
コロナ禍で加速する
医療・ヘルスケアのデータビジネス
新テクノロジーと新ビジネスモデルを
一挙に俯瞰する
ついに日本のヘルスケア領域のデータ駆動は社会実装段階に入った。
コロナ禍により医療機関への医療従事者以外の立ち入りが困難となったことで、服薬データ、安全性データなどのデータビジネスは大幅に加速した。
本刊は、医療とヘルスケア領域のデータ駆動型社会を作るテクノロジーにフォーカスを当てた。電子カルテデータの集積から臨床検査や治験をデジタル化する取り組み。
モバイルアプリを使った個人の健康・体重体調管理。そしてアプリを使って集めたデータを利用して新たなビジネスを展開する事例を具体的に紹介していく。
「Data is new oil-データは新しい戦略物質である」を実践する企業が増えて、データから新たなビジネスが創造できるようになった。
予防医療や新薬の開発、医療費の適正化にも大きく寄与する。30年間停滞を超えて、新たなヘルスケア産業の中核となるデータビジネスを俯瞰する。
新領域のビジネスの可能性を探る企業、団体、自治体、アカデミアに対して、ビジネスシーズからテクノロジーまでが1冊でわかる総覧としてお届けする。
ウィズコロナで急成長を遂げた、最先端の医療・ヘルスケア事業者の動向やパーソナルデータを基にした利活用事例を詳解。
医療提供のオンライン化による新技術やサービスの質を担保するうえでの課題、改善点などを網羅。
海外の先進実例や日本がとるべき医療・健康データ事業の戦略理解が深まる。データベースの全容・特徴がわかる。
DOWNLOAD
編集メッセージ
MESSAGE
2019年12月に発行した「医療・健康データドリブン総覧」では、医療・健康分野のデータドリブン型ビジネスで先行する米国や中国の状況を説明するとともに、日本でも情報企業やITベンチャーがデータドリブンビジネスを展開し始めていることを紹介しました。
今回の全面改訂版では、日本の医療・健康分野のデータドリブンビジネスで使われているテクノロジーを紹介するとともに、拡大する遠隔診療アプリや治験や臨床研究をサポートするシステムの普及など、コロナ禍で加速している病院情報のデジタル化についても事例を挙げて解説します。

藤井 省吾
日経BP総研 副所長 メディカル・ヘルスラボ所長
1989年東京大学農学部卒。91年東京大学農学系研究科修士課程修了後、日経BP入社。医学の専門雑誌『日経メディカル』、エビデンスのある健康雑誌『日経ヘルス』、最新医学から健康法までを解説する『日経Gooday』などの記者、編集長、発行人を経て、現職。

安井 透
日経メディカル開発 編集
日経メディカル開発/「医療ビッグデータ・コンソーシアム」担当。医薬系コンサルタント会社を経て、2000年入社。2014年より研究会「医療ビッグデータ・コンソーシアム」の運営を担当。
目次
CONTENTS
- 第1章コロナ禍がさらに加速をつける
医療のテクノロジー活用 -
- 1-1コロナ禍で再認識された日本のデジタル化のニーズ
- 1-1-1菅政権の誕生とデジタル庁
- 1-1-210万円給付のコストが1500億円
- 1-2デジタル化におけるテクノロジー以前の問題点
- 1-2-1デジタル化するだけでは意味がない
- 1-2-2医療分野のデータドリブンがなぜ進まなかったのか
- 1-2-3自由記載から構造化する電子カルテ
- 1-2-4既存の電子カルテデータを解析
- 1-3拡大するアプリ市場
- 1-3-1オンライン診療の拡大
- 1-3-2医療を取り巻く健康アプリ
