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

开发从膝关节声学和身体平衡特征预测/预防运动综合症的AI医疗系统。

• 批准号: 21K12655
• 负责人: 長尾 光雄
• 金额: $ 2.66万
• 依托单位: Nihon University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 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/grant/KAKENHI-PROJECT-21K12655/
• 关键词: 歩行長寿; small data; WOMAC; 変形性膝関節症; ロコモティブシンドローム; 過学習; 身体活動; 機械学習; 中高齢者; WOMAC変形性関節症指数; データ拡張; 膝関節; 人工知能; AI人工知能; 重心動揺

［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]新的BJAS设备的原型开发（Main）；目的是在实施计划中实现了主题测量传感器设备的原型开发。通过将总数8号转换为Wi-Fi Wireless，将内容物从8号提高到9号，并减少了发射机外壳的尺寸，并将传感器原型为10号，该第10号均配备了在市售产品上的测量基础，并且验证了性能。还引入了新规格（草稿）。另一方面，在这种环境中，很难匹配他们目标受试者的临床数据。使用AI预测机车水平的数据提供了2018年至2019年的数据。[2]获取临床临床实践信息（订阅1）：标准WOMAC评估计划是膝盖骨关节炎的特定疾病评级量表。该结构由三个组组成：5个疼痛项目，2个用于刚度的项目和17个功能的项目，以及2个以自我报告的方式回答24个项目的项目。计划以AI数据提供此响应和医疗数据。为了防止Covid-19的传播，很难获得WOMAC评分受试者成为本研究的受试者。我们假设我们将确保2023财年的足够数量。[3]从临床信息中开发AI医疗支持（订阅2）；在2022财年中，我们开发了一种机器学习方法，该方法有效地使用了Locomo数据，从120人提供的数据中分为大约30个人，并自动将其分为四个阶段，从现场阶段0到3。这利用了诸如Outlier Valital Ountial Elemination Ountination otlier folutial nir -parameter优化的技术，并通过学习有效地学习数据。每个阶段的30个数据分为三个平等的部分，分为培训，验证和测试，每个部分都使用了10人的数据。使用三种类型的机器学习模型进行培训：邻里方法（KNN），决策树（DT）和Perceptron，验证的识别率分别为89％，93％和76％。最后，合奏学习被用来结合三个模型的识别结果，以达到94％的识别率。

项目成果

膝関節屈伸音計測センサの開発

膝关节屈伸声音测量传感器的研制

• 发表时间: 2021
• 作者: 中村 友里也; 荊 雷;岡田 浩暢，高田 秀太，長尾 光雄;岡田 浩暢，鈴木 あゆむ，長尾 光雄;西山 里菜，小山 虹生，岡田 浩暢，長尾 光雄
• 通讯作者: 西山 里菜，小山 虹生，岡田 浩暢，長尾 光雄

膝関節音からロコモ度チェック可能なセンサ開発履歴と性能比較

通过膝关节声音检查运动综合症程度的传感器的发展历史和性能比较

• 发表时间: 2022
• 作者: 岡田 浩暢;長尾 光雄
• 通讯作者: 長尾 光雄

下肢屈伸動作からフレイルとロコモ予防の可能性に挑戦

挑战通过下肢屈伸运动预防衰弱和运动综合症的可能性

• 发表时间: 2022
• 作者: 長尾 光雄;平野 雄三;紺野 愼一;荊 雷;長尾 光雄
• 通讯作者: 長尾 光雄

生体音響センシングデバイスの校正に用いる音響信号発生器の性能試験

用于生物声传感装置校准的声信号发生器性能测试

• 发表时间: 2022
• 作者: 長尾 光雄;岡田 浩暢
• 通讯作者: 岡田 浩暢

Efficacy of duloxetine for multisite pain in patients with knee pain due to osteoarthritis: An exploratory post hoc analysis of a Japanese phase 3 randomized study

• DOI: 10.1016/j.jos.2020.02.013
• 发表时间: 2021-02-18
• 期刊: JOURNAL OF ORTHOPAEDIC SCIENCE
• 影响因子: 1.7
• 作者: Itoh, Naohiro;Tsuji, Toshinaga;Uchio, Yuji
• 通讯作者: Uchio, Yuji