2019 Fiscal Year Annual Research Report
Prediction of device-related complications after continuous-flow left ventricular assist device implantation using artificial intelligence trained on acoustic spectra
Project/Area Number |
18K16388
|
Research Institution | Osaka University |
Principal Investigator |
三隅 祐輔 大阪大学, 医学部附属病院, 医員 (20631477)
|
Project Period (FY) |
2018-04-01 – 2020-03-31
|
Keywords | 補助人工心臓 / 在宅管理 / 合併症 / 在宅管理 / 音響解析 / 人工知能 |
Outline of Annual Research Achievements |
補助人工心臓(LVAD)装着患者の駆動音データと、臨床的なアウトカムとの関係性に関して、機械学習を用いた予測アルゴリズムを作成した。 LVAD装着患者の駆動音を小型高感度マイクで収録し、カスタムソフトウェアを用いて音響信号を解析した。LVADポンプ回転に伴う楽音及びその他のノイズについて、周波数成分と振幅成分等を抽出した。続いて音響データの数値化(特徴量の抽出)、予測因子の選択(重要特徴量の決定)、これらと臨床的に定義したアウトカム(①大動脈弁逆流(AR)、及び②症候性脳梗塞)との比較検討を行った。機械学習による予測モデルの作成と検証を行った。 ①LVAD装着患者13例より聴取した音響データ(n=245)を解析した。アウトカムは、心エコーにて中等度以上のARを認めた26(10.6%)を「有意」、残り219(89.4%)を「有意でない」と設定した。時間周波数解析を用いて各音響データから19の特徴量を抽出し、その中からアウトカムとの相関が強い4つの重要特徴量を選択した。この重要特徴量を用いて機械学習モデル間の性能比較を行い、アンサンブル学習法にて予測モデルを作成した。交差検定でのモデル性能評価は、陽性的中率86%、area-under-curve 0.71であった。 ②LVAD装着患者4例より聴取した音響データ(n=81)を解析した。アウトカムは、脳血管合併症の発症1週間以内の音響8(9.9%)を「有意」、残り73(90.1%)を「有意でない」と設定した。時間周波数解析を用いて各音響データから19の特徴量を抽出し、その中からアウトカムとの相関が強い2つの重要特徴量を選択した。この重要特徴量を用いて機械学習モデル間の比較を行い、アンサンブル学習法にて予測モデルを作成した。交差検定でのモデル性能評価は、陽性的中率98%、area-under-curve 0.98であった。
|
-
[Presentation] Predicting Cerebrovascular Accident in Patients with Implantable Ventricular Assist Device Using Artificial Intelligence Trained on Acoustic Spectra2019
Author(s)
Yusuke Misumi, Hidetsugu Asanoi, Shigeru Miyagawa, Yasushi Yoshikawa, Hiroki Hata, Daisuke Yoshioka, Satoshi Kainuma, Takuji Kawamura,Ai Kawamura, Yuichi Maruyama, Koichi Toda, and Yoshiki Sawa
Organizer
American Heart Association Scientific Sessions 2019
Int'l Joint Research