次世代医療AI - 生体信号を介した人とAIの融合 -

計測・制御セレクションシリーズ 1

次世代医療AI - 生体信号を介した人とAIの融合 -

生体信号に関する新たな医療 AI 開発について解説し,法律や倫理,薬事も解説した。

ジャンル
発行年月日
2021/07/02
判型
A5
ページ数
272ページ
ISBN
978-4-339-03381-6
次世代医療AI - 生体信号を介した人とAIの融合 -
在庫あり

定価

4,180(本体3,800円+税)

カートに入れる

電子版を購入

購入案内

  • 内容紹介
  • まえがき
  • 目次
  • レビュー
  • 著者紹介
  • 広告掲載情報

本書は生体信号を活用する医療AIに焦点を当て,生体信号の生理学的メカニズムから各種の測定機器,生体信号を解析する機械学習技術までをも網羅することを目指しました。さらに,医療AI開発にあたり,研究者,開発者が知っておくべきAIの法律面や倫理面,そして実用化または商用化を目指す際のハードルとなる薬事についても解説を加えました。

本書の構成を以下に記します。
1章で医療AIを概説後,2章では,生体信号発生のメカニズムに関わる生体の構造や機能について,その概要を述べます。われわれの身体がどのように成り立ち,制御されているか,外部の情報をセンシングしているかを理解しておくことは,生体信号を解釈する上で必須です。
3章では,代表的な生体計測方法を紹介します。生体信号を測定するための装置の原理や特徴を理解しておくことは,正しい測定を行う上で必須です。生体信号は一般にS/N比の低い,ノイズだらけの信号であることが多く,例えばEEGは,被験者の体動やまばたきでも大きなアーチファクトが混入してしまいます。そのため,できるだけ正しい測定を行い,質の高い生体信号を記録しておくことが,生体信号を活用する医療AI開発の最初の壁となります。
4章では,生体信号処理の前処理手法を解説します。生体信号は一般にノイズまみれの信号です。そのため,ノイズまみれの信号からいかに欲しい情報を取り出すかが重要で,目的に応じて様々な統計的手法が活用されます。
生体信号から目的とする信号を前処理によって取り出したら,ようやく機械学習によるAI の学習です。5章では,古典的な回帰・識別から深層学習まで,医療AI開発に用いられる機械学習手法について幅広く触れます。
6章では,実際にAI開発に利用される生体信号とその活用例を,臨床例を含めて紹介します。本章を読むと,生体信号を用いるAIが,いかに臨床と深く結び付いているかがわかるでしょう。逆にいえば,工学系の研究者にとって,いかに臨床現場に入り込むかが医療AI開発の鍵となることが理解できるはずです。
生体信号を活用する医療AIは発展途上の分野であり,実用化にはまだ時間がかかると思われるものも多いですが,いくつかすでに実用化・商用化されている製品もあります。7章では,そのような例を紹介し,今後の医療AI開発の展望を述べます。
最後の8章は,医療AIに関わる法律や倫理,薬事についての話です。医療AI開発はさまざまな面で社会と深い関わりがあり,いかに良い技術であっても,これらを無視して開発することはできません。法律面においては,医師法のみならず,個人情報保護や製造物責任などの問題があります。また,法律的には問題がなくても,倫理的に社会に受け入れてもらえない場合も想定されます。なにがどこまで許容されるのかは,医療AI開発においてつねに念頭に置いて考えるべき事柄です。また,そもそも開発しようとしているAIが,医療機器に該当するのかしないのかを考えなければ,開発に着手することすらできません。8章では,法律や倫理に詳しくない開発者,研究者に向けて,これらの平易な解説を試みました。

