HWS01 Carrel, Adrien
Topological deep Learning: l A new direction for artificial intelligence with healthcare applications
Topological Deep Learning and Geometric Deep Learning (TDL/GDL) are emerging fields at the intersection of mathematics, computer science, and artificial intelligence. This workshop aims to introduce participants to the principles and applications of these two fields in the context of healthcare.
First, an introduction to the fundamental concepts will be made. This approach focuses on extending traditional deep learning techniques to handle different data structures such as graphs, meshes, and point clouds. Participants will learn about graph neural networks, higher-order networks, and other architectures. The second part of the workshop will delve into the potential applications these fields in healthcare. The applications include drug discovery, molecule properties prediction and diagnosis of some diseases. Participants will have the opportunity to engage in hands-on activities through a notebook and interactive discussions.
By the end of the workshop, attendees will be equipped with the knowledge to explore these exciting fields further and apply its techniques to tackle real-world healthcare challenges.
Bringing a laptop will be essential for experimenting with the notebook. While some experience in computer science and/or mathematics is beneficial to understand some concepts, the workshop will be designed to be accessible to a wide audience.

HWS02 Ebner, Daniel
The potentials of generative AI in healthcare
An example abstract: In this workshop, we will explore the transformative potential of Generative AI within the context of the Intensive Care Unit (ICU). Participants will delve into the practical applications of Generative AI models, such as GPT-4, to simulate patient health scenarios, predict health outcomes, and generate intervention strategies. We will also cover the ethical implications, data privacy concerns, and decision-making challenges presented by the use of these technologies in the ICU environment. With a balanced blend of theoretical discussions and hands-on exercises, our goal is to inspire innovative approaches for integrating AI into healthcare, ultimately improving ICU patient care and outcomes.
———————
Of note, ChatGPT is able to process Japanese text, but it is not quite as strong at Japanese as it is in English. The workshop can be either English or Japanese, but if a member of your team or one of the AI members in Japan is familiar with a large-language model (LLM) like ChatGPT that focuses specifically on Japan or Japanese healthcare, that could be helpful.
If one does not exist today, it is possible that one will be created between now and the datathon, so it might be something that we have to keep our eyes out for.

＜ワークショップ構成内容を大言語モデル（LLM）により日本語に変換した例＞
ヘルスケアにおける生成型AIの可能性
このワークショップでは、集中治療室（ICU）の文脈における生成型AIの変革的な可能性を探求します。参加者は、患者の健康状況のシミュレーション、健康結果の予測、および介入戦略の生成など、生成型AIモデル（例：GPT-4）の具体的なアプリケーションを深堀りします。また、ICUの環境におけるこれらの技術の利用によって生じる倫理的な意味合い、データプライバシーの懸念、および意思決定の課題についてもカバーします。理論的な議論と実践的な演習を適切に組み合わせることで、我々の目指すところは、ヘルスケアにAIを統合するための革新的な手法を刺激し、最終的にはICU患者のケアとアウトカムを改善することです。
注：ChatGPTは日本語テキストを処理することができますが、英語ほど日本語には強くありません。ワークショップは英語でも日本語でも構いませんが、あなたのチームのメンバーまたは日本のAIメンバーの中に、日本または日本のヘルスケアに焦点を当てた大言語モデル（LLM）のようなChatGPTに精通している人がいると便利かもしれません。今日では存在しないかもしれませんが、データソンの間に作成される可能性がありますので、我々が注目しておくべきかもしれません。
*The above was prepared by an LLM. They work pretty well! I think participants will only need a computer with internet access for ChatGPT. Image generation would require a fee but some not-so-good resources are available online. I can also broadcast my computer as an example if a projector or adaptor is available.

HWS03 Aoki, Tomonoshin
Healthcare digital transformation (DX): International comparative analysis of health systems and cases, accompanied by hands-on research demonstrations <Japanese session>
Healthcare digital transformation, or DX, is an emerging global phenomenon with profound implications not just for individual medical practices, but for entire healthcare systems. This transformative process, however, is heavily influenced by the unique structure and policies of each country's healthcare system.
In this interactive workshop, we will delve into the role of DX within various healthcare systems across the globe, with a focus on countries such as the UK, US, and Japan. Drawing on cases, we will analyze how data sharing has been implemented in these different contexts.
This workshop will not only deepen participants' understanding of these processes, but also provide insights into empirical research on institutional design related to DX. Through practical demonstrations and discussion, participants are expected to gain a better understanding of the policy perspectives on DX, its potential, and the nature and challenges of policy research.
This workshop is ideal for policy researchers, healthcare professionals, data scientists, and anyone interested in the intersection of healthcare and technology.
Prerequisites: All necessary materials and code will be provided. While foundational knowledge related to healthcare systems, policy-oriented empirical research, and programming (ideally in R) will amplify your learning experience, the workshop is designed to be comprehensive and beneficial even without prior knowledge in these areas.

