70万人、43年の大規模健診データによる心血管病発症AI予測モデルの構築と実装

• Project/Area Number: 21K08034
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 53020:Cardiology-related
• Research Institution: Kagoshima University
• Principal Investigator: 川添 晋 鹿児島大学, 医歯学総合研究科, 特任講師 (00810201)
• Co-Investigator(Kenkyū-buntansha): 窪薗 琢郎 鹿児島大学, 医歯学域医学系, 講師 (00598013) ; 大石 充 鹿児島大学, 医歯学域医学系, 教授 (50335345)
• Project Period (FY): 2021-04-01 – 2024-03-31
• Project Status: Completed (Fiscal Year 2023)
• Budget Amount: ¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000); Fiscal Year 2023: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000); Fiscal Year 2022: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000); Fiscal Year 2021: ¥1,950,000 (Direct Cost: ¥1,500,000、Indirect Cost: ¥450,000)
• Keywords: AI / 予測モデル / 健診データ

Outline of Research at the Start

超少子高齢化社会への突入と医療の高度化・高額化に伴い、わが国の医療財政は逼迫しており、疾患の予防および早期発見による医療費の抑制が急務となっている。我々は、統計学的手法を用いて日本人における心血管リスクの知見を報告してきた。しかし、統計手法は網羅的、複合的分析に弱いこと、結果を個人のリスク評価に適用することが難しいことなどの限界があった。本研究では43年間にわたる70万人の健診データをもとにして、個人単位での疾患の早期発見・早期治療に役立つ心血管疾患発症予測の人工知能（AI）モデルを構築・実装する。健康寿命の延伸と医療費の抑制を実証し、世界に先駆けた新たな医療モデルを実現する。

Outline of Annual Research Achievements

健診データの可視化とAI適用への前処理を順次行った。具体的には、データエラーやノイズ、欠損値に対する補完やクレンジング、既存の統計学的解析手法によるデータ傾向の調査、データの変換（正規化、汎化など）を実施し、AI解析の実施に耐えうるデータへの整形、リスク因子の年次変動を加味した変数の合成などを順次行ってきた。続いて、LAMPおよび複数の機械学習モデルの作成を行った。統計的に有意な相互因子を発見可能なLAMPを適用し、ハイパーパラメータのチューニングを行い、機械学習モデルを適用（ランダムフォレスト、XGBoosting、ロジスティック回帰、ニューラルネットワーク、サポートベクトルマシン、他）を行った。アウトカムとして現時点では高血圧、慢性腎臓病、メタボリックシンドローム、動脈硬化（baPWV高値）について検討を行っている。ズーム等の遠隔システムを利用して、研究協力者であるヒューマノーム研究所の瀬々氏、寺田氏と連携しながら、上記結果の比較による予測精度の検証を行い、医学的な見地からの解釈を検討するために、データの確認、特徴量選択の適正化、アルゴリズムの確認などについて検討を繰り返している段階である。臨床的に実装可能な状態を目指す作業を行っている。また、研究成果について国内外の複数の学会で成果の発表を行い、全国の機械学習に関心をもつ有志との勉強会等においてもブラッシュアップをはかっている。また成果の論文化も順次進めており、2024年度中の英文誌への論文発表を目標としている。

Research Products

• [Presentation] J-shaped association between serum uric acid levels and chronic kidney disease: a cross-sectional study using large health examination data. ESC congress, Amsterdam, 2023. (2023)
  • Author(s): Kawasoe S, Kubozono T, Salim AA, Ojima S, Kawabata T, Ikeda Y, Miyahara H, Tokushige K, Ohishi M.
  • Organizer: ESC congress, Amsterdam, 2023.
  • Int'l Joint Research
• [Presentation] Ability of machine learning algorithms to predict stage 2 hypertension using health examination data from the Japanese general population. (2023)
  • Author(s): Kawasoe S, Kubozono T, Ojima S, Kawabata T, Miyahara H, Tokushige K, Ohishi M.
  • Organizer: AHA Scientific Sessions, Boston, USA, 2023
  • Int'l Joint Research
• [Presentation] Development of a risk prediction equation for chronic kidney disease using Japanese health checkup data (2022)
  • Author(s): 川添晋
  • Organizer: 日本循環器学会総会
• [Presentation] 健診データを用いた機械学習アルゴリズムによる高血圧の発症予測 (2022)
  • Author(s): 川添晋
  • Organizer: 日本心臓病学会
• [Presentation] Ability of machine learning algorithms to predict chronic kidney disease using health examination data from the Japanese general population (2022)
  • Author(s): Kawasoe Shin
  • Organizer: American Heart Association
  • Int'l Joint Research
• [Presentation] Ability of machine learning algorithms to predict Hypertension using health examination data from the Japanese general population (2022)
  • Author(s): Kawasoe Shin
  • Organizer: European Society of Cardiology
  • Int'l Joint Research