近年,人工知能(artificial intelligence; AI)はさまざまな分野で急激に普及し,その勢いは増す一方のように見える。医療分野もその例外ではない。2016年には深層学習研究の大家であるジェフリー・ヒントンが「人工知能のほうが放射線科医よりも賢くなるので,放射線科医の無駄な教育はやめたほうがいい」と発言したともいわれている。実際に,CT画像やMRI画像に基づく画像診断分野ではAI技術の活用が急速に進んでおり,米国食品医薬品局(FDA)や日本の医薬品医療機器総合機構(PMDA)の承認を得た医療機器プログラム(Software as a Medical Device; SaMD)がすでに登場している。画像診断分野では,これからもAI技術に基づいたSaMDが次々と開発され,臨床現場への導入が進むと思われる。

しかし,画像診断は医療における一部の領域に過ぎない。心電図・脳波などの生体信号や血液検査のように,検査・診断に用いられているモダリティは,画像以外にもたくさんある。それにもかかわらず,医療分野におけるAIの利活用で画像診断だけが突出しているのは,データの取得方法が高度に自動化されており,他のモダリティと比較して質の高い学習データの蓄積が容易だからである。一方で,医用画像以外のモダリティでは,大量のデータの収集が手間であることに加え,その解釈や判読が困難であることもしばしばある。現在のAI技術のパラダイム,すなわちビッグデータ解析とは,大量のデータを用いた数
理的なルールの学習にほかならず,データの収集や解釈の難しさはそのままAI開発の足枷となっている。

本書では,あえて「次世代医療AI---生体信号を介した人とAIの融合」と銘打ち,医用画像以外のモダリティ,特に生体信号を用いたAI技術に焦点を当て,来たるべき新たな医療AI開発の時代に備えるために必要な事柄を丁寧に解説した。前述のとおり,画像以外のモダリティではデータの収集や解釈が難しい場合があるが,本書にはその隘路を乗り越えるためのヒントが散りばめられている。

本書は工学・情報学系および医学系の大学院生や研究者を対象として想定しているが,おそらく工学・情報学系の方は,生物学・医学について勉強したことがないと思われる。一方で,医学系の方は電気回路や機械学習などの工学的な方法については,名前は聞いたことがあっても,その中身まで理解されている方は少ないと思う。そこで,本書では,工学・情報学系,医学系の垣根を越えて医療AI開発に必要な知識を習得できるよう,生体の構造や機能などの基礎から生体センシング・信号処理・機械学習まで,幅広い内容をコンパクトにまとめた。また,実際の医療AIの開発事例も豊富に紹介して,読者が医療AIについてイメージを持ちやすいように工夫した。

さらに,類書にはない本書の特徴として,医療AIに関わる法律や倫理,薬事についても解説を試みている。医療AI開発はさまざまな面で社会と深い関わりがあり,これらを無視して開発することはできない。医療に関わる分野では,悪意のない些細なミスであっても,それが法に触れたり,倫理に反したりする事柄であれば,いかに良い技術であってもけっして日の目を見ることはなくなってしまう。さらに,これらを乗り越えて高性能な医療AIを開発しても,薬事という最大の壁,つまりFDAやPMDAなどの規制当局の承認を得ることができなければ,医療AIシステムとして市場に流通させることはできない。

本書で医療AIの開発にあたってあらかじめ知っておくべき法律や倫理,薬事の知識に触れることで,より現実的に医療AIの開発を進めることができる。本書の執筆は,青山学院大学戸辺義人先生,横浜国立大学白川真一先生,愛知県医療療育総合センター発達障害研究所伊東保志先生のご助言により,完成にこぎつけることができた。また,出版にあたってコロナ社の皆様にはたいへんお世話になった。この場をお借りしてお礼申し上げる。

なお,本書の執筆分担は以下のとおりである。
執筆分担
藤原 幸一 1章,4.1節,4.2.1項,4.3節,5.1節,6.2節
久保 孝富 4.2.2~4.2.3項,5.5節,6.3節,7章
山川 俊貴 3章
伊藤 健史 2.3~2.4節,5.4節,5.6節,7章
中野 高志 2.1~2.2節,6.1節
吉本潤一郎 5.2~5.4節
松尾 剛行 8.1節
藤田 卓仙 8.2節
桐山 瑶子 8.3節

