シラバス参照

基本情報／Basic Information
詳細情報／Detailed Information
授業計画詳細情報／Class Schedule Details

基本情報/Basic Information

開講科目名／Course	医用システム工学概論／Introduction to Medical System Engineering
時間割コード／Course Code	4252000006
ナンバリングコード／Numbering Code
開講所属／Course Offered by	医学部医学科／
曜日コマ／Day, Period	月／Mon　3
開講区分／Semester offered	後期／second semester
単位数／Credits	1.0
学年／Year	1
主担当教員／Main Instructor	玉田　嘉紀／TAMADA YOSHINORI
科目区分／Course Group	専門教育科目　専門科目
教室／Classroom
必修・選択／Required/Elective	必修
授業形式／Class Format	講義科目
メディア授業／Media lecture	－

担当教員情報/Instructor Information

教員名／Instructor	教員所属名／Faculty/Department
玉田　嘉紀／TAMADA YOSHINORI	医学研究科／

難易度（レベル）／Level	レベル1～2
対応するＣＰ／ＤＰ／CP/DP	CP・DP　１　見通す力　　 CP・DP　２　解決していく力
授業としての具体的到達目標／Concrete arrival target as the class	○医学研究や医療等において、情報や科学技術の理解と取り扱い際に必要な倫理観やデジタルプロフェッショナリズム及び基本的原則を理解する。 ○AIの現代社会やビジネスでの利活用について学識を得る（見通す力） ○データ分析で最も重要な回帰分析について学識を得る（見通す力） ○パソコンを用いてデータを分析し、課題解決につなげる力を養う(解決していく力）
授業の概要／Summary of the class	前半で「データサイエンス基礎」を履修したデータ分析について基礎知識のある者を対象としたデータサイエンスについてのより発展的な内容を扱う。具体的にはプログラミング言語Pythonについて基礎から学び、Pythonを用いたデータ分析を学ぶ。回帰分析の手法と具体的な課題を用いて、データサイエンスならびに人工知能による実践的な課題解決の方法を学ぶ。また自動AI（DataRobot）を用いた実習を行う（予定）。全学で開講されている講義「データサイエンス発展I」の内容と同等である。後半で、医療における、先端的な情報や科学技術、用いる際に医療者に求められる倫理観・プロフェッショナリズムなどの基本的原則を学ぶ。モデル・コア・カリキュラム IT-01-01-01 情報・科学技術を医療に活用することの重要性と社会的意義を理解している。 IT-01-01-02 医療における情報・科学技術に関連する規制(法律、ガイドライン等)の概要を理解している。 IT-01-01-03 デジタル情報や科学技術の活用における社会的格差が医療や福祉にもたらす影響や倫理的問題を議論できる。 IT-01-02-01 電子カルテをはじめとする医療情報の管理・保管の原則について理解し、関連する規制(法律、倫理基準、個人情報保護のための規定等)を遵守できる。 IT-01-02-02 ソーシャルメディア(インターネット、SNS 等)の利用において、医療者として相応しい情報発信の在り方を理解し、実践できる。 IT-02-01-01 情報端末（コンピューター、スマートフォン等）を用いてインターネットやアプリ等を医療の実践に活用できる。 IT-02-01-02 情報・科学技術を用いて収集した情報およびデータを基に問題解決を図る。 IT-02-02-01 医療に関連する情報・科学技術（医療情報システム、ウェアラブルデバイス、アプリ、人工知能、遠隔医療技術、IoT等）を理解し、それらの応用可能性について議論できる。 IT-02-02-02 情報・科学技術の専門家とともに、技術を医療へ応用する際に、医療者に求められる役割を理解している。 IT-03-01-01 電子カルテの特性を踏まえた適切な記載や活用ができる。 IT-03-01-02 遠隔コミュニケーションの在り方を理解し、その目的に応じて適切なツール（電子メール、テレビ会議システム、SNS等）を選択し利用できる。 IT-03-02-01 自己学習や協同学習の場に適切なICT（eラーニング、モバイル技術等）を活用できる。 IT-03-02-02 新たに登場する情報・科学技術を自身の学び及び医療に活用する柔軟性を有する。
