人工知能とマルチモーダルデータ統合を用いた早産児における気管支肺異形成症予測の向上

科学分野:

• 医療情報学
• 新生児学
• 人工知能

背景:

• 気管支肺異形成症（BPD）は、早産児によく見られる呼吸器疾患であり、様々な周産期および周産期後の要因の影響を受けます。
• 臨床データ、生理学的データ、画像データ、バイオマーカーデータ、オミクスデータを含むマルチモーダルデータは、BPDの理解と予測に不可欠です。
• 人工知能（AI）および機械学習（ML）は、洗練されたBPD予測モデルを開発するための強力なツールとして登場しています。

研究 の 目的:

• 気管支肺異形成症（BPD）予測におけるAIの研究進捗を体系的にレビューすること。
• BPD予測のための代表的なAIモデルとツールを分析し、それらの臨床的パフォーマンスと限界を評価すること。
• BPD管理におけるAIモデルの臨床翻訳を妨げる課題を特定すること。

主な方法:

• BPD予測におけるAIおよびMLの応用に関する体系的な文献レビュー。
• AI駆動型BPD予測モデルで使用されるマルチモーダルデータソースの分析。
• RTI BPD Outcome Estimatorなどの既存のBPD予測ツールの評価。
• 臨床実践におけるAI翻訳のためのPALM（Predict-Act-Learn-Monitor）フレームワークの議論。

主要な成果:

• AIおよびMLモデルは、多様なデータセットを使用してBPD予測の可能性を示しています。
• 現在のAIモデルは、データの標準化、解釈可能性、統合を含む臨床翻訳における課題に直面しています。
• PALMフレームワークは、AI予測と臨床介入の間のギャップを埋めるための構造化されたアプローチを提供します。

結論:

• AIは、BPDリスク予測の改善と臨床介入のガイダンスにおいて大きな可能性を秘めています。
• データ共有、プライバシー（例：連合学習）、および規制フレームワークにおける課題を克服することが、臨床導入に不可欠です。
• AIモデルの予測からアウトカムを改善する精密介入への移行には、AIモデルのクローズドループ管理システムの開発が不可欠です。