Copyright © 2016 Kuno Lab., University of Tsukuba. All Rights Reserved 筑波大学 久野研究室
健康分野におけるビッグデータ＋AI＋PHRによるユースケースからみた今後の展開
12016年 ３月３０日
久野譜也
筑波大学大学院 人間総合科学研究科
Copyright © 2016 Kuno Lab., University of Tsukuba. All Rights Reserved 筑波大学 久野研究室 医療経済 医療費・介護給付費上昇率２０％抑制 （医療費、介護給付費、要介護認定等）
健
幸
度
健幸度２５％アップ （体力、日常活動量、ﾍﾙｽﾘﾃﾗｼ、ｿｰｼｬﾙｷｬﾋﾟﾀﾙ、etc） 自然に体を動かす生活 健康寿命の延伸 ソーシャルキャピタルが 高い「まち」 元気で役割を持つ高齢者 医療費の適正化 自律 （autonomy） 便利 （convenience） 行き過ぎた省力化 生活習慣病の増加 医療費等社会保障費 の増大 今日の課題 次世代の「健幸」社会 まちの再構成 （過度な自動車依存から脱却） 歩きたくなる歩いてしまう 「まち」づくり 健康クラウド （従来の健康政策から脱却） エビデンスに基づく 客観的評価 「便利」さの追求から、「自律」への価値観の変換 条例化 （健幸都市への具体的な道標） 住民の歩く円滑な移動を確保 自治体独自の条例化、総合計画等 への位置づけ 自治体横断的な取り組みからモデ ル化、パターン化 健幸になるためには、健幸になる住民、健幸になるための政策を実 施する自治体、双方の価値観の改革「社会イノベーション」が必要 「社会イノベーション」を日本全国で展開するため、具体的な手法を地域特性に合わせて定型化した「社会技術」として確立 SWC総合特区参画 自治体（10自治体） 新潟県見附市・新潟市・三条市 福島県伊達市 栃木県大田原市 千葉県浦安市 岐阜県岐阜市 大阪府高石市 兵庫県豊岡市、岡山県岡山市 施策の妥当性を客観的に評価 、検証、予測 社会イノベーション （住民、自治体の価値観の改革） 社会技術の開発 健康ポイント （健康づくり無関心層の行動変容） インセンティブ付与による 大規模社会実証 健康づくり無関心層に有効的 な制度を設計解決すべき課題
無関心層も含めたポピュレーションアプローチの具体化
２６地域の先駆的な取組み
（総合特区で実現す るスマートウエルネスシティ 基本コンセプト） 2１-４．SWC総合特区・自治体共用型健幸クラウドの全体像
3 ※SWC特区とは スマートウエルネスシティの実現を目指して自ら実践することを是とする政策研究組織として、2010年11月に設立された自治体首長及び筑波大学等の有識者による「スマートウエルネスシティ首長研究会」(現在、全 国の45の首長が会員)に加盟している7自治体 (福島県伊達市、新潟県新潟市、新潟県三条市、新潟県見附市、岐阜県岐阜市、大阪府高石市、兵庫県豊岡市)等が共同申請し、2011年12月に地域活性化総合特区とし て認定された「健幸長寿社会を創造するスマートウエルネスシティ総合特区」事業 健幸クラウドは総務省「平成24年度 自治体共用型健康クラウド整備実証実験」により7市連携で 構築されたシステムで、自治体が保有する国保と社保の保有する健康・医療情報を連結不可能匿 名化後、統合・分析を行い、健康施策に活用している。Copyright © Tsukuba Wellness Research, Inc. All rights reserved.
SWC政策効果の検証（見附市）
健診による区分 ① 健康群 ② メタボ及び メタボ予備群 人 数 2009 年度 1,302 317 2013 年度 1,346 325 増減 数 +44 +8 3.4％ 2.5％ レセプトによる区分 ③ 生活習慣病群 ④ 生活習慣病 重症化群 小計 2,974 525 3,499 2979 497 3,476 +5 -28 -23 0.2％ -5.3％ -0.7％ 総 医 療 費 2009 年度 2.6 0.6 2013 年度 2.9 0.7 増減 額 ＋0.3 ＋0.1 11.5％ 16.7％ 12.1 3.5 15.6 11.3 2.7 14.0 -0.8 -0.8 －1.6 -6.6％ -22.9％ -10.3％ 一人当たり総医療費 ①～④群 ＋ 健診・レセ無※1 国保加入者 40-74歳 30.8万円 32.1万円 30.2万円 34.6万円 -0.6万円 +2.5万円 -1.9％ 7.8％ 国保加入者 平均年齢 高齢化率 7,758人 63.9歳 25.3% 7,577人 64.5歳 27.2% -181人 +0.6歳 ＋1.9% ※２ （人） （億円） ※1 健診・レセ無群は、健診未受診かつ医療レセプト無しの医療機関未受診者 ※2 総医療費は、生活習慣病以外の疾病を含む、医科、DPC、歯科、調剤を含む合計額。Copyright © Tsukuba Wellness Research, Inc. All rights reserved.
