田邉 将之, 冨原 香菜子, 四谷 淳子, 瀧井 道明, 西本 昌彦

Masayuki TANABE, Kanako TOMIHARA, Junko YOTSUYA, Michiaki TAKII, Masahiko NISHIMOTO

¹熊本大学大学院・先端科学研究部, ²熊本大学大学院・自然科学研究科, ³福井大学学術研究院・医学系部門・看護科学領域, ⁴大阪医科大学三島南病院

¹Faculty of Advanced Science and Technology, Kumamoto University, ²Graduate School of Science and Technology, Kumamoto University, ³Division of Nursing, Faculty of Medical Sciences, Fukui University, ⁴Mishima-Minami Hospital, Osaka Medical College

キーワード :

【目的】
ヒトは高齢になるほど腸の機能が衰えるため便秘になりやすく，便秘症状が重症化すると腹痛や腸閉塞など深刻な腸疾患を発症する原因ともなる．実際，療養型病床や老人保健施設に入所中の高齢者や在宅療養者に対して排便コントロールのケアを行う頻度はかなり高く，そのケアには看護師各自の判断が重要となる．便秘の改善には，食事や運動を基本に薬物治療を必要としており，特に内服下剤や座薬・浣腸の適応を判断する指標に大腸内部の状態は十分に考慮されていない．以上のことから，臨床現場，在宅看護の中で超音波画像評価でのエビデンスに基づく客観的判断による排便コントロールのケア方法を確立することは，腸閉塞などの重症化を防ぐとともに，患者や在宅療養者のQOLの向上につながる．そこで本研究では，少ない枚数の超音波画像から特徴量を抽出し，ガス又は便塊の性状を定量的に評価する方法を開発したので報告する．
【方法】
20代から50代の健常者男女8名を対象に下行結腸の短軸画像を合計64枚取得し，50枚を学習に，残りの14枚をテストに用いた．超音波診断装置はGE Healthcare Japan社のVscan Dual Probe（リニアプローブ），東芝社のXario 200（コンベックスプローブ PVU-375BT）を使用した．取得した超音波画像に対して，硬便，普通，軟便，ガスの4つの正解ラベルを与え，これらの画像が機械学習によって正しく分類がなされるか評価した．本提案手法では，超音波画像から大腸内部領域を解析対象として抽出した後に，超音波伝搬方向の減衰，多重反射の有無，スペックルパターンを特徴量として抽出し，クラス分類を施した．また比較対象として，ディープラーニングを用いて特徴量を自動的に抽出した上でクラス分類を施した．
【結果】
教師あり学習のディープラーニングを行ったところ，約78％の精度が得られた．一方，我々の提案する特徴量を用いて教師ありクラス分類を行ったところ，約90％の精度が得られた．
【まとめ】
本研究では，下行結腸の超音波画像に見られる特徴量を抽出し，少ない画像枚数においてディープラーニングよりも高い精度の分類結果が得られた．今後は分類精度とリアルタイム性の向上，そして大腸部分の自動抽出を目指すことで，臨床応用へと発展させる．