授業の内容予定／Contents plan of the class	第1回：ガイダンス、情報工学・計算機科学（ハード、ソフト、データ表現と意味）第2回：データサイエンス数学1; 微分・偏微分第3回：データサイエンス数学2; 勾配法、線形代数第4回：データサイエンス数学3; 線形代数第5回：Pythonプログラミングの基礎1; 変数・データ型・文字列操作・データ構造第6回：Pythonプログラミングの基礎2; リスト操作・論理演算・条件分岐第7回：Pythonプログラミングの基礎3; 反復処理・内包表記第8回：Pythonプログラミングの基礎4; 関数・ライブラリ・ファイル入出力第9回：Pythonデータ分析; 確認・操作・データ集計・可視化第10回：機械学習のためのデータ設計：汎化能力と交差検証第11回：数値予測問題に取り組む：データの確認・特徴把握・予測モデルの作成・予測精度の改善第12回：分類問題に取り組む：データの確認・特徴把握・予測モデルの作成・予測精度の改善第13回：自動AI実習：最新の自動AIツールの実習を行う第14回：医療情報学概論 I （歴史的背景、標準化、DPC、個人情報とセキュリティ）第15回：医療情報学概論 II（情報インフラ、診療記録、遠隔診療、医療と情報）第16回：期末試験
成績評価方法及び採点基準／A scholastic evaluation method and marking standard	平常評価（小テスト・課題提出）：50％期末評価（期末試験）：50％上記を合算して，最終的な成績評価を行う予定です。
予習及び復習等の内容／Contents such as preparations for lessons and the review	各回の講義で開始時および終了時に小テストを行うので講義をよく聞き、よく復習を行い、内容の整理と理解をし、小テストに備えること。特に未履修分野や不得意の項目がある時は必ず予習・復習を行うこと。 PCを使用する。自身のPCを必ず持参すること。
教材・教科書／The teaching materials, textbook	該当なし
参考文献／bibliography	「データサイエンスのための数学 (データサイエンス入門シリーズ)」(椎名洋、姫野哲人、保科架風(著)、清水昌平(編)、講談社、2009年) 「プログラミングのための線形代数」(平岡和幸、堀玄(著)、オーム社、2004年) 「見て試してわかる機械学習アルゴリズムの仕組み機械学習図鑑」（秋庭伸也、杉山阿聖、寺田学(著)、加藤公一(監修)、翔泳社、2019）医療情報（3分冊：医療情報システム編、情報処理技術編、医学・医療編）、篠原出版新社医療情報サブノート、篠原出版新社その他は授業内で紹介
留意点・予備知識／Point to keep in mind, back ground	「データサイエンス基礎」が履修済みであることが好ましい。予備知識は必要としないが、内容を理解し定着するために必ず復習をすること。講義ではPCを使用する。自身のPCを必ず持参すること。
授業内容に関する質問・疑義等／Question, doubt about class contents	オフィスアワー：金曜日 16:00-17:30 （要予約）
Eメールアドレス・HPアドレス／E-mail address, HP address	y.tamada@hirosaki-u.ac.jp
学問分野1（主学問分野）／Discipline 1	I90:人間医工学およびその関連分野
学問分野2（副学問分野）／Discipline 2	J60:情報科学、情報工学およびその関連分野
学問分野3（副学問分野）／Discipline 3	該当なし
実務経験のある教員による授業科目について／About the class subject by the teacher with the work experience	実務経験
地域志向科目／Local intention subject	なし
授業形態・授業方法／Class form, class method	PC を用いるので Note PC を必ず持参すること。講義形式で，スライド（プロジェクタ）を用いる。
科目ナンバー／The subject number	M1-1-0102-I90
メディア授業による著作物利用の有無について／Whether or not copyrighted works are used in media classes	無／Nothing
その他／Others	連絡事項がある場合、Moodle/Teams/メールでも行うので，必ず確認すること。講義内容には病院等での医師としての実務経験に関する内容が含まれる。

