2022 Fiscal Year Annual Research Report
Development of prediction method for drug-induced kidney injury using medical big data and machine learning
| Project/Area Number |
20K16050
|
|---|
| Research Institution | Nagoya City University |
|---|
Principal Investigator |
安部 賀央里 名古屋市立大学, 医薬学総合研究院(薬学), 講師 (70440625)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Keywords | 薬剤性腎障害 / 医療ビッグデータ / 機械学習 / 有害事象自発報告データベース |
|---|
| Outline of Annual Research Achievements |
本研究では、有害事象自発報告データベースと病院情報システムの医療情報を活用し、機械学習を用いて患者の背景情報や医薬品の化学構造情報から、薬剤性腎障害の発症リスクの高い患者の予測ならびに原因薬剤を特定することを目的とした。
PMDAによる医薬品副作用データベース（JADER）と、FDAが公開しているFARES（JAPIC AERSを使用）を用いて、薬剤性急性腎障害（AKI）を発症する医薬品の情報を抽出した。シグナル検出法（ROR法）と報告件数を用いて薬剤性AKIを発症する陽性医薬品と、発症する可能性が低い陰性医薬品を定義した。JADERとJAPIC AERSを統合した学習データを用いて、医薬品の化学構造情報である分子記述子から薬剤性AKIを発症する可能性が高い医薬品を判別するモデルを構築した。複数のアルゴリズムを組み合わせたアンサンブル学習を行い、交差検証を用いてモデルの性能を評価したところ、ROC-AUCが0.82を示し高い予測性能が得られた。
病院情報システムの電子カルテ情報を用いた患者ごとの薬剤性AKI発症リスクモデルについては、主な原因薬剤の一つであるバンコマイシンに着目した。KDIGO診断基準を基に、血清クレアチニン値を使用してAKI陽性患者を定義した。一方、バンコマイシンが投与されたがAKIを発症しなかった場合にAKI陰性患者とした。患者情報や医薬品の処方情報、検査値等を説明変数とし、LightGBMによる判別モデルを構築した。独立したテスト用データセットにおいて、ROC-AUCは0.78を示し、高い予測性能が得られた。
本モデルによる薬剤性腎障害の高リスク患者や原因薬剤の予測は、臨床現場における効率的な支援に加え、腎障害誘発作用のリスクが低い新薬開発においても有益となる。
|
Research Products
(9 results)
