| 研究課題/領域番号 |
20K07206
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分47060:医療薬学関連
|
|---|
| 研究機関 | 国立研究開発法人医薬基盤・健康・栄養研究所 |
|---|
研究代表者 |
種村 菜奈枝 国立研究開発法人医薬基盤・健康・栄養研究所, 国立健康・栄養研究所 食品保健機能研究部, 室長 (50790630)
|
|---|
| 研究分担者 |
佐藤 淳子 慶應義塾大学, 薬学部(芝共立), 客員教授 (10231341)
漆原 尚巳 慶應義塾大学, 薬学部(芝共立), 教授 (10511917)
佐々木 剛 千葉大学, 医学部附属病院, 准教授 (90507378)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2022年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2021年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2020年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
|
|---|
| キーワード | 潜在ニーズ / 機械学習モデル / Word2Vec / Zスコア / 患者市民参画 / 自然言語処理 / 人工知能 / 口語テキスト / 機械学習 / 可視化 / ニューラルネットワーク / 患者レジストリ / リアルワールドデータ / 臨床研究 |
|---|
| 研究開始時の研究の概要 |
まれな病気の場合、患者さんの数も少ないため、標準的な治療方法や必要なサービスが不足している点が課題の1つとしてあげられます。また、患者さんが日々抱えておられる悩みや困難、誰かに今すぐ伝えたい想いは、毎日の状況に応じても変化します。さらに、患者さんやそのご家族のニーズが、国やお薬などを開発する企業や研究者にまで、届きづらいといった現状もあります。そこで、我々の研究チームは、暮らしやすい社会の実現を目指して、『患者さんとそのご家族のお声』を頂き、みなさまのお声をニーズとして、必要な場所へ迅速に届けるための仕組み作りを検討します。
|
| 研究実績の概要 |
本研究では、次のテーマでAI技術の開発を行い、それぞれ論文にて結果を公表した。
■ 口語テキストでの発話者の潜在ニーズ予測
１）Word2Vecモデルを用いた機械学習モデルの精度改善に関する検討
本研究では、口語テキストから発話者の潜在的ニーズを予測するための機械学習モデル構築、及びニューラルネットワークを用いて単語をベクトル変換する手法であるWord2Vecモデルを用いて機械学習モデルの精度改善を検討した。予備検討では、機械学習モデルの精度比較を行い、最適なモデルを選択した。本調査では、Word2Vecモデルを用いて同義語辞書を作成し、この辞書を使用して同一の特徴量に変換し学習を行う新手法を検討した。新手法の適応の有無で機械学習モデルの精度比較を行った。予備検討でのモデル選定実験の結果、モデル精度はxgboostでF値0.54と最も高く、本調査では、モデル精度は同義語辞書ありでF値0.61、同義語辞書なしでF値0.54であり、Word2Vecモデルを用いた同義語辞書の適応が機械学習モデルの精度改善に寄与した。
２）Zスコアを用いた特徴量選択によるモデル精度向上に向けた有用性評価
本研究は、発話者の潜在的ニーズを予測する機械学習モデル構築において、より予測に資する語句を効率的に選定するため、Zスコアを用いた特徴量選択のための新手法の有用性を評価した。発話者の潜在的ニーズ自動抽出のための機械学習モデル構築において、Zスコアによる潜在ニーズを含む形態素を考慮した特徴量選定の新手法を考案した。新手法を用いたSVMとランダムフォレストにてF値が向上し、SVMで最も高精度であった。新手法は、潜在ニーズの予測の他、適切な情報除去を行い予測処理量の削減に貢献可能である点も踏まえると、口語テキストの前処理においてさらなる利活用が期待される。
|
