論文の概要: A Structural FHMM for Interpretable Disease Trajectories in T2DM

• arxiv url: http://arxiv.org/abs/2608.24328v1
• Date: Tue, 25 Aug 2026 09:51:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-26 14:09:34.92716
• Title: A Structural FHMM for Interpretable Disease Trajectories in T2DM
• Title（参考訳）: T2DMにおける解釈可能な疾患軌跡のための構造的FHMM
• Authors: Alessandro Mari, Ekaterina Krymova, Guillaume Obozinski, Maria Luisa Marques de Sa Faquetti, Adrian Martinez de la Torre, Andrea Burden,
• Abstract要約: T2DM患者における疾患軌跡解析のための因子隠れマルコフモデル (FHMM) の構造的変異を提案する。 このモデルは、複数の独立した同時に進化するコンポーネントの組み合わせとして、患者の潜伏状態を表す。
• 参考スコア（独自算出の注目度）: 35.459369968271
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: In this work, we propose a structural variant of the Factorial Hidden Markov Model (FHMM) for the analysis of disease trajectories in patients with Type 2 diabetes mellitus (T2DM). The model represents a patient's latent health state as a combination of multiple independent, simultaneously evolving components, associated with comorbidities and lab results. This structured latent representation facilitates the identification of clinically meaningful patient states and clustering of common disease trajectories. We evaluate the proposed approach using The IQVIA Medical Research Data incorporating data from THIN, a Cegedim database of anonymized electronic health records (EHR), identifying patients with a first-ever prescription for a non-insulin antidiabetic drug (NIAD) between January 2006 and December 2019. The model identifies multiple clinically coherent latent components corresponding to known patterns of diabetes-related complications and reveals heterogeneous progression pathways, including distinct microvascular-dominant and multi-organ trajectories associated with elevated comorbidity burden and mortality. These results demonstrate that the proposed framework captures meaningful longitudinal structure in EHR data and provides interpretable insights into the evolution of T2DM and its comorbidities.
• Abstract（参考訳）: 本研究では,2型糖尿病(T2DM)患者における疾患軌跡解析のための因子隠れマルコフモデル (FHMM) の構造的変異を提案する。 このモデルは、患者の潜伏状態を表すもので、複数の独立した、同時に進化するコンポーネントの組み合わせであり、協調性や実験結果に関連付けられている。 この構造的潜在表現は、臨床的に意味のある患者状態の同定と共通疾患軌跡のクラスタリングを促進する。 我々は,2006年1月から2019年12月にかけて,非インスリン系抗糖尿病薬(NIAD)の処方薬を処方した患者を同定し,匿名電子健康記録(EHR)のCegedimデータベースであるTHINのデータを組み込んだ IQVIA Medical Research Data を用いて提案手法の評価を行った。 このモデルは、糖尿病関連合併症の既知のパターンに対応する複数の臨床的に一貫性のある潜伏成分を同定し、相違する微小血管優性および多臓器軌跡を含む異種進行経路を明らかにする。 これらの結果から,提案手法はHRデータ中の有意な長手構造を捉え,T2DMの進化とその相似性に関する解釈可能な知見を提供する。

