論文の概要: Calibration-First Cross-Cohort Multimodal Temporal Learning for Transferable Asthma-Risk Forecasting

• arxiv url: http://arxiv.org/abs/2609.35795v1
• Date: Thu, 17 Sep 2026 08:19:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-05 14:48:16.270421
• Title: Calibration-First Cross-Cohort Multimodal Temporal Learning for Transferable Asthma-Risk Forecasting
• Title（参考訳）: 移動可能な喘息リスク予測のための校正第1回クロスコホート型マルチモーダル時間学習
• Abstract要約: 喘息の悪化予測は、患者の人口、センサーのエコシステム、利用可能なモダリティが変化しても、確実に行う必要がある。 不完全データを用いた近地リスク予測のためのキャリブレーションファーストマルチモーダル時間フレームワークであるCALIBRAを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Asthma deterioration forecasting must remain reli- able when patient populations, sensor ecosystems, and available modalities change across cohorts. Existing models commonly optimize within-cohort discrimination and may produce poorly calibrated probabilities after transfer. We present CALIBRA, a calibration-first multimodal temporal framework for short- horizon risk prediction with incomplete data. Dedicated recurrent encoders process environmental, pulmonary, symptom, medication, wearable, and context streams; a reliability-conditioned gate suppresses stale or absent modalities, while gradient-reversal training discourages avoidable cohort signatures. A shrinkage- based hierarchical logistic layer calibrates probabilities using a patient-disjoint target subset, and split conformal prediction provides abstention-capable prediction sets. To avoid fabricating clinical evidence, we evaluate the complete implementation on a documented three-cohort semi-synthetic benchmark with controlled distribution shift, informative missingness, and sealed target patients. Across five configured seeds, CALIBRA achieved mean target-test AUPRC 0.224 versus 0.240 for the strongest non-ablation comparator, TemporalTransformer; mean AUROC was 0.717, and Brier score was 0.098. Experiments additionally assess complete-modality failures, calibration, conformal coverage, decision curves, subgroup behavior, ablations, runtime, and parameter count. The results verify the method and reproducible pipeline under controlled shift, but do not establish clinical effectiveness. External validation on harmonized real asthma. Overall this artifact provides evidence for carefully governed real-cohort validation.
• Abstract（参考訳）: 喘息の悪化予測は、患者の人口、センサーのエコシステム、利用可能なモダリティがコホート全体にわたって変化した場合、確実に行う必要がある。 既存のモデルでは、一般的にコホート内識別を最適化し、転送後のキャリブレーションの低い確率を生成する。 不完全データを用いた近地リスク予測のためのキャリブレーションファーストマルチモーダル時間フレームワークであるCALIBRAを提案する。 遅延エンコーダは環境、肺、症状、薬、ウェアラブル、コンテキストストリームを処理し、信頼性条件付きゲートは古いまたは欠落したモダリティを抑制し、勾配反転訓練は回避可能なコホートシグネチャを阻止する。 収縮に基づく階層的ロジスティック層は、患者分離ターゲットサブセットを用いて確率を校正し、分割共形予測は、禁忌可能な予測セットを提供する。 臨床エビデンス作成を避けるため, 制御分布シフト, 情報不足, 密封対象患者を対象に, 文書化された3コホート半合成ベンチマークの完全な実装について検討した。 CALIBRAは5種の構成種子に対して平均目標値0.224と0.240を達成し,AUROCは0.717,Brierスコアは0.098であった。 さらに、完全なモダリティ障害、キャリブレーション、コンフォーマルカバレッジ、決定曲線、サブグループ動作、アブレーション、ランタイム、パラメータカウントを評価する。 その結果, 制御シフト下での再現性パイプラインと方法の検証を行ったが, 臨床効果は得られなかった。 調和現実喘息における外的検証 全体として、このアーティファクトは慎重に管理された実コホート検証の証拠を提供する。

