---
title: "はじめに"
url: https://docs.catalyst.zoho.com/ja/tutorials/cancer-detection/introduction/
description: "Catalyst QuickMLサービスを使用して、乳がんの発症リスクを予測するための強力なMLパイプラインを作成・設定します。"
last_updated: 2026-11-03T15:41:32Z
service: All Services
type: tutorial
---

# がん検出

## はじめに

このチュートリアルでは、[Catalyst QuickML](https://docs.catalyst.zoho.com/ja/quickml/getting-started/introduction/)を使用して、乳がんを分析・予測する機械学習モデルを構築する方法を説明します。モデルのデータソースとして使用できるサンプル医療データセットを提供します。

> **Note:** QuickMLは現在、CA（カナダ）データセンターからアクセスしているユーザーには利用できません。アカウントがCA DCで作成されている場合（accounts.zohocloud.ca/）、このサービスをご利用いただけません。

このチュートリアルでは、まず[データセットの前処理](https://docs.catalyst.zoho.com/ja/quickml/help/data-preprocessing/data-cleaning/)を行い、データがクリーンでトレーニングに適した状態であることを確認します。次に、データ変換を処理する[データパイプライン](https://docs.catalyst.zoho.com/ja/quickml/help/create-data-pipeline/)と、モデルのトレーニングと評価を行う[MLパイプライン](https://docs.catalyst.zoho.com/ja/quickml/help/create-ml-pipeline/)を構築します。最後に、トレーニング済みモデルの[エンドポイント](https://docs.catalyst.zoho.com/ja/quickml/help/pipeline-endpoints/)を作成し、外部アプリケーションからモデルとやり取りして乳がんのリアルタイム予測を取得できるようにします。

がん検出MLモデルは、以下のCatalystサービスを使用して構築されます。

**[Catalyst QuickML](https://docs.catalyst.zoho.com/ja/quickml/getting-started/introduction/)**：このサービスを使用して、まずサンプルデータセットに[ノード操作](https://docs.catalyst.zoho.com/ja/quickml/help/operations-in-quickml/encoding/)を実装して前処理を行い、[データパイプライン](https://docs.catalyst.zoho.com/ja/quickml/help/pipeline-builder-interface/walkthrough/#pipeline)を構築します。この前処理済みデータを使用して、[MLアルゴリズム](https://docs.catalyst.zoho.com/ja/quickml/help/ml-algorithms/classification-algorithms/)を実行してMLモデルを作成します。最終的に、がん検出MLモデルはQuickMLで生成された[エンドポイントURL](https://docs.catalyst.zoho.com/ja/quickml/help/pipeline-endpoints/)を使用して外部アプリケーションからアクセスできます。

[Catalystコンソール](https://console.catalyst.zoho.com/baas/index)で必要なデータパイプラインとMLパイプラインをすべて作成した後の最終出力は、以下のようになります。

![final_output](https://catalyst-docs-development.zohostratus.in/images/tutorials/cancer-detection/final_output.webp)