原文

翻訳を改善する
メディカルデータサイエンティスト養成講座
　

医療現場に必須のデータサイエンスを実践的・効率的に習得

本講座はメディカル分野におけるデータサイエンティスト養成講座です。
メディカル分野において用いられる解析手法のしくみ・活用方法の理解と共に、メディカル分野の特性に合わせたデータを用いた具体的演習により、実践的解析力、問題解決力の習得を目指します。
修了認定者には、統計検定２級取得を無料サポートします。検定２級対応講座を無料にて受講可能です。
料金40万円（税込）
研修時間42時間（3 ヶ月）
修了認定要件下記3 要件を満たした場合、修了認定証を交付
・全科目受講（各科目90％以上出席）
・総合テスト70 点以上
・課題解決プレゼンテーションに合格
　

＜不合格の場合＞
1．受講不足の場合は、アーカイブ受講をして頂きます。
2．総合テスト不合格の場合は、再受講をお勧めし、再試験を受けて頂きます。
3．課題解決プレゼンテーションに不合格の場合は、課題レポートを提出して頂きます。
4．総合的に審査し、合格と認められた場合は、修了認定証を交付します。


演習事例

  • 降圧剤服用前後の最高血圧の違いについて比較する。
  • 新薬投与群と既存薬投与群の効果の違いについて検討する。
  • 新薬の投与前後の効果について比較する。
  • 薬効について患者アンケートから年代別に比較する。
  • 中性脂肪とGOT数値、年齢の関係について検討する。
  • 治療方法と有効の有無の違いについて検討する。
  • 患者情報から入院日数を予測する。
  • 地域特性に基づき感染者数を予測する。
  • 検査測定値から糖尿病の進行度を予測する。
  • 健康状態や、年齢等から病気の罹患の予測を行う。
  • 2種類の検査数値と疾患の有無の関係について検討する。
  • 検査結果に基づき患者をタイプ別にグルーピングする。
  • バイタル値に基づき健康状態を分類する。
  • 合併症の発症パターンについて分析する。
  • 電子カルテのテキストデータから病名を予測する。
  • 医療論文からトピックに関する特徴的なキーワードを抽出する。
  • ダイエットと取得カロリーに対する認識調査結果を分析する。
  • 血液検査の結果から肝疾患を予測する。
  • 基礎疾患の有無や血液検査の結果から慢性腎臓病を予測する。
  • 心疾患患者の臨床データから生命予後を予測する。
  • オープンデータを用いてCOVID-19の症状をテキスト分析する。
  • 医薬品副作用の公開データを用いて、有害事象の発生パターンを分析する。
  • レセプト公開データを用いて、エリア別の医薬品使用傾向を分析する。
  • 錠剤の製造データから薬効に影響を与えうる品質要因を分析する。
  • 医療事故に関する公開事例集を用いて、テキストマイニングにより
    　　　頻発するインシデントやその要因を探索する。

カリキュラム

科目内容
1 医療データ解析のための実践統計学1. データの視覚化（箱ひげ図、ヒストグラム、散布図）
2. 基本統計（平均、分散、標準偏差、Z値、中央値、中央絶対偏差）
3. 分布（正規分布、ｔ分布）
4. 母集団と標本（検定のしくみ、2種類の過誤）
5. t検定（有意確率、区間推定、効果量、検出力）
6. カイ2乗検定（カイ2乗分布、効果量)
7. 相関分析（散布図、積率相関係数、交絡要因と偏相関係数）
8. 重回帰分析（標準化偏回帰係数、決定係数、交互作用のある場合）
2 Ｒによるデータ解析1. Rとは（R、Rstudioのインストール）
2. Rの基本的な使用方法（Rstudio の使用方法、ライブラリー、データの読込み方法）
3. 基本統計量、グラフ（平均、分散、標準偏差、Ｚ値（偏差値））
4. グラフと外れ値（箱ひげ図、ヒストグラム、散布図、外れ値の検出方法）
5. t検定（有意確率、区間推定、効果量、検定力、対応の有無）
6. 2種類の過誤とサンプルサイズ（効果量・検定力・有意水準によるサンプルサイズの設定方法）
7. ノンパラメトリック検定（ウイルコクソン順位和検定、符号付順位和検定）
8. 分散分析（Ｆ値、多重比較（テューキー、ボンフェローニ）、対応の有無）
9. 重回帰分析（ダミー回帰）
10.ロジスティック回帰分析（予測値、オッズ比）
3 Pythonによるビッグデータ解析1. Pythonの基礎
　・Python の導入、Jupyter Notebook の使い方、
　　各種ライブラリの紹介:Matplotlib/Pandas/Numpy/scikit-learn
2．データ加工の基本
　・データベースの基礎、複数データの結合、ダミー変数化、カテゴリー値化
3．教師あり学習：数値予測
　・重回帰分析、ニューラルネットワーク、データの標準化
　・オーバーフィッティング（過学習）と多重共線性、モデルの評価（決定係数）
4．教師あり学習：クラス分類
　・ロジスティック回帰、決定木、ランダムフォレスト (アンサンブル学習)
　・サポートベクターマシン、モデルの評価（Accurary, Precision, Recall, F値）
5．教師なし学習：クラスタリング
　・非階層的クラスタリング（k-means 法）、階層的クラスタリング
　・モデルの評価（Elbow 法、シルエット係数）
6．教師なし学習：アソシエーション分析
　・Aprioriによるアソシエーション分析、モデルの評価 （支持度、確信度、リフト値）
7．自然言語処理とテキストマイニング
　・形態素解析、頻出語分析とジップの法則、単語のベクトル化
4 実践力の養成1. 統計的推定と検定
　・サンプルサイズの違いによる検定の有効性と結果の解釈
　・効果量、サンプルサイズ、検定力の関係とサンプルサイズの設定方法
　・フィッシャーの直接確率法とオッズ比、カイ2 乗検定との違い
　・リスク比とオッズ比の違い
　・コホート研究とケースコントロール研究による解釈の違い
2. 相関関係
　・積率相関係数、順位相関係数のしくみと活用方法
　・交絡要因による疑似相関、偏相関の求め方と活用法
3. 重回帰分析
　・交互作用のある場合、複数のダミー変数を用いた分析
4. ロジスティック回帰分析
　・ROC 曲線のしくみと活用方法
5. 生存曲線
　・カプランマイヤー曲線
　・コックス比例ハザードモデルのしくみ
6. 傾向スコア分析
　・逆確率による重みづけ
　・傾向スコア・マッチング
5 修了認定総合テスト・課題解決プレゼンテーション
アイコン
【メディカルデータサイエンティスト養成講座】パンフレット | 2.07 MB
ダウンロード
Copyright © データサイエンス研究所 All Rights Reserved.
S