臨床検査68巻1号

2024年01月発行

AI・ビッグデータ時代の臨床検査のための情報科学・6

—臨床検査のためのAI入門—AIによる疾病分類技術

著者： 松村聡¹

所属機関： ¹千葉科学大学危機管理学部保健医療学科

ページ範囲：P.107 - P.113

Point

●基本的な原理について知ることでその派生した手法の理解につながる．

●機械学習においても説明可能性を検討できる手法がある．

●予測する際には特徴量のリーケージがないかの検討が必要である．

参考文献

1）日本統計学会（編）：改訂版　日本統計学会公式認定　統計検定2級対応　統計学基礎，東京図書，pp163-165，2015

2）Hastie T, Tibshirani R, Friedman J（著），杉山将，井手剛，神嶌敏弘，他（監訳）：統計的学習の基礎　データマイニング・推論・予測，共立出版，pp137-149，2014

3）横山茂樹：決定木（decision tree analysis）．臨検　49：1439-1443，2005

4）Seto H, Oyama A, Kitora S, et al：Gradient boosting decision tree becomes more reliable than logistic regression in predicting probability for diabetes with big data. Sci Rep　12：15889，2022

5）Ribeiro M, Singh S, Guestrin C：“Why Should I Trust You?”：Explaining the Predictions of Any Classifier. In: Proceedings of the 2016 Conference of the North American Chapter of the Association for Computational Linguistics: Demonstrations. Association for Computational Linguistics, San Diego, California, pp97-101，2016

6）Lundberg SM, Lee SI：A Unified Approach to Interpreting Model Predictions. In: 31st Conference on Neural Information Processing Systems (NIPS 2017), Long Beach, CA, USA, pp4768-4777，2017

7）Kaufman S, Rosset S, Perlich C, et al：Leakage in data mining: Formulation, detection, and avoidance. ACM Trans Knowl Discov Data　6：1-21，2012

8）毛利拓也：LightGBM予測モデル実装ハンドブック，秀和システム，2023