• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 課題ページに戻る

2022 年度 研究成果報告書

複数項目の値の変動に依存し動的に出現が変化する項目の予測の実現と評価

研究課題

  • PDF
研究課題/領域番号 20H04192
研究種目

基盤研究(B)

配分区分補助金
応募区分一般
審査区分 小区分60080:データベース関連
研究機関東京工業大学

研究代表者

横田 治夫  東京工業大学, 情報理工学院, 教授 (10242570)

研究分担者 荒木 賢二  宮崎大学, 医学部, 教授 (70274777)
小川 泰右  宮崎大学, 医学部, 助教 (60586600)
Le Hieu・Hanh  東京工業大学, 情報理工学院, 助教 (60813996)
山崎 友義  宮崎大学, 医学部, 研究員 (50586609)
串間 宗夫  宮崎大学, 医学部, 研究員 (00727414)
松尾 亮輔  宮崎大学, 医学部, 研究員 (30815931)
研究期間 (年度) 2020-04-01 – 2023-03-31
キーワードシーケンス解析 / 電子カルテ / 項目推薦 / 医療検査 / 値予測
研究成果の概要

大量の履歴データのシーケンス中の複数項目の値の変動に依存して項目の出現が動的に変化する場合、次に発生する項目を根拠とともに予測することは、従来の手法では十分ではなかった。本研究では、同時に発生する複数の項目の値の変動を解析し、次に発生する項目をその根拠とともに予測する手法を提案し、実際に蓄積された電子カルテの履歴に適用し、複数の検体検査項目と、その値の変動から、次に実施する検査の項目や、医療指示の内容の予測を行う手法を実現し、評価を行った。さらに、シーケンス解析の手法を拡張し、複数の医療機関間や、時期による頻出医療指示のシーケンスの違いを数値的に比較し可視化する手法に発展させ評価を行った。

自由記述の分野

データ工学

研究成果の学術的意義や社会的意義

深層学習による予測や推薦の研究が盛んに行われているが、医療等の場面では予測や推薦の根拠を示すことが求められ、深層学習では根拠を示せないため説明可能深層学習の研究も行われているがまだ十分とは言えない。一方、シーケンシャルパターンマイニングでは、パターンの発生頻度を根拠とした予測や推薦が可能となるが、項目の出現がシーケンス中の多数項目の値の変動に依存する場合にはこれまで対応できていなかった。本研究では、クラスタリングと特性ベクトルを用いてその課題を解決し、実際の電子カルテデータを用いてその効果を示すとともに、複数医療機関や時期の違いについても解析する手法を提案し、その学術的・社会的意義は高い。

URL: 

公開日: 2024-01-30  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi