オーラルフレイル回避を目指した筋機能訓練の有効性検討と新規個別スキームの開発

2023 Fiscal Year Annual Research Report

• Project/Area Number: 19K10225
• Research Institution: Okayama University
• Principal Investigator: 水口 一 岡山大学, 大学病院, 講師 (30325097)
• Co-Investigator(Kenkyū-buntansha): 三木 春奈 岡山大学, 医歯薬学域, 助教 (60739902) ; 水口 真実 岡山大学, 大学病院, 医員 (20634489) ; 窪木 拓男 岡山大学, 医歯薬学域, 教授 (00225195)
• Project Period (FY): 2019-04-01 – 2024-03-31
• Keywords: 口腔機能評価 / 筋活動 / 機械学習 / 識別精度

Outline of Annual Research Achievements

本研究は，オーラルフレイル回避を目指して，機能訓練の効果を臨床的に解明することを目的としていたが，高齢者施設への立ち入り制限等があり，当初予定していた高齢者を対象とした研究遂行は困難であった。そのため口腔機能を評価するために，各種の口腔機能を行った際の筋電図データを機械学習にて客観的に解析する手法の開発に着手した。すなわち，咀嚼運動に類似した各種下顎運動の筋電図データを，機械学習によりどの程度識別が可能なのか検討を行った。
適格基準を満たした健常者12名に意識下の仰臥位にて，各種下顎運動（歯の接触を伴う歯ぎしり運動 (BMwTC)，歯の接触を伴わない歯ぎしり運動(BMwoTC)および非歯ぎしり運動 (non-BM)）を行わせた。EMGは，咬筋，舌骨上筋，顎下部，頤部および頸部から，皮膚伝達音を咬筋部から採取した。EMGおよび音響データは，polysomnographならびにvoice recorderにてそれぞれ1kHzおよび44.1kHzにて睡眠研究室内のシールドルームで記録した。得られた筋電図は長さ100 ms，シフト長50msのハミングウィンドウを使用し，隠れマルコフモデルを使用してシングルストリーム（SS）ならびにマルチストリーム（MS）モデルにて，テストされた動作を他の動作から識別させた。トレーニングとテストにはleave-one-out法を用い，11名のデータをトレーニング，1名のデータをテストとした。識別精度は，感度，特異度および調和平均値にて評価した。
SSモデルでは，咬筋EMGの識別精度が最も高い調和平均値を示した。MSモデルでは，SSモデルよりも高い精度が示されたが，BMwoTCの調和平均値は0.5未満であった。機械学習ベースの識別システムでは，咬筋EMGを使用してBMwTCと非BMの識別に関しては高い精度を示すことが明らかとなった。