進行中の出血の早期検出のための非侵襲的なマルチテクノロジー測定を使用した 48 件の被験者研究

出血性ショックは依然として戦場でも民間社会でも主な死因となっている。 明らかなショックに進行する前に進行中の出血を早期に検出できれば、早期介入が可能になります。 古典的な医療バイタルサインは、外傷後のショックへの進行の後半まで機能しないことが広く認識されています。 断続的なバイタルサインモニタリング、臨床検査分析、および単一の測定装置など、現在利用可能な技術は、臨床的に明らかな生理的苦痛が生じるまでは性能が劣ります。

このプロジェクトの全体的な目標は、進行中の出血を早期に検出するためのマルチテクノロジーの非侵襲的システムを開発することです。 根底にある仮説は、複数のソースから診断信号を取得するディープラーニングで開発されたアルゴリズムが、単一のテクノロジー ソリューションよりも優れたパフォーマンスを発揮するというものです。

革新的な非侵襲的検査の可能性は広く注目を集めていますが、効果的なベッドサイド技術の開発はこれまでのところ限られており、そのパフォーマンスは期待外れです。 2014年、Kimらは「このメタ分析の結果から、持続的非侵襲的動脈圧モニタリング装置の不正確さと不正確さは許容範囲と定義されているものよりも大きいことが判明した」と述べ、非侵襲的血圧測定はこれらの装置の中で最も完全に開発されたものの一つであると述べた。テクノロジー。 複雑な病状の検出または診断における非侵襲的技術の失敗は、本質的に完全に終わっています。 研究者らは、この失敗はユニプレックス システム (単一の場所に単一のセンサー) の限界と、生理学的反応における患者ごとのばらつきを反映していると考えています。 Uniplex システムは、解剖学的な時間的パターンにおける診断信号全体を犠牲にしており、これには大きな識別力があると考えられます。

現在まで、進行中の出血の早期検出における技術革新は、大きく 2 つのカテゴリに分かれています。1) 組織または器官の状態の単一の新しい測定値を発見するための探索、または 2) 機械学習と信号処理に基づくより高度な数学的手法の適用。

研究者らは、最先端の非侵襲的センシング技術と高度な多変数統計アルゴリズムを組み合わせたシステムの開発を提案しています。 このシステムは、当初から、厳格な環境でも安価で簡単に適用できるように開発されます。

血液製剤の不必要な使用を避けるために、肝切除術は中心静脈圧（CVP）を低くして行われます。 これは、静脈内輸液の制限的な使用と、時には中心静脈圧を下げるための薬物療法によって達成されます。 肝切除中の中心静脈圧の低下は、我々のような技術開発の優れたモデルですが、これまでこの目的には使用されていませんでした。

各手順中、研究者は、LCVPLR 手順中に非侵襲性の光学信号、電磁信号、およびインピーダンス生理学的信号の完全なアンサンブルを取得します。 ここで提案される研究では、標準的な低中心静脈圧肝切除術 (LCVPLR) 中にこれらの技術を評価します。 これらのデータは、さらなる機械学習ベースのアルゴリズム開発に利用されます。 臨床医は測定データを利用できないため、提案された研究はリスクが低いでしょう。

具体的な目的:

1. LCVPLR の既存の非侵襲的センシング技術と多変数アルゴリズムのパフォーマンスを評価します。
2. アルゴリズムをさらに改良するために、LCVPLR 中にヒューマン モデルのトレーニングと検証のデータ セットを取得します。

検出力とサンプルサイズ: 研究者は、登録されたすべての被験者からデータを取得することを期待しています。 実質切断の開始前に得られたデータは、「出血なし」対照として利用される。 検出力とサンプル サイズの計算は、48 人の被験者というサンプル サイズで、1) 望ましい診断性能に必要な非侵襲的測定技術の最小限のサブセットをさらに特定する、2) 既存のアルゴリズムを検証する、3) 最初に人間をトレーニングするのに十分であることを示しています。十分な精度でアルゴリズムを臨床反復します (ROC-AUC については p < 0.05)。

リスクを最小限に抑える研究として、手術を受ける患者に対する標準治療からの変更はありません。 外科的処置と薬物療法は標準的な臨床管理に従って行われます。 登録された患者は、標準的な術前、麻酔、および術後の生理学的モニタリングを受けます。