再現性ある医療ビッグデータ解析のためのモデル選択法

• Project/Area Number: 25K21165
• Research Category: Grant-in-Aid for Early-Career Scientists
• Allocation Type: Multi-year Fund
• Review Section: Basic Section 60030:Statistical science-related
• Research Institution: Tokyo Medical University
• Principal Investigator: 原田 和治 東京医科大学, 医学部, 助教 (40964036)
• Project Period (FY): 2025-04-01 – 2030-03-31
• Project Status: Granted (Fiscal Year 2025)
• Budget Amount: ¥4,810,000 (Direct Cost: ¥3,700,000、Indirect Cost: ¥1,110,000); Fiscal Year 2029: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000); Fiscal Year 2028: ¥390,000 (Direct Cost: ¥300,000、Indirect Cost: ¥90,000); Fiscal Year 2027: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000); Fiscal Year 2026: ¥390,000 (Direct Cost: ¥300,000、Indirect Cost: ¥90,000); Fiscal Year 2025: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
• Keywords: モデル選択 / 統計的因果推論 / 生物統計学

Outline of Research at the Start

近年，リアルワールドデータ活用や精密医療の推進により，臨床研究データは大規模・高次元化が進んでいる．しかし，高次元データを用いた観察研究では、バイアス補正や多重性を考慮した変数選択と再現性の確保が課題となっている．本研究は，このような背景を踏まえ，高次元データを用いた観察研究で想定される，交絡変数選択など種々の問題設定で，統計的観点での再現性を高める手法を開発し，臨床研究の信頼性向上に貢献することを目的としている.