時系列データベースを活用した生活習慣病予測モデルの構築および検証
Project/Area Number |
22K11891
|
Research Category |
Grant-in-Aid for Scientific Research (C)
|
Allocation Type | Multi-year Fund |
Section | 一般 |
Review Section |
Basic Section 59040:Nutrition science and health science-related
|
Research Institution | Fujita Health University |
Principal Investigator |
齋藤 邦明 藤田医科大学, 保健学研究科, 教授 (80262765)
|
Co-Investigator(Kenkyū-buntansha) |
山本 康子 藤田医科大学, 保健学研究科, 准教授 (00331869)
寺本 篤司 藤田医科大学, 保健学研究科, 教授 (00513780)
藤垣 英嗣 藤田医科大学, 保健学研究科, 准教授 (00612631)
|
Project Period (FY) |
2022-04-01 – 2025-03-31
|
Project Status |
Granted (Fiscal Year 2022)
|
Budget Amount *help |
¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000)
Fiscal Year 2024: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000)
Fiscal Year 2023: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
Fiscal Year 2022: ¥1,690,000 (Direct Cost: ¥1,300,000、Indirect Cost: ¥390,000)
|
Keywords | 先制医療 / 生活習慣病予測モデル / 時系列データベース |
Outline of Research at the Start |
時系列データを用いて機械学習による生活習慣病予測モデルの構築と検証を行い、生活習慣病発症予測を目指す。機械学習モデルにてハイリスクと特定された群において、低侵襲性医療器セルフモニタリング(科学的データに基づいたリスク値の見える化)およびモデルによる個人に最適な改善法の提案が行動変容に与える影響について検討を行う。本研究により生活習慣病発症リスクモデルが確立され、また低侵襲性医療器セルフモニタリングや健康指導による改善効果が明らかとなれば、個々人の健康状態の可視化が可能となり、先制医療の実現を可能とする次世代ヘルスケア基盤の確立につながる。
|
Outline of Annual Research Achievements |
がん、循環器疾患、糖尿病、慢性閉塞性肺疾患などの生活習慣病は、医療費の約3割、死亡者数の約6割を占めており、少子高齢化の進む我が国において、その予防に向けた取り組みは、大変重要である。生活習慣病における共通した課題として、“健康習慣の改善にむけた取り組みが継続されない”という点が、統計的にも示されている。 上記課題を改善するために自己の健康状態のリスクの可視化、セルフモニタリングおよび地域医療を中心とした介入が、健康習慣の改善に与える影響を明らかにする。本研究は、時系列データベースを用いて、機械学習により生活習慣病特異的振る舞いモデルの作成を行い、生活習慣病予測モデルを確立する事を目指す。 本年度は、暦年的に採取された検診データおよび各種問診データ(食習慣、ストレス、抑うつ、運動量、痛み)を含むデータベースの構築を行った。 データベースは、対象者3746例、サンプル数は10967検体からなり、糖尿病、高血圧、脂質異常症などに健常から変化した症例を402例、1289検体を含んでいた。その中でも糖尿病に着目し、健診データおよび食習慣による主成分分析を行った所、糖尿病予備群は健常群と異なった分布を示した。また検査値項目では、糖尿病発症5年前から空腹時血糖やHbA1cの上昇が認められた。さらに機械学習による予測モデルの構築を行った所、糖尿病予備群の検出率は、発症5年前において、83.9%の検出率であった。本検討により発症数年前から検査値項目および食習慣調査表による糖尿病予備群の予測が可能となる事が明らかとなった。
|
Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
生活習慣病予測モデル作成のためのデータベースを構築し、モデルの構築および検証が進んでいるため、おおむね順調に進展している。
|
Strategy for Future Research Activity |
本年度構築した糖尿病予備群予測のための機械学習モデルを用いて、実際に予備群から疾患群に変化した群の暦年的なデータが予測可能かの検証を行う。同様に合併症発症モデルにおいても機械学習モデルの確立および検証を行う。さらには、データベースに含まれているその他の生活習慣病についても、予測モデルの構築を行っていく。予備群に特定された集団のクラスタリング解析を行い、予備群のサブタイプ分類を行うことで、予備群の中でも疾患発症に最も寄与している因子の解析を行う。
|
Report
(1 results)
Research Products
(5 results)
-
[Journal Article] The Trajectory of the COVID-19 Vaccine Antibody Titers Over Time and the Association of Mycophenolate Mofetil in Solid Organ Transplant Recipients.2022
Author(s)
Sakai A, Morishita T, Suzumura K, Hanatate F, Yoshikawa T, Sasaki N, Lee S, Fujita K, Hara T, Araki H, Tagami A, Murayama M, Yamada R, Iwata A, Sobajima T,Kasahara Y, Matsuzawa Y, Takemura M, Yamamoto Y, Fujigaki H, Saito K, Tsurumi H, Matsunami H.
-
Journal Title
Transplant Proc.
Volume: 54(10)
Issue: 10
Pages: 2638-2645
DOI
Related Report
Peer Reviewed
-
-
[Journal Article] Validation of the Martin method to estimate low-density lipoprotein cholesterol concentrations in Japanese populations and a modified method for laboratory information system application.2022
Author(s)
Ishida H, Yamamoto Y, Saito M, Ishihara Y, Fujita T, Ishida M, Kato Y, Nohisa Y, Matsunami H, Takemura M, Hata T, Ito H, Saito K.
-
Journal Title
Ann Clin Biochem.
Volume: 59(5)
Issue: 5
Pages: 316-323
DOI
Related Report
Peer Reviewed
-
-