| 研究課題/領域番号 |
24K13348
|
|---|
| 研究機関 | 慶應義塾大学 |
|---|
研究代表者 |
木崎 速人 慶應義塾大学, 薬学部(芝共立), 助教 (50839909)
|
|---|
| 研究期間 (年度) |
2024-04-01 – 2027-03-31
|
| キーワード | 介護施設 / インシデント / 自然言語処理 / 非医療者 / リスクマネジメント |
|---|
| 研究実績の概要 |
本研究では，介護施設における医療インシデントのリスク管理最適化を目的として，介護者・医療者が生成するテキスト記録から重要情報を抽出する自然言語処理（NLP）モデルの開発を進めている．当該年度の主要な実績として，介護施設のインシデント報告書を対象に，深層学習に基づくNLPモデルを用いたインシデント要因の自動抽出システムを構築した．Reason組織事故モデルと先行研究に基づき，複数の要因ラベル（procedure adherence/medicine/resident/resident family/nonmedical staff/medical staff/team/environment/organizational management）を設定し，BERTベースの言語モデルを活用したマルチラベル分類器を開発した．評価実験では，文単位の学習よりもレポート単位の学習の方が優れた性能を示し，特に，"resident"や"nonmedical staff"などの要因検出において高い精度を達成し，複数ラベルの検出においても一定の精度を達成した．この成果は学会発表および国際誌への論文掲載につながった．
このモデル開発過程において，医療・介護分野特有の表現に対応するための言語処理手法や，限られたデータ量でも効果的な学習を実現するための技術的知見を蓄積できた．これらの成果は，研究計画を着実に前進させるものであり，介護現場でのリスク管理最適化に向けた基盤技術の確立につながる重要な一歩となった．さらに，開発したモデルの汎用性検証として病院のインシデントレポートへの適用実験も実施し，ケアスタッフが関与するレポートにおいて良好な結果を得たことで，異なる医療環境における活用可能性も示唆された．
|
| 現在までの達成度 |
現在までの達成度
3: やや遅れている
理由
当初想定していた規模と質のデータを提供可能な協力施設の選定が難航しており，特に薬剤に関連するインシデントに関する詳細な記録を継続的に収集している介護施設が限られていることや，個人情報保護の観点からデータ共有に慎重な姿勢を示す施設が多いことが障壁となっている．現在は，限られた既存データを用いた予備的なモデル開発と並行して，より適切な協力施設の選定に注力している．
|
| 今後の研究の推進方策 |
戦略的なアプローチの転換も視野に入れながら研究の加速を図りたいと考えている．医療機関のより標準化されたインシデント報告データを基盤モデルの構築に活用し，それを少量の介護施設データに転移学習で適用する方向性も視野に入れて研究を進める予定である．また，医療と介護の連携が進んでいる先進的な地域や施設との協力関係構築に重点を置き，多様なデータソースからの情報収集を目指す．
|
| 次年度使用額が生じた理由 |
購入を予定していたワークステーションが想定より安価だったこと，GPUの購入を行わなかったこと，研究の遅れにより研究遂行に必要なアノテーション協力の依頼を該当年度に行わなかったことなどにより，次年度使用額が生じた．現時点では，次年度使用額は，研究遂行に必要なアノテーション協力の依頼に使用することを想定している．
|
