論文の概要: Machine-Learning Assessment of the Predictive Value of Inflammatory Biomarkers for Cognitive Impairment in an Older Hispanic Adult Cohort

• arxiv url: http://arxiv.org/abs/2609.19374v1
• Date: Wed, 16 Sep 2026 19:50:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:53.991793
• Title: Machine-Learning Assessment of the Predictive Value of Inflammatory Biomarkers for Cognitive Impairment in an Older Hispanic Adult Cohort
• Title（参考訳）: 老齢ヒスパニック成人コホートにおける認知障害に対する炎症性バイオマーカーの予測値の機械学習による評価
• Abstract要約: 小さな臨床データセットは解釈可能な機械学習を必要とする。 主な落とし穴は、統計的重要性が必ずしも予測ユーティリティを暗示しないことである。 I-309 (CCL1) は AUC を 0.110 増加させ、ペアのDeLong 試験では p0.05 を繰り返した。
• 参考スコア（独自算出の注目度）: 2.5173433431298378
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Small clinical tabular datasets require interpretable machine learning because deep learning is often impractical and ensemble models can be difficult to inspect. A key pitfall is that statistical significance does not necessarily imply predictive utility. Using data from the Panama Aging Research Initiative--Health Disparities (PARI-HD) cohort (n=165), we implemented a leakage-safe threshold-likelihood Bernoulli/Categorical Naive Bayes (BNB/CNB) classifier. Within every training fold, each continuous predictor was reduced to a supervised chi-square-derived state, while income entered the model through a categorical likelihood. All data-dependent steps were performed within repeated stratified 10-fold cross-validation with 30 repeats. The demographic baseline achieved a ROC-AUC of 0.630 +/- 0.017. I-309 (CCL1) was the dominant incremental feature, increasing AUC by 0.110, with paired DeLong tests yielding p<0.05 in 100% of repeats. In the pre-specified primary analysis, I-309 produced a fixed-partition DeLong p=0.0018, with robustness assessed across 200 random partitions, where the median p-value was 0.0011. Within the exploratory family of 18 candidate markers, I-309 achieved a Benjamini-Hochberg-adjusted q=0.032 on the frozen partition and satisfied q<0.05 in 85% of random partitions, whereas no other marker demonstrated reliable incremental predictive value. Because the fitted model is an inspectable table of thresholds and class-conditional probabilities, these results identify I-309/CCL1 as an interpretable candidate feature for tabular prediction of cognitive impairment, pending external validation.
• Abstract（参考訳）: ディープラーニングはしばしば非現実的であり、アンサンブルモデルは検査が難しいため、小さな臨床表層データセットは解釈可能な機械学習を必要とする。 重要な落とし穴は、統計的重要性が必ずしも予測ユーティリティを含まないことである。 パナマ高齢化研究イニシアチブ(PARI-HD)コホート(n=165)のデータを用いて,Bernoulli/Categorical Naive Bayes(BNB/CNB)分類器をリークセーフに実装した。 各トレーニングフォールド内において、それぞれの連続予測器は教師付きチ二乗状態に縮小され、収入はカテゴリー的可能性によってモデルに入った。 データに依存したすべてのステップは、30回の繰り返しで10倍のクロスバリデーションを繰り返して実行された。 人口ベースラインは0.630 +/-0.017のROC-AUCを達成した。 I-309(CCL1)はAUCを0.110増加させ、ペアのDeLong試験ではp<0.05を繰り返した。 予め特定された一次分析では、I-309は200個のランダムなパーティションにわたって頑健性を評価した固定分割のDeLong p=0.0018を生成し、中央値のp値は0.0011である。 18の候補マーカーからなる探索系の中で、I-309はベンジャミン=ホックベルク調整されたq=0.032を凍結された分割で達成し、ランダムな分割の85%でq<0.05を満足したが、他のマーカーは信頼性の高い漸進的な予測値を示しなかった。 これらの結果から,I-309/CCL1は認知障害の表型予測のための解釈可能な候補として認識され,外的検証が待たれている。

