英国王立統計学会前会長 デビット・シュピーゲルハルター卿をお招きして、ご講演をいただきます。
また、京都府立医科大学大学院医学研究科 教授 手良向聡先生、東京大学大学院医学系研究科生物統計情報学講座 准教授 平川晃弘先生にも、ご登壇いただきます。
司会は、弊社会長 大橋靖雄(中央大学理工学部人間総合理工学科 教授/東京大学名誉教授)が務めさせていただきます。
皆さまのご参加をお待ち申し上げております。

★講演順番が一部変更となりました。(2019年9月2日)

日 時: 2019年9月3日(火) 14:00~17:30(受付開始13:15)
会 場: 東京大学医学部教育研究棟14階 鉄門記念講堂
主 催: スタットコム株式会社
共 催: 東京大学大学院医学系研究科 生物統計情報学講座
統計数理研究所 医療健康データ科学研究センター
定 員: 200名
参加費: 一般(企業)       5,000円
アカデミア(大学、病院等)3,000円

★申し込みは締め切りました(2019年8月30日)

申込サイト:https://statcom20190903.peatix.com/

【注意】
チケットのお申し込みは、
おひとり様につき「一般か、アカデミアのいずれか1枚」でお願いいたします。
(どちらも選択できるようになっていますが、いずれか1種でお願いします。)

※ 申込方法、お支払い方法は、Pietix掲載の方法に準じます。
  なお、申し込みには、Peatixへの会員登録(無料)が必要です。

[参考] Peatix ご利用の流れ

 

<< その他 >>

※ シュピーゲルハルター先生の講演は英語で行われます。
※ 参加については、本ページよりチケットを取得してください。
※ 申込後にキャンセルをされたい方は「主催者へ連絡」ボタンからお知らせください。
※ 一旦キャンセルされたチケットは無効です。
(参加の場合は再度チケット取得手続きをお願いいたします)
※ 領収書は、Pietixの「領収データ」をご利用ください。
※ その他、お問い合わせは、「弊社ホームページ『問合せフォーム』」あるいは「Peatixサイトの『主催者へ連絡』」からご連絡下さい。

 

【タイムテーブル】

13:15 受付開始
14:00 開会
大橋 靖雄 先生(中央大学理工学部人間総合理工学科教授/東京大学名誉教授/スタットコム株式会社取締役会長)
14:30 手良向 聡 先生(京都府立医科大学大学院医学研究科教授)
「医療現場で必要とされているベイズ流意思決定」
15:00 平川 晃弘 先生(東京大学大学院医学系研究科生物統計情報学講座 特任准教授)
「バスケット型臨床試験におけるベイズ流アプローチ」
15:30 休憩 (15分)
15:45 デビット・シュピーゲルハルター卿  Professor Sir David Spiegelhalter
(ケンブリッジ大学教授/Chairman of the Winton Centre for Risk and Evidence Communication )
「Bayesian Approach to Clinical Trials: Historical Perspective and Future」
17:15 質疑応答
17:30 終了

【各講演について】

『バスケット型臨床試験におけるベイズ流アプローチ』
平川 晃弘 先生(東京大学大学院医学系研究科生物統計情報学講座 特任准教授)

がん領域のバスケット試験では,特定のバイオマーカーや遺伝子異常を有する複数のがん種に対して,それに対応する分子標的薬の治療効果をがん種別,又はがん種横断的に評価する.一般に,あるがん種で有効性が認められた場合,他のがん種での有効性を期待する.つまり,バスケット試験では,有効性の関連性を期待し,そのエビデンスを有効活用することを考える.具体的には,2つのアプローチがある.一つは,中間解析でがん種間に有効性の均質性が認められた場合,それらのがん種を併合し,有効性評価を行う方法である.もう一つは,がん種間の有効性の均質性を統計モデルに組み込み評価する方法である.がん種間の有効性の均質性をモデル化する方法は,異なるがん種から得られる情報を共有することができ,モデルが正しい前提では関心の推論の効率を上げ,より少ない患者数で結論を得ることができる.近年では、階層ベイズモデルやExchangeability-Non-exchangeability(EXNEX)モデルの利用が期待されている.本発表では,これらの方法のいくつか紹介すると共に,その適用事例を示す.

『医療現場で必要とされているベイズ流意思決定』
手良向 聡 先生(京都府立医科大学大学院医学研究科教授)

長年、医療現場に近いところで仕事をしていると、主に外科系の先生方から、ある時期に手術手技の方法を改良して成績が向上している(または、あまり向上していない)と感じるが、これをどのように検証すればよいか、という相談を多く受ける。保険適用などを目指すには、観察研究データのみでは弱いので、前向きに検討したいという要望も増えている。このようなケースは単群・2値評価項目のデザインが多く、ヒストリカル対照データが存在し、事前情報が存在する場合もある。そこでは、複雑なモデルを必要としないベイズ流の方法(共役解析)が役立つ可能性がある。
本講演では、事例を紹介し、その際に用いるベイズ流予測検出力に基づく標本サイズ設定および中間モニタリングの方法などを解説する。

『Bayesian Approach to Clinical Trials: Historical Perspective and Future』
デビット・シュピーゲルハルター 先生(ケンブリッジ大学教授)

Bayesian statistical methods enable efficient learning from data using formal probabilistic reasoning.  For many years researchers have argued that Bayesian methods are appropriate for the design and analysis of clinical trials, as they allow full use of all available knowledge in drawing conclusions about the efficacy and safety of new treatments.  In spite of this enthusiasm, practical applications have been limited.  I will review what progress has been made, and argue that the search for ‘personalised medicine’ is ideally suited for Bayesian thinking.