著者

岸本 泰士郎 リョウ コクケイ 工藤 弘毅 吉村 道孝 田澤 雄基 吉田 和生

出版者

国立研究開発法人 科学技術振興機構

雑誌

情報管理 (ISSN:00217298)

巻号頁・発行日

vol.60, no.8, pp.574-582, 2017-11-01 (Released:2017-11-01)

参考文献数

24

---

すべての医学領域において,疾患の重症度の評価は重要である。しかし,精神科領域では疾患の重症度を反映するようなバイオマーカーが不足しており,診断,治療,さらに新薬の開発などで問題が生じている。近年,情報通信技術(ICT)の発展が目覚ましく,こういった問題の解決にICTを活用する試みが行われている。その一つにテレビ電話を用いた中央評価があり,評価者によるバイアスを取り除くには有効な手段である。しかし,評価尺度そのものにも妥当性,信頼性などの問題が含まれている。一歩先のアプローチとして,ウエアラブルデバイス等を用いた診断支援技術の開発が複数報告されている。PROMPT(Project for Objective Measures Using Computational Psychiatry Technology)は日本医療研究開発機構(AMED)の委託研究として始まった。慶應義塾大学を中心に7社が参画し,それぞれの会社の技術を持ち寄り,複数のデバイスから得られる情報を基に精神症状を定量することを目指している。また,UNDERPIN(Understanding Psychiatric Illness through Natural Language Processing)では科学技術振興機構(JST)CRESTの援助の下,静岡大学とのコラボレーションによって自然言語処理を利用した言葉(話し言葉や書き言葉)に現れる精神症状の特徴量の抽出を行い,精神疾患の予防・早期介入が可能になるような技術開発を目指している。

著者

岸本 泰士郎 吉村 道孝 北沢 桃子 榊原 康文 江口 洋子 藤田 卓仙 三村 將 Taishiro Kishimoto Michitaka Yoshimura Momoko Kitazawa Yasubumi Sakakibara Yoko Eguchi Takanori Fujita Masaru Mimura

雑誌

SIG-AIMED = SIG-AIMED

巻号頁・発行日

vol.001, 2015-09-29

---

Most of the severity ratings are assessed through interview with patients in psychiatric filed. Such severity ratings sometimes lack objectivity that can lead to the delay/misjudgment of the treatment initiation/switch. A new technology which enables us to objectively quantify patients’ severity is needed. We here aim to develop a new device that analyzes patients’ facial expression, voice, and daily activities, and provides us with objective severity evaluation using machine learning technology. This study project was accepted by Japan Agency for Medical Research and Development (AMED) and will launch this year. The background of the study purpose and methods will be presented.

著者

四井 美月 Liang Kuo-ching 廣原 茉耶 北沢 桃子 吉村 道孝 江口 洋子 藤田 卓仙 岸本 泰士郎 榊原 康文

出版者

一般社団法人 人工知能学会

雑誌

人工知能学会全国大会論文集 第32回 (2018) (ISSN:27587347)

巻号頁・発行日

pp.4C2OS27b02, 2018 (Released:2018-07-30)

---

精神疾患の診断は現在,問診に基づく医師の主観的判断によって行われている.このような現在の診断方法は医師の経験に強く依存するため,正確な診断を行うための客観的な診断方法を開発する必要があると言われている.したがって我々の目標は,デバイスによって記録されたデータからうつ病患者の重症度を客観的に計算する深層学習手法を構築することである. 本研究では,うつ病患者と健常者を音声データで分類する深層学習プログラムを開発する.