特許ウォッチ

公開番号2025091722
公報種別公開特許公報(A)
公開日2025-06-19
出願番号2023207144
出願日2023-12-07
発明の名称陽性/陰性の予測を行う評価法による評価の正誤を予測し、該評価法の適用範囲を示す情報処理システム、制御プログラム、及び情報処理方法
出願人サンスター株式会社
代理人弁理士法人柳野国際特許事務所
主分類G16C 20/70 20190101AFI20250612BHJP(特定の用途分野に特に適合した情報通信技術)
要約【課題】陽性/陰性の予測を行う評価法による評価の正誤を予測し、該評価法の適用範囲を示す情報処理システム、制御プログラム、及び情報処理方法を提供することを目的とする。
【解決手段】評価法による評価の正/誤の情報を目的変数として記憶し、実験に基づく情報、化学構造についての情報、および被験物質に類似した物質についての情報のうち少なくとも1つの情報を、説明変数として記憶し、目的変数および説明変数の各情報を、学習用データと検証用データとに振り分けられて記憶して、機械学習手法により学習用データの目的変数および説明変数を用いて、評価の正誤を予測する予測モデルを構築するとともに、検証用データの目的変数および説明変数を用いて予測モデルを評価し、予測モデルの必要な再構築を行い、予測モデルを用いて、評価法による評価の正/誤を出力することを特徴とする。
【選択図】図1
特許請求の範囲【請求項１】
陽性／陰性の予測を行う評価法による評価の正誤を予測し、該評価法の適用範囲を示す情報処理システムであって、
前記評価法による評価の正／誤の情報を、目的変数として記憶する目的変数記憶部と、
前記評価方法で用いられる実験に基づく情報、化学構造についての情報、および被験物質に類似した物質についての情報のうち少なくとも１つの情報を、説明変数として記憶する説明変数記憶部と、
前記目的変数および前記説明変数の各情報を、学習用データと検証用データとに振り分けられて記憶する振り分け処理部と、
機械学習手法により、前記学習用データの前記目的変数および前記説明変数を用いて、前記評価の正誤を予測する予測モデルを構築するとともに、前記検証用データの前記目的変数および前記説明変数を用いて前記予測モデルを評価し、予測モデルの必要な再構築を行う、予測モデル構築処理部と、
前記予測モデルを用いて、前記評価法による評価の正／誤を出力する出力処理部とを備える情報処理システム。
続きを表示（約 2,200 文字）【請求項２】
前記目的変数である正／誤の情報、または陽性を陽性であると正しく評価した真陽性、陰性を陰性であると正しく評価した真陰性、陽性を陰性であると誤った評価をした偽陰性、陰性を陽性であると誤った評価をした偽陽性の情報のサンプル量に、所定範囲を越える不均衡があるとき、少数派のサンプルについてオーバーサンプリング手法を用いて、近傍データを検出し、内装的にデータを生成し、これを少数派のサンプルとして追加する目的変数生成処理部を備える、
請求項１記載の情報処理システム。
【請求項３】
前記目的変数である前記評価の正誤が、前記真陽性、前記真陰性、前記偽陽性、前記偽陰性の情報であり、
前記出力処理部が、前記予測モデルを用いて、前記評価法による評価の真陽性、真陰性、偽陽性、および偽陰性のいずれであるかを出力する、
請求書２記載の情報処理システム。
【請求項４】
陽性／陰性の予測を行う評価法による評価の誤りのリスクを予測し、該評価法の適用範囲を示す情報処理システムであって、
前記評価法による評価の誤りとなるリスクの情報を目的変数として記憶する目的変数記憶部と、
前記評価法で用いられる実験に基づく情報、化学構造についての情報、および被験物質に類似した物質についての情報のうち少なくとも１つの情報を、説明変数として記憶する説明変数記憶部と、
前記目的変数と前記説明変数の各情報を、学習用データと検証用データとに振り分けられて記憶する第１振り分け処理部と、
