| Project/Area Number |
23K21570
|
|---|
| Project/Area Number (Other) |
21H03271 (2021-2023)
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Multi-year Fund (2024)
Single-year Grants (2021-2023) |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 58080:Gerontological nursing and community health nursing-related
|
|---|
| Research Institution | Kinjo Gakuin University |
|---|
Principal Investigator |
山口 知香枝 金城学院大学, 看護学部, 教授 (70514066)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
竹尾 淳 名古屋国際工科専門職大学, 工科学部, 講師 (20729222)
榎原 毅 産業医科大学, 産業生態科学研究所, 教授 (50405156)
近藤 康人 藤田医科大学, 医学部, 教授 (30301641)
二村 昌樹 独立行政法人国立病院機構(名古屋医療センター臨床研究センター), その他部局等, 医長 (30470016)
楳村 春江 名古屋学芸大学, 管理栄養学部, 准教授 (90783879)
浅野 みどり 修文大学, 看護学部, 教授 (30257604)
|
|---|
| Project Period (FY) |
2021-04-01 – 2026-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥17,160,000 (Direct Cost: ¥13,200,000、Indirect Cost: ¥3,960,000)
Fiscal Year 2025: ¥130,000 (Direct Cost: ¥100,000、Indirect Cost: ¥30,000)
Fiscal Year 2024: ¥2,860,000 (Direct Cost: ¥2,200,000、Indirect Cost: ¥660,000)
Fiscal Year 2023: ¥2,080,000 (Direct Cost: ¥1,600,000、Indirect Cost: ¥480,000)
Fiscal Year 2022: ¥7,020,000 (Direct Cost: ¥5,400,000、Indirect Cost: ¥1,620,000)
Fiscal Year 2021: ¥5,070,000 (Direct Cost: ¥3,900,000、Indirect Cost: ¥1,170,000)
|
|---|
| Keywords | アレルギー / 発症予防 / Artificial Intelligence / Machine Learning / Deep Learning / 機械学習 |
|---|
| Outline of Research at the Start |
子どもの年齢によって発症しやすいアレルギー疾患は変化する。乳幼児は皮膚のバリアが障害されることによって、そこに付着したアレルゲンから皮膚感作が生じ、アレルギー発症の引き金となる。そこで、アレルギー発症リスクが高い乳幼児に超早期にアレルギー予防支援することで発症率を抑えることができるかどうかを検証する。そのために、第1研究では子どもの皮膚の状態を健康な状態から継続的に解析することで、アレルギーの発症を予測するモデルを構築する。第2研究では、発症リスクが高いと予測判断した時点で「アレルギー予防支援システム」によるプロアクティブ型支援を行い、アレルギー発症率が減少するかを検証する。
|
| Outline of Annual Research Achievements |
第1研究では、子どもの皮膚の状態を健康な状態から継続的に解析することで、アレルギーの発症を予測するモデルを構築する。第2研究では、構築したアレルギー発症の予測モデルから、発症リスクが高いと予測判断した時点で「アレルギー予防支援システム」によるプロアクティブ型支援を行い、アレルギー発症率が減少するかを検証する。
研究の進捗に遅れが生じていたため、まずは第1研究のアレルギー発症を予測するモデルを構築までの段階を進めた。現在は、愛知県内の病院の１か月児健康診査の場でリクルートしている状況である。対象者は脱落を加味して、100名から150名程度の研究参加者数を想定した。研究参加に同意した対象者には、本研究のため開発するスマホアプリをスマートフォンに登録していただき、2歳まで継続していただく。適格基準はアレルギーの診断がない乳児で、養育者がスマホを使用していることである。
リクルート時にアプリ登録とともに初回の調査を実施する。初回調査では、皮膚の画像と皮膚のパラメーター、フィラグリン異常に関する測定を行い、開始時の皮膚の状態を確認することとした。また、今後2歳まで、画像の記録を1週間に1回、頬部と頸部の画像を画像補正用カラーチャートとともに撮影、アプリ上から登録してもらう。また、医療機関を受診しアレルギー診断がされた際にはアプリから報告してもらう。診断後も症状の寛解・重症化などの状況を把握するために2歳まで調査継続する。
アレルギー発症予測モデルの構築のために、研究参加者全員の約2年の画像情報、およびアレルギー発症イベントの情報を集積し、機械学習させる。どのような画像変化が起こった後に発症イベントが生じているかを機械学習させることで、画像によるアレルギー発症予測モデルを構築する。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
アプリ開発およびリクルート施設の依頼等に時間がかかったが、研究協力が得られ、各施設での実施許可も得られた。現在2施設で実施しており、順調に対象者が集まっている。
|
| Strategy for Future Research Activity |
リクルート施設の地域の特徴であるが、外国人が多く、対象者の範囲が限定されてしまうことがわかった。
今後、この発症予測モデルが日本人だけを対象としたものに限定していくのか、人種や肌の色に関わらずに予測できるモデルに発展させるかは、今後の課題である。
|
