| 研究課題/領域番号 |
20K23107
|
|---|
| 研究機関 | 岡山大学 |
|---|
研究代表者 |
大森 江 岡山大学, 大学病院, 医員 (30884879)
|
|---|
| 研究期間 (年度) |
2020-09-11 – 2022-03-31
|
| キーワード | 睡眠時ブラキシズム / 機械学習 / 自動識別 / 筋電図 / 隠れマルコフモデル |
|---|
| 研究実績の概要 |
睡眠時ブラキシズム（SB）による過度の機械的負荷は，歯の喪失原因や咀嚼筋，顎関節への為害作用のリスクとして挙げられる。そのため，SBによる過度の機械的負荷の診断は重要と言える。現在，SBの評価は小型筋電計によってなされるようになったが，筋電図単体での検査では掻痒や体動による筋電図波形の亢進（muscle hyperactivity: MH）を識別できないことから，SB以外の筋活動もSBとして過大評価してしまうことが懸念される。そこで我々は，従来識別が困難であった筋電図データを音響信号と解釈し，波形の振幅・スペクトルに着目することでクラス分類を可能にする隠れマルコフモデルを用いて，真のSBと掻痒や体動による筋電図とを識別可能かどうか検証を行った。
令和2年度は，SBとMH運動を客観的に識別する手法開発の第一段階として，意識下でのブラキシズム様（以下Bruxism like: 以下BL）運動とMH時の筋電図波形ならびに皮膚伝導音の採取方法の確立ならびにそれらの識別手法について検討するとともに，確立した識別手法の識別能がどの程度であるか検討を行った。具体的には，本研究の同意が文書で得られた健常者12名を対象に，顔面皮膚上に皿電極ならびに皮膚音センサーを貼付した状態で，意識下にて仰臥位でBL運動（臼歯部での噛み締め，クレンチング）ならびにMH運動（嚥下，電極部の掻痒，頭部・体幹部の体動，発声，イビキ）を行わせた。11名の被験者の特徴量で学習した隠れマルコフモデルを用いて，機械学習により1名の筋電図を解析したところ，BLデータが真のBLである確率（適合率：陽性的中度）と真のBLのなかでBLとして検出できた確率（再現率：感度）の調和平均であるF値が，咬筋筋電図が他の全ての部位より有意に高いことが示された（p<0.001, p=0.01, Game-Howell）。
|
| 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
本年度は，意識下でのBL運動とMH時の筋電図波形ならびに皮膚伝導音を識別するための解析手法を確立し，その識別精度の検討を行った。これにより，筋電図波形から機械学習によりブラキシズム様運動とそれ以外の筋活動が亢進する運動を精度高く識別できる可能性が示された。このため，本申請研究はおおむね予定通りに計画を遂行できていると言える。
|
| 今後の研究の推進方策 |
今後は、確立したこの識別手法による陰性適中率，特異度の検討行うとともに，解析パラメーター，特徴量の算出方法の再検討を行い，解析手法の精度のさらなる向上を目指して検討を行う予定である。さらに，Bracingと言われる疑似クレンチングと言われる病態についても筋電図波形の解析を行い，真のブラキシズム，体動や嚥下といった生理的運動との識別可能性についても検討を行う予定である。具体的には，本研究の趣旨に自主的に同意の意思を示した健常者12名（20～64歳）を対象被験者として，同様に意識下にて疑似クレンチング（Bracing）を行わせ，得られた筋電図波形ならびに皮膚伝達音から隠れマルコフモデルを用いた機械学習によってそれらの識別精度の検証を行う。
|
| 次年度使用額が生じた理由 |
新型コロナウイルスの感染拡大に伴い，本学の活動制限指針により新規の研究開始が事実上凍結となったため研究実施ができない期間があった。これにより，本年度に実施予定であった睡眠時のSB識別検証におけるポリソムノグラフ検査が行えなかった。次年度に繰り越し実施予定である。
|
