医療ビッグデータにおける統計モデルに基づくテキスト解析方法の開発と応用

2022 年度 研究成果報告書

• 研究課題/領域番号: 17K00047
• 研究種目: 基盤研究(C)
• 配分区分: 基金
• 応募区分: 一般
• 研究分野: 統計科学
• 研究機関: 滋賀大学
• 研究代表者: 和泉 志津恵 (大久保志津恵) 滋賀大学, データサイエンス学系, 教授 (70344413)
• 研究分担者: 佐藤 健一 滋賀大学, データサイエンス学部, 教授 (30284219) ; 冨田 哲治 県立広島大学, 地域創生学部, 教授 (60346533)
• 研究期間 (年度): 2017-04-01 – 2023-03-31
• キーワード: 生物統計 / データサイエンス / 共変量効果 / 出現頻度 / 可視化

研究成果の概要

Izumi, Tonda, Kawano, Satoh (2017a, 2017b)では、観測時点でのキーワードの出現確率や頻度に対して、セミパラメトリックな変化係数モデルを用いて共変量の効果を推測し、テキストの特徴の経時変化と共変量の関係を視覚化した。本研究は高い評価を受け、 Best Paper Award（優秀論文賞）を受賞した。そして、冨田・佐藤・和泉（広島医学, 2018）では、提案方法の妥当性や特徴を検証した。そして、Obata & Izumi（2022）や和泉・佐藤（2023）では、本研究の提案方法を医療などの分野のデータへ応用した。

自由記述の分野

統計科学

研究成果の学術的意義や社会的意義

医療ビッグデータの内、経時的に観測されたテキストデータに着目し、性別や検査値のような共変量と併せて解析する方法を提案することを試みる。医療ビッグデータに加えて、他分野のビッグデータへの適用も考える。これにより提案方法の有用性を評価・検討できることは、学術的意義がある。たとえば、復旧・復興支援制度データベース（経済産業省）に蓄積されるビッグテキストデータの解析においても応用でき、情報処理のコストや労力が大幅に節減できる意味で社会的に意義深い。