Validation and enhancement of a predictive model for diagnosing acute encephalopathy using machine learning.

• Project/Area Number: 25K11087
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 52050:Embryonic medicine and pediatrics-related
• Research Institution: Kagawa Prefectural College of Health Sciences
• Principal Investigator: 大栗 聖由 香川県立保健医療大学, 保健医療学部, 講師 (70791078)
• Co-Investigator(Kenkyū-buntansha): 岡西 徹 鳥取大学, 医学部, 准教授 (00510273) ; 上原 一剛 米子工業高等専門学校, その他部局等, 教授 (10324998) ; 神内 済 香川大学, 医学部附属病院, 助教 (10595929) ; 小西 行彦 香川大学, 教育学部, 准教授 (60528157) ; 前垣 義弘 鳥取大学, 医学部, 教授 (80252849)
• Project Period (FY): 2025-04-01 – 2028-03-31
• Project Status: Granted (Fiscal Year 2025)
• Budget Amount: ¥4,420,000 (Direct Cost: ¥3,400,000、Indirect Cost: ¥1,020,000); Fiscal Year 2027: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000); Fiscal Year 2026: ¥1,690,000 (Direct Cost: ¥1,300,000、Indirect Cost: ¥390,000); Fiscal Year 2025: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
• Keywords: 急性脳症 / 熱成けいれん重積 / 急性期 / 脳波解析 / 機械学習

Outline of Research at the Start

小児の急性脳症は、本邦の乳幼児に多く、その中でもけいれん重積型脳症はもっとも頻度が高く、後遺症を高率に残す。しかし、発症後3-6日経過してからMRIで皮質下白質の異常が認められるため、発症早期の診断法は未だ確立されていない。また、予後良好な熱性けいれん重積でも同じような症状を認めるため、急性脳症と発症早期での鑑別は難しい。急性期脳波鑑別が有用とされているが、熱性けいれん重積においても同様の大徐波を認めることがあり、早期鑑別は困難であるのが現状である。本研究では脳波の速波成分に着目し、機械学習を利用した急性脳症の新たな自動鑑別診断および予後予測法を開発する。