同種造血細胞移植後亜急性期の生存成績の向上のために、以下の5サブ課題を設置し、大規模データベースを機械学習にて検討した。各サブ課題の成果概要を以下に示す。
・感染症：
データセットをトレーニングセット：テストセット3:1として検証し、サイトメガロウイルス再活性化および非再発死亡に関しての予測モデルを構築した。移植医療においての特徴である競合リスクと時間依存性変数を用いたモデルを継続して検討している。
・移植片対宿主病（GVHD）：
人工知能のなかでも畳み込みニューラルネットワーク（CN）アルゴリズムを用いることで、新しい急性GVHD発症予測システムを構築した。その結果、HLAの違い以外の要因も急性GVHD発症に重要であることを明らかにし、論文成果として公表した。人工知能を実臨床に導入するために、今回の実証研究を基に、さらに高精度な予測能と使いやすさを両立したモデルの作成を継続して実施している。
・移植関連死亡/非再発死亡：
エンドポイントとしてGVHD-free, Relapse-free, Survival (GRFS)を選定して、アンサンブル学習の手法を選択し、移植前および移植後の変数の中で、モデルに投入する変数を確定し、モデルの構築と検証を実施中である。
・臍帯血特異的合併症：
整備した投入変数のセットを用いて、競合リスクモデルの構築を行った。L1正則化法を適用することで、予測に有用な変数の自動抽出および重みの推定を行った。CD34陽性細胞数やHLAミスマッチ数等の既知の有用変数を予測変数とした競合リスクモデルとの予測性能の比較を行い。提案したモデルが有意に高い性能を示すことを確認した。また個人最終打ち切り日の異なるモデルを構築し、それぞれのモデルから各個人の生着度を表すスコアを計算し予測性の可視化の検討を進めている
・推移：
Background mortalityの変化も考慮した同種造血細胞移植の生存成績（net survival）の推移を評価し、より近年において５年までの生存率(left censoringによるperiod analysesにて算出)が継続的に向上していること、またその向上の度合いは疾患によっても異なることが明らかとなった。