本論文では、血液検査データにおける欠損値を補完する方法を提案する。近年、病院のカルテの電子化が進んでおり活用できる電子データの数は膨大である。しかし、通常の業務で使用されているだけであり、二次利用がされていない。データを解析することにより医師が判別することが難しい大量の検査結果を分析し結果を医師に提示することで見落としを防ぐことが期待されている。血液検査の検査項目は医師が必要に応じて選択するため、多くの検査項目の値が未観測（欠損値）となってしまう。欠損がランダムに発生することを前提として補完を行う多重代入法では線形モデルを用いて欠損値を推定するが、血液検査データにおける検査値の欠損はランダムに発生していない。そこで、本論文では、非線形モデルを用いて欠損値を推定することによって補完することを試みる。また、複数の機械学習手法を用いて血液検査データの分類を行い、その効果を確認する。