- 1-3-3ヘルスケアデータを集約するのは誰か
- 1-4匿名化データの流通
- 1-4-1動き出すマイナンバーカード活用
- 1-4-2匿名化データビジネスを支えるアカデミアと企業
- 1-4-3米国のデータビジネス
- 1-4-4日本の匿名化データ利用の未来
編集・執筆 安井 透
- 第2章患者発信のカルテに見えない患者の声を
リアルワールドエビデンスへ利活用奈良先端科学技術大学院大学教授 荒牧英治
同 准教授 若宮翔子
同 助教 矢田竣太郎 -
- 2-1医療AI はじめに
- 2-1-1診療場面のAIサポートは今後不可欠に
- 2-2-2AIと医療者や患者の要請にずれ
- 2-2Web・ソーシャルメディアと疾患解析
- 2-2-1低コストでリアルタイム性の高い大規模な疾患情報が得られる
- 2-2-2罹患者によるツイートの抽出
- 2-2-3フェイクニュースやデマツイートの検出
- 2-2-4時系列分析
- 2-2-5空間分析
- 2-2-6新型コロナのクラスタ検出にも取り組む
- 2-2-7患者の協力の同意を得るアプローチも
- 2-3基盤となる自然言語処理技術
- 2-3-1臨床的概念との間にはギャップも
- 2-3-2分散表現でベクトル化
- 2-3-3NLPの基盤技術となったBERT
- 2-3-4文脈に応じた分散表現ベクトルに動的に変換
- 2-3-5日本語で医療言語処理を試みる敷居を下げる
- 2-4おわりに
- 2-4-1SNSに依存するリスクも
- 第2章患者発信のカルテに見えない患者の声を
リアルワールドエビデンスへ利活用奈良先端科学技術大学院大学教授 荒牧英治
同 准教授 若宮翔子
同 助教 矢田竣太郎 -
- 2-1医療AI はじめに
- 2-1-1診療場面のAIサポートは今後不可欠に
- 2-2-2AIと医療者や患者の要請にずれ
- 2-2Web・ソーシャルメディアと疾患解析
- 2-2-1低コストでリアルタイム性の高い大規模な疾患情報が得られる
- 2-2-2罹患者によるツイートの抽出
- 2-2-3フェイクニュースやデマツイートの検出
- 2-2-4時系列分析
- 2-2-5空間分析
- 2-2-6新型コロナのクラスタ検出にも取り組む
- 2-2-7患者の協力の同意を得るアプローチも
- 2-3基盤となる自然言語処理技術
- 2-3-1臨床的概念との間にはギャップも
- 2-3-2分散表現でベクトル化
- 2-3-3NLPの基盤技術となったBERT
- 2-3-4文脈に応じた分散表現ベクトルに動的に変換
- 2-3-5日本語で医療言語処理を試みる敷居を下げる
- 2-4おわりに
- 2-4-1SNSに依存するリスクも
- 第3章RWD RWEが次の時代に進むためには
株式会社データック CEO/医師 二宮英樹
-
- 3-1RWD RWE はじめに
- 3-1-1医療データは医療の質の平準化に貢献する
- 3-2医薬品開発、治験における2つの大きな課題
- 3-2-1顕在化してきた医薬品開発の課題
- 3-2-2米国で起きていること
- 3-2-3RWD RWEでどんな変化が起きるのか?
- 3-2-4ビジネス戦略におけるデータ活用の位置づけ
- 3-3今の日本の医療データが抱える課題
- 3-3-1ビジネス戦略におけるデータ活用の位置づけ
- 3-3-2データ活用に成功している企業
- 3-3-3エンジニア、臨床疫学者/医学統計学者、ビジネス人材の協働
- 3-4新たな価値を生みだすデータの作り手はどこに?
