ラフ集合に基づくアクティブマイニングによる診療情報生成システムの開発

点击翻译按钮获取中文摘要

本研究では,医療におけるアクティブマイニングの具現化を目標とし,特に時系列医療データを対象とした知識獲得法について重点的に研究開発を進めてきた.本年度の成果は以下のとおりである.1.改良型多重スケールマッチングの開発昨年度までの血小板データ解析では,類型化からの直接的な知識獲得には至っておらず,生データの統計解析の結果と類型化結果との間にも十分な関連は見いだせていなかった.最終年度においてその理由について考察を進め,特に多重スケールマッチング(MSM)における問題点を洗い出し,抜本的な改良を加えることで,知識獲得に耐える質の高いクラスタ生成の実現を目指した.特に,(1)高位スケールにおける系列縮退,(2)系列間相違度における複数属性混入,の2問題への対処として,(1)基底スケールセグメントによる形状パラメータ表現の新規開発,(2)形状的類似性に基づくマッチング後に,改めて属性値に基づく系列間相違度を算出する手法の開発,を行い,これらを改良型MSM(MMSM)として結実させた.2.血小板数時系列の類型化と血小板数に基づくF4までの到達年数とステージ間の経過年数の解析MMSMを取り入れた時系列クラスタ分析システムにより血小板数データのクラスタ分析を実行した結果,低値で平坦推移する系列,下降推移する系列等,類似した推移傾向を持つ系列組を類型化することができ,かつ線維化度の分布とよく対応するクラスタを獲得することが可能となった.続いて,血小板数が持続的に基準下限を下回る状態の発生をF4到達の目安とし,その時期を肝生検情報と比較することでF4に到達する年数とステージ間の経過年数を解析した.共通データのみを対象とし,その中でも限定された例を対象とした解析である他,様々な仮定をおいた上での解析であるが,1-2年/stageとこれまでの他の知見と比べてかなり速く線維化が進んでいること,また,ウイルス型,IFN治療の有無等で大きな差異が検出されなかったこと,など,興味深い結果を得た.