| 研究課題/領域番号 |
21K17746
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分60080:データベース関連
|
|---|
| 研究機関 | お茶の水女子大学 (2023)
東京工業大学 (2021-2022) |
|---|
研究代表者 |
Le Hieu・Hanh お茶の水女子大学, 文理融合 AI・データサイエンスセンター, 准教授 (60813996)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
4,420千円 (直接経費: 3,400千円、間接経費: 1,020千円)
2023年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2022年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2021年度: 2,080千円 (直接経費: 1,600千円、間接経費: 480千円)
|
|---|
| キーワード | シーケンス解析 / 電子カルテ / データ保護 / data mining / privacy / medical data / differential privacy / recommendation |
|---|
| 研究開始時の研究の概要 |
This study aims to present a method for eliminating the need for trust in SPM while preserving privacy and providing secure, precise, and fast sequential data analysis that carefully learns the data distribution. The execution time should be reduced via parallel computation that utilizes modern hardware such as scalable multi-core CPUs. The feasibility of the proposed method will be studied using both open datasets and real medical data.
|
| 研究成果の概要 |
シーケンシャルな医療データのセキュアな解析が研究されている。具体的に複数の病院から取得したシーケンスバリアント（SV）を解析するための高速な方法が検討されており、SVにおける分岐の要因の推定などが含まれる。本研究で提案された方法は複数の疾患に関する実際の病院の医療データを用いて評価された。
シーケンスの頻度を推定する際にプライバシーを確保するために、元の頻度に適切な量のノイズを加える方法を検討した。データの分布と医学的な意義に基づいて、関連するデータのみを解析対象とした。最後に、データアクセス制御が充分に管理されたクラウドを使用したセキュアな実験環境が提案され、セキュアなデータ解析を可能とした。
|
| 研究成果の学術的意義や社会的意義 |
この研究は、セキュアなシーケンシャルデータ解析に大きな波及効果をもたらす。これにより、医療や小売業など多くのビジネスにおいて、安全にカスタマイズ可能なツールやサービスを提供するアプリケーションの範囲が拡大できる。顧客向けのサービスや製品を安全にカスタマイズするだけでなく、産業企業内のサプライチェーン管理を効率的に最適化する可能性を見せることができる。
|
