スキップしてメイン コンテンツに移動

『IT・ビッグデータと薬学:創薬・医薬品適正使用への活用』☆5

最近「医療×AI」に興味がありますの第五弾。日本学術会議薬学委員会の分科会が開いたシンポジウムのまとめ本。講演内容の書籍化なので内容が重複している部分もありますが、IT×薬学の最前線が分かるのです。

↑気になったらここからポチっと(買ってくれるとお小遣いが入ります)↑

この本を読むとわかること

ITと創薬の融合

  • 医薬品開発に多大なコストと時間がかかる理由
    • 応用研究のむずかしさ
    • 創薬ターゲットの枯渇
  • 創薬の初期段階にコンピュータモデリング(優先度付け)を行うことの可能性
    • コンピュータによる解析の精度を高めるのが困難な理由
  • 低分子の創薬におけるインシリコスクリーニング・インシリコ創薬
    • 体内・細胞内・試験管内で医薬品に起こる現象のモデル化
    • 医薬品側の構造情報を基に機械学習を使うインフォマティクス的な手法
    • たんぱく質の構造情報を基に医薬品との相互作用をシミュレーションするシミュレーション的手法
  • 量子コンピューターによる創薬・AI創薬の可能性
  • 高分子でできたバイオ医薬品の研究の進展
    • 抗体分子を使った抗体医薬品
    • 世界の売上トップ10のうち8つがバイオ医薬品
    • 創薬上流における物性評価の重要性と、インシリコ技術の適用によるコンピュータ解析
  • 創薬シードの探索における機械学習の導入
    • コンピュータで化合物を生み出す3ステップ
  • 臓器の「網羅的な遺伝子発現情報」をカタログするiOrgansテクノロジー
    • iOrgansデータがもたらした成果

IT・ビッグデータへの創薬・医薬品適正使用への活用に向けた提言

  • 創薬に役立つパブリックデータベース
    • ゲノム・タンパク発現解析系データベース
    • 薬剤とその反応解析系データベース
  • 「死の谷」と呼ばれる治験Phase2での失敗理由
    • 機械学習の導入によって期待できる効果
  • 医療用ビッグデータとしての厚労省の「レセプト情報・特定健診等情報データベース(NDB)」
  • 医療用ビッグデータとしての独立行政法人医薬品医療機器総合機構の「医療情報データベース(MID-NET)」
  • 生命情報ビッグデータを使った薬剤の有効性の臨床前評価
    • ビッグデータ創薬とAI創薬
  • 創薬における深層学習の導入事例と概念

↓気になったらここからポチっと(買ってくれるとお小遣いが入ります)↓

ベストビュー(過去1カ月)

『哲学大図鑑』ウィル バッキンガム ☆3

偉人の言葉をさらっと引用できると賢そうに見えのではという下心のみで読破。個人的にはキルケゴールの”不安は自由の眩暈だ”が好き。

【番外編】ボストン旅行記(UMASS Lowell卒業式編)【Day 4:卒業式】

UMASS Lowellの卒業式@Boston。4 日目は卒業式本番です。とても賑やかでアメリカンな式典でした。ただしあいにくの雨、僕曇り男なのに。。

『失敗の研究 巨大組織が崩れるとき』金田 信一郎 ☆5

過去の成功体験にとらわれ内部の論理が優先される組織は早晩崩壊するということ。逆に、今も昔もフロントランナーの企業は自己変革ができているということ。

【番外編】AI(機械学習)やってみた。【第6回】乳がん診断AI その1

ソムリAI(ワインソムリエAI)で使った手法で乳がん診断AIを作ってみます。まずは決定木とニューラルネットワークの2つのモデルを試してみます。かなり高性能なモデルができました。名医誕生かもしれません 笑

【番外編】AI(機械学習)やってみた。【第4回】ソムリAIの改良(正規化)

