• HOME
  •  > 
  • 医学一般
  •  > 
  • 雑誌
  •  >  実験医学別冊　もっとよくわかる！医療ビッグデータ

実験医学別冊　もっとよくわかる！医療ビッグデータ

出版社： 羊土社
発行日： 2020-04-01
分野： 医学一般  >  雑誌
ISSN： 02885514
雑誌名：
特集： もっとよくわかる！医療ビッグデータ
電子書籍版： 2020-04-01 （第1刷）
書籍・雑誌
≪全国送料無料でお届け≫
取寄せ目安：8～14営業日

5,500 円(税込)

購入する
電子書籍
章別単位での購入はできません
ブラウザ、アプリ閲覧

5,500 円(税込)

購入する

目次

  • 特集　もっとよくわかる！医療ビッグデータ
    　　　オミックス、リアルワールドデータ、AI医療・創薬

    1章　医学・生命科学におけるビッグデータ時代
    　1．医学・医療におけるビッグデータとは
    　2．新しいタイプの医療ビッグデータと従来型との違い
    　3．医療ビックデータがもたらす医療パラダイムの変革

    2章　米国におけるゲノム医療の展開
    　1．ゲノム医療の始まり
    　2．ゲノム医療の臨床実装の開始―次世代シークエンサーのインパクト
    　3．ゲノム医療の国家的推進―医療ビッグデータ時代の到来
    　4．電子カルテから取り出す臨床表現型情報
    　5．精密医療が描く医療

    3章　欧州におけるバイオバンクと疾患データベース
    　1．欧州型のゲノム医療の実現
    　2．大規模前向きポピュレーション準拠型バイオバンクの確立
    　3．バイオバンクの概念と疾患バイオバンク
    　4．ビッグデータ時代の医学研究・臨床試験
    　5．欧州におけるゲノム臨床医療への対策

    4章　人工知能・ディープラーニングと医療
    　1．医療ビッグデータからの革新的知識の発見
    　2．人工知能の概念と発展
    　3．ディープラーニングの革命性
    　4．ディープラーニングのその他の方式

    5章　AI医療とAI創薬，デジタル医療
    　1．ディープラーニングの医療への応用
    　2．生命情報ビッグデータと人工知能による創薬・DR
    　3．デジタル医療へ向けて

この書籍の参考文献

参考文献のリンクは、リンク先の都合等により正しく表示されない場合がありますので、あらかじめご了承下さい。

本参考文献は電子書籍掲載内容を元にしております。

1章 医学・生命科学におけるビッグデータ時代

P.35 掲載の参考文献
1) 「疾患システムバイオロジ―」 (田中博/編著), 培風館, 2012
 
2) 田中博 : 実験医学増刊, 34 : 709-716, 2016
 
3) 田中博 : 実験医学増刊, 35 : 3023-3036, 2017
 
4) 「AI 創薬・ビッグデータ創薬」 (田中博/著), 薬事日報社, 2017
 
5) Ozaki K, et al : Nature genet, 32 : 650-654, 2002
PubMed

2章 米国におけるゲノム医療の展開

P.87 掲載の参考文献
1) Worthey EA, et al : Genet Med, 13 : 255-262, 2011
PubMed
2) Johnson M & Gallagher K : One in a Billion : A boy's life, a medical mystery, the Journal Sentinel (www.jsonline.com/news/health/111641209.html)
 
3) Kakuk P : Med Health Care Philos, 9 : 325-337, 2006
PubMed
4) Yang Y, et al : N Engl J Med, 369 : 1502-1511, 2013
 
5) Ginsburg G & Manolio T : Introductions and objectives, Genomic Medicine Institutes' Colloquium, Chicago, 2011
 
6) Amberger JS, et al : Nucleic Acids Res, 43 : D789-D798, 2015
PubMed
7) Gahl WA & Tifft CJ : JAMA, 305 : 1904-1905, 2011
PubMed
8) Firth HV & Wright CF : Dev Med Child Neurol, 53 : 702-703, 2011
PubMed
9) Beaulieu CL, et al : Am J Hum Genet, 94 : 809-817, 2014
PubMed
10) Pulley JM, et al : Clin Pharmacol Ther, 92 : 87-95, 2012
PubMed
11) Schildcrout JS, et al : Clin Pharmacol Ther, 92 : 235-242, 2012
PubMed
12) McNeil C : J Natl Cancer Inst, 90 : 882-883, 1998
 
