研究課題
長期的な観察治療を要する慢性病の医療データは多変量時系列の集合であり，人手による傾向把握には限界がある．このようなデータから，病状把握や治療に役立つ知識を自動的に発見する仕組みが必要である．そこで我々はC型慢性肝炎の検査治療履歴を題材とし，病状のモデル化・予測とそのシステムに基づく知識発見を目指した．初年度は，モデル化による病状の記述と，肝臓の悪化度合いを表す肝線維化ステージの予測を目指した特徴量(自己回帰(AR)モデルに基づくLPCケプストラム，平均，標準偏差の組合せ)の提案を行った．次年度は，実験を重ねて特徴量の有効性を明らかにした．さらに，肝線維化ステージ予測の分類器としてカーネルロジスティック回帰(KLOGR)を適用することを提案し，その有効性を実験検証した．最終年度である今年度は，特徴量の改善，特徴量に基づく知識発見，新たなモデル化・特徴量抽出，新たな分類器の開発に取り組んだ．特徴量の改善では，肝線維化ステージの予測性能を基準とし，ARモデルの次数，言い換えるとLPCケプストラムの次数を最適化した．最適化したLPCケプストラムと平均，標準偏差を組み合わせることで，予測性能を大幅に向上した．特徴量に基づく知識発見では，ARモデルの最適な次数から病状把握に必要な検査回数が分かることを示した．新たなモデル化・特徴量抽出では，検査値時系列の分散変動という非定常性を記述すべく自己回帰条件付き分散不均一(ARCH)モデルを適用し，特徴量を抽出する方法を提案した．加えて，ARモデルとARCHモデルを階層的に適用し，より詳細な病状の記述と特徴量のさらなる改善を図った．新たな分類器の開発では，データの不均衡性(陰性事例が多く，陽性事例が少ない)の問題解決を目指した．KLOGRに識別関数アプローチの学習を導入する手法を提案し，肝線維化ステージの予測性能を高めることができた．
すべて 2013
すべて 雑誌論文 (1件) (うち査読あり 1件) 学会発表 (3件)
医療情報学
巻: vol.33, no.2 ページ: pp.79-98