SWC政策効果の検証（岐阜市）
健診による区分 ① 健康群 ② メタボ及び メタボ予備群 人 数 2009 年度 9,476 2,141 2013 年度 10,750 2,412 増減 数 +1,274 +271 13.4％ 12.7％ レセプトによる区分 ③ 生活習慣病群 ④ 生活習慣病 重症化群 小計 25,350 13,828 39,178 22,879 11,474 34,353 -2,471 -2,354 -4,825 -9.7％ -17.0％ -12.3％ 総 医 療 費 2009 年度 16.9 4.8 2013 年度 21.5 5.8 増減 額 ＋4.6 ＋1.0 27.2％ 20.8％ 105.8 102.3 208.1 94.0 94.8 188.8 -11.8 -7.5 -19.3 -11.2％ -7.3％ -9.3％ 一人当たり総医療費 ①～④群 ＋ 健診・レセ無※1 国保加入者 40-74歳 37.8万円 37.7万円 36.8万円 37.9万円 -1.0万円 +0.2万円 -2.6％ 0.5％ 国保加入者 平均年齢 高齢化率 84,008人 62.2歳 21.3% 85,720人 61.4歳 25.0% +1,712人 -0.8歳 ＋1.9% ※２ （人） （億円） ※1 健診・レセ無群は、健診未受診かつ医療レセプト無しの医療機関未受診者 ※2 総医療費は、生活習慣病以外の疾病を含む、医科、DPC、歯科、調剤を含む合計額。Copyright © Tsukuba Wellness Research Inc. All Rights Reserved. 健康・医療情報の一次利用について、同意の有無、取得情報の種類別に課題を整理 ■表は、明示的同意は識別特定情報、黙示的同意は識別非特定情報の利用である。（識別特定情報：参考資料４） 凡例： ◎ 現行法で対応可能 〇 現行法で問題ないが運用上の課題があるもの △ 現行法で問題ないが技術的課題があるもの ▲ 現行法で想定されておらず課題が多い 同意有無 情報の種類 保有者 一次利用の可否と根拠 課題 明示的同意 健康情報 参加者 ◎ 利用規約に同意 • 問題なし 医療情報 （健診、医療レセ） 国保 ○ 利用規約に同意 国保法 • 自治体の個人情報保護条例に統一性がないため、自治 体間で解釈が異なるケースが見られる。 協定のある社保 ○ 利用規約に同意、 健保法 • データ一元化のガイドラインが未整備のため、合意に至 る労力が多大。 協定のない社保 △ 利用規約に同意 • 社保のデータを電子的に一括で取得できない。 黙示的同意 医療情報 （健診、医療レセ） 国保 ○ 国保法、高確法＊ ＳＷＣ特区で実施 • 自治体の個人情報保護条例に統一性がない。 協定のある社保 ○ 健保法、高確法 ＳＷＣ特区で実施 • 自治体が社保からデータを取得するためのガイドライン がない。 協定のない社保 △ 健保法、高確法 SWC特区での実績なし • 自治体が社保からデータを取得するためのガイドライン がない。 共通する課題 • オプトアウト規定が未整備 • 民間業者選定等のガイドラインが未整備
健康・医療情報の一次利用に関する課題の整理
＊ 高確法：高齢者の医療の確保に関する法律 総務省 地域ヘルスケア向上モデルの在り方に関する 調査報告書概要（つくばウエルネスリサーチ２０１４ 3月）Copyright © 2016 Kuno Lab., University of Tsukuba. All Rights Reserved 筑波大学 久野研究室 7 特区10市 国保対象者 合計 2009年 2010年 2011年 2012年 2013年 個人属性情報 369,638 366,114 373,222 368,666 366,538 1,844,178 特定健診 109,467 109,424 113,681 114,420 117,194 564,186 特定保健指導 2,050 1,594 1,587 2,260 2,149 9,640 医療保険レセプト 5,551,022 5,527,698 5,739,289 6,262,283 6,364,915 29,445,207 介護保険レセプト 71,323 75,020 91,351 105,128 171,920 514,742 介護認定 4,076 4,480 5,161 5,964 9,989 29,670 追加アンケート 0 0 0 0 4,272 4,272 個人属性情報( 41,396 41,359 41,016 41,213 41,170 206,154 介護保険レセプト 166,758 164,459 168,165 173,703 178,633 851,718 介護認定(その他） 6,522 6,603 6,847 7,142 7,326 34,440
健幸クラウドへの登録件数
