서론: 만성 신장 질환(CKD)의 전 세계 발생률이 계속 증가하고 있지만, 지연된 역학 데이터는 공공 건강 정책에 도전 과제가 되고 있다. 전통적인 감시 방법은 종종 보고 지연의 문제를 겪는다. 최근 인공지능(AI)의 발전은 질병 부담 예측을 강화할 수 있는 새로운 기회를 제공한다. 방법: 우리는 1990년부터 2021년까지 21개의 글로벌 질병 부담(GBD) 지역에서 CKD 발생 데이터 를 수집했다. 다섯 개의 고급 AI 모델(GPT-4o, Claude-3.7, DeepSeek-R1, Grok-3, Gemini 2.5)과 두 개의 전통적인 예측 방법(자기 회귀 적분 이동 평균 및 베이지안 연령-기간-코호트)을 사용하여 2023년 CKD 발생률을 예측했다. 모델의 성능은 예측값과 실제 관찰 데이터를 비교하여 평가되었다. 모든 모델은 동일한 데이터와 지침을 사용하여 훈련되었다. 결과: AI 모델과 전통적인 모델은 아메리카, 중앙 유럽, 동아시아, 고소득 아시아 태평양, 동남아시아, 열대 라틴 아메리카와 같은 지역에서 발생률 예측의 거의 완벽한 정확도로 유사한 성능을 나타냈다. 모델 중 GPT-4o는 0.722의 가장 높은 평균 정확도를 보였고 모든 모델은 평균 0.65 이상의 정확도를 달성했다. AI 기반 모델과 전통적 모델 간의 정확도에서 통계적으로 유의미한 차이는 발견되지 않았다(ANOVA p = 0.27). 결론: 최첨단 AI 모델은 체계적으로 자극하고 표준화할 경우, 전통적인 통계 모델과 유사한 정확도로 전세계 CKD 발생률을 예측할 수 있다. AI 기반의 역학 예측은 특히 안정적인 역사적 데이터가 있는 지역에서 실시간 공공 건강 계획 및 자원 할당을 향상시키는 데 유망하다.
Qing et al. (Fri,)이 이 질문을 연구하였다.