AI搭載ガスクロマトグラフを応用した呼気分析によるNASH進行非侵襲判定法の開発

点击翻译按钮获取中文摘要

非アルコール性脂肪性肝疾患（NAFLD）の一部は、肝線維化を伴う非アルコール性脂肪性肝炎（NASH）へと進行し、生存率が大幅に低下する。そのため、NASH治療法の開発は喫緊の課題といわれているが、現状、特異的治療薬はない。その一因として、動物実験に利用可能なNASHの簡易的な判定方法がないことが挙げられる。申請者らは、呼気に含まれる揮発性有機化合物（呼気中VOCs）が肝代謝機能に影響されることに着目し、肝線維化が呼気中VOCsの構成（ブレス・プリント）に影響する可能性を考えた。本研究では、呼気分析による簡易的なNASH進行非侵襲判定法の確立を目指すとともに、NASH治療薬スクリーニングへの応用について検証し、NASHに特徴的なVOCsを同定し、NASH発症に至るリスク因子やNASH治療薬のターゲット分子の提案に繋げることを目的とした。NASHモデルを含む発生機序の異なる3種類の肝疾患モデルマウスの作製を行い、教師データの取得を行った。肝疾患モデルマウスは、食餌誘発性NASHモデルをコリン欠乏高脂肪食CDAHFDの12週間給餌、GAN dietの30週間摂餌により、また薬物誘発性肝線維化モデルを15週間のthioacetamide腹腔内投与により作製した。各モデルでの病態段階は、肝臓の薄切切片を用いた組織染色により確認した。可搬型AI搭載ガスクロマトグラフを用いたディープラーニングによる判別モデルの構築を試みたが、初年度は判別正解率が50%程度と非常に低い値しか得られなかった。そこで２年目は、得られたブレス・プリントを基に特徴量を抽出後、判別に最適な特徴量を選択し、15種類の機械学習アルゴリズムを用いて判別モデルの構築を試みた。その結果、感度88.7% ± 2.6%、特異度97.6% ± 1.3%、正解率93.6% ± 0.9%の判別モデルを構築することができた。