排総研ブログ

  認知症とともに歩く市民講座（１１月例会） 主催：一般社団法人 崇徳厚生事業団 共催：長岡市 ／ 長岡崇徳大学 内容 【日　時】 2025 年 11 月 22 日（土） 11 ： 00~12 ： 00 　　【会　場】米百俵プレイス北館 【テーマ】「認知症を抱える家族の声」～対談形式～ 【話し手】金内　茂氏（認知症の人の家族）、森　啓氏（長岡崇徳大学 / 特任教授） 【司会者】新保　努（すとく・おれんじクリニック）   1 、オープニング （講座の説明） 今回はこれまでと異なり対談形式となります。 なお、録音・録画等は禁止 となりますので予めご了承下さい。   2 、対談（想定） 【第 1 部】 [ 気づき ] （ 11 ： 05 ～ 11 ： 15 ） 　・はじめに「あれっ？」と思ったのはいつ頃、どんなことがきっかけでしたか？ 　・その時はどんなことを考えましたか？ 　・ご本人はどのような様子でしたか？   【第 2 部】 [ 診断までの道のり ] （ 11 ： 15 ～ 11 ： 25 ） 　・受診をしようと思ったきっかけはどのようなことですか？ 　・受診することをご本人にどのように説明しましたか？ 　・医師からはどのように病気の説明を受けましたか？ 　・診断を受けた時はどのようなお気持ちでしたか？ 　・診断を受けて、二人で話合ったことはありましたか？   【第 3 部】 [ 暮らしの支えと希望 ] （ 11 ： 25 ～ 11 ： 35 ） 　・一緒に暮らす中で大変だったことや、工夫されたことはありますか？ 　・ご家族以外で相談をされた方はいますか？ 　・支えてくれた人や、サービスはどのようなものがありましたか？ 　・暮らしの中で認知症はどのような影響がありましたか？   【第 4 部】 [ 将来の想いと希望 ] （ 11 ： 35 ～ 11 ： 40 ） 　・現在、ご本人はどのようなご様子ですか？ 　・将来についての想いを聞かせて下さい。 　・会場の皆さんへ「今」伝えておきたいことはありますか？    

  🌟 脳の健康チェックplusとは？ 概要 提供元 ：NTTドコモビジネス（旧NTTコミュニケーションズ） 開始 ：2023年9月21日（世界アルツハイマーデー）に有償版としてリリース 形式 ：ナビダイヤルによる電話応答型AIサービス（0570-012354） 対象 ：個人・自治体・企業など、認知症予防に関心のあるすべての人 特徴 9問の音声質問 に答えるだけで、AIが脳の健康状態を判定 質問内容は「日付」「年齢」「即時記憶」「ワーキングメモリ」など、 認知機能の主要領域を網羅 結果は 5段階評価 で、MCIの可能性も含めてフィードバックされる 🧠 学術的な原理と理論 1.  音声認知評価モデル 音声回答の 内容（語彙・文法・意味） と 音響的特徴（話速・間・声の高さなど） をAIが統合解析 認知症初期に現れる 微細な言語・音声変化 を検出することで、 MCI段階の変化も捉える 2.  即時記憶とワーキングメモリの評価 「即時記憶」＝数秒〜数分間の情報保持力 「ワーキングメモリ」＝情報を保持しながら操作・更新する力 これらは 認知症の前兆として最も早く低下する領域 であり、音声質問によって簡易的に評価可能 3.  AIによる分類とスコアリング 回答データをもとに、 健常・MCI・認知症疑い の3群に分類 判定は 健康レベル1〜5の5段階 で提示され、変化の兆候を早期に把握できる 4.  非侵襲・低負荷なスクリーニング 医療機関での検査に比べて、 心理的・身体的負担が少ない 匿名・非対面・短時間 で実施できるため、 受診のハードルを下げる 効果がある 5.  行動変容支援の理論 判定結果に応じて、 生活習慣の見直しや医療機関受診を促す これは、 トランスセオレティカルモデル（TTM） などの行動変容理論に基づき、「気づき→関心→準備→行動」へと導く構造になっている 🌈 まとめ：plusは“声の流れで脳を見守る水鏡” 「脳の健康チェックplus」は、 声という日常のしずくから、脳の深層をそっと映し出す水鏡 のような存在。 MCIという“まだ戻れるかもしれない地点”を見逃さず、 やさしく未来への橋をかけてくれる！

