【研究領域課題番号】20H00601 (KAKENデータベースで見る）

【研究キーワード】

機械学習 / 教師なし学習 / 統計的推測 / 選択的推論 / 医療情報学 / 統計科学 / 人工知能 / 生命科学

【研究成果の概要】

機械学習などのデータ分析技術を利用する科学研究のアプローチはデータ駆動型科学と呼ばれさまざまな分野で有望視されている．データ駆動型科学では研究対象に関するデータを分析することによって科学的仮説を生成するため，従来のアプローチでは思いつかないような仮説を生み出せる可能性がある． 一方，複雑なデータを複雑なアルゴリズムで分析して得られた仮説の信頼性を評価するのは難しい．特に，教師なし学習と呼ばれる探索的なデータ分析によって仮説が生成される場合，信頼性を保証する方法は確立されていない．特に，生命医療分野など，誤った判断のもたらすリスクが大きい状況ではデータ駆動型仮説の信頼性を確保することが不可欠である．本研究では，探索的データ分析によって得られたデータ駆動型仮説の信頼性を定量化する数理・情報基盤を構築し，その有用性を生命医療分野において実証する．教師なし学習アルゴリズムが強力であればあるほど（データへの適合力が大きければ大きいほど），有望な仮説が生成できる可能性が高まる一方，仮説選択バイアスも大きくなってしまう．データ駆動型仮説の信頼性保証は，仮説選択バイアスを正しく定量化し，その補正を行うことによって実現できる．本研究では仮説選択バイアスを適切に補正し，アルゴリズムが仮説を生成したという条件のもとで統計的推論（仮説検定の枠組による偽陽性率（p値）や信頼区間の計算）を行う方法を確立する．2021年度は，特定の深層学習の選択的推論法を確立した。特に、深層学習の構造を変えるたびに選択イベントの同定が必要とならないようなメタアルゴリズムの構築することができた。

【研究種目】基盤研究(A)

【研究期間】2020-04-01 - 2025-03-31

【配分額】43,290千円 (直接経費: 33,300千円、間接経費: 9,990千円)

【研究領域課題番号】18K11197 (KAKENデータベースで見る）

【研究キーワード】

二値回帰モデル / ROC / IDI / odds-IDI / power-IDI / 集団の異質性 / 解釈可能性 / 混合治癒モデル / 生存時間解析 / 多値応答 / ノンコンプライアンス / 平均因果効果 / pAUC / 反応例解析 / 欠測データ / 医学統計学 / 生物統計 / 機械学習 / 統計科学

【研究成果の概要】

本研究の目的は，異質な部分集団によって構成されるデータに対し，「予測力（説明力）」と「解釈可能性」が両立する統計的方法の構築に寄与することである．本年度は，二値回帰モデルに対する方法論として，(1) power-IDIの問題点を解決する新たな指標，(2) 臨床試験におけるエンドポイントに欠測がある場合の共変量調整によるリスク差の推定法を検討した．
(1)は，新しい共変量を追加することによってモデルの予測性能が改善するかを評価する問題である．この場合にROC曲線の下側面積を比較・評価することが多いが，これは予測量の順序に基づくため検出力が低い．また，Pencina et al. (2008)は感度と特異度の積分値に基づくIDI（integrated discriminant index）を提案したが，過剰な誤検出の可能性が様々な文献で指摘されている．そこで，応答の予測確率のオッズに基づく，上記に代わる新しい指標を構築・提案した．提案する指標はFisher一致性を備えており，過去に提案した指標（Hayashi and Eguchi, 2019）の解釈の難しさやハイパーパラメータの設定という問題を克服している．
(2)は，無作為化比較試験において二値変数のアウトカムに欠測が生じる状況を考える．Mukaka et al. (2016)は完全ケース解析（complete case analysis）と欠測値の多重代入法(multiple imputation method）を比較しているが，主要な推定対象であるリスク差の一致推定にはそれぞれ制約の強い仮定が要求される．これを踏まえ，Van Lanker et al. (2020)の方法に基づき，欠測値の存在下で共変量を用いたリスク差の推定方法を検討した．

【研究種目】基盤研究(C)

【研究期間】2018-04-01 - 2023-03-31

【配分額】4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円)

【研究領域課題番号】18H03327 (KAKENデータベースで見る）

【研究キーワード】

ゲノム / 統計科学 / がん / トランスクリプトーム / スプライシング / 大規模データ解析 / ゲノム変異 / がんゲノム / クラウド / 機械学習 / 後天的変異

