| 研究実績の概要 |
申請者は、経肺熱希釈法循環動態モニターから算出される、心拍出量や心臓張末期容量、肺血管外水分量や肺血管透過性係数等の循環呼吸動態のパラメータの妥性研究を多く行ってきた。また、心電図モニターから算出される心拍変動(Heart Rate Variability, HRV）は、自律神経系の活動も反映し、敗血症や外傷症例の転 を予測し得ることも発表してきた。しかし、これら別モニターの相互関係や組み合わせによる病態生理学的意義や予後予測に関しては、明らかになっていなかった。心拍数やその変動(HRV)を規定する自律神神経の活動と、心拍出量をはじめとする循環動態、血管透過性の変化や肺水腫の程度には非常に密接な関連があると考えられた。
本研究では、臨床情報、肺熱希釈曲線、HRVデータを紐付けた上で、機械学習 深層学習の解析を用いて、新たな病態生理の解明及び治療転機や予後予測につながる新しい循環呼吸パラメータモデルの開発に挑戦した。
最終年度は、膨大な臨床情報データを容易に収集することが出来るように、アプリケーションの開発を並行して行った。このアプリケーションにより、診療報酬の請求にも使用されているDPCデータから、基本的な診療情報に加え、多くのデータの収集が可能になった。covid-19の症例を含む、実臨床データを収集した。膨大なデータから機械学習等を使用し、データ解析を行った。研究成果の英文論文は審査中であるが、今後本分野の発展につながる内容になった。
|
