論文の概要: Conformal Risk Prediction for Non-Alcoholic Fatty Liver Disease Using Gradient Boosting with Distribution-Free Coverages

• arxiv url: http://arxiv.org/abs/2606.09860v1
• Date: Sun, 31 May 2026 14:23:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-10 15:40:57.959615
• Title: Conformal Risk Prediction for Non-Alcoholic Fatty Liver Disease Using Gradient Boosting with Distribution-Free Coverages
• Title（参考訳）: 非アルコール性脂肪肝疾患に対する分布自由被覆法によるコンフォーマルリスク予測
• Authors: Xinze Zhang,
• Abstract要約: 非アルコール性脂肪肝疾患(NAFLD)は、世界の成人の約25%に影響を及ぼす。 NAFLDリスク予測のための機械学習フレームワークである Method を提案する。
• 参考スコア（独自算出の注目度）: 2.538209532048867
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Non-alcoholic fatty liver disease (NAFLD) affects roughly 25% of global adults, posing substantial hepatic and cardiovascular risks. Yet, population-level screening tools remain inadequate. We present Method, a machine-learning framework for NAFLD risk prediction coupling gradient-boosted decision trees with conformal prediction to yield calibrated, distribution-free coverage guarantees on individual risk estimates. It integrates a mutual-information-based stability selection procedure to identify a compact, clinically interpretable feature subset via bootstrap resampling, constructing prediction sets whose marginal coverage provably exceeds a user-specified confidence level. We evaluated Method on a multicenter cohort from Guangzhou, China (primary n=2,187; external validation n=412) using 78 candidate features across demographics, metabolic biomarkers, and lifestyle factors. Method achieves an AUROC of 0.912 internally and 0.891 externally, outperforming deep neural networks, TabNet, support vector machines, and logistic regression. Conformal prediction sets achieve 91.3% empirical coverage at the 90% nominal level. A three-tier risk stratification derived from these scores separates the population into distinct groups, with the high-risk subgroup showing a 12-month progression rate 4.7 times that of the low-risk tier. The selected features -- notably waist circumference, ALT, GGT, triglycerides, fasting glucose, and BMI -- align with established metabolic risk factors, providing biological plausibility.
• Abstract（参考訳）: 非アルコール性脂肪肝疾患(NAFLD)は、世界の成人の約25%に影響を及ぼし、肝や心血管に重大なリスクをもたらす。 しかし、人口レベルのスクリーニングツールはまだ不十分である。 本研究では,NAFLDリスク予測のための機械学習フレームワークである方法を提案する。 相互情報に基づく安定性の選択手順を統合して、ブートストラップ再サンプリングを通じてコンパクトで臨床的に解釈可能な特徴サブセットを識別し、限界カバレッジがユーザ特定信頼度を確実に上回る予測セットを構築する。 中国広州省の多施設コホート(第一報n=2,187,外部バリデーションn=412)について, 人口動態, 代謝バイオマーカー, ライフスタイル因子の78の候補特徴を用いて評価した。 ディープニューラルネットワーク、TabNet、サポートベクターマシン、ロジスティック回帰など、AUROCを内部で0.912、外部で0.891で実現している。 コンフォーマル予測セットは、90%の名目レベルで91.3%の経験的カバレッジを達成した。 これらのスコアから得られた3段階のリスク層化は、人口を異なるグループに分け、リスクの高いサブグループは低リスク層の4.7倍の12ヶ月の進行率を示す。 選択された特徴(特に腰回り、ALT、GGT、トリグリセリド、断食性グルコース、BMI)は、確立された代謝危険因子と一致し、生物学的な妥当性を提供する。

