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.

据报道，药物诱导的肝脏损伤（DILI）是药物最典型的副作用之一，随着两种或多种具有肝毒性的药物的结合而增加了六倍以上。这项研究的目的是使用大规模的电子病历信息来搜索和检测特定的药物组合，从而协同增加了该剂量的风险。首先，血清丙氨酸氨基转移酶（ALT）的患者在90天内从NIHON大学医学学院临床数据库（NUSM的CDW）（NUSM的CDW）中增加了标准值[4.0-44.0 IU/L]的三倍以上，并提取了基于病例对照研究的患者，并根据该期间使用了一些药物。使用了三种统计分析方法：传统上使用的多个逻辑回归（MLR）模型，Logistic Lasso回归模型，这是一种基于AI的技术，以及极端的梯度增强（XGBoost）决策树模型。当我们研究哪些模型能够通过计算和比较接收器操作特征曲线（AUROC）和Precision-Recall曲线（AUPR）下的面积（AUPR）下的面积（AUPR），这是事件歧视的指标时，我们发现XGBoost模型和Lasso回归模型比MLR更好。当评估哪种药物组合在这两个模型中增加了DILI的风险时，建议与单独使用这些药物相比，与双氯芬酸和Famotidine结合使用时，DILI的风险在与双氯芬酸和Famotidine结合使用时具有协同作用。这项研究的结果是通过一篇原始论文和一份会议演讲介绍的。学术论文：Akimoto，H。等。药理学领域。 2022年。会议演讲：日本制药协会的第143届年会。 Sapporo。演示编号：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