No.	回（日時）／Time (date and time)	主題と位置付け（担当）／Subjects and instructor's position	学習方法と内容／Methods and contents	備考／Notes
該当するデータはありません

開講科目名／Course	医用システム工学概論／Introduction to Medical System Engineering
時間割コード／Course Code	4252000006
ナンバリングコード／Numbering Code
開講所属／Course Offered by	医学部医学科／
曜日コマ／Day, Period	月／Mon　3
開講区分／Semester offered	後期／second semester
単位数／Credits	1.0
学年／Year	1
主担当教員／Main Instructor	玉田　嘉紀／TAMADA YOSHINORI
科目区分／Course Group	専門教育科目　専門科目
教室／Classroom
必修・選択／Required/Elective	必修
授業形式／Class Format	講義科目
メディア授業／Media lecture	－

難易度（レベル）／Level	レベル1～2
対応するＣＰ／ＤＰ／CP/DP	CP・DP　１　見通す力　　 CP・DP　２　解決していく力
授業としての具体的到達目標／Concrete arrival target as the class	○医学研究や医療等において、情報や科学技術の理解と取り扱い際に必要な倫理観やデジタルプロフェッショナリズム及び基本的原則を理解する。 ○AIの現代社会やビジネスでの利活用について学識を得る（見通す力） ○データ分析で最も重要な回帰分析について学識を得る（見通す力） ○パソコンを用いてデータを分析し、課題解決につなげる力を養う(解決していく力）
授業の概要／Summary of the class	前半で「データサイエンス基礎」を履修したデータ分析について基礎知識のある者を対象としたデータサイエンスについてのより発展的な内容を扱う。具体的にはプログラミング言語Pythonについて基礎から学び、Pythonを用いたデータ分析を学ぶ。回帰分析の手法と具体的な課題を用いて、データサイエンスならびに人工知能による実践的な課題解決の方法を学ぶ。また自動AI（DataRobot）を用いた実習を行う（予定）。全学で開講されている講義「データサイエンス発展I」の内容と同等である。後半で、医療における、先端的な情報や科学技術、用いる際に医療者に求められる倫理観・プロフェッショナリズムなどの基本的原則を学ぶ。モデル・コア・カリキュラム IT-01-01-01 情報・科学技術を医療に活用することの重要性と社会的意義を理解している。 IT-01-01-02 医療における情報・科学技術に関連する規制(法律、ガイドライン等)の概要を理解している。 IT-01-01-03 デジタル情報や科学技術の活用における社会的格差が医療や福祉にもたらす影響や倫理的問題を議論できる。 IT-01-02-01 電子カルテをはじめとする医療情報の管理・保管の原則について理解し、関連する規制(法律、倫理基準、個人情報保護のための規定等)を遵守できる。 IT-01-02-02 ソーシャルメディア(インターネット、SNS 等)の利用において、医療者として相応しい情報発信の在り方を理解し、実践できる。 IT-02-01-01 情報端末（コンピューター、スマートフォン等）を用いてインターネットやアプリ等を医療の実践に活用できる。 IT-02-01-02 情報・科学技術を用いて収集した情報およびデータを基に問題解決を図る。 IT-02-02-01 医療に関連する情報・科学技術（医療情報システム、ウェアラブルデバイス、アプリ、人工知能、遠隔医療技術、IoT等）を理解し、それらの応用可能性について議論できる。 IT-02-02-02 情報・科学技術の専門家とともに、技術を医療へ応用する際に、医療者に求められる役割を理解している。 IT-03-01-01 電子カルテの特性を踏まえた適切な記載や活用ができる。 IT-03-01-02 遠隔コミュニケーションの在り方を理解し、その目的に応じて適切なツール（電子メール、テレビ会議システム、SNS等）を選択し利用できる。 IT-03-02-01 自己学習や協同学習の場に適切なICT（eラーニング、モバイル技術等）を活用できる。 IT-03-02-02 新たに登場する情報・科学技術を自身の学び及び医療に活用する柔軟性を有する。
