論文の概要: Self-supervised DXA representations encode multi-system disease risk, biological aging and heritability

• arxiv url: http://arxiv.org/abs/2608.02208v1
• Date: Mon, 03 Aug 2026 13:33:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:25.578423
• Title: Self-supervised DXA representations encode multi-system disease risk, biological aging and heritability
• Title（参考訳）: 多系統疾患リスク、生物学的老化、遺伝性をコードする自己制御型DXAの発現
• Authors: Gil Sasson, Zachary Levine, Smadar Shilo, Sarah Kohn, Guy Lutsker, Anastasia Godneva, Adam Gabet, David Krongauz, Adina Weinberger, Yann LeCun, Randall Balestriero, Eran Segal,
• Abstract要約: 自己教師型学習は生のDXA画像を全身的な健康状態の表現に変換することができることを示す。 本稿では、潜在表現を予測して学習するJEPA(Joint-embedding predictive Architecture)に基づく視覚モデルLeDXAを紹介する。
• 参考スコア（独自算出の注目度）: 34.27649756862617
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Whole-body dual-energy X-ray absorptiometry (DXA) scans are routinely acquired to measure bone density and regional body composition, leaving their spatial structure largely unused. Here, we show that self-supervised learning (SSL) can convert raw DXA images into representations of systemic health. We introduce LeDXA, a vision model based on a joint-embedding predictive architecture (JEPA) that learns by predicting latent representations rather than reconstructing pixels. Trained from scratch on 11,540 unlabeled Human Phenotype Project scans, LeDXA was evaluated internally and on 47,400 external UK Biobank (UKBB) scans. It improved cross-cohort prediction of prevalent diseases and biomarkers beyond scanner-derived DXA measurements and DINOv3, a state-of-the-art general-purpose model, despite approximately 150,000-fold fewer training images and nearly 40-fold fewer parameters. Over a median 4.3-year UKBB follow-up, LeDXA improved incident disease prediction over tabular DXA measures, with the largest gains for hip and knee arthrosis and type 2 diabetes. For hip arthrosis, 66% of incident cases occurred in the highest-risk quartile versus 41% for tabular measures. Its representations predicted chronological age externally (r = 0.88; mean absolute error = 2.90 years), and the biological-age gap tracked broader disease burden and a 45% higher mortality hazard in the oldest-appearing quartile. The gap also decreased in women after starting hormone-replacement therapy, suggesting it may be modifiable. Genome-wide associations recovered mostly known body-composition and bone-density loci, and LeDXA embeddings were more heritable than DINOv3's. These findings reveal prognostic information in DXA images that conventional readouts discard, learnable with relatively little data and modest compute.
• Abstract（参考訳）: 全体二重エネルギーX線吸収率(DXA)スキャンは、骨密度と局所体組成を測定するために定期的に取得され、空間構造はほとんど使われていない。 そこで本研究では,自己教師型学習(SSL)が生のDXA画像をシステム健康の表現に変換できることを示す。 本稿では,画素を再構成するのではなく,潜在表現を予測して学習するJEPA(ジョイント埋め込み予測アーキテクチャ)に基づく視覚モデルLeDXAを紹介する。 11,540個のラベルのないHuman Phenotype ProjectスキャンでゼロからトレーニングされたLeDXAは、47,400個のUK Biobank(UKBB)スキャンで内部的に評価された。 スキャナー由来のDXA測定を超える一般的な疾患やバイオマーカーのクロスコホート予測と、最先端の汎用モデルであるDINOv3は、約15万倍のトレーニング画像と約40倍のパラメータで改善された。 中央値4.3年のUKBBの追跡調査で、LeDXAは表型DXA測定によるインシデント疾患の予測を改善し、股関節症と膝関節症と2型糖尿病の最大の増加となった。 変形性股関節症では,66%の症例が41%に対して41%であった。 その表現は、時間的年齢(r = 0.88、平均絶対誤差 = 2.90年)を予測し、生物学的年齢差は、最も古い石英では、より広い病気の重荷と45%高い死亡リスクを追跡できた。 ホルモン補充療法を開始した後、女性においてもギャップは減少し、変更可能である可能性が示唆された。 ゲノムワイドアソシエーションは、主に既知の体形成と骨密度の座を回復し、LeDXA埋め込みはDINOv3よりも遺伝性が高かった。 これらの結果から,DXA画像では従来の読み出しは捨てられ,比較的少ないデータと控えめな計算で学習できることがわかった。

