医療データは仕様が統一されていないことが多く、また、提供元によって入力・管理方法が異なることから、そのままでは利活用することができません。そのため、医療データの内容を確認し、不正確・無関係なデータを特定し、医療データに対して正確な意味を付与していくこと（標準化・クレンジング）が必要です。
また、医療データに含まれる特徴的な記述が個人を特定しうる情報でないかということを確認し秘匿すること（マスキング）も必要となります。
こうした標準化、クレンジングやマスキングといった医療データの加工をAI等の技術や医療知識を生かして実施しています。

マスキングする業務や、フリーテキストから医療情報に関する情報を抽出し、分析可能な形へ構造化する業務を行っていますが、私が入社当時は全て目視による作業工程でした。全社員で1ヵ月間にわたり確認作業を行うという状況でしたが、AIに医療用語を学習させ、地名や名前などの個人情報の検出工程を自動化し、作業工数を大幅に削減することができました。
AIによる精度と効率性の向上でチームに大きく貢献できたこともやりがいを感じたことですが、何よりも次世代医療基盤法に基づく認定事業において個人情報の混入はあってはならないという責任の重さも強く感じています。
医療ビッグデータの未知の領域で正解のない問題に直面しながらも、最適解を追及していきたいと考えています。

データが利活用される医療・ヘルスケア分野での研究開発において「どのようなニーズやトレンドがあるのか」を追求し、さらに医療データの付加価値を生み出していきたいと考えています。
医療ビッグデータの利活用により、新しい治療法や新薬の開発、病気の早期発見や予防、患者ごとにカスタマイズされた適切な医療や医療機関の負担軽減などが実現可能です。
そのような医療研究のニーズを明確に把握し、データ量の蓄積だけではなく、データの品質と価値を高めるため、AIを活用した新たな知見を得ることで、会社の事業性を高めていきたいと思っています。