心不全治療薬の適切な初期投与量を機械学習で予測

Photo by iStock

慢性心不全の治療薬ジゴキシンは、最適な血中濃度の範囲が狭く、薬物同士の相互作用(DDI)を受けやすい性質から、臨床で強い注意を必要とする。特に高齢者では中毒症状などの有害反応で入院や死亡に至るケースが多く、課題とされてきた。

Journal of Healthcare Engineering収載の論文は、台湾の医療センター307名の患者でジゴキシンの初期投与量の適切さを機械学習で検討した。複数の機械学習手法を比較し、決定木(decision tree)ベースのランダムフォレスト(RF)や、多層パーセプトロン(MLP)の優位性が示された。血中濃度の測定前に、初期投与量の適切さを予測することは、臨床での意思決定に大きく役立つ。単一施設のデータであり研究の更なる発展が必要と著者自ら指摘するものの、AI応用の臨床研究モデルとしての方向性は興味深い。

ジゴキシン以外にも、治療薬物モニタリング(Therapeutic Drug Monitoring, TDM)で血中濃度の解析を必要とする薬物は抗てんかん薬・免疫抑制剤・抗菌薬・抗不整脈薬など多岐に渡る。影響を与えるパラメータが複雑で、臨床面では扱いの難しい治療薬として認識されることも多い。特に初期投与のように個人の過去データがない局面では、AIによる予測モデル研究の発展の可能性が高い。

前の記事シンガポールのスタートアップ・Biofourmis デジタルバイオマーカーで3500万ドルを調達
次の記事路上の心停止患者を救うAIアルゴリズム
TOKYO analytica
TOKYO analyticaは、データサイエンスと臨床医学への深い造詣を武器とし、健康に関するあらゆるモノ・コトのエビデンス構築・普及をお手伝いするメディカルコンサルティングプロジェクトです。
The Medical AI Timesにおける記事執筆は、循環器内科・心臓血管外科・救命救急科・小児科・泌尿器科などの現役医師およびライフサイエンス研究者らが中心となって行い、下記2名の医師が監修しています。

1. M.Okamoto MD, MPH, MSc
信州大学医学部卒(MD)、東京大学大学院専門職学位課程修了(MPH)、ロンドン大学ユニバーシティカレッジ(University College London)科学修士課程最優等修了(MSc with distinction)。専門はメディカルデータサイエンス。ロンドンでのベンチャーエンジニアを経て、英国内の大学で医療データベース研究に従事。

2. T.Sugino MD
防衛医科大学校卒(MD)。大学病院、米メリーランド州対テロ救助部隊を経て、現在は都内市中病院に勤務。専門は泌尿器科学、がん治療、バイオテロ傷病者の診断・治療、緩和ケアおよび訪問診療。泌尿器科専門医、日本体育協会認定スポーツドクター。