髙﨑 洋介(医師・医学博士・MBA) | Prof. TAKASAKI Yohsuke, MD, PhD, ScM, MPA, MBA, FRSM– Author –
髙﨑 洋介(医師・医学博士・MBA) | Prof. TAKASAKI Yohsuke, MD, PhD, ScM, MPA, MBA, FRSM
医師・医学博士・AI研究者・連続起業家
元厚生労働省幹部・ハーバード大学理学修士・ケンブリッジ大学MBA・コロンビア大学行政修士(経済)
岡山大学医学部卒業後、内科・地域医療に従事。厚生労働省で複数室長(医療情報・救急災害・国際展開等)を歴任し、内閣官房・内閣府・文部科学省でも医療政策に携わる。
退官後は、日本大手IT企業や英国VCで新規事業開発・投資を担当し、複数の医療スタートアップを創業。現在は医療AI・デジタル医療機器の開発に取り組むとともに、東京都港区で内科クリニックを開業。
複数大学で教授として教育・研究活動に従事し、医療関係者向け医療AIラボ「Medical AI Nexus」、医療メディア「The Health Choice | 健康の選択」を主宰。
ケンブリッジ大学Associate・社会医学系指導医・専門医・The Royal Society of Medicine Fellow
-
Medical Data Science 100
[Medical Data Science 100 : S2] 平均値だけじゃ物足りない!分散と標準偏差でデータの「個性」を暴く方法
学習のポイント データの「真ん中」を示す平均値だけでは、集団の本当の姿は見えません。データの「ばらつき」を理解することで、その個性を深く読み解くことができます。 📏 分散と標準偏差 ばらつきを数値で見る 分散は「各データと平均値の差(偏差)の2... -
Medical Data Science 100
[Medical Data Science 100 : S1] 平均値と中央値、臨床研究で本当に使うべきはどっち?外れ値に惑わされないデータ分析の第一歩
学習のポイント データの「真ん中」を示す代表値には個性があります。外れ値に弱い「平均値」と、それに強い「中央値」の違いを理解し、状況に応じて正しく使い分けることがデータ読解の鍵です。 🗳️ 平均値 (Mean) 全員参加の民主的リーダー 全てのデータ... -
Medical Data Science 100
[Medical Data Science 100 : S0] ようこそ統計学の世界へ!AI時代の最強の「共通言語」を学ぶ理由
統計学が最強の武器になる3つの理由 AI時代の医療では、データを正しく理解し活用するために統計学が不可欠です。この記事では、その核心となる「記述統計」「推測統計」「データリテラシー」の3つの概念を解説します。 📝 記述統計 データの全体像を把握... -
Medical Data Science 100
[Medical Data Science 100 : S19] AIはどこまで賢くなれるか?パールの「因果のはしご」が示す未来
因果のはしご:AIが賢くなるための3ステップ AIが単なるパターン認識を超え、真の知性を得るには「なぜ?」を理解する必要があります。この記事では、ジュディア・パール博士が提唱した「因果のはしご」の3ステップを通じて、AIが賢くなるための道筋と、そ... -
Knowledge / Informed Choice
持続血糖測定器(CGM)データ解読術:FreeStyleリブレのレポートから「血糖変動の真実」を読み解き、あなただけの健康戦略を立てる
CGMレポート解読のポイント CGMデータはあなたの健康状態を示す「宝の地図」です。レポートの主要4項目を読み解き、日々の血糖管理に活かすための戦略的な視点を学びましょう。 🎯 現在地の確認 総合スコア (TIR) 目標範囲(70-180mg/dL)にいる時間(TIR)が7... -
Knowledge / Informed Choice
CGM(持続血糖測定器)とは?医師が基本から解説|血糖値の「見える化」で変わる健康管理
CGM(持続血糖測定器)の基本 CGMは、これまで「点」でしか見えなかった血糖値を「線」として捉え、食事や運動など生活習慣との関係を可視化する技術です。自分の身体を知るための新しい「ものさし」の基本を学びましょう。 CGMとは? 🎬 「点」から「線」... -
Medical Data Science 100
[Medical Data Science 100 : S18] 2大流派の融合:DAGとポテンシャルアウトカムの良いとこ取り、そしてSWIGsへ
因果推論の2大潮流とその架け橋 「なぜ?」という問いに科学的に答える因果推論には、主に2つのアプローチがあります。物事の仕組みを「地図」のように描く因果グラフ(DAG)と、「もしも」の世界を厳密に比較するポテンシャルアウトカムです。そして、この2... -
Medical Data Science 100
[Medical Data Science 100 : S17] 「見る」と「行う」は天と地ほど違う:介入とdo演算子で因果の扉を開ける
学習のポイント データを見るだけの「観察」では、交絡によって真の因果関係は見えません。本章では、「もし介入したら」という因果の問いに答えるための強力な言語「do演算子」の概念と、それを用いて観察データから真の効果を計算するまでの思考プロセス... -
Medical Data Science 100
[Medical Data Science 100 : S16] 因果の”流れ”を読み解く地図の文法:d分離とバックドア基準で交絡を断ち切る
因果グラフを読み解く3つの交通ルール 因果関係を正しく見抜くには、DAG(因果の地図)の交通ルール「d分離」を理解することが不可欠です。このルールを使い、交絡の原因となる「バックドア」を適切に塞ぎ、調整してはいけない「合流点」の罠を避ける方法... -
Medical Data Science 100
[Medical Data Science 100 : S15] 物事の「仕組み」を図で描く:ジュディア・パールと構造的因果モデル(SCM)
学習のポイント 「相関」と「因果」を見分けるための強力な思考ツール、DAGとSCMを学びましょう。これらのツールを使えば、複雑なデータの中から真の関係性を見抜き、より良い意思決定を行うための「因果の地図」を描けるようになります。 🤔 見せかけの相...
