論文の概要: ECG for laboratory values:A comprehensive physiological and technical analysis

• arxiv url: http://arxiv.org/abs/2610.28507v1
• Date: Tue, 20 Oct 2026 16:46:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.925486
• Title: ECG for laboratory values:A comprehensive physiological and technical analysis
• Title（参考訳）: 実験室評価のための心電図:総合的生理・技術分析
• Abstract要約: 本論文は,マルチモーダルディープラーニングフレームワークを用いて,心電図記録と患者メタデータからのNT-proBNP予測について検討する。 MIMIC-IVを用いて回帰・二分分類・三級分類実験を行った。 その結果,NT-proBNPの正確な回帰は依然として困難であり,より広い濃度範囲がより効果的に分類できることが示唆された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Laboratory measurements are essential for clinical decision making but typically require invasive blood sampling. Recent research suggests that ECG recordings may contain information beyond cardiac rhythm and provide information related to laboratory values. This thesis investigates NT-proBNP prediction from ECG recordings and patient metadata using a multimodal deep learning framework, while considering the physiological plausibility of ECG-based prediction. It also compares a 1-lead configuration using lead II with the corresponding 12-lead configuration. Additional experiments on glucose, hemoglobin, and potassium are presented in the appendix. Regression, binary classification, and three-class classification experiments were conducted using MIMIC-IV, with the three-class task based on clinically established thresholds. The 12-lead configuration consistently achieved better performance. Regression reached a mean absolute error of 534.98 pg/mL for 1-lead and 514.27 pg/mL for 12-lead. Binary classification achieved AUROCs of 0.849 and 0.876, respectively, while three-class classification achieved macro-averaged AUROCs of 0.738 and 0.752. The results indicate that precise NT-proBNP regression remains challenging, whereas broader concentration ranges can be classified more effectively. The findings are consistent with the physiological hypothesis that ECG characteristics and NT-proBNP concentrations reflect shared cardiovascular processes. ECG-based NT-proBNP prediction may therefore provide complementary information, particularly for classifying broader concentration ranges. However, laboratory measurements remain necessary, and validation on independent datasets is required.
• Abstract（参考訳）: 臨床診断には実験室の測定が不可欠であるが、通常は侵襲的な血液採取を必要とする。 近年の研究では、心電図記録には心臓リズム以外の情報が含まれており、実験室の値に関連する情報が含まれていることが示唆されている。 本論文は、心電図に基づく予測の生理学的妥当性を考慮して、心電図記録と患者メタデータからのNT-proBNP予測をマルチモーダルディープラーニングフレームワークを用いて検討する。 また、 lead II を使用した 1-lead 構成と、対応する 12-lead 構成を比較する。 ブドウ糖、ヘモグロビン、カリウムに関する追加の実験が虫垂に記載されている。 MIMIC-IVを用いた回帰・二分分類・三クラス分類実験を行った。 12リード構成は一貫して性能が向上した。 回帰は平均絶対誤差で1リードは534.98 pg/mL、12リードは514.27 pg/mLに達した。 バイナリ分類はそれぞれ0.849と0.876のAUROCを、マクロ分類は0.738と0.752のAUROCをそれぞれ達成した。 その結果,NT-proBNPの正確な回帰は依然として困難であり,より広範囲の濃度範囲はより効果的に分類できることがわかった。 この結果は心電図の特徴とNT-proBNP濃度が共有心血管過程を反映しているという生理学的仮説と一致している。 ECGに基づくNT-proBNP予測は、特に広範囲の濃度範囲を分類するために相補的な情報を提供する可能性がある。 しかし、実験室の測定は依然として必要であり、独立したデータセットに対する検証が必要である。

