Entrar
insight - 医療・ヘルスケア
自然学習：解釈可能で説明可能な機械学習アルゴリズム
自然学習(NL)は、プロトタイプ理論に基づいた新しい機械学習アルゴリズムで、極端な水準の説明可能性と解釈可能性を実現する。NLは決定を直感的なルールに単純化し、わずかな特徴量とプロトタイプサンプルを使って高精度の分類を行う。
体圧分布と3Dボディメッシュを同時に予測するBodyMAPモデル
BodyMAPモデルは、ベッド上の人物の深度画像と圧力画像を入力として、3Dボディメッシュと3D体圧分布を同時に予測する。
アルゴリズムから行動へ:因果性を考慮した患者ケアの改善
治療効果の個別化を実現するためには、因果性に基づいたモデル構築と検証が重要である。単なる予測精度の高さでは、治療意思決定の改善につながらない可能性がある。
臨床試験のためのデジタルツインを活用したLarge Language Modelの活用
本論文では、Large Language Modelを活用したデジタルツイン作成アプローチ「TWIN-GPT」を提案し、限られたデータ環境下でも高精度な臨床試験アウトカム予測を実現する。TWIN-GPTは、ChatGPTに蓄積された豊富な医療知識を活用し、個別の患者特性を考慮したデジタルツインを生成することで、データギャップや不整合の問題を解決し、臨床試験の予測精度を大幅に向上させる。
予測モデルの性能比較 - 交絡下での意思決定ポリシーの評価
観測データに基づいて、既存の意思決定ポリシーと新しい意思決定ポリシーの予測性能を比較する方法を提案する。
Produtos
© 2024 by Linnk AI