| Project/Area Number |
22K09486
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 56030:Urology-related
|
|---|
| Research Institution | Toho University |
|---|
Principal Investigator |
小林 秀行 東邦大学, 医学部, 准教授 (10408875)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000)
Fiscal Year 2024: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2023: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2022: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
|
|---|
| Keywords | 男性不妊症 / 精液検査 / ホルモン検査 / AI / 予測診断 / 非閉塞性無精子症 / micro TESE / 無精子症 / 予測分析 |
|---|
| Outline of Research at the Start |
無精子症の中でも非閉塞性無精子症に対する顕微鏡下精巣内精子採取術(micro TESE)における精子採取率は30％程度である。精子回収の予測因子はこれまで研究が数多くされてきたが有用な因子は見つかっておらず、未だに手術を施行して精子が回収できるかどうかを判断している状況である。本研究では、AIを用いて精子回収の有無を予測分析するモデル作成を行なうことを目的とする。方法は、2011年から2020年に施行したmicro TESEの詳細データを用いてAI予測モデルを作成する。作成したAIモデルは、2021年のmicro TESEのデータを入力してAIでの予測と実際の結果を比較し、有用性を検討する。
|
| Outline of Annual Research Achievements |
男性不妊症を診断する上で最も基本かつ重要な検査は精液検査である。しかし、射精して精液を採取するという行為は男性にとって敷居が高い検査である。宗教的および社会的に性行為以外での射精行為が恥辱的であると捉えるケースも世界では散見される。そこで、精液検査を行わずに男性不妊症のリスク判定をAI予測で行えないかどうか検討した。AI予測モデルを構築するために、東邦大学医療センター大森病院倫理委員会の承認を経て、東邦大学医療センター大森病院リプロダクションセンターにおいて2011年1月1日から2020年12月31日までに精液検査とホルモン検査(LH, FSH, Testosterone, PRL, E2)を施行した3,662例のデータを抽出した。精液検査から総運動精子数を求め、WHO2021の精液所見に関するガイドラインより、正常値を上回っていれば1と定義し、正常値を下回っていれば0と定義した二値分類からAI予測モデルをソニービズネットワークス社のAI予測分析ツールである「Prediction One」で作成し、AUCは74.42％であった。また、Google社のAutoML Tablesでも同様にAI予測モデルを作成し、AUCは70％台とPrediction Oneで作成したAI予測モデルと同様の結果を得た。そして、2023年4月に「男性不妊症のリスクを血液検査から予測するAIモデル」という内容にて特許出願を行った。2023年11月に金沢で開催された第68回日本生殖医学会学術講演会・総会において、同内容における研究発表を行い、大きな反響があった。また、論文作成も行い現在投稿中である。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
東邦大学医療センター大森病院リプロダクションセンターにおいて2011年1月1日から2020年12月31日までに精液検査とホルモン検査(LH, FSH, Testosterone, PRL, E2)を施行した3,662例のデータを抽出し、Prediction OneとGoogle AutoML Tablesより、AUC 70%台のAI予測モデルを作成することができた。今回の研究を通して、予測に90％以上寄与する因子としてFSHが判明した。しかし、FSHに関しては、2種類ある無精子症で閉塞性無精子症と非閉塞性無精子症を区別するホルモン値としてすでに認識されており、驚くべき知見ではなかった。しかし、寄与因子の第2位と第3位は、T/E2とLHであり、この2つの因子に関しては、ホルモン値から男性不妊症のリスク判定を行う上で新知見であった。また、PRLが予測にほぼ関与していないことも今回の研究で初めて判明した。血液検査から男性不妊症のリスク判定を行うAI予測モデルはこれまでに報告がなく、2023年4月に特許出願を行うことができた。2023年11月の金沢で開催された第68回日本生殖医学会学術講演会・総会において学会発表を行い、注目された研究内容であった。現在は、さらなるAI予測精度の向上を目指して、AIモデルの作成の工夫を検討している。
|
| Strategy for Future Research Activity |
2011年1月1日から2020年12月31日までの3,662例のデータを元に作成した男性不妊症のリスク判定AIモデルを用いて、学習に用いていない2021年および2022年のデータ検証を行った。2021年の188例のデータでは精度は57.98％で、2022年の166例のデータでは精度は68.07％であった。精度に多少ばらつきがみられるが、それぞれのn数が少ないことも起因しているかもしれない。しかし、非閉塞性無精子症に関するAI予測は、2021年および2022年ともに100％の精度であった。2023年のデータに関しても、精液検査とホルモン検査の抽出を行い検証する予定である。これまでの研究内容をまとめ、論文投稿を行い、現在は査読中である。また特許出願を行っており、今後は、製品化に向けたパートナー企業とのマッチングが必要である。そのために宣伝を兼ねて、2023年7月に仙台で開催した第41回日本受精着床学会総会・学術講演会では、シンポジウムで男性不妊症における実践AIモデルという内容で講演し、企業展示ブースの一画で特許出願しているシーズ紹介を行った。数社が興味を持ち、秘密保持契約まで結ぶことができた。また、2023年10月に東京都医工連携HUB機構が主催した東邦大学臨床ニーズマッチング会で、登壇することができ数多くの企業が注目し、数社と秘密保持契約を交わした。製品化に向けたパートナー企業を見つけることが今後の課題である。
|
