数十のシステムを、初めて横断して見る。
この20年、医事司のデータはブラックボックスのような数十の独立したシステムに分散し、課室間もシステム間もつながっていませんでした。幹部から部署横断の分析レポートを求められるたびに、職員は数週間かけて手作業で集計していました。私たちは「医事行政管理デジタル再構築計画」を受託し、医事司のデータ統合基盤を構築しました。
- 委託機関
- 台湾 衛生福利部医事司
- 計画
- 医事行政管理デジタル再構築計画
- 契約
- 2024年度に検収完了、2026年度に契約更新
- 運用環境
- 衛生福利部専用データセンター
データはあるのに、一緒に使えない。
医事管理、小児専任医師、病院評価などの基幹システムはそれぞれ独立して動いていました。部署横断の分析をするには手作業での集計が必要で、公文書のやり取りが発生することも。こうした「データの機能不全」が、デジタル変革への道のりを大きく遠回りさせていました。
この計画の目的は、集計や検索だけではありません。データのあり方そのものを統一し直し、散在する行政データを意思決定に役立つデジタル資産に変えること。そして、機関のセキュリティとプライバシーの規範のもとで、これからのスマート医療行政の土台を築くことです。
ETLでクレンジングし、FHIR標準で形式を統一
数十の異なるバックエンドシステムを相手に、徹底したETLクレンジングを実施しました。冗長な値やノイズを取り除き、キーのロジックを統一し、国際医療データ標準FHIRに沿って形式を標準化。課室や部署、さらには省庁をまたいだデータ処理もプラグアンドプレイで行えるようにしました。
- Data Fabric アーキテクチャと NoSQL クラウドデータレイクを導入
- 構造化データと非構造化データを同時に格納
- 内政部の人口、健康保険、長期介護、死亡統計などの外部データと連携
ひとつの基盤に、3種類の外部インターフェース
基盤は API、SFTP、SQL Endpoint の外部インターフェースを備え、医事司やほかの課室がそのままBIにつないで分析できます。医療行政データの一件一件が、政策判断の根拠になります。
- 共通キーでテーブルをまたいで結合
- 外部インターフェースには一貫したアクセス制御
- AI-Ready なアーキテクチャで、今後のAI推論の土台に
SELECT o.region, COUNT(p.id) FROM practitioner p JOIN organization o ON p.org_key = o.org_key GROUP BY o.region;
AIの回答を、データで確かめられる
統合基盤の上に RAG ナレッジセンターを構築し、構造化された医療行政データをAI推論の知識の拠りどころにしました。AIは「話せる」だけでなく、医療行政の文脈を理解し、最新データをリアルタイムに取得して、政策の読み解きを支援します。
- すべての回答をデータの出典までたどれる
- 統合基盤の最新データをリアルタイムに取得
- 読み解きを支援し、判断は職員が行う
直近3年間、専任医師数は全体として増加傾向にあり、特に北部・中部の県市で伸びが目立ちます。東部と離島はほぼ横ばいで、依然として人手が手薄な地域のため、次の段階での検討をおすすめします。
プライバシー保護は、アーキテクチャ設計から
衛生福利部の専用データセンター内でセキュア開発ライフサイクル（SSDLC）を導入し、要件定義、設計、開発からリリースまで、すべての工程でセキュリティ審査を行っています。
- 機微な医療データはすべて処理前に匿名化
- VM（仮想マシン）とSQLサーバーを分離
- ゼロトラストの原則で国民の個人情報を保護
医療行政データを、初めてシステム横断で見られるように。
| 項目 | 成果 |
|---|---|
| データ統合 | 医事管理、小児専任医師、病院評価など数十の基幹システムを連携 |
| 外部連携 | 人口、健康保険、長期介護、死亡統計を医療行政データとあわせて分析 |
| 分析 | API、SFTP、SQL Endpoint を提供し、各課室がそのままBI分析可能に |
| 契約 | 2024年度に検収完了、2026年度に契約更新。あわせて2025〜2026年度の医事人材管理効率化・デジタル活用推進計画も実施 |
AI によるデジタル変革を、今すぐ始めましょう。