※上記以外に後期高齢者データ 伊達市12671名・豊岡市14361名が登録されている（2015年4月現在） 特区７市 協会けんぽ 合計 2009年 2010年 2011年 2012年 2013年 個人属性情報 176,648 161,745 161,466 0 0 499,859 特定健診 35,010 41,404 44,655 0 0 121,069 特定保健指導 2,799 4,456 4,782 0 0 12,037 医療保険レセプト 1,467,338 1,609,735 1,512,156 0 0 4,589,229匿名化データの利用に関するSWC特区における運用の現状
保険者 国保 協会けんぽ 健保(企業健保) 単純匿名化の方法 連結不可能匿名化 連結不可能匿名化 連結不可能匿名化 k-匿名化の方法 - ｋ＝5 （４以下は削除） 全レコードに対して実施 ｋ＝9 （8以下は削除） 階層化されたレコードに対して実施 年齢マルメ処理 － 10歳刻み 10歳刻み k-匿名化の実施者 - 医療保険者 医療保険者 データ母数に対する k-匿名化後のデータ数 (個人属性情報の年平均数) 583,116 / 583,116 削除されたため不明 5,086 / 5,176 保険者 K-匿名化処理明細 影響度 協会けんぽ 特定健診の「BMI、腹囲、血圧収縮期1回目、血圧拡張期1回目、中性脂 肪、HDL、空腹時血糖」及び医療保険レセプトの「傷病名コード」等の全レ コードを対象として同じ数値を持つ者が5人未満であれば、その数値を持 つレコード識別情報のデータはすべて提供範囲外とするk-匿名化処理を 実施。 実測値に基づく全レコードに対して一律にk-匿名化処理を 行っているため、実測値がロングテール型の分布をする項 目については削除されるデータが多くなることが懸念され るが、削除されたデータが不明であるため影響度が分から ない。年齢を10歳刻みのマルメ処理を実施しているため、 国保データとの比較分析では、10歳刻みの粗い比較評価 しか行えない。 健保 (企業健保) 基本情報（資格情報）について個人の属性情報（下記情報）ごとに階層化 し、8人以下の階層については、該当する対象者の情報はレコードを削除 するk-匿名化処理を実施。 [住所 ： 居住地の市、性別 ： 性別、年代 ： 年度末年齢の10歳刻み] また、診療年月ごとに傷病コード(119分類)単位で階層化し、傷病数が8以 下の傷病名には、”9999”を一律設定するk-匿名化処理を実施。 協会けんぽのk-匿名化と比較すると、k値は9と大きいが、 階層化後のレコードに対してk-匿名化処理を行っているた め影響は少ない。また、年齢を10歳刻みのマルメ処理を実 施しているため、国保データとの比較分析では、10歳刻み の粗い比較評価しか行えない。 SWC特区において、社保からのデータ提供を受ける際に、下表に示すｋ-匿名化処理やマルメ処 理が区々に行われた。尚、k-匿名化の処理方法についても、「 k-匿名化の処理方法と影響度」に 示す通り、保険者ごとに異なる処理が採用されている。 【k-匿名化の処理方法と影響度】 総務省 地域ヘルスケア向上モデルの在り方に関する 調査報告書概要（つくばウエルネスリサーチ２０１４ 3月）9
２-２．健康・医療情報の各自治体条例の比較検討
自治体ごとに個人情報保護条例が異なっている。この各市の条例の相違点について、以下の ①から⑫の項目の明記の有無について確認した結果を下表に示す。 各市の個人情報保護条例では、取得の制限、目的の明示、利用及び提供の制限、罰則等の明 記等について、7市それぞれ異なるパターンとなっている。これにより各自治体の個人情報保護条 例審議会において判断が異なることが想定される。 項目 ①伊達市 ②新潟市 ③三条市 ④見附市 ⑤岐阜市 ⑥高石市 ⑦豊岡市 ①「実施機関の責務」の明記 有 有 有 有 有 有 無 ②「事業者の責務」の明記 有 有 有 有 無 有 無 ③「市民の責務」の明記 有 有 有 有 有 有 無 ④「取得の制限」の明記 有 有 有 有 有 有 無 ⑤「個人情報の保有の制限等」の明記 無 無 無 無 有 無 有 ⑥「利用目的の明示」の明記 有 無 無 有 無 無 有 ⑦「結合の制限/禁止/規則」の明記 有 有 有 有 有 有 無 ⑧「提供先/提供を受ける者に対する措置」の明記 有 有 有 無 有 無 有 ⑨「電子ファイル保有の届出/事前通知」の明記 無 無 無 無 有 無 有 ⑩「個人情報の提供先への通知」の明記 有 無 無 無 有 有 有 ⑪「個人情報の利用停止義務」の明記 有 有 無 有 有 有 有 ⑫「国/他制度との調整等」の明記 有 有 有 有 有 有 無「自治体連携型大規模健幸ポイントプロジェクト」記者会見 2014年10月2日
