論文の概要: CPAgents: Agentic Composite Phenotype Generation for Cardiac Disease Association

• arxiv url: http://arxiv.org/abs/2606.28179v1
• Date: Fri, 26 Jun 2026 15:20:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-29 18:24:25.529142
• Title: CPAgents: Agentic Composite Phenotype Generation for Cardiac Disease Association
• Title（参考訳）: CPAgents: 心臓疾患関連のためのエージェント複合フェノタイプ生成
• Abstract要約: CPAgentsは心血管現象ワイド・アソシエーション研究(PheWAS)における反復的表現型合成フレームワークである 本システムでは, (i) 統計病理を識別し, 候補変換を推薦するアナリスト, (ii) 数値安全規則の下で制約付き, 医学的, 統計的に動機付けられた表現を生成するプロポーラ, (iii) 多段階基準を用いて候補を評価し, 透明なエビデンス・トレイルを生成する検証器の3つのエージェントをコーディネートする。
• 参考スコア（独自算出の注目度）: 22.78248640423072
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Identifying robust associations between cardiac imaging phenotypes and clinical diseases is fundamental to population-scale cardiovascular research and reliable risk stratification. However, current phenome-wide association studies rely on pre-defined, single-variable phenotypes or expert-crafted features, which limits their ability to capture clinically meaningful non-linear effects and cross-phenotype interactions. To address this, we propose CPAgents, an iterative phenotype-Composition framework for cardiovascular Phenome-wide association study (PheWAS) that automatically constructs and validates interpretable composite phenotypes (e.g., polynomial, ratio, and interaction forms) from base imaging features. Specifically, our system coordinates three agents: (i) an Analyst that identifies statistical pathologies and nominates candidate transformations; (ii) a Proposer that generates constrained, medically and statistically motivated expressions under numerical safety rules; and (iii) a Verifier that evaluates candidates using multi-stage criteria and produces transparent evidence trails for accepted phenotypes. Evaluated on a population-scale cardiac imaging cohort, the discovered composite phenotypes markedly improve disease discrimination: across 72 classifier-disease-metric combinations, our variants achieve the top rank in 56 cases versus 18 for baselines, with gains observed across all nine clinical disease categories. Our framework yields compact, clinically interpretable phenotype formulas with transparent evidence trails, enabling scalable discovery of stronger phenotype-disease associations beyond expert-driven feature selection.
• Abstract（参考訳）: 心臓画像の表現型と臨床疾患の堅牢な関連を同定することは、集団規模の心血管研究と信頼性の高いリスク階層化に不可欠である。 しかし、現在のフェノメ・ワイド・アソシエーションの研究は、臨床的に意味のある非線形効果や交叉フェノタイプ相互作用を捉える能力を制限する、事前に定義された、単一変数の表現型または専門家による特徴に依存している。 そこで本研究では,循環器系フェノム関連研究(PheWAS)のための反復型表現型合成フレームワークであるCPAgentsを提案し,ベース画像の特徴から解釈可能な複合表現型(例えば,多項式,比,相互作用形式)を自動構築し,検証する。 具体的には、我々のシステムは3つのエージェントを調整します。 一 統計病理を識別し、候補転換を推薦するアナリスト 2 数値安全規則に基づく制約付き、医学的及び統計的に動機付けられた表現を生成する代弁者 三 候補を多段階基準で評価し、承認された表現型のための透明なエビデンストレイルを作成する検証者。 集団規模の心臓画像コホートで評価した結果,72種類の分類器と解離測定値の組み合わせで,本症例は56例,ベースラインは18例で,9つの臨床疾患カテゴリーで有意な有意な有意な有意な有意な有意な有意な有意な有意な有意な評価が得られた。 我々の枠組みは、透明なエビデンストレイルを持つコンパクトで、臨床的に解釈可能な表現型式を生成し、専門家主導の特徴選択を超えて、より強力な表現型・退化関連をスケーラブルに発見することができる。

