投稿

「日常生活における困難さや努力の度合い」という視点に立った問診票と結果の解釈

 この問診票は、単純な物忘れの頻度だけでなく、認知機能の低下を補うために本人がどれだけ苦労しているか、あるいはその変化をどう感じているかに焦点を当てた「本人の主観的な認知機能の変化」と、それによる「日常生活における困難さや努力の度合い」という視点に立った問診票を作成しました。 MCIに関する問診票(主観的な変化と努力の度合い) ご自身の最近の感覚や、何かを行う際の心の負担について、最も近いものを選んでください。これは、物忘れの回数を数えるのではなく、ご自身の「感覚」を確かめるためのものです。 あなたご自身の「感覚」についての質問 質問項目 全く 問題ない 少し 努力が 必要 かなり 努力が 必要 以前はできたが 今は困難 1. 複数の用事をこなす 例:買い物をしながら、銀行に寄り、夕飯の献立を考えるなど、複数のことを同時に考える。 ☐ ☐ ☐ ☐ 2. 新しい機器の操作 例:新しいスマートフォンや家電の初期設定や使い方を覚える。 ☐ ☐ ☐ ☐ 3. 会話の要点を掴む 例:数人での会話や、少し複雑な話の流れを追い、理解する。 ☐ ☐ ☐ ☐ 4. 計画を立てて実行する 例:旅行の計画を立てる、複数の手続きを段取り良く進める。 ☐ ☐ ☐ ☐ 5. 集中力を維持する 例:本を読んだり、テレビ番組を見たりする際に、以前のように集中し続ける。 ☐ ☐ ☐ ☐ 6. 自分の考えを言葉にする 例:頭の中では分かっていることを、的確な言葉で相手に伝える。 ☐ ☐ ☐ ☐ 7. 変化への対応 例:突然の予定変更や、予期せぬ出来事に臨機応変に対応する。 ☐ ☐ ☐ ☐ 結果の解釈と考え方 この問診票は、点数で判断するものではありません。注目すべきは、「以前と比べて、どの項目に努力が必要になったか」という点です。 「全く問題ない」がほとんどの場合 現時点では、ご自身の認知機能について特に心配する点はないかもしれません。引き続き、健康的な生活習慣を心がけましょう。 「少し努力が必要」がいくつかある場合 年齢と共に、誰にでも起こりうる変化かもしれません。しかし、これが「最近、急に増えてきた」と感じる場合は注意が必要です。知的活動や人との交流を楽しみ、脳を活性化させることを意識してみましょう。 「かなり努力が必要」や「今は困難」が1つでもある場合 もし、以前は当たり前...

MCI(軽度認知障害)に関する問診票の例と結果の解釈

※MCI(軽度認知障害)の段階で本人や家族の気づきに焦点を当てた問診で、適切な対策を実施することで、認知症への進行リスクを低減する手法。  MCI(軽度認知障害)に関する問診票の例と結果の解釈 MCI(Mild Cognitive Impairment: 軽度認知障害)は、正常な老化による物忘れと認知症の中間にあたる状態です。日常生活に支障はないものの、本人や家族が「最近、物忘れが増えたかな?」と感じるような認知機能の低下がみられます。MCIの段階で早期に気づき、適切な対策を行うことで、認知症への進行を遅らせたり、予防できる可能性があります。 ここでご紹介するのは、あくまでMCIの「気づき」を促すための簡易的なチェックリストです。 医学的な診断に代わるものではありません ので、ご留意ください。 【ご本人向け】最近の気になることチェック ご自身の最近の様子を振り返り、当てはまるものにチェックを入れてください。 質問項目 はい いいえ 1. 同じことを何度も話したり、尋ねたりすると言われる ☐ ☐ 2. 最近の出来事(昨日食べた物など)を思い出せないことがある ☐ ☐ 3. 大切な約束や予定を忘れることが増えた ☐ ☐ 4. 物の置き場所を忘れ、探すことが多くなった ☐ ☐ 5. 料理や買い物、公共料金の支払いなどの段取りが悪くなった ☐ ☐ 6. 会話中に適切な言葉がすぐに出てこないことがある ☐ ☐ 7. 慣れているはずの場所で、道に迷いそうになったことがある ☐ ☐ 8. 趣味や好きだったことへの関心が薄れてきた ☐ ☐ 9. 以前より頑固になった、あるいは怒りっぽくなったと言われる ☐ ☐ 10. 日付や曜日が分からなくなることがある ☐ ☐ 【ご家族・周囲の方向け】気になる変化チェック ご本人の最近の様子について、当てはまるものにチェックを入れてください。 質問項目 はい いいえ 1. 同じことを何度も話したり、尋ねたりする ☐ ☐ 2. 最近の出来事の記憶が曖昧になっているようだ ☐ ☐ 3. 約束をすっぽかしたり、忘れていることが増えた ☐ ☐ 4. 探し物が増え、「誰かが盗んだ」などと人のせいにすることがある ☐ ☐ 5. これまで出来ていた家事や作業に手間取るようになった ☐ ☐ 6. 会話がうまく噛み合わなかったり、言葉に詰まることが増えた ...

