ニューラルネットワークに基づく重症COVID-19患者の予測

コロナウイルス感染症2019（COVID-19）は、侵襲的機械的換気を必要とする高い呼吸不全率のため、特に集中治療室（ICU）に前例のない負担をもたらしました。 長期の機械的換気と死亡率のリスクがある患者の早期特定は、リソース配分と臨床的意思決定を最適化するために重要です。

この後ろ向きコホート研究は、ICUに入院したCOVID-19患者の機械的換気期間と院内死亡率を予測する人工ニューラルネットワーク（ANN）モデルを開発・評価することを目的としました。

ガジアンテップ大学臨床研究倫理委員会の承認後（決定番号：2024/07、日付：2024年1月17日）、 2020年2月1日から2020年6月30日までにICUに入院した113人の成人患者のデータを後ろ向きに分析しました。 人口統計学的特徴、併存疾患、バイタルサイン、検査パラメータ、重症度スコア（例：APACHE、SOFA）、治療方法、および臨床転帰を医療記録から抽出しました。

人工ニューラルネットワークモデルは、市販のソフトウェア（Alyuda NeuroIntelligence、Alyuda Research Inc.、ロスアルトス、カリフォルニア州、米国）を使用して開発されました。 クイックプロパゲーション、共役勾配降下法、限定メモリ準ニュートン法、オンラインバックプロパゲーション、バッチバックプロパゲーションを含む複数のトレーニングアルゴリズムがテストされました。 モデルの性能は10分割交差検証を使用して評価されました。 死亡率の予測精度と機械的換気期間の相関性能が計算されました。 比較のために、重回帰分析と二項ロジスティック回帰を含む古典的な統計手法も実施されました。

主要目的は、ICU死亡率に対するANNモデルの予測性能を評価することでした。 副次目的は、機械的換気期間の推定におけるANNの性能を評価することでした。 この研究はヘルシンキ宣言に従って実施されました。