その科学的介護は、科学的ではありません。

〜科学的介護LIFEのみならず現場のデータを活用した、LIFEデータDXコンサルティングを提供開始〜

科学的介護、それを語る資格がある人はどこにいるのでしょうか？
私たちの、トップレベルのジャーナルに出版され、国立大学病院をはじめとする多くのIoT・ビッグデータによるDXの経験をもとにした、科学的介護LIFEと現場データを活用した参加型のDXコンサルティングを提供開始しました。

科学的介護、それを語る資格がある人はどこにいるのでしょうか？
ちょっと、私（AUTOCARE CTO 井上創造）の研究人生の話をします。
私の専門はITです。ITシステムを作って使ってデータを集めれば、ヘルスケアのビッグデータ分析ができて人類に貢献できてハッピー！。博士課程を出たころは、そう思っていました。
しかし、現実はそう甘くありませんでした。東大をはじめとするトップレベルの研究者仲間に私が集めたデータを提供すると、私の論文よりいい論文を、あっという間に書き上げるのです。そして私には業績が残らないのです。
そう、私にはデータを分析するスキルが足りなかったのです。

私は表向きは愛想よくしていたものの、内心もう、どうにかなってしまいそうでした。
妻と赤ん坊を家に放って家に帰らずプログラムを書いていたのは何だったのか。
実験現場に毎日入り浸って現場の方のお叱りを受けていたのは何だったのか。
血眼になって徹夜でデータを整理したのは何だったのか。
どれだけ努力しても凄いやつには勝てないのか。
研究者というものはもっとスマートにやれる奴が成功できるのか・・・。
私には研究者のキャリアは向いていないのか。

そんな私は今、どうしているでしょうか。
医療・介護のIoT・ビッグデータの論文はトップレベルのジャーナルに出版され、受賞も多数。
国内外の大学や学会にも招待講演に呼ばれます。
多くの会社や３つの国立大学病院から、DXコンサルティングの相談も舞い込んできます。

私は、なぜ壁を突き破れたのか。
それには２つ理由があります。

①データ分析が分からない人の気持ちが分かるから。
データ分析ができないことを知ってから、私は英語の論文を1年に400本読みました。すると、データ分析の理論だけでなく実践的な方法が、論文に書かれているレベルで、すっと分かるようになってきたのです。
そしてそれと同時に、誰にでもできるデータ分析の学び方がかってきたのです。この学び方を教えると、どんな学生でも分かる、そういう理解法が編み出せるようになってきたのです。

②データを無理なく無駄なく集めるノウハウがあるから。
データ分析は、できるとかっこいいし、やっぱり頭がいい人ほど習得しやすいものです。でも、データがなければ本当に何もできない。いくら頭がよくたって、データちょうだいちょうだい、と泣いている赤子と同じようなものです。
その点、私は、データを集めることができる。そのためのツール、介護記録AIアプリFonLogも提供している。しかも分析を知ってデータを集めることにより、無駄なく、無理なく、現場に負担をかけることなくデータを集められるようになる。
このように、「データ収集スキル」と「分析方法」という車の両輪を、私はいつの間にか手に入れていたのです。

こんな両輪を活用したデータをもとにした介護DXのノウハウを、みなさんに伝えたい・・・

しかし科学的介護LIFEだけでは介護のDXは難しい？​
DX（デジタルトランスフォーメーション）とは、経済産業省の定義を簡略化すると、「データとデジタル技術を活用して、サービスやビジネス、業務そのものを変革すること」です。
一方で、2021年4月から導入された科学的介護情報システムLIFEでは、

1. 利用者の心身の基本的な情報をLIFEに提出し、
2. LIFEからのケアの改善に関するフィードバックを十分に生かすこと

が求められます。

しかし、現状の多くの事業所では1.のデータ入力に多大な時間をさき、2.のフィードバックはまだまだ全国統計に止まるためケアの改善に繋げられていない状況であることを見聞きします。
しかしDXではそれ以上のことが求められます。「改善」ではなく、

• サービスやビジネス、業務そのものを「変革」しなくてはいけない

のです。交通業界にUberが現れたように、宿泊業界にAirBnBが現れたように、レンタルビデオが動画配信サービスに置き換わったように、デジタルを前提としたサービスの破壊的な「変革」も、DXに含まれるのです。

とはいえ、現時点で介護事業者の目の前にLIFEはあります。それを用いて、ケアの改善、そしてサービスの変革は可能なのでしょうか？

医療分野においてはデータに基づくケアの改善が一歩進んでますが、医療のステップを簡単に整理すると、次のようになります。

1. 症状：患者の主訴を検査や問診し、容体を知る。
2. 診断：医師により診断や処方がなされる。
3. 介入：服薬や処置、看護行為といった患者への何らかのアクションが行われる。
4. 結果：患者が治癒したり、健康状態が改善するといったアウトカムが得られる。

ここで、ケアの改善ができるのは、3.介入→4.結果の組み合わせの部分が主です。例えば、私たちの取り組みでは、入院患者のアウトカムに結びつかない食事の配膳や、過剰なバイタル検査といった看護師の行為（3.介入）を洗い出し、それに基づいてアウトカムのレベルを保った上で看護負荷の削減を行いました。

• 杉山 康彦, 白水 麻子, 中島 直樹, 井上 創造, "センサーと医療ビッグデータを活用した医療サービス分析システムの研究開発—業務分析から課題を抽出し改善につなげる", 看護管理, Vol. 27, No. 8, pp. 658-667, 2017/06/16.

