JP6301966B2 - データ分析システム、データ分析方法、データ分析のためのプログラム、及び、このプログラムの記録媒体 - Google Patents
データ分析システム、データ分析方法、データ分析のためのプログラム、及び、このプログラムの記録媒体 Download PDFInfo
- Publication number
- JP6301966B2 JP6301966B2 JP2015558258A JP2015558258A JP6301966B2 JP 6301966 B2 JP6301966 B2 JP 6301966B2 JP 2015558258 A JP2015558258 A JP 2015558258A JP 2015558258 A JP2015558258 A JP 2015558258A JP 6301966 B2 JP6301966 B2 JP 6301966B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- classification
- information
- classification information
- unknown
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000007405 data analysis Methods 0.000 title claims description 104
- 238000000034 method Methods 0.000 title claims description 23
- PWPJGUXAGUPAHP-UHFFFAOYSA-N lufenuron Chemical compound C1=C(Cl)C(OC(F)(F)C(C(F)(F)F)F)=CC(Cl)=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F PWPJGUXAGUPAHP-UHFFFAOYSA-N 0.000 title 2
- 239000003814 drug Substances 0.000 claims description 112
- 238000011156 evaluation Methods 0.000 claims description 76
- 230000000694 effects Effects 0.000 claims description 72
- 229940079593 drug Drugs 0.000 claims description 58
- 239000003795 chemical substances by application Substances 0.000 claims description 7
- 238000012549 training Methods 0.000 description 61
- 238000011157 data evaluation Methods 0.000 description 40
- 230000006870 function Effects 0.000 description 27
- 230000008451 emotion Effects 0.000 description 24
- 239000000284 extract Substances 0.000 description 19
- 238000000605 extraction Methods 0.000 description 16
- 238000013075 data extraction Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 10
- 230000014509 gene expression Effects 0.000 description 10
- 208000030453 Drug-Related Side Effects and Adverse reaction Diseases 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 208000035285 Allergic Seasonal Rhinitis Diseases 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 239000000126 substance Substances 0.000 description 4
- 208000027418 Wounds and injury Diseases 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000010485 coping Effects 0.000 description 3
- 230000006378 damage Effects 0.000 description 3
- 208000014674 injury Diseases 0.000 description 3
- 206010061623 Adverse drug reaction Diseases 0.000 description 2
- 206010037660 Pyrexia Diseases 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005401 electroluminescence Methods 0.000 description 2
- 230000002996 emotional effect Effects 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000002547 new drug Substances 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 1
