国保KDB（国保データベース）由来の5指標で福岡県内60市町村を県平均・同規模類型と横比較し、「自分の市町村はどこが弱いのか」を1画面で把握、AIによる改善提案レポートまでつなぐBtoG SaaS。県管理者の俯瞰ヒートマップにも対応した、動作するプロトタイプ。
市町村国保には、健診・医療・介護のデータが すでに揃っています。国民健康保険中央会の 国保データベース（KDB）システム は、各保険者が県内・同規模・全国と比較し、自分のポジション（順位）を把握できる仕組みを提供しており、データヘルス計画の策定・評価の基盤になっています。問題は「データが無い」ことではなく、そのデータを横比較し、次の一手に変換する時間と人手が現場に足りないこと——ここに伸びしろがあります。
余地は数字にも表れています。厚生労働省の集計では、2023年度の特定健康診査の実施率は全保険者で 59.9%、特定保健指導は 27.6% と、いずれも過去最高を更新しました。一方で保険者種別の差は大きく、健保組合が8割超であるのに対し、市町村国保の特定健診実施率はおおむね4割前後と相対的に低い水準にとどまっています（年度・集計区分により幅があります）。同じ市町村国保の中でも、自治体ごとに受診率や医療費には開きがあり、「どこを伸ばせば全体が上がるか」を見極めることに、まだ大きな改善余地があります。
背景には、保健事業の担当が 少人数で、複数業務を兼務 しがちな自治体現場の構造があります。KDBの帳票は出せても、60市町村分を並べて弱点を抽出し、施策案と根拠を1本のレポートにまとめるには、相応の分析工数がかかります。県の立場でも、域内60市町村を横断して「どこが、なぜ弱いか」を俯瞰する手段は限られています。
本DEMOは、その「データはあるが、横比較と次の一手に変換しきれていない」を AI と可視化で埋めることを目指したプロトタイプです。一次ユーザーは市町村の保険年金・健康増進課の担当者、二次ユーザーは県（域内60市町村を俯瞰する管理者ビュー）。
出典: 国民健康保険中央会「国保データベース（KDB）システム」（県内・同規模・全国比較とポジション把握に関する説明） ／ 厚生労働省「2023年度 特定健康診査・特定保健指導の実施状況について」（全保険者の実施率・保険者種別の実施率）。実施率は年度・集計区分により幅があり、ここでは方向性を示す目安として引用しています。国民健康保険中央会 ／ 厚生労働省
構想図ではありません。福岡県内60市町村×5指標×5年分（2020〜2024）のサンプルデータを同梱・APIキー不要で、いますぐ実機で触れる状態です。市町村担当者ビューと県管理者ビューを擬似ログインで切り替え、代表的な3シナリオを「ダッシュボード → 弱点抽出 → ランキング → AI改善提案レポート」まで一気通貫で確認できます。
ダッシュボードの5指標カードが、県平均・同規模類型平均との乖離と県内順位（全60中）を即表示。受診率が弱点としてスコア上位に挙がり、指標詳細で5年推移グラフを確認。→ だから「弱点はどれか」を探さずに済む。
医療費が弱点上位に。AI改善提案レポートが、重症化予防・後発医薬品・適正受診などの施策案を、県平均/類型平均/順位の根拠表とあわせて生成。→ だから施策の議論を「根拠つき」で始められる。
県管理者ビューで全60市町村×5指標のヒートマップを表示。色の濃淡で弱点が集中する自治体・指標が一目で分かり、任意の市町村にドリルダウン。→ だから県として支援先の優先順位をつけられる。
「データを見る」から「弱点を特定し、根拠つきで施策案にする」までを、ひとつの画面で完結させる構成です。実装は実アプリのソースに基づきます。
1人あたり医療費／特定健診受診率／特定保健指導実施率／ジェネリック使用率／重症化予防対象者数を、県平均・同規模類型平均との乖離と県内順位つきでカード表示。
