論文の概要: Rolling Day-Wise Mortality Prediction in Critically Ill Patients With AKI on CRRT Utilizing Machine Pressure Waveforms

• arxiv url: http://arxiv.org/abs/2609.13524v1
• Date: Fri, 11 Sep 2026 20:46:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:05.375892
• Title: Rolling Day-Wise Mortality Prediction in Critically Ill Patients With AKI on CRRT Utilizing Machine Pressure Waveforms
• Title（参考訳）: 機械圧波形を用いたCRRTにおけるAKI患者の転動日内死亡予測
• Abstract要約: 急性腎障害 (AKI) とCRRT (Continuous renal replacement therapy) の重篤な症例は高い死亡率を示した。 現在のリスクアセスメントは、電子健康記録(EHR)からの臨床パラメータに依存し、CRRTマシンによって生成された微小レベルの回路圧力波形を無視する。 ストリームを利用できるようにするために、我々は、治療間隔をグラフ化し、患者間のリークを防止し、プライミングとダウンタイム分を除去し、合成スパイクインジェクションベンチマークでデノイングを調整し、保存されていない間隔をマスクした。 これは、CRRTマシンデータを組み込んだ最初の患者レベルの死亡予測であり、廃棄されたベッドサイドストリームを変換する。
• 参考スコア（独自算出の注目度）: 3.0059881840846288
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Critically ill patients with acute kidney injury (AKI) on continuous renal replacement therapy (CRRT) face high mortality, yet current risk assessment relies primarily on clinical parameters from electronic health records (EHR) and ignores minute-level circuit pressure waveforms generated by CRRT machines that track the extracorporeal circuit's interaction with the patient. Clinicians therefore cannot see deterioration as it develops. Risk is reassessed only when labs are drawn, while this continuous record is discarded because it is contaminated by shared-device records, non-physiological minutes, and sensor artifacts. To make the stream usable, we aligned machine records to charted therapy intervals to prevent cross-patient leakage, removed priming and downtime minutes, tuned denoising on a synthetic spike-injection benchmark, and masked unobserved intervals rather than imputing them. On this cleaned stream, we define a rolling day-wise task and a transformer-based stacked ensemble that late-fuses a window-reduced sequence transformer with classical models using circuit-instability features and clinical EHR variables. In a leak-safe benchmark on the multi-center CRRTnet cohort (976 patients, 4,585 treatment days), the machine-only model had the lowest standalone prognostic value (AUROC 0.625), followed by the EHR-only model (0.717). Integrating EHR and machine streams reached a one-day mortality AUROC of 0.766. SHAP attribution showed that circuit-instability descriptors raised the machine share of the top 15 combined-model features from 3 to 7 (20.0% to 46.7%), highlighting filter pressure, transmembrane pressure (TMP), and access-to-return difference (ARD). To our knowledge, this is the first patient-level mortality prediction incorporating CRRT machine data, turning a discarded bedside stream into a continuous risk signal.
• Abstract（参考訳）: 急性腎障害(AKI)の慢性腎障害(CRRT)は高い死亡率を呈するが、現在のリスク評価は主に電子健康記録(EHR)による臨床パラメータに依存しており、体外回路の患者との相互作用を追跡するCRRTマシンによって生成された微小な回路圧波形を無視する。 したがって、臨床医は、それが発達するにつれて劣化を見ることができない。 リスクは、実験室が描かれたときにのみ再評価されるが、この連続記録は共有デバイス記録、非生理的分数、センサーアーティファクトによって汚染されているため破棄される。 ストリームを使用可能にするために、我々は、治療間隔をグラフ化し、患者間のリークを防止し、プライミングとダウンタイム分を除去し、合成スパイクインジェクションベンチマークでデノイングを調整した。 この清浄されたストリームでは、回路不安定性特徴と臨床ERH変数を用いた古典的なモデルと、ウィンドウ再生シーケンス変換器を遅延融合する、ローリングデイワイズタスクと、トランスフォーマーベースの積み重ねアンサンブルを定義する。 マルチセンターのCRRTnetコホート(患者976人、治療日4,585人)のリークセーフベンチマークでは、マシンのみのモデルが最も低いスタンドアロンの予後値(AUROC 0.625)であり、EHRのみのモデル(0.717)が続いた。 EHRとマシンストリームの統合は、AUROCの0.766で1日間の死亡率に達した。 SHAPの貢献により、回路不安定ディスクリプタが上位15モデルのマシンシェアを3から7に引き上げた(20.0%から46.7%)。 我々の知る限り、これはCRRTマシンデータを組み込んだ最初の患者レベルの死亡予測であり、廃棄されたベッドサイドストリームを継続的なリスク信号に変換する。

