論文の概要: Visualizing and Interpreting Temporal Care Team Dynamics for Cancer Survival Risk Analysis
- arxiv url: http://arxiv.org/abs/2610.30748v1
- Date: Thu, 22 Oct 2026 05:16:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-24 02:08:44.221569
- Title: Visualizing and Interpreting Temporal Care Team Dynamics for Cancer Survival Risk Analysis
- Title（参考訳）: がん生存リスク分析のための時間ケアチームのダイナミクスの可視化と解釈
- Abstract要約: がん治療は、様々な医療従事者の間で調整を必要とする、縦断的かつ時間に敏感なプロセスである。
先行研究は、ケアチーム構造と患者の成果を結びつけるが、コラボレーションの時間的ダイナミクスと、患者リスクの進化との関係は理解されていない。
腫瘍学における時間変動ケアチームインタラクションをモデル化し,解釈するための視覚分析フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 18.543220644724766
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cancer care is a longitudinal, time-sensitive process requiring coordination among diverse healthcare professionals (HCPs), whose collaboration evolves throughout treatment. Prior studies link care team structure to patient outcomes, but the temporal dynamics of collaboration and their relationship to evolving patient risk remain poorly understood. We introduce a visual analytics framework for modeling and interpreting time-varying care team interactions in oncology. We construct dynamic collaboration networks from electronic health record (EHR)-mediated communication data and use a temporal graph neural network (TGNN) to estimate patient outcome risk over time. We then investigate how changes in care team composition and specialist participation relate to shifts in estimated risk across treatment stages. Our multi-view interactive system combines TGNN-based risk modeling with coordinated visualizations of care team networks, feature-level explanations from a surrogate logistic regression model, and exploratory what-if analysis. Without making causal claims, the system helps analysts examine how risk estimates co-evolve with collaboration patterns and identify care team characteristics associated with these changes. We demonstrate its utility through expert-guided analysis scenarios involving 505 patients with breast, colorectal, and lung cancers, evaluating its ability to reveal clinically meaningful collaboration patterns. This work improves the interpretability of temporal graph-based models in longitudinal, team-based healthcare, with potential applicability to other evolving collaborative settings.
- Abstract（参考訳）: がん治療は、治療を通じて協力していく多様な医療専門家(HCP)の協力を必要とする、縦断的かつ時間に敏感なプロセスである。
先行研究は、ケアチーム構造と患者の成果を結びつけるが、コラボレーションの時間的ダイナミクスと、患者リスクの進化との関係は理解されていない。
腫瘍学における時間変動ケアチームインタラクションをモデル化し,解釈するための視覚分析フレームワークを提案する。
我々は電子健康記録(EHR)によるコミュニケーションデータから動的に協調するネットワークを構築し、時間とともに患者結果のリスクを推定するために時間的グラフニューラルネットワーク(TGNN)を用いた。
次に、ケアチーム構成の変化と専門的参加が、治療段階間のリスク推定の変化にどのように関係するかを検討する。
我々の多視点対話システムは、TGNNに基づくリスクモデリングと、ケアチームネットワークの協調可視化、代理ロジスティック回帰モデルによる特徴レベル説明、探索的な何れか分析を組み合わせる。
因果的クレームを作らずに、このシステムは、リスク見積がコラボレーションパターンとどのように共存するかを調べ、これらの変化に関連するケアチームの特性を特定するのに役立ちます。
本研究は,505例の乳癌,大腸癌,肺癌患者を対象とし,臨床的に有意なコラボレーションパターンを明らかにする能力について検討した。
この研究は、時間的グラフベースのモデルの、縦断的、チームベースの医療における解釈可能性を改善し、他の進化した協調的な設定に適用できる可能性がある。
関連論文リスト
- From Multimodal Observation to Interpretable Suggestions: Counterfactual Time-Expanded Relational Modeling of Surgical Teams [9.813151093947097]
