Desarrollo de tecnología de generación de datos médicos sintéticos para predecir complicaciones posoperatorias

<Desarrollo de tecnología de generación de datos médicos sintéticos para predecir complicaciones postoperatorias>

Para desarrollar un modelo para predecir la ocurrencia de complicaciones después de la cirugía, es necesario establecer una cohorte junto con indicadores estadísticos relacionados con la ocurrencia de complicaciones. Este estudio tiene como objetivo combinar datos médicos sintéticos basados ​​en datos clínicos reales y desarrollar un modelo predictivo basado en datos médicos sintéticos.

Esto permitirá a los investigadores realizar investigaciones solo con datos sintéticos sin tratar con datos médicos reales, lo que les permitirá usar y procesar datos sin restricciones legales, y crear tantos datos como deseen en función de varios datos sin procesar preprocesados, estandarizados y etiquetados.

Se inscribieron en el estudio pacientes de tres hospitales de Corea (Hospital Universitario Nacional de Seúl, Hospital Bundang de la Universidad Nacional de Seúl, Centro Médico Boramae de la Ciudad Metropolitana de Seúl).

Se recopilaron datos médicos (tanto clínicos como de laboratorio) de 410 000 pacientes que se sometieron a cirugía entre 2005 y 2020 para evaluar el rendimiento del modelo de predicción mediante el desarrollo del modelo de predicción basado en AKI y la verificación externa.

En función de los datos recopilados de los pacientes, los datos médicos sintéticos se combinaron mediante el algoritmo de aprendizaje automático y se evaluaron el anonimato y la reidentificación de los datos médicos sintetizados.

Además, se comparó el desarrollo del modelo de predicción basado en IA utilizando datos médicos sintéticos y el modelo de datos médicos reales.