特開 2024-122195 情報処理装置、情報処理方法、及びプログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2024122195

(43)【公開日】2024-09-09

(54)【発明の名称】情報処理装置、情報処理方法、及びプログラム

(51)【国際特許分類】

   G06Q 50/22 20240101AFI20240902BHJP

【ＦＩ】

G06Q50/22

【審査請求】未請求

【請求項の数】13

【出願形態】ＯＬ

(21)【出願番号】P 2023029615

(22)【出願日】2023-02-28

【公序良俗違反の表示】

（特許庁注：以下のものは登録商標）

１．ＢＬＵＥＴＯＯＴＨ

(71)【出願人】

【識別番号】000006747

【氏名又は名称】株式会社リコー

(74)【代理人】

【識別番号】100107766

【弁理士】

【氏名又は名称】伊東 忠重

(74)【代理人】

【識別番号】100070150

【弁理士】

【氏名又は名称】伊東 忠彦

(74)【代理人】

【識別番号】100107515

【弁理士】

【氏名又は名称】廣田 浩一

(72)【発明者】

【氏名】小川 武士

(72)【発明者】

【氏名】大和田 俊和

(72)【発明者】

【氏名】金崎 克己

【テーマコード（参考）】

5L099

【Ｆターム（参考）】

5L099AA11

(57)【要約】

【課題】予測した患者又は被介護者に関する情報の従事者に対する通知を適切に行う情報処理装置を提供すること。
【解決手段】医療サービス又は介護サービスに従事する従事者が作成した記録データから患者又は被介護者に関する情報を予測するように機械学習された学習モデルを用いて、患者又は被介護者に関する情報を予測する予測手段と、予測手段が新たに予測した情報及び予測手段が予測済みの情報の履歴に基づいて従事者に通知すると判定された、予測手段が新たに予測した情報を、従事者に通知する通知手段と、を有する情報処理装置により上記課題を解決する。
【選択図】図４

【特許請求の範囲】

【請求項1】

医療サービス又は介護サービスに従事する従事者が作成した記録データから患者又は被介護者に関する情報を予測するように機械学習された学習モデルを用いて、患者又は被介護者に関する情報を予測する予測手段と、
前記予測手段が新たに予測した情報及び前記予測手段が予測済みの情報の履歴に基づいて前記従事者に通知すると判定された、前記予測手段が新たに予測した情報を、前記従事者に通知する通知手段と、
を有する情報処理装置。

【請求項2】

前記患者又は被介護者に関する情報は、前記患者又は前記被介護者に将来発生する可能性のあるイベントに関する情報である
請求項１記載の情報処理装置。

【請求項3】

前記イベントに関する情報は、前記患者又は前記被介護者の転倒、誤嚥、救急搬送、又は認知症症状の進行の情報である
請求項２記載の情報処理装置。

【請求項4】

前記予測手段が新たに予測した情報、及び前記予測手段が予測済みの情報の履歴に基づいて、前記予測手段が新たに予測した情報及び前記履歴の最新の情報が同一でなければ前記従事者に通知すると判定する判定手段を更に有する
請求項１乃至３の何れか一項に記載の情報処理装置。

【請求項5】

前記判定手段は、前記予測手段が新たに予測した情報及び前記履歴の最新の情報が同一である状態が所定期間継続すれば前記従事者に通知すると判定する
請求項４記載の情報処理装置。

【請求項6】

前記患者又は被介護者に関する情報は、前記患者又は前記被介護者の内面評価結果に関する情報である
請求項１記載の情報処理装置。

【請求項7】

前記予測手段が新たに予測した情報、及び前記予測手段が予測済みの情報の履歴に基づいて、前記予測手段が新たに予測した情報が、前記患者又は前記被介護者のポジティブな前記内面評価結果であれば、前記従事者に通知すると判定する判定手段、を更に有する
請求項６記載の情報処理装置。

【請求項8】

前記判定手段は、前記予測手段が新たに予測した情報が、前記患者又は前記被介護者のネガティブな前記内面評価結果である状態が所定期間継続すれば、前記従事者に通知すると判定する
請求項７記載の情報処理装置。

【請求項9】

前記予測手段は、前記従事者の内面評価結果に関する情報を予測し、
前記判定手段は、前記予測手段が新たに予測した情報が、前記従事者のネガティブな前記内面評価結果である状態が所定期間継続すれば、前記従事者の管理職に通知すると判定する
請求項７記載の情報処理装置。

【請求項10】

前記予測手段は、前記患者又は前記被介護者と、前記従事者との相互の内面評価結果に関する情報とを予測し、
前記通知手段は、前記予測手段が新たに予測した前記相互の内面評価結果に関する情報と、前記予測手段が所定期間に予測済みの前記相互の内面評価結果に関する情報の平均との差異に基づいて前記患者又は前記被介護者に通知すると判定された、前記予測手段が新たに予測した前記相互の内面評価結果に関する情報を、前記従事者に通知する
請求項１記載の情報処理装置。

【請求項11】

前記記録データに含まれるテキストデータを形態素解析処理により分解する形態素解析手段と、
前記形態素解析処理の結果と前記患者又は被介護者に関する情報との対応関係を前記学習モデルに機械学習させる学習手段と、を更に有する
請求項１記載の情報処理装置。

【請求項12】

情報処理装置が、
医療サービス又は介護サービスに従事する従事者が作成した記録データから患者又は被介護者に関する情報を予測するように機械学習された学習モデルを用いて、患者又は被介護者に関する情報を予測する予測ステップと、
前記予測ステップで新たに予測した情報及び前記予測ステップで予測済みの情報の履歴に基づいて前記従事者に通知すると判定された、前記予測ステップで新たに予測した情報を、前記従事者に通知する通知ステップと、
を有する情報処理方法。