マルチモーダル観察から手術チームダイナミクスをモデル化するためのテンポ関係フレームワークを提案する。
このようなモデリングにより、臨床医のための効率的、解釈可能、および実行可能な提案を作成できる。
この研究は、結果駆動の予測を越えて、社会的に根ざしたチーム中心で行動可能なパラダイムへと、外科的AIを前進させる。
論文 参考訳（メタデータ） (2026-08-24T13:46:46Z) - Beyond Prediction: Longitudinal Reasoning in EHR-Integrated Clinical AI [0.79827881560134]
我々は、技術的統合戦略と推論関連表現機能をキャプチャするコーディングフレームワークを開発する。
分析の結果,多くのシステムがERHデータを組み込んでいるが,主に遭遇レベルや集約された表現で運用されていることがわかった。
本研究は,現在進行中の臨床推論の基盤としてではなく,静的な入力としてERHデータを扱うアプローチである,と論じる。
論文 参考訳（メタデータ） (2026-06-07T02:26:23Z) - Modeling and Interpreting Teamwork Dynamics in Cancer Care Outcome Prediction [18.543220644724766]
がん治療には、個々の患者のニーズに応じて治療を計画し、提供するための縦断的なアプローチが必要である。
計画とデリバリはチームベースのプロセスであり、複数の医療専門家の協調作業に依存します。
我々は,これらの協調構造に埋め込まれた患者生存の予測信号の同定に機械学習手法を適用した。
論文 参考訳（メタデータ） (2026-06-03T06:28:59Z) - From Static Risk to Dynamic Trajectories: Toward World-Model-Inspired Clinical Prediction [61.12883122613684]
本稿では, 患者固有の縦断疾患の進展を推定し, 代替治療下での軌跡変化を評価するための, 臨床AIにおける介入認識型疾患軌跡モデリングに焦点をあてる。
3つの意思決定タスク(実測,反実推定,政策評価)と3つのデータ生成機構(障害発生, 治療課題, 観察過程)によって, 識別可能性を決定する。
本稿では,個別/連続時間にまたがる予測,反ファクト的軌跡,政策評価の統一的な枠組みを提案する。
論文 参考訳（メタデータ） (2026-05-16T10:45:26Z) - Associating Healthcare Teamwork with Patient Outcomes for Predictive Analysis [20.239131886506538]
我々は,ERHを介するHCPインタラクションをネットワークとしてモデル化し,これらのコラボレーションに埋め込まれた患者生存の予測信号を検出するために機械学習技術を適用した。
この作業は、コラボレーションとAIのデジタルトレースを活用して、チームベースのヘルスケアを評価し改善するための実践的なワークフローに寄与する。
論文 参考訳（メタデータ） (2025-12-02T23:16:03Z) - From Patient Consultations to Graphs: Leveraging LLMs for Patient Journey Knowledge Graph Construction [3.0874677990361246]
患者ジャーニー知識グラフ(PJKG)は、断片化された医療データの課題に対処するための新しいアプローチである。
PJKGのプロセスと構造 : 形式的臨床文書と非構造的患者とプロジェクタの会話
これらのグラフは、臨床遭遇、診断、治療、結果の間の時間的および因果関係をカプセル化する。
論文 参考訳（メタデータ） (2025-03-18T14:44:28Z) - TACCO: Task-guided Co-clustering of Clinical Concepts and Patient Visits for Disease Subtyping based on EHR Data [42.96821770394798]
TACCOは、EMHデータのハイパーグラフモデリングに基づいて、臨床概念と患者訪問のクラスターを共同で発見する新しいフレームワークである。
我々は,表現型分類と心血管リスク予測の下流臨床課題に対して,公共MIMIC-IIIデータセットとエモリー内部CRADLEデータセットを用いて実験を行った。
深層モデル解析,クラスタリング結果解析,臨床ケーススタディは,TACCOが提供した改良されたユーティリティと洞察に富んだ解釈をさらに検証する。
論文 参考訳（メタデータ） (2024-06-14T14:18:38Z) - MIMO: Mutual Integration of Patient Journey and Medical Ontology for
Healthcare Representation Learning [49.57261599776167]
本稿では、医療表現学習と予測分析のための、エンドツーエンドの堅牢なトランスフォーマーベースのソリューション、患者旅行の相互統合、医療オントロジー(MIMO)を提案する。
論文 参考訳（メタデータ） (2021-07-20T07:04:52Z) - Estimating Counterfactual Treatment Outcomes over Time Through
Adversarially Balanced Representations [114.16762407465427]
時間とともに治療効果を推定するためにCRN(Counterfactual Recurrent Network)を導入する。
CRNは、患者履歴のバランスの取れた表現を構築するために、ドメイン敵のトレーニングを使用する。
本モデルでは, 正解率の予測と適切な治療時期の選択において, 誤差の低減を図っている。
論文 参考訳（メタデータ） (2020-02-10T20:47:36Z) - Learning Dynamic and Personalized Comorbidity Networks from Event Data
using Deep Diffusion Processes [102.02672176520382]
コンコルビンド病は、個人によって異なる複雑な時間的パターンを通じて発生し進行する。
電子的な健康記録では、患者が持つ異なる疾患を観察できるが、それぞれの共死状態の時間的関係を推測できるだけである。
我々は「ダイナミック・コオービディティ・ネットワーク」をモデル化するための深層拡散プロセスを開発する。
論文 参考訳（メタデータ） (2020-01-08T15:47:08Z)
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。