| 研究課題/領域番号 |
23K15927
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分56060:眼科学関連
|
|---|
| 研究機関 | 新潟大学 |
|---|
研究代表者 |
飯川 龍 新潟大学, 医歯学総合病院, 助教 (30970686)
|
|---|
| 研究期間 (年度) |
2023-04-01 – 2026-03-31
|
| 研究課題ステータス |
交付 (2023年度)
|
| 配分額 *注記 |
4,420千円 (直接経費: 3,400千円、間接経費: 1,020千円)
2025年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2024年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2023年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
|
|---|
| キーワード | QOL / 緑内障 / Quality of life（QOL） / AI（人工知能） |
|---|
| 研究開始時の研究の概要 |
緑内障患者は病期の進行とともに生活の質（QOL）、視覚の質（quality of vision：QOV）が低下する。生涯にわたってQOL/QOVを維持することが治療の目標となる。本研究では緑内障患者における①臨床データ（視野や視力等）と人工知能（artificial intelligence：AI）を用いたQOL推定モデルを構築し、これまでの評価対象であった視野や視力以外のQOLという観点から患者の状態を評価できる方法を考案する。②眼底及び光干渉断層計（optical coherence tomography：OCT）データとAIを用いたQOL推定モデルを検討する。
|
| 研究実績の概要 |
＜視野データとAIを用いたQOL推定モデルの構築＞
およそ300例のアンケート結果を集積しており、このデータをもとにQOVスコアの予測の方法を検討した。11の説明変数（予測に用いるデータ）の組み合わせで、決定係数（R2）を用いて3つの線形重回帰分析法の予測精度の比較した。エンドポイントをラッシュスコアに絞って検討した結果、線形重回帰分析法では決定係数が0.6-0.7と比較的高い値を示した。
|
| 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
メディカルAIセンターの協力を得て、概ね順調に進行している。
|
| 今後の研究の推進方策 |
今後はエンドポイントの中央値で2値化し、ランダムフォレスト法を用いて予測精度の評価をしていく。右眼、左眼だけでなく、better eye/worse eyeによる視野データを用いた検討も加える。さらに次の段階として、予測モデルで各症例の予測値を算出し、実際との一致、不一致を検討し、どのような症例では一致しやすいのか、不一致となりやすいのかそれぞれの特徴を調査する。また、エンドポイントをアンケートの下位尺度（運転、社会生活機能、自立、遠見・近見による行動など）に拡大し、例えばどのような症例で運転に関するスコアが低下しやすいのかといった傾向を調査する。
|
