1990年代に提唱されたビッグデータは、近年注目されていると伴い、多岐多様な業界での活用事例が多くなるようです。とりわけ、医療ビッグデータは、多面的に導入されることが2025時点で世界の先陣を切って、過去最多の数量があるようです。しかし、ビッグデータ、そして医療ビッグデータはなんだか、どういうふうに活用されるか、という問題をすっかり理解する人は少ないと思われます。本記事は、医療ビッグデータとそれの活用事例を説明します。
1．医療ビッグデータとは？
ビッグデータは、1990年代に提唱され、従来のソフトウェア又はインタネットプラットフォームを使用する制御できないほどの膨大なデータを指すことです。しかし、普通のデータ定義に匹敵するには雲泥の差があるようです。データは多くの場合で「情報」の意味で使われ、「数量」と「質量」を中身とする一方、ビッグデータは六つの要素で構成されます。それらはValue、Volume、Velocity、Variety、Veracity、Variabilityという六つのV字を含みます。Volumeがデータの数量を指す一方、Velocity は動いているデータと、データの作成・処理・分析の頻度と速度という意味です。それらに次いで、Veriaty は複数のデータセットの複雑さと不均一を表します。また、Veracity はデータの質量、関連性、信頼性と予測できる価値を中身とします。それに、Variablity は時間の経過とともにデータの変動を指します。最後は一貫性に緊密な関係がるValueはユーザーが入力した価値に関します。
医療の場合、医療ビッグデータは電子カルテや、メディカルイメージング、ゲノム配列決定、薬学研究、ウェアラブルデバイス、メディカルデバイスなどの膨大なメディカルデータを表します。伝統的な電子的なメディカルデータと、人間によるメディカルデータと比べると、膨大な数量や高速度といった特徴で意思決定又は診断をより正解に下すことを支援します。ビッグデータとAIを組み合わせて次のプロセスの通りに結果を出します。データは、センシングデータや、クリニックデータ、電子カルテといった情報を入力・管理・保持する倉庫（データウェアハウス）から分析過程（そこではAIが診断したり、予測したり）を通じて、より正解かつ節約的な結果となります。
ビッグデータ分析のワークフロー
2．医療ビッグデータの活用例
Google Scholarで投稿される研究（1，2，3）によると、医療ビッグデータの活用事例は患者中心のサービス、より良い治療方法の提供、医療機関や社会のマクロ管理等のモニタリングという三つの要素を分けられます。
2.1.患者中心のサービス
2.1.1.病気の診断又は予測
ビッグデータとAIを組み合わせれば、病気の診断をより正解な下すことができます。例えば、画像の方式での膨大なメディカルデータをマシンが人間のように分析・処理するコンピュータビジョンは、患者のレントゲン及びICT の画像を倉庫のデータと参照してどの病気にかかるかを診断することを支えます。特に、生命を脅かすほど危険な病気を気づけることに力を注いているようです。なぜかというと、癌（ガン）などの危険な病気は自然に治す病気の肩を並べると、相当な症状が多いからです。ビッグデータのおかげで、コンピュータは微妙な違いを区別でき、医者の診断を支援することができます。
応用事例：
診断の力になる医療ビッグデータの活用事例は近年多くなりました。眼底画像診断支援システムOPTiM Doctor Eye という例が挙げられます。このシステムは、医療機器プログラムの認証を取得、眼底検査で撮影された眼底映像を分析し、視神経乳頭陥凹（ししんけいにゅうとうかんおう）領域を抽出し、その体積を計測することができます。体積が小さい場合、眼の状態が悪い、レアルタイムで治療しないと将盲目の危機に直面することができます。
日本の国内ではなくベトナムの企業はビッグデータとAIやIOTなどを組み合わせる医療業界向けのソリューションを出します。VTIグループは、ビッグデータとAIを導入した医療業界向けのアプリケーションを開発しています。脳にある異常を検出するアプリや、手術後の生存率を判断するアプリ等。また、我々は画像診断システムを開発した医療業界での大手企業と協力しています。そのシステムは、レントゲンの結果により、コロナやガンなどを含む21つの病気を判断することができます。患者は、病院の医師と連絡でき、判断結果を医者と共有され、QRコードだけでどこでもいつでもアクセスできます。
癌脳診断の支援
一方、近年ビッグデータを分析した上で、病気や疫病などを予測できるAI予測があります。日本では、トヨタがAI予測を導入したシステムであり、コロナウィルスを防止することに活用される先端技術であり、様々の例があげられます。
2.1.2. ウェアラブルデバイス
ウェアラブルデバイスとは、手首や腕、頭などに装着するコンピュータデバイスとのことです。ビッグデータ分析を導入するデバイスにより、自分の日常の健康を管理することができます。代表的な例として腕時計を手首に装着するデバイスは、使用者が運動する脈拍と心拍数を計測したり、自分に合う運動強度を提出したりします。
