文献

J-GLOBAL ID：201902212095404726   整理番号：19A1577079

頚椎症性脊髄症の予測のための機械学習:28人の参加者の後ックパイロット研究【JST・京大機械翻訳】

Machine Learning for the Prediction of Cervical Spondylotic Myelopathy: A Post Hoc Pilot Study of 28 Participants

著者 (6件)： Hopkins Benjamin S. (Department of Neurological Surgery, Northwestern University Feinberg School of Medicine, Chicago, Illinois, USA) ,  Weber Kenneth A. (Department of Radiology, Stanford University School of Medicine, Stanford, California, USA) ,  Kesavabhotla Kartik (Department of Neurological Surgery, Northwestern University Feinberg School of Medicine, Chicago, Illinois, USA) ,  Paliwal Monica (Department of Neurological Surgery, Northwestern University Feinberg School of Medicine, Chicago, Illinois, USA) ,  Cantrell Donald R. (Department of Radiology, Northwestern University Feinberg School of Medicine, Chicago, Illinois, USA) ,  Smith Zachary A. (Department of Neurological Surgery, Northwestern University Feinberg School of Medicine, Chicago, Illinois, USA)
資料名： World Neurosurgery  (World Neurosurgery)
巻： 127  ページ： e436-e442  発行年： 2019年 
JST資料番号： A1144A  ISSN： 1878-8750  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 頚椎症性脊髄症(CSM)重症度と症状の存在は,臨床画像のみに基づいて単純に予測することが困難である。同様に,改良された機械学習技術は新しいツールを提供し,臨床的可能性がある。合計14名のCSM患者と14名の対照者が頚椎の画像を受けた。2つの異なる人工神経回路網モデルを訓練した。1)CSM診断の予測;2)CSM重症度を予測する。モデル1は,3つの客観的磁気共鳴イメージング測定に沿って,コード圧縮の評価のために3つの一般的画像化スケールを含む6つの入力から成った。モデル1に対する結果は,CSM診断を予測するために二値であった。モデル2は,圧縮領域における白質管の確率的体積マッピング測定から導出された23入力変数から構成された。モデル2の結果は線形で,修正日本整形外科学会(mJOA)スコアを予測した。モデル1をCSM予測に用いた。訓練したモデルの平均交差検証精度は86.50%(95%信頼区間,85.16%~87.83%)であり,中央値は90.00%であった。曲線下面積(AUC)を各反復ごとに計算した。各反復の平均AUCは0.947で,AUC中央値は1.0であった。平均感度,特異性,陽性予測値,および陰性予測値は,それぞれ,90.25%,85.05%,81.58%,および91.94%であった。モデル2を,mJOAのモデリングに用いた。mJOAモデルはスコアを予測し,平均および中央誤差はそれぞれ-0.29mJOAポイントおよび-0.08mJOAポイントであり,バッチ当たりの平均誤差は0.714mJOAポイントであった。機械学習はCSM患者における予測,診断,および予後に対する有望な方法を提供する。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 信頼区間 ,  *頚椎 ,  画像処理 ,  ヒト ,  画像 ,  ニューラルネットワーク ,  *予測 ,  線形性 ,  予後 ,  モデリング ,  NMRイメージング ,  *機械学習 ,  診断
準シソーラス用語： 予測値 ,  特異性 ,  スコア ,  重症度 , 【Automatic Indexing@JST】

著者キーワード (6件)： 人工知能 ,  頚部脊髄症 ,  頚椎症性脊髄症 ,  CSM ,  機械学習 ,  脊椎

分類 (1件)： 運動器系疾患の外科療法  (GG05030O)

タイトルに関連する用語 (5件)： 頚椎症性脊髄症 ,  予測 ,  機械学習 ,  参加者 ,  研究