医学研究科（修士課程） データサイエンス

鎌形康司　放射線診断学主任教授

青木茂樹 データサイエンス学位プログラム長／放射線診断学特任教授

医学系大学院に設置されたこのデータサイエンス学位プログラムでは、医学を中心にビジネス・スポーツなど各分野のAIおよびデータサイエンス領域を、この分野になじみの少ない者にも、すでに統計やコンピュータ等のある程度のスキルのある者にも対応し、医学とデータサイエンスの両方の知識を俯瞰的に身につけ、  さらにその中で得意分野のある人材を養成 し、 次代の道を切り拓く、トップ＆マネジメント層を発掘・育成することを目的とします。

田村 好史　教授／国際教養学部／健康総合科学先端研究機構

健康寿命の延伸は、我が国を筆頭に、全世界で重要な健康課題と捉えられていますが、この領域におけるデータサイエンスの役割は大きく、様々なテーマで研究が推進されています。本学のスポートロジーセンターでは、メタボリックシンドロームや文京区在住高齢者の調査（Bunkyo Health Study)を行い、データベースを構築し、遺伝と生活習慣のインターアクションを念頭においた解析など、幅広く研究を進めています。担当科目においては、健康寿命の延伸に関係する基本的な事項とともに、それらのデータがどのように活用されるのかについて学びます。

西﨑 祐史　先任准教授／医学教育研究室／クリニカル・トランスレーショナルサイエンス

2004年日本医科大学卒業、聖路加国際病院で臨床研修を実施、内科チーフレジデントを務める。2010年東京大学公衆衛生学大学院（SPH）で公衆衛生学修士（MPH）を取得。その後、順天堂大学循環器内科に入局、2015年厚生労働省、日本医療研究開発機構（AMED）に出向。2017年順天堂大学革新的医療技術開発研究センターに所属し、臨床研究支援業務に従事、臨床研究中核病院の取得に貢献。現在は、順天堂大学医学部医学教育研究室に所属し、医学教育、研修医教育、研究を中心に活動している。その他、学外の活動として、AMED腎疾患実用化研究事業プログラムオフィサー、日本医療教育プログラム推進機構（JAMEP）基本的臨床能力評価試験（GM-ITE）プロジェクトマネージャーを務める。（2024年3月現在）

猪俣 武範　准教授／眼科学／共同研究講座(遠隔医療・モバイルヘルス研究開発講座)     

鍵山 暢之　准教授

医療におけるデータサイエンスの活用が盛り上がっていますが、現実には医療の世界で手に入るデータがそのまま統計モデルや人工知能などで処理できるわけではなく、まずはそれらの処理に適した形にデータを整理（データハンドリング）していくことが必要です。本講座ではSQLとRなどのプログラミングを用いて、再現性を担保しながら効率よくデータを整理する術を、演習形式の授業を通じて学びます。

姫野 龍太郎　特任教授

担当するコンピュータ概論(原理・歴史)では、コンピュータの原理とともに、これまで発展してきたコンピュータの歴史を学ぶとともに、今後のさらなる進化の方向について、自ら見通しを持つことができるようになることを目指します。
データサイエンス研究演習III(ヘルスデータ解析)では、実際の運動教室や計測会で得られたデータを使い、どのような項目の計測が効果的かや、転倒の可能性と関連する項目は何かなどの分析などを、演習を通して体得します。

岩崎 学　特任教授

データサイエンスを構成する学問分野は統計学と情報科学であると言っても過言ではありません。したがって，統計学に関する正しい知識と適切な分析スキルの習得は，医療分野に限らずすべての分野で活躍が期待されているデータサイエンティストが身に付けるべき基本事項となります。
私の授業および学生指導では，実社会での応用を強く意識し，統計的な分析手法の中でも多変量解析法と呼ばれる手法群について，まずはその理論的な枠組みを学習します。それと共に，統計手法の実データへの適用の際に注意すべき諸点を分かりやすく例示しながら，演習・実習を用いた実技上のスキルを向上させることを目的とします。

大江 和彦　特任教授

廣津 信義    教授／大学院スポーツ健康科学研究科

データサイエンスコースの中で、本科目「スポーツデータとAI」では、スポーツ現場におけるデータの利活用について学びます。複数の教員によって、スポーツ健康科学の様々な分野においてデータがどのように利用されているかを解説します。スポーツ現場での先進的なAI活用の事例の紹介も行い、Grワークを通してスポーツ現場でのAI活用に関して考える機会を持ちます。

水野 信也　教授

「社会システム最適化研究室」では、[数学] × [データ] × [コンピューティング] によって、
「社会の課題解決」を図ることを⽬的としています。➡「データサイエンス⼿法」

