よむ、つかう、まなぶ。
資料1‐1 令和６年度 業務実績評価書（案） (26 ページ)
出典
| 公開元URL | https://www.mhlw.go.jp/stf/newpage_59633.html |
| 出典情報 | 厚生労働省国立研究開発法人等審議会 高度専門医療研究評価部会（第39回 8／5）《厚生労働省》 |
ページ画像
ダウンロードした画像を利用する際は「出典情報」を明記してください。
低解像度画像をダウンロード
プレーンテキスト
資料テキストはコンピュータによる自動処理で生成されており、完全に資料と一致しない場合があります。
テキストをコピーしてご利用いただく際は資料と付け合わせてご確認ください。
様式２―１―４－１（別紙）
中 長 期 目 標
中 長 期 計 画
国立長寿医療研究センター
令 和 6 年 度 計 画
主な評価指標
年度評価
○評価の視点（定性的視点）
■評価指標
項目別評価調書
１－１
法人の業務実績等・自己評価
主な業務実績等
（定量的視点）
2024）。
・認知症の発症予測モデ
ルの開発、発症抑制を目
指した多因子介入の社会
実装を行う。
・認知症の発症予測モデルの開発、発症抑制を目指した多因子介
入の社会実装を行う。
・認知機能正常からMCIの高齢者を対象として、ベースライン時に
実施された立方体模写検査（Cube Copying Test, CCT）の画像デ
ータを用いて、3～5年以内の認知症への移行を予測する機械学習
モデルの開発を行った。767名の患者のうち、457名が3～5年以内
に認知症へ移行した（AD 318名、DLB 116名、FTD 23名）。画像AI
技術を用いてCCT画像から特徴量を抽出し、それらを基に機械学習
モデルを開発した結果、AUC 0.85の予測精度で認知症への進行を
予測した。本研究成果の一部は、第66回日本老年医学会学術集会
にて発表し、論文(Machine Learning Model for Predicting the
Conversion to Dementia Using the Cube Copying Test)はリバイ
ス中である。
・認知症の発症予測モデルを開発するためのデータベース（iDDR)
を構築した。もの忘れ外来でMCIと診断された高齢者を中央値2.6
年間（最長 11.2年）追跡した670例のデータベース（臨床データ
、MRI画像、ゲノムデータ）である。このうち416例で認知症血液
バイオマーカー（Ab,p-tau217, NfL,GFAP)を測定した。MCIから認
知症への進行例は333人（49.7％）が認知症へ進行し、10名が正常
に戻った（1.5％）。認知症血液バイオマーカーのカットオフ値を
算出して、認知症への進行を予測したところ、いずれのバイオマ
ーカーも陽性者は陰性者よりもMMSEが有意に低下し、有意に早くc
onversionすることを示した。iDDRデータセットは、脳画像データ
、ゲノムデータと合わせた認知症研究統合データベースとして、2
024年度から運用を開始した（バイオバンク利活用課題登録申請で
利用できる）。
・iDDRデータベースを活用して、MCIと早期認知症を鑑別する指標
を作成した。CDR 0.5とCDR1を識別するための簡易な指標を、認知
機能（MMSE)と手段的日常生活動作（LI）を組み合わせて作成した
。男性および女性の最適カットオフ値は、MMSE＜25かつLI＜5、MM
SE＜25かつLI＜8と決定された。この指標は、内部妥当性（感度/
特異度：男性92.50/73.52、女性88.57/65.65）および外部妥当性
（男性81.43/77.62、女性77.64/74.67）において良好な識別性能を
示した（J Clin Psychiatry. 2024）。
・認知症予防を目指した多因子介入試験（J-MINT研究）の主要解
25 / 128
自己評価
中 長 期 目 標
中 長 期 計 画
国立長寿医療研究センター
令 和 6 年 度 計 画
主な評価指標
年度評価
○評価の視点（定性的視点）
■評価指標
項目別評価調書
１－１
法人の業務実績等・自己評価
主な業務実績等
（定量的視点）
2024）。
・認知症の発症予測モデ
ルの開発、発症抑制を目
指した多因子介入の社会
実装を行う。
・認知症の発症予測モデルの開発、発症抑制を目指した多因子介
入の社会実装を行う。
・認知機能正常からMCIの高齢者を対象として、ベースライン時に
実施された立方体模写検査（Cube Copying Test, CCT）の画像デ
ータを用いて、3～5年以内の認知症への移行を予測する機械学習
モデルの開発を行った。767名の患者のうち、457名が3～5年以内
に認知症へ移行した（AD 318名、DLB 116名、FTD 23名）。画像AI
技術を用いてCCT画像から特徴量を抽出し、それらを基に機械学習
モデルを開発した結果、AUC 0.85の予測精度で認知症への進行を
予測した。本研究成果の一部は、第66回日本老年医学会学術集会
にて発表し、論文(Machine Learning Model for Predicting the
Conversion to Dementia Using the Cube Copying Test)はリバイ
ス中である。
・認知症の発症予測モデルを開発するためのデータベース（iDDR)
を構築した。もの忘れ外来でMCIと診断された高齢者を中央値2.6
年間（最長 11.2年）追跡した670例のデータベース（臨床データ
、MRI画像、ゲノムデータ）である。このうち416例で認知症血液
バイオマーカー（Ab,p-tau217, NfL,GFAP)を測定した。MCIから認
知症への進行例は333人（49.7％）が認知症へ進行し、10名が正常
に戻った（1.5％）。認知症血液バイオマーカーのカットオフ値を
算出して、認知症への進行を予測したところ、いずれのバイオマ
ーカーも陽性者は陰性者よりもMMSEが有意に低下し、有意に早くc
onversionすることを示した。iDDRデータセットは、脳画像データ
、ゲノムデータと合わせた認知症研究統合データベースとして、2
024年度から運用を開始した（バイオバンク利活用課題登録申請で
利用できる）。
・iDDRデータベースを活用して、MCIと早期認知症を鑑別する指標
を作成した。CDR 0.5とCDR1を識別するための簡易な指標を、認知
機能（MMSE)と手段的日常生活動作（LI）を組み合わせて作成した
。男性および女性の最適カットオフ値は、MMSE＜25かつLI＜5、MM
SE＜25かつLI＜8と決定された。この指標は、内部妥当性（感度/
特異度：男性92.50/73.52、女性88.57/65.65）および外部妥当性
（男性81.43/77.62、女性77.64/74.67）において良好な識別性能を
示した（J Clin Psychiatry. 2024）。
・認知症予防を目指した多因子介入試験（J-MINT研究）の主要解
25 / 128
自己評価