医療分野におけるデジタルトランスフォーメーション（DX）：医療システムと事例の国際比較分析及びハンズオンのリサーチ・デモンストレーション"＜日本語開催＞
医療分野におけるデジタルトランスフォーメーション（DX）は、個々の医療行為だけでなく、医療システム全体にも重大な影響を及ぼす世界的な現象である。しかし、この変革のプロセスは、各国の医療制度の構造や政策に大きく影響される。
このインタラクティブなワークショップでは、英国、米国、日本などの国々を中心に、世界中の様々な医療システムにおけるDXの役割について掘り下げる。そして、特にデータ共有を中心とした事例をもとに、これらの異なる状況において、どのように実施されてきたかを分析する。
本ワークショップは、参加者がこれらのプロセスについて理解を深めるだけでなく、DXに関連する制度設計に通じる実証的研究についての洞察も提供する。ハンズオンのデモンストレーションとディスカッションを通じて、参加者はDXに関する政策に対する視点とその可能性、そして政策研究の本質と課題について理解を深めることが期待される。
本ワークショップは、政策研究者、医療従事者、データサイエンティスト、医療とテクノロジーの交差点に関心のあるすべての方に最適である。
前提条件等：必要な資料とコードはすべて提供される。医療システム、政策指向の実証研究、プログラミング（理想的にはR言語）に関する基礎知識があれば、学習効果が高まるが、このワークショップは、これらの分野の予備知識がなくても、包括的で有益になるように設計されている。

HWS04 Kinoshita, Takahiro
What do you mean by “adjusting for” confounders? <Japanese session>
Adjusting for confounders is a pivotal concept in causal inference with real-world data. The first crucial step involves identifying the essential variables required for a balanced and fair comparison-referred to as confounders to achieve conditional exchangeability in the formal language of epidemiology. Numerous causal methods have been proposed to “adjust for” these confounders, including multivariable linear or logistic regression using confounders as covariates, propensity score analyses such as covariate adjustment, stratification, and matching, inverse-probability of treatment weighting, and the g-formula. However, the critical distinctions in underlying assumptions as well as result interpretations are frequently overlooked.
In this workshop, our objective is to define the necessary assumptions for obtaining unbiased effect estimates from non-randomized observational data. Furthermore, we will explore the disparity between “conditional effects” and “marginal effects” and introduce reliable methods that address your causal questions.
We expect all participants to have a basic understanding of R language (not GUIs such as EZR or R commander) or Python. The hands-on session will be conducted using RStudio.

交絡を”調整する”ってどういう意味ですか？＜日本語開催＞
リアルワールドデータを用いた因果推論において、交絡因子の調整は非常に重要なコンセプトです。解析の最初のステップにおいては、両群間の適切な比較を行うために必要な因子を見つけ出すことが重要です。これは疫学用語で、「条件付きの交換可能性を担保するための交絡因子を把握する」ことを意味します。しかし、全く同じ交絡因子を用いる場合であっても、様々な異なる解析手法が考案されています。例えば、交絡因子を共変量として用いる重回帰分析や多変量ロジスティック回帰分析、傾向スコア分析（共変量調整、層別化、マッチング）、逆数重みづけ法、g-formulaなどが挙げられます。これらの方法論はそれぞれ置かれた仮定も違えば結果の解釈も異なるのですが、この重要な論点はしばしば見過ごされているのが現状です。
本ワークショップでは、ランダム化されていない観察データから適切な効果の推定を行うために必要な仮定を概説します。その上で、「条件付き効果」と「周辺効果」の違いについて説明し、因果的な疑問に応えるための方法論について解説します。
なお、本ワークショップはR（EZRやR commanderを除く）ないしPythonを用いた基本的な解析ができる方を対象としています。ハンズオンセッションでは、講師がRStudioを用いてデータ分析を行います。

HWS05 Minegishi, Yu/Hase, Takeshi/Uchimido, Ryo/Yamada, Tomoaki
Learning Python with hands-on experience <Japanese session>
This workshop is designed to provide a foundation in Python programming. Participants will learn Python syntax, data types, control structures, functions, and modules through practical exercises. The main objective is to grasp fundamental programming concepts and acquire the skills to create simple programs using Python. The workshop follows a hands-on approach, with instructors providing explanations and participants engaging in exercises and tasks. It is suitable for programming beginners and those new to Python, and attendees are required to bring their own laptops. By participating in this Python Introductory Hands-on, participants will gain proficiency in programming basics and acquire the ability to develop basic programs using Python.