「データサイエンス」は、医療、航空、教育など多様な分野にアプローチが可能です。

山本 憲　教授

隈丸 加奈子　教授

小田 俊明　教授

小泉 和之　准教授

これまでもデータは様々な場面で取得されてきましたが、近年は技術の発展などにより、取得可能なデータも様々な形態をとるようになりました。それらデータの中から価値ある事実を見つけることはデータサイエンスの魅力ですが、そのためには基本的なデータの取り扱い方を知ること、基本的な分析スキルを身につけることが土台となり、その後、より発展的な方法や技術を習得していくことが遠回りのようで一番の近道だと思います。
私の授業および学生指導ではそれらを意識しながら特にスポーツにおけるデータサイエンス（主として統計学・機械学習）を学ぶことを目的とします。また、スポーツ以外のデータサイエンスの研究も実施しています。

石角 友愛 客員教授

現在、世界中の様々なところでビジネスのインフラとなっているAI技術ですが、日本ではまだ正しい理解が進んでいません。AI「が」私の仕事を奪う、のではなく、AI「を」使って私の仕事をより付加価値の高いものにする、そのようなマインドセットが今の私たちには必要なのだと思います。
私の講座を通じて、AI「を」使って付加価値の高いビジネスモデルを構築するのに大切な視点やその手法を学んでいただけたら幸いです。

渡辺 康仁 客員教授

人口減少への対応や、これまでになかったようなビジネス課題に対して解決が求められる中で、AIはこれら課題を解決していく可能性を持っています。一方で、実際にAIを活用しようとすると様々なハードルが出てきます。
本講義では、これらのハードルを乗り越えていけるように、予測を伴う業務を見つけ、AI導入による業務効率化、業務改善を継続的に推進していくために必要なスキルを磨いていけるような取り組みを予定しています。
AIを具体的にどのようにビジネス領域の課題解決や新規ビジネス創出に活用するのがよいか考えられるようになり、課題解決にむけて計画をたて実行していくスキルを高めることを到達目標とします。

柴山 和久 客員教授

位置情報ビッグデータ(人流データ)はスマートシティ構想、災害医療支援対策、新型コロナのパンデミック対策や経済復興対策、公共交通施策、カーボンニュートラル対策など様々な分野で活用されています。
本データサイエンスコースでは人流ビッグデータ解析の基礎を学び、人流ビッグデータによる新型コロナ対策解析や災害情報支援解析、経済復興支援解析、交通状況解析など様々な具体的解析事例からデータサイエンティストとして重要となる洞察力の向上を目標としています。

金井 良太 客員教授

AIをビジネスで活用するために必要な知識とスキルを身に付けることを目標とします。AI技術を提供するスタートアップの現状や今後の展望について紹介し、ビジネスにおいてAI技術を導入する際の進め方などについて広く紹介します。AIの活用を検討している企業や、AI技術を提供するベンダー側の間で、どのような技術的理解やコミュニケーションが必要となるのか、具体的な適用事例を通して議論し、実践で活かせる知識を提供します。また、AI技術がビジネス応用と共に社会に浸透していく際に考慮すべき社会的な課題についても議論します。

栄藤 稔 客員教授

人工知能と医療の共同研究、膨大なデータを保有する通信事業におけるデータ解析、AIクラウド事業、医療・福祉分野での起業等を経験した著名な専門家１４人が登場して１コマ１事例紹介の授業を通して最先端技術とデータサイエンス事業を説明します。

吉原 博幸 客員教授

医療機関の電子カルテデータを集積して共同診療に役立てることをEHR（Electronid Health Record）と呼びます。更にEHRに家庭、職場、社会で発生する医療関連データを統合したものをPHR (Personal Healthcare Record) と呼びます。人々の健康を、未病、医療、終末期と人生全てにわたって適切にケアするために、PHRを安全で効率よく共有するシステムを社会基盤として構築します。これを単に患者本人の治療にのみ役立てるのでなく、広く医療技術、新薬開発などに利用し、未来の医療を作り出すことが必要です。これらを実現するために必要な技術、法律などの紹介と、EHR・PHRの開発史、現在の取組、問題点と将来展望について講義します。

粂 直人 客員教授

当然のことながら医療データは分析技術があれば誰でも手放しに使えるものではありません。技術と法制度の両方を勘案しつつ適切に取り扱う環境を確保した上で初めて新たなデータ活用の道を拓いていくことができます。担当科目では、情報セキリティ、プライバシー保護技術といった技術と、個人情報保護法等法制度の設計と運用を勘案しながら議論をすすめ、適切に医療データの利活用を促進できる人材の育成を目指します。

近藤 宏樹　客員准教授

現代のデータサイエンスを学ぶ上では、データサイエンスの様々な方法論に親しむことはもちろん重要ですが、データを適切に分析し問題解決を行っていくためには、背後にある数学的知識や統計学の基本的な考え方を正しく理解しておくことも必要です。本データサイエンスコースでは、数学的な知識に十分馴染みがない方でも、基礎から身に付けることの可能な科目を履修することができます。数学や統計の素養を基に、データサイエンス領域で活躍する人材が輩出されることを願っています。