| Project/Area Number |
22K20843
|
|---|
| Research Category |
Grant-in-Aid for Research Activity Start-up
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
0902:General internal medicine and related fields
|
|---|
| Research Institution | Hokkaido University |
|---|
Principal Investigator |
Katsuki Eguchi 北海道大学, 医学研究院, 客員研究員 (20852635)
|
|---|
| Project Period (FY) |
2022-08-31 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000)
Fiscal Year 2023: ¥390,000 (Direct Cost: ¥300,000、Indirect Cost: ¥90,000)
Fiscal Year 2022: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
|
|---|
| Keywords | 脊髄小脳変性症 / パーキンソン病 / 歩行障害 / 機械学習 / 動画 / 深層学習 / 脳神経内科 / 歩行 |
|---|
| Outline of Research at the Start |
神経疾患の診断には神経診察による症状の評価が必要であるが、神経疾患を専門としない医師にとって神経診察は必ずしも容易ではない。神経変性疾患の発症頻度は社会の高齢化に従い増加傾向にあるため、医師の経験・技能によらない客観的な神経所見評価方法の確立が求められている。本研究は、近年発展している機械学習を利用して、代表的神経疾患である脊髄商法変性症とパーキンソン病を対象に、歩行動画から疾患の重症度や鑑別が可能かどうか検証することを目的としている。機械学習モデルを神経疾患の診断や重症度の予測の補助に役立てることを目指している。
|
| Outline of Final Research Achievements |
During the study period, gait videos of 60 SCD patients and 72 PD patients were collected.
First, using the gait videos of SCD patients, we had a deep learning model predict SARA from the gait videos using the SARA score measured by the physician as the supervised data. The model was able to predict SARA score from the gait videos with an accuracy of 2.7 mean squared error and 0.71 coefficient of determination. The performance of the model was evaluated by leave-one-out cross validation, and the model was able to distinguish between SCD and PD with an accuracy of 87% and ROC-AUC of 0.88.
|
| Academic Significance and Societal Importance of the Research Achievements |
本研究において、深層学習モデルが歩行動画からSCDの重症度の評価やSCDとPD患者の歩行の区別が一定の精度で可能であることを示した。歩行動画の撮影は患者に侵襲を与えることなく簡便に行うことができる点から、歩行動画に深層学習モデルを適用して重症度評価や疾患鑑別を行うことは簡便なスクリーニング手法として有用であることが示され、社会実装目指す意義にある手法であることを示すことができた。
|