指標別に福岡県内60市町村を昇順／降順でランキング表示。県平均・同規模類型（5区分）平均・分布グラフで自市町村のポジションを把握。
県平均偏差・類型平均偏差・順位を重みづけしたスコアで、5指標から弱点を自動算出し上位3件を提示。「指標が良い／悪い」の向きも自動判定。
弱点指標ごとに改善施策案・根拠表（現在値/県平均/類型平均/順位）・参考情報を月次レポート化。本格運用ではClaude API接続に差し替え可能なスタブ実装。
県管理者ロールで60市町村×5指標を俯瞰ヒートマップ表示。弱点が集中する自治体・指標を色で把握し、任意の市町村テナントに切替・ドリルダウン。
指標グラフのPNG出力、議会・保健事業計画向けPDF出力（クライアント完結）。CSV/xlsxのフロントパースによる取込モックと取込履歴も実装。
専門の分析スキルや、KDB帳票を並べ替える手作業は要りません。ログインから、施策案つきレポートを手にするところまで——途中で詰まらせない導線設計です。
市町村担当者または県管理者として擬似ログイン。県管理者は60市町村のテナントを切り替えられる。→ だから現場と県が同じ画面を共有できる。
ダッシュボードで5指標を県平均・同規模類型平均との乖離・県内順位つきで一覧。指標詳細では5年推移を折れ線で確認。→ だから「比較のための前処理」が要らない。
偏差と順位から弱点スコアを計算し、優先して着手すべき指標を上位3件に自動で絞り込む。→ だから「どこから手をつけるか」で迷わない。
弱点ごとの改善施策案を、根拠表・参考情報とともに月次レポート化。議会・保健事業計画向けにPDF出力。→ だから庁内・議会の合意形成を「根拠つき」で進められる。
誠実に言えば、これは「施策を決める仕組み」ではありません。AIが担えるのは 弱点の可視化と施策案の下書き まで。データの解釈と施策の決定は、自治体の保健専門職と行政の判断領域です。この線引きと、扱うデータの粒度を最初に自治体・県と合意することを、実装の前提条件にしています。
60市町村×5指標の横比較／弱点スコアの自動抽出／改善施策案と根拠表の生成／県管理者の俯瞰ヒートマップ／議会・計画向けPDF出力。「比較と一次整理に時間が溶ける」を減らす。
データの解釈と施策の最終決定は自治体の保健専門職と行政。本デモは集計済み指標のみを扱い 個人情報・レセプト粒度のデータは扱わない前提。AI応答はテンプレート擬似応答、DB・実KDB連携・メール・バッチは未実装（モック完結）。本格運用時にここを個別に詰める。
福岡県内60市町村から始め、九州・全国1741自治体への横展開を視野に設計しています。数値は本デモの設計目標・想定であり、実証で検証する対象です。
本格運用時は Claude API キーと実データソース（KDB帳票エクスポート／e-Stat等）を差し込むだけで、画面構造・指標ロジックはそのまま使えるよう設計しています。
いきなり全機能を本番投入しません。小さく出して、現場が触る を各段階に挟みます。福岡県のKDB活用市町村支援や、福岡市「実証実験フルサポート事業（mirai@）」、県内市町村コンソーシアムでの公民共働実証を想定し、原資は同種事業・交付金等の活用を視野に入れています。費用・スコープは個別に確定します。
「AIが下書きする範囲」「保健専門職・行政が解釈・決定する範囲」を担当課・県と合意。05の線引きと、扱うデータ粒度（集計済み指標のみとするか）をここで確定する。
KDB帳票エクスポート等の実データを取り込み、Claude APIを接続。まず数市町村・数指標に絞って小さく動かし、担当者が実際に使って評価する。
限定した市町村群で保健事業の検討補助として試験運用。レポートの妥当性・分析工数の削減・施策反映状況を計測し、現場フィードバックで改善する。
福岡県内60市町村で定着させ、指標ロジックの構造を保ったまま九州・他都道府県へ。座組は「主体＝自治体・県／伴走＝allfesta／連携＝交付金・関係機関」。