生成AIは、どんな原理で人の認知機能評価をすることができるのですか?

生成AIによる認知機能評価は、MoCA(モントリオール認知評価)などの標準的な認知テストをAIに実施することで、言語理解・記憶・注意力・実行機能などの認知的側面を測定することが可能です。 以下にその原理と背景を詳しく解説します。 🧠 生成AIによる認知機能評価の原理 1. MoCAテストの活用 MoCA(Montreal Cognitive Assessment)は、認知障害の早期発見に用いられる臨床的評価ツールです。 30点満点で、26点未満は軽度認知障害(MCI)の可能性あり とされます。 通常は人間に対して口頭や紙面で実施されますが、AIに対しては テキストベースの指示 で同様の質問を行い、回答を評価します。 2. 評価項目の構成 MoCAでは以下のような認知領域を評価します: 記憶力 :単語の記憶と再生 注意力 :数字の逆唱、計算、ストループ課題 言語能力 :語彙、文法、命名 視空間認知 :図形模写、空間把握 実行機能 :抽象的思考、問題解決 AIに対しては、これらの課題を 自然言語で提示し、返答の正確性や論理性を人間の専門家が採点 します。 3. AIモデルの応答分析 ChatGPT 4oはMoCAで 26点(満点に近い) を獲得し、他のモデル(Claude、Geminiなど)よりも高い認知能力を示しました。 特に ストループテスト(色と文字の不一致処理) では、ChatGPT 4oのみが成功。 一方で、 視空間や遅延再生課題では全モデルが苦戦 しており、人間のような認知の偏りが見られました。 🔍 なぜ「10分の会話」で認知機能が測れるのか? MoCAテストは 10〜15分程度で完了する設計 であり、AIとの会話でも同様の時間で実施可能。 AIは 即座に応答できるため、実際には10分以内でも十分な評価が可能 。 人間の医師が採点することで、AIの「認知的な応答パターン」を客観的に評価できます。 🧩 応用と意義 この手法は、AIの 認知的限界や偏りを明らかにする だけでなく、将来的には 人間の認知機能評価の補助 にも応用可能。 例えば、AIが患者との会話から 認知障害の兆候を検出する支援ツール として活用される可能性があります。 参考・引用文献 ①  生成系AIの認知機能|Super Human | 理学療法士/保健学博士 Ph.D. ② 生成...

