人工知能、とくに深層学習は、古典的な統計的手法ではとらえられない複雑なパターンを判別できることから、多くの分野で利用され、ゲノミクスでも活用が期待されています。しかし、それら超高次元で非画像のデータを深層学習でどのように扱い、得られた深層学習モデルを生物医学的にどのように解釈するかは、全く解決できていない問題でした。東京大学大学院理学系研究科の角田達彦教授（理化学研究所生命医科学研究センターチームリーダー）らは、ゲノムやオミクスなどの非画像データを画像形式に変換して深層学習で扱い、さらにどのような遺伝子などの特徴を重視すべきかを深層学習で発見するDeepFeature法を開発しました。その方法は、データを画像形式に圧縮・再配置し、特徴選択・抽出、そして分類というステップを踏むが、深層学習の中間層の活性度から何を重視しているかを調べる部分が鍵となります。DeepFeature法を、がん種を予測する実験に適用したところ、優れた予測性能とともに、がん種を判別する新規のシグナル経路を発見する能力を持つことが示された。ゲノムなどのデータを画像化し学習させたとき、深層学習が中で何を重視しているかを生物医学的に解釈可能にし、重要な遺伝子などの特徴を抽出する方法は世界初です。
本研究を糸口に、診断マーカーの優先順位付け、複雑なマルチオミクスデータの解釈や因果的発見などとともに、深層学習がいわゆる「ブラックボックス」モデルを脱却し、結論に至った経緯を発見することを推進できる可能性があります。
詳細は東京大学 大学院理学系研究科・理学部のホームページをご覧ください。
報道担当
理化学研究所 広報室 報道担当
お問い合わせフォーム