医療AIや機械学習を学び始めると、統計解析、予測モデル、分類、クラスタリング、生成AIなど、似たような言葉が一度に出てきます。第1部「医療AI・機械学習の基礎地図」では、リハビリテーション研究で機械学習を使う前に押さえておきたい考え方を、5 つの記事で整理します。
まず、従来の統計解析と機械学習の違いを確認し、次に生成AIとの位置づけの違いを整理します。さらに、予測・分類・クラスタリング・生成という代表的な問題設定、医療AI研究を進めるための全体フロー、そして予測モデルの基本を解説します。
具体例として、FIM 予後予測、退院時歩行自立、自宅退院予測など、リハビリテーション領域で実際に研究テーマになりやすい課題を取り上げます。
ここで基本的な見取り図を持っておくと、第2部以降のデータ前処理、アルゴリズム、モデル評価、データリーケージなどの内容を、自分の研究テーマに結びつけて読み進めやすくなります。医療者が医療AI・機械学習を学び始めるための、最初の入口となるパートです。
重回帰分析と機械学習の違い、とくに非線形データへの対応。FIM予後予測や歩行自立予測への応用を、リハビリ領域の例で整理します。
推定・予測・生成。3つの目的の違いを整理し、研究テーマに応じた手法選択の基準を示します。
アウトカムの型でアプローチは決まる。リハ研究で頻出の問題設定を、典型例とセットで分類します。
PICO設計、データ収集、前処理、モデリング、評価、解釈、論文化。各工程で意識すべき分岐点を俯瞰。
説明変数と目的変数、回帰と分類、評価指標の前提。FIM予後予測や退院時歩行自立予測を例に基本を整理します。