Determining the timing of delivery based on analysis of cardiotocogram using artificial intelligence

使用人工智能分析胎心监护图来确定分娩时间

基本信息

批准号：
20K18233
负责人：
竹田純
金额：
$ 2.66万
依托单位：
Juntendo University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Early-Career Scientists
财政年份：
2020
资助国家：
日本
起止时间：
2020-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

胎児心拍数陣痛図（CTG）の機械的波形解析に向け、まず胎児心拍の基線の同定を移動平均を用いて算出した。また一過性徐脈の判定は定められた基線から5bpm以上の心拍の減少があったと定義し、解析を行った。その結果として、臨床的に意義の無い少しの基線の変動も一過性徐脈と判定されることが多いことと、遅発一過性徐脈のように基線からの変化は少しではあるが臨床的意義の大きい一過性徐脈が見落されるという2つの問題点があることが分かった。そのため、上記の基線からの減少量を検出する方法（従来法）と他の方法を組み合わせることで一過性徐脈の偽陰性率および偽陽性率を下げることを試みた。従来法と異なるCTG解析として変化点検出法を用いることとした。変化点検出法はBayesian online法、Rupture PELT法、Change finder法の3種類を用いることとし、20例のCTGを、それぞれ、産婦人科専門医の読影結果と従来法での検出と比較したところ、Rupture PELT法において従来法で検出できなかった遅発一過性徐脈を検出し、かつ、検出した部分は産婦人科専門医の読影した遅発一過性徐脈の部分と概ね一致する部分であった。ただし、課題として機械的に検出された一過性徐脈と産婦人科専門医が読影した一過性徐脈の開始および終了時点が異なると、一致率の評価の際に正しい判定を行うことができないため、評価法についても検討が必要である。今後の方針として、変化点検出法の偽陽性率と偽陰性率を更に下げるためのアルゴリズムを作成し、多くのCTGを機械学習させるべく読み込む予定である。

对于胎心率宫缩图 (CTG) 的机械波形分析，我们首先使用移动平均值计算胎心率的基线识别。此外，短暂性心动过缓定义为心率较既定基线降低 5 bpm 或更多，并进行了分析。因此，即使基线的微小变化在临床上不显着，也常常被判断为短暂性心动过缓，而相对于基线的变化，例如迟发性短暂性心动过缓，虽然很小，但人们发现，短暂性心动过缓存在两个问题，即具有重大的临床意义，却被忽视。因此，我们试图通过将上述检测相对于基线的减少量的方法（传统方法）与其他方法相结合来降低短暂性心动过缓的假阴性率和假阳性率。我们决定使用与传统方法不同的变点检测方法作为 CTG 分析。我们采用了贝叶斯在线法、破裂PELT法和变化查找器法三种类型的变化点检测方法，并将20例CTG的判读结果与妇产科医生的常规检测方法进行比较。使用常规方法无法检测到的迟发性短暂性心动过缓，检测到的区域与妇产科医生解释的迟发性短暂性心动过缓的区域大致相符。然而，如果机械检测到的短暂性心动过缓和妇产科医生解释的短暂性心动过缓具有不同的起点和终点，则在评估一致率时可能难以做出正确的判断，因为这是不可能的，因此评估方法也需要。予以考虑。作为未来的政策，我们计划创建一种算法来进一步降低变点检测方法的误报率和漏报率，并加载许多 CTG 用于机器学习。