【研究領域課題番号】22K04490 (KAKENデータベースで見る）

【研究キーワード】

ビッグデータ / 人工知能 / 住環境 / 持続可能性 / 根拠に基づく政策立案

【研究種目】基盤研究(C)

【研究期間】2022-04-01 - 2025-03-31

【配分額】4,030千円 (直接経費: 3,100千円、間接経費: 930千円)

【研究領域課題番号】22H03307 (KAKENデータベースで見る）

【研究キーワード】

健康行動 / ビッグデータ / 人工知能 / 医療経済 / 疾病予防

【研究種目】基盤研究(B)

【研究期間】2022-04-01 - 2025-03-31

【配分額】10,140千円 (直接経費: 7,800千円、間接経費: 2,340千円)

【研究領域課題番号】19H00938 (KAKENデータベースで見る）

【研究キーワード】

人工知能 / 育種 / 多収 / ゲノム / 多型 / 成長モデル / 水稲 / イネ / GWAS / ゲノミック予測 / ビッグデータ / イネ育種 / 作物モデル

【研究成果の概要】

「人工知能」の育種への利用により品種育成を補助するシステムを開発を目指した．まず，（１）「表現型」の標準化として，イネ収量の野外ビックデータから，表現型である品種特性を作物モデルを用いて環境に対する回帰係数として抽出するプラットフォームの開発した．続いて，（２）「遺伝子型」の標準化として，163万箇所のSNPデータに基づく365品種/系統の遺伝子型プラットフォームを構築した．また，（３）「人工知能」での学習として，「シングル・エポック・ラーニング法」を提案した．最後に（４）既存のゲノミック予測法およびその作物モデルとの融合による基準精度の評価を行った．

【研究の社会的意義】

地球温暖化により気候変動が拡大する中，その変化に適応できる新品種の育成が喫緊の課題である．本研究では，イネをモデル植物として，過去に蓄積された野外ビッグデータを再利用する新たな整理方法を提案するとともに，その表現型情報と遺伝子型情報について人工知能を用いてはじめて解析した試みに位置付けられる．今後は，イネ以外のダイズやコムギなど他の作物への応用とともに，さらに発展的に蓄積されたデータを利用し，情報を再解析することで農業生産上に有用な遺伝子領域の特定や，将来の気象条件に合わせた新品種の開発に寄与することが期待される．

【研究種目】基盤研究(A)

【研究期間】2019-04-01 - 2022-03-31

【配分額】45,760千円 (直接経費: 35,200千円、間接経費: 10,560千円)

【研究領域課題番号】18H03334 (KAKENデータベースで見る）

【研究キーワード】

機械学習 / ビッグデータ / 創薬 / 人工知能 / 難治性疾患

【研究成果の概要】

本研究では、医薬ビッグデータと人工知能(AI)の基盤技術である機械学習を用いた創薬を実現するための情報基盤技術を構築する。医薬品、植物、食品成分などの化合物に関する情報、遺伝子、タンパク質、糖鎖など生体分子に関する情報、難治性疾患に関するオミックス情報やSNPなどのゲノム情報を基に、グラフ畳み込みニューラルネットワークや再帰的ニューラルネットワークの枠組みで、化合物の標的タンパク質プロファイルを予測するためのモデルを構築した。化合物の化学構造の適用範囲を考慮したアルゴリズムも構築した。最終的に、悪性リンパ腫と嚢胞性線維症に対して、医薬品候補化合物を網羅的に予測し、予測結果の一部を検証した。

【研究の社会的意義】

疾患治療に有用な化合物の同定は、人類の医療やヘルスケアにとって最重要課題である。現在でも有効な治療法が無い難治性疾患や希少疾患は多く、疾患に苦しむ患者に対する迅速な救済措置が必要である。しかしながら、最近の新薬開発は低迷しており、新薬を一個開発するのに数千億円の研究開発費と10年以上の歳月を要すると云われている。本研究では、医薬ビッグデータと人工知能(AI)の基盤技術である機械学習を用いた創薬「AI創薬」を提唱し、それを実現するための機械学習手法の研究開発を行なった。深層学習の予測モデルを構築し、医薬品候補の化合物を情報化学的にスクリーニングする技術基盤を構築することができた。

