研究課題/領域番号 |
21K12708
|
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90130:医用システム関連
|
研究機関 | 名古屋市立大学 |
研究代表者 |
宮内 義明 名古屋市立大学, 大学院看護学研究科, 准教授 (70410511)
|
研究分担者 |
西村 治彦 大和大学, 情報学部, 教授 (40218201)
|
研究期間 (年度) |
2021-04-01 – 2025-03-31
|
研究課題ステータス |
交付 (2023年度)
|
配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2023年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2022年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2021年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
|
キーワード | ベイジアンネットワーク / AIモデル / AI / モデル探索 / ビッグデータ |
研究開始時の研究の概要 |
本研究はNDBと介護DBのビッグデータに対応した分かりやすく説明しやすい持続的リスク評価システムを構築することを目的とし、次の3つの研究過程を遂行する。①NDBと介護DBのデータ構成に対応したデータベースを構築し、学習条件の調整と最適化を探索してAIモデルを構築する。②分かりやすく説明しやすい持続的リスク評価システムとするため、因果関係の説明が可能なベイジアンネットワークへの変換を行う。③条件付き確率表をAIモデルにより自動生成する仕組み(AI-ベイジアンネット)を構築し、NDBと介護DBのデータから精度向上できるベイジアンネットワークによる持続的リスク評価システムを構築する。
|
研究実績の概要 |
本申請課題の達成に向けて、次の1~3について研究を遂行した。 1. AI分析による各データベースの特徴と関係性を表すモデルの探索:本研究過程で最も重要なフェーズとして、初年度に構築したデータベースとAIプログラミング環境を活用して、昨年度に引き続きディープラーニングによるAIモデル探索に取り組んだ。研究代表者が主としてPython言語とそのライブラリを活用し、AIモデルの学習条件(正則化、ドロップアウト)の調整とモデルの統合を行い、最適化の探索を行うことで、汎用性を保ちながら同時に不要なパラメーターの影響を小さくし、かつ精度を高める取り組みを行っている。 2. AIシミュレーションを通したベイジアンネットワーク構造の検討:前項に記したAIモデルの探索を進めるのと平行して、研究代表者が主としてベイジアンネットワーク構造の検討も行った。AIモデルの探索の過程で検討に値するモデルを用いて、ベイジアンネットワークでのモデル構造の変換の試みを多数実施し、AIモデルでのシミュレーションをベイジアンネットワークで近似できる構造構築のノウ・ハウを蓄積すべく取り組みを続けた。ているところである。併せて研究分担者が主としてベイジアンネットワークの条件付き確率の基となるデータベースの構築も進めている。 3. NDBと介護DBのデータ構成に対応したベイジアンネットワーク用データベースの構築:前項のベイジアンネットワーク構造の検討の検討を通して、初年度に構築したデータベースを最適化するモディファイに取り組んだ。利用者の立場から考えた使い易さや分りやすさに重点をおいた上で、数理的正確さも備える説明可能なリスク評価システムに帰着するために必要な過程として、時間と労力をかけて実施した。
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
4: 遅れている
理由
コロナ禍の影響を契機に前々年度AIプログラミングの協力を得る予定者がいなくなった影響は大きく、当初計画よりも研究全体が遅れて進行する形になっている。そのため、研究期間の1年延長に踏みきり、研究費的には厳しくても充実した研究成果に至れるように時間的猶予をいただくことにした。前年度に生じた研究代表者の健康問題の影響や、研究分担者の所属機関変更の影響も概ね落ち着く形となってきているので、1年延長した今年度は最終年度として充実した成果に結び付けられるよう、研究計画の遂行に尽力を続けていく。
|
今後の研究の推進方策 |
引き続きAIシミュレーションを通したベイジアンネットワーク構造の検討に取り組み、最終成果物である数理的正確さと説明のし易さを併せ持つ使い易く分りやすい持続的リスク評価システムの構築へ向けて、堅実に研究過程を進めていく。
|