| 研究課題/領域番号 |
19K19432
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分58030:衛生学および公衆衛生学分野関連:実験系を含まない
|
|---|
| 研究機関 | 自治医科大学 (2022-2023)
東京大学 (2019, 2021) |
|---|
研究代表者 |
山田 朋英 自治医科大学, 医学部, 客員研究員 (10755705)
|
|---|
| 研究期間 (年度) |
2021-03-01 – 2025-03-31
|
| 研究課題ステータス |
交付 (2023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)
2021年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
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: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
|
|---|
| キーワード | 人工知能 / 遺伝子解析 / EBM / ヘルスケアの個別化 / 医療AI / システマティックレビュー |
|---|
| 研究開始時の研究の概要 |
臨床統計学的方法により導かれるクリニカル・エビデンス（臨床エビデンス）の統合と体系化におけるシステマティックレビューのリアルタイム化を人工知能の技術を用いて目指す。これが完成されることで世界の全疾患領域における質の高い診療ガイドライン作成の自動化の実現化に貢献する。さらに深層学習や強化学習によるヘルスケアの個別化に関しても研究を展開していく。煩雑な作業を人工知能が代行することで人はより生産的かつ創造的な活動に従事することが可能となる。
|
| 研究実績の概要 |
本研究提案は、 クリニカル・エビデンス（臨床エビデンス）の統合と体系化におけるシステマティックレビューでの医学文献検索を、人工知能を用いて大幅な省略化を目指すものである。従来では人間が手作業で行なっている医学文献の評価を、機械処理することにより論文数が膨大であっても高速に評価を行なうことができる。機械処理による高速化は現在と今後の潮流であり、本提案もその流れに沿うものである。本研究成果は世界の全疾患領域の診療ガイドライン作成の効率化に大きく貢献する。さらに深層学習や強化学習によるヘルスケアの個別化に関しても研究を展開していく。すでに行なわれた予備実験では、十分な高速化が可能であるとの見込みが立っている。さらに深層学習や強化学習によるヘルスケアの個別化に関しても研究を展開していく。リアルタイムシステマティックレビュー・メタアナリシスを実現可能とすることで、診療ガイドラインの国際標準であるGRADEガイドラインに基づき、疾患診断や最適な治療薬選択の精度が高ま
り、実際の医療現場への応用が期待できる。これまでに我々は。ディープニューラルネットワークベースの機械学習により、系統的レビューのスクリーニング作業負荷が軽減されたことを報告した（Yamada T, et al . Deep neural network-based machi ne l earni ng reduces the screeni ng workl oad for systemati c revi ew: Investi gati on based on recent cl i ni cal gui del i nes. J Med Internet Res. 2020.）。今後も研究を発展させていく。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
新型コロナウィルス感染拡大の影響により研究進行がやや遅れた。
|
| 今後の研究の推進方策 |
コロナの影響で研究遂行に支障がでていたが、コロナ終息により順調な研究遂行が期待される。今後も関連する研究者と連携、協力しながら研究を進めていく。
|
