AIを用いた慢性疾患の病態進行モデルの構築法開発とパーキンソン病への適用
| Project/Area Number |
22KJ0473
|
|---|
| Project/Area Number (Other) |
22J11367 (2022)
|
|---|
| Research Category |
Grant-in-Aid for JSPS Fellows
|
| Allocation Type | Multi-year Fund (2023)
Single-year Grants (2022) |
|---|
| Section | 国内 |
|---|
| Review Section |
Basic Section 62010:Life, health and medical informatics-related
|
|---|
| Research Institution | Chiba University |
|---|
Principal Investigator |
神 亮太 千葉大学, 医学薬学府, 特別研究員(DC2)
|
|---|
| Project Period (FY) |
2023-03-08 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥1,700,000 (Direct Cost: ¥1,700,000)
Fiscal Year 2023: ¥800,000 (Direct Cost: ¥800,000)
Fiscal Year 2022: ¥900,000 (Direct Cost: ¥900,000)
|
|---|
| Keywords | 病態進行モデル / パーキンソン病 / ニューラルネットワーク / 病態進行モデリング / 臨床試験個別データ / 機械学習 |
|---|
| Outline of Research at the Start |
本研究ではヒト臨床試験から得られる疾患関連バイオマーカーの経時データから、観察期間より長期の変化を予測する機械学習アルゴリズムを開発する。
アルゴリズムにはニューラルネットワークのライブラリであるTensorFlowを採用し、短期のデータから長期の推移を予測する独自のアルゴリズムであるSReFTの理論をベースにする。また性別などのリスク因子も同時に学習させる。
加えてパーキンソン病の臨床データを用いて実データでの解析も行う。得られるパーキンソン病長期病態モデルは疾患進行の解明に寄与し、治療最適化に貢献すると考えられる。
|
| Outline of Annual Research Achievements |
ニューラルネットワークによって断片的な観測データから長期的なバイオマーカー変化を推定するアルゴリズムであるSReFT-MLの開発を行った。特にライブラリ化に力を入れ、最終的にPython用ライブラリとしてのコード共有が可能なWebプラットフォームであるGitHubにて公開した（https://github.com/RyotaJin/sreft-ml）。これによって汎用的にSReFT-MLの実行が可能となり、既に他研究への活用も始まっている。ライブラリの公開については第9回 次世代を担う若手のためのレギュラトリーサイエンスフォーラムなどにて発表した。
また、パーキンソン病のデータベースを用いた解析も実施した。結果、14個のバイオマーカーの長期的な変化の推定に成功した。推定されたバイオマーカー変化は、先行研究である非線形混合効果モデルベースのアルゴリズムであるStatistical Restoration of Fragmented Time course（SReFT）が推定した推移を再現しており、SReFTで行った4つのバイオマーカーモデルから大幅な拡張を達成した。また、解析に使用した被験者も1,000名程度増加しており、当初目的としていた解析能力の向上を達成した。一方で共変量解析においては先行研究で確認された性別の影響を再現することはできなかった。これについては使用しているバイオマーカーの違いやアルゴリズムの制約などが考えられ、今後の課題となった。これらの成果については第44回日本臨床薬理学会学術総会や日本薬学会第144年会にて発表を行った。
|
Report
(2 results)
Research Products
(7 results)
