|
本研究は、大規模な電子的診療データを利用し、新しい機械学習的手法である深層学習によって、心房細動患者の将来の脳梗塞発症予測モデルを構築することを目的としている。このうち、当該年度では、使用するデータの取得およびデータベースの構築、理想的なモデル構築のための深層学習アルゴリズムの模索、従来の方法との予測性能の比較・検討、およびさらなる性能の向上を検討する予定であった。具体的には、SS-MIX2標準化ストレージに格納されている診療データの抽出、SS-MIX2拡張ストレージに格納されている診療データの抽出、データの整備およびデータベースの構築、複数の機械学習アルゴリズムによるモデルの構築、および理想的なモデルの決定である。また、当該分野の最新情報収集のために、海外学会に参加することも前年度に引き続き計画していた。
前者に関しては、一昨年施行された個人情報保護法等の改正に伴う研究倫理指針の改正により、オプトアウト同意の見直しに数か月を要したこと、さらに昨年同様、長時間かかる可能性のある負荷をコンピュータシステムにかける必要があるため、通常の病院業務処理とバッティングしないよう、データへのアクセス時間に制限があった上、一昨年から昨年にかけて行われた、数十年に一度の大規模な病院情報システムのリプレイスが難航を極めたため、多大な制約があったこと、さらに個人情報保護のため、一昨年異動した職場(自宅も)から、片道1時間半を費やしてデータを管理している研究室に赴かなければならず、また休日なども業務により、ほとんど研究に費やせるエフォートがなかったこと、などから、理想的なモデルの決定については十分な検討に至っていない。しかしながら、データベースの構築および複数の機械学習アルゴリズムによるモデルの構築までは完了した。
後者に関しては、学会にて発表者との質疑応答などにより様々な情報を得ることができた。
|
