別冊・医学のあゆみ　医療DX

出版社： 医歯薬出版
発行日： 2024-01-25
分野： 医学一般  >  雑誌
ISSN： 00392359
雑誌名：
特集： 医療DX　進展するデジタル医療に関する最新動向と関連知識
電子書籍版： 2024-01-25 （第1版第1刷）
書籍・雑誌
≪全国送料無料でお届け≫
取寄せ目安：4～8営業日

5,390 円(税込)

購入する
電子書籍
章別単位での購入はできません
ブラウザ、アプリ閲覧

5,390 円(税込)

購入する

目次

  • 特集　医療DX
    　　　進展するデジタル医療に関する最新動向と関連知識

    医師の働き方改革・労働負荷軽減，病院の経営改革に資するICT技術
    　ICTとAIを活用して，救急隊と医療機関をシームレスにつなぐ─“情報共有”は医療技術
    　救急医療の情報分断を解決する医療DX
    　病院運営をデータ利活用で最適化する

    医療の提供の場の拡大
    　外来受診間の“治療空白”を埋める治療アプリ
    　スマートフォン医療機器“Smart Eye Camera”を使用した眼科遠隔診療
    　病院から見守られながらの在宅での心臓リハビリテーション
    　スマホアプリを活用した糖尿病重症化予防の取り組み
    　ビフォーコロナからウィズコロナへ，オンライン診療のこれまでと課題

    高度な均てん化をもたらす医療支援AI
    　SaMD（国内/米国）動向調査
    　AIを用いた内視鏡画像診断支援
    　眼底写真からAIが読み取る全身疾患の可能性）

    新たなデジタルバイオマーカー・デジタルセラピューティクスの創出
    　行動変容を伴う医療機器プログラム評価の考え方
    　不眠医療のデジタルトランスフォーメーション
    　AIを用いた感染症診断の可能性
    　AIの目で心電図を読み直す

    今後の発展のための土台の議論
    　AIの医療応用に関する法的留意点
    　医療機関のサイバーセキュリティ・マネジメント
    　診療情報の利活用と個人情報保護法

この書籍の参考文献

参考文献のリンクは、リンク先の都合等により正しく表示されない場合がありますので、あらかじめご了承下さい。

本参考文献は電子書籍掲載内容を元にしております。

医師の働き方改革・労働負荷軽減, 病院の経営改革に資するICT技術

P.11 掲載の参考文献
1) Wallace DJ et al. Nighttime intensivist staffing and mortality among critically ill patients. N Engl J Med 2012 ; 366 : 2093-101.
PubMed
2) Tanaka K et al. Development of a novel information and communication technology system to compensate for sudden shortage of emergency department physicions. Scand J Trauma Resuse Emerge Med 2017 ; 25 : 6.
 
3) 株式会社Smart 119 : 「ACES」 (https://smart119.biz/aces/)
 
4) 株式会社Smart 119 : 「Smart 119」 (https://smart119.biz/smart119/)
 
5) Hayashi Y et al. A prehospital diagnostic algorithm for strokes using machine learning : a prospective observational study. Sci Rep 2021 ; 11 : 20519.
PubMed
6) Takeda M et al. Prehospital diagnostic algorithm for acute coronary syndrome using machine learning : a prospective observational study. Sci Rep 2022 ; 12 : 14593.
PubMed
7) 株式会社Smart 119 : 「respon : sum」 (https://smart119.biz/responsum/)
 
8) Yamada M et al. Novel information and communication technology system to improve surge capacity and information management in the initial hospital response to major incidents. Am J Emerg Med 2019 ; 37 : 351-5.
PubMed
P.25 掲載の参考文献
1) 内閣府. 経済財政運営と改革の基本方針 2022. 2022年6月7日.
 
2) 自由民主党政務調査会. 「医療DX令和ビジョン 2030」の提言. 2022年5月17日.
 
3) 尾崎勝彦. 病院運営における情報の一元化とその利用. 新医療 2017 ; 44 (9) : 32.
 
4) 尾崎勝彦. 病院システム導入・開発による情報の一元化とデータの利活用. 新医療 2021 ; 48 (7) : 64.
 
5) 康永秀生・他. 超入門! スラスラわかるリアルワールドデータで臨床研究. 金芳堂 ; 2019.
 
6) 岩上将夫, 小林修三. 徳洲会メディカルデータベースを用いた臨床研究. Progress in Medicine 2018 ; 38 (2) : 131-5.
Medical*Online
7) 独立行政法人医薬品医療機器総合機構. MID-NET (Medical Information Database Network).
 
8) 医療AIプラットフォーム技術研究組合 (HAIP). (haip-cip.org)
 

医療の提供の場の拡大

P.32 掲載の参考文献
1) 厚生労働省. 薬事法等の一部を改正する法律の概要. (https://www.mhlw.go.jp/file/06-Seisakujouhou-11120000-Iyakushokuhinkyoku/0000066816.pdf)
 
2) Quinn CC et al. Cluster-randomized trial of a mobile phone personalized behavioral intervention for blood glucose control. Diabetes Care 2011 ; 34 : 1934-42.
PubMed
3) PREMERA BlueCross. Prescription Digital Therapeutics. (https://www.premera.com/medicalpolicies/13.01.500.pdf)
 
4) Das Bundesinstitut fur Arzneimittel und Medizinprodukte (BfArM). DiGA directory. (https://diga.bfarm.de/de/verzeichnis?type=%5B%5D)
 
