2022 Fiscal Year Annual Research Report
Implementing and Evaluating Prediction of Dynamical Item Appearance Depending on Fluctuation of Multiple Item Values
| Project/Area Number |
20H04192
|
|---|
| Research Institution | Tokyo Institute of Technology |
|---|
Principal Investigator |
横田 治夫 東京工業大学, 情報理工学院, 教授 (10242570)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
荒木 賢二 宮崎大学, 医学部, 教授 (70274777)
小川 泰右 宮崎大学, 医学部, 助教 (60586600)
Le Hieu・Hanh 東京工業大学, 情報理工学院, 助教 (60813996)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Keywords | シーケンス解析 / 電子カルテ / 項目推薦 / 医療検査 / 値予測 |
|---|
| Outline of Annual Research Achievements |
大量の履歴データのシーケンスから傾向を抽出し、次の項目や値を予測し、さらには予測に基づいて推薦を行う処理には広範の需要があり、重要度が増している。しかし、シーケンス中の複数項目の値の変動に依存して項目の出現が動的に変化する場合に、次に発生する項目を納得できるように予測することは、従来の手法では十分ではない。例えば、電子カルテデータに含まれる複数の医療検査項目の値の変動から、次にすべき検査項目や医療指示を根拠となる情報を基に予測することは従来のシーケンス解析では困難であった。
本研究では、同時に発生する複数の項目の値の変動の依存関係を抽出して次に発生する項目を予測する手法を実現し、実際に蓄積された電子カルテの医療検査項目の履歴に適用して傾向を解析する。具体的には、電子カルテデータに含まれる複数の検体検査項目と、その値の変動から、次にすべき検査の項目の予測や、次にすべき医療指示の内容の予測を行う手法の実現を目指した。
電子カルテデータに含まれる検体検査項目で同時に実施される検査項目から、クラスタリング手法を用いて複数の検査グループに分類し、抽出された検査グループ毎の特性ベクトルを作成する。次に、各検査グループの検査結果の中の異常値を、基準範囲の上方に外れるHと、下方に外れるLで示した特性ベクトルを用意し、それらの特性ベクトルのシーケンス解析を行うことで、検査グループ間の推移を抽出し、次の検査項目群を推薦する手法を提案し、宮崎大学医学部附属病院に蓄積されている実際の電子カルテデータベースに含まれる検体検査データに適用して精度の評価を行い、効果を示した。さらに、シーケンス解析の手法を拡張し、複数の医療機関における頻出医療指示シーケンスの違いや、時期による頻出医療指示のシーケンスの違いを数値的に比較し可視化する手法に発展させ、それらの提案手法とその評価結果に関して外部発表を行った。
|
| Research Progress Status |
令和4年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和4年度が最終年度であるため、記入しない。
|
