| 研究課題/領域番号 |
20K09302
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分55060:救急医学関連
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
関 倫久 東京大学, 医学部附属病院, 助教 (30528873)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
4,420千円 (直接経費: 3,400千円、間接経費: 1,020千円)
2022年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2021年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2020年度: 2,600千円 (直接経費: 2,000千円、間接経費: 600千円)
|
|---|
| キーワード | 救急医療 / 蘇生医療 / 機械学習 / 予測モデル / 救急医学 / 蘇生 / 心肺停止 / 電子診療録 / SS-MIX2 / 救急 / 循環器 / 心肺蘇生 |
|---|
| 研究開始時の研究の概要 |
本研究では、蘇生救急領域の診療フローにおける臨床判断や診療の管理を支援する機械学習モデルを作成する事で、臨床成績の向上、臨床医の負担軽減へ繋がるモデルの開発を行う。具体的には、総務省消防庁の救急蘇生統計（ウツタインデータ）を利用した心原性心肺停止の予後予測モデルの開発、東京大学医学部附属病院の電子診療録データを用いた救急入院における重症度評価モデルの開発、AED実波形データを用いた深層学習による致死性不整脈検出モデルの開発を行う。
|
| 研究成果の概要 |
本研究では、救急蘇生領域の診療フローにおける臨床判断や診療の管理を支援し、臨床成績の向上、臨床医の負担軽減へ繋がる機械学習モデルの開発を行うことを目的として総務省消防庁の救急蘇生統計及び電子診療録データを用いた救急入院における重症度評価モデルの開発を試み、病院到着時の情報から推定心原性心肺停止例を予測する機械学習モデル、及び入院時の採血データと患者背景情報から院内死亡リスクを予測する機械モデルを作成した。本研究により機械学習技術の救急蘇生領域への適用可能性が示されたとともに、機械学習によるリスク層別化を行うことで、医療の質の向上に資するこ可能性が期待できると考えられた。
|
| 研究成果の学術的意義や社会的意義 |
本研究において、本領域に対する機械学習の適用性を検討した研究は限られていたが、現存するデータベースを用いた予測モデルの開発がより正確なリスク層別化に資する可能性があることを示し、医療の質の向上に資する可能性が期待できると考えられた。診療に伴って蓄積されつつも、人間が扱いやすい粒度まで単純化されたスコアなどで利用しきれていない患者データの特徴を利用することが可能になると考えられ、現状でデータから定量化できていない情報を計算機上で扱い、予測を出力するモデルの重要性が示された。
|
