論文の概要: AI-driven Multimodal Representation Learning for Latent Mediation Structure Discovery of Socioeconomic Disadvantage, Psychosocial Factors, and Cardiometabolic Multimorbidity: Insights from the All of Us Research Program

• arxiv url: http://arxiv.org/abs/2608.04016v1
• Date: Tue, 23 Jun 2026 02:16:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.145295
• Title: AI-driven Multimodal Representation Learning for Latent Mediation Structure Discovery of Socioeconomic Disadvantage, Psychosocial Factors, and Cardiometabolic Multimorbidity: Insights from the All of Us Research Program
• Title（参考訳）: AIによるマルチモーダル表現学習による社会経済的不利益, 心理的要因, 心臓メタボリック・マルチモルビダリティの潜在的メディエーション構造発見:全米国研究プログラムからの考察
• Abstract要約: 社会的不利は多生と結びついている。 我々は、社会経済、心理社会、臨床、実験室、行動、ゲノムデータを統合したAI駆動のフレームワークを開発した。
• 参考スコア（独自算出の注目度）: 2.2292155723233162
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Social disadvantage is associated with multimorbidity, but the pathways linking social conditions to disease burden remain poorly understood. We developed an AI-driven multimodal mediation framework that integrates socioeconomic, psychosocial, clinical, laboratory, behavioral, and genomic data from the All of Us Research Program. Modality-specific variational autoencoders were used to derive latent representations of each data domain, and mediation analyses were subsequently performed in latent space to evaluate indirect associations between socioeconomic disadvantage, psychosocial factors, and multimorbidity. The final analytic cohort included 20,804 participants with complete multimodal data. Across 800 exposure--mediator--outcome combinations, mediation signals were concentrated within a small number of latent dimensions. The strongest indirect association linked a socioeconomic disadvantage dimension, a psychosocial vulnerability dimension, and a cardiometabolic multimorbidity dimension (NIE = 0.002517). The psychosocial dimension was characterized by poorer mental health, greater loneliness, lower social well-being, and lower health literacy, whereas the outcome dimension was associated with hypertension, diabetes, hyperlipidemia, obesity, chronic kidney disease, and heart disease. Bootstrap analyses supported the stability of the leading pathway. These findings suggest that psychosocial vulnerability was strongly represented in the dominant latent pathway linking socioeconomic disadvantage and cardiometabolic multimorbidity. More broadly, the proposed framework illustrates how AI-based representation learning can be used to investigate complex relationships across high-dimensional multimodal health data.
• Abstract（参考訳）: 社会的不利は多義性に関連しているが、社会的条件と疾病の重荷を結びつける経路はいまだに理解されていない。 我々は, 社会経済, 心理社会, 臨床, 実験室, 行動, ゲノムデータを統合したAI駆動型マルチモーダルメディエーションフレームワークを開発した。 モダリティ特異的な変分オートエンコーダを用いて各データ領域の潜時表現を導出し、その後、社会経済的不利益、精神社会的要因、マルチモルビディティーの間接的関連を評価するために、潜時空間で媒介分析を行った。 最終分析コホートには、完全なマルチモーダルデータを持つ20,804人の参加者が含まれていた。 800以上の露光-中間子-アウトカムの組み合わせでは、媒介信号は少数の潜在次元に集中していた。 最も強い間接的関係は、社会経済的不利次元、精神社会的脆弱性次元、心メタボリック多道徳次元(NIE = 0.002517)を結びつけた。 精神社会的次元は、精神健康の悪化、孤独感の増大、社会的幸福の低下、健康リテラシーの低下を特徴とし、結果の次元は高血圧、糖尿病、高脂血症、肥満、慢性腎臓病、心臓病に関連していた。 ブートストラップ解析はリードパスの安定性を支持した。 これらの結果から,精神社会的脆弱性は,社会経済的不利と心メタボリック・マルチモルビディティーを結び付ける支配的な潜伏経路に強く現れていたことが示唆された。 より広範に、提案するフレームワークは、AIベースの表現学習を用いて、高次元マルチモーダルヘルスデータ間の複雑な関係を調査する方法を示している。

