論文の概要: Learning optimal treatment strategies for intraoperative hypotension using deep reinforcement learning

• arxiv url: http://arxiv.org/abs/2505.21596v1
• Date: Tue, 27 May 2025 16:53:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-29 17:35:50.199595
• Title: Learning optimal treatment strategies for intraoperative hypotension using deep reinforcement learning
• Title（参考訳）: 深部強化学習を用いた術中低血圧の最適治療戦略
• Authors: Esra Adiyeke, Tianqi Liu, Venkata Sai Dheeraj Naganaboina, Han Li, Tyler J. Loftus, Yuanfang Ren, Benjamin Shickel, Matthew M. Ruppert, Karandeep Singh, Ruogu Fang, Parisa Rashidi, Azra Bihorac, Tezcan Ozrazgat-Baslanti,
• Abstract要約: 手術中の静脈内(IV)液と血管圧薬の最適投与を推奨する強化学習(RL)モデルを開発した。 2014年6月から2020年9月までに当院で大手術を施行した成人42,547例の50,021例を振り返って検討した。 このモデルでは, 血管圧薬の服用に関する医師の判断の69%を再現し, 治療の10%と21%に比較して, 血管圧薬の高用量および低用量を提案した。
• 参考スコア（独自算出の注目度）: 15.250309028214765
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Traditional methods of surgical decision making heavily rely on human experience and prompt actions, which are variable. A data-driven system generating treatment recommendations based on patient states can be a substantial asset in perioperative decision-making, as in cases of intraoperative hypotension, for which suboptimal management is associated with acute kidney injury (AKI), a common and morbid postoperative complication. We developed a Reinforcement Learning (RL) model to recommend optimum dose of intravenous (IV) fluid and vasopressors during surgery to avoid intraoperative hypotension and postoperative AKI. We retrospectively analyzed 50,021 surgeries from 42,547 adult patients who underwent major surgery at a quaternary care hospital between June 2014 and September 2020. Of these, 34,186 surgeries were used for model training and 15,835 surgeries were reserved for testing. We developed a Deep Q-Networks based RL model using 16 variables including intraoperative physiologic time series, total dose of IV fluid and vasopressors extracted for every 15-minute epoch. The model replicated 69% of physician's decisions for the dosage of vasopressors and proposed higher or lower dosage of vasopressors than received in 10% and 21% of the treatments, respectively. In terms of IV fluids, the model's recommendations were within 0.05 ml/kg/15 min of the actual dose in 41% of the cases, with higher or lower doses recommended for 27% and 32% of the treatments, respectively. The model resulted in a higher estimated policy value compared to the physicians' actual treatments, as well as random and zero-drug policies. AKI prevalence was the lowest in patients receiving medication dosages that aligned with model's decisions. Our findings suggest that implementation of the model's policy has the potential to reduce postoperative AKI and improve other outcomes driven by intraoperative hypotension.
• Abstract（参考訳）: 従来の外科的判断法は、人間の経験に大きく依存し、行動を促す。 患者状態に基づく治療勧告を生成するデータ駆動システムは、術中低血圧の場合のように、周術期意思決定において重要な要素となり得る。 手術中の静脈内(IV)液および血管圧薬の至適投与を推奨する強化学習(RL)モデルを構築し,術中低血圧と術後AKIを回避した。 2014年6月から2020年9月までに当院で大手術を施行した成人42,547例の50,021例を振り返って検討した。 そのうち34,186機が模型訓練に使用され、15,835機が試験に使用された。 術中生理的時系列,IV液量および血管圧薬の総量を含む16変数を用いた深部Q-Networksに基づくRLモデルを構築した。 このモデルでは, 血管圧薬の服用に関する医師の判断の69%を再現し, 治療の10%と21%に比較して, 血管圧薬の高用量および低用量を提案した。 IV液の推奨値は41%の症例で0.05ml/kg/15分以内であり、それぞれ27%と32%で高用量または低用量の投与が推奨された。 このモデルにより、医師の実際の治療と無作為かつゼロドラッグの政策を比較検討した。 AKIの有病率は, モデル決定に適合した薬剤投与を受けた患者では最も低かった。 以上より, 術後のAKIを減少させ, 術後低血圧による他の結果を改善する可能性が示唆された。

関連論文リスト

• A Novel Generative Multi-Task Representation Learning Approach for Predicting Postoperative Complications in Cardiac Surgery Patients [7.42249589630227]
  機械学習は、術後合併症に対する患者のリスクを特定し、予測するために利用することができる。 新規な手術用変分オートエンコーダを用いて術後合併症の予測と評価を行った。 surgVAEは、クロスタスクとクロスコホートプレゼンテーション学習を通じて固有のパターンを明らかにする。
  論文  参考訳（メタデータ） (2024-12-02T20:24:02Z)
• Robust Meta-Model for Predicting the Need for Blood Transfusion in Non-traumatic ICU Patients [10.169599503547134]
  ICU設定での貧血や凝固症管理に不可欠な輸血は、効果的な資源配分と患者のリスク評価の正確な予測を必要とする。 本研究の目的は,多種多様な非外傷性ICU患者に対して,今後24時間にわたって輸血の必要性を予測できる高度な機械学習モデルを開発することである。
  論文  参考訳（メタデータ） (2024-01-01T23:25:48Z)
• Automated Assessment of Critical View of Safety in Laparoscopic Cholecystectomy [51.240181118593114]
  胆嚢摘出術(胆嚢摘出術)は米国で最も一般的な手術の一つで、年間1.2万回以上の手術が施行されている。 LCは胆管損傷(BDI)の増加と関連しており、致死率と死亡率が高い。 本稿では,LCにおける安全性評価(CVS)の自動化を目的とした深層学習手法を提案する。
  論文  参考訳（メタデータ） (2023-09-13T22:01:36Z)
• Prediction of Post-Operative Renal and Pulmonary Complications Using Transformers [69.81176740997175]
  術後急性腎不全,肺合併症,院内死亡の予測におけるトランスフォーマーモデルの有用性について検討した。 以上の結果から,トランスフォーマーモデルにより術後合併症の予測や従来の機械学習モデルよりも優れた性能が得られることが示された。
  論文  参考訳（メタデータ） (2023-06-01T14:08:05Z)
• Safe Deep RL for Intraoperative Planning of Pedicle Screw Placement [61.28459114068828]
  安全な深部強化学習(DRL)に基づく訓練経路計画にリアルタイムな観察を活用するロボット脊椎手術の術中計画手法を提案する。 本手法は,ゴールドスタンダード (GS) 掘削計画に関して,90%の骨貫通を達成できた。
  論文  参考訳（メタデータ） (2023-05-09T11:42:53Z)
• Optimal Sepsis Patient Treatment using Human-in-the-loop Artificial Intelligence [9.309295402639595]
  個別患者に対して最適なIV液量を求めるためのデータ駆動最適化ソリューションを開発した。 MIMIC-IIIデータセットから抽出した敗血症診断患者1122例を対象に,本モデルの有効性を実証した。 その結果,我々のモデルでは平均22%の死亡率で死亡率を下げることができた。
  論文  参考訳（メタデータ） (2020-09-16T22:34:43Z)
• Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on 2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
  本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。 合計320回の試験(平均6回の試験)と28回の試験が行われた。 ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
  論文  参考訳（メタデータ） (2020-05-27T20:44:38Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。