電子健康記録における健康の社会的決定要因を識別するための大規模言語モデル

大規模言語モデルによる電子健康記録中の健康の社会的決定要因の識別 背景と研究の動機 健康の社会的決定要因(Social Determinants of Health, SDOH)は患者の健康結果に重要な影響を与えます。しかし、電子健康記録(EHR)の構造化データにおいて、これらの要因の記録はしばしば不完全または欠落しています。大規模言語モデル(Large Language Models, LLMs)はEHRの叙述的なテキストからSDOHを高通量で抽出し、研究や臨床ケアを支援することが期待されています。しかし、カテゴリの不均衡やデータの制約が、このまばらな記録の重要な情報に挑戦をもたらします。本稿では、LLMsを用いてEHRの叙述的テキストから6種類のSDOHカテゴリ(雇用、住居、交通、親の身...

カスケード拡散モデルによるRNAシークエンシングデータからの腫瘍合成全スライド画像タイルの生成

カスケード拡散モデルによるRNAシークエンシングデータからの腫瘍合成全スライド画像タイルの生成

カスケード拡散モデルに基づくRNAシーケンシングデータから腫瘍の合成全スライド画像生成 最近Nature Biomedical Engineeringに発表された「Generation of Synthetic Whole-Slide Image Tiles of Tumours from RNA-Sequencing Data via Cascaded Diffusion Models」と題する研究が広く注目を集めています。この研究はスタンフォード大学、ゲント大学、アルゴンヌ国立研究所など複数の機関の学者により共同で行われたもので、癌データの不足を解消し、癌検出における機械学習モデルの性能を向上させることを目的としています。本論文の著者にはFrancisco Carrillo-Perez、...

アルツハイマー病進行のための単調性制約付き深層幾何学習

アルツハイマー病進行予測における単調性制約を用いた深層幾何学習の利用 背景紹介 アルツハイマー病(Alzheimer’s Disease, AD)は破壊的な神経変性疾患で、不可逆的な認知低下を引き起こし、最終的には認知症に至ります。この疾患の早期識別および進行予測は臨床診断と治療にとって非常に重要です。したがって、ADの進行を正確にモデル化することが研究の重要な焦点となっています。 現在、多くの研究では構造的磁気共鳴画像法(MRI)を使用してADの進行をモデル化しており、主に以下の3つの側面に集中しています:1)時間的変異性;2)不完全な観察データ;3)時間的幾何学特徴。しかし、既存の深層学習手法はデータの変異性と希少性の問題に対処する一方で、AD進行における脳領域の大きさ、厚さ、体積、形状...

経済意思決定理論における機械学習データセットバイアスのモデリング

背景紹介 長期にわたり、規範的(nomative)および記述的(descriptive)モデルは、人間が商品やギャンブルなどのリスク選択に直面したときの意思決定行動を説明し予測しようとしてきました。最近の研究では、新しい大規模なオンラインデータセットchoices13kを使ってニューラルネットワーク(Neural Networks, NNs)を訓練し、より正確な人間の意思決定モデルを発見しました。本研究では異なるモデルとデータセット間の関係を系統的に分析し、データセットバイアス(dataset bias)の証拠を発見しました。研究は、データセットchoices13kにおけるランダムなギャンブル選択の傾向が平衡化していることを示し、これが増加した意思決定ノイズを反映している可能性があることを示...

ディープニューラルネットワークを使用して人間の知覚と記憶における視覚と意味情報を解きほぐす

深層神経ネットワークを用いた人間の知覚と記憶における視覚および意味情報の区別 序論 認知科学分野では、人間が知覚および記憶の過程で人物や物体の識別をどのように行うかについての研究が続けられています。人や物の識別の成功は、知覚システムによって生成された表象を記憶に保存された表象と照合することに依存しています。しかし、これらの心理表象は外部世界の正確なコピーではなく、脳による再構築です。この再構築の内容とプロセスを理解することは長年の課題となっています。この論文は、深層神経ネットワーク(DNN)を利用して、人間が馴染みのある顔や物体を知覚し記憶する際の心理表象の内容を明らかにしようと試みています。 論文出典 この論文は、Adva Shoham、Sidan Daniel Grossbard、Or ...

細胞学に基づく深層学習による原因不明の癌の腫瘍起源の予測

細胞学に基づく深層学習による原因不明の癌の腫瘍起源の予測

背景紹介 原発不明癌(Cancer of Unknown Primary, CUP)は、組織病理学的に悪性転移が確認されるものの、通常の基線診断方法では原発部位が特定できない悪性疾患の一種です。CUPは診断が非常に難しく、治療も困難であり、全ての癌症例の3〜5%を占めるとされています。最も一般的な病理タイプは腺癌で、次いで扁平上皮癌および未分化癌が報告されています。複数の化学療法を試みても、患者の全体的な予後は非常に悪く、10か月の中央値生存期間に達する患者はわずか20%です。CUPの顕著な特徴は、その早期の転移と強い侵襲性、多臓器にわたる影響です。 免疫組織化学染色(Immunohistochemistry, IHC)は、CUPの原発部位を予測するための重要な手段として一般的に使用されます...