将来の急性腎損傷を継続的に予測するための臨床的に適用可能なアプローチ
Nenad Tomašev1, Xavier Glorot2, Jack W Rae2,3
1DeepMind, London, UK. nenadt@google.com.
この研究は 患者の病状の悪化,特に急性腎臓損傷を 早期に予測するための ディープラーニングモデルを導入しています このモデルは高リスクの患者を 48時間前まで正確に特定し 早期の介入を可能にし 命を救う可能性があります
科学分野:
- 医療情報学
- 医療における人工知能
- 臨床予測モデル
背景:
- 患者の病状の悪化が遅れて認識されることは,死亡率に大きく寄与する.
- 正確で継続的に更新され,個別化されたリスク予測は,適時な介入に不可欠です.
- 腎臓の急性損傷は 生命を脅かす一般的な疾患で 早期発見は困難です
研究 の 目的:
- 患者の病状の悪化を継続的に個別化して予測するための ディープラーニングモデルを開発する.
- 急性腎臓損傷を予測するための電子医療記録を利用し,介入のための十分なリードタイムを確保する.
- 各予測の信頼性スコアと顕著な臨床特徴を含む,実行可能な洞察を提供すること.
主な方法:
- 継続的なリスク予測のための ディープラーニングアプローチを開発しました
- 大規模で縦断的な電子医療記録データセット (703,782人の成人患者) を利用した.
- 透析を必要とする症例を含む急性腎臓損傷を予測するモデルの性能を検証した.
主要な成果:
- 患者の急性腎臓損傷の 55.8%を予測しています
- 透析を必要とする急性腎臓損傷の90.2%を正確に特定し,最大48時間のリードタイムがあります.
- 偽警報の比率は2:1 (偽警報と真の警報) でした.
結論:
- ディープラーニングモデルは 急性腎臓損傷の早期かつ正確な予測に 有望なアプローチを提供します
- 臨床医に早期警告と 重要な予測要因を提供し 適切な治療を容易にする.
- 病状が悪化する患者の 積極的な管理を可能にすることで 患者の治療結果を改善する可能性があります
さらに関連する動画
10:42Design to Implementation Study for Development and Patient Validation of Paper-Based Toehold Switch Diagnostics
Published on: June 17, 2022
09:39Exploring Biomolecular Interaction Between the Molecular Chaperone Hsp90 and Its Client Protein Kinase Cdc37 using Field-Effect Biosensing Technology
Published on: March 31, 2022
関連する概念動画
08:58Efficient Sampling of Genetically Encoded Biosensor Design Space Enabled with a Design of Experiments and Automation Workflow
10:42Design to Implementation Study for Development and Patient Validation of Paper-Based Toehold Switch Diagnostics
09:39Exploring Biomolecular Interaction Between the Molecular Chaperone Hsp90 and Its Client Protein Kinase Cdc37 using Field-Effect Biosensing Technology
08:31Biosensor-based High Throughput Biopanning and Bioinformatics Analysis Strategy for the Global Validation of Drug-protein Interactions
07:07Synthetic Methodology for Asymmetric Ferrocene Derived Bio-conjugate Systems via Solid Phase Resin-based Methodology
16:30BioMEMS and Cellular Biology: Perspectives and Applications
