[26M-am] 医薬品情報・薬物治療

[26M-am07S] Construction of prediction model for side effects development of cytarabine administration by genome information using machine learning

○Yuka Endo¹, Hozumi Tashima¹, Naoto Okada², Shingen Nakamura³, Kumiko Kagawa³, Shiro Fujii³, Hirokazu Miki⁴, Keisuke Ishizawa^2,5, Masahiro Abe³, Youichi Sato¹ (1. Tokushima Univ. Department of Pharmaceutical Information Science, 2. Tokushima Univ. Hospital Department of Pharmacy, 3. Tokushima Univ. Hospital Department of Hematology, 4. Tokushima Univ. Hospital Division of Transfusion Medicine and Cell Therapy, 5. Tokushima Univ. Graduate School Department of Clinical Pharmacology and Therapeutics)

【背景】シタラビン（Ara-C）は急性白血病の治療薬として使用されている代謝拮抗薬であるが、皮膚障害や消化器障害、血液障害などの副作用が発現することがあるため、副作用発現を予測するマーカーを明らかにし副作用回避につなげることが重要である。本研究ではゲノム情報に着目し、ゲノムワイド関連解析（GWAS）によりAra-C投与による皮膚障害の発現に関連する遺伝子を抽出し、抽出した遺伝情報をもとに機械学習を用いて、より精度の高い予測モデルを構築することを目的とした。

【方法】徳島大学病院血液内科に入院した患者のうち、Ara-Cが投与された32名を対象にGWASを行った。アレイキットとしてIllumina Asian Screening Array-24Kitを用いた。GWASによって皮疹の発現と関連が示されたSNPsについて、さらに別個Ara-Cが投与された13名について遺伝子型を決定した。GWASで対象にした32名をstudy群、別個対象とした13名test群とし、機械学習を用いて副作用発現の予測モデルを構築した。アルゴリズムとしてRandom Forest（RF）、Support Vector Machine（SVM）、Naïve Bayes（NB）、Neural Network（NN）、K近傍法（KNN）を用い予測精度を比較した。
【結果・考察】GWASの結果から皮膚障害との関連を示した7 SNPsを抽出し、機械学習を行った。5種のモデルで比較したところ、KNNが最も高い予測精度を示した（正解率＝76.92％、陽性反応的中率＝50.0％、陰性反応的中率＝88.89％、感度＝66.67％、特異度＝80.0％）。今後、他のアルゴリズムを用いたりSNPsの組み合わせを工夫したりすることで、より精度の高いモデルの構築が望まれる。