論文の概要: EpiScreen: Early Epilepsy Detection from Electronic Health Records with Large Language Models

• arxiv url: http://arxiv.org/abs/2603.28698v1
• Date: Mon, 30 Mar 2026 17:16:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-31 23:18:45.535244
• Title: EpiScreen: Early Epilepsy Detection from Electronic Health Records with Large Language Models
• Title（参考訳）: EpiScreen:大きな言語モデルを用いた電子健康記録からの早期てんかん検出
• Authors: Shuang Zhou, Kai Yu, Zaifu Zhan, Huixue Zhou, Min Zeng, Feng Xie, Zhiyi Sha, Rui Zhang,
• Abstract要約: われわれは,早期てんかん検出のための低コストで効果的なアプローチであるEpiScreenを開発した。 EpiScreenは、電子健康記録から定期的に収集された臨床記録を使用する。 臨床とAIのコラボレーション環境では、エピスクレインを補助する神経科医は、未発見の専門家を最大10.9%上回った。
• 参考スコア（独自算出の注目度）: 20.30242430874328
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Epilepsy and psychogenic non-epileptic seizures often present with similar seizure-like manifestations but require fundamentally different management strategies. Misdiagnosis is common and can lead to prolonged diagnostic delays, unnecessary treatments, and substantial patient morbidity. Although prolonged video-electroencephalography is the diagnostic gold standard, its high cost and limited accessibility hinder timely diagnosis. Here, we developed a low-cost, effective approach, EpiScreen, for early epilepsy detection by utilizing routinely collected clinical notes from electronic health records. Through fine-tuning large language models on labeled notes, EpiScreen achieved an AUC of up to 0.875 on the MIMIC-IV dataset and 0.980 on a private cohort of the University of Minnesota. In a clinician-AI collaboration setting, EpiScreen-assisted neurologists outperformed unaided experts by up to 10.9%. Overall, this study demonstrates that EpiScreen supports early epilepsy detection, facilitating timely and cost-effective screening that may reduce diagnostic delays and avoid unnecessary interventions, particularly in resource-limited regions.
• Abstract（参考訳）: てんかんや精神病原性非てんかん発作は、しばしば同様の発作のような症状を呈するが、根本的に異なる管理戦略を必要とする。 誤診は一般的であり、診断の遅れ、不必要な治療、重篤な患者の死亡につながる可能性がある。 ビデオ脳波の長期化は診断基準となっているが、高コストでアクセシビリティの制限はタイムリーな診断を妨げている。 そこで我々は,電子カルテから定期的に収集された臨床記録を利用して,早期てんかん検出のための低コストで効果的なアプローチであるEpiScreenを開発した。 ラベル付きノートの大型言語モデルを微調整することで、EpiScreenはMIMIC-IVデータセットで0.875、ミネソタ大学の私的コホートで0.980のAUCを達成した。 臨床とAIのコラボレーション環境では、エピスクレインを補助する神経科医は、未発見の専門家を最大10.9%上回った。 本研究は、EpiScreenが早期てんかん検出をサポートし、診断遅延を低減し、特に資源制限地域において不要な介入を避けるための時間的かつ費用対効果の高いスクリーニングを容易にすることを実証した。

関連論文リスト

• A Patient-Independent Neonatal Seizure Prediction Model Using Reduced Montage EEG and ECG [1.3394640265189308]
  新生児発作の早期予測のための畳み込みニューラルネットワークモデルを提案する。 提案したモデルの平均精度は97.52%、感度は98.31%、特異性は96.39%、F1スコアは97.95%であった。 以上の結果から,新生児集中治療室における最小管理的展開の可能性が示唆された。
  論文  参考訳（メタデータ） (2025-11-18T03:47:53Z)
• Epileptic Seizure Detection and Prediction from EEG Data: A Machine Learning Approach with Clinical Validation [0.0]
  本稿では,リアルタイムの発作検出と予測を統合した新しい手法を提案する。 提案手法はCHB-MIT Scalp EEG Databaseを用いて評価した。 この発作を予測できる能力は、反応性の発作管理からより積極的なアプローチへと大きく変化している。
  論文  参考訳（メタデータ） (2025-10-28T21:28:18Z)
• An Explainable Hybrid AI Framework for Enhanced Tuberculosis and Symptom Detection [55.35661671061754]
  結核は、特に資源に制限された遠隔地において、重要な世界的な健康問題である。 本稿では, 胸部X線による疾患および症状の検出を, 2つの頭部と自己監督頭部を統合することで促進する枠組みを提案する。 本モデルでは, 新型コロナウイルス, 結核, 正常症例の鑑別で98.85%の精度が得られ, マルチラベル症状検出では90.09%のマクロF1スコアが得られた。
  論文  参考訳（メタデータ） (2025-10-21T17:18:55Z)
• An Agentic System for Rare Disease Diagnosis with Traceable Reasoning [69.46279475491164]
  大型言語モデル(LLM)を用いた最初のまれな疾患診断エージェントシステムであるDeepRareを紹介する。 DeepRareは、まれな疾患の診断仮説を分類し、それぞれに透明な推論の連鎖が伴う。 このシステムは2,919の疾患に対して異常な診断性能を示し、1013の疾患に対して100%の精度を達成している。
  論文  参考訳（メタデータ） (2025-06-25T13:42:26Z)
• Using Explainable AI for EEG-based Reduced Montage Neonatal Seizure Detection [2.206534289238751]
  新生児発作検出のゴールドスタンダードは、現在連続したビデオEEGモニタリングに依存している。 脳波モンタージュを低減した新生児発作検出プロセスを自動化するための新しい説明可能な深層学習モデルを提案する。 提案したモデルは、それぞれ曲線下面積(AUC)とリコールにおける8.31%と42.86%の絶対的な改善を達成している。
  論文  参考訳（メタデータ） (2024-06-04T10:53:56Z)
• Automatic diagnosis of knee osteoarthritis severity using Swin transformer [55.01037422579516]
  変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。 我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
  論文  参考訳（メタデータ） (2023-07-10T09:49:30Z)
• Evaluate underdiagnosis and overdiagnosis bias of deep learning model on primary open-angle glaucoma diagnosis in under-served patient populations [64.91773761529183]
  原発性オープンアングル緑内障(POAG)はアメリカにおける盲目の主要な原因である。 深層学習は眼底画像を用いたPOAGの検出に広く用いられている。 臨床診断における人間のバイアスは、広く使われているディープラーニングモデルに反映され増幅される可能性がある。
  論文  参考訳（メタデータ） (2023-01-26T18:53:09Z)
• Intelligent Sight and Sound: A Chronic Cancer Pain Dataset [74.77784420691937]
  本稿では,Intelligent Sight and Sound (ISS) 臨床試験の一環として収集された,最初の慢性ガン痛データセットを紹介する。 これまで収集されたデータは29の患者、509のスマートフォンビデオ、189,999のフレーム、そして自己報告された感情と活動の痛みのスコアから成っている。 静的画像とマルチモーダルデータを用いて、自己報告された痛みレベルを予測する。
  論文  参考訳（メタデータ） (2022-04-07T22:14:37Z)

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。