1 本研究の学術的背景は、ヘルスケアAI、特に薬物発見と製薬研究において知識グラフ(KGs)が重要性を増していることです。また、研究課題の核心をなす学術的「問い」は、「KGsがヘルスケアに与える影響と説明可能なAIモデル開発における役割は何か？」です。

2 本研究の目的は、最近の文献で説明されているKGsのヘルスケアへの影響と説明可能なAIモデル開発の役割についてまとめることです。また、ヘルスケアにおける知識インフュージョン学習などの新しいアプローチを探索し、KGsのヘルスケアへの統合について詳しく説明することも目指しています。学術的な独自性と創造性は、KGsを解説し、それを活用したAIモデルの開発に焦点を当てるところにあります。

3 本研究の着想は、AIモデルの解釈性と説明性の必要性から来ています。病気、薬物、治療法などの多様な健康データを統合し、トレーサビリティを強化し、深い解釈を促進するため、KGsは解決策として期待されています。また、現在、KGsを使用したモデルベースの手法がさまざまなヘルスケアアプリケーションで使用されています。

4 本研究では、KGsを使用したモデルベースの手法について概説し、ヘルスケアにおける知識インフュージョン学習とその応用について探求します。さらに、KGsをヘルスケアに統合する方法について詳しく説明し、KGsの構築、関係性の抽出手法、そして説明可能なAIの推論方法についての初心者向けのワークフローを提供します。

5 本研究の有効性は、最新のHealthcare knowledge graphs (HKGs)の進展を整理し、開かれた研究問題について議論することで確認しています。さらに、既存の研究のギャップを指摘し、将来の研究への洞察を提供します。