関連論文リスト

• Observation-Anchored Selective Assimilation for Longitudinal Tumor-State Proxy Forecasting in Post-Treatment Glioma [3.4540258577108776]
  グリオーマ患者の治療後のMRIは、患者固有の腫瘍状態のプロキシー推定を更新するための連続的な観察を提供する。 患者固有の状態に中間観察が固定される監視対応のディジタルツインアップデートとして予測を定式化する。
  論文  参考訳（メタデータ） (2026-09-11T04:55:54Z)
• A Transportable Threshold-Based Framework for Interpretable Classification of Medical Data [2.8617273583721126]
  ブラックボックスモデルは、医療における人工知能の採用を制限する。 我々は、完全に解釈可能なルールベースの臨床分類を提供する統計的基盤の枠組みを導入する。
  論文  参考訳（メタデータ） (2026-07-16T18:48:19Z)
• MeCaMIL: Causality-Aware Multiple Instance Learning for Fair and Interpretable Whole Slide Image Diagnosis [40.3028468133626]
  MIL(Multiple Case Learning)は、コンピュータ病理学における全スライド画像(WSI)解析の主流パラダイムとして登場した。 因果関係を意識したMILフレームワークである textbfMeCaMIL は、構造化因果グラフを通じて、階層的共同創設者を明示的にモデル化する。 MeCaMILは優れた公正性を達成する -- 人口格差の分散は、属性全体の平均で65%以上減少する。
  論文  参考訳（メタデータ） (2025-11-14T06:47:21Z)
• Assessing the Feasibility of Early Cancer Detection Using Routine Laboratory Data: An Evaluation of Machine Learning Approaches on an Imbalanced Dataset [0.02030567625639093]
  犬における早期がん検出のためのアクセス可能なスクリーニングツールの開発は、獣医学における重要な課題である。 本研究は,Golden Retriever Lifetime Studyコホートを用いたがんリスク分類の可能性を評価する。 通常の検査データには統計的に検出可能ながんシグナルが存在するが、正常な老化やその他の炎症状態から臨床的に信頼性の高い識別を行うには弱く、確立されていないと結論付けている。
  論文  参考訳（メタデータ） (2025-10-23T04:52:42Z)
• AttentiveGRUAE: An Attention-Based GRU Autoencoder for Temporal Clustering and Behavioral Characterization of Depression from Wearable Data [46.262619407930266]
  本稿では,時間的クラスタリングと縦型ウェアラブルデータによる結果の予測を目的とした,新しい注意型ゲートリカレントユニット(GRU)オートエンコーダであるAttentiveGRUAEを提案する。 372名(GLOBEM 2018-2019)の長期睡眠データからAttentiveGRUAEを評価する。 これは、クラスタリングの品質と抑うつの分類の両方において、ベースラインクラスタリング、ドメイン指向の自己教師付きモデル、および改善されたモデルよりも優れたパフォーマンスを示す。
  論文  参考訳（メタデータ） (2025-10-02T20:52:16Z)
• Predicting BVD Re-emergence in Irish Cattle From Highly Imbalanced Herd-Level Data Using Machine Learning Algorithms [0.0]
  Bovine Viral Diarrhoea (BVD) はアイルランドにおける根絶プログラムの成功の焦点となっている。 国家がBVDの自由に向かって進むにつれ、標的監視のための予測モデルの開発がますます重要になっている。 我々は,高度に不均衡な群集データを用いて,BVD陽性群を予測するための機械学習アルゴリズムの性能を評価する。
  論文  参考訳（メタデータ） (2025-04-17T17:33:15Z)
• Evaluating Spoken Language as a Biomarker for Automated Screening of Cognitive Impairment [37.40606157690235]
  言語と言語の変化は、アルツハイマー病と関連する認知症を早期に予測できる。 音声言語からのADRDスクリーニングと重度予測のための機械学習手法の評価を行った。 リスク階層化と言語的特徴重要度分析は、予測の解釈可能性と臨床的有用性を高めた。
  論文  参考訳（メタデータ） (2025-01-30T20:17:17Z)
• Uncertainty Quantification on Clinical Trial Outcome Prediction [37.25114005044208]
  本稿では,不確実性の定量化を臨床治験結果の予測に取り入れることを提案する。 私たちの主な目標は、ニュアンスドの違いを識別するモデルの能力を強化することです。 我々は目的を達成するために選択的な分類手法を採用した。
  論文  参考訳（メタデータ） (2024-01-07T13:48:05Z)

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。