医療データの利活用を支えるデータプラットフォーム / 20220517

健康診断やレセプトといった膨大な量の各種医療データが使える形となり活用されていくまでのプロセスについて、これらを支えているプラットフォームのデータフローやシステムアーキテクチャを交えてお話ししました。
#DWH #GCP #BigQuery #Airflow #Python"

Transcript

1. 医療データの利活用を支える データプラットフォーム
2. はじめに • 本日のメインはデータサイエンス関するセッションですが本セッションはその前段としての位 置付けで、また時間も限られているので LTっぽいかもしれません。 • ヘルスケア事業を支えるデータサイエンティスト、を支えるデータプラットフォーム (以下DPFと 記述)の開発や運用について、データフローやアーキテクチャを交えてお話しできればと思い ます。 • 本イベントのハッシュタグは #denatech です。適宜ご活用ください。 hashtag: #denatech
3. アジェンダ 自己紹介 DPFのデータフローについて DPFのシステムアーキテクチャについて まとめ
4. 自己紹介 佐々木　桃太 製品開発部/データプラットフォーム・グループ ソフトウェアエンジニア • スタートアップやベンチャー企業を経てDeNAに入 社（ヘルスケア事業部） • バックエンド、データ分析、インフラ、セキュリティ、 など色々やってきてデータプラットフォームあたりに 行き着く hashtag: #denatech
5. DeNAヘルスケアの事業群 執行役員 ヘルスケア事業副本部長 瀬川 翔 執行役員 ヘルスケア事業本部長 米山 拡志 CMO （Chief Medical Officer） 三宅 邦明 ・2014年会社設立 ・DeNA100％ ・2015年会社設立 ・DeNAと住友商事のJV ▶ 生活者向けデータヘルス事業 ▶ 遺伝子検査サービス ヘルスケア事業本部 ・2021年DeNAグループ入り ・DeNA100％ ▶ toC,toB向けに認知症にアプローチ hashtag: #denatech
6. アジェンダ 自己紹介 DPFのデータフローについて DPFのシステムアーキテクチャについて まとめ
7. クレンジング・匿名化・統合DB作成プロセス DeSC (kencom) 保険者１ 保険者２ … 生データ • ライフログ • アンケート 生データ • 加入者台帳 • 健診結果 • レセプト 生データ DH社による クレンジング • 未コード化病名のコード化 • 疾病別医療費の配賦 データ 統合 匿名 加工 データ 統合 統合DB … データ 統合 個人情報 匿名加工情報 健保・自治体データのクレンジング・匿名化 保険者から受領した個人情報はクレンジングを施した上で匿名加工し、二次利用の許諾後に 全ての保険者でデータを統合した「統合DB(DWH)」を作成。 DPFのデータフローについて 匿名 加工 DH社による クレンジング … 保険者別 匿名加工データ hashtag: #denatech
8. 統合DB作成後のデータフローについて 統合DB 統合DB(DWH)を起点に、用途別にデータマートを用意。 サイエンティストが分析業務や抽出業務を行った結果や自動化された集計処理の結果が格納され、共同研究やデータ販売、BI ツール等へ繋がっていく。 DPFのデータフローについて … hashtag: #denatech データ分析 データ抽出 データ集計 匿名加工情報 データマートA データマートB データマートC … … 共同研究 データ販売 Adhoc分析 BIツール連携
9. 一連のデータフローの運用について DPFのデータフローについて … hashtag: #denatech • 月次運用による統合DB(DWH)の作成 ◦ 月次で保険者からデータを連携頂く ◦ 過去に作成した統合 DBは保管 • 一連のプロセスにおけるステークホルダーが多くなってしまう ◦ 匿名加工担当と二次利用担当はセキュリティの都合上分離している ◦ 保険者への納品と許諾をいただく運用、及びその連絡窓口 ◦ etc • 日次更新、ニアリアルタイムといった世界観とは全く違う
10. DFD(Data Flow Diagram) Overview DPFのデータフローについて hashtag: #denatech
11. DFDの要点 • AWSとGCPの二段構成 ◦ BQは本当に便利 • レセプトデータや健診データのクレンジン グは協業先企業による技術で成り立って いる • いくつかのプロセスについては自動化をし ているがまだ途中 • データ品質もより一層の強化が必要 DPFのデータフローについて hashtag: #denatech
12. アジェンダ 自己紹介 DPFのデータフローについて DPFのシステムアーキテクチャについて まとめ
13. 全体像 DPFのシステムアーキテクチャについて hashtag: #denatech
14. 匿名加工環境(AWS) DPFのシステムアーキテクチャについて • 大半は匿名加工チームによる手運用のプ ロセスが走っている • 一部プロセスにおいてはAWSのmanaged Airflowによる自動化が出来ている • 匿名加工後のデータ品質チェックを強化 中 hashtag: #denatech
15. 二次利用環境(GCP) DPFのシステムアーキテクチャについて • Managed AirflowであるCloud Composer によるワークフロー(DAG)を構築 • datalake, datawarehouse, datamartのよ くある三層モデル • datawarehouse(統合DB)を、サイエンティ ストが分析業務に利用している。 hashtag: #denatech
16. アジェンダ 自己紹介 DPFのデータフローについて DPFのシステムアーキテクチャについて まとめ
17. まとめ • 「使える」データがあれば、それだけで売りものになる世界 ◦ とはいえ、その「使える」データの用意がめちゃくちゃ大変 • DPFのシステム構成自体は複雑ではない（はず） • データ量が膨大でかつステークホルダーが多岐にわたるので、スピード よりも安定を重視している • データ分析に注力でき、結果事業に貢献できるという環境（土台）の構築 ・運用を推進している hashtag: #denatech
18. End