In medical institutions, wandering elderly patients have become a problem, and the introduction of wandering sensing systems is underway. However, wandering sensing systems are known to affect wireless medical telemetry systems. In this research, we aimed to clarify the following two points. The first point is to visualize the signal of the wandering sensing equipment and the medical telemeter which influence by using the real time USB spectrum analyzer and to clarify the cause of the electromagnetic interference. The second point is to focus on the medical telemeter channel and to investigate how the wandering sensing system affects to which channel of the medical telemeter. With DPX real time display, we could observe three signals of wandering sensing system, main signal, out of band emission, instantaneous signal. Furthermore, the center frequency in the main signal of the wandering sensing system corresponds to 3000 series of wireless medical telemetry system. Those experiments suggested the possibility of electromagnetic interference when using the wandering sensing system and the wireless medical telemetry system (the channel numbers of 3000 series) simultaneously at relatively short distances (10 cm, 1 m, and 3 m). In addition to being the frequency band allocated for wireless medical telemetry systems, these channels are used in the wandering sensing system. Hence, it is necessary to consider possible electromagnetic interference problems.

　急速な医療のIT化と共に，様々な医療情報や医薬品情報が電子化されつつある．しかし，医薬品の適正使用に欠かせない添付文書については表記が統一されているか等の質に関して，これまで体系的な調査は実施されていない．そこでわれわれは，小児領域に着目し，添付文書に小児に関する情報がどのような形で記載されているかを調査した．その結果，小児に対する用法・用量の情報が記載されている割合は添付文書全件の13.5％，小児頻用医薬品についても49.2％にとどまっていることが分かった．特に，詳細な小児区分である低出生体重児や新生児に関しての記述が少ないことが判明した．さらに，添付文書の記述方法についても，年齢区分や安全性，記載場所に曖昧性が存在し，小児医療の現場での医薬品適正使用の障壁となっている可能性が高い．本研究により，今後は添付文書の表現のゆれや曖昧性をなくす等の添付文書自体の質の向上も必要であると考えられる．

　SVMやdeep neural networkなどの新しい機械学習手法により予測精度は向上したが，これらの手法は非線形な機械学習モデルを利用するため，予測の根拠に関する説明性に欠ける．予測の根拠の説明性が向上することにより，予測結果の信頼性も向上する．そこで，非線形な機械学習モデルにおいても，予測に利用された特徴量の提示を可能にする要因分析技術を提案した．要因分析技術では，逆解析技術により算出した機械学習モデルの事後確率分布に対し，因子解析技術により非線形な相関関係の評価を行うことにより，アウトカムとの相関が強い特徴量を抽出する．前立腺腫瘍患者と健常者の遺伝子発現データを用いた実験を行い，前立腺腫瘍や細胞死などとの関連性が指摘されている遺伝子を抽出した．今後，因子解析技術が抽出する特徴量の特性の検証や，本実験により抽出された遺伝子を用いた臨床研究が期待される．