就活用ポートフォリオページ

※このページは就活用の投稿です。有用な情報は載っていません。

自己紹介

2023年に医学部を卒業し2年間の初期研修を終え、2025年現在医学部卒後3年目になります。

もともと中学生ごろPCでMMORPGをするのにハマっており、その頃からPCに触れるのが好きでした。ゲーム用にPCのカスタマイズなどもしておりました。

大学5年生の時にアメリカの医師国家試験（USMLE）の勉強をしている時、Ankiという小テストを出題するソフトウェアを使用していました。このソフトはOpen-sourceのsoftwareで、userが自由にaddonを追加することができました。小テストは一問ずつ出題されるため、共通分野の繋がりが薄いと私は感じていました。小テスト同士の繋がりを可視化する、mindmapのようなaddonが欲しいと感じていましたが、それを作る実力がなかったため、自分の無力さを感じました。これが開発に対する最初の憧れでした。「自分が作りたいと思ったものを作れる様になりたい」というマインドが、今も私の中にあります。現在はAnkiを使用していたないため、このaddonを作るつもりはありません。そして大学6年生の頃に競技プログラミングにふれ、プログラミングの面白を知りました。その時はC++を使用していました。

本格的にプログラミングを始めたのは研修医1年目の頃です。当時はPythonを使用して開発（flask）や競技プログラミングを行っていました。その頃から私は開発が楽しいと感じていました。またある医師の研究の手伝いとして、研修医2年目の12月ごろからAIのfine tuningも行っていました。

私は物の仕組みを考えたりするのが好きで、機械などの構造を考えるのが好きです。医学で言えば、人体の構造を学ぶ解剖学が最も好きでした。
そして物を作ることも好きです。個人開発は「自分で作ったものが動く」と言うことが楽しくて行っています。開発はソフトウェアの構造を考え、部品を組み合わせていくという側面があり、その点で私は開発が好きです。

• 資格一覧
  • 2022年4月 TOEIC 805点
  • 2023年2月 医師国家試験合格
  • 2025年3月 基本情報技術者試験
  • 2025年4月 応用情報技術者試験
  • 2025年5月 Oracle Dataabse Administration I (Oracle DBA silver)

Github account: hkawai1723

Web applications

勉強の記録webアプリ

勉強記録webアプリ

勉強の記録を行うアプリケーションです。勉強時間ではなく、勉強量を記録するアプリケーションがなかったため自分で作りました。Githubにuploadしていなかったためコードはありません。PCの不具合によりコードが消し飛びました。

• 使用技術
  • Python flask
  • SQLite
  • Bootstrap
  • Docker
• Deploy
  • GCP Cloud run
  • GCP Cloud storage

小テストwebアプリ

小テストwebアプリ, Github repository

アメリカの医師国家試験 USMLE は3 Stepあり、自分は大学5年生の時にStep1を合格しました。研修医時代の友人がUSMLEに興味があるということで、USMLE Step1の問題を出題するweb applicationを作成しました。小テストの問題自体はその友人が準備しました。

• 使用技術
  • Python flask
  • My SQL, SQLAlchemy
  • Bootstrap, HTML, CSS, JS
  • Docker
  • 認証: email認証、google認証
• Deploy
  • GCP Cloud run
  • GCP Cloud SQL

PHR webアプリ

Github repository

とある会社の手伝いでPersonal Health Record web applicationの作成をしておりました。私ともう一人の医学生とともに作成しておりましたが、途中でプロジェクトが中止になりました。自分はプロジェクト内では既往歴や家族歴を記録する機能を実装しておりましたが、就活用に自分で認証から実装し直しました。

• 使用技術
  • React, Next.js
  • Tailwind CSS, Shadcn/ui, lucid-react
  • Tanstack Query (React Query)
  • Cloud Firestore
  • 認証: Google認証

Scripts

Kernel density estimation

Kernel density estimation Github link

とある医師の手伝いで、ある疾患の居住区の散布図について、2次元Kernel密度推定を行いました。データはcsv fileではなく.tiff形式で渡されました。正直Kernel密度推定の実装よりも、画像ファイルで渡された散布図をNumpyの行列に変換するscriptの方が大変でした。その時は「これも自分の技術を試されているのだな」と思い、何も言わずscriptを書きました。scatter_to_list.pyでは深さ優先探索も使用しています。

• 使用技術
  • Python
  • Numpy, Matplotlib, Pandas, Seaborn

Disease variant generation

Disease variant generation Github link

こちらもとある医師の手伝いで、Parkinson diseaseの遺伝子variantの、サンプルデータを生成するscriptを書きました。10種類の遺伝子について、それぞれのvariantの出現頻度がzipf分布に従うようにデータを生成しています。

AI fine tuning

Detect fracture

• 使用技術
  • Python
  • Numpy, Scikit-learn, Matplotlib, Seaborn
  • Keras, Tensorflow, VGG16

整形外科の先生の研究の手伝いで腰椎新鮮圧迫骨折のCNNを作りました。VGG16を転移学習しています。学習の流れなどはREADMEをご参照ください。過学習をしている、そもそも学習材料的にも非骨折群に陳旧性骨折が存在しないなど多くの問題があります。

そして何より正面像と側面像を入力として学習をしているのですが、そもそもそれらの組み合わせが実臨床上有用かどうか怪しいです。現在は側面像の座位と臥位とを組み合わせて診断率を上げる方が主流です（診断率80%程度）。ただデータを提供していただいた先生によると、座位と臥位の両方を撮影している症例が少なく、データを集めにくいとのことでした。

現在はこのCNNを一から作り直しています。