| 研究課題/領域番号 |
22K16321
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分54010:血液および腫瘍内科学関連
|
|---|
| 研究機関 | 京都大学 |
|---|
研究代表者 |
新井 康之 京都大学, 医学研究科, 助教 (10826564)
|
|---|
| 研究期間 (年度) |
2022-04-01 – 2025-03-31
|
| 研究課題ステータス |
交付 (2023年度)
|
| 配分額 *注記 |
4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円)
2024年度: 520千円 (直接経費: 400千円、間接経費: 120千円)
2023年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
2022年度: 2,340千円 (直接経費: 1,800千円、間接経費: 540千円)
|
|---|
| キーワード | 機械学習 / 造血器疾患 |
|---|
| 研究開始時の研究の概要 |
白血病やリンパ腫などの難治性造血器疾患に対しては、同種造血幹細胞移植が根治的治療と位置づけられ、年々移植件数は増加しているが、治療に伴う感染症や臓器障害などの合併症も多く、一般的に移植関連死亡率は3割前後と高率である。そこで、本研究ではレジストリデータの機械学習による網羅的解析を行い、これによって、GVHDなど移植後予後・QOL規定因子のリスク評価を可能にするアルゴリズムを確立し、前処置やドナー選択、GVHD予防法に関して、症例毎に最も優れた治療成績が期待できる最適化移植プロトコール提言を実現する。
|
| 研究実績の概要 |
引き続き大規模レジストリデータを用いて、機械学習により複数のアウトカム使用に関して検討を行っている。その結果、高率の予測が可能になった。機械学習モデルとして、ニューラルネットワークその他、複数のモダリティを用いることにより、精度を上げるとともに、臨床的により使いやすい形になるように修正を続けている。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
2023年度に論文を1本出版した。また、2023年度の成績を元に、2024年度にも学会発表、論文執筆を行う予定である。
|
| 今後の研究の推進方策 |
様々な新技術を導入し、さらに使い勝手の良いかつ予測成績の良いモデルを作成し、臨床現場に還元できるように工夫を行う。
|
