レセプト情報・特定健診等情報データベース（NDB）

リレーショナルデータベース（RDB）情報に特有な、硬直したシステム構造

問題となっていたのが、RDB（リレーショナルデータベース）特有の硬直したシステム構造だ。NDBは近年、利用者の増加が見込めることに加えて、今後は介護レセプトや健診データとの連携も期待されている。しかし現在のシステム構造ではデータ形式の変更に追従するのが難しいうえに、物理的なサーバのリプレースを伴う段階的な手順でしかスペック拡張が行えず、データ量の増加に対して柔軟な対応が難しかった。

データ利用の各段階で発生する各種手戻り

研究者、分析者などのユーザーが、NDBのデータ仕様や実際のシステムに触れられる機会が少ないことも問題となっていた。NDBを利用するためには、極めて高度なセキュリティ要件を満たし、なおかつ膨大なデータを取り込み・処理できる施設が必要になるからだ。このハードルを埋めるべく、京都大学と東京大学にNDBへアクセスできる「NDBオンサイトリサーチセンター」が設置されている。しかし、事前に学ぶための環境がないため、センターに出向いてから手探りでデータ分析の方法を考えなければならず、望んだ分析結果が出るまでの試行錯誤による手戻りで多大な時間を要していた。データ量は100億レコード以上にもおよぶため、NDBのシステムに慣れていないユーザーの場合、検索・分析の仕方によっては数日待っても結果が得られないこともある。

各種研究に適したデータ構造に再編成するための煩雑なデータ変換作業

ユーザーが各種分析作業を実施する際、研究・分析内容に合わせて、NDBデータの再編成やデータ変換等の煩雑な分析前処理を、ユーザー自身が実施しなければならない、ということも、NDBを利用する上での利便性を大きく下げる要因となっている。

特に大きな課題は、同一患者のIDが途中で変わった際に分析時の追跡が途切れてしまう「ID問題」であった。NDBはその特性上、匿名でデータを集積しているが、結婚や退職をはじめとしたライフイベント、さらに誤記などにより同一患者のIDが変わり、分析時にデータを追跡する障害となってしまう。

こうした現行NDBの課題を払拭するための次世代NDBの研究に向け、国立研究開発法人日本医療研究開発機構（以下、AMED）では2016年度の研究事業として「新たなエビデンス創出のための次世代NDBデータ研究基盤構築に関する研究」プロジェクトを公募・採択した。

「レセプトの基礎知識学習コンテンツ」および「ダミーデータが利用可能な学習環境」の整備による学習効率向上

京都大学は、NDBのレセプトデータの知識を持っていないユーザー向けに、レセプトデータの基礎知識をオンラインで学習可能とするe-learningのコンテンツ及び、NDBのダミーデータに対して検索・分析を試行可能なNDB解析ハンズオン環境を整備した。これにより、ユーザーは、e-learningコンテンツでレセプトデータの基礎を学習・理解し、NDB解析ハンズオン環境にて、分析を事前に試行することで、ユーザーの学習効率を向上させ、新規にNDB分析研究を行いたいユーザーが、実際に分析を開始するまでのリードタイムの縮減を可能とした。

「本当にテクノロジーの進歩が早く、一年で状況がまったく異なってしまう時代です。他の産業に比べて古くからシステムを活用してきた私たちも、世の中の変化に乗っていきたいので、早く小さく始められる提案をいただけるとありがたい。従来のシステム開発の手法では通用しない部分へのチャレンジに期待しています」（平林氏）

分析用データマート作成による分析作業の効率性/利便性の向上

NDBで分析作業を実施する上での非常に大きな障壁であったデータの再編成、変換作業のなかでも、特に大きな課題であった「ID問題」については、奈良県立医科大学より提供された名寄せアルゴリズムをNTTデータが実装した。これにより、次世代NDBでは、分析時におけるデータを追跡する際の障害が払拭され、患者単位での集計の精度向上を可能とした。

また、特によく利用されると見込まれる分析については、東京大学より提供された分析アルゴリズムをNTTデータが実装し、事前に分析用データマートを作成した。これにより、次世代NDBでは、各種研究にあたり、新規に分析用データマートを作成せずとも事前に作成した分析用データマートを用いて研究ができるようになり、分析作業の効率性や利便性向上を可能とした。