5) 中医協資料. 医療機器の保険適用について (令和2年12月収載予定). (https://www.mhlw.go.jp/content/12404000/000693018.pdf)
 
6) 中医協資料. 医療機器の保険適用について (令和4年9月収載予定). (https://www.mhlw.go.jp/content/12404000/000972473.pdf)
 
7) Masaki K et al. A randomized controlled trial of a smoking cessation smartphone application with a carbon monoxide checker. NPJ Digit Med 2020 ; 3 : 1-7.
PubMed
8) Kario K et al. Efficacy of a digital therapeutics system in the management of essential hypertension : the HERB-DH1 pivotal trial. Eur Heart J 2021 ; 42 (40) : 4111-22.
PubMed
9) サスメド株式会社. 不眠障害用アプリケーションの製造販売承認取得について. (https://www.susmed.co.jp/news/post/2642/)
 
10) 三菱ケミカルグループ. 認知行動療法アプリに関する京都大学, 国立精神・神経医療研究センターとのライセンス契約締結のお知らせ-日本初のうつ病治療用医療機器アプリをめざして-. (https://www.mt-pharma.co.jp/news/2020/MTPC200901.html)
 
11) 株式会社MICIN. MICINとテルモ デジタル治療支援システムの共同開発を開始～糖尿病領域で患者の行動変容を支援～. (https://micin.jp/news/2768)
 
12) 厚生労働省. 令和4年度診療報酬改定の概要. 医療技術. (https://www.mhlw.go.jp/content/12400000/000954826.pdf)
 
P.38 掲載の参考文献
1) 権藤章彦. AIを用いた診療時記録の自動文書化. 医学のあゆみ 2022 ; 282 (10) : 891-4.
Medical*Online
2) 祖父江嘉洋, 渡邉英一. 着用型心電計 (スマートフォン・スマートウオッチ含む) の種類とその活用. 日本臨床 2022 ; 80 (1) : 36-41.
Medical*Online
3) 天笠志保・他. 医療・健康分野におけるスマートフォンおよびウェアラブルデバイスを用いた身体活動の評価 : 現状と今後の展望. 日本公衆衛生雑誌 2021 ; 68 (9) : 585-96.
 
4) 福田悠平. プログラム医療機器の実用化促進に向けた厚生労働省の取り組みと今後の展開. INNERVISION 2022 ; 37 (7) : 2-5.
Medical*Online
5) 佐竹晃太. 医師が処方する「治療アプリ」を通じたデジタル療法が示す可能性. 医療と社会 2021 ; 31 (3) : 420-30.
 
6) 清水映輔. 手術器具 スマートアイカメラ (SEC). IOL & RS 2021 ; 35 (3) : 486-91.
 
7) 清水映輔. スマートアイカメラ (SEC) を用いた, 前眼部遠隔診療. 視覚の科学 2021 ; 42 (2) : 32-4.
 
8) 清水映輔, 矢津啓之. スマートフォンによる遠隔眼科診療 (前眼部). OCULISTA 2020 ; 88 : 35-42.
 
9) Shimizu E et al. "Smart Eye Camera" : An innovative technique to evaluate tear film breakup time in the murine dry eye disease model. PLoS One 2019 ; 14 (5) : e0215130.
PubMed
10) Yazu H et al. Evaluation of nuclear cataract with smartphone-attachable slit-lamp device. Diagnostics (Basel) 2020 ; 10 (8) : 576.
PubMed
11) Shimizu E et al. Smart Eye Camera : A validation study for evaluating the tear film breakup time in human subjects. Transl Vis Sci Technol 2021 ; 10 (28).
 
12) Yazu H et al. Clinical observation of allergic conjunctival diseases with portable and recordable slit-lamp device. Diagnostics (Basel) 2021 ; 11 (3) : 535.
PubMed
13) Shimizu E et al. A study validating the estimation of anterior chamber depth and iridocorneal angle with portable and non-portable slit-lamp microscopy. Sensors (Basel) 2021 ; 21 (4) : 1436.
 
14) 清水映輔, 矢津啓之. アタッチメント付きスマートフォンによる前眼部撮影. 新篇眼科プラクティス 2 細隙灯顕微鏡の徹底活用 (園田康平編). 文光堂 ; 2022.
 
15) 清水映輔. 前眼部IoMT診療における課題とOUI Inc. の挑戦. Journal of Internet of Medical Things 2021 ; (1) : 38-44.
 
16) 清水映輔・他. 離島における眼科診療の実態調査と前眼部遠隔診療. 日本の眼科 2022 ; 93 (7) : 944-7.
 
17) 清水映輔. 基礎研究コラム : 前眼部診断AIの研究開発. あたらしい眼科 2022 ; 39 (6) : 101.
 
P.43 掲載の参考文献
1) 日本循環器学会・他. 2021年改訂版 心血管疾患におけるリハビリテーションに関するガイドライン (日本循環器学会/日本心臓リハビリテーション学会合同ガイドライン). 2021. (https://www.jacr.jp/web/wp-content/uploads/2015/04/JCS2021_Makita2.pdf)
 
2) Taylor RS et al. Exercise-based rehabilitation for heart failure. Cochrane Database Syst Rev 2014 ; 2014 (4) : CD003331.
 
