2023 Fiscal Year Research-status Report

凝固異常症の鑑別に役立つ凝固波形解析パラメータの実用化への試み

Research Project

Project/Area Number	22K15681
Research Institution	Tenri University
Principal Investigator	下村大樹天理大学, 医療学部, 研究員 (70723302)
Project Period (FY)	2022-04-01 – 2027-03-31
Keywords	凝固波形解析（CWA） / 活性化部分トロンボプラスチン時間（APTT） / 機械学習 / クロスミキシングテスト
Outline of Annual Research Achievements	血液凝固異常症には、出血性疾患と血栓性疾患という相反する病態が混在する。凝固異常を察知する検査として、プロトロンビン時間（PT）および活性化部分トロンボプラスチン時間（APTT）が用いられているが、その値のみで凝固異常症の病態を鑑別することは難しく、簡易かつ迅速な鑑別法が求められている。本研究は凝固波形解析（CWA）から得られるパラメータを凝固異常症の鑑別として実用化を行うことが目的である。今年度は、昨年度に引き続き、APTTが延長した検体の収集ならびに一定の検体数が蓄積された疾患群ではCWAを測定した。 CWAは、血液凝固分析装置を用いたPT、APTT検査の反応機構で描出される凝固反応曲線を一次微分、さらに二次微分することで速度、加速度の変化を認識できる。そのため、簡易、迅速かつ汎用性が高い解析ツールであり、各種パラメータの臨床的意義については研究段階である。そこで、22のAPTTから得られた22のパラメータを人工知能（AI）技術により機械学習させ、ループスアンチコアグラント群、VIII因子欠乏・IX因子欠乏・VIII因子インヒビター群、ワルファリン群、直接経口抗凝固薬群、未分画ヘパリン群での分類精度を調べた。その結果、特異度95％に設定時の感度は、それぞれ79％、94％、98％、85％、83％であり、いずれも80％近い感度を有するモデルを構築することができた。さらに、APTT試薬におけるロット間差の影響が小さかったことを立証した。また、CWAの機械学習による分類とクロスミキシングテスト（CMT）を比較したところ、ループスアンチコアグラント群はCMTが100％、機械学習が45％、VIII因子欠乏・IX因子欠乏群はCMTが92％、機械学習が83％、ワルファリン群はCMT、機械学習ともに100％であり、LAに対する分類能が劣ったが、その他は高い分類能を示すことが明らかになった。
Current Status of Research Progress	Current Status of Research Progress 2: Research has progressed on the whole more than it was originally planned. Reason 2023年度はさまざまな凝固異常症を用いてCWAを測定し、おおまかなCWAによる分類精度を求めることが大きな目的であった。機械学習を用いた分類により、約8割の分類精度が得られたこと、APTT試薬に付随する大きな問題点であるロット間差が小さい結果が得られたことは大きな収穫であった。
Strategy for Future Research Activity	凝固異常検体をさらに収集・蓄積し、CWAを測定して機械学習を用いた分類精度を向上する、ならびに他の手法を用いたCWAの解析を模索する。
Causes of Carryover	昨年度に引き続き凝固異常症の市販血漿の流通が少なく消耗品予算を計画通り執行できておらず、繰越金が発生した。今年度も凝固異常症の市販血漿を購入する予定である。