2021年5月
著者一同

1.序論
1.1 医療AIとは?
1.2 本書の構成

2.生体の構造・機能
2.1 神経系
 2.1.1 神経細胞
 2.1.2 静止膜電位と活動電位
 2.1.3 シナプス伝達
 2.1.4 脳神経回路の構造
 2.1.5 脳の機能
2.2 感覚器系
 2.2.1 視覚
 2.2.2 聴覚と平衡覚
 2.2.3 嗅覚と味覚
2.3 筋骨格系
 2.3.1 骨格
 2.3.2 骨格筋
 2.3.3 筋線維の構造
 2.3.4 筋線維の収縮原理と神経シグナルによる制御
 2.3.5 筋収縮の生理学
2.4 循環器系
 2.4.1 循環器系の構成
 2.4.2 心臓の解剖学的構造
 2.4.3 刺激伝導系と心筋の収縮
 2.4.4 循環器系の役割
 2.4.5 循環の調節

3.生体計測
3.1 脳活動
 3.1.1 電気的活動
 3.1.2 脳血流反応
3.2 心電図
3.3 筋電図
3.4 脈波
 3.4.1 光電式容積脈波記録
 3.4.2 心弾動図

4.生体信号処理
4.1 信号処理の基礎
 4.1.1 フーリエ解析
 4.1.2 ウェーブレット解析
4.2 行列分解
 4.2.1 主成分分析
 4.2.2 独立成分分析
 4.2.3 非負値行列因子分解
4.3 生体信号の特徴量

5.生体信号処理に用いられるAI・機械学習
5.1 異常検知
 5.1.1 多変量統計的プロセス管理(MSPC)
 5.1.2 自己符号化器
5.2 クラスタリング
 5.2.1 階層的クラスタリング
 5.2.2 k平均法
 5.2.3 混合ガウス分布モデル
5.3 分類
 5.3.1 最近傍法とk近傍法
 5.3.2 ベイズの識別規則と線形判別分析法
 5.3.3 ロジスティック回帰
 5.3.4 サポートベクタマシン
 5.3.5 決定木とランダムフォレスト
5.4 回帰
 5.4.1 線形回帰
 5.4.2 サポートベクタ回帰
 5.4.3 k近傍法とカーネル回帰
 5.4.4 ガウス過程回帰
5.5 因果推論
 5.5.1 グレンジャー因果性
 5.5.2 LiNGAM
5.6 深層学習
 5.6.1 フィードフォワードニューラルネットワーク
 5.6.2 普遍性定理
 5.6.3 誤差逆伝搬法
 5.6.4 畳み込みニューラルネットワーク:画像データの処理
 5.6.5 再帰型ニューラルネットワーク:時系列データの処理
 5.6.6 その他の話題

6.生体信号を用いた医療AI技術開発
6.1 脳活動
 6.1.1 脳機能画像を用いた精神疾患の診断と層別化
 6.1.2 ブレイン-マシンインタフェース(BMI)
6.2 心拍変動
 6.2.1 自律神経系
 6.2.2 心拍変動解析
 6.2.3 時間領域指標
 6.2.4 周波数領域指標
 6.2.5 脈波のHRV解析への利用
 6.2.6 自律神経系の機能検査法
 6.2.7 HRVによるてんかん発作予知
 6.2.8 臨床データへの適用結果
6.3 筋電位信号
 6.3.1 運動単位:筋線維群とα運動ニューロン
 6.3.2 筋電位信号とは
 6.3.3 表面筋電図の計測方法
 6.3.4 筋電位信号の応用事例

7.実社会への実装および今後の展望
7.1 社会実装例
 7.1.1 心電図または心音を用いるAIデバイス
 7.1.2 胸部聴診音や呼吸音を用いるAIデバイス
 7.1.3 その他のバイタルサインを用いるデバイス
 7.1.4 画像診断
7.2 今後の展望

8.医療AIの法律・倫理・薬事
8.1 医療AI開発者にとっての法律の意義
 8.1.1 法的規制の大枠
 8.1.2 事例検討
8.2 医療AIの法律と倫理
 8.2.1 AIの倫理
 8.2.2 医療・医学研究の倫理
 8.2.3 倫理にどのように対応すればよいのか
8.3 医療AIと薬事
 8.3.1 医療AIの医療機器該当性について
 8.3.2 薬事規制から見た医療AI開発
 8.3.3 AI医療機器に治験は必要か不要か?

