機械学習を用いた従来にない薬剤投与設計アルゴリズムの構築

点击翻译按钮获取中文摘要

今年度は、協力医療機関（北海道大学病院ならびに砂川市立病院）に赴いて収集した1,380例の診療情報をもとに、VCMの至適投与量予測モデルを構築した。1,380例中822例を解析対象とし、構築データと検証データが8:2（それぞれ661例ならびに161例）になるようランダムに分割した。モデル構築データを用いた機械学習モデルは、目標血中濃度-時間曲線下面積 (AUC) 500 mg・hr/Lを達成する補正投与量を従属変数とし、年齢、推算糸球体濾過量 (eGFR)、Body Mass Index (BMI) < 18.5 kg/m2、BMI≧25 kg/m2、併用薬を独立変数として決定木分析の手法の一つであるClassification and Regression Tree algorithmを用いて構築した。AUCの算出にはPractical AUC guided TDM for vancomycin ver.1.2を用いた。構築された決定木モデル（モデル構築データ，661例を使用)は最大5回分割され、13個のサブグループに枝分かれした。モデルに組み込まれた変数はeGFR、年齢、BMI 25 kg/m2であり、各サブグループにおける推奨投与量は17.6－59.4 mg/kg/dayとなった。これら13個のサブグループに基づき、変数の組み合わせごとに推奨される投与量のノモグラムを作成した。