ICU患者の心拍変動から心停止リスクをリアルタイム予測
Real-time machine learning model to predict in-hospital cardiac arrest using heart rate variability in ICU
背景
ICUに入室している患者は心停止リスクが高いが、予測は容易ではない。心停止を予測する方法として、臨床変数を用いたモデルが優れたパフォーマンスを示しているほか、機械学習の導入により、ICU患者で継続的にモニタリングされている心電図指標を用いたリアルタイム予測も可能となっている。
韓国Seoul National University HospitalのLeeらは、4,821名の成人ICU患者、5,679件のユニークなICU入室をデータセットとし、心拍変動（HRV）を利用した院内心停止の予測モデルを機械学習ベースで開発・検証した。
結論
突然心停止は1.88%で発生した。
HRV指標は、時間／周波ドメインと非線形指標からなり、心電図シグナルの5分間を1エポックとして算出された。43のHRV指標のうち33が選択され、LightGBMアルゴリズムを用いて、0.5〜24時間以内の院内心停止を予測するモデルが開発された。
LGBMモデルは、検証セットでの受信者動作曲線下面積0.881、適合率−再現率曲線下面積0.104の精度で、心停止を予測した。
評価
ICU患者の心電図から得られた心拍変動データをもとに、院内心停止を高い精度で予測するモデルが開発された。心電図のみで心停止リスクの継続的モニタリングを可能にするもので、前向検証が期待される。
