Discovery Sagaサイレントキーワード俯瞰

ランドスケープ / 慢性疾患 / 急性疾患 / 疾患の多様性 / 病態分類 / 予後予測 / 層別化 / 可視化 / 時系列分析 / 状態遷移モデル / 健康・疾患状態 / 発症・病態進行過程 / ランドスケープモデル / データ駆動科学 / 機械学習

令和3年度は、これまで取り組んで来た慢性疾患データに対するランドスケープ分析として引き続き、1.睡眠リズム障害への応用、および、2.心不全データへの適用、そして、新たな対象疾患領域として急性疾患データへの適用として、3.新興感染症、特に新型コロナウイルス感染症（COVID-19）のデータ分析にランドスケープを応用する研究を実施した。
【睡眠リズム障害研究】全国180箇所の保育園で0歳から6歳までの乳幼児約7000人から記録された睡眠票のデータを解析して、アプリやサービスに展開するための睡眠リズムを判定するアルゴリズムの開発を行なった。睡眠覚醒パターンの時系列特徴量として波形のシェイプに着目したアルゴリズムを考案し、ブラックボックスではない解釈可能な特徴を用いて説明性のある分類手法を構築した。これを応用すれば、発達に応じた典型的な睡眠パターンの推移をランドスケープとして表現することも可能であると期待される。
【心不全研究】心不全で従来用いられて来た病態分類をさらに個別化・精密化するため、ランドスケープの発想を応用した。状態の近い患者が多く存在する領域を密度情報を保ったままなるべく近くに配置して２次元布置を求め、クラスタリングすることで、患者の多様性を表現する新たな層別化を実現した。実際に見出されたクラスタごとに予後に違いが見られたことから、新規の病態分類をデータ駆動的に実現するのみならず、臨床的にも有用な情報を得られる展望がある。
【COVID-19研究】症状が急激に変化する急性疾患の分析への応用として、COVID-19の症状の多様性の可視化、および感染流行の早期予測に取り組んだ。症状の組み合わせのランドスケープから見出した新たな層別化は死亡リスクとの関連が見出され、感染者数のダイナミクスのランドスケープからは感染流行の兆候を見出す新たな表現方法として有望であることが示唆された。

ソーシャルメディア分析 / Webデータ分析 / 時系列モデル / フェークニュース / 情報拡散 / 社会ネットワーク分析 / 計算社会科学 / 時系列分析 / トピックモデル / トレンド / ウェブマイニング / 時系列解析 / 機械学習

Web上では、時々刻々膨大な量のコンテンツ (1分間にTwitter では45万以上のツイート, Youtube では400時間以上の動画が投稿されている) が生まれている。この中でも、人々に注目されるコンテンツはほんの一部である。本研究では、ソーシャルメディアに着目し、「将来のトレンド (Twitter におけるハッシュタグの流行など) を予測できるのか？」という問いを設定して研究を進めた。2021年度は、インターネット上で生じるトレンドについての時系列モデルを構築するため、以下の2つの研究を進めた。
研究項目 A: インターネット空間における人々の反応についての時系列モデル構築
我々はWikipediaデータの分析を行い、社会で起こるさまざまなイベント (選挙、スポーツの試合、映画の公開など) に対して、オンライン空間において人々がどのように反応するか数理モデル化を行った。この成果は、ソーシャルメディア分析の主要国際会議であるAAAI Conference on Web and Social Media (ICWSM 2021) で発表した。
研究項目 B: フェークニュース拡散の時系列モデル構築
Twitterはフェークニュースの温床となりつつあり、欧米ではフェークニュースを信じた人々が増えたためにコロナワクチンの接種率が伸び悩むなどの社会問題が起こりつつある。我々は、フェークニュース特有の拡散パターンを記述する時系列モデルを構築し、高い予測精度を実現することを検証した。この成果は国際雑誌 PLoS ONEで発表した。

大規模データ / 大規模ログデータ / パターン認識 / 機械学習 / ユーザ行動 / 潜在クラスモデル / テキストマイニング / 時系列分析

本研究では，ECサイト等のデータベースに蓄積される大規模ログデータに基づき，ユーザ行動の分析を通じて，経営判断やマーケティングツールとして活用するための次世代パターン認識手法の開発と応用技術の確立を目指し，実際のユーザ行動履歴データを対象とした分析を行いつつ，理論的にも汎用性の高いと考えられる手法について研究を行った．特に，ユーザのECサイト上でのページ閲覧行動履歴データに対して，リアルタイムクーポン発券ロジックを構築するための機械学習モデルを複数の観点から開発した．得られたモデルや分析技法については，実データを用いた性能検証を行い，有効性を示した．

【研究分担者】
篠本滋	株式会社国際電気通信基礎技術研究所	脳情報通信総合研究所	研究員	(Kakenデータベース)