研究課題/領域番号 |
15KT0017
|
研究種目 |
基盤研究(B)
|
配分区分 | 基金 |
応募区分 | 特設分野 |
研究分野 |
連携探索型数理科学
|
研究機関 | 大阪大学 |
研究代表者 |
高木 達也 大阪大学, 薬学研究科, 教授 (80144517)
|
研究分担者 |
日比 孝之 大阪大学, 情報科学研究科, 教授 (80181113)
岡本 晃典 北陸大学, 薬学部, 講師 (70437309)
川下 理日人 大阪大学, 薬学研究科, 助教 (00423111)
田 雨時 大阪大学, 薬学研究科, 助教 (60761252)
|
研究期間 (年度) |
2015-07-10 – 2020-03-31
|
研究課題ステータス |
完了 (2019年度)
|
配分額 *注記 |
14,560千円 (直接経費: 11,200千円、間接経費: 3,360千円)
2018年度: 3,640千円 (直接経費: 2,800千円、間接経費: 840千円)
2017年度: 3,640千円 (直接経費: 2,800千円、間接経費: 840千円)
2016年度: 3,640千円 (直接経費: 2,800千円、間接経費: 840千円)
2015年度: 3,640千円 (直接経費: 2,800千円、間接経費: 840千円)
|
キーワード | 有害事象 / 機械学習 / ATCコード / Stacking / 化学記述子 / 悪性症候群 / スティーブンス・ジョンソン症候群 / マルチラベル学習 / 重篤希少有害事象 / AI / ROC曲線 / 多変量解析 / 副作用予測 / サポートベクターマシン / ランダムフォレスト / 多数決法 / 重大副作用 / JADER / Random Forest / 医薬品有害事象 / グレブナー基底 |
研究成果の概要 |
我々は、化学構造から、希少かつ重篤な有害事象を起こしやすい医薬品を予測する目的で、様々な機械学習法を適用した。化学構造記述子、物理化学記述子に加え、ATCコード記述子を導入することにより、幾つかの機械学習法(ロジスティック回帰、Support Vector Machine、Random Forest、k-nn法、ナイーブベイズ、ニューラルネットワーク法に加え、スタッキング法を用いた)で、血小板減少症、悪性症候群を起こしやすい医薬品の予測が「可能である」と言える程度の予測性を得た。この結果により、前臨床の段階での開発の中断や、市販医薬品に対する注意を行うことができる。
|
研究成果の学術的意義や社会的意義 |
希少有害事象はこれまで、ともすれば、見過ごされがちであった。理由としては、極めて珍しいこと、殆どの医薬品に見られるので、これを咎めると、医薬品が市場に無くなってしまうことが考えられる。しかしながら中には命に関わる重篤なものもあり、かつ、一部の医薬品で高確率で見られ、回収に繋がったものもある事から、このまま見過ごすことはできないと考えた。今回の結果により、より高確率で希少重篤有害事象を引き起こす医薬品の化学的特徴が明らかとなり、将来的には、医薬品開発の様々な段階で援用され、服薬指導時に注意を促すための材料となり、有害事象から命を落としたり、後遺症に悩む人々の現出を予防できることが期待される。
|