2021 Fiscal Year Research-status Report
Development of communication support system for nursing based on natural language processing and machine learning technologies
| Project/Area Number |
20K11093
|
|---|
| Research Institution | Kushiro National College of Technology |
|---|
Principal Investigator |
中島 陽子 釧路工業高等専門学校, 創造工学科, 准教授 (20217730)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
本間 宏利 釧路工業高等専門学校, 創造工学科, 教授 (80249721)
プタシンスキ ミハウ 北見工業大学, 工学部, 准教授 (60711504)
桝井 文人 北見工業大学, 工学部, 教授 (80324549)
秋葉 友良 豊橋技術科学大学, 工学(系)研究科(研究院), 准教授 (00356346)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Keywords | 機械学習 / 介護事例データベース / 介護支援 / 認知症 / 文章要約 / 文章類似度 |
|---|
| Outline of Annual Research Achievements |
昨年度までに認知症グループホームで保管されている実データを用いて構築した介護事例データベースを用いて施設利用者の困り事と対処方法のデータを用いて，施設利用者の困り事を入力すると介護職員に適切な対処方法を提示する介護方法支援提示モデルの構築と介護事例データベースへ自動追加のための介護施設文書の自動要約に関する実験を行った．
介護方法支援提示モデルの構築は，対象となる困りごとの類似文章を自動的に抽出しそれらの対応方法を提示する手法を採用した．文章の類似度算出手法は3手法を用いた．一つ目は，文章の特徴量をTf-Idf値を用いて求める手法，二つ目は文章をベクトル化し日本語Wikipediaコーパスを事前学習したBERT言語モデルを用い機械翻訳や機械要約タスクで生成された文章の評価に利用するBERTScoreを応用した手法，3つ目はBERT言語モデルとSiamese Networkを用い高精度なベクトルを生成するSentenceBert手法である．各モデルの評価は介護施設において実際に発生した困りごととその際に提供した対応方法を正解データとし，入力したテストデータの出力結果と比較することで行った．Tf-Idf手法では0.911, BERTScoreでは0.907, SentenceBertでは0.957の精度を得た．
介護施設文書の自動要約については，1文中に困り事とその対処方法の両方を含む文の場合，従来手法ではどちらかが抜け落ちてしまう場合が生じてしまう．このような問題を解決するために文章に形態素解析，構文解析および介護用語辞書を利用した手法を適用し要約を試みた．原文は介護施設データから困りごとおよびその対応方法を含む文章を人手により抽出し，専門家による検証済みの要約文を正解文とし再現率を求め評価を行った．本手法による要約の再現率は文節数5~15に対して0.71~0.98であった．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
今年度の予定は，「個人属性データ」と「困りごと・悩み要因」を入力することで，適切と思われる介護コミュニケーション方法を機械学習により提示する介護方法提示モデルの構築と精度の検証と改善することであった．現在までの進捗は，「困りごと・悩み要因」構築と3つの手法で構築したモデルの比較を行なった．この成果については，Advanced Technologiesfor SDGs 2021，超異分野学会北海道フォーラム2021で報告している．コロナ禍において認知症グループホームでの検証と対応方法の結果を新たに介護事例データベースへのフィードバック検証と介護方法提示モデル構築の際の個人属性データを介護方法提示モデルに考慮することについては保留となっている．実地検証については次年度の前半に予定している．類似文を用いた対応方法提示の提案手法については評価実験において95.7%の精度で対応方法を提示できることが示された．
介護事例データベースに新たなデータ（困りごと文と対応方法文）を自動的に追加するための自動要約について取り組んだ．特徴は，介護施設で使用される重要単語の辞書を作成し，その単語を中心に要約する抽出型アルゴリズムである．これにより，文中で頻出度が低いが介護施設において重要な単語を取りこぼすことなく，また，1文中に困り事と対処方法が同時に含んでいる場合でも両方の情報を含んだ要約が可能となった．
今年度予定していた中核部分は実現できた．しかし，コロナ禍により介護施設業務が多忙となり実験結果の専門家による評価については次年度への課題とする．
|
| Strategy for Future Research Activity |
まず，現在の介護支援提示モデルに個人属性情報を考慮する機構を追加し，個人または類似した属性に，より適切と思われる介護コミュニケーション方法の提示を実現し，介護施設の専門家による評価を得ながら介護支援提示モデルの調整を進める．次に，構築した提案システム(プロトタイプ)を実際に認知症グループホームにて試験運用し，実地での性能評価実験を行う．介護支援提示モデルが提示したコミュニケーションの介護現場での有効性を統計的に評価する．また，経験の浅い介護職員に対して，介護作業効率やストレス軽減にどの程度効用があるか，また，ベテランの介護職員に対しては違和感のある結果提示はなかったか等の体感性能評価をアンケート調査を用いて行う．並行して，介護事例データベースは常に更新し，機械学習によって構築される介護方法提示モデルの性能も改良を継続する必要があるため，データを一元化管理する．最終的には，本システムを多くの介護事業者に自由に利用してもらうためシステムのWEBアプリケーション化を目指す．本研究で得られた成果は適宜，学会や学術誌などで報告を行う．
|
| Causes of Carryover |
コロナウィルス感染渦のため，分担者との打ち合わせをメールまたオンラインで実施したこと，また，国内および国際学会が延期，またはオンラインで実施され たため学会参加費，出張費の拠出がなかったため.次年度は，国内および国際学会に投稿し参加，また，研究成果を国内および海外学術論文誌への投稿を予定し ている.
|
