機械学習アプローチによる薬物性肝障害の発症に寄与する未知の薬物間相互作用の検出

使用机器学习方法检测导致药物性肝损伤发生的未知药物相互作用

• 批准号: 22K15347
• 负责人: 秋元 勇人
• 金额: $ 0.33万
• 依托单位: Nihon University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Early-Career Scientists
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-22K15347/
• 关键词: 薬剤性肝障害; 薬物間相互作用; 解釈可能な機械学習; 人工知能; データマイニング; 薬剤疫学; 機械学習; 薬物性肝障害; 電子カルテ情報; シグナル検出

薬物の代表的な副作用の1つである薬剤性肝障害(DILI)のリスクは肝毒性を有する2種類以上の薬物の併用により6倍以上増加することが報告されている。本研究の目的は大規模な電子カルテ情報を利用してこのDILIのリスクを相乗的に増加させる特定の薬物の組み合わせを探索・検出することである。まず、日本大学医学部臨床データベース(NUSM's CDW)から血清アラニンアミノ基転移酵素(ALT)が90日以内に基準値[4.0-44.0IU/L]の3倍を超えて上昇した患者と正常範囲内であった患者を抽出し、同患者らがその期間中にどのような薬物を使用していたかを要因とした症例対照研究を実施した。統計解析手法として、伝統的に利用されている多重ロジスティック回帰(MLR)モデル、AI基盤技術であるロジスティックLASSO回帰モデルやeXtreme Gradient Boosting (XGBoost) decision tree モデルの3つを利用した。イベント判別の指標である受信者動作特性曲線下面積(AUROC)やPrecision-recall曲線下面積(AUPR)を算出・比較することでどのモデルが良好にDILIを予測できていたかを調査したところ、XGBoostモデルやLASSO回帰モデルはMLRよりも優れたパフォーマンスを示した。この2つのモデルにおいてどの薬物の組み合わせがDILIリスクを増加させるか評価したところ、ジクロフェナクとファモチジンの併用下ではこれら薬物の単独のリスクと比較し、DILIリスクが相乗的に高いことが示唆された。本研究結果は原著論文1本、学会発表1回を通じて成果発表済みである。学術論文：Akimoto, H., et al. Frontiers in Pharmacology. 2022.学会発表：第143回日本薬学会年会. 札幌. 演題番号 26P2-pm1-130.

The side effects of the drug are reported to be increased by more than 6 times when more than 2 kinds of drugs are used together. The purpose of this study is to explore and explore the combination of specific substances in the use of large-scale electronic information NUSM's CDW has increased serum ALT by 3-fold from the baseline [4.0- 44.0 IU/L] within 90 days, and the patient's normal range has been maintained. Statistical analysis techniques and systematic utilization of multiple response (MLR) and AI base technologies include eXtreme Gradient Boosting (XGBoost) decision tree utilization. Area under the receiver action characteristic curve (AUROC) and area under the Precision-recall curve (AUPR) are calculated, compared, predicted, investigated, XGBoost, LASSO, MLR, and optimized. 2. The composition of the compound is increased by the increase of the concentration of the compound, and the concentration of the compound is increased by the increase of the concentration of the compound. The results of this study are different from those of the original paper. Academic papers: Akimoto, H., et al. Frontiers in Pharmacology. 2022. The 143rd annual meeting of the japanese academy of medicine. Sapporo. Issue number 26P2-pm1-130.

项目成果

肝障害のリスクに相乗的に影響を及ぼす薬物間相互作用の探索：機械学習アルゴリズムを用いたシグナル検出

探索协同影响肝损伤风险的药物相互作用：使用机器学习算法进行信号检测

• 发表时间: 2023
• 作者: 秋元勇人;長島卓也;早川 隆;皆川貴美乃;高橋泰夫;浅井 聰
• 通讯作者: 浅井 聰