Development of prediction method for drug-induced kidney injury using medical big data and machine learning

2022 Fiscal Year Final Research Report

• Project/Area Number: 20K16050
• Research Category: Grant-in-Aid for Early-Career Scientists
• Allocation Type: Multi-year Fund
• Review Section: Basic Section 47060:Clinical pharmacy-related
• Research Institution: Nagoya City University
• Principal Investigator: Ambe Kaori 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 Final Research Achievements

In this study, we developed a prediction model for drug-induced kidney injury using medical big data and machine learning. We defined drugs that are highly likely to cause drug-induced acute kidney injury (AKI) from JADER and FAERS as adverse event spontaneous reporting databases, and constructed an ensemble model to predict AKI using chemical structure information (ROC-AUC: 0.82 ). We also constructed a LightGBM model that discriminates patients with a high possibility of causing AKI due to vancomycin from the electronic medical record information of Nagoya City University Hospital (ROC-AUC: 0.78). In addition to efficient support in clinical practice, this model will also be beneficial in the development of new drugs with low risk of nephrotoxicity.

Free Research Field

レギュラトリーサイエンス

Academic Significance and Societal Importance of the Research Achievements

本研究は、医療ビッグデータと機械学習を活用した薬剤性腎障害の予測研究であり、医薬品の安全性評価の効率化、高度化に向けた取り組みとして重要である。機械学習を用いることで、膨大な医療関連データから複雑で多様な情報を解釈し、新たなリスク因子候補を見いだすことが可能となる。本研究で開発した予測モデルから得られる、腎障害の発症リスクの高い患者や原因薬剤の情報は新薬開発にも有益となり学術的意義が大きい。さらに、薬剤性腎障害は高齢化に伴い今後増加することが懸念され、医療現場での早期診断、原因薬剤の特定による早期対策を支援することが可能となるため社会的意義も大きい。