論文の概要: Prognostic Value of Lung Ultrasound Biomarkers for Readmission Risk in Congestive Heart Failure: A Pilot Data-Driven Analysis

• arxiv url: http://arxiv.org/abs/2605.18878v1
• Date: Sat, 16 May 2026 02:49:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-20 15:03:08.76584
• Title: Prognostic Value of Lung Ultrasound Biomarkers for Readmission Risk in Congestive Heart Failure: A Pilot Data-Driven Analysis
• Title（参考訳）: 心不全の寛解リスクに対する肺超音波バイオマーカーの予後評価 : パイロットデータ駆動解析
• Abstract要約: 30日以内の退院は、心不全(CHF)の重症度、死亡率、回避可能な医療費をリードする要因である ポイント・オブ・ケア肺(LUS)は、CHFの償却を特徴とする肺の混雑に敏感で非侵襲的な窓を提供するが、その読み出し予測の予後上の有用性は明らかにされていない。 入院時に取得したBモードLUSを用いて30日間のCHF寛解を予測できるパイロット実現可能性の検討を行った。
• 参考スコア（独自算出の注目度）: 26.032201678917374
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Hospital readmission within 30 days of discharge is a leading driver of morbidity, mortality, and avoidable healthcare expenditure in congestive heart failure (CHF). Current clinical risk stratification tools rely primarily on non-imaging data and exhibit limited predictive performance. Point-of-care lung ultrasound (LUS) offers a sensitive, noninvasive window into the pulmonary congestion that characterizes CHF decompensation, yet its prognostic utility for readmission prediction remains largely unexplored. We present a pilot feasibility study, the first systematic machine learning study using B-mode LUS acquired during hospitalization to predict 30-day CHF readmission. Quantitative spatiotemporal embeddings are extracted from a pretrained Temporal Shift Module (TSM) ResNet-18 encoder, and interpretable biomarker features are separately evaluated. Through structured ablations over lung view, temporal representation, multi-view fusion, and cross-lung augmentation, we identify the key imaging factors driving readmission risk. Our findings reveal that (1) dependent lower-lung regions (Left-3, Right-3) carry the strongest prognostic signal, consistent with their greater susceptibility to hydrostatic congestion; (2) temporal difference features between sequential examinations substantially outperform single-timepoint representations, highlighting the importance of capturing disease trajectory; and (3) multi-view feature concatenation yields the best overall performance, with our top MLP model achieving an F1 score of 0.80 (95% CI: 0.62-0.96). Biomarker analysis further reveals that pleural-line abnormalities, including breaks and indentations, are as informative as the canonical A-line and B-line markers. These results support POCUS-derived biomarkers as practical, interpretable tools for noninvasive CHF risk stratification.
• Abstract（参考訳）: 30日以内の退院は、心不全(CHF)における死亡率、死亡率、回避可能な医療費の先導要因である。 現在の臨床リスク階層化ツールは、主に非画像データに依存し、限られた予測性能を示す。 ポイント・オブ・ケア肺超音波(LUS)は、CHF減弱を特徴とする肺の混雑に敏感で非侵襲的な窓を提供する。 入院時に取得したBモードLUSを用いて,30日間のCHF寛解を予測した最初の体系的機械学習研究であるパイロット・フィジビリティースタディを提案する。 事前訓練された時間シフトモジュール(TSM) ResNet-18エンコーダから定量的な時空間埋め込みを抽出し、解釈可能なバイオマーカーの特徴を別々に評価する。 肺所見, 時間的表現, 多視点融合, 肺横断拡大を対象とし, 可読性リスクを惹起する重要な画像因子を同定した。 以上の結果から, (1) 依存下肺領域 (Left-3, Right-3) は, 静水圧混雑に対する強い感受性と一致した強い予後信号を持ち, (2) シーケンシャルな検査の時間的差異は, 単点表現よりも優れており, 疾患軌跡の捕捉の重要性が強調されている。 バイオマーカー分析により、断裂や切開を含む胸膜異常は、標準A線およびB線マーカーと同じくらい情報的であることが明らかとなった。 これらの結果はPOCUS由来のバイオマーカーを非侵襲的なCHFリスク層形成のための実用的で解釈可能なツールとしてサポートしている。

