| 研究課題/領域番号 |
24K12133
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分55060:救急医学関連
|
|---|
| 研究機関 | 大阪大学 |
|---|
研究代表者 |
梅村 穣 大阪大学, 大学院医学系研究科, 招へい教員 (20743561)
|
|---|
| 研究分担者 |
織田 順 大阪大学, 大学院医学系研究科, 教授 (60459500)
山川 一馬 大阪医科薬科大学, 医学部, 准教授 (50597507)
小倉 裕司 大阪大学, 大学院医学系研究科, 招へい教授 (70301265)
藤見 聡 地方独立行政法人大阪府立病院機構大阪急性期・総合医療センター(臨床研究支援センター), 救急診療科, 主任部長 (70362720)
|
|---|
| 研究期間 (年度) |
2024-04-01 – 2027-03-31
|
| 研究課題ステータス |
交付 (2024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)
2026年度: 2,600千円 (直接経費: 2,000千円、間接経費: 600千円)
2025年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2024年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
|
|---|
| キーワード | 敗血症 / 全身炎症反応 / 播種性血管内凝固 / 機械学習 |
|---|
| 研究開始時の研究の概要 |
本申請課題は機械学習を用いた診断技術に着目し、DICの高精度予測モデルを開発することを目的とした多施設共同臨床研究であり、以下の二点を実践する。
① 多施設大規模敗血症データベースを構築し、敗血症性DICの顕在化を、その顕在化以前に予測する機械学習モデルを開発する
② 予測モデルを電子カルテに実装し、その精度の外挿性を評価するとともに、血清学的評価により病態メカニズムとの関連を評価するための多施設共同前向き研究を実施する。
本研究によって予測モデルを開発することで、適切な早期診断や病態評価に資するのみならず、将来的には敗血症の最適な治療戦略の確立を目指した研究の礎となることが期待できる。
|
| 研究実績の概要 |
敗血症性DIC（播種性血管内凝固）は敗血症の転帰増悪に関与する重要な続発症である。敗血症性DICの早期診断は難しく、病態が進行し血小板数が低下した状態、すなわち「DICが顕在化」した状態ではじめて診断されることが多い。本申請課題は機械学習を用いることでDICが顕在化する敗血症患者を、DIC顕在化する以前に予測し治療する手段の確立を目指すものである。
第一段階として、単施設の敗血症患者1182症例を対象とした予備研究を行い、DICの顕在化を、その24時間以上前の臨床データで予測する機械学習モデルを作成した。このモデルは感度84.4％、特異度87.5％と従来の早期診断指標と比較して高精度にDIC顕在化を予測することが可能であった。予備試験の成果は2024年6月にResearch and Practice in Thrombosis and Haemostasis誌に掲載された（DOI: 10.1016/j.rpth.2024.102519）
2024年度は第2段階として我が国のICU、7施設から敗血症7532症例のデータを用いて、より実践的かつ高精度な機械学習モデルの作成を行った。このモデルにより24時間後のDIC顕在化の予測精度はROC解析の曲線下面積0.916と極めて高い水準に達した。現在、成果をまとめた学術論文を投稿中である。
|
| 現在までの達成度 |
現在までの達成度
2: おおむね順調に進展している
理由
当初の研究計画に沿って遅滞や変更なく課題を推進している
|
| 今後の研究の推進方策 |
2025年度から2026年度にかけては、作成した予測モデルをアプリケーションとして電子カルテに実装し、実際の診療における予測精度を評価することを目的とした前向き研究を行う予定である。この研究ではさらに対象患者の種々の血液分子マーカー、血管内皮関連マーカーを測定することで、「DICが顕在化する」と予測された患者の生体内において、潜在的にどのような分生物学的変化が生じているのかを評価する。これによって機械学習モデルの信頼性に科学的な説明を加えるとともに、時間とともに進行するDICの病態生理に関連する複雑なネットワークの全貌を解明することを目指す。
|
