職場の医療データ サイエンティストやアナリストが潜在意識で思い描いているのは、きちんと整理されたスプレッドシート、アルゴリズム、データを処理するプログラミング言語、カラフルなグラフやチャートを大量に作成する視覚化ツールなどです。しかし、これは現実とはかけ離れています。
実際には、データサイエンティストは日々、非構造化データという一つの要素と格闘しています。ビッグデータブームは医療業界に大きな影響を与えています。臨床機器、ウェアラブルデバイス、電子カルテ（EHR）などの技術進歩により、膨大な量のデータが生成されていることが明らかになっています。
実際、統計によると、医療業界は生成されるデータ全体の約30%を占めています。さらに、平均すると、1つの病院が毎年50ペタバイト以上のデータを生成しています。しかし、問題は、生成されるデータの80%以上が非構造化データであるということです。
それは何であり、データに基づく意思決定、画期的な革命、ヘルスケアの研究開発とイノベーションにどのような影響を与えるのでしょうか? この記事ではその答えを探ります。
構造化データと非構造化データ: 同じカプセルの2つの半分
生成されるすべてのデータは、2 つのカテゴリのいずれかに分類されます。では、この 2 つの意味を理解しましょう。
ヘルスケアにおける構造化データ
わかりやすく、きちんと整理され、簡単にアクセスでき、標準化された形式のデータは、すべて構造化データです。構造化データの主な特徴は次のとおりです。
- ユニバーサルまたは統一されたフォーマット 名前、日付、医療コードなどを適切に付与
- 相互運用性（インターオペラビリティ）標準化により、医療関係者が各自の要件に合わせてこのデータを利用できるようになります。
- 検索可能性と処理可能性 臨床上の意思決定、参照、報告などを促進する
構造化データの例
| 臨床および医療コード | ICDおよびCPTコード、検査結果レポート |
| 人口統計情報 | 患者名、年齢、生年月日、性別、地域など |
| 身体測定とバイタルサイン | 身長、体重、心拍数、体温など |
| 薬 | 処方薬、投薬量、投与スケジュール、アレルギーなど |
医療における非構造化データ
標準化された形式で入手できない、アクセス可能な場所にない、または処理できないタイプのデータは、非構造化データのカテゴリに分類されます。残念ながら、医療分野では、生成される非構造化データの量が、その量を上回ることになります。
構造化データが症状を明らかにするのに対し、非構造化データは根本的な理由やその他のニュアンスを明らかにします。非構造化データを最もよく理解するには、実際の例を見る必要があります。
非構造化データの例
| 医療ノート | 医療専門家が記録した処方箋などのオフライン医療メモ。 |
| 医療画像データ | MRI、CT、超音波スキャナなどの臨床機器によって生成された画像 |
| 視聴覚データ | 患者の診察、面接、または外科手術の一部である音声、ビデオ、またはトランスクリプトデータ |
| 患者生成データ | ウェアラブルデータセット、口頭で伝えられた情報、および類似のものから入手可能 |
| ソーシャルメディアとコミュニケーションデータ | など 患者フィードバック分析 患者が相談のためにアップロードしたり、医療専門家がアップロードしたり、電子メールのやり取りや送受信したメッセージなど |
| 遺伝データ | 遺伝性疾患を検出できる個人のDNAレポートと分析に関する洞察 |
[また読む： AI 医療記録の要約: 定義、課題、ベスト プラクティス]
アクションから洞察へ: 非構造化データを変換して活用し、臨床意思決定を支援する方法
多種多様な非構造化データのソースとして機能するテクノロジー自体が、それを解読するためのソリューションと手法も提供します。人工知能 (AI)、機械学習 (ML)、分析などの新しいテクノロジーを活用することで、このデータ タイプを整理できるだけでなく、その意味を理解して実用的な洞察を得ることもできます。
これがどのように可能になるかを見てみましょう。
ヘルスケアにおける自然言語処理 (NLP) の活用
簡単に言えば、NLP は医師の手書き文字を読んで理解できるだけでなく、それを処理して、気づかれていない側面も発見できます。さらに、何時間ものビデオやオーディオ コンテンツを解析し、必要に応じてデータを整理して、一般の人が作業できるようにすることもできます。
医療における予測分析
- 指標となる結果のデータを理解する
- 指標となる結果からデータを理解し、解決策を提案する
- 将来起こりうる出来事や結果を理解して解決策を提案し、予測する
これら3つは、それぞれ記述的分析、処方的分析、予測的分析を構成する。
[関連記事：ヘルスケアAIにおけるデータアノテーションとは？定義、手法、ユースケース]
医療分野において、予測分析は、起こりうる将来の結果を的確に予測できるため、人々の生活を大きく変える可能性を秘めています。機械学習の医療分野への応用により、こうした概念が現実のものとなりました。予測分析を用いることで、医療画像データから、生活習慣、年齢、人口統計学的要因などを考慮した上で、良性腫瘍が悪性腫瘍に変化する可能性を正確に予測することが可能になります。
同様に、ゲノムデータを正確に分析することで、予測分析は、個人が糖尿病、心臓病、またはアルツハイマー病を発症する可能性があるかどうかを示すのに役立ちます。これは生死を分ける分析であり、医療専門家は薬を勧めたり、意識を高めたり、リスクを防ぐためにライフスタイルの変更を提案したりできます。
非構造化データを収集・整理し、文脈を与えることで、病気の診断と治療において無数の道が開かれます。適切な技術を適切に活用すれば、データの処理もスムーズに行えます。
ただし、これらの手順を省略し、ヘルスケア アルゴリズムとソリューションをトレーニングするための処理可能なデータが必要な場合は、当社にお問い合わせください。当社は、ヘルスケア特有のあらゆるニーズに合わせて、倫理的に調達されたカスタマイズされたヘルスケア データを提供します。今すぐお問い合わせください。