機械学習手法により、前記学習用データの前記目的変数と前記説明変数を用いて、前記評価の誤りのリスクを予測する予測モデルを構築するとともに、前記検証用データの前記目的変数および前記説明変数を用いて前記予測モデルを評価し、予測モデルの必要な再構築を行う、予測モデル構築処理部と、
前記予測モデルを用いて、前記評価法による評価が誤りとなるリスクの値を出力する出力処理部とを備える情報処理システム。
【請求項５】
前記評価法による評価の正誤を、陽性を陽性であると正しく評価した真陽性、陰性を陰性であると正しく評価した真陰性、陽性を陰性であると誤った評価をした偽陰性、陰性を陽性であると誤った評価をした偽陽性のいずれかに振り分ける第２振り分け処理部をさらに備え、
前記目的変数としてのリスク情報が、その誤りが正しく分類可能な範囲の閾値付近に存在する境界型の誤りの分類で想定される前記真陽性、前記真陰性、前記偽陽性および前記偽陰性の分布情報、並びに、過度な性質によって全体の傾向から外れている外れ値型の誤りの分類で想定される前記真陽性、前記真陰性、前記偽陽性および前記偽陰性の分布情報を含み、
前記予測モデル構築処理部が、機械学習手法により、前記学習用データの前記目的変数および前記説明変数を用いて、前記境界型の誤りとなるリスク、及び前記外れ値型の誤りとなるリスクを予測する予測モデルを構築し、
前記出力処理部が、前記予測モデルを用いて、前記評価法による評価が前記境界型の誤りとなるリスクの値、及び前記外れ値型の誤りとなるリスクの値を出力する、
請求項４記載の情報処理システム。
【請求項６】
前記予測モデルが、前記境界型の前記分布（Ｙ
Ｂ
）、前記外れ値型の前記分布（Ｙ
Ｏ
）を予測し、
前記出力処理部が、下記式（１）により、前記境界型の誤りとなるリスクの値（Ｒ
Ｂ
）、及び前記外れ値型の誤りとなりリスク（Ｒ
Ｏ
）の値を出力する、
請求項５記載の情報処理システム。
TIFF
2025091722000016.tif
24
149
【請求項７】
前記出力処理部が、前記境界型の誤りとなるリスクの値（Ｒ
Ｂ
）、及び前記外れ値型の誤りとなるリスクの値（Ｒ
Ｏ
）を下記式（２）により統合し、前記評価法による評価の誤りとなるリスクの値（Ｒ
Ｍ
）を算出する、
請求項６記載の情報処理システム。
TIFF
2025091722000017.tif
16
149
【請求項８】
前記出力処理部が、
前記評価法による評価の誤りとなるリスクの値が、所定の閾値を超えるか否かに基づき、前記評価法による評価の予測される正／誤を出力する、
請求項４記載の情報処理システム。
【請求項９】
請求項１記載の情報処理システムとしてコンピュータを機能させるための制御プログラムであって、
上記振り分け処理部、上記予測モデル構築処理部、及び上記出力処理部としてコンピュータを機能させるための制御プログラム。
【請求項１０】
請求項４記載の情報処理システムとしてコンピュータを機能させるための制御プログラムであって、
上記第１振り分け処理部、上記予測モデル構築処理部、及び上記出力処理部としてコンピュータを機能させるための制御プログラム。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本発明は、陽性／陰性の予測を行う評価法による評価の正誤を予測し、該評価法の適用範囲を示す情報処理システム、制御プログラム、及び情報処理方法に関するものである。
続きを表示（約 2,100 文字）【背景技術】
【０００２】
２０１３年のＥＵの化粧品成分の安全性試験における動物実験の代替に関する指令の全面施行を契機に、化粧品開発に係る動物実験は代替試験法に置き換えられることが必要とされている。その代替試験法の１つとして、機械学習技術を利用した毒性予測手法が注目されており、近年急速に開発が進められている。
【０００３】
（定量的）構造活性相関（（Ｑ）ＳＡＲ）は、化学物質の毒性と化学構造から得られる特徴量の関係性を数理科学的に表現し、毒性が未知の物質に対して毒性の予測を行う手法であり、機械学習技術を利用したアルゴリズムを取り入れることで、その予測性の向上が期待されている。