【請求項13】

情報処理装置に、
医療サービス又は介護サービスに従事する従事者が作成した記録データから患者又は被介護者に関する情報を予測するように機械学習された学習モデルを用いて、患者又は被介護者に関する情報を予測する予測ステップ、
前記予測ステップで新たに予測した情報及び前記予測ステップで予測済みの情報の履歴に基づいて前記従事者に通知すると判定された、前記予測ステップで新たに予測した情報を、前記従事者に通知する通知ステップ、
を実行させるためのプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、情報処理装置、情報処理方法、及びプログラムに関する。

【背景技術】

【0002】

例えば要介護者又は患者が発症する可能性がある疾患や要介護者又は患者に発生する可能性があるイベントを予測して通知することを課題する予測システムがある。従来の予測システムは、要介護者又は患者である対象者が発症する可能性がある疾患や対象者に発生する可能性があるイベントを予測するように機械学習された学習モデルを利用して、対象者が将来発症する可能性がある疾患や対象者に将来発生する可能性があるイベントを予測して、予測結果を対象者の家族及び対象者の医療又は介護従事者の少なくとも一方に通知していた（例えば特許文献１参照）。

【発明の概要】

【発明が解決しようとする課題】

【0003】

しかしながら、従来の予測システムは、医療又は介護従事者に対し、同一の予測結果を続けて通知してしまう場合があった。同一の予測結果を続けて通知された医療又は介護従事者は、通知に対する注意力が散漫になってしまう可能性があった。

【0004】

本発明の実施の形態は、予測した患者又は被介護者に関する情報の従事者に対する通知を適切に行う情報処理装置を提供することを目的とする。

【課題を解決するための手段】

【0005】

上記した課題を達成するために本願請求項１は、医療サービス又は介護サービスに従事する従事者が作成した記録データから患者又は被介護者に関する情報を予測するように機械学習された学習モデルを用いて、患者又は被介護者に関する情報を予測する予測手段と、前記予測手段が新たに予測した情報及び前記予測手段が予測済みの情報の履歴に基づいて前記従事者に通知すると判定された、前記予測手段が新たに予測した情報を、前記従事者に通知する通知手段と、を有する情報処理装置である。

【発明の効果】

【0006】

本発明の実施の形態によれば、予測した患者又は被介護者に関する情報の従事者に対する通知を適切に行うことができる。

【図面の簡単な説明】

【0007】

【図1】本実施形態に係る情報処理システムの一例の構成図である。

【図2】本実施形態に係るコンピュータの一例のハードウェア構成図である。

【図3】本実施形態に係るスマートフォンの一例のハードウェア構成図である。

【図4】本実施形態に係る情報処理装置の一例の機能構成図である。

【図5】記録データの一例の構成図である。

【図6】本実施形態に係る情報処理装置が行う学習処理の一例のフローチャートである。

【図7】本実施形態に係る情報処理装置が行う予測処理の一例のフローチャートである。

【図8】アラートの履歴の一例の構成図である。

【図9】本実施形態に係る情報処理装置が行う判定処理の一例のフローチャートである。

【図10】介護担当者に送付されるメール文の一例を示した図である。

【図11】本実施形態に係る情報処理装置の一例の機能構成図である。

【図12】本実施形態に係る情報処理装置が行う学習処理の一例のフローチャートである。

【図13】アラートの履歴の一例の説明図である。

【図14】本実施形態に係る情報処理装置が行う判定処理の一例のフローチャートである。

【図15】介護担当者と被介護者との相互の内面評価結果の一例の説明図である。

【図16】本実施形態に係る情報処理装置が行う判定処理の一例のフローチャートである。

【発明を実施するための形態】

【0008】

以下、本発明の実施形態について図面を参照しながら説明する。本実施形態では、医療サービス又は介護サービスに従事する従事者が介護担当者の例を説明するが、介護担当者に限定するものではない。

【0009】

［第１の実施形態］
＜システム構成＞
図１は、本実施形態に係る情報処理システム１の一例の構成図である。図１の情報処理システム１は、情報処理装置１０及び従事者端末１２が、ネットワーク１８を介して通信可能に接続されている。ネットワーク１８は、インターネット、移動体通信網、ローカルエリアネットワーク（ＬＡＮ)等によって構築される。

【0010】

従事者端末１２は、介護担当者が操作する情報処理端末の一例である。図１の情報処理システム１は、複数台の従事者端末１２が含まれる。介護担当者は、被介護者のケア又は日常生活の世話等を行う。また、介護担当者は、被介護者の状態を観察したり診断したりする。介護担当者は被介護者についての情報を共有するため、日誌などの記録データを作成し、従事者端末１２に入力する。従事者端末１２は介護担当者に入力された記録データを情報処理装置１０に登録する。

【0011】

従事者端末１２は、例えば、ノートＰＣ（Personal Computer）、携帯電話、スマートフォン、タブレット端末、ゲーム機、ＰＤＡ（Personal Digital Assistant）、ウェアラブルＰＣ、又はデスクトップＰＣ等である。また、従事者端末１２は、ＰＪ（Projector：プロジェクタ）、ＩＷＢ（Interactive White Board：通信が可能な電子式の黒板機能を有する白板）、デジタルサイネージ等の出力装置、ＨＵＤ（Head Up Display）装置、産業機械、撮像装置、集音装置、医療機器、ネットワーク家電、自動車（Connected Car）、又はデジタルカメラ等であってもよい。

【0012】

情報処理装置１０は、従事者端末１２から登録された記録データから被介護者に関する情報を後述のように予測し、予測結果を後述のように出力し、被介護者に通知する。情報処理装置１０は、例えば、ノートＰＣ、デスクトップＰＣ、ワークステーション等のコンピュータである。また、情報処理装置１０は、例えばＰＪ、ＩＷＢ、デジタルサイネージ等の出力装置、ＨＵＤ装置、産業機械、撮像装置、集音装置、医療機器、ネットワーク家電、自動車、携帯電話、スマートフォン、タブレット端末、ゲーム機、ＰＤＡ、デジタルカメラ、又はウェアラブルＰＣ等であってもよい。

