[2G3-GS-2e] 機械学習：予測

[2G3-GS-2e-03] 行列因子分解を使用した個別患者ごとの疾病予測および医療事象の特徴表現抽出

〇住谷 有規¹、松田 敦義²、荒木 賢二³、中田 和秀¹ (1. 東京工業大学、2. 株式会社ログビー、3. 宮崎大学 医学部附属病院)

キーワード：医療データ、行列因子分解、予測、表現学習、データマイニング

近年，医療業界において蓄積された膨大な電子カルテデータから有益な情報を抽出し応用することが期待されている．特にその中で行われる「患者が発症する疾病の予測・予防」や「医療事象の特徴や関係性の解析」は，医師不足によって生じる諸問題の解決の一助となるだろう．これらの目的の達成のため，本研究では行列因子分解に基づいた手法によって，「A.患者ごとに各疾病の発症リスクを算出」「B.患者，疾病，患者属性の特徴表現の獲得および解析」を実施する．その際，既存手法のNMF，CMF等を適用することが考えられるが，本研究への適用にあたってそれぞれ懸念点が存在する．そこで，本研究ではNMFの解釈性の高さとCMFの拡張性の高さを組み合わせたPCMFという手法を新たに開発し，それらの懸念点を解消する．そして，「患者-疾患行列」と「患者-患者属性行列」にPCMFを適用することで，上記のA，Bを同時に達成することを目指す．電子カルテデータを用いた数値実験により，PCMFが他の手法よりも高精度に疾病の発症を予測していること，および，臨床に有益な患者・疾病・患者属性の特徴表現を抽出していることを示した．