富士通株式会社富士通株式会社は6日、京都大学と弘前大学が開発した青森県弘前市岩木地区住民の20年間にわたる約3,000件の健診結果ビッグデータを統合管理する「弘前健診因果関係ネットワーク」と、富士通がAIサービス「富士通コヅチ」のコア技術として開発した因果判断支援技術を組み合わせることで、限られたデータでも健康・医療分野の因果関係を導き出すことが可能になったと発表しました。弘前健診因果関係ネットワーク」は、弘前大学COI-NEXTが「いわき健康増進プロジェクト健診」で取得した超多項目健康ビッグデータに、弘前大学を含む京都大学の研究グループが独自のベイジアンネットワーク技術を適用し、項目間の因果関係をネットワークとして推定し、信頼性の高い因果関係グラフを作成したものです。また、富士通が開発した因果関係意思決定支援技術の新機能である「因果関係知識移転技術」は、既存の因果関係知識を移転することができます。これらを組み合わせることで、例えば健康・医療分野では、信頼性の高いデータが十分に収集できなくても、弘前健診因果関係ネットワークの知識を再利用することで、因果関係を導き出すことが可能になりました。
富士通では、経営や医療、スポーツ、製造などの分野でデータを活用した意思決定が普及する一方で、十分なデータが収集できないケースも少なくないと説明。例えば近年、健康経営への関心が高まる中、従業員の健康状態を把握し、効果的な対策を講じるためにはデータ分析が重要になっていますが、従業員数が少ない企業では十分なデータを確保することが難しく、健康課題の抽出や対策立案に課題があります。富士通では、国内外の大学に研究拠点を設け、研究者が大学に常勤または長期滞在しながら産学連携活動を行う「富士通スモールリサーチラボ」を推進しています。京都大学と富士通の共同研究講座「大規模医療AI講座」(富士通研究所)では、健康・医療分野の課題解決に向けた新たなAI技術の研究開発を進めています。因果関係意思決定支援技術とは、複数のデータを用いて推定した因果関係から最適な方策を提案し、意思決定を支援する技術。
今回開発した因果知識継承技術は、まず既存データから得られた因果関係の知識を因果知識グラフに変換。そして、データ分布に応じて因果知識グラフから移行可能な因果構造を細かいレベルで特定することで、項目や抽象度が異なる場合でも知識の移行が可能になります。これにより、データが不足している場合でも、既存データから導出した因果関係の知識を継承することで、信頼性の高い因果関係を導出することが可能となります。この技術と、既存の様々な地域・年齢層の健診データから得られた信頼性の高い因果関係グラフである「弘前健診因果関係ネットワーク」を組み合わせることで、健康・医療分野において、データが不十分な場合でも因果関係を推論することが可能になります。例えば、睡眠と生活習慣に関するオープンデータである「睡眠健康・生活習慣データセット」において、弘前健診因果ネットワークを用いた因果関係の知識移転を利用して因果関係を推論したところ、弘前健診因果ネットワークを利用しなかった場合と比較して、より妥当な因果関係を導き出すことができました。例えば、弘前健診因果ネットワークを用いない場合、不眠の原因は年齢と性別であるという不自然な因果関係グラフが導出されてしまいます。
こちらもお読みください: ザパス、AIを活用して個人クリニックの集患を効率化するサービス「ClinicHub」を開始
しかし、弘前健診因果ネットワークを用いることで、そのような不自然な関係が排除され、睡眠時間や睡眠の質が不眠症に直接影響するという合理的な結果が導き出されます。富士通では、健康関連企業を対象に、弘前健診因果ネットワークと組み合わせた因果判断支援技術を試用できる環境の提供を開始。富士通は、今後もトライアル環境の提供を通じて得られた知見を活用し、本技術の精度向上や機能拡充を図ることで、健康・医療分野におけるAI技術のさらなる発展と、より多くの企業の健康経営に貢献していくと説明。また、因果関係意思決定支援技術は、様々な分野で活用できる汎用的な技術であり、例えば財務情報や非財務情報にも適用することで、幅広い企業の意思決定支援に貢献してまいります。富士通株式会社は6日、京都大学と弘前大学が開発した青森県弘前市岩木地区住民の20年間の健診結果約3,000件のビッグデータを統合管理する「弘前健診因果ネットワーク」と、富士通がAIサービス「FUJITSU KOZUCHI」のコア技術として開発した因果関係意思決定支援技術を組み合わせることで、限られたデータでも健康・医療分野の因果関係を導き出すことが可能になったと発表しました。
