| 研究課題/領域番号 |
20K18233
|
|---|
| 研究機関 | 順天堂大学 |
|---|
研究代表者 |
竹田 純 順天堂大学, 医学部, 准教授 (60813459)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| キーワード | 胎児心拍数陣痛図 / 人工知能 / 脳性麻痺 / 分娩管理 / 胎児機能不全 / 子宮収縮 |
|---|
| 研究実績の概要 |
目標として医師と同じ判別を行うこと、帝王切開術に至る症例を判別できること、人工知能により胎児心拍数陣痛図では問題ないが新生児の予後が悪かった症例の判別とし、胎児心拍数陣痛図のパターン分析は、チェコ工科大学およびブルノ大学病院が公開している320件あまりのデータを用いた。検討事項として胎児心拍数陣痛図波形全体を分類するのではなく、一部区間を切り出して機械学習により分類を行った。切り出し区間は子宮収縮の谷から谷を切り出した。欠損値に関しては補完はせず、欠損値が含まれている区間のデータは使用しなかった。Apgar値及び臍帯動脈血pHの機械学習により推定したものを横軸が予測値、縦軸が実際値の混同行列で示したところ、期待値が最頻値に隔たるため、機械学習結果でも常にApgar値=9を返す様なモデルになり、正答率が57％と低かった。そこで、外れ波形の除去や診断プロセスを可視化すること、さらに波形を分類しラベル化することで次元削減を行い、計算負荷を下げることを狙い、機械学習の方法を波形全体ではなく分割した波形セグメントにたいして波形クラスタリングによるラベル付を行ったのち、帝王切開術の判断を学習するアプローチを行った。結果として各一過性徐脈の類似した波形を探索することがおおむね可能となったが、胎児心拍数陣痛図のうちの基線細変動の有無の判別が困難であり、今後の目標となった。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
波形の分類に苦慮しているため。
|
| 今後の研究の推進方策 |
機械の判別として、胎児心拍数陣痛図の基線再変動の有無を判別することが困難である。そのため、今後基線細変動がある場合を無視し、基線細変動の減少もしくは消失したものを抽出する方針を考えている。
|
| 次年度使用額が生じた理由 |
波形の分類が完了していないため。
|
