Development of virtual network of medical terms of chronic kidney disease

慢性肾脏病医学术语虚拟网络的开发

• 批准号: 22K08346
• 负责人: 神田 英一郎
• 金额: $ 2.66万
• 依托单位: Kawasaki Medical School
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-04-01 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22K08346/
• 关键词: 慢性腎臓病; 末期腎不全; 人工知能; ネットワーク; ビッグデータ; 深層学習; 自然言語処理; リーマン多様体; AI; 圏論

慢性腎臓病(CKD)患者の正確な予後予測は、病態解明において重要な課題である。大量の医学文献データと大規模患者データを最新の人工知能(AI)と数理学的手法を用いた解析でバーチャル空間内にCKD病態ネットワークを構築し、CKDの病態を解明することを目的として研究に着手した。成果(1)CKD患者の予後予測システムの開発・実装：アウトカム(末期腎不全または死亡)の発生を予測するため、Random ForestやeXtreme Gradient Boosting (XBG)などを用いた機械学習モデルを26種類開発した。最も予測能が高いモデルをサーバに搭載し、予後予測WEBシステムの実装に成功した(Kanda E. PLOS Digit Health)。成果(2) 合併症のあるCKD患者の予後：(2-1) 高K血症患者の予後予測；高カリウム血症エピソード後の死亡、透析および心血管イベントを予測するXGBモデルを開発した(Kanda E. Nutrients)。(2-2) 2型糖尿病患者の予後予測：2型糖尿病患者を対象に、糖尿病性腎症または心不全の発症を予測するXGBモデルを作成した。SHAP解析により危険因子を発見した(Kanda E. Sci Rep)。成果(3) 医学用語バーチャル空間の構造の解明：CKDに関する文献を自然言語処理AIにより構築した医学用語バーチャル空間はリーマン多様体を構成した。さらに空間内のCKD関連因子間の関係(多様体的距離)はアウトカム発生に相関した。この結果は第65回日本腎臓学会学術総会にて優秀演題賞を受賞し、米国応用数学会でニュースとして取り上げられた(SIAM News)。これらの成果によって、患者データおよび医学テキストデータのベクトル化を基盤としたCKDの病態ネットワーク構築の医学的意義が示された。今後は、このネットワークの開発を目指す。

The correct prognosis of patients with chronic kidney disease (CKD) is an important issue. A large number of medical literature, large-scale patient disease, the latest artificial intelligence (AI) and mathematical methods, the use of analysis, the construction of CKD pathologies, CKD pathologies, the purpose of research Results (1) Development and implementation of predictive systems for CKD patients: 26 types of development of predictive systems for end-stage renal insufficiency (end-stage renal insufficiency), Random Forest and eXtreme Gradient Boosting (XBG). The most predictive ability is to predict the success of the installation of the WEB site. PLOS Digit Health)。Outcome (2) Prognosis of CKD patients with comorbidities: (2-1) Prognosis of hyperkalemia patients; Prognosis of death, dialysis, and cardiovascular events after hyperkalemia (Kanda E. Nutrients)。(2-2)Prognosis for Type 2 Diabetes: The development of diabetes mellitus, diabetic nephropathy and cardiac insufficiency. SHAP analysis of the risk factors found (Kanda E. Sci Rep)。Results (3) Interpretation of the structure of medical terminology space: CKD related literature, natural speech processing AI, construction of medical terminology space, multi-body structure The relationship between CKD correlation factors in space (distance between multiple objects) is correlated with the occurrence of CKD. The results were awarded at the 65th Academic Conference of the Japanese Society of Nephrology, and at the American Society of Applied Mathematics (SIAM News) The results of this research show the significance of patient development and medical science in the development of CKD. In the future, the development of new products will be directed.

项目成果

医学用語バーチャル空間におけるCKD患者の腎生命予後エンドポイントの開発

医学术语虚拟空间中 CKD 患者肾脏寿命预后终点的制定

• 发表时间: 2022
• 作者: 神田英一郎;佐々木環;柏原直樹
• 通讯作者: 柏原直樹

step by stepで学ぶ 論文を「読む」ための医療統計

学习医学统计学，一步步“读懂”论文

• 发表时间: 2022
• 作者: 神田英一郎;佐々木環;柏原直樹;神田英一郎;神田 英一郎
• 通讯作者: 神田 英一郎

Nutritional Management in Elderly CKD Patients in Japan

日本老年 CKD 患者的营养管理

• DOI: 10.3177/jnsv.68.s76
• 发表时间: 2022
• 期刊: Journal of Nutritional Science and Vitaminology
• 影响因子: 1.6
• 作者: Kanda E;Epureanu B;Adachi T;Kashihara N.;Kanda E.
• 通讯作者: Kanda E.

AI・ICTを活用したCKD進行予測システムの開発

使用 AI/ICT 开发 CKD 进展预测系统

• 发表时间: 2022
• 作者: Tsubota H;Suzuki A;Makino M;Kanda E;Yajima T;Kidani Y;Morita N;Kanemata S.;神田英一郎
• 通讯作者: 神田英一郎

Machine-Learning Models to Predict CKD and HF in Type 2 Diabetes Patients.

预测 2 型糖尿病患者 CKD 和 HF 的机器学习模型。

• 发表时间: 2022
• 作者: Tsubota H;Suzuki A;Makino M;Kanda E;Yajima T;Kidani Y;Morita N;Kanemata S.
• 通讯作者: Kanemata S.