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) Osaka City University (2020) |
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 |
Granted (Fiscal Year 2022)
|
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 |
造血幹細胞移植の全国患者レジストリデータを用いて、患者個別の生存予測を行う機械学習モデルを構築し、その機械学習モデルにより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、その臨床的意義を評価した。さらに、複数の移植法それぞれに対する患者個別の予測予後を可視化するためのWebアプリケーションを開発した。 これらの成果については査読付き医学論文雑誌に投稿中であると共に、本研究で得られた知見について、特許出願を行った。 また、第45回日本造血・免疫細胞療法学会総会にて医療AI研究の現状や今後のビジョンについて発表した。
|
Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
役職の変更と繰り返すCOVID-19の流行波のため臨床業務量が増大し、本研究課題に費やせるリソースが制限されたため。
|
Strategy for Future Research Activity |
機械学習モデルによる患者個別の最適移植法推奨に関する研究結果について、査読付き医学論文雑誌への投稿を継続する。 また、造血幹細胞移植治療における臨床医による予後予測と機械学習モデルによる予後予測の精度比較のためのデータを収集済みであり、解析を開始する。
|
Report
(2 results)
Research Products
(4 results)