DILI Care
A medical software that predicts drug-induced liver injury
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
DILI Care
Model name
COREIT-MN-002
Country of manufacture
Republic of Korea
Manufacturing company
CORE IT
Product Description
본 의료기기는 환자의 임상 정보와 약제 정보를 분석하여 항생제 투약 전 약제에 의한 간손상 위험성을 예측하여 제시하는 인공지능 (artificial intelligence, 이하 AI) 기반의 예측 소프트웨어 기기이다.
전체 간질환 중 약인성 간질환의 빈도는 2%에서 40%까지 보고되고 있으며, 이 비율은 입원할 정도로 심한 환자들만 대상으로 한 것이기 때문에 실제 약인성 간질환의 빈도는 더욱 높을 것으로 추정된다. 약물 유발 간손상 원인 약제 중, 항생제에 의한 경우가 가장 큰 비중을 차지한다. 항생제는 감염 질환의 치료에 중요한 역할을 수행하지만, 동시에 일부 환자들에게 급성 간부전 및 사망에 이르는 심각한 부작용을 유발할 수 있다. 따라서, 항생제 유발 간손상의 위험도 분석은 제약 회사, 연구기관, 의약품 규제 기관 등에서 중요한 고려 인자이며, 약물구조분석 및 세포주 유전체 분석과 관련된 실험실적 간손상 유발 위험도 분석 관련한 몇몇 연구가 보고된 바 있다. 그러나 아직 환자 개개인의 특성에 기반한 개별 환자의 항생제 투약에 따른 간손상 발생 위험도를 예측하는 기술은 없는 실정이다. 따라서, 환자 임상 정보에 기반하여, 항생제로 인해 유발되는 간손상 발생의 가능성을 사전 분석을 통해 예측하고, 이에 기반하여 가능한 간손상 위험도가 낮은 항생제를 선택, 투여 할 수 있는 임상의사결정보조 소프트웨어의 개발이 필요하다.
본 제품은 1,2,3차 병원 환자의 임상정보(나이, 성별, 키, 체중), 혈액검사 데이터, 동반 진단, 및 동반 처방 약물, 처방 예정 항생제 등의 정보를 입력받아 머신러닝(ML)을 기반으로 한 AI 모델이 환자 개개인의 특성과 약제의 특성을 고려하여 투여하고자 하는 항생제에 의한 간손상(CIOMS 기준) 발생 가능성을 예측하고 해당 정보를 제시해 약제 처방 및 치료 방향을 보조하여, 의약품 사용으로 야기되는 간손상을 최소화하는데 활용하고자 한다.
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 전 임상 병리 DB 데이터를 학습데이터로 사용하였다. 이에 따라 예측모델은 환자 개개인의 특성과 항생제의 특성을 고려하여 항생제 카테고리별 간손상(CIOMS 기준) 발생을 예측하고, 간손상 발생 가능성에 대한 정보를 화면에 제시함으로써 임상의의 치료방침에 대한 결정을 보조한다.
전체 간질환 중 약인성 간질환의 빈도는 2%에서 40%까지 보고되고 있으며, 이 비율은 입원할 정도로 심한 환자들만 대상으로 한 것이기 때문에 실제 약인성 간질환의 빈도는 더욱 높을 것으로 추정된다. 약물 유발 간손상 원인 약제 중, 항생제에 의한 경우가 가장 큰 비중을 차지한다. 항생제는 감염 질환의 치료에 중요한 역할을 수행하지만, 동시에 일부 환자들에게 급성 간부전 및 사망에 이르는 심각한 부작용을 유발할 수 있다. 따라서, 항생제 유발 간손상의 위험도 분석은 제약 회사, 연구기관, 의약품 규제 기관 등에서 중요한 고려 인자이며, 약물구조분석 및 세포주 유전체 분석과 관련된 실험실적 간손상 유발 위험도 분석 관련한 몇몇 연구가 보고된 바 있다. 그러나 아직 환자 개개인의 특성에 기반한 개별 환자의 항생제 투약에 따른 간손상 발생 위험도를 예측하는 기술은 없는 실정이다. 따라서, 환자 임상 정보에 기반하여, 항생제로 인해 유발되는 간손상 발생의 가능성을 사전 분석을 통해 예측하고, 이에 기반하여 가능한 간손상 위험도가 낮은 항생제를 선택, 투여 할 수 있는 임상의사결정보조 소프트웨어의 개발이 필요하다.
본 제품은 1,2,3차 병원 환자의 임상정보(나이, 성별, 키, 체중), 혈액검사 데이터, 동반 진단, 및 동반 처방 약물, 처방 예정 항생제 등의 정보를 입력받아 머신러닝(ML)을 기반으로 한 AI 모델이 환자 개개인의 특성과 약제의 특성을 고려하여 투여하고자 하는 항생제에 의한 간손상(CIOMS 기준) 발생 가능성을 예측하고 해당 정보를 제시해 약제 처방 및 치료 방향을 보조하여, 의약품 사용으로 야기되는 간손상을 최소화하는데 활용하고자 한다.
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 전 임상 병리 DB 데이터를 학습데이터로 사용하였다. 이에 따라 예측모델은 환자 개개인의 특성과 항생제의 특성을 고려하여 항생제 카테고리별 간손상(CIOMS 기준) 발생을 예측하고, 간손상 발생 가능성에 대한 정보를 화면에 제시함으로써 임상의의 치료방침에 대한 결정을 보조한다.
Popular products from the same seller
Recommended to members interested in this product