関連論文リスト

• Predicting Future Organ Dysfunction in ICU Patients Using Temporal Convolutional Networks on MIMIC-IV Data [3.007949058551534]
  ICU時系列データから,時間的畳み込みネット作業(TCN)が次のSOFAスコアを予測できる範囲について検討する。 3日間のスライディングウィンドウで訓練された残りのTCNは、0.740+-0.013の5倍のクロスバリデーションR2と1.431+-0.022のMAEを達成した。 TCNはICUの生理的データから有意な予測信号を抽出できるが,入力ウィンドウの短さと全ケース選択バイアスが臨床効果を制限している。
  論文  参考訳（メタデータ） (2026-08-29T14:40:13Z)
• A CUBS-Compatible Ultrasound Morphology and Uncertainty-Aware Baseline for Carotid Intima-Media Segmentation and Preliminary Risk Prediction [0.0]
  頸動脈硬化症は虚血性脳梗塞および一過性虚血発作の原因となる。 本研究では,CUBS互換超音波形態と不確実性認識ベースラインであるAtheroFlow-XNetについて述べる。
  論文  参考訳（メタデータ） (2026-05-14T15:21:05Z)
• Transparent Early ICU Mortality Prediction with Clinical Transformer and Per-Case Modality Attribution [42.85462513661566]
  ICU滞在後48時間から, 生理的時系列測定と非構造的臨床記録とを融合した, 軽量で透明なマルチモーダルアンサンブルを提案する。 ロジスティック回帰モデルは、バイタル用双方向LSTMとノート用微調整された臨床ModernBERT変換器の2つのモード固有モデルからの予測を組み合わせる。 MIMIC-IIIベンチマークでは、遅延融合アンサンブルは、よく校正された予測を維持しながら、最高の単一モデルに対する差別を改善する。
  論文  参考訳（メタデータ） (2025-11-19T20:11:49Z)
• Live(r) Die: Predicting Survival in Colorectal Liver Metastasis [0.01268579273097071]
  大腸癌はしばしば肝に転移し、長期生存率を大幅に低下させる。 現在の予後モデルは、しばしば限られた臨床または分子的特徴に基づいており、十分な予測力を持っていない。 コントラスト前・後MRIによる外科的予後予測のための完全自動フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-10T19:02:59Z)
• A Novel Attention-Augmented Wavelet YOLO System for Real-time Brain Vessel Segmentation on Transcranial Color-coded Doppler [49.03919553747297]
  我々は,脳動脈を効率よく捉えることができるAIを利用したリアルタイムCoW自動分割システムを提案する。 Transcranial Color-coded Doppler (TCCD) を用いたAIによる脳血管セグメンテーションの事前研究は行われていない。 提案したAAW-YOLOは, 異方性および対側性CoW容器のセグメンテーションにおいて高い性能を示した。
  論文  参考訳（メタデータ） (2025-08-19T14:41:22Z)
• Weakly Supervised Intracranial Aneurysm Detection and Segmentation in MR angiography via Multi-task UNet with Vesselness Prior [2.423045468361048]
  頭蓋内動脈瘤 (IAs) は脳血管の異常な拡張であり、破裂すると生命を脅かす結果をもたらす。 本稿では,脳動脈瘤の検出とセグメンテーションを共同で行うために,血管度を組み込んだ3次元マルチタスクUNetを提案する。
  論文  参考訳（メタデータ） (2025-08-01T00:45:46Z)
• Detection of Autonomic Dysreflexia in Individuals With Spinal Cord Injury Using Multimodal Wearable Sensors [2.208475400165877]
  自律神経障害 (AD) は、脊髄損傷者(SCI)の突然の血圧急上昇を特徴とする生命予後の1つである。 本研究では,マルチモーダルウェアラブルセンサを用いたAD検出のための非侵襲的,説明可能な機械学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-07-23T21:18:23Z)
• Finetuning and Quantization of EEG-Based Foundational BioSignal Models on ECG and PPG Data for Blood Pressure Estimation [46.36100528165335]
  光胸腺撮影と心電図は、連続血圧モニタリング(BP)を可能にする可能性がある。 しかし、データ品質と患者固有の要因の変化のため、正確で堅牢な機械学習(ML)モデルは依然として困難である。 本研究では,1つのモータリティで事前学習したモデルを効果的に利用して,異なる信号タイプの精度を向上させる方法について検討する。 本手法は, 拡張期BPの最先端精度を約1.5倍に向上し, 拡張期BPの精度を1.5倍に向上させる。
  論文  参考訳（メタデータ） (2025-02-10T13:33:12Z)
• Mortality Prediction of Pulmonary Embolism Patients with Deep Learning and XGBoost [0.5942186563711294]
  肺塞栓症(PE)は死亡率と致命的な疾患の主要な原因である。 従来の臨床手法では, PE患者の30日間の院内死亡を予測できた。
  論文  参考訳（メタデータ） (2024-11-27T05:15:55Z)
• Fuzzy Attention Neural Network to Tackle Discontinuity in Airway Segmentation [67.19443246236048]
  気道セグメンテーションは肺疾患の検査、診断、予後に重要である。 いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。 本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2022-09-05T16:38:13Z)
• Dual-Consistency Semi-Supervised Learning with Uncertainty Quantification for COVID-19 Lesion Segmentation from CT Images [49.1861463923357]
  CT画像を用いた半監視型COVID-19病変分割のための不確実性誘導型二重一貫性学習ネットワーク(UDC-Net)を提案する。 提案した UDC-Net は,Dice の完全教師方式を 6.3% 向上させ,他の競合的半監督方式を有意なマージンで上回っている。
  論文  参考訳（メタデータ） (2021-04-07T16:23:35Z)
• 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)

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。