論文の概要: Seeing Below the Limit of Detection: A Censored-Poisson Bayesian Latent-Growth Change-Point Detector (the Span Detector) for Serial ctDNA in HR+/HER2- Metastatic Breast Cancer
- arxiv url: http://arxiv.org/abs/2606.11876v1
- Date: Wed, 10 Jun 2026 09:59:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-11 16:42:38.401943
- Title: Seeing Below the Limit of Detection: A Censored-Poisson Bayesian Latent-Growth Change-Point Detector (the Span Detector) for Serial ctDNA in HR+/HER2- Metastatic Breast Cancer
- Title（参考訳）: HR+/HER2-転移性乳癌における経時的ctDNA検出装置(Span Detector)の検討
- Authors: Aarchi Singh Thakur, Abhijoy Sarkar,
- Abstract要約: 市販の液体生検では、それぞれが独立したスナップショットとして、非検出を無として扱う。
我々は、非検出は左チャージされた観察であり、非検出と偽検出のパターンは、時間とともに、実用的な成長の証拠となると主張している。
本稿では,2値検出過程をモデル化した,検閲されたPoisson Bayesian遅延成長点検出器であるSpanを紹介する。
- 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: Circulating-tumour DNA (ctDNA) carries evidence of drug resistance months before imaging shows it, but the earliest evidence lives below the assay's limit of detection (LoD): a nascent subclone is detected only intermittently, producing a flickering sequence of faint detects and non-detects. Commercial liquid biopsies treat each draw as an independent snapshot and a non-detect as nothing. We argue a non-detect is a left-censored observation, and the pattern of non-detects and faint detects over time carries actionable evidence of growth before any single value is trustworthy. We introduce Span, a censored-Poisson Bayesian latent-growth change-point detector that models the binary detection process, accumulates a sequential generalised-likelihood-ratio statistic for an upward change-point in the per-variant detection rate, and raises a competing-risks alarm with calibrated false-alarm control. Span has no learned weights, so there is nothing to overfit. On a synthetic cohort of HR+/HER2- metastatic breast cancer on first-line CDK4/6-inhibitor plus endocrine therapy, at a matched 10% false-alarm rate, Span roughly doubles the fraction of impending progressions caught three months ahead (indolent regime: 25% vs 11% for the snapshot), with a falsifiable dose-response: large for indolent emergence, vanishing for fast emergence. A value-trajectory baseline performs identically to the snapshot, isolating the gain to the censored detection model. The survival backbone matches a Cox baseline on real breast-cancer data (GBSG-2, n=686; C-index 0.67 vs 0.68), and on a real longitudinal cohort with clean biomarkers (PBC2, n=312) the same pipeline correctly declines to win, a falsifiable boundary test confirming the mechanism is regime-specific. All ctDNA trajectories are synthetic.
- Abstract（参考訳）: 循環型腫瘍DNA(ctDNA)は、画像化される数ヶ月前に薬剤耐性の証拠を示すが、最も初期の証拠はアッセイの検出限界(LoD)より下にある。
市販の液体生検では、それぞれが独立したスナップショットとして、非検出を無として扱う。
非検出は左チャージされた観察であり、非検出と偽検出のパターンは、単一の値が信頼に値する前に、実用的な成長の証拠となる。
本研究では,2値検出過程をモデル化し,各変量検出速度における上向き変化点に対する逐次一般化様比統計を蓄積する,検閲されたポアソン型潜伏成長点検出器であるSpanを導入し,キャリブレーションされた偽アラーム制御による競合リスクアラームを上昇させる。
Spanには学習したウェイトがないので、過度に適合するものは何もありません。
初回CDK4/6-インヒビターと内分泌療法を併用したHR+/HER2-転移性乳癌の合成コホートにおいて、Spanは3ヶ月前(思春期:25%対11%)に捕えられた差し迫った進行率の約2倍の差を示した。
値軌道ベースラインはスナップショットと同一に動作し、検閲された検出モデルに利得を分離する。
生存バックボーンは、実際の乳がんデータ(GBSG-2, n=686; C-index 0.67 vs 0.68)上のCoxベースラインと一致し、クリーンなバイオマーカー(PBC2, n=312)と実際の長手コホートでは、同じパイプラインが正しく低下して勝利し、そのメカニズムがシステマティクス固有のものであることを確認した。
