人工知能: 血液透析における CKD-MBD を分析するための新しい代替手段

血液透析患者では、カルシウム、リン酸塩、または副甲状腺ホルモンの血清濃度が KDIGO が推奨する値から逸脱すると、陰性の転帰が生じます。 カルシウム、リン酸、副甲状腺ホルモンの調節は複雑であり、各パラメーターは独立して調節されるわけではありません。 血液透析では、患者のこれら 3 つのパラメーターの同時変化は、異常なミネラル代謝の結果であり、これらの異常を修正するために使用される治療は、通常、複数のパラメーターの変化を引き起こします。 この研究の具体的な目的は、慢性腎臓病、代謝骨疾患における臨床的に関連するパラメーター間の複雑な関係を正確かつ徹底的に分析し、説明することです。 これらの目的を達成するために、大規模なデータベースから有用な知識を抽出できるランダム フォレストの機械学習アプローチを使用しました。 異なるパラメータ間の複雑な相互作用の分析には、ランダム フォレストなどの高度な数学的アプローチが必要です。 この研究の第 2 の目的は、カルシウム、リン酸塩、副甲状腺ホルモン、線維芽細胞成長因子 23、カルシトリオールが、人口統計的特徴、死亡率、併存疾患、および処方された治療法と長期的に関連しているかどうかを判断することです。 従来の統計分析で得られた予測と、人工知能に基づく新しいモデル分析で得られた予測を比較します。 私たちの予備的な結果は、特定の治療法の評価が単一のパラメーターの測定に基づくことができるかどうかを疑問視するのに十分なほど強力ないくつかのパラメーター間に相互作用があることを示唆しています。 その後、この新しいモデルの使用が心血管リスクを予測し、治療費を削減できるかどうかを、発症患者に対する前向き研究で分析する予定です。