関連論文リスト

• SynthAgent: A Multi-Agent LLM Framework for Realistic Patient Simulation -- A Case Study in Obesity with Mental Health Comorbidities [0.0]
  コンコービッド・メンタル障害を有する肥満患者をモデル化するための新しいマルチエージェント・システム(MAS)フレームワークであるSynthAgentを紹介する。 SynthAgentは、クレームデータ、人口調査、患者中心の文献から、臨床および医学的証拠を統合する。 このシステムは、様々な精神社会的文脈で病気の進行、治療反応、生活管理をシミュレートする。
  論文  参考訳（メタデータ） (2026-02-09T04:14:19Z)
• Mental Health Impacts of AI Companions: Triangulating Social Media Quasi-Experiments, User Perspectives, and Relational Theory [18.716972390545703]
  我々は,AICCがウェルビーイングをどのように形成し,ユーザがこれらの経験をどう感じたかを検討した。 発見は、感情と悲しみの表現、読みやすさ、対人的な焦点の混合効果を示した。 私たちは、健全なバウンダリを把握し、マインドフルエンゲージメントをサポートし、依存のない開示をサポートし、表面的な関係ステージを持つAIコンパニオンに対して、設計上の意味を提供する。
  論文  参考訳（メタデータ） (2025-09-26T15:47:37Z)
• A Comprehensive Review of Datasets for Clinical Mental Health AI Systems [55.67299586253951]
  本稿では,AIを活用した臨床アシスタントの訓練・開発に関連する臨床精神保健データセットの総合的調査を行う。 本調査では, 縦断データの欠如, 文化・言語表現の制限, 一貫性のない収集・注釈基準, 合成データのモダリティの欠如など, 重要なギャップを明らかにした。
  論文  参考訳（メタデータ） (2025-08-13T13:42:35Z)
• MoodAngels: A Retrieval-augmented Multi-agent Framework for Psychiatry Diagnosis [58.67342568632529]
  MoodAngelsは、気分障害の診断のための最初の特殊なマルチエージェントフレームワークである。 MoodSynは、合成精神医学の1,173件のオープンソースデータセットである。
  論文  参考訳（メタデータ） (2025-06-04T09:18:25Z)
• Multimodal Data-Driven Classification of Mental Disorders: A Comprehensive Approach to Diagnosing Depression, Anxiety, and Schizophrenia [0.9297614330263184]
  本研究では、統合失調症、うつ病、不安などの精神疾患を診断するためのマルチモーダルデータ統合の可能性を検討する。 Apache Sparkと畳み込みニューラルネットワーク(CNN)を使用して、ビッグデータ環境のためのデータ駆動型分類パイプラインが開発された。 コヒーレンスの特徴の重要性は比較分析によって強調され、分類精度とロバスト性に大きな改善が見られた。
  論文  参考訳（メタデータ） (2025-02-06T10:30:13Z)
• Research on the Proximity Relationships of Psychosomatic Disease Knowledge Graph Modules Extracted by Large Language Models [15.497329016495677]
  心身障害は、世界的な健康問題において大きな課題である。 我々はBERTモデルとエンティティタイプを確立し、9668トリプルの知識グラフを構築した。 疾患,症状,薬物モジュール間のネットワーク距離を解析した結果,疾患間のネットワーク距離が臨床症状,治療アプローチ,心理的メカニズムの類似度が高いこと,症状間のネットワーク距離が共起する可能性が示唆された。
  論文  参考訳（メタデータ） (2024-12-24T13:24:01Z)
• Multimodal Machine Learning in Mental Health: A Survey of Data, Algorithms, and Challenges [14.632649933582648]
  マルチモーダル機械学習(MML)は、精神疾患の検出方法、特徴付け、縦方向の監視方法を急速に再構築している。 この調査は、メンタルヘルスのためのMMLを包括的、臨床的に基礎づけた初めての合成を提供する。
  論文  参考訳（メタデータ） (2024-07-23T19:07:56Z)
• Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A Survey [71.43956423427397]
  本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。 この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。 もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
  論文  参考訳（メタデータ） (2022-07-20T13:37:57Z)
• Cross-Modality Neuroimage Synthesis: A Survey [71.27193056354741]
  マルチモダリティイメージングは、疾患の診断を改善し、解剖学的特性を持つ組織における相違を明らかにする。 完全な整列とペアの多モードニューロイメージングデータの存在は、脳研究においてその効果を証明している。 もう一つの解決策は、教師なしまたは弱教師なしの学習方法を探究し、欠落した神経画像データを合成することである。
  論文  参考訳（メタデータ） (2022-02-14T19:29:08Z)

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。