複数機関が保有する偏りのあるデータを高精度に統合解析するAI技術を提案

データコラボレーション解析技術は、複数の企業・機関が保有する元データを共有することなく、分散したデータを統合的に解析できる技術です。今回、そのDCAをさらに高度化し、各機関のデータに大きな偏りがある場合でも高精度な統合解析を可能にする新たな技術を提案しました。

複数の企業・機関に分散しているデータを連携して分析する際には、プライバシーや機密情報の保護、データ仕様の違いなどから、元データを一か所に集めることが難しい場合があります。本研究グループはこれまでに、各機関が元データをそれぞれ変換して生成した「中間表現データ」を共有することで、元データを直接共有することなく統合解析を行う、データコラボレーション解析（Data Collaboration Analysis：DCA）を開発しています。しかしながら、各機関のデータに大きな偏りがある場合には、中間表現データを生成する際に、統合解析に必要な特徴が部分的に失われてしまうという課題がありました。

そこで今回、データの種類ごとの代表的な特徴を表す「代表情報」を活用する新しい手法「PG-DCA」を提案しました。PG-DCAでは、各機関のデータから得られた代表情報を共有し、それを手がかりに、中間表現データを生成する前にデータの変換方法を調整します。これにより、元データを共有することなく、統合解析に重要な特徴が変換の過程で失われることを抑えます。

複数種類の画像データを用いた実験の結果、PG-DCAは従来のDCAと比べて、各機関のデータの偏りが大きい場合にも、高い精度で統合解析ができることが示されました。本技術は、医療機関間のデータ解析や企業間の連携など、分散したデータの活用への応用が期待されます。

PDF資料

プレスリリース