| 研究課題/領域番号 |
18K18471
|
|---|
| 研究種目 |
挑戦的研究(萌芽)
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
超高齢社会研究
|
|---|
| 研究機関 | 横浜市立大学 (2020, 2022-2023)
一般財団法人医療経済研究・社会保険福祉協会(医療経済研究機構(研究部)) (2018-2019) |
|---|
研究代表者 |
清水 沙友里 横浜市立大学, データサイエンス研究科, 講師 (60625408)
|
|---|
| 研究分担者 |
原 聡 大阪大学, 産業科学研究所, 准教授 (40780721)
伏見 清秀 東京医科歯科大学, 大学院医歯学総合研究科, 教授 (50270913)
|
|---|
| 研究期間 (年度) |
2018-06-29 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
4,940千円 (直接経費: 3,800千円、間接経費: 1,140千円)
2020年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
2019年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
2018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 | 医療データベース / 機械学習 / データベース研究 / スパースデータ / 解釈性の向上 / バリデーション / Multimorbidity / 予測モデル / 大規模医療データベース / マシーンラーニング / 大規模医療データ / マルチモビディティ |
|---|
| 研究成果の概要 |
複数疾患を持つ身体的に脆弱な高齢者が増加していることにより、データベース研究におけてそれらを包括的な視点から評価を行い、臨床評価に役立てることは重要な課題であるが、複数疾病のある患者に対して、それらの並存パターンの重症度評価は十分ではない。本研究では、従来型モデルや勾配ブースティングモデル、解釈可能性を加味したモデルなど複数の手法による予測モデルを構築し、予測モデル精度の向上が可能であることが示唆された。本分析により、医療管理データの持つデータ特性と、機械学習モデルとの分析上の親和性を加味し、解釈可能性に留意しながら分析モデルを選択することの重要性が改めて示唆された。
|
| 研究成果の学術的意義や社会的意義 |
臨床現場から日々生成される医療データが蓄積され、世界的な潮流として、これらのデータを臨床や政策に活用しようという動きが広がっています。加えて、従来型の統計モデルから機械学習モデルへのシフトがおこっており、これらのモデルを医療管理分野の分析にどのように活かすかが課題となっていました。本研究では、機械学習モデルがより精度高く予測可能でありましたが、解釈可能性に留意する必要があることが示唆されました。
|
