RefWorks

1. RefWorks Citation Manager ご利用ガイド　https://www.kyoritsu-wu.ac.jp/lib/pdf/document/RCM_UserGuide.pdf

疑問：胎児や新生児の免疫は母親の抗体で賄われている？なぜ母親の抗体が胎児の血液に入れるの？母親の血液と胎児の血液は胎盤で決して交じり合わないんじゃなかったっけ？

Gemini 2.5 Pro：はい、その通りです。胎児や新生児の免疫の大部分は、母親から受け継いだ抗体によって賄われています。これは受動免疫（または母子免疫）と呼ばれます。ユーザーさんの疑問は、生物学的に非常に重要なポイントを突いています。血液同士は交じり合わないのに、なぜ抗体だけが移動できるのか、その仕組みを解説します。

 

参考図書

1. 10-17 The neonatal Fc receptor carries IgG across the placenta and prevents IgG excretion from the body. Janeway’s Immunobiology 10e, Pages 433-434.
2. 15-26 The fetus is an allograft that istolerated repeatedly. Janeway’s Immunobiology 10e, Pages 741-742.

満員電車の中で自分の前にいた人が、「あっ！」とか「わっ！」とかずーっとデカい叫び声をあげたり、大きな音で舌打ちするのを連続的にやってたりする男性で、最初は自分に押されたと思って腹を立ててこちらに対して威嚇してきたのかと思ったのですが、どうやら、自分が標的になったわけではなくて、誰に対してということもなく叫んだりしていたようです。これは何かの病気なのでしょうか。Geminiに訊いてみました。

Gemini 2.5 Pro：電車の中でそのような場面に遭遇すると、驚かれたことと思います。ご質問いただいた内容（大きな叫び声や舌打ちを繰り返す）から、特定の「病気」を診断することはできません。AIや第三者が、限られた情報で医学的な診断を下すことは不可能であり、不適切です。

 

トゥレット症とチック症の違いは？

Gemini 2.5 Pro：「チック症（Tic disorders）」と「トゥレット症（Tourette’s Syndrome）」の違いについての、非常に良いご質問ですね。簡単に言えば、「チック症」は全体を指す広い概念（総称）であり、「トゥレット症」はその「チック症」というカテゴリの中に含まれる、特定の一つの診断名です。

参考

【チック症】家族チャンネル始めました！ チック症と家族の日記 チャンネル登録者数 5.28万人

汚言症とは

AI による概要

汚言症とは、自分の意思とは無関係に、卑猥な言葉や不適切な言葉を不随意に発してしまう症状です。これは医学的にはコプロラリアと呼ばれ、多くの場合、チック症やトゥレット症候群の症状の一つとして現れます。本人が言いたくないと思っていても口から出てしまうため、自己嫌悪や罪悪感を抱いたり、社会生活に大きな困難を感じたりすることがあります。

主な特徴 不随意性:自分で制御できない、意思に反して言葉が出てしまう。

不適切な言葉:卑猥語、罵倒語、差別的な言葉など、社会的に容認されない言葉を発する。

チック症の一種:咳払いなどの他の音声チックと同様に、突然、突発的、急なリズムで繰り返されることがある。 トゥレット症候群の症状:トゥレット症候群の患者の一部に見られる特徴的な症状だが、すべての患者にみられるわけではない。

多様な症状:人によって発する言葉の内容や頻度には個人差があり、手話での罵倒や不適切なジェスチャーを伴う場合もある。 周囲の誤解:周囲からは単なる癖やマナー違反と誤解されやすく、差別や偏見の対象になることがある。

本人の苦悩 強い自己嫌悪:言ってはいけない言葉を言ってしまうことへの罪悪感や、自己嫌悪に陥りやすい。 社会生活への影響:誤解されたり、嫌われたくないという不安から、外出が困難になったり、引きこもりになったりすることもある。

感情の負担:症状を無理に我慢すると、かえって悪化することがあるため、我慢しきれない苦しさを抱えている。

 

15秒に1回、大声がでる「トゥレット症」と闘うウーバー配達員(28)が叶えたい夢【報道特集】 TBS NEWS DIG Powered by JNN チャンネル登録者数 310万人

 

