Branching Factor Analysis of Frequent Patterns from Multiple Sequence Databases

• Project/Area Number: 24K02943
• Research Category: Grant-in-Aid for Scientific Research (B)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 60080:Database-related; Basic Section 62020:Web informatics and service informatics-related; Sections That Are Subject to Joint Review: Basic Section60080:Database-related , Basic Section62020:Web informatics and service informatics-related
• Research Institution: Ochanomizu University
• Principal Investigator: Le Hieu・Hanh お茶の水女子大学, 文理融合 AI・データサイエンスセンター, 准教授 (60813996)
• Co-Investigator(Kenkyū-buntansha): 横田 治夫 城西大学, 理学部, 客員教授 (10242570) ; 荒木 賢二 お茶の水女子大学, 理学部, 学部教育研究協力員 (70274777) ; 松尾 亮輔 お茶の水女子大学, 理学部, 学部教育研究協力員 (30815931) ; 山崎 友義 お茶の水女子大学, 理学部, 学部教育研究協力員 (50586609) ; 小口 正人 お茶の水女子大学, 基幹研究院, 教授 (60328036)
• Project Period (FY): 2024-04-01 – 2027-03-31
• Project Status: Granted (Fiscal Year 2024)
• Budget Amount: ¥17,940,000 (Direct Cost: ¥13,800,000、Indirect Cost: ¥4,140,000); Fiscal Year 2026: ¥5,850,000 (Direct Cost: ¥4,500,000、Indirect Cost: ¥1,350,000); Fiscal Year 2025: ¥5,850,000 (Direct Cost: ¥4,500,000、Indirect Cost: ¥1,350,000); Fiscal Year 2024: ¥6,240,000 (Direct Cost: ¥4,800,000、Indirect Cost: ¥1,440,000)
• Keywords: 頻出パターン解析 / 電子カルテ / 要因推定 / 推薦

Outline of Research at the Start

本研究では、多施設のシーケンスデータから抽出した頻出シーケンスバリアントの高度な分析を行う。各医療機関の医療指示データを対象に、頻出医療指示パターン間の類似度を示す距離を定義する。次に、この距離を用いてクラスタリングを行うことで、医療機関群を複数グループに分類し、グループ内に共通と相違部分を表す併合シーケンスを作成し可視化をする。更に、標準化されていない多施設の検査履歴データの名寄せと突合せを実施し、検査結果というアウトカムの観点から相違部分の要因推定を行い、推薦に繋げるアプローチを提案する。実際の複数医療機関の電子カルテデータを対象に推薦の実験を行いその効果の実証を試みる。