単一測定のモニタリングデータに動脈窒素圧を加えると,ディープラーニングによる診断肺モデリングが可能になります

科学分野:

• 生理学 生理学とは
• コンピュータ生物学 コンピュータ生物学
• 医療診断 医療診断

背景:

• 肺機能の正確な定量化は,患者の管理に極めて重要です.
• ウェストの換気/貫通 (V/Q) モデルは,シャント,ログSD,平均V/Qのキーパラメータを提供します.
• 複数の生理学的測定を統合することで,V/Qモデルの精度を高めることができます.

研究 の 目的:

• 窒素 (PaN2) の動脈圧を含むディープラーニング分析が,ウェストのV/Q肺モデルを個別化できるかどうかを判断する.
• 単一の動脈血ガス測定を用いて他の生理学的データを使用する可能性を評価する.
• V/Qモデルのパラメータに対するディープラーニングの予測精度を評価する.

主な方法:

• PaN2を含む2,010,000の動脈血液ガス測定のシミュレーションデータセットは,コンピュータ化されたウェストのV/Qモデルを使用して生成されました.
• データセットにはシャント,ログSD,平均V/Q,心臓出力,間接カロメトリーの変動が含まれていた.
• ディープラーニングモデルは,このデータセットでトレーニングされ,43,915個のサンプルからなる別のテストセットを使用して検証されました.

主要な成果:

• ディープラーニングモデルは,シャント,ログSD,平均V/Q (R2 ≥0.99) の保持値を正確に予測しました.
• 感度分析により,モデルの精度がPaN2測定値に大きく依存していることが確認されました.
• PaN2の含有により,肺機能定量的測定の精度が著しく改善されました.

結論:

• PaN2を含む動脈血液ガスのディープラーニング分析は,心臓出力およびカロメトリーデータと組み合わせて,個々の肺機能を正確に定量化します.
• このアプローチは,ウェストのV/Qモデルの主要なパラメータを評価するための高信頼性の方法を提供します.
• この発見は,パーソナライズされた肺機能評価のための高度な計算モデルにおけるPaN2の使用を支持する.