Next Generation Artificial Intelligence" Using Probabilistic Latent Structure Modeling System to Support Treatment of Sepsis

2023 Fiscal Year Final Research Report

• Project/Area Number: 19K09396
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 55060:Emergency medicine-related
• Research Institution: Saga University
• Principal Investigator: sakamoto yuichiro 佐賀大学, 医学部, 教授 (20366678)
• Co-Investigator(Kenkyū-buntansha): 末岡 榮三朗 佐賀大学, 医学部, 教授 (00270603) ; 本村 陽一 国立研究開発法人産業技術総合研究所, 情報・人間工学領域, 首席研究員 (30358171) ; 櫻井 瑛一 国立研究開発法人産業技術総合研究所, 情報・人間工学領域, 研究員 (50612173)
• Project Period (FY): 2019-04-01 – 2024-03-31
• Keywords: 確率的潜在意味解析 / 確率的構造モデル / 敗血症

Outline of Final Research Achievements

The use of "probabilistic latent semantic analysis and probabilistic structural modeling" revealed once again that changes in clusters on the cluster classification of DPC data may ultimately predict outcomes, length of hospital stay, and other outcomes. Although there were no clear characteristic results regarding sepsis-specific treatment methods or medications, the results showed that the elderly, especially in relation to the content of assistance and outcomes, incurred high medical costs in cases of death in terms of eating, transferring, dressing, toileting, bathing, level walking, stairs, changing clothes, defecation management, and urinary management, In the case of life-saving cases, the length of hospital stay was longer.

Free Research Field

医学

Academic Significance and Societal Importance of the Research Achievements

具体的には入院期間中に提供される手術、処置、化学 療法などの「診療行為」の組み合わせで分類される診断群分類(Diagnosis Procedure Combination: DPC)情 報の推移を本分析システムで解析し、DPCデータのクラスター分類の上でのクラスターの変化が結果的に転帰や入院期間等を予測し得る可能性が改めて示された。また、高齢者、特に介助に関する内容と転帰との関連から食事・移乗・整容・トイレ動作・入浴・平地歩行・階段・更衣・排便管理・排尿管理のいずれにおいても死亡例においては高額な医療費となり、救命例においては入院日数が長期となることが確認された。