| Project/Area Number |
22K18215
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 90130:Medical systems-related
|
|---|
| Research Institution | University of Hyogo |
|---|
Principal Investigator |
Fujita Daisuke 兵庫県立大学, 工学研究科, 助教 (90907867)
|
|---|
| Project Period (FY) |
2022-04-01 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥1,690,000 (Direct Cost: ¥1,300,000、Indirect Cost: ¥390,000)
Fiscal Year 2023: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2022: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
|
|---|
| Keywords | 人工知能 / 深層学習 / 機械学習 / 尿路結石 / 泌尿器疾患 / ESWL / 泌尿器 |
|---|
| Outline of Research at the Start |
尿路結石に対する体外衝撃波結石破砕術の成否を事前に予測し，適切な治療決定の支援をおこなう．尿路結石症の症例データおよびCT画像データに統計的・人工知能の手法を適用し，治療の成否の予測をおこなう．これらの開発された手法は，泌尿器科において一般的に得られる症例データとCT画像データから成否の予測をすることができる．これらの結果から，泌尿器科の現場において不適切な体外衝撃波結石破砕術の適用を避け，その症例に適した治療の選択を支援することができる．
|
| Outline of Final Research Achievements |
We aimed to provide clinical support by predicting the success (outcome) of extracorporeal shock wave lithotripsy (ESWL) for urolithiasis from patient information such as CT images obtained preoperatively. To achieve both high prediction accuracy and model interpretability, we proposed an effective image feature extraction method using deep learning and performed feature selection in machine learning. As a result, a prediction model with the number of features reduced to seven achieved an AUC of 0.956.
|
| Academic Significance and Societal Importance of the Research Achievements |
学術的な意義として、従来なされていなかった結石画像に対する深層学習による特徴量抽出法の提案と評価、また機械学習アルゴリズムと特徴量選択により解釈性を保ちながら予測精度を向上する方法の提案により、ESWLアウトカム予測の質が向上したことがあげられる。社会的には、より臨床で使いやすい予測モデルが得られたため、二重治療による患者と臨床現場の負担軽減に貢献できる。今後前向きでの予測モデルの評価が必要であるが、治療方針決定支援による医療の質向上の足掛かりとなる結果が得られた。
|