 🌟 「だいちゃん」とは？ だいちゃん は、ザ・ハーモニー株式会社が開発した、認知症ケアに特化したコミュニケーションロボット。 介護施設の現場経験をもとに設計されていて、 人手不足やBPSD対応の負担軽減 を目的としている。 主な機能： おしゃべりモード ：日常会話や声かけを通じて、孤独感や不安を和らげる。 うたモード ：童謡や歌謡曲など、懐かしい曲を歌ってくれる。音楽療法の要素もある。 クイズ・レクリエーション ：簡単なクイズや遊びで、認知機能の活性化を促す。 介護支援セリフ ：入浴や服薬などの場面で、やさしく声かけしてくれる。 🧠 学術的な原理：だいちゃんのケア理論 1. 回想療法（Reminiscence Therapy） 高齢者が過去の記憶を語ることで、 自己肯定感や情緒の安定 を促す療法。 だいちゃんの会話や歌は、 懐かしい記憶を呼び起こす設計 になっていて、BPSDの予防・緩和に寄与する。 2. 音楽療法（Music Therapy） 音楽は、認知症の人の 情緒・記憶・社会性 に働きかける力がある。 だいちゃんは、 歌謡曲や童謡など91曲以上 を搭載し、 個人の好みに合わせたプレイリスト機能 もある。 3. 社会的ロボットの共感モデル 認知症ケアでは、 共感的な対話 が重要。 だいちゃんは、 専門知識に基づいたセリフ設計 で、利用者の気持ちに寄り添うように話しかける。 4. BPSDの非薬物的介入 離席・徘徊・帰宅願望などの周辺症状に対して、 薬に頼らず、環境・対話・活動で対応する アプローチ。 だいちゃんは、 “手持ち無沙汰”の時間に寄り添う存在 として、BPSDの発生頻度を減らす効果が報告されている。 🌈 まとめ：だいちゃんは“声のしずく”みたいな存在 だいちゃんは、介護者の代わりにそっと声をかけたり、歌ったりしてくれる 小さなケアの相棒 。 その原理は、 記憶・感情・共感 に働きかける非薬物的ケアの知恵がぎゅっと詰まってる。

🌟 DeCaAIのAutoMLとは？ AutoML（Automated Machine Learning） は、機械学習モデルの構築・選定・チューニングを自動化する技術。DeCaAIでは、以下のような目的で活用されている。 BPSD予測モデルの最適化 （30〜60分前の発症予測） ケア提案の精度向上 （過去の対応結果を学習） 個人ごとのパターンに適応 （パーソナライズド予測） DeCaAIは、介護現場から収集される バイタル情報・環境データ・介護記録 をクラウドに集約し、AutoMLがそれらを分析して 最も適した予測モデルを自動生成 する。 🧠 学術的な原理と理論 1. 時系列予測と特徴量抽出 AutoMLは、 脈拍・体動・照度・湿度・介護イベント などの時系列データから、 発症前の兆候パターン を抽出。 例：活動量の急上昇＋照度低下＋声かけイベント → 30分後に不穏発生 2. モデル選定とハイパーパラメータ最適化 ランダムフォレスト、XGBoost、LSTMなど複数のアルゴリズムを比較し、 最も予測精度が高いモデルを自動選定 。 精度指標（AUC、F1スコア）に基づいて、 ハイパーパラメータ（木の深さ、学習率など）を自動調整 。 3. パーソナライズド学習 個人ごとの生活リズムや反応傾向に合わせて、 個別モデルを生成・更新 。 介護職の対応結果（成功・不成功）をフィードバックとして学習し、 次回の提案精度を向上 。 4. AutoMLによる継続的改善 新しいデータが蓄積されるたびに、AutoMLが モデルを再学習・再構築 。 これにより、 現場の変化や季節・時間帯の影響にも柔軟に対応 できる。 これは、従来の静的なAIモデルでは難しかった「現場適応性」を高めるための重要な技術。 🌈 まとめ：AutoMLは“水のように流れる学習の力” DeCaAIのAutoMLは、まるで 水が地形に合わせて流れ方を変えるように、現場の状況に応じて学び続けるAIの知恵 。