関連論文リスト

• ToxLens: A Reproducible Graph-Learning Framework for Leakage-Aware, Uncertainty-Calibrated Molecular Toxicity Prediction [0.0]
  ToxLensは、エイムズ変異原性、急性口腔毒性、hERG阻害、およびTox21核受容体およびストレス応答アッセイにまたがる11の毒性エンドポイントのグラフ学習フレームワークである。 このワークフローは、保守的な化学キュレーション、球面排除フィルター、リーク対応のUMAP-HDBSCANスプリット、並列グラフ、グローバル機能エンコーダを組み合わせ、遅延結合と結合する。 漏れ制御テストフォールドでは、5シードのソフト発声アンサンブルがマシューズ相関係数スコア0.44、受信機動作特性曲線スコア0.83、受信機下領域を達成した。
  論文  参考訳（メタデータ） (2026-08-31T08:58:51Z)
• PGP-Clinical-TimeKAN: Prior-Guided Joint Probabilistic Forecasting of Clinical Trajectories [33.074550441856196]
  PGP-Clinical-TimeKANは多変量生理学の合同確率予測のための軌道優先のフレームワークである。 欠如を意識した時間エンコーダ、ソフトオルガン前駆体、患者固有の関係、非線形コルモゴロフ・アルノルドメッセージ、低ランクの多変量学生-tヘッドを組み合わせる。
  論文  参考訳（メタデータ） (2026-08-24T23:33:35Z)
• Imputation-free transformer learning enables robust Alzheimer's disease prediction and calibrated uncertainty quantification across heterogeneous clinical cohorts [1.2407987412519395]
  ニトロゲン(NITROGEN)は、患者内部の特徴と患者間の関係構造を共同でモデル化する、計算不要なトランスフォーマーである。 ADNIでNITROGENを訓練し,2つの独立したコホートで評価した。
  論文  参考訳（メタデータ） (2026-07-13T15:05:26Z)
• SafeImpute: Reliable Clinical Data Imputation via Conformal Selection [35.40404498771435]
  臨床医療は重要な検査指標に頼っていることが多いが、実際の患者訪問は少なく、検査は不規則に発注される。 本研究は, 信頼性のある治療効果を選択的に解放しつつ, 正確な治療効果を生み出すことを目的として, 信頼性の高い治療効果について検討する。 本稿では,不規則かつスパースな臨床記録のための信頼性のある計算手法であるSafeImputeを提案する。
  論文  参考訳（メタデータ） (2026-07-06T20:16:21Z)
• CADRE: Stable, Parameter Efficient Adaptation of Medical Vision Language Models with Bounded Forgetting and Prior Drift [0.10742675209112622]
  新しい画像モダリティのためのデプロイモデルの更新は、患者を傷つける2つの方法で静かに失敗する可能性がある。 本研究は,これらの2つの特性によるパラメータ効率の連続的適応について,リーダーボードの精度を忘れることなく検討する。 CADRE は低ランク適応 (LoRA) とオンラインの自己スケーリング,類似性を考慮した弾性重み付けという用語を組み合わせたフリーズバックボーンフレームワークである。
  論文  参考訳（メタデータ） (2026-06-22T15:34:32Z)
• PRIME: Prototype-Driven Multimodal Pretraining for Cancer Prognosis with Missing Modalities [86.63247982275396]
  PRIMEは、欠落を認識したマルチモーダルな自己教師型事前トレーニングフレームワークである。 部分的に観察されたコホートから頑健で伝達可能な表現を学ぶ。 The Cancer Genome AtlasのPRIMEを32種類の癌に対してラベルフリープレトレーニングで評価した。
  論文  参考訳（メタデータ） (2026-04-05T21:14:27Z)
• From Calibration to Refinement: Seeking Certainty via Probabilistic Evidence Propagation for Noisy-Label Person Re-Identification [40.73759251488672]
  既存のノイズロスのある人物Re-ID法は、ソフトマックス出力を用いた損失補正やサンプル選択方式に依存している。 本稿では,キャリブレーションからリファインメントへ伝播する確率的証拠を通じて確実性を求める2段階フレームワークであるCARE法を提案する。 精製段階では, クリーン試料とノイズ試料をより正確に識別できるエビデンス伝搬精製法(EPR)を設計する。
  論文  参考訳（メタデータ） (2026-02-26T15:50:15Z)
• 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)
• Undersampling and Cumulative Class Re-decision Methods to Improve Detection of Agitation in People with Dementia [16.949993123698345]
  消化は認知症(PwD)で最も多い症状の1つである。 前回の研究では、参加者17名から600日間のマルチモーダルウェアラブルセンサデータを収集し、1分間の窓での動揺を検出する機械学習モデルを開発した。 本稿では,まず,不均衡を解消するために異なるアンダーサンプリング手法を実装し,通常の動作データの20%だけが競合的動揺検出モデルの訓練に適しているという結論に至った。
  論文  参考訳（メタデータ） (2023-02-07T03:14:00Z)
• Hierarchical Semi-Supervised Contrastive Learning for Contamination-Resistant Anomaly Detection [81.07346419422605]
  異常検出は、通常のデータ分布から逸脱したサンプルを特定することを目的としている。 コントラスト学習は、異常の効果的な識別を可能にする表現のサンプル化に成功している。 汚染耐性異常検出のための新しい階層型半教師付きコントラスト学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-07-24T18:49:26Z)
• Survival Analysis Using a 5-Step Stratified Testing and Amalgamation Routine in Randomized Clinical Trials [0.0]
  患者の不均一性の増加は、治療の違いを検出する共通の統計的アプローチの能力を弱める可能性がある。 どちらの治療でも生存を予測できない可能性を持つ塩基性共変体のリストは、事前に特定されている。 条件推論木アルゴリズムを用いて、異種臨床試験集団を予後同種患者のサブ集団に分割する。 提案した5段階の階層化テストとアマルガメーションルーチン(5-STAR)の高消費電力化性能について述べる。
  論文  参考訳（メタデータ） (2020-04-28T15:44:41Z)

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。