糖尿病性足潰瘍治癒軌跡予測のための時間的機械学習フレームワーク

科学分野:

• 生物医学情報学
• ヘルスケアにおける機械学習
• 糖尿病性足潰瘍管理

背景:

• 糖尿病性足潰瘍（DFU）の管理は、現在の創傷の状態に依存した事後的なものであることが多いです。
• 積極的な治療計画は、治癒軌跡と患者の転帰を大幅に改善する可能性があります。

研究 の 目的:

• DFUの治癒段階遷移を予測するための機械学習（ML）フレームワークを開発すること。
• 日常的に収集される臨床メタデータを使用して、DFUの積極的な治療計画を可能にすること。
• 治療調整のための推奨システムを統合すること。

主な方法:

• 268人の患者の329のDFUの縦断データを890回の予約にわたって分析しました。
• 予約間隔で正規化された時間測定値を含む103の特徴量をエンジニアリングしました。
• 治癒遷移（良好、許容可能、不良）を予測するために、ベイジアンチューニングと特徴選択を使用してExtra Trees分類器を最適化しました。

主要な成果:

• 30の必須予測因子を特定し、次元を70.9%削減しました。
• 平均AUC 0.90で78% ± 4%の精度を達成しました。
• 統合された推奨システムは、除荷処方箋で88.7%の一致を示し、慢性度別に層別化された創傷被覆材のパフォーマンスを示しました。

結論:

• MLフレームワークは、アクセス可能な臨床メタデータを使用してDFU軌跡を予測する可能性を示しています。
• このシステムは、標準化されたプロトコルが必要な創傷と、反復的な実験が必要な創傷を区別し、積極的な治療計画を導くことができます。
• フレームワークの臨床的有用性を確認するために、前向きな検証が保留中です。