グラフ双方向マンバネットワークを用いた敗血症関連急性腎障害のサブ表現型同定

科学分野:

• 生物医学情報学
• 計算生物学
• 集中治療医学

背景:

• 敗血症関連急性腎障害（SA-AKI）は、集中治療室（ICU）において死亡率が高い複雑な病態です。
• 電子カルテデータを用いたSA-AKIのサブタイピングに関する現在の方法は、静的な特徴とデータのスパース性によって制限されています。
• SA-AKIの正確なサブタイピングのために、複雑な患者相関を捉えるための高度なモデルが必要です。

研究 の 目的:

• SA-AKIのサブ表現型を特定するための新しいグラフ双方向マンバネットワーク（GBMN）を開発すること。
• 多峰性の電子カルテデータと潜在的な患者グラフ構造を活用して、SA-AKIのサブタイピングの精度を向上させること。
• 正確なサブ表現型同定を通じて、SA-AKIの標的化された臨床介入を強化すること。

主な方法:

• 人口統計、検査、バイタルサイン、診断データを統合する多峰性融合モジュールを開発しました。
• 患者グラフ構造を捉え、最適化するための適応的潜在グラフ推論モジュールを導入しました。
• グラフニューラルネットワークとマンバ（状態空間モデル）を組み合わせたグラフ学習モデルを組み込みました。
• 微分可能なサブ表現型同定のためのスペクトルモジュラリティ最大化目的を設計しました。

主要な成果:

• 提案されたGBMNモデルは、MIMIC-IVデータセットにおいてベースラインモデルと比較して優れたパフォーマンスを示しました。
• このモデルは、SA-AKIのサブ表現型を特定する上で高いパフォーマンスを達成しました。
• 特定されたサブ表現型とその寄与因子は、高い解釈性を示しました。

結論:

• GBMNは、電子カルテデータを用いたSA-AKIのサブ表現型同定のための強力で解釈可能なアプローチを提供します。
• 患者間の関連性と重要な要因を明らかにするモデルの能力は、個別化された治療戦略を導くことができます。
• この研究は、SA-AKIに対するより標的化された介入を可能にすることで、集中治療における精密医療を進歩させます。