| 研究課題/領域番号 |
18790912
|
|---|
| 研究種目 |
若手研究(B)
|
| 配分区分 | 補助金 |
|---|
| 研究分野 |
放射線科学
|
|---|
| 研究機関 | 慶應義塾大学 |
|---|
研究代表者 |
白 景明 慶應義塾大学, 医学部, 助教 (40407119)
|
|---|
| 研究期間 (年度) |
2006 – 2007
|
| 研究課題ステータス |
完了 (2007年度)
|
| 配分額 *注記 |
2,800千円 (直接経費: 2,800千円)
2007年度: 1,300千円 (直接経費: 1,300千円)
2006年度: 1,500千円 (直接経費: 1,500千円)
|
|---|
| キーワード | depyridamole stress / myocardial perfusion scintigraphy / perioperative cardiac event / SPECT / preoperative risk stratification / diabetes mellitus / 人工ニューラルネットワーク / 非心臓外科手術 / 周術期心事故 / 核医学 / 心筋血流SPECT / 心電図同期 / リスクファクタ |
|---|
| 研究概要 |
1.データベースの構築
平成19年度初めにおいて、臨床データの収集、カルテを用いての臨床背景因子ならに心事故の調査、心筋血流SPECTの所見の評価はほぼ終了し、データベースとして整理、構築した。測因子として使用するものの候補として20項目を検討することになった。目的変量は全心事故とhard eventの2項目である。
2.データ解析
上記のデータベースを使用し、予備実験としてincremental stepwise法による線形回帰主成分分析により各特徴量を直交化させての線形回帰、back-propagation neural network (BPNを用いて予測を行う方法などを検討した。しかしながら高いfittingは得られなかった。その理由と(てデータが)多価関数になっていることが考えられた(入力が同一でも結果が異なっている状態)。そこで解析モデルとしてsupport vector machineを導入したころ、線形回帰に比較して良好な精度の心故予測器を作成することに成功した(AUCは全心事故において0.884、hard eventにおいて0. 892)。さらに予測因子として核医学検査から得られたデータを含む場合と含まない場合とで精度を検討したころ、核医学検査の付加価値は線形回帰では大きく、support vector machineでは比較的少ないこと判明した。Support vector machine を利用した予後予測は臨床的にも有用であると考えられ、開発たこの予測方法を論文にして現在投稿中である。
|