応用事例：
我々のパートナーとして、女性向けの日常の健康を管理するアプリケーションを開発しました：「私の温度」というアプリです。「私の温度」はブラレットの型式で装着していつも通りに寝る他に、普通のブラレットのように白昼に装着したままだけで、自分の健康指数を把握することができるる。それは、体の状態（どんより期、イライラ期、キラキラ期、ニュートラル期）、妊婦のしやすさ、生理予測日などを含みます。
2.1.3. プレシジョン・メディシン
プレシジョン・メディシンは、がん細胞の遺伝子を次世代シークエンサーで解析し、がんの原因となった遺伝子変異を見つけ、その遺伝子変異に効果があるように設計した分子標的薬を使用する高精度医療ということです。ビッグデータを導入した後、プレシジョン・メディシンは著しく発展しているようです。それによって、結婚する前にカップルの身体のゲノムを分析して、将来の子供が遺伝子を変異する可能性を判断することができます。
応用事例：アメリカのNCI（National Cancer Institute）に開発した「The Cancer Genoma Atlas]というプロジェックとは、2万を超える原発巣のガンを分子的に使用し、33種類のガンの正常なサンプルと一致させました。2，5ペタバイト以上を含むTCGAは、米国人なら誰でもアクセスできます。
2.1.4. 医学研究
医学研究にビッグデータを導入した一つの活用事例はバイオバンクです。多くの地方や国家などで存在しました。例えば、英国のバイオバンクや、中国のChina Kadoorie Biobank、 欧州バイオインフォマティクス研究所（European Bioinformatics Institute）などです。データをデジタル化の形式に交換する前、物理のスピシメン（Specimen）を処理及び保持されます。非営利団体は血圧や血液検査といったバイオロジッカルデータを収集することを支援する一方、コンマシャールバイオバンクはそのデータに関するサービスを提供します。
2.1.5. 薬の副作用の制限
ビッグデータとAIを組み合わせると、医者は患者の身体、飲食物アレルギー歴史、慢性病などの情報を理解したうえで、処方箋の薬の副作用を制限することができます。2016年に、京都大学の研究グループは薬剤やその副作用、疾患の原因となる遺伝子等のビッグデータを解析することで、副作用をほぼ100％予測することができました。これを通じて、最適な処方箋を出せることを期待しています。
2.2.より良い治療方法の提供
ビッグデータ、AI、IOTなど先端技術はスマートヘルスケアを構築することに貢献しました。AIは膨大な医療ビッグデータにより、より正解かつ良い治療方法を提出する役割を果たしました。
応用事例としてアメリカのMayo Clinicは、二つの慢性病以上かかる患者に対しての診断でビッグデータ分析をした上で、ホームヘルスモニタリングなどのような治療方法を支援します。ビッグデータ分析のおかげで、医者がふさわしい処方箋、それに意思決定、治療方法をより節約的かつ正解に出せます。
2.3. 医療機関や社会のマクロ管理等のモニタリング
2.3.1 電子カルテ（EHRs)
電子カルテとは英語でElectronic health records、従来医師・歯科医師が診療の経過を記入していた、紙のカルテを電子的なシステムに置き換え、電子情報として一括してカルテを編集・管理し、データベースに記録する仕組み、またはその記録のことである（Wikipediaにより）。電子カルテは医療ビッグデータの一つのデータソースで、患者に直接関係があるデータを提供するものです。これを通じて、医師又は医療機関の管理者、政府関係者といった管理者たちが、マクロな側面で患者・市民のデータをすばやく把握・処理・管理することができます。患者が簡単に医師及び病院と連絡することはもちろん、管理者の立場から見れば、電子カルテのデータは人口学やアクション・リサーチといった研究に大きく貢献するようです。
応用事例：
Medical AI Labが開発したAIレセチェッカーという例があげられます。広島県や、東京府、埼玉県などの病院で導入されたこのシステムは医師及び病院の管理者の負担を軽減することにつながりました。導入前、医師が一手に引き受けたレセプトをチェックしないといけないでした。その作業を一手に負担したことは、患者の情報を忘れてしまったり、間違えたりすることがあるでしょう。また、電子カルテ（ビッグデータとAIを組み合わせたものではない）もあるが、病名チェック機能を使っても、手動でチェックしていて、時間が結構かかりました。導入後、一か月程度スピードは以前の5倍と速かったという結果があります。
2.3.2. 疫病防止の治療方法
