2022 Fiscal Year Final Research Report

Implementing and Evaluating Prediction of Dynamical Item Appearance Depending on Fluctuation of Multiple Item Values

Research Project

PDF

Project/Area Number	20H04192
Research Category	Grant-in-Aid for Scientific Research (B)
Allocation Type	Single-year Grants
Section	一般
Review Section	Basic Section 60080:Database-related
Research Institution	Tokyo Institute of Technology
Principal Investigator	Yokota Haruo 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) 山崎友義宮崎大学, 医学部, 研究員 (50586609) 串間宗夫宮崎大学, 医学部, 研究員 (00727414) 松尾亮輔宮崎大学, 医学部, 研究員 (30815931)
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 Final Research Achievements	When the occurrence of items dynamically changes depending on the variation of values of multiple items in a sequence of large amounts of historical data, predicting the next occurring items with evidence is not sufficient with conventional methods. In this research, we propose methods to analyze the sequential patterns in the values of multiple items that occur at the same time, and to predict the items that will occur next along with their statistical basis. Based on the specimen inspections and their value fluctuations, we realized and evaluated a method for predicting the specimen inspections to be performed next and the content of medical orders. In addition, we extended the sequence analysis method to develop a method that numerically compares and visualizes the differences in the sequences of frequent medical orders between multiple medical institutions and depending on the time period.
Free Research Field	データ工学
Academic Significance and Societal Importance of the Research Achievements	深層学習による予測や推薦の研究が盛んに行われているが、医療等の場面では予測や推薦の根拠を示すことが求められ、深層学習では根拠を示せないため説明可能深層学習の研究も行われているがまだ十分とは言えない。一方、シーケンシャルパターンマイニングでは、パターンの発生頻度を根拠とした予測や推薦が可能となるが、項目の出現がシーケンス中の多数項目の値の変動に依存する場合にはこれまで対応できていなかった。本研究では、クラスタリングと特性ベクトルを用いてその課題を解決し、実際の電子カルテデータを用いてその効果を示すとともに、複数医療機関や時期の違いについても解析する手法を提案し、その学術的・社会的意義は高い。