ハンズオンで学ぶPython入門＜日本語開催＞
このワークショップは、Pythonプログラミングの基礎を学ぶワークショップです。参加者はPythonの文法やデータ型、制御構造、関数、モジュールなどを実際に使いながら学びます。基本的なプログラミングの概念を習得し、Pythonを使って簡単なプログラムを作成する方法を身につけることが目的です。ハンズオン形式で講師が解説し、参加者は演習や課題を通じて実践的な学習を行います。プログラミング初心者やPython初学者に適しており、自身のノートパソコンを持参して参加します。Python初級ハンズオンに参加することで、プログラミング基礎を習得し、Pythonを使った簡単なプログラム作成のスキルを身につけることができます。

HWS06 Shimizu, Sayuri
Analyzing administrative data (DPC data) of acute care hospitals in Japan  <Japanese session>
Japanese acute care hospitals submit data on all discharged patients (DPC data) to the Ministry of Health, Labour and Welfare (MHLW), and a database covering almost all Japanese in acute care has been established. DPC data, which includes inpatient medical record information such as age, gender, disease information, and severity of illness, as well as information on all medical procedures received during hospitalization, is used for clinical epidemiological studies, hospital management, health care quality indicators, and health care policy. In this hands-on seminar, participants will learn about the characteristics of Japanese medical data through analysis of sample data from individual DPC forms and open data.

日本の急性期医療機関の管理データ（DPCデータ）を用いた分析演習＜日本語開催＞
日本の急性期医療機関は、退院した全患者のデータ（DPCデータ）を厚生労働省に提出し、急性期医療のほぼ日本人全数を網羅するデータベースが構築されています。DPCデータは、入院中の患者の年齢や性別、病名、疾患重症度などの診療録情報と、入院中に受けた全ての診療行為情報が記録されているため、臨床疫学研究、病院経営分析、医療の質指標や医療政策に活用されています。本ハンズオンセミナーでは、DPCの個票のサンプルデータとオープンデータを分析することで、日本の急性期医療のデータの特性を学びます。

Feng, Mornin/Huang, Ling
Trust deep learning model in healthcare: From accuracy to reliability
As AI continues to shape various sectors, including healthcare, establishing robust ethics protocols becomes crucial to fully harness its potential benefits. This workshop focuses on a fundamental ethical consideration in healthcare: reliability. Ensuring the reliability of AI models in healthcare is vital to instill trust among clinicians, patients, and regulatory authorities.
In this workshop, we aim to discuss critical challenges and emerging solutions in developing and implementing trustworthy AI models within healthcare settings. Key topics include defining reliability, strategies for developing reliable AI healthcare models, and techniques for validating and evaluating reliability performance. Real-world case studies will illustrate the entire process from data collection to clinical application, providing valuable insights. We invite researchers, clinicians, data scientists, industry professionals, and policymakers to join this workshop and contribute to the advancement of reliable AI models in healthcare.

HWS08 Kimes, Patric/Nakajima, Lui/Motos, Joao
AI for real world clinical applications: Considerations and pitfalls
Over the past two decades, exponential growth in data availability, computational power, and newly available modeling techniques has led to an expansion in interest, investment, and research in AI applications for medicine and clinical practice. However, before AI can be widely deployed in clinical settings, further thought must be given to acknowledge the several pitfalls within the AI lifecycle.
This workshop will guide participants through examples of AI in real-world applications. We will explore topics including the use of AI in drug-diagnostic co-development and the seven-step AI lifecycle, using case studies and examples from oncology and ophthalmology. We will explore challenges, biases, and pitfalls that can arise during this process and discuss possible solutions. No prior experience is necessary; all backgrounds are welcome.

HWS09 Tsuji, Shingo
Ask anything about practical data Science--- Know your present situation, set your own goal, clarify the process --- <Japanese session>
Data science is one of the most important components for life science research. However, data science itself consists of a bunch of knowledge such as computer science, machine learning, mathematics etc., so the researchers without a computer science background often lose their way to go. In this workshop, I will listen to your any kind of issues about data science and try to solve the problems through intensive discussion. You don't need any preparation except your research goals or current stuck point.

