Prediction and stratification of acute kidney injury with a machine learning algorithm in intensive care unit
| Project/Area Number |
19K18321
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 55060:Emergency medicine-related
|
|---|
| Research Institution | The University of Tokyo (2022)
Kyoto University (2019-2021) |
|---|
Principal Investigator |
佐藤 憲明 東京大学, 医科学研究所, 助教 (90838997)
|
|---|
| Project Period (FY) |
2019-04-01 – 2024-03-31
|
| Project Status |
Granted (Fiscal Year 2022)
|
| Budget Amount *help |
¥2,730,000 (Direct Cost: ¥2,100,000、Indirect Cost: ¥630,000)
Fiscal Year 2022: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000)
Fiscal Year 2021: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000)
Fiscal Year 2020: ¥390,000 (Direct Cost: ¥300,000、Indirect Cost: ¥90,000)
Fiscal Year 2019: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
|
|---|
| Keywords | 機械学習 / 急性腎障害 / ネットワーク解析 / 畳み込みニューラルネットワーク / 集中治療部 |
|---|
| Outline of Research at the Start |
急性腎障害(acute kidney injury: AKI)は、急性に糸球体ろ過量の低下を示す病態である急性腎不全に加え、早期段階の腎機能低下も包括した概念であり、致死的な病態を合併する。特に集中治療部(intensive care unit: ICU)において敗血症性ショックをはじめとした様々な病態が原因になり、高頻度で発生する。事前にAKIの高リスク患者を同定し、適切に介入を行うことは臨床上重要である。本研究ではICU患者時系列データに対して、昨今発展の著しい機械学習手法を適用しAKIの発症予測、最適な介入法を同定することを目的とする。
|
| Outline of Annual Research Achievements |
本研究は機械学習を用いて集中治療部における急性腎障害（AKI）の発症予測モデルの構築を行い、寄与因子の同定やその根拠可視化手法を開発することを目的としている。今年度は引き続きモデル作成とその精度検証を行った。具体的には機械学習における予測根拠可視化手法の不確実性表現に関する研究や、がん患者におけるAKI発症の個々人の予測根拠の臨床的な解釈についての研究を行った。さらに、今までに構築した計算リソースを利用してオミクスデータから遺伝子間のネットワーク解析を行う論文と腎障害を引き起こすウイルスの基礎的な解析論文を発表した。これらの成果は最終的に臨床データとオミクスデータの統合解析を通じて腎疾患の診療、病態解明の一助となることが期待される。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
急性腎障害の機械学習を用いた予測モデル構築とその根拠可視化手法の開発を進め、さらに腎疾患の発症や病態理解に資する研究発表を行ったため。
|
| Strategy for Future Research Activity |
機械学習を用いて大規模データベースで特定のアウトカムの予測を行う研究は既に多く報告されており、実際に予測モデルを用いた前向き研究による実臨床における有用性の確認や、オミクスデータといった他データの融合よる病態理解の研究に発展していく。
|
Report
(4 results)
Research Products
(13 results)
