Development of AI medical care system that predicts / prevents locomotive syndrome from the characteristics of knee joint acoustic and body-balance.

［１］新規BJASデバイスの試作開発（代表）；実施計画書で目的とした被験者計測センサデバイスの試作開発は達成された。内容は通算No.8をWi-Fi式無線化でNo.9に改良、さらに発信機筐体をサイズダウンし、センサは市販品に計測基盤を搭載したNo.10を試作し、性能を確かめた。新たな仕様(案)も進めた。一方では、目指した被験者臨床データとの突合せが困難な環境であった。AIでロコモ度を予測するデータは2018年度～2019年度のデータを提供した。［２］臨床学的診療情報の取得（分担１）；標準的な変形性膝関節症に対する疾患特異的な評価尺度として、WOMACによる評価を行う計画であった。構成は疼痛:5項目、こわばり:2項目、機能:17項目の3グループであり、計24項目に自記式で回答する方式である。この回答と診療データをAIデータとして提供する予定であった。コロナ感染症拡大防止のため、本研究の対象となるWOMACスコア被験者を得ることが難しかった。2023年度には十分な症例数確保を想定している。［３］臨床情報からAI診療支援の開発（分担２）；2022年度は、提供された120名のデータから約30名に分けてロコモデータを効率的に利用し、ロコモステージ0から3までの4つのステージに自動分類する機械学習手法を開発した。これは、データを効率的に利用するために、異常値排除、ハイパーパラメータの最適化、アンサンブル学習などの技術を活用した。各ステージの30個のデータを訓練、検証、テストに三等分して、各部分が10人分のデータを利用した。訓練には、近傍法(kNN)、決定木(DT)、パーセプトロン(Perceptron)、三種類の機械学習モデルを利用し、検証における認識率はそれぞれ89%、93%、76%であった。最後にアンサンブル学習により、三つのモデルの認識結果を融合し、認識率94%を達成した。

［１］新規BJASデバイスの試作開発（代表）；実施計画書で目的とした被験者計測センサデバイスの試作開発は達成された。内容は通算No.8をWi-Fi式無線化でNo.9に改良、さらに発信機筐体をサイズダウンし、センサは市販品に計測基盤を搭載したNo.10を試作し、性能を確かめた。新たな仕様(案)も進めた。一方では、目指した被験者臨床データとの突合せが困難な環境であった。AIでロコモ度を予測するデータは2018年度～2019年度のデータを提供した。［２］臨床学的診療情報の取得（分担１）；標準的な変形性膝関節症に対する疾患特異的な評価尺度として、WOMACによる評価を行う計画であった。構成は疼痛:5項目、こわばり:2項目、機能:17項目の3グループであり、計24項目に自記式で回答する方式である。この回答と診療データをAIデータとして提供する予定であった。コロナ感染症拡大防止のため、本研究の対象となるWOMACスコア被験者を得ることが難しかった。2023年度には十分な症例数確保を想定している。［３］臨床情報からAI診療支援の開発（分担２）；2022年度は、提供された120名のデータから約30名に分けてロコモデータを効率的に利用し、ロコモステージ0から3までの4つのステージに自動分類する機械学習手法を開発した。これは、データを効率的に利用するために、異常値排除、ハイパーパラメータの最適化、アンサンブル学習などの技術を活用した。各ステージの30個のデータを訓練、検証、テストに三等分して、各部分が10人分のデータを利用した。訓練には、近傍法(kNN)、決定木(DT)、パーセプトロン(Perceptron)、三種類の機械学習モデルを利用し、検証における認識率はそれぞれ89%、93%、76%であった。最後にアンサンブル学習により、三つのモデルの認識結果を融合し、認識率94%を達成した。