「AIベースの非侵襲的血圧モニタリングと比較して」 (NICONPRESS-1)

術中の血圧管理は、臓器の機能不全を含む術後合併症を予防する上で重要な役割を果たします。 オシロメトリック断続的な非侵襲的技術は、ほとんどの外科的患者の血圧モニタリングの標準ですが、特に誘導、挿管、突然の位置決めの変化などの高リスク期には、急速な血行動態の変動を捕捉できない場合があります。 これらの場合、リアルタイムの血行動態サーベイランスには、連続浸潤性動脈血圧（IABP）モニタリングがよく使用されます。 ただし、IABPモニタリングには、出血、血栓症、血腫、動脈閉塞、血流感染症などのリスクがあります。 報告されたradial骨動脈血栓症率は19.7％に達し、症例の最大15％で血腫や出血などのカテーテル関連の合併症が発生します。

このような合併症を避けるために、非侵襲的連続血圧モニタリング（NCBPM）技術に対する需要が増加しています。 パルスオキシメーターに由来するフォトプレチスモグラフィ（PPG）は、有望な非侵襲的手法として浮上しています。 PPG波形は、末梢灌流の変化を反映し、心循環ダイナミクスに関する洞察を提供します。 ただし、スタンドアロンPPGベースの推定は、末梢血管緊張、モーションアーティファクト、および電気心臓データの欠如に依存することにより制限されます。

これらの制限を克服するために、この研究では、人工知能（AI）ベースの波形分析で強化された、同期したフォトプレチスモグラフィ（PPG）および心電図（ECG）シグナルを使用したハイブリッドアプローチを提案しています。 この組み合わせは、非侵襲的連続血圧モニタリングの精度と時間分解能を改善することを目的としています。 CPES（パルスオキシメーターとECGシグナルの組み合わせ）と呼ばれる提案された方法は、電気（ECG）と光学（PPG）シグナルの統合により、動脈パルス波速度（PWV）、パルストランジット時間（PTT）、および配偶者の血液パラメータのより良いモデリングが可能になるという仮説に基づいています。

この研究デザインには、radial骨動脈カテーテル酸塩による同時IABPモニタリングを伴う一般麻酔下で選択的手術を受けている患者におけるPPGおよびECGシグナルの術中リアルタイム記録が含まれます。 PPG波形は、標準の赤/赤外線デュアル波長パルスオキシメーター（660 nmおよび940-960 nm）を使用して取得され、ECGは3リード連続モニタリングを使用して収集されます。 タイムスタンプアルゴリズムを使用して同期が確保されます。 データ収集は、別個の術中段階で発生します：ベースライン（誘導前）、誘導、挿管、維持、および位置的介入（トレンデレンブルク±15°および逆トレンデレンブルク）。

主な結果は、CPES由来の収縮期血圧値と拡張期血圧値と同時に、ブランドアルトマン分析を介して評価された侵襲的血圧値を同時に記録することです。 臨床精度は、平均絶対誤差（MAE）と根平均平方根誤差（RMSE）をAAMI/ANSI/ISO 81060-2標準と比較することにより決定されます。

二次的な結果は次のとおりです。

誘導および気道操作中の急速な血圧変化（ΔSBP、ΔDBP）を追跡するCPESシステムの能力。

ペアの位置比較を使用した血圧推定精度に対する位置効果の評価。

導出された血行動態パラメーター（例：PTT、HRV、PWV）の探索モデリングおよび動脈波の形態および侵襲的BPメトリックとの相関。

信号処理には、アーティファクトの除去、ビート検出、正規化、およびセグメンテーションが含まれます。 特徴抽出には、PPGとECGの両方からの時間領域、周波数領域、および形態学的特徴が含まれます。 機械学習モデル（勾配ブースト、LSTM、または畳み込みニューラルネットワークなど）をデータセットでトレーニングして、予測パフォーマンスを向上させることができます。

この研究の目的は、電気信号と光学信号を組み合わせることで、臨床的に許容される血圧測定が非侵襲的に得られ、患者の安全性が改善され、侵入ラインの必要性を減らすことができることを実証することを目的としています。 検証された場合、このアプローチは既存のオペレーティングルームモニターに統合され、ルーチンおよびリソース制限設定での連続BPモニタリングへのアクセスを拡大することができます。