13) Druker BJ, et al : N Engl J Med, 344 : 1031-1037, 2001
PubMed
14) Blackledge G & Averbuch S : Br J Cancer, 90 : 566-572, 2004
PubMed
15) Heng HH : Bioessays, 29 : 783-794, 2007
PubMed
16) International Cancer Genome Consortium. : Nature, 464 : 993-998, 2010
PubMed
17) Wagle N, et al : Cancer Discov, 2 : 82-93, 2012
PubMed
18) Relling MV & Klein TE : Clin Pharmacol Ther, 89 : 464-467, 2011
PubMed
19) Thorn CF, et al : Methods Mol Biol, 311 : 179-191, 2005
PubMed
20) Evaluation of Genomic Applications in Practice and Prevention (EGAPP) Working Group. : Genet Med, 16 : 217-224, 2014
 
21) American College of Medical Genetics and Genomics. : Genet Med, 15 : 565-574, 2013
 
22) CSER Consortium. : Am J Hum Genet, 98 : 1051-1066, 2016
PubMed
23) Margolis R, et al : J Am Med Inform Assoc, 21 : 957-958, 2014
 
24) eMERGE Network. : Genet Med, 15 : 761-771, 2013
PubMed
25) Kirby JC, et al : J Am Med Inform Assoc, 23 : 1046-1052, 2016
PubMed
26) https://phekb.org/sites/phenotype/files/appendicitis_flowchart_v7.jpg
 
27) Collins FS & Varmus H : N Engl J Med, 372 : 793-795, 2015
PubMed
28) https://www.genome.gov/27546194/clinical-sequencing-exploratory-research-cser/
 
29) https://www.genome.gov/27540473/electronic-medical-records-and-genomics-emergenetwork/
 
30) https://clinicaltrials.gov/ct2/show/NCT03394859
 
31) https://allofus.nih.gov/about/about-all-us-research-program
 
32) Vegter MW : Med Health Care Philos : 10.1007/s11019-018-9828-z, 2018
 
33) Aelion CM, et al : Lancet Oncol, 17 : e178-e180, 2016
PubMed

3章 欧州におけるバイオバンクと疾患データベース

P.154 掲載の参考文献
1) Ozaki K, et al : Nat Genet, 32 : 650-654, 2002
PubMed
2) International HapMap Consortium. : Nature, 426 : 789-796, 2003
 
3) Wellcome Trust Case Control Consortium. : Nature, 447 : 661-678, 2007
 
4) Manolio TA, et al : Nature, 461 : 747-753, 2009
PubMed
5) 厚生労働省資料 : 「ゲノム医療に関する諸外国の取り組みについて」 (https://www.kantei.go.jp/jp/singi/kenkouiryou/genome/dai4/siryou02.pdf)
 
6) Collins FS : Nature, 429 : 475-477, 2004
PubMed
7) Manolio TA, et al : Nat Rev Genet, 7 : 812-820, 2006
PubMed
8) 林かおり : 外国の立法, 218 : 92-106, 2003
 
9) Kong A, et al : Nat Genet, 40 : 1068-1075, 2008
PubMed
10) Styrkarsdottir U, et al : Nature, 497 : 517-520, 2013
PubMed
11) Barbour V : Lancet, 361 : 1734-1738, 2003
PubMed
12) Petertsen A : Sociol Health Illn, 27 : 271-292, 2005
PubMed
13) UK Biobank, UK biobank Ethics and governance framework, 2002
 
14) Sudlow C, et al : PLoS Med, 12 : e1001779, 2015
PubMed
15) Scholtens S, et al : Int J Epidemiol, 44 : 1172-1180, 2015
PubMed
16) Pearson H : Nature, 526 : 620-621, 2015
PubMed
17) Landrigan PJ & Baker DB : N Engl J Med, 372 : 1486-1487, 2015
PubMed
18) Asslaber M & Zatloukal K : Brief Funct Genomic Proteomic, 6 : 193-201, 2007
PubMed
19) Kinkorova J : EPMA J, 7 : 4, 2015
PubMed
20) OECD creation and governance of human biobank and genetic research databases, OECD Paris, 2009 (https://www.oecd.org/sti/biotech/44054609.pdf)
 
21) ISERB : Biopreserv Biobank, 10 : 79-161, 2012
 
22) Zika E, et al : Biobanks in Europe : prospects for harmonisation and networking. JRC Scientific and Technical Reports. Luxembourg : Publications Office of the European Union : 2010
 
23) Artene S-A, et al : Biobanking in a constantly developing medical world. Sci World J. 2013
 
