pyAKI – An Open Source Solution to Automated KDIGO classification

要約

急性腎損傷（AKI）は重症患者に頻繁に起こる合併症で、集中治療室にいる患者の最大 50% が罹患しています。
腎臓病改善全体的転帰 (KDIGO) 基準を時系列データに適用するための標準化されたオープンソース ツールが不足しているため、ワークロードと研究の品質に悪影響を及ぼします。
このプロジェクトでは、一貫した KDIGO 基準の実装のための包括的なソリューションを提供することで、このギャップに対処するオープンソース パイプラインである pyAKI を導入します。
pyAKI パイプラインは、救命救急研究で一般的に使用されるデータベースである集中治療用医療情報マート (MIMIC)-IV データベースのサブセットを使用して開発および検証されました。
再現性を確保するために、標準化されたデータ モデルを定義しました。
専門家のアノテーションに対する検証により、KDIGO 基準の実装における pyAKI の堅牢なパフォーマンスが実証されました。
比較分析により、人間のラベルの品質を超える能力が明らかになりました。
この研究では、高精度とパフォーマンスの時系列データを使用した AKI 診断のための KDIGO 基準を実装するためのオープンソース ソリューションとして pyAKI を紹介します。

要約(オリジナル)

Acute Kidney Injury (AKI) is a frequent complication in critically ill patients, affecting up to 50% of patients in the intensive care units. The lack of standardized and open-source tools for applying the Kidney Disease Improving Global Outcomes (KDIGO) criteria to time series data has a negative impact on workload and study quality. This project introduces pyAKI, an open-source pipeline addressing this gap by providing a comprehensive solution for consistent KDIGO criteria implementation. The pyAKI pipeline was developed and validated using a subset of the Medical Information Mart for Intensive Care (MIMIC)-IV database, a commonly used database in critical care research. We defined a standardized data model in order to ensure reproducibility. Validation against expert annotations demonstrated pyAKI’s robust performance in implementing KDIGO criteria. Comparative analysis revealed its ability to surpass the quality of human labels. This work introduces pyAKI as an open-source solution for implementing the KDIGO criteria for AKI diagnosis using time series data with high accuracy and performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google