2024 Fiscal Year Annual Research Report
| Project/Area Number |
21K19648
|
|---|
| Research Institution | Kyushu University |
|---|
Principal Investigator |
鴨打 正浩 九州大学, 医学研究院, 教授 (80346783)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
吾郷 哲朗 九州大学, 医学研究院, 准教授 (30514202)
久保田 浩行 九州大学, 生体防御医学研究所, 教授 (40376603)
中島 直樹 九州大学, 大学病院, 教授 (60325529)
松尾 龍 九州大学, 医学研究院, 教授 (60744589)
北園 孝成 九州大学, 医学研究院, 教授 (70284487)
|
|---|
| Project Period (FY) |
2021-07-09 – 2025-03-31
|
| Keywords | 脳卒中 / 機械学習 / アウトカム予測 / 精密医療 |
|---|
| Outline of Annual Research Achievements |
脳出血患者の院内死亡リスクをデータ駆動型で予測するため、専門医および非専門医による評価を含む臨床データに加え、脳CT画像データを収集し、機械学習を用いた予測モデルを構築した。その結果、専門医の評価を含む臨床データと画像データを統合して構築した機械学習モデルは、最も高い予測性能を示した。これらのモデルは、従来のICHスコアおよびICHグレーディングスケールと比較しても優れた予測精度を有しており、画像情報を組み込んだ機械学習モデルが、脳出血後の予後予測において有望なツールとなり得ることが示唆された。
さらに、従来の脳卒中予後予測スコア（ASTRAL、PLAN、 iScore）の性能を検証・比較するとともに、正則化線形回帰モデルや決定木アンサンブルモデルなどの機械学習手法が予測能をどの程度向上させるかを評価した。その結果、各種リスクスコアは一定の予測性能を示したものの、機械学習モデルでは検査データなどの追加情報を組み込むことで、さらなる精度向上が確認された。また、同様の機械学習アプローチを脳卒中以外の疾患にも適応し、予測性能の検証を行った。術後せん妄リスクを対象とした解析では、従来のリスク因子のみに基づくロジスティック回帰モデルと比較し、全データを網羅的に用いた機械学習モデルは、かえってノイズが増大し、過学習により予測精度が低下する可能性が示された。疾患ごとに適切な特徴量および変数を選定した上で、モデルを構築する必要性が示唆された。加えて、脳卒中の遺伝的リスクを特定し、薬剤標的の探索や異なる祖先集団間におけるリスク予測の向上を目的とした国際共同研究に参画した。脳卒中患者および対照者を対象に、5つの祖先グループにわたるGWASメタ解析を実施し、脳卒中およびそのサブタイプに関連する遺伝子座や遺伝子変異の同定に貢献した。
|
