医療データサイエンス特論

Advanced Medical Data Science (Applied)

993BK47

3bMPINP702

西山　裕之、佐藤　圭子、寒水　孝司、田畑　耕治、佐藤　嗣道、真野　泰成、桂田　浩一、安藤　宗司、波江野　洋、上林　敦、秋本　和憲、前田　絢子、多森　翔馬、滝本　宗宏、宮崎　智

MIYAZAKI Satoru, KAMBAYASHI Atsushi, SATO Keiko, AKIMOTO Kazunori, HAENO Hiroshi, ANDO Shuji, SOZU Takashi, TAKIMOTO Munehiro, NISHIYAMA Hiroyuki, KATSURADA Kouichi, TAHATA Kouji, MANO Yasunari, SATO Tsugumichi, TAMORI Shoma, MAEDA Ayako

2026年度後期

2026年度

②Second semester

金曜3限

Friday, 3rd Period

薬学研究科

Graduate School of Pharmaceutical Sciences

2.0単位

講義

Lecture

-

① [対面]対面授業/ [On-site] On-site class

疾病の予防、健康寿命の延長や患者のQOLの向上に向けて、医療の課題をデータ
サイエンス（情報科学）手法（機械学習、情報処理、情報理論、確率、統計解
析、数理モデル、バイオインフォマティクス）を用いて解決をはかる様々な試み
が進んでいる。例えば、様々な医療ビッグデータを分析し、患者を特定の集団に
分類（層別化）して、患者集団毎に適した治療を精密に選択する医療や、症状が
出る前のなるべく早い段階から兆候を捉えて介入する予防的先制医療など、精密
医療の確立が進められている。「医療データサイエンス特論」では、医療
分野で従来から用いられて発展してきた医療統計的手法に加え、新規に導入され
つつある機械学習、情報処理、情報理論、確率、統計解析、数理モデル、バイオ
インフォマティクスについて本学のデータサイエンス医療に関わる様々な専門分
野の教員による先駆的な取り組みについてオムニバス形式で紹介する。これによ
り、医療の課題をデータサイエンス（情報科学）手法を用いていかに解決するか
についての学際的・創域的な取り組みについての理解を深めるとともに医療デー
タサイエンスの現状と問題点を理解する。


This course provides students an understanding of the fundamental principles of Medical Data Science.

疾病の予防、健康寿命の延長や患者のQOLの向上に向けて、医療の課題をデータサイエンス（情報科学）手法（機械学習、情報処理、情報理論、確率、統計解析、数理モデル、バイオインフォマティクス）を用いて解決をはかる様々な試みが進んでいる。本講義では、医療分野で従来から用いられて発展してきた医療統計的手法に加え、新規に導入されつつある機械学習、情報処理、情報理論、確率、統計解析、数理モデル、バイオインフォマティクスについて本学のデータサイエンス医療に関わる様々な専門分野の先生方の先駆的な取り組みについて学ぶ。これにより、医療の課題をデータサイエンス（情報科学）手法を用いて解決する学際的・創域的な取り組みについての理解を深めるとともに医療データサイエンスの現状と問題点を理解する。

The objective of this course is to enable students acquire an understanding of the fundamental principles of Medical Data Science.

最先端のデータサイエンス（情報科学）手法を理解し、これに基づいて医療データサイエンスの理論を習得する。

The goal of this course is to obtain theory about  Medical Data Science based on the understanding of the advanced Data Science (Information Science) method.

特に無し。

This course will be taught in Japanese.

課題に対する作文　Essay／-

-

講義内容はなるべくその日のうちに復習し、知識の定着を図るよう努力すること。

Make an effort to review the lecture content on the same day and consolidate the knowledge.

レポート、出席状況等よる総合的評価を行う。担当教員毎に異なる場合があるので、注意すること。

Your overall grade in the course will be decided based on the following:
- Class attendance and attitude in class
- Reports

・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

N

-

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/

講義内で紹介する。　

Will be introduced in the class.

1. 医療データサイエンスの概要（講義：宮崎）
・医療データサイエンスの概要と公共データベースの活用について説明できる。
2. 創薬における数理モデリング研究の現状（講義：上林）
・創薬で利用されている数理モデリング研究の概要について説明できる。
3. 数理モデリングによる医薬品吸収研究の現状（講義：上林）
・数理モデリング研究による医薬品の吸収予測の概要と創薬・開発戦略について説明できる。
4. がん研究における公共データベースの利活用と情報論の応用1（講義：秋本）
・がん患者の治療後の予後予測における公共データベースの利活用と情報論の応用について説明できる。
5. 医療データへの情報論的手法の適用（講義：佐藤圭）
・科学における情報の概念とそれが生命現象理解とどのように関わってくるのかについて、がん疾患の予後を決定する因子を大量の遺伝子データから見つけ出す方法を通　
　して理解を深め説明できる。
6. がん研究における公共データベースの利活用と情報論の応用2（講義：多森）
・がん患者の治療後の予後予測における公共データベースの利活用と情報論の応用について説明できる。
7. がん研究における数理モデル解析（講義：波江野）
・がん研究で実施される数理モデル解析について理解し、医療データの活用手法について説明できる。
8. がん臨床試験の概論（講義：安藤）
・がん臨床試験について説明できる。
・がん臨床試験で良く用いられる統計手法について説明できる。
9.医学研究における交絡とその調整（講義：寒水）
・治療効果・曝露効果の定義，交絡の現象と定義を説明できる。
・交絡調整の代表的な方法（層別解析と回帰モデル）の使い方と，各方法の長所・短所を説明できる。
10. 論理型人工知能入門（講義：滝本）
・論理型プログラミング表現で記述した知識と，論理型人工知能の学習結果の意味を説明できる。
11. 酪農におけるIT技術の医療への応用（講義：西山）
・酪農ロボットを用いた飼育・搾乳の自動化および各種ロボットから得られたデータに対するＩＴ技術に基づく医療への応用について説明できる。
12. 分割表解析の基礎（講義：田畑）
・変数間の独立性及び連関を評価する統計的方法を説明できる。
13. ニューラルネットワークの基礎（講義：桂田）
・ニューラルネットワークおよび深層学習の基礎理論について説明できる。
14. 医療ビッグデータの利活用と臨床研究事例 （講義：真野・前田）
・医療ビッグデータの種類、特徴を把握し、臨床研究事例を通して利活用について理解することができる。 
15.データベースを利用した薬剤疫学研究の留意点と今後の課題（講義：佐藤嗣）
・データベースに求められる要件と利用における留意点を説明できる。

Contents:
1. Overview of Medical Data Science (MIYAZAKI)
2. Mathematical modeling and simulation in drug discovery and development (KAMBAYASHI)
3. Mathematical modeling and simulation for oral drug absorption (KAMBAYASHI)
4.  Utilization and application of information theoretic methods to public medical data 1(AKIMOTO)
5. Application of information theoretic methods to medical data (SATO, K.)
6. Utilization and application of information theoretic methods to public medical data 2(TAMORI)
7. Mathematical analysis in cancer research (HAENO)
8. Introduction to oncology clinical trials (ANDO)
9. Confounding in medical research (SOZU)
10. Introduction to Logic A. I. (TAKIMOTO)
11. IT application in dairy farming (NISHIYAMA)
12. Fundamentals of neural networks (KATSURADA)
13. Fundamentals of contingency table analysis (TAHATA)
14. Utilization and application of medical big data and clinical research (MANO, MAEDA)
15. Utilization and application of database in pharmacoepidemiological studies (SATO, T.)

-

-

-

特になし。
　
This course will be taught in Japanese.