診断後のアドバイス機能、その「支援原理」について解説

診断後のアドバイス機能、その「支援原理」について解説 原理の核心は、診断で見つかった認知機能の特性(弱点や強み)に合わせて、一人ひとりに最適化された具体的な改善策を提案する点にあります。 つまり、診断パートが「健康診断」だとすれば、アドバイスパートは「専門家による個別の生活指導」のような役割を果たします。これは、単に一般的な「脳に良いこと」を羅列するのではなく、診断結果と直結した、パーソナライズされた支援を目指すものです。 支援の原理:診断結果とアドバイスの具体的な連携 アプリは、診断で分析した「言語的特徴」や「音響的特徴」から、どの認知領域に課題の可能性があるかを推定します。そして、その領域をサポートする、あるいは補うための具体的な行動を提案します。 以下に、診断結果とアドバイスの連携例を挙げます。 診断で検知された特徴の例(課題の可能性) 対応する認知機能 アドバイスの具体例(アプリが提案すること) 単語の思い出しに時間がかかる、同じ言葉を繰り返す 言語能力 (特に語彙力) ・ 音読 : 新聞や本を声に出して読むことを推奨します。 ・ しりとりやクロスワード : 語彙を活性化させる言葉遊びを提案します。 ・ 連想ゲーム : 「赤いものといえば?」など、テーマに沿って言葉を出すトレーニングを促します。 話の具体性に欠け、時系列が曖昧 記憶力 (特にエピソード記憶) ・ 日記 : 簡単な一行日記でも良いので、その日あった出来事を書き出す習慣を提案します。 ・ 写真の整理 : 昔の写真を見ながら、当時の出来事を家族や友人と話すことを勧めます。 ・ 詳細な描写 : 「昨日の夕食は何を食べましたか?味はどうでしたか?」といった、記憶を具体的に引き出す問いかけをします。 話の計画性が低い、言い淀みが多い 注意・遂行機能 (計画、実行) ・ 料理 : レシピを見ながら手順通りに料理を作る活動を推奨します。 ・ 買い物リスト : 事前に買うものをリストアップし、それを見ながら買い物をする習慣を提案します。 ・ 1日の計画 : 朝、その日にやるべきことを3つ書き出すといったタスク管理を促します。 全体的に反応が遅い、会話のペースがゆっくり 情報処理速度 ・ 簡単な計算ドリル : 素早く正確に解くことを目指すトレーニングを提案します。 ・ 間違い探しやパズル : 視覚情報を素早く処...

AIは認知症対策において「早期発見・診断、介護支援、予防」や現場の負担軽減やケアの質向上に貢献

  AIは認知症対策において「早期発見・診断」「介護支援」「予防」の3つの目的で活用されており、現場の負担軽減やケアの質向上に貢献しています。 🧠 認知症対策におけるAI活用のメリット 介護者の負担軽減 :AIが認知症の兆候や行動を予測し、適切な対応を支援。 人間では難しい多角的な分析が可能 :音声、画像、行動データなどを総合的に解析。 尊厳の保持 :利用者の状態に応じた柔軟な対応が可能。 早期発見と予防 :日常的なチェックで認知機能の変化を検知。 🔍 主なAIサービスと事例 サービス名 概要 SupportBrain MRI画像をAIが解析し、将来の認知症リスクを予測。全国の医療機関で導入。 ONSEI スマホで音声応答するだけで認知機能をチェック。判別精度は93%。 会話型診断支援AI 5〜10分の自然な会話から認知機能の低下を検出。医師や心理士が活用。 DeCaAI 認知症の行動・心理症状(BPSD)を事前に予測し、ケア方法を通知。 マジ神AI 介護のプロの知見を学習し、現場での対応を支援。事故予防にも効果。 だいちゃん 認知症ケアに特化したコミュニケーションロボット。会話や歌で回想を促進。 脳にいいアプリ 運動・食事・脳トレ・ストレス緩和・社会参加を促す予防アプリ。 📌 導入のポイント 目的に応じてAIを選定(診断・介護・予防)。 現場の課題に合わせたカスタマイズが可能。 初期費用やライセンス体系も明示されており、導入しやすい。 AI技術は今後さらに進化し、認知症対策の現場において不可欠な存在になると期待されています。

