Blog
-
[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 : 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 : 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... -
[Medical Data Science 100 : S14] 因果推論を可能にする3つの約束：観察データから「本当の効果」を見抜くための必須条件
因果推論を支える３つの大原則 医療の観察データから信頼できる結論（因果）を導き出すには、「交換可能性」「ポジティビティ」「整合性」という３つの重要な前提（お約束）を満たす必要があります。これらが分析の土台となり、結果の信頼性を保証します。... -
[Medical Data Science 100 : S13] 「薬の効果はどれくらい？」を正しく測る3つのモノサシ：ATE, ATT, ATC入門
因果推論の学習ポイント 薬の「本当の効果」を知るには、単純比較の落とし穴を避け、因果関係を正しく捉える統計学の視点が必要です。その核心となる3つの重要概念を解説します。 ⚠️ 統計学のワナ なぜ単純比較は危険か 「薬を飲んだ/飲まない」の単純比較... -
[Medical Data Science 100 : S12] 「もし、あの時…」を科学する：反実仮想とポテンシャルアウトカム
臨床の現場で、ふとこんな風に考えることはありませんか？ 「もし、あの患者さんにもう一つの治療法を試せていたら、今頃どうなっていただろう？」「この新しい薬を使わなかった世界線では、患者さんのQOLはもっと高かったのかもしれない…」 こうした、私... -
[Medical Data Science 100 : S10] 第10回「アイスが売れると溺死者が増える？」相関と因果を見分ける思考法
学習のポイント データ上で2つの事柄が連動して見える「相関」があっても、それが「原因と結果」を意味するとは限りません。 多くの場合、両方に影響を与える「交絡因子」という真犯人が存在し、見せかけの相関を生み出しています。この違いを理解すること... -
[Medical AI with Python: P88] AIと因果推論 —「相関」の先にある「原因」を探る
AIと因果推論の学習ポイント AIはデータから驚くべき「相関」を見つけ出しますが、それだけでは「介入したらどうなるか？」という「因果」の問いには答えられません。因果推論は、その溝を埋め、AIを単なる予測ツールから、より賢明な意思決定パートナーへ... -
[Math for Medical AI: M4.3] 確率分布とは？ – 正規分布・ベルヌーイ分布でデータの本質を捉える
はじめに：データの「設計図」としての確率分布 前回の講座で私たちは、ベイズの定理という強力なツールを手にし、新しい「証拠」に基づいて確率的な「信念」を更新する方法を学びました。これは、個々の患者さんを前にしたときのミクロな推論プロセスでし... -
血糖値スパイクを防ぐ食事術【食べ方・タイミング編①】｜科学が示す「食べる順番」と「時間栄養学」の力
はじめに：「何を食べるか」から「いかに食べるか」へ 以前の記事「食材編」では、血糖値スパイクを抑制するために、どのような食材を戦略的に選ぶべきかを探求しました。食物繊維、良質な脂質とタンパク質、そしてポリフェノールという「質の良い材料」を...
