論文の概要: Mammography Foundation Models for Opportunistic Prediction of Major Adverse Cardiovascular Events

• arxiv url: http://arxiv.org/abs/2609.19385v1
• Date: Wed, 16 Sep 2026 20:06:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:53.995851
• Title: Mammography Foundation Models for Opportunistic Prediction of Major Adverse Cardiovascular Events
• Title（参考訳）: マンモグラフィーの基礎モデルによる大逆心血管イベントの予知
• Abstract要約: 心血管疾患(CVD)は、女性の間でも主要な死因である。 乳がん関連タスクに事前訓練されたマンモグラフィー特異的基礎モデルが心血管リスク予測に移行できるかどうかを評価する。
• 参考スコア（独自算出の注目度）: 0.2770822269241973
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Cardiovascular disease (CVD) remains the leading cause of death among women, yet cardiovascular risk assessment often relies on clinical variables that may be missing, outdated, or unavailable in routine care. Screening mammography offers an opportunity for opportunistic cardiovascular risk stratification because it is routinely acquired and contains vascular features, including breast arterial calcifications (BAC), that are associated with cardiovascular risk and events. We evaluate whether mammography specific foundation models, originally pretrained for breast cancer-related tasks, can transfer to cardiovascular risk prediction without cardiovascular specific supervision or explicit BAC annotation. We constructed a 5-year major adverse cardiovascular event (MACE) cohort of 22,497 women linked to electronic health record outcomes, including 500 events (2.22% prevalence). The foundation models achieved AUROCs of 0.823 and 0.822 substantially exceeding an age-only model (AUROC 0.765), despite using only the screening mammogram as input, with no clinical variables. Both foundation models evaluated assigned substantially higher predicted risk to patients with radiologist-documented BAC, despite BAC never being used as a training label, and showed activation patterns consistent with vascular findings. Together, these findings suggest that mammography foundation models can recover clinically relevant cardiovascular risk information directly from mammographic pixels and suggest that screening mammography may provide an opportunistic source of cardiovascular risk information to complement conventional clinical assessment without additional imaging. Code is available in https://github.com/PauFeld/MammoCVD
• Abstract（参考訳）: 心血管疾患(英語版) (CVD) は、女性の死因としては依然として主要なものであるが、心臓血管のリスク評価は、しばしば、欠如、時代遅れ、または日常治療で利用できない臨床変数に依存している。 乳房動脈石灰化 (BAC) などの血管的特徴を日常的に獲得し, 心血管的リスクや事象に関連付けられているため, 乳房検診は, 心血管的リスク層形成の機会となる。 乳がん関連タスクに事前訓練されたマンモグラフィー特異的基礎モデルが,心臓血管特異的監督や明示的なBACアノテーションを使わずに,心血管のリスク予測に移行できるかどうかを検討した。 我々は,500件(2.22%の有病率)を含む電子的健康記録に関連のある女性22,497件の5年間の大心血管イベント(MACE)コホートを構築した。 基礎モデルはAUROCs 0.823と0.822をほぼ上回り(AUROC 0.765)、検診用マンモグラムのみを入力とし、臨床変数は無かった。 いずれの基盤モデルも, BACをトレーニングラベルとして使用せず, 血管所見と整合したアクティベーションパターンを示したにもかかわらず, 放射線技師によるBAC患者に対して有意に高いリスクを付与した。 以上より,マンモグラフィーの基礎モデルでは,マンモグラフィー画像から直接,臨床的に関係のある心血管リスク情報を復元できる可能性が示唆された。 コードはhttps://github.com/PauFeld/MammoCVDで入手できる。

