2020 Fiscal Year Annual Research Report
個別化医療のための人工知能・深層学習に対する統計学的評価法の開発
| Project/Area Number |
19H01806
|
|---|
| Research Institution | Teikyo University |
|---|
Principal Investigator |
松浦 正明 帝京大学, 公私立大学の部局等, 教授 (40173794)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
生亀 清貴 日本大学, 経済学部, 講師 (30711593)
安藤 宗司 東京理科大学, 工学部情報工学科, 助教 (40803226)
牛嶋 大 公益財団法人がん研究会, 有明病院 臨床研究・開発センター, 研究員 (60328565)
小森 理 成蹊大学, 理工学部, 准教授 (60586379)
松井 茂之 名古屋大学, 医学系研究科, 教授 (80305854)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Keywords | 統計 / 人口知能 / 深層学習 / データ解析 / 個別化医療 / データサイエンス / 疫学 |
|---|
| Outline of Annual Research Achievements |
2020年度は、計画に沿って研究を進めた。
初年度の計画の一つは、前回の基盤研究で特許出願した「不均一性抽出アルゴリズム」の高精度化と再評価を計画し、この研究を推進した。本アルゴリズムに対しては、2018年国際計量生物学会（バルセロナ）で発表し特許開示を行った。
2019年度はアルゴリズムの部分改良を行った。特に予測判定に関して、生存時間データへの応用を検討し、その内容をコロナで延期されていた2020年度の国際計量生物学会（ソウル）にてオンライン報告を行った。
もう一つの研究課題の「深層学習の各層特徴抽出」については、テーブルデータを用いた場合の深層学習に特化し、各変数の統計学的性能評価法の検討を継続した。最終結果に対する各変数の寄与度を調べる最も単純な方法は、その変数を削除して同様の深層学習を行ない、どれだけ最終結果が変化するかを調べることで、その特定の変数の最終結果に対する寄与度が調査可能である。しかし、最終結果を導出した変数の数が膨大であると、その変数の個数だけ深層学習の解析を行う必要があり、膨大な時間がかかる欠点を克服する必要があり、これらについて改良・検討を進めた。
さらに画像データに関しても、最近は画素のセットを特徴量として抽出する方法も提案されている事が調査で判明した。しかし、今後の個別化医療への応用を考えた場合は、各種検査・医療情報などのテーブルデータに対して、各変数およびそれらの変数セットの組み合わせと最終結果との関連性を寄与度として評価することが、因果関係を解明する点で重要である場合がある点も、事例研究により明らかになった。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
当初予定していた国際計量生物学会（韓国ソウル）はコロナで延期となったが、オンライン開催になったため、無事に予定通り発表を行った。さらに、テーブルデータに対する深層学習の変数寄与度の評価方法に関しても、実際の小規模データを解析することによりデータ解析での問題点を把握する事ができた。
|
| Strategy for Future Research Activity |
2021年度が本研究の最終年度である。特にテーブルデータに対して、深層学習の各層特徴抽出結果に対する各変数による統計学的性能評価法の検討を継続する。現状の性能評価の方法に関しては、これまでの研究で調査検討してきたため、今後はその改造に関して独自の方法の適用を試みる。特に実データを用いた解析に関しては、比較的小規模データを用いて、従来からの多変量回帰分析モデルでの統計解析結果と、深層学習での変数評価の結果との比較を試みて、実データ解析に対する性能評価を行う予定である。さらに独自の手法の検討を試み、成功した場合は最終的に学会での報告を行ない、可能であれば特許申請についても検討を行う。
|
