医療・研究データ解析
- 探索的データ解析と記述統計
- 群間比較、回帰分析、可視化
- 欠損データ処理とMICE型多重代入
- 医学的・統計的な結果解釈
Medical Data Science Portfolio
Makoto Komori, Ph.D.
Freelance Medical Data Scientist
Pythonによる医療・公衆衛生データの統計解析、ベイズモデリング、機械学習、予測モデル構築、再現可能な解析コードおよび技術文書の作成に取り組んでいます。
現在、新規の業務相談・ご依頼はランサーズ経由のみ受け付けています。
PythonBiostatisticsBayesian ModelingMedical Data AnalysisReproducible Research
Services
対応可能な業務
医療・生命科学分野のデータを対象として、解析設計からPython実装、検証、可視化、レポート作成まで対応します。
統計モデリング
- 線形・ロジスティック回帰
- 事前感度分析や事後予測チェックを含むMCMCベイズ統計ワークフロー
- 階層ベイズモデリング
- 複雑標本デザインを考慮した解析
- Elastic Netなどの正則化回帰による変数選択
- 調査加重Gaussian GLM
- 単変量・多変量分位点回帰
機械学習・多変量解析
- 分類・回帰モデルと交差検証
- 主成分分析とクラスタリング
- PyCaretによるAutoML・モデル比較
- Optunaによるハイパーパラメータ最適化
- ROC、Precision-Recall、Calibration、Decision Curve Analysis
- SHAPによるモデル解釈
Pythonコードと成果物
- 再現可能なPython成果物
- 再利用可能な関数とPythonパッケージ
- Jupyter Notebookと実行スクリプト
- pytestによる単体テスト
- Black・Flake8によるコード品質管理
- GitHub Actionsによる継続的インテグレーション
- 日本語・英語の技術レポート
Featured Projects
主要な医療統計プロジェクト
解析手法だけでなく、再現性、コード品質、文書化まで含めてGitHub上で確認できる形に整理しています。
Rare-Event Modeling
Bayesian Dialysis Risk Analysis
慢性腎疾患(CKD)患者の透析移行リスクをMCMCベイズロジスティック回帰で予測しました。
prior specification · MCMC · stratified cross-validation · ROC-AUC · calibration · decision curve analysis
Bayesian Oncology
Bayesian Thyroid Cancer Recurrence Analysis
甲状腺がん患者の再発リスクをMCMC階層ベイズロジスティック回帰で予測しました。
PyMC · hierarchical modeling · MCMC diagnostics · LOO comparison · posterior predictive checks
Machine Learning
Liver Disease Risk Modeling
血液検査データから肝疾患を予測するモデルの構築、PCAやクラスタリングで潜在的な病態パターンの抽出を試みました。
PyCaret · Extra Trees · Optuna · PCA · K-Means clustering · SHAP
Complex Survey Analysis
NHANES Liver Fibrosis Analysis
NHANES公開データを統合し、複雑標本デザインと欠損データを考慮して、肝線維化スコアと血液生化学マーカーの関連を解析しました。
MICE-style multiple imputation · Elastic Net · survey-weighted Gaussian GLM · Rubin's rules · quantile regression
Reproducibility
コード品質と再現性
分析結果だけでなく、第三者が構成と処理を追跡しやすい成果物を重視しています。
- srcレイアウトによるPythonパッケージ化
- 設定値の一元管理
- Notebookと実行スクリプトの分離
- pytestによる単体テスト
- Black・Flake8による品質管理
- GitHub ActionsによるCI
- pyproject.tomlと環境ファイル
- 日本語・英語の解析レポート
About
経歴・専門背景
Makoto Komori, Ph.D.
生物工学の博士号を持ち、生物工学および臨床検査分野の研究経験を背景として、医療・公衆衛生データの統計解析に取り組んでいます。
Pythonによる解析実装、ベイズ統計、機械学習、再現可能な研究成果物の作成を専門領域としています。
JDLA Deep Learning for ENGINEER
E Qualification, 2025 #1 — Passed
日本ディープラーニング協会 E資格（2025年第1回）合格
Selected Publication
代表論文
「新規化学発光免疫測定装置を用いた胃がんリスク層別化検査と健常者血清ペプシノゲン値に関する検討」
『医学と薬学』77巻4号, 573–586, 2020. Japanese-language peer-reviewed article related to in vitro diagnostic testing.
"Measurement of microRNA with isothermal DNA amplification on fully automated immunoassay analyzers"
Analytical and Bioanalytical Chemistry (2019), 411, 3789–3800. Peer-reviewed article on in vitro diagnostic measurement of microRNA using isothermal DNA amplification.
Earlier Medical AI Project
以前の医療AI Webアプリ
Skin Disease Candidate Suggestion Web App
皮膚画像と問診情報を組み合わせて疾患候補カテゴリーを提示する、教育・研究目的のディープラーニング試作アプリです。
DenseNet201、AutoEncoder、BERT、Streamlit、FastAPI、Docker、Google Cloud Runを使用しました。
本プロジェクトは教育・研究目的の試作です。実際の診断、治療方針の決定、受診判断、医療機器としての使用を目的としていません。
Technical Stack
使用技術
- Python
- pandas
- NumPy
- Polars
- scikit-learn
- statsmodels
- PyMC
- NumPyro
- JAX
- ArviZ
- Matplotlib
- SHAP
- pytest
- Jupyter
- Git
- GitHub Actions
Work Inquiries
業務のご相談
現在、新規の医療統計、Pythonコード作成、データ解析業務のご相談・ご依頼は、ランサーズ経由のみ受け付けています。
New project inquiries are currently accepted only through Lancers.