授業の内容予定／Contents plan of the class	第1回：ガイダンス、情報工学・計算機科学（ハード、ソフト、データ表現と意味）第2回：データサイエンス数学1; 微分・偏微分第3回：データサイエンス数学2; 勾配法、線形代数第4回：データサイエンス数学3; 線形代数第5回：Pythonプログラミングの基礎1; 変数・データ型・文字列操作・データ構造第6回：Pythonプログラミングの基礎2; リスト操作・論理演算・条件分岐第7回：Pythonプログラミングの基礎3; 反復処理・内包表記第8回：Pythonプログラミングの基礎4; 関数・ライブラリ・ファイル入出力第9回：Pythonデータ分析; 確認・操作・データ集計・可視化第10回：機械学習のためのデータ設計：汎化能力と交差検証第11回：数値予測問題に取り組む：データの確認・特徴把握・予測モデルの作成・予測精度の改善第12回：分類問題に取り組む：データの確認・特徴把握・予測モデルの作成・予測精度の改善第13回：自動AI実習：最新の自動AIツールの実習を行う第14回：医療情報学概論 I （歴史的背景、標準化、DPC、個人情報とセキュリティ）第15回：医療情報学概論 II（情報インフラ、診療記録、遠隔診療、医療と情報）第16回：期末試験
成績評価方法及び採点基準／A scholastic evaluation method and marking standard	平常評価（小テスト・課題提出）：50％期末評価（期末試験）：50％上記を合算して，最終的な成績評価を行う予定です。
予習及び復習等の内容／Contents such as preparations for lessons and the review	各回の講義で開始時および終了時に小テストを行うので講義をよく聞き、よく復習を行い、内容の整理と理解をし、小テストに備えること。特に未履修分野や不得意の項目がある時は必ず予習・復習を行うこと。 PCを使用する。自身のPCを必ず持参すること。
教材・教科書／The teaching materials, textbook	該当なし
参考文献／bibliography	「データサイエンスのための数学 (データサイエンス入門シリーズ)」(椎名洋、姫野哲人、保科架風(著)、清水昌平(編)、講談社、2009年) 「プログラミングのための線形代数」(平岡和幸、堀玄(著)、オーム社、2004年) 「見て試してわかる機械学習アルゴリズムの仕組み機械学習図鑑」（秋庭伸也、杉山阿聖、寺田学(著)、加藤公一(監修)、翔泳社、2019）医療情報（3分冊：医療情報システム編、情報処理技術編、医学・医療編）、篠原出版新社医療情報サブノート、篠原出版新社その他は授業内で紹介
留意点・予備知識／Point to keep in mind, back ground	「データサイエンス基礎」が履修済みであることが好ましい。予備知識は必要としないが、内容を理解し定着するために必ず復習をすること。講義ではPCを使用する。自身のPCを必ず持参すること。
授業内容に関する質問・疑義等／Question, doubt about class contents	オフィスアワー：金曜日 16:00-17:30 （要予約）
Eメールアドレス・HPアドレス／E-mail address, HP address	y.tamada@hirosaki-u.ac.jp
学問分野1（主学問分野）／Discipline 1	I90:人間医工学およびその関連分野
学問分野2（副学問分野）／Discipline 2	J60:情報科学、情報工学およびその関連分野
学問分野3（副学問分野）／Discipline 3	該当なし
実務経験のある教員による授業科目について／About the class subject by the teacher with the work experience	実務経験
地域志向科目／Local intention subject	なし
授業形態・授業方法／Class form, class method	PC を用いるので Note PC を必ず持参すること。講義形式で，スライド（プロジェクタ）を用いる。
科目ナンバー／The subject number	M1-1-0102-I90
メディア授業による著作物利用の有無について／Whether or not copyrighted works are used in media classes	無／Nothing
その他／Others	連絡事項がある場合、Moodle/Teams/メールでも行うので，必ず確認すること。講義内容には病院等での医師としての実務経験に関する内容が含まれる。

授業情報／Class Information

基本情報/Basic Information

担当教員情報/Instructor Information