小児がん及びヒト多能性幹細胞に対する畳込ニューラルネットワークによる分類器の創成
| Project/Area Number |
23K20315
|
|---|
| Project/Area Number (Other) |
20H03462 (2020-2023)
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Multi-year Fund (2024)
Single-year Grants (2020-2023) |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 49020:Human pathology-related
|
|---|
| Research Institution | National Center for Child Health and Development |
|---|
Principal Investigator |
梅澤 明弘 国立研究開発法人国立成育医療研究センター, 再生医療センター, 部長 (70213486)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
三上 修治 独立行政法人国立病院機構埼玉病院(臨床研究部), 診療部, 病理診断部長 (20338180)
青砥 早希 国立研究開発法人国立成育医療研究センター, バイオバンク, (非)研究員 (60775972)
菅原 亨 横浜市立大学, 生命医科学研究科, 准教授 (70553460)
岡村 浩司 国立研究開発法人国立成育医療研究センター, システム発生・再生医学研究部, 室長 (80456194)
|
|---|
| Project Period (FY) |
2020-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥17,290,000 (Direct Cost: ¥13,300,000、Indirect Cost: ¥3,990,000)
Fiscal Year 2024: ¥3,380,000 (Direct Cost: ¥2,600,000、Indirect Cost: ¥780,000)
Fiscal Year 2023: ¥3,380,000 (Direct Cost: ¥2,600,000、Indirect Cost: ¥780,000)
Fiscal Year 2022: ¥3,380,000 (Direct Cost: ¥2,600,000、Indirect Cost: ¥780,000)
Fiscal Year 2021: ¥3,380,000 (Direct Cost: ¥2,600,000、Indirect Cost: ¥780,000)
Fiscal Year 2020: ¥3,770,000 (Direct Cost: ¥2,900,000、Indirect Cost: ¥870,000)
|
|---|
| Keywords | 機械学習 / バイオビッグデータ / 小児がん診断システム / 多能性幹細胞 / テラトーマ |
|---|
| Outline of Research at the Start |
現象・生命情報に関するビッグデータの効率的活用は、活気ある持続可能な社会を構築していくための大きな役割を果たすことになる。内閣府ではSociety 5.0の構築として、国を挙げてAIの活用に向けた技術開発を推進している。本研究では、機械学習技術・Information Retrieval技術のバイオビッグデータへの応用として細胞評価技術を確立し、①小児がんに対する機械学習システムの実装による評価技術の開発と超早期診断技術の構築、②テラトーマの病理組織像の機械学習解析による多能性幹細胞の形質、分化指向性の同定の実現を目指す。
|
| Outline of Annual Research Achievements |
前年度までの研究を継続するとともに大規模機械学習を用いたテラトーマ評価に注力した。特に機械学習によるテラトーマ評価を行った。既存技術では、比較的検知しやすい情報のみを拾い上げ、テラトーマの組織構成としている。これはテラトーマから得られる 形態情報のうち、ごく一部のみを利用しているに過ぎない。数千カ所のミクロな病理組織情報を積み重ねた結果によるマクロな特性の発見は既存技術を用いた指標では限界がある。また、既存の機械学習ツールは、何万個のオーダーの特徴を利用したタスクを想定していない。畳み込みニューラルネットワークの機械学習アルゴリズムでは数万個の特徴を用いた分類問題を解く事で、テラトーマ組織像における豊富な情報をフルに活用することが可能である。本課題は、小児がんに関するゲノム、画像、数値によるビッグデータと機械学習を基本としたIT技術の融合により、小児がん診断システムのスタンダードを確立するための一翼を担うことが可能である。日本発の小児がんビッグデータ活用技術と小児がんの超早期診断の確立は世界に大きなインパクトを与えるのみならず、情報分野におけるグローバルスタンダードとなる可能性を有している。本研究では、機械学習技術・Information Retrieval技術のバイオビッグデータへの応用として細胞評価技術を確立し、①小児がんに対する機械学習システムの実装による評価技術の開発と超早期診断技術の構築、②テラトーマの病理組織像の機械学習解析による多能性幹細胞の形質、分化指向性の同定の実現を目指す。バイオビッグデータと機械学習を基本としたIT技術の融合により小児がん診断システム及びヒト多能性幹細胞評価システム構築することは、蓄積されたビッグデータの有効利用であり、情報分野におけるグローバルスタンダードとなる可能性を有している。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
本研究を遂行するにあたり、研究代表者と分担研究者の連携が不可欠であり、倫理的配慮を伴った試料の提供、データサイエンティストの解析およびディスカッションが重要となる。その意味で、本研究チームでは試料の供給体制、データの前処理から解析への移行、研究者同士のディスカッションが定期的に行われているため、概ね順調に推移していると判断している。小児がん（固形癌、リンパ腫、白血病）の性質を正確に理解、評価のスタンダードは未だ確立していない。マイクロアレイや次世代シークエンサーによる解析が一般化されつつあり、小児がんの内包する遺伝子発現やエピゲノムの広大な総合ネットワークの網羅的情報が利用できるようになってきた。しかし、これら膨大なデータを利用した小児がん評価法の大部分は一部の特異的マーカーの取得に限った選択的な利用法であり、ビッグデータのほとんどが活用されていない。小児がんの性質は、限られた遺伝子の働きのみで規定されるものではなく、固有の広大なゲノムネットワーク、Ｘ線画像、細胞表面マーカーで規定されているのは異論のないところである。小児がんの性質を正確に理解、評価するには、このネットワークに関わる多様な因子を包括的に解析、検定、評価することが必要であり、そのためにはバイオビッグデータの解析方法の創生が必須となる。
|
| Strategy for Future Research Activity |
前年度までの研究を継続する。最終年度であるため、データのとりまとめと研究の成果発表に向けた準備を開始する。データの解析に関しては継続して実施していく。遺伝子に着目したテラトーマへの理解と大規模機械学習によるテラトーマの評価は、バイオビッグデータと機械学習を基本としたIT技術の融合により小児がん診断システム及びヒト多能性幹細胞評価システム構築に大きく貢献する。蓄積されたビッグデータの有効利用であり、情報分野におけるグローバルスタンダードとなる可能性を有していると同時に、テラトーマへの科学的な理解に対する新たな礎となるものである。
|
Report
(4 results)
Research Products
(1 results)