関連論文リスト

• From Baseline to Follow-Up: Counterfactual Spine DXA Image Synthesis in UK Biobank Using a Causal Hierarchical Variational Autoencoder [4.766377453570676]
  英国バイオバンク(UKB)からのAP脊椎DXA画像の因果的一貫した生成のための因果的階層的変動オートエンコーダ(CHVAE)を提案する。 このモデルは、最初のイメージング訪問から3,743個のAPスピーンスキャンをトレーニングし、基本的な属性と腰椎形態計測に基づいて条件付けされている。 以上の結果より, 年齢差による椎体形態変化は絶対値が強いことが示唆された。
  論文  参考訳（メタデータ） (2026-05-21T15:53:44Z)
• X-ray Insights Unleashed: Pioneering the Enhancement of Multi-Label Long-Tail Data [86.52299247918637]
  胸部X線撮影における長期肺腫瘍の診断は困難であった。 尾部病変の表現力を高める拡散法は近年進歩しているが, 稀な病変例では, それらの発生能が低下している。 そこで本研究では,従来のX線を併用して尾部病変を増大させる新しいデータ合成パイプラインを提案する。
  論文  参考訳（メタデータ） (2025-12-24T06:14:55Z)
• Scaling Tumor Segmentation: Best Lessons from Real and Synthetic Data [62.63749675817477]
  AbdomenAtlas 2.0は10,135個のCTスキャンのデータセットで、6つの臓器に手動で注釈付けされた1ボクセルあたり15,130個の腫瘍例が記録されている。 公開データセットよりも顕著な改善が達成され、DSCテストは+7%、配布外テストは+16%向上した。
  論文  参考訳（メタデータ） (2025-10-16T16:08:09Z)
• Osteoporosis Prediction from Hand X-ray Images Using Segmentation-for-Classification and Self-Supervised Learning [3.267409660494317]
  Dual-Energy X-ray absorptiometry (DXA)のような骨密度試験に限定的にアクセスするため、診断も治療も行われていない慢性代謝性骨疾患である。 本稿では手・手首X線画像を用いた骨粗しょう症の予測手法を提案する。
  論文  参考訳（メタデータ） (2024-12-06T13:47:29Z)
• Osteoporosis Prediction from Hand and Wrist X-rays using Image Segmentation and Self-Supervised Learning [2.9909606678660587]
  Dual-Energy X-ray absorptiometry (DXA)のような骨密度試験に限定的にアクセスするため、診断も治療も行われていない慢性代謝性骨疾患である。 本稿では手・手首X線画像を用いた骨粗しょう症の予測手法を提案する。
  論文  参考訳（メタデータ） (2023-11-12T13:19:00Z)
• Opportunistic hip fracture risk prediction in Men from X-ray: Findings from the Osteoporosis in Men (MrOS) Study [0.7340017786387765]
  骨粗しょう症は骨折のリスクを増大させる一般的な疾患である。 特に高齢者の股関節骨折は、死亡率の上昇、生活の質の低下、死亡率の上昇につながる。 骨折前は無症候性疾患であったため、骨粗しょう症は診断されず、治療を受けていないことが多い。
  論文  参考訳（メタデータ） (2022-07-22T09:35:48Z)
• Breast Cancer Induced Bone Osteolysis Prediction Using Temporal Variational Auto-Encoders [65.95959936242993]
  骨分解性骨病変の進展を正確に予測し,可視化する深層学習フレームワークを開発した。 乳癌患者の骨格関連事象(SRE)を予防するための治療戦略の計画と評価を支援する。
  論文  参考訳（メタデータ） (2022-03-20T21:00:10Z)
• Opportunistic Screening of Osteoporosis Using Plain Film Chest X-ray [23.41545684473636]
  骨粗しょう症は、骨密度検査へのアクセスが限られているため、しばしば診断され、治療されていない慢性代謝骨疾患です。 本論文では、最も一般的で、アクセス可能で、低コストの医療画像検査の1つである胸部X線(CXR)からBMDを予測する方法を提案する。
  論文  参考訳（メタデータ） (2021-04-05T01:25:23Z)
• Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for Thoracic Disease Identification [83.6017225363714]
  ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。 胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。 本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
  論文  参考訳（メタデータ） (2021-02-26T02:29:30Z)

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。