Investigación sobre el modelo de advertencia de riesgos y estrategias de prevención de la lesión renal aguda asociada con la ciclosporina basada en redes neuronales profundas explicables y la monitorización terapéutica de fármacos

En este estudio, los investigadores se centrarán en pacientes hospitalizados que utilizan ciclosporina y desarrollarán un modelo de predicción del riesgo de lesión renal aguda mediante un análisis en profundidad de datos de registros médicos electrónicos, empleando métodos interpretables de aprendizaje profundo. Este modelo tiene como objetivo brindar apoyo oportuno a la toma de decisiones de los médicos con respecto a la prevención y el tratamiento. En comparación con los modelos tradicionales de aprendizaje automático, los modelos de redes neuronales profundas pueden extraer características más profundas de datos médicos complejos y realizar un reconocimiento de patrones más preciso, mejorando así la precisión y confiabilidad de las predicciones. Al desarrollar una herramienta de predicción basada en modelos interpretables de aprendizaje profundo, los investigadores podrán evaluar mejor la asociación entre el uso de inmunosupresores de clase CNI y la lesión renal aguda, explorar estrategias de prevención específicas y ofrecer una predicción más precisa y una guía de intervención para los médicos . Además, este estudio tiene importantes beneficios socioeconómicos y perspectivas prometedoras de aplicación y promoción.