論文の概要: TEDDY: A Pediatric Foundation Model for Risk Forewarning from ICD-Coded Diagnostic Histories

• arxiv url: http://arxiv.org/abs/2607.14191v1
• Date: Wed, 15 Jul 2026 16:17:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-17 17:01:32.858963
• Title: TEDDY: A Pediatric Foundation Model for Risk Forewarning from ICD-Coded Diagnostic Histories
• Title（参考訳）: TEDDY:ICD-Coded診断履歴からのリスク予測のための小児基礎モデル
• Abstract要約: TEDDY(Temporal Event Decoder for Disease in Youth)は、670万人の子どもたちのICD-10診断を訓練した。 797の病気発症予測タスクは16のICD-10チャプターに及んだが、TEDDYは72.0%の中央値であった。 予測信号は、最初の診断が記録される2年以上前から検出可能であった。
• 参考スコア（独自算出の注目度）: 4.659237660627583
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Pediatric electronic health records capture developmentally structured clinical trajectories, yet their potential for generative healthcare foundation models remains largely unexplored. Here we present TEDDY (Temporal Event Decoder for Disease in Youth), a 1.84-million-parameter decoder transformer trained on approximately 73 million ICD-10 diagnoses from 1.6 million children at a single pediatric institution. TEDDY models longitudinal diagnosis trajectories and visit timing. Predictions were made before visit codes were revealed, limited to first occurrences, and evaluated against sex- and age-matched controls. Across 797 disease-onset prediction tasks spanning 16 ICD-10 chapters, TEDDY achieved a median AUC of 72.0%, outperforming same-data DenseNet (50.0%), CNN (57.2%), RNN (60.1%), and LSTM (62.7%) baselines on 96-99% of tasks. Performance held across sex and age and was strongest among lower-prevalence diagnoses; 202 of the 225 rarest conditions (90%) had 95% confidence intervals above chance. Predictive signal remained detectable more than two years before first recorded diagnosis, with median AUCs of 59.7% in the unrestricted analysis and 64.4% in a fixed-cohort sensitivity analysis. In asthma and attention-deficit/hyperactivity disorder benchmarks, AUCs were 79.3% and 84.7%, compared with 62.7% and 71.7% for the strongest comparators, including a general-purpose language model three orders of magnitude larger. Visit-timing predictions had a 3.0-day mean absolute restricted mean survival-time error over 365 days, although median and long-tail return intervals remained miscalibrated. Together, these results establish pediatric diagnostic histories as a substrate for compact generative models supporting broad, rare-disease, and long-horizon risk forecasting without population-scale data or billion-parameter models.
• Abstract（参考訳）: 小児電子健康記録は、発達的に構造化された臨床軌跡を捉えているが、再生医療基盤モデルの可能性はほとんど解明されていない。 ここでは, 小児科における約7300万 ICD-10 診断を訓練した TEDDY (Temporal Event Decoder for Disease in Youth) について紹介する。 TEDDYは縦断的診断軌跡と訪問タイミングをモデル化する。 来訪前に予測を行い,初診時のみに限定し,性別・年齢の調整による評価を行った。 TEDDYは16のICD-10章にまたがる797の病気発症予測タスクで、72.0%の中央値AUCを達成し、同データDenseNet(50.0%)、CNN(57.2%)、RNN(60.1%)、LSTM(62.7%)を96-99%で上回った。 225例中202例(90%)は95%の信頼区間を有していた。 予測信号は、最初の診断が記録される2年以上前から検出可能であり、中央値のAUCは59.7%、固定コホート感度分析は64.4%であった。 喘息と注意欠陥/高活動障害のベンチマークでは、AUCは79.3%と84.7%であり、最も強力なコンパレーターは62.7%と71.7%であった。 訪問時間予測では365日間の平均生存時間誤差が365日を超えていたが、中央値と長期値のリターン間隔は誤解されたままであった。 これらの結果は, 人口規模データや10億パラメータモデルを用いずに, 広範, 希少, 長期のリスク予測を支援するコンパクトな生成モデルのための基盤として, 小児診断史を確立した。

