| Project/Area Number |
22K18211
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 90130:Medical systems-related
|
|---|
| Research Institution | Osaka University |
|---|
Principal Investigator |
OKA Shintaro 大阪大学, 歯学部附属病院, 特任助教(常勤) (30912232)
|
|---|
| Project Period (FY) |
2022-04-01 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000)
Fiscal Year 2023: ¥520,000 (Direct Cost: ¥400,000、Indirect Cost: ¥120,000)
Fiscal Year 2022: ¥4,030,000 (Direct Cost: ¥3,100,000、Indirect Cost: ¥930,000)
|
|---|
| Keywords | 歯科治療 / 機械学習 / 医療安全 |
|---|
| Outline of Research at the Start |
歯科医師は診療中に経験からフィードバックを行い自身の手技を修正していく。診療の経験を多人数で共有できれば、効率的に手技の学習が行えるが、電子カルテによる記録は情報量が少なく、映像では効率的な利用が難しいという問題がある。そこでAIを用いることで、映像から術者の動作を抽出し、術者が診療内容から動作を実現するアルゴリズムの解明を行い、これを術者間で比較できる仕組みを構築する。
|
| Outline of Final Research Achievements |
We developed a system that automatically records dental procedures on video and accumulated data for approximately 200 cases. For the videos obtained with this system, we performed object detection on the dental instruments placed on the tray used for dental treatment and created a time-series dataset of the used instruments. Based on the obtained time-series data, we classified the treatment content (periodontal treatment, caries treatment, root canal treatment, root canal filling) and estimated the dental insurance claim items (periodontal treatment, periodontal examination, caries treatment, root canal treatment, root canal filling). For treatment content, we achieved an accuracy of about 75% by using a convolutional neural network, and for the dental insurance claim items, we achieved F1 scores of over 70% for all items except root canal filling by using a support vector machine.
|
| Academic Significance and Societal Importance of the Research Achievements |
本研究では、歯科医学知識を有する歯科医師が表現する診療行為を映像で記録するシステムを構築した。得られた映像の一部を用いることで、診療内容やレセプト算定項目の推定ができる可能性が示された。すなわち本システムで記録した映像から様々な目的に応じて情報を取り出すことが可能であることから、事後評価や医療安全を目的としたフィードバックが可能な環境を構築したと言える。将来的に本システムによるデータが更に蓄積されれば、自動レセプトによる歯科医師の働き方改革だけでなく、医療安全の実現や従来の診療録ではできなかった医療情報の二次利用へとつなげることも可能であると考えられる。
|
