文献

J-GLOBAL ID：202202281559939842   整理番号：22A0578177

感度解析に基づくSepsis検出のための説明可能モデルに向けて【JST・京大機械翻訳】

Towards an Explainable Model for Sepsis Detection Based on Sensitivity Analysis

著者 (2件)： Chen M. (The Laboratory of Medical Imaging and Artificial Intelligence, School of Biomedical Science and Medical Engineering, Southeast University, Nanjing, China) ,  Hernandez A. (Universite de Rennes, Inserm, LTSI - UMR 1099, Rennes, France)
資料名： IRBM  (IRBM)
巻： 43  号： 1  ページ： 75-86  発行年： 2022年 
JST資料番号： W3450A  ISSN： 1959-0318  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： Sepsisは,毎年の院内死亡および関連するヘルスケアコストの高い割合に関与する生命を脅かす状態である。早期治療が予後を改善する可能性があるので,敗血症エピソードの早期検出と治療が重要である。本研究は,敗血症発症の早期検出のための一連の機械学習モデルの解釈性を増加させるための独創的な方法を提案した。心臓病学チャレンジ2019におけるPhysioNet/Computingによって提供された集中治療室(ICU)でモニターされた40,336人の患者の電子カルテからのオープンデータを,本論文で使用した。データ前処理,特徴工学,モデル構築と調整,および最終段階のためのオリジナルの解釈可能性解析方法を含む方法を提案した。合計24のモデルを開発し,分析した。142の特徴に基づく最良のモデルは0.4274の効用スコアを達成した。最良のコンパクトモデルは20の選択された特徴のみを統合し,0.3862の効用スコアを提供した。一方,提案した感度解析法は,敗血症の発症を早期に検出するための最も関連するマーカーの同定,ならびにそれらの相互依存性および最終決定に対する相対的重要性を可能にする。高性能のリアルタイム方法で敗血症を早期に予測するための一組の最適化機械学習モデルを提案して,最も重要なバイオマーカーを含む解釈可能な情報を新規解釈方法を通して分析した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  *感度解析 ,  研究 ,  敗血症 ,  治療法 ,  予後 ,  ICU【医療】 ,  バイオマーカー ,  機械学習 ,  電子カルテ
準シソーラス用語： *Sepsis ,  早期治療 ,  病院死 ,  オープンデータ , 【Automatic Indexing@JST】

著者キーワード (4件)： 集中治療室(ICU) ,  ランダムフォレスト ,  説明可能なAI ,  感度解析

分類 (1件)： 感染症・寄生虫症の診断  (GD01020S)

タイトルに関連する用語 (3件)： 感度解析 ,  説明 ,  モデル