【研究種目】基盤研究(B)

【研究期間】2018-04-01 - 2021-03-31

【配分額】17,290千円 (直接経費: 13,300千円、間接経費: 3,990千円)

【研究領域課題番号】18H04155 (KAKENデータベースで見る）

【研究キーワード】

HEMS / スマートメーター / 太陽光発電 / 異常検知 / LCA / ビッグデータ / AI / 深層学習 / カーボンニュートラル / ライフスタイル / IDEA / 敵対的生成学習 / 電力 / 実験経済学 / 意思決定 / Deep Learning / 機械学習 / 行動変容 / ディープラーニング / インベントリデータベース / パリ協定

【研究成果の概要】

2050年までにカーボン・ニュートラル社会を実現するため、特に排出削減が難しい家庭部門の温室効果ガス排出削減のための手法開発を目指した研究を実施した。
家庭のエネルギー消費削減には、家庭内でどのような形態によってエネルギー消費が行われているか、すなわちライフスタイルを明らかにする必要があった。そこで本研究では、HEMS/スマートメータといったIoTセンシングによって得られた約6万世帯、20億レコードの家庭電力消費ビッグデータを活用した。近年急速に発展する深層学習アルゴリズムを開発し、分析を行うことで、消費電力量のみから家庭の属性や生活パターンを分析する手法を開発した。

【研究の社会的意義】

家庭内消費電力データを分析することで、複数の制度においてその制度の意図と異なる行動が発生していることを示唆する結果を得た。太陽光売電制度においては、節電インセンティブが存在するとされていた余剰売電制度の方が、節電インセンティブが存在しない全量売電制度よりも、実際の家庭内消費電力量が増大していることをビッグデータによって示した。さらに、このような事象が発生した原因を行動経済学の知見に基づいてリバウンド効果として学術的に説明を行った。
今後さらに強く求められる家庭内エネルギー消費削減に必要となる様々な社会制度設計において、家庭電力消費ビッグデータの活用が有効であることを示した。

【研究種目】基盤研究(A)

【研究期間】2018-04-01 - 2022-03-31

【配分額】42,900千円 (直接経費: 33,000千円、間接経費: 9,900千円)

【研究分野】情報社会におけるトラスト

【研究領域課題番号】17KT0157 (KAKENデータベースで見る）

【研究キーワード】

医用人工知能 / トラスト / ELSI / プライバシー / AI / 診断補助 / 医療機器 / 信頼 / 機械学習 / ビッグデータ / 人工知能 / 医学 / 医療

【研究成果の概要】

第二次人工知能ブーム以来の議論として、医用人工知能のトラストに関連する課題がある。米国の後追いをする形で日本においても医用人工知能の社会実装が進みつつある。厚生労働省通知によれば、現時点での医用人工知能を用いた医療機器は、あくまで診療補助を行う機器であり、医行為に対する責任は医師にあるものとの整理がなされている。
本研究では、こうした過去・現在、国内外の状況に関する整理を行い、AIに対するトラストに関する医師に対してのアンケート調査等を行い、医療AIに関するタイプ分類を作成するとともに、医用人工知能に関するセミナーシリーズを開催し、政策提言の取りまとめを行った。

【研究の社会的意義】

本研究では、医用人工知能（医療AI）のシステムのタイプ分類を作成し、具体的なシナリオを用いて医療従事者に質問紙調査を行った。医師の医療AIに対する期待は高いものの、具体的にどのような利用法が求められているのかに関しては、あくまで医師の判断の見落とし防止などとなるタイプBの需要が高いことが結果から示唆された。
今後医療AIの性能や位置づけが変化するにしたがって、この考え方も変化することが想定される。また、医療AIシステムが提示する説明に医師が納得できるかという「納得」よりも、従来の医療機器と同様に、有用性や安全性が重要であることが示唆された。
これらをふまえ、社会実装に向けた政策提言も作成した。

