文献情報
文献番号
201903006A
報告書区分
総括
研究課題名
介護施設入居高齢者等の疾病の早期発見・重症化予防をAIを活用して行う実証研究
研究課題名（英字）
-
課題番号
H29-ICT-一般-007
研究年度
令和1(2019)年度
研究代表者(所属機関)
今中 雄一(京都大学 医学研究科)
研究分担者(所属機関)
- 鹿島 久嗣(京都大学 情報学研究科)
- 櫻井 保志(大阪大学 産業科学研究所)
- 國澤 進(京都大学 医学研究科)
研究区分
厚生労働科学研究費補助金 行政政策研究分野 政策科学総合研究（臨床研究等ＩＣＴ基盤構築・人工知能実装研究）
研究開始年度
平成29(2017)年度
研究終了予定年度
令和1(2019)年度
研究費
7,290,000円
研究者交替、所属機関変更
-
研究報告書（概要版）
研究目的
介護施設等に居住する高齢者等の疾病の早期発見・重症化予防を行うために、各種データを用いた評価・通知のシステムを研究開発し、現場にフィードバックすることを目的としている。
研究方法
1)【生体センサーデータの解析】
1.1)睡眠の推定と生活パターンの抽出
要介護状態にある被験者について、非接触型モーションセンサーの起床・睡眠推定データを用い、睡眠の推定の検証と、生活パターンの描出の可能性を探索した。
1.2)入居者の状態のモデル化
時系列ビッグデータ解析のためのリアルタイムAI技術（特徴自動抽出およびリアルタイム予測技術）を開発し、センサデータに適用した。
2)【介護提供組織の体制・風土データ】
介護事業所における職員組織文化について調査票調査を実施し、組織文化・安全文化を構成する因子間の関係を探索した。
3)【健康関連データ（介護ﾚｾﾌﾟﾄ、調査票ﾃﾞｰﾀ、介護カルテ等）】
3.1)入居者のQOL
介護サービス利用者のQOLと精神的健康状態に関する実態を把握し、関連要因の探索を行った。
3.2) レセプト等の情報の活用
2015年8月から実施された介護保険一部利用者の自己負担2割への引き上げ政策について、介護サービス利用者への影響を差分の差分法で検証した。
3.3)介護カルテ情報の活用
施設・居宅系サービスの介護記録から、睡眠状態とインシデント有無の関連について検討を行った。
1.1)睡眠の推定と生活パターンの抽出
要介護状態にある被験者について、非接触型モーションセンサーの起床・睡眠推定データを用い、睡眠の推定の検証と、生活パターンの描出の可能性を探索した。
1.2)入居者の状態のモデル化
時系列ビッグデータ解析のためのリアルタイムAI技術（特徴自動抽出およびリアルタイム予測技術）を開発し、センサデータに適用した。
2)【介護提供組織の体制・風土データ】
介護事業所における職員組織文化について調査票調査を実施し、組織文化・安全文化を構成する因子間の関係を探索した。
3)【健康関連データ（介護ﾚｾﾌﾟﾄ、調査票ﾃﾞｰﾀ、介護カルテ等）】
3.1)入居者のQOL
介護サービス利用者のQOLと精神的健康状態に関する実態を把握し、関連要因の探索を行った。
3.2) レセプト等の情報の活用
2015年8月から実施された介護保険一部利用者の自己負担2割への引き上げ政策について、介護サービス利用者への影響を差分の差分法で検証した。
3.3)介護カルテ情報の活用
施設・居宅系サービスの介護記録から、睡眠状態とインシデント有無の関連について検討を行った。
結果と考察
1)【生体センサーデータの解析】
1.1)睡眠の推定と生活パターンの抽出
介護記録と照合したが、介護記録の記載の揺れもあり、判定の誤差は大きかった。規則的な生活リズムがある場合、その特定と変化を抽出できる可能性が示された。
1.2)入居者の状態のモデル化
提案手法は、データに含まれる動作に関する事前知識を必要とせずに、特徴的なパターン（Rotate,Walk,Lift,Wipe,Rest）と変化点を自動的に取得し、高精度に予測できることを確認した。また、数ある予測手法の中で、世界最高の予測精度と計算速度を示しており、最新の深層学習と比較し最大で約670,000倍の高速化、約10倍の高精度化（予測誤差88%減）を達成した。
2)【介護提供組織の体制・風土データ】
『安全確保の状況』に対し、『組織基盤』（資源、責任と権限）からの直接効果よりも、『チーム力』（チームワーク、情報共有、内部協働）および『現場職員の士気』（士気・やる気、プロとしての成長）を介した間接効果が大きく、『チーム力』や『現場職員の士気』の醸成の必要性が示唆された。
