人工知能によるタクロリムスの投与:コホート研究

科学分野:

• 移植医学
• 薬理学
• 医療における人工知能

背景:

• タクロリムスは固体臓器移植における免疫抑制に不可欠であるが,治療範囲は狭い.
• タクロリムスの正確な投与は,患者,ドナー,および薬物に関連する要因により,移植後の課題です.
• 最適な薬物濃度を維持することは,移植の拒絶と毒性を防ぐために不可欠です.

研究 の 目的:

• 次の日のタクロリムスの最低濃度 (C0) を予測するための機械学習モデルを設計し,検証する.
• タクロリムスの投与戦略をガイドし,移植受容者の持続的な過量または過量投与を防止する.
• パーソナライズされた免疫抑制療法管理に 人工知能を活用する

主な方法:

• 1597人の腎臓と肝臓移植受容者の過去データを使って 長期短期記憶 (LSTM) モデルを開発した.
• 移植の種類,人口統計,併発性疾患,生命的徴候,検査室,食事,薬などの予測要因が含まれています.
• 平均絶対誤差と投与精度の3クラス分類を用いてモデルの性能を評価し,投与量勧告を生成した.

主要な成果:

• LSTMモデルは,翌日のタクロリムスC0を予測する平均絶対誤差1. 880ng/ mlを達成した.
• 主な予測要因には,最近のタクロリムスC0,投与量,移植の種類,食事,相互作用する薬が含まれていました.
• このモデルは,過量投与,治療用投与,過量投与を分類するために,0. 653のマイクロ平均F1スコアを示した.

結論:

• この研究は,C0予測のための効果的なLSTMモデルで,タクロリムスの用量に関する最大のAIアプリケーションの1つを示しています.
• このモデルは,移植治療における正確なタクロリムス用量推薦の指針となる可能性を示しています.
• 投与量調整におけるモデルの実用的な有効性を確認するには,前向きな研究が必要である.