ゲノム分析から、グループの行動研究、ライフスタイル分析に至るまでの医療ビッグデータは広い範囲の市民を観察したことで、社会の中で発散できる疫病を防止することに貢献します。例えば、ビッグデータは新型コロナウイルスの戦闘で重要な役割を果たしました。1～2年前、コロナの状況が世界中で深刻していた時、疫病防止と経済活動を同時に実施したことは艱難でした。しかし、当時、研究者たちはビッグデータにより人の動きを分析した上で、多人数で集中することを防止したり、人の跡を辿ったり動きを記録したり、感染が広がる可能がある所へ警笛を送ったり、そいうコロナ対応を実施しました。最近、ビッグデータを使用したAIシステムは、コロナ渦の波の時点を予報することができます。ビッグテータをはじめとする先端技術のおかげで、コロナを制御することができると言うまでもありません。
2.3.3. 市民健康の保護
ビッグデータにより、市民健康の情報を管理することはワクチンなどのような薬・防衛方法を全市民がアクセスことができます。それは、長期間使えれば、公共の免疫を確保することにつながります。
例えば、アメリカフロリダ大学はグーグルマップと無料のメディカルデータを使用して、ヒートマップを構築しました。そのマップは、人口密度が多いところや慢性病を中心とし、隠れている問題が一番多い所を見つけ、殺菌剤を散布することや疫病が発生する危機がある場所でワクチンをできるだけ早期に市民が接種するよう取り組んでいること、そいうふうな防止策を提案しました。
2.3.4. 医療間平等の確保
人道的な観点から見れば、ビッグデータを代表とする先端技術は医療の間に平等を確保することに貢献します。簡単に言えば、ビッグデータ、AI、IoTなどにより、病院がないところまでの市民が最高の治療方法に触れることができます。
3. 医療ビッグデータの課題
近年、医療ビッグデータが著しく発展しても難関な課題が存在します。一つ目は医療ビッグデータを導入することは高額がかかります。ヘルスケア機関の規模が大きければ大きいほど、ビッグデータとAIを組み合わせるシステムに使う費用が高くなります。二つ目はゲノムをはじめとするバイオテクノロジーを研究するとき、環境問題・道徳問題などが生じる可能性が高いです。例えば、バイオ医薬品は、従来新製品の品質を試すためにネズミといった動物の体を使うものですから。三つ目は、ビッグデータを構成するデータの正確さはある程度患者（つまりユーザー）の行為に依存するものです。それは、ビッグデータの効果を発揮することを妨げます。最後に、サイバーセキュリティは解決しかねる問題となります。特に、警視庁によるレポート「令和3年におけるサイバー空間をめぐる脅威の情勢等について」では、サイバー攻撃が2020年と比べて85%を増加したそうです。それは、ビッグデータが普及することに水をさすかもしれません。
まとめ
どんな課題が発生しても、デジタル化は将来のトレンドを拒否することができません。患者だけではなく医者、病院及び政府関係機関は、寄せてくるその波をきちんと乗り越え、ビッグデータをはじめとする先端技術をできるだけ早めに導入しましょう。とにかく、ビッグデータなどに関する知識を把握したい方は、登録のためのメールボックスを書き込めください。ソース：
（1）Agarwal M, Adhil M, Talukder AK. International Conference on Big Data Analytics. Cham, Switzerland: Springer International Publishing; 2015. Multi-omics multi-scale big data analytics for cancer genomics; pp. 228–43. [Google Scholar]
（2）He KY, Ge D, He MM. Big data analytics for genomic medicine. Int J Mol Sci. 2017;18:412. [PMC free article] [PubMed] [Google Scholar]
（3）Tan SL, Gao G, Koch S. Big data and analytics in healthcare. Methods Inf Med. 2015;54:546–7. [PubMed] [Google Scholar]
（4）https://www.optim.co.jp/newsdetail/20190523-pressrelease
（5）https://watashino-ondo.toppan-f.co.jp/guide/
(6) https://www.genome.gov/Funded-Programs-Projects/Cancer-Genome-Atlas
(7) https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7323266/
（8）https://japan.zdnet.com/article/35076779/
(9) https://mediailab.jp/case_study_category/ai-rece-checker/