- 3-4-1データの作り手不在が日本の課題
- 3-5Flatiron Health社の躍進
- 3-5-1OncoEMR®とは
- 3-5-2アブストラクターの活用
- 3-5-3single armの治験の対照群をRWDに
- 3-5-4観察研究でFDAの医薬品承認
- 3-6日本でFlatiron社のような取り組みが
実現されていない理由 - 3-6-1電子カルテ普及の歴史
- 3-6-2電子カルテには集計機能や統計機能は搭載されてこなかった
- 3-6-3一般論としてITベンダーがデータ活用を促進するのは難しい
- 3-6-4Flatiron Health社の創業者たちは
病院データ活用の課題に本気で取り組んだ
- 3-7RWD, RWEを次の時代に進めるために出来ること
- 3-7-1データ活用に長けたプレイヤーが
責任を持ってプロダクト開発に関与すること - 3-7-2医療現場の役に立つものを作ること
- 3-7-3医療現場の役に立つものを作るためには
疾患や診療科の単位で作り込む - 3-7-4モジュール化を徹底すること
- 3-7-5最後に
- 第4章NTTデータが取り組む
デジタルヘルスケアサービス株式会社NTTデータ 第二公共事業本部
ヘルスケア事業部 第一統括部 統括部長
高橋 弘明 -
- 4-1Tele-ICUプロジェクト
- 4-1-1Tele-ICUプロジェクトの概要
- 4-1-2Tele-ICUを支える技術
- 4-2画像診断支援ソリューション
- 4-2-1画像診断支援ソリューションの概要
- 4-2-2画像診断支援ソリューションを支える技術
- 4-3AIホスピタルによる高度診断・
治療システムプロジェクトの取り組み - 4-3-1AIホスピタルプロジェクトの概要
- 4-3-2AIホスピタルプロジェクトを支える技術
- 4-4Health Data Bank(HDB)ソリューション
- 4-4-1HDBソリューションの概要
- 4-4-2HDBソリューションを支える技術
- 第5章次世代医療基盤法受託事業者としての
NTTデータの取り組み株式会社NTTデータ 第二公共事業本部
社会保障事業部 社保第三統括部 統括部長
木村哲二 -
- 5-1はじめに
- 5-1-1次世代医療基盤法とは
- 5-1-2認定事業におけるNTTデータの取り組み
- 5-1-3次世代医療基盤法の利活用サービス概要について
- 5-2治験トータルソリューションプラットフォーム
「PhambieLINQTM」 - 5-2-1製薬業界を取り巻く環境と治験業務における課題
- 5-2-2「PhambieLINQTM」ソリューション概要
- 5-2-3PhambieLINQTMを支える技術
- 5-3ヘルスケアデータ分析
- 5-3-1ヘルスケアデータ分析における動向と課題
- 5-3-2ヘルスケアデータ分析支援サービスの概要
- 第6章医療・健康分野のデータドリブン新概念
公益財団法人神戸医療産業都市推進機構
医療イノベーション推進センター
ヘルスケアサイエンスディビジョン
河野健一、湯浅圭介
-
- 6-1データドリブン社会とは何か
- 6-1-1日本の政策「Society5.0」の実現
- 6-1-2Learning Healthcare Systemsの社会実装
- 6-1-3デジタルヘルス・イノベーション
- 6-1-4世界保健機構(WHO)のデジタルヘルスに関する決議
- 6-1-5デジタルヘルス介入のガイドライン
- 6-2メディカルデータの活用
- 6-2-1米国におけるEHRの活用
- 6-2-2EHRデータの利用
- 6-2-3米国におけるPHRの導入状況
- 6-2-4日本の電子カルテの問題点
- 6-2-5SS-MIX2による診断データ収集
- 第7章電子カルテ等の医療データを
データベース化する取り組み -
- 7-1日本における医療データの活用状況
- 7-1-1日本の電子カルテに関する議論
- 7-1-2電子カルテの標準化の動向
- 7-2千年カルテプロジェクト
- 7-2-1千年カルテプロジェクトとは何か
- 7-2-2千年カルテプロジェクトの事業概要
- 7-2-3千年カルテプロジェクトの提供サービス
- 7-2-4千年カルテプロジェクトの現状
京都大学・宮崎大学 名誉教授 千年カルテプロジェクトリーダー
