2019 Fiscal Year Research-status Report
Development of artificial intelligence system to support postoperative chemotherapy
| Project/Area Number |
19K09172
|
|---|
| Research Institution | Osaka University |
|---|
Principal Investigator |
佐藤 太郎 大阪大学, 医学系研究科, 寄附講座教授 (40368303)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
今野 雅允 大阪大学, 医学系研究科, 寄附講座講師 (80618207)
石井 秀始 大阪大学, 医学系研究科, 特任教授(常勤) (10280736)
小関 準 大阪大学, 医学系研究科, 特任助教(常勤) (20616669)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Keywords | 化学療法 / 人工知能 / シークエンス |
|---|
| Outline of Annual Research Achievements |
我々は人工知能が最も得意とする画像認識技術に着目しこれを、がんの化学療法に応用する ことを目指した。がん細胞のDNA, RNAシークエンスを実施し、そのデータを基に効果のある抗がん剤の組み合わせを決定することができれば、術後化学療法の効果は飛躍的に上昇し結果としてがんの予後改善につながると考えられる。そこで本研究では約200種のがん細胞のDNA,RNAシークエンスデータおよび各々の細胞の265種の抗がん剤への感受性データから人工知能(AI)を用いて深層学習を行いDNA,RNAシークエンスデータから最適な抗がん剤の組み合わせを導き出す治療支援システムの構築を目指した。
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
DNA, RNAシークエンスデータは先述の通り1x200,000のような非常に横長の行列型式となっている。これは深層学習には向いていないデータ形式であるが、本研究計画ではこのデータを変換し正方形に近い型の行列型式へと変換するシステム(二次元バーコード化)の構築に取り組んだ。これは世界的に見てもオリジナルな手法であり、このデータ形式の変換およびそれを用いた深層学習に成功すればDNA, RNAシークエンスデータの新たな解析法として世界中で利用され、これまで気がつくことのできなかった生命現象を捉えることできるようになる可能性がある。また本研究は医療分野における超スマート社会の実現として、臨床サンプルのDNA, RNAシークエンスデータから抗癌剤の効果予測を行う研究でありこれまでに類を見ない。これに成功すれば現状の画一的な抗がん剤治療からの脱却が可能となり、真の個別化がん治療の実現、さらにはがんを撲滅させることが可能となった。
|
| Strategy for Future Research Activity |
(1)DNA, RNAシークエンス情報の二次元バーコード化 イギリスサンガー研究所が保有する約200種類のがん細胞のRNAシークエンスデータ、およびDNAシークエンスデータを用いてデータの二次元バ ーコード化を行うためのシステム構築を行う。データからは各遺伝子のスプライシング情報も読み取ることができる。またDNAシークエンスデータからはそれぞれの遺伝子内に 存在するミューテーション情報が含まれている。これらの情報を統合し深層学習にしようしやすいデータ形式に変換するために下記の方法によ り二次元バーコード化を行う。1.DNA上に存在する遺伝子のエキソン領域を染色体ごとに横一列に並べる。2.並べたエキソン領域の位置に遺伝 子発現情報を量的情報に基づいて線の長さで表現する。3.DNAシークエンス情報を基にエキソン内のミューテーションの位置をプロットする。 これらの作業を自動化するソフトウエアを開発し、上記約200種類のがん細胞のシークエンス情報の二次元バーコード化を行う。
(2)二次元バーコードを利用した最適抗がん剤選択システムの開発 作成した各がん細胞の二次元バーコードデータとそれに対応する既存の抗がん剤への感受性データを用いて深層学習を行う。そして、畳み込みニューラルネットワークを用いて学習を 行う。CNNの学習には初期値の設定が重要であり、初期値の改変により識別の精度を上昇させる。
(3) 臨床検体情報を用いた治療法決定の最適化オペにより摘出したがん細胞を用いて実装したCNNの効果検討を行う。臨床検体のシークエンスを行い、情報の二次元バーコード化を行う。実装したCNNを用いて最適な抗がん剤の組み合わせの決定を行う。同臨床検体を用いてマウス移植モデルを作成、人工知能により導き出された効果的抗がん剤の組み合わせで治療を行い、効果検討を行う。
|
