論文の概要: Potential of Artificial Intelligence Algorithms for Identification of Relevant Diagnostic and Prognostic Biomarkers of Early-Stage Liver Cancer

• arxiv url: http://arxiv.org/abs/2609.15638v2
• Date: Tue, 22 Sep 2026 13:08:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-24 01:05:39.626676
• Title: Potential of Artificial Intelligence Algorithms for Identification of Relevant Diagnostic and Prognostic Biomarkers of Early-Stage Liver Cancer
• Title（参考訳）: 早期肝癌の関連診断・診断バイオマーカー同定のための人工知能アルゴリズムの可能性
• Abstract要約: 本研究では,癌診断におけるディープラーニングと説明可能な人工知能の利用について検討する。 SelectKBestアルゴリズムで選択された15の遺伝子を用いた最高の性能モデルは、90.74%の精度を達成した。 SHAPに基づくXAI分析は、モデルの決定に関する洞察を与え、一貫して最も影響力のある遺伝子としてDNAJB14を発見した。
• 参考スコア（独自算出の注目度）: 2.2251452674183922
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This study explores the use of deep learning and explainable artificial intelligence to diagnose hepatocellular carcinoma (HCC) and define effective biomarkers across five different stages of disease development using a transcriptomic biomarker HCC dataset constructed via semi-supervised learning from three source datasets. Several deep learning experiments were conducted with different feature extraction techniques and gene sets to identify the most effective features for training high-accuracy models with minimal loss. The best-performing model, using 15 selected genes with the SelectKBest algorithm, achieved 90.74% accuracy, while the model with the lowest recorded loss of 0.3187 was obtained using 20 selected genes. To address the issue of class imbalance in the dataset, a weighted training approach was conducted, and for model transparency and interpretability a SHAP-based XAI analysis provided insights into the model's decision-making, consistently finding DNAJB14 as the most influential gene. Functional validation in this study has provided compelling evidence that DNAJB14 plays an important role in the adverse properties of HCC and that its inhibition effectively reverses tumour cell migration, invasion, colony and sphere formation. The main limitation of this study is the dataset's class imbalance, and while weighted training helped mitigate this, further research and additional data are needed to guarantee model generalizability. Future studies should also explore the influence of genetic variations, environmental factors, and clinical differences on model performance across diverse populations.
• Abstract（参考訳）: 本研究では, 深層学習と説明可能な人工知能を用いて肝細胞癌(HCC)の診断を行い, 3つのソースデータセットから半教師付き学習によって構築された転写バイオマーカーHCCデータセットを用いて, 5つの病期にわたって有効なバイオマーカーを定義する。 異なる特徴抽出手法と遺伝子セットを用いていくつかのディープラーニング実験を行い、損失を最小限に抑えた高精度モデルを訓練するための最も効果的な特徴を特定した。 SelectKBestアルゴリズムで選択された15の遺伝子を用いた最高の性能モデルは、90.74%の精度を達成し、最低記録の損失0.3187のモデルは、選択された20の遺伝子を用いて得られた。 データセットにおけるクラス不均衡の問題に対処するため、重み付けされたトレーニングアプローチが実施され、モデルの透明性と解釈可能性のために、SHAPベースのXAI分析はモデルの意思決定に関する洞察を提供し、DNAJB14を最も影響力のある遺伝子として一貫して発見した。 この研究における機能的検証は、DNAJB14がHCCの有害な性質に重要な役割を担い、その阻害が腫瘍細胞の遊走、浸潤、コロニー形成、球形成を効果的に逆転させるという、説得力のある証拠を提示している。 この研究の主な制限はデータセットのクラス不均衡であり、重み付けトレーニングがこれを緩和する一方で、モデルの一般化性を保証するためにはさらなる研究と追加データが必要である。 今後の研究は、遺伝的変異、環境要因、臨床差が多様な個体群におけるモデル性能に与える影響についても検討する必要がある。

