01Overview概要
移植の追跡調査データを管理・分析する医療研究機関のシステム。R Shiny / Python / pandas / MySQL での保守・開発を担当。
移植の追跡調査データを管理・分析するシステムの保守・開発を担当。
仕様書未整備の状態から短期間でキャッチアップし、本番運用を安定化させた事例。
R Shiny の統計解析アプリを DDD リファクタし、Python ETL の設計・実装、Kaplan-Meier 生存曲線分析を実装。
02Features主な実装内容
FEATURE 01
R Shiny 統計解析アプリの保守・DDD リファクタ
属人化していた統計解析アプリを DDD でリファクタし、保守性を向上。テスト容易性も担保。
FEATURE 02
Python ETL 設計・実装
27 テーブル・100+ 変換ルールにわたる ETL を設計・実装。バッチ処理の信頼性を担保。
FEATURE 03
Kaplan-Meier 生存曲線分析
医療統計に必須の Kaplan-Meier 生存曲線分析機能を、R Shiny で実装。
FEATURE 04
データ移行・データクレンジング
数万件規模のレコード移行を、低エラー率で完遂。
03Tech Stack技術スタック
R / R Shiny / Python / pandas / MySQL
USED TAGS
R ShinyPythonpandasMySQLDDDKaplan-Meier
04Achievements技術的工夫・成果
- 仕様書未整備の状態から 2 週間でキャッチアップし、本番運用を安定化
- 数万件のレコード移行をエラー率 0.3% で完遂
- DDD リファクタリングで R Shiny コードの保守性を大幅改善
- 27 テーブル × 100+ 変換ルールの ETL を信頼性高く実装
