研究課題情報
課題管理番号
25uk1024005h0005
統合プロジェクト(三期)

データ利活用・ライフコースプロジェクト

統合プロジェクト(二期)

ゲノム・データ基盤プロジェクト<第二期>

事業名

医工連携・人工知能実装研究事業

タグ(2025)

研究開発目的: 予後・生活の質<QOL>に関する研究

研究の性格: 医療機器開発<薬機法該当>

研究モダリティ: クラスⅡ

開発フェーズ: 臨床試験・治験

ICD-10大分類: 精神および行動の障害

対象疾患領域: 精神・神経疾患 ,  難病 ,  成育

特記的事項: DX<SaMD、AI、ICTを含む> ,  治験<企業>

補足確認: 予防・保健 ,  診断 ,  予後・生活の質<QOL>

タグ(2024)

研究開発目的: 予後・生活の質<QOL>に関する研究

研究の性格: 医療機器開発<薬機法該当>

研究モダリティ: クラスⅡ

開発フェーズ: 臨床研究

ICD-10大分類: 精神および行動の障害

対象疾患領域: 精神・神経疾患 ,  難病 ,  成育

特記的事項: DX<SaMD、AI、ICTを含む> ,  治験<企業>

補足確認: 予防・保健 ,  治療 ,  予後・生活の質<QOL>

タグ(2023)

研究開発目的: 予後・生活の質<QOL>に関する研究

研究の性格: 医療機器開発<薬機法該当>

研究モダリティ: クラスⅡ

開発フェーズ: 臨床研究

ICD-10大分類: 神経系の疾患

対象疾患領域: 精神・神経疾患

特記的事項: DX<SaMD、AI、ICTを含む> ,  治験<企業>

補足確認: 予後・生活の質<QOL>

タグ(2022)

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: 応用

承認上の分類: 医療機器

対象疾患: その他

疾患領域: 精神・神経疾患

開発目的: 予防・健康 ,  診断 ,  生活の質<QOL>

タグ(2021)

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: 応用

承認上の分類: 医療機器

対象疾患: その他

疾患領域: 精神・神経疾患

開発目的: 診断 ,  生活の質<QOL>

代表研究機関
国立大学法人北海道大学
研究代表者

(2025) 藤原幸一, 国立大学法人北海道大学, 電子科学研究所 教授

(2024) 藤原幸一, 国立大学法人東海国立大学機構, 名古屋大学大学院工学研究科 准教授

(2023) 藤原幸一, 国立大学法人東海国立大学機構, 名古屋大学大学院工学研究科 准教授

(2022) 藤原幸一, 国立大学法人東海国立大学機構, 名古屋大学大学院工学研究科 准教授

(2021) 藤原幸一, 国立大学法人東海国立大学機構, 名古屋大学大学院工学研究科 准教授

研究期間
2021年度 - 2025年度
課題への総配分額
379,015 千円
研究概要(2025)
前年度は実装試験を実施して,実環境下におけるアルゴリズム/アプリの性能を確認したが,いくつかの課題・改善すべき点が明らかとなった.R7年度はこれらの点についての改善するとともに,システム全体としての完成度の向上を目指す.さらに,PMDA相談を通じて治験プロトコルを確定させ,早期の治験開始を目指す.
研究概要(2024)
R5年度までに予知アルゴリズムの本体はほぼ完成し,性能も目標を達成した.R6年度ではアルゴリズムの性能改善を継続するとともに,実用化を見据えて未達成であるRRI/HRVデータからの発作予知適応患者を見極めるためのプログラムの開発を行う.さらに,あるべき製品像・スペックからバックキャストし,各技術要素にブレイクダウンした上であるべき製品像の実現のために達成すべき項目を洗い出して,総点検を行う.その上で未達成項目を特定し,確実な遂行を目指す.
研究概要(2023)
前年度までの開発において,RRIデータから発作を予知できるニューラルネットワークベースの新たなアルゴリズムを開発した.今年度は,臨床現場より収集された新たなデータを用いて,パラメータのさらなる最適化を実施して,アルゴリズムの性能を向上させる.さらに,アプリのソースコードをリファクタリングすることで可読性を向上させてアプリの品質を向上させるとともに,将来的に分担機関であるクアドリティクス株式会社のみでAIのメンテナンス可能とする.最終的にクアドリティクス株式会社と協力して,AIアルゴリズムをスマートフォンアプリに実装する.そして,R6度以降開始する治験に向けて院内での試験の準備を行う.
研究概要(2022)
前年度までの開発において,一部の患者に発生する誤検知を低減するため,ニューラルネットワークと従来の機械学習手法を融合させた新たなてんかん発作予知アルゴリズムを開発した.さらに,てんかん発作予知AIを適用する前に,ビデオ脳波モニタリング時の心拍データから,当該患者の発作がどの程度予知可能であるかを予測するための方法を開発した.今年度は,臨床より収集された新たなデータを用いて,学習とパラメータの最適化を通じて,これらのアルゴリズムの性能をさらに改善させて,発作予知AIアルゴリズムを完成させることを目標とする.さらに,分担機関であるクアドリティクス株式会社と協力して,完成したAIアルゴリズムをスマートフォンアプリに実装する.来年度以降開始する治験に向けて院内での試験の準備を行う.
研究概要(2021)
前回のAMED先端計測にて,HRV解析と異常検知アルゴリズムであるMSPCおよびAEに基づいたてんかん発作予知AIを開発し,臨床データを用いてその性能を評価したが,その性能は新たな学習用データの追加やモデル構造の変更によって,さらに性能改善の余地がある.これまでの検討ではHRVデータの時系列的性質をMSPCやAEでの学習時に考慮することで,発作予知性能が改善することがわかっている.そこで時系列データに特化したニューラルネットワークを採用することで,さらに発作予知性能を改善できる可能性がある.そこで本年度は臨床施設より収集された新たなてんかん患者の臨床データを用いながら,新たなモデル構造の採用による発作予知AIの性能改善を目指す.
研究成果情報
2024
2023
2022
2021