引用・参考文献
索引

読者モニターレビュー【nasa様(ご専門:半導体プロセス開発支援 ,特許和訳(医療機器関連の翻訳経験有))】

書籍の背景
めまぐるしく技術動向が変化する時代に活躍する技術者・研究者・学生の助けとなる書籍をタイムリーに提供することを方針としている計測・制御セレクションシリーズの一冊。現在,次々と新しい概念・理論・技術が発表され,その核心を理解するのに多大な努力を必要とし,各技術分野がそれだけで閉じることなく,横断的に発展・連携・融合して,新たな分野へ多種多様な展開を見せています。そのような中で,計測,制御,システム・情報,システムインテグレーション,ライフエンジニアリングに関わる技術テーマをタイムリーに収録していこうというのが本作品の背景にあるとのこと。

書籍の概要
本書は,医療と人工知能(AI)に関することがまとめられ,特に,生体信号とAIの融合に関することがまとめられています。読者としては,工学・情報学系,医学系の大学院生や研究者を想定しており,分野の垣根を越えて医療AI開発に必要な知識を習得できるように構成されています。具体的には,生体の構造・機能,生体センシング,信号処理,機械学習,さらには法律・倫理・薬事までと幅広いテーマを掲載しています。

書籍の特徴
医療へのAI活用は,コンピュータ断層撮影や核磁気共鳴画像法などの画像診断(画像処理技術)が特に進んでおり,自然言語で記述されたカルテデータ(自然言語処理技術)や,心電図や脳波などの生体信号(信号処理技術)に対する活用も進んでいるようです。その中でも,本書は,他に類書がない生体信号に焦点を当てたものとなっています。

そして,何と言っても,工学・情報・医学の垣根を越えて,生体信号とAIとの関わり合い方を理解・活用するのに必要な項目を網羅しているところに特徴がありそうです。また,技術的な話だけではなく,実際の応用事例や法的な問題,さらに倫理・薬事までも取り上げられているところがさらなる特徴を漂わせています。

私が思う本書籍の魅力
特許翻訳にも言えることですが,さまざまな分野の技術が関わり合って,一つの特許明細書を構成しているものが多々あります。1つの分野を理解するだけでは,翻訳が難しいのが現状です。医療に関するAIの活用もさまざまな分野が関わり合っているようです。そのような複合的な技術を学ぶにあたって,あるテーマを軸として(本書は医療AI),横断的に基本的な項目を知り得る本書は,魅力的に映るのではないでしょうか。また,各技術が,どのように絡み合って,実社会に展開されているのか,本書1冊で見渡せるのも魅力の1つではないかと思います。

読者モニター様のブログ:https://jidai-trans.com/archives/992
読者モニター様による本書籍紹介動画(YouTube):https://www.youtube.com/watch?v=VKUq15Ow-DA

amazonレビュー 978-4-339-03381-6 次世代医療AI

藤原 幸一

藤原 幸一(フジワラ コウイチ)

安価に収集できるビッグデータを高速な計算機で処理して機械を学習させればヒトよりも賢い機械を創造できる…今の人工知能ブームはそんなナイーブな思い込みを拠り所に,深層学習を中心に発展してきました.その一方で,ヒトの経験,少数のエキスパートのみが有する暗黙的な知識,発生自体が稀であったり収集が高コストなデータは,忘れ去られています.

