| 研究課題/領域番号 |
20K17876
|
|---|
| 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 | 日本医科大学 |
|---|
研究代表者 |
五十嵐 豊 日本医科大学, 医学部, 講師 (50771101)
|
|---|
| 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 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2022年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2021年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2020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 / 人工呼吸器 / 集中治療 / 抜管 / 機械学習 / 人工呼吸器離脱 |
|---|
| 研究開始時の研究の概要 |
人工呼吸器から離脱、抜管に失敗すると死亡率が約5倍上昇することが知られており、抜管
の失敗率を減少させるため、様々な人工呼吸器離脱に関するプロトコルの研究が行われてき
た。多くのプロトコルは、人工呼吸器をある一定の設定とし、バイタルサインや動脈血液ガ
ス所見などから抜管の判断を行っているが、抜管の失敗率は10-15%と未だに高い。そのため、プロトコルに代わる方法として、人工知能(AI)による抜管の判定に着目した。AIを用いた抜管の判定は、人工呼吸管理中に保存されたあらゆる診療データを用いて行うため、抜管前の一時点から判断するプロトコルとは全く異なる手法であり、より精度の高い予測モデルとなりうる。
|
| 研究成果の概要 |
AIによる抜管失敗の減少、人工呼吸管理期間の減少を目的とし、以下の3つのphaseに分けて研究を行った。(1) 探索：集中治療患者情報システムから抽出したデータを用いて、抜管の成否を予測できるか。予測できるとすれば、重要度の高い特徴量と医学的な妥当性。(2) 精度向上：過去の研究と比較して、AIによる抜管の成否予測の精度を向上させられるか。(3) 実装：リアルタイムでAIによる予測ができるか。臨床研究に向けた実装。
これらの成果として、1本の原著論文と1本のレビュー論文を英文で発表した。
|
| 研究成果の学術的意義や社会的意義 |
患者背景、バイタルサイン、検査データ、人工呼吸器のデータなど、57の特徴に関する情報を抽出し、人工呼吸管理が必要であるか否かのラベルを付け、3つの学習アルゴリズムを用いて、抜管の予測モデルを作成した。また、精度を向上させるべく、不確実性を考慮したニューラルネットワークモデルを作成した。最後に入院中の患者データを利用して予測ができるよう実装を行った。
|
