事業紹介

事業紹介

私たちは、患者さんに等しく安全で快適な医療を届けるために
痛みを誰もが同じ指標で測定できる方法を確立し
社会に貢献いたします。

痛みは最も不快な感覚の1つで、からだの危機を知らせるアラームの役割を担っています。

それを適切に評価し、手遅れにならないようにするためには、きちんとその状態を把握して適切な医療を受ける必要があります。
一方で、長く続く痛みはアラームではありません。しかし患者さんはとても辛く、人にわかってもらえず苦しんでいます。痛みを感じ続けることも生体には害となるため、適切な治療が必要です。

しかし、今のところ痛みはその人が痛いといえば痛みがあるという定義になっていて、客観的に測定できる方法がありません。

痛みの感じ方や表現の仕方は個人差が大きいので、本当は治療が必要なのに見逃されたり、 痛み止めを使いすぎることで、植物状態、薬物中毒になったり、さらに命にかかわることすらあるのです。
痛みを感じる仕組みは複雑なので、すべてを解明できるのはもっと遠い将来だと思っています 。一方で脳から信号を取り出す仕組みは大きな進歩を遂げています。

私たちはビッグデータ解析にヒントを得て、
たくさんの痛みを感じているデータから痛み成分を取り出し人工知能の助けを借りて、
痛みを本人に聞かずに測定できるシステムを開発しています。

痛み治療の世界標準の実現に向けて私達にできること

『 痛みの評価の現状 』

痛みは、視力検査や聴力検査のように世界中の人を同じ物差しで測る方法はありません。
患者さんの痛みを判断するには、患者さん本人に直接痛みを聞く方法しかなく、患者さんの自己申告に頼っているため、痛みに過敏な患者さんと、我慢強い患者さんでは、同じくらいの痛みを感じておられていても違う表現をされている可能性があります。本当に治療が必要な人が見逃されてしまうことがあります。

痛み止めをどのくらい使えばいいかという判断は、とても難しいものです。
この量を間違えてしまうと、「鎮痛薬過量投与」「鎮痛薬過少投与」「鎮痛薬依存症」ような問題が引き起こされる可能性があり、命にかかわることすらあるのです。

「痛みの客観的評価法」が無いことで患者の自己申告が起こす3つの問題

◆ 鎮痛薬過量投与

痛みモニタリングシステム + 適切な量の投与 → 重大事故の回避

◆ 鎮痛薬過少投与

痛みモニタリングシステム + 適切な量の投与 → 合併症の回避

◆ 鎮痛薬依存症

痛みモニタリングシステム + 適切な量の投与 → 依存症の回避

また、特に我慢強い患者さんは痛みを我慢されることで治療をしてもらえなかったり、重大な病気が見過ごされたりすることがあります。
本当に必要な人に必要なサービスが公平に届けられず、救わなければならないときに救えないという社会への不利益につながります。

『 開発目標 』

痛みは脳で感じるもの。私達は、脳波を用いて痛みを「見える化」する機器の開発に取り組んできました。
私たちは私たちの開発しているものが何も言わなくても痛いかどうかをわかってくれる機能を持つことから、「痛みの自動判別システム」と言えると思っています。脳波による痛みの自動判別システムは世界初です。

痛み自動判別システム

モジュール1:超急性期痛み自動判別システム

◆ 局所麻酔で行う処置、◆ 歯科麻酔、◆ 内視鏡下での処置
臨床研究で有効性を確認済

モジュール2:急性期痛み自動判別システム

◆ 手術後の痛み判別、◆ 薬効評価、◆ ベッドサイドにおける利用
医師主導治験に開始

モジュール3:慢性期痛み自動判別システム

◆ 長引く痛みの判別、◆ 薬効評価(治験など)、◆ 外来における利用
開発に着手

この痛み自動判別システムを使うことで、痛みを適正に評価することができるようになれば、痛み治療の世界標準の実現(全世界の人に同じ痛みの治療を行う方法を確立すること)も夢ではありません。そうすれば、世界中の痛みに苦しむ患者さんのQuality of Life(QOL)を向上することができます。それが私たちPaMeLa株式会社の目指す社会貢献です。


『 これまでの成果 』

私たちは誰でも使いやすい、患者さんに負担のない、痛みの見える化を目指して、脳から出す信号をとらえる技術の一つである脳波を用いて
痛みを客観的に評価するツールの開発を行い、痛みのみえる化に成功しました。

