ブレインスリープ、NTT東、太田睡眠科学センター、診断データとAIにより問診数を大幅に削減

最終更新日:2024/02/13

ブレインスリープとNTT東日本ならびに、太田睡眠科学センターは、閉塞性睡眠時無呼吸症候群の診断の際に利用する問診の負担を軽減することを目的に、機械学習モデルの開発を進め、問診数の削減及び判定精度確保に成功しました。

このAIニュースのポイント

ブレインスリープとNTT東日本、太田睡眠科学センターは閉塞性睡眠時無呼吸症候群の問診数の削減及び判定AIモデルを開発
合計3,160名のデータをもとに、機械学習の実施ならびに判定結果の精度を判定し、5つの評価モデルから高い精度の判定が確認
今後、診断時の問診負担の最小化に向けた活用をめざす

株式会社ブレインスリープと東日本電信電話株式会社（NTT東日本）ならびに、太田総合病院記念研究所　太田睡眠科学センターは、閉塞性睡眠時無呼吸症候群の診断の際に利用する問診の負担を軽減することを目的に、機械学習モデルの開発を進め、問診数の削減及び判定精度確保に成功しました。

日本はOECD加盟国の中で睡眠時間が最も短いことが知られており、かつそれが年々短くなる傾向にあります。その中で、特に問題視されている睡眠障害である睡眠時無呼吸症候群に関しては、現状日本で治療を受けている患者数は40～50万人とも言われており、この数字は年々増加傾向にあります。また、睡眠障害に伴う疾病リスクや労働生産性の低下が問われている中、睡眠障害の早期発見及び早期治療の重要性と睡眠障害診断の患者負担低減を行うことで、日本の睡眠における課題の解消に寄与できる取り組みと考え、最新テクノロジーである機械学習を用いた研究を実施しました。

本研究では、アンケート項目111問と脳波や眼球運動など夜間の生体反応を測定する夜睡眠ポリグラフ検査(PSG検査)のうち簡易に計測可能な6項目を説明変数とし、目的変数を閉塞性睡眠時無呼吸症候群(OSA)の診断結果に選定。

診断結果として「重度なOSAであるか否か」を判定する機械学習モデルを作成、その判定結果を確認する方法で実施しました。
被験者データとして、合計3,160名のデータをもとに、機械学習の実施ならびに判定結果の精度を判定し、5つの評価モデル（正解率、適合率、感度（再現率）、F値（適合率と感度のバランス）、AUC（学習性能））から高い精度の判定が確認できました。

これらの研究成果については、日本睡眠学会第46回定期学術集会にて、「問診票と機械学習モデルによる閉塞性睡眠時無呼吸診断の検討）」という題目で発表され、睡眠学会からも大きな期待を寄せられました。

閉塞性睡眠時無呼吸症候群に関して、全国でも有数の症例数を誇る太田睡眠科学センターの保有する診断データを基に開発された機械学習モデルによる問診数削減は、他に類を見ない成果であり、今後、診断時の問診負担の最小化に向けた活用をめざします。

出典：PR TIMES