研究課題/領域番号 |
21K10446
|
研究種目 |
基盤研究(C)
|
配分区分 | 基金 |
応募区分 | 一般 |
審査区分 |
小区分58030:衛生学および公衆衛生学分野関連:実験系を含まない
|
研究機関 | 岡山大学 |
研究代表者 |
高尾 総司 岡山大学, 医歯薬学域, 准教授 (50335626)
|
研究分担者 |
頼藤 貴志 岡山大学, 医歯薬学域, 教授 (00452566)
|
研究期間 (年度) |
2021-04-01 – 2024-03-31
|
研究課題ステータス |
完了 (2023年度)
|
配分額 *注記 |
4,030千円 (直接経費: 3,100千円、間接経費: 930千円)
2023年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2022年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2021年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
|
キーワード | メンタルヘルス不調 / 復職 / 人工知能 / 自然言語処理 / メンタルヘルス / 追加事前学習 / メンタルヘルス対応 / 復職判定 / AI |
研究開始時の研究の概要 |
本研究は、人工知能を活用することで、産業医等の産業保健スタッフのみならず人事担当 者が、メンタル不調者の復職判定面談などを実施する際の標準化された支援システム構築を 行うことを目的とする。未曾有の災害や新型コロナウイルス感染症の拡大により、現時点で 直接的にメンタル不調者が増えているとの指摘まではないものの、就業者への負荷の点から は十分に懸念すべきである。また、標準化の利点は中小企業にも展開しうることに加え(わが国の企業数420万に対して、産業医選任義務のある50人以上の企業はわずか16万程度)、 在宅勤務などで進みつつある非対面による面談対応などにおいても発揮されうるものである。
|
研究成果の概要 |
既存の産業医意見書、対応事例のテキストデータを用いて、最新の自然言語処理技術のモデルを用いて、復職判定を行うモデルを作成した。復職判定を行うモデルでは、初回相談時のテキストデータから、1年以内に復職可能か否かについて的中率(=accuracy)は0.86、AUCは0.95を示した。また、同モデルにおいて復職確率をケースごとに計算しそれを平均した結果は、復職までの期間が長くなるほど、値が大きくなる結果となり、一定の妥当性を示した。
|
研究成果の学術的意義や社会的意義 |
産業医機能の強化が期待されている。なかでもメンタルヘルス不調者への対応は大きな課題である。かかる課題について、研究代表者は、就業規則等の労務管理にもとづく対応(業務的対応)と疾患治療による対応(医療的対応)を明確に区別して論理的一貫性のもとに再整理し、人事担当者が主体的に活用できる療養中および復職判定のための手順と様式などのツールを整えた。しかしながら、これらのツールがあっても、なお、それぞれの会社における対応の独自性差異は無視できないほどに大きいままであるという課題は残されていた。この残る課題に対して、人工知能を活用することで復職判定を標準化することが期待される。
|