関連論文リスト

• Cross-Modal Contrastive Learning of ECG and Angiography Representations for Severe Stenosis Classification [79.18126160626093]
  冠動脈狭窄は一般的な心血管疾患であり、重症で未治療の症例は心臓発作の重大なリスクを訴える。 プレトレーニングフレームワークであるStenCEを導入し,心電図から直接抽出した特徴に基づいて患者の階層化を可能にする。 得られたモデルは心電図における狭窄診断のための信号の検出に成功し,重症狭窄分類において初めて高い性能を達成した。
  論文  参考訳（メタデータ） (2026-05-23T14:50:22Z)
• The Sound of Death: Deep Learning Reveals Vascular Damage from Carotid Ultrasound [31.950422391211607]
  本稿では,頸動脈超音波画像から臨床的に有意な血管損傷の表現を抽出する機械学習フレームワークを提案する。 われわれのアプローチは、人口全体にわたる心血管リスク評価のためのスケーラブルで非侵襲的で費用対効果の高いツールを提供する。
  論文  参考訳（メタデータ） (2026-02-19T12:37:48Z)
• Neural Discrete Representation Learning for Sparse-View CBCT Reconstruction: From Algorithm Design to Prospective Multicenter Clinical Evaluation [64.42236775544579]
  コーンビームCT(CBCT)ガイド下穿刺は胸部腫瘍の診断・治療に確立されたアプローチとなっている。 DeepPriorCBCTは3段階のディープラーニングフレームワークであり、従来の放射線線量の6分の1しか使用せずに診断段階の再構築を実現する。
  論文  参考訳（メタデータ） (2025-11-30T12:45:02Z)
• Imaging-Based Mortality Prediction in Patients with Systemic Sclerosis [50.46938276133494]
  全身性硬化症(SSc)における間質性肺疾患(ILD)の死因 本研究は,放射能と深層学習を利用して死亡率を予測する,新しい大規模胸部CT解析フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-27T23:46:57Z)
• MOSCARD -- Causal Reasoning and De-confounding for Multimodal Opportunistic Screening of Cardiovascular Adverse Events [3.206697649226124]
  MACE(Major Adverse Cardiovascular Events)は、2021年のGlobal Disease Studyで報告された、世界の死亡率の主要な原因である。 機会論的スクリーニングは、定期的な健康チェックから収集されたデータを活用し、マルチモーダルデータはリスクのある個人を特定する上で重要な役割を果たす。 そこで我々は,MOSCARD(MOSCARD, Multimodal causal reasoning with co-attention)という新たな予測モデリングフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-06-23T22:28:37Z)
• Novel AI-Based Quantification of Breast Arterial Calcification to Predict Cardiovascular Risk [6.160906607279526]
  マンモグラフィー検査における動脈石灰化(BAC)は、心血管疾患のリスクのある女性を同定することができる。 トランスフォーマーベースのニューラルネットワークは、マンモグラムのスクリーニングにおいてBACの重症度(BACを含まない、軽度、中度、重度)を定量化した。
  論文  参考訳（メタデータ） (2025-03-17T19:38:17Z)
• Integrating Deep Learning with Fundus and Optical Coherence Tomography for Cardiovascular Disease Prediction [47.7045293755736]
  心血管疾患(CVD)のリスクのある患者の早期発見は、効果的な予防ケア、医療負担の軽減、患者の生活の質の向上に不可欠である。 本研究は、網膜光コヒーレンス断層撮影(OCT)と眼底写真との併用による、将来の心疾患の特定の可能性を示すものである。 そこで我々は,MCVAE(Multi- Channel Variational Autoencoder)に基づく新たなバイナリ分類ネットワークを提案し,患者の眼底画像とOCT画像の潜伏埋め込みを学習し,個人を将来CVDを発症する可能性のあるものとそうでないものとの2つのグループに分類する。
  論文  参考訳（メタデータ） (2024-10-18T12:37:51Z)
• Machine Learning Models for the Identification of Cardiovascular Diseases Using UK Biobank Data [4.285399998352862]
  この調査では、英国の主要医療センターから50万人以上の中年参加者が参加しました。 参加者は、心臓発作、狭心症、脳卒中、高血圧の少なくとも1つを報告した場合、CVDと分類された。 我々は9つの機械学習モデル (LSVM, RBFSVM, GP, DT, RF, NN, AdaBoost, NB, QDA) を用いた。
  論文  参考訳（メタデータ） (2024-07-23T11:05:20Z)
• SurvLatent ODE : A Neural ODE based time-to-event model with competing risks for longitudinal data improves cancer-associated Deep Vein Thrombosis (DVT) prediction [68.8204255655161]
  本稿では,不規則なサンプルデータの下で潜在表現をパラメータ化する生成時間対イベントモデルSurvLatent ODEを提案する。 そこで,本モデルでは,事象特異的ハザード関数の形状を指定せずに,複数の競合イベントの生存時間を柔軟に推定する。 SurvLatent ODEは、DVTリスクグループを成層化するために、現在の臨床標準であるKhorana Riskスコアより優れている。
  論文  参考訳（メタデータ） (2022-04-20T17:28:08Z)
• Development of an accessible 10-year Digital CArdioVAscular (DiCAVA) risk assessment: a UK Biobank study [0.46180371154032895]
  目標は、統計的および機械学習技術を使用して新しいリスクモデル(DiCAVA)を開発することであった。 第二の目標は、CVDリスクアセスメントに組み込むことができる新しい患者中心変数を特定することでした。
  論文  参考訳（メタデータ） (2021-04-20T16:01:50Z)
• Prediction of the onset of cardiovascular diseases from electronic health records using multi-task gated recurrent units [51.14334174570822]
  本稿では,電子カルテから心血管イベントを予測するための注意機構を備えたマルチタスク・リカレントニューラルネットワークを提案する。 提案手法は、NHS Foundation Trustの5年間のデータを用いて、標準的な臨床リスク予測器(QRISK)と機械学習の代替手段と比較される。
  論文  参考訳（メタデータ） (2020-07-16T17:43:13Z)

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。