弘前健診因果関係ネットワークは、弘前大学COI-NEXTがいわき健康増進事業健診で取得した超多項目健康ビッグデータに、弘前大学を含む京都大学の研究グループが独自のベイジアンネットワーク技術を適用し、項目間の因果関係をネットワークとして推定し、信頼性の高い因果関係グラフを作成したものです。また、富士通が開発した因果関係意思決定支援技術の新機能である「因果関係知識移転技術」は、既存の因果関係知識を移転することができます。これらを組み合わせることで、例えば健康・医療分野では、信頼性の高いデータが十分に収集できなくても、弘前健診因果関係ネットワークの知識を再利用することで因果関係を導き出すことが可能になりました。富士通は、経営や医療、スポーツ、製造業などの分野でデータに基づく意思決定が普及している一方で、十分なデータが収集できないケースも少なくないと説明。例えば、近年、健康経営への関心が高まる中、従業員の健康状態を把握し、効果的な対策を講じるためにはデータ分析が重要になっていますが、従業員数が少ない企業では十分なデータを確保することが難しく、健康課題の抽出や対策立案に課題があります。富士通では、国内外の大学に研究拠点を設置し、研究者が大学に常勤・長期滞在しながら産学連携活動を行う「富士通スモールリサーチラボ」を推進しています。
京都大学と富士通の共同研究コース「大規模医療AIコース」(富士通研究所)では、健康・医療分野の課題解決に向けた新たなAI技術の研究開発を進めています。因果関係意思決定支援技術は、複数のデータを用いて推定した因果関係から最適な対策を提案し、意思決定を支援する技術。今回開発した因果知識伝達技術では、まず既存データから得られた因果関係の知識を因果知識グラフに変換。そして、データ分布に応じて因果知識グラフから移行可能な因果構造を細かいレベルで特定することで、項目や抽象度が異なる場合でも知識の移行が可能になります。これにより、データが不足している場合でも、既存データから導出した因果関係の知識を継承することで、信頼性の高い因果関係を導出することが可能となります。本技術と、既存の様々な地域・年齢層の健診データから得られた信頼性の高い因果関係グラフである「弘前健診因果関係ネットワーク」を組み合わせることで、健康・医療分野において、データが不十分な場合でも因果関係を推論することが可能になります。例えば、睡眠と生活習慣に関するオープンデータである「睡眠健康・生活習慣データセット」において、弘前健診因果ネットワークを用いた因果関係の知識移転を利用して因果関係を推論したところ、弘前健診因果ネットワークを利用しなかった場合と比較して、より妥当な因果関係を導き出すことができました。例えば、弘前健診因果ネットワークを用いない場合、不眠の原因は年齢と性別であるという不自然な因果関係グラフが導出されてしまいます。
しかし、弘前健診の因果ネットワークを用いることで、そのような不自然な関係が排除され、睡眠時間や睡眠の質が不眠症に直接影響するという合理的な結果が導き出されます。 富士通 富士通は、健康関連企業向けに、弘前健診因果関係ネットワークと組み合わせた因果関係意思決定支援技術を試用できる環境の提供を開始しました。富士通は、今後もトライアル環境の提供を通じて得られた知見を活用し、本技術の精度向上や機能拡充を図ることで、健康・医療分野におけるAI技術のさらなる発展と、より多くの企業の健康経営に貢献していくと説明。また、因果関係意思決定支援技術は、様々な分野で活用できる汎用的な技術であり、例えば財務情報や非財務情報にも適用することで、幅広い企業の意思決定支援に貢献してまいります。
ソース ヤフー