| Item type |
Journal(1) |
| 公開日 |
2025-04-15 |
| タイトル |
|
|
言語 |
ja |
|
タイトル |
X-Learnerを用いた抗がん剤治療による間質性肺疾患誘引リスクの評価 |
| タイトル |
|
|
言語 |
en |
|
タイトル |
Evaluation of the Risk of Interstitial Lung Disease by Anti-cancer Drug Treatment with X-Learner |
| 言語 |
|
|
言語 |
jpn |
| キーワード |
|
|
主題Scheme |
Other |
|
主題 |
[一般論文（推薦論文）] リアルワールドデータ，機械学習，因果推論，X-Learner，間質性肺疾患，肺がん |
| 資源タイプ |
|
|
資源タイプ識別子 |
http://purl.org/coar/resource_type/c_6501 |
|
資源タイプ |
journal article |
| ID登録 |
|
|
ID登録 |
10.20729/0002001752 |
|
ID登録タイプ |
JaLC |
| 著者所属 |
|
|
|
中外製薬株式会社 |
| 著者所属 |
|
|
|
中外製薬株式会社 |
| 著者所属 |
|
|
|
中外製薬株式会社 |
| 著者所属(英) |
|
|
|
en |
|
|
Chugai Pharmaceutical Co., Ltd. |
| 著者所属(英) |
|
|
|
en |
|
|
Chugai Pharmaceutical Co., Ltd. |
| 著者所属(英) |
|
|
|
en |
|
|
Chugai Pharmaceutical Co., Ltd. |
| 著者名 |
塚田,啓介
水谷,圭佑
徳山,健斗
|
| 著者名(英) |
Keisuke Tsukada
Keisuke Mizutani
Kento Tokuyama
|
| 論文抄録 |
|
|
内容記述タイプ |
Other |
|
内容記述 |
間質性肺疾患（Interstitial lung disease：ILD）は肺の線維化が進行することで呼吸が困難になる肺疾患の総称である．ILDは抗がん剤治療の副作用としても発症することが知られており，患者のクオリティオブライフが低下するだけでなく，がん治療の継続を妨げる要因にもなりうる．早期治療や副作用の未然回避のためには，患者個人ごとにILDの発症リスクを推定し，適切な薬剤選択や副作用コントロールを行うことが重要である．そこで本研究では，医療ビッグデータに対して，機械学習モデルを用いる因果推論の手法であるX-Learnerを導入し，ILD発症に対する抗がん剤治療の条件付き平均処置効果（Conditional average treatment effect：CATE）が算出できることを示す．まずは，X-Learnerを構成し，CATEを算出するために，患者背景情報，投薬履歴，臨床検査値などから構成される，肺がん患者約13,000例のリアルワールドデータを利用し，機械学習によるILD発症予測モデルを開発する．次に，推定された薬剤ごとのCATEを比較することで，薬剤のILD発症に対するリスクを可視化する．また，患者個別の処置効果に相関する特徴量を抽出することで，ILD発症に関連がある個別のリスク因子を特定し，これに他疾患との関連性から考察を加える．本研究の枠組みは，患者ごとの状態を考慮して処置効果を推定するため，個別化医療の進展に寄与することが期待される． |
| 論文抄録(英) |
|
|
内容記述タイプ |
Other |
|
内容記述 |
Interstitial lung disease (ILD) is a group of lung disorders characterized by progressive fibrosis, leading to respiratory difficulties. ILD is a known side effect of cancer treatments that can significantly impair patients' quality of life and potentially interrupt cancer therapy. This study aims to demonstrate the application of X-Learner, a machine learning-based causal inference method, to estimate the conditional average treatment effect (CATE) of anti-cancer drugs on ILD onset using healthcare big data. We developed an ILD onset prediction model using machine learning techniques applied to real-world data from approximately 13,000 lung cancer patients. By comparing the estimated CATEs for different drugs, we visualized the risk of ILD onset associated with various treatment types. Furthermore, we extracted features correlated with individual treatment effects, allowing for the identification of specific risk factors related to ILD onset within each treatment type. By enabling early intervention and prevention of side effects, this approach has the potential to improve patient outcomes and treatment continuity and provide personalized treatment in cancer care. |
| 書誌レコードID |
|
|
収録物識別子タイプ |
NCID |
|
収録物識別子 |
AN00116647 |
| 書誌情報 |
情報処理学会論文誌
巻 66,
号 4,
p. 701-707,
発行日 2025-04-15
|
| ISSN |
|
|
収録物識別子タイプ |
ISSN |
|
収録物識別子 |
1882-7764 |
| 公開者 |
|
|
言語 |
ja |
|
出版者 |
情報処理学会 |
IPSJ-JNL6604008.pdf (1.2 MB)
