岸本 泰士郎 (キシモト タイシロウ)

KISHIMOTO Taishiro

写真a

所属(所属キャンパス)

医学部 精神・神経科学教室 (信濃町)

職名

専任講師

HP

総合紹介 【 表示 / 非表示

経歴 【 表示 / 非表示

  • 2000年05月
    -
    2001年03月

    慶應義塾大学医学部, 精神神経科学教室, 研修医

  • 2001年04月
    -
    2003年06月

    国家公務員共済組合連合会 立川病院, 神経科

  • 2003年07月
    -
    2004年03月

    医療法人財団厚生協会 大泉病院

  • 2004年04月
    -
    2009年11月

    医療法人財団厚生協会 大泉病院, 副医長

  • 2009年04月
    -
    2009年11月

    医療法人財団厚生協会 大泉病院, 医長

全件表示 >>

学歴 【 表示 / 非表示

  • 1992年04月

    東京大学, 理科 II 類

    大学, その他

  • 1994年04月
    -
    2000年03月

    慶應義塾大学, 医学部

    大学, 卒業

学位 【 表示 / 非表示

  • 慶應義塾大学, 慶応義塾大学, 課程, 2009年02月

免許・資格 【 表示 / 非表示

  • 医師免許, 2000年05月

  • 精神保健指定医, 2005年12月

  • 日本精神神経科学会 専門医, 2008年04月

  • 日本英語検定 1級, 2014年07月

  • 臨床精神神経薬理学 専門医, 2016年11月

 

著書 【 表示 / 非表示

  • エッセンシャル金融ジェロントロジー

    駒村 康平 編, 岸本 泰士郎,中村 陽一, 江口 洋子 著, 慶應義塾大学出版会, 2019年10月

  • 本田明編:精神科身体合併症マニュアル第2版

    桑原達郎, 野村総一郎,岸本 泰士郎ほか, 医学書院, 2018年06月

    担当範囲: 307-313,331-334

  • 精神科の遠隔医療, 図説・日本の遠隔医療2017

    岸本 泰士郎, 一般社団法人 日本遠隔医療学会, 2017年12月

  • 人工知能・機械学習を用いた精神科診療の可能性

    岸本 泰士郎 橋本 正弘, 藤田 卓仙,, 科学評論社, 2017年03月

    担当範囲: 257-262

  • 代表的な評価尺度

    岸本 泰士郎 三村 將, 医学書院, 2017年03月

    担当範囲: 314-323

全件表示 >>

論文 【 表示 / 非表示

  • Gut microbiota and majore depressive disorder: A systematic review and meta-analysis

    Sanada K., Nakajima S., Kurokawa S., Barceló-Soler A., Ikuse D., Hirata A., Yoshizawa A., Tomizawa Y., Salas-Valero M., Noda Y., Mimura M., Iwanami A., Kishimoto T.

    Journal of Affective Disorders (Journal of Affective Disorders)  266   1 - 13 2020年04月

    ISSN  01650327

     概要を見る

    © 2020 Elsevier B.V. Background: Growing attention has been paid to the field of gut microbiota for mental disorders over the last decade. However, to our knowledge, no studies have conducted systematic reviews on the association between gut microbiota and major depressive disorder (MDD) in both interventional and non-interventional studies. Methods: We conducted a systematic review and meta-analysis of 16 studies (10 observational [701 participants] and six interventional trials [302 participants]) examining gut microbiota in patients with MDD. The primary outcome measures were differences in the profile of microbiota inthe observational studies, and symptom changes for depression between pre- and post-intervention with probiotics in the interventional trials. Results: In the observational studies, significant reductions in several taxa at the family and genus levels were observed in patients with MDD compared to non-depressed controls. In the interventional studies with probiotics, a significant improvement was found in depressive symptomatology compared to controls (SMD = .-1.62, 95% CI = .-2.73 to -0.51, p< 0.01). Limitations: Lack of consideration of the effects of diet and pharmacotherapy was a possible limitation. Conclusions: Our results indicate that several taxa at the family and genus levels, specifically family Prevotellaceae, genus Coprococcus,and Faecalibacterium, were decreased in MDD compared to non-depressed controls in observational studies, and depressive symptoms were improved compared to controls in interventional studies with probiotics. Due to the limited number of studies, further studies considering diet and pharmacotherapy are needed to explore the relationships between gut microbiota and MDD in humans.

