ニューラルネットワーク及び一般化加法モデルによる医薬学データの非線形解析

1999 Fiscal Year Annual Research Report

• Project/Area Number: 11672140
• Research Institution: Osaka University
• Principal Investigator: 高木 達也 大阪大学, 薬学研究科, 教授 (80144517)
• Co-Investigator(Kenkyū-buntansha): 藤原 英明 大阪大学, 医学系研究科, 教授 (90107102)
• Keywords: 計量薬学 / 情報薬学 / ニューラルネットワーク / 平滑化法 / ノンパラメトリック回帰 / 薬剤疫学

Research Abstract

本年度は、主として一般化加法モデルの検討を行った.即ち、
1) 一般化加法モデル(GAM)にコンピュータ集約型検定法(EfronらのBootstrap法及び我々のグループによる拡張シフト検定法)を導入、GAM法における予測変数の有意性検定への道を開いた.データとしては、S-Plusに付随しているKyphosisデータを用い、Boostrap法を用いて3つの予測変数、Start,Age,Numberの偏回帰プロットにより偏回帰曲線の信頼性を求め、更に,拡張シフト検定法を用いて導かれる背景点ヒストグラムより、各予測変数の有為性検定を行ったところ、臨床的知見とほぼ等しい結果を得ることができた.
2) GAM法とANN法による推測及び予測性の検討を行った.食道癌へのリスクファクター(各種アルコール摂取の程度、喫煙の有無など)と、子宮内膜癌へのリスクファクターの解析に両者を適用、双方ともに有用であることが証明されたが、両者が同程度の予測性を示すなら、ブラックボックスに近いANN法を用いる必要はないことになる。
以上の結果より、GAM法は医薬学分野、特に臨床疫学や薬剤疫学の分野において有用であり、いくつかの欠点は、コンピュータ集約型検定法を用いることにより補えることが判明した.今後、GAM法の改良も視野に入れ、ACE法などと共に、ANNとの比較を行ってみる予定である.
なお、これらの結果のうち、前者については第25回情報化学討論会(米沢)で発表、また、後者については、日本薬学会120年会(岐阜)におけるシンポジウム、「計量薬学〜薬学の新たな領域」で発表する予定である.

Research Products

• [Publications] A.V.Afonin et al.: "Specific intermolecular interactions C-H-N in heteroaryl vinyl ethers and hetero aryl rinyl sulfides studied by 'H, C^<13>, and N^<15> NMR sectroscopies…・"Can. J. Chem.. 77. 416-424 (1999)