2020 수술 중 혈압예측

소개

비침습적 수동혈압계는 주로 상완에서 측정하며 혈압계 커프를 상완 주위에 감고 수축기혈압 이상으로 커프 압력을 높인 후 압력을 감소시키며 동맥의 혈류 소리를 청취하여 수축기 혈압(systolic blood pressure, SBP), 평균 혈압(mean blood pressure, MBP), 이완기 혈압(diastolic blood pressure, DBP)을 구함
침습적 혈압은 요골 동맥(radial artery) 등에 카테터를 삽입하고 압력을 전압으로 변환하는 transducer를 사용하여 동맥압을 연속으로 측정함. 이 때 각 심장 박동 시 최대 압력을 수축기 혈압(SBP), 최소 혈압을 이완기 혈압(DBP), 압력의 평균값을 평균 혈압(MBP)으로 구함

Bjker 등이1) 마취과 연구에 사용된 저혈압의 기준을 분석한 결과에 따르면, 130편의 논문에서 48개의 서로 다른 저혈압 기준이 적용됨. 이 중 가장 많이 사용된 것은 SBP <80 mmHg, SBP 감소 정도가 수술 전 기저치로부터 20% 이상인 경우 등임
Salmasi 등의2) 후향 연구에 따르면, 일반 수술 환자들에서 수술 중 MBP < 65 mmHg 미만 경우 심장 또는 신장 손상의 위험이 증가함. 또한 저혈압의 유지 시간에 비례해서 위험도가 증가함

Kendale 등은3) 인구학적 특징, 수술전 병력, 복용 약제 등의 다양한 요인을 입력으로, 마취유도후 저혈압의 발생 여부를 출력으로 하여 logistic regression, random forest, SVM 등의 다양한 머신러닝 방법의 성능을 비교함
Logistic regression 이 AUROC 0.70으로 가장 좋은 성능을 보임

중환자에서 발생하는 급성 저혈압은 병원내 사망의 주요 위험인자
Ghosh 등은4) 혈압의 time series값들을 symbolic sequence들로 변환하고 이로부터 일정 시간 이후에 발생하는 저혈압(MAP 60mmHg 이하로 30분 이상 유지되는 경우)을 예측함

Hatib 등은5) 수술 환자 또는 중환자에서의 저혈압 발생을 5-15분 전에 미리 예측하는 모델을 만듬
동맥압 파형으로부터 추출한 특징들을 입력으로 하고 5분, 10분, 15분 뒤에 저혈압이 일어날 가능성을 출력으로 하는 머신러닝을 시행하여 external validation에서 각각 AUROC 0.95, 0.92, 0.91의 성능을 보임
이 알고리즘은 HPI(hypotension prediction index)로 상품화되었으며 Edwards Lifesciences사의 장비에 탑재되어 중환자실 및 수술실에서 실시간으로 저혈압 발생을 예측
이후 전향적 연구에서도 기존 연구와 유사한 좋은 성능을 보임6)

서울대병원 수술장에서 수집된 약 7만례의 수술 중 생체 신호 데이터
이 중 처음 1년간 수집된 6,388명의 익명화 된 비 심장 수술 성인 환자의 수술 중 생체신호 자료가 온라인에 공개되어 있음 (https://vitaldb.net/data-bank/)
Vital Recorder 프로그램을 이용하여 환자모니터, 마취기, 정맥주입펌프, 뇌파계 등의 다양한 장비로부터 얻어진 최대 172개 종류의 데이터를 시간 동기화하여 고해상도로 기록7)
환자 정보는 전자의무기록으로부터 취득
기타 자세한 정보는 VitalDB 홈페이지를 통해 얻을 수 있음

총 3,278례
VitalDB의 공개된 6,388례 중 전신 마취 하 동맥압 파형 감시가 이루어진 증례 전부를 포함
- 수술 과: 외과, 산부인과, 흉부외과, 비뇨기과, 성형외과
제외 기준
- 나이 18세 미만
- 체중 30kg 미만 또는 140kg 이상
- 키 135cm 미만 또는 200cm 이상
- 수술 종류: 이식 수술, 심장 수술, 혈관 수술

Bjker et al., Incidence of intraoperative hypotension as a function of the chosen definition: literature definitions applied to a retrospective cohort using automated data collection. Anesthesiology 2007.
Salmasi et al., Relationship between Intraoperative Hypotension, Defined by Either Reduction from Baseline or Absolute Thresholds, and Acute Kidney and Myocardial Injury after Noncardiac Surgery. Anesthesiology 2017.
Kendale et al., Supervised Machine-learning Predictive Analytics for Prediction of Postinduction Hypotension. Anesthesiology 2018.
Ghosh et al., Hypotension Risk Prediction via Sequential Contrast Patterns of ICU Blood Pressure. IEEE J Biomed Health Inform 2016.
Hatib et al., Machine-learning Algorithm to Predict Hypotension Based on High-fidelity Arterial Pressure Waveform Analysis. Anesthesiology 2018.
Davies et al., Ability of an Arterial Waveform Analysis-Derived Hypotension Prediction Index to Predict Future Hypotensive Events in Surgical Patients. Anesthesia and Analgesia 2020.
Lee HC, Jung CW. Vital Recorder-a free research tool for automatic recording of high-resolution time-synchronised physiological data from multiple anaesthesia devices. Sci Rep 2018.