研究会B （田畑）｜シラバス情報

科目授業名称（和文）　Name of the subject/class (in Japanese)

研究会B （田畑）

科目授業名称（英文）　Name of the subject/class (in English)

Research Seminar B

授業コード　Class code

9991754

科目番号　Course number

91CKPBL102

教員名

田畑　耕治

Instructor

Kouji Tahata

開講年度学期

2026年度後期

Year

2026年度

Semester

②Second semester

曜日時限

集中講義

Class hours

TBA (To Be Announced)

開講学科・専攻　Department

創域情報学部　情報理工学科

Department of Information Science and Technology, Faculty of Information Science and Technology

単位数　Course credit

2.00単位

授業の方法　Teaching method

実習

On-site practical training

外国語のみの科目（使用言語）　Course in only foreign languages (languages)

-

授業の主な実施形態　Main class format

① [対面]対面授業/ [On-site] On-site class

概要　Description

医療・ヘルスケア分野では、医薬品の開発や評価に加え、リアルワールドデータ、医療機器、デジタルバイオマーカー、SaMD（Software as a Medical Device）、自然言語処理、生成AIなど、さまざまなデータ活用が進んでいる。本講座では、これらの技術を単なる情報工学の話としてではなく、「患者さんの課題を見つけ、よりよい医療を実現するために、どのように使うのか」という観点から学ぶ。
医薬品の研究開発から承認、市販後までの流れ、有効性・安全性・ベネフィット／リスク評価、患者経験情報、倫理・匿名性、臨床試験、リアルワールドデータ、予測モデル、医療テキスト解析などを、具体的な事例とグループディスカッションを通じて理解する。データを活用して社会課題を考え、医療の未来を構想する力を身につけることを目指す。

目的　Objectives

医療・ヘルスケア分野では、どのようなデータが生まれ、どのように意思決定に使われているのかを、医薬品評価、臨床試験、患者経験情報、リアルワールドデータ、SaMD・dBM（デジタルバイオマーカ）などの具体例を通じて学ぶ。
あわせて、ヘルスケアデータを扱う際に重要となる倫理、匿名性、バイアス、解釈可能性などの考え方を理解し、データを使って患者さんや社会の課題解決を考える基礎力を養う。

到達目標　Outcomes

・医薬品が研究開発から承認・市販後までどのように評価されるかを説明できる。
・有効性・安全性・ベネフィット／リスク評価の基本的な考え方を説明できる。
・患者経験情報（PRO、患者選好など）の意義を説明できる。
・倫理審査、GCP/ICH、個人情報保護、匿名加工・仮名加工など、ヒト由来データを扱う際の基本原則を説明できる。
・臨床試験とリアルワールドデータの違い、それぞれの長所・限界を説明できる。
・dBM、SaMD、医療機器、DTx、自然言語処理、生成AIなどが、ヘルスケアで何に使われるかを具体例で説明できる。
・データから患者さんの課題を考え、簡単なヘルスケアソリューションや評価方法を提案できる。

卒業認定・学位授与の方針との関係（学部科目のみ）

リンク先の [評価項目と科目の対応一覧]から確認できます（学部対象）。
履修登録の際に参照ください。
You can check this from “Correspondence table between grading items and subjects” by following the link(for departments).
https://www.tus.ac.jp/fd/ict_tusrubric/

履修上の注意　Course notes prerequisites

TBA (To Be Announced)

アクティブ・ラーニング科目　Teaching type（Active Learning）

ディベート・ディスカッション　Debate/Discussion／グループワーク　Group work／プレゼンテーション　Presentation／PBL (課題解決型学習)　Problem-based learning／-

TBA (To Be Announced)

準備学習・復習　Preparation and review

TBA (To Be Announced)

成績評価方法　Performance grading policy

各授業におけるグループワーク：20％
試験デザインに関するレポート：40％
実際のヘルスケアデータを用いた可視化と解釈に関するレポート：40％

学修成果の評価　Evaluation of academic achievement

・S：到達目標を十分に達成し、極めて優秀な成果を収めている
・A：到達目標を十分に達成している
・B：到達目標を達成している
・C：到達目標を最低限達成している
・D：到達目標を達成していない
・-：学修成果の評価を判断する要件を欠格している

・S：Achieved outcomes, excellent result
・A：Achieved outcomes, good result
・B：Achieved outcomes
・C：Minimally achieved outcomes
・D：Did not achieve outcomes
・-：Failed to meet even the minimal requirements for evaluation

教科書　Textbooks/Readings

教科書の使用有無（有=Y , 無=N）　Textbook used(Y for yes, N for no)