【研究成果の概要】

申請者が開発を続けていたSAVNetについての研究成果をまとめ、さらに国際がんゲノムコンソーシアムが主導するがん種横断的な全ゲノム解析プロジェクトに参画し、研究グループへの貢献を行なった。またSAVNetを希少疾患のデータに適用することで、いくつかの新規遺伝子変異の発見に成功した。公共データベースに登録されている大規模トランスクリプトームデータを活用するべく、トランスクリプトームデータのみからスプライシング関連変異を推定する方法論の開発を進めた。また、コンテナ仮想化技術、クラウド計算技術などの技術を統合的に組み合わせることで、大規模トランスクリプトームの情報解析基盤の開発を進めた。

【研究の社会的意義】

ゲノムシークエンス技術の革新により、様々な疾患の新規原因遺伝子変異が同定され、さらに、個人のゲノムのシークエンスを行い、診断、治療に役立てる「ゲノム医療」の試みが進んでいる。一方で、特に、非エキソン領域における変異の機能的意義付けが困難であり、未だにゲノムデータが有するポテンシャルを人類は十分に活かしきれていない。本研究の目的は、ゲノム変異における最も重要なクラスの一つである、スプライシングの異常を引き起こす変異に着目し、当該変異を同定するための方法論の開発を進め、大規模データ解析を通じたデータベース化を行い、ゲノム医療に役立つ基盤技術・リソースの開発を行うものである。

【研究種目】基盤研究(B)

【研究期間】2018-04-01 - 2021-03-31

【配分額】13,910千円 (直接経費: 10,700千円、間接経費: 3,210千円)

【研究分野】知能情報学

【研究領域課題番号】17H00758 (KAKENデータベースで見る）

【研究キーワード】

機械学習 / 統計科学 / 材料科学 / 生物化学 / 医療科学 / Post-Selection Inference / 生物科学 / Selective Inference / ビッグ・データ / ビッグデータ

【研究成果の概要】

さまざまな科学研究の分野で研究対象に関する膨大なデータが計測できるようになった．このようなデータに基づいて科学的発見を目指すアプローチはデータ駆動型科学と呼ばれている．データ駆動型科学では，データに基づいて仮説を選択するが，データにとって都合のよい仮説が誤って選択されるリスクがあり，適切に信頼性評価を行わなくてはならない．本研究では，選択的推論と呼ばれる技術を用いて，材料，生物，医療分野におけるデータ駆動型仮説の信頼性評価を行う方法を確立し，その実証を行った．

【研究の社会的意義】

研究対象から得られるデータに基づいて科学的発見を目指すアプローチはデータ駆動型科学と呼ばれ，さまざまな分野で有望視されている．しかしながら，データから仮説を選択する際に選択バイアスが生じてしまい，特に，誤った意思決定が重大なリスクとなる分野においては，データ駆動型仮説の信頼性評価が不可欠である．本研究ではデータ駆動型仮説の信頼性評価を行うための方法論を確立し，これをさまざまな分野で実証した．本研究の成果は健在なデータ駆動型科学の発展に寄与するものである．

【研究種目】基盤研究(A)

【研究期間】2017-04-01 - 2021-03-31

【配分額】42,510千円 (直接経費: 32,700千円、間接経費: 9,810千円)

【研究分野】統計科学

【研究領域課題番号】18300092 (KAKENデータベースで見る）

【研究キーワード】

多変量解析 / 機械学習 / パターン認識 / モデル選択 / ノイズ / 生体生命情報学 / マイクロアレイ / 高次元データ / 高次元小標本 / 判別分析 / クラスター分析 / モデル選択基準 / ダイバージェンス / 異常値 / 混合正規分布 / 統計科学 / 主成分分析 / 固有値問題 / 次元推定 / 次元縮約 / 次元の呪い / 高次元漸近理論 / マイクロアレイデータ / 多変量データ解析 / 標本数 / 標本数決定 / 領域推定 / 共分散構造 / 漸近理論 / ベイズ法 / ランダム行列 / 逐次区間推定 / 情報不等式

【研究成果の概要】

高次元小標本における高次元漸近理論を、非正規の一般的な設定のもとで構築した。高次元小標本データ特有の幾何学的な構造を発見した。従来型のPCAが高次元小標本で不一致性を引き起こすことを証明した。クロスデータ行列法とノイズ掃き出し法を提唱し、次元推定・固有値・漸近分布・固有ベクトル・主成分スコアの推定に、一致性をもつ解を与えた。クラスター分析と判別分析への応用を考え、前立腺がんのマイクロアレイデータの解析に役立てた。

【研究種目】基盤研究(B)

【研究期間】2006 - 2009

【配分額】18,120千円 (直接経費: 14,700千円、間接経費: 3,420千円)