서울대학교병원 VitalDB
[대회 종료] SNUH Medical AI Challenge 2020 2차 본선
Signal | VitalDB를 활용한 수술중 저혈압 예측
총 500만원
5팀
2020.11.06 - 2020.11.09
11.06
2차 본선 시작
11.09
2차 본선 종료
11.13
2차 평가 마감, 최종 순위 발표
대회 안내
SNUH Medical AI Challenge 2020
주요 일정
- 2차 본선: 2020. 11. 06 18:00 - 2020. 11. 09 18:00
- 기술문서 및 재현가능성 확인 코드 제출: 2020. 11. 10 12:00
- 발표영상 녹화본 제출: 2020. 11. 10 24:00
- 최종 순위 발표 예정: 2020. 11. 13
- 시상식: 2020. 11. 17 10:00 서울대학교병원 의학혁신연구센터
주제: VitalDB를 활용한 수술중 저혈압 예측
1. 혈압이란?
- 혈압은 심장에서 혈액을 밀어낼 때, 혈관 내에 생기는 압력을 말하며 뇌, 심장, 신장 등 각 장기의 관류압을 결정하는 주요 인자임
혈압의 측정 방법
- 비침습적 수동혈압계는 주로 상완에서 측정하며 혈압계 커프를 상완 주위에 감고 수축기혈압 이상으로 커프 압력을 높인 후 압력을 감소시키며 동맥의 혈류 소리를 청취하여 수축기 혈압(systolic blood pressure, SBP), 평균 혈압(mean blood pressure, MBP), 이완기 혈압(diastolic blood pressure, DBP)을 구함
- 침습적 혈압은 요골 동맥(radial artery) 등에 카테터를 삽입하고 압력을 전압으로 변환하는 transducer를 사용하여 동맥압을 연속으로 측정함. 이 때 각 심장 박동 시 최대 압력을 수축기 혈압(SBP), 최소 혈압을 이완기 혈압(DBP), 압력의 평균값을 평균 혈압(MBP)으로 구함
2. 수술 중 저혈압 (intraoperative hypotension, IOH)
- 수술 중 출혈, 수액 부족, 마취제의 과다 투여, 약물 부작용 등 다양한 원인으로 저혈압이 생길 수 있음
현재 수술 중 저혈압(IOH)의 정해진 진단 기준이 없음
- Bjker 등이1) 마취과 연구에 사용된 저혈압의 기준을 분석한 결과에 따르면, 130편의 논문에서 48개의 서로 다른 저혈압 기준이 적용됨. 이 중 가장 많이 사용된 것은 SBP <80 mmHg, SBP 감소 정도가 수술 전 기저치로부터 20% 이상인 경우 등임
- Salmasi 등의2) 후향 연구에 따르면, 일반 수술 환자들에서 수술 중 MBP < 65 mmHg 미만 경우 심장 또는 신장 손상의 위험이 증가함. 또한 저혈압의 유지 시간에 비례해서 위험도가 증가함
3. 이전의 저혈압 예측 알고리즘
마취 유도 후 저혈압
- Kendale 등은3) 인구학적 특징, 수술전 병력, 복용 약제 등의 다양한 요인을 입력으로, 마취유도후 저혈압의 발생 여부를 출력으로 하여 logistic regression, random forest, SVM 등의 다양한 머신러닝 방법의 성능을 비교함
- Logistic regression 이 AUROC 0.70으로 가장 좋은 성능을 보임
중환자의 급성 저혈압 예측
- 중환자에서 발생하는 급성 저혈압은 병원내 사망의 주요 위험인자
- Ghosh 등은4) 혈압의 time series값들을 symbolic sequence들로 변환하고 이로부터 일정 시간 이후에 발생하는 저혈압(MAP 60mmHg 이하로 30분 이상 유지되는 경우)을 예측함
동맥압 파형 기반 저혈압 예측
- Hatib 등은5) 수술 환자 또는 중환자에서의 저혈압 발생을 5-15분 전에 미리 예측하는 모델을 만듬
- 동맥압 파형으로부터 추출한 특징들을 입력으로 하고 5분, 10분, 15분 뒤에 저혈압이 일어날 가능성을 출력으로 하는 머신러닝을 시행하여 external validation에서 각각 AUROC 0.95, 0.92, 0.91의 성능을 보임
- 이 알고리즘은 HPI(hypotension prediction index)로 상품화되었으며 Edwards Lifesciences사의 장비에 탑재되어 중환자실 및 수술실에서 실시간으로 저혈압 발생을 예측
- 이후 전향적 연구에서도 기존 연구와 유사한 좋은 성능을 보임6)
4. VitalDB 소개
- 서울대병원 수술장에서 수집된 약 7만례의 수술 중 생체 신호 데이터
- 이 중 처음 1년간 수집된 6,388명의 익명화 된 비 심장 수술 성인 환자의 수술 중 생체신호 자료가 온라인에 공개되어 있음 (https://vitaldb.net/data-bank/)
- Vital Recorder 프로그램을 이용하여 환자모니터, 마취기, 정맥주입펌프, 뇌파계 등의 다양한 장비로부터 얻어진 최대 172개 종류의 데이터를 시간 동기화하여 고해상도로 기록7)
- 환자 정보는 전자의무기록으로부터 취득
- 기타 자세한 정보는 VitalDB 홈페이지를 통해 얻을 수 있음
5. 문제 정의
- 수술 중 측정된 20초 요골 동맥압 파형으로부터 수술 중 저혈압을 5분 전에 예측하시오
- 수술 중 저혈압의 정의: MAP < 65 mmHg 로 1분 이상 지속된 경우
- 입력 혈압파형에 MAP < 65 mmHg 가 있더라도 예측을 해야합니다.
6. 대상 환자군
- 총 3,278례
- VitalDB의 공개된 6,388례 중 전신 마취 하 동맥압 파형 감시가 이루어진 증례 전부를 포함
- 수술 과: 외과, 산부인과, 흉부외과, 비뇨기과, 성형외과
- 제외 기준
- 나이 18세 미만
- 체중 30kg 미만 또는 140kg 이상
- 키 135cm 미만 또는 200cm 이상
- 수술 종류: 이식 수술, 심장 수술, 혈관 수술
7. 참고할 만한 결과
https://github.com/vitaldb/maic2020/blob/master/maic_data_cnn.py
8. 참고 자료
- Bjker et al., Incidence of intraoperative hypotension as a function of the chosen definition: literature definitions applied to a retrospective cohort using automated data collection. Anesthesiology 2007.
- Salmasi et al., Relationship between Intraoperative Hypotension, Defined by Either Reduction from Baseline or Absolute Thresholds, and Acute Kidney and Myocardial Injury after Noncardiac Surgery. Anesthesiology 2017.
- Kendale et al., Supervised Machine-learning Predictive Analytics for Prediction of Postinduction Hypotension. Anesthesiology 2018.
- Ghosh et al., Hypotension Risk Prediction via Sequential Contrast Patterns of ICU Blood Pressure. IEEE J Biomed Health Inform 2016.
- Hatib et al., Machine-learning Algorithm to Predict Hypotension Based on High-fidelity Arterial Pressure Waveform Analysis. Anesthesiology 2018.
- Davies et al., Ability of an Arterial Waveform Analysis-Derived Hypotension Prediction Index to Predict Future Hypotensive Events in Surgical Patients. Anesthesia and Analgesia 2020.
- Lee HC, Jung CW. Vital Recorder-a free research tool for automatic recording of high-resolution time-synchronised physiological data from multiple anaesthesia devices. Sci Rep 2018.