
第11回NDBオープンデータを、AIで前回と並べて見た
要点
厚生労働省から、第11回NDBオープンデータが公開されました。
NDB OpenData Hubにも新しい公開回を取り込み、第10回と第11回を同じ条件で比較できるようにしました。
今回は技術的な実装の情報ではなく、AIで前回との差分を見たときに何が見えたかを中心に書きます。
医学的な判断ではなく、公開統計を使って「どこを見るか」を絞るための見取り図として捉えています。
以前、NDBオープンデータを使ったAI活用の可能性について書きました。そのときは、ヘルスケアデータを扱う組織にとって、外部の公開統計をどう使える形にするか、また、SQLや集計処理に詳しくない人でも自然言語で問いかけられる環境をどう作るか、という話を中心にしました。
今回、その続きとして、第11回NDBオープンデータを取り込みました。今回改めて感じたのは、AIで公開統計を扱う価値は、単発の分析を作ることよりも、同じ構造に新しいデータを載せて、前回との差分を継続して見られることにある、という点です。私はこれを、公開統計とAIの使い方の実際の例として見ています。
厚生労働省の公開ページでは、第11回NDBオープンデータとして、医科、歯科、調剤、処方薬などに加え、特定健診の検査と質問票のデータも公開されています。私が運営しているNDB OpenData Hubでは、このうち特定健診の検査と質問票を中心に、これまで第10回データを扱ってきました。今回の更新では、新しく公開された第11回データをダウンロードし、既存のデータベース構造に追加しました。単に新しいデータを入れ替えるのではなく、第10回と第11回を同じ条件で並べて見られるようにしています。
公開しているサイトはこちらです。今回追加した比較の入口と、実装やデータ定義の一部を置いている公開リポジトリも、あわせて載せておきます。
公開サイト
https://ndbopendata-hub.com/
検出された主なインサイト(考察)
https://ndbopendata-hub.com/insights/release-10-11-comparison
技術情報ページ
https://github.com/rx-tomo/ndbopendata-hub
今回の記事では、技術的な話にはあまり踏み込みません。データのダウンロード、Excelの読み取り、データベース格納、公開回の切り替え、APIや画面への反映といった実装面は、後日別の記事で整理したいと思います。
ここで書きたいのは、データを入れたあとにAIを使って前回との差分を見たとき、どのような見方ができるのかです。今回、最初に意識したのは、変化の大きさだけを見ないことでした。第10回から第11回で割合が上がった項目は目に入りやすいです。しかし、その地域が第11回時点で全国と比べて高いのか、もともと高い水準が続いているのか、都道府県で見るのか二次医療圏で見るのかによって、読み方は変わります。
たとえば、比較ページでは、eGFR、HbA1c、血圧、LDL、BMI、腹囲などを中心に、第10回と第11回で目立つ変化を整理しています。腎機能に関わるeGFR、糖代謝に関わるHbA1c、血圧、脂質、肥満関連の指標は、地域差や年齢階級の違いが見えやすい項目です。
ただし、ここで示しているのは、疾患が増えた、原因が分かった、対策が決まった、という話ではありません。私は医学的な立場から診断や疫学的な結論を出しているわけではありません。公開統計を同じ条件で並べ、AIを使って変化の候補を広く拾い、そのうえで人が読むべき点を絞っています。あくまで、次に詳しく確認するための入口です。
この使い方は、以前の記事で書いた「非データ専門組織における活用」とつながっています。ヘルスケア領域のデータは、専門性も高く、扱いにも配慮が必要です。自社の健診データや健康経営のデータを扱う場合、個人情報や要配慮情報の制約があります。一方で、NDBオープンデータのような集計済みの公的統計を併せて見ることで、自社だけでは見えにくい比較の軸を持てる可能性があります。
そのとき、AIに期待したいのは、結論を一気に出すことではないと考えています。むしろ、膨大な表の中から、同じ条件で比較できる場所を探し、変化が大きいところ、変化は小さくても水準が高いところ、都道府県平均では見えにくい二次医療圏の差を見つけることです。人が最初からすべての表を読むのではなく、AIが見取り図を作り、人がその意味を確認する流れです。
今回、質問票データも取り込んでいますが、総括ではまず検査値中心にしました。質問票は設問と回答の対応、回答の意味、地域や年齢構成の違いを慎重に扱う必要があります。生活習慣の解釈へ急ぐより、まず検査値で見える変化を確認し、その後で質問票と組み合わせていくほうがよいと考えています。
NDB OpenData Hubは、まだ試験的な取り組みです。それでも、第10回だけを眺めていたときより、第11回を同じ構造に載せたことで、見えるものは明らかに増えました。新しいデータが出たときに、毎回ゼロから集計し直すのではなく、同じ構造に追加し、前回との差分を確認し、必要なところだけ深掘りできる。これは、AI時代のデータ活用においてかなり重要な形ではないかと感じています。
AIがデータを読めるようになること自体も大事です。しかし、それ以上に、前回と今回を同じ条件で並べられること、変化と継続を分けて見られること、そして医学的・事業的な判断へ進む前に、確認すべき場所を非エンジニア、非サイエンティストが、絞れることが重要だと考えています。
第11回NDBオープンデータの公開は、単にデータが新しくなったというだけではありませんでした。少なくとも私にとっては、公開統計をAIで扱うときに、単発の分析から、継続的な比較と観察へ進めるかどうかを確かめる機会になりました。