  • Evaluating the severity of depressive symptoms using upper body motion captured by RGB-depth sensors and machine learning in a clinical interview setting: A preliminary study

    Horigome T., Sumali B., Kitazawa M., Yoshimura M., Liang K.c., Tazawa Y., Fujita T., Mimura M., Kishimoto T.

    Comprehensive Psychiatry (Comprehensive Psychiatry)  98   152169 2020年04月

    ISSN  0010440X

     概要を見る

    © 2020 The Authors Background: Mood disorders have long been known to affect motor function. While methods to objectively assess such symptoms have been used in experiments, those same methods have not yet been applied in clinical practice because the methods are time-consuming, labor-intensive, or invasive. Methods: We videotaped the upper body of each subject using a Red-Green-Blue-Depth (RGB-D) sensor during a clinical interview setting. We then examined the relationship between depressive symptoms and body motion by comparing the head motion of patients with major depressive disorders (MDD) and bipolar disorders (BD) to the motion of healthy controls (HC). Furthermore, we attempted to predict the severity of depressive symptoms by using machine learning. Results: A total of 47 participants (HC, n = 16; MDD, n = 17; BD, n = 14) participated in the study, contributing to 144 data sets. It was found that patients with depression move significantly slower compared to HC in the 5th percentile and 50th percentile of motion speed. In addition, Hamilton Depression Rating Scale (HAMD)-17 scores correlated with 5th percentile, 50th percentile, and mean speed of motion. Moreover, using machine learning, the presence and/or severity of depressive symptoms based on HAMD-17 scores were distinguished by a kappa coefficient of 0.37 to 0.43. Limitations: Limitations include the small number of subjects, especially the number of severe cases and young people. Conclusions: The RGB-D sensor captured some differences in upper body motion between depressed patients and controls. If much larger samples are accumulated, machine learning may be useful in identifying objective measures for depression in the future.

  • The energy calibration system for CANDLES using (n, γ) reaction

    T. Iida, K. Mizukoshi, T. Ohata, T. Uehara, T. Batpurev, W. M. Chan, K. Fushimi, R. Hazama, M. Ishikawa, H. Kakubata, K. Kanagawa, S. Katagiri, B. T. Khai, T. Kishimoto, X. Li, T. Maeda, K. Matsuoka, K. Morishita, M. Moser, K. Nakajima, M. Nomachi, I. Ogawa, M. Shokati, K. Suzuki, Y. Takemoto, Y. Takihira, Y. Tamagawa, K. Tetsuno, V. T. T. Trang, S. Umehara, S. Yoshida

    2020年03月

     概要を見る

    CAlcium fluoride for the study of Neutrinos and Dark matters by Low-energy
    Spectrometer (CANDLES) searches for neutrino-less double beta decay of
    $^{48}$Ca using a CaF$_2$ scintillator array. A high Q-value of $^{48}$Ca at
    4,272 keV enabled us to achieve very low background condition, however, at the
    same it causes difficulties in calibrating the detector's Q-value region
    because of the absence of a standard high-energy $\gamma$-ray source.
    Therefore, we have developed a novel calibration system based on $\gamma$-ray
    emission by neutron capture on $^{28}$Si, $^{56}$Fe and $^{58}$Ni nuclei. In
    the paper, we report the development of the new calibration system as well as
    the results of energy calibration in CANDLES up to 9 MeV.

  • Predicting Individual Remission After Electroconvulsive Therapy Based on Structural Magnetic Resonance Imaging: A Machine Learning Approach.

    Takamiya A, Liang KC, Nishikata S, Tarumi R, Sawada K, Kurokawa S, Hirano J, Yamagata B, Mimura M, Kishimoto T

    The journal of ECT 2020年02月

    研究論文(学術雑誌), 査読有り,  ISSN  1095-0680

  • Evaluating depression with multimodal wristband-type wearable device: screening and assessing patient severity utilizing machine-learning

    Tazawa Y., Liang K., Yoshimura M., Kitazawa M., Kaise Y., Takamiya A., Kishi A., Horigome T., Mitsukura Y., Mimura M., Kishimoto T.

