| 研究課題/領域番号 |
21K10287
|
|---|
| 研究機関 | 東邦大学 |
|---|
研究代表者 |
中村 啓二郎 東邦大学, 医学部, 講師 (20366181)
|
|---|
| 研究分担者 |
朱 欣 会津大学, コンピュータ理工学部, 上級准教授 (70448645)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| キーワード | 深層学習 / 心不全 / 予後因子 |
|---|
| 研究実績の概要 |
本研究「深層学習を用いた心不全に対する予後予後モデルの構築」について2016年～2020年の5年間に心不全で入院した730例のDPCデータと各検査データを加えたデータベースを構築、さらにクラスター分析と深層学習による予後予測の検証を行った。まず、クラスター分析についての研究成果は、5つのクラスターに分類され、年齢と腎機能の2つの予後因子は判明、「Exploring and Identifying Prognostic Phenotypes of Patients with Heart Failure Guided by Explainable Machine Learning」としてLife(IF=3.78)という医学雑誌にアクセプトされた。さらに、深層学習による解析については、従来の深層学習モデルであるDeepSurvによる検証と最新の時間軸を含めたRNNSurv、そしてCox proportional hazardモデルによる比較検証を行い、結果、時間軸を含めたRNNSurvの方が予後予測精度が高いことが示された。また、Cox proportional hazardモデルと比較して交絡因子に左右されることなく予後因子の同定とリスク評価を行うことが可能であった。その結果について「Risk of Mortality Prediction Involving Time-varying Covariates for Patients with Heart Failure Using Deep Learning」というタイトルにて論文化、現在、Frontiers in Cardiovascular Medicine (IF=4.79)に投稿し、revision中である。今後、国立国際医療センターと心臓血管研究所付属病院も含めた症例データ約2000人について多施設での検証を行い、開発した深層学習モデルの有用性を明らかにする。
|
| 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
既にデータベース構築・深層学習モデルを構築を終え、本研究の研究成果の１つについて報告し医学雑誌にアクセプトされた。メインの成果についても、現在、論文化しFrontiers in Cardiovascular Medicineに投稿中である。
|
| 今後の研究の推進方策 |
今後、症例数を2000人まで増やし、多施設での検証を行う予定である。さらには、従来の心不全病型分類と比較検証、また、心心筋ストレイン指標に基づいた深層学習モデルを構築し、心筋ストレイン指標による深層学習による新たな心不全分類と予後予測を行う予定である。
|
| 次年度使用額が生じた理由 |
コロナ禍により学会参加などの旅費が発生しなかったため、未使用額が生じた。
令和4年度は、論文投稿料や学会参加、新たなデータ解析に使用する予定である。
|
