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
-
Clinical AI Coding 100
[Clinical AI Coding 100 : C30.3] VS Codeで「本番を意識した」Python開発に乗り換えよう
学習のポイント Jupyterは「実験ノート」として優秀ですが、再現性に課題があります。VS Codeは「コードの手術室」として、インテリジェンス機能、厳格なフォルダ分け(ゾーニング)、デバッグ機能により、Jupyterで見つけたアイデアを「再現可能な本番コ... -
Clinical AI Coding 100
[Clinical AI Coding 100 : C30.2] Jupyter Notebook入門 ― 思考を記録する「デジタルの実験ノート」
学習のポイント この章では、医療AI開発の「作業台」となるJupyter Notebookの使い方を学びます。データと対話し、試行錯誤のプロセスを記録する強力なツールですが、「再現性」を保つルールと、本番開発(VS Code)との「分業」を理解することが重要です... -
Clinical AI Coding 100
[Clinical AI Coding 100 : C30.1] なぜPythonなのか?医療AIと開発ツールの全体像
学習のポイント なぜ医療AIの研究開発ではPythonが「共通言語」なのでしょうか? それは、AI(深層学習)という最新の"医療機器"がPython専用として開発され、データ準備からアプリ開発まで全てをこなす「最強の道具箱」が揃っているからです。 従来の専門... -
Clinical AI Coding 100
[Clinical AI Coding 100 : C30] 【概要編】医療AI × Python開発の地図を手に入れよう【2026年バージョン】
C30総論:学習のポイント C30シリーズ(プログラミング編)の全体像を学びます。医療AI開発で使うツール群の役割と連携を「臨床メタファー」で理解し、C30.1〜C30.7を迷わず進めるための「大地図」を手に入れます。 🗺️ C30の目的:開発の「大地図」 全体像... -
Clinical AI Coding 100
[Clinical AI Coding 100 : C29] データから因果の地図を描き出す、因果発見のアプローチ
学習のポイント: 「因果発見」の全体像 データから「特定の矢印」を検証する因果推論から一歩進み、因果関係の「地図そのもの」を描き出す「因果発見」のアプローチと、その主要な手法を概観します。 🗺️ → 🧭 推論 vs 発見 目的の違い 因果推論は、仮定し... -
The Health Choice Literacy
【超基礎】食物繊維の「本当のチカラ」:腸内細菌が鍵。血糖値・免疫・がん予防への科学的アプローチ
「食物繊維」は、健康に関心のある方なら誰もが知る栄養素です。しかし、その役割を「お通じを良くするもの」や「カロリーゼロの満腹補助」といった側面に限定して捉えてはいないでしょうか。 もちろん、それらも重要な機能の一部です。しかし、近年の飛躍... -
Clinical AI Coding 100
[Clinical AI Coding 100 : C28] AIと因果推論のドリームチームを結成する
学習のポイント:AIと因果推論の融合 本章では、従来の「平均的な効果(ATE)」から一歩進み、AI(機械学習)と因果推論を融合させて「個人の効果(CATE)」を推定する手法と、その臨床応用(アップリフトモデリング)について学びます。 🎯 1. The "Why" 「平... -
Clinical AI Coding 100
[Clinical AI Coding 100 : C27] 自然実験を味方につける、準実験的デザインの強力ツール
学習のポイント:準実験的デザイン 「AがBの原因か?」という因果関係を知ることは、医療現場や政策決定で不可欠です。最強のRCTが使えない時、私たちは「準実験的デザイン」という賢い道具を使います。これらは、実世界のデータから「もしも」の比較対象... -
Clinical AI Coding 100
[Clinical AI Coding 100 : C26] 「見えない敵」交絡を華麗にさばくテクニック
学習のポイント:交絡(こうらく) データ分析で「真の原因」を探る際、必ず現れる「見えない敵=交絡」。この敵の正体と、それを倒すための強力な統計的武器(層別化、傾向スコア、MSMなど)の基本戦略を学びます。 🕵️ 交絡とは? (The Problem) 見えない... -
Clinical AI Coding 100
[Clinical AI Coding 100 : C25] 未来を予測する統計モデリング②:生存時間分析
生存時間分析の全体像 生存時間分析は、「いつ」イベントが起こるかを扱う統計手法です。医療データ特有の「打ち切り(情報が不完全な患者)」を、情報を捨てずに正しく分析するのが核心です。 ❓ なぜ必要? 「打ち切り」データ問題 5年研究で「3年再発」...
