AIBR プレミアム
田中専務
拓海先生、この論文というのは「グラフ畳み込みネットワーク」を患者データに適用して病気を予測するという話だと聞きましたが、要するにどこが新しいのですか。私のような現場寄りの役員に分かる言葉で教えてください。
AIメンター拓海
素晴らしい着眼点ですね！大丈夫、簡単に整理しますよ。端的に言うと、この研究は「個々の患者データ（点）だけでなく、患者同士の関係（線）をモデルに取り込むことで、診断・予測の精度を上げる」点が最大の貢献です。実務でいうと、患者を単独商品として扱うのではなく、関連性を加味して評価する新しい分析の枠組みが導入されたんです。
田中専務
つまり、うちの顧客で言えば、個々の購買履歴だけでなく、顧客同士の関係や属性で分析すれば販売予測が改善する、そういう感覚でいいですか。これって要するに、個人を見るだけでなく関係を見るということ？
AIメンター拓海
その通りですよ！素晴らしい着眼点ですね。ここでの肝は三つあります。第一に、ノード（点）に患者の画像や特徴量を載せること、第二にエッジ（線）で患者間の類似度や共通属性を重み付けすること、第三にグラフ畳み込みネットワーク（Graph Convolutional Networks, GCN、グラフ畳み込みネットワーク）を使って全体を一度に学習することです。順を追って説明しますね。
田中専務
データのつなぎ方が勝負どころということですね。現場でやるにはデータをどこまで準備すればいいのかが問題で、画像や臨床情報の欠損が多い場合はどうなるのですか。投資対効果の観点で教えてください。
AIメンター拓海
