医療・福祉・ヘルスケアの案件一覧

病院内における事務業務のRPA開発を担当いただきます。現場（医療事務スタッフ等）へのヒアリングからシナリオ作成、BizRoboを使用したロボット開発まで一貫して対応する業務です。

医療機関に設置される自動精算機システムの画面側開発およびUI/UX改善を担当いただくプロジェクトです。

◆フロントエンドエンジニアとしての主な業務
精算機システムのフロントエンド開発
操作するタッチパネル画面のUI実装および既存機能の改修。
インターフェース設計・実装
TypeScript/JavaScriptを用いた動的な画面制御および、jQueryを活用した既存アセットの保守・拡張。
画面デザインの反映
CSSを用いた、医療機関向けに求められる視認性の高いレイアウト構築。
API連携実装
バックエンド（FastAPI等）から提供されるAPIと連携したデータ表示および入力制御。

◆ 開発環境
主要言語: TypeScript、JavaScript、CSS
ライブラリ: jQuery

医療機関向け精算機システムの開発PJにて、基本設計からテストまで一貫して担当します。
C#を用いた基幹機能の追加開発に携わり、設計から品質管理まで幅広い工程を経験できます。
・精算機システムの機能追加および保守開発
・C#を用いた基本設計、詳細設計、および開発
・結合テスト、システムテストの実施および不具合修正

■開発環境■
C#、MySQL、Windows Server

大規模エピゲノムデータを学習させた基盤モデル（Large Epigenome Model, LEM）の開発を担当していただきます。ゲノム領域の潜在表現を獲得することで、さまざまな生物学的タスク（バイオマーカー予測、予防医療AIなど）への応用を可能にするプロジェクトです。
主な業務内容：
大規模エピゲノムデータを用いた自己教師あり学習・表現学習モデルの設計・実装
Autoencoder 系モデル、Transformer、大規模言語モデルを活用したゲノム領域の潜在表現獲得
Long context 処理可能なモデルのアーキテクチャ設計と事前学習の高速化アルゴリズム研究
PyTorch / JAX などを用いた深層学習フレームワークでのモデル実装
大規模 GPU 学習、分散トレーニング、HPC 環境での運用
PyTorch Distributed、CUDA、クラウド環境（AWS 等）での学習・運用

・表現学習、自己教師あり学習、Autoencoder 系モデル、Transformer、大規模言語モデルの実務経験
・PyTorch / JAX など深層学習フレームワークでの実装経験
・Long context モデルや大規模言語モデルのアーキテクチャ設計経験
・大規模 GPU 環境での学習・分散トレーニング経験

・医療テックサービス運営企業において、フロントエンドエンジニアとして稼働していただきます。
・ビジネスサイドのステークホルダーとの折衝等プロダクトの企画段階から携わっていただきます。
・技術選定から要件定義、設計、開発、運用、リリースなど幅広く業務をお任せいたします。

【技術環境】
言語：TypeScript、Next、React、Node.​js、Hono、Python
クラウド：AWS、GCP
AL/LLM：OpenAI、CClaude、Dify、GithubCopilot、Langfuse
DB：BigQuery、PostgreSQL、Snowflake
その他：Docker、Terraform、GitHub、Figma、Miro、Notion、Backlog、Slack

既存AS400環境の後継機種へのリプレイスに伴う開発支援。RPGを用いた改修・コンバージョン対応を中心に担当。後継機種選定は3月実施予定。オンサイト前提の長期案件。

スクラムチームの一員として、PdM/エンジニアの方と連携を取りながら以下の業務を担っていただきます。

・プロダクトの機能追加や改善、課題解決のための要件整理
・要件に対するターゲットユーザー定義やデザイン方針策定
・情報設計やシナリオ作成
・ワイヤーフレーム作成、UIデザインの検討・定義
・開発のための画面仕様最終化と、エンジニアとの実現方法の検討
・デザインシステムやデザインガイドラインの構築・運用

◆使用ツール/開発環境
・デザイン作成：Figma
・AIツール：ChatGPT、Gemini Pro
・チームコミュニケーション：Slack、GoogleMeet、FigJam
・ドキュメント：Notion

・UI/UXデザイナーのしてのご経験（5年以上）
・スクラムでの開発のご経験
・Figmaを用いたコンポーネント管理やオートレイアウト、プロトタイピングを行ったご経験

ヘルスケア系スタートアップの研究開発部門にて、
DNAメチル化（エピゲノム）データを活用した統計解析・データ分析業務を担当いただきます。

本プロジェクトでは、以下のデータを統合し、
生物学的年齢（Biological Age）や疾患発症リスク・死亡リスクの予測モデルの研究開発を進めています。

・DNAメチル化データ（CpGサイト：約27万特徴量）
・人間ドック・健康診断データ
・大学研究機関の長期追跡研究データ（20年スパンの死亡率・疾患発症データ）

チーフサイエンティストおよびバイオインフォマティクスチームと連携しながら、
研究開発に必要なデータ前処理・探索的分析・統計解析・可視化を担っていただきます。

また解析結果は、
医学論文・学会発表・研究レポート等で利用されるため、Publication Qualityのデータ可視化が重要なミッションとなります。

【主な業務内容】
・DNAメチル化データ／医療データのクレンジング・整形
・探索的データ分析（EDA）
・統計解析（回帰分析、生存時間解析など）
・医療研究向けデータ可視化（論文・学会用図表作成）
・Python / Rを用いた解析パイプライン構築
・研究チームとの仮説検証ディスカッション

DNAのメチル化情報（エピゲノム）やプロテオーム、メタボローム、MRI画像などの生体データを用いた、生物学的年齢（バイオロジカル・エイジ）の予測モデルおよび予防介入AIの開発をお任せします。
・アジア最大規模のゲノム・生体データを活用したAIモデルの構築・評価・改善 ・血液検査の数値等を予測するバイオマーカー予測アルゴリズムの開発 ・予防医療に向けた、ユーザーへの介入・レコメンドAIの構築 ・データの収集・前処理・整形（数十万次元のデータや、不均衡データへの対応など） ・LightGBMなどの機械学習から、深層学習を用いた基盤モデルまでの検証および実装

研究開発部門にて、DNAメチル化（エピゲノム）データを用いた統計解析業務を担当します。 チーフサイエンティストやバイオインフォマティクスチームと連携し、解析結果を医学論文や学会発表で用いるための「質の高い図表」としてアウトプットすることが重要なミッションです。
・エピゲノムデータ、健康診断データ等のクレンジング・整形 ・探索的データ分析（EDA）および仮説検証 ・論文投稿・学会発表用のデータ可視化（R/ggplot2等を用いたPublication Qualityの作図） ・統計解析（回帰分析、生存時間解析など） ・PythonおよびRを用いた解析パイプラインのコード整備

・PythonまたはRを用いたデータ分析実務経験（Pandas, Tidyverse等）
・論文やレポート向けの高度なデータ可視化スキル（見た目を美しく分かりやすく整えられる能力）
・統計学の基礎知識
・他職種（研究者・エンジニア）と連携して仮説検証を進めるコミュニケーション能力