surgical Interventions [0.10624941710159722]
  リファラルワークフローの非効率性は、最適な患者と高い医療費に寄与する。 本研究では,プライマリケアの診断項目に基づく手続き的ニーズの予測の可能性について検討した。
  論文  参考訳（メタデータ） (2025-02-06T17:15:12Z)
• Fusion of Diffusion Weighted MRI and Clinical Data for Predicting Functional Outcome after Acute Ischemic Stroke with Deep Contrastive Learning [1.4149937986822438]
  ストロークは、25歳以上の成人の約4分の1に影響する一般的な神経疾患である。 AUCでは0.87,0.80,80.45%,F1スコアでは80.45%,精度では0。
  論文  参考訳（メタデータ） (2024-02-16T18:51:42Z)
• Improving Robustness and Reliability in Medical Image Classification with Latent-Guided Diffusion and Nested-Ensembles [4.249986624493547]
  一度展開すると、医用画像解析法は予期せぬ画像の破損やノイズの摂動に直面することが多い。 LaDiNEは、視覚変換器のロバスト性と拡散に基づく生成モデルを組み合わせた、新しいアンサンブル学習手法である。 結核胸部X線とメラノーマ皮膚がんデータセットの実験により、LaDiNEは幅広い最先端の方法と比較して優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2023-10-24T15:53:07Z)
• What Do You See in this Patient? Behavioral Testing of Clinical NLP Models [69.09570726777817]
  本稿では,入力の変化に関する臨床結果モデルの振る舞いを評価する拡張可能なテストフレームワークを提案する。 私たちは、同じデータを微調整しても、モデル行動は劇的に変化し、最高のパフォーマンスのモデルが常に最も医学的に可能なパターンを学習していないことを示しています。
  論文  参考訳（メタデータ） (2021-11-30T15:52:04Z)
• Literature-Augmented Clinical Outcome Prediction [10.46990394710927]
  EBMとAIベースの臨床モデルとのギャップを埋める技術を導入する。 集中治療(ICU)患者情報に基づいて患者固有の文献を自動的に検索するシステムを提案する。 我々のモデルは,最近の強靭なベースラインと比較して,3つの課題に対する予測精度を大幅に向上させることができる。
  論文  参考訳（メタデータ） (2021-11-16T11:19:02Z)
• 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)
• Integrative Analysis for COVID-19 Patient Outcome Prediction [53.11258640541513]
  我々は、集中治療室入院の必要性を予測するために、人口統計、バイタルサイン、実験室の所見から、肺不透明度の放射能と非画像の特徴を組み合わせる。 また, 地域性肺炎を含む他の肺疾患にも適用できるが, 地域性肺炎に限らない。
  論文  参考訳（メタデータ） (2020-07-20T19:08:50Z)
• 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。