啟動驗證以實現超長期、大容量數據儲存服務，支援醫療與研究數據的運用

國立大學法人東京大學研究所醫學系研究科人體病理學、病理診斷學領域(以下稱東京大學)與NTT東日本股份有限公司(以下稱NTT東日本)將於2026年7月下旬起，以「遠距生物DX專案※1」的新措施，運用日本IBM股份有限公司(以下稱日本IBM)提供的儲存技術，展開驗證以實現能長期、安全且有效率地保存與運用數位病理影像等大容量醫療、研究數據的數據保存基礎架構。

東京大學與NTT東日本至今在「遠距生物DX專案」中，針對臨床病理、學術界及新藥開發領域的「光學顯微鏡遠端操作※2」等項目，以操作性及運用性為中心進行驗證，確認了其運用的可行性與實用性。

本次驗證中，將結合東京大學在病理領域的知識與病理影像等實際數據、NTT東日本建構的閉域網路安全存取，以及日本IBM的超高密度磁帶儲存「IBM Storage Deep Archive※3」,以實現能安全且長期保存大容量醫療、研究數據，並支援未來AI分析、再分析及研究利用的高可靠性數據保存基礎架構。

※1:NTT東日本東大實驗室 「遠距生物DX專案」介紹頁面 https://nt-lab.adm.u-tokyo.ac.jp/remote-bioDX/

※2:為支援研究、臨床生態系統而實現光學顯微鏡遠端利用的產學合作專案成功 https://www.ntt-east.co.jp/release/detail/20260325_01.html

※3:IBM Storage Deep Archive 具備S3 Glacier API相容介面的超高密度磁帶儲存

本專案的背景與目的

隨著生成式AI的進展與數據驅動社會的演進，在醫療、研究領域等各種領域，對於能長期、安全且確實保存數據，並於未來加以運用的需求日益增加。

特別是在病理領域，許多醫療機構面臨「一人病理」的困境，僅有一位病理醫師駐診，導致診斷業務負擔增加及人才短缺成為課題。為應對這些課題，將病理標本數位化，並運用於遠端診斷及AI分析的「數位病理」正逐步導入與運用。在此背景下，東京大學為進一步發展我國的數位病理，早已導入數位病理教育、診斷系統，並致力於透過遠端病理診斷支援地區醫療、以及病理診斷輔助AI系統的臨床導入等開發研究。

另一方面，由於病理影像為極其高解析度且大容量的數據，隨著數位病理的普及，醫療機構及研究機構應保存的數據量預計將持續擴大。因此，整備能長期、安全且有效率地保存大容量醫療、研究數據，並連結至未來AI分析、再分析及研究利用的基礎架構變得至關重要。

本專案將結合東京大學在病理領域的知識及病理影像等實際數據，以及NTT東日本在網路、雲端/資料中心、安全性等設計、建構、營運方面累積的經驗，驗證能安全且有效率地保存與運用數位病理影像等大容量醫療、研究數據。

具體而言，將結合NTT東日本建構的、運用閉域網路(不連接網際網路)的安全存取基礎架構及數據基礎架構，與日本IBM提供的超高密度磁帶儲存「IBM Storage Deep Archive」,構成適合大容量數據長期保存的環境。

東京大學與NTT東日本，在日本IBM的技術支援下，目標是實現能支援AI時代所需的醫療、研究數據安全長期保存與未來利活用、高可靠性的數據保存基礎架構。

本專案的概要

本次驗證將以東京大學研究所醫學系研究科人體病理學、病理診斷學領域的牛久 哲男教授的知識為基礎，使用數位化病理標本的高解析度病理影像數據等，針對長期保存、檢索、取出、以及未來AI分析、再分析與研究利用等預期用途進行驗證。藉此，目標是實現能安全地長期保存數位病理發展所增加的大容量數據，並在需要時加以運用的環境。

NTT東日本將活用在網路、雲端/資料中心、安全性等設計、建構、營運方面累積的經驗，建構不經由網際網路的閉域網路安全存取基礎架構及數據基礎架構。此外，將包含數據加密、依據使用頻率分層保存、以及符合醫療資訊系統所需相關指南的對應等，驗證預期用於醫療、研究領域的安全性、運用性與經濟性。

此外,NTT東日本將在日本首次導入日本IBM提供的超高密度磁帶儲存「IBM Storage Deep Archive」,驗證大容量數據長期保存的可靠性、運用性與成本效益等。該產品是能有效率地保管、管理大量數據的儲存裝置，其特點在於能在抑制傳統磁帶使用伴隨的個別操作及專業知識負擔的同時，兼顧雲端般的運用與長期保存。此外，實現標準機架尺寸內最大61PB(Petabyte)※4的超高密度歸檔，並具備磁帶儲存特有的低功耗性，以及透過物理隔離(air gap)實現的高網路韌性。

※4:61PB相當於約61,000TB(Terabyte),若以每人約100GB的人類全基因組分析數據計算，約可保存61萬人的份量。

驗證專案概要圖

今後的發展

基於本次驗證所獲得的知識，首先將在數位病理領域，持續驗證其作為支援病理影像數據長期保存、未來AI分析、再分析、研究利用等之數據保存基礎架構的有效性。同時，也將考慮將在病理領域獲得的大容量、高解析度影像數據的保存、檢索、取出、以及運用等知識，應用於醫療、研究領域其他影像診斷數據及研究數據的保存、運用。

未來，也將考慮擴展至需要長期安全保存的公共領域公文書、影像檔案、企業重要數據的備份/歸檔等，目標是實現能支援AI時代數據利運用的超長期、大容量數據保存儲存服務。

透過本次驗證，將活用各方擁有的知識、技術、經驗，為提升醫療品質及研究開發的精進做出貢獻，並支援地區社會及產業的永續發展。