Development of AI medical care system that predicts / prevents locomotive syndrome from the characteristics of knee joint acoustic and body-balance.
| Project/Area Number |
21K12655
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 90110:Biomedical engineering-related
|
|---|
| Research Institution | Nihon University |
|---|
Principal Investigator |
長尾 光雄 日本大学, 工学部, 研究員 (90139064)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
紺野 愼一 福島県立医科大学, 医学部, 博士研究員 (70254018)
荊 雷 会津大学, コンピュータ理工学部, 上級准教授 (30595509)
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000)
Fiscal Year 2023: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2022: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2021: ¥2,340,000 (Direct Cost: ¥1,800,000、Indirect Cost: ¥540,000)
|
|---|
| Keywords | 運動器症候群 / WOMAC / small data / バランス能力 / AI / 膝関節音 / 歩行長寿 / 変形性膝関節症 / ロコモティブシンドローム / 過学習 / 身体活動 / 機械学習 / 中高齢者 / WOMAC変形性関節症指数 / データ拡張 / 膝関節 / 人工知能 / AI人工知能 / 重心動揺 |
|---|
| Outline of Research at the Start |
・AIを用いて中高齢者の運動器症候群（ロコモティブシンドローム）を診断予知し、これに基づく予防の処方箋を提示する計測診断方法の開発を目指し、高齢者の歩行長寿に貢献する。
・特徴はいつでもどこでも誰にでも簡便に計測可能なシステムを想定している。
・予知/予防とは臨床と工学の相互データから学習させた予測精度が高いAIアルゴリズムを構築する。
・AI構築の対象はロコモ度、関節音、バランス、アライメントから試行し、精度向上と最適化を進める。
|
| Outline of Annual Research Achievements |
[1]新規BJASデバイスの試作開発： 2023年度は諸般の事情により計測・臨床・ＡＩとの紐付けする環境は困難であった。代わりに試作の計測方法と計測システムで若年・高齢者を対象にしたバランス機能を比較解析し、その有用性を確かめた。（代表）
[2]臨床学的診療情報の取得： 標準的な変形性膝関節症に対する疾患特異的な評価尺度として、Western Ontario and McMaster Universities Osteoarthritis Index （WOMAC)による評価を行う方針であった。構成は疼痛:5項目、こわばり:2項目、機能:17項目の3グループであり、計24項目に自記式で回答する方式である。この回答と診療データをAIデータとして提供する予定であった。また、実際の症例収集のため、責任者、分担者チーム間での対面でのミーティングを行い、情報共有を図った。また、AI用データ整理を行った。しかし、2023年5月までのコロナ感染症拡大防止対策や、研究分担者の異動のため、研究の対象となるWOMACスコア被験者を収集することが難しかった。（分担1）
[3]臨床情報からAI診療支援の開発： 早期に膝関節の異常を検出するシステムの開発では、少ないデータ量で効率的に機械学習の分類を行う方法は重要である。2023年度では、アウトライヤーをz-スコアによる除去する手法、及び過学習を防ぐためのシャッフル手法を検討した。特に少ないデータ量で高い精度を達成するための効率的な学習技術を提案した。また、歩行姿勢分析から、膝関節の異常を検知する予備研究も進めた。中敷型足圧センサによる12種類の日常動作から、歩行動作の認識率が97%になることも確認した。これは足圧データから歩行姿勢を分析する手法の開発につながる。（分担2）
|
Report
(3 results)
Research Products
(19 results)
