論文の概要: A Multi-Dimensional Clustering Approach for Identifying Inborn Errors of Immunity

• arxiv url: http://arxiv.org/abs/2605.18880v1
• Date: Sat, 16 May 2026 03:29:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-20 15:03:08.768644
• Title: A Multi-Dimensional Clustering Approach for Identifying Inborn Errors of Immunity
• Title（参考訳）: 免疫異常の同定のための多次元クラスタリング手法
• Authors: Nishad Kulkarni, Alexandra K. Martinson, Nicholas L. Rider, Michael Keller, Syed Muhammad Anwar,
• Abstract要約: 新生児免疫不全(IEI)のような希少な疾患は、臓器の損傷を予防し、生活の質を向上させるために早期診断を必要とする。 IEIにおけるパターン認識のための機械学習(ML)アルゴリズムの開発は限られている。 本研究は,IEIの特徴認識を洗練させ,まれな疾患集団分析のためのデータツールキットを開発し,教師なしMLで解釈可能なデータ構造における複雑な医療記録の変換を拡大する。
• 参考スコア（独自算出の注目度）: 40.41295591212923
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Rare diseases such as inborn errors of immunity (IEI) require early diagnosis to prevent end organ damage and improve quality of life. Hurdles in accessing and curating large scale electronic health record (EHR) data limit routine data driven analyses to remain on the forefront of IEI and other rare disease trends. Development of machine learning (ML) algorithms in IEI for pattern recognition as well as published methodology examining how to systematically process and integrate complex medical data is limited. Our proposed pipeline, including data curation and ML clustering algorithms, is designed to recognize novel rare disease patterns and extract IEI- associated features from a national data registry. Our methodology for EHR data formatting and processing presents the pipeline that transforms raw immunologic lab data into vectors. This is further combined with hyperparameter tuning for diseases pattern recognition via clustering. This study refines IEI feature awareness, develops data tool kits for rare disease populations analysis, and expands on transforming complex medical records in data structures interpretable by unsupervised ML.
• Abstract（参考訳）: 新生児免疫不全(IEI)のような希少な疾患は、臓器の損傷を予防し、生活の質を向上させるために早期診断を必要とする。 大規模電子健康記録(EHR)データへのアクセスとキュレーションのハードルは、IEIや他のまれな疾患のトレンドの最前線に残るように、日常的なデータ駆動分析を制限している。 パターン認識のためのIEIにおける機械学習(ML)アルゴリズムの開発や、複雑な医療データを体系的に処理し統合する方法を研究する方法論の公表は限られている。 データキュレーションやMLクラスタリングアルゴリズムを含むパイプラインは,新たなレアな疾患パターンを認識し,国家データレジストリからIEI関連機能を抽出するように設計されている。 EHRデータフォーマットと処理のための手法は,生の免疫学的実験室データをベクトルに変換するパイプラインを提示する。 これはさらに、クラスタリングによる病気パターン認識のためのハイパーパラメータチューニングと組み合わせられる。 本研究は,IEIの特徴認識を洗練させ,まれな疾患集団分析のためのデータツールキットを開発し,教師なしMLで解釈可能なデータ構造における複雑な医療記録の変換を拡大する。