吉原博幸- 7-3診療情報を交換・共有するためのデータ変換「SS-MIX」
- 7-3-1SS-MIX2とは何か
- 7-3-2SS-MIX2の構造
- 7-4C-CAT 国立がん研究センター内に開設された
患者情報連携システム - 7-4-1C-CATの機能とがんゲノム医療体制
- 7-4-2C-CATが担う役割
- 7-4-3がんゲノム医療推進の経緯
- 7-5CyberOncology がん診療の入力統一をベースに
発展中の統合データベース - 7-5-1CyberOncologyの概要と現状
- 7-5-2目指すはリアルワールドデータの活用
- 7-5-3入力支援機能:構造化DBに共通形式で臨床情報を記録
- 7-5-4状況や入力者に応じて最適な入力画面を提示
- 7-5-5がん薬物治療を原発がんごとに記録するエピソード管理を採用
- 7-5-6データウエアハウスからの参照自動化を可能にする
データマッピング - 7-5-7C-CATなどへの登録作業を省力化
- 7-5-8京都大学医学部附属病院で17年の稼働実績
- 7-5-92021年には統計解析の支援基盤を提供へ
- 7-5-10リアルワールドデータ実用化に欠かせない人材育成も視野に
- 7-6メディカル・データサイエンスの時代
日本大学臨床データベース - 7-6-1日本大学臨床データベースとは
- 7-6-2ビッグデータの時代からメディカルデータの時代へ
- 7-6-3メディカルサイエンスデータベースの誕生
- 7-6-4データを簡便に扱えるシステムの構築
- 7-6-5次世代医療基盤法の厳しさ
- 7-6-6日本の診療データの強み
- 7-6-7今後の展開──つながるプラットフォーム
日本大学医学部 薬理学分野 主任教授 浅井 聰
コンバージェンス・シーティー・ジャパン株式会社 社長 高橋精彦- 7-7神奈川県内の複数の病院の電子カルテをつなぐ
横浜市立大学のデータドリブン - 7-7-1臨床データを扱うコンソーシアムの設立
- 7-7-2データドリブン・ビジネス 米国と日本の強みと弱み
- 7-7-3EHRをつなぐのはベンチャー企業の役目
- 7-7-4YCU臨床データ・コンソーシアムが
まずは神奈川県の病院の電子カルテを連結
取材協力:横浜市立大学学長補佐 医学部臨床統計学 主任教授 山中竹春
編集・執筆 中沢真也(7章1・3・4・5節)
安井 透(7章6・7節) - 第8章保健医療分野における
公的データベースについて -
- 8-1日本の保健医療分野の公的データベース
- 8-1-1はじめに
- 8-1-2レセプト情報・特定健診情報等データベース
- 8-1-3介護保険総合データベース(介護DB)
- 8-1-4DPCデータベース
- 8-1-5全国がん登録
- 8-1-6指定難病患者データベースおよび小児慢性特定疾病
児童等データベース - 8-1-7MID-NET
- 8-1-8まとめ
京都大学大学院 医学研究科 医療情報企画部 特定講師 森 由希子
- 8-2MID-NET
- 8-2-1MID-NETとは何か
- 8-2-2MID-NET発足の経緯
- 8-2-3MID-NETのシステム構造の利用の仕方
- 8-2-4今後の展開と期待
日本製薬団体連合会 医薬品安全対策検討プロジェクト WT3リーダー
青木事成
- 第9章医療・医学ビッグデータ利活用の課題
(人材育成)京都大学医学部附属病院 診療報酬センター
加藤源太 -
- 9-1医療・医学ビッグデータの利活用をどう推進していくか:求められる人材の育成
- 9-1-1日本の医療、医学ビッグデータを取り巻く環境
- 9-1-2医療・医学データの取り扱いの難しさ
- 9-1-3ヒューマンデータ・サイエンティストの必要性
- 第9章医療・医学ビッグデータ利活用の課題(人材育成)
京都大学医学部附属病院 診療報酬センター 加藤源太
-
- 9-1医療・医学ビッグデータの利活用をどう推進していくか:求められる人材の育成
- 9-1-1日本の医療、医学ビッグデータを取り巻く環境
- 9-1-2医療・医学データの取り扱いの難しさ
- 9-1-3ヒューマンデータ・サイエンティストの必要性
- 第10章PHRが拓くライフサイエンスの
新しい価値創出株式会社NTTデータ
