| 研究課題/領域番号 |
23K24623
|
|---|
| 補助金の研究課題番号 |
22H03365 (2022-2023)
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 基金 (2024)
補助金 (2022-2023) |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分58030:衛生学および公衆衛生学分野関連:実験系を含まない
|
|---|
| 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 |
草野 研吾 国立研究開発法人国立循環器病研究センター, 病院, 副院長 (60314689)
|
|---|
| 研究分担者 |
山根 禎一 東京慈恵会医科大学, 医学部, 教授 (40297429)
清水 渉 日本医科大学, 大学院医学研究科, 大学院教授 (50399606)
中井 陸運 国立研究開発法人国立循環器病研究センター, オープンイノベーションセンター, 客員研究員 (50595147)
岩永 善高 国立研究開発法人国立循環器病研究センター, オープンイノベーションセンター, 客員部長 (80360816)
|
|---|
| 研究期間 (年度) |
2022-04-01 – 2025-03-31
|
| 研究課題ステータス |
交付 (2024年度)
|
| 配分額 *注記 |
17,550千円 (直接経費: 13,500千円、間接経費: 4,050千円)
2024年度: 4,810千円 (直接経費: 3,700千円、間接経費: 1,110千円)
2023年度: 5,070千円 (直接経費: 3,900千円、間接経費: 1,170千円)
2022年度: 7,670千円 (直接経費: 5,900千円、間接経費: 1,770千円)
|
|---|
| キーワード | ビッグデータ / カテーテルアブレーション / 合併症 / 心房細動 / J-AB / 機械学習 |
|---|
| 研究開始時の研究の概要 |
2017年に始まったカテーテルアブレーション全例登録事業（J-AB）は27万件を超える前向き登録事業が継続中でアブレーションレジストリとしては世界最大である。このビッグデータを用い、再発率が高く、また世界的にも合併症が増加している心房細動アブレーション急性期合併症発生に関して、機械学習を用いたアブレーションの安全性・有効性に関する予測モデルを作成し、外部検証を行う。この予測モデルによって、治療成績の向上が期待できるのみならず、現在、ガイドラインでも解決されていないアブレーションの妥当性が明らかとなることが期待される。
|
| 研究実績の概要 |
2017年に始まった本邦で行われている不整脈に対するカテーテルアブレーション全例登録事業（J-AB)は27万件を超える前向き登録事業が継続中でアブレーションレジストリとしては世界最大である。特に毎年９月に収集される詳細データには重大出血・心タンポナーデ・食道障害・肺静脈狭窄・横隔神経麻痺などの重篤な合併症が詳細に調査され、患者背景、心エコーデータ、使用デバイス・アブレーション部位・使用薬剤などの基礎データも集められている。今回は2017年から2020年度のJ-AB詳細データを用いて、重篤な合併症の頻度を集積し、多変量ロジスティック回帰モデルを用いて合併症予測モデルを構築した。
続いて、全体のコホートを７：３の割合で学習データと検証データにわけ、機械学習手法を用いてリスクスコアを作成し、クロスバリデーションを行ったが、結果としてAUCが0.6程度にとどまり、多変量ロジスティック回帰モデルと比較しても予測能は有意な差を認めなかった。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
上記のごとく、各種の機械学習手法を用いてリスクスコアの作成を試みたが、予測能が低く、多変量ロジスティック回帰モデルと比較しても予測能に優位性を認めなかった。理由としては、詳細データの件数が１万例程度と限られたことが考えうる。
|
| 今後の研究の推進方策 |
現在もJ-ABデータを集積中であるので、前回の解析に含まれなかった最新のデータを追加し、再度モデル構築を試みる。また、心房細動アブレーションが、広い患者背景で行われており、合併症を起こしやすいとされる、高齢者や低体重、さらに腎機能低下などの因子について、J-ABデータを用いたビッグデータ解析を進める予定である。
|
