論文の概要: OphthaDT: Generative Digital Twins for Forecasting Visual Acuity Trajectories in Ophthalmology

• arxiv url: http://arxiv.org/abs/2606.22101v1
• Date: Sat, 20 Jun 2026 15:34:26 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-06-24 20:24:00.918947
• Title: OphthaDT: Generative Digital Twins for Forecasting Visual Acuity Trajectories in Ophthalmology
• Title（参考訳）: OphthaDT:眼科における視力軌跡予測のためのディジタル双眼鏡
• Authors: Pietro Belligoli, Nikita Makarov, Sayedali Shetab Boushehri, Fabian Schmich, Raul Rodriguez-Esteban, Michael Menden,
• Abstract要約: 本稿では,LLMを用いた眼科用デジタルツインであるOphthaDTについて紹介する。 最大100週間にわたるベンチマークでは、OphthaDTは、新生血管年齢関連黄斑変性(nAMD)において、最も低い予測誤差を示した。 OphthaDTの予測的優位性は複雑さの軌跡とともにスケールする: 線形モデルはより安定した治療反応に有効である一方、OphthaDTの能力はnAMDの高縦変動を捉えるのに適している。
• 参考スコア（独自算出の注目度）: 0.47169284152482877
• License:
• Abstract: Precision medicine in ophthalmology requires accurate longitudinal predictions, but the fragmented nature of multimodal clinical data remains a barrier to forecasting. We introduce OphthaDT, an LLM-based digital twin for ophthalmology that serializes longitudinal patient histories from 3,220 patients across four Phase III clinical trials into structured narratives to forecast best corrected visual acuity (BCVA). In benchmarks spanning up to 100 weeks, OphthaDT demonstrated the lowest prediction error in neovascular age-related macular degeneration (nAMD), achieving an average mean absolute error (MAE) reduction of 6.0% compared to all baselines. In diabetic macular edema (DME), OphthaDT demonstrated competitive performance against all baselines while outperforming Random Forest and XGBoost by an average MAE reduction of 2.6% and 6.9%, respectively. Results reveal that OphthaDT's predictive advantage scales with trajectory complexity: whereas linear models remain effective for the more stable treatment responses of DME, OphthaDT's capacity is better suited for capturing the high longitudinal variability of nAMD. Finally, OphthaDT handles irregular sampling without imputation, positioning LLM-based clinical trajectory modeling as a methodology that could reduce patient burden and accelerate drug development.
• Abstract（参考訳）: 眼科における精密医療は正確な経時的予測を必要とするが, マルチモーダルな臨床データの断片化は予測の障壁である。 OphthaDTは眼科用デジタルツインで,第III相臨床試験中3,220例の縦断的患者履歴を構造化物語にシリアライズし,矯正視力(BCVA)の予測を行う。 最大100週間にわたるベンチマークでは、OphthaDTは、新生血管年齢関連黄斑変性(nAMD)において最も低い予測誤差を示し、すべての基準値と比較して平均絶対誤差(MAE)が6.0%低下した。 糖尿病性黄斑浮腫 (DME) では, ランダムフォレスト (Random Forest) とXGBoost (XGBoost) を平均2。 その結果、OphthaDTの予測的優位性は軌跡の複雑さとともにスケールすることが明らかとなった: 線形モデルはDMEのより安定した治療反応に有効であるが、OphthaDTの能力はnAMDの高次変動を捉えるのに適している。 最後に、OphthaDTは不規則なサンプリングを計算せずに処理し、LSMに基づく臨床軌道モデリングを患者の負担を軽減し、薬物開発を加速する方法論として位置づける。

関連論文リスト

• 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)
• Cross-Representation Benchmarking in Time-Series Electronic Health Records for Clinical Outcome Prediction [44.23284500920266]
  このベンチマークは、2つの異なる臨床環境におけるデータキュレーションと評価を標準化する。 実験によると、イベントストリームモデルは、常に最強のパフォーマンスを提供する。 特徴選択戦略は臨床環境に適応する必要がある。
  論文  参考訳（メタデータ） (2025-10-10T09:03:47Z)
• SurgeryLSTM: A Time-Aware Neural Model for Accurate and Explainable Length of Stay Prediction After Spine Surgery [44.119171920037196]
  選択的脊椎手術における滞在時間(LOS)予測のための機械学習モデルの開発と評価を行った。 我々は,従来のMLモデルと,マスク付き双方向長短期記憶(BiLSTM)であるオペレーショナルLSTMを比較した。 決定係数(R2)を用いて性能を評価し,説明可能なAIを用いて鍵予測器を同定した。
  論文  参考訳（メタデータ） (2025-07-15T01:18:28Z)
• 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)
• Machine Learning for ALSFRS-R Score Prediction: Making Sense of the Sensor Data [44.99833362998488]
  筋萎縮性側索硬化症(Amyotrophic Lateral Sclerosis、ALS)は、急速に進行する神経変性疾患である。 iDPP@CLEF 2024チャレンジを先導した今回の調査は,アプリから得られるセンサデータを活用することに焦点を当てている。
  論文  参考訳（メタデータ） (2024-07-10T19:17:23Z)
• Sequential Model for Predicting Patient Adherence in Subcutaneous Immunotherapy for Allergic Rhinitis [16.386676205583697]
  皮膚下免疫療法はアレルギー性鼻炎(AR)の長期因果治療である 本研究では、新しい機械学習モデルを活用し、AR患者の非一貫性のリスクを正確に予測することを目的とする。
  論文  参考訳（メタデータ） (2024-01-21T09:55:47Z)
• Visual Acuity Prediction on Real-Life Patient Data Using a Machine Learning Based Multistage System [0.40151799356083057]
  視力(VA)の予測と実生活環境下での劣化の早期検出は、不均一データや不完全データにより困難である。 本稿では,ドイツの最大医療病院の眼科領域の異なるITシステムを融合した研究対応型データコーパスを開発するためのワークフローを提案する。 マクロ平均F1スコアの最終的な予測精度は、57.8と50 +-10.7%の眼科医と同じ範囲でありながら、69 %のマクロ平均F1スコアが得られる。
  論文  参考訳（メタデータ） (2022-04-25T21:20:27Z)

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。