Early detection of inflammatory arthritis to improve referrals using multimodal machine learning from blood testing, semi-structured and unstructured patient records

要約

炎症性関節炎 (IA) の早期検出は、特に限られた医療リソースの下で、タイムリーな治療と IA 疾患の経過の悪化を防ぐための効率的かつ正確な病院紹介トリアージにとって重要です。
手動による評価プロセスは、IA を早期に検出するための実際の最も一般的なアプローチですが、非常に労働集約的で非効率的です。
一般診療所 (GP) から病院への紹介ごとに、大量の臨床情報を評価する必要があります。
機械学習は、反復的な評価タスクを自動化し、IA の早期検出のための意思決定支援を提供する上で大きな可能性を示しています。
ただし、IA 検出のためのほとんどの機械学習ベースの方法は、血液検査の結果に依存しています。
しかし実際には、紹介時点で血液検査データが常に利用できるとは限らないため、IA の早期発見には半構造化データや非構造化データなどのマルチモーダルデータを活用する方法が必要です。
この研究では、IA の早期検出における意思決定を支援するためにマルチモーダル データを使用した融合およびアンサンブル学習ベースの方法と、予測の不確実性を定量化し、信頼性の低い予測を検出するための等角予測ベースの方法を紹介します。
私たちの知る限り、私たちの研究は、GP からの紹介による IA の早期発見をサポートするためにマルチモーダル データを利用する最初の試みです。

要約(オリジナル)

Early detection of inflammatory arthritis (IA) is critical to efficient and accurate hospital referral triage for timely treatment and preventing the deterioration of the IA disease course, especially under limited healthcare resources. The manual assessment process is the most common approach in practice for the early detection of IA, but it is extremely labor-intensive and inefficient. A large amount of clinical information needs to be assessed for every referral from General Practice (GP) to the hospitals. Machine learning shows great potential in automating repetitive assessment tasks and providing decision support for the early detection of IA. However, most machine learning-based methods for IA detection rely on blood testing results. But in practice, blood testing data is not always available at the point of referrals, so we need methods to leverage multimodal data such as semi-structured and unstructured data for early detection of IA. In this research, we present fusion and ensemble learning-based methods using multimodal data to assist decision-making in the early detection of IA, and a conformal prediction-based method to quantify the uncertainty of the prediction and detect any unreliable predictions. To the best of our knowledge, our study is the first attempt to utilize multimodal data to support the early detection of IA from GP referrals.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google