FAERSを用いた機械学習による薬物性肝障害の予測モデルの開発

DOI
  • 土井 更良
    名古屋市立大学大学院薬学研究科 医薬品安全性評価学
  • 安部 賀央里
    名古屋市立大学大学院薬学研究科 医薬品安全性評価学
  • 頭金 正博
    名古屋市立大学大学院薬学研究科 医薬品安全性評価学

書誌事項

タイトル別名
  • Development of machine learning-based prediction of drug-induced liver injury using FAERS

抄録

<p>【背景・目的】薬物性肝障害(Drug-Induced Liver Injury ; DILI)は、臨床試験中止及び市販後撤退の主な原因の一つとなっている。特異体質性のものも多く、動物実験や臨床試験では発見が難しい。そこで、本研究では、市販後の臨床現場におけるDILIの発症に着目し、副作用の自発報告データベースを活用して医薬品の構造情報からDILIの発症リスクを予測する機械学習モデルを構築することを目的とした。</p><p>【方法】FDA Adverse Event Reporting System(FAERS)の1997年第4四半期から2020年第2四半期までに報告されたデータを用いた。一般財団法人日本医薬情報センターがFAERSを重複報告の削除、医薬品名の統一のクリーニングを行ったJAPIC AERSを用いた。対象副作用は、MedDRA ver23.0の標準検索式の「薬剤に関する肝障害」とした。DILI陽性・陰性定義として、Proportional Reporting Ratios(PRR)法と報告件数を用い、該当する医薬品を抽出することでDILIデータセットを作成した。説明変数として、分子記述子計算ソフトであるalvaDescにより算出した2D記述子を使用し、Random Forest(RF)によってDILI予測モデルを構築した。</p><p>【結果・考察】副作用自発報告データベースJAPIC AERS(陽性:446剤、陰性:223剤)を用いて、RFによる判別モデルを構築したところ、ROC-AUCは0.79であった。副作用自発報告データベースからシグナル検出によってDILI発症リスク陽性・陰性物質を抽出し、医薬品の化学構造情報のみから効率的にDILIの発症リスクの予測を行えることが示唆された。本手法は、医薬品開発の際のスクリーニングへの活用等が期待される。</p>

収録刊行物

詳細情報 詳細情報について

  • CRID
    1390011716213233792
  • DOI
    10.14869/toxpt.49.1.0_p-97s
  • 本文言語コード
    ja
  • データソース種別
    • JaLC
  • 抄録ライセンスフラグ
    使用不可

問題の指摘

ページトップへ