2019年度学術交流支援資金

ノーベル・コンピューティング：ＡＩと脳科学

研究成果報告

• 研究科題名：ヒトの病気発生・経過・要因・伝染の時系列分析・地理的拡散・

可視化を実現する国際協働グローバル・データベースの実現

• 研究代表者氏名：

川島 英之 （環境情報学部／准教授）

• 共同研究者：

清木 康（環境情報学部／教授）

厳 網林（環境情報学部／教授）

武藤 佳恭（環境情報学部／教授）

青野真士（環境情報学部／准教授）

青山 敦（環境情報学部／准教授）

佐々木 史織（政策・メディア研究科・特任准教授）

浦木 麻子（政策・メディア研究科・特任准教授）

■本プロジェクトの背景および目的

【研究の背景】

個人の健康支援においては，生活習慣により起因する感染症や健康状態の微細な変化

，および，これらの将来的な悪化の進行性について，できるだけ早いタイミングにお

いて(健康と自覚している期間や病気になる前の段階において)，健康の重要性，状態

の自覚.維持・改善・良化，および防止のための行動支援を促すことが重要である.本

研究では，未病状態から病気発生・経過・要因・伝搬の時系列分析・地理的拡散・可

視化データベースとAI予測機能の構築を，現在までに構築している“５次元World

MapSystem”上において国際協働グローバル・データベースの構築を実現する．

本研究は，国連の持続可能な開発目標（SDGs）のうち，「SDG3：GoodHealthandWell

Being」に対応する提案として位置づけることができる．

【研究目的】

本研究の目的は，特に感染症のような時系列変化・地理的拡散を伴う病気の発生状況

とその拡大に寄与する環境情報について，時間軸，空間軸，意味軸の統合により大局

的に世界規模での共有・検索・分析・可視化を可能とする知識統合情報システムを構

築するところにある．具体的には，日本・インドネシア・タイ・アメリカ・ヨーロッ

パをモデルケースとして，１）外部環境パラメータ（物理的・化学的・生理的・社会

的ストレッサーの４種類），２）生活習慣パラメータ（位置情報・個人プロファイル

の２種類）の２カテゴリ６種類のパラメータのコンビネーションによる“5次元WORLD

MAPSYSTEM”における病気発生・経過・要因に関する可視化を行う．

本研究の独創性は，外部環境パラメータ・生活習慣パラメータの時間軸・空間軸・意

味軸上における関連性が引き起こす危険性のワーニングを，動的な意味的可視化フェ

ーズにおいて実現しているところにある．特に感染症のような時系列変化・地理的拡

散を伴う病気に関して，個人の行動，および個人の感染症に対するコンテキスト（個

人の罹患履歴等）に応じた危険性や危険度・危険地域を，動的に可視化することが可

能となる．

我々SFCの研究グループは，これまでに「マルチメディア・クロスカルチュラル・コ

ラボレーションシステム」の構築と，その国際共同研究利用による異文化交流のため

のマルチメディア・クロスカルチュラル知識ベースの構築を，欧・米・アジア各国の

研究グループとの共同研究により行ってきた．本研究では，このシステムの健康・医

療分野を対象とした新しい可視化・分析・データマイニング機能として，外部環境パ

ラメータ・生活習慣パラメータ取得機能を構築し，実働的システムの共同利用による

国際共同研究を継続的に発展させる．本研究では，これまで共同研究を行ってきたフ

ィンランド・タンペレ工科大学のProf.HannuJaakkola，

タイ・タマサート大学のProf.VirachSornlertlamvanich，

インドネシア・スラバヤ工科大学のProf.DadetPramadihanto,ハワイ大学のDr.

LeonRoose， タイ・チュラロンコン大学Prof.ChawanKoopipatの

研究グループと共に，海外６研究機関との連携によるセンシング・分析・可視化を実

現する国際協働グローバル・データベースを構築する．

図1:５次元WORLDMAPSYTEMによる多次元時系列可視化システムの概要

図２:５次元WORLDMAPSYSTEMによる

国際協働グローバル・データベース実現のための国際的共同研究体制

MediaDB

(1) Real-timeTracking

(3) DifferentialComputing

sensordata

satellitedata

imagedata UserDB

GeoDB SensorDB

(4) AnalyticalVisualization

Historical-geographicaldataVisualization

statisticaldata

MultimediaRetrievalandMapping

Real-timeAlertinggeographicaldata

documentdata

movie data

(2)SemanticComputing

5D World Map System

University of Hawaii(U.S.)

Charles Univ. (Czech Rep.)

Tampere Univ. of Tech., (Finland)

Princeton Univ. (U.S.)

