[新製品・サービス]

2024年11月26日(火)日川 佳三（IT Leaders編集部）

リスト

　富士通の「Policy Twin」は、自治体による施策の立案を支援するデジタルツイン技術である。実績のある複数の自治体の過去の施策をデジタルツイン上に再現した上で、新たな施策候補を再構成し、生成した施策候補の効果をシミュレーションによって算出する。

　背景として、高齢化による医療費増加や医療人材不足などの社会課題を解決するためには、限られた社会資源の中で、どのような人にどのようなサービスを提供するかの施策を、適切に策定する必要がある。

　しかし、例えば予防医療事業の場合、施策の効果を事前に算出することが難しく、多くの場合、勘や経験に頼って施策を立案している。さらに、医療機関や住民、行政などのステークホルダーの意見が異なるため、合意形成に時間がかかっている。

　富士通は今回、Policy Twinを予防医療事業で検証した。保健指導の提供リソース要件を満たしつつ、保健指導による医療費の節減効果と健康指標の改善効果が、ともに前年度の約2倍に向上する施策候補を導出できたという。

　同社は今後、Policy Twinを活用した「健康医療EBPM（証拠に基づく政策立案）サービス」を2025年度中に提供することを目指す。さらに、コンサルティングサービスで同技術を活用し、各種事業に適用する。

施策をフロー形式に変換し、再構成し、シミュレーションする

　なお、Policy Twinで施策を探索する流れは、以下の通りである。

　(1)まずは、施策をフロー形式に変換する。

　大規模言語モデル（LLM）などを使い、文書として公開されている各自治体の施策情報を、提供サービス（保健指導や受診勧奨など）とサービスを提供する対象者を絞り込むための条件分岐（血糖値や腎障害の条件など）から成る機械可読なフロー形式に変換する（図1）。これにより、地理的な特性や人口構成を考慮し、類似する複数の自治体の施策のフローの違いを比較できるようになる。

図1：文書化された施策情報を、機械可読なフロー形式に変換する例（糖尿病性腎症重症化予防事業の例）（出典：富士通）
拡大画像表示

　(2)新たなフロー候補を生成する。

　図2のように、複数の自治体の中から実績のある施策のフローを参考に、条件分岐や提供サービスの中から一部を組み合わせて再構成することで、新たなフロー候補をいくつか作成する。この際、実証経済学の資源配分の検討プロセスを参考に、サービス利用の定員など限られたリソースの配分可能な範囲を制約条件として、フローの組み合わせを選定する。

図2：Policy Twinによるデジタルリハーサルの概要（出典：富士通）
拡大画像表示

　(3)サービス提供をシミュレーションする。

　作成したフロー候補の上で、フローの開始から人々がどの条件分岐を通って、結果としてどのような提供サービスに至るかを、人の行動選択を考慮したマシンラーニングによる独自の行動選択モデルなどを使い、実績データに基づいてシミュレーションする。さらに、健康指標や医療費、リソースなどの自治体が目指す目標指標がどのように変化するかを算出する。

　ある自治体における予防医療事業を対象にシミュレーションの正確さを検証したところ、国民健康保険のデータに基づいてPolicy Twinで算出した保健指導の件数は、実績値と誤差5%以内の範囲で一致することを確認した。このように、複数のフロー候補で、それぞれ複数の指標をシミュレーションし、それらの指標が最大となるフロー候補を選択する。