全身麻酔の深度を予測するAI研究の発展

全身麻酔時、麻酔科医は臨床経験に基づき、患者の心拍・呼吸・動作などからその意識状態を推測している。MITのグループから発表された「プロポフォールによる麻酔深度を管理するディープラーニング手法」を以前に紹介した(過去記事)。当時、仮想環境で施行されていた研究を発展させ、「実際の手術患者で麻酔薬の種類に応じて意識状態を評価するアルゴリズム」として公表された。

MITの研究所 The Picower Instituteからのニュースリリースでは、PLOS ONEに掲載された「脳波の機械学習によるGABA作動性麻酔時の無意識状態の分類」という同グループの成果を紹介している。研究チームは健康なボランティア7名にプロポフォール麻酔を導入し、リアルタイムに脳波から意識状態を分類するAIアルゴリズムを構築した。これを別の3名で交差検証したところ、AUC 0.99という優れた性能を示していた。さらに「背景の全く異なる27名」を実際の手術患者から抽出してモデルをテストしたところ、AUC 0.95-0.98を達成し、高い汎化性能が確認された。また、プロポフォール同様、GABA受容体への神経メカニズムで作用する麻酔薬セボフルランを投与された17名の患者においても、意識分類におけるモデルパフォーマンスとしてAUC 0.88-0.92が得られている。

同モデルにより、脳波からの無意識状態の予測が、同じ作用機序をもつ複数の麻酔薬で汎用できる可能性が示された。そして、20代の若者を中心とした学習データから構築されたアルゴリズムが、背景のばらついた平均年齢の高い手術患者でもうまく適用されている。著者のひとりBrown氏は「さらに数百のケースに臨床試験を拡大してアルゴリズムの性能を確認し、より幅広い違いが現れるか見極めたい」とする。この研究アプローチは、適切な麻酔深度を自動制御する輸液ポンプのような装置開発へつながることも期待されている。

関連記事:

  1. ディープラーニングで変わる麻酔管理
  2. AIを利用し手術中の麻酔深度をモニタリング

前の記事EARN – 転移性乳がんのドライバー遺伝子を予測する機械学習アルゴリズム
次の記事主要心血管イベントへのAIリスク予測
TOKYO analyticaはデータサイエンスと臨床医学に強力なバックグラウンドを有し、健康増進の追求を目的とした技術開発と科学的エビデンス構築を主導するソーシャルベンチャーです。
The Medical AI Timesにおける記事執筆は、循環器内科・心臓血管外科・救命救急科・小児科・泌尿器科などの現役医師およびライフサイエンス研究者らが中心となって行い、下記2名の医師が監修しています。

1. M.Okamoto MD, MPH, MSc, PhD
信州大学医学部卒(MD)、東京大学大学院専門職学位課程修了(MPH)、東京大学大学院医学系研究科博士課程修了(PhD)、ロンドン大学ユニバーシティカレッジ(University College London)科学修士課程最優等修了(MSc with distinction)。UCL visiting researcher、日本学術振興会特別研究員を経て、SBI大学院大学客員准教授、東京大学特任研究員など。専門はメディカルデータサイエンス。

2. T.Sugino MD
防衛医科大学校卒(MD)。大学病院、米メリーランド州対テロ救助部隊を経て、現在は都内市中病院に勤務。専門は泌尿器科学、がん治療、バイオテロ傷病者の診断・治療、緩和ケアおよび訪問診療。泌尿器科専門医、日本体育協会認定スポーツドクター。