2018 Fiscal Year Research-status Report
人工知能による画像、採血データを用いたリハビリテーション帰結予測モデルの構築
| Project/Area Number |
18K10765
|
|---|
| Research Institution | Fujita Health University |
|---|
Principal Investigator |
岡崎 英人 藤田医科大学, 医学部, 准教授 (30410707)
|
|---|
| Project Period (FY) |
2018-04-01 – 2021-03-31
|
| Keywords | 人工知能 / 脳血管障害 / リハビリテーション / 帰結 |
|---|
| Outline of Annual Research Achievements |
本研究は人工知能を利用して、リハビリの帰結予測に採血データや画像所見を臨床デー
タに加えることによってより精度の高い予測が可能となるか検討するものである。
平成30年度は、予備検討として、臨床データのみでの人工知能を使用した帰結の学習モデルの作製と検証、頭部MRI画像の処理方法を検討した。臨床データのみでの帰結予測モデルでは、機械学習はpythonを使用し、臨床データ（入院時FIM運動項目得点、Stroke Impairment Assessment Set全項目 ）4964例を使用し、3986例をモデル作成に使用し、残りの978例で検証を行った。通常の重回帰分析モデルと比較し、重回帰モデルではR二乗0.80にたいし人工知能で作成したモデルではR二乗0.87、また残差分析でも人工知能モデルの方が残差のばらつきが小さく、人工知能モデルの方が高い精度のモデルを作成出来ることが判かり、第44回日本リハビリテーション医学会中部当会地方会で発表した。
画像処理方法の検討では、脳梗塞症例では、全ての画像を学習させると処理に時間を要すること、PCの性能によっては全く処理が出来ないため、脳梗塞では、MRIのDWI、FLAIR、脳出血症例では頭部CT画像、MRIのT2画像を使用し、人工知能に学習をさせていくこととした。また脳画像はそのままでも学習可能であるが、人工知能に正しく学習させるため、全画像の有意な所見を確認しデータ化する必要があることが判明した。そのため、全画像に対し有意な所見を確認しデータ化する作業が必要となった。これまでに、画像データの処理、臨床データ、入院時採血データも同時に使用して、モデル作成を開始し、現在モデル作製中である。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
人工知能に正確に学習させるために、人の手によって全画像の有意な所見を示す必要があるため、学習するために症例の準備に想定より時間を要している。
|
| Strategy for Future Research Activity |
現在、学習させるデータは決まったため、処理をして学習モデルを作成していく段階である。平成31年度も精度向上のため人工知能に学習をさせていくことを進めていく。
|
| Causes of Carryover |
人工知能処理用のPCではGPUの性能が重要であり、平成30年末に新たなGPUが出ることが判っていたため、平成30年度末に2台目の処理用PCを発注し納品が次年度となってしまった。
|
