Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

Early Detection of Pancreatic Cancer Using Multimodal Learning on Electronic Health Record

Created by
  • Haebom

作者

Mosbah Aouad, Anirudh Choudhary, Awais Farooq, Steven Nevers, Lusine Demirkhanyan, Bhrandon Harris, Suguna Pappu, Christopher Gondi, Ravishankar Iyer

概要

膵管癌(PDAC)は非常に致命的な癌であり、特徴的な症状と信頼できるバイオマーカーがないため、早期診断が困難な病気です。本研究では、電子健康記録から得られた終端診断コード履歴と定期的に収集された実験室測定値を統合する新しいマルチモーダルアプローチを提案します。この方法は、不規則な実験室時系列をモデル化するために神経制御微分方程式、診断コードの軌跡表現を学習するために事前訓練された言語モデルと循環ニューラルネットワーク、および2つのモーダル間の相互作用を捕捉するためにクロスアテンションメカニズムを組み合わせます。約4,700人の患者の実際のデータセットでこのアプローチを開発し評価した結果、最先端の方法よりもAUCが6.5%〜15.5%向上しました。さらに、既存のバイオマーカーと新しいバイオマーカーの両方を含む、PDACリスクの増加に関連する診断コードと実験室パネルを特定しました。コードはhttps://github.com/MosbahAouad/EarlyPDAC-MMLで利用可能です。

Takeaways、Limitations

Takeaways:
電子健康記録のマルチモーダルデータ(診断コード履歴と実験室測定値)を統合し、PDACの早期診断性能を向上させました。
最先端の方法より、AUCを6.5%~15.5%向上させる性能を達成しました。
PDACリスクの増加に関連する新しいバイオマーカーの同定に貢献しました。
開発されたモデルのコードを公開し、再現性とさらなる研究を支援します。
Limitations:
研究に使用されたデータセットのサイズと多様性への明示的な言及はありません。一般化の可能性に関する追加の検証が必要な場合があります。
特定の診断コードと実験室パネルのリスク増加との関連性についての生物学的メカニズムのさらなる説明が必要となる場合がある。
他の種類の癌または疾患の一般化の可能性についてのさらなる研究が必要である。
👍