小児虫垂炎の診断、重症度評価、エビデンスに基づいた臨床意思決定支援のための、臨床的に根拠のある新しい機械学習フレームワークであるDharma

科学分野:

• 小児外科、医療情報学、ヘルスケアにおける機械学習

背景:

• 小児の急性虫垂炎は診断上の課題を提示し、現在のスコアリングシステムと画像診断には限界があります。小児虫垂炎の既存の診断ツールは、精度と予後能力に欠けています。虫垂炎の高度な画像診断技術は、鎮静、造影剤、放射線被曝などのリスクを伴います。

研究 の 目的:

• 急性虫垂炎の診断と重症度評価のための新しい機械学習フレームワークであるDharmaを紹介すること。臨床的に適用可能でオープンソースのツールを、実際のベッドサイドでの使用のために開発すること。小児虫垂炎の症例に対する予後ガイダンスを提供すること。

主な方法:

• 臨床的に根拠のあるインピュターと2つのランダムフォレスト分類器で構成される機械学習フレームワークであるDharmaの開発。使いやすさのために、アクセスしやすいWebアプリケーションとしてDharmaを実装すること。虫垂の視覚化が限定的なシナリオを含む、診断および予後パフォーマンスの評価。

主要な成果:

• Dharmaは、AUC-ROC 0.98、精度93%で高い診断性能を達成しました。このフレームワークは、合併症のある虫垂炎を特定するために高い感度（96%）と陰性予測値（97%）を示しました。虫垂の視覚化がなくても、AUC-ROC 0.96で高いパフォーマンスが維持されました。

結論:

• Dharmaは、小児虫垂炎の診断と重症度評価のための非常に正確で実用的なソリューションを提供します。オープンソースフレームワークは、リソースが限られた環境でも、予後に関する洞察を提供し、臨床ワークフローをサポートします。Dharmaの一般化可能な設計は、公平なヘルスケア意思決定支援システムの基盤として機能することができます。