因果推論手法を用いた細胞療法の最適化アルゴリズムの開発

• Project/Area Number: 24K19198
• Research Category: Grant-in-Aid for Early-Career Scientists
• Allocation Type: Multi-year Fund
• Review Section: Basic Section 54010:Hematology and medical oncology-related
• Research Institution: Kyoto University
• Principal Investigator: 城 友泰 京都大学, 医学研究科, 助教 (20894348)
• Project Period (FY): 2024-04-01 – 2027-03-31
• Project Status: Granted (Fiscal Year 2024)
• Budget Amount: ¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000); Fiscal Year 2026: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000); Fiscal Year 2025: ¥1,690,000 (Direct Cost: ¥1,300,000、Indirect Cost: ¥390,000); Fiscal Year 2024: ¥1,950,000 (Direct Cost: ¥1,500,000、Indirect Cost: ¥450,000)
• Keywords: 機械学習 / 同種造血幹細胞移植 / キメラ抗原受容体Ｔ細胞療法

Outline of Research at the Start

同種造血幹細胞移植やキメラ抗原受容体T細胞療法に代表される細胞療法は難治性血液疾患を治癒に導き得るが、治療後の原疾患再発と、治療合併症が多いことから、治療法の最適化が望まれている。本研究では、機械学習に基づく因果推論を適用することで、大規模臨床データを多数の因子について、各因子が予後に与える影響の不均質な重みを個別症例レベルで評価するとともに、各因子への介入によって恩恵を受けられる患者群の同定を行う。これにより、細胞療法に関わる新しい予後因子の抽出と、個別症例における細胞療法の最適化を目指す。本研究によって難治性血液疾患の予後改善への貢献が期待される。