論文の概要: TGAge: A Phenotypic Aging Clock Based on Tabular Foundation Models and the Gompertz Law for Assisted Living Facility Residents
- arxiv url: http://arxiv.org/abs/2610.32994v1
- Date: Wed, 30 Sep 2026 23:13:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-02 06:06:26.1208
- Title: TGAge: A Phenotypic Aging Clock Based on Tabular Foundation Models and the Gompertz Law for Assisted Living Facility Residents
- Title（参考訳）: TGAge: タブラル基礎モデルに基づくフェノタイプ老化時計とゴアンペルツ法
- Abstract要約: TGAgeは、日常的に収集される臨床測定からリスク等価な生物学的年齢を推定する表現型老化時計である。
プロプライエタリな多状態介護データベースから収集したALF住民の大規模コホート上でのTGAgeの開発と評価を行った。
- 参考スコア（独自算出の注目度）: 14.572387127376794
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Biological age captures overall health status beyond chronological age, yet existing biological aging clocks are difficult to apply to assisted living facility (ALF) residents due to scarce epigenetic data. We propose TGAge, a second-generation phenotypic aging clock that estimates risk-equivalent biological age from routinely collected clinical measurements. TGAge employs a tabular foundation model to predict all-cause mortality risks over discrete time-to-death intervals and converts the resulting mortality-risk ratio into biological age acceleration via the Gompertz law. We develop and evaluate TGAge on a large cohort of ALF residents curated from a proprietary, multi-state long-term care database. TGAge outperforms clinical indices and established biological aging clocks in survival prediction. Moreover, TGAge-derived age acceleration is significantly associated with multiple aging-related comorbidities. These findings support TGAge as a practical, interpretable, and highly predictive biological aging clock for vulnerable ALF populations using only routinely collected clinical measurements.
- Abstract（参考訳）: 生物学的年齢は、年代以上の健康状態を取得するが、既存の生物学的老化時計は、エピジェネティックなデータが少ないため、補助的生活施設(ALF)の住民に適用することは困難である。
リスク等価な生物学的年齢を日常的に収集された臨床測定値から推定する第2世代表現型老化時計TGAgeを提案する。
TGAgeは、個別の死亡間隔で死亡リスクを予測し、結果として生じる死亡リスク比を、Gompertz法を通じて生物学的年齢加速に変換するために、表形式の基礎モデルを採用している。
プロプライエタリな多状態介護データベースから収集したALF住民の大規模コホート上でのTGAgeの開発と評価を行った。
TGAgeは、生存予測において臨床指標より優れ、生物学的老化時計を確立している。
さらに、TGAge由来の年齢加速度は、複数の加齢関連性に大きく関連している。
これらの結果から, TGAgeは, 正常に収集された臨床測定値のみを用いて, 脆弱なALF集団に対する実用的, 解釈可能, 高い予測的生物学的老化時計として有効であった。
関連論文リスト
- Longitudinal Bayesian Learning of Continuous Disease Position across the Alzheimer's Disease Continuum [57.659917052892155]
縦型拡散テンソルイメージング(DTI)による病気の重症度を連続的に推定する縦型ベイズ学習フレームワークを提案する。
アルツハイマー病神経画像イニシアチブ(ADNI)コホートの実験は、DCPが代表的疾患進行法より一貫して優れていることを示した。
以上の結果から,DCSはアルツハイマー病の進行を連続的に評価するための定量的な画像由来の表現を提供する可能性が示唆された。
