| Project/Area Number |
24K15817
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 90140:Medical technology assessment-related
|
|---|
| Research Institution | Keio University |
|---|
Principal Investigator |
漆原 尚巳 慶應義塾大学, 薬学部(芝共立), 教授 (10511917)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
矢向 高弘 慶應義塾大学, システムデザイン・マネジメント研究科(日吉), 教授 (20286652)
星野 崇宏 慶應義塾大学, 経済学部(三田), 教授 (20390586)
橋本 梓 (原梓) 昭和薬科大学, 薬学部, 教授 (20740426)
安藤 崇之 慶應義塾大学, 医学部(信濃町), 助教 (30850705)
岡田 佑輔 慶應義塾大学, 薬学部(芝共立), 助教 (70985168)
|
|---|
| Project Period (FY) |
2024-04-01 – 2027-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥4,550,000 (Direct Cost: ¥3,500,000、Indirect Cost: ¥1,050,000)
Fiscal Year 2026: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2025: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2024: ¥2,990,000 (Direct Cost: ¥2,300,000、Indirect Cost: ¥690,000)
|
|---|
| Keywords | 安全性シグナル検出 / 医療情報データベース / リアルワールドデータ / 機械学習 / 自然言語処理 |
|---|
| Outline of Research at the Start |
本研究では大規模保険医療情報データベース（リアルワールドデータ）に対し、機械学習手法を適用し、患者要因及び生理・病理的に関連する複数の有害事象を考慮した医薬品安全性シグナル検出手法の開発を行う。自然言語処理手法であるBERTを応用し、有害事象発現患者の背景や疾患情報に基づく有害事象予測モデルを構築し、得られる有害事象の分散表現ベクトルの類似性に基づきクラスタリングを行い複数の有害事象の共起パターンとしてのクラスタを検出し、安全性シグナルの検出に利用する。患者個別に生じる複数の生体内の応答（有害事象）を器官別分類を超えて考慮することができ、報告者によるバイアスの影響を受けないという特徴がある。
|
| Outline of Annual Research Achievements |
大規模保険医療情報データベース（リアルワールドデータ）に対し、機械学習手法を適用し、患者要因及び生理・病理的に関連する複数の有害事象を考慮した医薬品安全性シグナル検出手法の開発を行う。Googleによって開発されたBERTを応用し、自然言語処理手法により有害事象発現患者の背景や疾患情報に基づく有害事象予測モデルを構築し、得られる有害事象の分散表現ベクトルの類似性に基づきクラスタリングを行い複数の有害事象の共起パターンの頻度に基づきクラスタを検出し、安全性シグナルの検出に利用した。本手法は従来のシグナル検出の限界である、器官分類を超えた評価を可能とし、報告者によるバイアスの影響を受けない。また，情報源として大規模保険医療情報データベースを用いることで、従来のシグナル検出におけるデータソースに由来する報告バイアスを克服し，有害事象に関する事前の仮説を必要とせず、効率的な安全性シグナルの検出を行うことが可能である。
R6年度は、これまで実施してきた有害事象分散表現に基づくクラスター検出手法の各種治療領域への適用によるシグナル検出の妥当性について，大規模保険医療情報データベース（JMDCおよびDeSCレセプトデータベース）にてBERTの事前学習にMLMを行い，糖尿病薬に対し開発された本提案手法を他の治療領域の薬剤クラスに適用し、検出される有害事象クラスターのシグナルとしての妥当性を検証した．対象とした糖尿病薬について検出された663のクラスターのうち、添付文書に示された既知副作用を含むクラスターが21.6%検出され，従来の自発報告副作用データベースによって検出されるシグナル効率を大きく上回った．本結果は，2024 ISPE (International Society for Pharmacoepidemiology) Annual Meeting (Berlin)にて発表された．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
これまでの検討結果につき，本研究分野における最大の国際学会における発表を行い，現在論文執筆中である．
また，同時に現手法のデータアーキテクチャーや，研究デザインとMLMアルゴリズム等条件の見直しにより，学習効率の向上と，シグナル検出精度向上を目指して各種実験を進めている．
|
| Strategy for Future Research Activity |
これまで開発したBERT事前学習のセッティングを改良し予測モデルの効率化により更なるシグナル検出の精度向上をねらう．様々な他の種類のリアルワールドデータ源に適応させるため、他の医薬品情報データベースなどの他情報源を用いた時の学習精度の向上のためのデータアーキテクチャーの構築条件およびハイパーパラメタの設定の検討を行う。今後データベースベンダーとの契約により．更なる追加データセットの入手が期待できることから，他治療領域の薬剤による安全性シグナル検出（脂質異常症およびADHDなど）に拡張した実験を行い，別途シグナルの正答であるReference standardの確立，およびそれ基づく抽出効率の再確認を行う．さらには，自己対照研究デザイン等の薬剤疫学的手法を取り入れた検出されたシグナルとのクロスバリデーションなど，利用可能な方法を用いて，機械学習ベースのシグナル検出方法の確立を目指す．
|
