1. センサベーストAI・センサデータサイエンス
2. ヘルスケア情報工学・医療工学
3. 看護ロボティクス・ロボティックインタフェース

身の回りに様々なセンサが満ちあふれるようになってきています。これらIoTデバイスはネットワークさらにインターネットに接続されています。このことを最大限に活用した活動の支援が大量のデータに基づく機械学習・AIで可能になりつつあります。これからの社会は病気を治すことよりも健康を支えることすなわちキュアからケアへ医療が転換します。鍵となるヘルスケア支援をセンサ・ロボティクス・AI技術の融合で実現します。

https://www.rs.tus.ac.jp/tmorilab/

1. 褥瘡の深度と組織種別の同時識別を行うインピーダンス・トモグラフィー分光法

   Impedance tomography spectroscopy for simultaneous classification of depth and tissue in pressure ulcers
   定量的な創傷データは、客観的な創傷評価をサポートするために不可欠であり、創傷管理の改善に貢献することができます。本研究では、皮膚からのインピーダンスデータを用いて、深さを推定し、異なる組織タイプを同時かつ連続的に分類するシステムを開発しています。プロトタイプシステムでは、50周波スペクトロスコピーと8方向トモグラフィーを用いて、2次元の面積データを取得します。推定と分類の妥当性を確認するために、穴または異なる組織、あるいはその両方を持つ肉ファントムを用い、センサーシステムで囲まれた皮膚領域の小さな200領域について精度を求めた結果、深さ推定は76.0%、組織分類は87.0%の精度を示しました。プロトタイプシステムの段階で深さ推定と組織分類を同時に行う可能性が確認され、創傷評価の検証のためにさらなる研究が必要であることが示されています。
   

2. 褥瘡画像データベースのAI画像処理による重度・治癒度スコアリング支援

   褥瘡デジタル画像だけから、創傷部分を抽出して肉芽部か壊死部か等皮膚状態の種別を認識して標準的に臨床で活用されているDESIGN-R®スコアを算定する AI 技術を開発している。この技術は看護師をはじめとするヘルスケアプロフェッショナルや患者・家族が褥瘡の重症度や治癒経過を評価するのを支援します。デジタル画像のみからでもDESIGN-R®の多くの項目について約80％、サイズについては90％を超える正解率の客観的で信頼性の高いシステムの実現可能性が十分あることを示しています。頻度が低い創傷、影などが極端に写り込んだ創傷画像、マジックでマークしていない創傷ポケットなどへの対応が課題です。
   

1. 教授 森 武俊 MORI Taketoshi
2. 助教 姜 琇仁 KANG Sooin