手術を受ける患者ごとにバイタルデータは異なる。医師はこれまで学んできたことや過去の手術経験から似ているバイタルデータを思い出し、次のアクションを検討していることが多い。類似性分析システムを導入することで、個々の医師が長い経験から培った知見をバイタルデータという定量的な数値で表すことで、経験の浅い医師にもその知見を効率的に伝えることが可能になる。

生体モニターデータの類似性分析システム

　千差万別のユニークなデータ群だからこそ、その中から類似性を分析することで価値を見いだせる。例えば、卵巣腫瘍の摘出手術を受けた20代女性、40代女性の1分ごとの心拍数を比較しても類似する傾向はそれほど見られなかった。一方、卵巣摘出手術を受ける20代女性と胃がん腹腔ポート手術を受ける70代女性の心拍数の推移を比較してみたところ、非常に類似性があるという分析結果が出たという。さまざまな組み合わせでデータ分析を行い、「なぜそうなるのか」を医学的な見地から検討することで、新しい知見を確立するチャンスにつなげられるというのだ。また、澤氏は「ビッグデータを活用するときは、この類似性に着目することが大切」と話す。

多次元データベースを使わなくても高度な分析が可能

　これまでにも複数種類のデータを組み合わせた分析結果を基に、何らかの知見を得ようとする取り組みが多くの医療機関で行われてきた。しかし、「多次元データベースを利用するのが常だった」（澤氏）。帝京大学 医療情報システム研究センターでは、最新の業務アプリケーション製品群「Office 2013」と20万円前後で手に入る汎用マシンを使ってビッグデータ活用を進めている。

　現在、帝京大学では「Tabular Modeling」技術を用いて、病名登録の解析実験を行っている。Tabular Modelingは、Microsoft SQL Server 2012 Analysis Servicesのインメモリデータベース。 多次元データベースを使わずにさまざまな切り口でデータを扱うことを可能にする。Tabular Modelingは、Excel 2013のアドイン機能「PowerPivot for Excel」「PowerView for Excel」やSharePoint 2013などでも利用できる。

　例えば、月次ごとのアレルギー症状の患者数の推移だけであれば、Excelに数値を入力するだけですぐにグラフ化でき、データの量もそれほど問題にはならない。しかし、アレルギー症状のうち、アレルギー性鼻炎や食物アレルギー、蕁麻疹などに細分化したデータを扱ったり、それらの情報と「呼吸器系疾患」カテゴリーの病名ごとに細分化したデータなどを組み合わせて分析する場合は、多次元データベースを使う必要があった。

　講演中、澤氏はデータ解析 のデモを紹介。20万件の病名登録データを用いて、病名や症状などのデータテーブルをExcelで作成し、PowerPivotで複数のデータテーブルを組み合わせて分析。さらにPowerViewで時系列ごとに複数の病気の発生推移を見るという作業をアニメーションで示した。一連の分析作業は約90分で完了したという。

月次ごとのアレルギー症状の患者数のデータ解析の例クリックで拡大

分析の手法、計算方式に間違いはないかを確認

　麻酔データベースの解析事例も紹介した。麻酔データベースは、麻酔による危機的偶発症（心停止、高度低血圧、高度低酸素）に関連する因子を探すことを目的に構築されている。その解析では、SQL Server Analysis Servicesを活用している（関連記事：汎用的なデータ連携基盤で地域医療連携の実現を目指す日本マイクロソフト）。

　「手術を控えた患者に“危機的偶発症で亡くなる確率は30万人に1人の割合”と説明しても『私の場合はどうなのでしょうか』と訴えることがある。そうした不安を解消するためにも、科学的な分析を踏まえて説明することが必要」（澤氏）

　帝京大学では、日本麻酔学会が提供しているWeb型データベースシステムのテーブル構造を利用している。「分析結果に対しても医学的な検証が大切。しかし、それ以前に算出方法が不正確なものであっては意味のない解析となる。計算の理論が科学的であるかどうか、また解析の手順が間違っていないか、などを事前に確認する必要がある」（澤氏）。そのため、科学的に裏付けのあるデータ解析のフレームワークは大いに役立つという。

　麻酔データベースの解析では、大量のデータから相関関係やパターン、ルールを導きだす「データマイニング」の手法を用いている。澤氏によると、データマイニングでは一回の解析で明確な結論が出てくることはまずあり得ないという。「何度も何度もあらゆる方法を尽くして、結論に近づいていく。これは、つらい作業というよりも、むしろ病みつきになる作業」と笑みを浮かべながら話す。

ビッグデータ分析の目標とは？

　帝京大学では、これらの分析を「Intel Core i7」搭載PCを使用して実施している。メモリはハイスペックなものを使ったが、20万円前後で用意できたという。

　ビッグデータを活用して、何を導くか――。澤氏は「ビッグデータを活用して、医療に役立つ知見を探り出すことにおいて、特殊なハードウェアやソフトウェアを使う必要はなくなりつつある。問題は、データを使ってどんなことを分析したいかを明確にすること」と説明する。また「統計学者などのデータサイエンティストは、妥当な解析方法を教えてくれるが、データから何を導き出せばいいのかは教えてくれない。何を導き出すかはそれぞれのユーザーが明確にするしかない」と語る。