| 研究実績の概要 |
本研究提案は、 クリニカル・エビデンス（臨床エビデンス）の統合と体系化におけるシステマティックレビューでの医学文献検索を、人工知能を用いて大幅な省略化を目指すものである。従来では人間が手作業で行なっている医学文献の評価を、機械処理することにより論文数が膨大であっても高速に評価を行なうことができる。機械処理による高速化は現在と今後の潮流であり、本提案もその流れに沿うものである。本研究成果は世界の全疾患領域の診療ガイドライン作成の効率化に大きく貢献する。さらに深層学習や強化学習によるヘルスケアの個別化に関しても研究を展開していく。すでに行なわれた予備実験では、十分な高速化が可能であるとの見込みが立っている。さらに深層学習や強化学習によるヘルスケアの個別化に関しても研究を展開していく。リアルタイムシステマティックレビュー・メタアナリシスを実現可能とすることで、診療ガイドラインの国際標準であるGRADEガイドラインに基づき、疾患診断や最適な治療薬選択の精度が高まり、実際の医療現場への応用が期待できる。これまでに我々は。ディープニューラルネットワークベースの機械学習により、系統的レビューのスクリーニング作
業負荷が軽減されたことを報告した（Yamada T, et al. Deep neural network-based machine learning reduces the screening workload for systematic review: Investigation based on recent clinical guidelines. J Med Internet Res. 2020.）。今後も研究を発展させていく。
|
