医療健康データ科学WEBセミナー

医療健康データ科学WEBセミナー

医療健康データ科学における最新の理論・方法論について、国内外の第一線で活躍する研究者によるオンラインセミナーを実施します。また、本セミナーの内容は、ビデオ教材として、センターのe-learningシステムに順次収録される予定です。

2022年度開催要項

※申込の際は下記注意事項をお読みいただき申込みください。

注意事項
講演はすべてオンライン(ZOOMウェビナー)開催となります。
各講演毎の申込が必要です。
本講演の申込受付は、Peatix Japan(株)のシステム上で行います。各日下記リンクをクリックすると同社のサイトに移動します。お申込にはPeatix Japan(株)のシステムにアカウントの登録が必要です。
定員に達し次第、お申し込みを締め切らせていただきます。
取得した情報は、当該講演への登録及び受講に関する連絡や、企業や個人を特定できない形で弊所講座・教材等の企画立案等のために利用することがあります。Peatix Japan(株)のシステムにアカウントを作成する際に入力する情報については同社のポリシーに従うものとします。

   
No 日時講演者 タイトル お申込み
2022年10月4日(火)
11:00~12:30
芝 孝一郎
(Boston University School of Public Health)
統計的因果推論における効果の異質性の問題について
(講演詳細)
開催済
2022年11月25日(金)
17:00~18:30
松井 孝太
(名古屋大学大学院医学系研究科)
統計的機械学習とニューラルネットワークの基礎
(講演詳細)
申込み受付は
10月12日(水)12:00頃から
申込はこちら から
2022年12月19日(月)
17:00~18:30
日時は変更の可能性があります
松井 孝太
(名古屋大学大学院医学系研究科)
TBD
準備中

講演の詳細

第1回 統計的因果推論における効果の異質性の問題について

講演者:芝 孝一郎 (Boston University School of Public Health)
日時:開催済 2022年10月4日(火)11:00~12:30

概要:疫学・臨床研究における観察データを用いた因果推論の多くは、集団全体における平均的な曝露・治療効果を推定している。一方で、治療効果は必ずしも集団内で一定ではない。効果の異質性(effect heterogeneity)、交互作用(interaction)、効果修飾(effect modification)といった言葉で表現される現象である。限られた資源の中で介入効果を最大にするためには、治療効果が高いサブ集団を特定して優先的に介入することが有効かもしれない。集団全体に介入を行う場合でも、全ての人が平等にその効果を得られているかどうかの評価は重要だ。どうすれば介入効果を強める・弱めることができるのかを知りたい場合もあるかもしれない。本講演では、サブ集団における治療効果の推定について、そのモチベーション・理論的な背景・伝統的な分析アプローチやその注意点に加えて、機械学習の応用も含めた近年の手法の発展と今後の課題についてご紹介する。


第2回 統計的機械学習とニューラルネットワークの基礎

講演者:松井孝太 (名古屋大学大学院医学系研究科)
日時:2022年11月25日(金)17:00~18:30
申込:申込み受付は10月12日(水)12:00頃~
申込はこちら から
※申込前に必ず注意事項をお読みください

概要:統計的機械学習 (statistical machine learning) は、大量のデータからそれらが内包する意味のあるパターンを自動的に特定・獲得するための技術の総称である。統計的機械学習は、数学的には入力と出力の間の関係を表す関数をデータから推定する問題として定式化される。例えば、入力を胸部レントゲン画像、出力を肺がんへの罹患の有無とすれば、画像データから肺がんへの罹患を判定する診断システム(これが関数に相当する)を開発する問題を統計的機械学習の問題として定式化することができる。ニューラルネットワーク (neural networks) は、上記のような関数を推定する際に用いられる統計モデルの一種である。特に、深層ニューラルネットワーク(deep neural networks) と呼ばれる多層構造を持つニューラルネットは、その関数近似能力の高さと多様な問題に適用可能な汎用性から、現在の第三次人工知能ブームの中核を担う技術となっている。本講演では、まず統計的機械学習の問題設定とアプローチ、特に「学習」という言葉が何を表していてどのように実現されるのかを説明する。次に、ニューラルネットの基本的事項を説明する。基盤となるいくつかのモデルを紹介し、学習の構成要素である損失関数、最適化アルゴリズムなどを解説する。