データサイエンスの水先案内---現状を知り、ゴールを定め、プロセスを明確にしよう---
データサイエンスは生命科学研究にとって欠かせない要素になりました。しかし、データサイエンスそのものがいくつかの分野の融合になっているため、臨床や実験中心の研究者にとっては、なにをどこからはじめて何処へ向かって進めば良いのかわからないこともしばしばあります。本ワークショップでは、データサイエンスに関するあらゆるお悩みの相談にのります。対話を通じて、自分が達成したい目的のためには何が必要かを明らかにしていく予定です。現時点での研究目標やデータサイエンスに関する疑問など、具体的な相談ごとをもってご参加ください。このワークショップは日本語で行われます。

HWS10 Tagawa, Koshiro/Tohyama, Takeshi/Soko Setoguchi
Data analysis using propensity score matching <Japanese session>
In recent years, the use of propensity score matching in analyses has become more prevalent. In this course, the participants will learn the basics of propensity score matching and have hands-on practice.
This workshop is designed to be accessible to beginners. Even if you have no previous analytical experience with statistical software, we encourage you to attend if you are interested.
We will use SAS software for analysis. Please prepare to install the commercial version of SAS software or register to access SAS OnDemand via the cloud free of charge (https://welcome.oda.sas.com/).

傾向スコアマッチングを用いたデータ分析＜日本語開催＞
近年では、傾向スコアマッチングを用いた解析を目にすることがよくあります。そこで本ワークショップでは、基本的な傾向スコアマッチングの説明から、解析を実行するまでを行います。
これまでに解析ソフトを使った経験がない方でも実行できるような内容となっておりますので、ご興味ありましたらぜひご参加ください。
解析ソフトはSASを用います。製品版のSASがインストールされたPCまたは以下のURLより無償のクラウドでSASを利用できる状態にしたPCを持参ください。
https://welcome.oda.sas.com/

HWS11 Ichihara, Nao
ICU outcome assessment using matching methods <Japanese session>
For clinical registries to be of value for improving quality of care, it is important to define an outcome measure that appropriately addresses differences in patient risks across populations.
The O/E ratio (observed/expected ratio) is used for such purposes.  One can obtain a prediction formula for patient death using the entire ICU registry data, apply this formula to predict risks of death for each patient in a specific ICU, sum them up to estimate number of expected deaths at the ICU, and the ratio of the number of observed deaths to that of expected deaths can be used as the O/E ratio.  However, even if ICU-A has a higher O/E ratio than ICU-B, it doesn’t mean ICU-A has a lower quality of care than ICU-B (Simpson’s paradox).  The O/E ratio is imperfect as an outcome measure that addresses differences in patient risk across ICUs (risk-adjusted outcome measure).
Alternatively, evaluating outcome of care at an ICU can be understood as causal inference in observational study, i.e., a measure that represents “average effect” of “treatment at the ICU” on “the patients’ risk of death.” As such, a meaningful outcome measure can be defined using matching method, an analytical approach widely used in observational medical research.
This workshop expects participants to be familiar with R. Matching-based outcome measures are defined, measured, and summarized using JIPAD data and synthetic data.  In addition, O/E ratios will be calculated, and compared with matching-based outcome measures.

マッチングに基づくICUアウトカム評価＜日本語開催＞
診療レジストリのデータを医療の質向上に活かす上で、集団間のリスクの差に適切に対処するアウトカム指標の定義は重要である。
こうした目的でO/E比（observed/expected比）が用いられることがある。たとえば、あるICUレジストリ全体のデータに基づき患者の死亡を予測する式を作製し、これを特定ICUに当てはめて、その患者集団における実際の死亡数と、予測される死亡数の比として、O/E比が定義される。しかし、ICU-AのO/E 比がICU-Bより高いことは、ICU-Aの診療の質がICU-Bよりも低いことを意味しない（Simpson’s paradox）。すなわち、O/E 比は集団間のリスクの差に対処するアウトカム指標（リスク調整アウトカム指標）として、完全ではない。
あるICUにおけるアウトカムの評価は、観察研究における因果推論と捉えることができる。すなわち、アウトカム指標は「あるICUにおける治療」の「患者の死亡リスク」におよぼす「平均効果」の指標と考えうる。臨床研究を含め、こうした因果推論に広く用いられる手法であるマッチングに基づき、有意義なアウトカム指標を定義しうる。
本ワークショップは、Rの初歩的な知識を有する参加者を対象とする。JIPADデータおよびダミーデータを用いて、マッチングに基づくアウトカム指標を定義し、実際に測定し、可視化することで、有意義なベンチマーキングの手法を学ぶ。あわせて、O/E比も測定し、マッチングに基づくアウトカム指標と比較する。