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。

朝向胎儿心率劳动图（CTG）的机械波形分析，首先使用移动平均值来计算胎儿心跳基线的鉴定。此外，瞬态心动过缓的测定被定义为与定义的基线相比，心跳减少了5 bpm或更多，进行了分析。结果，发现基线的微小变化在临床上也不显着，通常被确定为短暂性心动过缓，并且存在两个问题：短暂性心动过缓（与基线相比，瞬时变化）被忽略了，例如后期的抗宽松性心动过缓。因此，我们试图通过合并上述方法来降低短暂性心动过缓的假阴性和假阳性，以检测基线（常规方法）减少的量与其他方法。变更点检测方法用作与常规方法不同的CTG分析。使用了三种类型的变更点检测方法：贝叶斯在线方法，破裂毛皮方法和更改Finder方法。当将20个CTG与使用常规方法的妇产科医生和妇科医生的读数和检测进行比较时，检测延迟的短暂性心动过缓的检测，该方法无法通过使用破裂pelt方法的常规方法来检测，并且检测部分通常与延迟的横向bradycardian read和gynectrician遗嘱相处一致。但是，如果产科医生和妇科医生读取机械检测到的瞬时心动过缓和短暂性心动过缓的开始时间点和短暂性心动过缓，则在评估匹配率时无法做出正确的判断，因此还必须考虑评估方法。作为未来的政策，我们计划创建一种算法，以进一步降低变更点检测方法的假正和假负率，并为机器学习加载许多CTG。