3) Kamiya K et al. Nationwide survey of multidisciplinary care and cardiac rehabilitation for patients with heart failure in Japan-An analysis of the AMED-CHF Study. Circ J 2019 ; 83 (7) : 1546-52.
PubMed
4) Goto Y. Current state of cardiac rehabilitation in Japan. Prog Cardiovasc Dis 2014 ; 56 : 557-62.
PubMed
5) Varnfield M et al. Smartphone-based home care model improved use of cardiac rehabilitation in postmyocardial infarction patients : results from a randomized controlled trial. Heart 2014 ; 100 : 1770-9.
PubMed
6) Rawstorn JC et al. Remotely delivered exercise-based cardiac rehabilitation : Design and content development of a novel mHealth platform. JMIR Mhealth Uhealth 2016 ; 4 : e57.
PubMed
7) Maddison R et al. Effects and costs of real-time cardiac telerehabilitation : randomized controlled non-inferiority trial. Heart 2019 ; 105 : 122-9.
PubMed
8) Bravo-Escobar R et al. Effectiveness and safety of a home-based cardiac rehabilitation program of mixed surveillance in patients with ischemic heart disease at moderate cardiovascular risk : A randomized, controlled clinical trial. BMC Cardiovasc Disord 2017 ; 17 : 66.
PubMed
9) Nakayama A et al. Remote cardiac rehabilitation is a good alternative of outpatient cardiac rehabilitation in the COVID-19 era. Environ Health Prev Med 2020 ; 25 : 48.
PubMed
10) Kikuchi A et al. Feasibility of home-based cardiac rehabilitation using an integrated telerehabilitation platform in elderly patients with heart failure : A pilot study. J Cardiol 2021 ; 78 (1) : 66-71.
PubMed
P.49 掲載の参考文献
1) 厚生労働省. 第18回健康日本21 (第二次) 推進専門委員会. 健康日本21 (第二次) 最終評価報告書 (案) (令和4年6月16日暫定版). 糖尿病. p.99-139. (https://www.mhlw.go.jp/content/10904750/000951721.pdf)
 
2) 津下一代. ICTを用いた健康戦略. 糖尿病 2017 ; 9 (1) : 11-23.
 
3) 日本糖尿病学会. 第4次「対糖尿病戦略5ヵ年計画」. (http://www.fa.kyorin.co.jp/jds/uploads/plan_5years_4th.pdf)
 
4) Kersting A et al. Internet therapy. Opportunities and boundaries. Nervenarzt 2009 ; 80 (7) : 797-804.
PubMed
5) Davalos ME et al. Economic evaluation of telemedicine : review of the literature and research guidelines for benefitcost analysis. Telemed J E Health 2009 ; 15 (10) : 933-48.
PubMed
6) van Vugt M et al. Use of behavioral change techniques in web-based self-management programs for type 2 diabetes patients : systematic review. J Med Internet Res 2013 ; 15 (12) : e279.
PubMed
7) Yamaguchi S et al. Previous dropout from diabetic care as a predictor of patients' willingness to use mobile applications for self-management : A crosssectional study. J Diabetes Investig 2017 ; 8 : 542-9.
 
8) Cotter AP et al. Internet interventions to support lifestyle modification for diabetes management : a systematic review of the evidence. J Diabetes Complications 2014 ; 28 (2) : 243-51.
PubMed
9) Joiner KL et al. Lifestyle interventions based on the diabetes prevention program delivered via eHealth : A systematic review and meta-analysis. Prev Med 2017 ; 100 : 194-207.
 
10) Dening J et al. Web-based interventions for dietary behavior in adults with type 2 diabetes : systematic review of randomized controlled trials. J Med Internet Res 2020 ; 22 (8) : e16437.
PubMed
11) Muller AM et al. The effectiveness of e- & mHealth interventions to promote physical activity and healthy diets in developing countries : A systematic review. Int J Behav Nutr Phys Act 2016 ; 13 (1) : 109.
PubMed
12) Samoocha D et al. Effectiveness of web-based interventions on patient empowerment : a systematic review and meta-analysis. J Med Internet Res 2010 ; 12 (2) : e23.
 
13) 野村恵里, 津下一代. IoTとスマートフォンアプリを活用した糖尿病管理-「健康応援七福神アプリ(R)」が伴走する毎日の糖尿病管理. 月刊地域医学 2020 ; 34 : 18-22.
 
14) Kobayashi T et al. Automated feedback messages with shichifukujin characters using IoT system-improved glycemic control in people with diabetes : A prospective, multicenter randomized controlled trial. J Diabetes Sci Technol 2019 ; 13 (4) : 796-8.
PubMed
15) 津下一代. 壮年期就労者を対象とした生活習慣病予防のための動機付け支援の技術開発に関する研究. 日本医療研究開発機構. 新時代における疾患克服. p.35. (https://www.amed.go.jp/content/000082040.pdf)
 
16) 津下一代. ICT を活用した特定保健指導～現状と第4期に向けた展望. 日本栄養士会雑誌 2022 ; 65 (5) : 4-9.
 
17) 日本健康会議. 健康づくりに取り組む5つの実行宣言 2025. 宣言 5. (https://2025.kenkokaigi.jp/sengen)
 
P.57 掲載の参考文献
1) 平成27年厚生労働省事務連絡「情報通信機器を用いた診療 (いわゆる「遠隔診療」) について」.
 
2) 厚生労働省. オンライン診療の適切な実施に関する指針. 平成30年. p.6.
 
