| Project/Area Number |
22K19684
|
|---|
| Research Category |
Grant-in-Aid for Challenging Research (Exploratory)
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Medium-sized Section 58:Society medicine, nursing, and related fields
|
|---|
| Research Institution | Tokyo University of Science (2023)
The University of Tokyo (2022) |
|---|
Principal Investigator |
MORI Taketoshi 東京理科大学, 先進工学部機能デザイン工学科, 教授 (20272586)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
松原 仁 東京大学, 大学院情報理工学系研究科, 教授 (50325883)
武村 雪絵 東京大学, 医学部附属病院, 看護部長 (70361467)
野口 博史 大阪公立大学, 大学院工学研究科, 教授 (50431797)
|
|---|
| Project Period (FY) |
2022-06-30 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥6,370,000 (Direct Cost: ¥4,900,000、Indirect Cost: ¥1,470,000)
Fiscal Year 2023: ¥3,380,000 (Direct Cost: ¥2,600,000、Indirect Cost: ¥780,000)
Fiscal Year 2022: ¥2,990,000 (Direct Cost: ¥2,300,000、Indirect Cost: ¥690,000)
|
|---|
| Keywords | 看護記録 / SOAP / カルテ / ナースコール / バイタルセンサ / 病棟管理 / 生成AI / ChatGPT / 看護SOAP / 診療録 / 自然言語 / GPT |
|---|
| Outline of Research at the Start |
すでに病棟にあふれかえっているさまざまなデータを埋もれさせずにできる限り機械の力で利活用し，看護師・看護管理者や医療従事者が本来の医療やケアに注力できるよう支援するシステムを構想しています．このような定量的客観的データによる支援を人工知能で実現するということに挑み，看護記録やカルテのテキスト分析とナースコール・バイタルモニタ機械学習モデル分析で病棟・患者状況を定量把握して，アドバイス，ベッドコントロール，インシデント軽減・予防，シフト設計などを例に実証的なシステムでの手法をかたち作ることを目指します．
|
| Outline of Final Research Achievements |
We aimed to construct a method for extracting and modeling data from electronic medical records, nursing worksheets, nurse call systems, and other systems for investigation and analysis of care. Specifically, we applied GPT-3 and GPT-2 to the natural language model of nursing records recorded by nurses in hospital wards, and constructed a method for estimating and predicting the state of patients and wards from nursing texts, as well as a system for interpolating and generating the continuation of nursing texts when part of a nursing text is described, and for pointing out the parts that are likely to be described in error. The system is composed of the GPT-4 (GPT-2) and the GPT-3 (GPT-3). The system was extended to be applicable to GPT-4 (ChatGPT) API, and showed that GPT-4 and 2023 generation AIs (Gemini, etc.) are more useful than previous generation models, including Japanese-language versions.
|
| Academic Significance and Societal Importance of the Research Achievements |
本研究で看護記録や温度板・カルテ記述を分析するのに用いるGPTはBertと並ぶ文書分類，翻訳，質問応答などの自然言語処理の人工知能の最先端の一つである．これを看護ケア分野で開発導入することは，看護記録の計画，実践についての文章やメモ書き，カルテ上の箇条書きなど，正解アノテーションをつけた高品質の学習用テキストデータを得られない臨床現場の情報につき，この別ドメイン（別領域）の膨大なデータに基づく学習モデルを基に追加拡張できる可能性や，メモから構造的な文章を生成できるといった優秀な特長の有用性を示せ，機微情報を投入しない学習の検証の一つとなる。
|