24) Asslaber M & Zatloukal K : Brief Funct Genomic Proteomic, 6 : 193-201, 2007
PubMed
25) Perou CM, et al : Nature, 406 : 747-752, 2000
PubMed
26) Sorlie T, et al : Proc Natl Acad Sci USA, 98 : 10869-10874, 2001
PubMed
27) 児玉知子, 他 : 保健医療科学, 60 : 105-111, 2011
 
28) 水島洋, 他 : 薬学雑誌, 134 : 599-605, 2014
 
29) Genomics England (https://www.genomicsengland.co.uk/)
 
30) Roden DM, et al : Clin Pharmacol Ther, 84 : 362-369, 2008
PubMed
31) TASTE Trial. : N Engl J Med, 369 : 1587-1597, 2013
 
32) GENOMIC MEDICINE FRANCE 2025 (https://www.aviesan.fr/content/download/8827/73797/version/1/file/Genomic+Medicine+France+2025+web.pdf)
 
33) Levy Y : Lancet, 388 : 2872, 2016 (http://thelancet.com/journals/lancet/article/PIIS0140-6736(16)32467-9/fulltext)
 

4章 人工知能・ディープラーニングと医療

P.202 掲載の参考文献
1) 青嶋誠 : 日本統計学会誌, 48 : 89-111, 2018
 
2) McCarthy J, et al : AI Magazine, 27 : 2006
 
3) Newell A, et al : Report on a general problem-solving program. Proceedings of the International Conference on Information Processing. pp256-264, 1959
 
4) 「Computer-based medical consultation : MYCIN」 (Shortliffe EH), Elsevier, 1976
 
5) Miller RA, et al : N Engl J Med, 307 : 468-476, 1982
PubMed
6) Gardner RM, et al : Int J Med Inform, 54 : 169-182, 1999
PubMed
7) McCulloch WS & Pitts W : Bull Math Biol, 5 : 115-133, 1943
 
8) Rosenblatt F : Psychol Rev, 65 : 386-408, 1958
PubMed
9) 「The Organization of Behavior : A Neuropsychological Theory」 (Hebb DO), Wiley & Sons, 1949
 
10) Marr D : J Phygiology, 202 : 437-470,1969
PubMed
11) Ito M, et al : J Physiol, 324 : 113-134, 1982
PubMed
12) 「Perceptrons-An Introduction to Computational Geometry」 (Minsky M & Papert SA), MIT press, 1969
 
13) Rumelhart DE, et al : Nature, 323 : 533-536, 1986
 
14) Kingma DP & Welling M : Auto-Encoding Variational Bayes. In ICLR 2014
 
15) Doerschar C : Tutorial on Variational Autoencoders (https://arxiv.org/abs/1606.05908)
 
16) Steiner DF, et al : Am J Surg Pathol, 42 : 1636-1646, 2018
PubMed
17) Hubel DH & Wiesel TN : J Physiol, 148 : 574-591, 1959
 
18) 福島邦彦 : 電子通信学会論文誌A, J62-A [10] : 658-665, 1979
 
19) LeCun Y, et al : Proceedings of the IEEE : 2278-2324, 1998
 
20) Krizhevsky A, et al : NIPS'12 Proceedings of the 25th International Conference on Neural Information Processing Systems, 1 : 1097-1105, 2012
 
21) Szegedy C, et al : Going deeper with convolutions, in Proc Conf Comput Vis Pattern Recognition : 1-9, 2015
 
22) He K, et al : arXiv : 1512.03385
 

5章 AI医療とAI創薬, デジタル医療

P.247 掲載の参考文献
1) Leung MK, et al : Proc. IEEE, 104 : 176-197, 2016
 
2) Angermueller C, et al : Molecular Syst Biol, 12 : 878, 2016
PubMed
3) Quang D, et al : Bioinformatics, 31 : 761-763, 2014
PubMed
4) Gawehn E, et al : Molecular Informat, 35 : 3-14, 2016
 
5) Fakoor R, et al : "Using deep learning to enhance cancer diagnosis and classification" in Proc Int Conf Mach Learn, pp1-7, 2013
 
6) Ibrahim R, et al : Conf Proc IEEE Eng Med Biol Soc : 3957-3960, 2014
 
7) Khademi M & Nedialkov NS : "Probabilistic graphical models and deep belief networks for prognosis of breast cancer" in Proc IEEE 14th Int Conf Mach Learn Appl, pp727-732, 2015
 
8) Pesapane F, et al : Eur Radiol Exp, 2 : 35, 2018
PubMed
9) Topol EJ : Nat Med, 25 : 44-56, 2019
PubMed
10) Titano JJ, et al : Nat Med, 24 : 1337-1341, 2018
PubMed
11) Arbabshirani MR, et al : NPJ Digit Med, 1 : 9, 2018
PubMed
12) Chilamkurthy S, et al : Lancet, 392 : 2388-2396, 2018
PubMed
13) Nam JG, et al : Radiology, 2018 (https://doi.org/10.1148/radiol.2018180237)
 