【0013】

また、情報処理装置１０は、一台以上のコンピュータによって実現される。情報処理システム１は、ネットワーク１８を介して通信可能な複数台のコンピュータに情報処理装置１０の機能を分散させて実現する構成であってもよい。情報処理装置１０は、クラウド環境のコンピュータに実現させる構成であってもよいし、オンプレミス環境のコンピュータに実現させる構成であってもよい。このように、図１に示した情報処理システム１は一例である。

【0014】

＜ハードウェア構成＞
図１の情報処理装置１０は、例えば図２に示すハードウェア構成のコンピュータ５００により実現される。また、従事者端末１２はＰＣである場合、例えば図２のハードウェア構成のコンピュータ５００により実現される。図２は本実施形態に係るコンピュータ５００の一例のハードウェア構成図である。

【0015】

図２に示されているように、コンピュータ５００はＣＰＵ（Central Processing Unit）５０１、ＲＯＭ（Read Only Memory）５０２、ＲＡＭ（Random Access Memory）５０３、ＨＤ５０４、ＨＤＤ（Hard Disk Drive）コントローラ５０５、ディスプレイ５０６、外部機器接続Ｉ／Ｆ（Interface）５０８、ネットワークＩ／Ｆ５０９、データバス５１０、キーボード５１１、ポインティングデバイス５１２、ＤＶＤ－ＲＷ（Digital Versatile Disk Rewritable）ドライブ５１４、及びメディアＩ／Ｆ５１６を備えている。

【0016】

ＣＰＵ５０１は、プログラムに従ってコンピュータ５００全体の動作を制御する。ＲＯＭ５０２は、ＩＰＬ等のＣＰＵ５０１の駆動に用いられるプログラムを記憶する。ＲＡＭ５０３は、ＣＰＵ５０１のワークエリアとして使用される。ＨＤ５０４は、プログラム等の各種データを記憶する。ＨＤＤコントローラ５０５は、ＣＰＵ５０１の制御に従ってＨＤ５０４に対する各種データの読み出し又は書き込みを制御する。

【0017】

ディスプレイ５０６は、カーソル、メニュー、ウインドウ、文字、又は画像などの各種情報を表示する。外部機器接続Ｉ／Ｆ５０８は、各種の外部機器を接続するためのインタフェースである。この場合の外部機器は、例えば、ＵＳＢ（Universal Serial Bus）メモリやプリンタ等である。ネットワークＩ／Ｆ５０９は、ネットワーク１８を利用して通信をするためのインタフェースである。データバス５１０は、ＣＰＵ５０１等の各構成要素を電気的に接続するためのアドレスバスやデータバス等である。

【0018】

キーボード５１１は、文字、数値、各種指示などの入力のための複数のキーを備えた入力手段の一種である。ポインティングデバイス５１２は、各種指示の選択や実行、処理対象の選択、カーソルの移動などを行う入力手段の一種である。ＤＶＤ－ＲＷドライブ５１４は、着脱可能な記録媒体の一例としてのＤＶＤ－ＲＷ５１３に対する各種データの読み出し又は書き込みを制御する。なお、ＤＶＤ－ＲＷに限らず、ＤＶＤ－Ｒ等であってもよい。メディアＩ／Ｆ５１６は、フラッシュメモリ等の記録メディア５１５に対するデータの読み出し又は書き込み（記憶）を制御する。

【0019】

なお、上記の各プログラムは、インストール可能な形式又は実行可能な形式のファイルで、コンピュータで読み取り可能な記録媒体に記録して流通させるようにしてもよい。記録媒体の例として、ＣＤ－Ｒ（Compact Disc Recordable）、ＤＶＤ（Digital Versatile Disk）、ブルーレイディスク、又はＳＤカード等が挙げられる。また、記録媒体は、プログラム製品（Program Product）として、国内又は国外へ提供されることができる。

【0020】

また、従事者端末１２は、例えば図３に示したハードウェア構成のスマートフォン７００により実現してもよい。図３は本実施形態に係るスマートフォンの一例のハードウェア構成図である。図３に示されているように、スマートフォン７００は、ＣＰＵ７０１、ＲＯＭ７０２、ＲＡＭ７０３、ＥＥＰＲＯＭ７０４、ＣＭＯＳセンサ７０５、撮像素子Ｉ／Ｆ７０６、加速度・方位センサ７０７、メディアＩ／Ｆ７０９、及びＧＰＳ受信部７１１を備えている。

【0021】

ＣＰＵ７０１は、スマートフォン７００全体の動作を制御する。ＲＯＭ７０２は、ＣＰＵ７０１やＩＰＬ等のＣＰＵ７０１の駆動に用いられるプログラムを記憶する。ＲＡＭ７０３は、ＣＰＵ７０１のワークエリアとして使用される。ＥＥＰＲＯＭ７０４は、ＣＰＵ７０１の制御にしたがって、スマートフォン７００用プログラム等の各種データの読み出し又は書き込みを行う。

【0022】

ＣＭＯＳセンサ７０５は、ＣＰＵ７０１の制御に従って被写体（主に自画像）を撮像して画像データを得る内蔵型の撮像手段の一種である。なお、ＣＭＯＳセンサ７０５ではなく、ＣＣＤセンサ等の撮像手段であってもよい。撮像素子Ｉ／Ｆ７０６は、ＣＭＯＳセンサ７０５の駆動を制御する回路である。加速度・方位センサ７０７は、地磁気を検知する電子磁気コンパスやジャイロコンパス、加速度センサ等の各種センサである。

【0023】

メディアＩ／Ｆ７０９は、フラッシュメモリ等の記録メディア７０８に対するデータの読み出し又は書き込み（記憶）を制御する。ＧＰＳ受信部７１１は、ＧＰＳ衛星からＧＰＳ信号を受信する。

【0024】

また、スマートフォン７００は、遠距離通信回路７１２、ＣＭＯＳセンサ７１３、撮像素子Ｉ／Ｆ７１４、マイク７１５、スピーカ７１６、音入出力Ｉ／Ｆ７１７、ディスプレイ７１８、外部機器接続Ｉ／Ｆ７１９、近距離通信回路７２０、近距離通信回路７２０のアンテナ７２０ａ、及びタッチパネル７２１を備えている。

