透析中低血圧を防止する機械学習を用いた血圧低下予測モデルの構築

血液透析中，場合によっては急激な血圧低下を起こす．血圧低下は生命予後に影響すると言われており，補液をおこないながら治療をおこなう方法など様々な工夫がおこなわれている．しかし，このような技術手法を駆使しても，急激な血圧低下を防ぐことができていない現状である．本研究では患者背景（性別、年齢、疾患名など）や過去の透析施行中データ（時間，最高血圧，最低血圧，平均血圧，除水速度，除水量，心拍数，体重）から単位時間あたりの各要素の変化量を算出し，統計学的手法を用いて要因を用いて透析施行中の血圧低下予測モデルを構築して血圧低下を予測するという新たな指標の確立を目指している．バイタルデータは各患者の血液透析治療中の血圧が主に一定時間間隔で記録されている．本検討では治療中の収縮期血圧に着目して1回の治療中における時間ごとの血圧変化を算出し血圧変化が30mmHg以上あった場合を血圧低下有りとして「1」，それ以外を「0」として，その治療中における血圧低下発生の有無を定義した．パラメータのうち「血圧低下発生フラグ」を目的変数とし，血圧低下が発生すれば「1」となるようにして確率値を出力できるように学習させている．説明変数として42個のパラメータを入力して深層学習をおこなった．深層学習に利用における問題点はニューラルネットワークの複雑さにより，その中身がブラックボックスとなってしまい，結果は出るがなぜそうなったかという原因が分かりにくい点であると考える．本検討においてはその部分を解決するためにAttention機構を用いて学習における入力パラメータの影響割合を可視化（数値化）した．

血液透析中，場合によっては急激な血圧低下を起こす．血圧低下は生命予後に影響すると言われており，補液をおこないながら治療をおこなう方法など様々な工夫がおこなわれている．しかし，このような技術手法を駆使しても，急激な血圧低下を防ぐことができていない現状である．本研究では患者背景（性別、年齢、疾患名など）や過去の透析施行中データ（時間，最高血圧，最低血圧，平均血圧，除水速度，除水量，心拍数，体重）から単位時間あたりの各要素の変化量を算出し，統計学的手法を用いて要因を用いて透析施行中の血圧低下予測モデルを構築して血圧低下を予測するという新たな指標の確立を目指している．バイタルデータは各患者の血液透析治療中の血圧が主に一定時間間隔で記録されている．本検討では治療中の収縮期血圧に着目して1回の治療中における時間ごとの血圧変化を算出し血圧変化が30mmHg以上あった場合を血圧低下有りとして「1」，それ以外を「0」として，その治療中における血圧低下発生の有無を定義した．パラメータのうち「血圧低下発生フラグ」を目的変数とし，血圧低下が発生すれば「1」となるようにして確率値を出力できるように学習させている．説明変数として42個のパラメータを入力して深層学習をおこなった．深層学習に利用における問題点はニューラルネットワークの複雑さにより，その中身がブラックボックスとなってしまい，結果は出るがなぜそうなったかという原因が分かりにくい点であると考える．本検討においてはその部分を解決するためにAttention機構を用いて学習における入力パラメータの影響割合を可視化（数値化）した．