技術革新 金融・社会・ヘルスケア

ブロックチェーン（BC：Blockchain）は，第三者機関が仲介することなく取引を可能とする技術であり，P2P（Peer to Peer）電力取引などさまざまな分野での活用が期待されている。現在のBCでは，取引情報に対して電子署名を付与することで，取引の信頼性が担保されている。しかし，ユーザーが電子署名を生成するための秘密鍵を紛失，漏えいした場合は，BC上で取引した資産を喪失したり，なりすましにより不正に取引されるリスクが存在している。

そこで日立は，生体情報から秘密鍵を生成する日立独自のPBI（Public Biometrics Infrastructure）を活用することで，BC上でのリスクを低減する技術を開発した。本技術では，秘密鍵が必要となるたびに，ユーザーは生体情報から秘密鍵を生成することができるため，認証デバイスに秘密鍵を保存する必要がなくなり，秘密鍵の紛失，漏えいといったリスクを大幅に削減することができる。

今後は，顧客企業との実証実験などを通じて，本技術の社会実装を進めていく。

デジタルサービスでの決済やクーポン利用など金融サービスの浸透により，従来は銀行窓口で行われていた本人確認業務を，オンラインで確実に実行する技術が求められている。

そこで，日立独自のPBI技術を活用し，スマートフォンなど汎用的なモバイル端末から取得した生体情報より，厳密に個人を識別するデジタルIDの生成技術を開発している。さらに，このデジタルIDを，登録した機関だけでなく自治体や金融機関，小売店などのさまざまな事業者が参加して共有・再利用できるデジタルID基盤を開発している。データの耐改ざん性が高いブロックチェーン技術を活用することで，なりすましやデータ改ざんのリスクを減らし，各事業者が安心して協力できる新しいサービスを提供する基盤となる。

今後は，顧客企業との協創を通じて実用化を加速していく。

まれにしか起きない事象の発生の予測は，例えば，取引における不正や融資における貸し倒れなどの判断に重要である。従来のディープラーニング（Deep Learning）では，実績データを用いて予測誤差が小さくなるように予測式を学習するが，まれにしか起きない事象の場合，実績データが少ないため学習が困難である。さらに，予測モデルを高精度化しようとすると，予測式が複雑になり，根拠の説明が難しいという課題があった。

今回，発生頻度の少ない事象の発生を高精度に予測し，その根拠を提示する人工知能（AI：Artificial Intelligence）を開発した。正常なデータに加え，偏ったデータや極端なデータに影響を受けないことも訓練するシグナルノイズ学習を開発し，融資データを活用した貸し倒れ予測に適用したところ，従来のディープラーニングを用いた場合と比較して 43%高い精度で予測できることを検証した。

近年IoT（Internet of Things）の進展に伴い，鉄道分野においても地上設備や車両の各機器からさまざまなデータが得られるようになり，これらのデータを活用したCBM（Condition Based Maintenance）やPdM（Predictive Maintenance）により，安全性を確保しつつ，保守効率を高めていく期待が膨らんでいる。CBMやPdMの実現には，設備や機器の挙動をモデル化し，故障予知や対策検討をしていくことが重要になるが，従来の機械学習によるモデル化は，人間にとって解釈が容易でなく，現場での適用が難しかった。

そこで，データ間の因果関係を自動的に推定する因果推定技術を開発した。本技術は（1）データ間の関係性を階層的にモデル化し，下位変数の貢献度を自動算出しておくことで，現場で影響の原因をたどりやすくした。また，因果の順序関係の特定が難しい変数群に対し，（2）自動的にグループ化し代替変数候補とすることで，現場で納得のいくモデルに修正可能とした。

今後，この技術を鉄道保守分野に適用していき，安全性を確保しつつ，保守効率を高めていくための支援システム化をめざしていく。

心疾患患者の再入院リスクを高精度に予測するAI技術を米国Partners HealthCare（以下，「PH」と記す。）社と共同で開発した。

米国では，いわゆるオバマケアの一環として，再入院低減プログラム（30日以内の再入院を必要とする患者がある割合以上の病院は，保険償還額全体の3％が減額される政策）が2012年に導入されている。PH社では，退院後の患者が血圧や体重などのデータをモバイル端末から登録し看護師が隔週で指導するCCCP（Connected Cardiac Care Program）という仕組みを導入し，再入院率の低減を図ってきたが，この仕組みの効率化のため，リスクの高い患者を割り出し，同時にリスクの根拠となる情報を抽出することが課題であった。

日立は，リスク要因を抽出可能なディープラーニングの技術（根拠を説明できるAI）を新たに開発し，リスク予測の精度が世界トップクラスのAUC（Area Under the Curve）：0.71を達成し，約3,500あるリスク要因の候補をリスク寄与の大きさ順に出力することに成功した。これにより，提供するケアプログラムの効率化を図ることが可能になり，その実現に向けて共同研究を推進中である。

循環器系疾患における超音波診断の検査時間短縮を目的に，三次元撮像用マトリックスプローブ^※1）と診断装置の最上位機種（LISENDO 880^※2））を製品化した。

開発したマトリックスプローブは，碁盤目状に配列された無数の微細な超音波振動子と超音波信号を高速処理する小型集積回路が内部に組み込まれており，被験者の体に当てるだけで高精細な心臓全体の三次元データを瞬時に取得可能である。

また，LISENDO 880は高速画像処理エンジンにより，マトリックスプローブで得られたデータから高画質な三次元ボリューム画像を生成可能であり，さらに，機械学習の応用により，循環器診断に必要な各種計測や解析作業を自動化するアプリケーションを搭載している。これらの技術により，超音波検査の大幅な短時間化が可能となっている。

今後は，三次元撮像技術のより幅広い診断領域への適用やAI技術の活用を推進し，被験者の負担軽減，診断の質向上，病院検査スループット向上などの顧客価値の実現に貢献する。

（販売開始時期：2018年6月）

※1）

販売名：MXS1プローブ（医療機器認証番号：第228ABBZX00097000号）

※2）

販売名：ALOKA LISENDO 880(医療機器認証番号：第228ABBZX00092000号)

自動分析装置は病院の血液検査における主力の装置の一つであり，その測定対象項目が拡大すれば，1台で多項目の検査を実施できることから業務効率化に貢献できる。2017年に株式会社日立ハイテクノロジーズより販売された自動分析装置3500は，世界で初めて散乱光度計を追加搭載し，高感度化により測定対象項目の拡大を実現した複合型の自動分析装置である。

自動分析装置における免疫測定では，抗体を感作させたラテックス粒子を試薬として血液と混合し，反応液中に凝集塊を生成させ濁度変化から成分濃度を測定する。従来は，吸光光度計を用いて透過光検出により測定していた。

今回，ラテックス粒子に対して好適な光源波長と散乱光受光角度を選定することで，従来よりも低濃度の領域を測定可能な散乱光度計を開発した。これにより低濃度の領域については散乱光度計を用い，高濃度の領域については従来通り吸光光度計を用いることで測定範囲の拡大を実現した。