本当にただの備忘録

気が付いたことを書き留めておきます。モタリケ。

頭をぶつけたとき頭部CTは必要か?

頭部外傷の際に頭蓋内病変を評価するには、頭部CTが有用である。脳挫傷や出血の有無を検索することができる。しかし、少し頭をぶつけた程度の外傷で頭部CTまで行う必要があるであろうか?

 

頭部CTの適応

New Orleans Criteria

頭痛(headache)

嘔吐(vomiting)

60歳以上

薬物またはアルコール中毒

短期記憶障害(deficits in short -term memory)

鎖骨上の外傷

痙攣(seizure)

以下の7つの所見のうち、一つ以上認める場合はCTをとるべき。

 

この基準にそって行うと感度は高いが特異度は低い、つまり重症の人は見逃さないが必要ない人にもCTを行う可能性がある。頭をぶつけて頭痛のある人はいくらでもいるであろう。

 

The Canadian CT Head Rule

軽症の頭部外傷で、以下のものがなければ神経学的な介入を必要とするハイリスク疾患を除外できる

受傷2時間のGCSが15点以下

頭蓋骨開放骨折、陥没骨折を疑う

頭蓋底骨折の疑い(鼓室内出血、パンダ目サイン、髄液鼻漏、髄液耳漏、バトルサイン)

2回以上の嘔吐

65歳以上

その後CT上で外傷のある中等度の患者を除外するために以下の質問をする。

外傷30分前以上の健忘

高エネルギー外傷(自動車にはねられる、車外に投げ出される、3フィート、5段以上の高さの階段から落ちる)

*GCS13-15、意識消失が目撃、記憶喪失や意識混濁があった場合にこの基準を適応する

*この基準は外傷患者でない場合、GCSが13未満、16歳未満、ワーファリン内服中、出血性疾患がある、明らかな開放性頭蓋骨骨折がある場合には適応されない

 

こちらはより具体的になっており、特異度がNew Orleans Criteriaよりも上昇している。

 

小児の場合には

NICE guideline

頭部CT適応基準

虐待を疑う症例

受傷後の痙攣(てんかんの既往なし)

救急室での初期評価でGCS<14

開放性頭蓋骨骨折または陥没骨折の疑い

頭蓋底骨折を示唆する身体所見

乳児で頭部皮下血腫、腫脹、5cm以上の裂傷

神経学的巣症状

これが一つでもあれば該当

目撃がある5分以上の意識消失

異常なぐったり感

3回以上の嘔吐

5分以上持続する逆行性および前行性健忘

高エネルギー外傷

これが二つ以上あれば該当

 

 軽症頭部外傷の4%にCTで頭蓋内病変を認め、1%で治療を要すというデータもあるように、100人中99人は経過を見るだけで大丈夫なのである。ただ、その1人を見逃さないために以上の基準を参考に頭部CTを行う必要がある。ただし、小児の場合は特に被爆の影響も考慮する必要がありCTを施行する際には慎重に行う必要がある。

 

 

 

 

 

前脈絡叢動脈(AchoA・アンコロ)について

前脈絡叢動脈について

前脈絡叢動脈(anterior choroidal artery)は後交通動脈分岐よりも末梢側から起始し、側頭葉内側面、視床後方を走行し脈絡叢へむかう。支配領域は、大脳脚中1/3、扁桃体、鈎、海馬前部、視床下部から視床外側の一部、外側膝状体、内包後脚、淡蒼球内節である。内包後脚は固有の支配である。

Monakow症候群

前脈絡叢動脈閉塞による3主徴
・対側運動麻痺
・半身感覚鈍麻
同名半盲
その他にも、運動失調や不随意運動、健忘、意識障害などかみられることもある。

ちなみに、前脈絡叢動脈は梗塞もあるが、IC-PC動脈瘤の手術の際に閉塞させないよう注意が必要となる。

(参照)レジデントノート
https://www.yodosha.co.jp/rnote/gazou_qa/9784758105316_1a.html

外頸動脈の枝

外頸動脈について

外頸動脈は下顎頸と耳垂の間で顎動脈(maxillary artery)と浅側頭動脈(superficial temporal artery)とに分かれる。途中、6本の枝を出す。
1.上甲状腺動脈(superior thyroid artery)
2.上行咽頭動脈(ascending pharyngeal artery)
3.舌動脈(lingual artery)
4.顔面動脈(facial artery)
5.後頭動脈(occipital artery)
6.後耳介動脈(posterior auricular artery)

ちなみに、中硬膜動脈(middle meningeal artery)は頭部外傷の際に硬膜外血腫をつくることがあるが、これは顎動脈から分枝し、棘孔を通り硬膜を栄養する血管である。眼動脈との吻合があり、眼球への血流が外頸動脈に依存している場合がまれにあるため、塞栓術の際には注意が必要である。

人工知能に仕事は奪われるのか?

