論文の概要: When PCOS Meets Eating Disorders: An Explainable AI Approach to Detecting the Hidden Triple Burden

• arxiv url: http://arxiv.org/abs/2604.14356v1
• Date: Wed, 15 Apr 2026 19:18:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-17 21:29:31.573347
• Title: When PCOS Meets Eating Disorders: An Explainable AI Approach to Detecting the Hidden Triple Burden
• Title（参考訳）: PCOSが摂食障害に遭遇する時:隠されたトリプルバーデンを検出するための説明可能なAIアプローチ
• Authors: Apoorv Prasad, Susan McRoy,
• Abstract要約: 多発性嚢胞性卵巣症候群(PCOS)の女性は、身体像の苦悩、障害のある食事、代謝障害のリスクを著しく高めている。 我々は,ソーシャルメディア投稿におけるこの三重重重みを自動的に検出する,小さなオープンソースの言語モデルを開発した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Women with polycystic ovary syndrome (PCOS) face substantially elevated risks of body image distress, disordered eating, and metabolic challenges, yet existing natural language processing approaches for detecting these conditions lack transparency and cannot identify co-occurring presentations. We developed small, open-source language models to automatically detect this triple burden in social media posts with grounded explainability. We collected 1,000 PCOS-related posts from six subreddits, with two trained annotators labeling posts using guidelines operationalizing Lee et al. (2017) clinical framework. Three models (Gemma-2-2B, Qwen3-1.7B, DeepSeek-R1-Distill-Qwen-1.5B) were fine-tuned using Low-Rank Adaptation to generate structured explanations with textual evidence. The best model achieved 75.3 percent exact match accuracy on 150 held-out posts, with robust comorbidity detection and strong explainability. Performance declined with diagnostic complexity, indicating their best use is for screening rather than autonomous diagnosis.
• Abstract（参考訳）: 多発性嚢胞性卵巣症候群(PCOS)の女性は、身体像の苦悩、摂食障害、代謝障害のリスクが著しく高まっていますが、これらの状態を検出するための既存の自然言語処理アプローチは透明性が欠如しており、同時に発生するプレゼンテーションを特定できません。 我々は,ソーシャルメディア投稿におけるこの三重重重みを自動的に検出する,小さなオープンソースの言語モデルを開発した。 我々は6つのサブレディットからPCOS関連投稿を1000件収集し、Lee et al (2017) 臨床フレームワークを運用するガイドラインを用いて2つのトレーニング済みアノテータをラベル付けした。 3つのモデル(Gemma-2-2B、Qwen3-1.7B、DeepSeek-R1-Distill-Qwen-1.5B)をローランド適応を用いて微調整し、テキスト証拠による構造化された説明を生成する。 最良のモデルは、150の保持されたポストで75.3%の正確な一致精度を達成し、堅牢な衝突検出と強力な説明可能性を得た。 診断の複雑さが原因でパフォーマンスは低下し,自己診断ではなくスクリーニングに最も有用であることが示唆された。

関連論文リスト

• Benchmarking Multi-turn Medical Diagnosis: Hold, Lure, and Self-Correction [72.89352076103889]
  大規模言語モデル (LLM) は, 臨床情報がすべて一ターンで提供される場合に, 高い精度で診断を行う。 1,035例からなる高忠実多ターン診断ベンチマークであるMINTを導入する。 診断決定に大きな影響を及ぼす3つの永続的な行動パターンを明らかにする。
  論文  参考訳（メタデータ） (2026-04-06T00:23:10Z)
• When AI and Experts Agree on Error: Intrinsic Ambiguity in Dermatoscopic Images [37.92086450087161]
  我々は、すべてのCNNアーキテクチャで体系的に誤って分類された画像のサブセットを分離した。 専門の皮膚科医は、これらの課題を対照群と共に評価した。 結果,AIミス分類画像の診断性能は低下した。 両システム障害の原原因は画像品質であった。
  論文  参考訳（メタデータ） (2026-04-01T09:01:43Z)
• Smart Diagnosis and Early Intervention in PCOS: A Deep Learning Approach to Women's Reproductive Health [0.0]
  多嚢胞性卵巣症候群(Polycystic Ovary syndrome, PCOS)は、生殖年齢の女性に広くみられる疾患である。 本稿では,卵巣超音波画像の分類のための伝達学習に基づく強力なフレームワークを設計する。 このモデルは、嚢胞感染および非感染患者の3856個の超音波画像を含むオンラインデータセットでトレーニングされた。
  論文  参考訳（メタデータ） (2026-02-04T18:58:21Z)
• One-shot synthesis of rare gastrointestinal lesions improves diagnostic accuracy and clinical training [45.49415063761575]
  EndoRareは、単一の参照画像から多種多様な高忠実度病変を合成する、ワンショットでリトレーニング不要な生成フレームワークである。 われわれはこの枠組みを4つの稀な病理から検証した。 これらの結果は, コンピュータ支援診断と臨床教育の両方において, 希少なギャップを埋める実践的でデータ効率のよい方法を確立している。
  論文  参考訳（メタデータ） (2025-12-30T15:07:09Z)
• MeCaMIL: Causality-Aware Multiple Instance Learning for Fair and Interpretable Whole Slide Image Diagnosis [40.3028468133626]
  MIL(Multiple Case Learning)は、コンピュータ病理学における全スライド画像(WSI)解析の主流パラダイムとして登場した。 因果関係を意識したMILフレームワークである textbfMeCaMIL は、構造化因果グラフを通じて、階層的共同創設者を明示的にモデル化する。 MeCaMILは優れた公正性を達成する -- 人口格差の分散は、属性全体の平均で65%以上減少する。
  論文  参考訳（メタデータ） (2025-11-14T06:47:21Z)
• 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)
• ThyroidEffi 1.0: A Cost-Effective System for High-Performance Multi-Class Thyroid Carcinoma Classification [0.0]
  甲状腺FNAB画像分類のための深層学習システムを開発した。 Benign, Indeterminate/Suspicious, and Malignantの3つの主要なカテゴリは、生後治療を直接指導するものだ。 システムは1000ケースを30秒で処理し、広くアクセス可能なハードウェアの実現可能性を示した。
  論文  参考訳（メタデータ） (2025-04-19T02:13:07Z)
• Leveraging AI for Automatic Classification of PCOS Using Ultrasound Imaging [0.0]
  AUTO-PCOS分類チャレンジは、多嚢胞性卵巣症候群(PCOS)の同定における人工知能(AI)の診断能力の向上を目指す 本稿では,InceptionV3アーキテクチャを用いたトランスファーラーニングを利用した堅牢なAIパイプライン構築手法について概説する。
  論文  参考訳（メタデータ） (2024-12-30T11:56:11Z)
• Generative models improve fairness of medical classifiers under distribution shifts [49.10233060774818]
  データから現実的な拡張を自動的に学習することは、生成モデルを用いてラベル効率の良い方法で可能であることを示す。 これらの学習の強化は、モデルをより堅牢で統計的に公平に配布できることを示した。
  論文  参考訳（メタデータ） (2023-04-18T18:15:38Z)

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。