Copyright © 2016 Kuno Lab., University of Tsukuba. All Rights Reserved 筑波大学 久野研究室 SWC自治体 人口 H26年度 H27年度 累積人数 目標数 実績 目標数 実績 岡山市 71.0万人 2,000人 3,427人 1,000人 1,000人 4,427人 （岡山県） 浦安市 16.1万人 500人 539人 1,500人 1,582人 2,121人 （千葉県） 大田原市 7.8万人 500人 525人 500人 500人 1,025人 （栃木県） 伊達市 6.6万人 1,000人 993人 500人 508人 1,501人 （福島県） 高石市 6.0万人 1,000人 1,087人 1,000人 967人 2,054人 （大阪府） 見附市 4.2万人 1,000人 1,010人 500人 423人 1,433人 （新潟県） 川西市 15.6万人 － － 700人 700人 （1700人応募） 700人 （兵庫県） 阪南市 5.6万人 － － 700人 700人 700人 （大阪府） 指宿市 4.4万人 － － 250人 250人 250人 （鹿児島県） 白子町 1.2万人 － － 500人 636人 636人 （千葉県） 合計 138.5万人 6,000人 7,581人 7,150人 7,266人 14,847人
インセンティブ＋IoTデバイスによるPHRでこれまでにない参加者数を達成！
11平成26年度～28年度 健幸ポイント大規模実証実験におけるインセンティブ付与の詳細 歩数の増加 最大 9,600 ポイント/年 健診の受診 1,000 ポイント/年 体組成の改善 最大 4,000 ポイント/年 最大
24,000
ポイント/年 健診データの改善 最大 3,000 ポイント/年 運動プログラムへの参加 最大 5,400 ポイント/年 6ヶ月の継続 最大 1,000 ポイント/年Copyright © 2015 Kuno Lab., University of Tsukuba. All Rights Reserved
12
6,194 8,174 5,000 6,000 7,000 8,000 9,000 6市全体 (n=6,082) 約2,000歩/日の増加 ＊ 全体 分析対象者数 6,485人 運動無関心層 39.3% 運動不充分層 37.3% 運動充分層 23.5% 健幸ポイントプロジェクトの成果
インセンティブは無関心の壁を破る
76.6% ② 参加の決め手となった情報源は口コミ 分析対象者は、入会時に実施したプレアンケート調査票の回収者で、上記の質問に欠損データがない者とした。 41.4% 22.0% 19.1% 0% 20% 40% 60% 80% 100% 全体 … その他 市のホームページ テレビ報道 新聞記事 ポスター チラシ 市の広報誌 口コミ （*：ベースラインと5ヶ月の歩数の平 均値に有意な差があることを示 す［P<0.05］） （歩/日） ① 参加者の約７７％は無関心層と不充分層 ④ 活動量が８千歩/日を上回る ③参加者の総医療費・人はより高い傾向 ⇒健康度の低い住民が参加した可能性 139 317 274 196 326 373 0 50 100 150 200 250 300 350 400 40歳代 … 60歳代 70歳代 （千円） コントロール 群 ポイント 参加者 ** ** ** ▲5.7万 ▲0.9万 ▲9.9万 13Copyright © 2016 Kuno Lab., University of Tsukuba. All Rights Reserved 筑波大学 久野研究室 1-2. 健康づくり行動および健康状態の変化
自治体別にみた参加者の歩数ﾃﾞｰﾀｱｯﾌﾟﾛｰﾄﾞ率
14 94 80 98 83 99 91 91 76 90 71 87 97 85 0 20 40 60 80 100 参加時 1ヶ月 2ヶ月 3ヶ月 4ヶ月 5ヶ月 6ヶ月 7ヶ月 全参加者 大田原市 伊達市 見附市 浦安市 岡山市 高石市 歩 数 デ ー タ ア ッ プ ロ ー ド 率 （ ％ ） ※歩数データアップロード率：各月の平均歩数データが存在する者の割合 Confidential 歩数データのアップロード率は、2ヶ月目から徐々に低下し、7ヶ月目で80％となった。Copyright © 2016 Kuno Lab., University of Tsukuba. All Rights Reserved 筑波大学 久野研究室 1-2. 健康づくり行動および健康状態の変化
自治体別にみた参加者の体組成ﾃﾞｰﾀｱｯﾌﾟﾛｰﾄﾞ率
15 57 98 62 99 86 85 52 89 41 96 70 86 58 0 20 40 60 80 100 参加時 1ヶ月 2ヶ月 3ヶ月 4ヶ月 5ヶ月 6ヶ月 7ヶ月 全参加者 大田原市 伊達市 見附市 浦安市 岡山市 高石市 体 組 成 デ ー タ ア ッ プ ロ ー ド 率 （ ％ ） ※体組成データアップロード率：各月の体組成データが存在する者の割合 Confidential 体組成データのアップロード率は、2ヶ月目に62％まで低下し、この割合が７ヶ月目まで維持された。１-２．健康
ポイント事業の全体概要
(1)
