要約
電子カルテ（EHR）データへのアクセスは、医療研究における計算技術の進展を促進してきた。しかし、プライバシーに関する懸念が多岐にわたり、EHRデータのアクセスや共同利用を制限する要因となっている。合成EHRデータの共有は、こうしたリスクを軽減する可能性を秘めている。本論文では、現実的な合成患者記録を生成するための新規手法、医療用生成対抗ネットワーク（medGAN）を提案する。medGANは、入力となる実際の患者記録に基づき、オートエンコーダと生成対抗ネットワーク（GAN）を組み合わせることで、高次元の離散変数（例：バイナリ変数およびカウント特徴量）を生成する。さらに、モード崩壊を効率的に回避するためのミニバッチ平均化手法を提案するとともに、バッチ正規化およびショートカット接続を用いて学習効率を向上させた。妥当性の検証として、分布統計、予測モデリングタスク、および医療専門家によるレビューにおいて、medGANが生成する合成患者記録が実データと同等の性能を達成することを示した。また、実証的にmedGANを用いた場合、本人特定および属性漏洩に関する限定的なプライバシーリスクしか認められなかった。