3) 中央社会保険医療協議会総会資料 (2019年9月). 平成30年度診療報酬改定後の算定状況等について.
 
4) 中央社会保険医療協議会総会資料 (2019年11月). オンライン医学管理料について.
 
5) 内閣官房 新しい資本主義実現本部事務局 (規制のサンドボックス 政府一元的窓口). 規制のサンドボックス制度 (新技術等実証制度) について. (https://www.cas.go.jp/jp/seisaku/s-portal/pdf/underlyinglaw/sandboximage516.pdf)
 
6) 診断キットとビデオ通話を組み合わせたインフルエンザ罹患時のオンライン受診勧奨 (計画の概要). 平成30年. (https://www.cas.go.jp/jp/seisaku/s-portal/project/gaiyou2.pdf)
 
7) 総務省. 令和3年情報通信白書. データで見るオンライン診療の状況. 2021. (https://www.soumu.go.jp/johotsusintokei/whitepaper/ja/r03/html/nd122320.html)
 
8) 日本医学会連合. オンライン診療の初診に関する提言. 2021. (https://www.jmsf.or.jp/news/page_872.html)
 
9) 厚生労働省. 新型コロナウイルス感染症の一般用抗原検査キット (OTC) の承認情報. 2022. (https://www.mhlw.go.jp/stf/newpage_27779.html)
 
10) 厚生労働省. 病院勤務医の勤務実態調査 (タイムスタディ調査). 平成30年. (https://www.mhlw.go.jp/content/10800000/000331107.pdf)
 

高度な均てん化をもたらす医療支援AI

P.65 掲載の参考文献
1) FDA. Artificial Intelligence and Machine Learning (AI/ML) -Enabled Medical Devices. (https://www.fda.gov/medicaldevices/software-medical-device-samd/artificial-intelligence-and-machine-learning-aiml-enabled-medical-devices)
 
2) Zhu S et al. The 2021 landscape of FDA-approved artificial intelligence/machine l e a rning-enabled medical devices : An analysis of the characteristics and intended use. Int J Med Inform 2022 ; 165 : 104828.
 
3) 袴田和巳・他・米国における医療AI の承認・市場の動向. インナービジョン 2022 ; 37 (7) : 20-1.
Medical*Online
4) Hassan AE. New Technology Add-On Payment (NTAP) for Viz LVO : a win for stroke care. J NeuroInterv Surg 2021 ; 13 : 406-8.
 
P.70 掲載の参考文献
1) Hosokawa O et al. Difference in accuracy between gastroscopy and colonoscopy for detection of cancer. Hepatogastroenterology 2007 ; 54 (74) : 442-4.
PubMed
2) Ladabaum U et al. Real-time optical biopsy of colon polyps with narrow band imaging in community practice does not yet meet key thresholds for clinical decisions. Gastroenterology 2013 ; 144 (1) : 81-91.
 
3) Zauber AG et al. Colonoscopic polypectomy and long-term prevention of colorectal-cancer deaths. N Engl J Med 2012 ; 366 (8) : 687-96.
PubMed
4) van Rijn JC et al. Polyp miss rate determined by tandem colonoscopy : a systematic review. Am J Gastroenterol 2006 ; 101 (2) : 343-50.
PubMed
5) Urban G et al. Deep learning localizes and identifies polyps in real time with 96% accuracy in screening colonoscopy. Gastroenterology 2018 ; 155 (4) : 1069-78e8.
PubMed
6) Barua I et al. Artificial intelligence for polyp detection during colonoscopy : a systematic review and meta-analysis. Endoscopy 2021 ; 53 (3) : 277-84.
PubMed
7) Corley DA et al. Adenoma detection rate and risk of colorectal cancer and death. N Engl J Med 2014 ; 370 (14) : 1298-306.
PubMed
8) Hirasawa T et al. Application of artificial intelligence using a convolutional neural network for detecting gastric cancer in endoscopic images. Gastric cancer 2018 ; 21 : 653-60.
PubMed
9) Wu L et al. A deep neural network improves endoscopic detection of early gastric cancer without blind spots. Endoscopy 2019 ; 51 (6) : 522-31.
 
10) Wu L et al. Deep learning system compared with expert endoscopists in predicting early gastric cancer and its invasion depth and differentiation status (with videos). Gastrointest Endosc 2021 ; 65 : 92-104.e3.
 
11) Wu L et al. Effect of a deep learning-based system on the miss rate of gastric neoplasms during upper gastrointestinal endoscopy : a single-centre, tandem, randomised controlled trial. Lancet Gastroenterol Hepatol 2021 ; 6 : 700-8.
PubMed
12) Yao L et al. An artificial intelligence-based quality improvement system significantly improved the efficacy of computer-aided detection system in colonoscopy : A four group parallel study. Endoscopy 2022 ; 54 : 757-68.
PubMed
13) McGill SK et al. Artificial intelligence identifies and quantifies colonoscopy blind spots. Endoscopy 2021 ; 53 : 1284-6.
PubMed
14) Wu L et al. Evaluation of the effects of an artificial intelligence system on endoscopy quality and preliminary testing of its performance in detecting early gastric cancer : a randomized controlled trial. Endoscopy 2021 ; 53 (12) : 1199-207.
PubMed
15) Kominami Y et al. Computer-aided diagnosis of colorectal polyp histology by using a real-time image recognition system and narrow-band imaging magnifying colonoscopy. Gastrointest Endosc 2016 ; 83 (3) : 643-9.
PubMed
16) Byrne MF et al. Real-time differentiation of adenomatous and hyperplastic diminutive colorectal polyps during analysis of unaltered videos of standard colonoscopy using a deep learning model. Gut 2019 ; 68 : 94-100.
PubMed
17) Chen PJ et al. Accurate classification of diminutive colorectal polyps using computer-aided analysis. Gastroenterology 2018 ; 154 (3) : 568-75.
PubMed
18) Tamai N et al. Effectiveness of computer-aided diagnosis of colorectal lesions using novel software for magnifying narrow-band imaging : a pilot study. Endosc Int Open 2017 ; 5 (8) : E690-E4.
PubMed
19) Shimura T et al. Magnifying chromoendoscopy and endoscopic ultrasonography measure invasion depth of early stage colorectal cancer with equal accuracy on the basis of a prospective trial. Clin Gastroenterol Hepatol 2014 ; 12 (4) : 662-8.e1-2.
 
