1.は じ め に
　1.1 データアーキテクチャ編の意義・目的〔山本景一〕
　　1.1.1 ヘルスデータサイエンスとは
　　1.1.2 ヘルスデータサイエンスにおけるデータアーキテクチャの意義
　　1.1.3 ヘルスデータサイエンスにおける臨床研究情報学の役割
　　1.1.4 対象とする読者
　　1.1.5 本書の構成
　　コラム 1 fit for purpose data（目的適合性を備えたデータ）の考え方〔山本景一〕
　　コラム 2 臨床研究情報学コンセプトモデル〔山本景一〕
　　コラム 3 マルチモーダルレジストリとデジタルツイン〔山本景一〕
2.前提知識 1・ヘルスデータアナリシス基礎
　2.1 予測・知識更新システムとしてのヘルスデータサイエンス〔手良向 聡〕
　　2.1.1 ヘルスデータサイエンスの目標
　　2.1.2 予測における統計学の役割と不確実性
　　2.1.3 臨床予測モデル
　　2.1.4 臨床予測モデルの事例：糖尿病発生予測モデル
　　2.1.5 因果のはしご
　　2.1.6 データアーキテクチャおよびデータマネジメントの重要性
　2.2 医療データ分析の考え方（疫学・生物統計学）〔松山 裕〕
　　2.2.1 効果の大きさを測る
　　2.2.2 研究デザイン
　　2.2.3 エンドポイントの型と統計解析手法
　　2.2.4 リアルワールドデータの利活用
3.前提知識 2・ヘルスデータマネジメント基礎
　3.1 医学研究のためのデータマネジメントの考え方〔山本景一〕
　　3.1.1 fit for purpose data を得るためのデータマネジメントの考え方
　　3.1.2 データマネジメントの視点から見た医学研究の分類
　　3.1.3 医学研究で対象となるデータ
　　3.1.4 臨床研究のデータマネジメント：探索的研究と検証的研究の比較から
　　3.1.5 医学研究における対象集団抽出の考え方：コホート同定
　　3.1.6 データ統合：共通データモデルの考え方
　　コラム 4 計算論的フェノタイプとは何か：データから「人の特徴」を捉え直す新しい概念〔山本景一〕
　　コラム 5 米国 CDC のデータモダナイゼーション・イニシアチブ（DMI）〔山本景一〕
　3.2 症例報告書（画面）設計〔髙田宗典〕
　　3.2.1 症例報告書（データ収集）設計の考え方の概要と規制要件
　　3.2.2 質の高い研究結果を導くために必要なデータの特定方法
　　3.2.3 症例報告書のデザインと運用に際しての考慮事項
　　3.2.4 症例報告書のテストとバリデーション・変更管理
　　3.2.5 症例報告書の役割の変化と DX
　　コラム 6 電子カルテから治験依頼者システムへの臨床データ提供事例〔青柳吉博〕
　3.3 医療データ標準〔木村映善〕
　　3.3.1 医療データを標準化する動機
　　3.3.2 標準交換規約と標準医療情報モデル
　　3.3.3 相互運用性を担保するための情報モデル
　　3.3.4 用語集
　　3.3.5 共通データモデル
　　コラム 7 OHDSI ATLAS の紹介〔平松達雄〕
　3.4 データプライバシー（個人情報保護技術）〔千田浩司〕
　　3.4.1 再識別のリスク
　　3.4.2 匿名加工情報
　　3.4.3 k-匿 名 化
　　3.4.4 匿名化データと統計情報
　　3.4.5 差分プライバシー
　　3.4.6 合成データ
　　3.4.7 秘 密 計 算
　　3.4.8 安全なデータの連結・利活用
　3.5 関連システム（データベース・レジストリ・関連システムの種類および課題）〔鈴木紀秀〕
　　3.5.1 ヘルスケアデータのバリューチェーン
　　3.5.2 関連システムとその種類
4.ヘルスデータアーキテクチャ基礎
　4.1 ヘルスデータアーキテクチャの考え方〔山本景一〕
　　4.1.1 fit for purpose data を実現するヘルスデータアーキテクチャ
　　4.1.2 fit for purpose data を実現するための体系的アーキテクチャ
　4.2 データ基礎〔山本景一〕
　　4.2.1 データの分類と意味
　　4.2.2 データと変数の基本概念
　　4.2.3 変数の種類
　　4.2.4 質的データと量的データ
　　4.2.5 データ形式（データ型）
　　4.2.6 データ構造：構造化・半構造化・非構造化
　　4.2.7 データの整形と前処理（データクリーニング）
　　4.2.8 医療におけるデータ意味論の基礎
　　4.2.9 ターミノロジーと意味論的相互運用性
　　4.2.10 データカタログ：データ資産を俯瞰する仕組み
　　4.2.11 データディクショナリ：項目レベルで意味を定義する
　　4.2.12 ターミノロジー，データカタログ，データディクショナリの関係性と実務的意義
　　4.2.13 データ活用を支える基礎概念
　　コラム 8 Markdown 記法〔山本景一〕
　4.3 リレーショナルデータベース〔根岸織江・深津吉聡〕
　　4.3.1 リレーショナルデータベースとは
　　4.3.2 概念モデル・論理モデル・物理モデルとは
　　4.3.3 正規化とは
　　4.3.4 EAV モデルとは
