| 研究課題/領域番号 |
23K09597
|
|---|
| 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58010:医療管理学および医療系社会学関連
|
|---|
| 研究機関 | 信州大学 |
|---|
研究代表者 |
岡田 綾子 信州大学, 医学部附属病院, 准教授(特定雇用) (80645234)
|
|---|
| 研究期間 (年度) |
2023-04-01 – 2028-03-31
|
| 研究課題ステータス |
交付 (2023年度)
|
| 配分額 *注記 |
4,810千円 (直接経費: 3,700千円、間接経費: 1,110千円)
2027年度: 520千円 (直接経費: 400千円、間接経費: 120千円)
2026年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2025年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2024年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2023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 | 遠隔モニタリング / 心不全と不整脈の予知予測 / AIシステム |
|---|
| 研究開始時の研究の概要 |
本研究は、CIEDから得られるRMS データを数理学的に解析し、他の時系列生体データの相関から特徴量を見出し、心不全・不整脈を予知予測する新たなアルゴリズムを開発することを目的とする。臨床データは確保可能である。RMS 導入時および経過中のそれらのデータに加え、自律神経活動データの変動とデバイスデータをAI技術で解析し、長期予後における心不全（HFrEF、HFpEF）、致死的心室性不整脈、心房細動の発症を予知予測できる新たなアルゴリズムを確立する。また、retrospective な精度検証に加えて、実際の臨床シーンにおける prospectiveな予知・予測の可能性を継続的に解析する。
|
| 研究実績の概要 |
心臓植込み型電気的デバイス（CIED）は、デバイス情報と植込み患者の生体情報を専用クラウドシステムに自動アップロードする機能を有している。植込み患者の現状をリアルタイムで把握できる遠隔モニタリングシステム（RMS）としても活用され始め、循環器医療において有益かつ画期的な仕組みと期待されている。しかし、RMSの活用は「現状の評価」に限定されており、「将来の心イベント発症の予知、予測」には対応できていない。
本研究では、専用クラウドサーバーに蓄積されたCIED情報から心不全や不整脈を発症した患者のデータを後ろ向きに解析し、心イベント発症の前に生じている特徴点を数理学的・機械学習技術を組み合わせて解明する。また、事前に取得されている臨床データ（胸部X線写真、12誘導心電図等）と心イベント発症前後の生体情報の変動を長いスパンで収集した生体時系列データの相関から、心不全発症・不整脈発症を予知予測する新なアルゴリズムを開発する。
CIEDメーカー各社が保有する RMS クラウドサーバーは、全世界の登録医療従事者に対する汎用サーバーであり、データ解析研究用にはデザインされてない。このデータに対して AI 技術を応用するためには、Shinshu Registry 登録患者に限定した AI 研究用のデータサーバーを構築する必要がある。本研究における第一段階のステップとして、診療連携を行っている Biotronik 社の協力の下で、臨床研究用サーバーを構築し、申請者施設の、AI 解析により心不全、致死性心室性不整脈、心房細動の予知予測をおこなうモデルを選定し、 Biotronik 社 CIED 植込み患者を対象としてRMSのデータと時系列生体データを複数の機械学習手法を用いて解析して実際予測予知できるAIモデルの開発を、熊本大学と共同研究を行っている。
|
| 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
申請者施設の、AI 解析により心不全、致死性心室性不整脈、心房細動の予知予測を行うモデルを選定し、Shinshu Registry に登録された Biotronik 社 CIED 植込み患者を対象としてRMSのデータと時系列生体データ(採血、胸部レントゲン写真、心臓超音波検査、12誘導心電図、Holter心電図、脈波検査)を複数の機械学習手法を用いて解析し、特徴点等を明らかにし、概念検証を行う。Registry 登録期間中の心不全、各種不整脈発症のタグ付けはすでに完了しているので、これらの登録データを使用してモデルを検証する。また、熊本大学でのAI解析も順次進んでいる。
|
| 今後の研究の推進方策 |
2022年度に作成した Biotronik 社 RMS データベースを基にして、他社データベースにもアクセス可能な汎用データベースを構築する。この際のデータ変換に必要なプログラムは、各社およびサードパーティーが保有しているため、1年間の研究期間で実現可能と考えられる。2022 年度に行った概念検証の結果に基づき、AI 解析による予知予測モデルを創出する。症例は Shinshu Registry 登録症例および申請者施設とその関連施設で前向きおよび後ろ向きに収集した症例を利用し、AI モデルのトレーニング（教師あり学習）、テスト、実証を行う。実臨床で使用する際に、以前決定した未使用データを用いても使用可能かどうかを検証する。2023年度に創出した AI モデルの精度検証を行う。AUC 0.8以上の精度を目標とし、達成後には新規 RMS 登録の実臨床症例に対して前向き研究を行う。（AI 解析による心不全、致死性心室性不整脈、心房細動の予知・予測）
|
