多数シーケンスデータベースからの頻出パターンの分岐要因分析

• 研究課題/領域番号: 24K02943
• 研究種目: 基盤研究(B)
• 配分区分: 基金
• 応募区分: 一般
• 審査区分: 小区分60080:データベース関連; 小区分62020:ウェブ情報学およびサービス情報学関連; 合同審査対象区分:小区分60080:データベース関連、小区分62020:ウェブ情報学およびサービス情報学関連
• 研究機関: お茶の水女子大学
• 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)
• 研究分担者: 横田 治夫 城西大学, 理学部, 客員教授 (10242570) ; 荒木 賢二 お茶の水女子大学, 理学部, 学部教育研究協力員 (70274777) ; 松尾 亮輔 お茶の水女子大学, 理学部, 学部教育研究協力員 (30815931) ; 山崎 友義 お茶の水女子大学, 理学部, 学部教育研究協力員 (50586609) ; 小口 正人 お茶の水女子大学, 基幹研究院, 教授 (60328036)
• 研究期間 (年度): 2024-04-01 – 2027-03-31
• 研究課題ステータス: 交付 (2024年度)
• 配分額: 17,940千円 (直接経費: 13,800千円、間接経費: 4,140千円); 2026年度: 5,850千円 (直接経費: 4,500千円、間接経費: 1,350千円); 2025年度: 5,850千円 (直接経費: 4,500千円、間接経費: 1,350千円); 2024年度: 6,240千円 (直接経費: 4,800千円、間接経費: 1,440千円)
• キーワード: 頻出パターン解析 / 電子カルテ / 要因推定 / 推薦

研究開始時の研究の概要

本研究では、多施設のシーケンスデータから抽出した頻出シーケンスバリアントの高度な分析を行う。各医療機関の医療指示データを対象に、頻出医療指示パターン間の類似度を示す距離を定義する。次に、この距離を用いてクラスタリングを行うことで、医療機関群を複数グループに分類し、グループ内に共通と相違部分を表す併合シーケンスを作成し可視化をする。更に、標準化されていない多施設の検査履歴データの名寄せと突合せを実施し、検査結果というアウトカムの観点から相違部分の要因推定を行い、推薦に繋げるアプローチを提案する。実際の複数医療機関の電子カルテデータを対象に推薦の実験を行いその効果の実証を試みる。