膜型人工臓器における酸素供給効率向上のための深層強化学習最適化血液流プロファイル

科学分野:

• 生物医学工学
• 流体力学
• 医療機器

背景:

• 膜型人工臓器は体外生命維持に不可欠であるが、その効率は血液側境界層によって制限される。
• 現在の戦略は、動的な流量制御を無視した静的な設計変更に焦点を当てている。
• ガス交換の改善は、生命維持を必要とする患者の臨床転帰の改善に不可欠である。

研究 の 目的:

• 膜型人工臓器の性能向上のための能動的拍動流制御方法を調査すること。
• 血液流波形を最適化するための深層強化学習フレームワークを開発および実装すること。
• 最適化された拍動流が酸素移動および血液適合性に与える影響を評価すること。

主な方法:

• 近位方策最適化と長期短期記憶ネットワークを使用した深層強化学習フレームワークを採用した。
• 簡略化された積層プレート膜型人工臓器を用いた実験プラットフォームを利用した。
• 一定流量条件下で、最適な拍動流波形を自律的に探索し適用した。

主要な成果:

• 最適化された拍動流プロファイルは、酸素移動を大幅に向上させた。
• 酸素移動速度は、ベースライン条件と比較して20.64%増加した。
• ガス交換の向上は、血液適合性を損なうことなく達成された。

結論:

• 能動的拍動流制御は、膜型人工臓器の性能を向上させる効果的な戦略である。
• 深層強化学習は、最適な動的流プロファイルを正常に特定できる。
• この動的アプローチは、体外生命維持システムを改善するための有望な道を提供する。