2019 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31年度(令和元年度)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画像の処理を行い人工知能への学習を進めた。既存の報告されている方法との比較では、機械学習はpythonを使用し、臨床データ(入院時と2週後の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。2地点を使用した既存モデルと比較し、既存モデルではR二乗0.79にたいし人工知能で作成したモデルではR二乗0.89、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tた。脳梗塞症例では、MRIのDWI、FLAIR、T1を使用し、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る。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、全症例に対し、異常所見を同定し、それを人工知能に学習させ、帰結との関連を学習させるようにした。現在、症例数の多い脳梗塞を中心にモデル作成にとりかかっており、現在も画像の処理とモデル作製のための学習をすすめているところである。今年度中にさらに学習を進め、モデルの検証を行っていく予定である。
|
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、学習を進めており、継続していく。令和2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 |
コロナウィルスによって学会発表の出張がなくなったため、一部費用が来年度へ繰り越しとなりました。
|
Research Products
(1 results)