本研究では、医薬品の安全性評価の標準化や市販後安全性対策をより充実させることを目的として人工知能による標準的な安全性評価の支援ツールの開発と実証に向けた検討を行った。臨床開発段階の治験や市販後に得られた累積安全性データから、観察された類縁症状・徴候をグルーピングした発現パターンを AI によって自動生成し、生体内の生理病理学的関連を参考に関連する診断名を予測、起こりうる薬剤性重要副作用を推定する。
3年間の検討では、医療リアルワールドデータ 2000 万人強の患者情報を含む病院会計事務情報データベースのデータ構造のラーニング、それに適した機械学習アルゴリズムの選択と、処理可能なデータとするためのクレンジング手法の検討を行った。最終年度は、有害事象発現が集団では比較的まれでありかつその種類も多いことから、このようなSparse dataのDeep neural networkによる効果的なマルチラベル分類学習と予測精度の向上のために、Few shot learning手法及びデータの分散表現化を検討し、対象年齢層をデータベース集団全体に広げ、特定の事象群の予測性能を検討した。本手法をさらに洗練させることで、今後さらなる予測性の向上が見込まれる。
本研究成果に関しては、第 39 回医療情報学連合大会（第 20 回医療情報学会学術大会 2019.11 幕張）、及び、日本薬剤疫学会 薬剤疫学とデータベースタスクフォース「実務者のためのデータベース研究講座 その 3」（2020.1、東京）にて発表された。また本提案手法に関連して得られた知見を応用し、医療リアルワールドデータを利用し抗てんかん薬の非常にまれな副作用である重症皮疹の発現リスクを、日本人集団においてはじめて推定し、海外学術専門誌に発表した。
This research aims to develop the analysis tool using machine learning technologies to generate and evaluate valid safety signals from clinical trial data and real world data without predefined hypothesis. Several machine learning algorithms are being applied to predict potential drug-induced adverse reactions using automated clustering of observed signs and events, in consideration of physiological/ pathophysiological adjacency.
During the 3-year research project, we explored the possibility of utilizing the electronic medical database including more than 20
million patients for applying several algorithms of machine learning to predict potential adverse events.
In the last 3rd year, we invesitigated application of few shot learning and distributed representation of language processing to this multilabel classification task.
We are continuously refining machine learning algorithms for better prediction, by using the above-mentioned deep neural network method to improve predictability and level of detail.
We presented the above results at the 39th Joint Conference on Medical Informatics (JCMI) and the 20th Annual Meeting of Japan
for Medical Informatics held in Nov, 2019 (Chiba, Japan) and the database seminar held by the pharmacoepidemiology and database
task-force of the Japanese Society for Pharmacoepidemiology on Jan. 20, 2020 at Tokyo. We published the related article on the risk estimation of very rare SJS/TEN syndrome in the patients treated with anti-convulsants using a large-scale database by applying the findings from this project.