ナショナルデータベースや介護保険総合データベース等を活用した医療・介護特性を総合的に捉えたAIプロトタイプの開発と分析結果を根拠とした医療介護特性別の最適介入

文献情報

• 文献番号: 202403003A
• 報告書区分: 総括
• 研究課題名: ナショナルデータベースや介護保険総合データベース等を活用した医療・介護特性を総合的に捉えたAIプロトタイプの開発と分析結果を根拠とした医療介護特性別の最適介入
• 研究課題名（英字）: -
• 課題番号: 22AC1005
• 研究年度: 令和6(2024)年度
• 研究代表者(所属機関): 福井 小紀子(国立大学法人東京科学大学 大学院保健衛生学研究科)

研究分担者(所属機関)

• 菅野　雄介(国立大学法人東京科学大学　大学院保健衛生学研究科)
• 高橋　邦彦(国立大学法人東京科学大学　Ｍ＆Ｄデータ科学センター)
• 佐藤　一樹(名古屋大学　大学院医学系研究科総合保健学専攻)
• 岡田　就将(国立大学法人東京科学大学　大学院医歯学総合研究科政策科学分野)
• 浜野　淳(国立大学法人　筑波大学　医学医療系)
• 廣岡　佳代(国立大学法人東京科学大学　医学部)

• 研究区分: 厚生労働科学研究費補助金 行政政策研究分野 政策科学総合研究（臨床研究等ＩＣＴ基盤構築・人工知能実装研究）
• 研究開始年度: 令和4(2022)年度
• 研究終了予定年度: 令和6(2024)年度
• 研究費: 11,539,000円
• 研究者交替、所属機関変更: -

研究報告書（概要版）

研究目的

2025年度は、前年度までに実施したNDB・介護DB連結データを用いた機械学習モデルの構築と検証結果を踏まえ、政策的・実務的価値が高い2課題を重点課題として選定し、予測モデルの精緻化を行うことを目的とした。具体的には、大腿骨近位部骨折後の要介護度悪化または死亡の予測、および高齢者の高額医療・介護費予測を対象とした。臨床専門家の知見を取り入れて、予測変数、対象集団、アウトカム定義を見直し、NDB・介護DB連結データを用いた個別予測AIの実装可能性と課題を検討した。

研究方法

大腿骨近位部骨折後の要介護度悪化または死亡の予測では、股関節手術を受けた要支援1から要介護2までの高齢者217,482名を解析対象とした。基準日は手術実施日とし、術後365日時点における要介護度の2段階以上の悪化または死亡をアウトカムとした。整形外科専門医へのヒアリングに基づき、併存疾患、薬剤、術式、入院日数、外来受診回数等の変数を精緻化した。高齢者の高額医療・介護費予測では、新規に要支援認定を受けた65歳以上の者1,243,877名を解析対象とした。基準日は初回の認定有効期間の開始日とし、基準月の翌月から12か月間の年間医療・介護費が上位5％となることをアウトカムとした。各課題について、Random Forest、eXtreme Gradient Boosting（XGBoost）等の機械学習モデルを用い、AUC、感度、特異度、陽性的中率、陰性的中率等により性能を評価した。

結果と考察

大腿骨近位部骨折後の要介護度悪化または死亡の予測では、術後365日時点で要介護度悪化または死亡が一定割合で発生していた。しかし、変数や対象集団を精緻化しても、AUCは0.67〜0.69にとどまり、精緻化前のAUC 0.71〜0.72と比較して改善は認められなかった。高齢者の高額医療・介護費予測では、年間医療・介護費が一部の対象者に集中しており、年間医療・介護費が上位5％の対象者が総額の約24.7％を占めていた。一方、予測モデルのAUCはおおむね0.76であったが、感度は11.1〜11.8％にとどまり、高額費用発生者を抽出するスクリーニングモデルとしては十分ではなかった。これらの結果から、現行のNDB・介護DB連結データのみを用いて、1年程度先の要介護度悪化、死亡、高額医療・介護費発生を個人単位で高精度に予測することには課題が残ると考えられた。

結論

2025年度の検討では、専門家の知見を取り入れて予測変数、対象集団、アウトカム定義を精緻化しても、2つの重点課題において予測性能の明確な改善は得られなかった。したがって、現行のNDB・介護DB連結データのみを用いた個別予測AIを臨床現場へ直接実装するには慎重な検討が必要である。一方で、要介護度悪化、死亡、高額医療・介護費発生の実態を定量的に把握できたことは重要な成果であり、支援を要する患者群の可視化、ポピュレーション・アプローチ、政策介入対象の優先順位付けに資する基礎資料として活用可能である。

公開日・更新日

• 公開日: 2026-07-21
• 更新日: -

文献情報

• 文献番号: 202403003B
• 報告書区分: 総合
• 研究課題名: ナショナルデータベースや介護保険総合データベース等を活用した医療・介護特性を総合的に捉えたAIプロトタイプの開発と分析結果を根拠とした医療介護特性別の最適介入
• 研究課題名（英字）: -
• 課題番号: 22AC1005
• 研究年度: 令和6(2024)年度
• 研究代表者(所属機関): 福井 小紀子(国立大学法人東京科学大学 大学院保健衛生学研究科)

研究分担者(所属機関)

• 菅野　雄介(東京科学大学　保健衛生学研究科 )
• 高橋　邦彦(国立大学法人東京科学大学　Ｍ＆Ｄデータ科学センター)
• 佐藤　一樹(名古屋大学　大学院医学系研究科総合保健学専攻)
• 岡田　就将(国立大学法人東京科学大学　大学院医歯学総合研究科政策科学分野)
• 浜野　淳(国立大学法人　筑波大学　医学医療系)
• 廣岡　佳代(東京科学大学　医学部)

