| Project/Area Number |
23K15927
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 56060:Ophthalmology-related
|
|---|
| Research Institution | Niigata University |
|---|
Principal Investigator |
飯川 龍 新潟大学, 医歯学総合病院, 助教 (30970686)
|
|---|
| Project Period (FY) |
2023-04-01 – 2026-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,420,000 (Direct Cost: ¥3,400,000、Indirect Cost: ¥1,020,000)
Fiscal Year 2025: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2024: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
Fiscal Year 2023: ¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000)
|
|---|
| Keywords | QOL / 緑内障 / Quality of life（QOL） / AI（人工知能） |
|---|
| Outline of Research at the Start |
緑内障患者は病期の進行とともに生活の質（QOL）、視覚の質（quality of vision：QOV）が低下する。生涯にわたってQOL/QOVを維持することが治療の目標となる。本研究では緑内障患者における①臨床データ（視野や視力等）と人工知能（artificial intelligence：AI）を用いたQOL推定モデルを構築し、これまでの評価対象であった視野や視力以外のQOLという観点から患者の状態を評価できる方法を考案する。②眼底及び光干渉断層計（optical coherence tomography：OCT）データとAIを用いたQOL推定モデルを検討する。
|
| Outline of Annual Research Achievements |
＜視野データとAIを用いたQOL推定モデルの構築＞
およそ300例のアンケート結果を集積しており、このデータをもとにQOVスコアの予測の方法を検討した。11の説明変数（予測に用いるデータ）の組み合わせで、決定係数（R2）を用いて3つの線形重回帰分析法の予測精度の比較した。エンドポイントをラッシュスコアに絞って検討した結果、線形重回帰分析法では決定係数が0.6-0.7と比較的高い値を示した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
メディカルAIセンターの協力を得て、概ね順調に進行している。
|
| Strategy for Future Research Activity |
今後はエンドポイントの中央値で2値化し、ランダムフォレスト法を用いて予測精度の評価をしていく。右眼、左眼だけでなく、better eye/worse eyeによる視野データを用いた検討も加える。さらに次の段階として、予測モデルで各症例の予測値を算出し、実際との一致、不一致を検討し、どのような症例では一致しやすいのか、不一致となりやすいのかそれぞれの特徴を調査する。また、エンドポイントをアンケートの下位尺度（運転、社会生活機能、自立、遠見・近見による行動など）に拡大し、例えばどのような症例で運転に関するスコアが低下しやすいのかといった傾向を調査する。
|
