論文の概要: NECA: Neighbor Event Curve Augmentation for Multi-Horizon ICU Deterioration Prediction

• arxiv url: http://arxiv.org/abs/2610.40420v1
• Date: Thu, 29 Oct 2026 16:45:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-31 05:25:12.540276
• Title: NECA: Neighbor Event Curve Augmentation for Multi-Horizon ICU Deterioration Prediction
• Title（参考訳）: NECA:マルチ水平ICU劣化予測のための近隣イベント曲線拡張
• Abstract要約: そこで本研究では, 早期のウインドウプロファイルに類似したトレーニングセット患者を検索する, モデルに依存しないNeighbor Event-Curve Augmentation (NECA)を提案する。 PhysioNet 2012と4000スタイMIMIC-IVサブセットでは、NECAは4つの臓器機能障害イベントタスクと7人の教師付き学習者に対して平均PR-AUCとROC-AUCを改善している。 これらの結果は,ICU臓器機能障害イベント予測のための構造化時間的リスク信号として,類似のイベントタイミングをサポートする。
• 参考スコア（独自算出の注目度）: 24.69942412357994
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Early prediction of ICU organ dysfunction events supports timely clinical monitoring and intervention, but estimating short-term organ-specific risk from early ICU records remains challenging due to irregular measurements, heterogeneous clinical variables, and the need to predict risk across multiple future horizons. Existing supervised models usually treat each patient as an isolated sample and do not explicitly use the observed event timing of similar historical patients. We propose Neighbor Event-Curve Augmentation (NECA), a model-agnostic method that retrieves training-set patients with similar early-window profiles and converts their subsequent organ dysfunction event onset times into cumulative event-curve features over 6h, 12h, 24h, and 42h. These features are concatenated with the original patient representation and used by standard downstream predictors. On PhysioNet 2012 and a 4,000-stay MIMIC-IV subset, NECA improves average PR-AUC and ROC-AUC across four organ dysfunction event tasks and seven supervised learners. The largest gain appears for neurological dysfunction events, where task-level average PR-AUC increases from 0.461 to 0.557 on PhysioNet 2012. Ablations show that clinically meaningful retrieval and horizon-specific neighbor risk drive most of the improvement, while the full cumulative curve adds task-dependent temporal context. These results support similar-patient event timing as a structured temporal risk signal for ICU organ dysfunction event prediction. The source code will be publicly released upon acceptance of this paper.
• Abstract（参考訳）: ICUの臓器機能障害の早期予測は、タイムリーな臨床的モニタリングと介入をサポートするが、早期ICU記録からの短期的な臓器特異的リスクの推定は、不規則な測定、不均一な臨床変数、および複数の将来の地平線におけるリスク予測の必要性により、依然として困難である。 既存の教師付きモデルは通常、患者を孤立したサンプルとして扱い、類似した歴史的患者の観測事象のタイミングを明示的に使用しない。 そこで本研究では,Nighbor Event-Curve Augmentation (NECA)を提案する。NECAは,同様の早期ウィンドウプロファイルを持つトレーニングセット患者を検索し,その後の臓器機能障害イベントの開始時刻を6h,12h,24h,42h以上の累積イベントカーブ特徴に変換するモデル診断手法である。 これらの特徴は、元の患者表現と結合し、標準下流予測器によって使用される。 PhysioNet 2012と4000スタイMIMIC-IVサブセットでは、NECAは4つの臓器機能障害イベントタスクと7人の教師付き学習者に対して平均PR-AUCとROC-AUCを改善している。 神経機能障害では,タスクレベルの平均PR-AUCがPhyloNet 2012で0.461から0.557に増加した。 アブレーションは、臨床的に有意な検索と地平線固有の隣接リスクが改善の大部分を駆動し、完全な累積曲線はタスク依存の時間的文脈を付加することを示している。 これらの結果は,ICU臓器機能障害イベント予測のための構造化時間的リスク信号として,類似のイベントタイミングをサポートする。 ソースコードは、この記事の受理時に公開される。

