| Project/Area Number |
20K12716
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 90140:Medical technology assessment-related
|
|---|
| Research Institution | Oita University |
|---|
Principal Investigator |
谷川 雅人 大分大学, 医学部, 教授 (90332890)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
安徳 恭彰 大分大学, 医学部, 准教授 (20529797)
岩城 貴史 大分大学, 医学部, 助教 (60416419)
中田 健 大分大学, 医学部, 助教 (60555142)
|
|---|
| Project Period (FY) |
2020-04-01 – 2024-03-31
|
| Project Status |
Granted (Fiscal Year 2022)
|
| Budget Amount *help |
¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000)
Fiscal Year 2023: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000)
Fiscal Year 2022: ¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000)
Fiscal Year 2021: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2020: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
|
|---|
| Keywords | ベイズ統計解析 / IgA腎症 / 臨床検査データ / 組織学的重症度分類 / 生検 / ベイズ統計 / 重症度分類 / 機械学習 / Bayesian lasso法 / スパース / スパースモデリング / 医療統計 / リアルワールドデータ |
|---|
| Outline of Research at the Start |
この研究は，様々な検査データからIgA腎症等の様々の疾病の進行段階を正確に推定し，併せて，それぞれの患者の置かれた状況を考慮した治療指針を，医療現場に提供することを目的にしている。本研究では，少数の試料しか得られない場合において，重症度をベイズ統計を用いて確率分布として導き出し，それぞれの患者の実情と併せて考えることのできる方法を確立する。また，長期間にわたって治療した患者に対して，どのような病変が多い場合，どのような予後になったのかをできるだけ多くのリアルワールドデータを用いて，スパース性を維持した解析方法を検討することにより，病気がどのように進行していくのかの確率分布を明らかにする。
|
| Outline of Annual Research Achievements |
本研究で，IgA腎症についてのデータを集積して，病態を確率的に解析する方法を確立する。検査で取得できた糸球体の数が少ない場合においては，ある程度の精度で進行段階を示すことができる場合もあるが，特に，半分程度が病変のある糸球体のように，あいまいさの残る場合に，想定する事前分布によって進行段階のgrade評価に対する影響の詳細に検討し，これらの問題を解決するために，ベイズ法を用いて病気の進行段階を確率的に明らかにする方法を検討した。さらに，病変の種類と予後の 関係等の経時的分析にも，ベイズ法による解析法を拡張し，どのような場合に進行が進みやすいのかについても検討した。
さまざまの種類の病変が含まれる臨床データを用いたベイズ法を用いた解析において，どのような場合に予後が悪くなるのかを検討し，用いる事前分布の結果への影響を明らかにした。事前分布を考えるためには，検討する必要のあるすべての場合について多くのデータがあることが望まれるが，病変の種類も多く，これらの組み合わせを考えると非 常に多くのデータ数が必要となり，現実的には収集は難しい。そこで，回帰係数のいくつかを0にすることによって，スパース性を維持したマルコフ連鎖モンテカルロ法に適用した方法の検討も行った。この計算によって得られた結果を従来のMCMC法によって推定された事後分布と比較し，推定精度や予測精度がどのようになるかを詳細に調べ，実際の事後分布(確率)を明確にするとともに，病気の進行段階とその確率分布が、各パラメータ群からどのように求められるのかの検討を行っている。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
IgA腎症患者について，精度の高い多く検査データを収集した。このデータに加えて， 実際にそれぞれのケースでどのような治療が行われたのか，また，行われなかったのかについてデータから調べた。さらにBayesian lasso法で回帰係数のいくつかを0にすることによって，スパース性を維持したマルコフ連鎖モンテカルロ法に適用した方法を検討し、この計算によって得られた結果をGibbs sampler等のスパース性を持たないMCMC法によって推定された事後分布と比較し，推定精度や予測精度がどのようになるかを詳細に調べ，実際の事後分布(確率)を明らかにし，病気の進行段階とその確率分布が、各パラメータ群からどのように求められるのかを明らかにした。
この研究を進める中で、血液検査データによって病気の進行状況などを判定する場合、特に臨床検査項目数の多い時には、データ間に相関があるものも多く、研究当初にはじゅうぶんには想定してしていなかったこれらの相関のため悪性度評価判定が不正確になってしまう問題が明らかになった。
|
| Strategy for Future Research Activity |
今後、IgA腎症患者の予後を含めた経時的データをさらにできるだけ多く収集する。このデータを用いて、これまでに開発した解析法を用いて各gradeの確率などを計算し、Gibbs sampler等のスパース性を持たないMCMC法によって推定された事後分布の場合と比較し，推定精度や予測精度がどのように変化するかを詳細に調べ，正確性を検証し、その有効性を明らかにする。
また、この研究を進める中で、血液検査データによって病気の進行状況などを判定する場合、特に臨床検査項目数の多い時には、データ間に相関があるものも多く、これらの相関のため悪性度評価判定が不正確になってしまう問題を解決するために、多くの臨床検査データの中で疾患ごとに、どのデータを解析に用いるべきなのかを明確にするとともに、疾病の悪性度や進行を正確に評価するために必要な情報を提供できるシス テムを構築する。このため、これまで確立していない多数の独立した時系列データ(離散的でない連続データ)を用いた因果関係の決定法を検討し、これを数年にわたる臨床検査データに応用し、疾病ごとの検査データ間の因果関係を明らかにする。また、検査時点での確率的にしか決定されない悪性度から、この先の進行を予測するシステムについても検討する。
|