AIを活用した認知症予防の可能性について、脳トレAIと会話AIの具体的な事例と効果を紹介します。

  AIを活用した認知症予防の可能性について、脳トレAIと会話AIの具体的な事例と効果を紹介します。 🧠 認知症予防にAIが果たす役割 日本では高齢化が急速に進み、2025年には65歳以上の5人に1人が認知症になると予測されています。介護人材の不足や家族の負担増加が深刻化する中、AIの活用が注目されています。 🧩 脳トレAIの特徴と効果 個別最適化された脳トレアプリ が登場。 ユーザーの反応速度や正答率を解析し、難易度や内容を自動調整。 得意分野を強化し、成功体験を積み重ねることで継続しやすくなる。 無理なく続けられる仕組みがAIの強み。 💬 会話AIの可能性 孤立感やコミュニケーション不足は認知症進行のリスク要因 。 AIが毎日声かけを行い、会話内容を記録・分析。 話題の変化を検知し、必要に応じて家族やケアスタッフにフィードバック。 人間のような対応は難しくても、「孤独を和らげる相手」として機能。 ✅ メリットと課題 メリット 個別最適化された予防方法 継続しやすい仕組み 孤立感の緩和 課題 高齢者が機器を使いこなせるか 効果の個人差 プライバシー・倫理的な懸念 🔍 まとめ AIによる認知症予防はまだ発展途上ですが、確実に広がりつつあります。重要なのは「人にしかできない部分」と「AIが得意な部分」をどう分担するかという視点です。

AIによる認知症診断の活用で、早期発見やケア支援サービスが多数登場

  AIによる認知症診断の活用が進んお で り、早期発見やケア支援に役立つサービスが多数登場しています。 この記事では、AIを活用した認知症診断や認知機能判別の最新事例とサービスについて紹介されています。以下に主なポイントをまとめます。 🧠 AIによる認知症診断の概要 AIは会話や音声データを解析し、認知症の兆候を検出 。 5〜10分程度の会話から、認知機能の低下を判断することが可能。 従来の検査よりも 時間とコストを削減 でき、早期発見に貢献。 🔍 主な活用事例 LIFE TALK ENGINE :AIアバターと会話することで認知機能を維持・活性化。家族の負担軽減にも寄与。 SupportBrain :MRI画像をAIが解析し、将来の認知機能低下リスクを予測。全国60以上の医療機関で導入済み。 GEOM.ai :認知症の行動・心理症状(BPSD)を予測し、適切なケア方法を通知。介護現場の効率化に貢献。 ONSEI :スマートフォンで音声応答するだけで認知機能をチェック。軽度認知障害の判別精度は93%。 NTT Comの脳の健康チェックサービス :電話での会話から認知機能を判定。無料トライアルも実施中。 ✅ AI活用のメリット 早期発見による進行予防 。 介護者の負担軽減 。 医師との情報共有による効率的な治療 。 日常生活の中で気軽にチェック可能 。 高齢化が進む日本では、AIによる認知症ケアの重要性がますます高まっています。今後は、より多くの人が日常的にAIサービスを活用し、認知症の早期発見と予防に取り組める環境が整っていくと期待されています。 出典:AI研究所の記事

養父市と日立が構築した『AIを活用したヘルスケアチェックサービス』

  養父市と日立は、AIを活用したヘルスケアチェックサービスを構築し、高齢者の認知機能低下の早期発見と孤立防止、ウェルビーイング向上を目指しています。 開発内容 🧠🏡 目的 :高齢化が進む中、認知症の早期発見と孤立リスクの低減、個々の生活の質(ウェルビーイング)向上を支援。 サービス内容 : 認知機能の状態や生活環境をチェックするWebサービスを養父市民向けに提供。 AIによる分析を通じて、個人に適した社会参加やつながりの場を紹介。 「マイナンバーカード」や養父市独自の「やっぷるカード」で本人確認し、サービスを利用可能。 主な機能 : 認知機能チェック :電話ガイダンスや質問応答を通じてAIが認知状態を客観的に評価。 生活振り返りチェック :幸福度や生活満足度を6項目で可視化し、改善のヒントを提供。 個別アドバイス :AIが健康・生活データを分析し、相談窓口や地域活動の情報を提案。 背景 : 日本では2030年に認知症患者が約523万人に達する見込み。 養父市でも高齢化に伴い、認知症や孤立の課題が深刻化。 今後の展望 : 市民の趣味やライフスタイルに応じた社会参加を促すAIリンクワーカー支援システムの導入を検討。 他自治体への展開も視野に入れ、持続可能な地域共生社会の実現を目指す。 この取り組みは、医療・福祉だけでなく、地域社会全体で高齢者の健康とつながりを支える新しいモデルとして注目されています。