16 ポイントシステム 健幸クラウド 介護情報 国保（データ管理者） 健康ポイント事業一次利用(黙示的同意) 分析用データ レセプト情報 特定健診情報 レセプト情報 特定健診情報 特定健診情報 特定健診情報 自治体（データ利用者） 健康ポイント事業二次利用 匿 名 化 匿 名 化 ポイント用データ 健康情報 （歩数・体組成等） 統計情報 事業効果 分析 国保（データ管理者） 健康サービス事業者 健康サービス事業者 改良・品質向上 匿 名 化 データ利用の目的 ・健康機器の改良 ・健康サービスの改善 付与エンジン （ポイント換算） サービスの 利用実績 住民 健康ポイント 参加者 国保 加入者 社保 加入者 健康ポイント 非参加者 国保 加入者 社保 加入者 ポイント(インセンティブ) ※黙示同意では参 加者データも含む 【委託】 【委託】 【委託】 【自治体指定事業者】 （フィットネスクラブ、健康プロバ イダー、健康機器メーカー等） 健康施策の効果向上 健康ポイント事業参加者は明示的同意に基づき歩数や体組成データを健康情報として提供する。保険者が保有している健診データなどを利用してポ イント付与をインセンティブとして受ける。 健康ポイント事業に参加しない住民のデータは黙示的同意に基づいて収集され、匿名化された情報は統計解析に比較対象群データとして利用され る。 凡 例 明 示 的 同 意 ⑧黙示と明示的同意のデータ間比較 ⑨分析結果の利活用 ① 本 人 同 意 の 取 得 健康ポイント事業 施策評価・計画 健康ポイント事業一次利用(明示的同意) ポイント付与(健康施策) 自治体（データ利用者・データ管理者） ②委託業者とのデータ授受 ⑦自治体間の比較 ②委託業者とのデータ授受 社保（データ管理者） 【利用協定】 黙 示 的 同 意 社保（データ管理者） 自 治 体 と 保 険 者 間 の 利 用 協 定 【利用協定】 ③保険者との協定 ⑥ 保 険 者 間 の 黙 示 的 同 意 デ ー タ の 結 合 ⑥ 保 険 者 間 の 黙 示 的 同 意 デ ー タ の 結 合 ③保険者との協定 自 治 体 と 保 険 者 間 の 利 用 協 定 ④ 医 療 ・ 健 康 情 報 の 結 合 健康情報17
２-３．健康ポイント事業一次利用における匿名化処理方法の整理
健康ポイント事業一次利用において、自治体（健康ポイント事業の実施主体）が、住民（健康ポ イント事業参加者）より明示的同意にて取得した健康・医療情報と黙示的同意にて取得した比較 データとしての健康・医療情報を取扱う。その際の匿名化処理方法について情報取扱フェーズ別 に整理した結果を下表に示す。 【※１：k-匿名化の問題点】 同じ属性を持つレコードが、少なくともk個存在するように属性の一般化やレコードの削除を行うことで匿名性を保とうとするもので、傷病名等の属性に対してk-匿名化を行うことでk個未満のレコードが削除されるため分析対象のレコード数が少なくなり、実際の母数との間に差異が生じることで正確な分析結果が得られ なくなる。また、削除されたデータ数も分からないためその影響度を確認することもできない。(SWC特区での具体的事例は参考資料1参照。) 【※２：マルメ処理の問題点】 レコード内のデータを一定の範囲の数値に置き換える処理を行うもので、年齢等を一定の刻み値に置き換えることで匿名性を保とうとするものである。保険者や 自治体ごとにマルメ処理が区々に行われると、データを統合をした場合に分析結果の精度が最も粗いデータに依存するという問題がある。(SWC特区での具体 的事例は参考資料1参照。) 匿名化処理の種別 （レベル） 情報取扱フェーズ (P8の情報取扱フェーズに対応) 匿名化 処理方法 健康ポイント事業における扱い （個人情報に該当する可能性） 左記の問題点 識別特定情報 ①本人同意の取得フェーズ • 匿名化処理なし 健康ポイント付与のために利 用される情報。個人情報に該 当する。 個人情報に関する法令や自治 体ごとに、区々に存在する個人 情報に従う必要がある。 識別非特定情報 ⑥保険者間の黙示的同意デー タの結合フェーズ • 個人情報の削除 • 連結不可能匿名化 • K-匿名化※1 • マルメ処理※2 健康ポイント事業一次利用の 範囲で、黙示的同意により取 得された情報を、統計分析する 元データの匿名化処理レベル。 再特定化のリスクはあるが個 人情報には該当しない。 連結不可能匿名化処理を行っ ているが、再特定化を禁止する などの措置が必要。また、保険 者によっては、匿名化処理とし て、k-匿名化やマルメ処理を行 う場合があり、分析結果の精度 低下などの問題がある。 非識別非特定情報 ⑦自治体間の比較フェーズ ⑧黙示と明示的同意のデータ間 比較フェーズ • 統計処理 識別非特定情報に対して、統 計分析処理を行った情報で、 個人情報には該当しない。 統計分析結果なので、一人ひ とりが識別されない、かつ個人 が特定されない状態の情報で あるため、オプトアウトの対象 外とするガイドライン等が必要。18 (6) 黙示的同意の医療情報を加えた分析データの健康ポイント事業二次利用に対する見解 • 黙示的同意の医療情報については、可 能との見解は少なく、可能とする担当 者の中でも慎重に扱うべきとする傾向 が強い。 • 本人同意を取得した健康情報及び医 療情報の健康ポイント事業二次利用と 比較して、不可能とする意見がさらに 17.8％増加し、28.9％となり、不明とす る意見とあわせると73.3％が否定的な 見解を示している。 • 可能とする意見では、「匿名化」を根拠 とした意見となっている。 • 否定的な意見の多くが、「明示的同意 が必要」との見解である。