製造ITイノベーション事業本部
前 中外製薬株式会社 医薬安全性本部
安全性リアルワールドデータサイエンス部
西田陽介 -
- 10-1Society5.0超スマート社会で実現する
「健康・医療データ」の変革と新たな価値創出 - 10-1-1「超スマート社会」が引き起こす「健康・医療データ」の変革
- 10-1-2PHRの特長、活用事例
- 10-1-3「PHR」が創出する「健康・医療データ」の新たな価値
- 10-1-4PHRのマイナンバー活用
- 10-2「PHR」の課題 患者の自己管理データの観点
- 10-2-1健康意識の格差
- 10-2-2同意取得の難しさ
- 10-3医療機関データの観点
- 10-3-1電子カルテの普及率
- 10-3-2電子カルテの不統一な規格
- 10-3-3「健康・医療データ」は誰のものか~人類の財産として~
- 10-1Society5.0超スマート社会で実現する
- 第10章PHRが拓くライフサイエンスの新しい価値創出
株式会社NTTデータ 製造ITイノベーション事業本部
前 中外製薬株式会社 医薬安全性本部 安全性リアルワールドデータサイエンス部
西田陽介 -
- 10-1Society5.0超スマート社会で実現する
「健康・医療データ」の変革と新たな価値創出 - 10-1-1「超スマート社会」が引き起こす「健康・医療データ」の変革
- 10-1-2PHRの特長、活用事例
- 10-1-3「PHR」が創出する「健康・医療データ」の新たな価値
- 10-1-4PHRのマイナンバー活用
- 10-2「PHR」の課題 患者の自己管理データの観点
- 10-2-1健康意識の格差
- 10-2-2同意取得の難しさ
- 10-3医療機関データの観点
- 10-3-1電子カルテの普及率
- 10-3-2電子カルテの不統一な規格
- 10-3-3「健康・医療データ」は誰のものか~人類の財産として~
- 10-1Society5.0超スマート社会で実現する
- 第11章データドリブン社会における次世代
医療健康データ基盤「PeOPLe」慶応義塾大学 医学部医療政策・管理学教室 助教 平原憲道
-
- 11-1データを「つくる」「つなげる」「ひらく」
- 11-1-1はじめに
- 11-1-2PeOPLeの3つのポイント
- 11-1-3データドリブン社会におけるデータの役割
- 11-1-4データを「つくる」
- 11-1-5データを「つなげる」
- 11-1-6データを「ひらく」
- 11-2次世代の医療情報や健康情報基盤「PeOPLe」
- 11-2-1次世代プラットフォームとは
- 11-2-2PeOPLe誕生の経緯
- 11-2-3PeOPLeはデータ利活用プラットフォーム
- 11-3データドリブンな意思決定支援の重要性
- 11-3-1患者中心の医療の実現
- 11-3-2医療機関と患者とのデータの流れ
- 11-3-3患者にメリットのあるデータドリブン社会
- 第11章データドリブン社会における次世代
医療健康データ基盤「PeOPLe」慶応義塾大学 医学部医療政策・管理学教室 助教 平原憲道
-
- 11-1データを「つくる」「つなげる」「ひらく」
- 11-1-1はじめに
- 11-1-2PeOPLeの3つのポイント
- 11-1-3データドリブン社会におけるデータの役割
- 11-1-4データを「つくる」
- 11-1-5データを「つなげる」
- 11-1-6データを「ひらく」
- 11-2次世代の医療情報や健康情報基盤「PeOPLe」
- 11-2-1次世代プラットフォームとは
- 11-2-2PeOPLe誕生の経緯
- 11-2-3PeOPLeはデータ利活用プラットフォーム
- 11-3データドリブンな意思決定支援の重要性
- 11-3-1患者中心の医療の実現
- 11-3-2医療機関と患者とのデータの流れ
- 11-3-3患者にメリットのあるデータドリブン社会
- 第12章リアルワールドデータ活用の
グローバルトレンドIQVIA 松井信智Senior Principal、
中村理彦Director、
田中 秀Consultant -
- 12-1リアルワールドデータ活用のポイント
- 12-1-1バリューベースドヘルスケアの資源となる