Gemini AIを活用してユーザーごとに最適化された認知症予防・改善アプリ『mimi』の紹介

認知症予防・改善アプリ『mimi』は、Gemini AIを活用してユーザーごとに最適化された認知機能トレーニングを提供する革新的なアプリです。個人の状態に応じた問題生成や音声・画像認識機能を通じて、継続的な予防・改善を支援します。 🧠『mimi』の概要と目的 Google Cloud主催のAI Agent Hackathon で開発された認知症予防・改善アプリ。 認知症の早期発見・早期介入を目指し、 個別最適化されたトレーニング を提供。 世界的に認知症患者が急増する中、 持続可能で効果的な予防手段 として注目。 🔍主な機能と特徴 個別最適化された問題生成 ユーザーの年齢・性別・認知機能レベル・生活習慣を分析し、Gemini AIが最適な問題とTo Doリストを自動生成。 問題の難易度はAIが自動調整し、モチベーション維持を支援。 多様な認知機能トレーニング テキスト入力型問題 に加え、 画像認識問題 や 音声問題 にも対応。 過去の写真を活用した回想法により、記憶を刺激する設計。 音声対話機能 Speech To Text / Text To Speechを活用し、発話によるトレーニングを実現。 会話を通じて認知機能の維持・改善を図る。 🎯対象ユーザー 認知機能の低下が気になる高齢者 認知症予防に関心のある人 認知症の家族を支援したい介護者 🚀今後の展望 画像からの問題自動生成 や 進捗に応じた問題調整 など、さらなるパーソナライズ機能の実装。 医療機関・介護施設との連携による実証実験。 多言語対応 でグローバル展開を目指す。 このアプリは、AI技術を活用して認知症予防・改善に新たな可能性を示すものであり、今後の発展が期待されています。詳細は Zennの記事 をご覧ください。 zenn.dev Gemini AIを活用して認知症予防・改善アプリを開発【AI Agent ...

開発したVRで、介護者が認知症の行動背景を理解し、対応を学ぶことができる

  大塚製薬が発表した「認知症ケア支援VR」は、介護者が認知症の方の気持ちや行動の背景を理解し、適切な対応を学ぶための体験型プログラムです。2024年12月に販売開始しました。 このVRプログラムは、ジョリーグッド社との共同事業「FACEDUO(フェイスデュオ)」の一環として開発されました。以下のような特徴があります: 🧠 認知症ケア支援VRの概要 目的 :認知症の方と介護者がともに充実した生活を送る「共生社会」の実現を目指す 対象 :家族介護者、介護職、医療・福祉関係者など幅広い層 提供開始 :2024年9月にプレリリース、12月に販売開始 🎥 プログラム構成(3つのテーマ) 認知症の症状の理解 家族目線で困惑する場面を体験し、症状への理解を深める 気持ち・行動の理解と対応の工夫 「きっかけ→気持ち・行動→対応」の流れで分析し、適切な対応方法を学ぶ リラックスVR 呼吸法などを通じて介護者自身のストレス軽減を図る 🧩 技術的特徴 実写VRと3Dグラフィックスの融合 により、リアルな体験と学びやすさを両立 専門医監修 :慶應義塾大学医学部 精神・神経科の藤澤大介医師が監修 継続学習に配慮 :ドクターや進行役がナビゲートし、学習支援者の負担も軽減 🌍 社会的背景と意義 2025年には認知症高齢者が約471.6万人、2040年には約584.2万人に増加と推定 家族介護者の約4割が「ビジネスケアラー」として仕事と介護を両立しており、年間約8兆円の生産性損失が指摘されている VRを通じて、認知症の方の視点を体験することで、 より優しいコミュニケーション や 介護者のメンタルケア に貢献 このVRは、自治体や企業、医療・福祉施設などでの導入が想定されており、今後さらにコンテンツの拡充が予定されています。詳細は FACEDUO公式ページ をご覧ください。 出典:大塚製薬ニュースリリース