【0025】

遠距離通信回路７１２は、ネットワーク１８を介して他の機器と通信する回路である。ＣＭＯＳセンサ７１３は、ＣＰＵ７０１の制御に従って被写体を撮像して画像データを得る内蔵型の撮像手段の一種である。撮像素子Ｉ／Ｆ７１４は、ＣＭＯＳセンサ７１３の駆動を制御する回路である。マイク７１５は、音を電気信号に変える内蔵型の回路である。スピーカ７１６は、電気信号を物理振動に変えて音楽や音声などの音を生み出す内蔵型の回路である。

【0026】

音入出力Ｉ／Ｆ７１７は、ＣＰＵ７０１の制御に従ってマイク７１５及びスピーカ７１６との間で音信号の入出力を処理する回路である。ディスプレイ７１８は被写体の画像や各種アイコン等を表示する液晶や有機ＥＬ（Electro Luminescence）などの表示部の一種である。ディスプレイはＨＭＤ（ヘッドマウントディスプレイ）であってもよい。外部機器接続Ｉ／Ｆ７１９は各種の外部機器を接続するインタフェースである。近距離通信回路７２０はＮＦＣやＢｌｕｅｔｏｏｔｈ等の通信回路である。タッチパネル７２１は、ユーザがディスプレイ７１８を押下することで、スマートフォン７００を操作する入力部の一種である。

【0027】

また、スマートフォン７００は、バスライン７１０を備えている。バスライン７１０は図３に示されているＣＰＵ７０１等の各構成要素を電気的に接続するためのアドレスバスやデータバス等である。

【0028】

＜機能構成＞
本実施形態に係る情報処理装置１０は、例えば図４に示すような機能構成により実現される。図４は本実施形態に係る情報処理装置１０の一例の機能構成図である。図４の機能構成は、本実施形態の説明に不要な構成について適宜省略している。図４の情報処理装置１０は、ＯＳ及びアプリケーション等のプログラムを実行することにより例えば図４の機能構成を実現する。

【0029】

図４の情報処理装置１０は、通信部６０、記憶制御部６２、形態素解析部６４、学習部６６、予測部６８、判定部７０、メール成形部７２、通知部７４、及び記憶部８０を有する。通信部６０、記憶制御部６２、形態素解析部６４、学習部６６、予測部６８、判定部７０、メール成形部７２、通知部７４、及び記憶部８０は、例えば図２に示されている各構成要素の何れかが、ＨＤ５０４からＲＡＭ５０３上に展開されたプログラムに従ったＣＰＵ５０１からの命令によって動作することで実現される機能である。

【0030】

通信部６０は、従事者端末１２との通信を行う。記憶制御部６２は、記憶部８０に対するデータ、情報、又は学習モデルの書き込み等を制御する。記憶制御部６２は、記憶部８０からのデータ、情報、又は学習モデルの読み出し等を制御する。

【0031】

また、図４の記憶部８０は、記録データＤＢ９０、アラート履歴ＤＢ９２、メール文面ＤＢ９４、メール送付先ＤＢ９６、学習データＤＢ９８、及び学習モデル１００を記憶している。

【0032】

記録データＤＢ９０は、介護担当者が登録した記録データを記憶している。アラート履歴ＤＢ９２は、予測部６８が予測した被介護者に関する情報（アラート）の履歴を記憶している。メール文面ＤＢ９４は、介護担当者に予測部６８が予測した被介護者に関する情報を通知するメール文面素案を記憶している。メール送付先ＤＢ９６は、メール送付先アドレス一覧を記憶している。学習データＤＢ９８は、学習モデルに学習させる学習モデル１００に機械学習させる学習データを記憶する。

【0033】

形態素解析部６４は、テキストデータを形態素解析処理により分解する。形態素解析部６４は、既存の日本語形態素解析ソフトを利用してもよい。学習部６６は、学習データＤＢ９８の学習データを学習モデル１００に機械学習させる。予測部６８は、機械学習された学習モデル１００を用いて、介護担当者が登録した記録データから被介護者に将来発生する可能性のあるイベント（例えば転倒、誤嚥、救急搬送、又は認知症症状の進行等）を予測する。転倒、誤嚥、救急搬送、又は認知症症状の進行等は、被介護者に将来発生する可能性のあるイベントに関する情報の一例である。イベントに関する情報は、予測部６８が予測する被介護者に関する情報の一例であって、アラートである。以下では、予測部６８が予測した被介護者に関する情報を、予測結果と呼ぶ。

【0034】

判定部７０は、予測部６８が新たに予測した予測結果、及び予測部６８が予測済みの予測結果の履歴に基づいて、予測部６８が新たに予測した予測結果を介護担当者に通知するか否かを判定する。メール成形部７２は、予測部６８が新たに予測した予測結果を介護担当者に通知すると判定された場合に、メール文面素案に基づいて、介護担当者に送信するメール文を成型する。通知部７４は、成型されたメール文と、メール送付先アドレス一覧に含まれる介護担当者のメール送付先アドレスとに基づき、介護担当者宛にメールを送付することで、新たに予測した予測結果を介護担当者に通知する。

【0035】

記憶部８０の記録データＤＢ９０は、例えば図５に示した記録データを記憶する。図５は記録データの一例の構成図である。図５に示す記録データは、データ項目として、入力者、日時、被介護者、及び報告内容を含む。データ項目「入力者」は、記録データを登録した介護担当者を表す。データ項目「日時」は、介護担当者により記録データが登録された日時を表す。データ項目「被介護者」は、介護担当者がケア又は日常生活の世話等の介護を行った介護サービスの利用者を表す。データ項目「報告内容」は、介護担当者が観察した被介護者の状態、又は介護担当者が被介護者に対して行った診断結果などを記録した情報である。

【0036】

＜処理＞
情報処理装置１０は、例えば図６に示す手順で学習モデルを機械学習させる。図６は本実施形態に係る情報処理装置１０が行う学習処理の一例のフローチャートである。

