[目的] 遠隔診療を行う際、患者のバイタルデータなどを取得するには機器をネットワーク接続するなど患者の作業負担増加に繋がりかねない。そこで、テレビ会議画面上に映した医療機器の測定結果を自動で取り込むことで患者の負担を軽減することを目的とした。本研究ではAIによる医療機器の認識、該当箇所の切り出し及び分類を行うことを目指す。
[方法] 本研究では、分類した画像を用いてyolov5によるモデルを構築した。学習環境にはGoogle Colaboratoryを使用、実際の認識作業はMacbook Air（Early2015）、OS:macOS bigsur上で行なった。また、医療機器として血圧計と体温計を対象機器とした。機器ごとに測定前/測定後/エラーの3種類に分けてラベル付けを行った。学習精度別、学習回数別に分けてそれぞれ学習を行い、機器の認識率の違いを医療機器の測定前/測定後に分けて検討した。学習には学習用画像269枚、検証用画像92枚を用いた。画像認識時間を10秒に設定し、その間に画像を何枚認識し、そのうち正しく認識されたものの認識率を確認した。
[結果] 認識率は、学習回数を増やすと向上した。10回の学習では血圧計は血圧計として認識はされるものの測定前/後の判別が上手くいかず、体温計は認識すらされなかった。学習精度別では、10秒間のうち低解像度で約30回、高解像度では約 4回と反応時間に大きな差が出たが認識率には差は見られなかった。また実際の医療現場を想定し、2種類の医療機器を同時に認識させた場合でも、医療機器単体での認識と認識率に差は出なかった。
[考察] 遠隔医療に向けた、AIによる医療機器の認識、該当箇所の切り出し及び分類を行った。この技術を発展させることで遠隔医療における患者負担の軽減を図ることが可能になると考える。