研究課題/領域番号 |
22K16104
|
研究種目 |
若手研究
|
配分区分 | 基金 |
審査区分 |
小区分53020:循環器内科学関連
|
研究機関 | 神戸大学 |
研究代表者 |
西森 誠 神戸大学, 医学研究科, 助教 (20871346)
|
研究期間 (年度) |
2022-04-01 – 2024-03-31
|
研究課題ステータス |
完了 (2023年度)
|
配分額 *注記 |
4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円)
2023年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
2022年度: 2,860千円 (直接経費: 2,200千円、間接経費: 660千円)
|
キーワード | 深層学習 / 学校心臓検診 / 小児心電図 / 学校検診 / 人工知能 / 心電図 / 小児心臓検診 |
研究開始時の研究の概要 |
現在学校健診、特に小児循環器疾患に対する健診は全国各地で実施されているが、小児循環器専門医は少数しかおらず、専門医でない医師が診断に関わっている。また、地方では医師そのものの数が少なく、医療格差は広がる傾向にある。そこで、本研究では小児の心電図に特化した診断補助システムを開発することで、医療格差の是正を図り、小児循環器疾患の早期発見・治療へ向けたAIプログラムの開発を目指す。
|
研究成果の概要 |
本研究では、スクリーニング用の深層学習モデルとして異常検知モデルを構築した。モデルには変分オートエンコーダ(VAE)を用い、また12誘導心電図を入力できるように対応した。小児検診データを基に正常データのみを学習し、一次検診で異常とされた症例に対して異常検知モデルの性能を評価したところ、AUC-ROC 0.996であった。実際の小児心疾患患者(肥大型心筋症、QT延長症候群)に対しても検証を行い、肥大型心筋症ではAUC-ROC 0.980、QT延長症候群ではAUC-ROC 0.932となった。
|
研究成果の学術的意義や社会的意義 |
本研究の学術的意義は、深層学習を用いた異常検知モデルが小児心疾患の早期発見に有効であることを示した点にある。特に、稀な疾患である肥大型心筋症やQT延長症候群に対して高い検出性能を示したことは、今後の臨床応用の可能性を示している。また、社会的意義としては、学校検診での心疾患の早期発見・早期治療が可能となり、児童の健康管理の向上に寄与する点が挙げられる。
|