【0037】

ステップＳ１００において、学習部６６は学習データＤＢ９８から学習データを取得する。学習データは、図５に示したような記録データと、その記録データが介護担当者により登録された後で被介護者に発生したイベント（例えば転倒、誤嚥、救急搬送、又は認知症症状の進行等）とが対応付けられたデータの一例である。

【0038】

ステップＳ１０２において、形態素解析部６４は、取得した学習データの記録データに含まれる報告内容を形態素解析処理により分解する。なお、記録データに含まれる報告内容は、記録データに含まれるテキストデータの一例である。

【0039】

ステップＳ１０４において、学習部６６は記録データに含まれる報告内容を形態素解析処理した結果と、その記録データが介護担当者により登録された後で被介護者に発生したイベントとの対応関係を学習モデル１００に機械学習させる。機械学習は各種手法が公開されている。例えば機械学習では、再帰型ニューラルネットワーク（ＲＮＮ：Recurrent Neural Network）等のニューラルネットワーク、サポートベクターマシン（ＳＶＭ：Support Vector Machine）、又はＣＲＦ（Conditional Random Fields）等の学習モデルの何れを用いてもよい。

【0040】

ステップＳ１０６において、学習部６６は機械学習済みの学習モデル１００を記憶部８０に記憶する。情報処理装置１０は、機械学習済みの学習モデル１００を用いて、図７に示す手順で、被介護者に将来発生する可能性の高いイベントを予測する。図７は本実施形態に係る情報処理装置１０が行う予測処理の一例のフローチャートである。

【0041】

ステップＳ２００において、通信部６０は介護担当者が従事者端末１２から登録した記録データを取得する。記憶制御部６２は介護担当者が登録した記録データを記録データＤＢ９０に記憶させる。

【0042】

ステップＳ２０２において、形態素解析部６４は、取得した記録データに含まれる報告内容を形態素解析処理により分解する。ステップＳ２０４において、予測部６８は機械学習済みの学習モデル１００を用いて、被介護者に将来発生する可能性の高いイベントを予測する。具体的に、予測部６８はステップＳ２０２の形態素解析処理の結果を、機械学習済みの学習モデル１００に入力することで、被介護者に将来発生する可能性の高いイベントを予測する。

【0043】

ステップＳ２０６において、予測部６８は新たに予測した予測結果を判定部７０に出力する。また、予測部６８は新たに予測した予測結果に基づき、図８に示すアラートの履歴をアラート履歴ＤＢ９２に記憶させる。

【0044】

図８は、アラートの履歴の一例の構成図である。図８のアラートの履歴は、データ項目として、Ｎｏ、報告日時、被介護者、被介護者ＩＤ、及びアラート内容を含む。データ項目「アラート内容」は、予測部６８は新たに予測した予測結果を表す。

【0045】

予測部６８が新たに予測した予測結果を出力された判定部７０は、例えば図９に示す手順で、予測結果を介護担当者に通知するか否かを判定する。図９は、本実施形態に係る情報処理装置１０が行う判定処理の一例のフローチャートである。

【0046】

ステップＳ３００において、判定部７０はアラート履歴ＤＢ９２からアラートの履歴を取得する。ステップＳ３０２において、判定部７０は予測部６８が新たに予測した予測結果を取得する。

【0047】

ステップＳ３０４において、判定部７０は予測部６８が新たに予測した予測結果と、新たに予測した予測結果を除いたアラートの履歴の最新の予測結果とが同一か否かを判定する。同一でなければ、判定部７０はステップＳ３０８に進み、予測部６８が新たに予測した予測結果を出力し、介護担当者に通知すると判定する。

【0048】

同一でなければ、判定部７０はステップＳ３０６に進み、予測部６８が新たに予測した予測結果と、新たに予測した予測結果を除いたアラートの履歴の最新の予測結果とが同一である状態が所定期間（例えば一週間又は二週間など）継続しているか否かを判定する。

【0049】

所定期間継続していれば、判定部７０はステップＳ３０８に進み、予測部６８が新たに予測した予測結果を出力し、介護担当者に通知すると判定する。所定期間継続していなければ、判定部７０は予測部６８が新たに予測した予測結果を出力せず、図９の処理を終了する。

【0050】

図７のステップＳ２０６に戻り、説明を続ける。予測部６８が新たに予測した予測結果を出力し、介護担当者に通知すると判定した場合、メール成形部７２は、メール文面素案に基づいて、介護担当者に送信するメール文を成型する。メール文は、例えば図１０に示したように、予測結果に適切な連絡指示を加えた文章となる。図１０は介護担当者に送付されるメール文の一例を示した図である。

【0051】

通知部７４は、図１０に示したように成型されたメール文と、メール送付先アドレス一覧に含まれる介護担当者のメール送付先アドレスとに基づき、介護担当者宛にメールを送付することで、新たに予測した予測結果を介護担当者に通知する。

【0052】

＜まとめ＞
機械学習された学習モデルの予測精度が十分でない場合、情報処理装置１０は同一の予測結果を頻繁に介護担当者に通知してしまう場合があった。例えば熟練した介護担当者は同一の予測結果を頻繁に通知されると、注意力が散漫になってしまう場合がある。

【0053】

そこで、本実施形態に係る情報処理装置１０は、図９に示したように予測結果を介護担当者に通知するか否かを判定することで、同一の予測結果が頻繁に通知されることを防いでいる。本実施形態に係る情報処理装置１０によれば、同一の予測結果が適切な間隔を空けて通知されるようにしたことで、介護担当者の被介護者に対するケア又は日常生活の世話等の質を高く維持できる。

【0054】

なお、同一の予測結果を通知しない適切な間隔は、予測結果に合わせて異なる期間を設定してもよい。例えば転倒又は誤嚥のような重大な事故に発展しかねない予測結果については、同一の予測結果を通知しない適切な間隔として１週間程度を設定する。また、例えば施設内の徘徊又は失禁のような重大な事故に発展しない予測結果については、同一の予測結果を通知しない適切な間隔として２～３週間程度を設定する。

