| 研究課題/領域番号 |
18KK0216
|
|---|
| 研究種目 |
国際共同研究加速基金(国際共同研究強化(B))
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
中区分47:薬学およびその関連分野
|
|---|
| 研究機関 | 京都大学 |
|---|
研究代表者 |
金子 周司 京都大学, 医学研究科, 研究員 (60177516)
|
|---|
| 研究分担者 |
白川 久志 京都大学, 薬学研究科, 准教授 (50402798)
宗 可奈子 京都大学, 薬学研究科, 助教 (50816684)
永安 一樹 京都大学, 薬学研究科, 助教 (00717902)
|
|---|
| 研究期間 (年度) |
2018-10-09 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
17,810千円 (直接経費: 13,700千円、間接経費: 4,110千円)
2022年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2021年度: 3,250千円 (直接経費: 2,500千円、間接経費: 750千円)
2020年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2019年度: 3,380千円 (直接経費: 2,600千円、間接経費: 780千円)
2018年度: 8,060千円 (直接経費: 6,200千円、間接経費: 1,860千円)
|
|---|
| キーワード | リアルワールドデータ / 有害事象 / 化学構造 / 受容体親和性 / 機械学習 / ルールマイニング / 予測 / ビッグデータ / 電子カルテ / 医療情報 / オントロジ / 臨床ビッグデータ / 深層学習 / 薬物依存 |
|---|
| 研究成果の概要 |
リアルワールドデータRWDを用いた薬物相互作用の検出と有害事象の発見については、92種類のポジコンと同レベルのネガコンのセットからなる有害事象を網羅し、発症オンセットの時間的な指標も含まれた総括的評価尺度を完成させた。相関ルールマイニングをレセプトに適用して有害事象の早期発見が可能かどうかを評価した結果、月単位のレセプトデータを用いた場合でも、従来法よりも早期に有害事象シグナルを検出することに成功した。化合物の受容体親和性予測については、171万化合物についての化学構造と親和性データを正規化し、化学構造式と受容体親和性の関係を機械学習させ、新規化学構造に対する親和性予測に成功した。
|
| 研究成果の学術的意義や社会的意義 |
実臨床データからリアルタイムに有害事象や薬物相互作用を発見するための基礎的なプロトコルおよび評価基準を作成することに成功し、今後の臨床データの利活用が期待される。化合物の化学構造に基づく受容体親和性の予測についても精度の高い方策を見いだすことができ、創薬シーンへの活用が期待できる。
|