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000009509 drug development Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 231100000957 no side effect Toxicity 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/758—Involving statistics of pixels or of feature values, e.g. histogram matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/40—ICT specially adapted for the handling or processing of medical references relating to drugs, e.g. their side effects or intended usage
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Artificial Intelligence (AREA)
- Business, Economics & Management (AREA)
- Biomedical Technology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computing Systems (AREA)
- Tourism & Hospitality (AREA)
- Multimedia (AREA)
- Pathology (AREA)
- Chemical & Material Sciences (AREA)
- Medicinal Chemistry (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Child & Adolescent Psychology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Toxicology (AREA)
- Pharmacology & Pharmacy (AREA)
- Mathematical Physics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
本発明に係るデータ分析システムの一実施態様について、図面を参照しながら説明する。
従来、薬剤については、新規の副作用らしきものを発見した場合には、医療関係者・監督官庁等に薬剤とその副作用について報告することを定める医薬品・医療機器等安全性情報報告制度という制度がある。当該制度を利用することにより、例えば、医薬品について新たな副作用を発見し、副作用として認定することがある。一般に市販される医薬品などは多くの実験や臨床試験を経て、副作用がないものとして販売されるものの、その検体数の関係などから発見されにくい副作用が潜在している可能性がある。そのような副作用が発見された場合に備えて、当該制度が存在する。この活動は、ファーマコビジランス(pharmacovigilance)と呼称され、医薬品の監視活動を意味する。
したがって、データ分析システムは、複数の基準(訓練データ)に基づく指標を提示することができるので、例えば、薬剤の副作用報告の場合であれば、多数挙げられた報告の中から、実際に副作用として認定すべき可能性が高い報告を示唆できる。また、例えば、医療ポータルサイトの場合であれば、様々に寄せられたコメントの中から重篤な情報を示唆することができる。
以下、データ分析システムの詳細について説明する。
図1は、データ分析システム100の機能構成を示すブロック図である。
図1に示すように、データ分析システム100は、通信部110と、入力部120と、制御部130と、記憶部140と、表示部150とを含む。
分類情報受付部133は、所定の事案に対する分類情報を、入力部120から受け付ける。
要素評価部136は、データ要素の重み付け値wgtについて、例えば、以下の式(1)を用いて算出する。
要素評価部136は、算出した各データ要素に対応付けてそれぞれの重み付け値を評価格納部137に伝達する。
評価格納部137は、要素評価部136から伝達された各データ要素とその重み付け値を対応付けて記憶部140に格納する機能を有する。
図2は、データ分析システム100の、訓練データを分析し、データ要素の評価を算出する際の動作を示すフローチャートである。
要素抽出部135は、訓練データ(所定の事案に関するか否かの分類情報が対応付け(ラベリング)された情報であって、例えば、薬剤の効能情報、薬剤の副作用の症例報告書など)からデータ要素を抽出する(ステップS204)。
図3に示すように、データ分析システム100の未知データ評価部138は、データ抽出部132から未知データを受け付ける(ステップS301)。
未知データ評価部138は、データ抽出部132から伝達された未知データからデータ要素を抽出する(ステップS302)。
未知データ評価部138は、i番目の学習データを記憶部140から読み出す(ステップS304)。
提示部139が提示する結果情報の一例を図4に示す。
事案識別情報402は、スコアがどの事案に対応するかを識別するための情報である。
スコア403は、対応する事案のデータ分析システム100による分析により算出されたスコアを示す情報である。
以下に、訓練データと未知データとについての具体例を説明する。
図5を用いて、訓練データと未知データについての一具体例を説明する。
図5は、未知のデータとして、薬剤の副作用に関連するか否かを分類したい場合の訓練データ又は未知データの一具体例を示す図である。図5は、副作用情報500の一例を示すものであり、例えば、薬剤情報501と、効能情報502と、症例情報503とを含む。
効能情報502は、薬剤がどのような傷病に対して効果があるのかを示す情報である。
症例情報503は、薬剤情報501で示される薬剤Aについて副作用に関する症例情報であり、医者の見解や患者の感想などの情報を含む。
例えば、「副作用と関連する」「副作用と関連しない」という分類で第1の学習データを作成し、「重篤である(医療関係者から見てデータの重要性が高い)」「重篤でない」という分類で第2の学習データを作成し、「特定の薬剤に関連する」「特定の薬剤に関連しない」という分類で第3の学習データを作成するなどして、複数の基準の分類で学習データを作成し、それぞれの学習データに基づいて未知データのスコアを算出することとしてもよい。この場合には、全ての学習データに基づくスコアが高い(一定の閾値以上)報告を、特定の薬剤の副作用に関連する可能性が高い報告として分類することができる。なお、ここでは、薬剤の副作用としているが、これは薬剤に限るものではなく、例えば、医療機器の弊害などであってもよい。