トゥレット症 の現在の治療法にはどんなものがありますか？標準療法、その他、保険適用でないものも含めて教えてください。

Gemini 2.5 Pro：トゥレット症の現在の治療法について、保険適用、保険適用外のものも含めてご説明します。まず大切な前提として、現在のところトゥレット症を完全に根治させる（症状をゼロにする）治療法は確立されていません。治療の主な目的は、症状を完全に消すことではなく、チック症状を本人がコントロールできる範囲に軽減し、日常生活や社会生活における困難を減らし、生活の質（QOL）を向上させることにあります。治療は「症状が軽い場合は何もしない」という選択も含め、以下の方法を単独または組み合わせて行われます。

 

 

放射線治療という言葉は聞いたことがありましたが、陽子線が、がん治療に使われているというのを初めて知りました。通常の放射線を用いるよりも、陽子線を用いるほうが、がん組織に対してピンポイントで攻撃ができるメリットがあるそうです。

　陽子線治療の概要　国立がんセンター　東病院

上のグラフが非常に分かりやすいです。

 

情報源

1. Lecturio　Prostate Cancer Screening by Charles Vega, MD https://app.lecturio.com/#/lecture/s/8934/32470?return=/search/prostate%20cancer

プロンプト：抗がん剤クレスチンってまだ使われている？

Gemini 2.5 Pro：抗がん剤「クレスチン」（一般名：カワラタケ由来たん白多糖体、PSK）は、日本では現在、製造・販売が中止されており、医療用医薬品としては使用されていません。

 

プロンプト：薬効再評価で、抗腫瘍効果が全く存在しなかった？

 

参考

1. 副作用はほぼないが効果も証明されていない…そんな｢日本独自の薬｣が50年以上販売され続けているワケ 臨床で効果を発揮できない｢話題先行の特効薬｣という問題 PRESIDENT Online 名取 宏 名取 宏 内科医　2024/02/20 14:00　https://president.jp/articles/-/78722?page=2　クレスチンやピシバニールにかかった医療費は、ピーク時には年間数百億円、累積では一兆円を超えたといいます。その後、有効性は確認できず、クレスチンは販売中止、ピシバニールも一部の良性疾患には使用されているものの、がんに対する標準医療とはみなされていません。
2. 日本における抗癌剤開発とガイドラインの歴史 前田英紀*1, * 2 ，黒川達夫*1　薬史学雑誌 49（2），196-204（2014）　https://www.jstage.jst.go.jp/article/jjhp/49/2/49_196/_pdf/-char/ja
3. 第126回国会　衆議院　厚生委員会　第6号　平成5年（1993年）4月2日　https://kokkai.ndl.go.jp/simple/detail?minId=112604237X00619930402　074・菅直人 ○菅委員　丹羽大臣、大臣もこの委員会は長いから、あるいは御記憶にあるかもしれませんが、実はこのクレスチンという薬は、最初の審査のときにも同じ問題があるわけですよ。 これは一九八一年ですからもう古い話ですが、私はこの委員会でやはり取り上げたのです。最初の審査に当たっても、つまりクレスチンの効果があるというデータを出された、たしか二人だったと思いますが、二人の方が抗悪性腫瘍剤調査会のメンバーになっていて、そして堂々とその審査に当たっていた。それが後になってわかりまして、簡単に言えば、そのときに中央薬事審議会のあり方について相当議論があったわけです。 その同じ薬がまた再評価に当たって、発言をしていないといっても、専門家のそう多くない集団の中で、私が責任を持って出したデータではこんなに効いていますというものが出されているところで、いや、どうもあのデータの中身はちょっとおかしいんじゃないか、他のデータもあるんじゃないかと言うことは、やはり若干遠慮というものが当然ながら発生するわけですよ。 しかもこのクレスチンという薬は、御承知だと思いますが、先日出してもらったデータによると、最大時年間五百三十億円程度の売り上げがあった。承認から現在に至るまで、単独では一兆円まではいかないかもしれませんが、少なくとも一兆円に近い数千億という巨額の売り上げをこの薬は上げているわけです。 しかも、率直に言いましてこの薬についての効能は、再評価では少なくともその水準には達していないということになって、併用剤としての承認のみになったわけですが、結局この負担はだれがしているのか。大部分の国民の加わっている、あるいは全国民が加わっている保険診療の中から出ているわけです。そういうものがそのスタートの段階に当たっても大変問題のある形で質疑をされて許可をされ、今度は再評価に当たっても、もう取り消されるのではないかと言われていたのが、併用剤という形でいわば生き延びた。疑惑を二重にも招いているわけです。 それで、平成二年に規程を変えて、少し厳しくしたと言われますが、少なくともこの一九八一年当時、園田大臣の当時ですから大分古い話になりますが、もうその時点からこのことが指摘されているにもかかわらず、その後約十年近くにわたってきちんとした改正がされてこなかった責任というのは、厚生省、特に業務局の体質に非常に問題があるのではないか。業務局というのはどうしてもメーカーとの関連が非常に深い。先ほど、今回の企業指導というのも何か手数料をもらってやるんだと言われるから、どうもぴんとこないのですね、そういうことも含めて。そういう点で、業務局の姿勢に基本的に問題があるのではないかと私は思いますが、大臣、いかがお考えですか。 発言のURL：https://kokkai.ndl.go.jp/simple/txt/112604237X00619930402/74
4. 1990年1月　クレスチン・ピシバニール再評価の科学的問題点　https://npojip.org/tip_menu/tip_contents_20c.htm

