ヘルスデータサイエンスのためのデータアーキテクチャ入門【電子版】

医療・ヘルスケア分野でのDXのために．［内容］意義・目的／医学研究／統計・疫学／データマネジメント／症例報告書／医療データ標準／プライバシー／RDB／データウエアハウス・スタースキーマ／NoSQL DB／実装・管理／可視化／データレイク／仮想化・オーケストレーション／生成AI／Vector DB・RAG／ほか

まえがき
目次
1.は じ め に
　1.1 データアーキテクチャ編の意義・目的
　　1.1.1 ヘルスデータサイエンスとは
　　1.1.2 ヘルスデータサイエンスにおけるデータアーキテクチャの意義
　　1.1.3 ヘルスデータサイエンスにおける臨床研究情報学の役割
　　1.1.4 対象とする読者
　　1.1.5 本書の構成
　　コラム 1 fit for purpose data（目的適合性を備えたデータ）の考え方
　　コラム 2 臨床研究情報学コンセプトモデル
　　コラム 3 マルチモーダルレジストリとデジタルツイン
2.前提知識 1・ヘルスデータアナリシス基礎
　2.1 予測・知識更新システムとしてのヘルスデータサイエンス
　　2.1.1 ヘルスデータサイエンスの目標
　　2.1.2 予測における統計学の役割と不確実性
　　2.1.3 臨床予測モデル
　　2.1.4 臨床予測モデルの事例：糖尿病発生予測モデル
　　2.1.5 因果のはしご
　　2.1.6 データアーキテクチャおよびデータマネジメントの重要性
　2.2 医療データ分析の考え方（疫学・生物統計学）
　　2.2.1 効果の大きさを測る
　　2.2.2 研究デザイン
　　2.2.3 エンドポイントの型と統計解析手法
　　2.2.4 リアルワールドデータの利活用
3.前提知識 2・ヘルスデータマネジメント基礎
　3.1 医学研究のためのデータマネジメントの考え方
　　3.1.1 fit for purpose data を得るためのデータマネジメントの考え方
　　3.1.2 データマネジメントの視点から見た医学研究の分類
　　3.1.3 医学研究で対象となるデータ
　　3.1.4 臨床研究のデータマネジメント：探索的研究と検証的研究の比較から
　　3.1.5 医学研究における対象集団抽出の考え方：コホート同定
　　3.1.6 データ統合：共通データモデルの考え方
　　コラム 4 計算論的フェノタイプとは何か：データから「人の特徴」を捉え直す新しい概念
　　コラム 5 米国 CDC のデータモダナイゼーション・イニシアチブ（DMI）
　3.2 症例報告書（画面）設計
　　3.2.1 症例報告書（データ収集）設計の考え方の概要と規制要件
　　3.2.2 質の高い研究結果を導くために必要なデータの特定方法
　　3.2.3 症例報告書のデザインと運用に際しての考慮事項
　　3.2.4 症例報告書のテストとバリデーション・変更管理
　　3.2.5 症例報告書の役割の変化と DX
　　コラム 6 電子カルテから治験依頼者システムへの臨床データ提供事例
　3.3 医療データ標準
　　3.3.1 医療データを標準化する動機
　　3.3.2 標準交換規約と標準医療情報モデル
　　3.3.3 相互運用性を担保するための情報モデル
　　3.3.4 用語集
　　3.3.5 共通データモデル
　　コラム 7 OHDSI ATLAS の紹介
　3.4 データプライバシー（個人情報保護技術）
　　3.4.1 再識別のリスク
　　3.4.2 匿名加工情報
　　3.4.3 k-匿 名 化
　　3.4.4 匿名化データと統計情報
　　3.4.5 差分プライバシー
　　3.4.6 合成データ
　　3.4.7 秘 密 計 算
　　3.4.8 安全なデータの連結・利活用
　3.5 関連システム（データベース・レジストリ・関連システムの種類および課題）
　　3.5.1 ヘルスケアデータのバリューチェーン
　　3.5.2 関連システムとその種類
4.ヘルスデータアーキテクチャ基礎
　4.1 ヘルスデータアーキテクチャの考え方
　　4.1.1 fit for purpose data を実現するヘルスデータアーキテクチャ
　　4.1.2 fit for purpose data を実現するための体系的アーキテクチャ
　4.2 データ基礎
　　4.2.1 データの分類と意味
　　4.2.2 データと変数の基本概念
　　4.2.3 変数の種類
　　4.2.4 質的データと量的データ
　　4.2.5 データ形式（データ型）
　　4.2.6 データ構造：構造化・半構造化・非構造化
　　4.2.7 データの整形と前処理（データクリーニング）
　　4.2.8 医療におけるデータ意味論の基礎
　　4.2.9 ターミノロジーと意味論的相互運用性
　　4.2.10 データカタログ：データ資産を俯瞰する仕組み
　　4.2.11 データディクショナリ：項目レベルで意味を定義する
　　4.2.12 ターミノロジー，データカタログ，データディクショナリの関係性と実務的意義
　　4.2.13 データ活用を支える基礎概念