■ 超急性期の痛みの評価

注射中の痛い間のデータを人工知能の中のディープラーニングの一種であるLSTM(Long short-term memory)と言う方法を用いて評価したところ、痛いときには脳の信号から痛みの成分を取り出せることを確認できました。この成果は2019年度の第53回日本ペインクリニック学会で優秀演題に選出されました。

■ 痛み「強度レベル」の判別

人工知能の中の機械学習を用いて、146名の被験者の4つの異なる大きさの痛み刺激を最も強い痛みとそれ以外が区別できるかどうかを確認しました。比較的あてはめの良い被験者は80%程度のほぼ完全回答であり、全体でも67%の判別精度でした。現在さらに良い区別ができるように取り組んでいます。

■ 痛み刺激の「質的変化」の判別(不快な痛みの判別)

複数の参加者のデータ(学習データ)を用いて判別モデルを作成し、新たなテストデータ(区別したい人のデータの中から学習データで使っていないデータ)の不快レベル(2レベル)を脳波の信号の中で周波数というα波等に代表される特徴量を使って推定・判別しました。現段階では、不快とそうでない痛みを約70%で判別できています。同じ大きさの痛みであったとしても本当に治療をして欲しい痛みの成分を取り出すことができるのです。

■ 運動タスクによるβエンドルフィンを介した痛みの軽減効果の検証

私たちが開発する機器がうまく動いているかどうかを調べるためには、痛み止めの効果があるかどうかをきちんと履かれていることが重要な指標になります。しかし、患者さんから頂くデータは、感じておられる痛みの程度も様々で、人工知能を用いた開発には不向きです。さらに、健康な参加者に対しては、倫理的観点から鎮痛薬を服薬していただいてデータをとらせていただくことはご負担が大きく望ましくありません。精度の高い機器を開発するために投薬実験を行った場合と同様の状況を再現することが必要でした。そのために、参加者の方々に運動をしていただいて、ランナーズハイの状態で分泌されることで知られているエンドルフィンの自然分泌を促すことによる鎮痛効果を使って検証させていただく試みを行いました。この検討を通して私たちの開発中の脳波に基づいて算出した痛みスコアで検証することができました。

■ 慢性痛の客観的評価の試み

機械学習を用いた本法が慢性の痛みの客観的評価に応用可能であることを、患者さんにご協力いただいて予備検討で確認しています。


『 現在の開発状況 』

私たちは、痛みをみえる化するために様々な信号処理技術を開発してきました。すでに4件の特許が成立しています。

機械学習(スパースモデル:特願2017‐137723、サポートベクター、ニューラルネット、ディープラーニング:特願2017‐254565)や新しいの音響信号処理技術(信号増強技術:特願2017‐148350)を用いて、痛みの大きさ・不快な痛みかそうでないかの違いを自動で区別できる方法やその区別をより正確に行える脳波からの新法の取り出し方(脳波特徴量)を開発してきました。この手法を用いると、痛みを感じ始めて持続している間、痛みがあることを数値として見える化させることが可能です。

このようなシステムは、データの量が増えれば増えるほど正確な判定につながるため、私たちの開発した機器を使う患者さんのデータを集めてビッグデータ化を目指す仕組みを作り出すことを目的に特願2018‐2777を出願しました。
比較的弱いリファレンス刺激(外から与える軽い痛み刺激)を使ってモデル化し精度を高める試みや、脳波から取り出す信号の特徴量をキャリブレーション(基準に合うように調整すること)する方法を開発して特願2019-85779を出願しました。
さらに、少ないデータで機械学習を可能にするデータ増幅法を開発して特願2019‐85782を出願しています。

病院でも使え、かつ、クリニックにおいても測定可能な大きさのもので痛みをみえる化できる機器開発を目指して、医療の現場に普及しやすい機器は何かという状況を学びながら、つけ外しが簡単な小型脳波計等を参考に、患者さんに負担が少ないコンパクトな機器の開発を進めています。


『 実験の流れ 』

脳波をとる実験は以下のような流れで行っています。※画像はサンプルです。
被験者さんが安心して実験に参加できるよう、専用の機器を使用し、安全に十分留意して実施しております。

実験に関しては「実験参加に関するお問い合わせ」よりお願いいたします。

 

PAGE TOP