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

基于43年70万人大规模健康体检数据构建心血管疾病发病AI预测模型

• 批准号: 21K08034
• 负责人: 川添 晋
• 金额: $ 2.66万
• 依托单位: Kagoshima University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21K08034/
• 关键词: AI; 予測モデル; 健診データ

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。

Health check-up デ タ タ タ visualization とAI application へ pre-processing を in sequence って た た た. Specific に は, デ ー タ エ ラ ー や ノ イ ズ, owe damage numerical に す seaborne る fill out や ク レ ン ジ ン グ, existing の statistical parsing technique に よ る デ ー タ tendency の survey, デ ー タ の variations in (standardization, generalization な ど) を be し, AI parsing の be applied に え resistant う る デ ー タ へ の plastic, リ ス ク factor の years time - move を flavored し た - several の synthetic な ど Youdaoplaceholder0 in sequence って た た. Youdaoplaceholder0 続 て and LAMPおよび complex numbers of <s:1> machine learning モデ and った are made into を lines った. Statistical に intentionally な mutual factor を 発 may see な LAMP を し, ハ イ パ ー パ ラ メ ー タ の チ ュ ー ニ ン グ を い, rote learning モ デ ル を applicable (ラ ン ダ ム フ ォ レ ス ト, XGBoosting, ロ ジ ス テ ィ ッ ク 帰, ニ ュ ー ラ ル ネ ッ ト ワ ー ク, サ ポ ー ト ベ ク ト ル マ シ ン, he) line を っ た. ア ウ ト カ ム と し て now point で は high blood 圧 is crucial, chronic kidney disease, メ タ ボ リ ッ ク シ ン ド ロ ー ム, arterial stiffness (baPWV high numerical) に つ い て 検 line for を っ て い る. ズ ー ム etc. の far シ ス テ ム を using し て, study together で あ る ヒ ュ ー マ ノ ー ム institute の neo-ichinose 々 rockwell, temple chef と し link-up な が ら, written results の に よ る to measuring precision の 検 card line を い, medical な insight か ら の solution 釈 を beg す 検 る た め に, デ ー タ の confirmation, sentaku 徴 quantity is の optimum, ア ル ゴ リ ズ ム の confirm な ど Youdaoplaceholder0, に て検 て検 to seek を to return to である, る る, る, Dan level である. The clinical に actual equipment may な state を refers to す operation を line って る る る. ま た, research に つ い て 発 table may な Duan Jie に き て い る と think わ れ る content に つ い て は の plural の learn で achievements at home and abroad の 発 table line を い, national の rote learning に masato heart を も つ aspiring と の could barely etc に お い て も ブ ラ ッ シ ュ ア ッ プ を は か っ て い る. Youdaoplaceholder0 on culture また preparation into めて ると ると ろである.

项目成果

Development of a risk prediction equation for chronic kidney disease using Japanese health checkup data

利用日本健康检查数据开发慢性肾病风险预测方程

• 发表时间: 2022
• 作者: Aga Krisnanda;佐々木直人;田中亨;Hilman Zulkifli Amin;赤井瑞希;池内一真;石坂麻衣;伊藤謙;岡本拓朗;倉敷治央;田原由貴;野尻真那;堀部紗世;平田健一;力武良行;川添晋
• 通讯作者: 川添晋

健診データを用いた機械学習アルゴリズムによる高血圧の発症予測

使用医疗检查数据的机器学习算法预测高血压的发病

• 发表时间: 2022
• 作者: Oikawa Masayoshi;Yaegashi Daiki;Yokokawa Tetsuro;Misaka Tomofumi;Sato Takamasa;Kaneshiro Takashi;Kobayashi Atsushi;Yoshihisa Akiomi;Nakazato Kazuhiko;Ishida Takafumi;Takeishi Yasuchika;Amiya Eisuke;神谷千津子;川添晋
• 通讯作者: 川添晋

Ability of machine learning algorithms to predict chronic kidney disease using health examination data from the Japanese general population.

机器学习算法能够利用日本普通人群的健康检查数据来预测慢性肾脏疾病。

• 发表时间: 2022
• 作者: Kawasoe S;Kubozono T;Anwar Ahmed Salim;Ojima S;Kawabata T;Ikeda Y;Miyahara H;Tokushige K;Ohishi M.
• 通讯作者: Ohishi M.

Ability of machine learning algorithms to predict Hypertension using health examination data from the Japanese general population

机器学习算法利用日本普通人群的健康检查数据预测高血压的能力

• 发表时间: 2022
• 作者: Kawasoe Shin