[3Xin2] ポスターセッション1

[3Xin2-71] ナレッジグラフにおける機械学習によるがん治療薬レジメン予測

〇舘 功陽¹、矢野 雄一¹、赤木 健一郎¹、夏目 やよい^2,3、黒田 正孝^2,4、伊藤 眞里²、樋口 千洋²、上野 賢也⁵、陳 怡安²、丹尾 真理子⁶ (1.日本電気株式会社、2.国立研究開発法人 医薬基盤・健康・栄養研究所、3.徳島大学 先端酵素学研究所、4.田辺三菱製薬株式会社、5.東レ株式会社、6.中外製薬株式会社)

キーワード：ナレッジグラフ、ナレッジグラフエンベディング、リンク予測、オンコロジー、レジメン

がんとは複雑な疾患であり、このため治療も複雑である。患者は複数の治療ラインから構成される治療を受ける。薬物治療は１剤または複数剤で構成され、他の治療ラインと組み合わせて治療される。本研究では、臨床試験および生物学的データベースでナレッジグラフを構築し、機械学習により新たなレジメンの提案を検討した。これにより、複数のデータソースを使用することによる機械学習結果への影響について考察する。データソースには①ClinicalTrials.govから抽出した実際に臨床試験で使用されたレジメンとその適応症、②ライフサイエンスデータベースのひとつであるTargetMineを使用した。これらからDrug, Regimen, Disease, Geneのノードでナレッジグラフを構築し、ナレッジグラフ補完アルゴリズムKBLRNでRegimen-Drugの繋がりを予測した。結果、臨床試験データのみからの予測では抗がん剤が多く選抜された一方で、TargetMineを追加することで抗がん剤以外の薬も上位で予測された。これにより、複数のデータソースを使用することで意外性のある結果を出力できる可能性が示唆された。