機械学習を用いた副作用自動検出アプリケーションの開発

使用机器学习开发自动副作用检测应用程序

• 批准号: 22K19682
• 负责人: 五所 正彦
• 金额: $ 4.16万
• 依托单位: University of Tsukuba
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Challenging Research (Exploratory)
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-06-30 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22K19682/
• 关键词: シグナル検出; スパースデータ; 医薬品データベース; 薬物相互作用; 統計モデル; 副作用; データベース

我が国は超高齢化社会を迎え，人生100年時代に突入した．その高齢者の多くが何かしらの疾病を有しており，75歳以上の約4割が，5種類以上の薬剤を服用している．不適切な多剤併用は患者を死に至らせることさえあり，患者の安全性を担保するためにも，薬剤の適正使用情報を効率的かつリアルタイムに収集・提供・更新する必要がある．本研究の目的は，機械学習により薬物相互作用の推測モデルを構築し，その情報を自動的に提供できるアプリケーションを開発することである．本年度は，米国食品医薬品局や日本医薬品医療機器総合機構が提供している医薬品副作用データベースから必要な情報を抽出し，解析用データセットを作成した．現在，作成したデータセットを用いて，患者が使用した医薬品やその併用状況から副作用発現を予測するための統計モデルを構築中である．統計モデルの骨格は出来ているため，その性能を確認している．またデータ数が膨大になるため，効率的に解析するためのアルゴリズムを検討している．その前段階として，レアイベントに相当する稀な副作用データを解析するために使用できる統計手法の性能評価を行った．具体的には，小標本バイアスを補正した複数の一般化推定方程式法の性能を比較評価し，罰則付き一般化推定方程式法がバイアス軽減の点で優れていることを示した．同時に，通常の解析で頻用されるロバスト分散（サンドイッチ分散）推定量の性能が悪いことも明らかにした．

我们国家进入了一个极端老化的社会，并进入了100年的生活。这些老年人中的许多人患有某种疾病，大约40％的人75岁以上服用了五种多种药物。不适当的多药组合甚至可以导致死亡，为了确保患者的安全，必须有效地收集适当的药物使用信息，并实时提供和更新。这项研究的目的是使用机器学习建立推论药物相互作用的模型，并开发可以自动提供此信息的应用程序。今年，我们从美国食品药品管理局和日本药品医疗设备机构提供的药物副作用数据库中提取了必要的信息，并创建了一个分析数据集。目前，我们正在建立一个统计模型，以根据患者使用的药物及其组合使用数据集预测副作用的发生。统计模型的骨骼已经建立了良好的表现，因此已确认其性能。此外，由于数据数量很大，因此我们正在考虑进行有效分析的算法。作为初步步骤，我们对统计方法进行了性能评估，该方法可用于分析与罕见事件相对应的稀有副作用数据。具体而言，我们将多个广义估计方程方法的性能与小样本偏差进行了比较并评估，并表明，惩罚的广义估计方程方法在降低偏差方面是优越的。同时，还揭示了稳健方差（三明治方差）估计量的性能（经常用于正常分析）很差。