札幌医科大学，富士通有限公司和富士通北陆系统有限公司今天宣布，本月他们将开始开发AI机器学习模型，以优化糖尿病治疗中口服降糖药的处方，作为AI与临床一起使用的联合研究的一部分数据。

该联合研发项目旨在通过AI预测药物对糖尿病患者的影响来支持医学检查和治疗。通过将机器学习应用于患者测试值和口服降糖药(一种糖尿病治疗)的处方数据，该组织旨在开发可预测治疗效果的技术。这样做是为了使HbA1c水平(1)低于7.0%，这是预防糖尿病并发症的常见目标。目标数据包括存储在系统中的信息，包括电子病历系统和诊断数据仓库(2)。

预计该技术可以选择和开出针对不需要胰岛素制剂的患者优化的口服降糖药，同时考虑药物和其他因素的组合。

展望未来，这三个组织将进一步提高该项目成果的准确性和普遍适用性，并将共同开展人工智能技术在其他疾病方面的研发应用。

背景

人们对医学领域使用人工授精的期望最近一直在增加，人们希望早期实施人工智能治疗生活方式疾病，包括糖尿病，以预防和提高治疗效率。糖尿病需要持续控制以将血糖水平保持在正常范围内，治疗目标是维持HbA1c水平低于7.0%，这是预防并发症的共同目标。

为了实现这一点，除了一般的治疗方法，包括饮食和运动之外，重要的是使用口服降糖药或胰岛素制剂适当地提供药物治疗。然而，在长期治疗中，共存的疾病会导致患者病情的复杂性，并且从许多不同的口服降糖药中，目前还没有确定的方法来根据选择，组合等因素来确定口服降糖药的处方。测序和药物的副作用。

联合研究与发展综述

基于以临床医生和人工智能工程师为中心的研究小组的临床见解，数据集创建技术和人工智能技术，札幌医科大学医院，富士通和富士通北陆系统的三个组织将创建大量的输入数据集。存储在诸如电子病历系统和临床数据仓库的系统中的临床数据，主要基于开源软件构建AI机器学习模型(3)，并评估系统的适用性。

1.试用细节

机器学习将使用从临床数据仓库和商业智能工具(4)中提取的数据集作为训练数据进行，该数据集包含在札幌医科大学医院检查的约5,000名糖尿病患者的医疗记录，测试值和处方数据等信息。删除个人信息的格式。该机器学习过程将创建训练模型，以预测药物的影响。这些经过训练的模型将根据诸如曲线下面积(AUC)(5)，准确度和可复制性等措施进行评估，以证明其性能。他们还将评估他们有助于优化口服降糖药物处方的能力。

2.正在开发的技术

1.创建高度准确的数据

集的技术将根据口服降糖药的处方数据以及受试者患者的测试值创建数据集。作为该数据集的创建的一部分，将使用HbA1c水平随时间的波动来表达受试者患者的血糖控制状态。

2.通过AI技术创建训练模型

使用先前技术创建的数据集，组织将创建训练模型来预测治疗效果，通过使用机器学习来训练模型之间的关系，如测试值，类型和基于HbA1c水平变化模式的药物组合和治疗成功或失败的结果。此外，由于人工智能技术的推论基础必须易于在构成社会基础的计算机系统中理解，例如医院信息系统，因此组织将选择要用于的算法。考虑。

预计这将揭示隐藏在处方数据和测试值中的临床见解，从而可以选择适合个体患者的治疗方法。

3.展望未来

该组织希望，在不久的将来，通过这项联合研究和开发获得的结果将使临床医生能够通过显示AI技术预测的信息来选择适合个体患者的药物，例如选择某些口服降糖药物的可能性。根据个体特征，患者更容易安全有效地控制未来的血糖水平。

此外，通过将该系统与富士通的电子病历系统连接，该组织旨在通过提供临床医生处方过程中的更高效率来为更好的医疗服务做出贡献。

[1] HbA1c水平

血红蛋白A1c的缩写是指血液中血红蛋白与葡萄糖结合的比率，用作糖尿病治疗中血糖的指标，因为它反映了过去1-2个月的平均血糖水平。

[2]数据仓库

指用于从关键任务系统收集和存储数据以用于数据分析的系统

[3]开源​​软件

软件的通用术语，其源代码可以自由使用，更改，扩展，重新分发等。

[4]商业智能工具

指的是收集，积累，分析和报告组织数据并使其对决策有用的系统和技术。

[5]曲线下面积

指曲线下部的区域，表示训练模型作为二维图表的真阳性率的误差和误判率的误差率。它表示为从0到1的值，表明接近1的辨别性能更高。