| 研究課題/領域番号 |
17H06629
|
|---|
| 研究種目 |
研究活動スタート支援
|
| 配分区分 | 補助金 |
|---|
| 研究分野 |
疫学・予防医学
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
大野 幸子 東京大学, 大学院医学系研究科(医学部), 特任助教 (20797237)
|
|---|
| 研究期間 (年度) |
2017-08-25 – 2019-03-31
|
| 研究課題ステータス |
完了 (2018年度)
|
| 配分額 *注記 |
2,730千円 (直接経費: 2,100千円、間接経費: 630千円)
2018年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2017年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
|
|---|
| キーワード | 医療ビッグデータ / 予測 / 予測モデル / 機械学習 / 慢性疾患 / 疾患発症予測 / 疾患重症化予測モデル |
|---|
| 研究成果の概要 |
本研究では、レセプト・健診データを用いて、甲状腺機能亢進症発症、糖尿病患者の腎機能低下を複数の機械学習手法および従来の疫学手法検討を用いて検討した。後者の研究は国際学会で発表を行った。さらに、予測モデル構築における検査値データの有用性を検討するため、協力施設から得られたデータを用いて、腹部悪性手術後の創部感染、抗菌薬の再開、術後入院期間の予測を行った。創部感染、抗菌薬再開は症例数が少なく予測不能であったものの、Random Forestを用いた術後入院期間の予測値と実測値の差は10分位それぞれで2日以内であった。
|
| 研究成果の学術的意義や社会的意義 |
現状の研究利用可能な医療レセプトデータは、サンプル数、説明変数、追跡期間が限られており、機械学習の手法で重症化や疾患の発症予測は困難であった。一方、術後入院期間は一定の精度で予測することが確認されたため、既存の医療レセプトデータは機械学習を用いた短期的アウトカムの予測に利用できる可能性が示唆された。
|