【0055】

［第２の実施形態］
第１の実施形態は、種々の変形実施が可能である。情報処理装置１０が介護担当者に通知する予測結果は、被介護者の内面評価結果であってもよい。なお、第２の実施形態は一部を除いて第１の実施形態と同様であるため、適宜説明を省略する。

【0056】

図１１は本実施形態に係る情報処理装置１０の一例の機能構成図である。図１１の機能構成図は、図４の機能構成に感情分析部７６が追加された構成である。感情分析部７６は被介護者の感情分析（ネガポジ分析）を行う。例えば、ネガポジ分析は「日本語評価極性辞書（用語編）」（小林のぞみ，乾健太郎，松本裕治，立石健二，福島俊一.意見抽出のための評価表現の収集.自然言語処理，Vol.12， No.3， pp.203-222， 2005.）に記載されている手法を用いることができる。

【0057】

感情分析部７６は、形態素解析部６４の形態素解析結果に対してネガポジ分析を行うことにより、記録データの報告内容に記載されている語から「楽しい」「気分がよい」などのポジティブな語、又は「帰りたい」「死にたい」といったネガティブな語の出現頻度を求めることで、被介護者の内面評価結果に関する情報として、ポジティブ又はネガティブな内面評価結果（例えばポジティブ度の数値又はネガティブ度の数値）を分析できる。

【0058】

予測部６８は、機械学習された学習モデル１００を用いて、介護担当者が登録した記録データから被介護者のポジティブ又はネガティブの内面評価結果を予測する。被介護者のポジティブ又はネガティブの内面評価結果は、予測部６８が予測する被介護者に関する情報の一例であって、アラートである。予測部６８が予測した被介護者のポジティブ又はネガティブの内面評価結果は、予測結果の一例である。

【0059】

情報処理装置１０は、例えば図１２に示す手順で学習モデルを機械学習させる。図１２は本実施形態に係る情報処理装置１０が行う学習処理の一例のフローチャートである。

【0060】

ステップＳ４００において、学習部６６は学習データＤＢ９８から学習データを取得する。ステップＳ４０２において、形態素解析部６４は、取得した学習データの記録データに含まれる報告内容を形態素解析処理により分解する。

【0061】

ステップＳ４０４において、感情分析部７６は記録データに含まれる報告内容を形態素解析処理した結果に対してネガポジ分析を行い、ポジティブ又はネガティブな内面評価結果を分析する。

【0062】

ステップＳ４０６において、学習部６６は記録データに含まれる報告内容を形態素解析処理した結果と、その結果をネガポジ分析した被介護者のポジティブ又はネガティブな内面評価結果との対応関係を学習モデル１００に機械学習させる。

【0063】

ステップＳ４０８において、学習部６６は機械学習済みの学習モデル１００を記憶部８０に記憶する。情報処理装置１０は、機械学習済みの学習モデル１００を用いて、図７に示した手順で、被介護者のポジティブ又はネガティブな内面評価結果を予測する。

【0064】

ステップＳ２００において、通信部６０は介護担当者が従事者端末１２から登録した記録データを取得する。記憶制御部６２は介護担当者が登録した記録データを記録データＤＢ９０に記憶させる。

【0065】

ステップＳ２０２において、形態素解析部６４は、取得した記録データに含まれる報告内容を形態素解析処理により分解する。ステップＳ２０４において、予測部６８は機械学習済みの学習モデル１００を用いて、被介護者のポジティブ又はネガティブな内面評価結果を予測する。具体的に、予測部６８はステップＳ２０２の形態素解析処理の結果を、機械学習済みの学習モデル１００に入力することで、被介護者のポジティブ又はネガティブな内面評価結果を予測する。

【0066】

ステップＳ２０６において、予測部６８は新たに予測した予測結果を判定部７０に出力する。また、予測部６８は新たに予測した予測結果に基づき、図１３に示すアラートの履歴をアラート履歴ＤＢ９２に記憶させる。

【0067】

図１３は、アラートの履歴の一例の説明図である。図１３のアラートの履歴は、介護担当者の勤務日数に対する被介護者のポジティブ又はネガティブな内面評価結果の変化を表している。

【0068】

予測部６８が新たに予測した予測結果を出力された判定部７０は、例えば図１４に示す手順で、予測結果を介護担当者に通知するか否かを判定する。図１４は、本実施形態に係る情報処理装置１０が行う判定処理の一例のフローチャートである。

【0069】

ステップＳ５００において、判定部７０はアラート履歴ＤＢ９２からアラートの履歴を取得する。ステップＳ５０２において、判定部７０は予測部６８が新たに予測した予測結果を取得する。

【0070】

ステップＳ５０４において、判定部７０は予測部６８が新たに予測した予測結果が被介護者のポジティブな内面評価結果であるか否かを判定する。被介護者のポジティブな内面評価結果であれば、判定部７０はステップＳ５０８に進み、予測部６８が新たに予測した予測結果を出力し、介護担当者に通知すると判定する。

【0071】

被介護者のポジティブな内面評価結果でなければ、判定部７０はステップＳ５０６に進み、予測部６８が新たに予測した予測結果がネガティブな内面評価結果であり、且つ所定期間（例えば一週間又は二週間など）継続しているか否かを判定する。

【0072】

所定期間継続していれば、判定部７０はステップＳ５０８に進み、予測部６８が新たに予測した予測結果を出力し、介護担当者に通知すると判定する。所定期間継続していなければ、判定部７０は予測部６８が新たに予測した予測結果を出力せず、図１４の処理を終了する。

【0073】

図７のステップＳ２０６に戻り、説明を続ける。予測部６８が新たに予測した予測結果を出力し、介護担当者に通知すると判定した場合、メール成形部７２は、メール文面素案に基づいて、介護担当者に送信するメール文を成型する。

【0074】

通知部７４は、図１０に示したように成型されたメール文と、メール送付先アドレス一覧に含まれる介護担当者のメール送付先アドレスとに基づき、介護担当者宛にメールを送付することで、新たに予測した予測結果を介護担当者に通知する。

