実績

140位 / 6,300チーム（上位2.2%）・ソロ・2026年10月

医療

課題

膝の MRI 画像から、靱帯の損傷や半月板の断裂、骨折など12種類の異常を見つけるモデルを作ります。正解ラベルが付いているのは学習データのごく一部だけで、残りには医師の読影レポート（診断の文章）が付いていて、そこからラベルを作ることもできました。

取り組み

公開ノートブックを土台に、スコアの高い公開モデル2系統と自前モデルの予測を、異常の種類ごとに配分を変えて組み合わせました。自前モデルは、大規模言語モデルに読影レポートと画像を読ませて正解ラベルを補い、医用画像で事前学習した画像モデルなどを学習したものです。

63位 / 1,588チーム（上位4.0%）・2名チーム・2022年4月

自然環境

課題

クジラやイルカの写真から、背びれや体の形・模様を手がかりに、どの個体かを見分けます。研究者が目で行っている写真の照合を自動化するのがねらいです。

取り組み

ほかの参加者と組んだ2名のチームで、画像を数値のベクトルに変えて同じ個体どうしが近くなるように学習する「距離学習」（ArcFace）のモデルや、予測結果を学習に再利用する疑似ラベルを試しました。最終提出は、公開されている上位ノートブックの予測を組み合わせたアンサンブルをもとにしたものです。

75位 / 1,889チーム（上位4.0%）・4名チーム・2022年6月

知的財産

課題

特許文書に出てくる2つの語句が、その技術分野の文脈でどれだけ同じ意味かを、0〜1 の値で採点します。

取り組み

ほかの参加者と組んだ4名のチームで、公開されているベースラインのノートブックをもとに、DeBERTa や、特許文書で学習した BERT for Patents など、事前学習済みの言語モデルを複数学習し、それぞれの予測を重み付きで平均しました。

163位 / 3,633チーム（上位4.5%）・ソロ・2021年8月

教育

課題

小学3年から高校3年までの授業で使う文章について、どれくらい読みやすいかを数値で予測します。

取り組み

公開ノートブックの手法をもとに、事前学習済みの言語モデル RoBERTa を、モデルの大きさや学習の設定を変えて複数学習し、3つのモデル群の予測を重み付きで平均しました。重みは提出を重ねながら調整しました。

73位 / 1,867チーム（上位3.9%）・ソロ・2026年3月

生命科学

課題

RNA（遺伝情報の伝達などを担う分子）の塩基配列から、その分子が折りたたまれてできる立体構造を予測します。

取り組み

配列の似た既知の構造を探して形を写し取る方法と、深層学習の構造予測モデル（Protenix）を組み合わせ、よい手本が見つからない配列はモデルの予測に任せる公開ノートブックを土台にしました。そこに、スコアの高い別の公開ノートブックから長い配列を分割して再結合する手法を取り入れ、さらに複数の鎖からなる分子に対応させました。

165位 / 2,605チーム（上位6.3%）・5名チーム・2021年11月

医療

課題

人工呼吸器の操作（空気を送る弁の開き具合など）と肺の性質から、呼吸中の気道内圧（呼吸回路の中の圧力）の変化を予測します。データは人工の肺につないだ装置で集めたものです。

取り組み

ほかの参加者と組んだ5名のチームで、時系列を前後両方向から読み取るニューラルネット（双方向 LSTM・GRU）など複数のモデルを作り、公開ノートブックの予測も加えて中央値で組み合わせ、後処理も加えました。

431位 / 4,373チーム（上位9.9%）・4名チーム・2020年11月

創薬

課題

薬を加えた細胞の遺伝子の働きや生存率のデータから、その薬がどのような仕組みで効くか（作用機序）を、候補ごとに確率で予測します。

取り組み

ほかの参加者と組んだ4名のチームで、データの分布を整えて主成分分析（PCA）で圧縮した特徴を使うニューラルネットを2種類作り、予測を7対3の重みで平均しました。重みの大きい7割の側は公開ノートブックをもとにしたモデルで、採点に使うラベルに採点に使われない補助ラベルも加えて先に学習し、そのあと採点に使うラベルだけで仕上げる「転移学習」を使っています。

161位 / 10,148チーム（上位1.6%）・ソロ・2026年10月

経営シミュレーション（農場）

課題

仮想の農場を30日間運営し、作付け・家畜の世話・土地の購入・市場での売買を自分で判断して、対戦相手より多くの所持金を残す AI エージェント（自分で行動を決めるプログラム）を作ります。

取り組み

公開されている強いエージェントを比べ、それらのコードを土台に、町の店の需要や相場の見込みに合わせて、買う予定の家畜や植える予定の作物を別の種類に差し替える判断などの改良を加えました。改良案は、同じ条件のもとで2つの席を入れ替えて両方の席で戦わせる対戦を自動で回し、勝率で採否を決め、実装から検証・提出までの多くを AI エージェントに任せて進めました。