WEKO3
アイテム
乳がん・前立腺がん経験者のインタビューテキストデータから集団機械学習ランダムフォレストによる検診行動の推定の試み ―DIPEx-Japanのテキストデータ二次分析―
https://paz.repo.nii.ac.jp/records/2000167
https://paz.repo.nii.ac.jp/records/2000167092ab900-7a70-4778-8f3f-04d70df35faf
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
PAZ18-04.pdf (619 KB)
|
|
| Item type | 紀要論文 / Departmental Bulletin Paper(1) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| 公開日 | 2024-03-07 | |||||||||
| タイトル | ||||||||||
| タイトル | 乳がん・前立腺がん経験者のインタビューテキストデータから集団機械学習ランダムフォレストによる検診行動の推定の試み ―DIPEx-Japanのテキストデータ二次分析― | |||||||||
| 言語 | ja | |||||||||
| 言語 | ||||||||||
| 言語 | jpn | |||||||||
| その他（別言語等）のタイトル | ||||||||||
| その他のタイトル | Predicting screening actions by quadrat analysis using artificial intelligence, and from the text data of cancer screening based on the interviews of patients who had an experience of having a breast cancer and a prostate cancer in Japan | |||||||||
| 言語 | en | |||||||||
| キーワード | ||||||||||
| 言語 | ja | |||||||||
| 主題Scheme | Other | |||||||||
| 主題 | 検診行動推定 | |||||||||
| キーワード | ||||||||||
| 言語 | ja | |||||||||
| 主題Scheme | Other | |||||||||
| 主題 | ランダムフォレスト機械学習 | |||||||||
| キーワード | ||||||||||
| 言語 | ja | |||||||||
| 主題Scheme | Other | |||||||||
| 主題 | テキストマイニング | |||||||||
| キーワード | ||||||||||
| 言語 | ja | |||||||||
| 主題Scheme | Other | |||||||||
| 主題 | 乳がん経験者 | |||||||||
| キーワード | ||||||||||
| 言語 | ja | |||||||||
| 主題Scheme | Other | |||||||||
| 主題 | 前立腺がん経験者 | |||||||||
| 著者 |
木村, 朗
× 木村, 朗
|
|||||||||
| 抄録 | ||||||||||
| 内容記述タイプ | Abstract | |||||||||
| 内容記述 | type:Article 本研究の目的は、厚生労働科学研究補助金がん臨床研究事業の一環として作成され、DIPEx-Japanが管理する、わが国の乳がん・前立腺がん経験者の語りのインタビューを基にがん検診に関するテキストデータから人工知能を利用した二次分析によって検診行動の推定の可能性を明らかにすることであった。対象は疾患特性・地域特性等を考慮した、対象者の多様性を確保するサンプリング法（Maximum variation sampling survey）で得られた乳がん経験者38例、前立腺がん経験者46例のデータであった。方法はテキストデータに対して人工知能を利用する集団機械学習ランダムフォレスト法を用いてgini係数を基に作成したモデルから推測した固有名詞を用いた予測成績を求めた。結果として、gini係数により検診受診の有無の鑑別成績を高めたものは、前立腺がん経験者で「サプリメント」、「PSA」、乳がん経験者で「マンモ」、「浮腫」という順であった。モデルの推測成績は前立腺がん経験者で47.6％、乳がん経験者で59.5％の判別性を示した。人工知能による集団学習と機械学習によって生成したモデルは、両者の間で医学専門用語と一般用語の頻度の比において逆転していた。二次分析手法に人工知能を用いることで、このような知見を得られる可能性があることから、データマイニングをインタビュー開始から間もない時期に行うことで、より適切な情報から検診行動を推定するための構造化質問の作成が容易になる可能性が示唆された。 |
|||||||||
| 言語 | ja | |||||||||
| 抄録 | ||||||||||
| 内容記述タイプ | Abstract | |||||||||
| 内容記述 | The purpose of this study was to clarify the possibility of predicting screening actions by quadrat analysis using artificial intelligence,and from the text data of cancer screening based on the interviews of patients who had an experience of having a breast cancer and a prostate cancer in Japan. The data was created as part of a clinical cancer research project of the scientific research subsidies from the Ministry of Health,Labour and Welfare,and managed by DIPEx-Japan. The subject of research was the data including 38cases of breast cancer patients and 46 cases of prostate cancer patients which was obtained in a maximum variation sampling survey, arbitrary sampling with consideration of the disease and regional characteristics. The random forest method,which is collective machine learning utilizing artificial intelligence for text data, was adopted to determine the prediction performance using proper nouns that were estimated from a model created based on the gini coefficient. As a result, the gini coefficient improved the differentiating performance regarding the presence or absence of screening visits, in the order of “supplements”and “PSA”in prostate cancer patients, and “mammo”and “edema”in breast cancer patients. In terms of the prediction performance of the model, it showed 46.7％ of distinguishability in prostate cancer patients and 59.5％ in breast cancer patients. The models generated by collective learning and machine learning using artificial intelligence were reversed between the two regarding the ratio of frequency of medical terminology and general terms. Since it was possible to obtain such findings by using artificial intelligence in the quadrat analysis method, performing a data mining shortly after the start of interviews was suggested to have a possibility of making it easier to create structured questions in order to predict the health behaviour with more relevant information. |
|||||||||
| 言語 | en | |||||||||
| 内容記述 | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | 原著論文 | |||||||||
| 書誌情報 |
群馬パース大学紀要 号 18, p. 19-25, 発行日 2014-09 |
|||||||||
| 出版者 | ||||||||||
| 出版者 | 群馬パース大学 | |||||||||
| ISSN | ||||||||||
| 収録物識別子タイプ | ISSN | |||||||||
| 収録物識別子 | 1880-2923 | |||||||||
| 書誌レコードID | ||||||||||
| 収録物識別子タイプ | NCID | |||||||||
| 収録物識別子 | AA12090888 | |||||||||
| アクセス権 | ||||||||||
| アクセス権 | open access | |||||||||
| アクセス権URI | http://purl.org/coar/access_right/c_abf2 | |||||||||
| 資源タイプ | ||||||||||
| 資源タイプ識別子 | http://purl.org/coar/resource_type/c_6501 | |||||||||
| 資源タイプ | departmental bulletin paper | |||||||||
| 著者版フラグ | ||||||||||
| 出版タイプ | VoR | |||||||||
| 出版タイプResource | http://purl.org/coar/version/c_970fb48d4fbd8a85 | |||||||||