 

正規分布する2群（対象群と実験群）の平均値に有意差があるかどうかを検討する場合には、t検定が使われます。では、正規分布するかどうかわからない、もしくは正規分布しているようには見えない2群の平均値の有意差をみるには、どうすればいいでしょうか？

マン・ホイットニー検定を用いて2群の平均値の有意差をみればよい？自分はうっかり、そう思っていたのですが、それは間違いでした。自分と同じ誤解をしている人も多いのではないかと思い、生成AIとの会話を書いておきます。

 

質問：正規分布でなく、未知の分布に従う観測量に関して、実験群と対照群の間に平均値の差があるかないかを調べる統計学的手法は何？その場合は、t検定ではないいよね？マン・ホイットニー検定だっけ？

Gemini 2.5 Pro:

 

質問：自分がこれまで読んできた科学研究論文はほぼ全てで、平均値の差の有無を調べるために、マンホイットニー検定をしてたと思うんだけど、「マンホイットニー検定の結果、平均値に有意な差があった」という言い方は、厳格にいうと、間違いってこと？つまり中央値に差はあったとしても、実は平均値には差が無いということもありうる？

Gemini 2.5 Pro：

はい、非常に鋭いご指摘です。その疑問は統計学を実践で使う上でとても重要です。

結論から申し上げます。

1. 厳密には間違いか？
   • はい、厳密に言えば「マン・ホイットニーのU検定（MWU検定）の結果、平均値に有意な差があった」という記述は間違いです。
   • MWU検定は、あくまで**順位（ランク）**に基づいており、「分布の位置（多くの場合、中央値で代表される）が異なる」ことを検出する検定です。
2. 中央値に差があるが、平均値に差がないケースはありうるか？
   • はい、ありえます。
   • これは、一方の群に極端な「外れ値」があり、それが平均値を大きく引っ張っている（歪めている）場合に発生します。

🤔 現実的に、その言い方は許容されているのか？

ここが最も悩ましい実務上の問題です。

お察しの通り、多くの科学論文（特に生物医学分野）で、正規分布を仮定できないデータに対してMWU検定を使い、その結果を（暗黙的に）「平均値の差」のように記述しているケースは非常に多く見られます。

これは、以下の背景があるためです。

1. 歴史的経緯と慣習: t検定が「平均値の差」を検定する代表的な手法であったため、そのノンパラメトリック版であるMWU検定も、t検定と同じ目的（＝代表値の差）で使われるという慣習が根付いています。
2. 実質的な結論の重視: 研究者が知りたいのは「薬Aは薬Bより効果があるか（＝値が大きくなるか）」であり、その代表値が平均値であれ中央値であれ、実質的な結論は変わらないことが多いです。分布が極端に歪んでいない限り、平均値が大きければ中央値も大きい傾向があります。
3. 外れ値への頑健性: 生物データなどは外れ値が出やすいため、平均値は外れ値に引っ張られて「代表値」として不適切になることがあります。その場合、中央値の方がデータの中心的な傾向をよりよく表します。そのため、「平均値」を比較するt検定よりも「中央値」を比較するMWU検定の方が、データの性質上望ましいと判断されます。