全てのctDNAトラジェクトリは合成される。
関連論文リスト
- Prognostic Value of Lung Ultrasound Biomarkers for Readmission Risk in Congestive Heart Failure: A Pilot Data-Driven Analysis [26.032201678917374]
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。
論文 参考訳（メタデータ） (2026-05-16T02:49:12Z) - Maximizing T2-Only Prostate Cancer Localization from Expected Diffusion Weighted Imaging [68.57480103120561]
マルチパラメトリックMRIは前立腺癌の検出と局所化のための第一線非侵襲的アプローチとしてますます推奨されている。
T2w画像のみを用いた早期機械学習の試みは、放射線医に注釈された病変の診断に有望な性能を示した。
本研究は、T2wのみを推論に用いて、独立した病理組織学的ラベルに基づいて個々のがんを局在させる、より難しい応用について検討する。
論文 参考訳（メタデータ） (2026-04-01T14:50:18Z) - Bootstrapped Physically-Primed Neural Networks for Robust T2 Distribution Estimation in Low-SNR Pancreatic MRI [1.2899392854599374]
本稿では,ロバストな分布T2推定のためのブートストラップに基づく推論フレームワークを提案する。
提案手法では, 推定時間ブートストレッピングを用いて, ノイズアーティファクトの滑らか化と, 基礎となる緩和分布への忠実度の向上を図る。
これらの結果から,低SNR腹部造影像における定量的T2緩和法の有用性が示唆された。
論文 参考訳（メタデータ） (2026-03-14T19:10:46Z) - PUNCH: Physics-informed Uncertainty-aware Network for Coronary Hemodynamics [8.812266680285369]
標準血管造影から冠血流量を直接推定するための非診断・不確実性認識フレームワークを提案する。
このシステムは、コントラスト輸送の第一原理モデルから冠血流を推定するために、物理インフォームドニューラルネットワークと変分推論を統合している。
パイプラインは、患者1人あたり約3分で、1つのGPU上で動作し、人口レベルのトレーニングは行わない。
論文 参考訳（メタデータ） (2026-01-23T21:47:23Z) - Hide-and-Seek Attribution: Weakly Supervised Segmentation of Vertebral Metastases in CT [68.09387763135236]
脊椎レベルの健康・悪性のラベルにのみ、病変マスクを伴わずに訓練を施した弱い指導方法を提案する。
マスクの監視がないにも関わらず,強い爆発・解析性能を達成する。
論文 参考訳（メタデータ） (2025-12-07T14:03:28Z) - BURN: Backdoor Unlearning via Adversarial Boundary Analysis [73.14147934175604]
Backdoor Unlearningは、モデル本来の機能を保持しながら、バックドア関連の情報を削除することを目的としている。
本稿では, 偽相関疎結合, プログレッシブデータリファインメント, モデル浄化を統合した新しい防御フレームワーク, BURNによるバックドア・アンラーニングを提案する。
論文 参考訳（メタデータ） (2025-07-14T17:13:06Z) - CBD: A Certified Backdoor Detector Based on Local Dominant Probability [16.8197731929139]
本稿では,新しい整合予測手法に基づく最初の認証バックドア検出器(CBD)を提案する。
CBDは、(1)検出推測、(2)攻撃が検出可能であることを保証する条件、(3)偽陽性率の確率的上限を提供する。
CBDは最先端の検出器と同等またはそれ以上の精度で検出を行い、さらに検出認証を提供する。
論文 参考訳（メタデータ） (2023-10-26T15:53:18Z) - Mitigating the Mutual Error Amplification for Semi-Supervised Object
Detection [92.52505195585925]
擬似ラベルの修正機構を導入し,相互誤りの増幅を緩和するクロス・インストラクション(CT)手法を提案する。
他の検出器からの予測を直接擬似ラベルとして扱う既存の相互指導法とは対照的に,我々はラベル修正モジュール(LRM)を提案する。
論文 参考訳（メタデータ） (2022-01-26T03:34:57Z) - Self-Supervised U-Net for Segmenting Flat and Sessile Polyps [63.62764375279861]
大腸ポリープの発達は、がんの最も初期の兆候の1つである。
ポリープの早期検出と切除は生存率を90%に大きく向上させる。
大腸内視鏡画像の処理によりポリープを検出するコンピュータ支援診断システム(CADx)が提案されている。
論文 参考訳（メタデータ） (2021-10-17T09:31:20Z) - Controlling False Positive/Negative Rates for Deep-Learning-Based
Prostate Cancer Detection on Multiparametric MR images [58.85481248101611]
そこで本研究では,病変からスライスまでのマッピング機能に基づく,病変レベルのコスト感受性損失と付加的なスライスレベルの損失を組み込んだ新しいPCa検出ネットワークを提案する。
1) 病変レベルFNRを0.19から0.10に, 病変レベルFPRを1.03から0.66に減らした。
論文 参考訳（メタデータ） (2021-06-04T09:51:27Z) - Lung Segmentation and Nodule Detection in Computed Tomography Scan using
a Convolutional Neural Network Trained Adversarially using Turing Test Loss [6.375447757249894]
肺がんは世界中で最も多く見られるがんであり、死亡率が高い。
悪性腫瘍の症状である結節は、患者のCTスキャンで約0.0125～0.025%の体積を占める。
この問題に対処するために,計算効率の良い2段階フレームワークを提案する。
第1段階では、肺領域のチューリング試験損失セグメントを用いて、畳み込みニューラルネットワーク(CNN)が逆行訓練を行った。
第2段階では、区分けされた領域から採取されたパッチは、結節の存在を検出するために分類される。
論文 参考訳（メタデータ） (2020-06-16T16:51:53Z)
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。