メインコンテンツへスキップ
見出し画像

ヘルスケアデータの「非データ専門組織」における活用の可能性


    近年、AIによる医療・ヘルスケア領域での AI×データ活用 が世界的に加速しています。
    特に米国では、Google や OpenAI をはじめとする基盤モデル開発企業が、
    医療文書解析・診断補助・研究支援などの分野でAIソリューションを提供し始め、AIが「専門家の支援者」として現場に組み込まれる時代が到来しています。

    こうした大きな流れがある中で、当社でもさまざまな形でAI活用の検討を進めています。
    その一環として取り組んできたのが、自然言語によるデータ分析 の可能性を探ることです。

    AI×データの新しい関係

    ndbopendata-hub.com

    このサイトは、当社で進めているAI活用研究の中で得られた成果の一部を公開しているものです。

    当社がサービスを提供している業務領域では、
    「ヘルスケアデータの分析方法が分からない」「分析に手間がかかる」
    といった課題を多く伺います。
    これは専門知識や技術的難易度だけでなく、日常業務における作業工数の負担にも起因しています。
    さらに、技術的な課題を克服したお客様からは、次のような声も寄せられます。

    「自社の分析に客観性を持たせるため、外部データを組み合わせたい」

    企業で管理されている健診をはじめとするヘルスケアデータは、従業員一人ひとりの要配慮個人情報でもあります。
    そのため、比較分析や外部データとの突合を行う際には、一定の制約や配慮が必要となり、多くのお客様にとって共通の課題となっているように思います。

    こうした課題の解決策を検討するため、CoEの中でのプロジェクトとして公的データ基盤である NDBオープンデータ(厚生労働省公開) を活用し、
    AIによる分析支援の技術検証を行いました。
    その成果の一部が、ndbopendata-hub.com としてしています。

    本プロジェクトでは、まず、NDBオープンデータのうち特定健診に関する公開集計データを正規化し、自前のPostgreSQLデータベースに整理しました。
    そのうえで、次の段階として、自然言語でデータベースに問い合わせができるインターフェースの実装を試作しています。

    三つの接続チャネル構成

    現在は、次の三つの接続チャネルで運用と検証を行っています。

    1. まず、最も安定しているのが ChatGPT Actions(OpenAPI) 方式ですhttps://ndbopendata-hub.com/mcp/openapi を登録して利用でき、検証した時点での安定度ではこの方式を推奨しています。共有GPT「NDB OpenData Hub GPT」から即時に有効化することも可能です。

    2. 次に、ChatGPT Connect(MCP) を利用する方法です。
      https://ndbopendata-hub.com/api/mcp を Remote MCP として登録して利用します。
      こちらは2025年10月時点でOpenAIがベータ提供中の機能で、
      個人プランではDeveloper Modeの有効化が必要です。組織利用では管理者権限の承認が求められ、接続が安定しない場合はActions経由の接続が選択肢になります。

    3. 最後に、Claude Desktop(MCPネイティブ) での接続があります。
      Claude Desktop はデスクトップアプリケーションとして動作し、
      標準入出力(stdin / stdout)によるローカル通信のみをサポートしています。そのため、外部サーバーとの通信を行う際には、PC上にゲートウェイとなる mcp-bridge または mcp-server バイナリを配置し、Claude からのリクエストを中継する構成を取っています。設定例はなど説明はサイト内に記載しています。

    これらの構成により、ユーザーはSQLを記述せずとも
    「糖尿病の年齢別受診件数を見せて」と自然言語で問いかけるだけで、
    AIがクエリを生成し、Postgresから該当データを抽出して返す――
    そんな環境が実現しつつあります。

    実装と検証から見えた示唆

    上記の接続とは別に初期検証では、ローカル環境でAIがPostgresを直接操作する構成を試しました。
    私が検証した範囲では、この方式が最も安定しており、なおかつ大規模なデータをAIが内部的に探索できるため、より深い統計的傾向や相関を把握するうえで有効でした。
    健康・医療系データの集計やトレンド分析でも、良好な結果を得ることができました。

    一方で、公開しているMCPやAPI経由の構成では通信やセキュリティの制約が残り、一部の操作に制限が多く、深い分析結果をスムーズにやり取りするためには、まだ改善の余地が多い と感じています。
    しかし、MCP仕様の成熟やクラウド実装の進化により、近い将来こうした制約が緩和されると見ています。
    その延長線上に、当社がお客様へ提供できる新しい機能の可能性があると考えています。

    今後の展望

    AIがデータベースを「読む」だけでなく「理解して活用する」ための基盤づくりは、すでに実験段階を越え、さまざまな業務支援の現実解へと近づいているように考えています。
    当社においては今後は次の3点への注力を考えています。

    • データベーススキーマのさらなる拡張と整備

    • 安全なクラウドMCP環境での運用検証

    • 健康経営・人的資本など、ヘルスケアデータを軸とした業務応用


    おわりに

    これらのAI活用の検証では、AIと人が共にデータを扱うための“橋渡し”の実験だと考えています。
    AIが人の代わりに答えを出すのではなく、人が持つ問いをより深く、構造的に探るための道具となる――
    そんな未来の一端を、この小さな試みから確かめていきたいと思います。

     
     

    tom

     
     
    ウェルネス・コミュニケーションズのCoEに所属しているtomです。 ヘルスケア業界に身を置きながら、生成AIを中心とする技術や開発に関わることを執筆していきます。 当社の業界や記事に関連する業務に興味ある方は、ぜひお問い合わせください。

    あなたへのおすすめ