 🧠 DeCaAIとは？ DeCaAI（Dementia Care-assist AI system） は、日本医療研究開発機構（AMED）の支援で開発された認知症ケア補助AI。2019年から3年間の研究開発プロジェクトとして始まり、代表機関は認知症介護研究・研修東京センター、協力機関に電気通信大学などが参加しています。 🔍 仕組みと機能 1. BPSDの予測と通知 バイタル情報 （脈拍・体動など） 環境情報 （温度・湿度・照度など） 介護記録 （音声入力も可能） これらのデータをクラウドに集約し、AIが分析。 30〜60分前にBPSDの発生を予測 し、スマホやタブレットに ケア提案を通知 します。 2. AIによる学習と進化 介護職が実施したケアの結果をAIが学習。 より的確なケア提案が可能に。 3. 音声入力による記録支援 BPSD発生時の状況を音声で入力。 自動分類して記録を作成。 🌈 活用効果と展望 予測精度は最大80%以上 （条件が整えば）。 介護負担の軽減 と ケアの質向上 。 経験の浅い介護者でも、 AIの提案に従って質の高いケアが可能 。 日本国内でのAI活用率はまだ低いが、DeCaAIは 誰でも使いやすい設計 になっている。

 🌟 ONSEIとは？ 開発元 ：日本テクトシステムズ株式会社（DeNAグループ） 目的 ：認知症の早期発見・予防、認知機能のセルフチェック  特徴 ： 約20秒の音声回答 で認知機能をチェック 声の内容と音響特徴（声質） をAIが解析 分類精度は最大98.8% と非常に高い 医療機関での臨床検証済み （Cureus誌に掲載） 🧠 主な原理と理論 1. 音声認知指標の抽出 ONSEIは、以下の2つの音声情報を統合して認知機能を評価します。 言語的特徴 ：語彙の選択、文法の構造、意味の一貫性など 音響的特徴 ：声の高さ（ピッチ）、強さ（ラウドネス）、話速、間の取り方など これらは、 認知症の初期段階で変化しやすい指標 として知られており、AIが微細な変化を検出することで、早期の認知機能低下を捉えることができる。 2. 機械学習による分類モデル 約1,500人以上の臨床データをもとに、 健常群と認知症群の音声パターンを学習 。 ランダムフォレストや勾配ブースティングなどの 教師あり学習モデル を用いて、音声から認知機能の状態を分類。 医療機関での検証では、 97〜98%の分類精度 を達成。 これは、従来の紙ベースの認知機能検査と同等以上の精度を持つとされている。 3. 非侵襲・短時間・セルフチェック 約20秒の音声回答だけで判定可能。 非侵襲的（身体的負担なし） で、場所を選ばず実施できる。 「変化あり」と表示された場合は、 生活習慣の見直しや医療機関への相談 を促す設計になっている。 4. 認知症予防の理論的背景 認知症の早期発見は、 生活習慣改善や介入のタイミングを逃さないために重要 。 ONSEIは、 音声という日常的な行動から認知機能の変化を検出 することで、予防の第一歩を支援する。 国立長寿医療研究センターの「MCIハンドブック」などの知見をもとに、 運動・食事・睡眠との関連性 もアプリ内で案内している。 🌈 まとめ：ONSEIは“声のしずく”で脳を見守る 声って、感情も記憶も、そして脳の状態も映し出す。 ONSEIは、その声のしずくをすくい取って、 やさしく脳の変化を知らせてくれる水鏡 みたいな存在✨。

