Ruby の統計ツールと Ruby on Rails で分析をしてみた

Transcript

1. Ruby の統計ツールと Ruby on Rails で分析をしてみた 2025.11.15/SAPPORO ENGINEER BASE #11 RubyとRuby on Rails さい/sai-lens
2. ⾃⼰紹介 1 • さい/sai-lens • 現在は病院で臨床検査技師として勤務 • プログラミング学習4ヶ⽉⽬ • 現在学習中の技術 ◦ フロントエンド：JavaScript, React ◦ バックエンド：Ruby, Ruby on Rails @GTposiwill @sye-lens
3. 本⽇の内容 1. 今回のデータ分析のきっかけ 2. データ分析をする内容 3. 実際にデータ分析した結果 4. Ruby でデータ分析してみてわかったこと 5. まとめ 2
4. 今回のデータ分析のきっかけ • 実務で検証したかった検査データ（.xlsx）を統計的に分析したかった • 現在Ruby / Ruby on Railsを勉強中 • エクセルで十分だけど、せっかくならRubyで表計算やグラフ作成、統計解析を やってみよう！ 3
5. データ分析する内容 4 • 患者の「たん」の微生物検査を行った検査結果（約12,000件） ◦ 「たん」の見た目（外観）での質を評価する項目 ◦ 「たん」を顕微鏡（×100倍）で見て質を評価する項目 ◦ 顕微鏡で見えた微生物の菌量 ◦ 炎症を起こしている菌の名前 • 同じ患者の「たん」であれば見た目の外観と顕微鏡で見たときの様子 は相関するはずだが、日常では全く相関しない「たん」に遭遇することも ある • 2項目でどれくらい相関するかを確認し、外れているデータがあればそ の原因を検証する
6. データ分析する内容 5 • 「たん」の見た目（外観）は6段階評価 • 「たん」を顕微鏡（×100倍）で見た結果も6段階評価 • 最初の解析として、見た目の6段階評価ごとに顕微鏡での評価の出現 割合を表にまとめて、円グラフで可視化する 患者名 材料 見た目の評価（M & J） 顕微鏡の評価（Geckler） 分離された菌の名前 やまだたろう 吸引たん M1：唾液が多い（サラサラ） G1：口内の細胞が多い 常在菌だけ こばやしはなこ 喀たん P3：膿性部分が多い（ドロドロ） G5：白血球が多い 緑膿菌 さとうじこう 喀たん P2：膿性部分が多い（ドロドロ） G4：白血球が多い 大腸菌 ごとうさぶろう 吸引たん M2：唾液が多い（サラサラ） G2：口内の細胞が多い 常在菌だけ すずきいちろう 喀たん M1：唾液が多い（サラサラ） G3：口内の細胞が多い 常在菌だけ たなかゆうこ 喀たん M1：唾液が多い（サラサラ） G1：口内の細胞が多い 常在菌だけ よしだとみこ 喀たん P1：膿性部分が多い（ドロドロ） G5：白血球が多い 黄色ブドウ球菌 さいとうきみえ 吸引たん M1：唾液が多い（サラサラ） G6：細胞が少ない 緑膿菌 . . . . . . . . . .
7. データ分析に使⽤した技術スタック (Ruby) データの読み込みから可視化までの流れ Roo gem (Excel読込) Daru gem (データフレーム化) Rubyで データ加⼯‧計算 （表記揺れやデー タ⽋損に対処） Rails view + Chartkick gem (結果の可視化) 6
8. 対象データと前処理 対象データ (1万件以上) 当院で数年間に提出された「たん」 M&J分類 (M1, P1等) Geckler分類 (G1, G6等) 検出菌 診療科‧病棟 主な前処理 (Ruby) 表記ゆれの統⼀（例: "P1：膿性…" → "P1"） M1〜P3 のカテゴリ正規化 Geckler分類の数値抽出（1~6） ⽋損値のハンドリング 7
9. app/controllers/mj_analyze_controller.rb 8 def load_dataframe path = Rails.root.join("app", "data", "2025-11-12 2年間（修正）.xlsx") xlsx = Roo::Spreadsheet.open(path.to_s) sheet = xlsx.sheet(0) headers = sheet.row(1).map(&:to_s) data_rows = (2..sheet.last_row).map { |i| sheet.row(i) } df = Daru::DataFrame.rows(data_rows, order: headers) normalize_mj_and_ge(df) end def compute_stats(df) . total = df.nrows mj_summary = mj_levels.map do |lab| count = df.where(df["mj_grade"].eq(lab)).nrows next if count.zero? pct = total.positive? ? (count.to_f / total * 100).round(1) : 0.0 { label: lab, count: count, pct: pct } end.compact . roo gemでエクセルデータ読み込み Daru gemでRubyで扱える形 （Data Frame）に変換 df.whereでデータフレームからデー タを取得して計算
10. app/view/mj_analysis/_mj_block.html.erb 9 <h3>MJ別 構成比（全体）</h3> <%= pie_chart mj_pie_data, donut: true, legend: "bottom" %> <h3>各MJグレード内での Geckler 構成比</h3> <% ["M1", "M2", "P1", "P2", "P3"].each do |lab| %> <% data = mj_ge_pie_data[lab] %> <% next if data.blank? %> <h4><%= lab %></h4> <%= pie_chart data, legend: "right" %> <% end %> pie_chart <ハッシュや配列など> →円グラフを作成 ターミナルでchartkick,chart.jsをインストール $ yarn add chartkick chart.js //javascript/application.js import "chartkick"; import "Chart.bundle"; application.js に import
11. サーバーを⽴ち上げてviewを表⽰ 10
12. Ruby/Railsで統計解析してみてわかったこと Excel,Pythonのほうが楽、それでもRuby/Railsを分析ツールとして使ってわかったこと 11 • 解析方法やUIの再利用性が高い ◦ コードという形で解析方法を残すことができる ◦ エクセルデータの内容や量が変わってもデータの前処理を変えるだけ でUIや解析ロジックはそのまま使うことができる • データをjavascriptに渡したりせずにグラフの表示をviewで行えるので、 RailsのMVCを活かすことができる • 解析ロジックの記載は慣れていないと難しいと感じたが、初心者でも自分で 統計解析の「仕組み」を作ることができた
13. まとめ 12 • 臨床現場で遭遇した疑問をRubyを使って分析した • Ruby/Ruby on Railsは「データの前処理」から「UIでの表⽰」まで⼀気通 貫できるというメリットがある • エンジニアでなくてもプログラミング⾔語を使ってデータ分析ができた • 追加の検証にも解析ロジックやUIを再利⽤できるので、データ分析に 再現性ができた