Utvikling av syntetisk medisinsk datagenereringsteknologi for å forutsi postoperative komplikasjoner

<Utvikling av syntetisk medisinsk datagenereringsteknologi for å forutsi postoperative komplikasjoner>

For å utvikle en modell for å forutsi forekomst av komplikasjoner etter operasjon, er det nødvendig å etablere en kohort sammen med statistiske indikatorer knyttet til forekomst av komplikasjoner. Denne studien tar sikte på å kombinere syntetiske medisinske data basert på faktiske kliniske data og utvikle en prediktiv modell basert på syntetiske medisinske data.

Dette vil tillate forskere å utføre forskning kun med syntetiske data uten å forholde seg til faktiske medisinske data, slik at de kan bruke og behandle data uten juridiske begrensninger, og å lage så mye data de vil basert på ulike forhåndsbehandlede, standardiserte og merkede rådata.

Pasienter fra tre sykehus i Korea (Seoul National University Hospital, Seoul National University Bundang Hospital, Seoul Metropolitan City-Boramae Medical Center) ble registrert for studien.

Medisinske data (både kliniske og laboratoriemessige) fra 410 000 pasienter som ble utført kirurgi mellom 2005 og 2020 ble samlet inn for å evaluere ytelsen til prediksjonsmodellen ved å bruke AKI-basert prediksjonsmodellutvikling og ekstern verifisering.

Basert på de innsamlede pasientdataene ble syntetiske medisinske data kombinert ved hjelp av maskinlæringsalgoritmen, og anonymiteten og re-identifikasjonen av de syntetiserte medisinske dataene ble evaluert.

Også utviklingen av AI-basert prediksjonsmodell ved bruk av syntetiske medisinske data og den faktiske medisinske datamodellen ble sammenlignet.