2021년 ２월 16일
David Kremelberg 박사
캘리포니아 의료 스타트 업을위한 대규모 프로젝트의 일환으로 의료 기기에서 가져온 판독 값을 심장 마비 후 폐에 체액이있는 환자의 결과와 연결하는 예측 모델 개발이 필요한 DK Statistical Consulting , Inc.는 그들이 직면 한 몇 가지 문제에 대한 심층 분석을 위해 그들과 협력했습니다.
그중 하나는 심장 마비 이후 환자가 관상 동맥 심부전 (CHF)을 앓고 있으며 폐에 체액이있는 것으로 분류 될 수 있다는 것입니다. 그들은 또한 폐에 체액이없는 CHF를 가지고 있거나 "기타"로 분류 될 수 있으며, 여기에는 천식 환자와 연골 염증이 포함됩니다. 문제는 의료 분야의 사람들이 환자를이 세 가지 범주 중 하나로 정확하게 분류하는 것이 어렵습니다.
CHF 환자는 다양한 관련 상태를 나타낼 수 있습니다. 예를 들어 CHF 환자는 폐렴과 같은 다른 상태가 발생할 수 있으며, 이는 호흡 곤란을 포함한 증상의 실제 원인이 될 수 있습니다.
CHF의 진단은 90 % 이상의 정확도를 가진 정량적 검사에 가깝지만, 뇌 나트륨 이뇨 펩티드 (BNP)의 농도와 같은 측정을 포함하는 반면, 폐의 체액을 진단하는 것이 더 정 성적입니다. 그것은 폐를 듣는 것과 같은 검사를 포함합니다. 응급실 의사들 사이에서 후자에 대한 정확도는 약 40-60 %에 불과하며 일반적으로 피험자 당 단일 측정 값 만 포함합니다.
폐부종은 폐의 과도한 체액으로 인한 상태입니다. 이 액체는 폐의 수많은 기낭에 모여 숨쉬기가 어렵습니다.
대부분의 경우 심장 문제는 폐부종을 유발합니다. 그러나 폐렴, 특정 독소 및 약물에 대한 노출, 흉벽 외상, 높은 곳으로 이동하거나 높은 곳에서 운동하는 등 다른 이유로 인해 체액이 폐에 모일 수 있습니다.
갑자기 발생하는 폐부종 (급성 폐부종)은 즉각적인 치료가 필요한 의학적 응급 상황입니다. 폐부종은 때때로 사망을 유발할 수 있습니다. 폐부종에 대한 치료는 원인에 따라 다르지만 일반적으로 보충 산소와 약물이 포함됩니다.
폐부종의 다른 원인으로는 심장 마비 또는 기타 심장 질환이 있습니다. 누출, 좁아 지거나 손상된 심장 판막; 갑작스런 고혈압; 폐렴; 신부전; 심한 감염으로 인한 폐 손상; 혈액의 심각한 패혈증 또는 감염으로 인한 혈액 중독.
수집 된 데이터는 수많은 과제를 제시했습니다.
많은 문제가 제기되었으며 첫 번째는 수십 기가 바이트 크기의 데이터 세트로 구성되었습니다. 이것은 일련의 전극을 사용하여 인체에서 전기 판독 값을 가져 오는 장치가 환자 당 초당 수천 번 판독 한 결과였습니다. 특히, 200,000 분의 기록에 대해 2.5 회 측정이 이루어졌으며 측정 값은 밀리 볼트, 밀리 암페어 및 옴 단위로 수행되었습니다.
의료 기기를 설계하고 연구에 접근 할 때 의료 기기 팀은 인체를 모델로 사용하고 일련의 커패시터와 저항기로 모델링했습니다. 이를 반영하여 개발 된 의료 기기는이 모델을 준수 할 수있는 하드웨어로 구성되었습니다.
이러한 데이터 세트는 처음에는 데이터 정리 및 조작에 사용되었던 SAS에서 가장 쉽게 조작 할 수있는 것으로 확인되었습니다. 그 후, 더 작고 관리하기 쉬운 요약 데이터 세트가 생성되었으며, 이는 중요한 데이터의 손실을 포함하지 않습니다. 이 모든 것이 수행 된 모든 분석이 표준 랩톱에서 실행되도록하여 회사 서버 중 하나를 사용할 필요가 없습니다.
고도로 예측 가능한 모델을 개발하는 것이 중요했습니다. 이러한 모델의 구성에는 전극 박리가 포함 되었기 때문에 문제가 제기되었으며, 이는 이원 적이 지 않고 환자 그룹에 따라 다를 수 있습니다. 이로 인해 사인파가 잘릴 수 있으므로 이러한 유형의 측정을 감지하는 특수 스크립트가 개발되었습니다.
일부 환자는 많은 양의 체액을 수집했으며, 그중 일부는 폐가 아닌 피부에 나타났습니다.이 가능성은 구축 된 모든 예측 모델과 관련하여 설명되어야했습니다.
이 데이터에는 비정상적인 판독 값과 함께 극단적 인 수준의 노이즈가 존재할 가능성도있었습니다. 고려해야 할 요소에는 데이터 분포, 저항률 차이, 분포 추세 및 이동, 다양한 환자에게 사용 된 다양한 유형의 하드웨어가 포함됩니다.
강력한 모델은 새로운 환자에 대한 예측 정확도를 높였습니다.
또한 새로운 환자로부터 수집 된 데이터를 분석 할 때 유사한 수준의 예측 정확도를 생성 할 수있는 강력한 모델이 필요했습니다. 이를 위해 생성 된 모델이 데이터를 과적 합하지 않도록 교차 검증이 필요했습니다. 이러한 강력한 모델은 성별, 연령 또는 신체 유형, 체중 또는 키에 관계없이 모든 유형의 환자에게 정확해야합니다.
로지스틱 회귀는 허용 가능한 예측 정확도를 가진 모델을 생성하지 않았기 때문에 대신 예측 모델을 생성하기 위해 신경망을 사용했습니다. 빈도, 센서 크기, 인종, 성별, 연령, 피부 유형 및 BMI를 포함한 요소를 통합 한 다중 층 퍼셉트론의 최종 세트는 99-100 %의 예측 정확도를 발견하여 여부를 결정하는 것과 관련하여 확실성에 근접한 예측 수준을 허용합니다. 환자는 회사의 의료 기기에서 추출한 기록 된 데이터 만 사용하여 폐에 체액이있었습니다.
Dr. David Kremelberg 소개 : Dr. David Kremelberg는 DK 통계 컨설팅, Inc. 2009 년부터 통계 컨설턴트로 정규직으로 일했습니다. 그 당시 25 개국 이상 및 심리학, 사회학, 마케팅, 경영, 경제학, 의학, 생물학, 정치학, 화학 등 여러 분야에서 수백 명의 고객을 도왔습니다. , 고고학 및 기타.
