[1O5-OS-18b] OS-18

[1O5-OS-18b-04] Deep learning-based estimation of cardiac output from peripheral blood flow pulse waves

〇Koki Kurono¹, Hiroki Matsusita², Mikie Nakabayashi¹, Sinan Zhang¹, Nawara Mahmood Broti¹, Masashi Ichinose¹, Keita saku², Yumie Ono¹ (1. Meiji University, 2. Department of Cardiovascular Dynamics)

Keywords:medicine, AI

心拍出量測定は重症患者の循環動態管理に有用であるが、その測定は侵襲的な手法に限られている。重症集中治療患者において、非侵襲的心拍出量測定は最適な循環管理につながることから極めてニーズが高い。そこで、組織血流の非侵襲的な計測法である拡散相関分光法（diffuse correlation spectroscopy: DCS)により検出した血流脈波を深層学習器と組み合わせ、簡易かつ非侵襲的な心拍出量測定を試みた。ビーグル犬を被験体とし、循環状態を変化させるため、脱血、返血を行いながら、超音波トランジットタイム法による心拍出量とDCSによる頭部・四肢の血流速度計測を行い、教師データを取得した。学習に用いず分離しておいたDCS末梢血流波形から心拍出量を推定し、同時刻にカテーテル法により測定された心拍出量と比較して推定精度の評価を行った。実測値に対する推定値の誤差の割合は、目標値の30% を下回る8.05%であり、DCS法と深層学習器を組み合わせた完全非侵襲な心拍出量推定の可能性を示す結果となった。