【0075】

＜まとめ＞
本実施形態に係る情報処理装置１０は、記録データを形態素解析処理し、機械学習済みの学習モデル１００を用いて、被介護者のポジティブ又はネガティブな内面評価結果を予測できる。例えば介護現場において声かけは重要である。介護担当者は被介護者のネガティブ又はポジティブの内面評価結果にあった声かけを行うことで、被介護者の内面を効率良く改善することができる。例えば被介護者の内面がポジティブの場合、介護担当者は積極的に声かけをおこなっても問題がない。

【0076】

しかし、うつ病の対処にみられるように、ネガティブな内面が続いている被介護者に対しては、励ますような声かけを続けてしまうと被介護者を追い詰めてしまい、被介護者の内面が悪化することが確認されている。そこで、本実施形態に係る情報処理装置１０は図１４に示したように、ネガティブな予測結果が所定期間継続している被介護者のことを介護担当者に通知することで、注意して声かけができるようにしている。

【0077】

また、本実施形態に係る情報処理装置１０は、介護担当者の内面を評価できるようにしてもよい。介護現場では被介護者から介護担当者に暴言が掛けられる場合がある。介護担当者は、汚物処理又は被介護者との死別などで内面がネガティブになる場合がある。このようなネガティブな内面が続くことで介護担当者は離職してしまう場合があった。本実施形態に係る情報処理装置１０は、介護担当者の管理職に対して、介護担当者のネガティブな内面評価結果を通知することで介護担当者の離職を減らす効果が期待できる。なお、ステップＳ４０４のネガポジ分析は日本語評価極性辞書（用語編）のような辞書ベースで分析してもよいし、他の方法で分析してもよい。

【0078】

［第３の実施形態］
第２の実施形態のポジティブ又はネガティブな内面評価結果は、介護担当者又は被介護者の個別のものだけでなく、図１５に示すような介護担当者と被介護者との相互のものであってもよい。

【0079】

図１５は、介護担当者と被介護者との相互の内面評価結果の一例の説明図である。図１５は、介護担当者及び被介護者のペア毎の相互の内面評価結果を表している。例えば図１５は、正の値がポジティブの内面評価結果を示し、負の値がネガティブの内面評価結果を示している。

【0080】

第３の実施形態において、予測部６８が新たに予測した予測結果を出力された判定部７０は、例えば図１６に示す手順で、予測結果を介護担当者に通知するか否かを判定する。図１６は、本実施形態に係る情報処理装置１０が行う判定処理の一例のフローチャートである。

【0081】

ステップＳ６００において、判定部７０は図１６の介護担当者及び被介護者のペア毎の相互の内面評価結果を、アラートの履歴としてアラート履歴ＤＢ９２から取得する。ステップＳ６０２において、判定部７０は予測部６８が新たに予測した介護担当者及び被介護者のペア毎の相互の内面評価結果を、新たな予測結果として取得する。

【0082】

ステップＳ６０４において、判定部７０は所定の日数（例えば１０日間など）の介護担当者及び被介護者のペア毎の相互の内面評価結果の平均値を計算する。ステップＳ６０６において、判定部７０はステップＳ６０４で計算した介護担当者及び被介護者のペア毎の相互の内面評価結果の平均値を利用して、介護担当者及び被介護者のペア毎に、ステップＳ６０２で取得した新たな介護担当者及び被介護者のペア毎の相互の内面評価結果との差異を計算する。差異は絶対値でも差分を二乗した値であってもよい。

【0083】

ステップＳ６０６において、判定部７０はステップＳ６０６で計算した差異が閾値以下であるか否かを判定する。差異が閾値以下でなければ、判定部６１０はステップＳ６１０に進み、ステップＳ６０２で取得した介護担当者及び被介護者のペアの内面評価結果を出力し、介護担当者に通知すると判定する。

【0084】

差異が閾値以下であれば、判定部６１０はステップＳ６０２で取得した介護担当者及び被介護者のペアの内面評価結果を出力せず、図１６の処理を終了する。図７のステップＳ２０６に戻り、説明を続ける。予測部６８が新たに予測した介護担当者及び被介護者のペアの内面評価結果を出力し、介護担当者に通知すると判定した場合、メール成形部７２は、メール文面素案に基づいて、介護担当者に送信するメール文を成型する。

【0085】

通知部７４は、メール文と、メール送付先アドレス一覧に含まれる介護担当者のメール送付先アドレスとに基づき、介護担当者宛にメールを送付することで、新たに予測した介護担当者及び被介護者のペアの内面評価結果を介護担当者に通知する。

【0086】

＜まとめ＞
本実施形態に係る情報処理装置１０は、図１５に示すような介護担当者及び被介護者のペアの内面評価結果を数値で出力する場合、介護現場において被介護者の暴言又は行動などにより日々の結果が変動しやすい。所定の日数（例えば１０日間など）の平均値との差異を求めることで、本実施形態に係る情報処理装置１０は介護担当者及び被介護者のペアの内面評価結果の変化が判定でき、日々の小さな変動の影響を減少できる。

【0087】

また、本実施形態に係る情報処理装置１０は、所定の日数の平均値との差異が大きくなると、介護担当者及び被介護者のペアの介護担当者又は被介護者の何れかの内面に大きな影響のある事案が生じたことが分かり、介護現場の管理者等にとって対応が取りやすくなるという効果がある。

【0088】

なお、第３の実施形態では、所定の日数の一例として１０日間を示したが、１週間又は３０日間等としてもよい。例えば新しい被介護者又は介護者担当者が加わった場合には短い期間で介護担当者及び被介護者のペアの内面評価結果を評価したほうが好ましく、被介護者又は介護者担当者の変更が半年程度なければ、所定の日数を１０日間程度としても好ましい結果が得られることを期待できる。

【0089】

本発明は、具体的に開示された上記の実施形態に限定されるものではなく、特許請求の範囲から逸脱することなく、種々の変形や変更が可能である。なお、本実施形態で説明した情報処理システム１は一例であって、用途や目的に応じて様々なシステム構成例があることは言うまでもない。