Keio Univ.

Chulalongkorn Univ. (Thailand)

NECTEC (Thailand)

Univ. of Cambridge(U.K.)

Beijing Normal Univ. (China)

VNU-UET (Vietnam)

Univ. of Jyväskylä(Finland)

UCSD (U.S.)

CAU at Kiel Germany)

EEPIS-ITS (Indonesia)

■2019年度の活動報告

すでに慶應義塾大学清木研究室にて構築している５次元WORLDMAP

SYSTEM上に，世界規模での感染症の発生・経過・危険性について，時間軸，空間軸，

意味軸の統合により大局的に世界規模での共有・検索・分析・可視化を可能とする知

識統合情報システムを構築した．（図3，図4）．

図3:5次元WORLDMAPSYSTEMによるヒトの老化に関する多次元時系列可視化機能の概要

図4:5次元WORLDMAPSYSTEMにおける国際協働グローバル・データベースの実現

具体的には，下記の機能を構築することにより，本システムを実現する．機能A)環境センサデ

ータ取得機能．センサ（温度・湿度・音・照度等）のデータ取得・パソコン上のデータ（テキ

スト・スケジュール等）取得のハードウエアおよびソフトウエアの構築．具体的には，活動観

IoT ディープラーニング 5次元World Map情報可視化・配信

Conductivity

Salinity

TDS

Ph

Turbidity

DOFAOstandardforirrigation

WHOstandardfordrinkingwater

Jhonson standardforFish

0014.4F01.0000.76A4Field:[temperature,brightness]Value:[27.85,11.0]

0014.4F01.0000.76A4Field:[temperature,brightness]Value:[27.85,11.0]

SemanticSpacesandContext-dependentCalculation(Bio,Air,Soil,Vegetation,Water-qualityetc.)

Multispectral images

5D World Map SystemWorld-wideEvaluation

ActuationMulti-parameterRawData&Environmental Public-HealthStandards

Alerting

Drone(UUV)

Multi-parametersensingdata(stream&storage)

Drone(UAV)

＋

＋

ConductivityTotalDissolvedSolid(TDS) Salinity pH Turbidity

FAO001 0-699 0-449 0-0.5 - - Excellent for drinking and irrigationFAO002 700-2999 500-1999 0.5-1.9 - - Slightly saline to toxicFAO003 3000-100000 2000-100000 2.0-10 - - Severe for irrigationJ001 0-249 0-149 0-0.14 - - Low toxicity for cropJ002 250-749 150-499 0.15-0.49 - - Toxic to sensitive cropJ003 750-2249 500-1499 0.5-1.49 - - Toxic to low tolerance cropJ004 2250-100000 1500-100000 1.5-10 - - Toxic to highty tolerance cropE001 0-1499 0-959 0-0.9 - - Excellent for agricultureE002 1500-4999 960-3199 1-2.9 - - Very satisfactory for agriculture

E003 5000-7999 3200-5119 3-4.9 - -Satisfactory for agriculture (livestock) and poorfor agriculture (poultry)

E004 8000-19999 5120-7039 5-6.9 - -Poor for agriculture (livestock) and notacceptable for poultry

E005 20000-159999 7040-10239 7-9.9 - - Unfit for agricultureE006 16000-100000 10240-100000 10-100 - - Risks and Toxicity for agriculture

Parameter

SemanticsStandardID

ConductivityTotalDissolvedSolid(TDS) Salinity pH Turbidity

FAO001 0-699 0-449 0-0.5 - - Excellent for drinking and irrigationFAO002 700-2999 500-1999 0.5-1.9 - - Slightly saline to toxicFAO003 3000-100000 2000-100000 2.0-10 - - Severe for irrigationJ001 0-249 0-149 0-0.14 - - Low toxicity for cropJ002 250-749 150-499 0.15-0.49 - - Toxic to sensitive cropJ003 750-2249 500-1499 0.5-1.49 - - Toxic to low tolerance cropJ004 2250-100000 1500-100000 1.5-10 - - Toxic to highty tolerance cropE001 0-1499 0-959 0-0.9 - - Excellent for agricultureE002 1500-4999 960-3199 1-2.9 - - Very satisfactory for agriculture

E003 5000-7999 3200-5119 3-4.9 - -Satisfactory for agriculture (livestock) and poorfor agriculture (poultry)

E004 8000-19999 5120-7039 5-6.9 - -Poor for agriculture (livestock) and notacceptable for poultry

E005 20000-159999 7040-10239 7-9.9 - - Unfit for agricultureE006 16000-100000 10240-100000 10-100 - - Risks and Toxicity for agriculture

