6.健康をテーマにしたサービスビジネスディスカバリーとAIの利活用

AIによるデータ処理は当然目的によって必要なデータセットが異ります。オープンデータは別として多くはその存在確認と収集管理に大きな問題があります。健康データのような個人情報の塊は匿名化されたものでもその使用には法的規制、倫理状の制約・承認など多くの壁があります。例を挙げますと、国の「日本老年額的評価研究プロジェクト(JAGES)(AMED予算)」では高齢者14万人のデータ収集と分析を行っています。更に2次、3次分析は非常に有効な結果が得られることは間違いありません。ビッグデータの分析は対象データの統計的手法だけでなく、他のデータとの横断的分析から多くの知見が得られます。他のサービス、例えば治験の計画に役立てられます。又、医療健康情報の地域特性分析、職種、経済格差との関係を分析したり、地域の医療費介護費用の削減計画の立案、商用サービスでは生活習慣などの相関性をみて、リスク細分型の医療介護保険の設計に役立てられます。

個人レベルでは様々な健康‐ウエラブル機器から得られる計測データとやアドバイス情報、掛りつけ医からのカルテ情報、検診サービス機関からのデータを総合マイニングすることで生活習慣や目ディケアの改善アドバイスデザインも技術面では難しくありません。効果が高まれば患者のモチベーションを高まります。又、サプリメントや機能性食品を販売事業者もエビデンスに基づいた商品サービス開発ができます。これらを含めて「参加型ヘルスケア」のコミュニティ形成も今後非常に重要な社会テーマです。この一連のナレッジベースはセカンダリーコンタクトセンターとして、既存のヘルスケア関連のコンタクトセンターに対するバックヤードビジネスとして期待されます。この領域にAIを組み込むことは必須です。こうなってくると、AIは技術の問題ではなく、社会実装の問題になり、国や地域行政が自らの責任業務に人財東洋を含めた投資を行う責任があります。

そしてそのような事例で、従来のシステムコストの1桁ー2桁下の「金額で医療介護の社会問題を解決する手法としてPLR/PDSがあり、そのチームと連携して行きます。この仕組みは個人の端末とその故人が利用しているパーソナルクラウドあるいは自宅PCに故人情報金庫をもた、個人情報量流出を原理的に起こさない仕組みの活用があります。AIによる分析も個人の情報の時系列分析が終身になります。他穂その個人がすんでいる地域においてどのような結構状態あるかの地域固有分析も重要です。これは匿名行為で分析です。この両者を組み合わせ生活習慣の改善をどうすればいいか自己発見することもできる社会的気づきを提供することが出来ます。


このコンテンツは会員限定のコンテンツです。
会員登録または、ログインしてください。

あわせて読みたい