「忘れかけた記憶」をAIで生成するGoogleの取り組み

Googleは生成AIを使って認知症患者の記憶を視覚化し、回想療法を支援するプロジェクト「Synthetic Memories」を開始。過去の記憶を呼び起こす手がかりとして、AI生成の画像や動画を活用することで、感情やつながりを深める新たなケアの可能性を探っている。 「忘れかけた記憶」をAIで生成するGoogleの取り組み Googleは、認知症患者の記憶想起を支援するための研究プロジェクト「Synthetic Memories」を発表。これは、 生成AIとアートを組み合わせて、過去の記憶を視覚的に再構成する ことで、回想療法(レミニッセンスセラピー)を強化する試み。 主なポイント AIが患者の記憶をもとに、 夢のような質感を持つ画像や動画 を生成。 写真や記録が残っていない古い記憶に対して、 パーソナライズされた視覚的手がかり を提供。 実際の事例では、アルツハイマー病の患者が語った記憶をもとに、革ジャケットやリュックなどの詳細を反映した画像を生成。 AIは「完璧な再現」ではなく、 記憶を呼び起こすためのプロンプト(手がかり) として活用される。 この取り組みは、 記憶・アート・テクノロジーの融合 によって、認知症ケアの新たな可能性を探るもの。 まとめ 「Synthetic Memories」は、認知症患者が 過去とのつながりを取り戻す ための支援ツールとして、生成AIを活用する革新的なプロジェクト。 記憶のニュアンスを視覚化することで、 感情やアイデンティティの再確認 を促し、より豊かなケア体験を提供することが期待されている。 【参考・引用文献】 文●サクラダ 編集●飯島恵里子/ASCII,「忘れかけた記憶」をAIで生成 グーグル、"合成記憶"で認知症患者の記憶想起を支援,ASCIIxAI,2025年04月25日更新,https://ascii.jp/elem/000/004/265/4265785/,(参照2025-10-2)

認知症の初期症状と生成AIの活用

認知症の初期症状と生成AIの活用 1. 認知症の初期症状は見逃されやすい 「同じ話の繰り返し」「物忘れ」「時間や場所の混乱」など、加齢による物忘れと区別がつきにくい。 本人が自覚しにくく、家族も「年齢のせい」と見過ごしがち。 初期段階こそが、進行を遅らせるための重要な介入ポイント。 2. 生成AIが“違和感”の検出を支援 会話や記録から繰り返し発言や一貫性の変化を検出。 職員の記録を要約し、普段と異なる行動を抽出。 観察力とAIの解析を組み合わせることで、早期対応が可能に。 3. 現場での事例 在宅医療や通所施設で、AIが記録を分析し初期症状を可視化。 医師との連携がスムーズになり、早期診断・支援につながった。 職員の気づきに自信が持てるようになり、家族への説明にも説得力が増した。 4. 家族向けの支援アプリも登場 音声メモをAIが要約し、変化をレポート化。 医師への相談内容を整理してくれる機能も。 家族が専門知識なしでも支えになれる実感が得られる。 5. まとめ 認知症は誰にでも起こりうる身近なテーマ。 生成AIは“気づきのヒント”を与える補助ツールとして期待されている。 最終的な判断と寄り添いは人の役割。 「早すぎる対応」が本人と家族の安心につながる。 参考文献 ①古澤久志,"認知症の初期症状と生成AI",note,2025年4月7日更新,https://note.com/hwww/n/n9bcb468e993a,(参照2025-10-2)

生成AIに認知症検査を受けさせた研究の結果

生成AIに認知症検査を受けさせた研究の結果 イスラエルの研究チームが、ChatGPT・Gemini・Claudeなどの生成AIに人間用の認知症検査を実施したところ、 すべてのモデルに認知症の兆候が確認された 。 特にGeminiは重度認知症レベルのスコアで、最も高得点だったChatGPT 4oでも軽度認知症相当だった。 AIは視覚情報に基づく作業(空間認識や模写、時計描写など)を苦手としており、 人間の認知症患者に似た反応 を示す場面もあった。 また、共感性の欠如などから、 前頭側頭型認知症の兆候 と解釈される結果も見られた。 ただし、AIの知能は人間とは異なるものであり、今回の結果は「認知症と診断された」という意味ではない。 むしろ、 新しいモデルほどスコアが改善している ことから、今後の進化によってこうした弱点は克服される可能性がある。 参考文献 ①牡丹堂 (著)・パルモ (編集),生成AIに人間の認知症の兆候を確認,カラパイア,2025-02-26更新,https://karapaia.com/archives/490624.html,(参照2025-10-2)

