同種造血細胞移植における機械学習による患者個別の最適移植法提案システムの開発
| Project/Area Number |
20K17386
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 54010:Hematology and medical oncology-related
|
|---|
| Research Institution | Osaka Metropolitan University (2022-2023)
Osaka City University (2020-2021) |
|---|
Principal Investigator |
岡村 浩史 大阪公立大学, 大学院医学研究科, 講師 (00803149)
|
|---|
| Project Period (FY) |
2020-04-01 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥2,860,000 (Direct Cost: ¥2,200,000、Indirect Cost: ¥660,000)
Fiscal Year 2022: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2021: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2020: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
|
|---|
| Keywords | 機械学習 / 造血幹細胞移植 / 予後予測 / 同種造血幹細胞移植 / 個別化医療 |
|---|
| Outline of Research at the Start |
現在、同種造血細胞移植の実臨床において患者個別の最適移植法の選択（ドナー選択、前処置レジメン、GVHD予防法など）は、様々な既報告結果を臨床医が経験的に組み合わせた上で行われており、その方法論には客観性に課題が残されている。
本研究では、同種造血細胞移植領域において機械学習によって得られる客観的な予後予測情報を患者個別の最適な移植法選択に活用することで、移植予後向上を目指す。
|
| Outline of Annual Research Achievements |
当院で同種造血細胞移植治療を行った症例を対象に、移植時の予後因子を説明変数として、生存解析機械学習モデルであるRandom Survial Forestと従来生存解析モデルとして用いられてきたCox比例ハザードモデルの予測精度の比較を行い、R患者個別の予後予測が可能なWebアプリケーションを公開した。このアプリケーションにより、同種造血幹細胞移植患者の意思決定支援に役立てることが可能となった。本結果は、英文雑誌に報告した。
次に造血幹細胞移植の全国患者レジストリデータを用いて、Random Survial ForestとDeepSurvによる患者個別の生存予測を行う機械学習モデルを構築し、さらにこれらの機械学習モデルが患者個別の最適移植法を推奨するアルゴリズムを開発した。その上で、機械学習モデルによる患者個別の最適移植法推奨が、移植予後に与える影響について検討した結果、機械学習モデルの推奨移植法と実際に施行した移植法が一致していることが、全生存に対する有意な予後良好因子であることが示された。このことから、機械学習モデルによる移植法の推奨には、移植予後を改善させる可能性があると考えれた。
これらの成果については、第48回欧州骨髄移植学会議、第44回日本造血・免疫細胞療法学会総会にて報告し、査読付き医学論文雑誌に投稿中である。また、本研究で得られた知見について、特許出願を行った。
さらに、移植専門医から各移植患者に対する予後予測値のアンケート収集を行い、移植専門医の予後予測と機械学習モデルによる予後予測の予測精度を比較するためのデータ収集・解析を行った。
|
Report
(4 results)
Research Products
(6 results)
-
-
-
[Presentation] 同種造血幹細胞移植における機械学習を用いた患者個別の最適移植法推奨戦略2022
Author(s)
Hiroshi Okamura, Hirohisa Nakamae, Mika Nakamae, Daijiro Kabata, Hisako Yoshida, Ayumi Shintani, Naoyuki Uchida, Noriko Doki, Takahiro Fukuda, Yukiyasu Ozawa, Masatsugu Tanaka, Ikegame Kazuhiro, Tetsuya Eto, Masashi Sawa, Takafumi Kimura, Junya Kanda, Yoshiko Atsuta, and Masayuki Hino.
Organizer
第44回日本造血・免疫細胞療法学会総会
Related Report
-
[Presentation] Personalized strategy for allogeneic stem cell transplantation guided by machine learning: a real-world data analysis of the Japanese Transplant Registry Unified Management Program2022
Author(s)
Hiroshi Okamura, Hirohisa Nakamae, Mika Nakamae, Daijiro Kabata, Hisako Yoshida, Ayumi Shintani, Naoyuki Uchida, Noriko Doki, Takahiro Fukuda, Yukiyasu Ozawa, Masatsugu Tanaka, Ikegame Kazuhiro, Tetsuya Eto, Masashi Sawa, Takafumi Kimura, Junya Kanda, Yoshiko Atsuta, and Masayuki Hino.
Organizer
48th Annual Meeting of the EBMT (European Society for Blood and Marrow Transplantation)
Related Report
Int'l Joint Research
-
-
