[3H6-OS-10d] 人工知能を駆使した疾患動態研究

[3H6-OS-10d-03] スペクトラルクラスタリングに対する選択的推論：患者層別化への応用

〇中村 直俊¹ (1. 横浜市立大学)

[[オンライン]]

キーワード：データ駆動、クラスタリング、選択的推論

疾患研究において、患者の状態を多次元の臨床検査データが表す高次元空間に表現し、クラスタリングによって患者層別化を行った上で、各クラスタがどのような疾患群を表しているのかを特徴づける方法が、データ駆動の新たな解析手法として注目されている。疾患に関係する高次元データにUMAPやt-SNEなどの非線形次元削減法を適用する場合、次元削減後の低次元空間上で複雑な形状を示しうることから、クラスタリング手法にも工夫が必要となる。たとえば、スペクトルグラフ理論を用いたスペクトラルクラスタリングはその手法の一例である。さて、データ駆動的に得られたクラスタに対して、特徴量の有意差検定を行う場合、「選択的推論」と呼ばれる問題が生じる。古典的な検定と異なり、同じデータを用いてクラスタリングと推論を行うため、type I errorの確率を正しく制御するためには、推論にクラスタリングの影響を考慮する必要がある。この発表では、スペクトラルクラスタリングで患者層別化を行った場合の選択的推論について、階層的クラスタリングに対する選択的推論などで用いられている手法を応用した方法を提案し、その実例を示す。