呼気ガスセンシングによる病状診断と予測アルゴリズム開発

2019 Fiscal Year Annual Research Report

• Project/Area Number: 17H01817
• Research Institution: Nara Institute of Science and Technology
• Principal Investigator: 作村 諭一 奈良先端科学技術大学院大学, 先端科学技術研究科, 准教授 (50324968)
• Co-Investigator(Kenkyū-buntansha): 池田 和司 奈良先端科学技術大学院大学, 先端科学技術研究科, 教授 (10262552) ; 申 ウソク 国立研究開発法人産業技術総合研究所, 材料・化学領域, 研究グループ長 (10357246) ; 宮内 睦美 広島大学, 医系科学研究科(歯), 教授 (50169265) ; 樋田 豊明 愛知県がんセンター(研究所), 分子腫瘍学分野, 研究員 (80250249) ; 伊藤 敏雄 国立研究開発法人産業技術総合研究所, 材料・化学領域, 主任研究員 (90377888) ; 赤松 貴文 国立研究開発法人産業技術総合研究所, 材料・化学領域, 主任研究員 (60635316)
• Project Period (FY): 2017-04-01 – 2020-03-31
• Keywords: 疾病診断 / 呼気成分 / ガスセンサ / 機械学習

Outline of Annual Research Achievements

【目的】呼気を中心とする非侵襲データに基づき、機械学習法により複数の疾患を診断することを目的とする。これまでの研究から、呼気成分を用いて高精度で疾病診断できることが分かっているが、本研究課題では、診断器およびガスセンサの性能向上、および疾病・健康状態の数値化による身体の状態推定を行う。複数の疾病を特異的に診断できることを示す。本研究課題の手法が確立されれば、様々な非侵襲データを統合することで、高い精度の健康診断が簡素に行うことが可能となる。その簡便性から医療現場の労力を大幅に削減できるだけでなく、被検者にとっても診断のための経済的・身体的・心的・時間的負担が大幅に軽減される。
【実施計画】機械学習による診断器、およびガスセンサの改良を行い、診断性能を向上する。健康状態の推定を行うため、個々のサンプルの疾患・健常レベルを定義し、数値化する。簡易ガスセンサの改良のため呼気内の重要成分に対する感度調整を行う。重要成分について、生理学・医学的な因果関係を検討する。
【結果】
質量分析器（約60種検知）と簡易ガスセンサ（4種検知）を用いて、同一呼気の成分を定量化した。同じ4成分で肺がんと健常者の診断をサポートベクターマシンにより行った結果、質量分析器とガスセンサの定量データによる診断性能は同程度であった。サンプル数を増やすことにより今後の性能向上が見込まれる。また、複数の疾病（歯周病・NASH・肝がん）および健常の診断を質量分析器による定量呼気データを用いて行った。LightGBMを用いた他クラス分類問題として診断した結果、AUC=0.87-0.99 の精度で診断が可能であることが分かった。3種の疾病の診断に固有の呼気成分を抽出した。アルゴリズム内の変数から健常サンプルの中で疾病が疑われるものが推定された。

Research Progress Status

令和元年度が最終年度であるため、記入しない。

Strategy for Future Research Activity

令和元年度が最終年度であるため、記入しない。

Research Products

• [Presentation] Machine learning diagnosis of multiple liver-related diseases by exhaled breath gas components (2019)
  • Author(s): Shingo Shirone, Mutsumi Miyauchi, Kazuhisa Ouhara, Hidemi Kurihara, Takashi Takata, Hideyuki Hyogo, Toshio Ito, Wosuck Shin, Akiko Tanaka, Kazuo Sato, Kazushi Ikeda and Yuichi Sakumura
  • Organizer: The 20th International Conference on Systems Biology
  • Int'l Joint Research