• 研究区分: 厚生労働科学研究費補助金 行政政策研究分野 政策科学総合研究（臨床研究等ＩＣＴ基盤構築・人工知能実装研究）
• 研究開始年度: 令和4(2022)年度
• 研究終了予定年度: 令和6(2024)年度
• 研究者交替、所属機関変更: -

研究報告書（概要版）

研究目的

本研究は、NDB、介護DB、KDB等の公的データを活用し、医療と介護の特性を総合的に考慮したAI分析プロトタイプの開発可能性を検討するとともに、公的データの有用性と課題を明らかにすることを目的とした。主疾患、併存疾患、要介護度、医療サービス利用、介護サービス利用等の情報を統合し、要介護度悪化、死亡、高額医療・介護費発生等の予測に資する機械学習モデルを構築することで、医療・介護資源の適正配分や政策介入対象の検討に資する知見を得ることを目指した。

研究方法

研究期間全体を通じて、臨床医、看護学研究者、医療政策専門家、統計学者等からなる学際的研究チームを構築し、医療・介護現場の課題に基づく20個の臨床研究疑問を立案した。国レベルのNDB・介護DB解析に先立ち、静岡県32市町のKDBを用いたフィージビリティスタディを実施した。その後、提供を受けたNDBおよび介護DBを連結し、症例数、実行可能性、臨床的優先度、政策的意義を踏まえて7つの重点研究疑問を選定した。各課題では、Random Forest、eXtreme Gradient Boosting（XGBoost）等の機械学習モデルを構築し、AUC、感度、特異度、陽性的中率、陰性的中率等により性能を評価した。最終段階では、大腿骨近位部骨折後の要介護度悪化または死亡の予測、および高齢者の高額医療・介護費予測の2課題についてモデルを精緻化した。

結果と考察

KDBを用いた予備的検討では、一部の対象集団においてAUC 0.7前後の一定の識別能が得られ、医療・介護関連データを用いた機械学習モデル構築の実行可能性が確認された。一方で、地域限定データでは症例数や一般化可能性に課題があり、全国規模のNDB・介護DB連結解析の必要性が示された。NDB・介護DB連結データを用いた解析では、多くの課題において、1年程度先の個別予後や高額医療・介護費発生を、臨床現場での意思決定に直ちに活用できる水準で予測することには課題が残った。最終段階の大腿骨近位部骨折後の要介護度悪化または死亡の予測では、AUCは0.67〜0.69にとどまり、精緻化前より改善しなかった。高齢者の高額医療・介護費予測では、AUCはおおむね0.76であったが、感度は11.1〜11.8％にとどまった。これらの結果から、1年程度先の転帰は、短期予後と比べて患者の個別性や時間経過中の出来事の影響を受けやすく、現行の公的データのみで高精度に個別予測することには構造的な課題があると考えられた。一方で、特定患者群における要介護度悪化、死亡、高額医療・介護費発生の実態を定量的に把握できたことは重要な成果であり、公的データは個別予測AIよりも、患者群の可視化、費用分布の把握、地域差・施設差の検討、政策介入対象の優先順位付けに有用であると考えられた。

結論

行のNDB・介護DB連結データのみを用いて、個別患者の1年程度先の要介護度悪化、死亡、高額医療・介護費発生を、臨床現場で直ちに活用できる水準で予測するAIを社会実装するには課題が残る。一方で、全国規模の公的データを用いて、支援を要する患者群の特徴や医療・介護費の発生構造を可視化することは、医療・介護資源の適正配分や政策支援に資する。今後は、DPCデータ、科学的介護情報システム（LIFE）、健診データ等との連結可能性を検討しつつ、個別予測の精度向上だけでなく、集団レベルの意思決定支援に資するデータ利活用基盤を整備する必要がある。

公開日・更新日

• 公開日: 2026-07-21
• 更新日: -

行政効果報告

• 文献番号: 202403003C

成果

• 専門的・学術的観点からの成果: 本研究は、匿名医療保険等関連情報データベース（NDB）および介護保険総合データベース（介護DB）を活用し、医療と介護特性を考慮したAI分析を実施した。要介護認定を受けた認知症がん患者の手術後の要介護度予測や、介護予防事業の総コスト予測に焦点を当て、複数の機械学習モデルを比較した結果、各モデルの性能特性と課題が特定された。この成果は、医療介護分野における機械学習活用の可能性を示すものであり、今後の社会実装に向けた基盤となると考えられる。
• 臨床的観点からの成果: 本研究は、NDBおよび介護DBを活用し、認知症がん患者の術後要介護度予測や介護予防事業のコスト予測を目的とした機械学習を実施した。これにより、患者特性を考慮した予測が可能となり、臨床現場での意思決定支援や地域医療・介護サービスの効率的運用に寄与する可能性が示唆された。これらの成果は、超高齢社会における医療介護の質向上や資源配分の最適化に向けた基盤となり得るものであり、国際的な高齢者ケアの課題解決にも寄与する可能性がある。
• ガイドライン等の開発: なし
• その他行政的観点からの成果: なし
• その他のインパクト: なし

発表件数

• 原著論文（和文）: 0件
• 原著論文（英文等）: 0件
• その他論文(和文): 0件
• その他論文(英文等): 0件
• 学会発表(国内学会): 0件
• 学会発表(国際学会等): 0件
• その他成果(特許の出願): 0件
• その他成果(特許の取得): 0件
• その他成果(施策への反映): 0件
• その他成果(普及・啓発活動): 0件

公開日・更新日

• 公開日: 2026-05-13
• 更新日: -

収支報告書

• 文献番号: 202403003Z