2020 Fiscal Year Research-status Report
人工知能を用いた鎮静及び鎮痛スケールの予測モデルの構築
| Project/Area Number |
18K08896
|
|---|
| Research Institution | Yokohama City University |
|---|
Principal Investigator |
横瀬 真志 横浜市立大学, 附属病院, 講師 (70614402)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
高木 俊介 横浜市立大学, 附属病院, 准教授 (90644823)
|
|---|
| Project Period (FY) |
2018-04-01 – 2022-03-31
|
| Keywords | 人工知能 / 表情認識 / 遠隔集中治療 / 鎮静スケール |
|---|
| Outline of Annual Research Achievements |
我々はネットワークにより医療情報を集約化した遠隔集中治療室（Tele-ICU）の構築を介した医療従事者の負担軽減や医療の質の向上を目標としている。その一つの機能として本研究の目指す鎮静・鎮痛スケールの予測モデルを持つ人工知能の開発がある。本研究では天井設置型カメラで得たICU患者の表情画像をデータベース化し、同時刻の鎮静・鎮痛状態を表す各種スケールとバイタルサイン（血圧、心拍数、酸素飽和度、呼吸回数、体温）とを突合して機械学習を行う。年度ごとに収集されるデータを用いて正答率を高め、臨床応用に耐えうるモデル作成を目的としている。
初年度にはICU患者の特性上酸素マスクや点滴ライン等の人工物が対象者の顔付近に多く、その状況下でも顔のパーツを認識可能なモデル作成の必要性を明らかとした。一昨年度は、顔、及び眼にフォーカスして、人工物存在下でのそれらパーツの認識正答率を複数の機械学習[1 Haar cascade、2 Multi-task Cascaded Convolutional Neural Networks （オープンソース）、3 Single Shot MultiBox Detector（SSD）（ICUデータを用いて事前訓練されたモデル）]を用いて比較した。顔がカメラに正対し画質の良い日中のデータに限定して行った結果では、SSDの正答率が高かったが、眼の認識はSSDでも50%程度であり、更なる改善が必要であった。また、オープンソースモデルでは、実臨床使用に耐えうるモデル作成は難しいことが分かった。昨年度はデータ収集を継続し顔のパーツの認識率を上げることを目標とし、並行してAVPUスコア［Alert（意識清明）Verbal（声かけに反応） Pain（疼痛刺激に反応） Unresponsive（反応なし）］のうち、AとVPUとの2つの群を評価できるモデルの作成を目標とした。
|
| Current Status of Research Progress |
Current Status of Research Progress
4: Progress in research has been delayed.
Reason
研究3年目は2年目と同様にAVPUスコア［Alert（意識清明）Verbal（声かけに反応） Pain（疼痛刺激に反応） Unresponsive（反応なし）］評価を行うプロトタイプモデルの作成、および初期モデルが完成した場合には、その一致度を評価するための検証を行う計画となっていた。
初年度において明らかとなった事はICUという特殊な条件下においても顔や眼を認識可能なモデルの構築のためには、ICUデータを用いて事前訓練されたモデルを使用することが必要という点である。今年度はこれまでの進行の遅れなどを勘案しより簡易的な[A]と[VPU]の2群に識別するモデルの確立を目標とした。対象者からの同意取得数は昨年度を通じて約45例取得された。このリクルート数は初年度、一昨年度と比較すると大きく減少しているが、主にはCOVID19に対応する臨床業務におけるエフォートの増加が原因として挙げられる。昨年度に解析用にストックできたデータ数は35症例であり、脱落の主な理由は同意取得後に集中治療室以外への入室となった対象者であった。収集した画像データは解析用のパソコンに保存したうえで、学習用データを作成するための編集作業を行った。そのうえで収集した画像を用いて、顔の判定、目の判定、目の開閉という手順で画像解析を行なった。今後、複数の機械学習モデルを組み合わせた方法から、物体検知などの手法も取り入れて、解析を進めることを検討している。
|
| Strategy for Future Research Activity |
本年度は前年度に引き続き、収集された画像データを用いて、顔及び眼・口等の認識正答率の向上を目標として、モデルの更なる学習とそれに並行してアルゴリズムの改善を行っていく。ICUという特殊な環境下での顔認識アルゴリズムをベースとした意識レベル評価の初期モデルの作成が昨年度中の目標であったが遅れが生じていた。そのため今年度はより簡易的なAとVPUの2群に識別するモデルの確立を目標としたが、結果的には現場で使用できる判定精度とすることは困難であった。特に、昨年度中はCOVIＤ19の流行に伴った臨床業務のエフォートの増加、および緊急事態宣言に伴った研究協力者の招聘や業務の委託が行なえなかった事などが進捗状況に大きな影響を及ぼした。今後は、複数の機械学習モデルを組み合わせた方法から、物体検知などの手法も取り入れて、解析を進めることを検討している。
また、AVPU認識のプロトタイプモデル構築が本年度内に行えた場合には、その一致度を評価するための妥当性の検証を行っていく予定とする。この初期モデルの構築と並行して、対象者のリクルートを継続し、次年度以降にモデルの正答性向上のための機械学習に使用するデータ収集を継続して行っていく。予算を人件費・謝金に多く充てることでデータの収集・解析を促進させる考えである。
|
| Causes of Carryover |
人工知能の機械学習を委託するために必要な人件費・謝金が研究の進行上必要な段階まで至らなかったこと、およびデータ整理・学習用データ作成のための人件費・謝金を計上していたが、 研究者および研究協力者などが作業に携わる範囲内で行うことができた部分が多く、費用が予定の額に達しなかった。また、新型コロナウイルス感染の影響により学会活動に制限が生じたため、旅費や参加費などが見積よりも少なくなった。次年度は、上述のようにデータの蓄積と人工知能の開発のための人件費・謝金が掛かることを見込んでおり、その領域への資金の使用を検討している。
|
