2023 Fiscal Year Research-status Report
人工知能機械学習を応用した高精度周術期休薬判断アルゴリズムの構築
| Project/Area Number |
22K06769
|
|---|
| Research Institution | Saga University |
|---|
Principal Investigator |
木村 早希子 佐賀大学, 医学部附属病院, 薬剤師 (70601045)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
福田 修 佐賀大学, 理工学部, 教授 (20357891)
山口 暢彦 佐賀大学, 理工学部, 准教授 (80363422)
齋田 哲也 崇城大学, 生物生命学部, 教授 (80419621)
島ノ江 千里 佐賀大学, 医学部, 教授 (10734064)
木村 晋也 佐賀大学, 医学部, 教授 (80359794)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Keywords | 人工知能 / 機械学習 / 周術期休薬判断 |
|---|
| Outline of Annual Research Achievements |
侵襲的医療行為を実施する際、抗血栓薬や一部のがん分子標的薬などは適切な休薬期間を確保する必要がある。我々は周術期の迅速で的確な休薬判断のために、薬の種類、中止リスク、継続リスクに応じて科学的根拠に基づき休薬期間を表示するアプリを開発し、臨床試験で有用性を確認した(Kimura et al. Medicine 2020)。本研究では、臨床で行われている暗黙知による休薬判断を形式知に変換し、人工知能機械学習の適用可能性を探索する。
R5年度は、前年度に構築したベイジアンネットワークによる周術期休薬判断アルゴリズムについて院内の専門家で検証し、学習に必要な教示データの内的妥当性、外的妥当性を高める要素を分類、国内外で報告されている抗血栓薬・分子標的薬の周術期休薬判断や母集団薬物動態モデルを抽出し、研究デザイン、解析対象集団、共変量を評価した。加えて、出血リスクが極めて高い分子標的薬イブルチニブとダサチニブについて血中濃度推移をシミュレーションしたデータを抽出して学習用のデータセットを作成した。更に、ダサチニブについて、決定木モデルとLong Short Term Memory （LSTM）モデルによる血中濃度予測精度を比較した。決定木モデルではGBM、XGBoost、Random Forestのアルゴリズムを比較し、データ数や特徴量の増加によりアルゴリズムごとの性質が露出し、個人間のグループ化を図ることができ、精度も向上することを確認した。LSTMモデルでは、モデルデータと臨床データの両方で一致した予測を行うことが可能となった。分子標的薬の組織中濃度シミュレーションモデルの構築に向けては、オシメルチニブ特異的抗体を作製し、オシメルチニブの作用部位を特定するための免疫組織化学法を開発するとともにラットの腸、皮膚、肺におけるオシメルチニブ作用部位を可視化することができ、更にダサチニブ定量のための特異的かつ高感度なサンドイッチ酵素免疫測定法を開発した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
R5年度においては、当初計画していたR4年度構築した周術期休薬判断アルゴリズムの検証、学習用のデータセットの再構築、ファーマコメトリクスに機械学習を応用した分子標的薬の血中・組織中濃度シミュレーションモデルの構築を進めた。まずはイブルチニブとダサチニブにについて母集団薬物動態解析を実施した。さらに、ダサチニブについては、機械学習モデル・アルゴリズムの比較や高感度血中・組織中濃度の測定も可能となり、現在のところ、研究計画に沿った実験とその関連研究を順調に展開しており、今後も特に大きな技術的問題等は生じないと思われる。
|
| Strategy for Future Research Activity |
今後は、当初の計画通り以下の項目に沿って研究を行う。
R5年度確立したファーマコメトリクスに機械学習を応用する数理・統計解析法を基盤に、実際の臨床で測定した血中濃度データを取り入れることでリアルワールドの血中濃度推移へとシミュレーションの精度を高めていく。更に、R5年度では機械学習による休薬判断アルゴリズムをガイドラインベースと薬物血中濃度ベースに分けて進めていたが、本年度は統合することを試みる。統合アルゴリズムとして得られたネットワーク構成の相互作用を検証し、従来のガイドラインベースでは解が導き出せなかった周術期休薬判断モデルについて構築したアルゴリズムにより精度の高い休薬判断の支援を目指す。
|
| Causes of Carryover |
機械学習を応用した分子標的薬の血中・組織中濃度シミュレーションモデル構築に必要なソフトについては、本研究と関連性のある研究で他の財源を得て薬物体内動態数理モデル計算環境整備し、本研究で予定していた検討事項に資する適切な知見が得られたため、本研究での新規ソフトの購入は見送った。
国内旅費については、一部の学会をオンライン参加としたため、当初の予算から削減できた。
使用予定であったこれらの財源は、R6年度の機械学習を応用した分子標的薬の血中・組織中濃度シミュレーションモデル構築に必要な機器・ソフト・試薬などの購入に充てるとともに論文投稿・学会発表に使用する予定。
|
