| 研究実績の概要 |
ニューラルネットワークによって断片的な観測データから長期的なバイオマーカー変化を推定するアルゴリズムであるSReFT-MLの開発を行った。特にライブラリ化に力を入れ、最終的にPython用ライブラリとしてのコード共有が可能なWebプラットフォームであるGitHubにて公開した（https://github.com/RyotaJin/sreft-ml）。これによって汎用的にSReFT-MLの実行が可能となり、既に他研究への活用も始まっている。ライブラリの公開については第9回 次世代を担う若手のためのレギュラトリーサイエンスフォーラムなどにて発表した。
また、パーキンソン病のデータベースを用いた解析も実施した。結果、14個のバイオマーカーの長期的な変化の推定に成功した。推定されたバイオマーカー変化は、先行研究である非線形混合効果モデルベースのアルゴリズムであるStatistical Restoration of Fragmented Time course（SReFT）が推定した推移を再現しており、SReFTで行った4つのバイオマーカーモデルから大幅な拡張を達成した。また、解析に使用した被験者も1,000名程度増加しており、当初目的としていた解析能力の向上を達成した。一方で共変量解析においては先行研究で確認された性別の影響を再現することはできなかった。これについては使用しているバイオマーカーの違いやアルゴリズムの制約などが考えられ、今後の課題となった。これらの成果については第44回日本臨床薬理学会学術総会や日本薬学会第144年会にて発表を行った。
|