論文 参考訳（メタデータ） (2026-08-19T20:41:26Z) - BioM-JEPA: joint-embedding prediction of graph-connected gene blocks in single cells [64.21963170814706]
BioM-JEPAはグラフ接続された遺伝子ブロックの集合表現を予測する。
学生ネットワークは、細胞内の残りの遺伝子から各ターゲットブロック表現を推論する。
CellBenchタスク全体で、BioM-JEPA埋め込みは発現、経路、および周辺情報を保持している。
論文 参考訳（メタデータ） (2026-08-06T11:58:29Z) - Trajectory Inference of Human Aging from Cross-Sectional DNA Methylation Data [10.679905591501416]
本研究は, 寿命の長いヒトのエピジェネティック・エイジングを, 個々の年齢スナップショットの軌跡推定問題として捉えた。
大規模な80年版パンタビジョンデータセットを用いて,本モデルの評価を行った。
論文 参考訳（メタデータ） (2026-07-04T19:02:23Z) - Learning Multi-Relational Graph Representations for DNA Methylation-Based Biological Age Estimation [12.183938017819129]
老化時計は、年代と異なる生理状態の指標である生物学的年齢を推定することを目的としている。
DNAメチル化は、その安定性と老化との強い関係から特に有意義なバイオマーカーである。
DNAメチル化に基づく年齢予測のためのマルチリレーショナルグラフニューラルネットワークフレームワークであるRelAge-GNNを提案する。
論文 参考訳（メタデータ） (2026-05-08T03:11:16Z) - Phenome-Wide Multi-Omics Integration Uncovers Distinct Archetypes of Human Aging [28.20331959292183]
多様な健康結果と今後の病気リスクを強く予測するマルチオミクスの老化時計を開発し,厳格に検証した。
組換え分子プロファイルのユノタイプクラスタリングにより、老化の異なる生物学的サブタイプが発見された。
これらの知見は、老化の分子的景観を復号化するためのマルチオミクス統合の力を示し、高齢化防止のためのパーソナライズされたヘルススパンモニタリングと精密化戦略の基礎を築いた。
論文 参考訳（メタデータ） (2025-10-14T11:00:51Z) - A Machine Learning Approach to Predict Biological Age and its Longitudinal Drivers [22.162067953837653]
2つの異なる期間のデータと長手コホートを用いて年齢を予測する機械学習パイプラインを開発した。
重要なバイオマーカーの変化率(傾斜)を時間とともに明示的に捉える技術によって,我々はモデル性能を著しく改善した。
当フレームワークは,患者の健康トラジェクトリを動的に追跡し,早期介入とパーソナライズされた予防戦略を可能にする臨床ツールの道を開く。
論文 参考訳（メタデータ） (2025-08-13T12:22:12Z) - iTARGET: Interpretable Tailored Age Regression for Grouped Epigenetic Traits [0.0]
そこで本研究では,DNAメチル化パターンから時系列年代を正確に予測する2相アルゴリズムを提案する。
提案手法は予測精度を向上するだけでなく,鍵となる年齢関連CpGサイトを明らかにし,老化率の変化を検出し,CpGサイト間の相互の相互作用を識別する。
実験の結果,本手法は従来のエピジェネティッククロックや機械学習モデルよりも優れていた。
論文 参考訳（メタデータ） (2025-01-04T23:06:46Z) - Harnessing the power of longitudinal medical imaging for eye disease prognosis using Transformer-based sequence modeling [49.52787013516891]
今回提案した Longitudinal Transformer for Survival Analysis (LTSA, Longitudinal Transformer for Survival Analysis, LTSA) は, 縦断的医用画像から動的疾患の予後を予測できる。
時間的注意分析により、最新の画像は典型的には最も影響力のあるものであるが、以前の画像は追加の予後に価値があることが示唆された。
論文 参考訳（メタデータ） (2024-05-14T17:15:28Z) - T-Phenotype: Discovering Phenotypes of Predictive Temporal Patterns in
Disease Progression [82.85825388788567]
我々は、ラベル付き時系列データから予測時相パターンの表現型を発見するために、新しい時間的クラスタリング手法T-Phenotypeを開発した。
T-フェノタイプは, 評価ベースラインのすべてに対して, 最良の表現型発見性能を示す。
論文 参考訳（メタデータ） (2023-02-24T13:30:35Z) - 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)
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。