Parameter

SemanticsStandardID

ConductivityTotalDissolvedSolid(TDS) Salinity pH Turbidity

FAO001 0-699 0-449 0-0.5 - - Excellent for drinking and irrigationFAO002 700-2999 500-1999 0.5-1.9 - - Slightly saline to toxicFAO003 3000-100000 2000-100000 2.0-10 - - Severe for irrigationJ001 0-249 0-149 0-0.14 - - Low toxicity for cropJ002 250-749 150-499 0.15-0.49 - - Toxic to sensitive cropJ003 750-2249 500-1499 0.5-1.49 - - Toxic to low tolerance cropJ004 2250-100000 1500-100000 1.5-10 - - Toxic to highty tolerance cropE001 0-1499 0-959 0-0.9 - - Excellent for agricultureE002 1500-4999 960-3199 1-2.9 - - Very satisfactory for agriculture

E003 5000-7999 3200-5119 3-4.9 - -Satisfactory for agriculture (livestock) and poorfor agriculture (poultry)

E004 8000-19999 5120-7039 5-6.9 - -Poor for agriculture (livestock) and notacceptable for poultry

E005 20000-159999 7040-10239 7-9.9 - - Unfit for agricultureE006 16000-100000 10240-100000 10-100 - - Risks and Toxicity for agriculture

Parameter

SemanticsStandardID

(FAO,WHO,region-orientedcriteriaetc..)

0-0.49 “Excellent for drinking and irrigation”

0.5-1.9 “Slightly saline to toxic“

2.0-10.0 “Severe for irrigation”

m in

maxm in

maxm in

Salinity

W eight

FAO standard

0

0.2

0.4

0.6

0.8

1

1.2

-5 0 5 10 15

max

KnowledgeDB

Multi-layeredVisualizationReal-timeTracking

センシング アクチュエーションプロセッシング

5D World Map System

Know ledge DB

Detection of abnormality, Differential calculation, Visualization, Tim e-series data m in ing , Relevancy ca lcu lation , etc.,

Alerting

測用光学センサ・小型カメラ・GPSロガーの設置・無線通信機能の連結・リモートコントロー

ラ・中継無線機器・中継モニタ・クライアントPCによるネットワークの構築．また，これらの

機器をコントロールするためのソフトウエア，取得したデータのデータベース構築，インタフ

ェース構築．機能B)環境センサデータ分析・外部環境パラメータのデータ抽出機能．機能Aで

取得したデータと外部環境パラメータの関連性分析アルゴリズム構築を行う．機能C)生活習慣

スナップショット画像・映像取得機能．スマートフォン上の対象データ（画像・映像）の取得

ソフトウエアの構築．機能D)生活習慣スナップショット画像・映像分析・生活習慣パラメータ

のデータ抽出機能．取得データと生活習慣パラメータの関連性分析アルゴリズムの構築．機能

E)外部環境パラメータ・生活習慣パラメータの横断的比較・分析機能の構築．5次元WORLDMAP

SYSTEM上での比較対象パラメータの制御・ランキング機能の構築の構築．機能F)健康状態の時

空間可視化機能・予測機能の実現．５次元WORLDMAPSYSTEM上での比較対象パラメータによる

時空間可視化ソフトウエアの構築，および，ディープラーニングによる時空間予測ソフトウエ

アの構築．本システムによる実験結果を図5，6，に示す．

(a) (b)

(c) (d)

(e)

(f)

(g) (h)

