ニュース
実行しやすい健康改善プランを提案するAI(人工知能)を開発 健診データから1人ひとりに最適なプランを選択
2021年06月01日

京都大学などが、AI(人工知能)の技術のひとつである機械学習などを組合わせることで、個人の健診データをもとに、1人ひとりに最適で効果的な健康改善プランを提案できるAIの開発に成功したと発表した。
個人の特性に合わせて最適な治療法を選択する「個別化医療」の重要性は高まっており、蓄積された健康データから有用な知見をえるための研究は加速している。
「今回の研究はまったく新しいアプローチを提案するもので、今後の医療分野でのデータ活用の加速に大きく貢献すると期待しています」と研究者は述べている。
個人の特性に合わせて最適な治療法を選択する「個別化医療」の重要性は高まっており、蓄積された健康データから有用な知見をえるための研究は加速している。
「今回の研究はまったく新しいアプローチを提案するもので、今後の医療分野でのデータ活用の加速に大きく貢献すると期待しています」と研究者は述べている。
健康改善プランは「人にとって実行しやすいもの」である必要が
京都大学などが、AI(人工知能)技術のひとつである「機械学習」と「階層ベイズモデリング」を組合わせることで、個人の健診データをもとに、1人ひとりに最適で効果的な健康改善プランを提案するAIの開発に成功した。
研究は、京都大学が弘前大学COIで協和発酵バイオ、弘前大学と共同で行ったもの。
健康改善プランは、予測される結果の改善効果が大きく、かつ人にとって「実行しやすい」ものである必要がある。
たとえば、現実には生体がとりえない検査値を組合せたような改善プランは実行が難しくなる。実際に健診データにあるような検査値の組合せを経由するような改善プランの方が好ましい。
また、健康改善のために、運動、飲酒制限、食習慣などに関して、すべての項目に対して介入を行うのではなく、効率的な改善が可能であれば、項目を絞ったほうが、保健指導を受ける人にとっての受容性は高くなると考えられる。
そこで研究グループは、「実行しやすさ」を考慮しつつ、より効果的な健康改善プランを提案できるAI(人工知能)の開発に取り組んだ。
AIの技術のひとつである機械学習などを組合わせた。機械学習は、近年のAI発展の中核となっている、コンピュータが大量のデータを学習し、そこから法則性を見出すことで予測や分類などのタスクを実行する技術。
現実にとりうる検査値の組合せによる健康改善プランを実現するために、「実行しやすさ」が重要となる。これを評価するために、階層ベイズモデルにより実際のデータ分布のパターンを学習した。
このモデルは、データ全体の傾向と個体、またはグループの傾向をもとに学習を行うことで、複数の分布が混合したデータの分布を表現するもの。

出典:京都大学大学院医学研究科、2021年
発症リスクを予測できても、具体的な改善行動を示すのは難しい
近年の機械学習技術の目覚ましい発展により、個人の現在または将来の健康状況を高性能に予測するモデルの作成が可能になってきた。
近年、医療やヘルルスア分野でも、AIの機械学習技術を利用して予測モデルを作成することで、患者の包括的な情報をもとに、診断支援や将来の疾病予測を行うことが可能になってきた。
しかし、高性能な予測モデルは予測過程がブラックボックス化されており、これを用いて個人ごとに効果的かつ具体的な健康改善プランを提案することは困難だった。
また、近年注目されている個別化医療では、多様な個人の健康特性や嗜好にもとづき、患者が受け入れられる健康改善プランを立てることが重要な要素となっているが、そうした健康改善プランの提案は、主に臨床医の経験に依存しており、データ主導の方法で臨床医をサポートすることは課題となっている。
そのため、個人の健康に関してAIの機械学習モデルにより病気の発症リスクが高いと予測されても、どのような改善行動を取るべきかについて具体的なプランを示すことはできなかった。
AIで実行しやすいプランを提案し、個別化医療の実現へ
研究グループが開発したのは、高性能な機械学習モデルに加え、階層ベイズモデルを用いることで、1人ひとりにあわせた「実行しやすい」健康改善プランを提案するAI。
実際に、開発したAIを「岩木健康増進プロジェクト」により取得された健診ビッグデータへと適用し、その有用性を検証した。
同プロジェクトにより取得された検診ビッグデータに対して適用し、高血圧または慢性腎臓病(CKD)リスクのある被験者に対して、効果的な改善プランを立案可能であるかを評価した。
その結果、開発したAIが個人の健康状態に応じて個別の改善プランを立案可能であることが確認された。また、開発したAIの改善プランは、同じ改善効果をえるための他のプランと比較して「実行しやすい」ものであることが実証されたという。
「実行しやすさ」を評価するために、階層ベイズモデルにより実際のデータ分布のパターンを学習

出典:京都大学大学院医学研究科、2021年
研究は、京都大学大学院医学研究科の奥野恭史教授、小島諒介特定講師、中村和貴氏らの研究グループによるもの。研究成果は、国際学術誌「Nature Communications」にオンライン掲載された。
「研究成果は、開発したAIが医療分野での意思決定に貢献し、臨床医に対してこれまでえられなかった洞察を与える可能性があることを示しています」と、研究グループは述べている。
「今日、個別化医療の重要性は高まっており、蓄積された健康データから有用な知見をえることが期待されています。本研究はそれに対するまったく新しいアプローチを提案するものであり、今後の医療分野でのデータ活用の加速に大きく貢献すると期待できます」
京都大学大学院医学研究科・医学部Health Improvement Framework For Actionable Treatment Planning Using A Surrogate Bayesian Model(Nature Communications 2021年5月25日)
掲載記事・図表の無断転用を禁じます。©2009 - 2023 SOSHINSHA All Rights Reserved.

「健診・検診」に関するニュース
- 2023年02月24日
-
がん検診発見例が減り早期がんも減少傾向だが、現時点での評価は困難
国立がん研究センター「院内がん登録全国集計」速報値より - 2023年01月20日
- 保健師など保健衛生に関わる方必携の手帳「2023年版保健指導ノート」
- 2023年01月17日
- 【特定健診】40歳以上の半数は生活習慣病かその予備群 健診受診率の引き上げと、働く人のヘルスリテラシーを向上することが課題に
- 2023年01月16日
- わずか「1分間の運動」でも健康効果が 忙しい人も仕事や家事の合間に簡単な運動を行うと寿命を延ばせる
- 2023年01月05日
- 特定保健指導は効果があった! 肥満指標はわずかに改善 血糖や中性脂肪も 582万人のデータを解析
- 2023年01月04日
- 【もっとも読まれたニュース トップ10】変化の年だった2022年 保健指導リソースガイド
- 2022年12月20日
- 健診で「腎臓病」を指摘されても、医療機関で診断を受けたのは5年以上も後 理解促進と対話の場が必要
- 2022年12月15日
-
日本産業保健師会が「新任期産業保健師養成研修」「産業保健師リーダー養成研修」を開催
参加型研修を重視し、キャリアラダーに基づいた産業保健師のための研修会 - 2022年12月12日
- 13種類のがんを1回の血液検査で発見できる次世代診断システム 「がんの種類」を高精度で区別 がん研究センターなど
- 2022年12月06日
-
40歳未満の健診情報もマイナポータルで確認・閲覧可能へ
若年世代からの生活習慣病予防・健康づくりを