研究課題/領域番号 |
19K18321
|
研究種目 |
若手研究
|
配分区分 | 基金 |
審査区分 |
小区分55060:救急医学関連
|
研究機関 | 東京大学 (2022-2023) 京都大学 (2019-2021) |
研究代表者 |
佐藤 憲明 東京大学, 医科学研究所, 助教 (90838997)
|
研究期間 (年度) |
2019-04-01 – 2024-03-31
|
研究課題ステータス |
完了 (2023年度)
|
配分額 *注記 |
2,730千円 (直接経費: 2,100千円、間接経費: 630千円)
2022年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2021年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2020年度: 390千円 (直接経費: 300千円、間接経費: 90千円)
2019年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
|
キーワード | 機械学習 / 急性腎障害 / 集中治療部 / 腎疾患 / ネットワーク解析 / 畳み込みニューラルネットワーク |
研究開始時の研究の概要 |
急性腎障害(acute kidney injury: AKI)は、急性に糸球体ろ過量の低下を示す病態である急性腎不全に加え、早期段階の腎機能低下も包括した概念であり、致死的な病態を合併する。特に集中治療部(intensive care unit: ICU)において敗血症性ショックをはじめとした様々な病態が原因になり、高頻度で発生する。事前にAKIの高リスク患者を同定し、適切に介入を行うことは臨床上重要である。本研究ではICU患者時系列データに対して、昨今発展の著しい機械学習手法を適用しAKIの発症予測、最適な介入法を同定することを目的とする。
|
研究成果の概要 |
急性腎障害は、集中治療部において敗血症性ショックをはじめとした様々な病態が原因になり、高頻度で発生する。事前にAKIの高リスク患者を同定し、適切に介入を行うことは臨床上重要である。本研究では1次元畳み込みニューラルネットワークを用いてリアルタイムにAKIの発症予測及びその根拠可視化を行うモデルを開発し、その精度を検証した。結果として、高精度でAKIの発症予測が可能であり、予測の根拠も臨床的に妥当なものであった。さらに、医用画像データの評価手法や、モデルの不確実性の評価手法を開発し、その評価を行った。
|
研究成果の学術的意義や社会的意義 |
集中治療部において高頻度に発症するAKIを高精度で予測し、その根拠をリアルタイムで予測する手法を開発した。このことから、例としてAKIアラートシステムへの応用といった有用性が示唆された。さらに、このようなモデルの不確実性を予測根拠に反映する手法を開発した。これは例として日常的に行われるモニタリングシステムへの導入など、医療現場への応用可能性が示唆される結果と考えられた。
|