リアルワールドデータ - 12-1-2リアルワールドデータ活用の3ステップ
- 12-1-3リアルワールドデータ「収集」のポイント
- 12-1-4リアルワールドデータ「活用基盤整備」のポイント
- 12-2グローバルのリアルワールドデータ「活用」事例
(オンコロジー領域) - 12-2-1医療用医薬品の適応拡大
- 12-2-2Oncology Data Network
- 12-2-3リアルワールドデータ解析プラットフォーム
- 12-2-4モバイルヘルスの躍進
- 12-2-5リアルワールドデータとしてのゲノミクス
- 第13章リアルワールドデータ活用の
日本のトレンドIQVIA 松井信智Senior Principal、
中村理彦Director、田中 秀Consultant -
- 13-1リアルワールドデータ(RWD)ビジネスの現状
- 13-1-1製薬企業のRWD活用が活発に
- 13-1-2安全性部門における活用
- 13-1-3メディカル部門における活用
- 13-1-4マーケティング部門における活用
- 13-2これからのRWDビジネス~予測モデルの構築~
- 13-2-1RWDによる予測モデルへのニーズが急増
- 13-2-2盛り上がってきたモバイルヘルス(mHealth)
~予測モデル実装先・新たな情報収集元~ - 13-2-3実生活に浸透しつつある予測モデル
- 第14章学校検診情報や乳幼児健診のライフ
コースデータと診療情報リアルワールド
データベース京都大学大学院 医学研究科
社会健康医学系専攻 教授
一般社団法人健康・医療・教育情報評価推進機構(HCEI) 常務理事 川上浩司 -
- 14-1健康ライフコースデータのデータベース化の取り組み
- 14-1-1学校健診情報、乳幼児健診の分析と
データベース構築の取り組み - 14-1-2学校健診情報のデータベース化
- 14-1-3乳幼児健診情報のデータベース化
- 14-1-4個人情報保護への配慮
- 14-1-5幼少期データを用いた研究事例とライフコースデータの概念
- 14-1-6診療情報リアルワールドデータ(RWD-DB)の構築と活用
- 14-1-7健康長寿社会の実現
- 第15章日本企業のデータドリブン・ヘルスケア
-
- 15-1NTTライフサイエンス
- 15-1-1NTTライフサイエンス社の3つの事業
- 15-1-2異業種ともアライアンスを組んで事業を展開
- 15-1-3NTTグループの多角化とData is new oil
編集・執筆 安井 透
- 15-2PHRシステム基盤「harmo(ハルモ)」
これまでの取り組みとこれからの展望 - 15-2-1harmoとは
- 15-2-2社会実証研究までの経緯と個人情報保護のポリシー
- 15-2-3お薬手帳サービスの内容と特徴
~利用者から見たharmoサービス~ - 15-2-4スマートフォンアプリの機能
- 15-2-5薬局からみたharmoサービス
- 15-2-6個人情報に配慮したデータ保持構成
- 15-2-7データ利活用の観点からの考察と実際の取り組み
- 15-2-8ハルモチャネルを利用したデータ利活用の実施事例のご紹介
- 15-2-9さらなるPHR化に向けた取り組み 予防接種管理への拡張
- 15-2-10将来の展望
シミックホールディングス株式会社 福士岳歩
- 15-3メディデータ・ソリューションズの臨床開発における
データ駆動型アプローチ - 15-3-1新薬開発におけるデータ駆動アプローチ
- 15-3-2EDCを用いた臨床開発
- 15-3-3施設の選定
- 15-3-4データ合成による試験デザイン支援と合成対照群
- 15-3-5データおよびオペレーション品質の向上
メディデータ・ソリューションズ株式会社 マネジャー・プリセールス 佐藤 裕
- 第16章日本のデータドリブン・ベンチャー
-
- 16-1株式会社MICIN
- 16-1-1創業の経緯と社名の由来
- 16-1-23つの事業
- 16-1-3アプリケーション事業
- 16-1-4データソリューション事業
- 16-1-5医療の価値を拡げることが目標
- 16-1-6コロナ禍でのオンライン診療アプリの事業展開
- 16-1-7オンライン服薬指導
- 16-1-8バーチャル臨床試験
- 16-1-9新規事業はデジタル治療分野
