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

小児心臓検診用マルチモーダル人工知能(AI)モデルの開発研究

儿科心脏检查多模态人工智能（AI）模型的研发

基本信息

批准号：
22K16104
负责人：
西森誠
金额：
$ 2.91万
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：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2024-03-31
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-22K16104/
关键词：
深層学習人工知能心電図小児心臓検診

项目摘要

当該年度の研究目的および研究実施計画は、小児検診データおよび3次検診受診者の患者情報（年齢・性別・疾患名・心エコーデータ・胸部レントゲンデータ等）を学習用データ・検証用データに分割し、学習用データのみを用いてAIモデル（深層学習モデル）を構築することである。さらに、検証用データを用いて作成したAIモデルの汎化性能の評価を行うことを目指している。当該年度では、主に小児心臓検診を受診した10万件の心電図データを用いて、深層学習モデルを作成し、評価を行った。モデルは当初予定していたモデルを発展させ、異常検知モデルとして構築した。理由としては、検診ではほとんどのケースで正常であり、異常を認める例はごく少数であるため、ごく少数の異常を検知するためのモデルとして深層学習をベースとした異常検知モデルを構築した。深層学習を用いた異常検知モデルにより、小学生1年生および中学生1年生を対象とした際に一次検診で異常を指摘された症例を検出する性能評価として、AUC-ROCが0.996、AUC-PRCurveが0.980と非常に高い水準の性能となった。これにより、本研究では、まれな疾患を含む異常疾患を学校検診レベルで分類できるモデルができた。さらに、小児肥大型心筋症という非常にまれな疾患を本研究で構築した異常検知モデルで検証したところ、AUC-ROCは0.98、AUC PR-curveが0.412と比較的高い評価値となった。この成果を第27回日本小児心電学会学術集会で「学校心電図検診のビッグデータに基づく深層学習による異常検知モデル」というタイトルで学校検診シンポジウムで筆頭演者として発表を行った。これにより、本研究の成果が広く共有され、関連分野の研究者や医療従事者との議論が行われ、今後の研究の進展に役立つことが期待される。

When this year's research objectives and research implementation plan for small child diagnosis data and patient information (age, gender, disease name, heart disease, chest disease, etc.) of the three visits to the patient, learning data, identification data segmentation, learning data center AI (deep learning data) to build the next step. The evaluation of generalization performance of AI is carried out in the following ways: In the current year, the number of small heart disease patients received more than 100,000 ECG data, and the number of deep learning patients was increased. The first time I checked, I checked. Reasons for this are as follows: 1. Diagnosis: Normal; 2. Abnormal; 3. Deep learning: Abnormal; 4. Deep Learning: Abnormal Detection: Performance Evaluation: AUC-ROC = 0.996, AUC-PRCurve = 0.980 Very High Level Performance: This study is aimed at identifying and classifying diseases, including abnormal diseases. This study established a high evaluation of abnormal detection, AUC-ROC = 0.98, AUCPR-curve = 0.412, and a high evaluation of comparison. The results of the 27th Japan Children's Electrocardiology Society Academic Conference "School ECG Diagnosis and Development" and "Basic Deep Learning" and "School ECG Diagnosis and Development" The results of this study are widely shared, related researchers and medical practitioners are discussed, and future research progress is expected.