AI機械学習でつくる頭部外傷の個別化医療のための新しい重症度指標

点击翻译按钮获取中文摘要

初年度は研究実施計画の通り、頭部外傷の症例データを後ろ向きに収集し、機械学習アルゴリズムを用いた転帰予測モデルの精度を改良した。さらに、この転帰予測モデルをwebアプリとして実装した。ただし医療機器承認試験の準備段階であるため、このwebアプリはまだ未公開である。この転帰予測モデルの開発過程で、転帰の予測に有用な臨床因子の選定も推進し、転帰予測に有効な学習因子を21個に絞り込んだ。症例データは3次救命救急医療センターだけでなく脳神経外科二次救急病院も含め、計6施設から合計1200症例のデータを後方視的に収集した。作製した転帰予測モデルは、Glasgow outcome scaleを用いて「死亡」、「植物状態または高度障害」、「軽度障害または正常」の3分類の転帰を予測し、80%以上の正解率を達成した。これまで使用されてきた意識障害やCT画像所見のスコアだけでは、患者ごとに異なる頭部外傷の複雑な病態を的確に反映できず、新規治療につながる適切な患者の層別化が困難であった。今回機械学習を使って開発した転帰予測モデルは、それぞれの転帰に至る可能性を数値化することで重症度の指標として応用が可能である。そのため、頭部外傷に対する新しい個別化医療の発展につながる基盤となる可能性が高く、有意義である。このモデルを臨床応用するには、予測される転帰が限りなく正確である必要がある。そのため、引き続き新規血中バイオマーカーや、CT画像所見そのものを学習に用いる畳み込みニューラルネットワークの導入などの研究をすすめ、予測性能の向上を目指す。