| Project/Area Number |
20K21737
|
|---|
| Research Category |
Grant-in-Aid for Challenging Research (Exploratory)
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Medium-sized Section 58:Society medicine, nursing, and related fields
|
|---|
| Research Institution | Nagoya Women's University (2023-2024)
Kansai University of Health Sciences (2020-2022) |
|---|
Principal Investigator |
Kimura Daisuke 名古屋女子大学, 医療科学部, 教授 (90513747)
|
|---|
| Project Period (FY) |
2020-07-30 – 2025-03-31
|
| Project Status |
Completed (Fiscal Year 2024)
|
| Budget Amount *help |
¥6,110,000 (Direct Cost: ¥4,700,000、Indirect Cost: ¥1,410,000)
Fiscal Year 2022: ¥390,000 (Direct Cost: ¥300,000、Indirect Cost: ¥90,000)
Fiscal Year 2021: ¥390,000 (Direct Cost: ¥300,000、Indirect Cost: ¥90,000)
Fiscal Year 2020: ¥5,330,000 (Direct Cost: ¥4,100,000、Indirect Cost: ¥1,230,000)
|
|---|
| Keywords | 機会学習 / 認知症 / BPSD / ビックデータ / AI / 機械学習 / ビッグデータ |
|---|
| Outline of Research at the Start |
データ解析にAIを使用し，まったく新しい関連因子を見つけ，これまでにない戦略をAIが発見する事例が増加し，AIの導き出す戦略や方法論は，固定概念に縛られている研究者の発想を超えたとまで言われているが，AIを稼働するコストが莫大に及ぶことから，保健医療の分野でのAI解析は，実施困難な状況があった．しかし，AIを安価に利用できる環境が実現し，実績を積み重ねてきており，AIとは無縁であった保健領域でのデータ使用が可能となってきている．これらAIに要因分析と介入プランを構築させることで，研究者の考えの枠を超えた新たな介入仮説が立案でき，それに基づく介入プランはこれまでにないプランになると期待される．
|
| Outline of Final Research Achievements |
The purpose of this study was to use AI (machine learning) for factor analysis of BPSD in dementia, to formulate a new intervention hypothesis beyond the framework of researchers' ideas, and to clearly maintain the data as the basis for formulating an unprecedented intervention plan based on this hypothesis. In this study, several hundred thousand digits of data were used for factor analysis of BPSD in dementia using machine learning. As a result, we were able to discover new relationships so far, and we believe that we were able to analyze the data as a basis for clinical application.
|
| Academic Significance and Societal Importance of the Research Achievements |
これまでの研究では、認知症のBPSDの発生要因は患者の心理的、身体的な要因がトリガーとなり発生するとの仮説のもとに対応策が講じられてきた。本研究では、認知症者の行動パターン、心理状態、身体機能など複数の係数からデータセットを作成し、そのデータに対して、BPSD発生を従属変数とした機械学習を実施、BPSDの行動パターンに影響する要因を特定できた。また、他分野の分析方法の応用も実施でき、機械学習を基盤としてデータ解析の保健医療分野への応用の基礎が確立できたと考えられる。
|
