医学研究科（修士課程） データサイエンス
データサイエンス 学位プログラム
ビジネス、医療、スポーツなど各分野のＡＩ及びデータサイエンス領域において、次代の道を切り拓く、トップ＆マネジメント層を発掘・育成します。
データサイエンス学位プログラム ポスター
■出願に関する質疑応答
2024年4月17日（水）17:30～18:30
お問い合わせはデータサイエンス学位プログラム（d.science@juntendo.ac.jp）までご連絡ください。
■案内事項
- 受験希望者は説明会または現地見学会に原則参加必須
- 出願希望者は、「履歴書」及び「研究計画書・志望理由書」をご提出ください（所定様式あり）。
【提出期日】調整中
【提出方法】d.science@juntendo.ac.jp 迄 メールにてPDFファイル送付
- 2025年度大学院入試の日程および詳細は準備中（昨年度版はこちら（医学研究科入試情報－修士 募集要項－）からご確認ください）。
教育の特色
AI及びデータサイエンスのトップ人材による講義
学術及びビジネスの最前線でトップとして活躍する教員を招聘。最先端の研究や技術等に基づいた実践型の講義を提供します。
AI先端企業との産学連携講座
企業や研究機関との産学連携・共同研究の実績豊富な本学が、データサイエンス学位プログラム実現のため、世界的ＡＩ関連企業とのコラボレーションを推進。応用科目群ではトップクラスの産学連携教育プログラムを受講することができます。
「医療」「スポーツ」 × AI
医療データやスポーツデータの2次利用、ヘルスイノベーションなど、本学伝統分野の「医療」「スポーツ」を基礎に、ＡＩとの結合・融合によって、次世代の技術や価値を創造していきます。
働きながら研究に打ち込める環境を支援
キャンパスは御茶ノ水駅徒歩7分。抜群の好立地と言え、都内の各所から容易にアクセスが可能。仕事帰りに学べることが可能です。また、学費については、多くの社会人に学んでいただけるよう、平均より低く設定しています。
人材養成の目的
データサイエンスコースでは、ＡＩに関する知識とスキルを修得し、医療・健康・スポーツをはじめ、種々な場面で蓄積されたビッグデータを解析分析し、課題解決策や新たな価値を創造できる人材を養成します。
| コース名 | 医科学コース |
| 学位プログラム名 | データサイエンス 学位プログラム |
| 取得できる学位の種類 | 修士（医科学） |
大学院生が所属する教育研究分野
- データサイエンス
（大学院生の所属先正式名称）
医学研究科 医科学専攻 修士課程 データサイエンス
教員紹介
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。
| 担当講義 |
・データサイエンス入門（さまざまな立場から） ・脳の仕組みと人工知能 ・データサイエンス研究演習Ⅱ（画像診断）（事例研究） |
| 専門分野 | 医用画像、放射線医学、脳科学、画像統計解析 |
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。
| 担当講義 | ・統計学実践 ・多変量データ解析 |
| 専門分野 | 統計的データ解析の理論と応用 |
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。
| 担当講義 | ・コンピュータ概論Ａ（原理・歴史） ・データサイエンス研究演習III(ヘルスデータ解析) |
| 専門分野 | 計算科学、バイオメカニクス |
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。
| 担当講義 | 産学連携講座：パロアルトインサイト |
| 専門分野 | AIビジネス、データ活用、ITビジネス、企業戦略、経営論、IoT、機械学習やディープラーニングを使ったビジネスモデル構築、AIビジネスデザイン、DX、イノベーション、アメリカのIT企業戦略、スタートアップ |
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。
| 担当講義 | 産学連携講座：AI inside |
| 専門分野 | データサイエンス |
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。
| 担当講義 | 産学連携講座： Agoop （ソフトバンク） |
| 専門分野 | データサイエンス |
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。
| 担当講義 | 産学連携講座：アラヤ（AIビジネス社会論） |
| 専門分野 | 認知神経科学 |
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。
| 担当講義 | データサイエンス特別招聘講義 |
| 専門分野 | 情報科学 |
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。
| 担当講義 | 医療データの２次利用概論 |
| 専門分野 | 医療情報学 |
| 関連動画 | 新型コロナウイルス感染症対策の文理融合研究－ウィズコロナ社会の展望 #5 パネルディスカッション【京都大学 - RIETI 共催シンポジウム】 |
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。
| 担当講義 | ・データサイエンス演習Ⅲ（セキュリティ） ・医療データの二次利用概論 |
| 専門分野 | 医療情報学、Electronic Health Record (EHR)、医用バーチャルリアリティ |
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。
| 担当講義 | ・基礎数学概論（数理科学） ・確率と統計 |
| 専門分野 | 確率論 |
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。
