| Project/Area Number |
22K09170
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 55060:Emergency medicine-related
|
|---|
| Research Institution | Jichi Medical University |
|---|
Principal Investigator |
菅原 斉 自治医科大学, 医学部, 教授 (80285808)
|
|---|
| Project Period (FY) |
2022-04-01 – 2026-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥3,900,000 (Direct Cost: ¥3,000,000、Indirect Cost: ¥900,000)
Fiscal Year 2025: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
Fiscal Year 2024: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2023: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000)
Fiscal Year 2022: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
|
|---|
| Keywords | 極端値 / D-dimer / D-ダイマー / 多重ロジスティック解析 / 機械学習 / Prediction One / SHAP values / 72時間転帰 / 予後予測 / 臨床検査 / ロジスティック解析 / 極端外れ値 / 予後予測モデル |
|---|
| Outline of Research at the Start |
D-ダイマー高値という疾患横断的観点で、死亡に関連する予測指標は検討されておらず、機械学習手法も活用されていない。申請者は「D-ダイマーが300 μｇ/mL以上の連続100例の検討」で、院外心停止を除き、72時間死亡率が30%に達することを見いだした。本研究では、罹患疾患によらず、D-ダイマー高値という俯瞰的視点で72時間死亡に着目する。その予測指標をD-ダイマー以外の臨床検査項目から、多重ロジスティック回帰分析と機械学習分析とを比較検討することで高精度の予後予測モデルを構築し、その汎化性能も検証する。検証した指標に治療介入することで、D-ダイマー高値を示す救急患者の予後の改善を目指す。
|
| Outline of Annual Research Achievements |
本研究に関する対象例の抽出と72時間転帰の確認については、院内の研究倫理審査委員会の承認を得た（臨S20-025）。平成30年（2018年）から令和元年（2019年）の２年間の臨床検査データを学習データとした。令和2年（2020年）から令和3年（2021年）の２年間の臨床検査データを検証データとした。
年齢、性と表１に示す臨床検査32項目のデータとともに、D-ダイマーが2 μg/mL以上の症例を抽出した。18歳未満を除外した後に、患者IDを連結可能匿名化した。重複例は、D-ダイマー値が一番高かった検査日のデータシートだけを残し、それ以外を除外した。
D-dimerが2.0μg/mL以上のTraining dataset 5158例（72時間以内の死亡241人、生存4917)とValidation dataset 5550(72時間以内の死亡309人、生存5241人）の転帰調査を終了した。
死亡の予測モデルを多重ロジスティック解析、勾配ブースティング決定木のXGBoostをプログラミング言語Pythonに組み込んだSHAP値による機械学習、ディープラーニングを応用した自動予測分析ソフト Prediction One (ソニーネットワークコミュニケーションズ(株))での解析を実施している。
学習データでの予測モデル確定後、Validation datasetにて、外的検証を行う予定である。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
多重ロジスティック解析、勾配ブースティング決定木のXGBoostをプログラミング言語Pythonに組み込んだSHAP値による機械学習、ディープラーニングを応用した自動予測分析ソフト Prediction Oneによる解析まで、概ね順調に伸展している。
|
| Strategy for Future Research Activity |
この解析比較結果を論文化し、英文校正を経て、国際雑誌に投稿する予定である。
|
