| 研究課題/領域番号 |
21K17321
|
|---|
| 研究機関 | 国立研究開発法人国立国際医療研究センター |
|---|
研究代表者 |
浅井 雄介 国立研究開発法人国立国際医療研究センター, 国際感染症センター, 研究員 (70779991)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2025-03-31
|
| キーワード | 理論疫学 |
|---|
| 研究実績の概要 |
海外への渡航の機会および全世界からの訪日旅行客を受け入れる機会が増加している．人の移動の増加に伴い，ますます多くの新興再興感染症が日本に持ち込まれ，感染症輸入例に端を発したアウトブレイクが毎年見られている．輸入感染症の国内での拡散を避けるためには，早期に感染症を検出することが必須であるが，国内の感染症専門医は少なく，さらに輸入感染症に精通した医師はいまだ限られている．臨床の現場で得られた知見の共有化はもちろん，渡航者一人一人の感染症感染リスクを理解した行動は不可欠である．
本研究では，各国の感染症流行状況から将来の流行状況を予測，渡航者が渡航先で流行する感染症に感染するリスクの定量化を行う．渡航先・渡航期間情報，潜伏期間から感染・発症確率を算出し，輸入感染症レジストリの症例データと統合，機械学習による感染症診断モデルを構築し医療現場の診断をサポートするシステムの開発を目的としている．
三年度は，J-RIDAのデータを用いて渡航先の感染者数と潜伏期間の確率分布をもとに，潜伏期間である確率を定量化した．定量化した確率と来院時の症状を説明変数とし，インフルエンザ陽性を目的変数としたロジスティック回帰分析を行ったところ，発熱や咳といった典型的な症状だけでなく，潜伏期間である確率も有意に寄与するということが明らかとなった．ロジスティック回帰は有用であるが，説明変数の個数に制約などもあり，症例数が少ない場合は必ずしも適した手法とは言えない．そのため，Random forestやXGBoostといった機械学習法による推定も行い，特徴量の重要度の検証を行ったが，同様の結果が得られた．
|
| 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
渡航国での感染者数とそこでの感染確率の定量化に時間がかかったため，診断モデルの構築とそのテストまでしか進められなかった．またCOVID-19の流行により，いくつかの国で2020年以降のインフルエンザ感染者数のデータの取得に困難が生じた．これにより，機械学習でのトレーニングデータとテストデータの分け方等，文献調査や探索的な解析に多くの時間を費やした．
|
| 今後の研究の推進方策 |
ロジスティック回帰や機械学習モデルで特徴量を定量化した結果，想定していた特徴量を用いることで高い精度で感染の診断ができることがわかった．モデルの構築については2019年までのデータを用いたが，Validationを見るため，今年度は2020年以降のデータを用いた精度の調査・確認を行う予定である．また，Support Vector MachineやNeural Network，Random forestといった異なる機械学習法による推定も行い，より精度の高い推定を目指す．
さらに，各国のインフルエンザ感染者数に焦点をあて，感染者数と感染リスクの可視化を進める．
|
| 次年度使用額が生じた理由 |
次年度使用が生じた理由：昨年度からのCOVID-19の流行による繰り越し金を用いて学会発表や出張をしたため，本年度の研究費を次年度に繰り越す必要が生じた．また，査読が長引いており，論文掲載費用として計上していた研究費の使用が使われなかった．
使用計画：複数の国内・国際学会への参加と研究発表を考えている．また，論文掲載費用としての使用を考えている．
|
