授業の目的 【日本語】
Goals of the Course(JPN) | | 本授業は、保健学科1年生を対象に、データサイエンスの基礎概念と健康・医療分野における応用を学ぶことを目的とする。
デジタル技術の急速な進展に伴い、看護学・臨床検査学・診療放射線学・理学療法学・作業療法学のすべての専門職において、データを適切に理解・活用する能力が不可欠となっている。
本授業では、「バックキャスト型学習」のアプローチにより、まず各専門職のデジタル時代の将来像を示した上で、健康・医療で使われる5種類のデータ（生体信号、医用画像、分子・検査データ、行動・生活データ、集団・社会データ）の特徴と意義を学ぶ。
データサイエンス・AI/機械学習・インフォマティクスの3軸を横断的に理解し、データ駆動型の健康科学への入門を目指す。 |
|
|
授業の目的 【英語】
Goals of the Course | | This course introduces first-year health science students to the fundamental concepts of data science and its applications in health and medical fields.
Students will learn about five types of health-related data (biosignals, medical imaging, molecular/laboratory data, behavioral/lifestyle data, and population/social data) through a backcasting approach.
The course integrates three perspectives—data science, AI/machine learning, and informatics—to provide a comprehensive introduction to data-driven health science.
Students from all five health professions (nursing, medical technology, radiological technology, physical therapy, and occupational therapy) will understand how digital transformation impacts their respective fields. |
|
|
到達目標 【日本語】
Objectives of the Course(JPN) | | 1. データサイエンスの基本概念（データ分析サイクル、AI/機械学習、インフォマティクス）を説明できる。
2. 5つの保健学専門職におけるデジタル技術の活用と将来像を具体的に述べることができる。
3. 健康・医療で使われる5種類のデータ（生体信号、医用画像、分子・検査データ、行動・生活データ、集団・社会データ）の特徴と構造を理解し、説明できる。
4. 各データタイプにおけるデータサイエンス・AIの活用事例を挙げ、その意義を論じることができる。
5. 自分の目指す専門職とデータサイエンスの関係を言語化し、学びの方向性を明確にできる。 |
|
|
到達目標 【英語】
Objectives of the Course | | 1. Explain fundamental concepts of data science including data analysis cycles, AI/machine learning, and informatics.
2. Describe the digital transformation and future vision of five health professions.
3. Understand and explain the characteristics and structure of five types of health data (biosignals, medical imaging, molecular/lab data, behavioral/lifestyle data, population/social data).
4. Identify and discuss applications of data science and AI in each data domain.
5. Articulate the relationship between one's chosen profession and data science, and clarify the direction of future learning. |
|
|
授業の内容や構成
Course Content / Plan | | 第1回 イントロダクション
データサイエンスの全体像、バックキャスト型学習の意義、5つのデータタイプの概要、3軸フレームワーク（DS・AI・インフォマティクス）の紹介
第2回 デジタル時代の保健学専門職
2035年の各専門職の姿（看護師・臨床検査技師・診療放射線技師・理学療法士・作業療法士）、各職種が扱うデータと必要なスキル
第3回 生体信号とセンシング
心電図（ECG）・脳波（EEG）・筋電図（EMG）・パルスオキシメーター（SpO2）の原理と臨床応用、時系列データとサンプリング、ウェアラブルデバイス
第4回 医用画像の世界
X線・CT・MRI・超音波・核医学の原理と特徴、DICOM形式と画像データ構造、PACS、AI画像診断支援
第5回 分子・検査データを読む
臨床検査の種類と検査値の読み方、ゲノムデータ・オミクスデータの基礎、バイオマーカーとプレシジョン・メディシン
第6回 行動と生活のデータ
ウェアラブルデバイスとIoTによるデータ収集、ADL（日常生活動作）評価、睡眠・活動量データ、行動変容支援
第7回 集団の健康を捉える
疫学の基本概念（発生率・有病率・リスク）、公衆衛生データ、GIS、健康の社会的決定要因、感染症サーベイランス
第8回 期末試験
期末試験 |
|
|
履修条件・関連する科目
Course Prerequisites and Related Courses | | 高校「情報Ⅰ」を履修済みであることが望ましい。プログラミングの経験は不要。
関連科目：データサイエンス概論Ⅱ（後期）、統計的学習基礎、ヘルスインフォマティクス演習Ⅰ・Ⅱ |
|
|
成績評価の方法と基準
Course Evaluation Method and Criteria | | 出席・小テスト：40%（各回の振り返りシート・小テストにより授業内容の理解度を評価する）
期末試験：60%（授業全体の理解度を総合的に評価する筆記試験）
※2回以上の欠席は不可とする。 |
|
|
教科書・テキスト
Textbook | | | 「データサイエンス概論 保健学のためのデータサイエンス入門」（担当教員作成テキスト、PDF配布） |
|
|
参考書
Reference Book | | |
|
課外学習等（授業時間外学習の指示）
Study Load(Self-directed Learning Outside Course Hours) | | | 配布資料の次回該当章を事前に読んでおくこと（30分程度）。 |
|
|
授業の進め方
How to proceed with the class | | 各回、テキストに基づく講義の後、事例紹介・公開データセット探索等の実践的な活動を行うことがある。
講義後に小テストを実施する。 |
|
|
注意事項
Notice for Students | | | 配布資料はPDFで配布するため、ノートPC/タブレット等で閲覧できるよう準備すること。 |
|
|
本授業に関する参照Webページ
Reference website for this Course | | |
|
担当教員からのメッセージ
Message from the Instructor | | データサイエンスは全ての保健学専門職に必要な素養です。プログラミングの経験は問いません。
まずは「データで何ができるのか」を知り、自分の将来像と結びつけることから始めましょう。
すべての章がすべての職種に関係します。他職種が扱うデータを理解することは、チーム医療の質を高めます。 |
|
|
使用言語
Language(s) for Instruction & Discussion | | |
|
授業開講形態等
Lecture format, etc. | | |
|
遠隔授業（オンデマンド型）で行う場合の追加措置
Additional measures for remote class (on-demand class) | | やむを得ず遠隔授業を行う場合は、同時双方向型（Zoom等）で実施する。
授業資料の事前配布と、授業後の質問対応期間を設ける。 |
|
|