図6を用いて、訓練データと未知データについての別の一具体例を説明する。
図6は、ウェブ上で、質問者が質問した観点についての、多種多様なユーザの意見が述べられた、所謂、ネット掲示板のようなウェブページの一例を示す図である。ここでの観点は、例えば、薬剤の効果、所望の薬剤を作成するにあたって必要と思われる薬品、特定の傷病の治療にあたっての効果的手法、など医薬に関するものである。
掲示板600のような情報の場合には、データ分析システム100は、各コメントが話題と関連するか否かを分類する。
また、その他の話題についても同様にして学習データを生成する。
図7を用いて、訓練データと未知データについての更なる一具体例を説明する。
図7は、薬剤について、その薬剤を利用したユーザの使用感などを示すウェブページの一例を示す図である。
また、データ分析システム100は、その他の薬品についても同様に学習データを生成し、記憶部140に記憶する。
上述の処理により、未知データを評価するにあたっては、医薬に関する複数ある学習データについての関連性を評価したスコアを提示することになるので、入力された未知データがどのような医薬の知見との関連性が高いかを判断し易くなる。特に上述の具体例で示したような薬剤の効能、薬剤の副作用、観点などについては、様々な種類があることから、1つの学習データからでは1つの事案との関連性だけしか評価できず評価としては心もとない一面があったところ、データ分析システム100は、様々な事案との関連性を評価したスコアを提示することにより、未知データの多角的分析精度の向上が見込める。
上記実施の形態に係る発明の一実施態様を説明したが、本発明に係る思想がこれに限られないことは言うまでもない。以下、本発明に係る思想として含まれる各種変形例について説明する。
式(4)を用いることにより、キーワード間の相関関係を考慮したスコアを算出できるため、より高い精度で未知データのスコアを算出することができる。
上記式(5)におけるTFnormは、以下の式(6)のように算出することができる。
以上のように、データ分析システム100は、データの一部に含まれる意味(例えば、センテンスの文意)を反映したスコアリングを実行できるので、より高い精度で未知データのスコアを提示することができる。
この場合には、キーワードとして、予め、形容詞や形容動詞を指定しておくとよい。
当該評価方法についての一具体例を説明する。
提示部139は、このようにして算出された感情スコアを、未知データのスコアとして提示してもよい。
例えば、音声の場合であれば、音声そのものを分析の対象としてもよいし、音声認識により音声を文書に変換したうえでの分析を実行してもよい。
例えば、ディスカバリー支援システム、フォレンジックシステム、メール監査システム、インターネット応用システム、知財調査システム、実績評価システム(プロジェクト評価システム)、ドライビング支援システム、取引管理システム、コールセンターエスカレーションシステム、マーケティングシステムなど、少なくとも一部において、構造定義が不完全なデータ(非構造化データ、例えば、自然言語を含む文書データ)を扱う任意のシステムに適用できる。
例えば、複数の未知データが入力された場合に、その複数の未知データそれぞれについて、各学習データ毎のスコアを算出し、全ての学習データについて一定の閾値以上となる未知データそのものを提示することとしてもよい。これにより、データ分析システムは、所定の事案と関連性が高い可能性がある未知データを提示することができる。
(11)上記実施の形態及び各種変形例に示す構成を適宜組み合わせることとしてもよい。
ここに既述の実施態様とその効果について述べる。
(a)データ分析システムは、医薬に関する情報を含む訓練データと当該訓練データを複数の分類基準に基づいて分類する複数の分類情報との組み合わせを取得する訓練データ取得部(132、133)と、前記訓練データの少なくとも一部を構成するデータ要素が前記分類情報に応じて出現する分布から、前記医薬に関する情報のパターンを学習する学習部(134〜137)と、所定の情報源から未知データを取得する未知データ取得部(131、132)と、前記取得された未知データに含まれる医薬に関する情報をユーザに提示可能となるように、当該未知データを前記複数の分類基準ごとに評価するデータ評価部(138)と、前記評価された未知データの評価結果に応じて表示させることによって、当該未知データに含まれる医薬に関する情報を前記ユーザに提示する提示部(139)とを備える。
これにより、データ分析システムは、医療関係者から報告される報告情報を複数の分類基準ごとに評価することができるので、当該報告情報の分類を支援することができる。
これにより、データ分析システムは、例えば、医療ポータルサイトにあげられている多くの情報を未知データとして分析することができるので、数多ある情報の中から所望の情報と関連する情報であるか否かを分類する支援を行うことができる。
これにより、データ分析システムは、データを構成するデータ要素に対する重み付け値を算出することで情報のパターンを学習することができる。
これにより、データ分析システムは、未知データに含まれる感情表現に基づく評価を実行することができる。とくに、薬剤の副作用や薬剤の使用感などには医療関係者やユーザの主観が混じることも考えられることから、感情表現に基づく評価は一定の信頼がおける評価となりやすいと考えられるため、データ分析システムは、未知データに対して、より高精度の評価ができる。
これにより、データ分析システムは、更なる情報を提示することができるので、これを見たユーザは、未知データが事案との関連をより客観的かつより正確に評価を判断することができるようになる。
これにより、データ分析システムは、薬剤の効能又は副作用に関する情報の分析を支援することができる。
これにより、データ分析システムは、薬剤の効能に関する情報の分析を支援することができる。
既述の実施形態において、未知データ取得部は、医療関係者を所定の情報源とし、当該医療関係者から報告される報告情報を未知データとして取得することとしてもよい。
