頭蓋骨切除中の酸素の部分動脈圧の予測のための監督された機械学習アルゴリズムの比較

科学分野:

• 麻酔科 と 集中治療 科
• 生物医学工学
• 医療における機械学習

背景:

• 脳組織の酸素供給は極めて重要で,間接的に評価されることが多い.
• オキシジネーションを推定する現在の方法は,非侵襲的なプロキシーまたは断続的な測定に依存しています.
• 神経外科の患者に必要なのは 精密で継続的な酸素供給の監視です

研究 の 目的:

• 機械学習を用いた酸素 (paO2) の連続的な動脈部分圧予測の可行性を評価する.
• 神経外科患者の手術中のPAO2の推定のための近代的な機械学習アルゴリズムの有効性を評価する.
• 頭蓋骨切開の際に リアルタイムで酸素を計測する方法を模索する.

主な方法:

• 肺の健康な脳神経外科患者の 臨床データを活用した.
• paO2の主要な予測要因を特定するために,再帰的特徴の排除を使用した.
• 6つの機械学習回帰アルゴリズムと多変量線形回帰モデルを訓練し,比較した.
• MAPE,調整R2,RMSE,Spearman's ρのようなメトリックを使用してアルゴリズムのパフォーマンスを評価した.

主要な成果:

• 4, 581人の患者 (17, 821件の観察) のデータを分析した.
• ストキャスティック・グラデーションの下降を伴う正規化された線形モデルは,高い予測精度を達成した (調整R2=0.77,スピアーマンの ρ=0.83).
• 最初のpaO2/FiO2 (p/F) の比率を組み込むことで性能が向上し,準継続的なモニタリングが可能になりました.

結論:

• 酸素の動脈部分圧 (paO2) は,神経外科患者の手術前データから確実に予測できます.
• 機械学習モデルは,血液ガス分析の前にpaO2を推定するための実行可能な代替案を提供します.
• p/F比を統合することで,予測の精度が向上し,継続的な酸素濃度モニタリングが容易になります.