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

点击翻译按钮获取中文摘要

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.