また、未知データ取得部は、医薬に関する情報を収集するウェブサイトを所定の情報源とし、当該ウェブサイトに含まれる情報を未知データとして取得することとしてもよい。
また、学習部は、訓練データから当該訓練データの少なくとも一部を構成するデータ要素を抽出する抽出部と、抽出されたデータ要素各々の重み付け値を算出する算出部とを含み、抽出されたデータ要素と算出された重み付け値とを対応付けることにより、医薬に関する情報のパターンを学習することとしてもよい。
また、抽出部は、データ要素として、感情表現に係る形態素を抽出し、算出部は、感情表現に係る形態素の重み付け値を算出し、データ評価部は、未知データに含まれる感情表現に係る形態素に基づいて複数の分類基準ごとに当該未知データを評価することとしてもよい。
また、データ分析システムは、さらに、所定の医薬に関する情報である関連情報を予め記憶する記憶部を備え、提示部は、さらに、取得された未知データと関連すると推定される関連情報を、医薬に関する情報とともに提示することとしてもよい。
また、医薬に関する情報は、薬剤の副作用に関する情報であることとしてもよい。
また、医薬に関する情報は、医薬に関する所定の観点についての医療関係者の意見に関する情報であることとしてもよい。
また、医薬に関する情報は、薬剤の効能に関する情報であることとしてもよい。
110 通信部
120 入力部
130 制御部
131 受付部
132 データ抽出部
133 分類情報受付部
134 データ分類部
135 要素抽出部
136 要素評価部
137 評価格納部
138 未知データ評価部
139 提示部
140 記憶部
150 表示部
Claims (6)
- 医薬に関するデータを記憶する記憶装置と、
前記データを分析するプロセッサと、
を備えるデータ分析システムであって、
前記プロセッサは、
前記記憶装置から複数のデータを取得し、
医薬の副作用に関連することを示す高関連分類情報、又は、医薬の副作用に関連しないことを示す低関連分類情報を、前記取得された複数のデータの夫々に付与することによって、当該複数のデータの夫々を分類する第1の分類を行い、
医薬の効果が重篤であることを示す高関連分類情報、又は、医薬の効果が重篤でないことを示す低関連分類情報を、前記取得された複数のデータの夫々に付与することによって、当該複数のデータの夫々を分類する第2の分類を行い、
医薬の効果が特定の薬剤に関連することを示す高関連分類情報、又は、医薬の効果が特定の薬剤に関連しないことを示す低関連分類情報を、前記取得された複数のデータの夫々に付与することによって、当該複数のデータの夫々を分類する第3の分類を行い、
前記第1の分類、第2の分類、及び、第3の分類の夫々において、前記高関連分類情報又は低関連分類情報が付与された、前記取得された複数のデータの夫々からデータ要素を抽出し、
前記取得された複数のデータの夫々に対して付与された、前記高関連分類情報、又は、低関連分類情報に対する、前記抽出されたデータ要素の重み付けを計算することより、当該抽出されたデータ要素を評価し、
当該データ要素の評価に基づいて、前記取得された複数のデータの夫々のスコアを計算することによって、当該複数のデータの夫々を評価し、
前記抽出されたデータ要素を評価するのに際し、前記第1の分類、第2の分類、及び、第3の分類の夫々において、前記高関連分類情報が付与されたデータの評価が、前記低関連分類情報が付与されたデータの評価より上位になるように前記取得された複数のデータに対する当該高関連分類情報又は当該低関連分類情報の付与を行って前記抽出されたデータ要素の評価を決定し、
前記記憶装置から複数の未知データを取得し、
前記決定されたデータ要素の評価に基づいて、前記複数の未知データの夫々を評価し、当該評価は、当該複数の未知データの夫々に、前記第1の分類、第2の分類、及び、第3の分類の夫々のスコアを合計するようにして、スコアを付けることを含み、
前記評価された複数の未知データのうちの少なくとも一つに含まれる情報をユーザに提示する、
データ分析システム。 - 前記プロセッサは、
医療関係者から報告される報告情報を、前記未知データとして前記記憶装置から取得する
請求項1に記載のデータ分析システム。 - 前記記憶装置は、医薬に関する情報を収集するデータベースを含み、
前記プロセッサは、当該データベースに含まれる情報を前記未知データとして取得する
請求項1に記載のデータ分析システム。 - 医薬に関するデータを記憶する記憶装置のデータ群をプロセッサが分析するデータ分析方法であって、
前記プロセッサは、
前記記憶装置から複数のデータを取得するステップと、
医薬の副作用に関連することを示す高関連分類情報、又は、医薬の副作用に関連しないことを示す低関連分類情報を、前記取得された複数のデータの夫々に付与することによって、当該複数のデータの夫々を分類する第1の分類を行うステップと、
医薬の効果が重篤であることを示す高関連分類情報、又は、医薬の効果が重篤でないことを示す低関連分類情報を、前記取得された複数のデータの夫々に付与することによって、当該複数のデータの夫々を分類する第2の分類を行うステップと、
医薬の効果が特定の薬剤に関連することを示す高関連分類情報、又は、医薬の効果が特定の薬剤に関連しないことを示す低関連分類情報を、前記取得された複数のデータの夫々に付与することによって、当該複数のデータの夫々を分類する第3の分類を行うステップと、
前記第1の分類、第2の分類、及び、第3の分類の夫々において、前記高関連分類情報又は低関連分類情報が付与された、前記取得された複数のデータの夫々からデータ要素を抽出するステップと、
前記取得された複数のデータの夫々に対して付与された、前記高関連分類情報、又は、低関連分類情報に対する、前記抽出されたデータ要素の重み付けを計算することより、当該抽出されたデータ要素を評価するステップと、
当該データ要素の評価に基づいて、前記取得された複数のデータの夫々のスコアを計算することによって、当該複数のデータの夫々を評価するステップと、
前記抽出されたデータ要素を評価するのに際し、前記第1の分類、第2の分類、及び、第3の分類の夫々において、前記高関連分類情報が付与されたデータの評価が、前記低関連分類情報が付与されたデータの評価より上位になるように前記取得された複数のデータに対する当該高関連分類情報又は当該低関連分類情報の付与を行って前記抽出されたデータ要素の評価を決定するステップと、
