2021 Fiscal Year Research-status Report
Development of prediction method for drug-induced kidney injury using medical big data and machine learning
| Project/Area Number |
20K16050
|
|---|
| Research Institution | Nagoya City University |
|---|
Principal Investigator |
安部 賀央里 名古屋市立大学, 医薬学総合研究院(薬学), 講師 (70440625)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Keywords | 薬剤性腎障害 / 医療情報データベース / 有害事象自発報告データベース / 機械学習 |
|---|
| Outline of Annual Research Achievements |
本研究では、有害事象自発報告データベースと病院情報システムの医療情報を活用し、機械学習を用いて患者の時系列データや医薬品の化学構造情報から、薬剤性腎障害の発症リスクの高い患者の予測ならびに原因薬剤を特定することを目的とした。
令和3年度は、PMDAによる医薬品副作用データベース（JADER）に加えて、FDAが公開しているFARES（JAPIC AERSを使用）を用いて、薬剤性急性腎障害（AKI）を発症する医薬品の情報を追加した。シグナル検出法（ROR法）と報告件数を用いて薬剤性AKIを発症する陽性医薬品と、発症する可能性が低い陰性医薬品を抽出した。JADERとJAPIC AERSのデータを統合し、学習データとした。医薬品の化学構造情報である分子記述子から、薬剤性AKIを発症する可能性が高い医薬品を判別するモデルを構築した。複数のアルゴリズムを組み合わせたアンサンブル学習を行い、入れ子式の交差検証を用いてモデルの性能を評価したところ、判別モデルの予測性能の評価指標であるROC-AUCが0.82を示し、JADER単独のモデルよりも高い性能が得られた。
また、病院情報システムの電子カルテ情報を用いた患者ごとの薬剤性AKI発症リスクモデルについては、倫理審査委員会の承認が得られたため、名古屋市立大学病院の電子カルテ情報から該当する医薬品が処方された患者データを抽出した。10年分の電子カルテ情報から、抗悪性腫瘍薬（シスプラチン、免疫チェックポイント阻害薬）、抗菌薬（アミノグリコシド系、バンコマイシン、βラクタム系）を対象として、患者情報（年齢、性別、身長、体重）、対象とした医薬品および併用薬の処方情報、血液検査や生化学検査等の検査値に関する情報を抽出し、データ分布等の確認を開始した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
令和3年度の計画では、有害事象自発報告データベースとしてFAERSを追加して薬剤性腎障害に関する医薬品ごとの予測モデルの構築を予定していたが、計画通り実施できた。加えて、名古屋市立大学病院の電子カルテ情報を利用するにあたり、倫理審査委員会からも承認され、対象医薬品が処方された患者データの抽出が完了した。現在、薬剤性腎障害を発症した患者と発症していない患者の特定を進めており、本研究はおおむね順調に進展していると判断できる。
|
| Strategy for Future Research Activity |
令和3年度にデータの抽出を開始した電子カルテ情報を用いて、対象医薬品が処方された患者データから薬剤性AKIを発症した患者と発症していない患者の特定を行う。薬剤性AKIに関連するリスク因子を説明変数として、患者ごとのAKI発症の有無を判別する機械学習モデルを作成する。予測モデルにおいて、どの説明変数がAKI発症の判別に寄与しているかを確認し、説明性の高い予測モデルを目指す。
|
| Causes of Carryover |
今年度は予測モデル構築に関する検討や病院情報の予備検討を行った。病院情報の解析では、対象医薬品ごとに異なるモデルを構築する必要があるため、複数のデータ解析環境を構築する必要性から次年度使用額が生じた。
次年度は、病院情報の電子カルテ情報を用いたモデル構築を予定しており、処理能力の高いハードウェア環境の構築やデータのセキュリティ対策として使用する予定である。
|
