OpenClinicalAI: An Open and Dynamic Model for Alzheimer’s Disease Diagnosis

要約

アルツハイマー病 (AD) を元に戻したり治すことはできませんが、タイムリーな診断により治療とケアの負担を大幅に軽減できます。
AD 診断モデルに関する現在の研究では、通常、診断タスクを 2 つの主な前提条件を持つ典型的な分類タスクと見なしています。1) すべてのターゲット カテゴリは事前に知られています。
2) 各患者の診断戦略は一貫しています。つまり、各患者のモデル入力データの数と種類は同じです。
しかし、現実の臨床現場はオープンであり、対象と医療機関のリソースの両方の点で複雑さと不確実性を伴います。
これは、診断モデルが目に見えない疾患カテゴリーに遭遇する可能性があり、被験者の特定の状況と利用可能な医療リソースに基づいて診断戦略を動的に開発する必要があることを意味します。
したがって、AD の診断タスクは診断戦略の策定と複雑に絡み合っています。
実際の臨床現場での診断システムの応用を促進するために、複雑で不確実な臨床現場での AD の直接診断のための OpenClinicalAI を提案します。
これは、被験者の状態と利用可能な医療リソースに基づいて診断戦略を動的に策定し、診断結果を提供する最初の強力なエンドツーエンド モデルです。
OpenClinicalAI は、診断戦略策定のための相互結合深層マルチアクション強化学習 (DMARL) と、オープンセット認識のための多施設メタ学習 (MCML) を組み合わせています。
実験結果は、OpenClinicalAI が最先端のモデルよりも優れたパフォーマンスと少ない臨床検査を達成することを示しています。
私たちの方法は、AD診断システムを現在の医療システムに組み込んで、臨床医と協力して現在の医療を改善する機会を提供します。

要約(オリジナル)

Although Alzheimer’s disease (AD) cannot be reversed or cured, timely diagnosis can significantly reduce the burden of treatment and care. Current research on AD diagnosis models usually regards the diagnosis task as a typical classification task with two primary assumptions: 1) All target categories are known a priori; 2) The diagnostic strategy for each patient is consistent, that is, the number and type of model input data for each patient are the same. However, real-world clinical settings are open, with complexity and uncertainty in terms of both subjects and the resources of the medical institutions. This means that diagnostic models may encounter unseen disease categories and need to dynamically develop diagnostic strategies based on the subject’s specific circumstances and available medical resources. Thus, the AD diagnosis task is tangled and coupled with the diagnosis strategy formulation. To promote the application of diagnostic systems in real-world clinical settings, we propose OpenClinicalAI for direct AD diagnosis in complex and uncertain clinical settings. This is the first powerful end-to-end model to dynamically formulate diagnostic strategies and provide diagnostic results based on the subject’s conditions and available medical resources. OpenClinicalAI combines reciprocally coupled deep multiaction reinforcement learning (DMARL) for diagnostic strategy formulation and multicenter meta-learning (MCML) for open-set recognition. The experimental results show that OpenClinicalAI achieves better performance and fewer clinical examinations than the state-of-the-art model. Our method provides an opportunity to embed the AD diagnostic system into the current health care system to cooperate with clinicians to improve current health care.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google