Presentation Information
[1Yin-A-45]Classification of renal dysfunction levels using pulse waves
〇Takato Araki1, Atushi Yamasaki1, Hiroyuki Kitajima1, Makoto Ishizawa1, Tetsuo Minamino1 (1. Kagawa university)
Keywords:
AI,machine learning,medical care
腎機能が低下すると，体内の老廃物や余分な水分を十分に排泄できなくなり，むくみ，高血圧，貧血などを生じやすい． さらに進行すると心血管疾患リスクの増大や透析導入につながるため，早期のスクリーニングが重要である． そこで本研究では，日常的に取得可能な非侵襲信号である脈波を用いて腎機能低下レベルの推定を試みた． 本研究では，医療機関で取得された脈波データを用いた． 腎機能の代表的な指標であるeGFRに着目し，eGFRが60未満を腎機能低下として二値分類を行った． 統計量や周波数領域特徴などの時系列特徴量をtsfreshにより抽出し，畳み込み応答に基づく特徴量をMultiROCKETにより抽出した． これらに年齢や性別などの付随情報と併せてCatBoost により分類モデルを学習した． その結果，AUC=0.800，正答率=0.692，感度=0.733，特異度=0.636が得られた． 今後は，複数の閾値に拡張した段階分類とデータ拡充を行い，腎機能低下の早期検出性能の向上を図る．