Your SlideShare is downloading. ×
医療ビッグデータ勉強会プレゼン公開版
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×

Introducing the official SlideShare app

Stunning, full-screen experience for iPhone and Android

Text the download link to your phone

Standard text messaging rates apply

医療ビッグデータ勉強会プレゼン公開版

125
views

Published on

2月9日開催 医療ビッグデータ勉強会のスライドです

2月9日開催 医療ビッグデータ勉強会のスライドです

Published in: Science

0 Comments
6 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total Views
125
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
0
Comments
0
Likes
6
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. 1 医療ビッグデータ活用最前線 〜人工知能からセンサデータまで〜
  • 2. 本日お話しすること 2 医療ビッグデータ 取材報告 「ビジュアライズ」の 時代 医療ビッグデータ 今後の発展は? 医療ビッグデータ 取材報告
  • 3. 3 医療ビッグデータとは① これまでと何が違うの? 全量性(悉皆性) 例)DPCデータ・レセプトデータ 非構造化データ 例)センサー・看護師行動 分析手法の高度化 例)機械学習・自然言語分析 「サイズ」は本質的な特徴ではない
  • 4. 4 医療ビッグデータとは② 仮説 デザイン サンプルデータ 収集 従来の医学研究 全量データ 非構造化データ 分析 仮説生成 「医療ビッグデータ」 機械学習など 従来の「医学研究」とアプローチが異なる
  • 5. 5 医療ビッグデータとは 具体事例を紹介 非構造化データ 例)センサー・看護師行動 分析手法の高度化 例)機械学習・自然言語分析
  • 6. 具体的事例 センサーデータ常時監視による 感染症発症予測 ナースコールデータを利用した 看護師配置の最適化 患者行動のデータ化による ぜんそく対策 人工知能による 仮説提唱 6 センサーデータ常時監視による 感染症発症予測
  • 7. センサーデータ常時監視による発症予測 ▼オンタリオ工科大学・IBM Artemisプロジェクト NICUでセンサデータ(血圧・心拍・呼吸数など)をミリ秒単位で解析 低出生体重児に起きる感染症を従来より24時間程度早く予測 新生児の在胎週数・出生後日数と 血圧やSpO2などの相関関係を 示した平均データを基準モデルとして登録 NICUの新生児のセンサーデータと比較して 基準との乖離度合いから罹患リスクを算出 7 http://www-06.ibm.com/innovation/jp/technologies/bigdata2/medical_front.shtmlより
  • 8. 8 MARION BLOUNT et al. IEEE ENGINEERING IN MEDICINE AND BIOLOGY MAGAZINE MARCH/APRIL 2010 センサーデータ常時監視による発症予測
  • 9. 9 青 異常値なし 水 異常値1 黄 異常値2 ピンク 異常値3 赤 異常値4 心拍・SpO2・呼吸・血圧 非構造データを可視化 医療判断の補助に Carolyn McGregor et al. Real-time Multidimensional Temporal Analysis of Complex High Volume Physiological Data Streams in the Neonatal Intensive Care Unit センサーデータ常時監視による発症予測
  • 10. センサーデータ常時監視による 感染症発症予測 ナースコールデータを利用した 看護師配置の最適化 患者行動のデータ化による ぜんそく対策 人工知能による 仮説提唱 10 具体的事例
  • 11. 11 それだけでは 単なる「通信機」 ナースコール どこで? 病床配置データ 何のために? 看護記録データ 時間データ いつ? だれが? 電子カルテデータ すでに存在するデータを重ね合わせる
  • 12. 12 これまで捕捉不能だった患者行動をデータ化 ▼業務改善(看護師配置・シフトの適正化) ▼サービス向上(コール反応速度の向上・病室配置の適正化) ▼政策提言(看護必要度の根拠)
