2022 Fiscal Year Research-status Report
The Construction of A Prognostic Model for Heart Failure in Deep Learning
| Project/Area Number |
21K10287
|
|---|
| Research Institution | Toho University |
|---|
Principal Investigator |
中村 啓二郎 東邦大学, 医学部, 講師 (20366181)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
朱 欣 会津大学, コンピュータ理工学部, 上級准教授 (70448645)
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Keywords | 深層学習 / 心不全 / 予後因子 |
|---|
| Outline of Annual Research Achievements |
本研究「深層学習を用いた心不全に対する予後予後モデルの構築」について2016年～2020年の5年間に心不全で入院した730例のDPCデータと各検査データを加え
たデータベースを構築、さらにクラスター分析と深層学習による予後予測の検証を行った。まず、クラスター分析についての研究成果は、5つのクラスターに分類され、年齢と腎機能の2つの予後因子は判明、「Exploring and Identifying Prognostic Phenotypes of Patients with Heart Failure Guided by Explainable Machine Learning」としてLife(IF=3.78)という医学雑誌にアクセプトされた。さらに、深層学習による解析については、従来の深層学習モデルであるDeepSurvによる検証と最新の時間軸を含めたRNNSurv、そしてCox proportional hazardモデルによる比較検証を行い、結果、時間軸を含めたRNNSurvの方が予後予測精度が高いことが示された。また、Cox proportional hazardモデルと比較して交絡因子に左右されることなく予後因子の同定とリスク評価を行うこと
が可能であった。その結果について「Risk of Mortality Prediction Involving Time-varying Covariates for Patients with Heart Failure Using Deep
Learning」というタイトルにてFrontiers in Cardiovascular Medicine (IF=4.79)に医学雑誌にアクセプトされた。現在、国立国際医療センターと心臓血管研究所付属病院も含めて多施設での検証を行い、開発した深層学習モデルの有用性を明らかにする。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
既にデータベース構築・深層学習モデルを構築を終え、本研究の研究成果について報告、２つの医学雑誌にアクセプトされているため
|
| Strategy for Future Research Activity |
今後は多施設でのデータベース構築を行い、症例数を2000例まで増やす予定である。さらに、従来の心不全病型分類と比較検証、また、心筋ストレイン指標に基づいたマルチモダリティによる深層学習モデルを構築し、心筋ストレイン指標による深層学習による新たな心不全分類と予後予測を行う予定である。
|
| Causes of Carryover |
既にデータベース構築が終わっていたため、データ入力に雇用していた謝金が少なくて済んだた。2023年度の使用計画に関しては、論文投稿料や学会参加、新たなデータ解析に使用する予定である。
|
