Introduction to Healthcare Science

Course Title

Course Title in English

Introduction to Healthcare Science

Course Type

-

コース基盤科目

Eligible Students

Graduate School of Information Science

Target Grade

1Year

Course Numbering Code

KIIMD5MCA1

Credits

2.00Credits

The course numbering code represents the faculty managing the subject, the department of the target students, and the education category (liberal arts / specialized course). For detailed information, please download the separate manual from the upper right 'question mark'.

Type of Class

講義 (Lecture)

Eligible Year/Semester

Spring semester 2026

Instructor

竹村匡正,Rashed Essam

Affiliation

情報科学研究科

Language of Instruction

Other

竹村：基本的に日本語で講義を行います。
ラシド：基本的に英語で講義を行います。

Related SDGs

3

Office Hours and Location

講義終了後：担当教員室

Contact

takemura@gsis.u-hyogo.ac.jp
rashed@gsis.u-hyogo.ac.jp

Corresponding Diploma Policy

A double circle indicates the most relevant DP number and a circle indicates the associated DP.

Corresponding Undergraduate School DP

ー

Corresponding Graduate School DP

1◎／2〇

Corresponding University-Wide DP

N/a

Academic Goals of Teacher Training Course

ー

Course Objectives and Learning Outcome

【講義目的】
健康・医療分野におけるデータの発生プロセス、処理プロセス等について、その科学的な背景を含めて理論と実際の観点から理解することを目的とする。

【到達目標】
健康・医療分野におけるデータの発生プロセス、処理プロセス等について、その科学的な背景を含めて理論と実際の観点から説明できること。

Subtitle and Keywords of the Class

Course Overview and Schedule

本講義では、医療健康分野におけるシステム・データの利用実態及びその背景、また分析の実際について概説する。さらに、各種の医用画像診断装置やそのデータの可視化、医療制度、病院のシステム化について概観し、データ利用の現状を教授する。

1.　科学とは何か？（竹村）
2.　自然科学と社会科学（竹村）
3.　健康とは/医療とは（竹村）
4.　医学研究・臨床研究とは（竹村）
5.　臨床研究と情報（データ）（竹村）
6.　健康・医療と情報科学１（竹村）
7.　健康・医療と情報科学２（竹村）
8.　健康・医療におけるデータサイエンス（竹村）
9.　Introduction to Medical Image Informatics 「医用画像情報学」（ラシド）
10. Image acquisition and archive systems 「画像取得・アーカイブシステム」（ラシド）
11. Medical imaging modalities – CT/PET/SPECT 「医用画像診断装置– CT/PET/SPECT」（ラシド）
12. Medical imaging modalities – MRI/fMRI　「医用画像診断装置 – MRI/fMRI」（ラシド）
13. Medical imaging modalities – US & others 　「医用画像診断装置 – US & others 」（ラシド）
14. Medical data visualization　「医療データの可視化」（ラシド）
15. Conclusion and conceptualization　「結論とコンセプト」（ラシド）

In-person/Remote Classification

In-person

Implementation Method and Remote Credit Limit Application

Uses of Generative AI

Fully permitted

Precautions for using Generative AI

生成AIの利用にあたっては『本学の教育における生成AIの取扱いについて(学生向け)』の記載内容について留意すること。
この授業においては、授業内、予習復習、レポート等を含む成果物作成等において生成AIの利用を全面的に許可しており、生成AIの利用について制限を設けないが、生成AIによる出力結果をそのまま課題・レポートとして提出してはならない。生成AIの出力した内容について、事実
関係の確認や出典・参考文献を確認・追記することが重要である。使用した場合にその旨をレポート等に記載するかどうか等については、担当教員の指示に従うこと。

Textbook

事前に資料を配布する

References

特に指定しない。

Contents and Estimated Time for Pre- and Post- Learning (Preparation and Review)

事前学習：0.5時間
事後学習：2.5時間

Contents of Active Learning

レポート作成・発表資料等を通じて健康医療科学研究を今後行うための必要な能力・態度を養成する。

Grading Criteria and Methods

健康・医療分野におけるデータの発生プロセス、処理プロセス等について、その科学的な背景を含めて理論と実際の観点から説明できるものに対し、S（90点以上）、A（80点以上）、B（70点以上）、C（60点以上）による成績評価のうえ、単位を付与する。

How to Disclose Assignments and Exam Results

期中の提出レポートについては，優秀なものを，講評し，模範解答として紹介する場合がある．
期末の提出物については，評価について質問があった場合に，個別に対応する．

Precautions and Requirements for Course Registration

・当授業は、Aキャンパス（神戸情報科学キャンパス）からBキャンパス（神戸商科キャンパス）へ配信する授業形態であり、配側となるAキャンパスの履修者は対面授業となりますが、受信側となるBキャンパスの履修者は遠隔授業となります。なお、配信映像は両キャンパスに設置しているモニターに映し出されますので、履修者各自が端末を持参する必要はありません。

Practical Education

該当しない。

Remarks

In cases where any differences arise between the English version and the original Japanese version, the Japanese version shall prevail as the official authoritative version.

Syllabus data