関連論文リスト

• Clinical NLP with Attention-Based Deep Learning for Multi-Disease Prediction [44.0876796031468]
  本稿では,電子健康記録テキストの非構造的性質と高次元意味論的複雑さがもたらす課題について論じる。 情報抽出と多ラベル病予測のための統合モデリングを実現するために,注意機構に基づく深層学習手法を提案する。
  論文  参考訳（メタデータ） (2025-07-02T07:45:22Z)
• Semi-supervised Clustering Through Representation Learning of Large-scale EHR Data [5.591260685112265]
  SCOREは、患者埋め込みを通じて多領域の疾患プロファイルをキャプチャする半教師付き表現学習フレームワークである。 大規模データの計算課題に対処するため、ハイブリッド期待最大化(EM)とガウス変分近似(GVA)アルゴリズムを導入している。 分析の結果,ラベル付きデータの導入により精度が向上し,ラベル不足に対する感度が低下することがわかった。
  論文  参考訳（メタデータ） (2025-05-27T05:20:17Z)
• PHGNN: A Novel Prompted Hypergraph Neural Network to Diagnose Alzheimer's Disease [2.1496312331703935]
  本稿では,ハイパーグラフに基づく学習と即時学習を統合した新しいPmpted Hypergraph Neural Network (PHGNN) フレームワークを提案する。 本モデルは,ADNIデータセットにおける広範囲な実験により検証され,AD診断とMCI変換予測の両方においてSOTA法より優れていた。
  論文  参考訳（メタデータ） (2025-03-18T16:10:43Z)
• Patient Trajectory Prediction: Integrating Clinical Notes with Transformers [0.0]
  本稿では,非構造的臨床ノートをトランスフォーマーベース深層学習モデルに統合し,シーケンシャルな疾患予測を行うアプローチを提案する。 MIMIC-IVデータセットの実験は、提案手法が構造化データのみに依存する従来のモデルよりも優れていることを示した。
  論文  参考訳（メタデータ） (2025-02-25T09:14:07Z)
• TACCO: Task-guided Co-clustering of Clinical Concepts and Patient Visits for Disease Subtyping based on EHR Data [42.96821770394798]
  TACCOは、EMHデータのハイパーグラフモデリングに基づいて、臨床概念と患者訪問のクラスターを共同で発見する新しいフレームワークである。 我々は,表現型分類と心血管リスク予測の下流臨床課題に対して,公共MIMIC-IIIデータセットとエモリー内部CRADLEデータセットを用いて実験を行った。 深層モデル解析,クラスタリング結果解析,臨床ケーススタディは,TACCOが提供した改良されたユーティリティと洞察に富んだ解釈をさらに検証する。
  論文  参考訳（メタデータ） (2024-06-14T14:18:38Z)
• Exploring Machine Learning Algorithms for Infection Detection Using GC-IMS Data: A Preliminary Study [2.4961885884659987]
  本研究は, 正確な感染診断の現在進行中の問題に対処することを目的としている。 Gas Chromatography-Ion Mobility Spectrometry (GC-IMS)データを利用して、機械学習アルゴリズムを1つのプラットフォームに組み込むことで、この問題に対処することを目指している。
  論文  参考訳（メタデータ） (2024-04-24T09:25:16Z)
• G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for Biomarker Identification and Disease Classification [49.53651166356737]
  診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。 2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
  論文  参考訳（メタデータ） (2021-01-27T19:28:04Z)
• Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype Prediction [55.94378672172967]
  本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。 新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。 我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
  論文  参考訳（メタデータ） (2020-09-02T02:50:30Z)
• Trajectories, bifurcations and pseudotime in large clinical datasets: applications to myocardial infarction and diabetes data [94.37521840642141]
  混合データ型と欠落値を特徴とする大規模臨床データセット分析のための半教師付き方法論を提案する。 この手法は、次元の減少、データの可視化、クラスタリング、特徴の選択と、部分的に順序付けられた観測列における測地距離(擬時)の定量化のタスクを同時に扱うことのできる弾性主グラフの適用に基づいている。
  論文  参考訳（メタデータ） (2020-07-07T21:04:55Z)
• A Deep Learning Pipeline for Patient Diagnosis Prediction Using Electronic Health Records [0.5672132510411464]
  我々は、公衆衛生データセットを普遍的なフォーマットに容易に変換するPythonパッケージを開発し、公開する。 複数の診断を同時に予測する2つの新しいモデルアーキテクチャを提案する。 どちらのモデルも高い精度で複数の診断を同時に予測できる。
  論文  参考訳（メタデータ） (2020-06-23T14:58:58Z)

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。