機械学習を用いた副作用自動検出アプリケーションの開発

2022 Fiscal Year Research-status Report

• Project/Area Number: 22K19682
• Research Institution: University of Tsukuba
• Principal Investigator: 五所 正彦 筑波大学, 医学医療系, 教授 (70701019)
• Project Period (FY): 2022-06-30 – 2025-03-31
• Keywords: シグナル検出 / スパースデータ / 医薬品データベース / 薬物相互作用 / 統計モデル

Outline of Annual Research Achievements

我が国は超高齢化社会を迎え，人生100年時代に突入した．その高齢者の多くが何かしらの疾病を有しており，75歳以上の約4割が，5種類以上の薬剤を服用している．不適切な多剤併用は患者を死に至らせることさえあり，患者の安全性を担保するためにも，薬剤の適正使用情報を効率的かつリアルタイムに収集・提供・更新する必要がある．
本研究の目的は，機械学習により薬物相互作用の推測モデルを構築し，その情報を自動的に提供できるアプリケーションを開発することである．
本年度は，米国食品医薬品局や日本医薬品医療機器総合機構が提供している医薬品副作用データベースから必要な情報を抽出し，解析用データセットを作成した．現在，作成したデータセットを用いて，患者が使用した医薬品やその併用状況から副作用発現を予測するための統計モデルを構築中である．統計モデルの骨格は出来ているため，その性能を確認している．またデータ数が膨大になるため，効率的に解析するためのアルゴリズムを検討している．
その前段階として，レアイベントに相当する稀な副作用データを解析するために使用できる統計手法の性能評価を行った．具体的には，小標本バイアスを補正した複数の一般化推定方程式法の性能を比較評価し，罰則付き一般化推定方程式法がバイアス軽減の点で優れていることを示した．同時に，通常の解析で頻用されるロバスト分散（サンドイッチ分散）推定量の性能が悪いことも明らかにした．

Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

上で述べた罰則付き一般化推定方程式法に関する論文を投稿し，一定の成果は得られている．

Strategy for Future Research Activity

本研究の一層の推進を図るため，数理統計学や IT に造詣の深い研究分担者を追加した．

Causes of Carryover

値段の高騰に伴い，予定していたワークステーションの購入を見送ったため．
同ワークステーションは2023年度に購入する予定である．