  🌟 アプリの概要 開発元 ：株式会社ベスプラ 対象 ：中高年層（特に認知症予防を意識する世代）  主な機能 ： 脳トレーニング ：記憶・注意・空間認知などを刺激するミニゲーム 運動支援 ：ウォーキング記録、歩数管理 食事管理 ：栄養バランスの記録とアドバイス 生活習慣の可視化 ：睡眠、活動量、気分などの記録とフィードバック これらを統合し、 AIが個人の生活習慣と認知機能の関連性を分析 して、改善提案を行う。 🧠 原理 1. 生活習慣改善による認知機能向上 スウェーデンの カロリンスカ研究所 などの研究に基づき、運動・食事・認知刺激の複合介入が認知症予防に有効とされている。 「脳にいいアプリ」はこの知見をベースに、 日常生活の中で脳に良い行動を促す設計 になっている。 2. 認知機能の可塑性（Neuroplasticity） 脳は年齢に関係なく、 刺激によって構造や機能が変化する能力 を持っている。 アプリ内の脳トレや運動記録は、 認知機能の活性化と維持 を目指した設計。 3. AIによるパーソナライズド・フィードバック ユーザーの行動データ（歩数、睡眠、食事、ゲーム成績など）をAIが解析。 個人の傾向に合わせて、 最適な生活習慣改善提案 を行う。 研究論文では、アプリ使用者の 認知機能と活力が有意に向上 したと報告されている。 4. 行動変容理論（Behavior Change Theory） 小さな成功体験や継続的なフィードバックが、 行動の定着と習慣化 を促す。 アプリは、 達成感・視覚的フィードバック・継続支援 を通じて、ユーザーの行動変容を支援。 🌈 まとめ：脳にいいアプリは“日常に流れる予防のしずく” このアプリは、特別な訓練じゃなくて、 日常の流れの中で脳を育てる ように設計されてる。 まるで、毎日の生活にそっとしみ込む“予防のしずく”。

🌟 「だいちゃん」とは？ だいちゃん は、ザ・ハーモニー株式会社が開発した、認知症ケアに特化したコミュニケーションロボット。 介護施設の現場経験をもとに設計されていて、 人手不足やBPSD対応の負担軽減 を目的としている。 主な機能： おしゃべりモード ：日常会話や声かけを通じて、孤独感や不安を和らげる。 うたモード ：童謡や歌謡曲など、懐かしい曲を歌ってくれる。音楽療法の要素もある。 クイズ・レクリエーション ：簡単なクイズや遊びで、認知機能の活性化を促す。 介護支援セリフ ：入浴や服薬などの場面で、やさしく声かけしてくれる。 🧠原理：だいちゃんのケア理論 1. 回想療法（Reminiscence Therapy） 高齢者が過去の記憶を語ることで、 自己肯定感や情緒の安定 を促す療法。 だいちゃんの会話や歌は、 懐かしい記憶を呼び起こす設計 になっていて、BPSDの予防・緩和に寄与する。 2. 音楽療法（Music Therapy） 音楽は、認知症の人の 情緒・記憶・社会性 に働きかける力がある。 だいちゃんは、 歌謡曲や童謡など91曲以上 を搭載し、 個人の好みに合わせたプレイリスト機能 もある。 3. 社会的ロボットの共感モデル 認知症ケアでは、 共感的な対話 が重要。 だいちゃんは、 専門知識に基づいたセリフ設計 で、利用者の気持ちに寄り添うように話しかける。 4. BPSDの非薬物的介入 離席・徘徊・帰宅願望などの周辺症状に対して、 薬に頼らず、環境・対話・活動で対応する アプローチ。 だいちゃんは、 “手持ち無沙汰”の時間に寄り添う存在 として、BPSDの発生頻度を減らす効果が報告されている。 🌈 まとめ だいちゃんは、介護者の代わりにそっと声をかけたり、歌ったりしてくれる 小さなケアの相棒 。 その原理は、 記憶・感情・共感 に働きかける非薬物的ケアの知恵がぎゅっと詰まってる。