【研究種目】基盤研究(C)

【研究期間】2017-07-18 - 2021-03-31

【配分額】4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円)

【研究分野】ウェブ情報学・サービス情報学

【研究領域課題番号】17H01821 (KAKENデータベースで見る）

【研究キーワード】

インターネット / ウェブサービス / 進化理論 / 自己組織的臨界状態 / Big Data / OEE / ソーシャルメディア / ビッグデータ / Yule Simon / タグ / ウェブデータ / 進化 / Price方程式 / ウェブ / 新規性 / オープンエンド / 生態系 / STS / 進化ダイナミクス / 機械学習 / 人工生命 / タグの進化 / 人工知能 / ソフトコンピューティング / 自己組織化

【研究成果の概要】

ウェブサービスが臨界状態（一つの投稿が大きく波及するような）に向かって進化していることを示した。それと同時にユーザーグループが特徴的な集団構造をつくっていくように観測できた。タグをつけるサービスどうしを比較し、簡単な数理モデル（Yule-Simonモデル）とでは説明できない現象を見い出した。ウェブの「意味」の創出は、新しいタグの進化ではなく、タグどうしの組み合わせの進化にある。特に投稿間に親子関係を持ち込むｊことで、400週に及ぶデータの進化系譜を描き、それを解析した。

【研究の社会的意義】

インターネットは、人が作った進化する複雑な人工物の代表例です。人というユーザーがインターネットの動きを個別には作っているが、全体の動態はよくわからないものです。われわれはこのシステムの大規模なデータの解析を行い、それが簡単な数理モデルでは表せないことや、進化系統樹を描く解析を行うことで、進化という視点を生物以外にも拡張して論ずることに成功しました。これは、新しい学問領域を創発させたといえるでしょう。社会的にも、インターネットとはないか、という視点を更新し、進化論というのがけっして狭い生物だけの話ではなく、拡張して考えられることを普及させるのは大事なことだと考えています。

【研究種目】基盤研究(B)

【研究期間】2017-04-01 - 2020-03-31

【配分額】15,860千円 (直接経費: 12,200千円、間接経費: 3,660千円)

【研究分野】リハビリテーション科学・福祉工学

【研究領域課題番号】17H02130 (KAKENデータベースで見る）

【研究キーワード】

看護理工学 / ナースコール / ビッグデータ / 人工知能 / 看護管理 / 看護情報 / 医療情報 / 転倒 / 必要度 / インシデント / 病棟 / みまもり工学 / 行動データ / 看護工学 / センサ医療情報工学 / 看護ビッグデータ

【研究成果の概要】

フロアで起こるナースコールのうちボタンコールやセンサによるコール，さらにはインタラプト事象はゼロにはならないことを想定し，特に転倒をはじめとするインシデントのアセスメント・予測に注力し，療養生活の質が向上して病棟フロアと看護師・看護補助者の繁忙度が緩和される仕組の基盤を形成した．コール種別を内包したナースコールデータと看護記録を含む病棟医療情報の統合によるリアルタイムアセスメントシステムの基盤となる手法である．転倒インシデント予測アセスメント手法を実現し病院データで実証した．

【研究の社会的意義】

患者病態を参照しつつナースコール記録を解析することで，医療者がいつ誰にどう対応するのが良いかというプランドケアとデマンドケア・臨時ケアについて病棟フロア特に管理者を支援するシステムの基盤となるものである．超高齢社会，医療者不足の続くこれからの数十年につき，医療システムや介護システムのフレームワークをデジタル技術で支える一つの指針となる取り組みである．インシデント予測は，異変予兆検知や異変予知の一例であり，開発・展開された手法はより広領域への展開が可能である．その際，ナースコールデータすなわちオンデマンドアラートに加え，医療者動線すなわちロケーションを得ることの有用性を示すのが課題である．

