AIで小児の再入院リスクを算出

Photo by iStock

チリ大学の研究チームは、小児の再入院リスクを算出する機械学習モデルを構築した。研究成果は、オープンアクセスの科学誌・BioMed Research Internationalに収載されている。

チームの論文によると、チリ・サンディアゴの小児病院が保有する小児入院記録データベースを利用し、退院後30日以内の再入院を予測する機械学習モデルを構築したという。チームは複数の機械学習モデルを用いて精度を比較したが、Naive Bayesアルゴリズム、なかでもGaussianモデルが優れたパフォーマンスを示しており、頑健な再入院予測モデルとして利用を推奨している。

小児の再入院予測はこれまで、疾患や患者背景因子ごとの層別に終始したもので、特定疾患によらない予測モデルを構築しようとするアプローチは積極的には取られてこなかった。小児の再入院予測は治療方針に係る医療的判断の大きな助けとなるほか、医療費削減の観点からも非常に意義深く、今後のさらなる研究発展が期待される。

前の記事アスリート達のスポーツ外傷を予測するAI
次の記事Deep Learning アルゴリズムで院内心肺停止を予測
TOKYO analytica
TOKYO analyticaはデータサイエンスと臨床医学に強力なバックグラウンドを有し、健康増進の追求を目的とした技術開発と科学的エビデンス構築を主導するソーシャルベンチャーです。
The Medical AI Timesにおける記事執筆は、循環器内科・心臓血管外科・救命救急科・小児科・泌尿器科などの現役医師およびライフサイエンス研究者らが中心となって行い、下記2名の医師が監修しています。

1. M.Okamoto MD, MPH, MSc, PhD
信州大学医学部卒(MD)、東京大学大学院専門職学位課程修了(MPH)、東京大学大学院医学系研究科博士課程修了(PhD)、ロンドン大学ユニバーシティカレッジ(University College London)科学修士課程最優等修了(MSc with distinction)。UCL visiting researcher、日本学術振興会特別研究員を経て、東京大学特任研究員など。専門はメディカルデータサイエンス。

2. T.Sugino MD
防衛医科大学校卒(MD)。大学病院、米メリーランド州対テロ救助部隊を経て、現在は都内市中病院に勤務。専門は泌尿器科学、がん治療、バイオテロ傷病者の診断・治療、緩和ケアおよび訪問診療。泌尿器科専門医、日本体育協会認定スポーツドクター。