図５：生活習慣と病気の関連性を複数次元で分析した結果１

具体的には，飲酒習慣と食道がんを事例に，原因結果の関連性について分析的可視化した結果

（過去 30 日以内多くの飲酒をした人の割合を左の図の赤円の面積で可視化（男女，2010 年,Our

WorldData より）と，新たに発症したと推定される食道がんの患者数（男女，2018 年，WHOCancer

Today データより）を右の図の黄円の面積で可視化，これらを比較することにより，関連性を可視

化）．

Europe Europe

South-EastAsiaSouth-EastAsia

Africa

LatinAmericaLatinAmerica

図６：生活習慣と病気の関連性を複数次元で分析した結果２

具体的には，行動履歴と感染症を事例に，行動履歴の位置情報と感染症発生地点の関連性を地理的

に可視化し，接触の可能性による感染症罹患リスクを可視化した結果

（米ハワイ州における 2019 年の感染症発症地点データ（HonoluluStarAdvertiser 記事データ）

と，２個人の行動履歴データ（スマートフォンでのトラッキングデータ）を反映．青ラインはユー

ザ Aの歩行履歴，緑ラインはユーザ Bの方向履歴，黄色点は感染症発生のリスク地点（1はインフ

ルエンザ，２はモスキートボーンディズイーズ，３はアントボーンアレルギー）を示している）．

各ユーザは，個人の歩行履歴と感染症リスクの高い地点との関連性の可視化結果により，各自のリ

スクを知ることが可能となり，より早い検査・受診の行動指針を得られる可能性が高まる．また，

各個人の持病・アレルギー記録といった過去の記録という次元との組み合わせにより，重篤化する

可能性が高い個人へ，アラートを配信することが可能となる．本実験は，5DWorldMapにおける

複数の次元を組み合わせた分析的可視化により実現可能となる生活習慣と感染症の関連性による

アラートや行動指針の配信の実現可能性を示している．

■主要な学術的成果

１．国際学会・国際ワークショップ主催・共催

研究代表者，および研究分担者は，2019 年度において，下記の時系列分析・地理的拡

散・可視化を実現する国際協働グローバル・データベースの実現に関連する国際会議・

ワークショップを開催した．

• 国際学会主催:“THEEUROPEAN-JAPANESECONFERENCEONINFORMATIONMODELLING

ANDKNOWLEDGEBASES(EJC2019)”主催，プログラム委員長

• 国際学会共催:InternationalElectronicsSymposium(IES-KCIC2019),

Indonesia

Influenza

Mosquito-bornedisease

Ant-borneallergy

２．国際学会における研究発表

[1] Hideyuki Kawashima, Osamu Tatebe, “Accelerating Sequence Operator with Reduced Expression”, The 29th International Conference on Information

Modelling and Knowledge Bases (EJC2019), Lappeenranta, Finland, June 3-7,

2019

[2] Yasuhiro Nakamura, Hideyuki Kawashima, Osamu Tatebe: Integration of TicToc Concurrency Control Protocol with Parallel

Write Ahead Logging Protocol. IJNC 9(2): 339-353 (2019)

[3] Harunobu Daikoku, Hideyuki Kawashima, Osamu Tatebe: Skew-Aware Collective Communication for MapReduce

Shuffling. IEICE Transactions 102-D(12): 2389-2399 (2019)

[4] Yasushi Kiyoki, Xing Chen, Chalisa Veesommai, Irene Erlyn Wina

Rachmawan, Petchporn CHAWAKITCHAREON, “A SPA-based Semantic

Computing System for Global & Ecological Analysis and Visualization with

“5-Dimensional World-Map”: “Towards Environmental Artificial

Intelligence””, The 29th International Conference on Information Modelling

and Knowledge Bases (EJC2019), Lappeenranta, Finland, June 3-7, 2019

[5] Shiori Sasaki, Yasushi Kiyoki, Madhurima Sarkar-Swaisgood, Jinmika

Wijitdechakul, Irene Rachmawan, Sanjay Srivastava, Rajib Shaw, Chalisa

Veesommai, “5D World Map System for Disaster-Resilience Monitoring from

Global to Local: Environmental AI System for Piloting SDG 9 and 11”, The

29th International Conference on Information Modelling and Knowledge

Bases (EJC2019), Lappeenranta, Finland, June 3-7, 2019

[6] Irene Erlyn Wina Rachmawan. Yasushi Kiyoki, “Semantic Multi-Valued

Logic for Deforestation Phenomena Interpretation”, The 29th International

Conference on Information Modelling and Knowledge Bases (EJC2019),

Lappeenranta, Finland, June 3-7, 2019

[7] Petchporn CHAWAKITCHAREON, Bernhard THALHEIM, Yasushi

KIYOKI, ”Water Quality Index Analysis and Prediction: A case study of

canals in Bangkok Thailand”, The 29th International Conference on

Information Modelling and Knowledge Bases (EJC2019), Lappeenranta,

Finland, June 3-7, 2019

[8] Siti Nor Khuzaimah Amit, Yasushi Kiyoki, Yoshimitsu Aoki, “Flood

Susceptibility via Data Mining and Hydrograph Analysis: A Case Study of

Langat River Basin, Selangor, Malaysia”, The 29th International Conference

on Information Modelling and Knowledge Bases (EJC2019), Lappeenranta,

Finland, June 3-7, 2019

[9] Chalisa Veesommai (Kasetsart University & Data Science Research Group,

Thailand); Yasushi Kiyoki (Keio University, Japan), “An analytical

relationship retrieval scenario with temporal information data approaching

to plastic waste-leaks into marine environments”, International Electronics

Symposium on Knowledge Creation and Intelligent Computing

(IES-KCIC2019), Surabaya, Indonesia, September 27-28th, 2019