Development of therapeutic effect prediction tool for molecular-targeted drugs in inflammatory bowel disease using machine learning

利用机器学习开发炎症性肠病分子靶向药物疗效预测工具

• 批准号: 22K07970
• 负责人: 久松 理一
• 金额: $ 2.66万
• 依托单位: Kyorin University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-04-01 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22K07970/
• 关键词: 炎症性腸疾患; サイトカイン; ケモカイン; 機械学習; 分子標的治療薬; 効果予測

炎症性腸疾患（IBD）治療において、さまざまな分子標的薬が用いられている一方、個々の患者に最適な薬剤を治療開始前に予測することは、患者のみならず医療経済的観点からも重要な臨床課題である。我々は、従来の臨床統計学的解析には解析対象因子の選択や統計学的有意差の意義、解釈に限界があることに着目し、新たなアプローチとして実臨床情報に基づく機械学習の利用を着想した。さらに将来的な臨床応用のために臨床現場で収集可能な臨床情報や血液検体を用いた予測方法が望ましいと考えた。IBDの原因はまだ明らかではないが、遺伝的背景、環境因子、腸管微生物叢などのさまざまな影響により免疫状態に異常が生じていると考えられる。我々は、分子標的治療薬を初めて使用する33症例における投与開始直前の血液検体を用いて、これまでにIBD病態に関連が報告されているサイトカイン、ケモカイン20種類を測定した。そして、それらの血中濃度パターンを用いて、機械学習による33症例の分類および治療効果との関連性の評価を試みている。

虽然多种分子靶向药物用于治疗炎症性肠病（IBD），但在开始治疗之前预测每个患者的最佳药物不仅从患者的角度而且从医疗经济学的角度都很重要，这是一个严重的临床问题。 。我们专注于传统临床统计分析在分析因素的选择、统计显着性差异的显着性和解释方面的局限性，并根据实际临床信息开发了一种使用机器学习的新方法。主意。此外，对于未来的临床应用，我们认为需要一种使用临床信息和可以在临床环境中收集的血液样本的预测方法。 IBD的病因尚不清楚，但认为是由于遗传背景、环境因素、肠道菌群等多种影响而导致免疫状态异常。我们使用 33 名首次接受分子靶向治疗的患者在开始给药前采集的血液样本，测量了先前报道与 IBD 病理学相关的 20 种细胞因子和趋化因子。利用这些血液浓度模式，我们尝试使用机器学习对 33 个病例进行分类，并评估其与治疗效果的关系。