2021 Fiscal Year Annual Research Report
Development of a self-monitoring system for "medical care with patients" by telenursing
| Project/Area Number |
20H03965
|
|---|
| Research Institution | Iryo Sosei University |
|---|
Principal Investigator |
川口 孝泰 医療創生大学, 国際看護学部, 教授 (40214613)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
浅野 美礼 筑波大学, 医学医療系, 准教授 (00273417)
今井 哲郎 広島市立大学, 情報科学研究科, 講師 (10436173)
日向野 香織 医療創生大学, 国際看護学部, 教授 (10709695)
大石 朋子 (大塚朋子) 湘南鎌倉医療大学, 看護学部, 講師 (40413257)
木村 穣 関西医科大学, 医学部, 教授 (60298859)
伊藤 嘉章 医療創生大学, 国際看護学部, 准教授 (60804870)
葛西 好美 医療創生大学, 国際看護学部, 教授 (70384154)
高橋 道明 医療創生大学, 国際看護学部, 准教授 (90710814)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Keywords | 遠隔看護 / セルフモニタリング / AI / 特徴量 |
|---|
| Outline of Annual Research Achievements |
セルフモニタリング情報のビッグデータおよびAI化に向けた予備段階として、先ず訪問看護ステーションに勤務する経験5年以上の訪問看護師に協力を得て、糖尿病に罹患している患者データを基に、訪問看護師が捉えた情報(患者の血圧・脈・体温、痛み、要介護度など)をまとめた特徴量X、訪問看護師の判断内容(看護問題を解決するためのケアの方向性)を示す変数をY、および訪問看護師の経験知に基づくデータを教師信号として設定し、特徴量ベクトルXを入力、判断ベクトルYを出力、看護師の判断データを教師信号として与えて実施する「教師あり学習」を行い、特徴量から判断内容の特定を行う仕組みによってAIの構築を試みた。
また、国内において代表的な二次資料文献（CiNii, 医学中央雑誌など）を参考に、教師データと一次資料文献とを関連付け、対象のケースに最も合致する一次資料の提供も可能となる生成AI（ジェネレ―ティブAI）のデータベースを構築し、実装の可能性を検証した。この際に、とくに対象とした疾患は、比較的研究が進んでおり因果関係が明確化されている対象疾患である糖尿病と心疾患を対象に実施した。
今後、IoT 技術を含むビッグデータの活用や、AI 技術による臨床判断への支援に加え、セルフモニタリングという当事者主体の、個別性の高い要求を強いるため、対象への支援に繋がる次世代の遠隔看護システムの構築を目指し、日々の入力が負担なくできるようなアプリケーションの設計・開発も進めていく。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
訪問看護ステーションに勤務する訪問看護師に協力を得て、糖尿病に罹患する患者のデータを基に、訪問看護師が捉えた情報(患者の血圧・脈・体温、痛み、要介護度など)をまとめた特徴量X、訪問看護師の判断内容(看護問題を解決するためのケアの方向性)を示す変数をY、および訪問看護師の経験知に基づくデータを教師信号として設定し、特徴量ベクトルXを入力、判断ベクトルYを出力、看護師の判断データを教師信号として与えて実施する「教師あり学習」を行い、特徴量から判断内容の特定を行う仕組みによってAIの構築を試みた。当初の地底では約50名の訪問看護師へのインタビューを想定していたが、コロナ禍で予定していた訪問看護師数を確保できなかった。期間を延長して少しずつインタビューを進める一方で、文献などの患者情報も参考に特徴量の決定を行い、AI化に向けた機械学習の導入を目指したアルゴリズムの決定を進めている。
一方で、代表的な二次資料文献（CiNii, 医学中央雑誌など）などを参考に、教師データと一次資料文献とを関連付け、対象のケースに最も合致する一次資料の提供も可能となる生成AI（ジェネレ―ティブAI）のデータベースを構築し、実装の可能性を検証している。
|
| Strategy for Future Research Activity |
今後は、専門職の意思決定に関わるアウトカム指標に繋がるエキスパート支援を実用化していくため、慢性疾患を対象とした特徴量の設定と、的中率との関係性を究明していく予定である。そのためには、引き続き訪問看護の経験知の高い看護師にインタビューを継続していくと同時に、文献検討によって、実証的事例データを解析しながら、慢性疾患ごとの特徴量の設定を試みていく。同時にIoT 技術を含むビッグデータの活用や、AI 技術による臨床判断への支援に加え、セルフモニタリングという当事者主体の、個別性の高い要求を満たしていくためのアプリケーションの開発と実用化に向けた検討を進めていく。
|
Research Products
(5 results)
