臨床ビッグデータ解析と薬理学的実験の統合による腱障害予防法の探索
概要
臨床ビッグデータ解析と薬理学的実証の統合による
腱障害予防法の探索
2022
古田
晴香
目次
緒言 ................................................................................................................................................................. 1
第1章
臨床ビッグデータ解析による腱障害予防薬の探索 ................................................................. 3
方法 ............................................................................................................................................................ 4
結果 ............................................................................................................................................................ 8
第 1 節 有害事象自発報告データベース解析による腱障害リスクの高い薬物の探索 ............ 8
第 2 節 有害事象自発報告データベース解析によるフルオロキノロン誘発腱障害抑制
薬の探索 ............................................................................................................................... 9
第 3 節 IBM MarketScan データにおけるフルオロキノロン誘発腱障害および加齢性腱
障害の発生率に対するデキサメタゾンの効果 ............................................................. 12
考察 .......................................................................................................................................................... 22
第2章
薬理学的実験による腱障害予防メカニズムの探索 ............................................................... 24
方法 .......................................................................................................................................................... 25
結果 .......................................................................................................................................................... 29
第 1 節 フルオロキノロン誘発腱障害モデルラットへのデキサメタゾンの影響 .................. 29
第 2 節 フルオロキノロン誘発腱障害に対するデキサメタゾンの効果の分子機序の推定 .. 31
第 3 節 ラット初代培養腱細胞におけるフルオロキノロン誘発酸化ストレスおよび過
酸化水素誘発細胞老化に対するデキサメタゾンの影響 ............................................. 34
第 4 節 ラット初代培養腱細胞におけるフルオロキノロン誘発酸化ストレスおよび過
酸化水素誘発細胞老化に対する GPX3 の影響 ............................................................. 37
考察 .......................................................................................................................................................... 40
総括および結論 ........................................................................................................................................... 42
謝辞 ............................................................................................................................................................... 43
発表論文目録 ............................................................................................................................................... 43
参考文献 ....................................................................................................................................................... 44
緒言
腱は筋肉と骨格を結合し、筋肉の動作を骨格へ伝導する運動器である。腱障害とは腱組織
が脆弱化し疼痛や断裂が生じる病態であり、運動器障害の 30%を占めている。腱は他の運動
器と比較して血流に乏しく代謝が遅いため、障害された腱の強度はある程度回復しても元の
強度には決して戻らない。過去の研究から腱障害には加齢やフルオロキノロン系抗菌薬など
様々な内的・外的要素がリスク因子として明らかにされてきたがその詳細な発症メカニズム
は解明されておらず、有効な治療法や予防法は存在しない。そこで、近年医療や創薬への活
用が期待されている有害事象自発報告データベースやレセプトデータベースといった臨床
ビッグデータに注目した。著者は薬剤性腱障害であるフルオロキノロン誘発腱障害、自然発
症の腱障害である加齢性腱障害に着目し、それぞれを予防しうる既存薬について、前者は有
害事象データベースでの交絡因子として、後者はレセプトデータベースでの交絡因子として
同定可能であると考えた。そこで臨床ビッグデータ解析からフルオロキノロン誘発腱障害お
よび加齢性腱障害の予防薬の導出を行った。そして、その薬物を鍵に薬理学的実験を展開し、
腱障害の創薬標的を探索することによって、以下の新知見を得た。
第 1 章では、3 種類の有害事象自発報告データベースと 1 種類のレセプトデータベースを
解析し、副腎皮質ステロイドであるデキサメタゾンがフルオロキノロン誘発腱障害および加
齢性腱障害を抑制しうる可能性を見出した。
第 2 章では、in vivo 実験および in vitro 実験による薬理学的検証を行い、デキサメタゾン
が抗酸化酵素グルタチオンペルオキシダーゼ 3 の発現を増加させることで酸化ストレスを
抑制し、腱障害を予防しうる可能性を明らかにした。
これらの研究成果について、以下に論述する。
1
なお、本文中および図中で使用した略語は以下の通りである。
ATC
CAT
cDNA
CI
Col1a1
CVARD
DAVID
DMEM
DNA
FAERS
FBS
FDA
FQ
Anatomical Therapeutic Chemical
