| Project/Area Number |
23K06950
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 52020:Neurology-related
|
|---|
| Research Institution | Iwate Medical University |
|---|
Principal Investigator |
前田 哲也 岩手医科大学, 医学部, 教授 (70359496)
|
|---|
| Project Period (FY) |
2023-04-01 – 2026-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000)
Fiscal Year 2025: ¥520,000 (Direct Cost: ¥400,000、Indirect Cost: ¥120,000)
Fiscal Year 2024: ¥1,950,000 (Direct Cost: ¥1,500,000、Indirect Cost: ¥450,000)
Fiscal Year 2023: ¥2,210,000 (Direct Cost: ¥1,700,000、Indirect Cost: ¥510,000)
|
|---|
| Keywords | パーキンソン病 / 言語系AI / プロテオミクス / サブタイプ / 非構造化データ |
|---|
| Outline of Research at the Start |
パーキンソン病（PD）の治療には運動症状改善を目的としたドパミン補充療法が行われている。しかしドパミン補充療法は対症療法であり、根治療法はもとより、QOLを低下させる非運動症状や病気の進行による薬剤不応答に対する治療なども十分に確立されていない。治療初期に症状の生涯史の予測ができれば、その患者群に対して最適化した短期的治療方針や、長期的にもケア計画の立案など、医師および患者の意思決定に有益と考える。本研究では、診療記録など非構造化データから言語系人工知能（AI）を用いた自動検出システムにより臨床経過の鍵となるマイルストンの出現を予測し、診断早期に特徴的な患者サブタイプを見出す。
|
| Outline of Annual Research Achievements |
本研究の遂行準備として、研究組織の体制確保ための研究会議を複数回リモート開催した。これまでに構築した産学連携研究組織として、研究協力者3名と共に研究実施計画を確定した。計画過程で、言語系AIの開発およびそのデータ解析のため、新たに研究協力者を2名得ることができた。
本研究で使用するパーキンソン病190例の診療記録情報のクリーニング作業を開始した。個人情報などの排除作業、マシンラーニングに適したフォーマットへの変換作業、症例ごとに研究への適性を判断し、対象症例を確定する作業を行った。研究協力者が運営するクラウドサーバーに完成した診療記録データベースをセキュリティー確保下で電子的に格納して解析開始準備を行った。研究計画当初は診療記録情報の処理および登録に大半の研究費を要する見込みで本科研費を申請したが、研究協力者のエフォートを確保することができたため、使用予定の研究費は次年度へそのまま繰り越すこととした。
臨床的なサブタイプ確立のためパーキンソン病マイルストンの検討は済んでおり、すでに収集済みであった血漿サンプルとの突合を行って、ウエットマーカーによるサブタイプ分類を行うためにプロテオミクスの準備を開始した。全例分の凍結血漿を臨床データに基づいて抽出した。当初予定していたよりもより広範かつ多数例で、特にサイトカインおよび成長因子系のマーカーをもターゲットとして追加して、プロテオミクスを行うことが可能となったため、追加で症例抽出を行った。次年度実施するための準備を行うことができた。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
研究採択後、速やかに研究体制の確認と再編成を行うことができた。
診療記録データのクリーニングが順調に実施でき、研究協力者が運営するクラウドサーバーにセキュリティー確保下で電子的に格納することができた。
研究費用面での負担が軽減されたことで、ウエットマーカーの解析にプロテオミクスの手法を導入することが可能になり、そのための凍結血漿サンプルと臨床データの突合も研究期間内に行うことができた。実施は2024年度に行うため外部委託会社との見積りなどを依頼、収集して年度を終えることができた。
|
| Strategy for Future Research Activity |
2024年度は診療記録データのマシンラーニングを推進し、臨床データベースとの統計学的な解析を推進する。同時に凍結血漿サンプルを用いたプロテオミクスを行うため、委託会社との交渉を行い選定する。選定後は速やかにサンプルを供与し測定を進める。得られた結果をもとにウエットマーカーにおけるサブタイピングを行い臨床データとの関連を統計学的に解析する。また、言語系AIの分析処理が間に合えば診療記録データから得られたサブタイプとも統計学的な分析を行う予定である。得られた結果に対して作業仮説との考察を行い、国内外の学会に報告するために、演題を登録するところまで進めることとを目標とする。
|
