| 研究課題/領域番号 |
20K16035
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分47060:医療薬学関連
|
|---|
| 研究機関 | 慶應義塾大学 (2022-2023)
北海道大学 (2020-2021) |
|---|
研究代表者 |
今井 俊吾 慶應義塾大学, 薬学部(芝共立), 講師 (40845070)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2023年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2022年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2021年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2020年度: 520千円 (直接経費: 400千円、間接経費: 120千円)
|
|---|
| キーワード | バンコマイシン / 機械学習 / 治療薬物モニタリング / 薬剤投与設計 / 薬物動態 |
|---|
| 研究開始時の研究の概要 |
本研究では、これまで薬物動態解析の結果に基づきおこなわれてきた「薬剤投与設計」に機械学習を応用することに挑戦する。具体的には、機械学習の手法の一つであるDecision Treeモデルを用いて、バンコマイシンの初期投与設計アルゴリズムを構築し、構築したアルゴリズムの精度検証をおこなう。このことで、機械学習を用いた新しい薬剤投与設計法確立つへの基盤となるエビデンスを構築する。本研究のアプローチはあらゆる薬剤に応用可能であり、薬剤投与設計の精度向上に広く貢献することが期待される。
|
| 研究成果の概要 |
本研究では機械学習の代表的な手法であるDecision Treeモデルを利用して、バンコマイシンの初期投与設計アルゴリズムを構築し、その有用性を検証した。2つの医療機関から822例の診療情報を取得し、Decision TreeモデルのアルゴリズムであるClassification And Regression Tree（CART）法を用いてモデルを構築した。モデルの精度は従来の投与設計アルゴリズムより良好であり、本アプローチの有用性が示唆された。
|
| 研究成果の学術的意義や社会的意義 |
本研究では、機械学習で予測する変数を従来の「副作用発現あり／なし」の名義変数から、連続変数の「薬剤投与量」に置き換えることで、バンコマイシンの初回投与量を精度高く予測できることを見いだした。今回得られた知見は、様々な薬剤の投与設計アルゴリズム構築に応用可能であり、高い発展性を有することから、医療薬学研究の発展に寄与する新手法としての価値があると考える。
|
