「B3」を使用した解析事例を紹介します。
掲載した事例には、受託解析の事例も含みます。また、掲載内容は当時のものです。
免疫チェックポイント阻害剤の治療効果を予測するバイオマーカーの探索
国立がん研究センター様との取り組み事例
コロナ重症者と軽症者をグループ分けするバイオマーカー候補の探索
コロナ制圧タスクフォースの取り組み事例
糖尿病性腎症を高性能に予測するバイオマーカーの探索
東京大学様、協和キリン様との取り組み事例
乳がんのサブタイプ分類に寄与する遺伝子機能の探索
第一三共RDノバーレ様との共同研究事例
多系統萎縮症の病型分類に寄与する因子探索
東海大学様との取り組み事例
心疾患患者の再入院リスクを予測する因子探索
Partners HealthCare社様との協創事例
多発性骨髄腫患者の治療期間を短縮する要因の探索
ヤンセンファーマ様、群馬大学様、名古屋市立大学様、日本赤十字社医療センター様、徳島県立中央病院様との取り組み事例
潰瘍性大腸炎に関連する予後因子の検証
東海大学様との取り組み事例
非結核性抗酸菌(NTM)症の重症化予測マーカーの探索
東京大学様との共同研究取り組み事例
フローサイトメトリーの情報から免疫チェックポイント阻害剤の治療効果を高精度に予測可能なバイオマーカーを同定しました。
| データの種類 | 分子レベルのデータ |
|---|---|
| 目的変数 | 治療奏効/治療不応 |
| N数・変数 | 39例・114因子 |
| 成果 | 95%以上の精度で免疫チェックポイント阻害剤の治療効果を予測できるマルチバイオマーカーを同定 |
| 領域 | 臨床研究 |
| 解析テーマ | 予後予測−治療効果予測 |
| 問題の種類 | 二値分類 |
| 論文 | |
| ニュース リリース | 国立がん研究センターサイトへ |
| タグ | 症例数：小数例データの種類：分子レベル、臨床検査値解析手法：Point-wise Linear、Piecewise Linerその他：バイオマーカー |
コロナ重症化メカニズムを解明するため、日立のAI技術を活用し、重症者と軽症者を高精度にグループ分け可能なバイオマーカー候補の探索をめざします。
糖尿病性腎臓病患者の臨床経過の予測は、潜在的なバイオマーカーが特定されているにもかかわらず、依然として困難であり、新しいバイオマーカーが必要とされていました。また、どのような患者がRapid Decliner(急速に腎機能が低下する患者)かが不明確という課題を抱えていました。日立独自のAI「B3」を用いて、糖尿病性腎症を高性能に予測するバイオマーカーの探索を行い、従来の統計的手法では特定できなかった、潜在的なバイオマーカーを検出したことを示唆しました。
| データの種類 | 分子レベルのデータ、臨床検査値 |
|---|---|
| 目的変数 | 糖尿病性腎症から30ヶ月後にeGFRが低下/低下していない |
| N数・変数 | 150例・3000因子 |
| 成果 | 従来の統計的手法では特定できなかった潜在的なバイオマーカーを検出したことを示唆 |
| 領域 | 臨床研究 |
| 解析テーマ | 予後予測−リスク分析 |
| 問題の種類 | 二値分類 |
| 論文 | |
| タグ | データの種類：分子レベル、臨床検査値解析手法：Point-wise Linear、Piecewise Linear、ADAその他：バイオマーカー |
腫瘍のサブタイプ予測に影響を及ぼす新規重要遺伝子を同定するため、TCGAから取得した15,000以上のトランスクリプトームデータを日立独自のAI「B3」で解析しました。腫瘍のサブタイプ予測に影響し、かつノンスタンダードな遺伝子を同定し、新たな層別化メカニズムの発見に貢献しました。
| データの種類 | 分子レベルのデータ |
|---|---|
| 目的変数 | 乳がんのサブタイプ |
| N数・変数 | 810症例・15000因子 |
| 成果 | サブタイプ予測に関連するノンスタンダードな重要遺伝子を同定し、新たな層別化メカニズムの発見に貢献 |
| 領域 | 基礎研究 |
