高温な気候曝露の循環器系疾患リスク評価とAIを利用した予測手法の構築

本研究課題の主体を構成する以下の３項目について研究を遂行することができた。（１）東京23区と大阪市を対象に、日々における循環器・呼吸器疾患の死亡数と外来患者数を、その日や前日までの気象データによって予測するモデルをAI（機械学習）によって作成することができた。人流データを特徴量に含めたモデルでも死亡や発症リスクの予測精度があがることはなく、特に心疾患の場合には気温、脳血管疾患の場合には気圧が特徴量として重要となることが明らかとなった。（２）（１）で作成したAIモデルを用いて、2050年など将来気候シナリオ時（CMIP5の気候モデル結果で、高位参照シナリオ）における東京23区での死亡リスクの変化を推定する試みをおこなった。（３）コロナ感染拡大前の時代（2019以前）と感染拡大時（2020年）のあいだで見られた循環器・呼吸器疾患の死亡数の変化をもとに、感染拡大時の気象条件から本来推定される死亡数を明らかにした。その結果に対して東京23区を例に、感染拡大前からの人流変化データによって検討することができた。（４）モバイルデータから地域メッシュ内の屋外と屋内の人口割合を時空間的に特定する手法を検討し、疾患発症との関連性を分析できた。（５）日本気象学会2022年度秋季大会において、「極端な気象・気候がもたらす健康リスク」というテーマで専門分科会を開催し、本研究課題の成果に限らず多くの専門家の研究や情報交換ができ、本研究課題のブラッシュアップにつなげることができた。

本研究課題の主体を構成する以下の３項目について研究を遂行することができた。（１）東京23区と大阪市を対象に、日々における循環器・呼吸器疾患の死亡数と外来患者数を、その日や前日までの気象データによって予測するモデルをAI（機械学習）によって作成することができた。人流データを特徴量に含めたモデルでも死亡や発症リスクの予測精度があがることはなく、特に心疾患の場合には気温、脳血管疾患の場合には気圧が特徴量として重要となることが明らかとなった。（２）（１）で作成したAIモデルを用いて、2050年など将来気候シナリオ時（CMIP5の気候モデル結果で、高位参照シナリオ）における東京23区での死亡リスクの変化を推定する試みをおこなった。（３）コロナ感染拡大前の時代（2019以前）と感染拡大時（2020年）のあいだで見られた循環器・呼吸器疾患の死亡数の変化をもとに、感染拡大時の気象条件から本来推定される死亡数を明らかにした。その結果に対して東京23区を例に、感染拡大前からの人流変化データによって検討することができた。（４）モバイルデータから地域メッシュ内の屋外と屋内の人口割合を時空間的に特定する手法を検討し、疾患発症との関連性を分析できた。（５）日本気象学会2022年度秋季大会において、「極端な気象・気候がもたらす健康リスク」というテーマで専門分科会を開催し、本研究課題の成果に限らず多くの専門家の研究や情報交換ができ、本研究課題のブラッシュアップにつなげることができた。