Rchr
J-GLOBAL ID：201901021218695429   Update date: Nov. 05, 2024

AMBE Kaori

AMBE Kaori
Affiliation and department：
Nagoya City University

About Nagoya City University


Homepage URL  (1)： http://www.phar.nagoya-cu.ac.jp/hp/dse/
Research field  (2)： Clinical pharmacy ,  Environmental effects of chemicals
Research keywords  (6)： リスク評価 ,  病院情報 ,  データマイニング ,  医療ビッグデータ ,  機械学習 ,  副作用
Research theme for competitive and other funds  (13)：
  • 2024 - 2027 Development of Data-Driven Predictive System by AI Aimed at Mitigating Risks of COVID-19 Long-Term Effects
  • 2023 - 2026 Development of an in silico prediction model and practical research for evaluating skin sensitization
  • 2024 - 2026 国内外で開発され OECD で公定化される NAM を活用した試験法の行政的な受け入れに対応するための研究
  • 2024 - 2026 化学物質管理のための in silico 毒性予測の利用推進と統合的リスク評価の基盤構築に関する研究
  • 2023 - 2025 食品関連化学物質のリスク評価におけるリードアクロス手法の適用と信頼性評価に関する研究
Show all
Papers (20)：
  • Kaori Ambe, Mizuki Nakamori, Riku Tohno, Kotaro Suzuki, Takamitsu Sasaki, Masahiro Tohkin, Kouichi Yoshinari. Machine Learning-Based In Silico Prediction of the Inhibitory Activity of Chemical Substances Against Rat and Human Cytochrome P450s. Chemical research in toxicology. 2024
  • Ashikaga T, Hatano K, Iwasa H, Kinoshita K, Nakamura N, Ambe K, Tohkin M. Next Generation Risk Assessment Case Study: A Skin Sensitization Quantitative Risk Assessment for Bandrowski’s Base Existing in Hair Color Formulations. 2024
  • Takashi Watanabe, Kaori Ambe, Masahiro Tohkin. Predicting the Addition of Information Regarding Clinically Significant Adverse Drug Reactions to Japanese Drug Package Inserts Using a Machine-Learning Model. Therapeutic innovation & regulatory science. 2024. 58. 2. 357-367
  • Takashi Watanabe, Kaori Ambe, Masahiro Tohkin. Streamlining Considerations for Safety Measures: A Predictive Model for Addition of Clinically Significant Adverse Reactions to Japanese Drug Package Inserts. Biological & pharmaceutical bulletin. 2024. 47. 3. 611-619
  • Miho Murashima, Kaori Ambe, Yuka Aoki, Takahisa Kasugai, Tatsuya Tomonari, Minamo Ono, Masashi Mizuno, Masahiro Tohkin, Takayuki Hamano. Epidemiology and predictors of hyponatremia in a contemporary cohort of patients with malignancy: a retrospective cohort study. Clinical kidney journal. 2023. 16. 11. 2072-2081
ｍore...
MISC (57)：
  • 安部賀央里. 機械学習を活用した薬剤性腎障害の予測モデルの開発. 日本腎臓学会誌(Web). 2024. 66. 4
  • 安部賀央里. 機械学習を用いた副作用予測に関する研究. 応用薬理. 2024. 106. 5-6
  • 安部賀央里, 足利太可雄, 頭金正博, 伊藤潤, 木下啓, 村崎亘, 中森瑞季, 土井更良. In silico予測手法の高度化とNew Approach Methodologyの活用に基づく化学物質の統合的ヒト健康リスク評価系の基盤構築に関する研究 機械学習を用いた皮膚感作性試験代替法の開発と化学物質のリスク評価への活用に関する研究. In Silico予測手法の高度化とNew Approach Methodologyの活用に基づく化学物質の統合的ヒト健康リスク評価系の基盤構築に関する研究 令和4年度 総括・分担研究報告書(Web). 2023
  • 濱上敦史, 土井更良, 安部賀央里, 頭金正博. Development of prediction model for cholestatic Drug-Induced Liver Injury using JAPIC AERS and machine learning. 日本薬学会年会要旨集(Web). 2023. 143rd
  • 青木優佳, 安部賀央里, 頭金正博, 村島美穂, 濱野高行, 和知野千春, 和知野千春, 木村和哲, 日比陽子, 日比陽子, et al. 電子カルテ情報と機械学習を活用したシスプラチン誘発性急性腎障害の予測モデルの構築. 日本臨床薬理学会学術総会抄録集(Web). 2023. 44th. 1-1
ｍore...
Lectures and oral presentations  (16)：
  • New Approach Methodologies(NAMs)を活用した皮膚感作性強度予測に向けた機械学習モデルの開発
    (フォーラム2024衛生薬学・環境トキシコロジー 2024)
  • 機械学習を活用したレギュラトリーサイエンス研究
    (第10回次世代を担う若手のためのレギュラトリーサイエンスフォーラム 2024)
  • 機械学習を用いた副作用予測に関する研究
    (第25回応用薬理シンポジウム 2024)
  • AI/機械学習 in 毒性学 ~化学物質の毒性予測モデル開発~
    (第51回日本毒性学会学術年会 2024)
  • 機械学習を活用した薬剤性腎障害の予測モデルの開発
    (第67回日本腎臓学会学術総会 2024)
ｍore...
Professional career (1)：
  • 博士(薬学) (名古屋市立大学)
Awards (2)：
  • 2022/07 - 日本毒性学会 第12回2022年 ファイザー賞
  • 2018 - 薬学研究奨励財団 薬学研究奨励財団 第39回研究助成金
Association Membership(s) (8)：
日本医療薬学会 ,  日本臨床薬理学会 ,  日本動物実験代替法学会 ,  日本香粧品学会 ,  THE JAPANESE SOCIETY FOR THE STUDY OF XENOBIOTICS ,  CHEM-BIO INFORMATICS SOCIETY ,  THE JAPANESE SOCIETY OF TOXICOLOGY ,  THE PHARMACEUTICAL SOCIETY OF JAPAN
※ Researcher’s information displayed in J-GLOBAL is based on the information registered in researchmap. For details, see here.

Return to Previous Page

TOP

BOTTOM