(1)Amazon Web Services(AWS)にJ-MIDサーバーを作成し、DICOMデータおよび非DICOMデータを保管し、その検索システム(SET Tool)とAI開発環境を構築した。ダミーデータでAWS上でシステムの稼働を確認した。(2)J-MIDのパブリッククラウド化の安全性等の検証を行った。検証環境や各施設での管理策は一定程度講じられているが、J-MID全体としての管理策は事業化水準とのGAPがあった。費用面では、将来事業化仮説を設定し、AWS利用料や保守費等の費用概算の可視化を行った。(3)ダミーデータを用いて、既存のJ-MIDからキュレーションサーバーを介してAWSへ画像・レポートを移行できることを実証した。J-MIDへMR画像を送信できるようにシステム改変を行った。(4)動作性検証として、院内で使用しているDockerコンテナが、AWS上でも動作することを確認した。また、オープンリソース化に向けて、倫理委員会の承認条件を遵守する必要から、大幅なアクセス制限の緩和は困難と考えられた。対応策として、インフォームドコンセント取得や各施設での匿名加工・非識別加工、匿名加工医療情報作成事業者の利用などが必要と考えられた。(5)レポートに関する検討として、文字列検索による症例抽出と、企業との共同研究や治験による制約の遵守が可能と確認でき、所謂「カタログ方式」によるクラウド経由での症例収集システムの実現可能性が示唆された。(6)AWS上に線量解析サーバを設置し被ばくデータを解析する実証の前段階として、クラウド上に置かれるものと同一データを参加施設にあるRadimetrics(TM)サーバにより解析できることを確認した。(7)AI精度の施設間変動の検討として、3種類の脳動脈瘤検出ソフトウェア(頭部MRA)について検討した。静磁場強度の異なる2施設のデータで学習した場合、単一施設のデータで学習した場合と比較して、他施設データによる評価で大幅な性能低下が生じにくい傾向が示された。(8)クラウドを活用した医療画像ビッグデータの解析に関する研究として、AWSおよびNIIクラウド基盤におけるAI画像解析の性能評価を行い、ほぼ同等の性能が得られることを確認した。また、クラウドサービス利用時のコストならびにセキュリティの検証を行い、考慮すべき点を明らかにした。