- 課題管理番号
- 25ck0106873h0004
- 統合プロジェクト(三期)
データ利活用・ライフコースプロジェクト
- 統合プロジェクト(二期)
ゲノム・データ基盤プロジェクト<第二期>
- 事業名
革新的がん医療実用化研究事業
- タグ(2025)
研究開発目的: 基礎医学研究
研究の性格: 疾患を特定した基礎医学研究<生命・病態解明研究>
研究モダリティ: in silico<データサイエンスやシミュレーション等>
ICD-10大分類: 新生物<腫瘍>
対象疾患領域: がん , 難病
特記的事項: 研究倫理<ELSI/RRI等> , DX<SaMD、AI、ICTを含む>
補足確認: 診断 , 治療
- タグ(2024)
研究開発目的: 基礎医学研究
研究の性格: 疾患を特定した基礎医学研究<生命・病態解明研究>
研究モダリティ: in vivo-ヒト
ICD-10大分類: 新生物<腫瘍>
対象疾患領域: がん , 難病
特記的事項: 研究倫理<ELSI/RRI等> , 国際共同研究 , DX<SaMD、AI、ICTを含む> , 治験<医師主導>
補足確認: 診断 , 治療 , 予後・生活の質<QOL>
- タグ(2023)
研究開発目的: 基礎医学研究
研究の性格: 疾患を特定した基礎医学研究<生命・病態解明研究>
研究モダリティ: in vivo-ヒト
ICD-10大分類: 新生物<腫瘍>
対象疾患領域: がん , 難病
特記的事項: 研究倫理<ELSI/RRI等> , 国際共同研究 , DX<SaMD、AI、ICTを含む> , 治験<医師主導>
補足確認: 診断 , 治療 , 予後・生活の質<QOL>
- タグ(2022)
研究の性格: 生命・病態解明等を目指す研究
開発フェーズ: 該当なし
承認上の分類: 薬機法分類非該当
対象疾患: その他
疾患領域: がん , 難病
開発目的: 診断 , 治療 , 生活の質<QOL>
- 代表研究機関
- 国立大学法人東京大学
- 研究代表者
(2025) 井元清哉, 国立大学法人東京大学, 医科学研究所・教授
(2024) 井元清哉, 国立大学法人東京大学, 医科学研究所・教授
(2023) 井元清哉, 国立大学法人東京大学, 医科学研究所・教授
(2022) 井元清哉, 国立大学法人東京大学, 医科学研究所・教授
- 研究期間
- 2023年度 - 2026年度
- 課題への総配分額
- 3,971,897 千円
- 研究概要(2025)
- 患者還元班からのゲノムデータを受領し、自動化された品質の管理によってヒューマンリソースの確保とエラーを回避する仕組みのブラッシュアップを進める。統一パイプラインによる一次解析を実施し、その結果を患者還元班に返却する。臨床情報の自動収集について、テンプレートを用いた方法の実装、および利活用に資する標準項目を検討する。更に、基本コホート班と連携し標準レポートを作成し、患者還元班からのフィードバックを受け標準レポートの高度化を進める。特に、全ゲノムの特長を活かしたレポートへと拡張を行う。全ての解析結果は、データベースに取りまとめ、ELSIの検討を行いつつ利活用のための準備を進める。データの利活用のためのVisiting環境をクラウドとオンプレミスのシステムを構築し、2次解析を支援する。
- 研究概要(2024)
- 統一パイプラインの精度向上・解析能力の向上を目指す。患者還元班からのゲノムデータを受領し、品質の管理、および一次解析を実施し、その結果を患者還元班に返却する。更に、基本コホート班と連携し標準レポートを作成し、患者還元班からのフィードバックを受け標準レポートの高度化を進める。ロングリードWGSデータ、マルチオミクスデータ、Pangenomeリファレンスを用いた解析を推進する。がん種横断的な解析については、横断解析班(B-7班)と連携し実施する。全ての解析結果は、データベースに取りまとめ、ELSIの検討を行いつつ利活用のための準備を進める。データの利活用のためのVisiting環境をクラウドとオンプレミスのシステムを構築し、2次解析を支援する。AI開発基盤として導入した最先端GPUサーバーと共有ストレージを用い、病理画像解析AIの開発を支援する。
- 研究概要(2023)
- ゲノムデータの品質管理、解析、データベース化を行う。その際には、受領するゲノムデータの正常性確認、品質管理のための各種パラメータの計算と評価を自動化する。統一パイプラインの改良やバージョンアップをA領域、B領域の研究者と連携し実施する。更に、ロングリードシークエンスデータやメチル化、シングルセルRNA、Small RNAなどのマルチオミクスデータの解析ツールの整備と解析の実施、データベース化を行う。インフラの整備として、統一パイプラインをクラウドに移行するために、クラウドでの性能検証を行う。高度な攻撃にも耐えるセキュリティ対策、Visiting環境の構築、集中管理システムチームと連携して検体IDの採番システムの検討・構築・改善、集中管理システムの構築を行う。産学間でのデータ共有に関するELSIの検討を実施する。AI開発環境の整備と病理画像AIモデルの構築を実施する。
- 研究概要(2022)
- ゲノムデータの品質管理、解析、データベース化を行う。その際には、受領するゲノムデータの正常性確認、品質管理のための各種パラメータの計算と評価を自動化する。統一パイプラインの改良やバージョンアップをA領域、B領域の研究者と連携し実施する。更に、ロングリードシークエンスデータやメチル化、シングルセルRNA、Small RNAなどのマルチオミクスデータの解析ツールの整備と解析の実施、データベース化を行う。インフラの整備として、統一パイプラインをクラウドに移行するために、クラウドでの性能検証を行う。高度な攻撃にも耐えるセキュリティ対策、オンプレミスとクラウドを利用した高セキュリティVisiting環境の構築、集中管理システムチームと連携して検体IDの採番システムの検討・構築・改善、集中管理システムの構築を行う。産学間でのデータ共有に関するELSIの検討を実施する。
【R6年度】繰越年度
標準レポートについて、A-2と協議の上フィードバックを受け高度化を進めた。ロングリードシークエンスデータやメチル化、シングルセルRNA、Small RNAなどのマルチオミクスデータの解析ツールの整備と解析の実施、データベース化を行った。Pangenomeリファレンスへの統一パイプラインの拡張、および解析結果の評価を行った。がん種横断的な解析については、横断解析班(B-7班)と連携し実施した。横断解析を含む各研究班の実施する2次解析用のサーバーを増強し、統一パイプラインによって解析した結果と解析環境を研究者に提供し、研究の促進に努めた。集中管理については、登録データのIDのエラーの確認などクリーニング作業を実施した。臨床情報の自動収集としては、項目のTerminologyおよびObjectIDの管理機能の実装、FHIRリソースをデータセンターに送信する技術開発、「REDCap」のJASPEHR対応、OMOP形式でのデータ利活用を進めた。データ共有については、APIシステム全般について、必要なセキュリティ強化を行った。病理画像については、全ゲノム解析症例のWhole Slide Imageおよび病理報告書の収集体制を検討し、基盤AIモデルの学習・評価した上で、収集した病理画像データの施設間差の評価を実施した。