20) Mori Y et al. Real-time use of artificial intelligence in identification of diminutive polyps during colonoscopy : a prospective study. Ann Intern Med 2018 ; 169 (6) : 357-66.
PubMed
21) Mori Y et al. Artificial intelligence-assisted colonic endocytoscopy for cancer recognition : a multicenter study. Endosc Int Open 2021 ; 9 (7) : E1004-E11.
PubMed
22) Tokunaga M et al. Computer-aided diagnosis system using only white-light endoscopy for the prediction of invasion depth in colorectal cancer. Gastrointest Endosc 2021 ; 93 (3) : 647-53.
PubMed
23) Minegishi Y et al. Comprehensive diagnostic performance of real-time characterization of colorectal lesions using an artificial intelligence-assisted system : a prospective study. Gastroenterology 2022 ; 163 (1) : 323-5.e3.
 
24) Kubota K et al. Medical image analysis : computer-aided diagnosis of gastric cancer invasion on endoscopic images. Surg Endosc 2012 ; 26 (5) : 1485-9.
PubMed
25) Kumagai Y et al. Diagnosis using deep-learning artificial intelligence based on the endocytoscopic observation of the esophagus. Esophagus 2019 ; 16 (2) : 180-7.
PubMed
26) Miyaki R et al. Quantitative identification of mucosal gastric cancer under magnifying endoscopy with flexible spectral imaging color enhancement. J Gastroenterol Hepatol 2013 ; 28 (5) : 841-7.
PubMed
27) Kanesaka T et al. Computer-aided diagnosis for identifying and delineating early gastric cancers in magnifying narrow-band imaging. Gastrointest Endosc 2018 ; 87 (5) : 1339-44.
PubMed
28) Zhu Y et al. Application of convolutional neural network in the diagnosis of the invasion depth of gastric cancer based on conventional endoscopy. Gastrointest Endosc 2019 ; 89 : 806-15.e1.
 
P.78 掲載の参考文献
1) Krizhevsky A et al. Image Net classification with deep convolutional neural networks. Adv Neural Inf Process Syst 2012 ; 25 : 1090-8.
 
2) Olga Russakovsky et al. ImageNet Large Scale Visual Recognition Challenge. Int J Comput Vis 2015 ; 115 : 211-52.
 
3) International Diabetes Federation, IDF Diabetes Atlas, International Diabetes Federation, Brussels, (2021), 10th edition, 141, Available at : https://www.diabetesatlas.org
 
4) Abramoff MD et al. Automated analysis of retinal images for detection of referable diabetic retinopathy. JAMA Ophthalmol 2013 ; 131 : 351-7.
PubMed
5) 反保宏信・他. 糖尿病患者の眼底スクリーニング-散瞳2方向と4方向カラー撮影の比較. あたらしい眼科 2016 ; 33 : 119-23.
 
6) Takahashi H et al. Applying artificial intelligence to disease staging : Deep learning for improved staging of diabetic retinopathy. PLoS One 2017 ; 12 : e0179790.
PubMed
7) DeepEyeVision株式会社. ニコンとDeepEyeVisionが, 日本初の健常眼との差異を色表示する, AIを用いた眼底カメラ用プログラムを共同開発. 2022. (https://deepeyevision.com/news0208/)
 
8) 株式会社ニコン. ニコンとDeepEyeVisionが, 日本初の健常眼との差異を色表示するAIを用いた眼底カメラ用プログラムを共同開発. 2022. (https://www.nikon.co.jp/news/2022/0208_deepeyevision_01.htm)
 
9) MobiHealthNews. Chinese search engine Baidu launches AI-powered camera to detect eye fundus. (https://www.mobihealthnews.com/news/asia/chinese-search-enginebaidu-launches-ai-powered-camera-detect-eye-fundus)
 
10) Healthcare IT News. Chinese Hospital in Guangdong deploys AI cameras to detect blindness-causing diseases. (https://www.healthcareitnews.com/news/asia/chinese-hospital-guangdong-deploys-ai-cameras-detect-blindnesscausing-diseases)
 
