top of page
Resources
アンカー 1
Programs
PROMPT-acoustic analysis
音響学的な特徴を用いた、うつ病や認知症のスクリーニングおよび重症度評価を行う訓練及び推定アルゴリズム。うつ症状を有しているか否か、あるいは認知症であるか否かの分類（クラス分類）と、ハミルトンうつ病評価尺度（HAM-D17項目版・6項目版）による抑うつの重症度（回帰）、あるいはmini-mental state examination（MMSE）による認知機能の低下の程度を予測する。
入力: 0.1秒間隔での第1, 2フォルマント周波数、音響強度、ケプストラムピークプロミネンス(CPP)、12メル周波数ケプストラム係数 (MFCC) の経時的データ
出力: 抑うつ状態の有無（クラス分類）、HAMD17/6 スコア（回帰）, 認知症の有無（クラス分類）、MMSEスコア（回帰）
未公開：Contactからお問い合わせください。
PROMPT-body motion
頭部、両肩、前胸部等の3D座標データを用いた、うつ病症状を有しているか否かの分類(クラス分類)と、ハミルトンうつ病評価尺度（HAM-D17項目版・6項目版）による抑うつの重症度（回帰）を予測するための、訓練及び推定アルゴリズム。
入力: 上半身の4か所(額、右肩、左肩、真ん中の脊椎)のx.y.z座標の経時的データ
出力: 抑うつ状態の有無（クラス分類）、HAMD17/6 スコア（回帰）
PROMPT-facial expression
表情分析ソフトウェアデータを用いた、うつ病症状を有しているか否かの分類(クラス分類)と、ハミルトンうつ病評価尺度 (HAM-D17項目版・6項目版) による抑うつの重症度 (回帰) を予測するための、訓練及び推定アルゴリズム。
入力: ビデオで記録した各画像フレームでの5つの異なる表情（喜び、悲しみ、怒り、驚き、無表情）の経時的な信頼水準。各画像フレームにおいて、5つの表情の信頼水準を合計して100としたもの。
出力: 抑うつ状態の有無（クラス分類）、HAMD17/6 スコア（回帰）
未公開：Contactからお問い合わせください。
PROMPT-blinking
瞬目データを用いて（表情分析ツールから瞬目とみなす閾値を設定し）、うつ病症状を有しているか否かの分類（クラス分類）と、ハミルトンうつ病評価尺度（HAM-D17項目版・6項目版）による抑うつの重症度（回帰）を予測するための、訓練及び推定アルゴリズム。
入力: 両目における、経時的な瞼間の距離の測定
出力: 抑うつ状態の有無（クラス分類）、HAMD17/6 スコア（回帰）
未公開：Contactからお問い合わせください。
Space-delay matrix
時系列の入力データからspace-delay matrices（空間遅延行列）を計算するプログラム。前述の1~4および後述の8のプログラムはPROMPTプロジェクトで収集されたデータから被験者のうつ状態を推定するものだが、これらのプログラムにおいては、機械学習のための特徴量として、経時的な入力データから計算したspace-delay matricesを使用している。Space-delay matricesにおいては、遅延時間の違った時系列データ同士の相互相関を計算し、特徴量間の相関構造を解析することを可能にする。Space-delay matricesはもともと以下の論文で提案されたものである：Williamson JR, Bliss DW, Browne DW, and Narayanan JT. Seizure prediction using EEG spatiotemporal correlation structure. Epilepsy & Behavior, 25(2): Oct. 2012, p230-238.