| 担当講義 | スポーツデータとAI |
| 専門分野 | オペレーションズ・リサーチ、スポーツデータアナリティクス、経営科学 |
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。
| 担当講義 | 健康寿命延伸とデータサイエンス |
| 専門分野 | 代謝内分泌内科学、運動生理学 |
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。
| 担当講義 | データサイエンス演習Ⅰ（データハンドリング） |
| 専門分野 | 循環器内科学、医療人工知能、デジタルヘルス |
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。
| 担当講義 | データサイエンス入門（さまざまな立場から） |
| 専門分野 | 数理統計学、多変量解析、スポーツ統計学、統計的機械学習 |
授業科目一覧
※以下の授業科目は、現時点の開講予定科目であり、今後、変更となる場合があります。
基礎教育科目
| 科目区分 | 授業科目 | 単位数 | 必修/選択 |
| 医科学共通 | 医科学概論Ⅰ（生化学・生理学） | 2 | 必修 |
| 医科学概論Ⅱ（人体機能構造学） | 2 | 必修 | |
| 医科学基礎 | 医科学研究方法論Ⅰ | 1 | 必修 |
| 医療倫理学 | 2 | 必修 | |
| データサイエンス基礎 | コンピュータ概論Ａ（原理・歴史） | 2 | 選択必修 |
| コンピュータ概論Ｂ | 2 | 選択必修 | |
| プログラミング演習Python | 2 | 必修 | |
| 人工知能概論（機械学習・深層学習含） | 2 | 必修 | |
| データサイエンス入門（さまざまな立場から） | 2 | 必修 | |
| 情報法制 | 2 | 必修 | |
| 基礎数学概論（数理科学） | 2 | 選択 | |
| 臨床疫学 ※1 | 2 | 選択 | |
| 統計学実践 | 2 | 選択 | |
| R言語による基礎統計学 | 2 | 選択 | |
| 数理的解析の基礎力向上のための微分方程式と数理モデリング | 2 | 選択 | |
| 自然言語処理 | 1 | 必修 | |
| 確率と統計 | 2 | 選択 | |
| 基礎生物統計学 | 2 | 選択 | |
| ＭＡＴＬＡＢを活用した宇宙画像解析 | 1 | 選択 | |
| スポーツデータとＡＩ | 2 | 選択 | |
| 脳の仕組みと人工知能 | 2 | 選択 |
※1：公衆衛生学コースとの共同開講科目
専門教育科目
| 授業科目 | 単位数 | 必修/選択 | |
| 医療データの2次利用概論 | 2 | 選択 | |
| 多変量データ解析 | 2 | 選択 | |
| 健康寿命延伸とデータサイエンス | 1 | 選択 | |
| AIがもたらす課題と社会原則、制度、政策 | 2 | 選択 | |
| データサイエンス演習Ⅰ（データハンドリング） | 2 | 選択必修 | |
| データサイエンス演習Ⅱ（Web） | 2 | 選択必修 | |
| データサイエンス演習Ⅲ（セキュリティ） | 2 | 選択必修 | |
| データサイエンス研究演習Ⅰ（医用画像解析入門） | 1 | 選択必修 | |
| データサイエンス研究演習Ⅱ（画像診断）（事例研究） | 1 | 選択必修 | |
| データサイエンス研究演習Ⅲ（医療データ解析）（事例研究） | 2 | 選択必修 | |
| データサイエンス研究演習Ⅳ（ヘルスデータ解析）（事例研究） | 2 | 選択必修 | |
| 多次元データビジュアリゼーション | 2 | 選択必修 | |
| 計算論的神経科学 | 2 | 選択 | |
| 応用生物統計学 | 2 | 選択 | |
| データサイエンス概論Ａ | 2 | 選択 | |
| データサイエンス概論Ｂ | 2 | 選択 | |
| オペレーティングシステム | 1 | 選択 | |
| データサイエンス特別招聘講義 | 2 | 選択 | |
| プログラミング応用Python | 1 | 選択 | |
| 災害医療データサイエンス | 1 | 選択 | |
| 産学連携講座 | AI技術とビジネス活用（LINEヤフー株式会社） | 2 | 選択 |
| パロアルトインサイト | 1 | 選択 | |
| AI inside | 1 | 選択 | |
| Agoop（ソフトバンク） | 1 | 選択 | |
| NEC | 1 | 選択 | |
| IBM | 1 | 選択 | |
| ジョルダン（Androidアプリ開発） | 1 | 選択 | |
| 日本生命保険相互会社 | 2 | 選択 | |
研究指導科目
| 授業科目 | 単位数 | 必修/選択 |
| データサイエンス研究Ⅰ | 2 | 必修 |
| データサイエンス研究Ⅱ | 2 | 必修 |
| データサイエンス研究Ⅲ | 2 | 必修 |
| データサイエンス研究Ⅳ | 2 | 必修 |
※所属する研究分野（データサイエンス）が開講する特別研究科目を履修する。
修了要件
基礎教育科目（データサイエンス基礎）12単位（必修及び選択必修）、専門教育科目から6単位以上、研究指導科目8単位（必修）、計30単位以上を修得し、必要な論文指導を受け、本大学院が行う修士論文の審査及び最終試験に合格すること。
※基礎教育科目（医科学共通、医科学基礎）の科目については、入学前に大学教育レベルの教育を受け、単位取得していない場合は、履修を必須とする（オンデマンド受講可）。なお、当プログラムの学生のみ、プログラム責任者により「合/否」の判定を行う。
学費、入学試験等について
- 学費（授業料について）
他のプログラム（展開医科学、臨床遺伝学、公衆衛生学、ヘルスコミュニケーション）とは授業料が異なりますのでご注意ください。具体的な金額等については学費のページをご覧ください。
本コースに関するお問い合わせ
＜連絡先＞
研究指導責任者：青木 茂樹 教授
メール宛先：d.science★juntendo.ac.jp（★を@に変えてお送りください。）