関連論文リスト

• Auditable agentic AI for evidence-grounded thyroid ultrasound diagnosis and reporting [59.709162055944915]
  ThyroidXAgentは、特殊な診断ツールをコーディネートし、その出力を監査可能なケースレベルの証拠記録として保存するエージェントAIシステムである。 NHC-MISD-TUSコホート内35施設8,721件を含む,重複しない28,458件の検査を行った。 セグメンテーションでは平均Diceスコアが87.21パーセント、良悪性分類では平均AUROCが0.9466だった。
  論文  参考訳（メタデータ） (2026-08-12T21:02:59Z)
• RareLens: Towards End-to-End Rare Disease Care via Aligning Divergent Large Language Model Reasoning [42.80742579670377]
  RareLensは、まれな疾患の軌跡全体にわたる臨床的意思決定を支援するシステムである。 RareBenchは、33のOrphanetカテゴリと7000以上の条件にまたがる157,525件の実際のデータセットである。 検診で0.917、診断と治療で65.5%、89.8%の成績を収めた。
  論文  参考訳（メタデータ） (2026-07-25T16:58:10Z)
• Foundation Models to Unlock Real-World Evidence from Nationwide Medical Claims [31.673662680042337]
  管理的クレームは、医療利用、支出、診断、処置、医薬品の詳細なコーディングの経時的記録を提供する。 2008年から2022年にかけてのMarketScanの医療イベント438億件について、ゼロからトレーニングした生成トランスフォーマーReClaimを紹介します。
  論文  参考訳（メタデータ） (2026-05-04T15:38:31Z)
• Explainable Admission-Level Predictive Modeling for Prolonged Hospital Stay in Elderly Populations: Challenges in Low- and Middle-Income Countries [65.4286079244589]
  長期滞在期間 (pLoS) は, 院内感染のリスクに関連する重要な要因である。 入院レベルの患者と病院の診療データを用いて, pLosの予測モデルを開発し, 解説する。
  論文  参考訳（メタデータ） (2026-01-07T23:35:24Z)
• An Explainable Hybrid AI Framework for Enhanced Tuberculosis and Symptom Detection [55.35661671061754]
  結核は、特に資源に制限された遠隔地において、重要な世界的な健康問題である。 本稿では, 胸部X線による疾患および症状の検出を, 2つの頭部と自己監督頭部を統合することで促進する枠組みを提案する。 本モデルでは, 新型コロナウイルス, 結核, 正常症例の鑑別で98.85%の精度が得られ, マルチラベル症状検出では90.09%のマクロF1スコアが得られた。
  論文  参考訳（メタデータ） (2025-10-21T17:18:55Z)
• An Automated Classifier of Harmful Brain Activities for Clinical Usage Based on a Vision-Inspired Pre-trained Framework [4.264452248986976]
  VIPEEGNetはマサチューセッツ総合病院/ハーバード医科大学から記録された脳波を用いて開発された。 多重分類では、6つのカテゴリに対するVIPEEGNETの感度は36.8%から88.2%である。
  論文  参考訳（メタデータ） (2025-07-10T02:22:13Z)
• An Agentic System for Rare Disease Diagnosis with Traceable Reasoning [69.46279475491164]
  大型言語モデル(LLM)を用いた最初のまれな疾患診断エージェントシステムであるDeepRareを紹介する。 DeepRareは、まれな疾患の診断仮説を分類し、それぞれに透明な推論の連鎖が伴う。 このシステムは2,919の疾患に対して異常な診断性能を示し、1013の疾患に対して100%の精度を達成している。
  論文  参考訳（メタデータ） (2025-06-25T13:42:26Z)
• A Transformer-based survival model for prediction of all-cause mortality in heart failure patients: a multi-cohort study [5.831730826863567]
  心不全患者の36カ月の死亡を予測できるトランスフォーマーベースのAIモデルであるTRiskを開発した。 英国では1,418例の心不全403,534例(40～90歳)について検討した。
  論文  参考訳（メタデータ） (2025-03-16T01:53:50Z)
• 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)
• Predicting Osteoarthritis Progression in Radiographs via Unsupervised Representation Learning [2.694774938469758]
  変形性関節症 (OA) は, 人口のかなりの割合, 主に高齢者の関節症である。 個人的および社会経済的負担にもかかわらず、OAの発症と進行は確実に予測できない。 膝関節X線写真に基づくOAの今後の発展を予測するための生成モデルに基づく教師なし学習手法を提案する。
  論文  参考訳（メタデータ） (2021-11-22T13:11:55Z)
• UNITE: Uncertainty-based Health Risk Prediction Leveraging Multi-sourced Data [81.00385374948125]
  我々はUNcertaInTyベースのhEalth Risk Prediction(UNITE)モデルを提案する。 UNITEは、複数ソースの健康データを活用した正確な疾患リスク予測と不確実性推定を提供する。 非アルコール性脂肪肝疾患(NASH)とアルツハイマー病(AD)の実態予測タスクにおけるUNITEの評価を行った。 UNITEはAD検出のF1スコアで最大0.841点、NASH検出のPR-AUCで最大0.609点を達成し、最高のベースラインで最大19%の高パフォーマンスを達成している。
  論文  参考訳（メタデータ） (2020-10-22T02:28:11Z)

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。