私たちは,あえてスモールなデータに着目し,ヒトの経験や暗黙的な知識も積極的に取り込む解析を行うことで,ビッグデータでは得られない新たな価値の創造を目指した研究を行っています.

久保 孝富

久保 孝富(クボ タカトミ)

2002年に大阪大学医学部医学科を卒業し、その後医師として神経内科領域で医療に従事した経験を有しています。医学生だったころから神経系の学習メカニズムにずっと興味を抱いていたこともあり、31歳という年齢で研究の道へと転身を決めました。そして、奈良先端科学技術大学院大学情報科学研究科(現 先端科学技術研究科情報科学領域)博士後期課程に入学し、機械学習、生体情報処理、神経科学などを学んできました。それらを学ぶためには、基礎として数学・プログラミングの学習が必要になりましたが、年齢的に新たなことを身につけるのは正直それ程容易なことではありませんでした。医学、神経科学、情報科学では、それぞれ基礎として学ぶことも違えば、そもそも用語も大きく異なります。自身のそのような経験を踏まえ、生体信号に対して機械学習・人工知能技術を適用できるようになるために必要な各分野の基礎を、1冊の書籍でなるべく広くカバーできるようにと本書を企画しました。本書が、これから学ぼうとしている方の一助となれば幸いです。

山川 俊貴

山川 俊貴(ヤマカワ トシキ)

熊本県合志市出身、熊本大学大学院自然科学研究科(博士後期課程) システム情報科学専攻を2008年に修了、博士(工学)。同年4月より静岡大学工学部助教に着任し、その後2014年より熊本大学大学院先導機構のテニュアトラック助教を経て、2019年より現職の熊本大学 大学院先端科学研究部 准教授(工学部 情報電気工学科を併任)。
専門分野は回路とシステム・センサ工学・生体計測。熊本大学大学院先端科学研究部にて生体電子工学研究室を主催し、ウェアラブル/生体埋込型センサシステムの開発と、その臨床・ヘルスケア応用に関する研究に従事。Quadlytics株式会社 共同創業者・最高開発責任者、AMI株式会社研究員を兼任し、医用工学技術の医療機器としての実用化に向けても邁進中。
趣味はお酒(ほぼ毎日)、ジム通い(週2~3回)、BBQ(シーズン中ほぼ毎週)、ギター・ピアノ・乗馬(月1程度)。好きな言葉は鶏口牛後。

伊藤 健史

伊藤 健史(イトウ タケシ)

北海道札幌市出身、どこに住んでも心は永遠の道民。
人生の夢は5歳から「ドラえもんを作る」で、三十路を目前にした現在でも変わっていません。ドラえもんはヒト型ロボットですので、「ヒトを真似たものを作るにはまずヒトについて知らなければ」との思いから医学部に進学しました。大学で人体の構造と機能について一通り学んだところで、当初の目的を果たすために大学院から情報科学の世界に足を踏み入れました。博士前期課程でロボティクスを学び、現在(博士後期課程)は機械学習アルゴリズムについて研究しています。将来的には、これまで経験してきた多様な学術分野の知識を統合して、ヒトとロボットが共生する社会の実現を目指していきたいと思っています。

中野 高志

中野 高志(ナカノ タカシ)

「脳をつくることで理解する」という考え方で、強化学習にかかわる脳のモデリングやコンピュータシミュレーションを行っています。モデル研究をしていると自分のモデルが正しいのか確かめたくなるもので、自分でも生理学実験を行うなど、様々な角度から強化学習の神経機構を研究してきました。こどもが生まれるときに病院にお世話になり、それをきっかけに医学にも貢献できないかと考え、機械学習を用いた精神疾患の研究にも携わりました。2020年に藤田医科大学医学部で研究室を持ち、強化学習の神経機構の理論的研究に加えて、データサイエンス的手法を用いて神経科学・精神医学の研究室との共同研究を行い、脳の仕組みの解明に取り組んでいます。

