Study of development and evaluation of signal detection system for side effects due to drug interaction using deep learning

2019 Fiscal Year Annual Research Report

• Project/Area Number: 17K09238
• Research Institution: Kagoshima University
• Principal Investigator: 熊本 一朗 鹿児島大学, 医歯学総合研究科, 客員研究員 (40225230)
• Co-Investigator(Kenkyū-buntansha): 村永 文学 鹿児島大学, 医歯学総合研究科, 客員研究員 (00325812) ; 宇都 由美子 鹿児島大学, 医歯学域医学系, 准教授 (50223582) ; 岩穴口 孝 鹿児島大学, 医歯学域鹿児島大学病院, 助教 (80619198)
• Project Period (FY): 2017-04-01 – 2020-03-31
• Keywords: 機械学習 / tensorflow / 医薬品有害事象 / シグナル検知 / Doc2Vec

Outline of Annual Research Achievements

我々は過去の研究において、医薬品の相互作用による有害事象のシグナルを検知するシステムを開発し、そのアルゴリズムとして、ニューラルネットワークによる分析が、膨大な薬剤種であっても分析可能である等、実用的であることを見出した。しかし、白血球減少等の特定の症状を発症した患者の薬歴から相互作用を起こしている可能性の薬剤を発見するにとどまった。有害事象は、肝障害、腎障害等、多種多様な症状を呈しする。この有害事象の発症の発見を自動化する必要があった。
本研究では、近年、人工知能として注目されている多層化ニューラルネットワーク（ディープラーニング）を、本システムのシグナル検知機能に応用し、さらなる改良を行った。昨年度は、電子カルテに医療従事者が入力した自由文記載をGenSimライブラリのDoc2Vecを利用し、医薬品有害事象のシグナル検知を行う手法の評価を実施した。本年度は、時系列かつ量的データである検査結果データ及び定量化された症候を画像化し、多層化ニューラルネットワークであるGoogleのtensorflowを利用して機械学習させ、シグナル検知の行う手法の評価を実施した。
具体的には、画像の横軸を時間軸とし、１日１ピクセルと設定。縦軸を項目軸とし、身長、体重、体温、症状の有無と強さ、検査項目を縦軸とし、ピクセルの値は絶対値ではなく、健常者データ（厚生労働省統計データ及び臨床検査センターの基準範囲）と比較し、偏差として表現した。学習用の対照群としては、健常者データを各項目が基準範囲内に正規分布するように乱数で１万例。疾患群としては、大学病院に入院中の患者のデータより、汎血球減少、肝障害、腎障害等を発症した群を、機械学習用に１００例、評価用に１０例ずつ抽出し画像化した。作成した画像をtensorflowで学習させ、評価用データで疾患群を判別可能か評価を行った。解析結果は成果報告書に記載する。