前記記憶装置から複数の未知データを取得するステップと、
前記決定されたデータ要素の評価に基づいて、前記複数の未知データの夫々を評価するステップと、当該評価は、当該複数の未知データの夫々に、前記第1の分類、第2の分類、及び、第3の分類の夫々のスコアを合計するようにして、スコアを付けることを含み、
前記評価された複数の未知データのうちの少なくとも一つに含まれる情報をユーザに提示するステップと、
を実行するデータ分析方法。 - 医薬に関するデータを記憶する記憶装置のデータ群の分析をコンピュータに実現させるプログラムであって、
前記記憶装置から複数のデータを取得する機能と、
医薬の副作用に関連することを示す高関連分類情報、又は、医薬の副作用に関連しないことを示す低関連分類情報を、前記取得された複数のデータの夫々に付与することによって、当該複数のデータの夫々を分類する第1の分類を行う機能と、
医薬の効果が重篤であることを示す高関連分類情報、又は、医薬の効果が重篤でないことを示す低関連分類情報を、前記取得された複数のデータの夫々に付与することによって、当該複数のデータの夫々を分類する第2の分類を行う機能と、
医薬の効果が特定の薬剤に関連することを示す高関連分類情報、又は、医薬の効果が特定の薬剤に関連しないことを示す低関連分類情報を、前記取得された複数のデータの夫々に付与することによって、当該複数のデータの夫々を分類する第3の分類を行う機能と、
前記第1の分類、第2の分類、及び、第3の分類の夫々において、前記高関連分類情報又は低関連分類情報が付与された、前記取得された複数のデータの夫々からデータ要素を抽出する機能と、
前記取得された複数のデータの夫々に対して付与された、前記高関連分類情報、又は、低関連分類情報に対する、前記抽出されたデータ要素の重み付けを計算することより、当該抽出されたデータ要素を評価する機能と、
当該データ要素の評価に基づいて、前記取得された複数のデータの夫々のスコアを計算することによって、当該複数のデータの夫々を評価する機能と、
前記抽出されたデータ要素を評価するのに際し、前記第1の分類、第2の分類、及び、第3の分類の夫々において、前記高関連分類情報が付与されたデータの評価が、前記低関連分類情報が付与されたデータの評価より上位になるように前記取得された複数のデータに対する当該高関連分類情報又は当該低関連分類情報の付与を行って前記抽出されたデータ要素の評価を決定する機能と、
前記記憶装置から複数の未知データを取得する機能と、
前記決定されたデータ要素の評価に基づいて、前記複数の未知データの夫々を評価する機能と、当該評価は、当該複数の未知データの夫々に、前記第1の分類、第2の分類、及び、第3の分類の夫々のスコアを合計するようにして、スコアを付けることを含み、
前記評価された複数の未知データのうちの少なくとも一つに含まれる情報をユーザに提示する機能と、
をコンピュータに実現させるためのプログラム。 - 請求項5記載のプログラムが記録された、コンピュータ読取可能な記録媒体。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2015/057592 WO2016147276A1 (ja) | 2015-03-13 | 2015-03-13 | データ分析システム及びデータ分析方法並びにデータ分析プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2016147276A1 JPWO2016147276A1 (ja) | 2017-04-27 |
JP6301966B2 true JP6301966B2 (ja) | 2018-03-28 |
Family
ID=56918569
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015558258A Expired - Fee Related JP6301966B2 (ja) | 2015-03-13 | 2015-03-13 | データ分析システム、データ分析方法、データ分析のためのプログラム、及び、このプログラムの記録媒体 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20180011977A1 (ja) |
JP (1) | JP6301966B2 (ja) |
WO (1) | WO2016147276A1 (ja) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10949492B2 (en) | 2016-07-14 | 2021-03-16 | International Business Machines Corporation | Calculating a solution for an objective function based on two objective functions |
US11373448B2 (en) * | 2018-04-04 | 2022-06-28 | Panasonic Intellectual Property Management Co., Ltd. | Emotion inference device, emotion inference method, and recording medium |
US10957431B2 (en) * | 2018-04-20 | 2021-03-23 | International Business Machines Corporation | Human resource selection based on readability of unstructured text within an individual case safety report (ICSR) and confidence of the ICSR |
US11146580B2 (en) * | 2018-09-28 | 2021-10-12 | Adobe Inc. | Script and command line exploitation detection |
