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。

虽然已经使用了多种分子靶向药物来治疗炎症性肠病（IBD），在开始治疗之前，预测个别患者的最佳药物，不仅是患者的重要临床挑战，而且从医学经济的角度来看。我们专注于传统临床统计分析的局限性，以选择要分析的因素，统计意义的重要性和解释的意义，并根据实际的临床信息作为一种新方法来构想使用机器学习。此外，我们认为使用可以在临床环境中收集的血样的临床信息和预测方法对于将来的临床应用是可取的。 IBD的原因尚不清楚，但据信免疫状态异常是由遗传背景，环境因素和肠道菌群等各种作用引起的。我们测量了20种类型的细胞因子和趋化因子，据报道在33例首次使用分子靶向疗法的情况下，使用血液标本在给药之前使用血液标本与IBD病理相关。使用这些血液浓度模式，我们试图使用机器学习对33例病例进行分类，并评估与治疗效果的关联。