70万人、43年の大規模健診データによる心血管病発症AI予測モデルの構築と実装

点击翻译按钮获取中文摘要

健診データの可視化とAI適用への前処理を順次行ってきた。具体的には、データエラーやノイズ、欠損値に対する補完やクレンジング、既存の統計学的解析手法によるデータ傾向の調査、データの変換（正規化、汎化など）を実施し、AI解析の実施に耐えうるデータへの整形、リスク因子の年次変動を加味した変数の合成などを順次行ってきた。続いて、LAMPおよび複数の機械学習モデルの作成を行った。統計的に有意な相互因子を発見可能なLAMPを適用し、ハイパーパラメータのチューニングを行い、機械学習モデルを適用（ランダムフォレスト、XGBoosting、ロジスティック回帰、ニューラルネットワーク、サポートベクトルマシン、他）を行った。アウトカムとして現時点では高血圧、慢性腎臓病、メタボリックシンドローム、動脈硬化（baPWV高値）について検討を行っている。ズーム等の遠隔システムを利用して、研究協力者であるヒューマノーム研究所の瀬々氏、寺田氏と連携しながら、上記結果の比較による予測精度の検証を行い、医学的な見地からの解釈を検討するために、データの確認、特徴量選択の適正化、アルゴリズムの確認などについて検討を繰り返している段階である。臨床的に実装可能な状態を目指す作業を行っている。また、研究成果について発表可能な段階にきていると思われる内容については国内外の複数の学会で成果の発表を行い、全国の機械学習に関心をもつ有志との勉強会等においてもブラッシュアップをはかっている。また論文化の準備も進めているところである。