11) Gulshan V et al. Development and validation of a deep learning algorithm for detection of diabetic retinopathy in retinal fundus photographs. JAMA 2016 ; 316 (22) : 2402-10.
PubMed
12) Poplin R et al. Prediction of cardiovascular risk factors from retinal fundus photographs via deep learning. Nat Biomed Eng 2018 ; 2 : 158-64.
PubMed
13) Gilmore CS et al. Association of optical coherence tomography with longitudinal neurodegeneration in veterans with chronic mild traumatic brain injury. JAMA Netw Open 2020 ; 3 (12) : e2030824.
PubMed
14) O'Bryhim BE et al. Association of preclinical Alzheimer disease with optical coherence tomographic angiography findings. JAMA Ophthalmol 2018 ; 136 (11) : 1242-8.
PubMed

新たなデジタルバイオマーカー・デジタルセラピューティクスの創出

P.84 掲載の参考文献
1) 厚生労働省医薬・生活衛生局医療機器審査管理課. CureApp SCニコチン依存症治療アプリ及びCOチェッカー 審議結果報告書. 2020. (https://www.pmda.go.jp/medical_devices/2020/M20200911001/230909000_30200BZX00271000_A100_1.pdf)
 
2) 厚生労働省医薬・生活衛生局医療機器審査管理課. CureApp HT高血圧治療アプリ 審議結果報告書. 2022. (https://www.pmda.go.jp/medical_devices/2022/M20220517001/230909000_30400BZX00100_A100_1.pdf)
 
3) Digital Therapeutics Alliance. 2022. (https://dtxalliance.org/)
 
4) 令和3年度次世代医療機器・再生医療等製品評価指標作成事業. 行動変容を伴う医療機器プログラム審査WG報告書. 2022. (https://dmd.nihs.go.jp/jisedai/koudouhenyou/R3_koudouhenyou_report.pdf)
 
5) 厚生労働省. 薬生機審発0609 第1号. 別紙2 行動変容を伴う医療機器プログラムに関する評価指標. 2022. (https://www.mhlw.go.jp/hourei/doc/tsuchi/T220613I0010.pdf)
 
6) Ritterband LM et al. Effect of a web-based cognitive behavior therapy for insomnia intervention with 1-year followup : a randomized clinical trial. JAMA psychiatry 2017 ; 74 (1) : 68-75.
PubMed
7) Li Y et al. Ambulatory hypertension subtypes and 24-hour systolic and diastolic blood pressure as distinct outcome predictors in 8341 untreated people recruited from 12 populations. Circulation 2014 ; 130 (6) : 466-74.
PubMed
8) Satoh M et al. Is antihypertensive treatment based on home blood pressure recommended rather than that based on office blood pressure in adults with essential hypertension? (meta-analysis). Hypertens Res 2019 ; 42 (6) : 807-16.
PubMed
P.90 掲載の参考文献
1) 米国睡眠医学会著. 日本睡眠学会診断分類委員会訳. 睡眠障害国際分類 第3版. ライフ・サイエンス ; 2018.
 
2) 岡島義. CBT-Iの理論と実践. 心身医学 2018 ; 58 (7) : 616-21.
Medical*Online
3) Morin CM. Profile of somryst prescription digital therapeutic for chronic insomnia : overview of safety and efficacy. Expert Rev Med Devices 2020 ; 17 (12) : 1239-48.
PubMed
4) NICE. Sleepio to treat insomnia and insomnia symptoms. 2022. (https://www.nice.org.uk/guidance/MTG70/chapter/1-Recommendations)
 
5) 米国睡眠医学会著, 日本睡眠学会訳. AASMによる睡眠および随伴イベントの判定マニュアル-ルール, 用語, 技術仕様の詳細 VERSION 2.5. ライフ・サイエンス ; 2018. p.2-66.
 
6) Kawamura A et al. Comparison of the usability of an automatic sleep staging program via portable 1-channel electroencephalograph and manual sleep staging with traditional polysomnography. Sleep Biol Rhythm 2022 ; 1-11.
 
7) Yoda K et al. Association between poor glycemic control, impaired sleep quality, and increased arterial thickening in type 2diabetic patients. PLoS One 2015 ; 10 (4) : e0122521.
 
8) Fujiwara Y et al. Characteristics of nighttime reflux assessed using multichannel intraluminal impedance pH monitoring and a portable electroencephalograph. Dis Esophagus 2016 ; 29 (3) : 278-84.
 
9) Torimoto K et al. Assessment of bladder function for stabilizing urinary volume overnight with recording of brain waves (ABSORB study). Low Urin Tract Symptoms 2022 ; 14 (1) : 72-7.
PubMed
10) Matsui K et al. An automated algorithm for determining sleep using single-channel electroencephalography to detect delirium : A prospective observational study in intensive care units. Healthcare (Basel) 2022 ; 10 (9) : 1776.
PubMed
11) 桑原啓郎・他. 睡眠ポリグラフ検査 (PSG) の基礎的知識. 日本睡眠学会. 改訂版 臨床睡眠検査マニュアル. ライフ・サイエンス ; 2015, p.13-66.
 
12) Regier DA et al. DSM-5 field trials in the United States and Canada, Part II : test-retest reliability of selected categorical diagnoses. Am J Psychiatry 2013 ; 170 (1) : 59-70.
PubMed
13) 三木治. プライマリ・ケアにおけるうつ病の治療と実態. 心身医学 2002 ; 42 (9) : 585-91.
 
14) 厚生労働省. みんなのメンタルヘルス-うつ病. 2010. (https://www.mhlw.go.jp/kokoro/know/disease_depressive.html)
 
15) 川上憲人. 世界のうつ病, 日本のうつ病-疫学研究の現在. 医学のあゆみ 2006 ; 219 (13) : 925-9.
Medical*Online
16) American Psychiatric Association 著, 日本精神神経学会監修. DSM-5 精神疾患の診断・統計マニュアル. 医学書院 ; 2014.
 
