| 研究課題/領域番号 |
21K09084
|
|---|
| 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 | 東京女子医科大学 |
|---|
研究代表者 |
市場 晋吾 東京女子医科大学, 医学部, 教授 (30284102)
|
|---|
| 研究分担者 |
野村 岳志 東京女子医科大学, 医学部, 教授 (10243445)
林 陽一 明治大学, 理工学部, 専任教授 (20189666)
新浪 博 東京女子医科大学, 医学部, 教授 (30241079)
佐藤 暢夫 東京女子医科大学, 医学部, 講師 (80439869)
清野 雄介 東京女子医科大学, 医学部, 准講師 (90366352)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| 研究課題ステータス |
交付 (2022年度)
|
| 配分額 *注記 |
3,120千円 (直接経費: 2,400千円、間接経費: 720千円)
2023年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2022年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2021年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
|
|---|
| キーワード | 心臓血管外科手術 / 術後肺合併症 / 人工知能 / 人工呼吸療法 / 術後合併症 / アルゴリズム / 集中治療 / ルール抽出技術 |
|---|
| 研究開始時の研究の概要 |
心臓血管外科手術は、最も侵襲の大きい手術であり、術後合併症の発生頻度が高く、特に呼吸不全のために人工呼吸器管理を要し、長期間、集中治療室滞在を余儀なくされる患者が少なからずいる。本研究は、心臓手術後にECMOを含めた長期人工呼吸管理が必要となる呼吸不全などの肺合併症を呈する患者のリスク因子を予測することを目的として、心臓血管外科周術期の病態を分析し、AIによる「ルール抽出技術」を用いて、心臓外科手術の術後肺合併症におけるリスク予測のアルゴリズムを開発する研究である。
|
| 研究実績の概要 |
心臓血管外科術後管理において、術後肺合併症は、集中治療室の滞在日数を長期化する要因の一つであり、術前の様々な患者データから肺合併症（人工呼吸器が長期になる）を併発する蓋然性をAIで予測できれば、十分な対策を練って手術に臨むことができ、さらに術後の肺合併症の軽減にもつながる。
2022年度は、成人心臓血管外科手術症例術後患者のデータベースを作成するため、術前・術中および術後の血液ガスデータ、手術時間、心機能、年齢、性別、基礎疾患など、後方視的にデータを収集してきた。
しかし、当院における集中治療管理体制が、2022年9月より大幅に変更になったため、術後の呼吸管理の体制や方法にも変化が生じた。これまでの集中治療医師主導の呼吸管理体制から、主治医主導プラス集中治療医サポートの呼吸管理体制に変更したため、術後呼吸管理のプロトコール自体を見直すことになった。呼吸管理だけでなく、血液浄化療法を含めた様々な集中治療管理の方法を調整を余儀なくされ、データベースの見直しと改変を要し、新たにデータベースの構築を予定している。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
4: 遅れている
理由
当院における集中治療管理体制が、2022年9月より大幅に変更になったため、術後の呼吸管理の体制や方法にも変化が生じ、その調整を余儀なくされたことと、データベースの見直しと改変を要したため、新たにデータベースの構築しているため。
|
| 今後の研究の推進方策 |
新しいデータベースを完成させ、新しい患者データを入力する作業を行う。目標の200症例の収集したデータ解析から得られた知見をもとに明治大学理工学部にて得られた予測因子について考察し、「人工知能ルール抽出技術」を用いて心 臓手術後の重症呼吸不全合併に対する周術期管理データを用いたリスク予測ルールを作成する。得られたルールが実際の心臓手術後呼吸合併症の発生に合致するかどうか解析し、得られた知見を学会発表および論文投稿を行う
|
