Nao Ichihara 研究室
主宰者:Nao Ichihara
東京大学
AI 要約(直近 5 年の研究成果)
本研究室は、心臓血管疾患と急性重症疾患における臨床的課題の解明と治療法の改善に取り組んでいます。具体的には、大動脈弁の機能不全に対する外科的修復術の効果を検証し、術後の合併症を減らすための新しい手技を開発しています。また、脳動脈瘤の破裂に伴う脳卒中について、複数施設のデータを用いてどのような患者が重篤な転帰を迎えやすいか、そして長期的に安全に治療できるかを明らかにしようとしています。
さらに、新興感染症やウイルス感染症が引き起こす重症患者の管理に関する研究も進めています。特に新型コロナウイルス感染症の重症患者に対する治療薬の有効性を国際的な臨床試験で検証し、長期的な後遺症の実態を調査しています。同時に、肺線維症などの慢性呼吸器疾患の進行を予測する手法として、画像検査や臨床データの定量解析を活用しています。
研究手法としては、患者データの収集と統計解析が中心であり、特に多施設共同研究や国際共同研究によって大規模なデータベースを構築し、様々な疾患の予後予測や治療効果の評価を行うことが特徴です。これらの研究を通じて、より多くの患者が質の高い医療を受けられる基盤を整備することを目指しています。
※ AI(Claude)が、公開されている論文要旨から研究の問い・手法・主要な発見を事実情報として抽出・再構成して自動生成しています。誤りを含む可能性があるため、正確性は研究室公式情報でご確認ください。
外部リンク
関連研究室(8 件)
- 医学Issei Komuro 研究室University of Tokyo Hospital論文 100 件·共通: 心臓, 医学・健康科学, 循環器・呼吸器, 循環器 +6
- 医学James Chambers 研究室東京大学論文 100 件·共通: 医学・健康科学, 生物学, 微生物・免疫, 脳 +5
- 生化学・分子生物学・遺伝学Seiya Imoto 研究室東京大学論文 100 件·共通: 生物学, 解析, 数学, 純粋数学 +7
- 生化学・分子生物学・遺伝学Ryozo Nagai 研究室University of Tokyo Hospital論文 25 件·共通: 生物学, 脳, 神経科学, 基礎神経科学 +6
- 生化学・分子生物学・遺伝学Noriko Miyake 研究室名古屋大学論文 25 件·共通: 解析, 数学, 純粋数学, 生物学 +6
- 医学Katsutoshi Oda 研究室University of Tokyo Hospital論文 101 件·共通: 医学・健康科学, 生物学, 肺, 循環器・呼吸器 +3
- 医学Masaomi Nangaku 研究室東京大学論文 100 件·共通: 生物学, 神経科学, 医学・健康科学, 解析 +3
- 神経科学Kazuyuki Aihara 研究室東京大学論文 158 件·共通: 生物学, 神経科学, 数学, 感染症 +5
研究成果(88 件)
- DOI: https://doi.org/10.1097/ccm.0000000000007134
- DOI: https://doi.org/10.1093/icvts/ivag103
- DOI: https://doi.org/10.1093/icvts/ivag103
- DOI: https://doi.org/10.1007/s10143-025-03193-x
- DOI: https://doi.org/10.1038/s41598-025-88904-6
- DOI: https://doi.org/10.1016/j.resinv.2025.02.009
- DOI: https://doi.org/10.1007/s10143-025-03193-x
- DOI: https://doi.org/10.1038/s41598-025-88904-6
- DOI: https://doi.org/10.1016/j.resplu.2025.101199
- DOI: https://doi.org/10.1016/j.resplu.2025.101199
続きを表示(残り 78 件)閉じる
- DOI: https://doi.org/10.62675/2965-2774.20260168
- DOI: https://doi.org/10.1183/13993003.congress-2025.pa2973
- DOI: https://doi.org/10.62675/2965-2774.20260168
- DOI: https://doi.org/10.2176/jns-nmc.2025-0134
- DOI: https://doi.org/10.1183/13993003.congress-2025.pa2973
- DOI: https://doi.org/10.1183/13993003.congress-2025.oa3404
- DOI: https://doi.org/10.1183/13993003.congress-2025.oa3404
- DOI: https://doi.org/10.1007/s11748-025-02190-7
- DOI: https://doi.org/10.1186/s13019-025-03565-w
- DOI: https://doi.org/10.2176/jns-nmc.2025-0014
- DOI: https://doi.org/10.1007/s10143-025-03638-3
- DOI: https://doi.org/10.1136/thorax-2024-222488
- DOI: https://doi.org/10.1186/s12905-025-03996-6
- DOI: https://doi.org/10.1007/s11748-025-02190-7
- DOI: https://doi.org/10.1186/s13019-025-03565-w
- DOI: https://doi.org/10.3310/ttnd8896
- DOI: https://doi.org/10.2176/jns-nmc.2025-0014
- DOI: https://doi.org/10.1007/s10143-025-03638-3
- DOI: https://doi.org/10.1080/13548506.2025.2465654
- DOI: https://doi.org/10.1136/thorax-2024-222488
- DOI: https://doi.org/10.1016/j.resinv.2025.02.009
- DOI: https://doi.org/10.1093/nop/npaf042
- DOI: https://doi.org/10.3171/2024.8.jns24894
- DOI: https://doi.org/10.3171/2024.8.jns24894
