[2K6-OS-1b] 医療におけるAIの社会実装に向けて(2/2)

[2K6-OS-1b-03] Random Forestsによる睡眠時無呼吸症候群と健常者の学習結果の比較に基づく特徴抽出と解釈可能な判定

〇中理 怡恒¹、高玉 圭樹¹ (1. 電気通信大学)

キーワード：ランダムフォレスト、ヘルスケア、解釈性、睡眠時無呼吸症候群、睡眠

無拘束で（マットセンサ上で寝るだけで）睡眠時無呼吸症候群（SAS）の判定を可能にするために， Random Forests（RF）を用いて学習した結果の比較に基づくSAS判定法を提案し，判定精度と解釈性の両側面から提案手法の有効性を検証した．具体的には，SAS/non-SASのWAKE（浅い睡眠）に違いがあることに着目し， それらの特徴量を被験者毎に学習したRFを比較してSAS判定するともに，その判定理由を解釈した．SAS/non-SASの各9名に対して，単一のRFでWAKE時の特徴量を学習した結果と比較し，次の知見が得られた．（1）SAS判定精度は，単一のRFと複数のRFを比較する提案手法は両者ともに高く（前者77.8%，後者88.9%），（2）解釈性は，単一のRFは詳細な決定木の分析を要するが，木の数や深さが増えるほど分析が困難であるのに対し，提案手法はSAS/non-SASそれぞれの傾向を見つけやすく，SAS判定理由が理解可能になることが明らかになった．具体的には， SASのWAKE判定には，体動の大きさのみで判定することが難しいのに対し，non-SASは，その逆であるという知見を得た．