文献

J-GLOBAL ID：201902285170358271   整理番号：19A2336531

尿路感染症の検出を損なわない診断作業負荷を低減するための人工知能の使用【JST・京大機械翻訳】

Using artificial intelligence to reduce diagnostic workload without compromising detection of urinary tract infections

著者 (6件)： Burton Ross J. (Department of Infection Sciences, Severn Pathology, Bristol, UK) ,  Burton Ross J. (Division of Infection and Immunity, School of Medicine, Cardiff University, Cardiff, UK) ,  Albur Mahableshwar (Department of Infection Sciences, Severn Pathology, Bristol, UK) ,  Eberl Matthias (Division of Infection and Immunity, School of Medicine, Cardiff University, Cardiff, UK) ,  Eberl Matthias (Systems Immunity Research Institute, Cardiff University, Cardiff, UK) ,  Cuff Simone M. (Division of Infection and Immunity, School of Medicine, Cardiff University, Cardiff, UK)
資料名： BMC Medical Informatics and Decision Making (Web)  (BMC Medical Informatics and Decision Making (Web))
巻： 19  号： 1  ページ： 1-11  発行年： 2019年 
JST資料番号： U7433A  ISSN： 1472-6947  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 診断研究室における微生物学的スクリーニングの実質的な割合は尿路感染症(UTI)の疑いによるものであるが,尿試料の約2/3は典型的に陰性培養結果をもたらす。真の微生物感染があるそれらに集中するために,培養されて,診断サービスを可能にする質問サンプルの数を減らすことによって,サービスの効率における有意な改善が可能である。培養前の尿試料に対するスクリーニングプロセスを,英国,ブリスタルとバースの3つの病院とコミュニティサービスをカバーする単一臨床微生物学研究室でモデル化した。1年間にわたる全尿顕微鏡,培養,および感度報告の遡及的分析を用いて,2つの分類法を比較した:白血球数と細菌数の組み合わせを用いた発見的モデルと,個体群統計学,歴史的尿培養結果,および試料による臨床的詳細を含む独立変数における因子を試験する機械学習アプローチ。。3つのアルゴリズム(ランダムフォレスト,ニューラルネットワーク,Extreme Gradient Boosting)を試験した。合計212,554の尿報告を分析した。初期の知見は,機械学習アルゴリズムを使用する可能性を示した。それは,分類感度>95%で達成された相対的作業負荷低減の観点から,発見的モデルを上回った。サブ集団の分類感度の更なる分析により,妊娠患者と子供(年齢11歳以上)からの試料は独立した評価を必要とすると結論した。最初に,分類プロセスからの妊娠患者と子供の除去を研究したが,これは達成された作業負荷低減を減少させた。最適解は,妊娠患者,子供,および他のすべての患者の分類のために独立に訓練された3つの極端な放射性ブースティングアルゴリズムであることがわかった。組み合わせると,このシステムは,層別化された患者グループの各々に対して41%の相対的な作業負荷低減と95%の感度を与えた。達成されたかなりの時間とコスト節約に基づいて,診断性能を損なうことなく,発見的モデルは,Bristol Pathologyでの診断研究室におけるルーチンの臨床診療において成功裏に実行された。著者らの研究は,需要が公衆衛生プロバイダの資源をしばしば上回る時に,時間におけるサービス効率の改善における教師つき機械学習モデルの潜在的応用を示した。Copyright 2019 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  英国 ,  培養 ,  子供 ,  層別 ,  スクリーニング ,  コミュニティ ,  機械学習 ,  モデル ,  モデリング ,  *診断 ,  妊娠 ,  公衆衛生
準シソーラス用語： ISP【インターネット】 ,  遡及的解析 , 【Automatic Indexing@JST】

分類 (1件)： 医用情報処理  (JE15030Q)

引用文献 (34件)：

• Carter, Patrick (House of Lords, NHS Improvement). Report of the Review of NHS Pathology Services in England. 2006.https://www.networks.nhs.uk/nhs-networks/peninsula-pathology-network/documents/CarterReviewPathologyReport.pdfAccessed Nov 2018.
• Public Health England. SMI B 41: investigation of urine. In: UK Standard for Microbiology Investigations. 2014. https://www.gov.uk/governmen Accessed Nov 2018.
• Clin Chim Acta; Evaluation of the SediMax automated microscopy sediment analyzer and the Sysmex UF-1000i flow cytometer as screening tools to rule out negative urinary tract infections; M Inigo, A Coello, G Fernandez-Rivas, M Carrasco, C Marco, A Fernandez; 456; 2016; 31-35; 10.1016/j.cca.2016.02.016; citation_id=CR3
• J Clin Microbiol; Bacteriuria screening by automated whole-field-image-based microscopy reduces the number of necessary urine cultures; R Falbo, MR Sala, S Signorelli, N Venturi, S Signorini, P Brambilla; 50; 4; 2012; 1427-1429; 10.1128/JCM.06003-11; citation_id=CR4
• PLoS One; Predicting urinary tract infections in the emergency department with machine learning; RA Taylor, CL Moore, K-H Cheung, C Brandt; 13; 3; 2018; 10.1371/journal.pone.0194085; citation_id=CR5

タイトルに関連する用語 (4件)： 尿路感染症 ,  診断 ,  作業負荷 ,  人工知能