Badania nad modelem ostrzegania o ryzyku i strategiami zapobiegania ostremu uszkodzeniu nerek związanemu z cyklosporyną w oparciu o wyjaśnialne głębokie sieci neuronowe i monitorowanie leków terapeutycznych

W tym badaniu badacze skupią się na hospitalizowanych pacjentach stosujących cyklosporynę i opracują model przewidywania ryzyka ostrego uszkodzenia nerek na podstawie dogłębnej analizy danych z elektronicznej dokumentacji medycznej, wykorzystując możliwe do zinterpretowania metody głębokiego uczenia się. Model ten ma na celu zapewnienie lekarzom wsparcia w podejmowaniu decyzji dotyczących profilaktyki i leczenia. W porównaniu z tradycyjnymi modelami uczenia maszynowego modele głębokich sieci neuronowych mogą wydobywać głębsze cechy ze złożonych danych medycznych i przeprowadzać bardziej precyzyjne rozpoznawanie wzorców, poprawiając w ten sposób dokładność i wiarygodność przewidywań. Opracowując narzędzie prognostyczne oparte na możliwych do interpretacji modelach głębokiego uczenia się, badacze będą w stanie lepiej ocenić związek między stosowaniem leków immunosupresyjnych klasy CNI a ostrym uszkodzeniem nerek, zbadać ukierunkowane strategie zapobiegania oraz zaoferować klinicystom dokładniejsze wskazówki dotyczące przewidywania i interwencji . Ponadto badanie to przynosi znaczne korzyści społeczno-ekonomiczne i obiecujące perspektywy zastosowania i promocji.