【０００４】
その一方で、（Ｑ）ＳＡＲモデルの複雑化に伴い、モデルを適切に評価することの難易度が高まっている。このような、新規性の高いアルゴリズムを使用した（Ｑ）ＳＡＲモデルの受け入れに対して、毒性予測モデルの信頼性・透明性を評価するための「規制目的のための（Ｑ）ＳＡＲモデル検証のＯＥＣＤ原則」（非特許文献１）が合意されている。
【０００５】
「規制目的のための（Ｑ）ＳＡＲモデル検証のＯＥＣＤ原則」として、
１：エンドポイントの定義 (a defined endpoint)
２：曖昧さのないアルゴリズム (An unambiguous algorithm)
３：適用範囲の定義 (a defined domain applicability)
４：適合度、頑健性及び予測性の適切な評価 (Appropriate measures of goodness-of-fit, robustness and predictivity)
５：可能ならば、メカニズムに関する解釈 (a mechanistic interpretation, if possible)
が挙げられている。
【０００６】
この内「適用範囲の定義」としては、「ＬｏｇＰ＜３．５」や「分子量＜５００」といった閾値が設定される場合があるものの、（Ｑ）ＳＡＲモデルによる予測はトレーニングデータの毒性値、化学構造、作用機序の範囲に強く依存することもあり、「適用範囲の定義」については未だ定められた方法がなく、予測結果が適用範囲内で算出されたと判断できる根拠を示すことができていない。
【先行技術文献】
【非特許文献】
【０００７】
OECD (2014), Guidance Document on the Validation of (Quantitative) Structure-Activity Relationship [(Q)SAR] Models, OECD Series on Testing and Assessment, No. 69, OECD Publishing, Paris
【発明の概要】
【発明が解決しようとする課題】
【０００８】
本発明は、係る問題に鑑み、陽性／陰性の予測を行う評価法による評価の正誤を予測し、該評価法の適用範囲を示す情報処理システム、制御プログラム、及び情報処理方法を提供することを目的とする。
【課題を解決するための手段】
【０００９】
本発明は、以下の発明を包含する。
（１）陽性／陰性の予測を行う評価法による評価の正誤を予測し、該評価法の適用範囲を示す情報処理システムであって、前記評価法による評価の正／誤の情報を、目的変数として記憶する目的変数記憶部と、前記評価方法で用いられる実験に基づく情報、化学構造についての情報、および被験物質に類似した物質についての情報のうち少なくとも１つの情報を、説明変数として記憶する説明変数記憶部と、前記目的変数および前記説明変数の各情報を、学習用データと検証用データとに振り分けられて記憶する振り分け処理部と、機械学習手法により、前記学習用データの前記目的変数および前記説明変数を用いて、前記評価の正誤を予測する予測モデルを構築するとともに、前記検証用データの前記目的変数および前記説明変数を用いて前記予測モデルを評価し、予測モデルの必要な再構築を行う、予測モデル構築処理部と、前記予測モデルを用いて、前記評価法による評価の正／誤を出力する出力処理部とを備える情報処理システム。
【００１０】
（２）前記目的変数である正／誤の情報、または陽性を陽性であると正しく評価した真陽性、陰性を陰性であると正しく評価した真陰性、陽性を陰性であると誤った評価をした偽陰性、陰性を陽性であると誤った評価をした偽陽性の情報のサンプル量に、所定範囲を越える不均衡があるとき、少数派のサンプルについてオーバーサンプリング手法を用いて、近傍データを検出し、内装的にデータを生成し、これを少数派のサンプルとして目的変数に追加する目的変数生成処理部を備える、（１）記載の情報処理システム。
（【００１１】以降は省略されています）

関連特許