脳卒中高リスク群を抽出する革新的な臨床診断意思決定システムの開発に関する研究
研究課題情報
- 課題管理番号
- 18hk0102038h0003
- 9つの連携分野プロジェクト
オールジャパンでの医療機器開発プロジェクト
- 事業名
医療機器開発推進研究事業
- タグ(2018)
研究の性格: 新規診断法・検査法・検査体制の開発、確立、検証<診断薬・診断機器開発は除く>
開発フェーズ: 基礎的
承認上の分類: 薬機法分類非該当
対象疾患: 循環器系の疾患
- タグ(2017)
研究の性格: 医薬品・医療機器等の開発を目指す研究<医療機器開発につながるシステム開発を含む>
開発フェーズ: 観察研究等
承認上の分類: 医療機器
対象疾患: 循環器系の疾患
- タグ(2016)
研究の性格: 医薬品・医療機器等の開発を目指す研究<医療機器開発につながるシステム開発を含む>
開発フェーズ: 臨床試験
承認上の分類: 医療機器
対象疾患: 循環器系の疾患
- 代表研究機関
- 国立大学法人九州大学
- 研究代表者
(2018) 飯原弘二, 国立大学法人九州大学, 大学院医学研究院・教授
(2017) 飯原弘二, 国立大学法人九州大学, 大学院医学研究院・教授
(2016) 飯原弘二, 国立大学法人九州大学, 教授
- 研究期間
- 2016年度 - 2018年度
- 課題への総配分額
- 36,874 千円
- 研究概要(2018)
- 本研究は脳出血の増大を予測する臨床診断意思決定システムを構築することを目的としている。全国の脳神経外科を有する12施設より約1500症例分の脳出血症例を抽出し、DPC情報・採血情報・臨床情報・経時的なCT画像データについて、データ収集を行う。 まず画像データについて、頭部CT画像から自動的に脳出血部分を抽出するプログラム(出血領域セグメンテーションソフトウェア)の開発を進める。これは深層学習手法を用いて精度を向上させる。初回画像データ・DPC情報・採血情報・臨床情報を説明変数とし、脳出血の拡大を目的変数として機械学習を行い、初回CT画像・患者情報を入力した際の6時間以内の脳出血増大確率を予測するプログラムのプロトタイプを作成する。
- 研究概要(2017)
- 本研究は脳出血の増大を予測する臨床診断意思決定システムを構築することを目的としている。全国の脳神経外科を有する12施設より約1500症例分の脳出血症例を抽出し、DPC情報・採血情報・臨床情報・経時的なCT画像データについて、データ収集を行う。 まず画像データについて、頭部CT画像から自動的に脳出血部分を抽出するプログラム(出血領域セグメンテーションソフトウェア)の開発を進める。これは深層学習手法を用いて精度を向上させる。初回画像データ・DPC情報・採血情報・臨床情報を説明変数とし、脳出血の拡大を目的変数として機械学習を行い、初回CT画像・患者情報を入力した際の6時間以内の脳出血増大確率を予測するプログラムのプロトタイプを作成する。
- 研究概要(2016)
- 本研究は脳出血の増大を予測する臨床診断意思決定システムを構築することを目的としている。全国の脳神経外科を有する12施設より約1500症例分の脳出血症例を抽出し、DPC情報・採血情報・臨床情報・経時的なCT画像データについて、データ収集を行う。 まず画像データについて、頭部CT画像から自動的に脳出血部分を抽出するプログラム(出血領域セグメンテーションソフトウェア)の開発を進める。これは深層学習手法を用いて精度を向上させる。初回画像データ・DPC情報・採血情報・臨床情報を説明変数とし、脳出血の拡大を目的変数として機械学習を行い、初回CT画像・患者情報を入力した際の6時間以内の脳出血増大確率を予測するプログラムのプロトタイプを作成する。
研究成果情報
2018
2017
2016
成果の概要
keyboard_arrow_down
今年度は①脳出血部分自動抽出プログラムの改良、②脳出血増大を来す画像特徴の自動認識アルゴリズムによる説明変数の追加、③診療情報の充実化 を行う方針とした。①昨年度作成されたた脳出血部分自動抽出プログラムで抽出された脳出血部分について、精度判定をCT画像について行い、精度の悪かった症例で再度教師データを作成し、機械学習を行った。これにより脳出血部分自動抽出プログラムver.2が完成した。②全CT画像データについて、血腫量や平均CT値、CT値標準偏差、血腫の円形度、脳室内出血の有無などの脳出血拡大につながる可能性のある画像特徴量を自動判別できるプログラムを作成した。同プログラムで判定困難な画像については脳卒中専門医により再度評価し、教師データとして学習させプログラム精度の向上を図った。さらにすべてのCT画像について、過去の文献で血腫増大との関連が示唆されている特徴的所見の有無を脳卒中診療医により判定を行い、画像特徴所見の教師データとした。ディープラーニングの手法を用いて画像認識アルゴリズム作成を行った。精度を検証したところ、脳室内出血の部分について画像認識アルゴリズムが働いてしまうことが多いことがわかり脳室内出血部分を取り除くアルゴリズムの開発を追加で行った。③2017年度に収集が完了できていなかった入院時採血データや既往歴・薬剤情報などの診療情報についての収集を完了し、脳出血画像情報と統合して収集全症例での診療情報データの再解析を行った。脳出血画像の撮影状況により抽出される脳出血増大に関わる因子が大きく異なって出てくることから、条件を複数パターンを試し、選択された画像が適切かどうかを目視で確かめる必要があり、因子の確定には時間がかかる結果となった。来院時の出血量、来院時の意識レベル、PT-INR値、来院時の収縮期血圧といった項目が因子として抽出された。①、②、③の統合を行い、一つのソフトウェアとして非臨床POCを行う予定であったが、②,③の解析・アルゴリズム開発で想定より時間がかかったことから、非臨床POCの確立までは至っていない。しかし、それぞれの要素における開発は2017年度よりも詳細に進行した。
学会誌・雑誌等における論文一覧
keyboard_arrow_down
1. Matsuki M, S Inoue. "Toward Projection Learning between Sensor Data and Semantic Word Vector for Zero-shot Learning". International Conference on Activity and Behavior Computing. pp. 6 pages, 2019/05/31, Spokane.
