Jove
Visualize
お問い合わせ
JoVE
x logofacebook logolinkedin logoyoutube logo
JoVEについて
概要リーダーシップブログJoVEヘルプセンター
著者向け
出版プロセス編集委員会範囲と方針査読よくある質問投稿
図書館員向け
推薦の声購読アクセスリソース図書館諮問委員会よくある質問
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experimentsアーカイブ
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教員リソースセンター教員サイト
利用規約
プライバシーポリシー
ポリシー

関連する概念動画

こちらも読む

関連記事

共著者、ジャーナル、引用グラフによってこの研究に関連する記事。

並び替え
Same author

Vibration-Based Machine Learning Model Training for Railway Bridge Health Monitoring.

Sensors (Basel, Switzerland)·2026
Same author

Impact of Intramedullary Implants on Metallic Element Homeostasis in Children with Forearm Fractures.

Journal of clinical medicine·2025
Same author

Diagnosis and Treatment of Pediatric Feeding Disorders: A Narrative Literature Review.

Children (Basel, Switzerland)·2025
Same author

Surgical outcomes in French adolescents with idiopathic scoliosis: Responsiveness of the Scoliosis Research Society-22 Patient Questionnaire.

Orthopaedics & traumatology, surgery & research : OTSR·2025
Same author

Evaluation of the Early Development of 6-Month-Old Babies in the Case of Maternal Postpartum Depression with or Without Bipolar Disorder.

Children (Basel, Switzerland)·2025
Same author

Limb Axis Disorder During Leg Length Discrepancy Treatment with Temporary Epiphysiodesis Using Eight-Plate Implants.

Journal of clinical medicine·2025

関連する実験動画

Updated: Sep 10, 2025

In Vivo Quantification of Hip Arthrokinematics during Dynamic Weight-bearing Activities using Dual Fluoroscopy
07:43

In Vivo Quantification of Hip Arthrokinematics during Dynamic Weight-bearing Activities using Dual Fluoroscopy

Published on: July 2, 2021

3.1K

PredictMed-CDSS: 神経筋椎不形成症の発生確率を予測する人工知能ベースの意思決定支援システム

Carlo M Bertoncelli1,2, Federico Solla2, Michal Latalski3

  • 1Department of Computer Science, Hal Marcus College of Science & Engineering, University of West Florida, Pensacola, FL 32514, USA.

Bioengineering (Basel, Switzerland)
|August 28, 2025
PubMed
まとめ

新しい臨床的意思決定支援システム (CDSS) は,脳性麻痺 (CP) の小児における神経筋縮症 (NHD) を効果的に予測します. 機械学習,特にニューラルネットワークは,早期介入のためのリスクのある個人を特定する上で高い精度を示しています.

キーワード:
臨床的意思決定支援システム (CDSS)サポートベクトルマシン (SVM)脳性麻痺 (CP)機械学習 (ML) アルゴリズムの集合ロジスティック回帰 (LR)ニューラルネットワーク (NN)神経筋関節不形成症 (NHD)

さらに関連する動画

The Use of Mixed Reality in Custom-Made Revision Hip Arthroplasty: A First Case Report
07:45

The Use of Mixed Reality in Custom-Made Revision Hip Arthroplasty: A First Case Report

Published on: August 4, 2022

3.5K
Author Spotlight: A Novel 3D-Printed Titanium Implant for Minimally Invasive Treatment of Hip Dysplasia in Young Dogs
08:40

Author Spotlight: A Novel 3D-Printed Titanium Implant for Minimally Invasive Treatment of Hip Dysplasia in Young Dogs

Published on: April 19, 2024

2.6K

関連する実験動画

Last Updated: Sep 10, 2025

In Vivo Quantification of Hip Arthrokinematics during Dynamic Weight-bearing Activities using Dual Fluoroscopy
07:43

In Vivo Quantification of Hip Arthrokinematics during Dynamic Weight-bearing Activities using Dual Fluoroscopy

Published on: July 2, 2021

3.1K
The Use of Mixed Reality in Custom-Made Revision Hip Arthroplasty: A First Case Report
07:45

The Use of Mixed Reality in Custom-Made Revision Hip Arthroplasty: A First Case Report

Published on: August 4, 2022

3.5K
Author Spotlight: A Novel 3D-Printed Titanium Implant for Minimally Invasive Treatment of Hip Dysplasia in Young Dogs
08:40

Author Spotlight: A Novel 3D-Printed Titanium Implant for Minimally Invasive Treatment of Hip Dysplasia in Young Dogs

Published on: April 19, 2024

2.6K

科学分野:

  • 生物医学工学
  • 医療における人工知能
  • 小児整形医療

背景:

  • 神経筋縮症 (NHD) は,脳性麻痺 (CP) の小児における頻繁な合併症である.
  • NHDの予測モデルは現在限られており,高度な診断ツールが必要です.
  • NHDのリスクを早期に特定することは,CP患者の間に合った介入に不可欠です.

研究 の 目的:

  • CPの子供におけるNHDの確率を予測するための臨床的意思決定支援システム (CDSS) を開発し評価する.
  • 臨床データを用いて NHD リスク評価の強化のための機械学習アルゴリズムを活用する.
  • CP管理における臨床的意思決定の改善のためのPredictMed-CDSSプロトタイプを導入する.

主な方法:

  • 機械学習アルゴリズム (ニューラルネットワーク,サポートベクトルマシン,ロジスティック回帰) のアンサンブルが採用されました.
  • CDSSは,DECIDE- AIのガイドラインに従って開発され,182人のCP患者 (12~18歳) のデータを用いて検証されました.
  • 臨床的および機能的データは将来的に収集され,NHDの予測要因を特定するために分析されました.

主要な成果:

  • ロジスティック・リグレッションでは,前回の整形外科手術,運動機能の低下,体幹トーン障害,脊椎病,四肢の関わり,そしてなどの主要な予測要因が特定されました.
  • 神経ネットワーク (NN) モデルは,83.7%の精度と0.92 AUROCで最高の予測性能を達成しました.
  • PredictMed-CDSSは,研究したコホートにおけるNHD発達の強力な予測能力を実証した.

結論:

  • 開発されたCDSS,PredictMed-CDSSは,CPの子供のNHDを予測する大きな可能性を示しています.
  • ニューラルネットワークは,他のテストされたMLモデルと比較して,NHDリスクの予測に優れた精度を提供します.
  • このAI駆動のツールは 臨床医にプロアクティブな管理と CPにおけるNHDの早期介入戦略を 支援することができます