| Project/Area Number |
22K21082
|
|---|
| Research Category |
Grant-in-Aid for Research Activity Start-up
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
0908:Society medicine, nursing, and related fields
|
|---|
| Research Institution | Kyoto University |
|---|
Principal Investigator |
|
|---|
| Project Period (FY) |
2022-08-31 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥2,860,000 (Direct Cost: ¥2,200,000、Indirect Cost: ¥660,000)
Fiscal Year 2023: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2022: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
|
|---|
| Keywords | 造血幹細胞移植 / 移植片対宿主病 / 機械学習 / アンサンブル学習 / 生存時間解析 / 競合リスク / 慢性移植片対宿主病 / HLAエピトープ / 移植後シクロフォスファミド / 移植片対腫瘍効果 / ドナー選択 / 再発 / 予後予測 |
|---|
| Outline of Research at the Start |
造血幹細胞移植領域において、正確に予後を予測する事は治療方法の選択において重要である。本研究では、データベースを基にして移植後合併症に重要なタンパク質の一致度をアミノ酸レベルで予測するツール、並びに新たな機械学習手法を用いて、造血幹細胞移植後予後をより正確に予測する事ができるアルゴリズムを開発する事を目的とする。造血幹細胞移植後の予後を正確に予測する事は、移植ドナーソース、前処置や合併症予防といった移植方法を選択する為に重要であり、個々の症例に即した移植方法の選択に寄与する事ができる。
|
| Outline of Final Research Achievements |
We successfully developed a mid- to long-term prognosis prediction model incorporating these factors using stacked ensemble model. By taking into account post-transplant acute GVHD and its treatment, we demonstrated that the accuracy of the stacked ensemble model gradually improves over time, which underscores the significance of acute GVHD events in mid-to-long-term post-transplantation outcomes. Furthermore, to identify factors influencing prognosis, we used SHapley Additive Explanations, which revealed that severe acute GVHD is an important predictor of non-relapse mortality and overall survival, comparable to known prognostic factors such as sex matching, donor source, and pre-transplant disease status.
|
| Academic Significance and Societal Importance of the Research Achievements |
造血幹細胞移植は現代においても、再発・移植後合併症で約半数は病気の治癒が難しく、予後を予測して適応を慎重に判断していく必要がある。特に、移植後1年を過ぎた中長期の予後の予測は、移植後の合併症や治療の影響も受けることから現代においても難しい課題の一つである。本研究において、機械学習・アンサンブル学習を用いて、移植後の因子も取り入れた予後の予測を行う事で、従来よりも優れたモデルが開発できる事を示しており、将来の造血幹細胞移植の適応判断や治療法選択に生きるものと考える。
|
