Utveckling av syntetisk medicinsk datagenereringsteknik för att förutsäga postoperativa komplikationer

<Utveckling av syntetisk medicinsk datagenereringsteknologi för att förutsäga postoperativa komplikationer>

För att utveckla en modell för att förutsäga förekomsten av komplikationer efter operation är det nödvändigt att upprätta en kohort tillsammans med statistiska indikatorer relaterade till förekomsten av komplikationer. Denna studie syftar till att kombinera syntetisk medicinsk data baserad på faktiska kliniska data och utveckla en prediktiv modell baserad på syntetisk medicinsk data.

Detta kommer att tillåta forskare att bedriva forskning endast med syntetiska data utan att ta itu med faktiska medicinska data, vilket gör det möjligt för dem att använda och bearbeta data utan juridiska begränsningar, och att skapa så mycket data som de vill baserat på olika förbearbetade, standardiserade och märkta rådata.

Patienter från tre sjukhus i Korea (Seoul National University Hospital, Seoul National University Bundang Hospital, Seoul Metropolitan City-Boramae Medical Center) registrerades för studien.

Medicinska data (både kliniska och laboratoriemässiga) från 410 000 patienter som opererades mellan 2005 och 2020 samlades in för att utvärdera prestandan hos prediktionsmodellen med hjälp av AKI-baserad utveckling av prediktionsmodell och extern verifiering.

Baserat på den insamlade patientdatan kombinerades syntetiska medicinska data med hjälp av maskininlärningsalgoritmen, och anonymiteten och återidentifieringen av de syntetiserade medicinska data utvärderades.

Dessutom jämfördes utvecklingen av AI-baserad förutsägelsemodell med hjälp av syntetisk medicinsk data och den faktiska medicinska datamodellen.