急性腎障害としての術中腎抵抗性指数バイオマーカー：自動分析アルゴリズムの開発と検証

目的：術中ドップラー決定腎抵抗性指数（RRI）は、有望な早期急性腎障害（AKI）バイオマーカーです。RRIが引き続き研究されているため、研究環境におけるその臨床的有用性と堅牢性は、解釈できる容易さ、効率、および精度にリンクされます。したがって、著者は、同等の信頼性と人間の専門家への再現性を備えた自動化されたRRI推定アルゴリズムを開発するアプローチとして、コンピュータービジョンテクノロジーの有用性を評価しました。 デザイン：回顧展。 設定：シングルセンター、大学病院。 参加者：2013年7月1日から2014年7月10日までの成人心臓手術患者術中術中心エコー造影による腎血流測定による患者。 介入：なし。 測定と主な結果：腎ドップラー波形は遡及的に得られ、盲目の人間の専門家評価者によって評価されました。画像（430）は、開発と検証コホートに均等に分割されました。自動化されたRRI分析のアルゴリズムは、コンピュータービジョン技術を使用して構築され、開発コホートでのブートストラップの再サンプリングを使用して専門家との整合性を調整しました。このアルゴリズムは、人間の専門家との合意の公平な評価のために、検証コホートに適用されました。画像あたりの波形分析時間は平均0.144秒でした。一致は、クラス内相関係数（0.939; 95％信頼区間[CI] 0.921〜0.953）およびブランドアルトマン分析（平均差[ヒトアルゴリズム] -0.0015; 95％CI -0.0054〜0.0024）によって優れていました。 結論：著者は、自動的に処理された術中腎ドップラー波形からRRI推定のアルゴリズムを開発するために、コンピュータービジョンテクノロジーの価値を確認しました。この使いやすく効率的なツールは、RRIの臨床的および研究価値にさらに追加されます。これは、すでに評価されているいくつかの初期のAKIバイオマーカーの中で「最も早い」ものです。

OBJECTIVE: Intraoperative Doppler-determined renal resistive index (RRI) is a promising early acute kidney injury (AKI) biomarker. As RRI continues to be studied, its clinical usefulness and robustness in research settings will be linked to the ease, efficiency, and precision with which it can be interpreted. Therefore, the authors assessed the usefulness of computer vision technology as an approach to developing an automated RRI-estimating algorithm with equivalent reliability and reproducibility to human experts. DESIGN: Retrospective. SETTING: Single-center, university hospital. PARTICIPANTS: Adult cardiac surgery patients from 7/1/2013 to 7/10/2014 with intraoperative transesophageal echocardiography-determined renal blood flow measurements. INTERVENTIONS: None. MEASUREMENTS AND MAIN RESULTS: Renal Doppler waveforms were obtained retrospectively and assessed by blinded human expert raters. Images (430) were divided evenly into development and validation cohorts. An algorithm for automated RRI analysis was built using computer vision techniques and tuned for alignment with experts using bootstrap resampling in the development cohort. This algorithm then was applied to the validation cohort for an unbiased assessment of agreement with human experts. Waveform analysis time per image averaged 0.144 seconds. Agreement was excellent by intraclass correlation coefficient (0.939; 95% confidence interval [CI] 0.921 to 0.953) and in Bland-Altman analysis (mean difference [human-algorithm] -0.0015; 95% CI -0.0054 to 0.0024), without evidence of systematic bias. CONCLUSION: The authors confirmed the value of computer vision technology to develop an algorithm for RRI estimation from automatically processed intraoperative renal Doppler waveforms. This simple-to-use and efficient tool further adds to the clinical and research value of RRI, already the "earliest" among several early AKI biomarkers being assessed.