千葉大学大学院医学研究院 人工知能医学 川上英良氏

1. 機械学習による健康・疾患
状態の層別化と予測
川上英良
千葉大学大学院 医学研究院 人工知能（AI）医学
千葉大学医学部 治療学人工知能研究センター
理化学研究所 医科学イノベーションハブ推進プログラム

2. 略歴

3. 理化学研究所 医科学イノベーションハブ推進プログラム
健康データ数理推論チーム
教師あり学習 教師なし学習
ランドスケープモデル 位相的データ解析
多項目データから分類・数値を
高い精度で予測
複雑なパターンを抽出し、新た
な分類や基準を発見
健康/疾患状態変化を地形として表現 データが持つ幾何的特徴を抽出
実社会の測定データに基づいて生命現象、健康/疾患状態変化を
理解・予測するための様々な数理科学・機械学習手法を開発・応用
Kawakami et al. 2019 Clin Cancer ResKawakami et al. 2019 Clin Cancer Res

4. 予測・個別化医療に向けた課題
 分類・診断が明確でない疾患が
多い（特に多因子疾患）
 データに基づいた疾患の層別化
が必要
 多くの疾患データは疾患発症後
に病院で取られる
 疾患発症前の履歴、疾患発症後
にどのように進行していくかを
分析する必要がある

5. 卵巣腫瘍の手術前診断
良性腫瘍
悪性腫瘍
早期ガン
（転移・播種がない）
進行ガン
（転移・播種がある）
本来、手術してみなければ分からない
• 良性 or 悪性
• 早期 or 進行
といった卵巣腫瘍の性質を
手術前の血液検査だけから予測する
（慈恵医科大学との共同研究）
http://ovarian.org/about-ovarian-cancer/what-is-ovarian-cancer/types-a-stages より引用

6. 良性
悪性
卵巣腫瘍の良性・悪性判定
良性 101名
悪性 334名
従来の重回帰分析
ランダムフォレスト
accuracy = 86.7%
accuracy = 92.4%
ランダムフォレスト
数千〜数万の決定木の多数決
 外れ値に強い
 分布に依存しない
 変数同士の依存関係を考慮

7. 既知の分類は予測可能なのか
早期がんと進行がんの分類
AUC = 0.760
Accuracy = 69.0%
良性・悪性鑑別に比べて精
度があまり良くない…
 早期がんと進行がんで似てい
る症例がある？
 そもそも早期がんと進行がん
の診断は確実なのか？
➡ 教師なし学習

8. 教師なし学習で
似た症例をグルーピング
• 血液検査パターンが似た症
例が近くに来るように配置
• この時点ではどれが良性・
早期・進行かは教えない
一個一個の点が
症例（患者）
• 良性・早期・進行がどれか
色をつけてみる

9. 本物の元データ
項目ごとにシャッフル
した偽物データ
本物データと偽物データを区別
するためのRandom forestモデ
ルを作る
本物データに含まれる2サンプルが同
じリーフに分類される頻度によって、
サンプルの類似度を計算
2サンプル間の距離 = 1 - 類似度
サンプル間の距離行列を用いてMDS,
tSNEなどで二次元平面に分布描画
教師なしランダムフォレスト

10. 良性腫瘍 早期がん 進行がん
早期がん患者は２つの集団に大別される
集団1: 良性タイプ･･･5年以内にほとんど再発しない。死亡は0。
集団 2: 進行がんタイプ･･･5年以内に1/4程度が再発か死亡。
Kawakami et al. Clin. Cancer Res. 2019
教師なし学習による
早期がん新分類の発見

11. Ladewig 2013
Nature Reviews Molecular Cell Biology
エピジェネティックランドスケープ
1940年にWaddingtonによって提唱されたコンセプト。細胞分化を、
「ボールが地形上を転がるように状態遷移が起こっていく」という
力学系のアナロジーとして説明。
生命システムの状態を
地形として表現する
石川哲朗
素粒子物理
→認知科学

12. Adapted from Watanabe & Rees (2017) Nature Communications
2値化
イジングモデルで各状
態の観測頻度とエネル
ギーを対応付ける
高次元
fMRI データ
データに基づくランドスケープ再構成
局所安定状態（local minima）を同定 システムの状態遷移を分析

13. 13
日本最大規模の
健診・レセプトデータベース
https://www.jmdc.co.jp/en/jmdc-claims-database

14. 250万レコードの健診時系列データ
14Physical examination data

15. 健診項目の分布・相関
BM I
GOT(AST)
GPT(ALT)
HbA1 c
HDLコ レ ステロール
LDLコ レ ステロール
γ-GT(γ-GTP)
ヘマト ク リ ッ ト 値
中性脂肪(ト リ グリ セリ ド )
収縮期血圧
尿糖
尿蛋白(定性)
空腹時血糖
腹囲
血色素量(ヘモグロビン値)
赤血球数
-2 0 2
z-value
flag
糖尿病＋服薬なし
非糖尿病
糖尿病 + 服薬なし 11,639人
糖尿病 + 服薬あり 16,281人
非糖尿病 289,336人
赤血球数
ヘモグロビン
腹囲
空腹時血糖
尿蛋白
尿糖
収縮期血圧
中性脂肪
ヘマトクリット
γ-GTP
LDLコレステロール
HDLコレステロール
HbA1c
ALT
AST
BMI

16. 1
2
3
54
6
8
7
9
Energy
□
■
1: High
0: Low
空腹時血糖
HbA1c
尿糖
収縮期血圧
腹囲
BMI
ALT
γ-GTP
赤血球
ヘモグロビン
健康
肥満
肥満 +
高血圧 +
多血
糖尿病
肥満 +
高血圧 +
糖尿病
健診データに基づく糖尿病ランドスケープ
肥満＋肝機能低下
肥満 +
高血圧 +
糖尿病 +
肝機能低下
肥満 +
高血圧 +
糖尿病 +
多血
肥満 +
高血圧 +
糖尿病 +
肝機能低下 +
多血

17. ●
●
Patient 1 Patient 2
Patient 3 Patient 4
1st exam
Exam
Onset
糖尿病発症過程の代表例

18. まとめ
 予測・個別化医療に向けて、健康・疾患の状態の層別
化（グループ分け）が重要
 ランドスケープモデルを使うことで、複数のパラメー
タの組み合わせに基づく健康・疾患の状態を表現する
ことができる
 疾患の発症過程、進行過程を追跡することで、適切な
タイミングでの介入、治療選択につながると考えられ
る
＠ナガノ
adapted from