14) Singh R, et al : PLoS ONE, 13 : e0204155, 2018
PubMed
15) Lehman CD, et al : Radiology, 2018 (http://doi.org/10.1148/radiol.2018180694)
 
16) Lindsey R, et al : Proc Natl Acad Sci USA, 115 : 11591-11596, 2018
PubMed
17) Ehteshami Bejnordi B, et al : JAMA, 318 : 2199-2210, 2017
PubMed
18) Coudray N, et al : Nat Med, 24 : 1559-1567, 2018
PubMed
19) Capper D, et al : Nature, 555 : 469-474, 2018
PubMed
20) Steiner DF, et al : Am J Surg Pathol, 42 : 1636-1646, 2018
PubMed
21) Liu Y, et al : APLM, 2018 (https://doi.org/10.5858/arpa.2018-0147-OA)
 
22) Esteva A, et al : Nature, 542 : 115-118, 2017
PubMed
23) Haenssle HA, et al : Ann Oncol, 29 : 1836-1842, 2018
PubMed
24) Han SS, et al : J Invest Dermatol, 138 : 1529-1538, 2018
PubMed
25) Gulshan V, et al : JAMA, 316 : 2402-2410, 2016
PubMed
26) Abramoff M, et al : NPJ Digit Med, 1 : 39, 2018
PubMed
27) Kanagasingam Y, et al : JAMA Netw Open, 1 : e182665, 2018
PubMed
28) Long E, et al : Nat Biomed Eng, 1 : 1-8, 2017
 
29) De Fauw J, et al : Nat Med, 24 : 1342-1350, 2018
PubMed
30) Burlina PM, et al : JAMA Ophthalmol, 135 : 1170-1176, 2017
PubMed
31) Brown JM, et al : JAMA Ophthalmol, 136 : 803-810, 2018
PubMed
32) Kermany DS, et al : Cell, 172 : 1122-1131, 2018
PubMed
33) Mori Y, et al : Ann Intern Med, 169 : 357-366, 2018
PubMed
34) Wang P, et al : Nat Biomed Eng, 2 : 741-748, 2018
PubMed
35) Madani A, et al : NPJ Digit Med, 1 : Article number 6, 2018
 
36) Zhang J, et al : Circulation, 138 : 1623-1635, 2018
PubMed
37) Esteva A, et al : Nature, 542 : 115-118, 2017
PubMed
38) Nie D, et al : "3D deep learning for multi-modal imaging-guided survival time prediction of brain tumor patients" in Proc MICCAI, pp212-220, 2016
 
39) Ruder S : Transfer Learning - Machine Learning's Next Frontier : (http://ruder.io/transfer-learning/)
 
40) Shin HC, et al : IEEE Trans Med Imag, 35 : 1285-1298, 2016
 
41) Chen H, et al : IEEE J Biomed. Health Inform, 19 : 1627-1636, 2015
 
42) Greenspan H, et al : IEEE Trans Med Imag, 35 : 1153-1159, 2016
 
43) Cheng JZ, et al : Sci Rep, 6 : 24454, 2016
PubMed
44) Shan J & Li L : "A deep learning method for microaneurysm detection in fundus images" in Proc IEEE Connected Health, Syst Eng Technol, pp357-358, 2016
 
45) Hu C, et al : "Clinical decision support for alzheimer's disease based on deep learning and brain network" in Proc Int Conf Commun, pp1-6, 2016
 
46) Mansoor A, et al : IEEE Trans Med Imag, 35 : 1856-1865, 2016
 
47) Pouladzadeh P, et al : "Food calorie measurement using deep learning neural network" in Proc IEEE Int Instrum Meas Technol Conf Proc, pp1-6, 2016
 
48) Sun L, et al : "DL-SFA : Deeply-learned slow feature analysis for action recognition" in Proc IEEE Conf Comput Vis Pattern Recognit, pp2625-2632, 2014
 
49) Yalcin H : Human activity recognition using deep belief networks" in Proc Signal Process Commun Appl Conf, pp1649-1652, 2016
 
50) Zeng M, et al : "Convolutional neural networks for human activity recognition using mobile sensors" in Proc MobiCASE, pp197-205, 2014
 
51) Poggi M & Mattoccia S : "A wearable mobility aid for the visually impaired based on embedded 3d vision and deep learning" in Proc IEEE Symp Comput Commun, pp208-213, 2016
 
