2021 Fiscal Year Research-status Report
経時的遺伝子発現解析を用いた敗血症慢性重症経過の病態解明と予測モデル構築
| Project/Area Number |
21K09067
|
|---|
| Research Institution | Tokyo Medical and Dental University |
|---|
Principal Investigator |
内御堂 亮 東京医科歯科大学, 東京医科歯科大学病院, 特任助教 (70883643)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
長谷川 嵩矩 東京医科歯科大学, M&Dデータ科学センター, 准教授 (80753756)
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Keywords | 敗血症 / データサイエンス / 重症新型コロナウィルス感染症 / 死亡予測モデル / デジタル・トランスフォーメーション |
|---|
| Outline of Annual Research Achievements |
本研究の目的は重症感染症患者においてに経時的に遺伝子の発現量の解析をおこなうものだが、研究初年度はコロナ禍であり通常診療とは異なる診療が実践されていたため、研究の初年度としては集中治療室で生まれる経時的な医療データを取得するための研究基盤を整えることとした。医療データは電子カルテ（血液検査結果やレントゲン写真、カルテなどが記録される）、集中治療室専用の部門システム（血圧や脈拍、使用された薬剤などが記録される）、医療気機器（人工呼吸器や透析装置など）本体に保存されている。それぞれのデータサーバーに自動的に記録される経時的な臨床データを、それぞれのデータサーバーから抽出し、かつ抽出したバラバラのデータの整理・統合を行うためのシステムの構築をおこなった。最先端のプログラミング技術を用いて、データの整理・統合が自動で行われるシステムを開発した。重症新型コロナウィルス感染症患者においては、実際に患者様のデータを抽出し、データの解析を行い、第49回日本集中治療学会学術総会で発表した。その発表では重症新型コロナウィルス感染症患者における死亡予測モデルを機械学習の手法を使って作成し、その予測モデルは高い予測精度を示すことができた。また死亡と関連している要因を特定することもできた。特に呼吸機能や腎臓の機能を表す検査値が、患者さんの死亡と関連している事がわかった。重症新型コロナウィルス感染症の死亡率は２０－３０％と高く、有効な治療薬は未だに存在しない。本研究は重症病態の解明に貢献するものであった。さらにこの研究発表を通して、実際の治療の過程で生まれるデータを効率よく利用するシステムを構築することができたので、次の段階として、遺伝子発現のデータとの関係性を調べていく予定である
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
本研究の目的は重症感染症患者においてに経時的に遺伝子の発現量の解析をおこなうものだが、研究初年度はコロナ禍であり通常診療とは異なる診療が実践されていたため、敗血症患者の入院数が減少し、血液検体の採取が困難になった。そのため研究の初年度としては集中治療室で生まれる経時的な医療データを取得するための研究基盤を整えることとした。電子カルテのデータは、データサーバーに保存されている血液検査・細菌検査をサーバーから抽出するための既存システムを利用して抽出した。集中治療室専用の臨床師部門支援システムからのデータ抽出は、SQLを使用して、行った。最も効率の良いデータの抽出形式を特定するまでに時間を要したが、最終的に臨床部門システムのデータサーバーに保存されているほぼすべてのデータを抽出するためのSQLを作成することができた。このようなデータ抽出システムを構築するために、重症新型コロナウィルス感染症患者のデータの抽出を行った。抽出したデータを最先端の機械学習を用いて解析し、高精度の死亡予測モデルを作成することができた。この死亡予測モデルにおいては、肺機能ならびに腎機能が患者死亡と強く関連していることを示すものであった。一般的に、重症感染症の病態は敗血症と呼ばれ、感染源に関わらず共通した全身性の炎症反応示すことがわかっている。よって重症新型コロナウィルス感染症患者における研究結果が、他の細菌やウィルスによる重症感染症の病態と近似している可能性は高く、肺機能と腎機能が敗血症全体の生命予後と関わっている可能性がある。
初年祖は臨床データの利活用を効率よく行う基盤を整えることができたと考えている。コロナ禍のため実際の血液検体の採取と遺伝子発現データの解析が未実施なのでやや遅れていると判断した。
|
| Strategy for Future Research Activity |
本研究の目的は重症感染症患者においてに経時的に遺伝子の発現量の解析をおこなうものだが、研究初年度はコロナ禍であり通常診療とは異なる診療が実践されていたため、敗血症患者の入院数が減少し、血液検体の採取が困難になった。そのため研究の初年度としては集中治療室で生まれる経時的な医療データを取得するための研究基盤を整えることとした。初年度の目標はほぼ達成されているため今後は敗血症患者から血液検体を採取し、実際に遺伝子発現解析を行うことを本年度の目標とする。課題としては血液検体の採取と管理のシステムを構築することである。東京医科歯科大学病院には血液などの保存・管理を実施するバイオリソースセンターがあるため、バイオリソースセンターと協調して血液検体の採取を行っていく。遺伝子発現解析に関しては、東京医科歯科大学ゲノム解析室でおこなうよていとしている。遺伝子発現は経時的に定量化してき、まずは５名の患者で５つのタイムポイントで実施する予定である。死亡患者と生存患者でどのように経時的に遺伝子発現が異なるかを、最先端のバイオインフォマティクスを用いて解析する予定である。特にネットワーク解析を重点的に行う予定で治療に反応する形で遺伝子発現制御のネットワークがどのように変化していくかを様々なプログラミングツールを使って解析していく予定である。東京医科歯科大学メディカルアンドドラッグデータサイエンスセンターと協同しバイオインフォマティクス解析を行っていく。
|
| Causes of Carryover |
コロナ禍に対応するため東京医科歯科大学病院は日本でトップレベルの重症新型コロナウィルス感染症患者を受け入れていた。通常診療とは異なる診療を長期間行わざるを得ず、通常診療と異なる患者対応であった。よって細菌性の敗血症患者の患者数が減ったため、検体採取が現実的に難しかった。翌年度は本年度実施できなかった血液検体の採取と遺伝子発現解析を実践していく予定である
|
