Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Artificial Intelligence-Enabled Spirometry for Early Detection of Right Heart Failure

Created by
  • Haebom
Category
Empty

저자

Bin Liu, Qinghao Zhao, Yuxi Zhou, Zhejun Sun, Kaijie Lei, Deyun Zhang, Shijia Geng, Shenda Hong

개요

본 연구는 우심부전(RHF) 조기 진단을 위해 폐 기능 검사(spirogram) 시계열 데이터를 활용하는 자기 지도 표현 학습 기반의 새로운 방법을 제안한다. 제안된 모델은 Variational Autoencoder(VAE)를 사용하여 스피로그램 데이터로부터 강력한 저차원 표현을 학습하고, 이를 인구 통계 정보와 결합하여 CatBoost 분류기를 통해 RHF를 예측한다. 영국 바이오뱅크 데이터(26,617명)를 대상으로 0.7501의 AUROC를 달성했으며, 만성 신장 질환(CKD) 환자(0.8194) 및 판막성 심장 질환(VHD) 환자(0.8413)의 고위험군에서 더 높은 성능을 보였다.

시사점, 한계점

•
시사점:
◦
스피로그램 데이터를 활용한 자기 지도 학습 기반의 RHF 조기 진단 모델 제안.
◦
대규모 데이터셋(UK Biobank)에서 유효성을 입증.
◦
고위험군 환자(CKD, VHD)에서 향상된 성능을 보임.
◦
임상 적용 가능성을 시사.
•
한계점:
◦
AUROC 0.7501은 개선의 여지가 있음.
◦
모델의 일반화 성능을 추가적으로 검증할 필요가 있음.
◦
다른 심장 질환 관련 데이터와의 비교 분석 부재.
👍
Made with Slashpage