Prediction and stratification of acute kidney injury with a machine learning algorithm in intensive care unit
Project/Area Number |
19K18321
|
Research Category |
Grant-in-Aid for Early-Career Scientists
|
Allocation Type | Multi-year Fund |
Review Section |
Basic Section 55060:Emergency medicine-related
|
Research Institution | The University of Tokyo (2022-2023) Kyoto University (2019-2021) |
Principal Investigator |
佐藤 憲明 東京大学, 医科学研究所, 助教 (90838997)
|
Project Period (FY) |
2019-04-01 – 2024-03-31
|
Project Status |
Completed (Fiscal Year 2023)
|
Budget Amount *help |
¥2,730,000 (Direct Cost: ¥2,100,000、Indirect Cost: ¥630,000)
Fiscal Year 2022: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000)
Fiscal Year 2021: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000)
Fiscal Year 2020: ¥390,000 (Direct Cost: ¥300,000、Indirect Cost: ¥90,000)
Fiscal Year 2019: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
|
Keywords | 集中治療部 / 機械学習 / 腎疾患 / 急性腎障害 / ネットワーク解析 / 畳み込みニューラルネットワーク |
Outline of Research at the Start |
急性腎障害(acute kidney injury: AKI)は、急性に糸球体ろ過量の低下を示す病態である急性腎不全に加え、早期段階の腎機能低下も包括した概念であり、致死的な病態を合併する。特に集中治療部(intensive care unit: ICU)において敗血症性ショックをはじめとした様々な病態が原因になり、高頻度で発生する。事前にAKIの高リスク患者を同定し、適切に介入を行うことは臨床上重要である。本研究ではICU患者時系列データに対して、昨今発展の著しい機械学習手法を適用しAKIの発症予測、最適な介入法を同定することを目的とする。
|
Outline of Annual Research Achievements |
最終年度は集中治療部においてモニターされる心電図波形を用いて、1次元畳み込みニューラルネットワークを基に心電図異常の予測を行い、さらにその根拠とする波形を提示するシステムを開発した。さらに、この予測と根拠の不確実性を定量し解釈を可能とする手法を開発し、例えば心筋梗塞が予測された波形データについて、根拠のピークが2つ得られた際にそのどちらがより確度が高いかを提示することを可能とした。機械学習のモデルのより詳細な理解を可能とする成果として、国際学会で発表した。このシステムは1次元の検査・波形データだけでなく、胸部レントゲン画像といった医用画像の予測問題にも応用可能であり、今後研究を展開していく。研究期間全体を通じて、集中治療部における急性腎障害の発症予測とその根拠可視化の研究に主に取り組み、その成果を国際学会で発表し論文化した。さらに、機械学習を用いて腎病理画像の所見を教師なしで定量化する手法開発と、手法の実際の臨床データにおける評価を行う研究にも取り組み、論文発表した。その他、構築した環境を基にオミクスデータにおける機械学習の応用に関する研究にも取り組んだ。このような検査データや画像、さらにオミクスデータといった複数のモダリティを統合することで、より正確な疾患・アウトカム予測が可能なモデルの開発や、これらモデルの予測根拠を解釈することで分子生物学的な病態の理解を可能とする研究に今後発展させていく。
|
Report
(5 results)
Research Products
(17 results)