【目的】近年の医薬品開発や臨床研究において，リアルワールドデータ(RWD)の利活用や人工知能(AI)応用が注目されている．我々は，医療データを生成モデルで学習し，仮想の患者データを合成する合成医療データの生成を検討している．一般的に，生成AIの学習には大量のデータが必要であるため，少量のデータ数しか得られない場合には学習が不十分となる傾向がある．本研究では，血液検査等の臨床検査値を含む少量の臨床データの合成データ生成に適した生成モデルの検証を目的とした．【方法】既報[1]の免疫抑制剤シクロスポリンのデータ(36名)を学習に80ポイント，評価に9ポイント使用した．比較する生成モデルとして，Tabular Variational Autoencoder(TVAE)，Conditional Tabular Generative Adversarial Networks(CTGAN)，ノンパラメトリック生成手法に属するdifferentially Private data Synthesis(PrivSyn)，拡散モデルの一種であるTabular Denoising Diffusion Probabilistic Models(TabDDPM)，大規模言語モデルを応用したGeneration of Realistic Tabular data(GReaT)を採用した．属性は，投与量(4種類)および性別を離散値として，投与後経過時間，年齢，体重，身長，ALT，AST，SCR，CLCR，および血中薬物濃度を連続値として生成した．各手法にて合成臨床データを100ポイントずつ生成し，類似度評価を行った．学習データと合成データの一致度合いを基とするデータプライバシー開示リスク評価や回帰AIによる有用性評価で生成モデルの適性を検討した．【結果・考察】分布類似度をWasserstein距離で比較すると，TVAEは離散値の距離が最悪の0.49(他手法は0.33以下，最良はCTGANの0.23)であった．CTGANは連続値の距離が最悪の0.49(他手法は0.35以下，最良はPrivSynの0.32)であった．有用性評価をRMSEで行った結果，PrivSynは最悪の123.07(他手法は90以下，最良はTabDDPMの48.48)であった．プライバシー評価の結果，TabDDPMは最悪の0.27(他手法は0.14以下)であった．TabDDPMは高性能であったが，秘匿性の高い医療データを扱う上では平均的な性能をもつGReaTの方が適することが示唆された．【結論】少量の学習データを用いた合成臨床データの生成に有効な生成モデルの検討を行った．5つの生成モデルを用いて比較検証を行った結果，拡散モデルや言語モデルを用いた手法の有用性が示唆された．[1] Y. Tsuji, et al., Biol Pharm Bull. 2015;38(9):1265-71
