| Project/Area Number |
16H07500
|
|---|
| Research Category |
Grant-in-Aid for Research Activity Start-up
|
| Allocation Type | Single-year Grants |
|---|
| Research Field |
Epidemiology and preventive medicine
|
|---|
| Research Institution | National Cardiovascular Center Research Institute |
|---|
Principal Investigator |
中尾 葉子 国立研究開発法人国立循環器病研究センター, 研究開発基盤センター, 上級研究員 (90752824)
|
|---|
| Project Period (FY) |
2016-08-26 – 2018-03-31
|
| Project Status |
Completed (Fiscal Year 2016)
|
| Budget Amount *help |
¥2,730,000 (Direct Cost: ¥2,100,000、Indirect Cost: ¥630,000)
Fiscal Year 2016: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
|
|---|
| Keywords | 予後予測 / レジストリ / プレシジョン医療 / 機械学習 / 医療ビッグデータ / データベース / ビッグデータ / 心血管疾患 / 疫学 |
|---|
| Outline of Annual Research Achievements |
本研究の目的は、(1)電子カルテに含まれる莫大な診療情報1つ1つを「データ」として捉え、診療録、オーダリングシステム、画像システム等さまざまなシステムを超えて、それらを自動的に抽出し、大規模なデータベースを構築すること、そして、(2)機械学習を用いて分析することにより、循環器疾患の新しい分類体系を確立し、精緻な心血管疾患の予後予測を行うことである。平成28年度は、(1)を計画しており、下記の通り実施した。
2012年以降当院心臓血管内科へ入院した全患者を対象とし、電子カルテ内のあらゆる診療情報、検査データ、生理機能検査データ、カテーテル検査データ等を、データウェハウスへ自動的に抽出することを可能にした。次に、米国心臓病学会で用いられている循環器疾患全般のレジストリ項目（全226項目）を自動抽出するシステムを開発した。わが国の特性や医療制度等による違いを加味した上で、項目の電子カルテからの自動抽出可否を検討し、約7割の自動抽出が可能であった。1入院を1レコードとして、患者毎に一次データベースを構築した。抽出の妥当性に関しては、院内の各種レジストリデータをもとに、心筋梗塞患者に関し検証したところ、98%一致した。心筋梗塞患者として抽出できなかった例は、心停止による来院患者において、その原因疾患が心筋梗塞が疑われると後に判明した場合、病名入力がなされていないため等の理由であった。その後、統一的データクレンジングによりデータエラーの検出を行い、データベースを構築した。
本データベース構築後、機械学習を用いた“phenomapping” 解析による新たな分類体系と予測モデルの開発を開始している。
|
| Research Progress Status |
翌年度、交付申請を辞退するため、記入しない。
|
| Strategy for Future Research Activity |
翌年度、交付申請を辞退するため、記入しない。
|
