| Project/Area Number |
20K16035
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 47060:Clinical pharmacy-related
|
|---|
| Research Institution | Keio University (2022-2023)
Hokkaido University (2020-2021) |
|---|
Principal Investigator |
Imai Shungo 慶應義塾大学, 薬学部(芝共立), 講師 (40845070)
|
|---|
| Project Period (FY) |
2020-04-01 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000)
Fiscal Year 2023: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
Fiscal Year 2022: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2021: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2020: ¥520,000 (Direct Cost: ¥400,000、Indirect Cost: ¥120,000)
|
|---|
| Keywords | バンコマイシン / 機械学習 / 治療薬物モニタリング / 薬剤投与設計 / 薬物動態 |
|---|
| Outline of Research at the Start |
本研究では、これまで薬物動態解析の結果に基づきおこなわれてきた「薬剤投与設計」に機械学習を応用することに挑戦する。具体的には、機械学習の手法の一つであるDecision Treeモデルを用いて、バンコマイシンの初期投与設計アルゴリズムを構築し、構築したアルゴリズムの精度検証をおこなう。このことで、機械学習を用いた新しい薬剤投与設計法確立つへの基盤となるエビデンスを構築する。本研究のアプローチはあらゆる薬剤に応用可能であり、薬剤投与設計の精度向上に広く貢献することが期待される。
|
| Outline of Final Research Achievements |
In this study, we constructed an initial dose setting algorithm for vancomycin using the Decision Tree model, which is a typical machine learning method, and validated the its usefulness. We obtained clinical information on 822 patients from two medical facilities and constructed a model using the Classification And Regression Tree (CART) algorithm. The accuracy of the developed model was better than the conventional dose setting algorithm, suggesting the usefulness of this approach.
|
| Academic Significance and Societal Importance of the Research Achievements |
本研究では、機械学習で予測する変数を従来の「副作用発現あり／なし」の名義変数から、連続変数の「薬剤投与量」に置き換えることで、バンコマイシンの初回投与量を精度高く予測できることを見いだした。今回得られた知見は、様々な薬剤の投与設計アルゴリズム構築に応用可能であり、高い発展性を有することから、医療薬学研究の発展に寄与する新手法としての価値があると考える。
|
