信頼できるAI
臨床モデルのデータセットシフト診断、較正、不確実性推定、バイアス監査、導入後モニタリング。
研究重点
健康データのライフサイクル全体を対象に
エビデンス生成、責任あるモデル開発、臨床・保健システムへの実装までを幅広く扱います。
プライバシーとセキュリティ
多施設の健康データに向けた連合学習、セキュア集約、差分プライバシー、ガバナンス管理。
臨床NLPとマルチモーダルモデル
臨床的に意味のある評価を保ちながら、テキスト、画像、信号、構造化記録を責任をもって統合します。
リアルワールドエビデンス
仮定、データ来歴、不確実性を明示する因果推論と透明な観察研究。
デジタルヘルス
遠隔モニタリングと医療技術を、有用性、安全性、一般化可能性、日常診療への適合性から評価します。
ゲノム・マルチオミクス
分子データと臨床データを統合し、解釈可能な発見と橋渡し研究を支えます。
保健システム
オペレーションズ・リサーチ、予測、意思決定支援により医療提供の強靱性と効率を高めます。
健康の公平性
集団ごとの性能を検証し、健康の社会的決定要因を考慮した分析を進めます。
方法から実践へ
有用なエビデンスを支える共通基準
方法、評価、実装を一体として検証できるとき、研究の価値はさらに高まります。
再現性を設計に組み込む
データ来歴、分析上の判断、モデル版、評価手順を記録し、結果の検証と発展を可能にします。
臨床に根ざす
臨床家や関係者と問いを定め、実務で重要なアウトカムとワークフローに照らして評価します。
責任ある橋渡し
安全性、公平性、プライバシー、監視を導入直前ではなく、開発の全段階で計画します。
連携
課題をコミュニティへ
研究交流、ワーキンググループ、研修、共同研究についてISFHDSにお問い合わせください。