3)【健康関連データ（介護ﾚｾﾌﾟﾄ、調査票ﾃﾞｰﾀ、介護カルテ等）】
3.1)入居者のQOL
QOL指標として測定したEQ-5Dは、要介護度の悪化に伴って、スコアが減少する傾向がみられ、精神的健康状態指標として測定したWHO-5では要介護度の悪化との関連は見られなかった。EQ-5DとWHO-5ではいずれも利用者の主観的幸福感と主観的健康感との関連がみられた。
3.2) レセプト等の情報の活用
介護と医療の利用を合わせて考慮した結果、介護サービスの利用に有意の差はみられなかったが、自己負担2割になるグループに医療サービスの利用増加が見られた。介護と医療の一部サービスの代替性は存在する可能性がある。
3.3)介護カルテ情報の活用
良眠記録があると翌日(起床後)のインシデント記録は大幅に減少することが示された。単日の傾向ではあるが、睡眠が翌日(起床後)の行動になんらかの影響を及ぼしていることが察せられる。
1.1)睡眠の推定と生活パターンの抽出
介護記録と照合したが、介護記録の記載の揺れもあり、判定の誤差は大きかった。規則的な生活リズムがある場合、その特定と変化を抽出できる可能性が示された。
1.2)入居者の状態のモデル化
提案手法は、データに含まれる動作に関する事前知識を必要とせずに、特徴的なパターン（Rotate,Walk,Lift,Wipe,Rest）と変化点を自動的に取得し、高精度に予測できることを確認した。また、数ある予測手法の中で、世界最高の予測精度と計算速度を示しており、最新の深層学習と比較し最大で約670,000倍の高速化、約10倍の高精度化（予測誤差88%減）を達成した。
2)【介護提供組織の体制・風土データ】
『安全確保の状況』に対し、『組織基盤』（資源、責任と権限）からの直接効果よりも、『チーム力』（チームワーク、情報共有、内部協働）および『現場職員の士気』（士気・やる気、プロとしての成長）を介した間接効果が大きく、『チーム力』や『現場職員の士気』の醸成の必要性が示唆された。
3)【健康関連データ（介護ﾚｾﾌﾟﾄ、調査票ﾃﾞｰﾀ、介護カルテ等）】
3.1)入居者のQOL
QOL指標として測定したEQ-5Dは、要介護度の悪化に伴って、スコアが減少する傾向がみられ、精神的健康状態指標として測定したWHO-5では要介護度の悪化との関連は見られなかった。EQ-5DとWHO-5ではいずれも利用者の主観的幸福感と主観的健康感との関連がみられた。
3.2) レセプト等の情報の活用
介護と医療の利用を合わせて考慮した結果、介護サービスの利用に有意の差はみられなかったが、自己負担2割になるグループに医療サービスの利用増加が見られた。介護と医療の一部サービスの代替性は存在する可能性がある。
3.3)介護カルテ情報の活用
良眠記録があると翌日(起床後)のインシデント記録は大幅に減少することが示された。単日の傾向ではあるが、睡眠が翌日(起床後)の行動になんらかの影響を及ぼしていることが察せられる。
結論
これまで整備・追加したデータ（生体センサー、医療・介護レセプト、介護カルテ、調査票調査等）と解析成果に基づき、多側面からのデータ分析を発展的に行い、その成果を発表した。具体的には、AI技術を適用し、生体センサーデータを用いて、高齢者の睡眠や生活パターンの検証、状態の把握のモデル化を行い、予後予測の基盤を作った。また、介護カルテの睡眠の情報からインシデントの発生を予測する基盤を作った。加えて、調査票調査データから、利用者QOLへの関連要因、利用者安全と介護職員の組織文化との構造的な関連を同定し、職員組織文化から利用者のQOL面、安全面での予後予測の基盤を作った。最後に、医療・介護レセプトを用いて、医療費・介護費の負担額増加に関する予測因子を明らかにし、介護保険の自己負担額増加による医療と介護のサービス代替性についても明らかにするとともに、負担額増加の予測因子を解析した。以上より、介護施設入居高齢者等の疾病の早期発見・重症化予防の予後予測モデルを、AIを活用し多側面のデータから構築した。これらの多側面からの予測技術を組み合わせ、より精度高く重症化の予測をするための基盤を構築した。さらなる社会実装へと展開することが期待される。
公開日・更新日
公開日
2020-11-02
更新日
-