| 研究課題/領域番号 |
22K21225
|
|---|
| 研究種目 |
研究活動スタート支援
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
0909:スポーツ科学、体育、健康科学およびその関連分野
|
|---|
| 研究機関 | 国立研究開発法人国立精神・神経医療研究センター |
|---|
研究代表者 |
宮崎 裕大 国立研究開発法人国立精神・神経医療研究センター, 病院 身体リハビリテーション部, 医師 (70966192)
|
|---|
| 研究期間 (年度) |
2022-08-31 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
2,860千円 (直接経費: 2,200千円、間接経費: 660千円)
2023年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2022年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
|
|---|
| キーワード | リハビリテーション / 機械学習 / 予後予測 / 脳卒中 / FIM / ADL / 深層学習 / deep learning / machine learning |
|---|
| 研究開始時の研究の概要 |
本研究は，機械学習により脳卒中患者の機能的予後予測精度の改善および予後予測因子の同定を目的とする．正確な機能的予後予測は，患者の退院後の生活の不安を低減できる．先行研究では，線形データを仮定する重回帰分析で予後予測を行っているが，臨床データは非線形データであるため，予測精度が低下する可能性があった．近年，非線形データを扱える機械学習による予後予測の報告が見られるが， 症例数が少なく，予測精度が十分でない可能性もあった．そこで，本研究では1000例程度の脳卒中患者の臨床データを収集した上で，機械学習アルゴリズムと重回帰分析による精度を比較する．
|
| 研究成果の概要 |
脳卒中は介護が必要になる疾患の一つであり、予後予測が重要である。脳卒中予後予測で報告が多い重回帰分析は、非線形データである臨床データでは予測精度が低下する可能性があった。そこで、本研究では非線形データを解析可能な機械学習が、重回帰分析よりも予後予測を改善できると考え、検討を行った。
本研究では、脳卒中患者1046名の入院時の年齢、ADLの代表的な評価指標であるFunctional Independence Measure(FIM)から、重回帰分析や５つの機械学習アルゴリズムを用いて、退院時FIMの予後予測を行った。本研究結果は、機械学習が、重回帰分析よりも予後予測精度を改善することを示した。
|
| 研究成果の学術的意義や社会的意義 |
脳卒中は、介護が必要となる代表的疾患の一つである。また、介護は退院後の患者家族の生活にも影響を与える。そのため、脳卒中発症早期から退院時ADLの予後予測が可能となれば、退院後生活の様々な準備を行うための時間的猶予を持てる。本研究は、機械学習が重回帰分析よりも脳卒中患者の予後予測精度を改善することを報告した。本研究は、機械学習が、脳卒中患者の予後予測をより高い精度で可能とし、患者や家族の退院後の生活に有益な情報を提供できる可能性が高いことが示唆した。
|