関連論文リスト

• TRACE: Tracking Multimodal Clinical Trajectories for Inpatient Risk Prediction [5.15235367352057]
  臨床イベントを1日単位のトラジェクトリにまとめる日常的な枠組みであるTRACEを提案する。 TRACEは,MIMIC-IV,eICU,MIMIC-IIIのコホート内における死亡,滞在期間,寛解予測について検討した。
  論文  参考訳（メタデータ） (2026-10-19T04:25:03Z)
• Predicting Future Organ Dysfunction in ICU Patients Using Temporal Convolutional Networks on MIMIC-IV Data [3.007949058551534]
  ICU時系列データから,時間的畳み込みネット作業(TCN)が次のSOFAスコアを予測できる範囲について検討する。 3日間のスライディングウィンドウで訓練された残りのTCNは、0.740+-0.013の5倍のクロスバリデーションR2と1.431+-0.022のMAEを達成した。 TCNはICUの生理的データから有意な予測信号を抽出できるが,入力ウィンドウの短さと全ケース選択バイアスが臨床効果を制限している。
  論文  参考訳（メタデータ） (2026-08-29T14:40:13Z)
• ChronoMedicalWorld: A Medical World Model for Learning Patient Trajectories from Longitudinal Care Data [1.995753801570114]
  縦断的ケアデータから患者の軌跡を学習するための行動条件付き潜在世界モデルフレームワークを提案する。 慢性腎疾患(CKD)における年間推定糸球体濾過率(eGFR)トラジェクトリー予測のためのCMWMのインスタンス化 CKD固有のアーキテクチャ、損失設計、トレーニングプロトコルは、構造的および会話的介入によってインターリーブされた定期的な臨床状態としてキャストできるあらゆる慢性状態に適用できる。
  論文  参考訳（メタデータ） (2026-05-21T03:50:17Z)
• Cross-Sample Augmented Test-Time Adaptation for Personalized Intraoperative Hypotension Prediction [45.67071315035565]
  術中低血圧は外科的危険を伴うが、患者固有の変動性のために正確な予測は困難である。 CSA-TTA(Cross-Sample Augmented Test-Time Adaptation framework)を提案する。 提案したCSA-TTAを,現在最先端の時系列予測モデルと統合することで,VitalDBデータセットと実世界のインホスピタルデータセットの両方で評価する。
  論文  参考訳（メタデータ） (2025-12-12T08:02:37Z)
• Deep State-Space Generative Model For Correlated Time-to-Event Predictions [54.3637600983898]
  そこで本研究では,様々な種類の臨床イベント間の相互作用を捉えるために,潜伏状態空間生成モデルを提案する。 また,死亡率と臓器不全の関連性について有意な知見が得られた。
  論文  参考訳（メタデータ） (2024-07-28T02:42:36Z)
• Towards Personalised Patient Risk Prediction Using Temporal Hospital Data Trajectories [0.9545101073027095]
  本研究では,集中治療単位患者を滞在中の観察データの軌跡によってグループ化するパイプラインを提案する。 ICUステークの最初の4時間のみのデータにパイプラインを適用すると、患者の大多数が、滞在期間全体を考慮した場合と同じクラスタに割り当てられる。
  論文  参考訳（メタデータ） (2024-07-12T15:53:26Z)
• SQUWA: Signal Quality Aware DNN Architecture for Enhanced Accuracy in Atrial Fibrillation Detection from Noisy PPG Signals [37.788535094404644]
  心房細動(AF)は脳卒中、心臓病、死亡のリスクを著しく増大させる。 光胸腺造影(PPG)信号は、運動人工物や、しばしば起立条件で遭遇する他の要因による腐敗に影響を受けやすい。 本研究では,一部劣化したPSGから正確な予測の維持方法を学習するための新しい深層学習モデルを提案する。
  論文  参考訳（メタデータ） (2024-04-15T01:07:08Z)
• 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)
• Real-time Prediction for Mechanical Ventilation in COVID-19 Patients using A Multi-task Gaussian Process Multi-objective Self-attention Network [9.287068570192057]
  本報告では, 院内感染患者の機械的換気を要す確率を予測できるロバスト・イン・タイム・予測器を提案する。 新型コロナウイルス患者のリスク予測の課題は、臨床現場で観察された患者のバイタルや検査室の大きなばらつきと不規則なサンプリングにある。 予測タスクを多目的学習フレームワークに設定し、すべての時点におけるリスクスコアを完全に最適化する。
  論文  参考訳（メタデータ） (2021-02-01T20:35:22Z)
• 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)
• Joint Prediction and Time Estimation of COVID-19 Developing Severe Symptoms using Chest CT Scan [49.209225484926634]
  術後に重篤な症状を発症するかどうかを判定するための共同分類法と回帰法を提案する。 提案手法は,各試料の重量を考慮し,外乱の影響を低減し,不均衡な分類の問題を検討する。 提案手法では, 重症症例の予測精度76.97%, 相関係数0.524, 変換時間0.55日差が得られた。
  論文  参考訳（メタデータ） (2020-05-07T12:16:37Z)

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。