| 研究課題/領域番号 |
19K18343
|
|---|
| 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 | 東北大学 |
|---|
研究代表者 |
小林 直也 東北大学, 大学病院, 助教 (50837036)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2021-03-31
|
| 研究課題ステータス |
完了 (2020年度)
|
| 配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2020年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2019年度: 2,860千円 (直接経費: 2,200千円、間接経費: 660千円)
|
|---|
| キーワード | ビッグデータ / 集中治療 / 敗血症 / 転帰予測 / 予後予測 / 機械学習 / 人工知能 / 時系列データ / リアルタイム / 時系列解析 |
|---|
| 研究開始時の研究の概要 |
集中治療室入室患者において、患者の重症度の診断の遅れや、不正確な診断は転帰悪化に直接繋がるが、重症度を迅速かつ正確に把握することは困難であり、判断の質に格差が生じているため、医療の標準化が達成できていないのが現状である。従来用いられている重症度スコアは、予測因子数の増加に伴う多数の検査や入力により感度、特異度の一定の増加につながったが、検査や入力を含めた予測因子の収集が煩雑となる問題が同時に生じており、リアルタイムに重症度を把握することには限界があるのが現状である。
今回提案するリアルタイム転帰予測システムは、ベッドサイドで重症度を即時に表示する点で、患者への対処の遅れを解決できる可能性がある。
|
| 研究成果の概要 |
敗血症の転帰予測における命題として、感度、特異度の高さと予測因子数の増加に伴う多数の検査や入力による予測因子収集の煩雑化軽減の両立を指摘し、ビッグデータによる命題解決を提案した。高頻度の血圧データ、看護記録のテキストデータ、機械学習の3つの方法のうち高頻度の血圧データのみがフレームワークの構築に至り、感度、特異度の高さと、予測因子収集の煩雑さの軽減の両立を解決できる可能性が示唆された。
|
| 研究成果の学術的意義や社会的意義 |
本研究のような試行錯誤による経験の蓄積によって、適用可能なフレームワークの構築ができれば、近年性能が向上しているコンピュータ等の計算能力により命題解決が可能となり、さらに他の大量のデータを扱うべき命題においてもフレームワークを適用することにより命題解決が加速できる可能性があるという点で意義がある。また、ビッグデータ解析は、経済、工学、情報科学分野等との学際的研究を要するが、幅広い研究協力体制のもとフレームワークの構築に至ることができており、さらに医学以外にも、テキストデータ解析の方法論をはじめとした情報科学分野における知見も得ているという点でも当該研究には意義がある。
|
