HepaB Care
Medical device that predicts prognosis when prescribing treatment for hepatitis B patients
Seller Name
CORE IT Business Type
service industry Main Items
Software development and consulting, etc. Phone number
+82-504-3179-6648 
file_downloadDownload Product Catalog
The product catalog downloads a notification to the relevant seller
(display information: business name, department, name, position)
(display information: business name, department, name, position)
Product Overview
Product Name
HepaB Care
Model name
COREIT-MN-001
Country of manufacture
Republic of Korea
Manufacturing company
CORE IT
Product certification
Certification Information
- 의료기기 성능시험 / KTC / GME2024-00047 - 사이버보안 / KTC / IoMT2024-00001 - IEC62304 / KTC / KT2024-00046
Product Description
본 의료기기는 B형간염 대상환자의 임상역학정보와 혈액검사 결과 및 항바이러스제를 포함한 약물 복용 정보를 기반으로 항바이러스제 복용 후의 신기능 저하를 예측하여 제시하는 인공지능 (artificial intelligence, 이하 AI) 기반의 예측 소프트웨어 기기이다.
현재 만성 B형간염에서 어떤 약물이 개별 환자에게 가장 적절한 치료제일지는 알 수 없으며, 치료에 따른 부작용 발생 가능성은 치료 시점과 치료 도중에서 약제 선택 및 교체 여부를 중요한 인자이다. 또한, 기본 역학정보, 동반질환, 병용약물 등이 다양한 개별 환자에서 치료 시작 시점 및 치료 경과 중 항바이러스제 부작용을 예측하는 것이 중요하다.
본 제품에서는 만성 B형간염 환자에서 항바이러스제 약물치료 시작 또는 약물치료 중인 환자의 정보 (기본 역학정보, 동반질환 여부, 혈액검사 결과 및 항바이러스제 약제 종류)를 입력하여 36개월 뒤의 신기능 감소 [사구체여과율 (estimated GFR)의 기준치 (60 ml/min//1.73m²) 미만 저하] 가능성을 예측하고 그 결과를 고위험군 또는 저위험군으로 제공한다.
본 제품에 적용된 알고리즘은 기계학습 모델의 결과를 설명하기 위한 SHAP (SHapley Additive exPlanations) 분석을 활용하여 변수의 중요도를 선별 후 기계학습 계열 예측(분류) 모델인 random forests 법을 적용하여 구축하였다. 또한 환자의 EMR 기반의 임상역학정보 (나이, 성별, 키, 체중, 동반질환), 약물 처방 DB, 약물 처방 전후 임상 병리 DB, 문헌과 약물독성 데이터를 학습데이터로 사용하였다. 이에 따라 예측모델은 B형간염 환자 개개인의 특성과 항바이러스제 약제의 특성을 고려하여 항바이러스제 약제별 신기능 저하를 예측하고, 고위험군 혹은 저위험군으로 신기능 저하 발생 가능성에 대한 정보를 화면에 제시한다.
현재 만성 B형간염에서 어떤 약물이 개별 환자에게 가장 적절한 치료제일지는 알 수 없으며, 치료에 따른 부작용 발생 가능성은 치료 시점과 치료 도중에서 약제 선택 및 교체 여부를 중요한 인자이다. 또한, 기본 역학정보, 동반질환, 병용약물 등이 다양한 개별 환자에서 치료 시작 시점 및 치료 경과 중 항바이러스제 부작용을 예측하는 것이 중요하다.
본 제품에서는 만성 B형간염 환자에서 항바이러스제 약물치료 시작 또는 약물치료 중인 환자의 정보 (기본 역학정보, 동반질환 여부, 혈액검사 결과 및 항바이러스제 약제 종류)를 입력하여 36개월 뒤의 신기능 감소 [사구체여과율 (estimated GFR)의 기준치 (60 ml/min//1.73m²) 미만 저하] 가능성을 예측하고 그 결과를 고위험군 또는 저위험군으로 제공한다.
본 제품에 적용된 알고리즘은 기계학습 모델의 결과를 설명하기 위한 SHAP (SHapley Additive exPlanations) 분석을 활용하여 변수의 중요도를 선별 후 기계학습 계열 예측(분류) 모델인 random forests 법을 적용하여 구축하였다. 또한 환자의 EMR 기반의 임상역학정보 (나이, 성별, 키, 체중, 동반질환), 약물 처방 DB, 약물 처방 전후 임상 병리 DB, 문헌과 약물독성 데이터를 학습데이터로 사용하였다. 이에 따라 예측모델은 B형간염 환자 개개인의 특성과 항바이러스제 약제의 특성을 고려하여 항바이러스제 약제별 신기능 저하를 예측하고, 고위험군 혹은 저위험군으로 신기능 저하 발생 가능성에 대한 정보를 화면에 제시한다.
Popular products from the same seller
Recommended to members interested in this product