生成AIが認知症にどう関わっているかを3つの視点から紹介します。

生成AIが認知症にどう関わっているかを3つの視点から紹介します。 ① 認知症の予防・改善支援としての生成AI 生成AIは、認知症の原因や生活習慣との関係を分析し、 個人に合った改善方法の提案 ができるようになってきています。 たとえば、生活習慣病としての認知症に対して、AIが「食事・睡眠・運動・腸内環境」などの改善アドバイスを出すことで、 本人の行動変容を促す ことが期待されています。(文献①) ② 合成記憶による記憶支援 生成AIは、断片的な記憶をもとに画像や文章を再構成することができるから、 認知症患者が過去の記憶を思い出す手助け にも使われています。「そう、まさにこれだった!」という反応が出ると、 脳の活性化や感情の刺激 につながって、進行の抑制にも効果があるかもしれないと言われています。(文献②) ③ AI自身の認知機能を測る試み ちょっとユニークな話ですが、生成AIに人間用の認知症テストを受けさせた研究もあります。 結果は…なんと、 軽度認知症レベルのスコア を出したモデルもあったとのことです。これは「AIが人間の知能を模倣するなら、弱点も似てくるのでは?」という問いを投げかけてると考えられます。(文献③) まとめ 生成AIは、認知症の 予防・改善・記憶支援 に活用される可能性がある一方で、 人間の脆さを映す鏡のような存在 にもなっています。 技術と人間の関係を深く考える、すごく興味深いテーマです。 【参考・引用文献】 ①古澤久志,"認知症の初期症状と生成AI",note,2025年4月7日更新,https://note.com/hwww/n/n9bcb468e993a,(参照2025-10-2) ②文●サクラダ 編集●飯島恵里子/ASCII,「忘れかけた記憶」をAIで生成 グーグル、"合成記憶"で認知症患者の記憶想起を支援,ASCIIxAI,2025年04月25日更新,https://ascii.jp/elem/000/004/265/4265785/,(参照2025-10-2) ③牡丹堂 (著)・パルモ (編集),生成AIに人間の認知症の兆候を確認,カラパイア,2025-02-26更新,https://karapaia.com/archives/490624.html,(参照2025-10-2)

塩野義製薬、AI会話分析で認知機能を判定 FRONTEOとアプリ開発

 塩野義製薬とFRONTEOっていう会社が、 スマホで使える認知症チェックのアプリ を作成したそうです。AIとちょっとおしゃべりするだけで、記憶力や言葉の理解力を調べられるそうです。 使い方はかんたん!「最近楽しかったこと」みたいな話題を選んで、5〜10分くらいAIの質問に答えるだけ。話した内容をAIが分析して、認知機能の状態を点数で教えてくれる。結果に合わせて「こんな生活をしてみよう」ってアドバイスもするそうです。 このアプリは、日本生命の認知症保険にくっついて使えるとのこと。他の保険会社や、銀行、運転免許センターでも使えるように広げていく予定だそうです! さらに、病院で使える認知症チェックの機械も開発中で、2026年には使えるようにしたいって話です。認知症の早期発見や予防に役立ちそうだと考えられます。 【参考引用文献】 新聞記事,塩野義製薬、AI会話分析で認知機能を判定 FRONTEOとアプリ開発,日本経済新聞社,2025年9月3日更新,https://www.nikkei.com/article/DGXZQOUF0313G0T00C25A9000000/,(参照2025-10-02)

因果推論を用いたポジショニングが患者の褥瘡発生率に与える影響(3)

