Development of standardization technique for clinical research data combining deep learning and semantic analysis
Project/Area Number |
17K15866
|
Research Category |
Grant-in-Aid for Young Scientists (B)
|
Allocation Type | Multi-year Fund |
Research Field |
Medical and hospital managemen
|
Research Institution | Hokkaido University (2018-2022) Kagawa University (2017) |
Principal Investigator |
|
Project Period (FY) |
2017-04-01 – 2023-03-31
|
Project Status |
Completed (Fiscal Year 2022)
|
Budget Amount *help |
¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000)
Fiscal Year 2019: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
Fiscal Year 2018: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
Fiscal Year 2017: ¥1,690,000 (Direct Cost: ¥1,300,000、Indirect Cost: ¥390,000)
|
Keywords | RPA / 深層学習 / マッピング / 臨床研究 / 標準化 / Deep learning / 自然言語処理 / データベース / 変数 / CDISC SDTM / Semantic integration / SPARQL / RDF / CDISC / 変数mapping / 標準 / Java / Python / 仮想化技術 / 生物統計学 / 機械学習 / SDTM / ADaM / Lua / 電子カルテ / 医療情報学 / 生体生命情報学 |
Outline of Final Research Achievements |
Data standardization is necessary for statistical analysis of medical data. The aim of our study was to survey mapping feasibility and developing technique on conversion to existing data standards. As a result of our research, we confirmed approximately 20% improvement in accuracy against simply performing 1-to-1 matching conversion. Based on the program that we created, we trained clinical trial data managers on how to automate their own work.
|
Academic Significance and Societal Importance of the Research Achievements |
本研究の成果は、機械的な辞書を用いた項目の標準化よりも、深層学習を用いた曖昧な記述に対するコード付与が可能であることを明らかにし、その精度を向上することができた。本研究で得られたプログラミングの知識は、robotic process automationとして北海道大学病院データセンターにてデータマネージャの教育に利用した。データマネージャに還元することで、臨床試験の立ち上げから実施、試験終了の手順を加速化させることが期待される。
|
Report
(7 results)
Research Products
(21 results)
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
[Book] 臨床研究アウトプット術2020
Author(s)
前田圭介, 室谷健太(編集), 西本 尚樹, 他
Total Pages
386
Publisher
中外医学社
ISBN
9784498048782
Related Report