　　コラム 8 Markdown 記法
　4.3 リレーショナルデータベース
　　4.3.1 リレーショナルデータベースとは
　　4.3.2 概念モデル・論理モデル・物理モデルとは
　　4.3.3 正規化とは
　　4.3.4 EAV モデルとは
　　コラム 9 FHIR サーバ
　　コラム 10 EAV モデル事例：多施設臨床研究データ収集システム RED-Cap
　4.4 データウェアハウスとその周辺技術およびスタースキーマ
　　4.4.1 データウェアハウスの概要
　　4.4.2 データウェアハウスを中心としたデータアーキテクチャ
　　4.4.3 データの種類
　　4.4.4 データ品質の確保
　　4.4.5 スタースキーマ
　　コラム 11 データウェアハウス事例：米国 i2b2-SHRINE プロジェクト
　　コラム 12 J-CONNECT コンソーシアム：CyberOncology
　4.5 NoSQL データベース
　　4.5.1 NoSQL の概要
　　4.5.2 NoSQL データベースの種類
　　4.5.3 NoSQL データベースとリレーショナルデータベースとの設計コンセプトの違い
　　4.5.4 NoSQL データベースにおけるトランザクション処理
　　4.5.5 NoSQL を土台とした開発と運用
　4.6 データレイク
　　4.6.1 データレイクの定義
　　4.6.2 ヘルスケア分野におけるデータレイク活用のシナリオ
　　4.6.3 データアーキテクチャにおけるデータレイクの位置づけ
　　4.6.4 データの種類別の取り扱い
　　4.6.5 メタデータの管理
　　4.6.6 データレイクにおけるデータ品質の管理
　　4.6.7 データレイクの使い方に関する留意事項
　　コラム 13 データレイク事例：米国 CDC のデータモダナイゼーション・イニシアチブ（DMI）と PCORnet の取り組み
　4.7 データアーキテクチャの実装と管理
　　4.7.1 実装・管理の対象としてのデータアーキテクチャ
　　4.7.2 データにまつわるプロセスとシステムの青写真
　　4.7.3 データ管理基盤の選択・導入・運用管理
　　4.7.4 データアーキテクチャの維持
　　4.7.5 データアーキテクチャの重要性
　4.8 データ処理（登録・検索・更新・削除）手法
　　4.8.1 構造化データに対するデータ処理
　　4.8.2 半構造化データに対するデータ処理
　　4.8.3 非構造化データに対するデータ処理
　4.9 データの可視化
　　4.9.1 データの可視化の必要性
　　4.9.2 データの可視化の目的
　　4.9.3 データの表現方法とその差異
　　4.9.4 新しいデータの可視化の形態／AI を用いた画像解析
　　4.9.5 視覚表現のリスク
　　4.9.6 データの可視化に対するリテラシー
　　コラム 14 データの可視化の例
　　コラム 15 医療データ可視化における AI 活用と XAI の重要性
5.ヘルスデータアーキテクチャ発展
　5.1 生成 AI，検索拡張生成，そしてベクトル DB
　　5.1.1 生成 AI の概要
　　5.1.2 生成 AI のアーキテクチャおよびその中核部分に関する共通の設計図
　　5.1.3 大規模言語モデルを単体で業務に活用する際の問題点
　　5.1.4 検索拡張生成
　　5.1.5 ベクトル DB の技術
　　5.1.6 マルチモーダル生成 AI についての補足
　　5.1.7 生成 AI を利用する際の情報漏えいおよび著作権侵害リスク
　5.2 生成 AI による研究データ生成
　　5.2.1 社会的背景と課題
　　5.2.2 生成 AI による研究データ生成技術の概要と応用可能性
　　5.2.3 合成患者データの考え方と有用性
　　5.2.4 マイクロシミュレーションと合成データの統合的活用
　　5.2.5 今後の展望と倫理的・社会的含意
　5.3 AI による産業革命に向けて
　　5.3.1 今後の AI の進化の方向性
　　5.3.2 AI による未来を実現するために必要となる知識
　　5.3.3 AI ガバナンス
　　5.3.4 AI 時代における AI との付き合い方
　5.4 データメッシュとデータファブリック
　　5.4.1 データメッシュ
　　5.4.2 データファブリック
　5.5 データ仮想化とデータオーケストレーション
　　5.5.1 データ仮想化とは
　　5.5.2 データ仮想化が登場した背景
　　5.5.3 データ仮想化のアーキテクチャ
　　5.5.4 データ仮想化の強みと弱み
　　5.5.5 データ仮想化製品の分類
　　5.5.6 データ仮想化の適用シナリオ
　　5.5.7 データオーケストレーションとは
　　5.5.8 データオーケストレーションが登場した背景
　　5.5.9 データオーケストレーションの現在と将来
　　コラム 16 データオーケストレーション事例：PHR 相互運用モデルPHOENICS 開発プロジェクト
　　コラム 17 データスペースと EHDS
索 引