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

機械学習を用いた間質性肺炎急性増悪発症と予後の予測モデルの構築

利用机器学习构建间质性肺炎急性加重及预后的预测模型

基本信息

批准号：
21K20865
负责人：
寺町涼
金额：
$ 1.75万
依托单位：
Nagoya University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Research Activity Start-up
财政年份：
2021
资助国家：
日本
起止时间：
2021-08-30 至 2024-03-31
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21K20865/
关键词：
間質性肺炎急性増悪予後深層学習 AI構築説明可能性機械学習

项目摘要

間質性肺炎は慢性進行性の線維性肺疾患の総称であり、予後や治療法につき多様性に富む。しかし一般の呼吸器科医には診断が難しく、同一疾患でも症例毎に経過が大きく異なるため治療選択が困難である。特に1カ月以内に急激な病状の悪化を来す“急性増悪”は院内死亡率50%と予後不良な病態であるが、間質性肺炎専門医ですらその発症を予測することは非常に困難であるため、治療予後や急性増悪の推定手法が望まれてきた。本研究の目的は「患者ごとに間質性肺炎急性増悪及び予後を高精度に予測し、適切な医療を推奨可能にするモデルを構築し、Precision Medicineに活用可能な手法開発を提案する」ことである。また、機械学習から予後不良や薬剤効果不良な群を抽出し、専門的な知識を再度マッピングさせることで新たな治療標的を創出できる可能性がある。前年度(令和3年度)は、2施設の間質性肺炎専門病院より1175例の間質性肺炎症例を抽出し、急性増悪・予後に影響を受けうる全ての時系列臨床情報を診療録より収集した。更に患者ごとに居住区付近の環境汚染物質及び気候情報の時系列情報を収集した。収集した情報は、医療知識の適切なマッピング及び前処理を含め、機械学習・深層学習に適したデータへ変換を行った。変換した時系列データを用いて急性増悪発症及び予後を予測するrecurrent neural networkを主体とした深層学習モデルを作成し、症例毎に急性増悪発症・予後のcumulative incidence functionの推移を可視できるモデルを構築した。R4年度は急性増悪発症・死亡に重要な特徴量を表示するシステムを構築することで、作成した深層学習モデルに説明可能性の付与を行った。これにより、時間と共に変わる急性増悪・死亡に関わる因子を視覚的に捉えることが可能となった。またハイパーパラメータ調整によるモデル精度向上を行った。

Interstitial pneumonia is a comprehensive term for chronic progressive linear lung disease, and its treatment is rich in diversity. General respiratory medicine is difficult to diagnose, and the same disease is difficult to choose from. In particular, acute exacerbation of symptoms within a month, in-hospital mortality of 50%, poor prognosis, interstitial pneumonia, and other symptoms are very difficult to predict, treat, and predict acute exacerbation. The purpose of this study is to develop a method for predicting the acute onset and prognosis of interstitial pneumonia with high precision and for predicting the possibility of appropriate medical treatment. The possibility of creating a new therapeutic target is very high. In the previous year (fiscal year and fiscal year), 1175 cases of interstitial pneumonia were diagnosed in two hospitals, and all clinical information was collected. Information on environmental pollutants and weather conditions in the vicinity of the patient's residence is collected. Information gathering, medical knowledge, and pre-processing include mechanical learning, deep learning, and adaptive processing. The recurrent neural network is used to create and visualize the recurrent neural network. R4: Acute disease, death, important characteristic quantity, construction, creation, explanation, possibility and implementation The time is right, the time is right. The precision of the adjustment is upward.