    Heliyon (Heliyon)  6 ( 2 ) e03274 2020年02月

    研究論文(学術雑誌), 査読有り,  ISSN  24058440

     概要を見る

    © 2020 Objective: We aimed to develop a machine learning algorithm to screen for depression and assess severity based on data from wearable devices. Methods: We used a wearable device that calculates steps, energy expenditure, body movement, sleep time, heart rate, skin temperature, and ultraviolet light exposure. Depressed patients and healthy volunteers wore the device continuously for the study period. The modalities were compared hourly between patients and healthy volunteers. XGBoost was used to build machine learning models and 10-fold cross-validation was applied for the validation. Results: Forty-five depressed patients and 41 healthy controls participated, creating a combined 5,250 days' worth of data. Heart rate, steps, and sleep were significantly different between patients and healthy volunteers in some comparisons. Similar differences were also observed longitudinally when patients' symptoms improved. Based on seven days' data, the model identified symptomatic patients with 0.76 accuracy and predicted Hamilton Depression Rating Scale-17 scores with a 0.61 correlation coefficient. Skin temperature, sleep time-related features, and the correlation of those modalities were the most significant features in machine learning. Limitations: The small number of subjects who participated in this study may have weakened the statistical significance of the study. There are differences in the demographic data among groups although we performed a correction for multiple comparisons. Validation in independent datasets was not performed, although 10-fold cross validation with the internal data was conducted. Conclusion: The results indicated that utilizing wearable devices and machine learning may be useful in identifying depression as well as assessing severity.

全件表示 >>

KOARA(リポジトリ)収録論文等 【 表示 / 非表示

総説・解説等 【 表示 / 非表示

  • 【精神科臨床におけるエビデンスの有用性と問題点】機械学習が精神医学のエビデンスに与える影響 文献からの考察

    中島 和樹, 菊地 俊暁, 高宮 彰紘, 岸本 泰士郎

    精神科治療学 ((株)星和書店)  35 ( 2 ) 171 - 176 2020年02月

    ISSN  0912-1862

     概要を見る

    精神科領域における代表的な精神障害に対する特異的なバイオマーカーは現在のところ存在していない。操作的診断によって評価者間信頼性は保たれているが、患者の訴えを読み取るうえで、医療者の主観が介在することは避けられない。近年の機械学習の活用により、画像・音声データの解析や、ウェアラブルデバイスの装着によって、患者の精神症状の定量評価を行うことが可能になってきている。これによってより正しい診断、治療効果の判定を行うことができるようになり、これまでのエビデンスをさらに洗練させることに有用であろう。また、解析手法として機械学習を活用することで、ビッグデータの解析が可能になり、患者個人のデータに対して予測を行うことで、従来の解析では見出すことのできなかった関係性を発見できるようになる可能性がある。機械学習の活用が精神医学のエビデンスに寄与する影響は決して少なくない。(著者抄録)

  • 高齢者を対象とした遠隔精神科医療

    山本真理, 堀込俊郎, 吉田和生, 岸本泰士郎.

    老年精神医学雑誌 31 ( 1 ) 31 - 36 2020年01月

    総説・解説(学術雑誌)

  • 【認知症の医療・介護:地域の輪を支えるICTシステム】遠隔医療や機械学習を活用した認知症診療の展望

    江口 洋子, 吉田 和生, 岸本 泰士郎

    Dementia Japan ((一社)日本認知症学会)  34 ( 1 ) 52 - 60 2020年01月

    ISSN  1342-646X

  • 【進化するテクノロジーと老年精神医学】高齢者を対象とした遠隔精神科医療

    山本 真理, 堀込 俊郎, 吉田 和生, 岸本 泰士郎

    老年精神医学雑誌 ((株)ワールドプランニング)  31 ( 1 ) 31 - 36 2020年01月

    ISSN  0915-6305

     概要を見る

    高齢化が進行するわが国では、遠隔医療の高齢者への応用が期待される。海外では、遠隔精神科医療の検査精度や満足度、治療効果が対面診療と比較して劣らないことがすでに数多く報告されている。当研究室でも、高齢者を対象とした認知機能検査について遠隔と対面の比較試験を複数行い、検査結果の高い一致度を得たほか、強迫性障害に対する遠隔治療なども試みている。今後ガイドラインの整備などが進み、遠隔精神科医療が普及することが望まれる。(著者抄録)

  • 機能性消化管障害の精神症状に対する糞便細菌叢移植の有効性の検討

    黒川駿哉, 岸本泰士郎

    精神科臨床Legato 5 ( 3 ) 32 - 35 2019年11月

    総説・解説(学術雑誌)

全件表示 >>

研究発表 【 表示 / 非表示

  • Perspectives in machine learning for predicting psychiatric conditions.

