Development of therapeutic effect prediction tool for molecular-targeted drugs in inflammatory bowel disease using machine learning

2022 Fiscal Year Research-status Report

• Project/Area Number: 22K07970
• Research Institution: Kyorin University
• Principal Investigator: 久松 理一 杏林大学, 医学部, 教授 (60255437)
• Project Period (FY): 2022-04-01 – 2025-03-31
• Keywords: 炎症性腸疾患 / サイトカイン / ケモカイン / 機械学習

Outline of Annual Research Achievements

炎症性腸疾患（IBD）治療において、さまざまな分子標的薬が用いられている一方、個々の患者に最適な薬剤を治療開始前に予測することは、患者のみならず医療経済的観点からも重要な臨床課題である。我々は、従来の臨床統計学的解析には解析対象因子の選択や統計学的有意差の意義、解釈に限界があることに着目し、新たなアプローチとして実臨床情報に基づく機械学習の利用を着想した。さらに将来的な臨床応用のために臨床現場で収集可能な臨床情報や血液検体を用いた予測方法が望ましいと考えた。
IBDの原因はまだ明らかではないが、遺伝的背景、環境因子、腸管微生物叢などのさまざまな影響により免疫状態に異常が生じていると考えられる。我々は、分子標的治療薬を初めて使用する33症例における投与開始直前の血液検体を用いて、これまでにIBD病態に関連が報告されているサイトカイン、ケモカイン20種類を測定した。そして、それらの血中濃度パターンを用いて、機械学習による33症例の分類および治療効果との関連性の評価を試みている。

Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

分子標的治療薬がすでに開始されている炎症性腸疾患症例では宿主免疫機構への修飾が加わっていると考えられるため、分子標的治療薬を初めて使用する症例を対象としている。まだ解析対象症例数が限られており、残血清の量も限られていることから、まず炎症性腸疾患病態への関与が示唆されているサイトカイン、ケモカインを現在の解析対象としている。

Strategy for Future Research Activity

これまでに解析済みのデータを用いた機械学習を用いたパターン認識および症例分類におけるアルゴリズムの最適化を進めていく。そのためにも、解析対象検体の増加が必要であり、解析対象症例の検体回収、情報収集を継続していく。これらの結果をふまえながら、測定する血中代謝物の選択範囲についてどこまで広げるかを検討していく。

Causes of Carryover

今年度は保存血清検体を用いて解析標的を炎症性腸疾患の病態との関連が報告されているサイトカイン、ケモカインとしたデータを収集し、機械学習を開始した。次年度使用額については、今後の検体数の増加および解析標的の追加・変更に伴い解析費用として使用する計画である。