Искусственный интеллект: новая альтернатива анализу CKD-MBD при гемодиализе

У больных, находящихся на гемодиализе, отклонения сывороточной концентрации кальция, фосфата или паратиреоидного гормона от значений, рекомендованных KDIGO, связаны с отрицательным исходом. Регуляция кальция, фосфата и паратгормона сложна, и каждый параметр не регулируется независимо. При гемодиализе одновременные изменения этих трех параметров у пациента являются результатом аномального минерального обмена и лечения, используемого для коррекции этих аномалий, которые обычно вызывают изменения более чем одного параметра. Конкретной целью этой работы является точный и исчерпывающий анализ и описание сложных взаимосвязей между клинически значимыми параметрами метаболизма при хроническом заболевании почек при заболеваниях костей. Для достижения этих целей мы использовали подход машинного обучения Random Forest, способный извлекать полезные знания из большой базы данных. Анализ сложных взаимодействий между различными параметрами требует продвинутого математического подхода, такого как случайный лес. Вторая цель этого исследования - определить, связаны ли кальций, фосфат и паратгормон, фактор роста фибробластов 23 и кальцитриол в долгосрочной перспективе с демографическими особенностями, смертностью, сопутствующими заболеваниями и назначенной терапией. Сравните прогнозы, полученные с помощью обычного статистического анализа, с анализом новой модели, основанной на искусственном интеллекте. Наши предварительные результаты показывают, что существуют взаимодействия между некоторыми параметрами, которые достаточно сильны, чтобы задаться вопросом, может ли оценка данной терапии основываться на измерении одного единственного параметра. Впоследствии мы проанализируем в проспективном исследовании пациентов с инцидентом, может ли использование этой новой модели предсказать сердечно-сосудистый риск и снизить стоимость терапии.