吉本 潤一郎

吉本 潤一郎(ヨシモト ジュンイチロウ)

1998年関西大学総合情報学部卒。
2002年奈良先端科学技術大学院大学情報科学研究科博士後期課程修了。博士(工学)。
機械学習、データサイエンス、計算神経科学、ニューロインフォマティクスなどの研究に従事しています。高校時代は文系クラスに所属していましたが、徐々に人工知能やニューロコンピューティングに興味を持つようになり、気がつけばどっぷり理工学系の研究者となっていました。そのような背景から、数学が苦手な読者でも、機械学習の原理や要点を理解できるよう、例題も入れながら、5.2~5.4 節を執筆しました。本稿をきっかけに、医学系データサイエンスの裾野が広がれば幸いです。

松尾 剛行

松尾 剛行(マツオ タカユキ)

桃尾・松尾・難波法律事務所という企業法務事務所のパートナー。
日本に加え、アメリカと中国の大学を卒業しており(法学博士)、また、製薬会社に出向した経験を有する。慶應義塾大学では、非常勤講師として医事法演習を担当中(本書出版日現在)。また、ITストラテジスト、情報セキュリティスペシャリスト、プロジェクトマネージャ等のIT系の資格を有している。医療×技術×法律の分野横断的な分野に関心を持っている。
AIについては、ウゴ パガロ『ロボット法』の和訳(共訳)、『AI・HRテック対応 人事労務情報管理の法律実務』(単著)等の書籍や、
「健康医療分野におけるAIの民刑事責任に関する検討-AI 画像診断(支援)システムを中心に-」早稲田大学Law & Practice 13号151頁(https://sd6ed8aaa66162521.jimcontent.com/download/version/
1602141751/module/9076032076/name/13-7.pdf)、
「医療分野におけるAI及びロボットに関する民刑事責任 : 手術用ロボットを利用した手術における医療過誤の事案を念頭に」早稲田大学Law & Practice 12号83頁(https://sd6ed8aaa66162521.jimcontent.com/download/version/
1571381456/module/8922561376/name/12_4.pdf)
等の業績がある。

藤田 卓仙

藤田 卓仙(フジタ タカノリ)

医療にAIを取り入れようという取り組みは、最近の話ではなく、遅くとも1980年代の第二次人工知能ブームの頃にはあったようです。私は概ねその頃に生まれており、一人一台のパソコンを持つことが可能となっていく中で、この領域と関わりを深めていっています。
現在の研究の主な関心は、医療情報の取扱いに関するELSI(法的倫理的社会的課題)ですが、個人情報保護法を中心とした法律の話だけでなく、技術的な観点に対しても一定の理解があることが望まれる、学際的な領域となっています。
私自身は、医師免許を持っており医療情報技師の資格もありますが、それぞれあくまで初歩的な知識しかない人間です。今回の教科書も含めて、これまでに関わってきた研究プロジェクトでは、各領域の一線の専門家から多くを教わることで成り立っているところがあります。
現在は、世界経済フォーラム第四次産業革命日本センターにおいて、ヘルスケア・データ政策のプロジェクト長として、国際的な場面で、各領域の専門家と常に意見交換を行っております。また、慶應義塾大学医学部医療政策・管理学教室において、特任准教授として研究を進めており、医療AIだけでなく、医療関連のアプリ等(COCOAやCommonPass等のCOVID-19対策のためのアプリも含まれます)の社会実装に向けたELSIの検討を行っています。
この本をきっかけに、新しい専門家との出会いがあることを楽しみにしています。

桐山 瑶子

桐山 瑶子(キリヤマ ヨウコ)

