研究課題/領域番号 |
22K09155
|
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 | 山形大学 |
研究代表者 |
中根 正樹 山形大学, 医学部, 准教授 (30325964)
|
研究分担者 |
早坂 達哉 山形大学, 医学部, 助教 (20869911)
小野寺 悠 山形大学, 医学部, 助教 (30594329)
渡辺 昌文 山形大学, 医学部, 教授 (60360096)
川前 金幸 山形大学, 医学部, 教授 (70254026)
|
研究期間 (年度) |
2022-04-01 – 2026-03-31
|
研究課題ステータス |
交付 (2022年度)
|
配分額 *注記 |
4,030千円 (直接経費: 3,100千円、間接経費: 930千円)
2025年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2024年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2023年度: 520千円 (直接経費: 400千円、間接経費: 120千円)
2022年度: 1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
|
キーワード | 人工呼吸 / 肺保護換気 / 人工知能 / モニター |
研究開始時の研究の概要 |
不適切な人工呼吸は、人工呼吸器による肺の損傷、自発呼吸によって誘発される肺の損傷、人工呼吸器とヒトの呼吸との同調性の悪化などが引き起こされ、患者の治療経過を悪化させ、救命率を低下させる原因となる。通常は医師や看護師など危険に気付いた医療従事者が対処しているが、本研究では、人工呼吸器に表示される気道内の圧変化、気流の速さ、換気される量の3つの波形データから、人工知能が危険な信号をリアルタイムに継続的に適確に評価判断し迅速に警告を発するようなモニターを作成することで、冒頭に述べた不適切な人工呼吸による有害な現象を回避すると同時に、医療従事者の負担軽減を図る、自動評価システムの開発を進めていく。
|
研究実績の概要 |
2022年度は、我々が開発しようと計画している最終的な人工知能AI予測モデルの基礎となるAI予測モデルのプログラム開発を試みた。 人工呼吸中の患者のグラフィックモニタから得られる画像情報は複雑かつ多様であるため、まずは人工呼吸器による弊害である人工呼吸器関連肺損傷に進展する可能性のある基本的な異常波形を、モデル肺を用いて様々な肺障害のレベルを再現しながらシミュレーションし、これらを効率良く判定しうるAIモデルのプログラミングを試みた。プログラムの調整を繰り返しながら検証したところ、高一回換気量や高気道内圧、低コンプライアンスや高気道抵抗などの設定に対して、多くの異常を判定しうるAI予測モデルの基礎となる予備的なプログラミングが完了したところで、その予測モデルを使用することで上記モデル肺での異常として高一回換気量と換気回数過多状態における異常を実際に検知可能であることが確認できた。 次に、様々なレベルのコンプライアンスと気道抵抗の組み合わせを設定し同様に予測モデルが機能するか検証中であるが、グラフィック画像の枚数がかなり多いため解析に時間を要している。これに対しては技術者の人数を増して対応中である。 同時に、研究計画に従って、集中治療室でPB980人工呼吸器を用いて人工呼吸療法を受ける成人患者において、明確な理由をもって設定変更された前後の画像を、人工呼吸器に接続したノートパソコンでグラフィック画像データとして取得することを開始し、ストックしている段階である。 予め登録された呼吸療法に習熟した集中治療医が肺保護換気の概念に基づき人工呼吸設定を変更した場合に変更内容とその理由を記録していくといった作業であり、現在のところ数名の研究対象者からのデータ取得が完了した(2023年度に100名分のデータ取得を目標)。
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
予備研究として、様々なレベルのコンプライアンスと気道抵抗の組み合わせを設定し、モデル肺によるシミュレーションを応用して、現在調整中のAI予測モデルが機能するか検証中であるが、グラフィック画像の枚数がかなり多いため、解析に時間を要している。これに対しては技術者の人数を増員して対応中である。また臨床データについては同時並行して取得開始している。取得データに問題があれば今後修正していく予定である。
|
今後の研究の推進方策 |
予備的なAI予測モデルのプログラム開発に時間を要しているため、技術者の人数を増員して対応中である。また臨床データを同時並行して取得していくことで全体の研究の進行が遅れないよう調整している。
|