2022 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) |
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 / 機械学習 / 特徴量 |
Outline of Annual Research Achievements |
本年度は、前年度までに開発したクラウドベースの遠隔看護システムの構築に続き、アプリケーションの作成と、本研究の中心的テーマとなるセルフモニタリング機能の評価、およびシステム全体の看護介入に向けた実用性の評価と検証を行った。 主たる評価事項は、①ルールエンジンや機械学習などを含むAIによる意思決定支援手段の妥当性、②ビッグデータの活用による知識提供(専門職用・クライエント用)の有効性、③OSやハードウェアの種類に依存されない多言語対応型クロスプラットフォームの機能性、④クラウドデータベースの安全性、⑤情報セキュリティ対策の取り組み、の5項目を評価のための中心項目とし、構築されたクラウドベースの基本システムのユーザビリティも含め、患者と共にある医療(D to P with N)を実施すために必要となるセルフモニタリングによる介入効果について検証した。 その結果、AI活用の基本となる機械学習のための特徴量の適切な設定が、対象を正確に把握するために最も重要となることが示唆された。とくに日々の時系列データを継続的に確保するためには、入力項目を予測に必要な最小限んぽものとし、アプリケーションへの入力が長時間で煩雑になることを回避することが求められる。必要最小限で適切な特徴量の設定が、対象を捉えるための的中率の向上につながることが示唆された。今後は特徴量の設定において、機械学習による結果の関連についてHuman-in the Roopの意思決定手続きを導入した検証を行っていく必要がある。
|
Research Progress Status |
令和4年度が最終年度であるため、記入しない。
|
Strategy for Future Research Activity |
令和4年度が最終年度であるため、記入しない。
|