死因統計の精度及び効率性の向上に資する機械学習の検討に関する研究

文献情報

• 文献番号: 202102003A
• 報告書区分: 総括
• 研究課題名: 死因統計の精度及び効率性の向上に資する機械学習の検討に関する研究
• 課題番号: 19AB1003
• 研究年度: 令和3(2021)年度
• 研究代表者(所属機関): 今井 健(東京大学 大学院医学系研究科 疾患生命工学センター)
• 研究分担者(所属機関): -
• 研究区分: 厚生労働科学研究費補助金 行政政策研究分野 政策科学総合研究（統計情報総合研究）
• 研究開始年度: 令和1(2019)年度
• 研究終了予定年度: 令和3(2021)年度
• 研究費: 3,875,000円
• 研究者交替、所属機関変更: -

研究報告書（概要版）

文献情報

• 文献番号: 202102003B
• 報告書区分: 総合
• 研究課題名: 死因統計の精度及び効率性の向上に資する機械学習の検討に関する研究
• 課題番号: 19AB1003
• 研究年度: 令和3(2021)年度
• 研究代表者(所属機関): 今井 健(東京大学 大学院医学系研究科 疾患生命工学センター)
• 研究分担者(所属機関): -
• 研究区分: 厚生労働科学研究費補助金 行政政策研究分野 政策科学総合研究（統計情報総合研究）
• 研究開始年度: 令和1(2019)年度
• 研究終了予定年度: 令和3(2021)年度
• 研究者交替、所属機関変更: -

研究報告書（概要版）

行政効果報告

• 文献番号: 202102003C

成果

• 専門的・学術的観点からの成果: 我が国の原死因データ収集における課題を抽出し、機械学習による支援ターゲットを明らかにした。これを元に、オートコーディングツールにより決定された仮の原死因が、死亡個票の各種付帯情報に影響を受けて原死因確定の際に変更されるか否かについて、機械学習を用い非常に高い精度で自動分類し、原死因確定プロセスを支援する手法が開発された。
• 臨床的観点からの成果: 我が国の公衆衛生施策の中心的資料である人口動態調査において、機械学習により原死因確定プロセスを高精度に支援する手法が開発でき、従来の人手による確認作業の正確性・効率性向上に大きく貢献するものと考えられる。
• ガイドライン等の開発: 特になし
• その他行政的観点からの成果: 来たるICD-11の国内導入にあたり、次世代の我が国の原死因確定ツールとしては、Iris、WHO cause of death identification tool、現状の国内オートコーディングツールの更新の３種類が考えられるが、本研究によりどのオートコーディングツールとも組み合わせて利用することが可能な、機械学習による汎用的支援手法が開発された。
• その他のインパクト: 特になし

発表件数

• 原著論文（和文）: 4件
• 原著論文（英文等）: 0件
• その他論文(和文): 0件
• その他論文(英文等): 0件
• 学会発表(国内学会): 0件
• 学会発表(国際学会等): 0件
• その他成果(特許の出願): 0件
• その他成果(特許の取得): 0件
• その他成果(施策への反映): 0件
• その他成果(普及・啓発活動): 0件

主な原著論文20編（論文に厚生労働科学研究費の補助を受けたことが明記された論文に限る）

• 原著論文1: 明神 大也，大井川 仁美，今井 健，他; 死因統計の精度と効率性の向上に向けた我が国の原死因確定課題の抽出; 医療情報学 , 40(Suppl.) , 674-676 (2020)
• 原著論文2: 大井川 仁美，明神 大也，今井 健，他; 原死因確定プロセスにおけるIRIS の国内導入可能性に関する基礎的な検討; 医療情報学 , 40(Suppl.) , 677-682 (2020)
• 原著論文3: 大井川仁美，今井 健，今村知明，他; 原死因決定プロセスの効率化に資する機械学習による原死因コード変更予測; 医療情報学 , 41(Suppl.) , 797-800 (2021)

公開日・更新日

• 公開日: 2023-05-16
• 更新日: -

収支報告書

• 文献番号: 202102003Z