関連論文リスト

• Explainable Machine Learning for Sepsis Outcome Prediction Using a Novel Romanian Electronic Health Record Dataset [0.5277756703318045]
  本研究の目的は,3つの分類課題にまたがる最先端の成果を達成しつつ,臨床的に強い予測因子を同定することである。 Eosinopeniaはトップ予測ツールとして登場し、現在の評価基準に含まれていない未使用のマーカーとしての価値を強調した。
  論文  参考訳（メタデータ） (2026-04-06T14:07:23Z)
• AnyECG-Lab: An Exploration Study of Fine-tuning an ECG Foundation Model to Estimate Laboratory Values from Single-Lead ECG Signals [14.89557749011152]
  検査値へのタイムリーなアクセスは臨床的な意思決定に不可欠である。 近年の深層学習の進歩により,心電図からの潜伏血液学的シグネチャの抽出が可能となった。 我々は、大規模な事前学習ECG基盤モデルである微細チューンECGFounderへのトランスファーラーニングを活用した探索的研究を行う。
  論文  参考訳（メタデータ） (2025-10-25T14:04:26Z)
• Evaluating Large Language Models for Multimodal Simulated Ophthalmic Decision-Making in Diabetic Retinopathy and Glaucoma Screening [37.69303106863453]
  大規模言語モデル(LLM)は、自然言語のプロンプトに基づいて臨床推論をシミュレートすることができるが、眼科におけるそれらの有用性はほとんど解明されていない。 本研究は,GPT-4による網膜底写真の構造的記述の解釈能力について検討した。 300点の注釈付き眼底画像を用いた振り返り診断検査を行った。
  論文  参考訳（メタデータ） (2025-07-02T01:35:59Z)
• Interpretable Graph Kolmogorov-Arnold Networks for Multi-Cancer Classification and Biomarker Identification using Multi-Omics Data [36.92842246372894]
  Multi-Omics Graph Kolmogorov-Arnold Network (MOGKAN)は、メッセンジャーRNA、マイクロRNA配列、DNAメチル化サンプルを利用するディープラーニングフレームワークである。 グラフに基づく深層学習とマルチオミクスデータを統合することにより,提案手法は頑健な予測性能と解釈可能性を示す。
  論文  参考訳（メタデータ） (2025-03-29T02:14:05Z)
• Finetuning and Quantization of EEG-Based Foundational BioSignal Models on ECG and PPG Data for Blood Pressure Estimation [46.36100528165335]
  光胸腺撮影と心電図は、連続血圧モニタリング(BP)を可能にする可能性がある。 しかし、データ品質と患者固有の要因の変化のため、正確で堅牢な機械学習(ML)モデルは依然として困難である。 本研究では,1つのモータリティで事前学習したモデルを効果的に利用して,異なる信号タイプの精度を向上させる方法について検討する。 本手法は, 拡張期BPの最先端精度を約1.5倍に向上し, 拡張期BPの精度を1.5倍に向上させる。
  論文  参考訳（メタデータ） (2025-02-10T13:33:12Z)
• CardioLab: Laboratory Values Estimation and Monitoring from Electrocardiogram Signals -- A Multimodal Deep Learning Approach [1.068128849363198]
  我々はMIMIC-IVデータセットを用いてマルチモーダル深層学習モデルを構築し、推定(リアルタイム)と監視(将来の間隔での予測)実験値異常の可能性を示す。 AUROCスコアが0.70を超え、23の実験室値と26の観測室値に対して統計的に有意な精度で予測性能を示す。
  論文  参考訳（メタデータ） (2024-11-22T12:10:03Z)
• Neural Network-Based Histologic Remission Prediction In Ulcerative Colitis [38.150634108667774]
  潰瘍性大腸炎(UC)の新しい治療標的としての組織学的寛解 内視鏡(Endocytoscopy、EC)は、新しい超高倍率内視鏡技術である。 本稿では,心電図の組織学的疾患活動を評価するニューラルネットワークモデルを提案する。
  論文  参考訳（メタデータ） (2023-08-28T15:54:14Z)
• Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
  そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。 我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。 この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
  論文  参考訳（メタデータ） (2023-02-16T17:06:23Z)

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。