重要な患者における急性腎障害の予測におけるAI予測モデルの評価

急性腎障害（AKI）は、入院患者の最も重度で、一般的で、生命を脅かす合併症であり、罹患率と死亡率が高いことに関連しています[1]。 AKIは重症患者、特に集中治療室（ICU）の患者の約30〜60％に影響を与えることが実証されています[1]。 臨床ケアと透析技術の最近の進歩にもかかわらず、ICU患者のAKIの発生は最大50％の死亡率を持っています。これはAKIのないICU患者の1.5〜2倍です[2、3]。 しかし、迅速に検出および管理された場合、Kdigoが提供するような確立された推奨事項によって導かれた介入は、AKI患者のさらなる劣化のリスクを軽減する可能性があります[4]。 したがって、AKIのリスクが高い個人を特定することは、重症患者を管理するために不可欠です。

人工知能（AI）および機械学習（ML）は、大量の健康関連データを使用して、医師がより良い臨床決定を行い、個々の健康結果を改善できるようにする可能性のある新興技術を表しています。 血清クレアチニン（SCR）と尿の出力はAKIの診断基準として機能しますが、検出の遅延が発生する可能性があります。 したがって、AKIを発症するリスクのある患者の早期の特定は、予防介入のための窓を作成し、さらなる悪化のリスクを軽減するために重要です。 いくつかの以前の研究では、AKIの早期検出の潜在的な利点のために、重症患者のAKIを予測するためのさまざまなMLベースのモデルを開発しました[5、6]。 MLを取り巻く謎を取り除くことは重要です。なぜなら、医師がML [7]の背後にある理由を理解することがより簡単になるため、MLを取り巻く謎を除去することが重要です。 MLが選択を行う理由を説明するために、説明可能なAI（XAI）と呼ばれる新しいフィールドが登場しました。 説明するための最も一般的な方法の2つは、局所的な解釈可能なモデルに依存しない説明（LIME）とShapley Additive説明（SHAP）[8、9]です。 新しい解釈可能なアプローチは、手術中の低酸素血症を予防するためのMLモデルを説明するために効果的に利用されており[10]、敗血症とAKIの死亡率の予測[9、11]、心臓手術後のAKIの発生[12]、および抗生物質耐性の予測[13]。

私たちの知る限り、重大な病気の患者のAKIを検出するための説明技術の信頼性と堅牢性はめったに研究されていません。 したがって、本研究は、ICU患者のAKIの早期予測のためのMLアプローチを構築し、XAIを適用してMLをより透明で解釈可能にするために実施されました。