■ アンケート調査結果（自治体職員へのアンケート）
３-４.健康・医療情報の健康ポイント事業二次利用に関するアンケート調査結果
不可能とする担当者は13人(28.9%)、12人(26.7%)の担当者が可能であると答えている。また、判 断できないとする担当者も20人(44.4%)いた。 【設問3-1】 設問1、2の参加者の健康医療情報の比較(対照群)データとして、黙示的同意の医療情報(対照群)を加え た分析データの二次利用することについての見解を教えてください。(該当する数字一つのみを選び記入 してください。) 可能 不可能 不明 ①二次利用 は問題ない ②条件付き で可能 ③利用すべ きと考える が現状では 困難 ④使用すべ きとは思わ ない ⑤現状の知 識・情報で は判断でき ない ①全体45人 1人 2人 9人 13人 20人 2.2% 4.4% 20.0% 28.9% 44.4% 12人 13人 20人 26.7% 28.9% 44.4% ②健康施策推進担当 31人 1人 0人 8人 9人 13人 3.2% 0% 25.8% 29.0% 41.9% ③国保データ管理担当 14人 0人 2人 1人 4人 7人 0% 14.3% 7.1% 28.6% 50.0%■表は、明示的同意、黙示的同意共に非識別非特定情報を利用した場合である。（識別特定情報：参考資料４） 凡例： ◎ 現行法で対応可能 〇 現行法で問題ないが運用上あるいは技術的に課題があるもの △ 現行法で想定されておらず課題が多い 同意有無 情報の種類 保有者 健康ポイント事業二次利用 （分析結果）の可否と根拠 課題 （現行法で対応可能にならない理由） 明示的同意 健康情報 参加者 ◎ 利用規約に同意 問題なし 医療情報 （健診、医療レセ） 国保 ○ 利用規約に同意 • 匿名化データの健康ポイント事業二次利用に関する考え方が区々であり、利用規約の調整や運用の調整に時 間を要する。 • 健康ポイント事業二次利用の可否を客観的に審査でき る制度がない。 • 情報提供先事業者の選定基準が存在しない。 協定のある社保 ○ 利用規約に同意 協定のない社保 ○ 利用規約に同意 • 個人から情報提供される場合、事業の運営に手間がか かる。（社保の参加に向けた理解促進が必要。） 黙示的同意 医療情報 （健診、医療レセ） 国保 ○ SWC特区での実績なし • 二次利用可能な匿名化処理のあり方に関する基準がな い。 • 匿名化処理方法が保険者等によって区々であり、統合 したデータの精度が落ちる。 協定のある社保 △ SWC特区での実績なし 協定のない社保 － SWC特区での実績なし • （データ提供は想定されない。） 共通する課題 • オプトアウト規定が未整備 • 民間業者選定等のガイドラインや健康ポイント事業二次 利用の可否を客観的に審査可能な制度がない。
３-１.健康・医療情報の健康ポイント事業二次利用に関する課題の整理
19 匿名化された健康・医療情報の健康ポイント事業二次利用について、同意の有無、取得情報 の種類別に課題を整理した。Copyright © 2016 Kuno Lab., University of Tsukuba. All Rights Reserved 筑波大学 久野研究室
28年度以降のユースケース① IoTデバイスを活用する健康ポイント事業の拡大と継続
新規サービス ① A社 （福利厚生型） 新規サービス ② B社 （健康生活支援型） 新規サービス ③ C社 （全国及び情報インフラ型） ・ ・ ・ ＜ H26～H28の3年間の実証事業 ＞ ＜ H29：実証事業から生まれる新規サービス ＞ 公費中心の実証事業 検証用の単一サービス 様々な検証要素を盛り込んだ内容 「SWC健幸ポイント」実証事業が”マーザープロジェクト”となり、これまで市場になかった「市民向け健康ポイント サービス」を複数タイプ創発。SWC実証事業の成果・経験をDNAとして引き継いだ有効なサービスがマーケットに提 供されることで、6市を含む多数の自治体、そして健保が多様な選択肢の中から、事業の方向性に合致するサービス を選択。 多様なサービスモデル へと進化 • インセンティブロジックに 関するルール・ノウハウの 発展的継承（※1） • 実証フィールド自治体から の有効なニーズの反映（※1） • 実証フィールド参加者のス ムーズな移行 民間主導のビジネス（⇒各事業者が事業として推進） ニーズに応じた多様なタイプのサービス（⇒各市が選択） 実証成果・経験を経て厳選された内容（⇒健康ポイントの有効性を担保） 健康増進サービス機能 PHRプラットフォーム機能 ポイント付与・交換機能 インセンティブ機能 ※健康商材・サービスの販促モデル ※福利厚生型のポイント交換差益モデル ※ヘルスケア基軸の集客・送客インフラモデル ※1：共通要素もあるが、各新規サービスの特長に 応じた要素やレベル感の差異は想定される。 