The Construction of A Prognostic Model for Heart Failure in Deep Learning
| Project/Area Number |
21K10287
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 58010:Medical management and medical sociology-related
|
|---|
| Research Institution | Toho University |
|---|
Principal Investigator |
中村 啓二郎 東邦大学, 医学部, 講師 (20366181)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
朱 欣 会津大学, コンピュータ理工学部, 上級准教授 (70448645)
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥3,770,000 (Direct Cost: ¥2,900,000、Indirect Cost: ¥870,000)
Fiscal Year 2023: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
Fiscal Year 2022: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000)
Fiscal Year 2021: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
|
|---|
| Keywords | 深層学習 / 心不全 / 予後因子 / 予後予測 |
|---|
| Outline of Research at the Start |
近年、高齢者心不全の症例が急増し、将来的な心不全患者の増加による医療費増大が社会的な問題として危惧されている。一方、深層学習を用いて心不全の予後予測を行う研究が注目されている。深層学習の特徴として、入力情報より低次の特徴量から高次の特徴量を自動的に抽出することができ、高い精度予後予測が可能であり、臨床研究への応用が期待されている。本研究は、心不全の臨床データを用いて深層学習（deep learning）による予後予測モデルの構築を行い、心不全増悪因子の同定や予後予測を行う。さらにDPCデータからの情報を利用して、心不全患者のQOLの改善や医療経済的な課題解決へのアプローチを行う。
|
| Outline of Annual Research Achievements |
本研究「深層学習を用いた心不全に対する予後予後モデルの構築」について2016年～2020年の5年間に心不全で入院した730例のDPCデータと各検査データを加えたデータベースを構築、さらにクラスター分析と深層学習による予後予測の検証を行った。まず、クラスター分析についての研究成果は、5つのクラスターに分類され、年齢と腎機能の2つの予後因子は判明、「Exploring and Identifying Prognostic Phenotypes of Patients with Heart Failure Guided by Explainable Machine Learning」としてLife(IF=3.78)という医学雑誌にアクセプトされた。さらに、深層学習による解析については、従来の深層学習モデルであるDeepSurvによる検証と最新の時間軸を含めたRNNSurv、そしてCox proportional hazardモデルによる比較検証を行い、結果、時間軸を含めたRNNSurvの方が予後予測精度が高いことが示された。また、Cox proportional hazardモデルと比較して交絡因子に左右されることなく予後因子の同定とリスク評価を行うことが可能であった。その結果について「Risk of Mortality Prediction Involving Time-varying Covariates for Patients with Heart Failure Using Deep Learning」というタイトルにてDiagnostics(IF=3.99)に2022医学年に医学雑誌に掲載された。現在、国立国際医療センターのデータ含めて約1200名のデータベースでの検証を行い、開発した深層学習モデルの有用性と心不全予後因子を明らかにし、さらに、UK biobankなど海外のデータベースとの対比も検討している。
|
Report
(3 results)
Research Products
(4 results)