最近、人工知能という言葉をよく耳にする。
実際に、2016年にアルファ碁が世界のトッププロであるイ・セドル九段との勝負に4勝1敗と勝利し、IBM人工知能であるワトソンくんは白血病患者の正確な病名を10分で見抜き適切な治療法により患者を救うなど、人工知能は人々を驚かせる活躍を見せている。

そして、英オックスフォード大学のマイケル・A・オズボーンは人工知能に人間が行う仕事の約半分は奪われることになると予想している。
実際にそのようなことが起こりえるのか、以下「ビックデータと人工知能」(西垣通)を参考に考えていく。

ビックデータと人工知能

人工知能という考えかた自体は昔からあるもので、人間的な知能を持つコンピューターをつくるといった試みは50年以上前から行われてきた。今現在ここまで注目されるようになったのは、近年の技術の向上によりビックデータ扱えるようになり、それが深層学習と結びついたからである。

ビックデータとは

書物、気象データ、SNSの個人的な発言などその名の通り膨大な量と膨大な種類の情報のことであり、それらがリアルタイムで処理できるようになったことで多くの活用法が生まれた。

深層学習とは

人間の神経ネットワークの一部を真似てつくられた学習プログラムであり、自己符号化を通し元のパターンを復元できるようにすることが行われている。
つまり、入力される情報と出力される情報を比べその差異をなくすようにパラメーターを調節し、その作業を繰り返し何段階にも行うことで、神経ネットワークでもなされている多段階にわたって情報の重み付けを行うことがなされ、元のパターンを少ないパラメーターで復元できるようになる。これが、深層学習によるパターン認識の方法である。
猫の画像認識技術が向上し、ほとんどの猫を猫と認識出来るようになったのも、インターネット上の大量の猫画像を学習させることでパラメーターを調節していき、精度を上げたからである。


人工知能はビックデータと深層学習により、以前に比べはるかに多くのことが出来るようになってきている。ただ、人工知能のしていることは、あくまでもプログラムに従って過去のデータを統計処理することであり、それ以上でもそれ以下でもない。それは深層学習により機械学習が行われていてもである。

生物(人間)と機械の違い

機械は人間によってつくりだされたものであり、プログラムに沿って働く他律的で再現性のある存在である。たとえ、学習によりプログラムが次々に書き換えられていく機械があったとしても、それは事前にプログラムされているのである。一方、生物はみずからが自己をつくり変化していく動的で自律的な存在である。
端的に言えば、何をするかよくわからないものが生物で、がんばれば何をするかわかるのが機械である。
この違いは、機械にも意識や心は宿るのかといった問題や生物も物理化学的な過程によって認知しているだけなのではといった問題など現時点では不明な事柄を考慮しなくてもはっきりと言い切ることができるシステムの違いなのである。

機械は人間に近づけば近づこうとするほどそこにはっきりとした違いが表れてくる。人間を含む生物は生きることが基本的な行動指針になっていて目標設定を行っている。機械は囲碁に勝つためや猫の画像を認識するためといった明確な目標があればよいが、機械自身が白紙の状態から目標設定を行うことはできず、人間のように振舞う機械はそうすることが目的となったものでしかない。だから、人工知能が人間に近づいてもそれは意味のないものであり、人間の理解を超えた答えを出すようになっても、つくった人間が理解できない限りでたらめをいっているのと変わらず無用なものである。
生物と機械は根本的に違うものであり、それは組成がタンパク質と金属といった違いや感情のあるなしといった違いとは別の考え方でのことである。このことを間違えると人工知能がどのようなものであるのか、またどのように用いていくべきなのか考えていくことはできない。