17) Benca RM et al. Sleep and psychiatric disorders. A meta-analysis. Arch Gen Psychiatry 1992 ; 49 (8) : 651-68 ; discussion 669-70.
 
18) Li L et al. Insomnia and the risk of depression : a meta-analysis of prospective cohort studies. BMC Psychiatry 2016 ; 16 (1) : 375.
PubMed
19) Wang X et al. Systematic review and meta-analysis of the relationship between sleep disorders and suicidal behaviour in patients with depression. BMC Psychiatry 2019 ; 19 (1) : 303.
 
20) Fang H et al. Depression in sleep disturbance : A review on a bidirectional relationship, mechanisms and treatment. J Cell Mol Med 2019 ; 23 (4) : 2324-32.
PubMed
21) Yamada M et al. EEG power and coherence in presenile and senile depression. Characteristic findings related to differences between anxiety type and retardation type. Nihon Ika Daigaku Zasshi 1995 ; 62 (2) : 176-85.
PubMed
22) 西多昌規・他. 装着感のいい睡眠モニタリングの有用性について. 睡眠医療 2012 ; 6 (2) : 376-81.
 
23) Kozelka JW, Pedley TA. Beta and mu rhythms. J Clin Neurophysiol 1990 ; 7 (2) : 191-207.
PubMed
24) Mazza M et al. Polysomnographic findings in a cohort of chronic insomnia patients with benzodiazepine abuse. J Clin Sleep Med 2014 ; 10 (1) : 35-42.
 
25) Bastien CH et al. Sleep EEG power spectra, insomnia and chronic use of benzodiazepines. Sleep 2003 ; 26 (3) : 313-7.
PubMed
26) 厚生労働科学研究研究費補助金. 感情障害の発症脆弱性素因に関する神経発達・神経新生的側面からの検討並びにその修復機序に関する分子生物学的研究. 2005. (https://mhlw-grants.niph.go.jp/system/files/2004/043141/200400726B/200400726B0001.pdf)
 
27) Armitage R, Hoffmann RF. Sleep EEG, depression and gender. Sleep Med Rev 2001 ; 5 (3) : 237-46.
PubMed
28) 経済産業省. 医療機器等の開発・実用化促進のためのガイドライン策定事業. 2022 更新. (https://www.meti.go.jp/policy/mono_info_service/healthcare/report_iryou_fukushi.html)
 
29) 厚生労働省. 事務連絡. 令和5年9月7日「プログラム医療機器等実用化促進パッケージ戦略 2」の公表について. (https://www.mhlw.go.jp/hourei/doc/tsuchi/T230908I0010.pdf)
 
P.98 掲載の参考文献
1) 厚生労働省. 医療機器の製造販売承認申請について. 2014. (https://www.mhlw.go.jp/file/06-Seisakujouhou-11120000-Iyakushokuhinkyoku/261120kyoku11205.pdf)
 
2) 厚生労働省. 新医療機器として承認された医療機器について. 2022. (https://www.mhlw.go.jp/hourei/doc/tsuchi/T220428I0020.pdf)
 
3) 独立行政法人医薬品医療機器総合機構 (PMDA). nodoca_添付文書_ 第2版. 2022. (https://www.pmda.go.jp/PmdaSearch/kikiDetail/ResultDataSetPDF/112714_30400BZX00101000_B_02_03)
 
4) 宮本昭彦. 咽頭の視診所見からインフルエンザを診断する. 日大医学雑誌 2007 ; 66 (4) : 328-32.
 
5) Fujita J. Influenza : Advances in Diagnosis and Management. Springer Singapore ; 2021.
 
6) 森悠一・他. 人工知能に基づく医療機器EndoBRAINの臨床導入-薬事承認取得・保険算定への挑戦. Medical Imaging Technology 2020 ; 38 (5) : 213-6.
Medical*Online
7) Esteva A et al. Dermatologist-level classification of skin cancer with deep neural networks. Nature 2017 ; 542 (7639) : 115-8.
PubMed
8) Forte C et al. Deep learning for identification of acute illness and facial cues of illness. Front Med (Lausanne) 2021 ; 8 : 661309.
PubMed
9) Grzywalski T et al. Practical implementation of artificial intelligence algorithms in pulmonary auscultation examination. Eur J Pediatr 2019 ; 178 (6) : 883-90.
PubMed
P.103 掲載の参考文献
1) Hannun AY et al. Cardiologist-level arrhythmia detection and classification in ambulatory electrocardiograms using a deep neural network. Nat Med 2019 ; 25 (1) : 65-9.
PubMed
2) Taniguchi H et al. ExplAInable artificial intelligence model for diagnosis of atrial fibrillation using holter electrocardiogram waveforms. Int Heart J 2021 ; 62 (3) : 534-9.
PubMed
3) Hughes JW et al. Performance of a convolutional neural network and explainability technique for 12-lead electrocardiogram interpretation. JAMA Cardiol 2021 ; 6 (11) : 1285-95.
PubMed
4) Attia ZI et al. Screening for cardiac contractile dysfunction using an artificial intelligence-enabled electrocardiogram. Nat Med 2019 ; 25 (1) : 70-4.
PubMed
5) Yao X et al. Artificial intelligence-enabled electrocardiograms for identification of patients with low ejection fraction : a pragmatic, randomized clinical trial. Nat Med 2021 ; 27 (5) : 815-9.
PubMed
6) Attia ZI et al. Prospective evaluation of smartwatch-enabled detection of left ventricular dysfunction. Nat Med 2022 ; 28 (12) : 2497-503.
PubMed
7) Attia ZI et al. An artificial intelligence-enabled ECG algorithm for the identification of patients with atrial fibrillation during sinus rhythm : a retrospective analysis of outcome prediction. Lancet 2019 ; 394 : 861-7.
PubMed
8) Alcaraz R et al. The P wave time-frequency variability reflects atrial conduction defects before paroxysmal atrial fibrillation. Ann Noninvasive Electrocardiol 2015 ; 20 (5) : 433-45.
 
