人工知能を用いた鎮静及び鎮痛スケールの予測モデルの構築

我々はネットワークにより医療情報を集約化した遠隔集中治療室（Tele-ICU）を介して医療者の負担軽減や医療の質の向上を目標としている。その一つの機能として本研究の目指す鎮静・鎮痛スケールの予測モデルを持つ人工知能の開発がある。天井設置型カメラで得られた患者の表情画像をデータベース化し、同時刻の鎮静・鎮痛状態を評価するスケールと紐づけた表情特徴量を機械学習することで、鎮静・鎮痛状態を常時推定できるモデルの作成を目的としている。初年度はICU患者の特性上酸素マスクや点滴ライン等の人工物が対象者の顔の付近に多い状況下でも顔パーツを認識可能なモデルの必要性を明らかとした。2年目は、顔、眼にフォーカスして、人工物存在下での認識正答率を複数の機械学習・物体検知モデルを用いて性能比較を行った。最も高性能なモデルでも眼の検出精度が50%程度と課題が残った。3年目はモデル精度向上のための学習用データ収集とAVPUスコア［Alert（意識清明）Verbal（声かけに反応） Pain（疼痛刺激に反応） Unresponsive（反応なし）］のうち、AとVPUの2群を判別するモデル作成を目標としたが、COVID-19による症例数減少があった。昨年度は眼の物体検出性能の向上、並びにAとVPUの2群を判別するモデル作成を行なった。Faster R-CNN（Region Based Convolutional Neural Network）を用いたモデルは眼の検出精度が90%程度まで向上した。開閉眼の割合を元としたAVPU判別性能の医療従事者による判別との一致率は約50－80％であった。今年度は眼等の物体検出性能の更なる向上と、実用化に向けモデルの軽量化を目指し使用モデルの変更を行なった。眼の検出精度が92%程度まで向上した他、1サンプルあたりの解析平均計測時間を83%程度削減することができた。

我々はネットワークにより医療情報を集約化した遠隔集中治療室（Tele-ICU）を介して医療者の負担軽減や医療の質の向上を目標としている。その一つの機能として本研究の目指す鎮静・鎮痛スケールの予測モデルを持つ人工知能の開発がある。天井設置型カメラで得られた患者の表情画像をデータベース化し、同時刻の鎮静・鎮痛状態を評価するスケールと紐づけた表情特徴量を機械学習することで、鎮静・鎮痛状態を常時推定できるモデルの作成を目的としている。初年度はICU患者の特性上酸素マスクや点滴ライン等の人工物が対象者の顔の付近に多い状況下でも顔パーツを認識可能なモデルの必要性を明らかとした。2年目は、顔、眼にフォーカスして、人工物存在下での認識正答率を複数の機械学習・物体検知モデルを用いて性能比較を行った。最も高性能なモデルでも眼の検出精度が50%程度と課題が残った。3年目はモデル精度向上のための学習用データ収集とAVPUスコア［Alert（意識清明）Verbal（声かけに反応） Pain（疼痛刺激に反応） Unresponsive（反応なし）］のうち、AとVPUの2群を判別するモデル作成を目標としたが、COVID-19による症例数減少があった。昨年度は眼の物体検出性能の向上、並びにAとVPUの2群を判別するモデル作成を行なった。Faster R-CNN（Region Based Convolutional Neural Network）を用いたモデルは眼の検出精度が90%程度まで向上した。開閉眼の割合を元としたAVPU判別性能の医療従事者による判別との一致率は約50－80％であった。今年度は眼等の物体検出性能の更なる向上と、実用化に向けモデルの軽量化を目指し使用モデルの変更を行なった。眼の検出精度が92%程度まで向上した他、1サンプルあたりの解析平均計測時間を83%程度削減することができた。