- 16-2株式会社KidsPublic
- 16-2-1創業の経緯
- 16-2-2小児科オンラインと産婦人科オンライン
- 16-2-3病院で待っているだけでは問題は解決しない
- 16-2-4相談できることで解決する問題
- 16-2-5産婦人科オンライン
- 16-2-6サービス内容と料金の支払い
- 16-3サスメド株式会社
- 16-3-1社名の由来と3つの事業
- 16-3-215兆円の損失を出す睡眠障害
- 16-3-3アプリによる睡眠障害の治療
- 16-3-4臨床試験・治験管理システムの構築
- 16-3-5データサイエンティストに代わるAI
- 16-3-6ブロックチェーンを使ったデータモニタリングシステム
- 16-3-7乳がん患者向けのアプリ
- 16-3-8ブロックチェーン技術の治験への応用
- 16-3-9自動修復システムによるサービスの提供
- 16-3-10規制のサンドボックス
- 16-4株式会社データック
- 16-4-1創業の経緯
- 16-4-2データック事業と目指す方向性
- 16-4-3医療データ解析人材育成
- 16-4-4おくすりチャットボット
- 16-4-5医療を可視化することの意義
- 16-5アルム
- 16-5-1医療ICT事業への参入の経緯
- 16-5-2アルムの製品群
- 16-5-3Joinの開発と発展
- 16-5-4Join AI Connectの概要
- 16-5-5MySOSの開発と発展
- 16-5-6アプリデータを利用したデータドリブンビジネス
- 16-5-7地域包括ケア推進ソリューション「Team」の展開
- 16-5-8アルムのこれから
- 16-6株式会社 asken
- 16-6-1食事管理アプリ「あすけん」概要
- 16-6-2あすけんのデータについて
- 16-6-3企業との協業について
- 16-6-4大学との共同研究
- 16-6-5今後の展望
- 16-7エクサウィザーズ
- 16-7-1社名の由来
- 16-7-2エクサウィザーズの誕生
- 16-7-3AIを中核に据えた課題解決
- 16-7-4アプリとデータをストック化した事業展開
- 16-7-5人材育成と企業カルチャー
- 16-7-6今後の事業展開
- 第17章日本の大学および公的バイオバンクの
取り組み取材協力:東京医科歯科大学 疾患バイオリソースセンター
大学院医歯学総合研究科
疾患多様性遺伝学分野 教授 田中敏博 -
- 17-1次世代医療創出につながる良質なデータを
取集・保管・提供 - 17-1-1バイオバンクの定義
- 17-1-2バイオバンクの目的
- 17-1-3国主導の英国、医療機関併設型の日本
- 17-1-4国内の3大バイオバンク
- 17-1-5そのほかの主要診療機関併設型バイオバンク
- 17-1-6データ蓄積、保管、提供の流れ(TMDU-BRCの例)
- 17-1-7課題1:バイオバンク横断検索システムの拡充
- 17-1-8課題2:医療分野のデータサイエンティストの育成
- 17-1-9日本人のためのバイオバンクを目指す
編集・執筆 荒川直樹
- 17-1次世代医療創出につながる良質なデータを
- 第18章一般住民対象の健康ビッグデータの創出
東北大学東北メディカル・メガバンク機構
特任教授 長神風二 -
- 18-1東北メディカル・メガバンク計画の挑戦
- 18-1-1東北メディカル・メガバンク計画とは
- 18-1-2東北メディカル・メガバンク計画の事業概要
- 18-1-3東北メディカル・メガバンク計画のコホート調査
- 18-1-4バイオバンクの構築・運用と各種解析
- 18-2構築されたバイオバンクはどのように使われるのか
- 18-2-1複合バイオバンク
- 18-2-2外部利用の方法~試料・情報分譲の仕組み~
- 18-2-3データベースの構築と公開
- 18-2-4日本中のバイオバンクをつなぐ
- 18-2-5データビジティングの時代へ
- 18-3データはどのように成長するのか
- 18-3-1追跡調査、そしてライフコース研究へ
- 18-4今後の求められる機能と役割
- 18-4-1対照としての健常者データ
- 18-4-2産業的な利活用、そしてPHM社会に向けて
- 第19章疾患のゲノム診断とAI(人工知能)の