ソムリAI(ワインの評価を機械学習で当てる「ソムリエ+AI」)はもういいかなと思っていたのですが、機械学習の教科書的な本を読んでいるといくつか改良ポイントが見えてきたので、実際に適用してみようと思います。 まずは データの正規化 という手法を試してみました。結論から言うと、 あまり効果はなかった のです。。 ソムリAIの振り返り ワインの成分とランクのデータに対して、決定木・ロジスティック回帰・ニューラルネットワークの3通りのモデルを使って機械学習 を行い、モデルの精度を検証してきました。それぞれのソムリAIの性能はこんな感じでした。 どのモデルも概ね60%程度の精度 でした。 改良その1:正規化 正規化とは まずは 正規化 という手法を試してみます。標準化とも呼ばれます。正規化を行うことで 尺度の異なるデータを比べやすくする とともに、 はずれ値の影響を小さくする ことができます。正規化には 各データを平均0・標準偏差1に成形する手法 と、各データを 0から1の範囲に成形する手法 の2つがあります。 前者は標準偏差が出てくることからも分かるように、 データが正規分布に従うことを前提にした正規化手法 です。 元のデータが釣鐘型の分布になっている場合に有効 です。後者は単純に データの範囲を0から1の範囲に狭める手法 であり、 元のデータが一様分布の場合 (規則性が無くランダムなように見える場合) に有効 です。 どちらの手法でもデータの範囲を一定のレンジに狭めており、そうすることで異なる尺度のデータを比べやすくしつつ、はずれ値の影響を下げるのです。 正規化してみる 元データの分布を確認 前回同様のワインのデータを使って正規化してみます。まずはワインのデータを読み込んで表示してみます。ついでに機械学習で使うワインの成分と、ワインの評価にデータを分割しておきます。 【オリジナルのワインデータ】 UCI(University of California, Irvine:カリフォルニア大学アーバイン校) http://archive.ics.uci.edu/ml/machine-learning-databases/wine-quality/winequality-red.csv #入力データセットを読み込み i...

『Python機械学習プログラミング 達人データサイエンティストによる理論と実践』 ☆5

これ1冊マスターすればそれなりに戦えるPython技術者になれます(きっと)。機械学習の基礎(パーセプトロンとか)とPythonの基本文法を覚えた後に読むのがよさそうです。

『捨てられる銀行 (講談社現代新書)』橋本 卓典 ☆4

2017年のビジネス雑誌の多くが金融庁の森長官にフォーカスした特集を組んでいた。大方の論調は森長官が金融庁における異端児・金融機関にとってのディスラプターというものであったと記憶している。 本書はそこからさらに踏み込んで、森長官の言動の奥底にある目的を深掘りしている。森金融庁が目指すのは顧客(融資の貸出先)を最優先したリレーションシップバンキング・地域金融であり、担保・財務内容に基づく定量的な分析だけの金融機関が顧客に寄り添わないビジネスモデルからの脱却である。ビジネス誌に書かれていた”不要な金融機関は淘汰される”という地銀大合併をにおわせる発言の趣旨は、”地域金融にシフトすることのできない金融機関は淘汰される”ということなのだろうと思う。

【番外編】AI(機械学習)やってみた。【第5回】ソムリAIの改良(アンサンブル学習)

ソムリAI(ワインの評価を機械学習で当てる「ソムリエ+AI」)の改良として前回は正規化を試しました(大した効果なし)。今回は「アンサンブル学習」と「交差検証」というものを試してみようと思います。 アンサンブル学習とは ざっくりいうと、 複数の機械学習モデルのいいとこどりをしてより精度の高いモデルを作る ということです。「アンサンブル」っていう表現がおしゃれですよね。複数のモデルを組み合わせることで 過学習を防ぐ効果 もあるそうです。 交差検証とは 今までのソムリAIでは、データを訓練用と検証用に分けて訓練データでモデルを作成し、検証データ(モデルにとっては未知のデータ)でモデルの精度を測定していました。 訓練データでの精度に比べて検証データでの精度が高い場合は訓練データに個別最適化された過学習なモデルということになります。一方で、訓練データと検証データでの精度があまり変わらない場合は汎化性能の高いよいモデルということになります。 交差検証(Cross Validation)は、 訓練データをさらにn個に分けて訓練することで過学習を防ぎつつモデルの精度を上げる手法 です。例えば、3個に分ける場合こんなイメージです。複数のモデルを使ってよりよいものを作るので、アンサンブル学習の1手法ともいえます。 実際にやってみる 毎度おなじみですが、まずワインデータを読み込んで、訓練データ・検証データに分割します(データの正規化は後でやります)。 #入力データセットを読み込み import pandas as pd #データハンドリング用ライブラリ呼び出し data = pd.read_csv('winequality-red.csv', encoding='SHIFT-JIS') #機械学習で求める解である「評価」以外の項目をdata_Xに、「評価」をdata_Yに格納 data_X = data.copy() del data_X['評価'] data_Y = data['評価'] data.head() #読み込んだデータの先頭5行を出力 #入力データセットの70%を訓練データ・30%を検証データに分割 from sklearn.model_selection ...