2. S Inoue, Tittaya Marittha , Nattaya Mairittha, Tahera Hossain. "Integrating Activity Recognition and Nursing Care Records: the System, Experiment, and the Dataset". International Conference on Activity and Behavior Computing. pp. 6 pages, 2019/05/31, Spokane.
3. Nattaya Mairittha, S Inoue. "Crowdsourcing System Management for Activity Data with Mobile Sensors". International Conference on Activity and Behavior Computing. pp. 6 pages, 2019/05/31, Spokane.
4. T Ohkita, S Inoue. "Activity Recognition: Translation Across Sensor Modalities Using Deep Learning". Ubicomp Workshop on Human Activity Sensing Corpus and Applications (HASCA). pp. 1462-1471, 2018/10/12, Singapore.
5. Tittaya Marittha , T Ohkita, S Inoue. "Pre-Consulting Dialogue Systems for Telemedicine: Yes/No Intent Classification". Ubicomp Workshop on Computing For Well-being (WellComp). pp. 4 pages, 2018/10/08, Singapore.
6. Matsuki M, S Inoue. "Sensing Experiment in a Caregiving Facility for Correlation Analysis of Sleep and Daytime Activities". ACM Int'l Conf. Pervasive and Ubiquitous Computing (Ubicomp) Poster. pp. 4 pages, 2018/10/09, Singapore.
7. Paula Lago, S Takeda, T Ohkita, S Inoue. "Improving Sensor-based Activity Recognition Using Motion Capture as Additional Information". ACM Int'l Conf. Pervasive and Ubiquitous Computing (Ubicomp) Poster. pp. 4 pages, 2018/10/09, Singapore.
8. 井上 創造. "IoT技術の医療介護への応用". 日医雑誌. Vol. 147, No. 8, pp. 1619-1622, 2018/11/01.
学会・シンポジウム等における口頭・ポスター
keyboard_arrow_down
1. 脳卒中医療の近未来 Learning Health Care Systemの実現に向けて. シンポジウム,飯原弘二,日本脳神経外科学会第77回学術総会,2018/10/10,国内.
国内 /
2. 脳卒中のLearning Health Care System. シンポジウム,飯原弘二,第44回脳卒中学会学術集会,2019/3/23,国内.
国内 /
3. 「情報科学・労働衛生・労働経済学の融合による 持続可能な働き方支援の模索」. 井上 創造, 奈良先端科学技術大学院大学主催・異分野融合ワークショップ, 2019/01/11,Tokyo.
不明 / 講演
4. IoTが生活のあらゆる場面で実用化されるこれからの未来 -医療・介護分野へのAI応用をふまえて-. 井上 創造,モダンホスピタルショウカンファレンス, to appear, 2018/07/13, Tokyo.
不明 / 講演
5. (Tutorial) Introduction of Machine Learning with R. 井上 創造, International Conference on Informatics, Electronics & Vision (ICIEV) & 2nd International Conference on Imaging, Vision & Pattern Recognition (icIVPR), to appear, 2018/06/25, Kitakyushu.
不明 / 講演
6. How to Conduct a Big Data Research in Real Fields?. 井上 創造, International Conference on Informatics, Electronics & Vision (ICIEV) & 2nd International Conference on Imaging, Vision & Pattern Recognition (icIVPR), to appear, 2018/06/25, Kitakyushu.
不明 / 講演
7. Analysis of Density between Classes for Mitigating Class Imbalance Problem for Activity Recognition. Sayeda Shamma Alia. 井上 創造, 情報処理学会全国大会, pp. 2 pages, 2019/03/14, Fukuoka.
不明 /
8. 医療相談のための対話システムにおける要求分析. 二宮 仁志, Tittaya Marittha , 大北 剛, 井上 創造, SOFT九州支部学術講演会, pp. 61-62, 2018/12/01, Kagoshima.
不明 / 口頭
9. 種々の敵対的生成ネットワークに対するGeometry Scoreによる評価. 福島 康太, 大北 剛, 井上 創造, SOFT九州支部学術講演会, pp. 63-64, 2018/12/01, Kagoshima.
不明 / 口頭