医療データを生成データと組み合わせて機械学習を最適化するデータ拡張手法の探索

• Project/Area Number: 25K21344
• Research Category: Grant-in-Aid for Early-Career Scientists
• Allocation Type: Multi-year Fund
• Review Section: Basic Section 62010:Life, health and medical informatics-related
• Research Institution: Keio University
• Principal Investigator: 石川 哲朗 慶應義塾大学, 医学部(信濃町), 准教授 (90824160)
• Project Period (FY): 2025-04-01 – 2027-03-31
• Project Status: Granted (Fiscal Year 2025)
• Budget Amount: ¥4,810,000 (Direct Cost: ¥3,700,000、Indirect Cost: ¥1,110,000); Fiscal Year 2026: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000); Fiscal Year 2025: ¥3,380,000 (Direct Cost: ¥2,600,000、Indirect Cost: ¥780,000)
• Keywords: 医療データ / 生成モデル / 機械学習 / 最適化 / データ拡張

Outline of Research at the Start

医療分野でしばしば問題となる実データのサンプル不足を克服するため、高品質な生成データを活用したデータ拡張手法を探索し、機械学習および数理モデルの精度向上を図る。本研究では、多様な生成モデルを適用して産生した人工データの品質と価値を評価・最適化し、過学習を抑制しながら汎化性能を高める方法論を開発する。これにより、限られたサンプルサイズの医療データからでも精度の高い推論や予測が可能になると期待される。