文献

J-GLOBAL ID：202102282421190232   整理番号：21A0013936

マルチラベル学習によるメタボリックシンドロームのためのマイクロコスミック症候群分化モデル【JST・京大機械翻訳】

A Microcosmic Syndrome Differentiation Model for Metabolic Syndrome with Multilabel Learning

著者 (10件)： Xia Shujie (Research Base of Traditional Chinese Medicine Syndrome, Fujian University of Traditional Chinese Medicine, Fuzhou 350122, China) ,  Zhang Jia (Department of Artificial Intelligence, Xiamen University, Xiamen 361005, China) ,  Du Guodong (Department of Artificial Intelligence, Xiamen University, Xiamen 361005, China) ,  Li Shaozi (Department of Artificial Intelligence, Xiamen University, Xiamen 361005, China) ,  Vong Chi Teng (State Key Laboratory of Quality Research in Chinese Medicine, Institute of Chinese Medical Sciences, University of Macau, Macao 999078, China) ,  Yang Zhaoyang (Research Base of Traditional Chinese Medicine Syndrome, Fujian University of Traditional Chinese Medicine, Fuzhou 350122, China) ,  Xin Jiliang (Research Base of Traditional Chinese Medicine Syndrome, Fujian University of Traditional Chinese Medicine, Fuzhou 350122, China) ,  Zhu Long (Research Base of Traditional Chinese Medicine Syndrome, Fujian University of Traditional Chinese Medicine, Fuzhou 350122, China) ,  Gao Bizhen (Research Base of Traditional Chinese Medicine Syndrome, Fujian University of Traditional Chinese Medicine, Fuzhou 350122, China) ,  Li Candong (Research Base of Traditional Chinese Medicine Syndrome, Fujian University of Traditional Chinese Medicine, Fuzhou 350122, China)
資料名： Evidence-Based Complementary and Alternative Medicine (Web)  (Evidence-Based Complementary and Alternative Medicine (Web))
巻： 2020  ページ： Null  発行年： 2020年 
JST資料番号： U7703A  ISSN： 1741-427X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 背景.メタボリックシンドローム(MS)は複雑な多系統疾患である。漢方薬(TCM)は,MSの予防と治療に効果的である。症候群分化は,位置および/または自然症候群要素から成るTCM治療の基礎である。現在,MSにおける客観的および包括的症候群分化に対するいくつかの問題がある。本研究は,主に2つの問題に対する解決策を提案した。第1に,TCM症候群は同時であり,すなわち,多発性TCM症候群は,同じ患者で発症する可能性がある。第2に,顕微鏡的指数とTCM症候群の間の関係の全体的な調査の欠如がある。これら2つの問題に関して,機械学習におけるマルチラベル学習(MLL)方法は,それらを解決するために使用でき,そして,マイクロコズム症候群分化モデルを,革新的に構築することができ,そしてそれは,MSにおける多次元症候群分化の次のモデルの確立のための基礎を提供することができた。方法.MSのためのTCM4診断情報の標準化スケールを設計し,TCM診断の結果を得るために使用した。ミクロコズム症候群分化のモデルを,ML-kNNと呼ばれるMLL技術による39の物理化学的指標に基づいて構築した。最初に,マルチラベル学習法を3つの一般的に用いられる単一学習アルゴリズムと比較した。次に,ML-kNNの結果を物理化学的指数とTCM情報の間で比較した。最後に,診断モデルに及ぼすパラメータkの影響を調査して,最良のk値をTCM診断のために選択した。【結果】合計698症例を,MSのミクロコズム診断のモデル化のために採取した。ML-kNNモデルの総合性能は,他のものより明らかに良く,診断の平均精度は71.4%であった。物理化学的指数に基づくML-kNNの結果は,TCM情報に基づく結果と類似していた。一方,k値はML-kNNからの予測結果にあまり影響しなかった。結論.本研究では,MLL技法によるMSのミクロコズム症候群分化モデルは,症候群要素の予測において良好であり,複数のラベルの診断問題を解決するのに使用できる。さらに,TCM症候群要素と物理化学的指標の間に複雑な相関があり,MSの客観的分化の開発を促進する将来の研究に値することが示唆された。Copyright 2020 Shujie Xia et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  標準化 ,  *分化 ,  物理化学 ,  高次元 ,  漢方製剤 ,  機械学習 ,  学習アルゴリズム ,  *メタボリックシンドローム

分類 (3件)： 生物薬剤学(基礎)  (GY01021U) ,  生薬一般  (GX06010Y) ,  東洋医学  (GA04000I)

引用文献 (31件)：

• J. Wang, D. Liang, Z. Qu, I. Kislyakov, V. Kiselev, J. Liu, "PEGylated-folic acid-modified black phosphorus quantum dots as near-infrared agents for dual-modality imaging-guided selective cancer cell destruction," Nanophotonics, vol. 9, no. 8, pp. 2425-2435, 2020.
• Y. Zhang, Y. Li, Q. Ni, "Diagnosis and treatment of metabolic syndrome," Chinese Clinical Doctor, vol. 46, no. 11, pp. 4, 2018.
• J. Zhou, Q. Wang, Z. Xiang et al., "Network pharmacology analysis of traditional Chinese medicine formula xiao ke Yin shui treating type 2 diabetes mellitus," Evidence Based Complementary and Alternative Medicine, vol. 2019, 2019.
• A. Tan, H. Huang, P. Zhang, S. Li, "Network-based cancer precision medicine: a new emerging paradigm," Cancer Letters, vol. 458, pp. 39-45, 2019.
• Q. Wang, L. Liu, "Advances in the treatment of metabolic syndrome by traditional Chinese medicine," Information on Traditional Chinese Medicine, vol. 14, no. 7, pp. 5, 2017.

タイトルに関連する用語 (7件)： マルチ ,  ラベル ,  学習 ,  メタボリックシンドローム ,  症候群 ,  分化 ,  モデル