Development of Machine Learning Model for VO2max Estimation Using a Patch-Type Single-Lead ECG Monitoring Device in Lung Resection Candidates
- 주제(키워드) maximal oxygen consumption(VO2max) , cardiopulmonary exercise test(CPET) , machine learning model , estimation , lung resection candidates
- 주제(DDC) 610
- 발행기관 아주대학교 일반대학원
- 지도교수 Joo Hun Park MD
- 발행년도 2025
- 학위수여년월 2025. 2
- 학위명 석사
- 학과 및 전공 일반대학원 의학과
- 실제URI http://www.dcollection.net/handler/ajou/000000034562
- 본문언어 영어
- 저작권 아주대학교 논문은 저작권에 의해 보호받습니다.
초록/요약
연구 배경: 폐절제술을 시행하기 위해 심폐운동부하검사(CPET)는 필수적인 검사로 간주되나, 실제로 이를 수행하는 데에는 다양한 제약과 어려움이 존재한다. 최대 산소섭취량(VO2max)은 심폐 기능과 예후를 평가하는 주요 지표로, 이를 보다 간단하고 효율적으로 추정할 수 있는 대안적인 방법의 개발이 필요하다. 본 연구는 패치형 단일 유도 심전도(ECG) 모니터링 기기를 활용한 머신러닝 모델을 개발하여 VO2max를 추정하고, 이를 기존 방법과 비교하여 타당성을 평가하고자 한다. 연구 방법: 이 연구는 전향적 단일 기관 연구로, 2021년 10월부터 2022년 7월까지 3차 교육 병원에서 CPET을 시행한 폐절제술 후보자 42명을 대상으로 진행되었다. 모든 환자는 CPET 동안 단일 유도 ECG 모니터링 기기를 부착하였고, 이를 통해 추출된 데이터를 기반으로 머신러닝 알고리즘을 구축하였다. 모델이 추정한 VO2max 값은 실제 CPET 결과와 비교하였으며, Bland-Altman 분석을 통해 두 결과 간의 편향과 일치성을 평가하였다. 또한 하위그룹 분석을 통해 최대 운동 단계 수준 및 성별에 따른 모델의 일관성을 확인하였다. 연구 결과: Bland-Altman 분석 결과, 머신러닝 모델과 FRIEND 방정식을 통해 추정된 VO2max는 참값과 각각 −0.33 mL·kg-1·min-1와 0.30 mL·kg-1·min-1의 낮은 편향을 보였다. 머신러닝 모델은 기존 FRIEND 방정식보다 VO2max 추정치와 참값 간의 차이가 적은 것으로 나타났다. 하위그룹 분석에서는 최대 운동 단계 수준 및 성별에 따른 모델의 높은 일관성과 적용 가능성을 확인하였다. 연구 결론: 본 연구에서 개발된 머신러닝 모델은 기존 방정식보다 CPET으로 측정된 VO2max 값을 더 정확하게 추정할 수 있음을 보여준다. 이 모델은 CPET 시행이 어려운 상황에서 폐절제술 후보자의 VO2max를 효과적으로 추정하고 심폐 예비력을 평가할 수 있는 유망한 도구로 활용될 가능성이 있다. _________________________________________________________________________ 핵심어: 최대 산소섭취량; 심폐운동부하검사; 머신러닝 모델; 폐절제술 후보자
more초록/요약
Background: A cardiopulmonary exercise test (CPET) is essential for lung resection. However, performing a CPET can be challenging. This study aimed to develop a machine learning model to estimate maximal oxygen consumption (VO2max) using data collected through a patch-type single-lead electrocardiogram (ECG) monitoring device in candidates for lung resection. Methods: This prospective, single-center study included 42 patients who underwent a CPET at a tertiary teaching hospital from October 2021 to July 2022. During the CPET, a single-lead ECG monitoring device was applied to all patients, and the results obtained from the machine-learning algorithm using the information extracted from the ECG patch were compared with the CPET results. Results: According to the Bland–Altman plot of measured and estimated VO2max, the VO2max values obtained from the machine learning model and the FRIEND equation showed lower differences from the reference value (bias: −0.33 mL·kg−1·min−1, bias: 0.30 mL·kg−1·min−1, respectively). In subgroup analysis, the developed model demonstrated greater consistency when applied to different maximal stage levels and sexes. Conclusions: Our model provides a closer estimation of VO2max values measured using a CPET than existing equations. This model may be a promising tool for estimating VO2max and assessing cardiopulmonary reserve in lung resection candidates when a CPET is not feasible. _________________________________________________________________________ Key Words: maximal oxygen consumption (VO2max); cardiopulmonary exercise test (CPET); machine learning model; estimation; lung resection candidates
more목차
I. INTRODUCTION 1
II. MATERIALS AND METHODS 4
A. Study design and subjects 4
B. Cardio-pulmonary exercise test (CPET) 4
C. Measuring device (mobiCARE-MC100, MC-100) 5
D. Developing a machine learning algorithm to predict VO2max 5
(A) Measurement variables by MC-100: Heart Rate, Acceleration, and Gyroscope 5
(B) Feature selection 6
(C) Model development 7
(D) Comparison between the machine-learning model and clinical equation 8
(E) Statistical analysis 8
III. RESULTS 10
A. Baseline characteristics 10
B. Pulmonary function test (PFT) and CPET 10
C. Heart rate accuracy during graded exercise testing 10
D. VO2max estimation 11
IV. DISCUSSION 13
V. CONCLUSION 17
REFERENCES 30
국문요약 34
