2023 Fiscal Year Annual Research Report
Improvement of predictive accuracies of functional outcomes of stroke patients by machine learning models
| Project/Area Number |
22K21225
|
|---|
| Research Institution | National Center of Neurology and Psychiatry |
|---|
Principal Investigator |
宮崎 裕大 国立研究開発法人国立精神・神経医療研究センター, 病院 身体リハビリテーション部, 医師 (70966192)
|
|---|
| Project Period (FY) |
2022-08-31 – 2024-03-31
|
| Keywords | 脳卒中 / 予後予測 / 機械学習 / ADL / FIM |
|---|
| Outline of Annual Research Achievements |
本研究は，機械学習により脳卒中患者の機能的予後予測精度の改善の検討および予後予測因子の同定を目的とする．脳卒中患者の退院時の機能的予後予測は，患者とその家族に退院後の生活を考える上での重要な情報となる．そのため，入院早期からの予後予測が重要だと考えられている．先行研究では，重回帰分析による予後予測が報告されてきたが，重回帰分析は非線形データである臨床データを解析する際に予測精度が低下する可能性が報告されてきた．そこで近年，重回帰分析に代わる解析方法として，非線形データを扱える機械学習が注目されている．
本研究では，脳卒中後リハビリテーション治療目的に回復期病棟へ入院した脳卒中患者1046名のデータを機械学習により予後予測を行った．ADLの指標として診療報酬上報告が必要なため，本邦で頻用されているADLの代表的な評価法であるFunctional Independence Measure(FIM)を採用した．機械学習アルゴリズムとして，回帰木，アンサンブル学習，ニューラルネットワーク，サポートベクター回帰，ガウス過程回帰を採用し，ガウス過程回帰などの機械学習が従来の重回帰分析よりも予測精度を改善することを報告した．
また，機械学習では予測モデルがブラックボックス化するため，ヒトが理解できないという欠点がある．そこで，FIMに加え，麻痺の重症度など32種類の説明因子を持つ980症例の大規模データを用いて，重回帰分析により退院時ADLの予後予測因子の検討を行った．その結果，入院時ADLよりも入院時の体幹の麻痺の重症度が退院時ADLに影響することを報告した．
さらに，患者やその家族に影響を与えるより詳細なADLとして，歩行やトイレ動作が退院時に自立するかどうかの予後予測モデルを検討した．これらの結果については，現在論文投稿中である．
|
