| Project/Area Number |
21K19648
|
|---|
| Research Category |
Grant-in-Aid for Challenging Research (Exploratory)
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Medium-sized Section 58:Society medicine, nursing, and related fields
|
|---|
| 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, 准教授 (60744589)
北園 孝成 九州大学, 医学研究院, 教授 (70284487)
|
|---|
| Project Period (FY) |
2021-07-09 – 2024-03-31
|
| Project Status |
Granted (Fiscal Year 2022)
|
| Budget Amount *help |
¥6,110,000 (Direct Cost: ¥4,700,000、Indirect Cost: ¥1,410,000)
Fiscal Year 2023: ¥1,950,000 (Direct Cost: ¥1,500,000、Indirect Cost: ¥450,000)
Fiscal Year 2022: ¥1,950,000 (Direct Cost: ¥1,500,000、Indirect Cost: ¥450,000)
Fiscal Year 2021: ¥2,210,000 (Direct Cost: ¥1,700,000、Indirect Cost: ¥510,000)
|
|---|
| Keywords | 脳卒中 / バイオマーカー / ゲノム / プロテーム / データ駆動型 / 精密医療 / データサイエンス |
|---|
| Outline of Research at the Start |
脳卒中患者の予後を精度高く予測するためには基礎疾患とその重症度、治療内容などに加え、大容量データを網羅的に統合し、機械学習、深層学習手法等を用いて数理的に推定する必要がある。縦断的疾患コホート研究を基軸に、情報科学と複雑系に対する最適解を見出すための次世代数理科学を融合する。個人に最適化した精密医療を実現すべく、網羅的かつ大容量のデータによるデータ駆動型予測を行う。
|
| Outline of Annual Research Achievements |
福岡県内脳卒中診療基幹病院4施設に入院した発症24時間以内の急性期脳梗塞患者のうち、研究への同意が得られた患者を対象に、機能予後に関連するバイオマーカーを探索した。重度の感染症、悪性腫瘍、慢性炎症性疾患、重度貧血等を有する患者を除外し、入院時および発症3週間後あるいは3週間以内の退院時に採血を行い、バイオマーカーを測定した。90項目のバイオマーカーを酵素免疫測定法により測定した。機能予後不良は、3か月後のmodified Rankin scale（mRS）スコア2-5および2-6と定義した。入院時のサイトカイン（物質A、B、C、D）、凝固系タンパク（物質E、F）、プロテアーゼ阻害因子（物質G、H）、細胞内酵素（物質I、J）、ペプチド（物質K）、成長因子（物質L）、可溶性受容体（物質M）、リポタンパク（物質N）、組織接着因子（物質O）、色素タンパク（物質P）等、種々のバイオマーカーが機能予後と関連していた。これらのバイオマーカーは、年齢、性、発症時神経学的重症度（National Institutes of Health Stroke Scaleスコア）で調整した後も、機能予後不良と有意に関連していた。また、多変量調整モデルで、臨床情報にバイオマーカーを加えた後、NRI（net reclassification improvement）とIDI（integrated discrimination improvement）を検討すると、有意に改善するバイオマーカーが認められた。バイオマーカー間では、相互に強い相関が認められ、大きく4つのクラスターに分類された。
今後はこれらのバイオマーカー相互の関連性、臨床情報との関連、機能予後との因果関係などをさらに検討していく。また、ゲノム情報について解析が可能となるようにバンク化を行う。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
脳梗塞後の機能予後と関連があるバイオマーカーを複数見出した。
|
| Strategy for Future Research Activity |
機能予後と関連のあるバイオマーカー相互の関係性を明らかにする。機能予後と関連のあるバイオマーカーを用いて機能予後の予測を行う。90項目のタンパクを用いた機械学習予測モデルと、臨床データから得られた予測モデルの間で、予後予測性能を比較する。ゲノム情報についても解析できる基盤を構築する。
|
Report
(2 results)
Research Products
(12 results)
