京都大学・弘前大学との共同研究でインフルエンザをモデルとして健康ビッグデータから病気の罹患リスクが高いグループ分類手法を構築

＜研究成果＞

これら課題に対し、京都大学大学院の奥野恭史教授らおよび本共同研究講座との研究チームで検討を重ねた結果、健康ビッグデータから病気の罹患リスクの高い特徴的なグループ（体質・生活習慣・環境等）を抽出できる、独自の層別解析手法の構築に至りました。

本手法の構築は、岩木健康増進プロジェクト2019年度健診データ（全1062名、内1年以内のインフルエンザ罹患あり121名）を用いてインフルエンザ罹患をモデルとして実施し、解析の手順は以下の3つのステップを経て行いました。
※弘前大学・弘前市・青森県総合健診センターが主催し、弘前市岩木地区において2005年より実施している、同地区住民を対象とした大規模住民合同健診・健康指導などの住民の健康増進活動

① 関連因子の抽出
機械学習によってビッグデータから病気の罹患に関連する因子を選抜する
② 因果関係の解析
①で得られた因子について、因果分析手法の一つであるベイジアンネットワーク解析によって因果関係をモデル化する
③ タイプ分類
②で得られたネットワーク解析結果を活用した階層クラスタリングによって、病気の罹患リスクの高い特徴的なグループに分類する

その結果、インフルエンザ罹患リスクの高い特徴的なグループとして血糖値が高めのグループ、肺炎歴があるグループ、睡眠状況が悪いグループなどの存在が示唆されました。