論文の概要: Psych-ECA: A Reproducible Semi-Synthetic Benchmark for Synthetic Control Arms in Longitudinal Psychiatry

• arxiv url: http://arxiv.org/abs/2607.27224v1
• Date: Tue, 07 Jul 2026 16:04:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-02 22:55:39.103654
• Title: Psych-ECA: A Reproducible Semi-Synthetic Benchmark for Synthetic Control Arms in Longitudinal Psychiatry
• Title（参考訳）: サイコECA : 縦断精神医学における合成制御アームの再現可能な半合成ベンチマーク
• Abstract要約: 外部および合成制御アーム(ECA)は精神医学薬開発に参入している。 サイコECAは、うつ病、不安、精神病に対する縦断的症状の軌跡を再現可能な完全に再現可能な生成物である。 本研究では, キャリーフォワード, プールド実世界の平均値, 最寄りのマッチング, 線形混合モデル, 勾配上昇, およびScribe trajectory-bridge法にまたがる8つの推定器をベンチマークした。
• 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: External and synthetic control arms (ECAs) are entering psychiatric drug development, but the field lacks a benchmark that evaluates the properties regulators care about: not only how accurately a method reconstructs untreated trajectories, but whether its uncertainty is calibrated, whether it is robust to the informative observation times common in mental-health records (sicker patients are seen more often), and what false-positive rate it induces in go/no-go trial decisions. Real psychiatric trial data (e.g. STAR-D and registry cohorts) require credentialed access and lack ground-truth counterfactuals, so, following established semi-synthetic benchmarks in causal inference (IHDP, ACIC, and the PK-PD tumor-growth simulator), we release Psych-ECA, a fully reproducible generator of longitudinal symptom trajectories for depression (PHQ-9), anxiety (HAM-A), and psychosis (PANSS) with known counterfactual control arms, informative visits, and validated-scale measurement noise. We benchmark eight estimators spanning carry-forward, pooled real-world-data averages, nearest-neighbour matching, linear mixed models, gradient boosting, and the Scribe trajectory-bridge method. Three findings emerge. First, trajectory and flexible machine learning methods achieve the best counterfactual accuracy (about 2.3 PHQ-9 RMSE), outperforming cross-sectional baselines. Second, only Scribe is both accurate and calibrated, achieving 93-96% empirical coverage of nominal 90% prediction intervals, compared with 87-88% for gradient boosting and 62-75% for uncalibrated SDE models. Third, inverse-intensity correction reduces bias under informative sampling, while Scribe's calibrated intervals are the only trajectory method that maintains nominal false-positive rates as informativeness increases. We release all code, data-generation scripts, and random seeds to enable fully reproducible evaluation.
• Abstract（参考訳）: 外部および合成制御アーム(ECA)は、精神医学薬開発に参入しているが、その分野は、規制当局が関心を持つ特性を評価するベンチマークが欠落している: 方法が、どれだけ正確に未治療の軌道を再構築するかだけでなく、その不確実性が校正されているか、精神保健記録に共通する情報的観察時間に堅牢であるかどうか(シッカー患者はより頻繁に見られる)、そしてそれがゴー/ノーゴーの臨床試験決定においてどのような偽陽性率をもたらすか、である。 実際の精神医学試験データ(例えばSTAR-Dとレジストリコホート)は、認証アクセスが必要であり、根治的対策が欠如しているため、因果推論における半合成ベンチマーク(IHDP、ACIC、PK-PD腫瘍増殖シミュレータ)の確立に続いて、うつ病(PHQ-9)、不安(HAM-A)、精神病(PANSS)、既知の逆行性制御腕、情報的訪問、評価されたスケール計測ノイズを放出する。 本研究では, キャリーフォワード, プールド実世界の平均値, 最寄りのマッチング, 線形混合モデル, 勾配上昇, およびScribe trajectory-bridge法にまたがる8つの推定器をベンチマークした。 3つの発見がある。 第一に、軌道とフレキシブルな機械学習手法は、断面積ベースラインよりも優れた対実精度(約2.3 PHQ-9 RMSE)を達成する。 第2に、Scribeのみが正確かつ校正され、名目90%の予測間隔で93-96%が経験的カバレッジを達成しているのに対し、勾配上昇は87-88%、未校正SDEは62-75%である。 第三に、逆インテンシティ補正は、情報サンプリングの下でバイアスを減少させ、一方、Scribeの校正間隔は、情報度が増加するにつれて、名目上の偽陽性率を維持する唯一の軌跡である。 すべてのコード、データ生成スクリプト、ランダムなシードをリリースし、完全に再現可能な評価を可能にします。

