2022 Fiscal Year Research-status Report
To investigate the association between gut microbiota and atherosclerosis using AI
| Project/Area Number |
22K19660
|
|---|
| Research Institution | Fukuoka University |
|---|
Principal Investigator |
有馬 久富 福岡大学, 医学部, 教授 (20437784)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
前田 俊樹 福岡大学, 医学部, 講師 (50555555)
原田 勝孝 福岡大学, 経済学部, 准教授 (30738810)
西 巧 福岡県保健環境研究所, その他部局等, 研究員 (20760739)
三浦 伸一郎 福岡大学, 医学部, 教授 (20343709)
小川 正浩 福岡大学, 医学部, 教授 (70341485)
廣松 賢治 福岡大学, 医学部, 教授 (80252237)
平井 郁仁 福岡大学, 医学部, 教授 (10389356)
吉村 力 福岡大学, 医学部, 准教授 (20511885)
川添 美紀 福岡大学, 医学部, 講師 (30469374)
佐藤 敦 福岡大学, 医学部, 講師 (60816263)
阿部 真紀子 福岡大学, 医学部, 講師 (10909617)
|
|---|
| Project Period (FY) |
2022-06-30 – 2025-03-31
|
| Keywords | 腸内細菌 / 動脈硬化 / AI / 機械学習 |
|---|
| Outline of Annual Research Achievements |
本研究の目的は、現在進行中である福岡県地域一般住民1500名を対象とする前向きコホート研究のデータをもちいて、人工知能（AI）の一分野である機械学習を実施し、動脈硬化（胸腹部CTで評価した冠動脈・大動脈石灰化）を予測する腸内細菌を明らかにすることである。
2022年度は、以下の作業をおこなった。
前向きコホート研究：福岡県の地域一般住民を対象とした前向きコホート研究（福岡動脈硬化疫学研究：FESTA）を2019年に開始しているが、2022年度は新たに150名から同意を取得した。そのうち、131名については胸腹部CT検査まで実施した。2020年度までの研究参加者総数は約900名で、そのうち約670名において胸腹部CT検査を実施している。
フィールド調査：参加者から文書による研究参加の同意を得て、以下の調査をおこなった。①問診（喫煙歴、飲酒歴、病歴、生活習慣など）、身体計測、血液生化学検査、尿検査、②携帯型活動量計による活動量測定、睡眠検査、③Multidetector CT（MDCT）：冠動脈・大動脈石灰化については、トレーニングされた研究者が胸腹部CTのDICOM画像および医用画像解析ソフトを用いて評価し、Agatston scoreを算出した。④腸内細菌の同定：便検体を採取し、次世代シークエンサーを用いて16S rRNA遺伝子のV3-V4領域を系統的に解析し、属・種よりさらに細かいOTU（Operational Taxonomic Unit）レベルまで同定した。
データベースの整備：検査結果のデータ入力を行った。また、外れ値や欠損値を随時確認することにより、データクリーニングを実施した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
新たに150名から同意を取得し、腸内細菌検査、胸腹部CT検査、画像解析、データベースの整備を実施した。したがって、おおむね順調に進展していると考える。
|
| Strategy for Future Research Activity |
今後も、以下の作業をおこなってゆく
前向きコホート研究：福岡県における住民健診受診者に、研究者から研究内容の説明を行い、研究参加の同意をいただく。
フィールド調査：参加者から文書による研究参加の同意を得て、以下の調査をおこなう。①問診（喫煙歴、飲酒歴、病歴、生活習慣など）、身体計測、血液生化学検査、尿検査、②携帯型活動量計による活動量測定、睡眠検査、③Multidetector CT（MDCT）：冠動脈・大動脈石灰化については、トレーニングされた研究者が胸腹部CTのDICOM画像および医用画像解析ソフトを用いて評価し、Agatston scoreを算出する。④腸内細菌の同定：便検体を採取し、次世代シークエンサーを用いて16S rRNA遺伝子のV3-V4領域を系統的に解析し、属・種よりさらに細かいOTU（Operational Taxonomic Unit）レベルまで同定する。
データベースの整備：検査結果のデータ入力を行う。また、外れ値や欠損値を随時確認することにより、データクリーニングを実施する。
人工知能（AI）の一分野である機械学習を用いた検討：機械学習のひとつであるスパース・モデリングの手法を用いて、動脈硬化の進展/予防につながる腸内細菌を明らかにする。
|
| Causes of Carryover |
一部の対象者の腸内細菌検査を年度内に終了することができなかったため。次年度は、検査費用および人件費に使用する予定である。
|
