リウマチ治療最適化に資する個人データメタ解析に基づく個別化治療アルゴリズムの開発

• Project/Area Number: 22K21112
• 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: LUO YAN 京都大学, 医学研究科, 特定助教 (10963308)
• Project Period (FY): 2022-08-31 – 2024-03-31
• Project Status: Granted (Fiscal Year 2022)
• Budget Amount: ¥2,340,000 (Direct Cost: ¥1,800,000、Indirect Cost: ¥540,000); Fiscal Year 2023: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000); Fiscal Year 2022: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000)
• Keywords: 個人データメタ解析 / 個別化治療 / 予測アルゴリズム / 関節リウマチ

Outline of Research at the Start

関節リウマチは関節の変形をきたす難病であり、患者の生活の質QOLを低下させる。QOLの維持・改善のためには、各患者に対し最適な治療薬を早期に投与することが望ましい。しかし、従来のエビデンスでは、各種リウマチ治療薬に対する患者個人への有効性を予測できない。そのため、実臨床では患者に対し不適切な薬が処方される場合があり、QOLの悪化と不要な治療費増加につながっている。本研究の目的は、各患者に最適な治療選択の予測に資する個別化医療アルゴリズムを開発することである。この個別化アルゴリズムをもとに新たな治療選択ツールを創出することで、患者のQOLの向上及び医療コストの適正化が期待される。

Outline of Annual Research Achievements

関節リウマチは関節の変形をきたす難病であり、患者の生活の質QOLを低下させる。QOLの維持・改善のためには、各患者に対し最適な治療薬を早期に投与することが望ましい。しかし、従来のエビデンスでは、各種リウマチ治療薬に対する患者個人への有効性を予測できない。そのため 、実臨床では患者に対し不適切な薬が処方される場合があり、QOLの悪化と不要な治療費増加につながっている。本研究の目的は、各患者に最適な治療選択の予測に資する個別化医療アルゴリズムを開発することである。
今年度に主にデータ収集・処理をしていた。具体的に、関節リウマチに関するランダム化比較臨床試験を網羅的に検索し包含基準を満たす研究を同定した。個人データをvivli.orgという第三者プラットフォームに申請し、独立した審査委員会から承認を受けた。その後、試験の主要研究者にデータを匿名化しプラットフォームにアップロードされ、データにアクセスし処理していた。入手した臨床試験計63件であり、個々の試験において、各変数の定義や変数名が違っているため、データ統合の必要がある。現在データクリーニングに取り組んでいる。

Current Status of Research Progress

3: Progress in research has been slightly delayed.

Reason

予定通り、臨床試験の個人データ使用に関する申請が承認されており、計63件の試験の個人データを取得しdata harmonizationを開始している。当初は今年度内にデータ処理を完了する予定であったが、作業には想定以上に時間がかかっている。原因としては、発表されていないデータが多く含まれており、変数名インデックスも公開されていないなどを考えている。個々の変数名が何を指しているのかを特定するため、データの提供者に連絡し返答を待つことが繰り返されている。また、個々の試験の変数定義がかなり異なっていたため、63件の試験データを統合することにも予想以上に時間がかかっている。

Strategy for Future Research Activity

まずは引き続きdata harmonizationをする。完了した上で、
①本研究チームが開発した新しい二段階アプローチでモデルを構築する。第一段階では、個々の患者のベースラインリスクをベースライン特性から、交互作用項のないロジスティック回帰モデルで予測する。第二段階で、上記のベースラインリスクを変数として、個人デー タネットワークメタ解析のベイズメタ回帰モデルに投入し、ベースラインリスクと治療の交互作用項も同時に入れる。第二段階モデルから、特定のベースラインリスクを持つ患者は、それぞれの治療への奏功率・それぞれ比較したリスク差・リスク比が予測できる。
②結果の可視化と解釈：臨床現場の医師と患者の意思決定を促進するため、予測した治療効果を医師と患者にわかりやすく提示することが望ま しい。そのため、患者のベースライン特性を 入力することで特定の薬に関して予測される奏功率と、他の薬と比較したリスク差・リスク比が インタラクティブに可視化されるR shinyウェブアプリを作る予定である。