The development of the anesthesia monitoring score of Poincare analysis using deep learning.

点击翻译按钮获取中文摘要

ポアンカレプロット解析は、信号の二次状態空間における履歴効果から秩序性を検討する複雑系システムの挙動把握法である。この解析法を脳波に応用して、複雑系システムである脳神経活動の履歴効果からその秩序性を定量解析することで、統一的な麻酔深度測定法を確立する研究を施行してきた。麻酔効果が深まるにつれて、脳神経ネットワーク活動の履歴が浅くなり複雑性が喪失し、過去の信号履歴が今現在の信号に対し主に線形に作用して系がより線形系に近づく。それが、ポアンカレプロット解析において、麻酔効果として反映される。研究開始以来、このポワンカレプロット解析の課題、つまり、筋電図による干渉や、高齢者における適応、更に、作用機序の異なる薬物に関する検討を行ってきた。本年度は、特に、脳神経動態の複雑性定量化が、どのように２次元状態空間上のポワンカレプロット解析に反映されうるかを文献から検討した。麻酔領域においても、近年そのような複雑性分析の試みが始まっている。複雑さは、Shinerらによると３種に分類できる。タイプ1 複雑性は、主に時間的ランダム性を反映し、タイプ3 複雑性は、空間的構造の複雑性、つまり空間的ネットワーク結合性, 組織化を定量化する。そして、タイプ2 複雑性は、時空間両次元の複雑性を示す。脳は空間と時間の両面から麻酔や意識と関連した情報処理を行うので、脳の挙動は、このタイプ2 複雑性で測るのが適切であろう。時空間両次元の複雑性（complexity）を示すタイプ2 複雑性は、完全規則性と、最大ランダム性の両方で低く、中間でピークに達するような複雑性とランダム性の逆U字型を示すことが報告されており、このタイプ２型の複雑性指標が、意識を反映する麻酔モニターとなり得る可能性がある。タイプ２型の複雑性指標とポワンカレプロット解析の関係を模索したい。