論文の概要: Prospective evaluation of multimodal respiratory failure prediction: Do chest X-rays improve performance beyond EHR signals?

• arxiv url: http://arxiv.org/abs/2605.26255v2
• Date: Wed, 27 May 2026 18:07:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-30 02:45:54.728813
• Title: Prospective evaluation of multimodal respiratory failure prediction: Do chest X-rays improve performance beyond EHR signals?
• Title（参考訳）: マルチモーダル呼吸不全予測の先進的評価:胸部X線はEHR信号を超える性能を改善するか?
• Authors: Xiaolei Lu, Shamim Nemati,
• Abstract要約: 我々は、構造化EHR時系列データをCXR基礎モデル表現と統合するゲート型マルチモーダルフレームワークを開発した。 ICU患者24時間以内の侵襲的機械換気予測の枠組みについて検討した。
• 参考スコア（独自算出の注目度）: 4.250825424649631
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Early prediction of respiratory failure is critical for timely clinical intervention in intensive care units. Existing electronic health record (EHR)-based models can continuously monitor physiologic deterioration, but they may not fully capture pulmonary pathophysiology reflected in chest radiographs (CXRs). In this study, we ask whether CXR information improves prospective prediction of invasive mechanical ventilation beyond EHR signals alone. We develop a gated multimodal framework that integrates structured EHR time-series data with CXR foundation-model representations. The gating module adaptively controls the contribution of imaging features based on patient-specific clinical context, allowing the model to selectively rely on imaging information when it is informative. We prospectively evaluate the framework for predicting invasive mechanical ventilation within 24 hours in ICU patients and compare it with an established EHR-only model (Ventio), physician predictions obtained at matched clinical time points, and alternative multimodal variants. The gated multimodal models achieved higher discrimination than the EHR-only baseline, with AUROC values of 0.860 and 0.858 using REMEDIS and MedInsight CXR representations, respectively, compared with 0.752 for Ventio. Relative to physician predictions, the multimodal framework substantially improved sensitivity while maintaining favorable specificity. Compared with the EHR-only model, multimodal integration increased specificity and positive predictive value, suggesting that CXR information can refine risk estimation in selected patients. These findings support adaptive multimodal fusion as a practical strategy for incorporating imaging into prospective respiratory failure prediction.
• Abstract（参考訳）: 呼吸不全の早期予測は集中治療単位の時間的臨床介入に重要である。 既存の電子健康記録(EHR)ベースのモデルでは、生理的劣化を継続的に監視できるが、胸部X線写真(CXR)に反映される肺の病態をフルに捉えることはできない。 本研究では,CXR情報により,EMH信号以外の侵入的機械換気の予測が改善するか否かを問う。 我々は、構造化EHR時系列データとCXR基礎モデル表現を統合するゲート型マルチモーダルフレームワークを開発した。 ゲーティングモジュールは、患者固有の臨床状況に基づいて画像特徴の寄与を適応的に制御し、情報化時に画像情報に選択的に依存する。 ICU患者24時間以内の侵襲的機械換気予測の枠組みを前向きに評価し,既存のEMHモデル(Ventio)と比較した。 AUROCはREMEDISとMedInsight CXRでそれぞれ0.860と0.858であり、Ventioでは0.752であった。 医師の予測とは対照的に、マルチモーダル・フレームワークは、良好な特異性を保ちながら感度を大幅に改善した。 EHRのみのモデルと比較して、マルチモーダル統合は特異性と肯定的な予測値を増大させ、CXR情報によって選択された患者のリスク推定を洗練させる可能性が示唆された。 これらの知見は, 適応型多モード核融合が望ましくない呼吸不全予測にイメージングを組み込むための実践的戦略となることを裏付けるものである。