関連論文リスト

• Dementia Etiology Diagnosis via Collaborative Meta Knowledge Enhancement [81.27196033392559]
  認知症発症診断のための協調的メタ知識向上(COME)フレームワークを提案する。 COMEは、マルチセンタ取得セマンティクス、ソース識別子、モダリティインジケータを異種性を認識した埋め込みとして、スケールアップトレーニングのためにTransformerアーキテクチャに注入する。 本手法は,平均マクロ平均AUCが85.62%,最強ベースラインが4.29ポイント向上し,最先端のドメイン性能を実現する。
  論文  参考訳（メタデータ） (2026-07-24T04:26:47Z)
• LLM-Augmented Computational Phenotyping of Long Covid [17.253602770455927]
  このフレームワークは13,511人のLong Covid参加者に基づいて、3つの異なる臨床表現型、Protected, Responder, Refractoryを同定する。 これらの表現型は、ピーク症状の重症度、ベースライン疾患の重荷、および経時的線量応答パターンにおいて顕著な分離を示す。 本研究は, 複雑な縦長データから表現型スクリーニングを行うための, 基本的, 統計的に基礎付けられたパイプラインに, 大規模言語モデルをどのように組み込むことができるかを示す。
  論文  参考訳（メタデータ） (2026-03-18T15:02:05Z)
• PhenoLIP: Integrating Phenotype Ontology Knowledge into Medical Vision-Language Pretraining [71.60950593762719]
  PhenoLIPは、構造化表現型知識を医療画像理解に組み込む新しい事前学習フレームワークである。 PhenoLIPは、医学画像理解における最先端のアプローチよりも優れている。
  論文  参考訳（メタデータ） (2026-02-05T20:44:07Z)
• Multi-Agent Reasoning for Cardiovascular Imaging Phenotype Analysis [23.774887558530565]
  心のためのマルチエージェント探索シナジー(MESHAgents)について紹介する 私たちは、自発的に洞察を生成し、収束する、AIエージェントの複数の学際的なチームを編成します。 本研究は, 心臓および大動脈の表現型を画像化するための人口ベース研究を通じて, システムの能力を実証する。
  論文  参考訳（メタデータ） (2025-07-04T10:30:32Z)
• G2PDiffusion: Cross-Species Genotype-to-Phenotype Prediction via Evolutionary Diffusion [108.94237816552024]
  本稿では,DNAから形態像を生成する最初の遺伝子型対フェノタイプ拡散モデル(G2PDiffusion)を提案する。 本モデルは,1)保存および共進化パターンを識別するMSA検索エンジン,2)複雑なジェノタイプ-環境相互作用を効果的にモデル化する環境対応MSA条件エンコーダ,3)遺伝子型-フェノタイプ整合性を改善する適応型表現的アライメントモジュールを含む。
  論文  参考訳（メタデータ） (2025-02-07T06:16:31Z)
• Clustering of Disease Trajectories with Explainable Machine Learning: A Case Study on Postoperative Delirium Phenotypes [13.135589459700865]
  本稿では,パーソナライズされたPODリスク予測のための教師付き機械学習と,潜在的POD表現型を明らかにするための教師なしクラスタリング技術を組み合わせたアプローチを提案する。 SHAPの特徴空間におけるクラスタリング患者は,真の表現型を回復し,生の特徴空間におけるクラスタリングに優れることを示した。
  論文  参考訳（メタデータ） (2024-05-06T10:05:46Z)
• T-Phenotype: Discovering Phenotypes of Predictive Temporal Patterns in Disease Progression [82.85825388788567]
  我々は、ラベル付き時系列データから予測時相パターンの表現型を発見するために、新しい時間的クラスタリング手法T-Phenotypeを開発した。 T-フェノタイプは, 評価ベースラインのすべてに対して, 最良の表現型発見性能を示す。
  論文  参考訳（メタデータ） (2023-02-24T13:30:35Z)
• Unsupervised ensemble-based phenotyping helps enhance the discoverability of genes related to heart morphology [57.25098075813054]
  我々はUn Phenotype Ensemblesという名の遺伝子発見のための新しいフレームワークを提案する。 教師なしの方法で学習された表現型のセットをプールすることで、冗長だが非常に表現性の高い表現を構築する。 これらの表現型は、(GWAS)を介して分析され、高い自信と安定した関連のみを保持する。
  論文  参考訳（メタデータ） (2023-01-07T18:36:44Z)
• Semi-supervised Medical Image Classification with Relation-driven Self-ensembling Model [71.80319052891817]
  医用画像分類のための関係駆動型半教師付きフレームワークを提案する。 これは、摂動下で与えられた入力の予測一貫性を促進することでラベルのないデータを利用する。 本手法は,シングルラベルおよびマルチラベル画像分類のシナリオにおいて,最先端の半教師付き学習手法よりも優れる。
  論文  参考訳（メタデータ） (2020-05-15T06:57:54Z)
• Towards Patient Record Summarization Through Joint Phenotype Learning in HIV Patients [1.598617270887469]
  本研究では、構造化データと非構造化データにまたがる多数の表現型/プロブレムを共同で学習する、教師なし表現型化手法を提案する。 我々は,大都市医療施設のHIVクリニックから患者を表現型化する実験を行った。 臨床専門家による評価では,学習した表現型とその関連性は臨床的に有効であることが判明した。
  論文  参考訳（メタデータ） (2020-03-09T15:41:58Z)

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。