ワルファリン投与量予測のためのLASSO-projアルゴリズムに基づく解釈可能なニューラルネットワークフレームワークの応用

科学分野:

• 薬理遺伝学
• 計算生物学
• 臨床薬理学

背景:

• ワルファリンの投与は、その治療域が狭く、個人差が大きいことから、課題となっています。
• 正確な投与量の調整は困難であり、出血または血栓症のリスクを高めます。

研究 の 目的:

• 安定したワルファリン投与量を予測するための、合理化された解釈可能な多層パーセプトロン（MLP）モデルを開発すること。
• 実際のデータを使用して、ワルファリン投与量予測の精度と透明性を向上させること。

主な方法:

• 実際のデータのために、国際ワルファリン薬理遺伝学コンソーシアム（IWPC）データベースを利用しました。
• 高精度の特徴選択のためにLASSO-projアルゴリズムを適用しました。
• SHAPベースの分析のためにDeepExplainerを使用して多層パーセプトロン（MLP）モデルを開発および解釈しました。

主要な成果:

• MLPモデルは決定係数（R^2）0.456および平均絶対誤差（MAE）8.92 mg/週を達成しました。
• 予測の48.52％が実際の安定した治療用量±20％以内に収まりました。
• 主な影響因子として、VKORC1遺伝子型、体重、年齢、および人種を特定しました。

結論:

• LASSO-projを備えた解釈可能なMLPフレームワークは、ワルファリン投与量に対して高い予測精度を提供します。
• このアプローチはモデルの透明性を高め、臨床的なワルファリン療法をガイドするための貴重なツールを提供します。
• 薬理遺伝学の洞察と高度なモデリングを通じて、個別化されたワルファリン投与量を改善できます。