不規則時系列データの健康軌跡分析のための表現学習: TrajGPTの提案
TrajGPTは、不規則にサンプリングされた時系列データから意味のある時間パターンを抽出し、健康軌跡の予測や分類に活用できる。
スマートヘルスケアにおける自動診断のための正確な特徴選択フレームワーク「EasyDiagnos」
人工知能の急速な進歩により、ウェアラブル技術、継続的なモニタリングデバイス、および知的診断システムなどのスマートヘルスケアの革新が起こっている。しかし、セキュリティ、説明可能性、堅牢性、およびパフォーマンス最適化の課題は、臨床環境での広範な採用の重要な障壁となっている。この研究では、Adaptive Feature Evaluator (AFE)アルゴリズムを使用して、ヘルスケアデータセットの特徴選択を改善し、これらの問題を克服する革新的なアルゴリズム手法を提案する。
心臓血管系シミュレーションモデルを用いた動的かつ時間依存の治療レジメンに対する因果的アウトカム予測
本研究では、心臓血管系シミュレーションモデルを用いて、動的かつ時間依存の治療レジメンに対する因果的アウトカム予測を行う新しいTransformer ベースのフレームワークであるG-Transformerを提案する。
緊急医療部門における多様なデータを活用した診断と悪化予測のためのベンチマークデータセット - MDS-ED
緊急医療部門における患者の診断と悪化予測のために、多様なデータモダリティを活用したベンチマークデータセットを提案し、高精度な予測モデルを構築した。
ICUでの複数の生体指標の同時予測：TFT-multiによるアプローチ
TFT-multiは、集中治療室で一般的に測定される5つの生体指標(血圧、脈拍、SpO2、呼吸数、体温)を同時に予測することができる。従来の単変量予測モデルと比較して、TFT-multiは予測精度が高く、特に欠損値の多い変数の予測において優れている。さらに、TFT-multiは治療効果の推定にも応用できる。
急性呼吸不全を伴う敗血症患者の医療集中治療室における深層表現学習に基づく動的軌跡フェノタイピング
深層表現学習に基づくアプローチを用いて、急性呼吸不全を伴う敗血症患者の医療集中治療室における4つの異なる軌跡フェノタイプを特定し、それらの特徴と予後の違いを明らかにした。
次回の診断予測のための医療コード中心の多様なモダリティ対照学習と階層的正則化を用いた電子カルテデータのモデリング
電子カルレデータの多様なモダリティ(医療コード、人口統計、診療記録)を医療コードを中心に統合し、医療オントロジーの階層構造を活用することで、次回の診断予測の精度を向上させる。
医療データ予測モデルの拡張性向上: データ統合、拡充、精緻化による取り組み
医療タブル型データ予測モデルの拡張性を高めるため、大規模言語モデルを活用したデータ統合、拡充、精緻化のアプローチを提案する。
臨床試験結果からの有害事象予測のための評価ベンチマーク「CT-ADE」
有害事象の正確な予測と管理は、より安全で効果的な医薬品の開発と患者アウトカムの向上に不可欠である。CT-ADE は、この課題に取り組むための包括的なデータセットを提供する。
腎機能推定式の変更だけでは不十分: eGFR式からの人種調整の除去の評価
腎機能推定式(eGFR)からの人種調整の除去は、慢性腎臓病(CKD)ケアの格差を減らす可能性があるが、実装後の臨床現場での影響は未知である。
© 2024 by Linnk AI