    岸本 泰士郎

    WFSBP 2018 KOBE (KOBE) , 2018年09月, 口頭(招待・特別)

  • ICTや機械学習を活用した精神科領域における重症度評価の試み

    岸本 泰士郎

    がん分子修飾制御学分野主催セミナー (東京) , 2018年08月, 口頭(招待・特別)

  • 情報処理技術(ICT)や機械学習を用いたうつ病診療の展望

    岸本 泰士郎

    第3回CNSサミット (東京) , 2018年08月, 口頭(招待・特別)

  • 情報通信技術(ICT)や機械学習を用いたうつ病診療の展望

    岸本 泰士郎

    第3回CNSサミット, 2018年08月, 口頭(招待・特別)

  • ビデオ会議システムを用いた遠隔認知行動療法の開発:認知行動療法の普及を (実践発表) 見据えて

    佐々木洋平, 中川敦夫, 加藤典子, 中尾重嗣, 武智小百合, 岸本泰士郎, 堀越勝, 三村將

    第15回日本うつ病学会総会, 2018年07月, ポスター(一般)

全件表示 >>

競争的資金等の研究課題 【 表示 / 非表示

  • 日本医療研究開発機構(AMED)IoT等活用行動変容研究事業 「現場の負担を抑えたセンシングでストレスや幸福度を定量し健康経営オフィスを実現するシステムの開発」(研究代表者)

    2018年09月
    -
    継続中

  • 「自閉症、注意欠陥・多動性障害、その兄弟、健常児を対象とした腸内細菌叢横断調査」

    2018年06月
    -
    継続中

    慶應義塾学事振興資金, 代表

  • 2018年度ノバルティス研究助成「Virtual Realityを応用した社交不安障害治療法のFeasibility Study」

    2018年05月
    -
    継続中

    代表

  • 長寿・障害総合研究事業 「精神疾患レジストリの構築・統合により新たな診断・治療法を開発するための研究」

    2018年04月
    -
    2019年03月

    日本医療研究開発機構(AMED), 分担

  • 厚生労働省科研費基盤A「人工知能による臨床症状定量化技術を用いたうつ病神経基盤の解明」

    2017年11月
    -
    2019年03月

    厚生労働科学研究費補助金, 分担

全件表示 >>

受賞 【 表示 / 非表示

  • 2019年度 慶應医学賞 ライジング・スター賞

    2020年01月, 慶應義塾大学

  • Keio Techno Mall Lion Award(研究室として受賞)

    2017年12月

  • 国際学会発表賞

    2014年06月, 第110回日本精神神経科学会学術総会

  • 国際学会発表賞

    2014年06月, 日本精神神経科学会

  • Japanese Society of Neuropsychopharmacology Excellent Presentation Award for CINP 2014

    2014年06月, CINP 2014

全件表示 >>

 

担当授業科目 【 表示 / 非表示

  • 精神医学講義

    2020年度

  • 精神医学講義

    2019年度

 

社会活動 【 表示 / 非表示

  • 厚生労働省 平成25年度 障害者総合福祉推進事業 「精神病床に入院している難治性患者の地域移行の推進に向けた支援の在り方に関する実態調査」研究分担者・実務担当者

    2014年
    -
    継続中

所属学協会 【 表示 / 非表示

  • 保健医療分野におけるAI活用推進懇談会 構成員, 

    2017年
    -
    継続中
  • 独立行政法人医薬品医療機器総合機構専門委員, 

    2017年
    -
    2019年
  • 第14回日本うつ病学会総会プログラム委員, 

    2016年
    -
    継続中
  • 日本総合病院精神医学会 会員 (2016~ プログラム委員), 

    2015年
    -
    継続中
  • 日本遠隔医療学会 (2016~ 精神科分科会代表), 

    2014年
    -
    継続中

全件表示 >>

委員歴 【 表示 / 非表示

  • 2018年08月
    -
    2019年03月

    プログラム委員, 第41回日本生物学精神医学会

  • 2018年08月
    -
    2019年03月

    委員, 総務省 オンライン診療の普及促進に向けたモデル構築にかかる調査研究検討委員会

  • 2018年05月
    -
    継続中

    評議員, 一般社団法人日本メディカルAI学会

  • 2017年
    -
    継続中

    構成員, 保健医療分野におけるAI活用推進懇談会

  • 2017年
    -
    2019年

    専門委員, 独立行政法人医薬品医療機器総合機構

全件表示 >>