多次元臨床検査データモデルの構築と疑似ビッグデータ作成システムの開発

本研究は、日常診療から得られた膨大なデータを元に、多次元モデルを作成し、この多次元モデルから逆変換した疑似ビッグデータを作成し、医学領域のデータサイエンス教育に利用可能な演習用データベースを構築することを目的とする。本研究の課題として、①リアルデータの情報収集基盤の構築、②多次元モデル生成のためのプログラム開発、③多次元モデルからの疑似データ作成の3つがある。令和4年度は、昨年度に引き続き③の多次元モデル生成のためのプログラム開発を実施した。また、小規模な試作レベルではあるが、欠損値の無い検査項目を限定した横断研究用のデータセットから生成した多次元モデルデータを作成し、疑似データ生成プログラムの作成を試みた。今回の試作では欠損値の少ない検査項目を対象とし、直近前回値により欠損データを補間し、横断的なデータセットを作成した。次に、分布型を正規分布に変換後、自己組織化マップでクラスタリングを実施した。生成されたクラスタ毎に求めた相関係数に基づいて、相関性の高い項目セットに対しては多変量正規分布に従うランダムなデータを生成し、相関性の低い項目セットは単項目による自己組織化マップ上に展開された平均と分散を用いてランダムデータを生成した。検証には、疾患毎のROC分析で評価を行った。その結果、リアルデータから算出した結果と疑似データから算出した結果が、ほぼ、同じ結果が得られることがわかった。

本研究は、日常診療から得られた膨大なデータを元に、多次元モデルを作成し、この多次元モデルから逆変換した疑似ビッグデータを作成し、医学領域のデータサイエンス教育に利用可能な演習用データベースを構築することを目的とする。本研究の課題として、①リアルデータの情報収集基盤の構築、②多次元モデル生成のためのプログラム開発、③多次元モデルからの疑似データ作成の3つがある。令和4年度は、昨年度に引き続き③の多次元モデル生成のためのプログラム開発を実施した。また、小規模な試作レベルではあるが、欠損値の無い検査項目を限定した横断研究用のデータセットから生成した多次元モデルデータを作成し、疑似データ生成プログラムの作成を試みた。今回の試作では欠損値の少ない検査項目を対象とし、直近前回値により欠損データを補間し、横断的なデータセットを作成した。次に、分布型を正規分布に変換後、自己組織化マップでクラスタリングを実施した。生成されたクラスタ毎に求めた相関係数に基づいて、相関性の高い項目セットに対しては多変量正規分布に従うランダムなデータを生成し、相関性の低い項目セットは単項目による自己組織化マップ上に展開された平均と分散を用いてランダムデータを生成した。検証には、疾患毎のROC分析で評価を行った。その結果、リアルデータから算出した結果と疑似データから算出した結果が、ほぼ、同じ結果が得られることがわかった。