2019 Fiscal Year Research-status Report
Prediction and stratification of acute kidney injury with a machine learning algorithm in intensive care unit
| Project/Area Number |
19K18321
|
|---|
| Research Institution | Kyoto University |
|---|
Principal Investigator |
佐藤 憲明 京都大学, 医学研究科, 特定助教 (90838997)
|
|---|
| Project Period (FY) |
2019-04-01 – 2023-03-31
|
| Keywords | 機械学習 / 急性腎障害 |
|---|
| Outline of Annual Research Achievements |
本研究は集中治療部(ICU)患者の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急性腎障害(AKI)の発症予測、また最適な介入法を同定することを目的としている。本年度はAKIの発症予測を目標とし、公共ICUデータベースであるMIMIC-III、eICUのデータ利用環境の整備、また倫理審査の上で京都大学医学部附属病院集中治療部の時系列データ抽出とその整備を行った。それらデータに対して機械学習手法の1つである1次元畳み込みニューラルネットワークを適用し、AKIの発症予測とその可視化を検討した。その成果を米国腎臓学会(ASN)で公表した。また、決定木のアンサンブル学習手法であるランダムフォレストを電子カルテデータに適用したAKI発症予測を行い、こちらもASNで成果を公表した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
本年度はデータ整備と学会発表を目標としており、達成できたため。
|
| Strategy for Future Research Activity |
本年度の検討結果を基に論文投稿を目指す。しかしながら、2019年7月にNature誌に時系列データに対してリカレントニューラルネットワークを適用しAKIを高精度で予測する論文が発表され、比較対象の先行研究として重要と考えられた。そのため、1次元畳み込みニューラルネットワークやベイジアンネットワークといった、視覚的に予測根拠が可視化しやすい手法を用いることで、可視化に重点を置いた解析を目指し、論文化を行う。
|
| Causes of Carryover |
次年度使用額が生じた理由について、本年度は主にデータ整備に終始し、計算リソースの整備が遅れていたためである。使用計画について、当初2019年度に行う予定であった計算リソースの整備を2020年度に行う予定である。
|