果たす役割京都大学大学院医学研究科
附属ゲノム医学センター教授 松田文彦 -
- 19-1AIを駆使したゲノム解析や病理診断で難病を克服
- 19-1-1はじめに
- 19-1-2慢性疾患と難病に対するゲノム解析のアプローチ
- 19-1-3慢性疾患に対するゲノム診断
- 19-1-4難病に対するゲノム診断
- 19-2AIによる難病の診断・治療のアプローチ
- 19-1-1AIで臨床試験などの効率の大幅アップに期待
- 19-2-2AIによってどの医療機関でも迅速かつ正確な診断が可能に
- 19-2-3AIによって難病ゲノム研究の効率を高める
- 19-2-4難病克服のための新たなプラットフォーム設立への期待
- 第20章データドリブン社会への移行の成否は
国民の意識改革にかかっている京都大学大学院医学研究科社会健康医学系専攻健康情報学教授 中山健夫
-
- 20-1日本のデータドリブン社会への道筋
- 20-1-1EMRからEHR、PHRへ
- 20-1-2PHRとは何なのか
- 20-1-3「自分だけのデータ」の限界
- 20-1-4データは新しい戦略物質
- 20-1-5データを使いこなせる人が重要になる
1レポート内サーチで
欲しい情報に瞬時にアクセス
キーワードを入力するだけで、レポート内のテキスト情報を探せます。複数のキーワード入力も可能。検索結果には検索ワードと関係性が高い「関連キーワード」「関連企業」も表示します。

2図表サーチで
図表だけでも探せる
入力ワードと関連する図表をサムネイルで一覧表示。図表をクリックして拡大表示したり、詳細情報にアクセスすることができます。
3レポート閲覧で
書籍のように閲覧できる
書籍と同じように、目次に沿ってレポートを閲覧することができます。
4ボタン一つで
パワーポイントに出力できる
検索したテキスト情報や図表はボタン一つでパワーポイント形式でダウンロードできます。出所表記付きで出力されるので、企画書にそのまま使うことができます。
経営企画、事業開発、R&D、
マーケティング部門の皆さまの
「企画書・提案書」作成をサポートします。
-
出典:テクノロジー・ロードマップ2019-2028
全産業編 -
出典:日産自動車「リーフ」徹底分解2018 全体編
-
出典:医療・健康ビジネスの未来2019-2028
-
出典:未来市場2019-2028
-
出典:ロボットの未来2019-2028
-
出典:フードテックの未来2019-2028
●オンラインサービスのご利用について
※オンラインサービスの利用規約をご確認いただき、ご同意の上お申し込みください。
※ご利用開始に際してはお手続きは不要です。ご購入時にご連絡いただいたメールアドレス宛に、サービス登録完了のご案内を電子メールにてお送りします。
ご利用期間は1年間です。書籍の発送日を起点にして1年後の翌月末が利用期限です。
※アクセス権は1部の購入に対し1名分です。複数名の利用をご希望の場合は法人プランとなります。こちらからお問い合わせください。(日経BPマーケティングにて承ります。)
※コンテンツのデータ、またはデータを元に独自の図表を作成して使用する場合は、必ず出所(出典)を明記してください。
※不特定多数にコンテンツを閲覧させることや、コンテンツを複製、譲渡、貸与、公衆送信等することはできません。例:コンテンツを含むデータファイルを部署外や社外に配信・転送すること、コンテンツを法令に抵触する方法で利用すること など
※コンテンツの商用転載を希望する場合(書籍やインターネット、広告、販促パンフレット、セミナー/研修、イントラネット等への転載など)は、事前に転載申請が必要です。商用転載は基本的に有料です。コンテンツの使用を希望される場合は、日経BP著作権窓口へご連絡ください。無断転載は著作権法違反となります。なお、商用転載については、ご使用を承れない場合もございます。あらかじめご了承ください。
医療・健康データビジネス/
テクノロジー総覧
■著者:日経BP総研
■2020年12月11日発行
■レポート:A4判、297ページ
■価格:〇書籍とオンラインサービスのセット:675,000円+税
※オンラインサービスのご利用開始日は12月18日になります。
〇書籍のみ:450,000円+税
■発行:日経BP