未公開：Contactからお問い合わせください。
PROMPT-Natural Language Processing for Dementia
医師と患者の間で行われた問診時の会話を用い、認知症の疑いが高いか否かを3段階で判定する。健常、mild cognitive impairment（MCI）相当、認知症の疑いのクラス分類を行う。
入力：問診中の会話文の書き起こしデータ、あるいは音声認識後の会話文
出力：mini-mental state examination（MMSE）、clinical dementia rating（CDR）、日本語版 WMS-Rロジカルメモリを複合的に使って健常、MCI相当、認知症の疑いに患者をクラス分類
未公開：Contactからお問い合わせください。
PROMPT-wearable
患者がリストバンド型ウェアラブルデバイスを3日、5日あるいは7日間装着して得られるデータ（歩行、活動量、体動、睡眠、心拍、体温、紫外線）を用いて、うつ病症状を有しているか否かの分類(クラス分類)と、ハミルトンうつ病評価尺度（HAM-D17項目版・6項目版）による抑うつの重症度（回帰）を予測するための、訓練及び推定アルゴリズム。
入力：リストバンド型ウェアラブルデバイスによる3日、5日あるいは7日間装着データ（歩行、活動、睡眠、体温、紫外線）
出力: 抑うつ状態の有無（クラス分類）、HAMD17/6 スコア（回帰）
未公開：Contactからお問い合わせください。
PROMPT-metamodel
マルチモダルデータ（瞬目、表情、音声、会話速度、体動）を用いたうつ病症状を有しているか否かの分類（クラス分類）と、ハミルトンうつ病評価尺度（HAM-D17項目版・6項目版）による抑うつの重症度（回帰）を予測するための、訓練及び推定アルゴリズム。このモデルにおいては、第1層、第2層において、いくつかの異なる機械学習アルゴリズムを用いている。第2層の機械学習アルゴリズムにおいては、第1層の結果を入力として、最終的な予測を出力としている。
入力: 瞬目、表情、音声、体動に関する上述のPROMPT各種プログラムで用いたものと同じ形のマルチモデルの経時的なデータ。
未公開：Contactからお問い合わせください。
ECT-response prediction on MRI
臨床情報およびMRIの脳領域データを特徴量として電気痙攣療法（ECT）後の症状寛解やハミルトンうつ病評価尺度（HAM-D17項目版）のスコア変化の予測モデルの構築
入力: 臨床情報（年齢, 性別, 症状の発現）、MRIの脳領域データ（様々な脳領域の正規化した脳容積）
出力: 寛解の有無（クラス分類）、HAM-D17スコア変化 （回帰）
UNDERPIN精神疾患推測システム
機械学習による各種精神疾患の自動分類システム。音声音響分析、言語分析、SVM、SVR、交差検定などの各種機能
を含む。
入力：疾患分類のついた会話録音データ、書き起こしテキスト、アノテーション（静岡大 狩野芳伸氏との共同開発）
出力：精神疾患ごとの二値分類
未公開：Contactからお問い合わせください。
UNDERPIN-vocabulary analysis
会話書き起こしテキストデータを用いた、健常群と疾患群の語彙の出現頻度をグラフ等で可視化・比較する為のスクリプト、及び、語彙出現頻度を特徴量として健常群と疾患群をクラス分類する訓練推定アルゴリズム
入力：会話書き起こしテキストデータ
出力：健常群か疾患群か（クラス分類）
未公開：Contactからお問い合わせください。
HRV-analytics
一日7-8時間分の生体信号データ（具体的にはタイムスタンプ付きの心拍や音声データ）から、ストレスやうつ状態、well-beingの程度を予測する機械学習モデル。
入力：心拍変動（heart rate variability）、および音響学的データ
出力：各ユーザーのストレス、うつ状態、幸福状態の推定値。それぞれの代表的評価尺度である「知覚されたストレス（PSS-10）」、「Patient Health Questionnaire-9（PHQ-9）」、「人生満足尺度（SWLS）及びFlourishing Scale」の得点を推定、あるいは高得点、低得点の分類を行う。
準備中：Contactからお問い合わせください。
アンカー 2
Database
J-INTERESTデータベース