【0090】

上記で説明した実施形態の各機能は、一又は複数の処理回路によって実現することが可能である。ここで、本明細書における「処理回路」とは、電子回路により実装されるプロセッサのようにソフトウェアによって各機能を実行するようプログラミングされたプロセッサや、上記で説明した各機能を実行するよう設計されたASIC（Application Specific Integrated Circuit）、DSP（digital signal processor）、FPGA（field programmable gate array）や従来の回路モジュール等のデバイスを含むものとする。

【0091】

実施例に記載された装置群は、本明細書に開示された実施形態を実施するための複数のコンピューティング環境のうちの1つを示すものにすぎない。ある実施形態では、情報処理装置１０は、サーバクラスタといった複数のコンピューティングデバイスを含む。複数のコンピューティングデバイスはネットワーク１８や共有メモリなどを含む任意のタイプの通信リンクを介して互いに通信するように構成されており、本明細書に開示された処理を実施する。

【0092】

さらに、情報処理装置１０は上記の開示された処理ステップを様々な組み合わせで共有するように構成できる。例えば所定のユニットによって実行されるプロセスは、他のユニットによって実行することができる。

【0093】

本発明の態様は、例えば、以下の通りである。
＜１＞
医療サービス又は介護サービスに従事する従事者が作成した記録データから患者又は被介護者に関する情報を予測するように機械学習された学習モデルを用いて、患者又は被介護者に関する情報を予測する予測手段と、
前記予測手段が新たに予測した情報及び前記予測手段が予測済みの情報の履歴に基づいて前記従事者に通知すると判定された、前記予測手段が新たに予測した情報を、前記従事者に通知する通知手段と、
を有する情報処理装置。
＜２＞
前記患者又は被介護者に関する情報は、前記患者又は前記被介護者に将来発生する可能性のあるイベントに関する情報である
前記＜１＞記載の情報処理装置。
＜３＞
前記イベントに関する情報は、前記患者又は前記被介護者の転倒、誤嚥、救急搬送、又は認知症症状の進行の情報である
前記＜２＞記載の情報処理装置。
＜４＞
前記予測手段が新たに予測した情報、及び前記予測手段が予測済みの情報の履歴に基づいて、前記予測手段が新たに予測した情報及び前記履歴の最新の情報が同一でなければ前記従事者に通知すると判定する判定手段を更に有する
前記＜１＞乃至＜３＞の何れか一項に記載の情報処理装置。
＜５＞
前記判定手段は、前記予測手段が新たに予測した情報及び前記履歴の最新の情報が同一である状態が所定期間継続すれば前記従事者に通知すると判定する
前記＜４＞記載の情報処理装置。
＜６＞
前記患者又は被介護者に関する情報は、前記患者又は前記被介護者の内面評価結果に関する情報である
前記＜１＞記載の情報処理装置。
＜７＞
前記予測手段が新たに予測した情報、及び前記予測手段が予測済みの情報の履歴に基づいて、前記予測手段が新たに予測した情報が、前記患者又は前記被介護者のポジティブな前記内面評価結果であれば、前記従事者に通知すると判定する判定手段、を更に有する
前記＜６＞記載の情報処理装置。
＜８＞
前記判定手段は、前記予測手段が新たに予測した情報が、前記患者又は前記被介護者のネガティブな前記内面評価結果である状態が所定期間継続すれば、前記従事者に通知すると判定する
前記＜７＞記載の情報処理装置。
＜９＞
前記予測手段は、前記従事者の内面評価結果に関する情報を予測し、
前記判定手段は、前記予測手段が新たに予測した情報が、前記従事者のネガティブな前記内面評価結果である状態が所定期間継続すれば、前記従事者の管理職に通知すると判定する
前記＜７＞記載の情報処理装置。
＜１０＞
前記予測手段は、前記患者又は前記被介護者と、前記従事者との相互の内面評価結果に関する情報とを予測し、
前記通知手段は、前記予測手段が新たに予測した前記相互の内面評価結果に関する情報と、前記予測手段が所定期間に予測済みの前記相互の内面評価結果に関する情報の平均との差異に基づいて前記患者又は前記被介護者に通知すると判定された、前記予測手段が新たに予測した前記相互の内面評価結果に関する情報を、前記従事者に通知する
前記＜１＞記載の情報処理装置。
＜１１＞
前記記録データに含まれるテキストデータを形態素解析処理により分解する形態素解析手段と、
前記形態素解析処理の結果と前記患者又は被介護者に関する情報との対応関係を前記学習モデルに機械学習させる学習手段と、を更に有する
前記＜１＞乃至＜１０＞の何れか一項に記載の情報処理装置。
＜１２＞
情報処理装置が、
医療サービス又は介護サービスに従事する従事者が作成した記録データから患者又は被介護者に関する情報を予測するように機械学習された学習モデルを用いて、患者又は被介護者に関する情報を予測する予測ステップと、
前記予測ステップで新たに予測した情報及び前記予測ステップで予測済みの情報の履歴に基づいて前記従事者に通知すると判定された、前記予測ステップで新たに予測した情報を、前記従事者に通知する通知ステップと、
を有する情報処理方法。
＜１３＞
情報処理装置に、
医療サービス又は介護サービスに従事する従事者が作成した記録データから患者又は被介護者に関する情報を予測するように機械学習された学習モデルを用いて、患者又は被介護者に関する情報を予測する予測ステップ、
前記予測ステップで新たに予測した情報及び前記予測ステップで予測済みの情報の履歴に基づいて前記従事者に通知すると判定された、前記予測ステップで新たに予測した情報を、前記従事者に通知する通知ステップ、
を実行させるためのプログラム。

【符号の説明】

【0094】

１ 情報処理システム
１０ 情報処理装置
１２ 従事者端末
１８ ネットワーク
６０ 通信部
６２ 記憶制御部
６４ 形態素解析部
６６ 学習部
６８ 予測部
７０ 判定部
７２ メール成形部
７４ 通知部
８０ 記憶部
１００ 学習モデル

【先行技術文献】

【特許文献】

【0095】

【特許文献1】特開２０２２－１６９１９３号公報

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】

【図16】