 

図：医療と介護の標準的なステップ。どちらも介入→結果の組み合わせが改善に重要だが、LIFEには介入のデータがほとんどなく、次善の策として計画→結果の組み合わせを分析することになる。

一方、介護において同様のステップは、次のようになります。

1. 現状：高齢者の状態をヒアリング・観察したり、見守りをする。
2. 計画：ケアプランや訓練計画書といった計画を立てる。
3. 介入：リハビリテーション、食事、傾聴、レクレーションといったケア全般を提供する。
4. 結果：自立度やQoL、ウェルビーイングといったアウトカムが得られる。

しかしここで問題点が2つあります。一つは、介護におけるアウトカムが人によって異なるということです。医療の場合はアウトカムは、「病気がよくなる」という一方向に設定することができるが、介護の場合は、「自分で買い物に行きたい」など、非常に個人的で、また人によって趣向が異なるものになります。

もう一つは、LIFEにおいては3. 介入の情報がほとんどないことです。そのため、医療のように3.介入→4.結果の組み合わせを元に分析を行うことができず、代わりに2.計画を元に3.介入が確実に行われていると仮定して、2.計画→4.結果の関連を分析することになってしまいます（しかもケアプランはLIFEデータには含まれていません）。

これら2点から、介護におけるデータに基づくケアの改善は、医療に比べると難易度が高いし、LIFEだけでは難しい、と考えられます。

そして、分析に必要な3.介入のデータはどこにあるのか？それは現場に介護記録としてあるのです。私たちのDXコンサルティングでは、科学的介護情報LIFEをはじめとし、介護記録や現場のあらゆる記録を用いて分析をし、DXへとつなげます。

私たちが考える、介護のDXとは
私たちは、次のような、参加者のレベルに合わせたDXコンサルティングを提供します。

1. 参加型のDX
このようなデータに基づくケアの改善は、ぜひ当事者参加型で行ったほうが効果が出ます。ものづくりの分野には「参加型デザイン」という、開発過程でユーザの意見や体験を取り入れることで、よりよい製品になることが知られています。介護分野ではそのような効果だけでなく、当事者たちの改善に対する動機づけにもつながります。

2. まずはなんでもいいから比較して分析に慣れる
何事も慣れが肝要なので、まずは表計算ソフトなどを使ってデータ分析を始めます。その際に、「何と何を比べるか」という比較対象を決めて分析します。例えば、
「義歯装着とDBD13には関係（統計用語で言えば相関）があるか」
のように、LIFEで得られるデータ項目（統計用語で言えば変数）の間でも比較ができるでしょう。

3. 次に、過去と未来の比較を試みる
今度は、あるデータ項目の過去と未来を比べてみて、そこに相関があるかを調べます。相関がありそうなら、過去のデータから未来を予測できるかもしれない、ということになります。また、同じデータ項目ではなく、異なるデータ項目間で過去と未来の相関をみることも可能です。
これをもっと発展させていくと、近未来を予測するAIを作ることにつながります。
（国立大学法人九州工業大学はJST未来社会創造事業で「介護・医療分野における『ケア』天気予報サービスの創出」の研究に取り組んでいます。この研究にもつながります。）

4. 相関と原因は違うことを知っておく。
こうして過去と未来に「〇〇をした人はアウトカムがよくなる」のような相関が得られたとします。そうすると積極的に〇〇をしたくなるかもしれないが、ちょっと待ってください。
「カエルが鳴くと雨が降る」
という相関があるとして、雨を降らせようと思ってカエルを鳴かせようとする人がいるでしょうか？ここには、カエルと雨のどちらにも相関がある「湿度」という別の真の原因（統計用語で言う交絡因子）が隠されています。
つまり、〇〇がアウトカムの原因と決めつけるのではなく、〇〇はあくまで原因の候補であり、他に真の原因がないかを、慎重に検討して見極める必要があります。このような、原因の候補に基づいた参加型のディスカッションにより、本当の原因を見極め、それをDXに繋げて参ります。

私たちの活動にご興味がある方は、ぜひ以下のQRコードにスマホのカメラをかざして、公式LINEにご連絡ください。大学が実施する報酬ありの実験参加募集も、この公式LINEを通してご案内する予定です。

• 「ケア」天気予報の研究に報酬ありで協力いただける介護事業者を公募しました
• https://prtimes.jp/main/html/rd/p/000000027.000057750.html​

 

ぜひ一緒にDXしていきましょう！