52) Huang J, et al : "Sign language recognition using sreal-sense," in Proc IEEE ChinaSIP, pp166-170, 2015
 
53) Yan Y, et al : "A restricted Boltzmann machine based two-lead electrocardiography classification" in Proc 12th Int Conf Wearable Implantable Body Sens Netw, pp1-9, 2015
 
54) Shin H, et al : "Interleaved text/image deep mining on a large-scale radiology database for automated image interpretation" CoRR, vol.abs/1505.00670, 2015
 
55) Liang Z, et al : "Deep learning for healthcare decision making with emrs" in Proc Int Conf Bioinformat Biomeds, pp556-559, 2014
 
56) Nie L, et al : IEEE Trans Knowl Data Eng, 27 : 2107-2119, 2015
 
57) Miotto R, et al : Sci Rep, 6 : 1-10, 2016
PubMed
58) Futoma J, et al : J Biomed Informat, 56 : 229-238, 2015
 
59) Lipton ZC, et al : "Learning to diagnose with LSTM recurrent neural networks" CoRR, vol.abs/1511.03677, 2015
 
60) Mehrabi S, et al : "Temporal pattern and association discovery of diagnosis codes using deep learning," in Proc In Conf Healthcare Informat, pp408-416, 2015
 
61) Che Z, et al : "Distilling knowledge from deep networks with applications to healthcare domain," ArXiv e-prints, 2015
 
62) Huang T, et al : Big Data Res, 2 : 2-11, 2015
 
63) Ong BT, et al : Neural Comput, 27 : 1-14, 2015
 
64) Zhao L, et al : "Simnest : Social media nested epidemic simulation via online semisupervised deep learning" in Proc IEEE Int Conf Data Mining, pp639-648, 2015
PubMed
65) Kendra RL, et al : J Med Internet Res, 17 : e154, 2015
PubMed
66) Garimella VRK, et al : "Social media image analysis for public health" in Proc CHIConf Human Factors Comput Syst, pp5543-?5547, 2016
 
67) Phan N, et al : "Social restricted Boltzmann machine : Human behavior prediction in health social networks"in Proc. IEEE/ACM Int Conf Adv Social Netw Anal Mining, pp424-431, 2015
 
68) Horvitz E & Mulligan D : Science, 349 : 253-255, 2015
PubMed
69) Erhan D, et al : "Visualizing higherlayer features of a deep network"Univ Montreal, Montreal, QC, Canada, Tech Rep, 1341, 2009
 
70) Szegedy C, et al : "Intriguing properties of neural networks" CoRR, vol.abs/1312.6199, 2013
 
71) Scannell JW, et al : Nat Rev Drug Discov, 11 : 191-200, 2012
PubMed
72) Kaggle team, Deep Learning How I Did It : Merck 1st place interview (http://blog.kaggle.com/2012/11/01/deep-learning-how-i-did-it-merck-1st-place-interview/)
 
73) Dahl GE, et al : arXiv : 1406.1231, 2014
 
74) Hase T, Tanaka H, et al : Artificial intelligence based computational framework for drugtarget prioritization and inference of novel repositionable drugs for Alzheimer' disease, bioRxiv (https://www.biorxiv.org/) : 2020
 
75) Wang D, et al : Structural Deep Network Embedding, KDD '16 Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining : 1225-1234, 2016
 
76) HPRD-Human Protein Reference Database (https://www.hsls.pitt.edu/obrc/index.php?page=URL1055173331)
 
77) Chen T, et al : XGBoost : arXiv : 1603.02754v3, 2016
 
78) Chaw NV, et al : Journal of Artificial Intelligence Research, 16 : 321-357, 2002
 
79) Bustos FJ, et al : Brain, 140 : 3252-3268, 2017
PubMed
80) Wang L, et al : Proc Natl Acad Sci USA, 109 : 16743-16748, 2012
PubMed
81) Wang PL, et al : Neurosci Res, 87 : 2105-2114, 2009
PubMed
82) "The Hologenome Concept : Human, Animal and Plant Microbiota" (Rosenberg E, et al), Springer, 2013
 
83) Chen R, et al : Cell, 148 : 1293-1307, 2012
PubMed
84) mobi health news : FDA clears WellDoc's non-RX version of BlueStar, its mobile diabetes management tool : 2017 (https://www.mobihealthnews.com/content/fda-clears-welldocs-non-rx-version-bluestar-its-mobile-diabetes-management-tool)
 

書評

最近チェックした商品履歴

Loading...