医療機器 - hp-mctr.med.osaka-u.ac.jp · Machine learning (regularization) Determination of...
2
68 ■プロジェクト概要 医療機器 プロジェクト 責 任 者 大阪大学大学院生命機能研究科 特別研究推進講座 特任教授（常勤）中江 文 手術後の痛みに対する鎮痛薬の薬効を客観的モニタリングする方法の開発 開発技術の概要 対象となる症状 知財状況 開発のロードマップ 開発の進捗状況 競合製品と比べた優位性 ● 手 術 後 の 痛 み は 、 客 観 的 に 自 動 判 定 で き る 方 法 が な く 、 8 6 ％ は 術 後 の 痛 み を 経 験 す る 。 術 後 に 使 用 す る 鎮 痛 薬 の 過 量 投 与 が 1000人 に 1人 の 割 合 で 起 こ り 、 悲 惨 な 合 併 症 の 発 生 を 防 ぎ つ つ 良 好 な 痛 み の コ ン ロ ト ー ル を 行 う た め に 、 痛 み の 有 効 な モ ニ タ リ ン グ シ ス テ ム の 開 発 が 必 要 で あ る 。 ● 人 工 知 能 を 用 い 、 脳 波 に よ る 痛 み の 客 観 的 評 価 を 、 オ フ ラ イ ン で 「 83％ 」 の 正 答 率 で 実 現 し （ 図 A） 、 オ ン ラ イ ン で の 個 人 の 痛 み 変 化 の 評 価 方 法 （ 図 B） の 研 究 開 発 を 推 進 し て い る 。 ● 「 脳 波 多 項 目 解 析 プ ロ グ ラ ム 」 で 医 師 主 導 治 験 を 行 い 、 術 後 痛 に 対 す る 有 用 性 を 研 究 期 間 内 に 証 明 す る 。 ● 手 術 後 の 疼 痛 管 理 （ 神 経 障 害 性 、 侵 害 受 容 性 疼 痛 ） 1. 痛み測定装置および痛み測定システム PCT/JP2016/052145 米国・カナダ・中国・EPC移行 日本・特許第6249432（2017/12/1），分割：特願2017-159489特許化済み（2018/12/1） 2. 痛み推定装置および痛み推定方法並びに痛みの分類 PCT/JP2017/029991 米国・EDC・中国移行 3. スパースモデリングを利用した痛みの分類および瞬間痛の判別 PCT/JP2018/026489 4. 快不快の判別 PCT/JP2018/028300 5. 実信号時間変動ウェーブレット解析の応用 PCT/JP2018/028491 6. トレンド分析を利用した痛みの判別、機械学習、経済的判別モデルおよびIoTを応用した 医療装置、テイラーメイド機械学習、および新規疼痛判別用脳波特徴量 PCT/JP2018/025769 ● 脳 波 特 徴 量 、 判 別 モ デ ル 決 定 、 判 別 ア ル ゴ リ ズ ム 、 痛 み の 可 視 化 に 関 し て 、 2 件 の 特 許 化 、 6 件 の P C T 出 願 済 み 。 ●薬事対応 平成30年度 令和元年度 令和２年度 ●治験機器開発 ●治験準備 ●医師主導治験 ● 熱 痛 み 判 別 ア ル ゴ リ ズ ム （ A ） A B ● 個 人 の 痛 み の オ ン ラ イ ン 判 別 ア ル ゴ リ ズ ム の 開 発 （ B ) 1 5 0 名 の 痛 み あ り な し を 「 8 3 ％ 」 の 精 度 で 判 別 成 功 作 成 し た 判 別 ア ル ゴ リ ズ ム を 用 い て 、 個 人 の 痛 み 変 化 を 判 別 し 、 可 視 化 す る こ と に 成 功 ●本技術 ●Pain Vision ●Surgical Path Index 評価法 侵襲性 装置 精度 操作 価格 脳 波 主 観 生 理 低 痛 あ り 低 脳 波 計 刺 激 装 置 脈 波 計 高 高 低 自 動 技 師 自 動 安 価 高 価 高 価 83%
Transcript of 医療機器 - hp-mctr.med.osaka-u.ac.jp · Machine learning (regularization) Determination of...
