• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 課題ページに戻る

2023 年度 実績報告書

確率的潜在構造モデリングシステムを用いた「次世代人工知能」による敗血症治療支援

研究課題

研究課題/領域番号 19K09396
研究機関佐賀大学

研究代表者

阪本 雄一郎  佐賀大学, 医学部, 教授 (20366678)

研究分担者 末岡 榮三朗  佐賀大学, 医学部, 教授 (00270603)
本村 陽一  国立研究開発法人産業技術総合研究所, 情報・人間工学領域, 首席研究員 (30358171)
櫻井 瑛一  国立研究開発法人産業技術総合研究所, 情報・人間工学領域, 研究員 (50612173)
研究期間 (年度) 2019-04-01 – 2024-03-31
キーワード確率的潜在意味解析 / 確率的構造モデル / 敗血症 / DPCデータ
研究実績の概要

研究開始時の人工知能技術では、機械学習が獲得した知識の理解が極めて難解なブラックボックスとなるため、特に生命に関わる医療の中でも最も重症の患者管理を行う集中治療室に安心して応用できないという問題を解決しうる点に有る。人工知能が人を理解し、人も人工知能の判断を理解できる人工知能と人の相互理解こそが人工知能技術の社会実装に重要で有るという観点が基本的な考えである。本提案は「確率的潜在意味解析と確率的構造モデル」の基本的な考え方に敗血症に特異的な治療法・治療薬に関する重みづけの解析をベイジアンネットワークで加えることによって敗血症患者治療の臨床支援に導入されうる次世代人工知能技術として確立できる可能性があると着想した研究である。
日常診療において入力されている重症患者のDPC「診療行為」データを「確率的潜在意味解析」によってクラスタ分類を行い医療経済的および患者転帰との関連に関してすでに平成27年度~平成29年度科研費基盤研究(C)「大規模医療情報基盤を利用した敗血症の治療に関する医療経済学的分析と評価」において代表研究者が報告している。今回は敗血症特有の治療法や治療薬に対する重みづけを検証し、「PLASMA」データによる敗血症治療の診療支援のエビデンスを構築するのが最終目標であった。
今回の研究によって「確率的潜在意味解析と確率的構造モデル」を用いることによってDPCデータのクラスター分類の上でのクラスターの変化が結果的に転帰や入院期間等を予測し得る可能性がある点が改めて明らかになった。また、敗血症特有な治療法や治療薬に関しては明らかな特徴的な結果は認められなかったが高齢者、特に介助に関する内容と転帰との関連から食事・移乗・整容・トイレ動作・入浴・平地歩行・階段・更衣・排便管理・排尿管理のいずれにおいても死亡例においては高額な医療費となり、救命例においては入院日数が長期となることが確認された。

URL: 

公開日: 2024-12-25  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi