医学情報学

医学情報学（ヘルスインフォマティクス） — 健康・医療・生命科学を情報の視点から扱う学問の総説

医学情報学（ヘルスインフォマティクス）は、健康・医療・生命科学に関わるデータ・情報・知識を、収集・表現・蓄積・伝達・活用する過程を科学的に扱う学際領域です。コンピュータサイエンス、情報科学、認知科学、疫学、臨床医学、保健政策が交差する場所に位置し、電子カルテ、用語標準、相互運用性、臨床意思決定支援、二次利用研究などを通じて、医療の質・安全・効率・公平性の向上を目指します。本ハブでは、学問としての定義から理論的基盤、主要サブ領域、エビデンスの方法論、未解決の論点、そして臨床・公衆衛生実装への含意までを体系的に整理します。

レベル 専門〜研究レベル監修日原裕太 NSCA-CPT

この記事の要点

医学情報学はデータ・情報・知識・知恵という階層（DIKWに類する情報連続体）を医療文脈で扱い、技術だけでなく人・組織・ワークフローを含む社会技術システムとして対象を捉える。
標準用語（SNOMED CT、LOINC、ICD、RxNorm）と交換規格（HL7 FHIR、HL7 V2、DICOM、IHEプロファイル）が相互運用性の基盤であり、語彙と構文の両面の標準化が要となる。
臨床意思決定支援（CDSS）は知識ベース型と機械学習型に大別され、アラート疲れ・ワークフロー適合・説明可能性が実装上の中心課題である。
電子健康記録の二次利用（リアルワールドデータ研究）には共通データモデル（OMOP CDM等）とデータ品質評価が不可欠で、交絡や選択バイアスの管理が方法論の核心となる。
評価は技術指標だけでなく、安全性・有用性・公平性・採用と持続可能性を含む多面的枠組み（社会技術評価）で行う必要がある。

学問としての定義と射程

医学情報学（biomedical and health informatics）は、健康・疾病・医療・生命科学に関する情報を効果的に活用するための原理・方法・技術を研究する学際科学です。米国医療情報学会（AMIA）や国際医療情報学連合（IMIA）は、これを単なる情報技術の応用ではなく、人間と情報とシステムの相互作用を扱う固有の科学領域として位置づけています。対象は臨床現場の電子カルテから、画像、ゲノム、公衆衛生サーベイランス、個人の健康データまで広範に及びます。

射程は大きく、生命科学側のバイオインフォマティクス、画像を扱うイメージングインフォマティクス、患者個人を中心とする臨床情報学、集団を扱う公衆衛生情報学、消費者を主体とする消費者健康情報学といった層に分かれます。これらは扱うデータの粒度（分子・細胞・組織・個人・集団）に沿って連続しており、医学情報学はこの粒度横断の情報連続体を一貫した方法論で扱う点に学問的独自性があります。

情報の階層と社会技術システム観

医学情報学はデータ・情報・知識・知恵という階層構造（情報の連続体）を前提とし、生のデータが文脈付与によって情報となり、関係の体系化によって知識となり、判断への適用によって行動へ結びつく過程を扱います。重要なのは、この変換が技術単独ではなく、人・組織・ワークフローの相互作用の中で起こると捉える社会技術システム（sociotechnical system）の視点です。

データ層: 検査値、バイタル、画像、ゲノム配列などの観測値。
情報層: 文脈と単位を伴って解釈可能になった臨床所見。
知識層: ガイドラインやルールとして体系化された一般化可能な関係。
実装層: ワークフロー・組織文化・規制という現実の制約条件。

理論的基盤・主要概念

理論的には、情報科学の表現論、認知科学の問題解決・状況認識理論、人間工学のヒューマンファクター、そして疫学・統計学の推論枠組みが基盤を構成します。臨床情報の表現には、用語体系（オントロジー）と情報モデルの分離という原則が重要で、HL7のReference Information Model（RIM）やFHIRのリソースモデルがその実装例です。記述（何を意味するか）と構造（どう並べるか）を分けることで、意味の保持と柔軟な交換を両立させます。

認知面では、臨床医の意思決定をヒューリスティクスとバイアスの観点から分析し、情報提示の設計がエラーを誘発も抑制もしうることを扱います。また、相互運用性の概念は、技術的（接続できる）・構文的（フォーマットを共有する）・意味的（意味を共有する）・組織的（運用ルールを共有する）の四層で整理され、真に有用なデータ交換には意味的相互運用性が不可欠であるという認識が中核にあります。

主要サブ領域の地図

医学情報学は粒度と応用領域に沿って複数のサブ領域に分かれます。各領域は固有のデータ型・標準・方法論を持ちつつ、相互運用性とデータ品質という共通課題を共有します。以下に代表的な下位トピックを示します。

電子健康記録（EHR）と臨床文書化: 構造化データと自由記載のバランス、入力負担。
医療用語標準とオントロジー: SNOMED CT、LOINC、ICD、RxNormによる意味の標準化。
相互運用性と交換規格: HL7 FHIR、HL7 V2、DICOM、IHEプロファイル。
臨床意思決定支援（CDSS）: アラート、オーダーセット、リスク予測。
リアルワールドデータと共通データモデル: OMOP CDM、二次利用研究。
臨床自然言語処理: 自由記載からの情報抽出と表現型同定。
イメージングインフォマティクスとPACS: 画像保管・伝送・解析。
公衆衛生情報学とサーベイランス: 集団レベルの監視と報告。
消費者健康情報学とPHR: 患者中心のデータ統合とアクセス。
プライバシー・セキュリティ・データガバナンス: 同意・匿名化・監査。

エビデンスの全体像と方法論

医学情報学のエビデンスは、技術の有効性だけでなく、それが実際の医療アウトカム・プロセス・コスト・利用者経験にどう影響するかを問います。評価デザインは、ランダム化比較試験、クラスターランダム化、段階的導入（ステップウェッジ）、前後比較、中断時系列分析など多様で、介入が組織全体に及ぶため個人レベルの無作為化が難しいことが特徴です。そのため、実装研究（implementation science）の枠組みが頻繁に援用されます。

二次利用研究では、観察データに内在する交絡、選択バイアス、情報バイアス、データ欠損の管理が方法論の核心です。共通データモデルへの変換とデータ品質評価（適合性・完全性・妥当性）を経て、傾向スコア、操作変数、負のコントロールなどで因果推論の頑健性を確保します。予測モデルでは、識別能・較正・臨床的有用性（決定曲線分析）に加え、外的妥当性とアルゴリズムの公平性評価が求められ、報告にはTRIPODやSPIRIT-AI/CONSORT-AIなどの標準が用いられます。

主要な論点・未解決問題

第一の論点はアルゴリズムの公平性とバイアスです。学習データに含まれる構造的不平等が予測モデルに転写され、特定集団への医療資源配分を歪める懸念が継続的に議論されています。第二に、臨床医の文書化負担とバーンアウトの問題があり、EHRが安全性を高める一方で認知的・時間的コストを増大させているという批判があります。

第三に、説明可能性と臨床信頼の問題があります。複雑な機械学習モデルの判断根拠が不透明な場合、責任の所在と臨床受容が課題となります。第四に、相互運用性は技術標準が整備されてもなお、組織的・経済的インセンティブの不一致により実装が進みにくいという社会技術的障壁が残ります。第五に、プライバシーと二次利用の公益の間の緊張、同意モデルの設計、再識別リスクの管理は規範的にも技術的にも未決の領域です。

実践・臨床への含意

実践においては、技術導入そのものより導入の仕方が成否を左右します。ワークフロー分析、利用者参加型設計、段階的導入、継続的なモニタリングとフィードバックループが推奨され、いわゆる『うまく機能するためには社会技術的整合が必要』という原則が中心になります。CDSSは正しい人に、正しいタイミングで、ワークフローに統合された形で、行動可能な情報を提供して初めて効果を発揮します。

また、データガバナンスの整備、用語マッピングの保守、品質指標の定期監査、そして導入後の安全性監視（ポストマーケットサーベイランスに類するモデル監視）が運用の基盤になります。臨床判断はあくまで人間の専門職が担い、情報システムはその判断を支援・拡張する位置づけであること、すなわち効果や安全性の最終判断を機械に委ねないという原則が、本領域の実践倫理として強調されます。

隣接分野との関係

医学情報学は臨床疫学・生物統計学とは推論方法論を共有し、特にリアルワールドデータ研究の設計と解析で密接に協働します。研究方法論や教育測定学とは、測定の妥当性・信頼性という共通の関心を持ちます。コンピュータサイエンス・人工知能とは技術基盤を共有しつつ、医療文脈固有の安全性・規制・倫理要件を加味する点で独自性を保ちます。

さらに、科学コミュニケーション学やヘルスコミュニケーション学とは、データの可視化や患者向け情報提示の設計で接続し、保健政策・公衆衛生学とは集団レベルのサーベイランスと資源配分で協働します。本領域は単独で完結せず、これら隣接分野の知見を統合する『結節点（ハブ）』として機能する点に、その学問的価値があります。

医療免責

本記事は教育目的の学習コンテンツです。診断・治療行為を代替するものではありません。痛み・しびれ・急性外傷・発熱・進行性の症状や、医師から運動制限を受けている場合は、自己判断で進めず医師・国家資格者にご相談ください。

主要な参考文献・ガイドライン

本記事は、以下の学会ガイドライン・ポジションステートメント・標準的な専門書などの公開情報に基づいて整理しています。具体的な数値や適用は原典・最新版をご確認ください。

American Medical Informatics Association (AMIA): The Science of Informatics（医療情報学の定義と領域）
International Medical Informatics Association (IMIA): Recommendations on Education in Biomedical and Health Informatics
Shortliffe EH, Cimino JJ (eds.) Biomedical Informatics: Computer Applications in Health Care and Biomedicine（標準教科書）
HL7 International: FHIR（Fast Healthcare Interoperability Resources）仕様
World Health Organization (WHO): Classifications and Terminologies（ICD等）
TRIPOD / CONSORT-AI / SPIRIT-AI 報告ガイドライン（予測モデル・AI介入研究の報告基準）

よくある質問

医学情報学とバイオインフォマティクスはどう違いますか。

両者は連続した情報連続体上にありますが、バイオインフォマティクスは主に分子・ゲノムなど生命科学側の微視的データを扱い、医学情報学（臨床情報学）は個人・集団レベルの医療データとシステムを扱います。粒度と応用文脈が異なり、近年は両者を統合する精密医療の文脈で接続が進んでいます。

相互運用性とはなぜそれほど重視されるのですか。

医療データは多様なシステムに分散しており、安全で連続的なケアや研究には異なるシステム間で意味を保ったままデータを交換できることが不可欠だからです。特に意味的相互運用性、すなわち受け手が送り手と同じ意味でデータを解釈できることが、安全性と再利用性の鍵になります。

臨床意思決定支援は臨床医の判断を置き換えるものですか。

いいえ。CDSSは臨床医の認知を支援・拡張する位置づけであり、最終的な診断・治療の判断と責任は専門職が担います。情報提示のタイミングやワークフロー適合が不適切だとアラート疲れを招くため、設計が効果を大きく左右します。

リアルワールドデータ研究の主な注意点は何ですか。

観察データには交絡・選択バイアス・情報バイアス・欠損が内在します。共通データモデルへの変換とデータ品質評価を前提に、傾向スコアや負のコントロールなどで頑健性を確保し、結論は確実性の程度とともに慎重に解釈する必要があります。

cortis Trainer Academy

学びを、現場で使える知識に。

基礎から評価・運動療法・医療連携まで。身体を診る専門職のための継続学習アカデミー。基礎は登録不要・無料。

無料の学習コースを見る →