健康戦略の為のデータマイニングを用いたリスク削減手法の開発

2003 年度 研究成果報告書概要

• 研究課題/領域番号: 13470099
• 研究種目: 基盤研究(B)
• 配分区分: 補助金
• 応募区分: 一般
• 研究分野: 公衆衛生学・健康科学
• 研究機関: 聖マリアンナ医科大学
• 研究代表者: 吉田 勝美 聖マリアンナ医科大学, 医学部, 教授 (80158435)
• 研究分担者: 市村 匠 広島市立大学, 情報科学部, 助手 (10295842) ; 須賀 万智 聖マリアンナ医科大学, 医学部, 助手 (30339858) ; 杉森 裕樹 聖マリアンナ医科大学, 医学部, 講師 (20276554)
• 研究期間 (年度): 2001 – 2003
• キーワード: リスク削減モデル / データマイニング / ニューラルネットワーク

研究概要

我が国の疾病構造が変化し、目標設定型健康施策(健康日本21や健康増進法)が導入され、二次予防のスクーニングからリスク削減手法の開発が期待されている。
リスク削除の開発には、早期健康異常の検出、時系列評価が必要であり、従来のリスク分析では限界があった。
本研究では、データマイニングによる非線形モデルを用いて、健康施策戦略のための削減モデルの開発を行うものである。モデルの整合性と遺伝的アルゴリムや免疫アルゴリズムの導入について検討を行った。
対象としたデータベースは、ICU内獲得感染症に対する疫学モデルについて、従来の比例ハザードモデル、ニューラルネットワークによるaggregate single point modelとmultiple point modelの比較を行い、3法の精度をROC曲線のarea under curveとclassification accuracyを使用して評価した。モデルの予測精度は、multiple point model,比例ハザード、aggregate single point modelの順であり、死亡例に比べ生存例でのclassification accurayが高かった。
健康戦略のモデル開発には、非線形関係を解消するニューラルネットワークを組み合わせたaggregate modelがより適合しやすいこと、また学習データでは疫学的頻度を考慮してデータ厚生を行うことが必要と考えられた。また、Harellらのconcordance indexを使用してARCやclassification accurayと同様の傾向を認めたが、有意差の検定について今後検討が必要と認めた。