Entwicklung einer Technologie zur Generierung synthetischer medizinischer Daten zur Vorhersage postoperativer Komplikationen

<Entwicklung einer Technologie zur Generierung synthetischer medizinischer Daten zur Vorhersage postoperativer Komplikationen>

Um ein Modell zur Vorhersage des Auftretens von Komplikationen nach einer Operation zu entwickeln, ist es notwendig, eine Kohorte zusammen mit statistischen Indikatoren im Zusammenhang mit dem Auftreten von Komplikationen zu etablieren. Ziel dieser Studie ist es, synthetische medizinische Daten basierend auf tatsächlichen klinischen Daten zu kombinieren und ein Vorhersagemodell basierend auf synthetischen medizinischen Daten zu entwickeln.

Dies wird es Forschern ermöglichen, nur mit synthetischen Daten zu forschen, ohne sich mit tatsächlichen medizinischen Daten zu befassen. Dadurch können sie Daten ohne rechtliche Einschränkungen verwenden und verarbeiten und auf der Grundlage verschiedener vorverarbeiteter, standardisierter und gekennzeichneter Rohdaten so viele Daten erstellen, wie sie möchten.

Patienten aus drei Krankenhäusern in Korea (Seoul National University Hospital, Seoul National University Bundang Hospital, Seoul Metropolitan City-Boramae Medical Center) wurden in die Studie aufgenommen.

Medizinische Daten (sowohl klinische als auch Labordaten) von 410.000 Patienten, die zwischen 2005 und 2020 operiert wurden, wurden gesammelt, um die Leistung des Vorhersagemodells mithilfe der AKI-basierten Vorhersagemodellentwicklung und externen Verifizierung zu bewerten.

Basierend auf den gesammelten Patientendaten wurden synthetische medizinische Daten mithilfe des Algorithmus für maschinelles Lernen kombiniert und die Anonymität und Reidentifizierung der synthetisierten medizinischen Daten bewertet.

Außerdem wurden die Entwicklung eines KI-basierten Vorhersagemodells unter Verwendung synthetischer medizinischer Daten und das tatsächliche medizinische Datenmodell verglichen.