| 研究課題/領域番号 |
22K17821
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分59040:栄養学および健康科学関連
|
|---|
| 研究機関 | 国立研究開発法人国立循環器病研究センター |
|---|
研究代表者 |
尾形 宗士郎 国立研究開発法人国立循環器病研究センター, 研究所, 室長 (00805012)
|
|---|
| 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 |
4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円)
2024年度: 520千円 (直接経費: 400千円、間接経費: 120千円)
2023年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2022年度: 3,120千円 (直接経費: 2,400千円、間接経費: 720千円)
|
|---|
| キーワード | 予測モデル / 将来予測 / AI / トレンド / simulation model / 循環器病 / 健康政策 / シミュレーション / 認知症 |
|---|
| 研究開始時の研究の概要 |
介護・認知症対策として前段階のフレイル・軽度認知障害(MCI)を早期発見し予防に繋げる悉皆スクリーニングシステムが必要であるが、未構築である。また、循環器病予防対策の特定健康診査・特定保健指導(特定健診)の未受診率は高く、現状の運用方法での効果検証の結果は不一致であるが、コストベネフィットが最適になる特定健診運用方法は精緻に検証されていない。
本研究の目的は、①特定健診未受診者対象の郵送検診結果を基に、特定健診未受診者のリスク把握、②循環器病予防のコストベネフィット視点からの特定健診運用シナリオの最適化、③機械学習を活用し、フレイルとMCIの予測モデルの開発である。
|
| 研究実績の概要 |
高齢化の影響で循環器病と要介護（フレイル、認知症）の増加が推測される中、循環器病死亡や発症後の活動日常生活（ADL）の現状と将来の動向を正確に推定することは医療政策の立案に不可欠である。脳内出血（ICH）患者の年齢別予後の動向についての国内データが不足しているため、本研究では性別と年齢別にICH患者の入院死亡率と機能的アウトカムのトレンドを評価した。日本最大のJ-ASPECT脳卒中データベースを用い、2010年4月から2020年3月までの非外傷性ICHで入院した18歳以上の患者が対象である。934病院の262,399人のICH患者の入院死亡率は、19.5%から16.7%へと有意に減少しており、これは性別と年齢群にわたって一貫していた。しかし、退院時の依存状態の患者の割合（mRS3-5）は、同期間に52.0%から54.9%へと増加していた。
軽度認知障害（MCI）の早期発見は重要である。ある自治体で75歳以上の市民を対象にMCI screenを使用して認知機能を評価し、予測モデルをgradient boosting法で構築した。自治体がルーティンで収集している性別、年齢、教育歴、健診結果などの健康情報を利用し、テストデータにおける予測精度はAUCで0.81と評価された。自治体が保有する情報を活用した予測モデルは、モデル構造的には社会実装しやすい。
健康人を対象とする循環器病の1次予防としてオメガ3脂肪酸の摂取量の適正化が観察研究のメタ解析により示唆されている。既存のランダム化比較試験の2次解析を、複合エンドポイントの各構成要素の臨床的な重要度を考慮した解析をwin ratio analysisを活用し、オメガ3脂肪酸摂取量の増強が循環器病イベントのリスク軽減に有効か検討した。当増強は冠動脈疾患イベントを有意に軽減していたが、脳卒中イベントについては非有意な効果であった。
|
| 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
脳内出血患者の死亡率とfunctional outcome (ADL)の2010年から10年間のトレンドを、全国規模のデータベースで検証した。これらの結果をもとに国際誌（Nakaoku Y, Ogata S, Ren N, et al. Eur Stroke J. 2024）を発表した。また軽度認知障害に対する一定の予測精度（AUC=0.81）を持つAI予測モデルを構築した。オメガ３脂肪酸摂取量の増強が循環器病の1次予防に有効かどうかを検討し、その結果を国際誌にて（Ogata, Manson,et al. Nutrients. 2023.）報告した。
|
| 今後の研究の推進方策 |
フレイルに対する予測モデルを開発していく予定である。特に、多変量の予測変数を柔軟に扱える機械学習モデルを活用する予定である。フレイルのアセスメントを受けた約1800名のデータを収集しており、これを基にAIのアルゴリズムを使用して予測モデルを構築する。
また、2022年度に作成した循環器病の死亡数の将来動向予測の結果をもとに、死亡数を減少させるための方策を検討する。その一環として、英国のUniversity of Liverpoolでの共同研究を進めている。この研究では、microsimulation modelの手法を用いて政策モデルを開発し、それを活用して死亡数を減少させる政策介入シナリオを検討する。
|