数 百 規 模 の 自 治 体( 6 市 含 む) が 参 加 し 、 32 年 度 に は １ ０ ０ 万 人 以 上 の サ ー ビ ス 利 用 を 目 指 す 。 ３年間の実証事業において、以下の有効性を検証できたことで、国・自治体・民間 企業が、健康ポイント事業に取り組む流れを生み出し（行政における健康づくりなど 予防フェーズの事業に対する予算確保等）、実証の成果・ノウハウを新しいサービス の中に埋め込みながら、多様な担い手に発展的に継承していく。 ①：インセンティブによる行動変容（参加、継続） ②：将来的な医療費抑制 ③：健診受診率向上 など 医療費抑制機能 20Copyright © 2016 Kuno Lab., University of Tsukuba. All Rights Reserved 筑波大学 久野研究室
28年度以降のユースケース② PHR予防プログラム付き新保険の開発
【概要】 従来型の性・年齢による保険料ではなく、「健康年齢」に応じた保険料で保障を提供する商品の開発を検討 「健康管理データ」をもとに、保険料の割引体系やその手法等の認可取得に向けた具体化を行う ☞ TWRに14000人のe-wellnessによるIoTデータ（介入も含む）と健幸クラウドにおける健診やレセプトデータとの 突合できるため現時点での検討が可能となった。 【施策イメージ】 良好な健康状態を維持もしくは健康状態を改善している方を対象に、保険料の割引やキャッシュバック等により還元 ☞ IoTデバイスから日々の努力や成果をモニターできることも検討が可能となった大きな要因 【活用データ】 健幸クラウド上の、レセプト、健診結果、および継続的な運動習慣、体組成等のデータ、疾病管理プログラム参加者 データ、管理プログラム参加者データ ☞ これはデータ2次利用のユースケース。本人同意の取れる介入データの2次利用は比較的容易であるが、黙示的同 意に分類されるコントロールデータの2次利用に関してはハードルは高いのが現状 検討チーム：筑波大学、アクサ生命、第一生命、みずほ銀行、みずほ情報総研、つくばウエルネスリサーチなど 国民平均の死亡率・罹患率 ⇒加齢により上昇 （従来の保険商品で使用） 実年齢 健康改善 「健康年齢」が高い 「健康年齢」が低い 21Copyright © 2016 Kuno Lab., University of Tsukuba. All Rights Reserved 筑波大学 久野研究室
データヘルス及びPHR推進の課題
地域に健幸クラウドを提供し、健康ポイント推進の経験から、 １） 保険者職員がデータに基づいて事業の評価、立案する能力が低いのが現状 ２） そのため無関心層をターゲットにし、PHRを活用した大規模な健康サービス の 企画がなされない 解決策は、 上記2つの推進策を構築できたので、データヘルスを推進できる人材の早期育成、 と考えてきた しかし、 現実的には、多数の保険者が財政難から職員数を相当減少させてきたため、 時間、労力に余裕もなく、新しいことにチャレンジする熱意は低いのが実情 このままでは、 データヘルスによる政策効果は小さく、PHRサービスも拡大せず、健康長寿や医 療費抑制は、机上の空論に終わる可能性が高い 結論。 課題を解決できるエビデンスに基づく政策力の強化と成果の出る大規模PHRを 推進できる仕組み化が必要 22Copyright © 2016 Kuno Lab., University of Tsukuba. All Rights Reserved 筑波大学 久野研究室 XXXX データと人工知能 で最適施策の選定 XXXX健康づくり
28年度以降のユースケース③
大規模データ＋AI＋IoTデバイスによるPHRシステムの開発
課題抽出 施策・EBHの示唆 現状把握 原因特定の示唆 基礎データ収集 データ分析・施策立案・個別のEBH同定 EBH-PHRの実施 都市部と地方部を 含む10自治体の 健診・レセプトデータ （対象者数：約50万人） 事例・エビデンス データベース 健幸クラウド EBH-PHRによる 健康サービスの実施 人工知能を備えた 事例検索システム 膨大なデータから 課題と原因を特定する 最新のICT技術 全国自治体の 健康施策及び成果 人口1万人以上の自治体 （100自治体） 対象の横断調査 機械学習による 継続的な精度向上 AIとIoTデバイスの組み合わせにより、保険者が特異な能力を持たなくても政策効果の高いポ ピュレーションアプローチの具体化を可能とし、それらのデータと紐づいたエビデンスに基づ くPHRサービスが展開可能となる 実証成果 効果の出る先進事例の浸透 により医療費抑制に貢献 例）５万円/人/年 ⇒1万人あたり５億円/年 の医療費抑制 PDCAサイクル の実装 調査票 自治体 企画担当 ?? !! データを見る ポイントが 分からない 人工知能から 対策案が 提示される 23Copyright © 2016 Kuno Lab., University of Tsukuba. All Rights Reserved 筑波大学 久野研究室 24 徒歩 (n=15) 自転車 (n=14) 車・バイク (n=24) 有意差 生 活 習 慣 病 糖尿病
