Your WeeklyPaper Digest — 3 new papers · 2026년 1월 1일 (예시)
 ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏ ‌​‍‎‏

·

WeeklyPaper

연구 다이제스트

2026년 1월 1일 (예시)

3 papers

01

[Example] Machine Learning-Based Prediction of Heart Failure Outcomes in Elderly Patients

Example Journal of Cardiology · 2026 Jan

Example A, Example B, Example C

가상의 그래디언트 부스팅 모델이 30일 재입원 예측에서 AUC 0.82 달성.

⚠️ 이것은 설명 목적으로만 제작된 가상의 예시입니다. 이 가상 연구에서는 8개 병원의 12,000명의 가상 환자 EHR 데이터를 사용하여 노인 심부전 환자의 30일 재입원 위험을 예측하는 기계 학습 모델이 개발되었습니다. 그래디언트 부스팅 모델은 AUC 0.82를 달성하여 기존 점수 시스템을 능가했습니다. 주요 예측 인자로는 BNP 수치, 신장 기능, 이전 입원 빈도가 포함되었습니다.

핵심 포인트

가상의 그래디언트 부스팅 모델이 30일 재입원 예측에서 AUC 0.82 달성

이 예시에서 BNP와 신장 기능이 가장 강력한 예측 인자

8개의 가상 외부 병원 코호트에서 검증됨

PubMed에서 보기 →☆ 북마크

02

[Example] SGLT2 Inhibitor Use and Cardiovascular Outcomes: A Large-Scale Real-World Analysis

Example Journal of Internal Medicine · 2026 Jan

Example D, Example E

이 가상 코호트에서 SGLT2 억제제는 DPP-4 억제제 대비 MACE를 23% 감소.

⚠️ 이것은 설명 목적으로만 제작된 가상의 예시입니다. 45,000명의 가상 2형 당뇨병 환자를 대상으로 한 가상 후향적 코호트 연구에서 SGLT2 억제제 사용이 DPP-4 억제제 대비 주요 심혈관 이상 사건(MACE)을 23% 감소시키는 것과 관련이 있음을 발견했습니다. 이 효과는 모든 연령대에서 일관되었지만, 기존 심혈관 질환을 가진 환자에서 가장 두드러졌습니다.

핵심 포인트

SGLT2 억제제 vs DPP-4 억제제에서 MACE 23% 감소 (가상 데이터)

기존 심혈관 질환 환자에서 가장 큰 효과

이 예시에서 모든 연령 하위그룹에서 일관된 효과

PubMed에서 보기 →☆ 북마크

03

[Example] Deep Learning for Automated Echocardiographic Assessment of Left Ventricular Function

Example European Heart Journal · 2026 Jan

Example F, Example G, Example H

50,000개 심초음파로 훈련된 가상 CNN이 EF 측정에서 심장 전문의 정확도에 필적.

⚠️ 이것은 설명 목적으로만 제작된 가상의 예시입니다. 50,000개의 가상 심초음파로 훈련된 가상 합성곱 신경망은 평균 절대 오차 3.8%로 심장 전문의 수준의 구혈률 측정 정확도를 달성했습니다. 모델은 서로 다른 초음파 기기와 조작자 기술 수준에 걸쳐 강건한 성능을 보여주었습니다.

핵심 포인트

가상 CNN이 구혈률 측정에서 MAE 3.8% 달성

이 예시에서 전문 심장 전문의 평가와 동등한 성능

여러 초음파 제조사와 조작자 기술 수준에 걸쳐 강건함

PubMed에서 보기 →☆ 북마크

WeeklyPaper · 자동화된 연구 다이제스트

요약 및 핵심 포인트는 AI가 생성한 것으로 오류나 누락이 포함될 수 있습니다. 임상 또는 연구 목적으로 사용하기 전에 반드시 원본 논문과 대조하여 확인하십시오.

귀하는 주간 논문 다이제스트를 구독하여 이 이메일을 받고 있습니다. 구독 취소