| Project/Area Number |
23K27820
|
|---|
| Project/Area Number (Other) |
23H03130 (2023)
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Multi-year Fund (2024)
Single-year Grants (2023) |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 58010:Medical management and medical sociology-related
|
|---|
| Research Institution | Fukushima Medical University |
|---|
Principal Investigator |
安部 猛 福島県立医科大学, 公私立大学の部局等, 教授 (80621375)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
中島 和江 大阪大学, 医学部附属病院, 教授 (00324781)
中村 京太 横浜市立大学, 附属市民総合医療センター, 准教授 (00287731)
土屋 慶子 横浜市立大学, 国際教養学部(教養学系), 教授 (20631823)
土屋 隆裕 横浜市立大学, データサイエンス学部, 教授 (00270413)
滝沢 牧子 埼玉医科大学, 医学部, 教授 (70613090)
北村 温美 大阪大学, 医学部附属病院, 特任准教授(常勤) (60570356)
徳永 あゆみ 関西医科大学, 医学部, 准教授 (60776409)
佐藤 仁 横浜市立大学, 附属市民総合医療センター, 准教授 (70453040)
|
|---|
| Project Period (FY) |
2024-04-01 – 2026-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥18,460,000 (Direct Cost: ¥14,200,000、Indirect Cost: ¥4,260,000)
Fiscal Year 2025: ¥6,760,000 (Direct Cost: ¥5,200,000、Indirect Cost: ¥1,560,000)
Fiscal Year 2024: ¥5,850,000 (Direct Cost: ¥4,500,000、Indirect Cost: ¥1,350,000)
Fiscal Year 2023: ¥5,850,000 (Direct Cost: ¥4,500,000、Indirect Cost: ¥1,350,000)
|
|---|
| Keywords | 転倒転落 / マルチモーダル |
|---|
| Outline of Research at the Start |
入院患者の転倒転落は、患者自身、患者家族、医療従事者の身体的負担および心理的不安を増大させるため、正確な予測と効果的な予防が重要である。しかし、発生に至る要因が複雑なため、実装に耐えうる予測モデルの構築は困難である。そこで、本研究では、多次元データを用いたマルチモーダル機械学習によって、入院患者転倒転落リスク予測モデルを開発し、実装化に必要な有効性・妥当性の検証を目的とした。本研究の実施によって、患者QOL向上、スタッフの対応力および想定力の向上に寄与する知見の獲得を目標としている。
|
| Outline of Annual Research Achievements |
本研究の目的は、入院患者の転倒転落リスクに対し、多次元データを用いたマルチモーダル機械学習モデルによる予測モデルの開発、および実装化に必要な有効性・安全性および外的妥当性の検証である。転倒転落の予測に多次元データとマルチモーダル機械学習モデルを適用し、クラスタリングによってリスクを特定を試みた。また、関連分野の網羅的レビューを行ったところ、予測モデル開発およびデータ収集に関し、既存の医療情報からだけでは十分な検証ができない可能性が浮き彫りとなった（論文作成中、学会発表応募中）。具体的には、Screening testとRisk assessmentとしての評価を同一軸で測定することは適切ではなく、前者では歩行身体能力が、後者では歩行自己効力感と臨床的判断が転倒転落を予測しうるということ、観察研究デザインだけでなく、自然実験natural experimentにより、より正確に転倒転落予防の効果測定が可能になりうるということであった。そこで、パイロットスタディとして、横浜市立大学附属市民総合医療センターの入院患者のうち、転倒転落リスク評価された全患者を対象とし、多次元データを用いたマルチモーダル機械学習モデルにより転倒転落リスク予測モデルを構築を試みている。ただし、レビュー結果でも明らかであったように、実装に耐えうる精度は得られなかったが、教師なし学習により、転倒転落リスクの異なるクラスタ（サブグループ）を特定し、臨床的判断のメカニズム解明を継続している。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
本研究の目的は、入院患者の転倒転落リスクに対し、多次元データを用いたマルチモーダル機械学習モデルによる予測モデルの開発、および実装化に必要な有効 性・安全性および外的妥当性の検証である。転倒転落リスク予測モデルを構築を継続中である。適切なモデル作成のため、追加情報が発生したが、共同研究機関との連携を継続し研究を進めることが可能である。継続的に、精度向上に必要な臨床的判断の要因を特定し、実装に耐えうる転倒転落予防策の作成が可能であると考えている。
|
| Strategy for Future Research Activity |
マルチモダリティでのデータ収集、および機械学習モデルの汎用化により、言語情報から得られるテキストデータ、検査値等の数値データ、疾患の有無やタイプなどのカテゴリデータ、位置情報、および周辺状況等を、それぞれ時系列データとした上で統合的に検証することが可能になりつつある。その手法を応用し、転倒転落の予測に多次元データとマルチモーダル機械学習モデルを適用し、クラスタリングによってリスクを特定する。パイロットスタディとして、横浜市立大学附属市民総合医療センターの入院患者のうち、転倒転落リスク評価された全患者を対象とし、多次元データを用いたマルチモーダル機械学習モデルにより転倒転落リスク予測モデルを構築を試みている。ただし、レビュー結果でも明らかであったように、実装に耐えうる精度は得られなかったが、教師なし学習により、転倒転落リスクの異なるクラスタ（サブグループ）を特定し、臨床的判断のメカニズム解明を継続している。さらに、患者入院時の歩行能力、歩行に対する自己効力感、さらには、臨床家による主観的評価の重要性が最新の研究により指摘されていることから、合わせてデータ収集し、予測モデルを作成予定である。
|