【研究種目】基盤研究(B)

【研究期間】2017-04-01 - 2020-03-31

【配分額】17,550千円 (直接経費: 13,500千円、間接経費: 4,050千円)

【研究分野】知能情報学

【研究領域課題番号】26240032 (KAKENデータベースで見る）

【研究キーワード】

農作業暗黙知 / ビッグデータマイニング / データサイエンス / 視線計測 / 熟練農家 / パタンマイニング / 気づき / 環境データ / データマイニング / 決定木 / 回帰 / パーセプトロン / 育種 / さとうきび / 人工知能 / AI農業 / 暗黙知抽出 / 多段創発構造 / ビッグデータ / 多段創発 / センサーネットワーク / マルチモーダル / 形式知 / サトウキビ

【研究成果の概要】

本研究は，高付加価値な野菜・果物の生産ノウハウを持つ熟練農家の農作業暗黙知を，農作業従事者の行動や農作物の状態，土壌や気温・天候といった多様なデータから構成されるビッグデータから顕在化し，知的農業システムとしてパッケージ化することを目的とした．そして，農作業データからの暗黙知の抽出，環境データからの農作物の生長予測，そして視線計測による暗黙知抽出に取組み，実際に熟練農家と一般農家における作業様式の違いなどを発見することができた．

【研究種目】基盤研究(A)

【研究期間】2014-04-01 - 2017-03-31

【配分額】42,640千円 (直接経費: 32,800千円、間接経費: 9,840千円)

【研究分野】知覚情報処理・知能ロボティクス

【研究領域課題番号】24680017 (KAKENデータベースで見る）

【研究キーワード】

画像認識 / コンピュータビジョン / 機械学習 / 人工知能 / ビッグデータ / パターン認識

【研究成果の概要】

本研究の目的は，膨大な画像データとテキストデータから，それらの関係性を統計的に学習し，超多クラスの一般的物体認識可能なシステムを構築することにある．この実現には，１）膨大なデータであっても破たんすることなく学習し続けられる手法が重要となる．また，２）複数の物体が存在しても，どこに何があるのか検出する手法も重要となる．３）一般的に教師データ作成の人的コストは高く，この学習データ構築コストを減らすことが，正確かつ多様な物体認識に重要となる．さらに，４）分からないものが分かる技術は，自律的に学習していく認識システムに必要不可欠である．本研究課題では，上記１）～４）に関して取り組み成果を得た．

【研究種目】若手研究(A)

【研究期間】2012-04-01 - 2015-03-31

【配分額】26,520千円 (直接経費: 20,400千円、間接経費: 6,120千円)

【研究分野】感性情報学・ソフトコンピューティング

【研究領域課題番号】24650117 (KAKENデータベースで見る）

【研究キーワード】

マッシブデータフロー / ビッグデータ / サイバネティクス / ウェブ / 人工生命 / 人工知能 / ウェブ科学 / ライフログ / センサーネットワーク / カオス / バースト / アフォーダンス / 力学系

【研究成果の概要】

共同研究者である廣瀬通孝・岡瑞起、両氏と協力して、日本人工知能学会での5回のオーガナイズドセッションを開催し、「マッシブデータフロー」という、人と環境と人工システムが作り出す「大きな情報の流れがつくるパターン」としての「システムの生命性」について大きく議論をすすめることができた。またそれを示す実験として、池上と岡は、「生きているようなセンサーユニットのネットワーク」を製作・解析し、廣瀬らはスマートフォンやネットを利用し「人の意思決定を無意識に変容させていくシステム」を設計した。これらの成果の一部が、2012年（および2015年予定）に人工知能学会誌から特集号として発表された。

【研究種目】挑戦的萌芽研究

【研究期間】2012-04-01 - 2015-03-31

【配分額】3,900千円 (直接経費: 3,000千円、間接経費: 900千円)