| Project/Area Number |
19K12206
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 62010:Life, health and medical informatics-related
|
|---|
| Research Institution | Tohoku Medical and Pharmaceutical University |
|---|
Principal Investigator |
Aoki Sorama 東北医科薬科大学, 薬学部, 助教 (40584462)
|
|---|
| Project Period (FY) |
2019-04-01 – 2023-03-31
|
| Project Status |
Completed (Fiscal Year 2022)
|
| Budget Amount *help |
¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000)
Fiscal Year 2021: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2020: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2019: ¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000)
|
|---|
| Keywords | 甲状腺機能異常症 / 機械学習 / 人工知能 / 医療統計 / 基本的検査 / 時系列解析 / スクリーニング |
|---|
| Outline of Research at the Start |
見逃されやすい甲状腺機能異常症(バセドウ病や甲状腺機能低下症など)について、健康診断や人間ドックで誰もが測定するような血液の基本的検査項目の組み合わせから発見することができる予測モデルを構築する。本モデル構築にあたっては機械学習(人工知能)の手法を採用し、また検査値の個人差に起因する正解率の悪化を防ぐためにも「1年間でどれくらい検査値が変動したのか」という時系列情報を適切に評価することのできるモデルの完成を目指す。
|
| Outline of Final Research Achievements |
In order to prevent thyroid dysfunctions from being overlooked, we constructed a machine-learning-based prediction model for thyrotoxicosis and hypothyroidisms by learning a combination of frequently measured blood test items, as a preliminary step to measuring thyroid-related hormones. We have also demonstrated that it is possible to introduce that model into actual hospitals by running it on the cloud.
Additionally, by adding a feature that expresses the rate of annual change from the values at the last examination, and turning it into a time-series model, we have successfully reduced the false-positive rate of the hyperthyroidism prediction model by more than half. On the other hand, even by turning it into a time-series model, the accuracy of the hypothyroidism prediction did not improve, and no improvement was observed even after trying various learning methods for the model.
|
| Academic Significance and Societal Importance of the Research Achievements |
甲状腺機能異常症見逃し防止のための機械学習モデルについて、クラウド化により実際の病院における3健診施設にて稼働させることができたことで、人工知能の応用化が多忙な健診施設においても可能であることを示せたと考えている。また、本モデルはこのうち対象者数が最大であった施設（東北公済病院）にて見逃されていた患者25例の発見にも成功しており、患者QOLの向上にも繋がることを実証した。さらに検査値の時系列情報について、速度として取り扱うと有用である疾患と有用でない疾患の差異を限定的ながら明らかにできたことで、臨床検査値の取り扱いに関する知見を深めることができた。
|