- DOI: https://doi.org/10.1002/cpt.3224
- DOI: https://doi.org/10.1002/cpt.3224
- DOI: https://doi.org/10.1007/s00423-023-03214-7
- DOI: https://doi.org/10.1016/j.rpth.2023.100129
- DOI: https://doi.org/10.1016/j.resplu.2023.100474
- [2023] Non-COVID-19 intensive care admissions during the pandemic: a multinational registry-based studyDOI: https://doi.org/10.1136/thorax-2022-219592
- DOI: https://doi.org/10.1371/journal.pone.0280569
- DOI: https://doi.org/10.1371/journal.pone.0280569
- DOI: https://doi.org/10.1016/j.rpth.2023.100129
- DOI: https://doi.org/10.1007/s12262-023-03771-7
- DOI: https://doi.org/10.1227/neu.0000000000002782
- DOI: https://doi.org/10.1227/neu.0000000000002782
- DOI: https://doi.org/10.1016/j.resplu.2023.100474
- [2023] Non-COVID-19 intensive care admissions during the pandemic: a multinational registry-based studyDOI: https://doi.org/10.1136/thorax-2022-219592
- DOI: https://doi.org/10.1016/j.resinv.2022.08.009
- DOI: https://doi.org/10.1016/j.jclinepi.2022.12.004
- DOI: https://doi.org/10.1007/s10143-022-01907-z
- DOI: https://doi.org/10.1007/s10143-022-01907-z
- DOI: https://doi.org/10.1016/j.resinv.2022.08.009
- DOI: https://doi.org/10.1097/md.0000000000030923
- DOI: https://doi.org/10.1186/s12873-022-00676-8
- DOI: https://doi.org/10.1002/jhbp.1156
- DOI: https://doi.org/10.1097/md.0000000000030923
- DOI: https://doi.org/10.1186/s12873-022-00676-8
- DOI: https://doi.org/10.1002/ags3.12579
- DOI: https://doi.org/10.1002/jhbp.1156
- DOI: https://doi.org/10.3390/ijerph19074130
- DOI: https://doi.org/10.1016/s0735-1097(22)02130-1
- DOI: https://doi.org/10.1016/j.amjsurg.2022.02.038
- DOI: https://doi.org/10.1093/ageing/afac009
- DOI: https://doi.org/10.3390/ijerph19074130
- DOI: https://doi.org/10.1016/s0735-1097(22)02130-1
- DOI: https://doi.org/10.1016/j.amjsurg.2022.02.038
- [2021] Performance of a deep learning-based identification system for esophageal cancer from CT imagesDOI: https://doi.org/10.1007/s10388-021-00826-0
- DOI: https://doi.org/10.1186/s12889-021-11933-z
- DOI: https://doi.org/10.1002/jhbp.1043
- DOI: https://doi.org/10.1002/ags3.12420
- DOI: https://doi.org/10.1002/ags3.12420
- DOI: https://doi.org/10.1186/s40560-021-00533-z
- [2021] Performance of a deep learning-based identification system for esophageal cancer from CT imagesDOI: https://doi.org/10.1007/s10388-021-00826-0
- DOI: https://doi.org/10.1186/s40560-021-00547-7
- DOI: https://doi.org/10.1007/s11060-021-03775-x
- DOI: https://doi.org/10.1186/s40560-021-00557-5
- DOI: https://doi.org/10.1186/s12889-021-11933-z
- DOI: https://doi.org/10.1002/jhbp.1043
- DOI: https://doi.org/10.1136/jnnp-2020-325306
- DOI: https://doi.org/10.1111/ggi.14228
- DOI: https://doi.org/10.1136/jnnp-2020-325306
- DOI: https://doi.org/10.1186/s40560-021-00557-5
- DOI: https://doi.org/10.1186/s13017-021-00374-z
- DOI: https://doi.org/10.1007/s11060-021-03775-x
- DOI: https://doi.org/10.1186/s40560-021-00547-7
科研費(0 件)
まだデータがありません(KAKEN 取り込み後に表示)。
所属学会・役職(0 件)
まだデータがありません(学会データ連携後に表示)。