人工知能の利用法

集合知という考え方があり、ばらばらな意見や答えを平均化していくと個々の誤差が打ち消され正解にたどり着くというものである。三人寄れば文殊の知恵ともいうが、牛の体重や瓶の中のジェリービーンズの数などは集団的推測によりかなりの精度が期待できる。そしてこの集合知は直感的・包括的に物事をとらえる暗黙知に由来すると考えられている。
この集合知はビックデータの分析と酷似しており、人工知能を用いて統計処理を行うことでそれなりに精度の高い答えを出すことが可能になるのではないかと考えられている。
集合知には限界があり、人々の偏見や誤った情報により答えが大きく左右されてしまう。そこで、集合知を利用した人工知能による答えに専門家による知識を加えることでよりその答えはより強固なものになる。つまり、人工知能は専門家にとっての優秀なツールになりうる存在である。

人工知能に仕事はうばわれるのか

人工知能は過去のデータを統計処理するプログラムであるという性質上、解釈の幅がある意味の理解や臨機応変に対応することは苦手であり、人間の完全な代替になることは難しい。ただ、膨大なデータを計算することは得意でありその点では人間をはるかに上回る。プログラムを工夫することで囲碁や画像認識、音声認識ではかなりの成果を収めており、今後も発展していくことも考えると人間の代わりに行うことや、今まで人ではできなかったことも一部では可能になるであろう。その時に気を付けなければならないのが、人工知能は万能でもなければ常に正しい答えを出してくれるわけでもないということである。それらしい答えを出してくれる便利な機械であることを忘れてはならない。


ちなみに
医療に人工知能はどの程度導入されうるのであろうか。
問診では、質問項目を用意しておけばかなり詳細に病歴を聞き取ることが可能だが、問題は正確性である。患者自身の認識不足や詐病を気づくことができるのか、ある程度不正確でもよいことにしてしまうと膨大な鑑別疾患が上がることになる。
身体所見は、機械が取ることも可能であるがすべて専用の機械をつくるくらいなら人が行った方がよいであろう。
問診と身体所見より検査のオーダーを考えなければならない。可能性を考え出したらあれもこれもと様々な検査を行ってしまうことになるだろう。ただ、問診と身体所見よりある程度疾患が絞れている場合は、感度特異度や疾患の頻度などから適切な検査を選び出すことができるであろう。
検査結果については、客観的なデータが豊富にあるのでかなり正確に行うことができる可能性がある。画像所見についても専門医レベルの診断が可能になるのかもしれない。
診断・治療については、ガイドラインがあるように一定の基準が存在するため機械的に答えを出すことは可能である。ただ正確性は、問診、身体所見、検査結果を総合して決まり、そこに一人一人の患者に対する背景なども考慮しながら行えるかというと疑問が残る。
もちろん、人間も不正確であり誤診や見逃しというのはいくらでもあるであろう。ただ、人工知能が間違えた場合それで納得できるのか、判断が難しい場合に確率論だけではどうにもならないこともあるであろう。医療は信頼関係で成り立っている部分もあり、診断や治療の決定は人工知能では難しいであろう。

夜寝る時に咳が出るのはなぜか?

咳反射について

咳反射は肺・気道の異物刺激が咳受容体を刺激し、迷走神経求心路により延髄の咳中枢に伝達された後、遠心性線維により、声門の閉鎖、呼気に関連した筋肉の急激な収縮が起こることで咳となる。

夜寝る時に咳が出る理由

副交感神経が活発になるため

交感神経のβ受容体への作用で気道は拡張するが、反対に副交感神経が活発になると筋肉がゆるみ気道が狭窄する。

鼻水などが気道に流れこむため

あおむけになり寝ていると鼻水が気道に流れこみ、これが刺激となって咳が出ることがある。後鼻漏の一つの症状といえる。

咳喘息がある

咳喘息とは、喘鳴や呼吸困難を伴わない慢性咳嗽を唯一の症状とし、気道過敏性の亢進、気管支拡張薬が有効であることを特徴とする喘息の亜型である。(咳だけの喘息のこと)
夜間、就寝時、早朝に悪化しやすい。(副交感神経の作用による)似た症状を示すものにアトピー咳嗽があるが、こちらはアトピー素因を認め、気道過敏性亢進はなく咳受容体感受性亢進がみられることが特徴である。

アレルギー反応のため

布団についているダニなどのアレルギー反応で、咳がでることがある。症状が夜のみの場合、寝具に原因があることも考えられる。

ちなみに、咳といっても様々な原因があり、その原因に応じた対策、治療が必要である。発症から短い期間であれば様子を見て軽快することが多いが、3週間以上咳が続くようであれば専門機関を受診する必要がある。中枢性の鎮咳薬は必要な咳も止めてしまう可能性があり、注意して使用すべきである。