学修要項(シラバス)
 > 学修要項(シラバス) > 講義科目(2)医学専攻博士課程 > 医療工学群 医療情報学

講義科目(2)医学専攻博士課程

学群名:医療工学群

科目名:医療情報学

英文名
Medical Informatics
科目概要
博士課程 医療工学群 2単位
開講期
2021年度 前期
科目責任者
稻岡秀検
担当者
稻岡秀検
授業の目的
本授業科目では、データに基づく現象の解釈と将来の予測のために、データからモデルを構築し、そのモデルを評価する手法について、統計モデルの側面から講義する。まず、さまざまな数理モデルについて学んだ後、代表的な統計モデルである一般化線形モデルについて学ぶ。ついでこれらのモデルを用いた統計的な因果推論に関する基本的な考え方について学ぶ。
教育内容
基礎的な数理モデルを学ぶ。一般化線形モデルについて検討し、さらにベイズ推測について学ぶ。その後、統計モデルと因果モデルについて学び、統計的な因果推論の手法について理解を深める。
教育方法
パワーポイントを用いた対面講義を行い、講義中にPCを用いた演習を行う。講義の最初に前回の講義の演習内容について模範解答を示して解説する。受講者は模範解答と自分の解答を比較し修正する。疑問点があれば講義終了後に改めて解説する。
授業内容(シラバス)
項 目
内 容
担当者
1
数理モデルの構成要素
データ分析における数理モデルの役割について学ぶ。
稻岡秀検
2
基礎的な数理モデル
線形モデル、微分方程式モデル、制御理論について学ぶ。
稻岡秀検
3
確率モデル・時系列モデル
マルコフ過程、回帰分析、状態空間モデルについて学ぶ。
稻岡秀検
4
統計モデル
統計モデルの基礎、尤度関数について学ぶ。
稻岡秀検
5
一般化線形モデル
一般化線形モデルの基礎について学ぶ。
稻岡秀検
6
一般化線形モデルの応用
一般化線形モデルのモデル選択について学ぶ。
稻岡秀検
7
ノンパラメトリック回帰モデル
ノンパラメトリック回帰モデルの基礎について学ぶ。
稻岡秀検
8
ベイズ推測
ベイズの定理、マルコフ過程におけるモンテカルロ法について学ぶ。
稻岡秀検
9
一般化線形モデルのベイズモデル化
一般化線形モデルのベイズモデル化と事後分布の推定について学ぶ。
稻岡秀検
10
統計モデルと因果モデル
因果について学び、モデル検定と因果探索について学ぶ。
稻岡秀検
11
介入効果
介入と調整について学ぶ。線形システムにおける因果推論について学ぶ。
稻岡秀検
12
反事実とその応用
反事実の定義と計算法について学ぶ。反事実の実践的応用について学ぶ。
稻岡秀検
13
セレクションバイアス
セレクションバイアスについて学ぶ。
稻岡秀検
14
傾向スコア
傾向スコアを用いた分析について学ぶ。
稻岡秀検
15
因果探索
ベイジアンネットワークを用いた因果探索の応用例について学ぶ。
稻岡秀検
到達目標
自分の研究で得られたデータを統計モデルを用いて説明できる。
評価方法
講義中の演習課題(60%)、最終確認課題(40%)により評価する。演習課題の模範解答については次回の講義で解説する。
準備学習
(予習・復習等)
指定された参考書を読んでくること。また、与えられた課題を授業時間内に達成できなかったときは、放課後等を利用して次週までに完成させること。
授業時間外の学習時間:60時間
その他注意等
資料に関する連絡は大学のメールアカウント宛に行うので、確認を怠らないこと。
教科書
決定次第受講者へ通知する
参考書
データ分析のための数理モデル入門(ソシム),統計モデル入門(朝倉書店)、データ解析のための統計モデリング入門(岩波書店)、入門統計的因果推論(朝倉書店)