マイページに保存

最終更新日：2019/10/31

ヘルスケアにおけるAIは、ケアと診断の多くの分野を進めているが、マラリアの臨床的リスクと重症度の予測に関しても役立つだろう。

発表されたこと

Imperial College Londonの研究者らは、マラリアで入院した約3,000人のガンビア人の子供たちのサンプルで、重症のマラリアと関連する臨床的特徴のパターンを検出するために、機械学習とモデルベースの推論ツールを適用した。彼らの調査結果はnpj Digital Medicineに掲載された。

研究者によると、重症マラリアは年間400,000人以上の命を奪い、そのほとんどがアフリカの子供たちである。しかし、ベルゲン大学准教授Iain G. Johnstonと彼の同僚によれば、重症マラリアに至る一連の事象はあまり理解されておらず、マラリアによるリスクと死亡の決定要因が臨床研究でめったにとらえられることはないという。

研究者らは、患者の予後を予測することができる臨床的要因を学ぶために相互情報量（MI：mutual information）を使用した。彼らはまた、HyperTraPS（hypercubic transition path sampling：超立方遷移経路サンプリング）アルゴリズムを使用して、疾患進行の確率的経路を作成した。重症度の臨床的特徴を用いて、患者を呼吸困難、脳マラリア、重症貧血の3つのカテゴリーに分類し、それらの特徴と死亡との関連付けをした。

研究者は，脳マラリアの子供たちが最も高い死亡リスクを持っていたことと、そうでないことは死の可能性を「有意に」減らした、と書いた。また，呼吸困難は脳マラリアの有無にかかわらずそれらのための死の確率を高めた。脳マラリアと呼吸器系マラリアの両方を有する患者における次の有益な予後特徴である輸血は、死亡率を減らすように思われた。

研究者らは，臓器が血液から感染を除去しようとしていたため、脾臓が肥大した患者の方が予後良好であることも発見した。

死亡を予測した特徴を特定することを超えて、彼らは11人の経験豊富な臨床医によって検証されたデータ主導のアプローチで死亡に至った一連の出来事を調べた。

今後の展望

「この新しいアプローチは、個々の危険因子の単なるスナップショットではなく、疾患進行の学習経路についての完全な確率論的情報を捉え、以前の患者の病歴が新しい患者の臨床分析に情報を提供することを可能にする。テストデータセットで検証されたこのアプローチは、精密医療の目標に合致し、利用可能な生物医学データを最大限に活用する。私達はそれがまた他の多くの病気や臨床的状況でも使用されるかもしれないと予想している。」とJohnstoneらは書いた。

原文
AI advances malaria prediction outcomes

July 23, 2019 | Amy Baxter | Research
https://www.aiin.healthcare/topics/research/ai-advances-malaria-prediction-outcomes

マイページに保存