今回開発した技術は、データをある空間内に配置された点の集合とみなし、その集合の幾何的な情報を抽出する分析手法「Topological Data Analysis（以下、TDA）」技術をベースに、時系列データにおいてAIによる異常判定の要因を特定。正常と異常間の判定の変化を、視覚的にわかりやすく提示できるという。
これにより、様々な事象の時系列データにおいて、異常判定の要因分析を支援し、異常が起こるメカニズムの解明や新たな解決策の発見などへ貢献できるとしている。
本技術の概要
- AIにより異常と判定されたデータから、異常判定の要因となった特徴と、そうでない特徴を平面上にマッピング
- 平面上で、要因となった特徴の点データを、要因でない特徴の点データ群に近づける変換をおこなう
- 変換後の点データ群の特性に基づいて、時系列データを復元し、正常と判定されるデータを生成
これにより、正常と異常の時系列データの形状を比較でき、ユーザーは異常の原因究明を視覚的に行うことができる。
この技術によって、病気の原因を推定する際の参考にできる可能性があるという。また、これまで困難だった病気の予兆判断や、予防的な治療法の発見、解明されていない病態のメカニズム解明への応用など、医学的発展につながることが期待されるとしている。
今後は、この技術について、企業の業務現場や研究機関の実験などでの活用を促し、技術検証を実施。改良を重ね、2021年度中にAI技術「FUJITSU Human Centric AI Zinrai（ジンライ）」の1つとして実用化するという。