N

書誌情報　Bibliographic information

TBA (To Be Announced)

MyKiTSのURL（教科書販売サイト）　URL for MyKiTS(textbook sales site)

教科書および一部の参考書は、MyKiTS (教科書販売サイト) から検索・購入可能です。
https://gomykits.kinokuniya.co.jp/tokyorika/

It is possible to search for and purchase textbooks and certain reference materials at MyKiTS (online textbook store).
https://gomykits.kinokuniya.co.jp/tokyorika/

参考書・その他資料　Reference and other materials

TBA (To Be Announced)

授業計画　Class plan

第1回：イントロダクション — ヘルスケアデータサイエンスとは何か・講義全体の見取り図・医療、ヘルスケア分野で扱うデータの種類・なぜ今、ヘルスケアでデータ活用が重要なのか・医薬品だけでなく医療機器、アプリ、センサーへ広がる世界観
第2回：医薬品はどのように評価されるのか・研究、非臨床、臨床試験、承認、市販後までの流れ・有効性・安全性・ベネフィット／リスク評価の考え方・「良い薬」とは何かをどう判断するのか・QALY、医療経済の考え方の入口（ごく概念的に）
第3回：臨床試験の論文を読んでみよう・臨床研究の種類と特徴（観察研究 vs 介入研究）・研究デザインの基本（コホート研究、症例対照研究、横断研究）・ランダム化比較試験（RCT）の原理・盲検化，プラセボ対照の意義
第4回：患者経験情報 — 患者さんの声もデータになる・PRO（Patient-Reported Outcome）とは何か・患者選好、生活の質、症状負担の考え方・なぜ患者さんの主観的な情報が重要なのか・医薬品評価・医療機器評価との関係
第5回：倫理と匿名性 — 人のデータを扱うときに何が大事か・ヘルシンキ宣言、倫理委員会、GCP/ICHの考え方・病歴などの要配慮個人情報・仮名加工・匿名加工の違い・「使えるデータ」と「使ってよいデータ」は違う、という理解
第6回：グループディスカッション① テーマ：臨床試験論文を読んで、仮想臨床試験を考えてみる
第7回：臨床試験とリアルワールドデータ・臨床試験と日常診療データの違い・臨床試験の種類と特徴・レセプト、電子カルテ、レジストリなどのRWDはどう生まれるか・RWEとは何か・交絡やバイアスの基本的な考え方・「データが多い＝正しい」ではないことを学ぶ
第8回：オープンデータを探して、患者さんの課題を見つける・公開されているヘルスケア関連データの例・どのような切り口で課題を見つけるか・患者さん・医療者・家族・社会の視点・データを見るときの注意点（偏り、欠測、粒度）
第9回：グループディスカッション② テーマ：オープンデータからアンメットニーズを考える
第10回：医薬品の周辺へ広がるヘルスケア — Beyond Pill / Around Pill ・薬そのもの以外で患者さんを支える仕組み・医療機器、サービス、アプリ、伴走支援・「薬を作る会社」がヘルスケア全体にどう関わるか・機械学習の基本概念・ヘルスケアにおける用途：予測、分類、異常検知、意思決定支援・生成AI・LLMの可能性
第11回：dBMとセンサーデータの活用・デジタルバイオマーカーとは何か・3軸加速度、脈拍、体温、血糖値などから何がわかるか・センサーで得られる情報の特徴・測れることと、臨床的に意味があることの違い・継続測定がもたらす新しい可能性
第12回：SaMD・医療機器と予測モデル・SaMDとは何か・画像診断支援、疾患予測、重症化予測などの事例・予測モデルは何の役に立つのか・精度だけではなく、使われ方・責任・限界も考える
第13回：自然言語処理と医療テキストマイニング・電子カルテ、自由記載、副作用報告、論文などのテキスト活用・医療用語の標準化の考え方・テキストから情報を取り出すとはどういうことか・構造化データだけでは見えないものをどう扱うか
第14回：グループディスカッション③ テーマ：患者課題に対するヘルスケアソリューションを設計する
第15回：グループディスカッション④／最終発表テーマ：患者さんの課題から医療の未来を提案する

担当教員の実務経験とそれを活かした教育内容　Work experience of the instructor

TBA (To Be Announced)

教育用ソフトウェア　Educational software

-

TBA (To Be Announced)

備考　Remarks

TBA (To Be Announced)

授業でのBYOD PCの利用有無　Whether or not students may use BYOD PCs in class

N

授業での仮想PCの利用有無　Whether or not students may use a virtual PC in class

N