Rozwój technologii generowania syntetycznych danych medycznych w celu przewidywania powikłań pooperacyjnych

<Opracowanie technologii generowania syntetycznych danych medycznych do przewidywania powikłań pooperacyjnych>

W celu opracowania modelu przewidywania wystąpienia powikłań pooperacyjnych konieczne jest ustalenie kohorty wraz ze wskaźnikami statystycznymi dotyczącymi występowania powikłań. To badanie ma na celu połączenie syntetycznych danych medycznych opartych na rzeczywistych danych klinicznych i opracowanie modelu predykcyjnego opartego na syntetycznych danych medycznych.

Umożliwi to naukowcom prowadzenie badań wyłącznie z danymi syntetycznymi bez zajmowania się rzeczywistymi danymi medycznymi, co pozwoli im wykorzystywać i przetwarzać dane bez ograniczeń prawnych oraz tworzyć dowolną ilość danych na podstawie różnych wstępnie przetworzonych, znormalizowanych i oznakowanych nieprzetworzonych danych.

Do badania zakwalifikowano pacjentów z trzech szpitali w Korei (Seoul National University Hospital, Seoul National University Bundang Hospital, Seoul Metropolitan City-Boramae Medical Center).

Dane medyczne (zarówno kliniczne, jak i laboratoryjne) od 410 000 pacjentów, którzy przeszli operację w latach 2005-2020, zostały zebrane w celu oceny wydajności modelu predykcyjnego przy użyciu rozwoju modelu predykcyjnego opartego na AKI i zewnętrznej weryfikacji.

Na podstawie zebranych danych pacjentów, za pomocą algorytmu uczenia maszynowego połączono syntetyczne dane medyczne oraz oceniono anonimowość i ponowną identyfikację zsyntetyzowanych danych medycznych.

Porównano również rozwój modelu predykcyjnego opartego na sztucznej inteligencji z wykorzystaniem syntetycznych danych medycznych i rzeczywistego modelu danych medycznych.