9) Rasmussen MU et al. P-wave indices as predictors of atrial fibrillation. Ann Noninvasive Electrocardiol 2020 ; 25 (5) : e12751.
PubMed
10) Lin JY et al. Serial 7-day electrocardiogram patch screening for AF in high-risk older women by the CHARGE-AF score. JACC Clin Electrophysiol 2022 ; 8 (12) : 1523-34.
PubMed

今後の発展のための土台の議論

P.110 掲載の参考文献
1) 個人情報保護委員会, 厚生労働省. 医療・介護関係事業者における個人情報の適切な取扱いのためのガイダンス (令和4年3月改正). p.7.
 
2) 個人情報保護委員会. 個人情報の保護に関する法律についてのガイドラインに関する Q&A (令和4年5月26日更新).
 
3) 個人情報保護委員会. 個人情報の保護に関する法律についてのガイドラインに関する Q&A. Q7-25.
 
4) 個人情報保護委員会. 個人情報の保護に関する法律についてのガイドラインに関する Q&A. Q11-6.
 
5) 医薬品, 医療機器等の品質, 有効性及び安全性の確保等に関する法律施行令1条, 別表第1.
 
6) 堀尾貴将. 医療機器の承認・認証制度. 実務解説 薬機法. 商事法務 ; 2021, p.90-121.
 
7) 堀尾貴将. 薬機法の業規制. 実務解説 薬機法. 商事法務 ; 2021, p.187-214.
 
8) 堀尾貴将. 医療機器の承認・認証制度. 実務解説 薬機法. 商事法務 ; 2021, p.115-21.
 
9) 厚生労働省. 保健医療分野におけるAI 活用推進懇談会 報告書 (平成29年6月). p.29.
 
P.116 掲載の参考文献
1) 日本医師会総合政策研究機構. ワーキングペーパー No.453. 坂口一樹, 堤信之. 病院・診療所のサイバーセキュリティ : 医療機関の情報システムの管理体制に関する実態調査から. 2021.
 
2) 厚生労働省. 厚生労働省委託事業 医療機関向けセキュリティ教育支援ポータルサイト. 2023. (https://mhlw-training.saj.or.jp/)
 
2) 平成十五年法律第五十七号. 個人情報の保護に関する法律. (https://elaws.e-gov.go.jp/document?lawid=415AC0000000057) (2022年10月20日確認)
 
3) 総務省. 国民のための情報セキュリティサイト. (https://www.soumu.go.jp/main_sosiki/joho_tsusin/security_previous/download.htm)
 
3) 平成二十九年法律第二十八号. 医療分野の研究開発に資するための匿名加工医療情報に関する法律. (https://elaws.e-gov.go.jp/document?lawid=429AC0000000028) (2022年10月20日確認)
 
4) 個人情報保護委員会, 厚生労働省. 医療・介護関係事業者における個人情報の適切な取扱いのためのガイダンス. 2017. (https://www.ppc.go.jp/personalinfo/legal/iryoukaigo_guidance/) (2022年10月20日確認)
 
4) 情報処理推進機構. 情報セキュリティ 出版物のご案内. (https://www.ipa.go.jp/security/publications/index.html)
 
5) 日本医師会総合政策研究機構. ワーキングペーパー No.121. 堤信之, 坂口一樹. 医療分野におけるサイバー保険について. 2021.
 
6) 厚生労働省. 医療情報システムの安全管理に関するガイドライン 第6.0版. 令和5年5月. (https://www.mhlw.go.jp/stf/shingi/0000516275_00006.html)
 
7) 厚生労働省. 「医療機関におけるサイバーセキュリティ対策チェックリスト (令和5年6月) 」. 2023 (https://www.mhlw.go.jp/content/10808000/001139055.pdf)
 
8) 警察庁サイバー警察局. 都道府県警察本部のサイバー犯罪相談窓口一覧. (https://www.npa.go.jp/bureau/cyber/soudan.html)
 
9) 内閣サイバーセキュリティセンター. ストップ! ランサムウェア ランサムウェア特設ページ. (https://security-portal.nisc.go.jp/stopransomware/)
 
10) 内閣官房内閣サイバーセキュリティセンター. ランサムウェアによるサイバー攻撃に関する注意喚起について. 2021年4月30日. (https://www.nisc.go.jp/pdf/policy/infra/ransomware20210430.pdf)
 
P.122 掲載の参考文献
1) 児玉安司・他. 個人情報保護法と医学・医療. 医学のあゆみ 2005 ; 215 (4) : 221-44.
 

書評

最近チェックした商品履歴

Loading...