望ましい記述（ベストプラクティス）

統計学的に最も厳格で正確な記述は以下のようになります。

「実験群と対照群の比較にはマン・ホイットニーのU検定を用いた。その結果、両群の分布には統計的に有意な差が認められた (p < 0.05)。」

（または、中央値に言及して）

「…その結果、実験群の中央値は、対照群の中央値と比較して有意に高かった (p < 0.05)。」

この場合、グラフも「平均値±標準誤差 (Mean ± SEM)」ではなく、「中央値と四分位範囲 (Median with IQR)」を示す箱ひげ図を使うのが最も整合性が取れます。

現実（よくある記述）

「両群の比較にはマン・ホイットニーのU検定を用いた。その結果、実験群は対照群と比較して有意な増加を示した (p < 0.05)。」

このように「平均値」という言葉を意図的に避け、「増加」や「差」といった曖昧な言葉で表現することも多いです。

---

結論として： 「MWU検定で平均値の差を見た」という記述は、厳密な統計学の観点からは不正確です。しかし、多くの研究分野において「正規分布しないデータに対してt検定の代わりに行った検定」という文脈で、慣習的に（あるいは不正確さを承知の上で）そのように解釈・記述されているのが実情です。

もしご自身で論文を書かれる際は、「中央値の差」または「分布の差」と記述するか、グラフを箱ひげ図にして中央値を示すのが最も安全で正確です。

このあたりの統計手法の「厳密さ」と「現場での使われ方」のギャップは、多くの研究者が悩むところですね。

 

質問：マンホイットニー検定をしたのに、Mean ± SEMで表記していたら、それは、間違った行為　といえるわけね。箱ひげ図で示すべきだったというわけね。

Gemini 2.5 Pro：

はい、その通りです。厳密に言えば、**「間違った行為」または「統計的に一貫性のない（misleadingな）行為」**と言えます。

🚨 なぜ一貫性がないのか？

1. 検定手法の目的:
   • マン・ホイットニーのU検定 (MWU検定) は、データが正規分布していない、あるいは外れ値がある可能性を考慮し、**中央値（Median）**や分布全体の位置を比較するために選択されるノンパラメトリック検定です。
   • この検定を選ぶ時点で、「平均値 (Mean) は、このデータの代表値としてふさわしくない」と判断していることになります。
2. グラフ・記述統計の目的:
   • Mean ± SEM（平均値 ± 標準誤差）は、平均値を中心的な代表値とみなし、その推定精度を示すものです。これはt検定のようなパラメトリック検定と相性が良い記述方法です。
3. 矛盾:
   • 検定では「平均値は信頼できないので中央値を見ます」と言っておきながら、グラフでは「やはり平均値で示します」と言っていることになり、論理的な矛盾が生じます。
   • MWU検定で得られたp値は、あくまで中央値（あるいは分布）の差に対するものであり、グラフに示されたMean ± SEMの差に直接対応するものではありません。

---

📈 あるべき姿

おっしゃる通り、MWU検定を行った場合の記述統計とグラフは、以下のようにするのが統計的に一貫しています。

グラフ: 箱ひげ図 (Box plot)を用いる。 * 箱ひげ図は、MWU検定が注目している中央値 (Median)、四分位範囲 (IQR)、およびデータの全体の広がりを視覚的に完璧に表現します。

• 本文や表での記述: 「中央値 (四分位範囲)」、すなわち Median (IQR) を記載する。
  • 例: 「実験群の中央値は 10.5 (IQR: 8.2-13.7) であり、対照群の 5.3 (IQR: 3.1-7.4) と比較して…」

この「検定手法」と「記述・グラフ」の一貫性は、論文の査読（レビュー）においても非常に重要視されるポイントです。MWU検定を使っているのにMean ± SEMの棒グラフが示されていると、査読者から「なぜ中央値で示さないのか？」と指摘される可能性が十分にあります。

