新生児生物学ジャーナル

概要

機械学習の手法は、未熟児や臨床医の抜管結果を予測できるでしょうか?

マルティナ・ミュラー、ジョナス・S・アルメイダ、ロメッシュ・スタニスラウス、キャロル・L・ワグナー

理由: 人工呼吸器の補助を受けている未熟児の治療は過去数十年で大きく進歩しましたが、特定の時点での抜管結果を予測することは依然として困難です。抜管結果の予測因子を特定するために多数の研究が行われてきましたが、抜管に失敗する乳児の割合は減少していません。目的: 一連の機械学習アルゴリズムを使用して、未熟児の抜管結果を予測する意思決定支援ツールを開発すること。方法: 人工呼吸器を使用している未熟児 486 人から収集したデータセットを使用して、人工ニューラル ネットワーク (ANN)、サポート ベクター マシン (SVM)、ナイーブ ベイズ分類器 (NBC)、ブースト決定木 (BDT)、多変量ロジスティック回帰 (MLR) などの機械学習アルゴリズムを使用した予測モデルを開発しました。すべてのモデルのパフォーマンスは、曲線下面積 (AUC) を使用して評価しました。結果：一部のモデル（ANN、MLR、NBC）の結果は満足できるものでした（AUC：0.63～0.76）。ただし、2 つのアルゴリズム（SVM と BDT）は AUC が約 0.5 とパフォーマンスが低かったです。結論：データの複雑さと、機械学習アルゴリズムの開発に入力として使用される臨床データでは捕捉されない可能性があるコンテキスト情報のため、臨床医の予測は依然として機械学習よりも優れています。今後の研究で前処理手順を含めると、予測モデルのパフォーマンスが向上する可能性があります。