Медицинский университет Саппоро и Fujitsu проводят совместные научные исследования с ИИ

Медицинский университет Саппоро и Fujitsu

Медицинский университет Саппоро, Fujitsu Limited и Fujitsu Hokuriku Systems Limited объявили сегодня, что в этом месяце они начнут разработку модели машинного обучения искусственного интеллекта для оптимизации назначения пероральных гипогликемических лекарств для лечения диабета в рамках совместных исследований по использованию искусственного интеллекта в клинической практике.

Этот совместный научно-исследовательский проект направлен на поддержку медицинского обследования и лечения путем прогнозирования воздействия лекарств на больных сахарным диабетом. Применяя машинное обучение к значениям теста пациента и данным рецепта пероральных гипогликемических препаратов, вроде лечения диабета, организации стремятся разработать технологию, которая может предсказать результаты лечения.

Это делается для того, чтобы поддерживать уровень HbA1c ниже 7,0%, что является общей целью предотвращения осложнений при диабете. Целевые данные состоят из информации, хранящейся в системах, включая электронные системы медицинских записей и хранилища диагностических данных.

Ожидается, что эта технология позволит выбрать и назначить пероральные гипогликемические препараты, оптимизированные для пациентов, которые не нуждаются в приготовлении инсулина, принимая во внимание комбинации лекарственных препаратов и другие факторы.

В дальнейшем эти три организации будут и далее улучшать точность и общую применимость результатов этого проекта, а также будут совместно проводить научно-исследовательские и опытно-конструкторские работы в области технологии искусственного интеллекта для лечения других заболеваний.

Подготовка к использованию

Ожидания, связанные с использованием ИИ в медицинской сфере, в последнее время возрастают, и есть надежда на скорейшее внедрение ИИ в лечение заболеваний, связанных с образом жизни, включая диабет, с целью профилактики и повышения эффективности лечения.

Диабет требует постоянного контроля для поддержания уровня глюкозы в крови в пределах нормы, при этом целью лечения является поддержание уровня HbA1c менее 7,0%, что является общей целью предотвращения осложнений.

Для достижения этого важно надлежащим образом обеспечить медикаментозное лечение с использованием пероральных гипогликемических препаратов или препарата инсулина, в дополнение к общим методам лечения, включая диету и физические упражнения.

Однако при длительном лечении существующие заболевания могут привести к осложнениям в состоянии пациента, и среди множества различных пероральных гипогликемических лекарственных средств в настоящее время не существует установленного метода определения рецептов в свете таких соображений, как отбор, комбинации, последовательность и побочные эффекты лекарств.

Резюме совместных исследований и разработок

Основываясь на клинических данных, технологии создания наборов данных и технологии искусственного интеллекта исследовательской группы, в которую входят клиницисты и инженеры искусственного интеллекта, это три организации: Больница медицинского университета Саппоро, Fujitsu и Fujitsu Hokuriku Systems.

Они создадут входной набор данных из больших объемов клинические данные, хранящиеся в таких системах, как электронные системы медицинской документации и хранилища клинических данных, также создадут модель машинного обучения искусственного интеллекта, основанную главным образом на программном обеспечении с открытым исходным кодом, и оценивают применимость системы.

Пробные детали

Машинное обучение будет проводиться с использованием набора данных, извлеченного из хранилищ клинических данных и инструментов бизнес-аналитики, в которых хранится такая информация, как медицинские записи, значения тестов и данные о назначениях для примерно 5000 пациентов с диабетом, обследованных в больнице Саппоро медицинского университета, в формат, который удаляет личную информацию.

Этот процесс машинного обучения создаст обученные модели, которые будут предсказывать эффекты лекарств. Эти обученные модели будут оцениваться по таким показателям, как площадь под кривой (AUC), точность и воспроизводимость, демонстрирующие их эффективность. Они также будут оцениваться на предмет их способности вносить вклад в оптимизацию назначения пероральных гипогликемических препаратов.

Разрабатываемая технология

Технология создания высокоточного набора данных Набор данных будет создан на основе данных рецепта для пероральных гипогликемических лекарств, а также значений тестов для подопытных пациентов. Как часть создания этого набора данных, статус контроля уровня глюкозы в крови пациентов будет выражен с использованием колебаний уровней HbA1c во времени.

Создание обученных моделей с помощью технологии ИИ

Используя набор данных, созданный с помощью предыдущей технологии, организации будут создавать обученные модели для прогнозирования эффектов лечения, используя машинное обучение для обучения моделей взаимосвязям, таким как значения тестов, типы и комбинации лекарств, а также успех или неудача лечения.

Кроме того, поскольку важно, чтобы на основе выводов, сделанных с помощью технологии искусственного интеллекта, было легко понять компьютерные системы, которые будут формировать основы общества, такие как информационные системы больниц, организации будут выбирать алгоритмы, которые будут использоваться в рассмотрение. Ожидается, что это позволит выявить клинические данные, скрытые в данных рецепта и значениях теста, что позволит выбрать методы лечения, подходящие для отдельных пациентов.

Видение будущего

Организации ожидают, что в ближайшем будущем результаты, полученные от совместных исследований и разработок, позволят клиницистам выбирать лекарства, подходящие для отдельных пациентов.

Это будет происходить путем отображения информации, предсказанной технологией ИИ, такой как вероятность того, что выбор определенных пероральных гипогликемических препаратов сделает пациенту легче.

Кроме того, соединяя эту систему с системой электронных медицинских карт Fujitsu, организации стремятся внести свой вклад в повышение качества медицинских услуг путем повышения эффективности процесса выписки рецепта врачом.

Автор статьи: Виктор Булавин