| 解析テーマ | 創薬標的探索 |
| 問題の種類 | マルチクラス分類 |
| 論文 | |
| タグ | データの種類：分子レベル解析手法：Point-wise Linearその他：マルチクラス分類 |
疾患メカニズムが明らかでない多系統萎縮症の診断分類を形式知化するため、多系統萎縮症の病型分類に寄与する因子探索を行いました。その結果、サブタイプ予測に関連するノンスタンダードな重要遺伝子を同定し、新たな層別化メカニズムを発見しました。
| データの種類 | リアルワールドデータ |
|---|---|
| 目的変数 | 多系統萎縮症のサブタイプ |
| N数・変数 | 3220症例・60因子 |
| 成果 | サブタイプ予測に関連するノンスタンダードな重要遺伝子を同定し、新たな層別化メカニズムの発見に貢献 |
| 領域 | 臨床研究 |
| 解析テーマ | 診断支援 |
| 問題の種類 | マルチクラス分類 |
| 論文 | |
| タグ | データの種類：リアルワールドデータ、難病データ解析手法：Point-wise Linearその他：マルチクラス分類 |
心疾患の患者約12,000人の電子カルテに記載された、治療内容や患者の容体などのデータを用いて、退院してから30日後に再入院するリスクを予測するモデルを生成しました。予測モデルから、医療行為への適応が可能な数十個の要素を抽出してリスク予測に活用しました。
| データの種類 | リアルワールドデータ |
|---|---|
| 目的変数 | 30日後に再入院した/再入院していない |
| N数・変数 | 11,510症例・3512因子 |
| 成果 | 特定した再入院リスクに関係する重要因子を用いシミュレーションすると、患者1人あたり年間で約80万円の再入院コストを削減可能との結果 |
| 領域 | 臨床研究 |
| 解析テーマ | 予後予測−リスク分析 |
| 問題の種類 | 二値分類 |
| 論文 | |
| タグ | データの種類：リアルワールドデータ、電子カルテ解析手法：Point-wise Linear、クラスタリング |
多発性骨髄腫(MM)の治療効果を最大限に高めるには、適切な期間治療を続けることが重要です。しかし、日本では治療パターンが多岐にわたるため、DoT短縮の原因を特定することは困難でした。日立のAI技術を活用し、多発性骨髄腫患者の治療期間を短縮する因子の解明に挑みます。
| 取り組み | 多発性骨髄腫患者の治療期間を短縮する要因の探索 |
|---|---|
| データの種類 | DPCデータ |
| 目的変数 | 治療期間 |
| N数・変数 | 2,762症例・647因子 |
| 領域 | リアルワールドデータ |
| 解析テーマ | 治療実態の把握 |
| 問題の種類 | 二値分類 |
| 論文 | |
| タグ | データの種類：リアルワールドデータ、DPC解析手法：Point-wise Linear |
潰瘍性大腸炎の寛解を予測できるモデルを構築し、寛解に有意な影響を与える要因と治療選択肢を調査するため、患者4,003人のデータを分析し、ロジスティックス回帰モデルを生成しました。その結果、入院時の情報に基づいて3年後の寛解を予測するモデルを構築しました。
非結核性抗酸菌(NTM)症の重症化因子を解明するため、日立のAI技術を活用し、重症者と軽症者を高精度にグループ分け可能なバイオマーカー候補の探索をめざします。
神戸市民の健康・医療情報を対象に、AI技術による要介護リスクの解析研究を行いました。65歳以上の神戸市民38万人の健康・医療ビッグデータから、住民一人ひとりに対する要介護リスクの予測と予測根拠を提示する方法を開発し、神戸市の保険・介護政策づくりに活用されることが期待されます。
地域保健、職域保険から健康・医療情報を横断的に集約し、生活習慣病の発症傾向を分析しました。健康改善アドバイスや過去の健診結果などをまとめた個人ごとのレポートとして提示できるようになりました。データに基づいた効果的かつ効率的な保険事業を推進し、健康寿命の延伸や医療費適正化をめざします。
