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。

在第一年，根据研究实施计划，回顾性收集了头部创伤案例数据，并改善了使用机器学习算法的结果预测模型的准确性。此外，该结果预测模型已作为Web应用程序实现。但是，此Web应用程序仍未发布，因为它处于医疗设备批准测试的准备阶段。在此结果预测模型的开发过程中，我们还促进了用于预测结果有用的临床因素的选择，并缩小到21个学习因素可有效预测结果。案例数据回顾性地收集了总共六个设施的1200例病例的数据，不仅包括第三纪紧急医疗中心，还包括二级神经外科医院。生成的结果预测模型预测了三类的结果：“死亡”，“植物状态或严重的疾病”和“轻度或正常”，使用格拉斯哥的结果量表，达到了80％或以上的正确答案。仅凭先前使用的意识和CT成像发现的得分无法准确反映患者与患者不同的头部外伤的复杂病理，因此很难将可能导致新治疗的适当患者分层。使用机器学习开发的结果预测模型可以通过量化每个结果的可能性来应用作为严重性的指标。因此，它很可能是一个基础，它将导致开发新的个性化头部受伤，并且有意义。为了使该模型在临床上应用，预测的结果需要无限准确。因此，我们将继续促进研究，例如引入卷积神经网络，这些神经网络使用新的血液生物标志物和CT图像发现本身进行学习，旨在提高预测性能。