透析医学におけるAIへの期待

   

現代の薬科学は技術の利用に強く依存している。
この技術革新の一部は、人体の検査と測定を改善することを目指している。
最も驚くべき技術的進歩は、非侵入型方法論の進歩に見いだされることだ。
もう1つの部分は、明示的な病状の治療に役立つガジェットの開発に焦点を当てていること。
その好例が人工腎臓だ。

人工腎臓のリスクと対策

人工腎臓はさまざまな方向からの集中的な研究の対象となり、透析患者にとって信じられないほどの”願望”を生み出している。
人工腎臓に関する研究はまだ始まったばかりで、そしてそれが腎臓病学の現実そして臨床診療の一部になることになる前に解決されなければならない多くの課題がある。
重要な問題の1つは、これらの新しい透析装置の顧客の健康に関するものだ。
安全上のリスクにより、効果的なモニタリングの枠組みが必須になる。

透析の実情

腎臓病はおよそ3000万人のアメリカ人に影響を及ぼしている。
およそ15,000人のバージニア人を含むこれらの人々のうち約65万人が末期の腎疾患の悪影響を経験しており、長期間の透析、血液の機械的浄化を必要としている。
バージニア大学は、州内の11の透析クリニックでこれらの患者のうち900人以上について考えている。

UVAの透析フレームワークの腎臓専門医兼ディレクターであるDr. Brendan Bowmanによると、透析患者は、切迫した病気を患う多数の患者よりも高い入院率、高い医療サービス費用、および高い死亡率に苦しんでいる。

「この治療のための経費をさらに削減しながら、治療結果を改善したい」

とDr. Brendan Bowmanは述べている。

医師とエンジニアと手を結ぶ

これを行うために、Bowmanと他の医師は、UVAフレームワークのデータ科学者やエンジニアと協力して、薬物投与の慣習を改善するための予測システムを作成している。
この研究は、バージニア州の革新技術センターによっても、より良い結果を得るために、臨床医とエンジニアを結び付ける、UVAのEngineering in Medicineプログラムによって助成されている。

ポイントオブケアで患者を取り囲む豊富な技術的ガジェットの結果は、電子的な工夫で情報を永続的に生成することであり、したがって、そのようなデータを最終的に価値のある知識に変えるための分析技術が求められている。*

*
要するに、計測機器は十分発達・普及したが、それらから得られるデータを”どう扱えばいいか”課題があり、そのためのテクノロジーが必要ということだ。

そして分析ツールとしては、人工知能の分野が今最も際立つ結果を出している。

ミッションの課題を適切に定義すること

腎臓病は、さまざまな理由で発生する可能性があるが、一般的には、糖尿病や高血圧など、他の慢性疾患によって臓器に負担がかかることが原因だ。
しばらくすると、腎臓が血液から不純物を排出する能力が低下し、患者が1週間に3回透析を必要とする時点まで低下する。
これには通常、診療所への訪問、透析装置との付き合い、最後の少しの間の血液の通過、毒素および汚染物質の洗い流し、そして身体への返送が含まれる。
末期の腎臓病を患っている患者はしばしば永遠に、あるいは運が良ければ腎臓移植を経験するまでこれを行うべきだ。

末期腎臓病の患者は一般に貧血の悪影響を経験し、それは様々な苦痛の中で、息切れ、疲労、失調およびめまいを引き起こし得る。
臨床医は、高価な注射薬、その中のエリスロポエチンのボスで貧血を治療する。
これは、健常な腎臓が定期的に処理する赤い血小板の生成をアニメートするためだ。

この研究の最初の発見である9か月間のパイロットプロジェクトでは、UVA透析の枠組みが低赤血球の治療を改善すると同時に、高価な貧血治療薬の無用な利用を25%減らすことを推奨している。
これにより、透析患者の生活の質が向上し、UVA Health Systemの潜在的な節約額が毎年75万ドルから100万ドルになる可能性がある。

しかし、どれだけの処方箋を活用するのか、だけが大事というわけではない。
それは科学と同じくらいテクニカルな話だ。
すべての患者は独特で、他の患者よりも多くの薬を必要とし、臨床医は何ヶ月もかけて投与量を微調整し、患者が赤血小板チェックを通常に近い状態に戻すのに十分な処方を得るサイクルでその「スイートスポット」を見つける必要がある。
しかしながら、患者が破壊的な症状に遭遇するよりも少ないか、または高価な薬物療法の効率が悪い。

古いデータ分析から抜け出せ

Brownによると、これは根本的に制御の問題であり、これは古いスタイルのエンジニアリングだ。
最新のエンジニアリングなら、過去のデータを利用して、将来の状況に影響を与えるための現在の決定にどう対処するかを教育することができる。
目的は、臨床医が以前の膨大なデータサンプルから収集したものに応じて、患者の赤血球数をより正確に管理し予測できるようにするためのフレームワークを構築することが目下の課題である。

Bowmanは、10年かけて3,000人の患者の範囲で記録を取ることによって大量の情報を持っている。
広い範囲の条件下で完璧な投与レベルを発見するためにこれらの治療記録をフィルタリングすることは、洗練された情報分析システムを必要とする、大変な作業だ。

原文

業界ごとに記事を読む

さらに学ぼう!

PAGE TOP