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

[1O5-OS-18b-05] Machine Learning-Based Prediction Model for Circuit Exchange in Pediatric Extracorporeal Membrane Oxygenation

〇Tatsuya Hasegawa¹, Toshiyuki Nakanishi¹, Koichi Fujiwara² (1. Nagoya City University Graduate School of Medical Sciences, 2. Department of Material Process Engineering, Nagoya University)

Keywords:Medical AI Applications, Clinical Diagnostic Tools

重症患者の治療法である膜型人工肺(ECMO)の安全性向上に出血や血栓などの致死的合併症予防は重要である。一定の回路内血栓は許容されるが、脳梗塞などの合併症が起こる前に回路交換を行い、血栓を除去する必要がある。現在回路交換は施設の経験に基づき実施されているため、回路交換指標の一つとして予測モデルを作成した。　2016年4月から2024年3月で小児専門施設にてECMOを使用した84人分のデータを取得、回路交換は24人、45回であった。特徴量はECMO側のデータ（回路圧や流量など）、凝固因子などの採血データから16項目を選択し、1時間毎のデータセットを作成した。回路交換前6時間分を交換時データ(269個)とし、ECMO開始24時間後から終了24時間前を正常データ(5417個)とした。不均衡データであるためRUSBoostを選択し、学習データ80％、テストデータ20％となるように5分割交差検証を行い平均のG-mean（感度と特異度の幾何平均）を評価指標とした。グリッドサーチで調整をし、G-mean 0.74と指標として十分なモデルとなった。今後は外部データや臨床現場での検証が必要である。