米国で進む医療機器とビッグデータ連携のためのルール整備：海外医療技術トレンド（9）（3/3 ページ）

デバイスとしての医療機器は、モノのインターネット（IoT）を介してビッグデータと連携する。米国では、データ利活用に向けた標準化への取り組みも急ピッチで進んでいる。

[笹原英司，MONOist]

比重が高い健康医療／ライフサイエンスのユースケース

　ビッグデータ相互運用性フレームワークでは、個別領域の具体的なユースケースとして、政府機関（4件）、商業（8件）、国防（3件）、健康医療／ライフサイエンス（10件）、ディープラーニング／ソーシャルメディア（6件）、天文／物理（5件）、地球／環境／極地科学（10件）、エネルギー（1件）が収録されている。例えば、健康医療／ライフサイエンスの領域では、下記のようなトピックが取り上げられている。

• 電子カルテデータ
• 病理診断画像化／デジタル病理診断
• 計算バイオイメージング
• ゲノム測定
• メタゲノムとゲノムの比較分析
• 個別化された糖尿病管理
• ヘルスケアのための統計合理的人工知能
• 世界人口規模の疫学研究
• 計画、公衆衛生、災害危機管理のための社会的感染モデリング
• 生物学的多様性とライフウオッチ

　これらのうち、医療機器開発者になじみが深い、病理診断画像化／デジタル病理診断のユースケースを簡単に紹介しておこう。図2はその全体イメージだ。

図2　病理診断画像化／デジタル病理診断システムの全体イメージ（クリックで拡大） 出典：NIST Big Data interoperability Framework Version 1.0.（2015年9月）

　ユースケースでは、トランスレーショナルリサーチに従事する生物医学研究者や、画像誘導診断に従事する病院の医師が、画像から空間情報を抽出するために、パフォーマンスの高い画像分析アルゴリズムを開発。効率的な空間のクエリ／分析を提供して、クラスタリングと分類を特徴付けることを想定している。

　プラットフォームとしては、外部ネットワークと接続した分散型ハイパフォーマンスコンピューティング（HPC）環境上で、画像解析用メッセージパッシングインタフェース（MPI）をモデルとした、オープンソースのMapReduceと空間拡張付Apache Hiveが稼働する環境となっている。ビッグデータ分析アプリケーションとしては、画像解析、空間的クエリ／分析、クラスタリング／分類機能などが装備されている。

　データソースは、人間の細胞組織からデジタル化した病理画像で、データ容量は、中規模程度の病院で年間1ペタバイト（PB）程度だ。ビッグデータ処理固有の課題としては、超大容量、多次元、疾病固有の分析、他のデータタイプ（例：臨床データ）との相関関係などが挙げられている。

　このように、現在米国では、IoT機能を装備した医療機器開発と同時並行で、医療ビッグデータ利活用のためのさまざまなユースケースが開発されている。ハードウェア開発の段階においても、ビッグデータならではの技術要件をどこまで盛り込めるかが、大きな課題だ。

筆者プロフィール

笹原英司（ささはら えいじ）（NPO法人ヘルスケアクラウド研究会・理事）

宮崎県出身。千葉大学大学院医学薬学府博士課程修了（医薬学博士）。デジタルマーケティング全般（B2B／B2C）および健康医療／介護福祉／ライフサイエンス業界のガバナンス／リスク／コンプライアンス関連調査研究／コンサルティング実績を有し、クラウドセキュリティアライアンス、在日米国商工会議所等でビッグデータのセキュリティに関する啓発活動を行っている。

Twitter：https://twitter.com/esasahara

LinkedIn：https://www.linkedin.com/in/esasahara

Facebook：https://www.facebook.com/esasahara