  • 13. センサーデータ常時監視による 感染症発症予測 ナースコールデータを利用した 看護師配置の最適化 患者行動のデータ化による ぜんそく対策 人工知能による 仮説提唱 13 具体的事例
  • 14. Louisville Asthma Data Innovation Project
  • 15. 吸入器を使用すると スマートフォン経由で 位置情報など送信 診察室外の「患者行動」の データ化が可能に
  • 16. 16
  • 17. マッピングすることで 「仮説」の生成が可能に 個別患者の症状改善 & 社会環境全体の改善 Louisville Asthma Data Innovation Project
  • 18. センサーデータ常時監視による 感染症発症予測 ナースコールデータを利用した 看護師配置の最適化 患者行動のデータ化による ぜんそく対策 人工知能による 仮説提唱 18 具体的事例
  • 19. 制御 ▼取材先:Baylor College of Medicine ※2014年8月に論文を発表。p53の未知のキナーゼを発見。 ※過去の膨大な論文を、人工知能Watsonにより分析 人工知能による「仮説提唱」 がん抑制遺伝子p53 キナーゼ
  • 20. 人工知能・WATSON 主な機能は「自然言語処理」 論文の文章に使われている 「表現」に注目
  • 21. 21 使われている 言葉の種類・数・文章構造などから 表現の「特徴」を抽出 あるキナーゼのことを 書いた論文 自然言語処理による 論文の「特徴」の抽出 “酵素”という言葉が46回 “高血圧”という言葉が2回 “がん”という言葉が14回…
  • 22. 22 すでに発見されているキナーゼは500種類以上 論文の「距離」をもとに 2次元空間上にプロットする
  • 23. 23 人工知能による「仮説提唱」 Scott Spangler et al. KDD '14, August 24 - 27 2014 既知のp53キナーゼ(緑)を多く含む部分が! p53との関連が判明しているキナーゼを頂点とした binary tree(2分木)を作図 ここに含まれるものは、p53と関係する可能性が高いはず!
  • 24. 膨大な論文のテキストデータを 人工知能により分析することで 人知の限界を超えた仮説生成が可能に イノベーションのボトルネックの一つ 「人間の寿命」
  • 25. 本日お話しすること 25 医療ビッグデータ 取材報告 「ビジュアライズ」の 時代 医療ビッグデータ 取材報告 「ビジュアライズ」の 時代 医療ビッグデータ 今後の発展は?
  • 26. 先進例のポイント 26 Visualization(可視化)
  • 27. 27 なぜ可視化が必要なのか?① 人間の脳と人工知能の「得意分野」は違う! 人工知能は膨大なデータの処理が可能 しかし… ※患者さんの顔色を見る ※雰囲気で異変を察知する …というような “正解のない課題の解決”は脳に敵わない
  • 28. 28 なぜ可視化が必要なのか?① 人間の脳と人工知能の「得意分野」は違う! これが 怪しい! ぼんやり見て「何となく怪しい」を 見つけ出せるのはスゴイこと!
  • 29. 29 なぜ可視化が必要なのか?① 人間の脳と人工知能の「得意分野」は違う! その「架け橋」となるのが Visualization(可視化) 分析 直感
  • 30. 30 たとえばこんな現実 なぜ可視化が必要なのか?②
  • 31. ギリシャの時刻表?? 厚労省は「公開してます」というけれど…
  • 32. 32 「マッピング」するだけで リスク源を遠ざける行動が 自然発生
  • 33. 33 なぜ可視化が必要なのか?② 伝わらなければ「無い」のと同じ データ 患者・市民「架け橋」が必要 Visualization
  • 34. 本日お話しすること 34 医療ビッグデータ 取材報告 「ビジュアライズ」の 時代 医療ビッグデータ 取材報告 「ビジュアライズ」の 時代 医療ビッグデータ 今後の発展は? 医療ビッグデータ 今後の発展は?
  • 35. 35 拡がる「他分野協働」 Carolyn McGregor コンピュータ科学(企業の業績分析) W. Scott Spangler データサイエンティスト(自然言語分析)
  • 36. 36 データベース整備 分析環境の整備 http://japan.cnet.com/news/ent/20402973/ http://www.scalo111.com/ 「可視化」への理解 「データ処理」だけでなく… デザインやコミュニケーション学への興味も! 拡がる「他分野協働」
  • 37. 37 Facebookグループ 「医療ビッグデータ勉強会」 医療関係者 データサイエンティスト エンジニア デザイナー ジャーナリスト etc 誰でも参加できる 「知恵の共有」の場
  • 38. 38 ご清聴ありがとうございました