| Project/Area Number |
20K16911
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 52050:Embryonic medicine and pediatrics-related
|
|---|
| Research Institution | Tokyo Metropolitan Children |
|---|
Principal Investigator |
森川 和彦 地方独立行政法人東京都立病院機構東京都立小児総合医療センター(臨床研究部), その他, 臨床試験科 医長 (90612721)
|
|---|
| Project Period (FY) |
2020-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000)
Fiscal Year 2023: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2022: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2021: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
Fiscal Year 2020: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
|
|---|
| Keywords | 診療支援 / 機械学習 / 診療支援システム / 医用システム / AI |
|---|
| Outline of Research at the Start |
本研究では、既往の取り組みにおける課題に基づいて外来業務における診断プロセスの体系化を行い、患者由来の構造化された問診データと予後情報を活用し、診断予測モデル手法と臨床現場への活用法を開発する。適切な診療行為の実現のために診療を支援するものであり、医療の質向上・均てん化・診療支援に必要なエビデンスの提供が期待できる。
|
| Outline of Annual Research Achievements |
プライマリケアにおける外来診療では、非常に多くの患者への対応が求められ、医師は短時間で患者の状態をとらえて診断・治療の意思決定をしている。研究代 表者らは医療の自動化に向け、その起点である患者から多面的で高度に構造化(以下、構造化)された問診情報と検査・処方・病名などの医療情報を収集し、患者 や 医療者のための外来診療における問診、あるいは診療現場を支援のためのシステム開発の研究を進めている。病態変化検知型問診システムを利用した迅速抗 原検 査のスクリーニング手法の開発が進めてきたが、外来業務の効率化と診療の質の向上のために、医療の自動化を見据え、広範な診断プロセスを支援する診 断予測 モデルの開発が課題である。 本研究では、既往の取り組みにおける課題に基づいて外来業務における診断プロセスの体系化を行い、患者由来の構造化 された問診データと予後情報を活用 し、診断予測モデル手法と臨床現場への活用法を開発する。適切な診療行為の実現のために診療を支援するものであり、医 療の質向上・均てん化・診療支援に必 要なエビデンスの提供が期待できる。2020年度は既存情報の収集と新型コロナウイルスの流行に伴い収集システムの改編 を行った。2023年度中に59,661件の問診 情報を収集した。過去の情報を含めて187,712件の問診件数となった。期間ごとに異なるデータセットをクレンジング処理し、解析可能なデータセットを準備し、収集データの全体像を確認した。解析準備を完了した。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
新型コロナウイルスの流行に伴いフィールド施設への訪問が制限されたため、現場との意見交換が難しかった。また、患者の受診行動の変化、流行性疾患の減少 から、医療機関への受診者数が激減し、当初予定していた問診入力数(受診患者数)を大きく下回った。また、データ統合後の解析作業に遅れが出ている。
|
| Strategy for Future Research Activity |
問診情報の収集が進んできたことから、下記の研究項目を実施する。
(1)既存データ解析による診断予測解析
(2)クリニックにおける問診データを用いた診断予測解析 診断予測解析として、川崎病、呼吸器および腹部疾患の代表的疾患を対象に患者問診から診断予測モデ ルをロジスティック回帰モデル、機械学習・ディープラー ニング手法の実施可否について検討を進める。モデル疾患を基準に、他疾患への拡張性について検討し、鑑別疾患表示につなげる。
|