関連論文リスト

• Benchmarking Machine Learning Models for Multi-Omics-Based Breast Cancer Prediction [0.0]
  エストロゲン受容体(ER)は乳癌の診断、予後、治療選択において重要なバイオマーカーである。 本研究では,ER状態予測のための古典的機械学習モデルの系統的ベンチマーク分析を提案する。
  論文  参考訳（メタデータ） (2026-06-27T02:46:40Z)
• Investigating the Impact of Histopathological Foundation Models on Regressive Prediction of Homologous Recombination Deficiency [52.50039435394964]
  回帰に基づくタスクの基礎モデルを体系的に評価する。 我々は5つの最先端基礎モデルを用いて、スライド画像全体(WSI)からパッチレベルの特徴を抽出する。 乳房、子宮内膜、肺がんコホートにまたがるこれらの抽出された特徴に基づいて、連続したRDDスコアを予測するモデルが訓練されている。
  論文  参考訳（メタデータ） (2026-01-29T14:06:50Z)
• PathGene: Benchmarking Driver Gene Mutations and Exon Prediction Using Multicenter Lung Cancer Histopathology Image Dataset [10.326278779332219]
  肺癌における遺伝子変異、変異サブタイプおよびそれらのエクソンの正確な予測は、パーソナライズされた治療計画と予後評価に重要である。 病理組織像と次世代シークエンシングレポートを組み合わせたPathGeneを収集した。 このマルチセンターデータセットは、全スライディングイメージをドライバ遺伝子変異状態、突然変異サブタイプ、エキソン、腫瘍突然変異負担(TMB)ステータスにリンクする。
  論文  参考訳（メタデータ） (2025-05-30T11:51:11Z)
• Improving statistical learning methods via features selection without replacement sampling and random projection [0.680740878601496]
  癌は、正常な遺伝子発現を阻害する遺伝学的およびエピジェネティックな変化を特徴とする遺伝疾患である。 高次元マイクロアレイデータセットは、「小さいn、大きなp」問題のために分類モデルに挑戦する。 本研究は癌バイオマーカーの発見に寄与し,マイクロアレイデータ解析のための堅牢な計算手法を提供する。
  論文  参考訳（メタデータ） (2025-05-28T22:36:46Z)
• Machine Learning Meets Transparency in Osteoporosis Risk Assessment: A Comparative Study of ML and Explainability Analysis [0.0]
  本研究は,機械学習(ML)による骨粗しょう症のリスク予測の難しさに対処するものである。 XGBoostは評価モデルの中で最大の精度(91%)で、他のモデルの精度(0.92)、リコール(0.91)、F1スコア(0.90)を上回った。 本研究は, 加齢が骨粗しょう症のリスク予測の主要な要因であり, ホルモン変動と家族歴が続くことを示唆している。
  論文  参考訳（メタデータ） (2025-05-01T09:05:02Z)
• Survey and Improvement Strategies for Gene Prioritization with Large Language Models [61.24568051916653]
  大規模言語モデル (LLM) は, 医学検査において良好に機能しているが, 希少な遺伝疾患の診断における有効性は評価されていない。 表現型と可溶性レベルに基づいて, マルチエージェントとヒトフェノタイプオントロジー(HPO)を分類した。 ベースラインでは、GPT-4は他のLLMよりも優れており、因果遺伝子を正しくランク付けする際の精度は30%近く向上した。
  論文  参考訳（メタデータ） (2025-01-30T23:03:03Z)
• A Foundational Generative Model for Breast Ultrasound Image Analysis [42.618964727896156]
  基礎モデルは臨床現場で様々な課題に対処するための強力なツールとして登場した。 乳房超音波検査に特化して設計された最初の基礎的生成モデルであるBUSGenについて述べる。 BUSGenは、数ショットの適応で、現実的で情報に富んだタスク固有のデータのリポジトリを生成することができる。
  論文  参考訳（メタデータ） (2025-01-12T16:39:13Z)
• Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
  近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。 そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
  論文  参考訳（メタデータ） (2024-04-26T16:39:50Z)
• Single-Cell Deep Clustering Method Assisted by Exogenous Gene Information: A Novel Approach to Identifying Cell Types [50.55583697209676]
  我々は,細胞間のトポロジ的特徴を効率的に捉えるために,注目度の高いグラフオートエンコーダを開発した。 クラスタリング過程において,両情報の集合を統合し,細胞と遺伝子の特徴を再構成し,識別的表現を生成する。 本研究は、細胞の特徴と分布に関する知見を高め、疾患の早期診断と治療の基礎となる。
  論文  参考訳（メタデータ） (2023-11-28T09:14:55Z)
• Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype Prediction [55.94378672172967]
  本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。 新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。 我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
  論文  参考訳（メタデータ） (2020-09-02T02:50:30Z)

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。