| Project/Area Number |
19H03927
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Single-year Grants |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 58050:Fundamental of nursing-related
|
|---|
| Research Institution | The Open University of Japan |
|---|
Principal Investigator |
山内 豊明 放送大学, 教養学部, 教授 (20301830)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
三笘 里香 熊本大学, 大学院生命科学研究部(保), 教授 (10305849)
吉田 文子 佐久大学, 看護学部, 教授 (80509430)
相馬 孝博 千葉大学, 医学部附属病院, 特任教授 (90262435)
小川 賀代 日本女子大学, 理学部, 教授 (20318794)
中神 克之 名古屋女子大学, 健康科学部, 教授 (20551237)
八木 街子 (佐伯街子) 自治医科大学, 看護学部, 准教授 (60610756)
|
|---|
| Project Period (FY) |
2019-04-01 – 2024-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥17,290,000 (Direct Cost: ¥13,300,000、Indirect Cost: ¥3,990,000)
Fiscal Year 2023: ¥2,860,000 (Direct Cost: ¥2,200,000、Indirect Cost: ¥660,000)
Fiscal Year 2022: ¥5,200,000 (Direct Cost: ¥4,000,000、Indirect Cost: ¥1,200,000)
Fiscal Year 2021: ¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000)
Fiscal Year 2020: ¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000)
Fiscal Year 2019: ¥5,590,000 (Direct Cost: ¥4,300,000、Indirect Cost: ¥1,290,000)
|
|---|
| Keywords | フィジカルアセスメント / 臨床推論 / アセスメントモデル構築 / 人工知能 / 深層学習 |
|---|
| Outline of Research at the Start |
アセスメントの構成ステップである「認知認識」「批判的吟味と判断」「表出」各々を更に深めつつ統合させ、看護アセスメントモデルの構築を進める。その実効性を高めるために、カリキュラム・教授法、教授学習システムという教育工学的知見を融合させ、様々な実践場面におけるアウトカム評価により実証し、これらに関する経験や実績の蓄積を人工知能による深層学習に結びつけていくことができるシステム構築を目指す。
|
| Outline of Annual Research Achievements |
本研究では、アセスメントの構成ステップである「認知認識」「批判的吟味と判断」「表出」各々を更に深めつつ有機的にリンク・統合させることを目指し、看護アセスメントモデルとしての構築を進め、その実効性を高めるために、カリキュラム・教授法、教授学習システムという教育工学的知見を融合させることを図った。それを様々な実践場面におけるアウトカム評価により実証し、さらにはこれらに関する経験や実績の蓄積をAI（人工知能）によるディープラーニング（深層学習）に結びつけていくことができるシステム構築を目指した。
そのために本年度はこれまでに引き続き「認知認識」において、果たして知覚しているものを適切に認知認識しているであろうかについて検証を進めた。経験を積んだ者は必ずしも意識している知覚のみによらず、周辺情報からも推測して認知認識を進めている場合が少なからずあると予測されていたが、これはより迅速な判断に結びつくこともあるが、バイアスに対して脆弱な進め方でもあったことも再確認できた。素早く確実な認知認識のために、知覚と認知認識のギャップを明確にし、そのズレを埋め修正するための教授学習システム構築を目指し修正を重ねた。
別途進めている聴診運用能力向上に向けたシステムの開発研究において、聴診における音情報について、周辺雑音やホワイトノイズを激減させこれまでにないS/N比（signal noise ratio）の高さで集積できる技術を開発した。これにより、それまで困難とされていた呼吸音判別の自動化に向けたロジックの開発と実用化も進め、既存のシステムとの連携も進めた。
このことも踏まえて、今後は、開発し連携による実績蓄積により自動判別ロジックと人間の聴診判断の一致やズレの特徴検出をさらに深めることを通して、人間の認知バイアスについての検討をより深めていく予定である。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
聴覚の認知認識についての実験による検証、聴診時の視覚や触覚等の周辺情報との協働作用の可能性の探索、それらの感覚を連動させる教授学習システムの試作、認知バイアスの検討など、全般的におおむね順調に進展している。
|
| Strategy for Future Research Activity |
今後も当初の予定に大きな変更なく研究を進展させていきたい。
|
