データの交わりに隠れた未知の知識を発見する
無限の仮説を考慮して生体現象を解釈するAIモデルと高信頼メディカルヘルスケアへの展望
NTTコミュニケーション科学基礎研究所 メディア情報研究部 生体情報処理研究グループ 主任研究員
中野允裕
中野允裕
身長・体重・心拍・心電から血中酸素濃度・ホルモン値、遺伝子情報に至るまで、近年、様々な生体情報のデータ解析によってメディカルヘルスケアの推進につながる数多くの知見が得られるようになってきました。一方で、人々の生命や健康と密接に関わる分野でのAI・機械学習の利用においては、特にその解析・予測・判断におけるリスク・不確かさの評価が重要な課題として注目されるようになってきています。本講演では、その課題に対する有力なアプローチとして、モデルが生体現象を説明する際に無限に存在しうる仮説を考慮することで、データ解析のリスク・不確かさを明示的に数値化できる仕組みを持つノンパラメトリックベイズ統計を用いた機械学習の最新の取り組みについてご紹介します。
関連文献
[1] M. Nakano, A. Kimura, T. Yamada, N. Ueda, “Baxter Permutation Process,” in Proc. Advances on Neural Information Processing Systems (NeurIPS), 2020.
[2] M. Nakano, R. Nishikimi, Y. Fujiwara, A. Kimura, T. Yamada, N. Ueda, “Nonparametric Relational Models with Superrectangulation,” in Proc. International Conference on Artificial Intelligence and Statistics (AISTATS), 2022.
[3] M. Nakano, H. Sakuma, R. Nishikimi, R. Shibue, T. Sato, T. Iwata, K. Kashino, “Warped Diffusion for Latent Differentiation Inference,” in Proc. International Conference on Artificial Intelligence and Statistics (AISTATS), 2024.
中野允裕
2011年東京大学大学院情報理工学系研究科修士課程修了。同年NTT入社。同 コミュニケーション科学基礎研究所勤務。2020年より同 物性科学基礎研究所 バイオメディカル情報科学研究センタ兼務。確率過程（無限次元のパラメータ空間を持つ確率モデル）や極値組合せ論的普遍対象を用いた統計的機械学習とその生体情報処理への応用に従事。