1
/
5
This page is intended for users in Japan. Go to the page for users in United States.

【Arbletインタビュー vol.2】 臨床工学技士から信号処理エンジニアへ、元メディカルスタッフの挑戦

こんにちは、Arblet(アーブレット)採用担当です!

Arblet 第二弾のストーリー&インタビューとして、弊社信号処理エンジニアの古山が登場します。
実は古山は前職は臨床工学技士として病院で働いており、大学院での研究を経てArbletへ参画したという経歴の持ち主です。

「信号処理エンジニアってどんなこをやっているの?」「どんな人と一緒に働くことになるの?」という疑問にもお答えできるように色々と聞いてきました!
この記事を通じて信号処理エンジニアの業務や、これを読むあなたがArbletに入社した際にどんな仲間と一緒に仕事をするのか、また弊社に興味を持っていただければ幸いです。

人の行動を分類して予測していくことに信号処理エンジニアとしての面白さを感じる

Q. 早速ですが、古山さんが信号処理エンジニアとしてどのような業務を担当しているのか教えてください

私は主に「人の行動解析」を担当しています。
具体的には、ウェアラブルデバイスで取得した生体信号から、人が走っている・歩いている・止まっている、何かしら行動しているといった生体ログを検出するアルゴリズムを作ってます。
技術的には言語はPythonを使っていて、機械学習で使用するものも含めてPythonのライブラリとしてはこのようなものを使っています。

  • pandas
  • SciPy
  • scikit-learn
  • PyTorch
  • LightGBM

Q. 信号処理エンジニアとして業務を進めていく中で、楽しいことや苦労していることはどんな所ですか?

まず楽しい・面白いと感じるところですが、作成したアルゴリズムをすぐに自分でも試すことができる、うまく動いているかどうか自分ですぐに確認ができるという点です。

次に苦労しているところですが、良いデータを集めるのがなかなか大変なところですね。
一人で収集できないデータは他のエンジニアにも協力してもらいながら、データの収集と解析のサイクルを回しています。

他にも例えばランニング中のデータを集めるとなると、実際に自分で走らないといけないから大変だったりというのはありますね。
単純に私自身が運動不足で体力がないというのもありますが、行動解析の視点でいうと生体信号・データをどどのように分類して処理をするかが大変だと感じています。

人の行動を分類して予測していくのが大変・難しいなと思いますが、ここに信号処理エンジニアとしての面白さも同時に感じています。

例えば、ランニングとウォーキングの違いは何だと思いますか?
この違いを機械学習のモデルに学習させたいとなった時、どういった特徴量を使うかもそうですが、特徴量を使わない場合はどうやってデータを集めていくかという難しさ・面白さがあります。

Q. 自分自身がモデルになってデータを収集してとなると、大変そうですが映画に出てくる科学者みたいですね。古山さんの一日の流れについて教えてください。

データ収集があるかないかで変わるのですが、データ収集がある場合はこのような流れです。

  • 出社し、まずはSlackをチェック
  • 今日何をやっていくか一日の流れを考えて、いつデータ収集に行くか決めます
  • 例えば、とある一日では・・・
    • 午前中に解析を進める
    • 昼ご飯を食べる
    • 午後から1時間ウォーキングをしてデータを集める
    • オフィスに戻ったらデータのクリーンアップを行って解析をしていく

といった具合です、ウォーキングはオフィスが恵比寿ということもあり、恵比寿〜表参道〜渋谷〜恵比寿という具合で歩きます。

データ収集が無い場合はデスクワークが中心ですが、机に向かって業務を進めながら同僚とディスカッションすることが多いですね。


本記事のカバー画像とともに、ウォーキング中(データ収集中)の古山を撮影しました

医療機器の中身まで深く詳しく知りたい、それを知ってもっと良くしていきたい

Q. 古山さんご自身のことについても教えてください、今までどんなことをされてきたのでしょうか?

以前の仕事は臨床工学技士をしていました、私は昔から身体が弱かったこともあり、医療に憧れを持っていました。機械いじりが好きだったのも臨床工学技士を選んだ理由ですね。

IT系言語の知識や経験はなかったのですが、臨床工学技士になってから勉強を始めました。
医療機器を扱うといってもマニュアルに沿った操作が基本であったので、医療機器の中身まで深く詳しく知りたい、それを知ってもっと良くしていきたいという想いがありました。

Q. その後、大学院で研究をされたと聞いています。どんな研究をされたのですか?

大学院では生体信号解析の研究をしていました、音波を使ってヒトの呼吸を検知するというものです。
大学院での研究は今の業務にも近いので、とても役立っていますね。


収集したデータを元に同僚とディスカッションをしているところです

これからの世の中は"病院だけが医療ではない"

Q. なぜArbletへ入社を決めたのですか?

Arbletは生体信号を扱っているので自身の研究領域と近いということ、生体信号の研究が楽しかったから仕事につなげたいと思っていたこと、この2つが大きな理由です。

私は病院勤務の経験もありますが、病院という視点から世の中を見ていても見えない情報が多い・限界があると感じていました。これからの世の中は"病院だけが医療ではない"という世の中になってくると考えています。
スマートセンシングという言葉もありますが、それらで取れる情報も今時点では限界があると感じており、今やるとしたらウェアラブルしかないと思っています。

Q. 今後どんなことをやっていきたいと考えていますか?

臨床から自分のキャリアがスタートしているので、医学に近いところで色々やっていきたいですね。
Arbletはウェアラブルデバイスから生体信号処理を取得しますが、こういったデータを使いたい人はたくさんいるが、使い方を分かっている人は少ないと感じています。
これらの研究を支援する立場になれればいいなと思っています。

Q. 一緒に働いている仲間はどんな人たちですか? どんな人と一緒に働きたいですか?

みんな優秀で頭が良い人が多い、みんなヘルスケアの将来について考えていて前向きであるというのが率直な気持ちです。

信号処理エンジニアという観点では、人の身体のことがわかっている、興味があるというのは必要です。ただ、データを眺めているだけでは見えてこないものもたくさんあるので、収集したデータと人の身体がどのようにつながっているかに興味を持って解析に取り組めるかどうかは大事なポイントです。

そういう意味では、探究心のある人はArbletにマッチしますね。成果が出るかどうかが分からない領域で業務を進めていかないといけないということもあり、自ら深掘りをしていける人と一緒に働いていきたいです。

Q. それでは最後にコメントをお願いします

医療ビッグデータ(NDB, MID-NET等)と呼ばれるものは、マクロなデータを集めていると思っています。
医療ビッグデータ活用といっても、そのようなマクロなデータを実際の臨床現場で使っていけるかというと、臨床で働いた身としては現場での活用は難しいと感じています。
マクロからミクロは見えないですし、ミクロなデータとはウェアラブルデバイスから取得するデータかもしれないし、病院の医療機器が日々出力しているしているようなデータかもしれない。
私は今後の医療ではミクロのデータが絶対に必要だと思っています。Arbletでは、そのミクロのデータを作ろうと頑張っているので、今やっている仕事のひとつひとつに大きな価値があるものだと認識して働いています。

株式会社Arbletでは一緒に働く仲間を募集しています
2 いいね!
2 いいね!
同じタグの記事
今週のランキング