関連論文リスト

• Cerebra: A Multidisciplinary AI Board for Multimodal Dementia Characterization and Risk Assessment [56.62016795093786]
  CerebraはインタラクティブなマルチエージェントAIチームで、ERH、臨床ノート、医療画像分析のための特殊エージェントをコーディネートする。 構造化された表現を操作することで、プライバシ保護デプロイメントをサポートし、モダリティが不完全であれば、堅牢である。 Cerebraは、有識者のパフォーマンスを著しく改善し、前向き認知症リスク推定において精度を17.5ポイント向上させた。
  論文  参考訳（メタデータ） (2026-03-23T05:46:45Z)
• A Multimodal Deep Learning Framework for Predicting ICU Deterioration: Integrating ECG Waveforms with Clinical Data and Clinician Benchmarking [1.2938481923855734]
  MDS ICUは、人口統計、バイオメトリックス、バイタルサイン、実験室の値、心電図波形、外科手術、医療機器の使用など、日常的に収集されるデータを融合し、ICU滞在中に継続的な予測支援を提供する統合機械学習フレームワークである。 我々は,心電図波形の構造化状態空間S4エンコーダと多層パーセプトロンRealMLPエンコーダを組み合わせた深層学習アーキテクチャを訓練し,死亡率,臓器機能障害,治療ニーズ,急性劣化の33例を共同で予測した。 分析の結果、予測されたリスクと観測されたリスクの密接な一致を示し、ECG波形統合による一貫した利得を示した。
  論文  参考訳（メタデータ） (2026-01-10T18:11:12Z)
• A DeepSeek-Powered AI System for Automated Chest Radiograph Interpretation in Clinical Practice [83.11942224668127]
  Janus-Pro-CXR (1B) はDeepSeek Janus-Proモデルに基づく胸部X線解釈システムである。 本システムは, 自動レポート生成において, 最先端のX線レポート生成モデルより優れる。
  論文  参考訳（メタデータ） (2025-12-23T13:26:13Z)
• Leveraging Support Vector Regression, Radiomics and Dosiomics for Outcome Prediction in Personalized Ultra-fractionated Stereotactic Adaptive Radiotherapy (PULSAR) [5.497745780154633]
  本研究では,GTV(Grog tumor volume)の変化を予測するためのマルチオミクスベースサポートベクター回帰(SVR)モデルを開発することを目的とする。 脳転移69例の振り返りコホートを解析した。 デルタラジオグラフィー機能は、単一点における特徴に対して予測精度を高める上で重要な役割を担っている。
  論文  参考訳（メタデータ） (2025-09-09T15:57:21Z)
• MOSCARD -- Causal Reasoning and De-confounding for Multimodal Opportunistic Screening of Cardiovascular Adverse Events [3.206697649226124]
  MACE(Major Adverse Cardiovascular Events)は、2021年のGlobal Disease Studyで報告された、世界の死亡率の主要な原因である。 機会論的スクリーニングは、定期的な健康チェックから収集されたデータを活用し、マルチモーダルデータはリスクのある個人を特定する上で重要な役割を果たす。 そこで我々は,MOSCARD(MOSCARD, Multimodal causal reasoning with co-attention)という新たな予測モデリングフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-06-23T22:28:37Z)
• Addressing Asynchronicity in Clinical Multimodal Fusion via Individualized Chest X-ray Generation [14.658627367126009]
  本稿では,胸部X線像の最新の画像表現を動的に生成するDDL-CXRを提案する。 提案手法は,従来のCXR画像とERH時系列を戦略的に条件付けした患者特異的生成のための潜時拡散モデルを利用する。 MIMICデータセットを用いた実験は、提案モデルがマルチモーダル融合における非同期性に効果的に対応し、既存の手法を一貫して上回ることを示す。
  論文  参考訳（メタデータ） (2024-10-23T14:34:39Z)
• Improving Classification Model Performance on Chest X-Rays through Lung Segmentation [63.45024974079371]
  本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。 提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
  論文  参考訳（メタデータ） (2022-02-22T15:24:06Z)
• Variational Knowledge Distillation for Disease Classification in Chest X-Rays [102.04931207504173]
  我々は,X線に基づく疾患分類のための新しい確率的推論フレームワークである反復的知識蒸留(VKD)を提案する。 提案手法の有効性を,X線画像とEHRを用いた3つの公開ベンチマークデータセットに示す。
  論文  参考訳（メタデータ） (2021-03-19T14:13:56Z)
• MIA-Prognosis: A Deep Learning Framework to Predict Therapy Response [58.0291320452122]
  本稿では,患者の予後と治療反応を予測するための統合型深層学習手法を提案する。 我々は,マルチモーダル非同期時系列分類タスクとして,確率モデリングを定式化する。 我々の予測モデルは、長期生存の観点から、低リスク、高リスクの患者をさらに階層化する可能性がある。
  論文  参考訳（メタデータ） (2020-10-08T15:30:17Z)

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。