CN109657918B (zh) * | 2018-11-19 | 2023-07-18 | 平安科技(深圳)有限公司 | 关联评估对象的风险预警方法、装置和计算机设备 |
US10395648B1 (en) | 2019-02-06 | 2019-08-27 | Capital One Services, Llc | Analysis of a topic in a communication relative to a characteristic of the communication |
JP7367353B2 (ja) * | 2019-06-25 | 2023-10-24 | 富士フイルムビジネスイノベーション株式会社 | 情報処理装置及びプログラム |
JP7374215B2 (ja) * | 2019-12-03 | 2023-11-06 | 富士フイルム株式会社 | 文書作成支援装置、方法およびプログラム |
CN111477344B (zh) * | 2020-04-10 | 2023-06-09 | 电子科技大学 | 一种基于自加权多核学习的药物副作用识别方法 |
WO2022202359A1 (ja) * | 2021-03-23 | 2022-09-29 | テルモ株式会社 | 情報処理装置、情報処理方法およびプログラム |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004185547A (ja) * | 2002-12-06 | 2004-07-02 | Hitachi Ltd | 医療データ解析システム及び医療データ解析方法 |
US8019639B2 (en) * | 2005-07-07 | 2011-09-13 | Sermo, Inc. | Method and apparatus for conducting an online information service |
EP3703058A1 (en) * | 2005-11-29 | 2020-09-02 | Children's Hospital Medical Center | A method of selecting a medication for a patient |
JP5110950B2 (ja) * | 2007-04-26 | 2012-12-26 | 株式会社ジャストシステム | 多重トピック分類装置、多重トピック分類方法、および多重トピック分類プログラム |
JP5392120B2 (ja) * | 2010-01-29 | 2014-01-22 | 富士通株式会社 | 情報処理装置、判定プログラム及び判定方法 |
JP5346841B2 (ja) * | 2010-02-22 | 2013-11-20 | 株式会社野村総合研究所 | 文書分類システムおよび文書分類プログラムならびに文書分類方法 |
CN103250176A (zh) * | 2010-08-13 | 2013-08-14 | 智能医学公司 | 用于生产个性化定制药物产品的系统和方法 |
US20120078521A1 (en) * | 2010-09-27 | 2012-03-29 | General Electric Company | Apparatus, system and methods for assessing drug efficacy using holistic analysis and visualization of pharmacological data |
US8612455B2 (en) * | 2010-10-06 | 2013-12-17 | Treato Ltd. | System and method for detecting personal experience event reports from user generated internet content |
CN110752000A (zh) * | 2011-03-10 | 2020-02-04 | 美迪生健康有限公司 | 改善医疗保健的方法、系统和程序 |
JP5643430B2 (ja) * | 2011-06-28 | 2014-12-17 | インターナショナル・ビジネス・マシーンズ・コーポレーションInternational Business Machines Corporation | 主観的な階層クラスタリングにおける特徴量ごとの重みを求める情報処理装置、方法、およびプログラム |
JP6058340B2 (ja) * | 2011-10-05 | 2017-01-11 | 株式会社エイアンドティー | 治療イベントの効果を比較表示する方法 |
KR101330158B1 (ko) * | 2013-07-12 | 2013-11-15 | 주식회사 메조미디어 | 텍스트의 감정지수 분석 방법 및 컴퓨터 판독 가능한 기록 매체 |
-
2015
- 2015-03-13 US US14/902,327 patent/US20180011977A1/en not_active Abandoned
- 2015-03-13 WO PCT/JP2015/057592 patent/WO2016147276A1/ja active Application Filing
- 2015-03-13 JP JP2015558258A patent/JP6301966B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
WO2016147276A1 (ja) | 2016-09-22 |
US20180011977A1 (en) | 2018-01-11 |
JPWO2016147276A1 (ja) | 2017-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6301966B2 (ja) | データ分析システム、データ分析方法、データ分析のためのプログラム、及び、このプログラムの記録媒体 | |
Wongkoblap et al. | Researching mental health disorders in the era of social media: systematic review | |
TWI598755B (zh) | 資料分析系統、資料分析方法、內儲資料分析程式的電腦程式產品及內儲資料分析程式的記錄媒體 | |
