Blog
-
[Math for Medical AI: M20] 「微分」と「勾配」って何がすごいの？ — AIの学習を駆動するエネルギー源
この記事で学ぶこと対象読者・前提知識微分が「瞬間の変化率」を捉えるツールであることを、直感的な例で説明できる。 勾配が、多次元空間における「最も急な坂の方向」を示すベクトルであることを理解する。 AIの学習（パラメータ調整）において、なぜ勾... -
[Math for Medical AI: M4.1] 確率の基本と確率変数 – 不確実な医療データをAIで扱う第一歩
AI数学講座 0.4.1: 確率の基本と確率変数 – 不確実な医療データをAIで扱う第一歩 【この記事で学ぶこと】 確率の基本的な定義（事象、確率空間）を、医療現場の例を用いて説明できるようになる。 「確率変数」が、現実世界の出来事と数値を結びつける「橋... -
[Medical AI with Python: P76] AI倫理・バイアスと説明可能性（XAI） — AIを社会実装する上で不可欠な、公平性・透明性・責任について学ぶ
TL; DR (要約) AIは強力な「メス」ですが、使い方を誤れば「凶器」にもなり得ます。 医療AIを安全に使うための倫理・法・社会（ELSI）の4つの重要チェックポイントです。 ① 臨床リスク AIは自信満々に誤情報 (ハルシネーション) を生成します。AIはあくま... -
[Medical Generative AI: G42] AIは「世界」をどう理解し、「自分」をどう認識するのか？——ワールドモデルと自己認識、次世代医療AIの夜明け
TL; DR (要約) AIが「応答する道具」から、世界を理解し、自らを省みる「知性」へ。 その次なる地平を拓く「ワールドモデル」と「自己認識」の要点です。 ① ワールドモデル(AIの頭の中に世界を再現) 現実世界のルールを学習し、「もしこうしたら、どうなる... -
[Medical AI with Python: P51] 生成モデル入門① 自己回帰モデル 「Transformer」徹底理解！ — ChatGPTを支えるAttentionと自己回帰生成の全容を学ぶ
TL; DR (要約) AIの「心臓部」であるTransformer。RNNの「順番待ち」を、全単語を一度に見るAttentionで解決。 現代の大規模言語モデル(LLM)の驚異的な性能を支える、革命的技術の要点です。 ① 核心アイデア (Attention)「全体を一度に見る」 文章を「一単... -
[Medical AI with Python: P41] AIに「時間」を教える：PyTorchとRNN/LSTMによる系列データ分析
TL; DR (要約) AIに「時間」や「順序」の概念を教える系列モデルのまとめです。心電図の波形やカルテの文章など、流れを持つデータを分析する技術の核心を掴みましょう。 RNN 【基本の記憶モデル】 過去の情報を次のステップに伝えるループ構造が特徴。た... -
[Medical Generative AI: G35] データは動かさず、知識だけを集める——連合学習が拓く、プライバシー保護AIのフロンティア
TL; DR (要約) 「データは病院の外に出せない。でも高性能AIは作りたい！」このジレンマを解決するのが連合学習 (Federated Learning)です。 データを動かさず、賢くなったAIモデル（知識）だけを共有する、プライバシー保護時代の新しい学習方法の要点で... -
[Medical Generative AI: G34] AIモデルは「作って終わり」ではない——医療AIを現場に届け、育てるためのMLOps入門
TL; DR (要約) 高性能なAIモデルも、研究室に置いたままでは価値を生みません。 MLOpsは、AIを「開発」して終わりではなく、臨床現場に「届け、育て続ける」ための技術と文化の総称です。 ① API化 (製剤) 研究モデルを軽量化し、外部から呼び出せる「APIサ... -
[Medical Generative AI: G33] AIの「成績表」を正しく読む技術——医療AIモデルの性能評価とチューニング入門
TL; DR (要約) 「正解率99%」のAIでも、実際には役に立たないことがあります。 AIの性能評価とは、単なる点数ではなく「誰を、なぜ、どう間違えたか」を深く分析する、総合的な成績表を読む作業です。 ① 正しい成績の付け方 再現率 (Recall): 🔍 病気の人... -
[Medical Generative AI: G32] 説明可能なAI (XAI) とモデルの信頼性 – AIの「思考」を理解し、臨床のパートナーへ
TL; DR (要約) AIの「正解率95%」という数字だけでは、臨床現場では使えません。 「なぜそう判断したのか？」というAIの思考プロセスを透明化し、信頼できるパートナーにするための技術のまとめです。 ① 説明可能性 (XAI) 「思考」の可視化 AIの判断根拠（...