　　コラム 9 FHIR サーバ〔木村映善〕
　　コラム 10 EAV モデル事例：多施設臨床研究データ収集システム RED-Cap〔山本景一〕
　4.4 データウェアハウスとその周辺技術およびスタースキーマ〔菊池妙子・深津吉聡〕
　　4.4.1 データウェアハウスの概要
　　4.4.2 データウェアハウスを中心としたデータアーキテクチャ
　　4.4.3 データの種類
　　4.4.4 データ品質の確保
　　4.4.5 スタースキーマ
　　コラム 11 データウェアハウス事例：米国 i2b2-SHRINE プロジェクト〔山本景一〕
　　コラム 12 J-CONNECT コンソーシアム：CyberOncology〔松本繁巳〕
　4.5 NoSQL データベース〔伊藤幹也・深津吉聡〕
　　4.5.1 NoSQL の概要
　　4.5.2 NoSQL データベースの種類
　　4.5.3 NoSQL データベースとリレーショナルデータベースとの設計コンセプトの違い
　　4.5.4 NoSQL データベースにおけるトランザクション処理
　　4.5.5 NoSQL を土台とした開発と運用
　4.6 データレイク〔菊池妙子・深津吉聡〕
　　4.6.1 データレイクの定義
　　4.6.2 ヘルスケア分野におけるデータレイク活用のシナリオ
　　4.6.3 データアーキテクチャにおけるデータレイクの位置づけ
　　4.6.4 データの種類別の取り扱い
　　4.6.5 メタデータの管理
　　4.6.6 データレイクにおけるデータ品質の管理
　　4.6.7 データレイクの使い方に関する留意事項
　　コラム 13 データレイク事例：米国 CDC のデータモダナイゼーション・イニシアチブ（DMI）と PCORnet の取り組み〔山本景一〕
　4.7 データアーキテクチャの実装と管理〔田崎正宜・深津吉聡〕
　　4.7.1 実装・管理の対象としてのデータアーキテクチャ
　　4.7.2 データにまつわるプロセスとシステムの青写真
　　4.7.3 データ管理基盤の選択・導入・運用管理
　　4.7.4 データアーキテクチャの維持
　　4.7.5 データアーキテクチャの重要性
　4.8 データ処理（登録・検索・更新・削除）手法〔伊藤幹也・深津吉聡〕
　　4.8.1 構造化データに対するデータ処理
　　4.8.2 半構造化データに対するデータ処理
　　4.8.3 非構造化データに対するデータ処理
　4.9 データの可視化〔田崎正宜・深津吉聡〕
　　4.9.1 データの可視化の必要性
　　4.9.2 データの可視化の目的
　　4.9.3 データの表現方法とその差異
　　4.9.4 新しいデータの可視化の形態／AI を用いた画像解析
　　4.9.5 視覚表現のリスク
　　4.9.6 データの可視化に対するリテラシー
　　コラム 14 データの可視化の例〔田崎正宜・深津吉聡〕
　　コラム 15 医療データ可視化における AI 活用と XAI の重要性〔山本景一〕
5.ヘルスデータアーキテクチャ発展
　5.1 生成 AI，検索拡張生成，そしてベクトル DB〔岡 優作・深津吉聡〕
　　5.1.1 生成 AI の概要
　　5.1.2 生成 AI のアーキテクチャおよびその中核部分に関する共通の設計図
　　5.1.3 大規模言語モデルを単体で業務に活用する際の問題点
　　5.1.4 検索拡張生成
　　5.1.5 ベクトル DB の技術
　　5.1.6 マルチモーダル生成 AI についての補足
　　5.1.7 生成 AI を利用する際の情報漏えいおよび著作権侵害リスク
　5.2 生成 AI による研究データ生成〔石原拓磨〕
　　5.2.1 社会的背景と課題
　　5.2.2 生成 AI による研究データ生成技術の概要と応用可能性
　　5.2.3 合成患者データの考え方と有用性
　　5.2.4 マイクロシミュレーションと合成データの統合的活用
　　5.2.5 今後の展望と倫理的・社会的含意
　5.3 AI による産業革命に向けて〔西井雄飛・深津吉聡〕
　　5.3.1 今後の AI の進化の方向性
　　5.3.2 AI による未来を実現するために必要となる知識
　　5.3.3 AI ガバナンス
　　5.3.4 AI 時代における AI との付き合い方
　5.4 データメッシュとデータファブリック〔伊藤幹也・深津吉聡〕
　　5.4.1 データメッシュ
　　5.4.2 データファブリック
　5.5 データ仮想化とデータオーケストレーション〔小野沢博文・深津吉聡〕
　　5.5.1 データ仮想化とは
　　5.5.2 データ仮想化が登場した背景
　　5.5.3 データ仮想化のアーキテクチャ
　　5.5.4 データ仮想化の強みと弱み
　　5.5.5 データ仮想化製品の分類
　　5.5.6 データ仮想化の適用シナリオ
　　5.5.7 データオーケストレーションとは
　　5.5.8 データオーケストレーションが登場した背景
　　5.5.9 データオーケストレーションの現在と将来
　　コラム 16 データオーケストレーション事例：PHR 相互運用モデルPHOENICS 開発プロジェクト〔山本景一〕
　　コラム 17 データスペースと EHDS〔山本景一〕
索 引