An Attempt to Propose Prescription for Hemodialysis Treatment Using Neural Network Machine Learning.
| Project/Area Number |
22K07426
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 52010:General internal medicine-related
|
|---|
| Research Institution | Tohoku Medical and Pharmaceutical University |
|---|
Principal Investigator |
菅野 厚博 東北医科薬科大学, 医学部, 准教授 (40842927)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2024: ¥130,000 (Direct Cost: ¥100,000、Indirect Cost: ¥30,000)
Fiscal Year 2023: ¥390,000 (Direct Cost: ¥300,000、Indirect Cost: ¥90,000)
Fiscal Year 2022: ¥390,000 (Direct Cost: ¥300,000、Indirect Cost: ¥90,000)
|
|---|
| Keywords | 機械学習 / ニューラルネットワーク / 血液透析 / 処方提案 |
|---|
| Outline of Research at the Start |
AIの医療補助の可能性として、時系列データを利用した定期処方内容の変更の提案を検討すべき時期が到来している。ニューラルネットワークは人間の脳神経学的な構造から着想を得て提案されたアルゴリズムによるアプローチである。一方、機械学習は特定の事象に関するデータを解析しその結果に基づく傾向をAIに学習させ判断や予測を行うための手法である。ニューラルネットワークによる機械学習を通して、血液透析・血液透析濾過療法を受ける患者の処方内容の予測を行う。AIを用いた診療補助としてプール化された時系列データを解析し各患者のデータ推移の傾向分析に基づいて適切な処方を予測し、医師に提示することにより診断の補助を行う。
|
| Outline of Annual Research Achievements |
本研究は以下に記す、①～③のフェーズを要する。各段階の進捗については以下の通り。 ①血液透析濾過を施行中の患者からのデータ集積、データシート作成：初年度は血液透析濾過治療を行っている患者を対象に解析を行う。・現在は対象となる血液透析患者の選定、基礎特性ならびに特にカルシウム、リンに関連する、いわゆるCKD-MPD関連の検査値の推移、リン吸着薬などの内服薬などの背景を確認し、解析の基礎となるデータマイニングを行っている。現在はこれらのデータマイニングを継続している状況である。そのため、Mathematicaでのプログラム作成にまでは達していないのが現状。 ②ニューラルネットワークに機械学習させ検証を行う：これをもとにいずれの処方が現実的に選択されたかについて数理計算ソフトMathematicaに学習させる。・データの選択が完了しておらず、現時点では着手するに至っていない。 ③教育の精度を確認し、外れ値について考察する：ニューラルネットワークでの予測値と実測値とを比較させる。
現在は①から②への移行の段階で十分なサンプルサイズが得られておらず、学習の段階であまり進んでない状況である。最終年度にあたって、今後、研究促進のスピードを数段階進めなければ、完遂が不可能な状況となっており、今年前半での巻き返しを図っている。
|
| Current Status of Research Progress |
Current Status of Research Progress
4: Progress in research has been delayed.
Reason
提携している医院において、患者情報が電子カルテではなく紙カルてから直接データを抜粋しなくてはならず、それにともなう作業効率の悪さがあること。これに加えて、機械学習をさせるべき処方の内容には処方医による個体差が大きく、これに伴うバイアスを排除することが難しく、現実的にこれを是正する方法を模索している現状。
|
| Strategy for Future Research Activity |
より時間をかけてデータマイニングからの教師あり機械学習による教育の検証を進める。何度かそのプロセスを経ることにより、数理ソフトを通じてのAIの反応性の均質化を図る。
|
Report
(2 results)
Research Products
(4 results)