関連論文リスト

• Harmonized Interpretable ECG Waveform Features for Robust Cross-Dataset Clinical Prediction [8.898778301129223]
  2つの大きなコホート(MIMIC-IVとアルバータコホート)を用いた3つのタスクのクロスデータセット一般化のベンチマークを行った。 ベンダー固有の測定ミスマッチを低減するため,原波形から直接計算した調和的,解釈可能な特徴表現を構築した。 タスク全体では、内部のAUROCは0.79-0.82、クロスデータセットのAUROCは0.74-0.78であり、大きな方向依存のAUPRCシフトは転送中である。
  論文  参考訳（メタデータ） (2026-07-26T02:04:13Z)
• OncoTraj: a public benchmark for longitudinal resistance prediction in EGFR-mutant non-small-cell lung cancer on osimertinib [0.0]
  OncoTraj は 813 EGFR変異 NSCLC 患者のオシメルチニブを服用する公的なベンチマークである。 OncoTrajは、3つのロックされたタスクを定義している。 (A) 固定12ヶ月の目印による進行のバイナリ分類、 (B) 日ごとの時間から最初の生産性の回帰、 (C) 支配的な抵抗機構の6つのクラス分類である。
  論文  参考訳（メタデータ） (2026-06-09T17:33:24Z)
• Residual GRU+MHSA: A Lightweight Hybrid Recurrent Attention Model for Cardiovascular Disease Detection [1.267904597444312]
  臨床記録のためのコンパクトなディープラーニングアーキテクチャであるMulti-Head Self-Attentionを用いたResidual GRUを提案する。 5倍層状クロスバリデーションを用いたUCI心疾患データセットのモデルについて検討した。 提案モデルでは, 0.861, 0.860のマクロF1, 0.908のROC-AUC, 0.904のPR-AUCが全ベースラインを上回る精度で達成されている。
  論文  参考訳（メタデータ） (2025-12-16T16:33:59Z)
• Transparent Early ICU Mortality Prediction with Clinical Transformer and Per-Case Modality Attribution [42.85462513661566]
  ICU滞在後48時間から, 生理的時系列測定と非構造的臨床記録とを融合した, 軽量で透明なマルチモーダルアンサンブルを提案する。 ロジスティック回帰モデルは、バイタル用双方向LSTMとノート用微調整された臨床ModernBERT変換器の2つのモード固有モデルからの予測を組み合わせる。 MIMIC-IIIベンチマークでは、遅延融合アンサンブルは、よく校正された予測を維持しながら、最高の単一モデルに対する差別を改善する。
  論文  参考訳（メタデータ） (2025-11-19T20:11:49Z)
• Artificial Intelligence-Enabled Spirometry for Early Detection of Right Heart Failure [14.45988844325437]
  右心不全 (RHF) は右心室の構造や機能に異常を特徴とする疾患である。 肺疾患はしばしば右室負荷を増大させ、RHFを引き起こす。 コープルモネール患者からRHFを早期に検出するための自己教師付き表現学習法を提案する。
  論文  参考訳（メタデータ） (2025-11-17T15:03:04Z)
• Chronic Kidney Disease Prognosis Prediction Using Transformer [2.054117570146147]
  慢性腎臓病(CKD)は世界の人口の10%近くに影響し、しばしば末期腎不全へと進行する。 マルチモーダル電子健康記録を用いたCKD進行予測のためのトランスフォーマーベースのフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-04T07:52:17Z)
• Enhancing ECG Classification Robustness with Lightweight Unsupervised Anomaly Detection Filters [39.9470953186283]
  ウェアラブルを用いた連続心電図(ECG)モニタリングは、早期心血管疾患(CVD)検出に有意な可能性を秘めている。 リソース制約のある環境での自動分析のためのディープラーニングモデルをデプロイすることは、アウト・オブ・ディストリビューション(Out-of-Distribution)データによる信頼性上の課題に直面します。 本稿では,非教師付き異常検出(UAD)を,ロバスト性向上のための独立な上流フィルタリング機構として検討する。
  論文  参考訳（メタデータ） (2025-10-30T13:54:37Z)
• 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)
• Leveraging Cardiovascular Simulations for In-Vivo Prediction of Cardiac Biomarkers [43.17768785084301]
  我々は、新たに構築された心臓シミュレーションの大規模なデータセットに基づいて、無傷神経後部推定器を訓練する。 シミュレーションデータと実世界の測定値との整合性を改善するために,要素モデリング効果を取り入れた。 提案するフレームワークは,実世界のデータに対する予測能力を向上するために,インバイブなデータソースをさらに統合することができる。
  論文  参考訳（メタデータ） (2024-12-23T13:05:17Z)
• Enhancing Glucose Level Prediction of ICU Patients through Hierarchical Modeling of Irregular Time-Series [4.101915841246237]
  本研究は, ICU患者における血糖値の予測を目的としたMulti-source Irregular Time-Series Transformer (MITST) を提案する。 MITSTは様々な臨床データ(検査結果、薬品、バイタルサインを含む)を事前に定義された集計なしで統合する。 MITSTは、AUROCで1.7ポイント(pp)、AUPRCで1.8ppという統計学的に有意な(p 0.001 )改善を達成している。
  論文  参考訳（メタデータ） (2024-11-03T03:03:11Z)
• 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)
• A Progressive Risk Formulation for Enhanced Deep Learning based Total Knee Replacement Prediction in Knee Osteoarthritis [36.12790384412525]
  変形性膝関節症におけるTKR(Total Knee Replacement)の必要性を予測するための深層学習モデルを開発した。 モデルは、単一のスキャンを使用してTKR予測を実行し、さらに、以前のスキャンが利用可能になった場合、プログレッシブなリスク定式化を活用して予測を改善する。 変形性膝関節症(OAI)と多施設関節症研究(MOST)の膝X線写真とMRIを用いた。
  論文  参考訳（メタデータ） (2024-06-14T15:24:49Z)
• SQUWA: Signal Quality Aware DNN Architecture for Enhanced Accuracy in Atrial Fibrillation Detection from Noisy PPG Signals [37.788535094404644]
  心房細動(AF)は脳卒中、心臓病、死亡のリスクを著しく増大させる。 光胸腺造影(PPG)信号は、運動人工物や、しばしば起立条件で遭遇する他の要因による腐敗に影響を受けやすい。 本研究では,一部劣化したPSGから正確な予測の維持方法を学習するための新しい深層学習モデルを提案する。
  論文  参考訳（メタデータ） (2024-04-15T01:07:08Z)

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。