Predictive 予測 |
疾患の発症リスクや、増悪・死亡リスクを推定できれば、より適切にヘルスケアを選択できます。高リスクの方には、侵襲度が高いがより有効なヘルスケアを選択することで、予後を改善できる可能性があります。低リスクの方には、侵襲度が低い、安価なヘルスケアを選択することで、QOLや費用対効果を改善できるでしょう。
通常、疾患やイベントの発生リスクは、回帰モデルで推定します。しかし、モデルを事前に完全に特定していないときに、その事実を無視して解析を行うと、推定にバイアスが発生することなど (Chatfield C. Model uncertainty, data mining and statistical inference. J R Stat Soc Ser A 1995;158(3):419-66.) 、適切な解析を行うためには細心の注意が必要になります。また、近年、統計的機械学習やディープラーニング等の新しい手法が開発され、データの種類によっては、推定精度が劇的に向上する可能性も出てきました。適切な解析手法を選択できることがより重要になりますから、通常の解析以上に、予測モデル構築にはプロのサポートが必要です。 当社は、予測モデルの開発と検証を行い、統計的に最適な解析手法を選択して、皆様の研究をサポートします。 |
Preventive 予防 |
疾患の発症や増悪、死亡のリスクを予測できても、それを予防する方法がなければ意味がありません。特に高リスクの方には、できるだけ早く予防法を開発し、効果を検証する必要があります。
予測モデルの構築が成功すれば、予防を必要とする高リスクの方を事前に特定できますので、予防法をより効率的に開発できます。当社は予測モデルを構築することによって、予防法の開発をサポートします。 また、新しい医薬品や医療機器を用いた予防法に対しては、治験での検証が必要になりますし、従来の生活習慣を改善する予防法に対しては、学術的な臨床研究が必要になります。当社では、このような予防研究の計画に関する統計学的見地からのコンサルティング、および統計解析サービスも提供しております。 |
Personalized 個別化 |
個別化医療では、個人の臨床データやオミックス情報を分析して、個人に最も適切なヘルスケアを選択します。
適切に開発され、検証された予測モデルを用いれば、全体だけではなく、個人のリスクもそれぞれ定量化できます。そして、蓄積した個人のデータを活用して予測モデルを更新し、モデルの予測性能をさらに高めることもできます。 個別化医療への応用に耐える予測モデルを構築するためには、その較正が重要になります。当社は予測モデルの検証と較正を実施し、信頼性の高い予測モデルを構築します。 また、個別化医療では個人の診断も重要になります。臨床データやオミックス情報を用いた診断検査には高い精度が必要です。また、標準的な診断法が高侵襲または高価のときは、低侵襲または安価な検査法を開発することも重要です。 当社は診断統計学の統計解析サービスを提供しており、様々な診断法の性能を正しく評価し、その性能を向上させてきました。豊富なノウハウを皆様と共有して、診断検査の開発においても、統計解析サービスを提供できることを心より願っております。 |
Participatory 参加 |
P4 medicine を普及させ、最適なヘルスケアを選択できる時代を作るためには、予測モデルの構築について、出来る限り多くの方に周知して頂くとともに、実際に構築して頂く機会を作ることが重要だと考えます。そのためには、予測モデル構築のノウハウを公開して、また講習会を積極的に開催して、多くの方に予測モデル構築を経験して頂くことが重要だと考えます。
当社では、インターネット等を通して、予測モデルの構築に関する積極的な情報公開に心がけるとともに、可能な範囲で、講習会や勉強会を開催して参ります。 |