catalase
complementary DNA
confidence interval
collagen type 1a1
Canada Vigilance Adverse Reaction Online Database
Database for Annotation, Visualization and Integrated Discovery
Dulbecco’s Modified Eagle’s Medium
deoxyribonucleic acid
FDA Adverse Event Reporting System
fetal bovine serum
Food and Drug Administration
fluoroquinolone
GAPDH
GEO
GPX
HE
ICD-10
IQR
JADER
MedDRA
glyceraldehyde 3-phosphate dehydrogenase
Gene Expression Omnibus
glutathione peroxidase
hematoxylin & eosin
International Classification of Disease 10
interquartile range
Japanese Drug Adverse Event Report
Medical Dictionary for Regulatory Activities
PCR
PFA
PMDA
PRDX
PVDF
qRT-PCR
RNA
RNA-seq
ROS
ROR
SA-b-gal
SMQ
SOD
TPM
gH2AX
polymerase chain reaction
paraformaldehyde
Pharmaceuticals and Medical Devices Agency
peroxiredoxin
poly vinylidene fluoride
quantitative reverse transcription-polymerase chain reaction
ribonucleic acid
RNA sequencing
reactive oxygen species
reporting odds ratio
senescence-associated b-galactosidase
standardized MedDRA queries
superoxide dismutase
transcripts per million
phospho-histone H2A.X
2
第 1 章 臨床ビッグデータ解析による腱障害予防薬の探索
腱は筋肉と骨格を連結させる線維性結合組織であり、筋肉の収縮を骨格に伝達すること
で関節の運動を可能にする役割を担う。腱障害とは、腱組織の痛み、脆弱化、または断裂を
特徴とする疾患であり、一般診療における筋骨格系疾患の約 30%を占めており、成人の下肢
腱障害の罹患率は 1-2%である(1、2)
。腱組織は血流に乏しく恒常的に低栄養・低酸素状態
であり代謝も低いため(3、4)、再生力が非常に弱く損傷した腱組織が元の強度に完全に戻
ることはない(5)。腱障害を予防することは現時点では困難であり、治療法も対症療法に留
まっていることから治癒率 100%を満たすものは存在しない(2、6)。
腱障害の発症には複数の内因性・外因性因子が関与している。内因性因子の代表例として
加齢が挙げられ、実際 70 代の約 50%が腱障害に罹患していると推定されている(7)
。腱の
強度だけでなく、代謝や組織再生能力も加齢に伴い低下するため、組織損傷の影響が長期化
する結果、腱障害は高齢者の運動機能低下へ繋がると考えられている(8–10)。一方、外的
因子としてはフルオロキノロン系抗菌薬(FQ)が知られており(11–13)、2008 年には米国
食品医薬品局(FDA)は全ての FQ に対して腱障害リスクに関する黒枠警告を追加した(14)
。
これまでに様々なリスク因子は明らかにされてきたものの、腱障害の病態生理や発症メカニ
ズムは未だに不明な点が数多く残されている。
そこで、新たな治療戦略を見出すためのアプローチとして近年注目を集めている臨床ビ
ッグデータに着目した。FDA Adverse Event Reporting System (FAERS)
・Japanese Drug Adverse
Event Report (JADER)・Canada Vigilance Adverse Reaction Online Database (CVARD)は無
償で利用できる有害事象自発報告データベースであり、それぞれ約 1100 万件、70 万件、90
万件の症例が蓄積されている。これらのデータベースに登録されている症例の約半数は多剤
併用例であるため、そこには未知の薬物相互作用が含まれている可能性があり、実際にこれ
らのデータベース解析から新規の薬物相互作用が発見されている(15–17)。しかし、上記の
有害事象自発報告データベースの欠点として、時系列情報の欠損のために因果関係を推定で
きないことが挙げられる。そこで著者は米国レセプトデータベース IBM® MarketScan®
Research Databases を用いた時系列解析を組み合わせた。IBM MarketScan Research Databases
には、米国の Medicare Advantage Plans、高齢者の企業保険、Medicare Supplemental Insurance
に加入している約 4400 万人の患者の診断、治療、処方に関する医療記録が日単位で記録さ
れている。
まず著者は、FAERS・JADER・CVARD を解析し、FQ 誘発腱障害の発生に対して負の交
絡因子となる薬物を探索した。その後、その薬物が FQ 誘発腱障害の発生率に与える影響を
IBM MarketScan データの時系列解析を用いて検討し、さらに、その薬物の加齢性腱障害の
発生率に対する影響も評価した。
3
方法
有害事象自発報告データベース解析
FAERS データに関しては、2004 年から 2019 年までの有害事象報告を FDA のウェブ
サ イ ト ( https://www.fda.gov/drugs/drug-approvals-and-databases/fda-adverse-event-reportingsystem-faers)から入手した。重複した報告は既報の通り排除し(18)、残りの 11,438,031
件の報告を解析した。JADER データについては 2004 年から 2021 年までの有害事象報告
を PMDA のウェブサイト(https://www.pmda.go.jp/safety/info-services/drugs/adr-info/suspectedadr/0003.html)から入手し、693,295 件の報告を解析した。CVARD データは 1965 年から 2021
ま で の 有 害 事 象 報 告 を カ ナ ダ 保 健 省 の ウ ェ ブ サ イ ト ( https://www.canada.ca/en/healthcanada/services/drugs-health-products/medeffect-canada/adverse-reaction-database.html)から⼊⼿
し、880,353 件の報告を解析した。
上記のデータベースに登録されている薬物名はライフサイエンス辞書シソーラスを用
いたテキストマイニングにより薬物名を一般名に統一した。腱障害の報告は、MedDRA
(バージョン 23.0)の狭義の SMQ “tendinopathies and ligament disorders” で定義した。各デ
ータの解析は既報に従い行い(15)、全ての解析に Haldane-Anscombe 補正を適用した。
ボルケーノプロットでは、p 値の代わりに Z スコアを使用した。
図 1 における算出方法を下記に示す。各データに報告されている患者を以下の 4 つの
群に分けた:(a)対象薬物(薬物 A)が投与され、かつ腱障害を発症した人、(b)薬物
A が投与され、かつ腱障害を発症しなかった人、(c)薬物 A は投与されず、かつ腱障害
を発症した人、(d)薬物 A は投与されず、かつ腱障害を発症しなかった人。95%信頼区
間(CI)付きの報告オッズ比(ROR)および Z スコアは、以下の式に従って算出した。
!#
ROR = $ "…………………………………………..…..….….
