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 AI with Python
[Medical AI with Python: P64] 生成モデル入門② 潜在変数モデル (VAE/GAN) — データを抽象的な「潜在空間」へ写し取り、創造する仕組みを学ぶ
TL; DR (要約) AIが「分類する評論家」から、新しいデータを「創造する芸術家」へ。 データの本質を「設計図(潜在空間)」として学び、創造する2大生成モデルVAEとGANの比較です。 VAE (変分オートエンコーダ)【安定志向の優等生】 仕組み: データを「平均... -
Medical AI with Python
[Medical AI with Python: P63] 学習の「ペース配分」を最適化する:学習率スケジューリング入門
TL; DR (要約) AIの学習もマラソンと同じで「ペース配分」が重要。ずっと同じ速度では最高の性能は出ません。 学習率を賢く調整する学習率スケジューリングの要点です。 ① ウォームアップ (助走)学習のスタート 学習初期はごく低い学習率から始め、徐々に... -
Medical AI with Python
[Medical AI with Python: P61] 深層学習の「高速道路」:ResNetとスキップ接続の革新
TL; DR (要約) AIを深くすると、なぜか性能が劣化する「深さの壁」。 この壁を「バイパス(スキップ接続)」という天才的な近道で打ち破ったのが、現代AIの礎ResNetです。 ① 課題(深さの壁) 層を深くしすぎると、AIが「何もしない」ことすら学べず、学習信... -
Medical AI with Python
[Medical AI with Python: P62] 深層学習の「安定化装置」:正規化層と重みの初期化
TL; DR (要約) 深いAIの学習は、情報が歪む「伝言ゲーム」のようで不安定でした。 学習を高速化・安定化させるための、2つの必須テクニック「正規化層」と「重みの初期化」の要点です。 ① 課題(内部共変量シフト) 層が深くなると、学習中に各層への入力デ... -
Medical AI with Python
[Medical AI with Python: P27] 初めての総合演習!多層ニューラルネットで疾患予測に挑戦
TL; DR (要約) AI開発は料理と同じ。良い食材(データ)を正しく下ごしらえし、レシピ通りに調理し、最後に味見(評価)する。 この総合演習では、心疾患予測をテーマに、AI開発のフルコースレシピを最初から最後まで体験します。 ① データの下ごしらえ(ED... -
Medical AI with Python
[Medical AI with Python: P72] 学習の成果を未来へ!モデルの保存・読み込みと推論の実践
TL; DR (要約) 何日もかけて育てたAIの「知識」が、プログラムを閉じると消えてしまう…。 AIの知識をファイルに保存し、いつでも呼び出して新しいデータで予測(推論)させる、超実践的な技術の要点です。 ① AIの知識の正体(state_dict) AIが学習した「知... -
Math for Medical AI
[Math for Medical AI: M12] 内積で測る「似ている」とは? — Embeddingと類似度の世界
TL; DR (要約) AIは「似ている」をどう判断する? その答えは「距離」より「角度」にあり、それを測るのが内積です。 このシンプルな計算が、AIに「意味」を教えるEmbedding技術の核心です。 ① 内積(「角度」を測る道具) 2つのベクトルがどれだけ「同じ方... -
Math for Medical AI
[Math for Medical AI: M3.3] 連鎖律(合成関数の微分) — ニューラルネットワークの学習を可能にする「伝言ゲーム」
TL; DR (要約) AIの学習は、長い「伝言ゲーム」。最後の間違いは、誰の責任? その「責任」を、下流から上流へと遡って突き止める魔法の計算ルール、それが連鎖律 (Chain Rule)です。 ① 課題(長い伝言ゲーム) AIは関数の「入れ子構造」。最初の工程での小... -
Math for Medical AI
[Math for Medical AI: M3.2] 偏微分 — 多次元世界の「傾き」を捉える技術
TL; DR (要約) AIは、どうやって複雑な地形(損失関数)の中から「最も急な坂」を見つけるのか? その答えが偏微分です。「一度に一つのことだけ考える」という、シンプルで強力な戦略の要点です。 ① 偏微分(一つの軸でスライス) 多次元の複雑な問題を、一... -
Math for Medical AI
[Math for Medical AI: M3.1] 微分の基礎と勾配 ― AIが「学習」する方向を見つける魔法
TL; DR (要約) AIは、霧深い山中で谷底(最適解)を探す旅人。その旅に不可欠な「下り坂の方向」を教える魔法のコンパスが微分です。 AIの学習の心臓部である「微分」と「勾配」の役割を、直感的なイメージで理解しましょう。 ① 微分(瞬間の傾き) 関数のグ...