概要：精神科診療における症例重症度や検査結果をElectronic Data Capture（EDC）システムとして収集し、蓄積したデータを解析するプラットフォーム。複数のスタディを串刺しにしてデータ抽出が可能であり、かつ、患者が入力するPatient Reported Outcome（PRO）を患者のスマートフォンやPCから直接入力することも可能にしている（ePRO機能）。
研究参加施設：慶應義塾大学、名古屋大学、国立保健医療科学院、国立精神・神経医療研究センター、千葉大学、志學館大学、清扶会星医院。
機能：医師による症例入力に加え、被験者自らがスマートフォンやPCからePRO画面へアクセスし、入力することができる。入力の一部としてVisual analogue scale（VAS；症状の程度を定規の位置で評価）機能も搭載し、段階評価であるLikert Scaleによる評価よりも詳細な評価を可能とした。EDC機能として、入力時のデータチェックや、欠損チェック、整合性チェックをはじめ、ロジカルチェック、コーディングなどのデータマネージメント機能を有する。アクセス履歴による改ざん防止機能も搭載。入力項目から必要な任意の情報を抽出し、症例データの閲覧、帳票出力（CSV形式）を行う。スタディ間の共通評価項目については、データベースをまたぎ、収集が可能。
未公開：Contactからお問い合わせください。
慶應義塾大学病院内計算基盤
慶應義塾大学病院の電子カルテと同じサーバー室に設置したGPUを搭載した計算基盤。電子カルテシステムに接続しており、電子カルテの情報を活用できる。インターネットに接続していない環境でも最新のframeworkを利用できるようにDockerおよびnvidia-dockerを採用し、一般のクラウドと同様の解析が可能。
未公開：Contactからお問い合わせください。
PROMPTデータベース
被験者から取得した表情、体動、音声、日常生活活動データをAdvanced Encryption Standard（AES）を用いて暗号化、クラウド（Microsoft Azure）上へのアップロードを行う。アップロードに際しては、データ保護の観点より安全性を意識したVPN接続を使用。各病院で取得したデータは、現地での入力・アップロードが可能でその収集したデータはサブスクリプション毎に振り分けられ、各共同研究機関の解析担当者のみが、権限付与されたカテゴリのデータのみアクセスする。また、全てのデータは詳細な臨床評価による紐づけがなされている。一旦登録された被験者の個人情報と被験者識別研究番号は、切り離して管理しているため、被験者識別番号から被験者への個人情報への逆方向のアクセスはできない仕組み。全てのアクセス履歴を残すことで改ざん防止機能を搭載。
未公開：Contactからお問い合わせください。
UNDERPIN対話データベース
被験者から取得した音声会話録音データをSSH（Secure Shell Protocol）経由で転送、共同研究先の静岡大学の専用サーバーへのアップロードを行う。一旦登録された被験者の個人情報と被験者識別研究番号は切り離して管理しているため、被験者識別番号から被験者への個人情報への逆方向のアクセスはできない仕組み。録音は3パートからなる臨床心理士と被験者の会話で構成。現時点での録音時間は計600時間程度。録音は文字起こし、発話区間付与、音響音声および言語学的な各種アノテーションを付与し、解析時に自動音響音声分析、言語分析を行ったうえで、精神疾患の自動推測、その特徴分析を行う。解析はサーバー内のみで施行。被験者には診断に加え、各種の重症度評価や認知機能評価を実施しその結果も統合されている。
未公開：Contactからお問い合わせください。
GEMRICデータベース
電気けいれん療法を受療した患者の臨床症状に紐づけられた頭部MRIデータのRaw dataや画像処理後のデータを蓄積するデータベースであるとともに、画像解析ソフトウェアを整備（FreeSurferやSPM等）し、データ解析はサーバー内のみで行えるよう管理されているプラットフォーム。2020年3月31日現在、11ヶ国から25施設が参加。
University of BergenのLeif Oltedaを代表とした研究で、当研究室では日本の窓口を担当。
未公開：Contactからお問い合わせください。
bottom of page