| 研究課題/領域番号 |
20K12732
|
|---|
| 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90150:医療福祉工学関連
|
|---|
| 研究機関 | 杏林大学 |
|---|
研究代表者 |
大浦 紀彦 杏林大学, 医学部, 教授 (40322424)
|
|---|
| 研究分担者 |
飯坂 真司 淑徳大学, 看護栄養学部, 准教授 (40709630)
|
|---|
| 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 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2022年度: 260千円 (直接経費: 200千円、間接経費: 60千円)
2021年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2020年度: 3,250千円 (直接経費: 2,500千円、間接経費: 750千円)
|
|---|
| キーワード | 人工知能 / CNN / 画像解析 / 創傷評価 / AI / 病理学的評価 / 難治性創傷 / AI segmentation / wound segmentation / 畳み込みニューラルネットワーク / Artificial Intelligence |
|---|
| 研究開始時の研究の概要 |
近年、褥瘡・糖尿病性足潰瘍などの難治性創傷の患者数が増加している。難治性創傷治療においては治療方針を決定するために創傷評価する必要がある。一般的に創傷評価は写真を用いて過去の状態と比較し、増悪しているか、治癒傾向かを判断する。実際には創傷観察から得られる情報と血液検査データから得られる情報を組み合わせて、創傷の状態を経時的な変化の中で判断する。そこで、本研究では、創傷治療のための「AI（Artificial Intelligence）を応用し自動的に客観的な創傷評価法を行うシステムの開発」をめざす。最終的には写真データ、血液データ、患者の状態を入力するだけで、創傷評価できるアプリを開発する。
|
| 研究成果の概要 |
畳み込みニューラルネットワーク（CNN）を用いた創傷評価モデルを作製した。仙骨部褥瘡の画像データを形成外科医が画像ソフトを用いて健常皮膚、潰瘍、壊死、肉芽のからなる領域を１ずつ分割し、潰瘍領域全体、壊死組織領域、肉芽組織領域の３データを1組にして教師データとしCNNに読み込ませ学習をさせた。最後に残りの画像データによって正確に領域を自動的に分離した精度を評価した。AUCが0.9942、特異度が0.9931、感度が0.9783であった。一般に公表されているモデルよりも感度特異度ともに良好であった。
|
| 研究成果の学術的意義や社会的意義 |
CNNは、さまざまな画像の分離に応用されているが、創傷領域での報告は少ない。この画像解析システムは、創傷の組織学的分離を高精度で行うことが可能であった。2022年6月の骨太の方針に、医療現場でのDxを加速する基盤となる全国医療情報プラットフォームの創設が盛り込まれることが決定した。今後このようなAIによる画像解析もDxのひとつとなりうる。
|