Sharit et al. | Online information search performance and search strategies in a health problem-solving scenario | |
Park et al. | Designing an online infrastructure for collecting AI data from people with disabilities | |
KR101799448B1 (ko) | 질의 응답형 질병분류코드 제공 시스템 | |
Siahaan et al. | User story extraction from natural language for requirements elicitation: Identify software-related information from online news | |
Davahli et al. | Identification and prediction of human behavior through mining of unstructured textual data | |
KR102126911B1 (ko) | KeyplayerRank를 이용한 소셜 미디어상의 주제별 키플레이어 탐지 방법 | |
Louis et al. | Unsupervised discovery of relations for analysis of textual data | |
Klock et al. | Scoring patient fall reports using quality rubric and machine learning | |
EP3089049A1 (en) | Data analysis system, data analysis method, and data analysis program | |
MV et al. | Cluster Ensemble Method and Convolution Neural Network Model for Predicting Mental Illness. | |
Graco et al. | Toward knowledge-driven data mining | |
Invernici et al. | Exploring the evolution of research topics during the COVID-19 pandemic | |
Samah et al. | Aspect-Based Classification and Visualization of Twitter Sentiment Analysis Towards Online Food Delivery Services in Malaysia | |
Kostygina et al. | Disclosure Standards for Social Media and Generative Artificial Intelligence Research: Toward Transparency and Replicability | |
JP6490989B2 (ja) | データ分析システム、データ分析方法、およびデータ分析プログラム | |
JP2018067215A (ja) | データ分析システム、その制御方法、プログラム、及び、記録媒体 | |
Balaga et al. | Hadoop techniques for concise investigation of big data in multi-format data sets | |
Banerjee et al. | Distinguishing between authentic and fictitious user-generated hotel reviews | |
Wong et al. | Language independent models for COVID-19 fake news detection: Black box versus white box models | |
Su et al. | Depressive emotion recognition based on behavioral data | |
Jarman | Combining Natural Language Processing and Statistical Text Mining: A Study of Specialized Versus Common Languages | |
Anule et al. | Review of sentiment analysis: An hybrid approach |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20160823 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20161124 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20161206 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20161209 |
|
A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20170224 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20171225 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180301 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6301966 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: R3D04 |
|
LAPS | Cancellation because of no payment of annual fees |