[論文レビュー] Do recommender systems function in the health domain: a system review

Su Jia, Yi Guan+4 more|arXiv (Cornell University)|Jul 26, 2020

Recommender Systems and Techniques被引用数 6

ひとこと要約

本系統的レビューでは、医療分野におけるレコメンデーションシステムの機能性を調査し、伝統的な手法（例：協力フィルタリング）が健康上の制約に対処できることに課題がある一方で、知識ベースの手法がより大きな可能性を示していると判明した。本研究では、精度を超えた評価の課題を強調し、医療レコメンデーションシステムにおける主な問題点と今後の方向性を明らかにした。

ABSTRACT

Recommender systems have fulfilled an important role in everyday life. Recommendations such as news by Google, videos by Netflix, goods by e-commerce providers, etc. have heavily changed everyones lifestyle. Health domains contain similar decision-making problems such as what to eat, how to exercise, and what is the proper medicine for a patient. Recently, studies focused on recommender systems to solve health problems have attracted attention. In this paper, we review aspects of health recommender systems including interests, methods, evaluation, future challenges and trend issues. We find that 1) health recommender systems have their own health concern limitations that cause them to focus on less-risky recommendations such as diet recommendation; 2) traditional recommender methods such as content-based and collaborative filtering methods can hardly handle health constraints, but knowledge-based methods function more than ever; 3) evaluating a health recommendation is more complicated than evaluating a commercial one because multiple dimensions in addition to accuracy should be considered. Recommender systems can function well in the health domain after the solution of several key problems. Our work is a systematic review of health recommender system studies, we show current conditions and future directions. It is believed that this review will help domain researchers and promote health recommender systems to the next step.

研究の動機と目的

• 医療分野におけるレコメンデーションシステムの現状を検討すること。
• 伝統的なレコメンデーションシステムを健康分野に適用する際の方法論的限界を特定すること。
• 標準的な精度指標を超えた、医療レコメンデーションに特有の評価の課題を分析すること。
• 知識ベースの手法が健康分野特有の制約に対処する役割を果たす理由を検討すること。
• 医療レコメンデーションシステムの発展に向けた今後の研究方向性と主な課題を整理すること。

提案手法

• 医療レコメンデーションシステムに関する38件の研究を対象とした系統的文献レビューを実施した。
• 研究を応用分野、推薦手法、評価アプローチごとに分類した。
• コンテンツベース、協力フィルタリング、知識ベースの技術に注目し、方法論的トレンドを分析した。
• 医療的安全性や臨床ガイドラインなどの健康上の制約を処理するための各手法の適切さを評価した。
• 安全性、臨床的妥当性、ユーザーの信頼性といった次元を含む、多次元的評価基準を特定した。
• 研究の結果を統合し、医療分野における今後のシステム設計と評価のフレームワークを構築した。

実験結果

リサーチクエスチョン

• RQ1 伝統的なレコメンデーションシステムは、医療分野においてどの程度効果的に機能しているか？
• RQ2 現在の医療レコメンデーションシステムにおける主な方法論的限界は何か？
• RQ3 医療レコメンデーションシステムの評価手法は、商業分野のそれとどのように異なるか？
• RQ4 なぜ知識ベースの手法が健康分野特有の制約に対処するのに優れているのか？
• RQ5 医療レコメンデーションシステムにおける主な課題と今後の研究方向性は何か？

主な発見

• 医療的安全性の懸念から、医療レコメンデーションシステムは主に食事プランなど低リスクの推薦に限定されている。
• 協力フィルタリングやコンテンツベースフィルタリングといった伝統的手段は、医学的制約や臨床ガイドラインを組み込むのに困難を伴う。
• 知識ベースのレコメンデーションシステムは、医学的ルールと患者プロファイルを明示的にモデル化することで、健康分野特有の制約をより効果的に処理できる。
• 医療レコメンデーションシステムの評価には、精度以上の次元が必要であり、臨床的安全性、パーソナライゼーション、信頼性といった側面を含むべきである。
• 臨床ガイドラインと患者固有の健康データの統合は、システム設計において依然として大きな課題のままである。
• 今後のシステムは、倫理的配慮、安全性、解釈可能性の課題を解決することで、臨床現場での採用と信頼性を達成できるだろう。