심부전 환자의 재입원 위험 예측 알고리즘 개발

심부전은 인구 고령화로 인해 유병률이 증가하고 있는 만성질환이다. 프랑스에서 이 병리의 유병률은 2.3%(75년 동안 10%에 도달)이며 거의 백만 명의 환자에게 영향을 미칩니다.

심부전 환자의 재입원은 퇴원 후 1-3개월 이내에 환자의 25%, 1년에 66%에 영향을 미치며 입원의 75%는 예방 가능합니다. 이러한 재입원은 삶의 질을 저하시키고 사망률을 증가시킵니다. 경제적인 관점에서 보면 심부전 관리와 관련된 비용의 70%는 입원비가 차지한다. 따라서 재입원을 피하는 것은 중요한 공중 보건 문제입니다. 재입원에 대한 위험 요소가 이미 수많은 연구의 대상이 되었음에도 불구하고 현재의 예측 점수는 완벽하게 유지됩니다. 재입원 위험이 있는 환자의 식별은 특히 좌심실 구혈률이 보존된 환자의 경우 여전히 문제입니다. 적절한 치료가 필요한 환자를 대상으로 하는 것은 여전히 ​​문제입니다.

건강 분야의 빅 데이터를 중심으로 한 혁신적인 통계 기술의 부상은 예를 들어 예측 분야에서 전자 의료 기록에서 사용할 수 있는 데이터의 과학적 활용에 대한 새로운 관점을 열어줍니다. 본 연구는 의무기록에서 수집되는 일상적인 데이터를 분석하고 인공지능 알고리즘을 동원하여 심부전 환자의 재입원 위험성을 탐색하는 것을 목적으로 한다. 문헌을 검토하면 이러한 접근 방식의 혁신적 특성이 확인됩니다. 식별된 연구의 대부분은 전향적인 데이터 수집을 구현했습니다. 연구의 20%만이 의료 파일을 동원했습니다. 어떤 프랑스 연구도 새로운 기계 학습 알고리즘을 사용하지 않았습니다.