医師、社会医学系専門医。
京都大学医学部医学科を卒業後、国立国際医療研究センター病院にて初期研修及び後期研修(救命センター)を修了した。2013年〜2019年、独立行政法人医薬品医療機器総合機構(PMDA)の医療機器審査部にて、救急医療を始めとして多領域にわたる医療機器の開発支援及び審査に携わる。2014年の法改正(薬事法→医薬品医療機器等法)により、医療機器となるソフトウェア製品が法的に出現したことをきっかけに、医療機器となるデジタルヘルス製品や医療AI製品と言われるものの開発支援や審査に携わりながら、関連ガイドラインの作成などにも関わる。2019年より株式会社MICINにて、デジタルヘルス製品の社会実装に挑戦中。また、法改正以降、様々なステークホルダーが参入するデジタルヘルス産業界において、社会実装の上での課題が表出してきており、国内外の事例や制度の動向を調査しながら民間の立場から情報発信を行っている。

掲載日:2021/10/14

情報処理学会誌「情報処理」2021年11月号広告

掲載日:2021/09/01

「電子情報通信学会誌」2021年9月号広告

掲載日:2021/08/23

「生体医工学」59巻2-3号広告

掲載日:2021/07/01

「電子情報通信学会誌」2021年7月号広告

掲載日:2021/06/25

医療情報学会誌「医療情報学」41巻2号広告

『計測・制御セレクションシリーズ』ラインナップ
  1. 次世代医療AI- 生体信号を介した人とAIの融合 -
  2. 藤原幸一・久保孝富 編著 
  3. 外乱オブザーバ
  4. 島田 明 著 
  5. 量の理論とアナロジー
  6. 久保和良 著 

以下続刊

  • センサ技術の基礎

  • システム制御理論による電力系統の解析と制御

  • 機械学習の可能性
刊行のことば

近年の科学技術は,情報化・グローバル化の中で驚くべき速さで発展している。計測・制御分野も例外ではなく,次々と新しい概念・理論・技術が発表され,その核心を理解するのに多大な努力を要する状況にある。さらに,各種の技術が単一の分野に閉じることなく,さまざまな分野が横断的に発展・連携・融合し,新たな分野へ多種多様な広がりをみせている。例えば,計測技術の発展は,知的システムを構築するための人工知能やデータサイエンスの発展にも大きく寄与し,両技術分野の融合による技術革新も期待されている。

計測自動制御学会(SICE)が扱う,計測,制御,システム・情報,システムインテグレーション,ライフエンジニアリングといった分野は,もともと分野横断的な性格を備えていることから,SICEが社会において果たすべき役割がより一層重要なものとなってきている。SICEでは,2018年に完結した「計測自動制御学会(SICE)計測・制御テクノロジーシリーズ」の次世代となるシリーズ企画の在り方について模索し,議論を重ねてきた。その結果,めまぐるしく技術動向が変化する時代に活躍する技術者・研究者・学生の助けとなる書籍を,SICEならではの視点からタイムリーに提供するというシリーズの方針を立てた。

この方針に基づき,従来のシリーズでのテーマや執筆者の選定から出版までのプロセスを見直し,これまでとは異なるプロセスでシリーズ企画を進めていくことにした。ユニークな取り組みとして,SICEがシリーズの執筆者の公募を行い,会誌出版委員会での選考を経て収録テーマを決定している点がある。また,公募と並行して,会誌出版委員会によるテーマ選定や,学会誌「計測と制御」での特集から本シリーズの方針に合うテーマを選定するなどして,収録テーマを決定している。テーマの選定に当たっては,SICEが今の時代に出版する書籍としてふさわしいものかどうかを念頭に置きながら進めている。このようなシリーズの企画・編集プロセスを鑑みて,本シリーズの名称を「計測・制御セレクションシリーズ」とした。

本シリーズは,計測,制御,システム・情報,システムインテグレーション,ライフエンジニアリングに関わる多種多様なテーマがタイムリーに収録されていくことをねらっている。本シリーズが変化の大きな時代の中で活躍する研究者・技術者・学生の役に立てば幸いである。最後に,このシリーズ企画を進めるに当たってご尽力いただいたコロナ社の各氏に感謝したい。


2021年4月

計測自動制御学会会誌出版委員会出版ワーキンググループ