Health Stats

分野問わず大手製薬企業やアンケート調査会社などからデータ分析を依頼頂き解析してます。本業は大学教員。研究教育も日々頑張ってます。研究の一環(半分趣味)で医療に役立つAIエージェントの開発もしてます。その延長でゲームアプリも作って公開してます。

[Health Stats @TheHealthStats]

データ分析コンサルティングをしています(以下のページを参照)。色々な分野のデータに対応できます。統計解析の依頼や相談、図表作成など気軽にお声掛け頂けますと幸いです。

https://t.co/BgaPRRjn8C

#データ分析
#機械学習モデル
#バイオインフォマティクス
#オミクス解析

[Health Stats @TheHealthStats]

@SasaRound ご高覧いただき、ありがとうございます！！
ですね！

[Health Stats @TheHealthStats]

化学構造から抗コリン活性を予測する機械学習モデルを構築しました。
比較的高い予測精度でせん妄や誤嚥性肺炎のリスクを予測することができます。

Structure-Based Prediction of Muscarinic M1/M3 Receptor Antagonist Activity: Curated Dataset and Scaffold-Aware Evaluation - The Journal of Pharmacology and Experimental Therapeutics

https://t.co/eSq1rRpSSq

[Health Stats @TheHealthStats]

@mapomapopon ご高覧いただき、ありがとうございます！

[Health Stats @TheHealthStats]

・具体例を増やす
・根拠と推定を分ける
・読者が誤解しそうな表現を直す
・反対意見も入れる
・冗長な部分を削る
・次に取る行動を明確にする

AIは「良い感じ」を察するのは苦手です。
でも、評価基準を渡すとかなり動きやすくなる。

AIに必要なのは、採点ではなく採点基準。

「100点にして」より、
「何を満たせば100点か」を伝える。

採点ではなく、基準を渡す。
呪文より、設計図。

[Health Stats @TheHealthStats]

ChatGPTに、

「100点にして」
「もっと良くして」
「プロっぽくして」

と頼むより、
“何を満たせば良いのか”を渡した方が安定します。

たとえば、⬇️

[Health Stats @TheHealthStats]

相手との関係性を伝えていない。

メールは、内容だけでは決まりません。

・相手は上司か
・取引先か
・先生か
・同僚か
・初対面か
・謝罪なのか
・お願いなのか
・断りなのか

ここで文面は大きく変わります。

だからChatGPTには、

「誰に」
「何を」
「どの温度感で」
「何を避けて」

まで伝える。

AIにメールを書かせるなら、
文章力より、状況設定。

“メール作って”ではなく、
“この相手に、この温度感で伝えて”が大事。

[Health Stats @TheHealthStats]

ChatGPTにメールを書かせて、
「なんか丁寧だけど使いにくい」と感じる原因はだいたいこれ。

続く⬇️

[Health Stats @TheHealthStats]

「この依頼文を、ChatGPTが正確に理解しやすいプロンプトに改善してください」

これだけで、

・目的が曖昧
・条件が足りない
・出力形式がない
・前提が抜けている
・何を重視するか不明

みたいな問題が見えやすくなる。

AIに答えを出させる前に、
AIに質問を整えさせる。

プロンプトを暗記するより、
自分の依頼文を改善できる方が強い。

魔法ワードより、質問設計。

[Health Stats @TheHealthStats]

ChatGPTの回答が微妙なとき、
「AIの性能が低い」と思う前に、まずこれを試してほしい。

続く⬇️

[Health Stats @TheHealthStats]

「初心者が失敗しやすい順に、失敗例・原因・回避方法をセットで説明してください」

これだけで、単なる手順書ではなく、
つまずきにくい説明になります。

Python、Excel、アプリ設定、AI活用、資料作成。
どれでも使える。

初心者に必要なのは、
最短ルートより、つまずかないルート。

手順より、失敗予防。

[Health Stats @TheHealthStats]

初心者向けの説明で本当に大事なのは、
「正しい手順」だけではない。

むしろ重要なのは、
どこで失敗するかを先に知ること。

ChatGPTにはこう頼むとよいです。

続く⬇️

[Health Stats @TheHealthStats]

「最終案だけでなく、採用しなかった案も示してください」

すると、

・他にどんな選択肢があったか
・なぜその案を選んだのか
・何を捨てたのか
・結論の弱点はどこか

が見えやすくなる。

AIに“正解っぽい1案”を出させて終わるのはもったいない。

大事なのは、
答えを得ることだけではなく、
選ばれなかった選択肢も確認すること。

最終案より、代替案。
結論より、判断基準。

[Health Stats @TheHealthStats]

AIの回答で気をつけたいのは、
「1つの答え」がもっともらしく見えすぎること。

だからChatGPTには、こう頼む。

続く⬇️

[Health Stats @TheHealthStats]

「この結論に対する反対意見・弱点・反証可能性を挙げてください」

すると、

・前提の甘さ
・論理の飛躍
・都合のよい解釈
・見落としているリスク
・別の結論の可能性

が見えやすくなる。

AIを“答えを出す道具”としてだけ使うのはもったいない。
“自分の考えを疑う道具”として使うと、かなり強い。

賛成より、反論。
出力より、検証。

[Health Stats @TheHealthStats]

AIの回答で危ないのは、
「それっぽく正しい」ように見えること。

だからChatGPTには、毎回これを入れるとよいです。

続く▶️

[Health Stats @TheHealthStats]

たとえば、

・良いメール／悪いメール
・良い要約／悪い要約
・良いプロンプト／悪いプロンプト
・良い研究タイトル／悪い研究タイトル
・良い説明／悪い説明

を並べてもらう。

すると、単に答えを得るだけでなく、
何が良くて、何がダメなのかという判断基準が見えてくる。

AI活用で差が出るのは、
答えを早く得ることだけではない。

良し悪しを見分ける基準を作れるか。

答えより、比較。
知識より、判断基準。

[Health Stats @TheHealthStats]

AIに「正解」を聞くだけでは、使いこなしとして少し弱い。

本当に使えるのは、
「良い例」と「悪い例」を比較させること。

たとえば、

続く⬇️

[Health Stats @TheHealthStats]

「事実として確認できること、推定、未確認事項を分けてください」

この一文を入れるだけで、
AIの回答を鵜呑みにしにくくなる。

特に、医療・法律・投資・研究・仕事の判断では、
“それっぽい回答”より、
“どこまで確かか”の方が重要。

AIに答えを出させるだけでなく、
確度も分けさせる。

これ、地味ですがかなり実用的です。

[Health Stats @TheHealthStats]

AIの怖さは、
間違っていても文章が自然に読めること。

だからChatGPTには、こう頼むのが有効です。

続く⬇️

[Health Stats @TheHealthStats]

「意味・構成・語調は維持してください。
誤字、冗長表現、不自然な言い回しだけを最小限修正してください」

文章には、直すべき時と、崩してはいけない時がある。

AIに文章を任せるなら、
“どこまで変えてよいか”を指定する。

大胆修正より、最小修正。
これ、かなり実用的です。

[Health Stats @TheHealthStats]

ChatGPTに文章を直してもらって、
「いや、そこまで変えなくていい」と思ったことがある人は多いはず。

原因は、依頼が曖昧だからです。

「修正して」だけだと、AIは文章を作り直しにいくことがあります。

原文を残したいなら、こう頼む。

続く⬇️