一包化監査のためのハイパースペクトルカメラを用いた錠剤識別可能性の検証

令和8年度電気・電子・情報関係学会四国支部連合大会で発表させていただいた時の資料です．

Transcript

1. ⼀包化監査のためのハイパースペクトルカメラを⽤いた 錠剤識別可能性の検証 • ◯佐藤謙成1 栗原徹1 • (⾼知⼯科⼤学1)
2. n 背景 2 n⼀包化調剤 服⽤のタイミングが同じ薬を，1回の服⽤分ずつ1袋に まとめること n n ⼀袋ずつ錠剤の種類や個数が適切かを⽬視で確認 時間と⼿間がかかり，薬剤師に対しての負担が⼤きい[1] ⼀包化調剤の検査(⼀包化監査)の⾃動化が期待されている[2] [1] ⼤橋ら，“⾮薬剤師が薬剤師と協働して⾏う対物業務に関わる作業時間の検証と機械化・ICT化が作業効率に及ぼす影響”，在宅薬学，2025. [2] ⾼⼭ら，“⼀回量包装調剤鑑査のための薬剤画像を⽤いた調剤鑑査⽀援システムの構築”，薬学雑誌，2001. ⾼知⼯科⼤学
3. n 関連研究 3 n KanekoらはNIR-HSIとkNNによって3種類の錠剤を分類できることを ⽰した[3] →分類精度そのものは100%ではないが，錠剤全体としては正しく 分類できている． n 関連研究との差異点 n錠剤を3種類→10種類(市販錠剤) nkNNの前にPCAを導⼊ nkNN以外にもSVMやPLS-DAを分類⼿法として使⽤ [3]: Kaneko et al., International Journal of Pharmaceutics, 491(1–2), 130–135, 2015. ⾼知⼯科⼤学
4. n ⽬的 4 材料ごとにスペクトルの反射率が異なる特性[4]に着⽬ n 研究課題(基礎研究) 近⾚外反射スペクトルによる錠剤識別性能の評価 n 今後 錠剤識別のための光学フィルタ設計 [3], NASA, “Reflectance Spectra of Materials on Earthʼs Surface,” 2021. https://science.nasa.gov/asset/webb/reflectance-spectra-of-materials-on-earths-surface/ ⾼知⼯科⼤学
5. n 使⽤機材 5 n使⽤機材 nハイパースペクトルカメラ FX17 n取得波⻑ n900nm – 1700nm n間隔: 3.5nm n波⻑帯数: 224 n スペクトルデータ 波⻑ごとに測定した光の強さや反射率を並べた データ ⾼知⼯科⼤学
6. n 錠剤の選定基準 n 使⽤錠剤 n n n n n 正露丸 ビオフェルミン 太⽥胃酸 アレグラ トラベルミン n n n n n 6 ガスター10 タイレノール ロキソニン バファリン EVE n 錠剤の選定基準 n ⾊付き/⾊なし n 主成分が異なる 成分や⾊によって錠剤を識別できるかを試みた ⾼知⼯科⼤学
7. n 錠剤の選定基準 n 使⽤錠剤 n n n n n 正露丸 ビオフェルミン 太⽥胃酸 アレグラ トラベルミン n n n n n 7 ガスター10 タイレノール ロキソニン バファリン EVE EVEの成分 n 錠剤の選定基準 n ⾊付き/⾊なし n 主成分が異なる 成分や⾊によって錠剤を識別できるかを試みた ⾼知⼯科⼤学 ロキソニンの成分
8. n 実験内容 スペクトルの撮影 8 反射率計算 ⾼知⼯科⼤学 分類
9. n 実験⽅法 9 n 反射率計算 スペクトルに照明・カメラ・センサー等での系統誤差を抑制する必要が ある 反射率 R は，式(1)から導出 𝑅= n 𝑅 n 𝑅!"# n 𝑅$"!% n 𝑅#&'() !!"# –!$"!% !#&'() –!$"!% : 反射率 : 測定画像 : ⿊基準画像 : ⽩基準画像 ⾼知⼯科⼤学 (1)
10. n 実験⽅法 10 1種類 1錠剤 表 × 5錠剤分 裏 10スペクトル 1種類に10スペクトル，計10種類なので100スペクトルを取得 ⾼知⼯科⼤学
11. n 取得した反射率 11 3回⽬の裏 3回⽬の表 ⾼知⼯科⼤学
12. n 実験⽅法 12 以下の３つの⼿法を⽤いて錠剤を種類ごとに分類できるか確認を⾏った n n n PCA-kNN: PCAの第1-4成分, k = 3 PCA-SVM: PCAの第1-4成分 PLS-DA: 標準化した全波⻑スペクトル， 潜在成分数 4 ※その他のハイパーパラメータは，デフォルト値を採⽤ ⾼知⼯科⼤学
13. n 評価⽅法 13 データ数が限られているため，⼀つ抜き交差検証を⽤いた →可能な限り学習に利⽤し識別性能を⾼めるため 学習⽤ 学習: 99サンプル テスト: 1サンプル →全100スペクトルデータを1回ずつ評価 … ⾼知⼯科⼤学 テスト⽤
14. n 評価⽅法 14 正解率・マクロF1値を⽤いて分類⼿法の性能を評価する 正しく分類された数 正解率= 全サンプル数 𝐹* + 𝐹+ + ⋯ + 𝐹*, 𝑀𝑎𝑐𝑟𝑜𝐹1 = 10 2×適合率 × 再現率 𝐹' = 適合率 + 再現率 ⾼知⼯科⼤学
15. n 実験結果 ⼿法 PCA-kNN PCA-SVM PLS-DA 15 正解率 98.0 100.0 67.0 ⾼知⼯科⼤学 マクロF値 98.0 100.0 59.2
16. n 考察 16 kNNでアレグラをタイレノールと誤分類した理由 →PC1の寄与率が⾼いため，マイナスになった2錠剤が誤分類したと 考えられる ⾼知⼯科⼤学
17. n 考察 17 潜在空間上でのクラス分離の不⼗分さが，PLS-DAの誤分類傾向と対応 ⾼知⼯科⼤学
18. n 考察 18 トラベルミンの10サンプルをアレグラと誤分類 ⾼知⼯科⼤学
19. n 考察 19 ビオフェルミンの8件・ロキソニンの5件をガスター10と誤分類 ⾼知⼯科⼤学
20. n 考察 20 太⽥胃酸の2件をアレグラ，7件をバファリン，1件をEVEと誤分類 ⾼知⼯科⼤学
21. n まとめ 21 n10種類の錠剤から100スペクトルを取得し，3⼿法による分類を ⾏った nPCA-kNNで98%，PCA-SVMで100%の正解率を得た n反射スペクトルを⽤いて錠剤を識別できる可能性を確認した n 展望 ニューラルネットワークを⽤いた錠剤識別のための 光学フィルタ設計を⾏なっていく ⾼知⼯科⼤学