Visualization and prediction of health and disease states using landscape models

一般に高次元で扱いが困難な健康・医療データを教師無し学習と同様にランドスケープモデルを用いて次元削減することで患者やサンプルを層別化し、新たなリスク群の発見や病態進行、予後を予測することで先制医療や予防医療、トリアージに活用するためのアルゴリズムの開発を行なっている。令和４年度はこれまで取り組んで来た睡眠ログデータ、心不全の解析以外にも、メタボロームデータや皮膚疾患などへと適用範囲を広げている。特に力を入れたテーマは、世界的なパンデミックが社会問題である新型コロナウイルス感染症（COVID-19）である。その研究を行うため、国内の大規模データとしては国立国際医療研究センターが中心となって観察研究のために構築したCOVID-19 REGISTRY JAPANデータの解析を行なった。一方、国外の大規模データとしては、イスラエル政府やメキシコ政府が公開している疫学データにアクセスするとともに、アメリカ疾病予防管理センター（CDC）が収集しているサーベイランスの公開データを用いて集団レベルの流行の拡大・収束をランドスケープで予測する手法の開発を実施した。また、CDCのアクセス制限付き詳細症例データを研究申請の上で入手し、個人レベルの重症化リスク判定や生存・死亡アウトカムの予後予測を層別化を行うことで高精度化する方法論を検討して来た。さらに、Google社が公開しているGoogle Trendのデータを用いて、疫学を情報空間上で展開するインフォデミオロジーの考え方を取り入れ、感染症流行動向調査である疫学サーベイランスを仮想的に実現するインフォベイランスにより、集団レベルでの人々の情報行動からマクロな状態を識別することでミクロな感染症の流行動態を間接的に読み取れることを示した。エネルギー地形を描画することで状態を可視化するにとどまらず、ランドスケープの発想や射程、視座をより深化させた。

一般に高次元で扱いが困難な健康・医療データを教師無し学習と同様にランドスケープモデルを用いて次元削減することで患者やサンプルを層別化し、新たなリスク群の発見や病態進行、予後を予測することで先制医療や予防医療、トリアージに活用するためのアルゴリズムの開発を行なっている。令和４年度はこれまで取り組んで来た睡眠ログデータ、心不全の解析以外にも、メタボロームデータや皮膚疾患などへと適用範囲を広げている。特に力を入れたテーマは、世界的なパンデミックが社会問題である新型コロナウイルス感染症（COVID-19）である。その研究を行うため、国内の大規模データとしては国立国際医療研究センターが中心となって観察研究のために構築したCOVID-19 REGISTRY JAPANデータの解析を行なった。一方、国外の大規模データとしては、イスラエル政府やメキシコ政府が公開している疫学データにアクセスするとともに、アメリカ疾病予防管理センター（CDC）が収集しているサーベイランスの公開データを用いて集団レベルの流行の拡大・収束をランドスケープで予測する手法の開発を実施した。また、CDCのアクセス制限付き詳細症例データを研究申請の上で入手し、個人レベルの重症化リスク判定や生存・死亡アウトカムの予後予測を層別化を行うことで高精度化する方法論を検討して来た。さらに、Google社が公開しているGoogle Trendのデータを用いて、疫学を情報空間上で展開するインフォデミオロジーの考え方を取り入れ、感染症流行動向調査である疫学サーベイランスを仮想的に実現するインフォベイランスにより、集団レベルでの人々の情報行動からマクロな状態を識別することでミクロな感染症の流行動態を間接的に読み取れることを示した。エネルギー地形を描画することで状態を可視化するにとどまらず、ランドスケープの発想や射程、視座をより深化させた。