@article{oai:ipsj.ixsq.nii.ac.jp:00211191,
 author = {渡邉, 一規 and 小林, 直也 and 吉川, 憧 and 山内, 正憲 and Kazuki, WAtanabe and Naoya, Kobayashi and Sho, Yoshikawa and Masanori, Yamauchi},
 issue = {5},
 journal = {情報処理学会論文誌},
 month = {May},
 note = {集中治療室に入室する患者は，安静時でも強い痛みを経験している．痛みに対しより早期の介入を行うためには，痛みを連続的かつ均一な方法で評価する方法が必要である．本研究では，5,548名の患者を対象に，連続取得されるバイタルサインデータと性別，年齢層，鎮静度スコアを入力データ，痛みの評価スケールであるCPOTをターゲット変数としランダムフォレストにより学習モデルを作成した．作成した学習モデルをテストデータに対して用い，AUC0.82，感度60.8%，特異度89.1%の精度を得た．学習モデルの推定結果と実際の痛みの記録の比較を行い，記録されている痛みに加え，記録されていない（見落とされていた）痛みの傾向を示すことができた．本知見は，機械学習による痛みの推定が医師の判断の補助として有用であり，機械学習の医療における利用領域を広げることができる．, Patients entering the intensive care unit experience severe pain even at rest. Early intervention for pain requires a method for evaluating pain in a continuous and uniform manner. In this study, for 5,548 patients, the learning model was made making vital sign data and gender, age group, sedation scale acquired continuously to be input data, CPOT which is evaluation scale of the pain to be a target variable. As the result, the learning model of AUC 0.82, sensitivity 60.8%, specificity 89.1% was obtained. And, the estimation result of the learning model was compared with the record of the actual pain, and it was possible to show the tendency of the pain which is not in the record. It is considered that this knowledge is useful as an aid of the judgment of the doctor.},
 pages = {1200--1206},
 title = {機械学習を用いた患者の痛み推定に関する研究},
 volume = {62},
 year = {2021}
}