20.0
20.0
16.7
NS 高血圧症60.0
53.3
62.5
NS 高脂血症38.5
20.0
22.7
NS 運 動 器 疾 患 ロコモティブシンドローム80.0
57.1
29.2
P=0.052 腰痛症26.7
26.7
16.7
NS 骨粗鬆症26.7
6.7
0.0
P<0.05 サルコペニア肥満20.0
6.7
9.1
NS 低体力46.7
21.4
12.5
P<0.05 精神健康度が低い15.4
7.1
25.0
NS 健診受診率33.3
46.7
30.4
NS ◆ロコモティブシンドローム：転倒経験がある、重い荷物を持ち上げられない、階段のぼりに手すりが必要などの運動器の衰え（7項目）が 1つ以上当てはまる場合。 ◆サルコペ二ア肥満：筋肉率が男性27.3%、女性22.0%未満かつBMIが25以上である場合。◆低体力：移動能力、筋力、バランス能力の総合得点（Motor Fitness Scale：14点満点）が10点以下である場合。 ◆精神健康度が低い：WHO5尺度（5項目）により0～25点で評価。13点未満であると「低い」と判定。
（χ2検定） （単位%）
Copyright © 2016 Kuno Lab., University of Tsukuba. All Rights Reserved 筑波大学 久野研究室 伊達 さん ? ■ X
政策立案支援エンジン 利用イメージ（現状案）
25 伊達 さん ? ■ X 質問 高齢者の生活習慣病医療費の抑制に役立つ施策のうち、当市が注力している一次予防に該当す るものは何か？ 質問する 健幸政策 オプションリスト 政策オプション名 適合度 ジェネリック切替通知 70% 街中にぎわいマルシェ支援 50% 公共交通機関高齢者優遇策 40% 健幸政策 ケース・エビデンス 「ｘｘｘｘｘｘ」 関連度■■□ 出典：ｘｘｘｘｘｘ Ｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘ ｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘ ｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘ ｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘ。 「ｘｘｘｘｘｘ」 関連度■□□ 出典：ｘｘｘｘｘｘ Ｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘ ｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘ。 ! 注意事項 ﾚ 推奨 詳細情報をみる 詳細情報をみる 詳細情報をみる 課題質問 適合度の高い 政策事例を抽出 事例に関する エビデンス、 及び適用時の 注意事項を提示Copyright © 2016 Kuno Lab., University of Tsukuba. All Rights Reserved 筑波大学 久野研究室
シナリオ①：事業進捗確認シーンでの活用（Plan）
高齢者の生活習慣病医療費の 抑制に役立つ施策のうち、当 市が注力している一次予防に 該当するものは何か ？ この施策の エビデンスは？ 健康部局 担当者 健幸施策 オプションリスト 利用者 健康部局 課長クラス 目的 健康づくり計画等を踏まえた医療費抑制目標値を達成できる施策の検討 利用時期 次年度予算編成時期 政策立案支援 エンジン 該当している健康増進事業の 利用者数増加策を表示 緑：同規模自治体で成果あり 黄：異なる規模で成果あり 赤：同規模自治体で成果なし ガイドライン データヘルス計画策定の手引き（厚労省） 医療費適正化に関する施策についての基本的な方針（厚労省） etc. 用いるデータ（例） エビデンス 自治体健康施策関連の学術論文 健康・体力づくりと運動に関するデータベース（健康体力づくり財団） etc. 事例 地方自治体の取組事例 健康日本21（第二次）（厚労省） 標準的な健診・保健指導プログラム 新事例集（厚労省） etc. 検討リストに登録 （ブックマーク） • 施策実施内容と成果が記 載されている文書を表示 • 関連するキーワードを 赤字等でハイライト 26 よし！ これを候補に いれようCopyright © 2016 Kuno Lab., University of Tsukuba. All Rights Reserved 筑波大学 久野研究室
