This website (all pages under https://www.kyushu-u.ac.jp/ja/) is automatically translated.
Please note that pages of academic units linked from this site, as well as external websites, are not subject to automatic translation.
To revert to the original Japanese while automatic translation is active, please click "Automatic Translation."
Please be aware that automatic translation is a mechanical process and may not accurately convey the intended meaning. In addition, images and charts may not be translated.
For accurate information, please refer to the Japanese version.
For some articles, an English version translated by our specialist staff is available. To view it, click "English" in the upper right corner of the screen.
本サイト(https://www.kyushu-u.ac.jp/ja/ 配下のページ)では自動翻訳システムを使用しています。
本サイト内からリンクされている部局のページや外部サイトについては、自動翻訳の対象外となります。
翻訳適用中に、「Automatic Translation」をクリックすると元の日本語表示に戻ります。
自動翻訳は機械的に変換を行うため、意図が正確に反映されない場合や、画像・図表が翻訳されない場合があります。あらかじめご了承ください。
正確な情報については日本語表示の状態でご確認ください。
なお、一部の記事については、専門スタッフが翻訳した英語版もご用意していますので、画面右上の「English」をクリックしてご覧ください。
Research Results 研究成果
社会的ひきこもりは6ヶ月以上自宅にとどまり続ける状態であり、ひきこもり状況にある人(以下、ひきこもり者)は国内110万人を越えると推定され、その予防法・支援・治療法の確立は国家的急務です。九州大学病院では世界初のひきこもり研究外来を立ち上げており、ひきこもりの生物・心理・社会的理解に基づく支援法開発をすすめています。
今回、日本医療研究開発機構 (AMED)等の支援により、九州大学病院検査部の瀬戸山大樹助教・康東天教授と同病院精神科神経科の加藤隆弘准教授・松島敏夫大学院生・中尾智博教授・神庭重信名誉教授らの研究チームは、ひきこもり者の血液中の代謝物や脂質の測定により、ひきこもりに特徴的な血液バイオマーカーを発見しました。未服薬のひきこもり者(42名)と健常ボランティア(41名)の臨床データおよび血液データ(一般生化学検査値およびメタボローム・リピドーム解析による血中代謝物)を用いて比較検証を行いました。臨床データと血液データをもとに、機械学習モデルを作成し、ひきこもり者と健常ボランティアの識別、ひきこもり重症度予測を行ったところ、長鎖アシルカルニチン濃度がひきこもり者で有意に高く、ビリルビン、アルギニン、オルニチン、血清アルギナーゼが男性ひきこもり者において健常ボランティアと有意差を認めました。ランダムフォレストによる判別モデルを作成したところ、ひきこもり者と健常ボランティアの識別ROC曲線下面積が0.854(機密区間0.648-1.000)と高い性能を示しました。
ひきこもりは、オックスフォード辞書でも「hikikomori」と表記されており、日本発の社会現象として世界的にも認知されており、コロナウィルスパンデミックに伴って世界中にhikikomori者が急増していると懸念されます。この研究は、日本人のひきこもり者を対象とした客観的指標(血液成分のバイオマーカー)に関する報告です。今後、ひきこもりの生物学的理解がすすみ、栄養療法としての予防法・支援法の開発が期待されます。
本成果は2022年6月1日(水)に、国際学術誌「Dialogues in Clinical Neuroscience」に掲載されました。
血液メタボロームと臨床データを使い、ひきこもり者に特徴的なバイオマーカーの探索を行った。機械学習アルゴリズムを作成し、健常者とひきこもり者の分類、ひきこもり者の重症度予測、およびひきこもり者の層別化を高い精度で実施できることがわかった。
| タイトル: | Blood Metabolic Signatures of Hikikomori, Pathological Social Withdrawal. |
| 著者名: | Daiki Setoyama, Toshio Matsushima, Kohei Hayakawa, Tomohiro Nakao, Shigenobu Kanba, Dongchon Kang, Takahiro A. Kato |
| 掲載誌: | Dialogues in Clinical Neuroscience |
| DOI: | https://doi.org/10.1080/19585969.2022.2046978 |