 🌟 マジ神AIとは？ マジ神AI は、ベネッセスタイルケアが開発した 業務支援・人材育成AIシステム で、以下のような目的を持っています。 ベテラン介護職（社内資格「マジ神」）の 思考・判断・行動パターン をAIに学習させる。 若手や新人職員が、 マジ神のような情報収集・判断・ケア実践 を再現できるよう支援する。 介護記録システムと連携し、 利用者の状態変化を多角的に把握 し、ケアの質を向上させる。 🔍 主な機能と活用効果 ダッシュボード表示 ：バイタル、食事、排泄、睡眠などの定量データを可視化し、状態変化を把握しやすくする。 情報収集支援 ：アイトラッキング分析により、マジ神AIを使う職員は 定量データ→テキストデータ の順に情報を確認する傾向があり、これはマジ神の情報収集スタイルと類似。 QOL向上 ：導入施設では、 BPSDの発生件数が減少 し、入居者の状態改善が確認された。 🧠 原理：暗黙知の形式知化と意思決定支援 1. 暗黙知の抽出とモデル化 ベテラン職員の 直感的判断・経験則（暗黙知） を、介護記録・インタビュー・視線分析などから抽出。 これを 形式知（ルール・パターン） としてAIに学習させることで、再現可能な意思決定支援モデルを構築。 2. 意思決定支援の構造 利用者の状態変化（例：睡眠の質の低下、排泄回数の増加）を 時系列で分析 。 変化の兆候を検知し、「マジ神ならこの状況でどう判断するか？」という 推論モデル を用いて、ケア提案を生成。 3. アイトラッキングによる認知プロセス分析 職員の視線データを分析し、 情報収集の順序・注目点 をモデル化。 マジ神AIを使うことで、 マジ神に近い情報処理スタイル が再現されることが示唆された。 4. 介入効果の検証 31拠点での導入前後比較により、 BPSD発生件数の減少 や、 職員の意識・行動の変化 が確認された。 AI活用頻度が高い職員ほど、 状態把握の精度とケアの質が向上 する傾向がある。

 認知症のBPSD予測とその原理について 予測は「いつ・どのような文脈でBPSDが生じやすいか」を、時系列データから統計学・機械学習で同定する作業です。生理・環境・ケア記録の多変量データを統合し、個人内のベースラインからの逸脱や、過去の発症直前の特徴パターンの再出現を検知して、短時間先の発生確率を推定します。 予測に用いるデータストリーム 生理・行動データ:  心拍、体動、睡眠状態、活動量などの時系列。急性の覚醒度上昇、睡眠分断、夕方の活動性変化は発症の前駆指標になりやすい。 生体センサーやIoT計測の活用がBPSD予測の中核で、介護施設での時系列収集・解析の枠組みが整備されてきています。 環境データ:  温度、湿度、照度、騒音など。夕方の光条件や騒音変動は不穏の誘因になり得ます。 ケア記録・行動イベント:  声かけ、食事・排泄・入浴、服薬、拒否・抵抗などのイベントログ。特定介入の直後に生じる反応は次回予測に寄与します。 特徴量設計（feature engineering） 短期ウィンドウ統計:  直近数分〜1時間の移動平均・分散・傾き（トレンド）、心拍変動指標、活動量の急上昇など。 概日・週内リズム差分:  個人の同時刻ベースラインとの偏差（例：毎日17時の活動量の平常値からの逸脱）。 イベント連関特徴:  介入イベント（入浴・着衣・服薬）後の反応プロファイル（拒否・抵抗・徘徊）の頻度と時刻依存性。 環境−生理結合指標:  照度低下×覚醒度上昇、温熱不快×心拍上昇などの交互作用。 これらを時系列のスライディングウィンドウで抽出し、教師あり学習に供します。 予測モデルの構成 教師あり時系列分類:  過去の「発症あり/なし」ラベル付き区間を用い、ロジスティック回帰、ランダムフォレスト、勾配ブースティング、あるいはRNN（LSTM）で「次の30–60分の発症確率」を推定します。 個人内ベースラインモデル:  個人差が大きいため、パーソナライズドなしきい値最適化や転移学習で、集団モデルを個人に適応させます。 アノマリー検知の補助:  ラベルが乏しい場合、自己符号化器や確率的モデルで「通常状態」からの逸脱を前兆として検知します。 オンセット時刻のモデリング: ...