遺伝的プログラミングを用いた特徴量生成による術中低血圧予測手法

• Item type: Journal(1)
• 公開日: 2023-02-15
• タイトル: 遺伝的プログラミングを用いた特徴量生成による術中低血圧予測手法
• タイトル / 言語: en
• タイトル: Intraoperative Hypotension Prediction Method by Feature Generation Based on Genetic Programming
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: [特集:ネットワークサービスと分散処理] 遺伝的プログラミング，特徴量生成，機械学習，医療
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_6501
• 資源タイプ: journal article
• ID登録: 10.20729/00224258
• ID登録 / ID登録タイプ: JaLC
• 著者所属: 慶應義塾大学大学院理工学研究科
• 著者所属: 慶應義塾大学大学院理工学研究科
• 著者所属: 慶應義塾大学大学院理工学研究科
• 著者所属: 東京歯科大学市川総合病院麻酔科／杏林大学医学部麻酔科
• 著者所属: 慶應義塾大学大学院理工学研究科
• 著者所属(英): en
• 著者所属(英): Graduate School of Science and Technology, Keio University
• 著者所属(英): en
• 著者所属(英): Graduate School of Science and Technology, Keio University
• 著者所属(英): en
• 著者所属(英): Graduate School of Science and Technology, Keio University
• 著者所属(英): en
• 著者所属(英): Department of Anesthesiology, Tokyo Dental College, Ichikawa General Hospital / Department of Anesthesiology, Kyorin University, School of Medicine
• 著者所属(英): en
• 著者所属(英): Graduate School of Science and Technology, Keio University
• 著者名: 山崎, 雄貴; 土井, 千章; 稲田, 大陸; 関, 博志; 重野, 寛
• 著者名(英): Yuki, Yamasaki; Chiaki, Doi; Riku, Inada; Hiroyuki, Seki; Hiroshi, Shigeno
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 全身麻酔薬の投与により引き起こされる術中低血圧は，心筋梗塞や腎障害などの有害事象を発生させ，患者予後を悪化させる可能性がある．そのため，手術前に術中低血圧の発生リスクを予測し，各患者の状態に合わせて麻酔薬の投与量を調節することで，術中低血圧の発生を回避することが重要である．本論文では，術中低血圧の予測精度向上を目的とし，遺伝的プログラミングを用いた特徴量生成による術中低血圧予測手法を提案する．患者データ，バイタルデータ，麻酔前問診票を含む電子麻酔記録データから特徴量選択と特徴量生成を行い，術中低血圧の発生リスクを予測する．遺伝的プログラミングを用いた特徴量生成により，訓練データに対して過学習するという課題があるため，過学習を抑制するために，適応度評価にペナルティ項を導入する．これにより，訓練データに過学習することがない特徴量を生成可能となる．提案手法において，過学習が抑制可能であることを確認した．また，SVM手法で予測モデルを構築し，F-measure 0.745で予測可能にした
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Intraoperative hypotension caused by the administration of general anesthetics can cause adverse events such as myocardial infarction and renal failure, which may worsen patients' conditions. Therefore, intraoperative hypotension can be avoided by predicting the risk of hypotension before surgery and adjusting the dose of anesthetic according to each patient's condition. In this paper, we propose Intraoperative Hypotension Prediction Method by Feature Generation Based on Genetic Programming to improve the prediction accuracy of intraoperative hypotension. The risk of intraoperative hypotension is predicted by feature selection and feature generation based on electronic anesthesia record data including patient information, vital data and pre-anesthesia questionnaires. However, feature generation using genetic programming has the problem of overfitting training data. Therefore, we add a penalty term to the adaptivity evaluation to suppress overfitting. This enables feature generation without overfitting the training data. In the proposed method, overfittimg can be suppressed. In addition, a prediction model constructed by SVM method enables prediction with F-measure 0.745.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN00116647
• 書誌情報: 情報処理学会論文誌; 巻 64, 号 2, p. 456-464, 発行日 2023-02-15
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 1882-7764
• 公開者 / 言語: ja
• 公開者 / 出版者: 情報処理学会