68
■プロジェクト概要
医療機器
プロジェクト責 任 者
大阪大学大学院生命機能研究科 特別研究推進講座
特任教授（常勤） 中江 文
手術後の痛みに対する鎮痛薬の薬効を客観的モニタリングする方法の開発
開発技術の概要
対象となる症状
知財状況
開発のロードマップ
開発の進捗状況
競合製品と比べた優位性
●手術後の痛みは、客観的に自動判定できる方法がなく、86％は術後の痛みを経験する。術後に使用する鎮痛薬の過量投与が1000人に1人の割合で起こり、悲惨な合併症の発生を防ぎつつ良好な痛みのコンロトールを行うために、痛みの有効なモニタリングシステムの開発が必要である。●人工知能を用い、脳波による痛みの客観的評価を、オフラインで「83％」の正答率で実現し（図A）、オンラインでの個人の痛み変化の評価方法（図B）の研究開発を推進している。● 「脳波多項目解析プログラム」で医師主導治験を行い、術後痛に対する有用性を研究期間内に証明する。
●手術後の疼痛管理（神経障害性、侵害受容性疼痛）
1. 痛み測定装置および痛み測定システムPCT/JP2016/052145 米国・カナダ・中国・EPC移行日本・特許第6249432（2017/12/1），分割：特願2017-159489特許化済み（2018/12/1）
2. 痛み推定装置および痛み推定方法並びに痛みの分類PCT/JP2017/029991 米国・EDC・中国移行
3. スパースモデリングを利用した痛みの分類および瞬間痛の判別PCT/JP2018/026489
4. 快不快の判別PCT/JP2018/028300
5. 実信号時間変動ウェーブレット解析の応用PCT/JP2018/028491
6. トレンド分析を利用した痛みの判別、機械学習、経済的判別モデルおよびIoTを応用した医療装置、テイラーメイド機械学習、および新規疼痛判別用脳波特徴量PCT/JP2018/025769
●脳波特徴量、判別モデル決定、判別アルゴリズム、痛みの可視化に関して、2件の特許化、6件のPCT出願済み。
●薬事対応
平成30年度 令和元年度 令和２年度
●治験機器開発
●治験準備
●医師主導治験
●熱痛み判別アルゴリズム（A）
A B
●個人の痛みのオンライン判別アルゴリズムの開発（B)
150名の痛みありなしを「83％」の精度で判別成功
作成した判別アルゴリズムを用いて、個人の痛み変化を判別し、可視化することに成功
●本技術
●Pain Vision
●Surgical Path Index
評価法 侵襲性 装置 精度 操作 価格
脳波
主観
生理
低
痛あり
低
脳波計
刺激装置
脈波計
高
高
低
自動
技師
自動
安価
高価
高価
83%
69
■Project Outline
Medical devices
PrincipalInvestigator
Graduate School of Frontier Biosciences Special Research Promotion Group, Osaka UniversityFull Time Specially Appointed Professor Aya NAKAE
Development of Method to Objectively Monitor the Efficacyof Analgesics against Postoperative Pain
Outline of Technology Development
Condition of Disease
State of Intellectual Properties
Roadmap for Development
Progress of Development
Competitive Advantage
●There is no system that is enable us to monitor pain objec vely a er surgery. It was reported that 86% pa ents experienced pain a er surgery.Overdosage of analgesics a er surgery occurred at a rate of 1 in 1000 pa ents with elec ve surgery. It is necessary to develop an effec ve monitoringsystem for pain in order to control postopera ve pain while preven g the occurrence of disastrous complica ons.●
●We will conduct the inves gator ated clinical trial by EEG m -item analysis program and first demonstrate the efficacy for postopera ve pain.
●Postopera ve pain (Neuropathic, Nocicep ve)
1. Japanese Patent Applica on No. 2017-148350 Applica on of WaveletTransform of Time-Varying Signal2. Japanese Patent Applica on No. 2017-146553 Discrimina on of Comfort andDiscomfort3. Japanese Patent Applica on No. 2017-254560 EEG Feature Quan y for NewDiscrimina of Pain
4. Japanese Patent Applica on No. 2017-193501 Pain and Persistent BrainWave Component
5. PCT / JP2016 / 052145 Pain Es ma on Device and Pain Es ma on System(Japanese Patent No. 6249432)6. PCT / JP2017 / 029991 Pain Es ma on Device and Pain Es ma on Method7. Patent Applica on No. 2017-133424 Pain Classifica on Using Sigmoidal Curve8. Patent Applica on No. 2017-137723 Pain Classifica on Using Sparse Modeling9. Patent Applica on No. 2017-199374 Reduc on Machine Learning10. Patent Applica on No. 2017-254565 Tailor Made Machine Learning11. Patent Applica on No. 2017-133422 Discrimina on of Pain Using Trend Analysis
●Eleven patents have applied with regard to EEG feature quan y, discrimina on model determina on, discrimina on algorithm, and painvisualiza on
●Pharmaceutical Affairs
FY2018 FY2019 FY2020
●Development of clinical trial equipment
●Preparation for clinical trial
●Investigator initiated clinical trial
(A) Discrimina on algorithm forthermal pain
Successfuldiscrimina on with 83% accuracy between painful and non-painful situa on.
A B
(B) Research and development of a
Using the originally-developed algorithms for
successfully classify and visualize temporal change of individual pains.
●Our technology
●Pain Vision
●Surgical Pleth Index
Evaluation method
Invasiveness Equipment Accuracy Operation Price
EEG
Manual
Low
Pain
Electroencephalogram
Stimulator
Pulse Oximeter
High
High
Low
Automatic
Manual
Automatic
Low
High
HighLow fusionerP
The number ofsubjects 292⇒216
Elaboration ofdiscrimination model
Time (min)
Successfuldetection ofsevere pain
EEG featurequantity
Intercept
Coefficient
Painintensity Higher
Higher
Machine learning(regularization)
Determination ofmodel parameters
by least squared method
Discrimination of heat/cold pain or no-pain Heat stimulation・1752 samples from 292subjectsFeature quantity : Averagepotentials from 7 electrodes
Subjectiveassessmentof pain (COVAS)
Discriminationof pain using EEG
Correlationstrengthr =0.63,p< 0.0001
Sample removal forvanishing point
of below chance level
Improvement ofdiscrimination
accuracy 62 => 85%
Backwardelimination method
Visualization of pain trendFeature extraction from EEG signals Validation of discrimination model
Amplitude ( absolute value) EEG feature quantity
(potential)Strong pain Pain/No-pain
Chancelevel :50%
Discrimination accuracy
Discrimination accuracy
Absolute degree
Higher
EEG
Pain intensity
Creating of pain discrimination models
EEG featurequantity
Painintensity
Coefficient Intercept Absolute degree
Pain : strong-moderate-weak
Chancelevel : 33%
Machine learning-Determinationof coefficient and intercept
Higher
Higher
