合同会社AUTOCARE／〜LIFEデータ解析コンサルティングを提供

厚生労働省の政策により、今年度の介護報酬の多くの加算科目に、「科学的介護情報システム（LIFE）」の活用が要件として含まれました。
LIFE（Long-term care Information system For Evidence）とは、これまで高齢者の状態やケアのデータ収集システム（CHASE）と、通所・訪問リハビリテーションデータ収集システム（VISIT）を一体運用をするものです。
このLIFEは、ICT導入補助金のためにも要件となっています。

LIFEを活用するには、1. 利用者の情報を毎月LIFEに提供することと、2. LIFEからのケア改善に関するフィードバックを十分に生かすこと、が重要ですが、2の内容はまだ明らかになっていません。つまり、LIFEは日本全体でのエビデンスに基づくケアの向上のためには非常に重要なもの、現時点では、1のために余計な負担はかかるが、ケア向上のPDCAを回すことはできない、という、現場の負担が増えるだけになる恐れがあります。

一方で、ITの世界では、ITの活用を前提としてビジネスや業務を全く新しいものに変革する「デジタル・トランスフォーメーション（DX）」が叫ばれています。
LIFEは消極的に対応するだけなら負担にしかならないのですが、その先の、「LIFEの活用を前提として業務を全く新しいものに変革する」介護におけるDXを起こす絶好のチャンスなのです。

国立大学法人九州工業大学 井上創造研究室では、介護・医療のIoTビッグデータ解析に関する研究成果を発表してきました。
また九州工業大学発ベンチャーAUTOCAREでは、介護自動記録AIアプリFonLogや、無料でLIFEデータを編集できるLIFEワークシートを提供しています。

これらの経験とスキルとサービスを生かして、また研究者や大学院生とも協力して、「LIFEの活用を前提としたDXコンサルティング」を提供します。

既存システムとの連携や、これからICTを導入する介護事業者にメリットの大きいICT補助金との連携も、一気通貫でサポートいたします。

国立大学法人九州工業大学 井上創造研究室では、介護および医療のビッグデータ解析において多くの研究成果を一流の研究雑誌に発表してきました。
ビッグデータ解析で可能になることは、大きく分けると1.推定、2.近未来予測、3.要因分析の3つがあり、そのそれぞれについて次のような成果を発表しました。

1. 【推定】
 そのときや過去にどのようなことが起きていたのかを推測します。例えば、画像からの異常検知や、利用者の状態判定があげられます。私たちは、スマートフォン内のセンサを用いて看護師や介護士の行動を認識し、看護記録や介護記録に反映させる行動認識技術を発表しました。これを応用すると介護記録の半自動記録が可能になり、AUTOCAREが提供するFonLogスマホアプリにも実装されています。

• 井上 創造, 上田 修功, 野原 康伸, 中島 直樹, “Mobile Activity Recognition for a Whole Day: Recognizing Real Nursing Activities with Big Dataset”, ACM Pervasive and Ubiquitous Computing (UbiComp), 2015.

2. 【近未来予測】
 これまでのデータから、少し先の未来を予測します。例えば、センサから少し先の排泄を予測することがあげられます。機械学習というAIの技術を使えば、どんなセンサ入力にも対応できることが特徴です。
 私たちは、日々の介護記録を用いて、次の日の日中・夜間の利用者呼び出しの予測を試みました。

• 井上 創造, Paula Lago, Tahera Hossain, Tittaya Mairittha, Nattaya Mairittha, “Integrating Activity Recognition and Nursing Care Records: The System, Deployment, and a Verification Study”, ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies, Vol. 3, No. 86, 2019.

 また、ベッドセンサと介護記録を組み合わせて、当日の寝付きの状態から次の日のリハビリ参加などの意欲を予測する研究を発表しました。

• 松木 萌, 井上 創造, “高齢者の睡眠と生活行動の相関分析のためのセンシング実験”, マルチメディア，分散，協調とモバイル(DICOMO2018)シンポジウム, 2018.

3. 【要因分析】
  1や2の推測に至った要因の候補を洗い出します。例えば、医療において患者の予後に要因を与えた看護行為をリストアップすることが相当します。
  私たちは、介護施設のヒヤリハット・事故報告書を分析して、事故の起きやすい状況や、事故の要因となるキーワードを洗い出しました。

• 峯崎 智裕, 松木 萌, 井上 創造, “介護サービス向上に向けた介護事故事例テキストの分析”, 情報処理学会論文誌, Vol. 58, No. 10, 2017.

これらのビッグデータ解析は、常にいい精度で答えを出せるわけではありませんが、介護分野においては個人差や環境の差が大きいため、ビッグデータを使って個人別・環境別に分析していくと、時に思いもよらない高精度で結果を出せることがあります。

○LIFEデータででできるDXとは

上記のようなデータ分析技術を、科学的介護情報LIFEをはじめとする介護事業所のデータに適用すると、次のようなDXの実現の可能性が見えてきます。

• LIFEデータの記録補助（IoTセンサや過去データに基づいた記録内容の推定と推薦）
• リハビリテーション目標・口腔機能改善効果の近未来予測
• LIFEデータを用いた日々の食事量や水分量の予測
• 排泄状態や認知症周辺症状（BPSD）の近未来予測
• デイサービスにおいて、LIFEのアセスメントデータを用いた利用日変更の予測
• 事故やヒヤリハットのリスクの予測と、万が一発生した場合の要因分析

これらの、データに基づいた生産性の向上、およびDXに取り組む介護事業者に対して、私たちは真に科学的な手法をアドバイスし、国立大学法人の研究者や学生とともに、先端のデータ分析に取り組みます。

例えば、次のようなステップでデータ分析を実施します。