[論文レビュー] Input-Output Non-Linear Dynamical Systems applied to Physiological Condition Monitoring

Konstantinos Georgatzis, Christopher K. I. Williams+1 more|arXiv (Cornell University)|Jul 31, 2016

Hemodynamic Monitoring and Therapy参考文献 25被引用数 3

ひとこと要約

本論文は、生理的仮定を必要とせず、ICU患者の生命徴収にプロポフォール投与が与える影響をモデル化するためのデータ駆動型入出力非線形動的システム（IO-NLDS）を提案する。伝統的な薬物動態・薬物効力（PK/PD）モデルを上回り、全予測時間軸において顕著に低いSMSE（最大60％の低減）とより良いBICスコアを達成し、実際の患者データにおける優れた予測性能を示している。

ABSTRACT

We present a non-linear dynamical system for modelling the effect of drug infusions on the vital signs of patients admitted in Intensive Care Units (ICUs). More specifically we are interested in modelling the effect of a widely used anaesthetic drug (Propofol) on a patient's monitored depth of anaesthesia and haemodynamics. We compare our approach with one from the Pharmacokinetics/Pharmacodynamics (PK/PD) literature and show that we can provide significant improvements in performance without requiring the incorporation of expert physiological knowledge in our system.

研究の動機と目的

• ICUにおける薬物投与に対する患者反応を予測するための、専門家知識に基づくPK/PDモデルの代替として、データ駆動型の手法を開発すること。
• 非線形動的システムが、血圧やBISなどの生命徴収を予測する際に、従来のコンpartmental PK/PDモデルを上回るかを評価すること。
• 生理的制約のないモデルが、観測された投与量と反応データのみを用いて、より優れた予測性能を達成できることを示すこと。
• 基礎的な生理的状態に関する仮定なしに、複雑で患者特異的な薬物反応ダイナミクスを学習する可能性を検討すること。

提案手法

• IO-NLDSは、薬物投与速度によって駆動される非線形動的システムとしての潜在的生理的状態をモデル化し、観測された生命徴収に至る非線形出力マッピングを実装する。
• 状態推定には無差分カルマンフィルタが用いられ、パラメータ学習には期待値最大化（EM）アルゴリズムが使用される。
• 潜在的状態の時間発展は非線形状態遷移関数に従い、出力は潜在的状態から観測された生命徴収に至る非線形関数によってモデル化される。
• 40名のICU患者データセット（プロポフォール投与とそれに伴うBPsystolic、BPdiastolic、BIS測定値）を用いて、患者ごとに個別にモデルを学習する。
• 予測性能の評価にはSMSEとBICを用い、1ステップから20ステップまでの予測時間軸で比較を行う。
• IO-NLDSは潜在的状態に生理的解釈を仮定せず、データに最も適合する任意の表現を学習可能である。

実験結果

リサーチクエスチョン

• RQ1 完全にデータ駆動型の非線形動的システムは、薬物投与後の患者生命徴収を予測する際、専門家が構築したPK/PDモデルを上回ることができるか？
• RQ2 潜在的状態空間に生理的制約がない場合、実際のICUデータにおける予測精度が向上するか？
• RQ3 異なる予測時間軸において、IO-NLDSはPK/PDモデルに比べて予測誤差をどの程度低減するか？
• RQ4 複数の患者および生命徴収に対して、IO-NLDSの性能向上は統計的に有意であるか？

主な発見

• IO-NLDSは、全予測時間軸においてPK/PDモデルよりも顕著に低いSMSEを達成し、20ステップ予測においてBISでは平均で60％、BPdiastolicでは50％のSMSE低減を実現した。
• IO-NLDSは、すべてのケースでPK/PDモデルよりも低いBICスコアを示し、複雑さをペナルティとして加味したモデルの適合度が優れていることを示している。
• 評価された全ケースの92％において、IO-NLDSの予測精度がPK/PDモデルを上回っており、大多数の向上は統計的に有意であった。
• 対応t検定の結果、12回の比較のうち10回で有意差（p < 0.05）が得られ、p値は1.6×10⁻²から4.8×10⁻¹⁷の範囲であった。
• 有意でない唯一の結果は、BPdiastolic（p=0.14）およびBIS（p=0.37）の1ステップ予測であった。これは、これらの特定のケースでは差がわずかであったことを示唆している。
• IO-NLDSは、全3つの生命徴収（BPsys、BPdia、BIS）および全予測時間軸において一貫した性能向上を示し、特に長時間予測での改善が顕著であった。