共同研究・競争的資金等の研究課題 - 清水　昌平

分割表示  61 件中 21 - 40 件目   ／   全件表示 >>

  1. 研究助成，寄附金，2022年，因果推論に関する研究助成金

  2. 研究助成，寄附金，2022年，因果推論に関する研究助成金

  3. 因果推論および因果探索のデータ分析方法の指導，受託事業，2021年11月 ～ 2022年10月，株式会社SCREENアドバンストシステムソリューションズ

  4. 統計的因果探索技術のプロセス産業への適用，受託事業，2021年10月 ～ 2022年09月，日鉄テックスエンジ株式会社

  5. 製造プロセスの不良原因分析に関する技術指導，受託事業，2021年09月 ～ 2022年03月，東レ株式会社

  6. IoTデータ向け因果分析技術の開発，共同研究，国内共同研究，2021年07月 ～ 2022年03月，エヌ・ティ・ティ・コミュニケーションズ株式会社

  7. 化学プロセスの時系列データの因果解析，受託事業，2021年05月 ～ 2022年03月，株式会社神戸製鋼所

  8. データ関連人材育成プログラムの構築，受託事業，2021年04月 ～ 2022年03月，国立大学法人 大阪大学

  9. 統計的因果探索に関する研究指導，受託事業，2021年03月 ～ 2021年08月，株式会社デンソー

  10. 研究助成，寄附金，2021年，因果推論に関する研究助成金

  11. 因果推論および因果探索のデータ分析方法の指導，受託事業，2020年11月 ～ 2021年10月，株式会社SCREEN

  12. 時系列IoTデータ向け因果分析技術の開発，共同研究，国内共同研究，2020年08月 ～ 2021年03月，エヌ・ティ・ティ・コミュニケーションズ株式会社

  13. 人工知能（AI）の利用がもたらす生命倫理問題―全体像把握と今後の研究方向提示，その他，挑戦的研究(萌芽)，2020年07月 ～ 2023年03月，日本学術振興会

    前年度と同様、コロナ禍による内外の行動制限や所属機関での業務態様の変化等により、研究の進捗が遅れたままである。現地調査やインタビューは極めて限定的で、海外調査は不可能であった。班会議はオンラインで実施した。
    本年度も主として文献の調査・考察及びオンライン班会議、意見聴取・交換を行った。これらを通じて、医療関連AI技術に関する倫理問題の検討状況について、状況把握を試み、研究班内で情報共有し、検討すべき課題について検討し、以下の成果を得た。
    （１）AI自体がまだ発展途上であることから、AIの医療現場での利活用もまだ限定的である。もっとも利用されている分野は診断であるが、この分野でのAIの倫理的課題については、①責任（Liability）の所在：a）AIによる診断の正確さ、b）AIが診断する根拠となるデータの正確さ、c）AIが自己学習するに際してのデータの適切さ、d）個人情報保護の過誤、e）本来の目的以外にデータを用いてAIが行う判断から生じる不利益と損害、および②個人情報保護（Privacy）：a）AIが診断用いる患者等のデータは機微な個人情報、b）AIが用いるデータの匿名性の確保、c）予期しない形でのAIによる個人情報の活用と診断における個人情報保護、があげられる。この2つの問題は同時にAIの利用における透明性（Transparency）と判断の予期可能性（Expectancy）の問題につながる。
    （２）他方で、AIは、診断にとどまらず、医療機器としての利用およびやケアの場でのパラメディカルな利用があり、特に前者には、患者の治療を機械であるAIに委ねることの倫理的な意義、即ち人間である患者と治療者であるAIとの尊厳（Dignity）の問題を含む微妙な関係が浮かび上がった。
    以上の成果はいまだ試論のレベルにあり、論文化は難しく、次年度に学会発表等により問題提起を行う予定である。

  14. Patient Journeyの構造理解システムの開発・検証，受託事業，2020年07月 ～ 2022年02月，サスメド株式会社

  15. 化学プロセスの時系列データの因果解析，受託事業，2020年06月 ～ 2021年03月，（株）神戸製鋼所

  16. 製造業への統計的因果推論の適用，共同研究，国内共同研究，2020年05月 ～ 2021年03月，日東電工株式会社

  17. 未観測共通原因が存在する場合の巡回因果モデル推定法の研究と応用，基盤研究(C)，2020年04月 ～ 2025年03月

  18. 未観測共通原因が存在する場合の巡回因果モデル推定法の研究と応用，基盤研究(C)，2020年04月 ～ 2025年03月，日本学術振興会

    1. 複数データセットを用いた潜在因子間の因果探索法を提案した。観測データから潜在因子間の因果構造を推定することは、重要であるが挑戦的な問題である。既存の手法は単一ドメインのデータに焦点を合わせている。本手法では、マルチドメイン非ガウス非循環モデル（MD-LiNA）を提案した。このモデルでは、ドメイン間で因果構造は異なるかもしれないが、潜在因子間の因果構造はなんらか共有されているとし、どの因子が共通でどの因子が特定のドメインに特有かを調べることができる。
    2. 潜在共通原因や潜在中間変数のある場合の非線形因果探索法を提案した。未観測変数の影響があるデータからの因果探索は、重要であるが解決困難な問題である。観測されない変数が観測された変数間の関係に与える影響は、線形な場合よりも非線形な場合の方がより複雑である。本手法では、観測されない変数が存在する場合の因果加法モデルに注目して、未観測変数の影響を受ける変数ペアとそうでないペアを見つけ、そうでないペアの因果方向などを推定する。
    3. 因果モデルと機械学習モデルを組み合わせた個体レベル最適介入推定法を提案した。個人レベルの最適因果介入、すなわち、ある個人のある変数の値をどの値に設定すれば、別の変数の望ましい値が得られるかを推定する、新しい統計的因果推論手法を導入した。これは、望ましい値と、その個人に対する設定の下で得られたであろう値との誤差を最小にする最適化問題として定義される。この最適化問題を解くために、まず目的変数の値を予測する機械学習モデルを学習し、変数の因果構造を推定する。そして、機械学習モデルと因果構造を組み合わせて一つの因果モデルとし、予測された目的変数の反実仮想値を推定する。

  19. データ関連人材育成プログラムの構築，受託事業，2020年04月 ～ 2021年03月，大阪大学

  20. 因果推論および因果探索のデータ分析方法の指導，受託事業，2019年07月 ～ 2020年06月，株式会社SCREENアドバンスシステムソリューションズソリューションズ

< 前のページ   -   次のページ >

このページの先頭へ▲