$ whoami

柏田祐樹/ Yuki Kashiwada

AI Architect / Engineer · Medical AI Researcher · CTO / Board Member

AIアーキテクト/エンジニア・AI開発リーダーとして生成AIプロダクトや画像認識AIの設計・開発を主導しつつ、東北大学大学院・理化学研究所で医療AI(マンモグラフィ・脳波・電子カルテ×LLM)の研究を行っています。スタートアップのCTO・取締役として、要件定義から設計・実装・運用までを一貫して担当してきました。

CV を見る →GitHub ↗researchmap ↗ORCID ↗

東北大学大学院医学系研究科博士課程 · 理化学研究所 AIP 遺伝統計学チーム · 株式会社BINARISTA 取締役

01.

専門領域

// skills

生成AI / LLM

-AI Agent開発
-LangChain / LangSmith
-OpenAI API / Gemini / Vertex AI
-RAG
-LLMセキュリティ(OWASP LLM Top 10 監訳)

機械学習

-PyTorch / TensorFlow / scikit-learn
-画像認識
-自然言語処理
-時系列解析
-精度改善(40%→80%, 90%→96% 等)
-Kaggle Expert

医療AI

-マンモグラフィ画像解析
-脳波(EEG)解析
-電子カルテ×LLM
-医師との共同研究・査読論文執筆

ソフトウェア

-Python / TypeScript
-Next.js / React / FastAPI
-PostgreSQL / MySQL
-AWS / GCP
-Docker
-スマートフォンアプリ開発

マネジメント

-プロダクトマネジメント
-5〜10名のチームリード
-要件定義〜運用の全工程
-顧客折衝・システム企画提案
-CTO / 取締役経験
-英語での業務コミュニケーション

02.

プロジェクト

// works

営業支援 AI Agent SaaS

PdM / AI・Web開発(体制5名)

エンタープライズ向けの営業支援AI Agent Webアプリケーションをゼロから開発・運用。プロダクトマネジメントと開発を兼務し、新規顧客を獲得。

株式会社BINARISTA(取締役)
Next.js / FastAPI / LangChain / LangSmith / Gemini API / PostgreSQL

生成AI活用プロダクト群

AI開発リーダー(体制5名)

LLMを用いたチャット機能・文書修正機能など複数の生成AI機能を開発し、10万人が利用するサービスへの組み込みに成功。

人材サービス企業(業務委託)
Next.js / FastAPI / GCP / Vertex AI / Gemini / MySQL

請求書PDF認識AI

AI開発(体制5名)

自然言語処理を用いて請求書PDFから複数項目を自動抽出するAIを開発。検出精度を40%から80%に改善。

気候テックSaaS企業(業務委託)
Python / PyTorch / spaCy / GCP

人物検出・加工AI

AI開発リーダー(体制8名)

画像処理AI(人物認識・加工)の開発計画策定から実装までを担当。人物検出の精度を90%から96%に改善。

エンターテインメント企業(業務委託)
Python / PyTorch / TensorFlow / GCE

スマート養豚AIパイプライン

AI開発リーダー(体制10名)

End-to-EndのAIパイプラインを計画・開発し、精度を65%から90%に改善。現場でも認められ実装が決定。データサイエンスチームの立ち上げも担当。

株式会社NTTデータ(正社員)
PyTorch / TensorFlow / Databricks / React / Flask

製造業向け異常検知システム

AI開発(体制5〜7名)

製造業向けの画像・時系列データの異常検知を開発。EDAによる精度向上に貢献し、自動車部品の傷検出で精度85%以上を達成。

NABLAS株式会社(正社員)
Python / PyTorch / TensorFlow / scikit-learn / tslearn

03.

研究

// research

東北大学大学院(医学系研究科)で医療AIの研究に取り組んでいます。主なテーマは、マンモグラフィによる乳癌検出、脳波を用いたてんかん発作の鑑別、電子カルテへのLLM応用です。医師との共同研究を通じて査読論文を発表しています。

論文筆頭著者2025年10月15日

Applying vision transformer to assess multi-scale morphological features in mammography for breast cancer detection: multiscale image morphological extraction vision transformer (MIME-ViT)

Y. Kashiwada, E. Takaya, M. Hiroya, et al. — PeerJ Computer Science, 11:e3252

MIME-ViT は、パッチサイズの異なる4本の Vision Transformer 分岐と CNN 分岐を統合し、マンモグラム上の腫瘤や石灰化の位置を推定するモデルです。TOMPEI-CMMD のアノテーションで事前学習なしに学習し、平均IoUは 0.3342。事前学習なしの DETR は上回った一方、事前学習済みの DETR や YOLOv8x には及びませんでした。

平均IoU(全病変): 0.3342
平均IoU(腫瘤): 0.3797
平均IoU(石灰化): 0.2491

詳細を見る: MIME-ViT →DOI: 10.7717/peerj-cs.3252 ↗

データセット筆頭作成者2025年

TOMPEI-CMMD Dataset

Y. Kashiwada, E. Takaya, M. Hiroya, et al. — The Cancer Imaging Archive (TCIA)

TOMPEI-CMMD は、中国のマンモグラフィデータ CMMD に病変のポリゴン・セグメンテーション(腫瘤・石灰化など6種)、病変位置、修正済みの左右/撮影方向ラベル、臨床データを追加したデータセットです。1,363 名・1,385 乳房に 1,773 個のマスクがあり、TCIA で CC BY 4.0 にて公開しています。

患者数: 1,363
病変のある乳房 (MLO): 1,385
セグメンテーションマスク: 1,773

詳細を見る: TOMPEI-CMMD →DOI: 10.7937/wezw-bh22 ↗

論文第2著者(共著)2025年9月27日