【番外編】AI(機械学習)やってみた。【第2回】ソムリAI ~ロジスティック回帰編~

AI(機械学習)やってみた、第2弾です。前回は決定木(Decision Tree)を使ったソムリAI(ワインソムリエAI)を作りました。今回は「ロジスティック回帰(Logistic Regression)」というモデルを使ったソムリAIを作ってみようと思います。

『深層学習 (機械学習プロフェッショナルシリーズ)』岡谷 貴之 ☆4

ディープラーニングの理論を分かりやすく解説した本。複数の入力を受け取って1つの出力を返すパーセプトロンに始まり、現在のディープラーニングのブレイクスルーのきっかけになった制限ボルツマンマシンまで概念と理論を学ぶことができます。機械学習の理論をごまかさずに数式で説明しきることがコンセプトですが、数学が苦手でもおおよその概念は把握できるのです。サンプルコードが無料ダウンロードできるので、動かしながら学べるのもよいです。

ベストビュー(全期間)

Malaysia Quarantine Premium Package 【番外編】Malaysia赴任記 隔離ホテル情報

Once entering Malaysia, we need to be quarantined for 14days. At the beginning of COVID-19 spread, the hotel for quarantine have been determined randomly. In these days, we can choose "premium quarantine stay package" in advance . This article is summary of premium packages which I asked each hotel. Note: Information in this article might be old. It's better to confirm the latest plan to the hotel. Note: Only Hotel Istana can be booked via its homepage so far. As the other hotels don't show their premium package plans on their homepage, you need to contact them through their reservation E-mail address or "Contact us". マレーシア入国とともに14日間ホテルで隔離されます。当初は滞在ホテルがランダムに割り振られていたようですが、より快適なプレミアムプランが追加されました。各ホテルにどんなプランがあるのか聞いてみたので、聞いた内容をまとめます。 ※情報が古い可能性があるので、念のため最新情報を各ホテルに確認したほうがよいかもしれません。

【番外編】AI(機械学習)やってみた。【第1回】ソムリAI ~決定木編~

最近ブームのAI(機械学習)に手を出しました。まずは、決定木(Decision Tree)というモデルを使って「ソムリAI(ワインソムリエAI)」を作ってみようと思います。

【番外編】ボストン旅行記(UMASS Lowell卒業式編) 【Day0:渡米前にやっておくこと】

UMASS Lowellの卒業式@Bostonについて、計画の立て方やら行く前にやっておくことやらをまとめておきます。

【番外編】AI(機械学習)やってみた。【第6回】乳がん診断AI その1

ソムリAI(ワインソムリエAI)で使った手法で乳がん診断AIを作ってみます。まずは決定木とニューラルネットワークの2つのモデルを試してみます。かなり高性能なモデルができました。名医誕生かもしれません 笑

【番外編】ボストン旅行記(UMASS Lowell卒業式編)【Day 4:卒業式】

UMASS Lowellの卒業式@Boston。4 日目は卒業式本番です。とても賑やかでアメリカンな式典でした。ただしあいにくの雨、僕曇り男なのに。。

【番外編】AI(機械学習)やってみた。【第3回】ソムリAI ~ニューラルネットワーク編~

AI(機械学習)やってみた、第3弾です。「ニューラルネットワーク(Neural Network)」を使ったソムリAIを作ってみようと思います。”ニューラルネットワーク”、見るからにAIっぽい名前ですよね。

【番外編】ボストン旅行記(UMASS Lowell卒業式編) 【Day5:帰国】

UMASS Lowellの卒業式@Boston。5 日目にして帰国なのです。

【番外編】ボストン旅行記(UMASS Lowell卒業式編) 【Day2:晩餐会】

UMASS Lowellの卒業式@Boston。 2日目は午前中はボストン観光、夕方から Hooding ceremonyという卒業生(大学院生)向けの晩餐会です。卒業式で被るHoodをもらいました。

【番外編】AI(機械学習)やってみた。【第2回】ソムリAI ~ロジスティック回帰編~

AI(機械学習)やってみた、第2弾です。前回は決定木(Decision Tree)を使ったソムリAI(ワインソムリエAI)を作りました。今回は「ロジスティック回帰(Logistic Regression)」というモデルを使ったソムリAIを作ってみようと思います。

【番外編】ボストン旅行記(UMASS Lowell卒業式編) 【Day1:ボストンへ】

UMASS Lowellの卒業式@Boston。 1日目は移動だけで終わりました。