アンサンブル学習を用いた造血幹細胞移植予後予測モデルの開発~機械学習を用いた新規生存時間解析手法の実装~

ad

2021-12-28 京都大学

高折晃史 医学研究科教授、諫田淳也 同助教、岩﨑惇 同研修員、ネクスジェン株式会社 中島正和氏、宮西正憲氏、宮塚功氏、Le My An氏らの研究グループは、新規の造血幹細胞移植予後予測モデルを開発しました。

同種造血幹細胞移植においては、患者年齢や疾患等の患者因子、並びにHLA一致度やドナーソース等のドナー側因子を含む数多くの因子が予後に関わる事が知られています。本研究グループは、従来、予後予測に用いられてきた統計学的手法、並びに機械学習手法で得られた予測モデルを、アンサンブル学習を用いて融合し、新たな予測モデルを開発しました。本学血液内科関連病院の移植データを用いた解析では、同モデルは従来の手法と比較し、全生存、再発、GVHD、並びに上記を考慮した重篤な病的状態を伴わない生存の指標であるGVHD-free, Relapse-free Survival (GRFS) 、いずれにおいても優れた予測精度 (C-index)を示しました。各症例に適したドナーの選択や、治療に対する患者の理解に貢献する事が期待されます。

本研究成果は、2021年12月21日に、国際学術誌「Blood Advances」にオンライン掲載されました。

アンサンブル学習を用いた造血幹細胞移植予後予測モデルの開発~機械学習を用いた新規生存時間解析手法の実装~
図:本研究のイメージ図

詳しい研究内容≫

研究者情報
研究者名:高折晃史
研究者名:諫田淳也

医療・健康
ad
ad
Follow
ad
タイトルとURLをコピーしました