#%
&
&
&
&
95% CI = exp -log(ROR) ± 1.967! + " + $ + %9…………..
Z score =
'()(+,+)
! ! ! !
" # $ %
. / / /
…………..…………..…………..………..
(1)
(2)
(3)
なお、a、b、c、d は各群の例数を示す。
図 2 における算出方法を下記に示す。FQ が投与された患者を以下の 4 つの群に分け
た:(a1)併用薬(薬物 B)が投与され、かつ腱障害を発症した人、(b1)薬物 B が投与
され、かつ腱障害を発症しなかった人、(c1)薬物 B は投与されず、かつ腱障害を発症
した人、(d1)薬物 B は投与されず、かつ腱障害を発症しなかった人。FQ による腱障害
の 95% CI 付きの ROR と Z スコアを以下の式に従って算出した。
!
"&
…………………………………………..…..……
#%&
ROR = $&
4
(4)
&
&
&
&
95% CI = exp -log(ROR) ± 1.967!& + "& + $& + %&9………
Z score =
'()(+,+)
!
!
!
!
. / / /
"! #! $! %!
…………..…………..…………..……
(5)
(6)
なお、a1、b1、c1、d1 は各群の例数を示す。
IBM MarketScan Research Databases 解析
2017 年 1 月から 2019 年 12 月までの保険請求データを IBM® Watson Health®から購入し
た。このデータセットには、米国の企業保険または Medicare に加入している 43,723,094
人の従業員、退職者、その配偶者、扶養家族の医療診断と処方箋の請求が含まれている。
疾患の診断名は、国際疾病分類第 10 版(ICD-10)に基づいて定義した。腱障害の定義
および傾向スコアマッチングで共変量として指定した疾患の定義は表 1–1 に記載した。
薬物名に関しては、FQ は ATC コード J01MA、デキサメタゾンは ATC コード H02AB02
で定義し、内服薬および注射薬を処方された患者を対象とし、外用剤のみ処方された患
者は除外した。傾向スコアマッチングにおいては、共変量にスタチン系薬剤とアロマタ
ーゼ阻害薬を含めており、いずれの定義も表 1–1 に記載した。
IBM MarketScan データへの登録前に既に腱障害に罹患もしくは FQ やデキサメタゾン
を処方された患者を除外し、新規罹患患者・新規処方患者に解析対象を限定するために
IBM MarketScan データへの登録後の最初のイベントの時間分布を調べ Run in period
(Wash-out 期間)を設定した。FQ 誘発腱障害および加齢性腱障害の発生率は発生率比
(IRR)、95%CI、Z スコアを用いて評価した。FQ 誘発腱障害および加齢性腱障害に対す
るデキサメタゾンの影響を検討するために各コホートを 2 群(デキサメタゾン服用群と
非服用群)に分け、そして腱障害おける既知の交絡因子の影響を除去するために、年齢、
性別、併存疾患、処方薬、入院歴などを共変量に設定し(表 1–5a、表 1–6a)、1:1 傾向ス
コアマッチングを実施した。FQ コホートと高齢者コホートの両者において傾向スコアマ
ッチングのペアは、0.2 のキャリパー幅で最近傍法を用いて 2 群をマッチングさせること
で作成した。併存疾患の比較にはカイ二乗検定を、年齢の比較には Wilcoxon の順位和検
定または Welch の t 検定を用いた。マッチング後に得られたコホートペアを用いて、FQ
やデキサメタゾンの 1 日あたりの投与量、累積投与量、投与期間を算出した。腱障害の
累積発生率をデキサメタゾン投与群と非投与群で比較し、生存曲線をカプラン・マイヤー
プロットで表した(19)。統計的有意性は、ログランク検定と Cox 比例ハザードモデル
を用いてハザード比を算出することで評価した。Number at risk は、その時点で腱障害を
発症する可能性のある患者数を示している。
IBM MarketScan データの生存時間解析には、R v4.1.0 および R studio 2022.02.3 ソフト
ウェア(R Foundation for Statistical Computing)の環境下で R パッケージの survival を用
いた。傾向スコアマッチングには SAS OnDemand for Academics を用いた。 ...