教育

講義計画

1.導入:医学研究における統計学

2.確率の導入
2-1.確率分布、条件付き確率
2-2.診断法研究における確率の利用
2-3.観察研究における確率の利用

3.離散型確率分布
3-1.一標本二項検定
3-2.代表的な離散型確率分布
3-3.離散型確率分布における同時確率分布、周辺確率分布、条件付き確率分布

4.連続型確率分布
4-1.確率密度関数
4-2.正規分布と関連する確率分布
4-3.多次元確率密度関数と同時確率密度関数、周辺確率密度関数、条件付き確率密度関数

5.統計的仮説検定
5-1.統計的仮説検定の基礎概念
5-2.種々の二標本仮説検定問題
5-3.検出力と被験者数の決定

6.推定
6-1.信頼区間
6-2.最尤推定量とその性質

講義日程(15回分) ※変更の可能性がありますので、随時ご確認ください。

講義場所

吹田キャンパス 最先端医療イノベーションセンター棟1階 マルチメディアホール

講義計画

1.線形回帰分析(4回)
1-1.最小二乗法と最尤推定法
1-2.回帰分析のための基礎的な技術(ダミー変数、交互作用など)
1-3.線形回帰モデルに対する残差解析と回帰診断

2.ロジスティック回帰モデルと一般化線形モデル(4回)
2-1.ロジスティック回帰モデルとその統計的推測
2-2.ロジスティック回帰モデルに対する回帰診断法
2-3.一般化線形回帰モデル

3.条件付き推測(2回)
3-1.Mantel-Haenszel型推測
3-2.条件付きロジスティック回帰

4.生存時間解析(3回)
4-1.パラメトリックモデルの推測
4-2.Kaplan-Meier推定量
4-3.Logrank検定
4-4.Cox比例ハザードモデル

5.欠測データの解析法(2回)
5-1.欠測メカニズム
5-2.多重代入法
5-3.その他の方法

講義日程(15回分) ※変更の可能性がありますので、随時ご確認ください。

講義場所

吹田キャンパス 最先端医療イノベーションセンター棟1階 マルチメディアホール
(10/31,11/7,11/14,11/21は講義棟B)

講義計画

1. 臨床試験概論(治験・臨床試験とPICO/PECO、各種指針、AROの役割など)
2. 臨床試験デザイン(ランダム化, 盲検化, エンドポイント, 用量反応試験, 優越性/非劣性試験, 試験デザインなど)
3. 比較方法とサンプルサイズ
4. 臨床試験の品質管理・データマネージメント
5. 臨床試験における欠測データの取扱いとEstimandsの考え方
6. 多重性調整と中間解析/医薬品開発における臨床試験の実際
7. 最近の臨床試験に纏わるテーマ/アカデミアにおける臨床試験の実際
8. レポート課題発表

講義日程(15回分) ※変更の可能性がありますので、随時ご確認ください。

講義場所

吹田キャンパス 最先端医療イノベーションセンター棟　2階セミナー室A
(10/22,11/5,11/12はマルチメディアホール、10/29,11/19は講義棟B)

講義計画

1.SASプログラミング入門
1.1.導入
1.2.SASプログラミングの基本的な考え方
1.3.SASデータステップの基礎
1.4.外部データの読み込みと出力

2.記述統計量とデータの視覚化
2.1.解析データセットの作成
2.2.分割表,様々な図を用いたデータの表現
2.3.記述統計量の算出,表の作成
2.4.SASによるレポート作成

3.データ解析実習
3.1.解析データセット作成演習
3.2.図表の作成(記述統計量の算出,データの視覚化)
3.3.SASによる統計解析

講義予定(7回分) ※変更の可能性がありますので、随時ご確認ください。

講義場所

吹田キャンパス 最先端医療イノベーションセンター棟1階 マルチメディアホール

講義計画

1.Rプログラミング入門
1.1.導入
1.2.Rの基本操作
1.3.Rにおけるデータ構造と操作
1.4.外部データの読み込みと出力

2.記述統計量とデータの視覚化
2.1.解析データセットの作成
2.2.分割表,様々な図を用いたデータの表現
2.3.記述統計量の算出,表の作成
2.4.Rによるレポート作成

3.データ解析実習
3.1.解析データセット作成演習
3.2.図表の作成(記述統計量の算出,データの視覚化)
3.3.Rによる統計解析

講義予定(7回分) ※変更の可能性がありますので、随時ご確認ください。

講義場所

吹田キャンパス 最先端医療イノベーションセンター棟1階 マルチメディアホール

講義計画

1.機械学習の概論（3回）
内訳：
　- 機械学習の問題設定や定式化といくつかの基本的なアルゴリズムの解説など（2回）
　- 深層学習の概論と医療分野への応用例（1回）
2. 適応的実験計画の基礎（2回）
内訳：
　- 適応的実験計画の概論とベイズ機械学習モデル（ベイズ線形回帰，ガウス過程回帰）の基礎（1回）
　- ベイズ最適化と能動的レベル集合推定の基礎と適用例（1回）
3. 転移学習の基礎（2回）
内訳：
　 – 転移学習の概論，いくつかの具体例，さまざまな転移学習問題の定式化と代表的なアプローチの紹介（1回）
　- 確率密度比に基づく転移学習の基礎と適用例（1回）

講義日程(7回分) ※変更の可能性がありますので、随時ご確認ください。

講義場所

吹田キャンパス 医学系研究科医学統計学教室(基礎研究棟L階)

講義計画

１回目（講義＋実習　計4コマ）
　-前半２コマ：近年の機械学習，プログラミングを取り巻く環境に関する講義
（Python，解析環境，インストールセットアップ，リレーショナルデータベース・データハンドリング＋簡単な回帰分析等の実行）
　-後半２コマ：機械学習を用いた医療AI
２回目（講義＋実習　計3コマ）
　-AIに関する部分の補足，Rでのゲノムデータの解析 (またはPythonでの別タイプのデータ分析の話題)

講義日程(7回分) ※変更の可能性がありますので、随時ご確認ください。

講義場所

吹田キャンパス 医学系研究科医学統計学教室(基礎研究棟L階)