| Project/Area Number |
22K19660
|
|---|
| Research Category |
Grant-in-Aid for Challenging Research (Exploratory)
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Medium-sized Section 58:Society medicine, nursing, and related fields
|
|---|
| Research Institution | Fukuoka University |
|---|
Principal Investigator |
有馬 久富 福岡大学, 医学部, 教授 (20437784)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
前田 俊樹 福岡大学, 医学部, 准教授 (50555555)
原田 勝孝 福岡大学, 経済学部, 准教授 (30738810)
西 巧 福岡県保健環境研究所, その他部局等, 研究員 (20760739)
三浦 伸一郎 福岡大学, 医学部, 教授 (20343709)
小川 正浩 福岡大学, 医学部, 教授 (70341485)
廣松 賢治 福岡大学, 医学部, 教授 (80252237)
平井 郁仁 福岡大学, 医学部, 教授 (10389356)
吉村 力 福岡大学, 医学部, 准教授 (20511885)
川添 美紀 福岡大学, 医学部, 講師 (30469374)
佐藤 敦 福岡大学, 医学部, 講師 (60816263)
阿部 真紀子 福岡大学, 医学部, 講師 (10909617)
|
|---|
| Project Period (FY) |
2022-06-30 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥6,370,000 (Direct Cost: ¥4,900,000、Indirect Cost: ¥1,470,000)
Fiscal Year 2024: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2023: ¥2,470,000 (Direct Cost: ¥1,900,000、Indirect Cost: ¥570,000)
Fiscal Year 2022: ¥2,470,000 (Direct Cost: ¥1,900,000、Indirect Cost: ¥570,000)
|
|---|
| Keywords | 腸内細菌 / 動脈硬化 / AI / 機械学習 / 人工知能（AI) / 前向きコホート研究 / ケースコホート研究 |
|---|
| Outline of Research at the Start |
本研究では、動脈硬化を予測する腸内細菌を、人工知能（AI）の一分野である機械学習を用いて検討します。機械学習を用いることにより、従来の統計手法の限界（約1000種類の腸内細菌を同時に解析できない問題等）を克服することが可能となります。本研究を実施することにより、動脈硬化の進展/予防につながる腸内細菌を明らかにし、動脈硬化予防技術の創出につなげ、健康寿命を延伸するとともに、医療費・介護費の最適化にも貢献しうるものと期待されます。
|
| Outline of Annual Research Achievements |
本研究の目的は、現在進行中である福岡県地域一般住民1500名を対象とする前向きコホート研究のデータをもちいて、人工知能（AI）の一分野である機械学習を実施し、動脈硬化（胸腹部CTで評価した冠動脈・大動脈石灰化）を予測する腸内細菌を明らかにすることである。
2023年度は、以下の作業をおこなった。
前向きコホート研究：福岡県の地域一般住民を対象とした前向きコホート研究（福岡動脈硬化疫学研究：FESTA）を2019年に開始しているが、2023年度は長崎県を新たなフィールドに加えた。福岡県において129名、長崎県において47名、計176名から研究参加の同意を取得した。そのうち、173名については、胸腹部CT検査まで実施した。2023年度までの研究参加者総数は約1100名で、そのうち約800名において胸腹部CT検査を実施している。
フィールド調査：参加者から文書による研究参加の同意を得て、以下の調査をおこなった。①問診（喫煙歴、飲酒歴、病歴、生活習慣など）、身体計測、血液生化学検査、尿検査、②携帯型活動量計による活動量測定、睡眠検査、③Multidetector CT（MDCT）：冠動脈・大動脈石灰化については、トレーニングされた研究者が胸腹部CTのDICOM画像および医用画像解析ソフトを用いて評価し、Agatston scoreを算出した。④腸内細菌の同定：便検体を採取し、次世代シークエンサーを用いて16S rRNA遺伝子のV3-V4領域を系統的に解析し、属・種よりさらに細かいOTU（Operational Taxonomic Unit）レベルまで同定した。
データベースの整備：検査結果のデータ入力を行った。また、外れ値や欠損値を随時確認することにより、データクリーニングを実施した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
新たに176名から同意を取得し、腸内細菌検査、胸腹部CT検査、画像解析、データベースの整備を実施した。したがって、おおむね順調に進展していると考える。
|
| Strategy for Future Research Activity |
今後も、以下の作業をおこなってゆく
前向きコホート研究：福岡県における住民健診受診者に、研究者から研究内容の説明を行い、研究参加の同意をいただく。
フィールド調査：参加者から文書による研究参加の同意を得て、以下の調査をおこなう。①問診（喫煙歴、飲酒歴、病歴、生活習慣など）、身体計測、血液生化学検査、尿検査、②携帯型活動量計による活動量測定、睡眠検査、③Multidetector CT（MDCT）：冠動脈・大動脈石灰化については、トレーニングされた研究者が胸腹部CTのDICOM画像および医用画像解析ソフトを用いて評価し、Agatston scoreを算出する。④腸内細菌の同定：便検体を採取し、次世代シークエンサーを用いて16S rRNA遺伝子のV3-V4領域を系統的に解析し、属・種よりさらに細かいOTU（Operational Taxonomic Unit）レベルまで同定する。
データベースの整備：検査結果のデータ入力を行う。また、外れ値や欠損値を随時確認することにより、データクリーニングを実施する。
人工知能（AI）の一分野である機械学習を用いた検討：機械学習のひとつであるスパース・モデリングの手法を用いて、動脈硬化の進展/予防につながる腸内細菌を明らかにする。
|
