[논문 리뷰] Input-Output Non-Linear Dynamical Systems applied to Physiological Condition Monitoring

Konstantinos Georgatzis, Christopher K. I. Williams외 1명|arXiv (Cornell University)|2016. 07. 31.

Hemodynamic Monitoring and Therapy참고 문헌 25인용 수 3

한 줄 요약

이 논문은 ICU 환자의 생체 신호에 대한 프로포포일 주입의 영향을 모델링하기 위해 전통적인 약동학/약력학(PK/PD) 모델보다 더 나은 성능을 보이는 데이터 기반의 입력-출력 비선형 동적 시스템(IO-NLDS)을 제안한다. 이 모델은 생리학적 사전 지식이 필요 없으며, 실제 환자 데이터에서 모든 예측 수준에서 상당한 낮은 SMSE(최대 60% 감소)와 더 나은 BIC 점수를 달성하여 예측 성능이 뛰어나다는 것을 입증한다.

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.

연구 동기 및 목표

• ICU에서 약물 주입에 대한 환자 반응을 예측하기 위한 전문 지식 기반 PK/PD 모델의 데이터 기반 대안을 개발하는 것.
• 비선형 동적 시스템이 혈압 및 BIS와 같은 생체 신호를 예측하는 데 있어 전통적인 분할 PK/PD 모델을 능가할 수 있는지 평가하는 것.
• 생리학적 제약이 없는 모델이 관측된 주입 및 반응 데이터만을 사용하여 더 뛰어난 예측 성능을 달성할 수 있음을 입증하는 것.
• 기본적인 생리학적 상태에 대한 가정 없이도 복잡한 환자별 약물-반응 동역학을 학습할 수 있는지의 타당성을 탐색하는 것.

제안 방법

• IO-NLDS는 약물 주입 속도에 의해 구동되는 비선형 동적 시스템으로서의 잠재 생리 상태를 모델링하며, 관측된 생체 신호로 향하는 비선형 출력 매핑을 포함한다.
• 상태 추정을 위해 비선형 컨버전 키워드 필터(unscented Kalman filter)를 사용하고, 매개변수 학습을 위해 기대값 최대화(EM) 알고리즘을 적용한다.
• 잠재 상태의 진화는 비선형 상태 전이 함수에 의해 결정되며, 출력은 잠재 상태에서 관측된 생체 신호로 매핑하는 비선형 함수로 모델링된다.
• 모델은 프로포포일 주입과 관련된 BPsystolic, BPdiastolic, BIS 측정값을 포함한 40명의 ICU 환자 데이터셋을 바탕으로 환자별로 훈련된다.
• 예측 성능 평가를 위해 SMSE와 BIC를 사용하여 1단계에서 20단계 예측 수준까지 비교한다.
• IO-NLDS는 잠재 상태에 대한 생리학적 해석을 가정하지 않으며, 데이터에 가장 잘 맞는 임의의 표현을 학습할 수 있도록 한다.

실험 결과

연구 질문

• RQ1 순수하게 데이터 기반의 비선형 동적 시스템이 전문가가 설계한 PK/PD 모델보다 약물 주입 후 환자의 생체 신호를 예측하는 데 뛰어난 성능을 보일 수 있는가?
• RQ2 잠재 상태 공간에서 생리학적 제약이 없는 것이 실제 ICU 데이터에서 예측 정확도를 향상시키는가?
• RQ3 다양한 예측 수준에서 IO-NLDS는 PK/PD 모델 대비 예측 오차를 어느 정도 감소시키는가?
• RQ4 IO-NLDS의 성능 향상은 다수의 환자와 생체 신호에서 통계적으로 유의미한가?

주요 결과

• IO-NLDS는 모든 예측 수준에서 PK/PD 모델보다 유의미하게 낮은 SMSE를 기록하였으며, 20단계 예측에서 BIS의 경우 평균 SMSE 감소율이 최대 60%, BPdiastolic의 경우 50%에 이르렀다.
• 모든 경우에서 IO-NLDS는 BIC 점수가 낮아 복잡성에 대한 보정을 고려한 모델 적합도가 더 뛰어나다는 것을 나타낸다.
• 평가된 모든 사례의 92%에서 IO-NLDS의 예측 정확도가 PK/PD 모델를 뛰어넘었으며, 대부분의 향상이 통계적으로 유의미했다.
• 대응 t-검정 결과, 12개 비교 중 10개에서 통계적 유의성(p < 0.05)이 확인되었으며, p-값 범위는 1.6×10⁻²에서 4.8×10⁻¹⁷까지 다양했다.
• 유의미하지 않은 유일한 결과는 BPdiastolic(0.14)과 BIS(0.37)의 1단계 예측에서 나타났으며, 이는 특정 케이스에서의 차이가 미미하다는 것을 시사한다.
• IO-NLDS는 모든 세 가지 생체 신호(BPsys, BPdia, BIS)와 모든 예측 수준에서 일관된 성능 향상을 보였으며, 특히 장기 예측 수준에서 가장 큰 향상이 관찰되었다.