Eiichiro Uchino 研究室
主宰者:Eiichiro Uchino
京都大学
AI 要約(直近 5 年の研究成果)
Eiichiro Uchino研究室では、電子カルテなどの医療データと機械学習を組み合わせて、患者の病状の変化や疾患の発症を予測・分析する研究を行っています。具体的には、複数の検査値や生活習慣データから患者の内部状態を時系列で追跡し、疾患発症の直前にどのような変化が起きているかを明らかにすることを目指しています。脳卒中後の予後判定、急性腎障害の発症予測、がん患者の死亡時期の推定など、様々な急性疾患と慢性疾患を対象としており、医療現場での意思決定支援への応用を目指しています。
同時に、これらの予測モデルがなぜそのような判断を下したのかを解釈可能にする工夫にも力を入れています。複数の検査パラメータが複雑に関連して疾患が発症する場合、患者ごとに異なる原因メカニズムが存在することに着目し、個人差を考慮した分析方法を開発しています。さらに、異なる医療機関のデータセット間での予測精度低下に対処するため、ドメイン適応技術を用いた汎用的なモデル構築にも取り組んでいます。
加えて、基礎医学的な観点から、腎臓における女性ホルモンの作用メカニズムや、腎線維化時の細胞の分化・変換過程など、疾患の生物学的背景を明らかにする研究も並行して進めています。これらの基礎研究の知見と臨床データ解析を統合することで、より深く患者の病態を理解し、個別化医療の実現に貢献することを目標としています。
※ AI(Claude)が、公開されている論文要旨から研究の問い・手法・主要な発見を事実情報として抽出・再構成して自動生成しています。誤りを含む可能性があるため、正確性は研究室公式情報でご確認ください。
外部リンク
関連研究室(8 件)
- 環境科学Sameh A. Kantoush 研究室京都大学論文 104 件·共通: データサイエンス, データ解析, AI・機械学習, 機械学習 +10
- 環境科学Yoshitaka Nishikawa 研究室Kyoto University Hospital論文 104 件·共通: AI・機械学習, 機械学習, 機械, 学習 +10
- 材料科学Teruyasu Mizoguchi 研究室東京大学論文 123 件·共通: AI・機械学習, 機械学習, 機械, 学習 +9
- 心理学Zilu Liang 研究室東京大学論文 148 件·共通: AI・機械学習, 機械学習, 機械, 学習 +9
- 計算機科学Kiyoharu Aizawa 研究室東京大学論文 133 件·共通: AI・機械学習, 機械学習, 機械, 学習 +8
- 計算機科学Takahiro Ogawa 研究室北海道大学論文 103 件·共通: AI・機械学習, 機械学習, 機械, 学習 +8
- 保健専門職Takahiro Kiuchi 研究室University of Tokyo Hospital論文 120 件·共通: データサイエンス, データ解析, 学習, 認知・行動 +5
- 保健専門職Qi An 研究室東京大学論文 159 件·共通: AI・機械学習, 機械学習, 機械, 学習 +8
研究成果(18 件)
- DOI: https://doi.org/10.1371/journal.pone.0341003
- DOI: https://doi.org/10.1136/bmjhci-2025-101802
- DOI: https://doi.org/10.1038/s41746-025-02160-6
- [2025] Predicting mortality dynamics in cancer patients: A machine learning approach to pre-death eventsDOI: https://doi.org/10.1371/journal.pone.0331650
- DOI: https://doi.org/10.1038/s41598-025-15131-4
- [2025] Out-of-distribution reject option method for dataset shift problem in early disease onset predictionDOI: https://doi.org/10.1038/s41598-025-01811-8
- DOI: https://doi.org/10.1007/s10147-024-02474-7
- DOI: https://doi.org/10.1109/bibm62325.2024.10822105
- DOI: https://doi.org/10.1016/j.kint.2024.08.034
- DOI: https://doi.org/10.1371/journal.pone.0298673
続きを表示(残り 8 件)閉じる
- DOI: https://doi.org/10.1016/j.jbi.2023.104448
- DOI: https://doi.org/10.1681/asn.20233411s1411d
- DOI: https://doi.org/10.1186/s12882-022-03008-x
- DOI: https://doi.org/10.1371/journal.pone.0277260
- DOI: https://doi.org/10.1016/j.kint.2022.04.026
- DOI: https://doi.org/10.1016/j.ekir.2021.06.008
- [2021] Health improvement framework for actionable treatment planning using a surrogate Bayesian modelDOI: https://doi.org/10.1038/s41467-021-23319-1
- DOI: https://doi.org/10.1016/j.cmpb.2021.106129
科研費(0 件)
まだデータがありません(KAKEN 取り込み後に表示)。
所属学会・役職(0 件)
まだデータがありません(学会データ連携後に表示)。