機械学習で検診コストを低減することは可能か？

　21世紀に入り、情報量は爆発的に増えた。大量の情報の積極的活用と価値創出という考え方は、日本では2004年頃より「情報爆発時代の到来」というキーワードで喧伝されはじめ、その後、2012年頃から「ビッグデータ」という言葉が定着したのは周知の通りだ。Gartner Symposium/ITxpo 2015に登壇した喜連川氏はその変遷を次のように説明する。

「テクノロジーのイノベーションは通信から始まった。その後、起きたのがコンピューティング（情報処理）だ。プロセッサーの性能が指数関数的に高まり、大量の情報処理能力の次に起きたのは、膨大なデータのマネジメント（情報管理）だ。情報の処理から管理に課題がシフトした。これがビッグデータの時代といえる」

　さらに喜連川氏はビッグデータにより、新しい価値＝イノベーションを創出するためのアプローチには大きく2つあると語る。

「1つは、インクリメンタルなアプローチだ。これはデータを解析して、今より“1％”効率を上げてくという考え方だ。とくに、インダストリー領域では、1％の改善が大きな価値を生む。『インダストリー4.0』や『インダストリアル・インターネット』などの考え方がこれにあたる。2つ目は、破壊的な、ディスラプティブなアプローチだ。グーグルが提唱する『10 Times Improvement』（10倍の進化）が代表的なモデルだ」

　喜連川氏は、社会的課題の解決にビッグデータがインパクトを与えた例として、低所得層を対象とする国際的な事業事業であるBoP（Base of the economic Pyramid）の一環として行われた、バングラデシュにおけるヘルスケアの社会実験の事例を紹介した。これは、医療、健康問題に社会的な課題があるバングラデシュにおいて、看護師にアタッシェケース型の生体データ測定キットを携行させ、健康診断（トリアージ）を行うという実験だ。

「『緊急』『発症』など、症状ごとにタグを付けて経過を見るという社会実験に、2012年度の1回目には600人が、2回目には8000人が、3回目には1万人が参加し、最終的に1万5000人以上の患者のデータが集まった。これを、機械学習を使って分析し、検診コストを低減するモデルを検討した。実は、検診の中で最もコストが高いのが血糖値を測定する検査だが、分析の結果、7.3％の検査誤差を許容すると、94.8％の検診コストが削減できることがわかった。この誤差は、先進国では許容できない数字だが、コスト削減効果を考えると、途上国では十分検討の価値があった」

　ビッグデータ活用が、社会的な課題に対して価値を提供できた事例である。ちなみに、バングラデシュではヘルスケアビジネスに注目した起業家が7つのベンチャー企業を設立するなど、「社会価値の創出は、民間企業と連携することでマネタイズ可能」ということも示している。

ビッグデータによる社会価値の創出はマネタイズが可能

　医療分野における課題解決の事例は他にもある。「看護師不足と医療支出における看護師人件費」の問題だ。医療現場における看護師不足は深刻な問題だ。喜連川氏は、看護師が日々の看護行動で、どういうことに困っているかを、ビッグデータを用いて分析した。

　これは、被験者である看護師に3軸加速度センサーを装着してもらい、日常的にどの行動に時間を取られているか（ボトルネックになっているか）を調べるというものだ。

「75名の看護師を対象に、41種の看護行動を2年間、のべ1655日の看護行動と、912万3840サンプルを分析した結果、看護師はある行動に長時間費やしていることが分かった。それは、看護記録をPCに入力するという作業だった」

【次ページ】グーグルとは違う切り口で社会価値を創出するポテンシャル