 

平均値が同じで中央値に有意差がつくデータ例

平均値が同じで中央値が異なり、有意差がつくデータ例を、Geminiに作ってもらいました。

# Group A: 中央値は低いが、外れ値が平均値を引き上げる
group_a = np.array([
100, 101, 102, 103, 104, 105, 106, 107, 108, 164
])

# Group B: 中央値は高いが、平均値はAと同一
group_b = np.array([
105, 106, 107, 108, 109, 110, 111, 112, 113, 119
])

群A 平均値: 110.00
群A 中央値: 104.50
群B 平均値: 110.00
群B 中央値: 109.50

MWU検定 (両側): p = 0.0171
MWU検定 (片側 B > A): p = 0.9931
t検定 (参考): p = 1.0000

 

質問：データ、正規分布じゃないからマンホイットニー使いましたって言いたい場合に、正規性の検定はどうすればいいの？散布済みて明らか　とは言えないよね。

Gemini 2.5 Pro：

おっしゃる通り、「散布図を見て明らか」というのは主観的であり、論文などで正規性を否定する根拠としては弱いです。

そのために、正規性の検定 (Normality Test) という統計学的手法を用います。

1. シャピロ・ウィルク検定 (Shapiro-Wilk Test)

最も一般的で、検出力の高い（＝正規分布から少しでも外れているのを見抜く力が強い）正規性の検定手法です。

• 帰無仮説 ($H_0$): 「このデータは正規分布に従う」
• 対立仮説 ($H_1$): 「このデータは正規分布に従わない」

したがって、検定結果の p値 の見方は、t検定やMWU検定とは逆になります。

• $p < 0.05$ の場合: 帰無仮説が棄却される
  • → 「データは正規分布に従わない」と結論できる
  • → t検定は不適切。マン・ホイットニーのU検定（MWU検定）を使う強力な根拠となる。
• $p \ge 0.05$ の場合: 帰無仮説は棄却されない
  • → 「データが正規分布に従わないとは言えない」（正規分布と仮定してもよい）
  • → t検定を使ってもよい、という根拠になる。

重要な注意点: t検定を使うには、両方の群が正規性の検定をパスする（$p \ge 0.05$）必要があります。片方でも $p < 0.05$ となれば、両群の比較にはMWU検定を使うべきです。

最近、AIセミナーを視聴すると、Vibe Coding　という言葉がよく紹介されています。Vibe Coding　は一体なんでしょうか。
AI による概要

“Vibe coding” is a recent term for using large language models (LLMs) to generate software by providing natural language instructions, with minimal review of the resulting code
. It is a high-speed, intuitive approach focused on generating quick prototypes rather than on the code’s quality, security, or maintainability.

Origin and core concept
The term was coined in February 2025 by Andrej Karpathy, co-founder of OpenAI and former AI leader at Tesla. He described it as “fully giv[ing] in to the vibes, embrac[ing] exponentials, and forget[ting] that the code even exists”. The underlying idea stems from Karpathy’s earlier assertion that “the hottest new programming language is English,” meaning advanced LLMs can understand and produce code without the need for a developer to know specific language syntax.

How it works
The process shifts the developer’s role from manual coding to a more conversational, directorial one.
Describe the goal: The user gives a high-level prompt in plain language, such as “Create a Python function that reads a CSV file”.
AI generates code: An AI assistant like Cursor, Copilot, or Claude generates the code based on the prompt.
Execute and observe: The user runs the generated code to see if it works.
Refine iteratively: If there’s an error, the user copies the error message or provides feedback to the AI. The AI then suggests adjustments until the code works.

Relation to Anaconda and the data science environment
The Anaconda company recognizes the trend of AI-assisted coding, citing its potential to attract a new generation of developers and lower the barrier to entry.
However, Anaconda’s VP of Engineering, Ken Thompson, has noted that some experienced developers remain cautious due to the “nondeterministic nature of AI,” which can lead to unpredictable code output and increased risk.
In the data science context, vibe coding can be used for rapid tasks like scripting or data analysis, which are common within Anaconda environments.
For example, a user could vibe code a script using the Pandas library to read and process a CSV file, a typical task for data scientists.

