2021 Fiscal Year Research-status Report

AI技術と波形解析による血液透析治療時の流路異常検知システムの開発

Research Project

Project/Area Number	21K10291
Research Institution	Kawasaki University of Medical Welfare
Principal Investigator	小野淳一川崎医療福祉大学, 医療技術学部, 准教授 (50435351)
Co-Investigator(Kenkyū-buntansha)	逸見知弘川崎医療福祉大学, 医療技術学部, 准教授 (00413849) 立花博之川崎医療福祉大学, 医療技術学部, 准教授 (00241216)
Project Period (FY)	2021-04-01 – 2024-03-31
Keywords	血液透析 / 流路異常検知 / 人工知能 / 医療安全 / 臨床工学
Outline of Annual Research Achievements	本研究課題の目的は，既存の透析装置で測定可能な透析回路圧力波形解析とAI技術を組み合わせることにより，透析治療中の実血流量，血液粘性度，回路抵抗値のリアルタイム推定を行い，抜針や回路閉塞等の流路異常を検知するシステムを開発することである。今年度の研究成果として、以下4点について報告する。１）透析治療中の流路異常に関する牛血液実験を用いた凝血加速モデルの構築を行った。抗凝固剤としてクエン酸を投与し、そのクエン酸を透析で除去することにより、2時間程度で返血側回路内に凝血を発生させる実験モデルを構築した。この研究では、クエン酸濃度5.1mMに維持することで、2時間程度で回路内凝血を発生することを牛血液実験を用いて確認した。２）透析回路内におけるHt値の変化を850nmの赤外線光を用いて連続的に計測できるセンサを開発し、その測定誤差が3.0％以内であることを確認した。今後、実験中のHt値の変化による回路内圧波形の学習に利用していく予定である。３）透析中の血液回路内流量ならびに回路内圧の測定システムを構築し、水系実験、牛血液実験を行いデータ収集を行った。得られたデータをもとに、４）透析回路（動・静脈チャンバー）内圧波形情報を用いて平均血流量を推定する機械学習モデルを構築した。動・静脈チャンバー内圧の２つの波形情報を正規化した後に、TensorFlowとKerasを用いた畳み込みニューラルネットワークモデルを構築し、平均血流量の推定を行った。その結果、平均血流量の推定誤差が2.1％と良好な推定結果を得ることができた。現在、このモデルを拡張し、血液粘性度，回路抵抗値の推定ができるように検討を重ねている。また、共同研究者の逸見はローラーポンプの振動音を高感度マイクロフォンを用いて計測し、その周波数成分の相互相関関数による類似性を比較し、回路内閉塞による流路異常を検知できる可能性を見出した。
Current Status of Research Progress	Current Status of Research Progress 2: Research has progressed on the whole more than it was originally planned. Reason 透析回路（動・静脈チャンバー）内圧波形情報を用いて平均血流量を推定する機械学習モデルの構築している。本学習モデルはTensorflowとKerasを用い、動・静脈チャンバー内圧の２つの圧力波形データを正規処理した後に入力し、3層の畳み込みニューラルネットワーク処理を行った結果を、3層の全結合層に入れ、平均血流量の推定を行った。この機械学習モデルの推定精度を検討したところ、平均推定誤差は2.0％と良好な推定精度を有していることを確認している。現在のモデルでは、Ht値の変化の影響は加味していない。このため、2022年度内に、この機械学習モデルを拡張し、血液粘性度，回路抵抗値のリアルタイム推定ができるように検討中である。以上の結果より、ほぼ当初の計画通りに研究は進行している。
Strategy for Future Research Activity	現在開発を行っている透析回路（動・静脈チャンバー）内圧波形情報を用いて平均血流量を推定する機械学習モデルを拡張し、血液粘性度，回路抵抗値のリアルタイム推定を行う予定である。現在、血液粘性度の指標として、近赤外光を用いた当駅回路内血液のHt値の連続的モニタリング用のセンサを開発している。このため、今後、Ht値の違いが回路内圧波形に及ぼす状況を調査し、機械学習モデルの拡張を予定している。また、現在、ローラーポンプの回転状態を定量化するために、ローラーポンプ内部に感圧センサを設置し、チューブ吐出圧を連続的に計測しているが、ローラーポンプ入口圧に大きな陰圧を付加した場合、正確にチューブ吐出圧を評価することが難しいことが確認された。このため、現在、ローラーポンプ入口圧の過度な陰圧が付加された場合にも正確にローラーポンプの回転状態を定量化する手法を検討中である。あわせて、現在構築している機械学習モデルを用いて牛血液実験を重ね学習量を増やすることで、その推定精度の向上を図ると同時に、マイクロコントローラーを使用したエッジコンピュータシステムを構築し、リアルタイムに流路異常を判断できるか検討していく予定である。
Causes of Carryover	2021年度は実験モデルと計測システムを構築し、透析回路（動・静脈チャンバー）内圧波形情報を用いて平均血流量を推定する機械学習モデルの作成ならびにその有用性を検証することが中心であった。このため、共同研究者2名については、研究代表者のモデル構築・実験遂行を補助した。このため、研究代表者の予算執行分で研究の遂行が行われた。さらに、逸見、立花については、2022年度の計画に向けて既存のシステムを使い予備的な実験（振動音解析、流路異常判定など）を行った。この結果をもとに、2022年度に研究費の執行を行う予定である。共同研究者の逸見は、現在、実施しているローラーポンプの振動音の測定、解析に関する機材の購入、立花は機械学習モデルをリアルタイムに実施し、流路異常を判定するエッジコンピュータの開発を目的に、解析用コンピュータの購入を予定している。