髙﨑 洋介(医師・医学博士・MBA) | Dr. TAKASAKI Yohsuke, MD, PhD, ScM, MPA, MBA, FRSM– Author –
髙﨑 洋介(医師・医学博士・MBA) | Dr. TAKASAKI Yohsuke, MD, PhD, ScM, MPA, MBA, FRSM
AI医師科学者芸人・医学博士・連続起業家・元厚生労働省医系技官
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
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、医療者向けAIラボ「Medical AI Nexus」、医療メディア「The Health Choice | 健康の選択」、美・医・食ポータル「Food Connoisseur」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 : C30.6] 医療者のためのPython文法ショートコース
学習のポイント:Python文法の全体像 臨床医学を学ぶ上で基礎生理学が不可欠なように、Python文法は医療AIライブラリを使いこなすための土台です。このコースで学ぶ主要な概念を視覚的に整理しました。 📦 データと容器 変数・データ型・コレクション 数値... -
Clinical AI Coding 100
[Clinical AI Coding 100 : C30.5] uv・conda・Docker──発展ツールで本番環境まで見据える
学習のポイント venvの限界(GPU共存の壁と本番再現性の壁)を理解し、それを解決する発展的ツールconda, uv, Dockerの役割と使い分けを学びます。 🧱 venvの「2つの壁」 🧑🔬 GPU共存の壁 (研究) 複数のCUDA環境(例: 11.7と12.1)を同じPCで安定して切... -
Clinical AI Coding 100
[Clinical AI Coding 100 : C30.4] 仮想環境入門──venvで「清潔野」を守る
学習のポイント:仮想環境 venv 医療AI開発では、プロジェクト間の依存関係の衝突を防ぐ「仮想環境 (venv)」が不可欠です。これは手術室の「清潔野」に例えられ、プロジェクトごとに独立した安全な開発環境を確保し、研究の再現性を高めます。 ⚠️ 課題:グ... -
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 Knowledge Choice
【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...