関連論文リスト

• Robust inference for risk heterogeneity under group imbalance [8.713612612607408]
  集中治療単位研究において、特定の入院診断に関連する死亡リスクは、民族群によって異なる可能性がある。 リスクの不均一性を検出する既存のアプローチは、しばしばベースラインモデルの誤特定と正規化バイアスに敏感である。 本研究では,Nymanity推定器を用いて2つの集団間のリスク不均一性を推定するための頑健な枠組みを提案する。
  論文  参考訳（メタデータ） (2026-05-30T16:35:45Z)
• A Breast Vision Pathology Foundation Model for Real-world Clinical Utility [65.57568187389113]
  a bfBRAVE, a breast-adaptive pathology foundation model developed and evaluation using a total resources of 101,638 breast wholeslide images。 臨床ワークフローにおけるBRAVEの実践的役割は、通常のAI支援による第2レビューから低リスクのケースを安全に排除すること、そしてさらなる評価のためのケースの優先順位付けなどである。
  論文  参考訳（メタデータ） (2026-05-06T07:44:39Z)
• Externally Validated Longitudinal GRU Model for Visit-Level 180-Day Mortality Risk in Metastatic Castration-Resistant Prostate Cancer [0.5361389213879222]
  転移性カストレーション耐性前立腺癌 (mCRPC) は予後不良と不均一な治療反応を有する高攻撃性疾患である。 我々は,2つのフェーズIIIコホートからの縦断データを用いて,訪問レベル180日間の死亡リスクモデルを開発し,検証した。
  論文  参考訳（メタデータ） (2026-01-27T20:48:53Z)
• Uncertainty-Calibrated Prediction of Randomly-Timed Biomarker Trajectories with Conformal Bands [24.335811693519165]
  臨床データからバイオマーカー軌跡の不確実性判定のためのコンフォメーション手法を提案する。 提案手法は,非整合性スコアを用いたランダム時間軌道の設定に共形予測を拡張した。 アルツハイマー病の進行リスクの高い被験者を同定する上で, コンフォメーションバンドの臨床的有用性を示す。
  論文  参考訳（メタデータ） (2025-11-17T21:04:14Z)
• Adaptable Cardiovascular Disease Risk Prediction from Heterogeneous Data using Large Language Models [70.64969663547703]
  AdaCVDは、英国バイオバンクから50万人以上の参加者を対象に、大規模な言語モデルに基づいて構築された適応可能なCVDリスク予測フレームワークである。 包括的かつ可変的な患者情報を柔軟に取り込み、構造化データと非構造化テキストの両方をシームレスに統合し、最小限の追加データを使用して新規患者の集団に迅速に適応する。
  論文  参考訳（メタデータ） (2025-05-30T14:42:02Z)
• HACSurv: A Hierarchical Copula-Based Approach for Survival Analysis with Dependent Competing Risks [51.95824566163554]
  本稿では,階層型アルキメデスコピュラス構造を学習する生存分析手法であるHACSurvを紹介する。 リスクと検閲の間の依存関係をキャプチャすることで、HACSurvは生存予測の精度を向上させる。
  論文  参考訳（メタデータ） (2024-10-19T18:52:18Z)
• Fuzzy Rule based Intelligent Cardiovascular Disease Prediction using Complex Event Processing [0.8668211481067458]
  心血管疾患 (CVD) は、不健康な食事、身体活動の欠如、その他の要因により、急速に世界的な懸念が高まっている。 最近の研究は、リスクと死亡率を減らすための正確でタイムリーな病気予測に焦点を当てている。 本稿では,リアルタイム意思決定支援のためのファジィルールに基づく臨床データ監視システムを提案する。
  論文  参考訳（メタデータ） (2024-09-19T16:36:24Z)
• Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
  近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。 そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
  論文  参考訳（メタデータ） (2024-04-26T16:39:50Z)
• BioFusionNet: Deep Learning-Based Survival Risk Stratification in ER+ Breast Cancer Through Multifeature and Multimodal Data Fusion [16.83901927767791]
  画像から得られる特徴を遺伝的・臨床的データと融合して全体像を得る深層学習フレームワークであるBioFusionNetを提案する。 本モデルでは, 平均一致率0.77, 曲線0.84の時間依存領域を達成し, 最先端の手法より優れていた。
  論文  参考訳（メタデータ） (2024-02-16T14:19:33Z)
• Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
  そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。 我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。 この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
  論文  参考訳（メタデータ） (2023-02-16T17:06:23Z)
• Survival Cluster Analysis [93.50540270973927]
  異なるリスクプロファイルを持つサブポピュレーションを特定するために、生存分析には未解決の必要性がある。 このニーズに対処するアプローチは、個々の成果のキャラクタリゼーションを改善する可能性が高い。
  論文  参考訳（メタデータ） (2020-02-29T22:41:21Z)

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。