脳卒中に伴う片麻痺への装具療法は、歩行の改善に明確な効果がある。下肢装具のうち、特に短下肢装具（AFO）は下腿部から足底までを覆う構造を取り、足関節の動きを制限することで効果発現を期待するものだ。韓国・嶺南大学の研究チームは、脳卒中発症後早期での「後にAFOが必要となる可能性を予測する機械学習モデル」を構築した。
チームが19日、Scientific Reportsから公表した研究論文によると、474名の脳卒中患者における臨床データを利用し、この機械学習モデルを導いたという。6ヶ月後の歩行におけるAFOの必要性は足首背屈筋のMRCスコアに従って分類しており、スコア3未満の患者は必要あり、3以上で必要なしとしている。研究チームは、患者がリハビリテーションユニットに移されるタイミング（発症後平均16.2日）での臨床データ（年齢・性別・脳卒中種別・運動誘発電位データ・Brunnstrom分類など）から、このMRCスコア低値を予測するモデルを構築した。結果、ディープニューラルネットワークでAUC 0.887、ランダムフォレストとロジスティック回帰でそれぞれ0.855と0.845と、各モデルは比較的高精度な予測能を示していた。
研究チームは「機械学習アルゴリズム、特にディープニューラルネットワークが回復期脳卒中患者におけるAFOの必要性予測に役立つことを示した」とし、成果の重要性を強調している。リハビリテーション領域におけるAI活用研究は近年増加傾向にある。近傍研究で先行の乏しいものとしては、種々ある下肢装具のうち、患者背景および臨床データからどの装具を選択することで機能予後が良好となるか、臨床的意思決定を支援するAIモデルの構築などが考えられる。個別最適化装具をデータドリブンに設計することも、高齢化の進展に伴う需要の増大が見込まれるため、興味深いシーズとなり得るだろう。
関連記事：