関連論文リスト

• Multimodal Graph-based Classification of Esophageal Motility Disorders [73.90451172929117]
  食道運動障害の診断は,高分解能インピーダンス測定データの複雑化と臨床解釈の多様性が原因で大きな課題となる。 本研究は,HRIM記録と患者固有の情報を組み合わせたマルチモーダル機械学習に基づく分類手法の実現可能性について検討し,食道生理学のグラフベースモデリングを取り入れた。
  論文  参考訳（メタデータ） (2026-05-13T14:52:12Z)
• Integrating Genomics into Multimodal EHR Foundation Models [56.31910745104141]
  本稿では,ポリジェニックリスクスコア(PRS)を基本データモダリティとして統合した,革新的なEHR基盤モデルを提案する。 このフレームワークは、臨床データと遺伝子前置詞の複雑な関係を学習することを目的としている。 このアプローチは、病気の予測、積極的な健康管理、リスク階層化、パーソナライズされた治療戦略に対する新たな洞察を解放するために重要である。
  論文  参考訳（メタデータ） (2025-10-24T15:56:40Z)
• Longitudinal Progression Prediction of Alzheimer's Disease with Tabular Foundation Model [2.693752235635378]
  この研究は、L2C-TabPFNを導入し、L2C変換を事前訓練されたタブラル基礎モデル(TabPFN)と統合し、アルツハイマー病の発症を予測する。 L2C-TabPFNは、シーケンシャルな患者の記録を固定長の特徴ベクトルに変換し、診断、認知スコア、心室容積の堅牢な予測を可能にする。
  論文  参考訳（メタデータ） (2025-08-25T04:24:51Z)
• Predicting Parkinson's Disease Progression Using Statistical and Neural Mixed Effects Models: A Comparative Study on Longitudinal Biomarkers [7.953527165578974]
  パーキンソン病(PD)の進行を予測することは重要であり、音声バイオマーカーは遠隔監視を通じて症状の重症度(UPDRS)を追跡する非侵襲的な方法を提供する。 本研究は2つの先進ハイブリッドアプローチに対してLMMをベンチマークする。 PDRS予測におけるこれらのモデルの性能を評価し,PD研究と臨床応用の実践的ガイダンスを提供する。
  論文  参考訳（メタデータ） (2025-07-26T20:56:32Z)
• Patient Trajectory Prediction: Integrating Clinical Notes with Transformers [0.0]
  本稿では,非構造的臨床ノートをトランスフォーマーベース深層学習モデルに統合し,シーケンシャルな疾患予測を行うアプローチを提案する。 MIMIC-IVデータセットの実験は、提案手法が構造化データのみに依存する従来のモデルよりも優れていることを示した。
  論文  参考訳（メタデータ） (2025-02-25T09:14:07Z)
• An interpretable generative multimodal neuroimaging-genomics framework for decoding Alzheimer's disease [13.213387075528017]
  アルツハイマー病(英語: Alzheimer's disease, AD)は、認知機能障害(Mild Cognitive Impairment, MCI)として知られる前ドロマステージを含む認知症である。 この研究の目的は、マルチモーダルMRIデータと単一核化物多型に依存する脳構造と機能の構造的・機能的調節を捉えることである。
  論文  参考訳（メタデータ） (2024-06-19T07:31:47Z)
• Multi-level Phenotypic Models of Cardiovascular Disease and Obstructive Sleep Apnea Comorbidities: A Longitudinal Wisconsin Sleep Cohort Study [5.129044301709751]
  閉塞性睡眠時無呼吸症候群(OSA)患者における心血管疾患(CVD)の意義 従来のモデルでは、OSA患者のCVD軌跡を正確に予測するために必要な動的および縦方向のスコープが欠如している。 本研究では,ウィスコンシン・スリープ・コーホートのデータを利用して,これらの状態の進行と相互作用を時間とともに解析する,新しい多段階表現型モデルを提案する。
  論文  参考訳（メタデータ） (2024-06-19T04:50:16Z)
• Confidence-guided Lesion Mask-based Simultaneous Synthesis of Anatomic and Molecular MR Images in Patients with Post-treatment Malignant Gliomas [65.64363834322333]
  信頼性ガイドSAMR(CG-SAMR)は、病変情報からマルチモーダル解剖学的配列にデータを合成する。 モジュールは中間結果に対する信頼度測定に基づいて合成をガイドする。 実際の臨床データを用いた実験により,提案モデルが最先端の合成法よりも優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2020-08-06T20:20:22Z)
• Learning Dynamic and Personalized Comorbidity Networks from Event Data using Deep Diffusion Processes [102.02672176520382]
  コンコルビンド病は、個人によって異なる複雑な時間的パターンを通じて発生し進行する。 電子的な健康記録では、患者が持つ異なる疾患を観察できるが、それぞれの共死状態の時間的関係を推測できるだけである。 我々は「ダイナミック・コオービディティ・ネットワーク」をモデル化するための深層拡散プロセスを開発する。
  論文  参考訳（メタデータ） (2020-01-08T15:47:08Z)

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。