| 研究課題/領域番号 |
23K28017
|
|---|
| 補助金の研究課題番号 |
23H03327 (2023)
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 基金 (2024)
補助金 (2023) |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分59040:栄養学および健康科学関連
|
|---|
| 研究機関 | 京都大学 (2024)
岐阜大学 (2023) |
|---|
研究代表者 |
矢部 大介 京都大学, 医学研究科, 特定准教授 (60378643)
|
|---|
| 研究分担者 |
堀川 幸男 岐阜大学, 医学部附属病院, 准教授 (10323370)
室谷 健太 久留米大学, 付置研究所, 教授 (10626443)
飯塚 勝美 藤田医科大学, 医学部, 教授 (40431712)
松本 晃太郎 九州大学, 医学研究院, 助教 (60932217)
矢部 富雄 岐阜大学, 応用生物科学部, 教授 (70356260)
高橋 佳大 岐阜大学, 医学部附属病院, 助教 (60950045)
|
|---|
| 研究期間 (年度) |
2023-04-01 – 2028-03-31
|
| 研究課題ステータス |
交付 (2024年度)
|
| 配分額 *注記 |
18,850千円 (直接経費: 14,500千円、間接経費: 4,350千円)
2027年度: 1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
2026年度: 1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
2025年度: 2,600千円 (直接経費: 2,000千円、間接経費: 600千円)
2024年度: 4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円)
2023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 | 老年症候群 / 糖尿病 / 機械学習 / サルコペニア / 健診データ / 個別化栄養療法 / 支援アプリ / 地域コホート / 老年症候群予防 / 深層学習 |
|---|
| 研究開始時の研究の概要 |
本研究では、食習慣ならびに運動習慣、ゲノムや腸内細菌叢等の情報、糖尿病や肥満症などの基礎疾患の有無とこれら疾患の病態を評価するバイオマーカーの統合情報が、サルコペニアや認知症、フレイルの発症・進展に与える影響を、岐阜県に在住の75歳以上の高齢者を対象としたコホートからデータ収集、深層学習を行うことで明確化し、食習慣、ゲノム情報、腸内細菌叢、基礎疾患の有無によりサルコペニア、認知症、フレイルの発症・進展を予測するリスク・エンジンを作出し、個別化栄養療法支援アプリを開発する。
|
| 研究実績の概要 |
本研究では、食習慣ならびに運動習慣、ゲノムや腸内細菌叢等の情報、糖尿病や肥満症などの基礎疾患の有無とこれら疾患の病態を評価するバイオマーカーの統合情報が、サルコペニアや認知症、フレイルの発症・進展に与える影響を、岐阜県に在住の75歳以上の高齢者を対象としたコホートからデータ収集、深層学習を行うことで明確化し、食習慣、ゲノム情報、腸内細菌叢、基礎疾患の有無によりサルコペニア、認知症、フレイルの発症・進展を予測するリスク・エンジンを作出し、個別化栄養療法支援アプリを開発する。令和5年度は、岐阜県関ケ原町と共に、特定健診及びすこやか健診の健診データに加えて、食事摂取頻度調査、体組成評価、握力評価等を行った。また、健診データに加え、日々の診療データを収集できるようにPHRを導入し、同町においてfeasibilityテストを開始し、令和6年度に、岐阜県下のより広範な市町村を対象にデータ収集ができる体制づくりを行っている。また、岐阜県岐阜市においても、申請者らの教室が2006年に開始したゲノムコホートの第３次調査として疾患の発症状況調査、経口ブドウ糖負荷試験を含む採血検査、食事摂取頻度調査、腸内細菌検査を開始し、令和6年度中にデータ収集を終える予定である。
|
| 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
年度途中に申請者の主たる勤務場所が東海国立大学機構岐阜大学から京都大学に異動になったことから研究体制、特にコホートにおけるデータ収集状況に遅れ及び縮小が生じている。具体的には、岐阜県飛騨地域（高山市・下呂市・飛騨市）を中心にデータ収集を実施する予定であったものを、関ケ原町に変更することとなった。ただし、現時点において、関ケ原町及び岐阜市のデータを用いて研究の遂行は十分に可能と考えている。
|
| 今後の研究の推進方策 |
令和６年度は、関ケ原町及び岐阜市におけるデータ収集を完了させ、機械学習を実施してモデルを作成する。令和７年度、令和８年度は、令和６年度に健診で評価しえた後期高齢者を対象に、一般的な問診、採血、身体測定、サルコペニアの評価、認知機能の評価を実施すると共に、令和６年度に得られたデータと比較して縦断的に食習慣・食嗜好とサルコペニア、認知症の有無の関係性について、腸内細菌叢やバイオマーカー等を加味した上で機械学習を実施してサルコペニアや認知症の有無を予測するプログラムを開発する。なお、令和６年度から８年度まで健診で評価して後期高齢者のうち、７０％の被験者データを機械学習の教師データとして用い、残りの３０％の被験者データにてバリデーションを行う予定である。
|
