权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

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

使用人工智能机器学习创建的头部损伤个性化医疗的新严重程度指数

基本信息

批准号：
21K18079
负责人：
松尾和哉
金额：
$ 3万
依托单位：
Kobe University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Early-Career Scientists
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-01 至 2024-03-31
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21K18079/
关键词：
頭部外傷機械学習転帰予測重症度 AI 血液バイオマーカー

项目摘要

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。

In the first year, the study was conducted to improve the accuracy of the prediction of head injuries. This is the first time I've seen a web application. The medical machine admits that the preparation stage is not open. There are 21 factors in the development process of the prediction system, the selection of useful clinical factors in the prediction system, and the selection of useful learning factors in the prediction system. The number of patients who received emergency medical treatment for the third time was 1200. The number of patients who received emergency medical treatment for the second time was 1,600. The correct solution rate of more than 80% was achieved by using the three categories of "death,""plant state and high damage," and "damage and normal." The patient's consciousness was impaired and CT images were found to be difficult to classify. The patient's head injury was complicated and the new treatment was difficult to classify. This time around, machine learning makes it possible to predict the severity of a problem, and to quantify the likelihood of a problem. The possibility of developing individualized medicine is high and meaningful. It is necessary that the predicted measurements be accurate if this monitor is to be used clinically. The study of the application of CT imaging in the study of the introduction of CT imaging in the study of the introduction of CT imaging in the study of CT imaging in the study of the introduction of CT imaging in the study of CT imaging in the study of CT imaging.