因果推論を用いたポジショニングが患者の褥瘡発生率に与える影響(3) 前回の特徴量に栄養状態や寝返り頻度を追加して、発生者(1)の再現率を上げたポジショニングが患者の褥瘡発生率に与える影響モデルで、「どの特徴量が褥瘡発生に強く影響してるか」を見ると予防や対策のヒントになります。 ロジスティック回帰では、 係数(coef_) を使って特徴量の影響度を確認するPythonコードを示します。 特徴量の係数を確認する次のコードを前回のコード末に追加する! # 特徴量の名前と係数を取得 feature_names = X.columns coefficients = model.coef_[0] # DataFrameにまとめて、影響度順に並べる coef_df = pd.DataFrame({     '特徴量': feature_names,     '係数': coefficients }).sort_values(by='係数', ascending=False) print(coef_df) 出力結果 特徴量 係数 2 健康状態_悪い  0.254712 1 性別_男性    0.095983 3 健康状態_良好  -0.008560 0 年齢    -0.010082 4 ポジショニングの質_良い -2.244157 解釈のポイント 項目 意味 係数が正(+) 褥瘡が発生しやすくなる方向に働く 係数が負(−) 褥瘡が発生しにくくなる方向に働く 絶対値が大きい    影響力が強い(重要な特徴量) つまり、 ポジショニングの質_良い  の係数が -2.2 → 質が良いと褥瘡リスクが低減! 健康状態_悪い  が +0.25 → 健康状態が悪いとリスク増!

因果推論を用いたポジショニングが患者の褥瘡発生率に与える影響(2)

因果推論を用いたポジショニングが患者の褥瘡発生率に与える影響(2) 前回の褥瘡発生者(1)の再現率を高めるために、 栄養状態 と 寝返り頻度 という2つの特徴量を追加して、モデルを再構築したPythonコードを考えます。 Pythonコード import numpy as np import pandas as pd from sklearn.linear_model import LogisticRegression from sklearn.model_selection import train_test_split from sklearn.metrics import classification_report # 仮想データの生成 np.random.seed(0) data_size = 1000 age = np.random.normal(70, 10, data_size) gender = np.random.choice(['男性', '女性'], data_size) health_condition = np.random.choice(['良好', '中等度', '悪い'], data_size, p=[0.5, 0.3, 0.2]) positioning_quality = np.random.choice(['良い', '悪い'], data_size, p=[0.7, 0.3]) # 新しい特徴量の追加 nutrition_status = np.random.choice(['良好', '不良'], data_size, p=[0.6, 0.4]) turning_frequency = np.random.choice(['頻繁', '少ない'], data_size, p=[0.7, 0.3]) # 褥瘡発生のロジック(新特徴量も考慮) risk_score = (     0.3 +     0.5 * (positioning_quality == '悪い') +     0.3 * (nutrition_status == ...

因果推論を用いたポジショニングが患者の褥瘡発生率に与える影響(1)

イメージ
【はじめに】 ポジショニングに関する仮想データを生成し、因果推論を用いて解析するシミュレーションモデルの例題を作成しました。このシナリオでは、ポジショニングが患者の褥瘡発生率に与える影響を調べます。そこで、 高齢者の褥瘡(じょくそう)発生リスク を予測するためのロジスティック回帰モデルを構築・評価するPythonコードを示します。   【例題の設定と前提条件】 仮想データセット : 1000 人の患者を想定し、それぞれについてポジショニングの質(良い / 悪い)、年齢、性別、既存の健康状態(良好 / 中等度 / 悪い)、褥瘡発生(はい / いいえ)のデータを生成します。 因果推論の目的 : ポジショニングの質が褥瘡発生にどの程度影響を与えるかを推定します。 統計モデル : ロジスティック回帰モデルを使用し、ポジショニングの質が褥瘡発生の確率に与える影響を分析します。     【 Python コード】 import numpy as np import pandas as pd from sklearn.linear_model import LogisticRegression from sklearn.model_selection import train_test_split from sklearn.metrics import classification_report   # 仮想データの生成 np.random.seed(0) # 乱数生成のシードを設定します。これにより、毎回同じ乱数が生成されるようになり、結果が再現可能になります。 data_size = 1000 # データセットのサイズを 1000 と定義します。つまり、 1000 人分のデータを生成します。 age = np.random.normal(70, 10, data_size) # 正規分布に従う年齢データを生成します。平均年齢は 70 歳、標準偏差は 10 です。 1000 個の年齢データが生成されます。 gender = np.random.choice([' 男性 ', ' 女性 '], data_size) #1000 個の「男性」または「女性」の性...