Integrating Natural Language Processing and Exercise Monitoring for Early Diagnosis of Metabolic Syndrome: A Deep Learning Approach

要約

メタボリックシンドローム（METS）は、腹部肥満、インスリン抵抗性、高血圧、高脂血症を特徴とする薬物状態です。
2型糖尿病を含む慢性疾患の大部分のリスクを高め、世界集団の約4分の1に影響を与えます。
したがって、MetSの早期発見とタイムリーな介入が非常に重要です。
METSコンポーネントの標準診断には、医療機関内で実施される血液検査が必要です。
しかし、それはしばしば過小評価されており、メッツの人口のケアの満たされていないニーズにつながります。
この研究の目的は、日常生活で簡単に得られるエクササイズ関連の活動に関する生理学的データと無料のテキストを使用することを目的としています。
老人ホームの40人のボランティアからデータを収集し、データの増強を使用して不均衡を減らしました。
自然言語処理（NLP）と運動監視を統合するMetSを分類するための深い学習フレームワークを提案します。
結果は、最良のモデルが3倍の交差検証を通じて高い陽性結果（AuroC = 0.806およびRec = 76.3％）を報告したことを示しました。
特徴の重要性分析により、テキストと最低心拍数が毎日の分類に最も貢献していることが明らかになりました。
この研究は、METSの早期診断のために日常生活で簡単に測定できるデータの潜在的なアプリケーションを示しており、MetSのスクリーニングと管理のコストを削減することに貢献する可能性があります。

要約(オリジナル)

Metabolic syndrome (MetS) is a medication condition characterized by abdominal obesity, insulin resistance, hypertension and hyperlipidemia. It increases the risk of majority of chronic diseases, including type 2 diabetes mellitus, and affects about one quarter of the global population. Therefore, early detection and timely intervention for MetS are crucial. Standard diagnosis for MetS components requires blood tests conducted within medical institutions. However, it is frequently underestimated, leading to unmet need for care for MetS population. This study aims to use the least physiological data and free texts about exercises related activities, which are obtained easily in daily life, to diagnosis MetS. We collected the data from 40 volunteers in a nursing home and used data augmentation to reduce the imbalance. We propose a deep learning framework for classifying MetS that integrates natural language processing (NLP) and exercise monitoring. The results showed that the best model reported a high positive result (AUROC=0.806 and REC=76.3%) through 3-fold cross-validation. Feature importance analysis revealed that text and minimum heart rate on a daily basis contribute the most in the classification of MetS. This study demonstrates the potential application of data that are easily measurable in daily life for the early diagnosis of MetS, which could contribute to reducing the cost of screening and management for MetS population.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google