関連論文リスト

• Curriculum-Aware Interpolate-then-Refine: Learned Physiological Time-Series Imputation under Realistic Missingness [39.80184723814808]
  臨床データに侵入する欠如に対処するためには、生理学的な時系列が不可欠である。 あるベンチマークによれば、単純な線形計算は、現実的なギャップを持つ実世界の臨床信号において、すべての学習されたインプタよりも優れていた。 これは、一般的なインプットが無視する生理的欠如の2つの特性を反映していることを示す。
  論文  参考訳（メタデータ） (2026-08-21T15:21:36Z)
• Fine-tuning LLMs for Passive Depression Severity Estimation from AI Mental Health Dialogue [4.051184721197422]
  うつ病は世界の障害の主要な原因であり、症状の早期発見は時間的介入に不可欠である。 我々は、ユーザーが自己申告措置を完了することなく、AIメンタルヘルスプラットフォームにおける受動的かつ継続的な症状モニタリングを提案する。
  論文  参考訳（メタデータ） (2026-06-16T14:28:47Z)
• Joint Treatment Effect Estimation from Incomplete Healthcare Data: Temporal Causal Normalizing Flows with LLM-driven Evolutionary MNAR Imputation [0.0]
  不完全長手EHRによる治療効果推定のための2段階パイプラインを提案する。 CaulFlow-Tは、長期記憶(LSTM)を符号化した患者履歴を持つ、DAGに制約された正規化フローである。 CaulFlow-Tは、正確な非可逆逆推論を行い、変分推論からの近似誤差を回避し、明示的な因果構造を通して共起を分離する。
  論文  参考訳（メタデータ） (2026-05-06T16:53:08Z)
• Predicting Neuromodulation Outcome for Parkinson's Disease with Generative Virtual Brain Model [95.41752463487008]
  パーキンソン病は世界中で1千万人以上に影響している。 個人間変異は経験的治療の選択を制限し、非無視的な外科的リスクとコストを増大させる。 我々は、このギャップをトレーニング済みのファインタニングフレームワークで埋めて、静止状態fMRIから直接結果を予測する。
  論文  参考訳（メタデータ） (2026-03-31T02:36:10Z)
• C-GRASP: Clinically-Grounded Reasoning for Affective Signal Processing [0.0]
  心拍変動(HRV)は、自律神経監視のための重要な非侵襲マーカーである。 大規模言語モデル(LLM)をHRV解釈に適用することは、生理的幻覚によって妨げられる。 我々は,HRV解釈を8つのトレース可能な推論ステップに分解する,ガードレール付きRAG拡張パイプラインであるC-GRASPを提案する。
  論文  参考訳（メタデータ） (2026-01-15T12:35:35Z)
• Adaptive Monitoring and Real-World Evaluation of Agentic AI Systems [3.215065407261898]
  大規模言語モデルと外部ツールを組み合わせたマルチエージェントシステムは、研究機関からハイテイクドメインへと急速に移行している。 この「先進的な」続編は、アルゴリズムのインスタンス化や経験的な証拠を提供することで、そのギャップを埋める。 AMDMは擬似ゴールドリフトで異常検出遅延を12.3秒から5.6秒に減らし、偽陽性率を4.5%から0.9%に下げる。
  論文  参考訳（メタデータ） (2025-08-28T15:52:49Z)
• A Novel Attention-Augmented Wavelet YOLO System for Real-time Brain Vessel Segmentation on Transcranial Color-coded Doppler [49.03919553747297]
  我々は,脳動脈を効率よく捉えることができるAIを利用したリアルタイムCoW自動分割システムを提案する。 Transcranial Color-coded Doppler (TCCD) を用いたAIによる脳血管セグメンテーションの事前研究は行われていない。 提案したAAW-YOLOは, 異方性および対側性CoW容器のセグメンテーションにおいて高い性能を示した。
  論文  参考訳（メタデータ） (2025-08-19T14:41:22Z)
• DepressLLM: Interpretable domain-adapted language model for depression detection from real-world narratives [6.1211540596331755]
  本研究では,幸福と苦悩の両方を反映した3,699個の自伝的物語のコーパスをトレーニングし,評価したDepressLLMを紹介する。 DepressLLMは解釈可能な抑うつ予測を提供し、Score-guided Token Probability Summation (SToPS)モジュールを通じて、改善された分類性能と信頼性の高い信頼推定を提供する。
  論文  参考訳（メタデータ） (2025-08-12T03:12:55Z)
• 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)
• Improving Diffusion Models for ECG Imputation with an Augmented Template Prior [43.6099225257178]
  ノイズと品質の悪い録音は、モバイルヘルスシステムを使って収集された信号にとって大きな問題である。 近年の研究では、確率的時系列モデルによるECGの欠落値の計算が検討されている。 本稿では,様々な健康状態の事前情報として,テンプレート誘導型拡散確率モデル(DDPM)PulseDiffを提案する。
  論文  参考訳（メタデータ） (2023-10-24T11:34:15Z)
• Undersampling and Cumulative Class Re-decision Methods to Improve Detection of Agitation in People with Dementia [16.949993123698345]
  消化は認知症(PwD)で最も多い症状の1つである。 前回の研究では、参加者17名から600日間のマルチモーダルウェアラブルセンサデータを収集し、1分間の窓での動揺を検出する機械学習モデルを開発した。 本稿では,まず,不均衡を解消するために異なるアンダーサンプリング手法を実装し,通常の動作データの20%だけが競合的動揺検出モデルの訓練に適しているという結論に至った。
  論文  参考訳（メタデータ） (2023-02-07T03:14:00Z)
• Bootstrapping Your Own Positive Sample: Contrastive Learning With Electronic Health Record Data [62.29031007761901]
  本稿では,新しいコントラスト型正規化臨床分類モデルを提案する。 EHRデータに特化した2つのユニークなポジティブサンプリング戦略を紹介します。 私たちのフレームワークは、現実世界のCOVID-19 EHRデータの死亡リスクを予測するために、競争の激しい実験結果をもたらします。
  論文  参考訳（メタデータ） (2021-04-07T06:02:04Z)
• CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
  新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。 我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-20T21:47:28Z)
• Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
  パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。 本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-06T09:02:30Z)

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。