Machine-learning based approach for cellular therapy in hematological malignancy
| Project/Area Number |
22K16321
|
|---|
| 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 | Kyoto University |
|---|
Principal Investigator |
新井 康之 京都大学, 医学研究科, 助教 (10826564)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000)
Fiscal Year 2024: ¥520,000 (Direct Cost: ¥400,000、Indirect Cost: ¥120,000)
Fiscal Year 2023: ¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000)
Fiscal Year 2022: ¥2,340,000 (Direct Cost: ¥1,800,000、Indirect Cost: ¥540,000)
|
|---|
| Keywords | 機械学習 / 造血器疾患 |
|---|
| Outline of Research at the Start |
白血病やリンパ腫などの難治性造血器疾患に対しては、同種造血幹細胞移植が根治的治療と位置づけられ、年々移植件数は増加しているが、治療に伴う感染症や臓器障害などの合併症も多く、一般的に移植関連死亡率は3割前後と高率である。そこで、本研究ではレジストリデータの機械学習による網羅的解析を行い、これによって、GVHDなど移植後予後・QOL規定因子のリスク評価を可能にするアルゴリズムを確立し、前処置やドナー選択、GVHD予防法に関して、症例毎に最も優れた治療成績が期待できる最適化移植プロトコール提言を実現する。
|
| Outline of Annual Research Achievements |
引き続き大規模レジストリデータを用いて、機械学習により複数のアウトカム使用に関して検討を行っている。その結果、高率の予測が可能になった。機械学習モデルとして、ニューラルネットワークその他、複数のモダリティを用いることにより、精度を上げるとともに、臨床的により使いやすい形になるように修正を続けている。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
2023年度に論文を1本出版した。また、2023年度の成績を元に、2024年度にも学会発表、論文執筆を行う予定である。
|
| Strategy for Future Research Activity |
様々な新技術を導入し、さらに使い勝手の良いかつ予測成績の良いモデルを作成し、臨床現場に還元できるように工夫を行う。
|
Report
(2 results)
Research Products
(1 results)