Pros and cons
While vibe coding offers significant speed advantages, it also carries notable risks.
Pros:
Rapid prototyping: Allows for quickly creating a minimum viable product (MVP) or testing new ideas.
Lower barrier to entry: Enables non-programmers and beginners to build functional software without deep technical knowledge.
Increased productivity: Experienced developers can accelerate their workflow by using AI for boilerplate or repetitive code.
Cons:
Security risks: Speed often comes at the cost of security. AI-generated code, if not properly reviewed, can introduce vulnerabilities into a codebase.
Technical debt: By accepting code without understanding it, developers can create unmaintainable, fragile, and complex codebases that become difficult to debug and manage later.
Accountability issues: Developers who don’t fully understand the code they ship are less able to fix it when it breaks.
Accuracy issues: As Anaconda’s Ken Thompson noted, the nondeterministic output of LLMs can be a high-risk factor for stable codebases.

なんてことはない、自分が普段やっていることでした。自分はプログラミングはできませんが、AIにやりたいことを伝えて、それを実行してくれるPythonスクリプトを書いてもらって、Juypter Notebookの環境で実行しています。エラーが出たらエラーメッセージを貼り付けて、スクリプトを改善してもらいます。エラーは出ないけど動かない場合には、状況を説明して改善策を考えてもらっています。その会話を繰り返すうちに、最終的にはやりたい業務を実行してくれるPYTHONコードが出来上がるというわけです。スクリプトなので、同じデータセットに対しては同じことを再現性よく実行してくれるのがありがたいです。

スーパーでは、肉売り場に、レバー（肝臓）や砂肝などが隣り合わせに売られていますが、砂肝とはそもそも何でしょうか？「肝」と言う字があるので肝臓でしょうか？いいえ、違います。砂肝と書くくせに実は、鳥の「胃の一部」なんですね。「肝」というのは、肝臓という意味ではなくて、ここでは単に「内臓」の意味だったというわけです。

Gemini:
「砂ぎも」（砂肝とも書きます）は、主に**鶏（ニワトリ）の「砂嚢（さのう）」**という消化器官の一部です。

スーパーで売られているものは、ほとんどが鶏のものです。

「砂ぎも」って何？

鳥類が持つ**「筋胃（きんい）」**という、胃の一部です。「砂嚢（さのう）」とも呼ばれます。

鳥は歯がないため、食べ物を丸呑みにします。飲み込んだ食べ物を、胃液で消化する前に、物理的にすりつぶす必要があります。

そのために、鳥は小石や砂を飲み込み、この「砂ぎも」に溜めておきます。そして、砂ぎもの強力な筋肉を動かして、砂や小石と食べ物をこすり合わせ、細かくすりつぶします。

• 名前の由来: 食べた「砂（suna）」が溜まっている「肝（kimo = 内臓のこと）」ということから、「砂肝（すなぎも）」と呼ばれます。
• 食感: 非常に発達した筋肉の壁なので、脂肪が少なく、コリコリ・シャキシャキとした強い歯ごたえが特徴です。

スーパーで売られているのは、先述の通りほぼ**鶏（ニワトリ）**です。

鶏以外では、以下のような動物が持っています。

• 鳥類全般: 七面鳥、鴨（カモ）、アヒル、鳩（ハト）など、多くの鳥にあります。
• 爬虫類の一部: ワニなどにも見られます。
• 恐竜: 恐竜の化石からも、胃の中に石（胃石）が溜まった砂嚢が見つかっており、同じように食べ物をすりつぶしていたと考えられています。

確認：てことは、砂肝とはべつに「胃」があるわけではなくて、砂肝はあるいみ、胃そのものなわけね。胃の一部という意味で。

Gemini:

さらなる疑問：スーパーで売られている砂肝には、砂が入ってるの？取り除かれてるの？

Gemini:

 

 

砂肝の形に関する疑問：砂肝はなぜ２つのかたまりがペアでちょうつがいみたいに開くの？それが一つの砂肝？

Gemini:

 

しつこい質問：砂肝（筋胃）はなぜ腺胃のあとにあるの？すりつぶすためには、腺胃の前に位置すべきでは？

Gemini: