・NO1 (時刻 0:00:00)

- 座標: PosX = 0, PosY = 0, PosZ = 0

- ローター推力: RotorFR = 28N, RotorFL = 28N, RotorRR = 28N, RotorRL = 28N

・NO2 (時刻 0:00:03)

- ローター推力: RotorFR = 28N, RotorFL = 28N, RotorRR = 28N, RotorRL = 28N

・NO3 (時刻 0:00:06)

- ローター推力: RotorFR = 28N, RotorFL = 28N, RotorRR = 28N, RotorRL = 28N

・NO1 (時刻 0:00:00): PosX=0.00, PosY=0.00, PosZ=0.00 | RotorFR=28N, FL=28N, RR=28N, RL=28N

【分析：状況】

患者のふらつき等の行動選択トリガを検知し、適切なタイミングで支援を行う必要があった。

【分析：行動】

ベイジアンネットワークを用いて患者リスクをΔt=3秒ごとに再計算し、リスク値がしきい値（0.7）を超えた場合に患者支援行動が必要と判断するモデルを構築した。

【分析：結果】

----------------------------------------

【本文】

1. はじめに

現在、医療環境では、安全のために、患者確認に於ける2重チェックや手順の標準化が進められている[1]。しかし、例外的な事象が起きた場合の対応は人の判断に頼らざるを得ず、医療スタッフの経験度により、対処時間や対処方法が異なる。加えて、近年、安全監視強化に伴い医療スタッフの時間的余裕が減少して、ストレスの高い職場となっており、安全監視の自動化が求められている[2]。そこで、本研究は３秒ルールインテリジェンスを用いた医療事故防止用人的感覚を持つ環境監視機能を提案する。3秒ルールインテリジェンスはベイジアンネットワークを使用して、人の時系列的な意思決定の揺らぎの模擬を行う。3秒ルールインテリジェンスは人の判断プロセスに近い判断プロセスで安心感のある判断を目指しており、リアルタイムな画像情報や音声情報に基づいて、人の感覚に近い判断を目指している。しかも、3秒ルールインテリジェンスは人の時間的な意思決定の揺らぎを模擬するため、人の判断に近い判断を行うため、判断の信頼性を向上させることが可能である。そこで、本研究は患者の動作が限定的とされる放射線治療現場への応用を目指して、本手法の有効性や課題を実証的に検証した。

２．様子見行動の自動化に向けて

人は行動選択に当たって、微小時間周期で次に実行可能な行動候補から行動選択を行っている。行動候補は過去の経験と知識を反映する[3][4]。そこで、3秒ルールインテリジェンスでは、まず現状認識を行い、3秒後に実行可能な行動候補を選択して、行動選択確率値があるしきい値を越えた場合に、行動選択の意思決定が実行される。行動選択確率はベイジアンネットワークにより取得する。行動候補の選択確率が変動する過程は、人の意思決定がゆらいでいる状態に対応している。図 1に示す様に3秒ルールインテリジェンスは経験データベース、行動発現確率計算機能（ベイジアンネットワーク）と行動選択機能から構成される。3秒ルールインテリジェンスは行動選択トリガの発現を観察して、発現した行動選択トリガの組み合わせにより現状が認識され、現状認識に従った行動候補の発現確率が計算される。従って、発現が観測された行動選択トリガの種類と組み合わせが行動選択を左右する。行動選択トリガとは行動が選択される直前に出現した環境や行動状況のことであり、行動選択トリガの出現を観察することにより、行動候補が選択され、行動選択の模擬が可能となる。

図 1 3秒ルールインテリジェンス

３．患者の様子見行動の実現にむけて

３．１　研究手法

本研究で観察する行動選択トリガは図２に示す通り、医療スタッフのスキル、治療内容の特殊性、患者の状態、医療スタッフの業務ストレスの状態であり、ベイジアンネットワークの各子ノードに対応する。一方、ベイジアンネットワークの親ノードは患者支援行動の発現確率を示す。患者対応行動には患者の観察、様子見と患者支援行動がある。患者支援行動には声掛けにつづいて、患者補助行動がある。本研究では、患者様子見と患者支援行動の間にはある敷居値があり、患者支援行動の発現確率を患者リスクと定義して、患者リスクがある敷居値を超えると患者支援行動が発現されるとする。本研究における、経験データベースは放射線治療に従事する医療スタッフ2名のヒヤリハット報告に基づいて作成した（図 1参照）。経験データベースは現在状況と状況に関する状態遷移情報を持ち、ヒヤリハット発生時の初期状態、発生要因、3秒後の状態、考えられる改善策を含む。作成した経験データベース中のヒヤリハット情報の例を図３に示す。

図 2ベイジアンネットワークのノード

図３ 作成したヒヤリハット情報の例（一部）

本研究の子ノードに設定した条件付き確率テーブルの設定値も医療スタッフからのヒアリングによる医療スタッフの主観的な値であり、医療スタッフの経験値を反映している。3秒ルールインテリジェンスは行動選択トリガを元に患者と環境情報を観察して、算出した患者リスクがあるしきい値を超えた場合に患者支援行動実施の意思決定を行う。

３．２　患者リスクの算出

表 １ 患者を取り巻く環境要因

3. 3　患者支援行動の発現

0. 5 (TREAT) ×0.1 (支援必要：High) = 0.05

0. 5 (WATCH) ×0.7 (支援不要：High) = 0.35

0.05 ＋ 0.35 = 0.4 (High)

図 ４　患者リスク観察と行動判断状況

表２　患者支援行動モデルの例親テーブル（RISK）

表３　スタッフのスキル(SKIL)の条件付き確率

図5患者リスク算出ベイジアンネットワーク

図６患者(PAT)に悪いエビデンス(Low)を設定

そして、患者の蛇行（ふらつき）が検知されると、ベイジアンネットワークのPATにLowに設定され、図６に示す通り、患者リスク値（RISK)のTREATが0.83となり、しきい値が0.7の場合、しきい値を越えたので、患者への支援が必要との意思決定がなされる。

3. 4　患者支援行動選択の自動化

本研究はエビデンスの自動取得を目指して、更にベイジアンネットワークの細分化を行った。図７に患者の歩行（walk）が確認された場合のPAT（患者状態）のリスクを算出するベイジアンネットワークを示す。各ノードの説明を表４に示す、ここで、患者のふらつきが検知されると図８のベイジアンネットワークに示す様に患者の状況(PAT)が０．５３となり、患者リスクが増加する。

表４　ベイジアンネットワークのノードの説明

図７　患者の状態（PAT）算出用ベイジアンネットワーク（患者の歩行確認）

図８　患者の状態(PAT)算出用ベイジアンネットワーク（患者のふらつき確認）

４. まとめ

本研究は患者支援行動の自動化を目指して、試行を行った。試行の結果、行動選択トリガを細分化することにより行動選択トリガの自動検知の可能性を示した。今後、患者様子見の自動化を実現するためには環境情報と患者情報の自動取得を進めることが必要である。患者基本情報は医療システムから受信することが可能であり、ふらつき等の患者状況はカメラからの自動取得が可能である。今後、更なる行動選択トリガの細分化により、患者支援行動の自動化が期待できる。

謝辞

本研究はJSPS科研費 基盤研究(C)　20K11983の助成を受けた。更に本研究に助言と貴重な情報を頂いた広島国際大学　保健医療学部　診療放射線学科の橘昌幸教授と九州大学病院 医療技術部 放射線部門の福永淳一先生に感謝申し上げる。

参考文献

[1]持田 信治, 池添 律代,矢鳴 虎夫,バイオメディカル・ファジィ・システム学会誌 6 巻 1 号、10-16、2004

[2] 持田　信治,橘　昌幸：人の観点から見た環境評価に関する研究,BMFSA学会誌 VOL11 (2), pp. 25‐31.

[3]リンゼイ/ノーマン：情報処理心理学入門Ⅲ(言語と思考), サイエンス社, 1984.

[4]甘利 俊一(監修),田中 啓治(編)：認識と行動

[5] 山下昇：車間距離より車間時間を取ろう,セイフティエクスプレス企業開発センター, 6月号, 2008.

【分析：状況】

【分析：行動】

3秒ルールインテリジェンスが環境変化を検知し、ベイジアンネットワークを用いて患者支援行動の必要度を再計算。

【分析：結果】

患者支援の必要性がしきい値を超えたことを示し、医療スタッフの判断に近い行動判断と自動化の可能性が示された。

----------------------------------------

【本文】

３秒ルールインテリジェンスによる意思決定

Decision-making based on Three-Second rule Intelligence

持田　信治*

Shinji Mochida

３秒ルールインテリジェンスは３秒後までの状況予測値に基づいて行動判断を行う人工知能であり、本研究はプロジェクトマネジメントにおけるリスク対策の発動と患者様子見行動における支援行動実施に対する意思決定への３秒ルールインテリジェンスの応用を検討した。そこで、３秒ルールインテリジェンスを用いた意思決定の可能性が示されたので報告する。

キーワード：3秒ルールインテリジェンス、ベイジアンネットワーク、様子見行動、プロジェクト

Ⅰ．はじめに

研究の目的

　３秒ルールインテリジェンスは、人と同じプロセスで意思決定を行う人工知能であり、人の脳で行われる意思決定を模擬する。人の大脳内には神経細胞（ニューロン）が約１００億個あり、脳全体の神経細胞は１０００億個あるとされる1)。神経細胞は核と樹状突起と信号伝送路に当たる軸索から構成され、樹状突起は信号入力をつかさどる受容体を持つ(図 1参照)。神経細胞間の信号伝達はシナプス間隙において行われており、１つの神経細胞は数千以上のシナプスを持つとされる。シナプスとは神経細胞同士の接続部分のことであり、特定の信号がシナプス前部に積み重なるとシナプスに於いて信号伝達が行われる。シナプス間隙上の信号伝達は科学物資の量と組み合わせで表現されるため、各シナプスは高度な情報処理を行っていると考えられる。シナプスは人では１０兆個あるとされ、１０兆個のシナプスの結合により経験が記録され、外部刺激により状況判断と行動発現がなされる2)-5)。一方、ニューロン内の伝達速度は概ね、１m/秒から１００m/秒であり、最近のＣＰＵ（中央処理演算装置）は約１００億程度のトランジスタ（７nm製造プロセスの場合）で構成され、３Ｇｈｚ（１秒間に３０億回の振動数）程度で動作する6）。人の神経細胞の動作速度はＣＰＵに比べて低速であるにも拘わらず、人が高度な行動選択できる理由は、脳は並列に状況判断を行い、微小時間後に実行可能な行動候補を用意しているからであると考えられる7)8)。そこで、本研究では、微小時間を３秒と定義する。従って、慣れた行動は３秒以内に行動候補として直ちに用意されるのに対して、不慣れな行動候補は遅れて用意されるため、行動の慣れが発生する。そして優先順位が均衡する複数の行動候補が並列に用意されている状態が迷いであり、遅れて行動候補が準備され、行動選択が混乱する状態が後悔である。

図 1　神経細胞

Ⅱ. ３秒ルールインテリジェンス

１．人の行動判断

人は行動選択に当たって、微小時間周期で次に実行可能な行動候補を選び出して、行動選択を行っており、行動候補は過去の経験と知識から選択される7)8)。本研究での微小時間は３秒である。そこで、３秒ルールインテリジェンスは３秒後に実行可能な行動候補を人と共有することにより、人が理解可能な判断プロセスによる行動選択が実現する。３秒ルールインテリジェンスは３秒後に実行可能な行動候補の準備を行い、行動選択トリガ観察機能により行動選択を行う。行動選択トリガとは環境情報を心理的次元で配置したものの中で最優先位置にあるものであり、行動選択を左右する要因である9）。そして心理的な重み付けを行った行動選択トリガの発現観察を行うことにより、人と同じ概念駆動型処理を可能とする10）。３秒ルールインテリジェンスは経験データベースから現状認識情報をキーにして、３秒後に実行可能な行動候補を準備する。そして、ベイジアンネットワークにより、３秒後に実行可能な行動候補の優先順位を決定する。経験データベースは遷移情報を持ち、遷移情報は、現在状況と行動実行後の状況情報から構成される。行動遷移時間は３秒間である（図 2参照）。本研究では遷移情報をヒヤリハット報告やインシデントレポートから収集した。遷移情報は初期状況情報と３秒後の遷移情報を持つ。３秒間は人の行動選択の周期である。例えば、車両運行に於いて、人は３秒周期で、現在から3秒後までの遷移空間を構築することにより、運転操作における事故回避を行っている。

図 2　３秒間の遷移空間

図 3　運転操作における遷移空間

２．　人の行動予測と３秒ルールインテリジェンス

人が、直ぐに行動判断ができるのは、人は微小時間後に到達可能な遷移空間を事前に構築して状況予測を行いながら、行動選択を行っているからである11)。微小時間とは３秒である。例えば、車両運転に於いて、先行車との安全な推奨車間距は速度計の示す値から１５を減じた距離である、例えば、時速６０ｋｍ/ｈ の場合の推奨車間距は４５ｍである。時速６０ｋｍ/ｈの車の速度は約１７ｍ/秒であるため、４５ｍ/１７ｍ≒３秒となり、推奨される車間距離を時間的に表すと約３秒となる12)。一方、車両運転に於ける安全な車間距離を時間で表すと、２秒から３秒と言われており、車間距離が１．８秒を切ると人は不安を感じると言われている13)。また、報告者のビジネスシステム開発の経験から、エンターキーを押した後のシステム応答時間が３秒以内であればシステム利用者は概ね良好な操作感を得る。しかしシステム応答時間が５秒を超えるとシステム利用者は不満を感じ、システム応答時間が１０秒を超えるとシステム利用者はシステムに対する改善を要求するという状況からも、人は現時点から３秒後までの行動予測空間を構築しており、行動予測空間内で状況が進む場合には安心感を得ることができ、３秒後の状況が不確実になると不安やいらつきを感じると考えられる。以上から人は現時点から３秒後までの行動遷移空間を持って行動をしていると判断できる。

Ⅲ．　ベイジアンネットワーク

１．ベイジアンネットワーク

ベイジアンネットワークとはある事象（親）と事象に関係する要因（子）との因果関係を有効グラフで表現したものであり、ベイジアンネットワークは親ノードと子ノードの因果関係を確率的な関係で表現しており、ベイジアンネットワークの親ノードは親（世界）が取りうる状況が発現する確率を表す14)。ベイジアンネットワークは信念ネットワークとも呼ばれ、条件付き確率テーブル上の確率値を主観的に設定することにより、人の主観を確率計算に反映できる。従って、条件付き確率テーブルに設定する確率値を主観的に設定することにより、ベイジアンネットワークは不確実な状況を表現することが可能である。そして子ノードの条件が確定することにより、親（世界）が取りうる状況の確率が計算される。子ノードの条件が確定することを、エビデンスをセットすると呼び、事実や状況が判明した場合には、子ノードにエビデンスが設定され、子ノードが親ノードに与える確率が決定する。以下にベイジアンネットワークを用いた計算例を示す。本例はプロジェクトが計画通りに終了する確率計算の例を示す。本例では条件付き確率とベイズ推定の式（1）を使用してプロジクトリスクを推定する。プロジクトリスクとは、プロジェクトが計画通りに終了しない確率、つまりプロジェクトの遅延確率である。以降、プロジェクトリスクとはプロジェクトの遅延確率であるとする。プロジェクトの遅延が発生すると費用超過や契約違反となり、費用的な損害が発生する。

(1)

A：親（世界）が取りうる状況に対する確率　　Ｂ：子供（世界を説明する条件）を示す確率

本例ではプロジェクトが計画通りに終了する確率とスタッフからのプロジェクトの進捗に関するレポートの信頼性との関係を考え、プロジェクトが計画通りに終了する確率をＡ、そしてスタッフからの進捗に関するレポートの信頼性を示す確率をＢとする。ここで、Ａ＝0.9、Ｂ＝0.7とすると、プロジェクトが実行される世界の確率状況は図 4となる。ベイジアンネットワークはある事象が取りうる世界の確率的関係を示し、エビデンスが設定されると世界が変化する。

図 4 報告を受ける前の世界確率の図

次に機械学習システムのWeka (Waikato Environment for Knowledge Analysis) 14)を使用してプロジェクトが実行される世界の確率状況を表現した様子を図 5に示す。図 5、図 6と表 1、表 2はWeka上のProjectノードとReportノードに確率を与えている様子を示す。一般的にプロジェクトは１０％程度遅延することが知られているため、表 1と図 5に示す様にプロジェクトが計画通り終わる確率は０．９に設定している。ただし、Wekaのベイジアンネットワーク表示では確率0.9は9000、そして確率0.7は6599と表示されている。

表 1　Weka上のProjectノードの条件付き確率

表 2　Weka上のReportノードの条件付き確率

図 5プロジェクトのベイジアンネットワーク表示

図 6 ProjectとReportノードの条件付き確率テーブルに確率値を与えている様子

次に、表 3と図 7はスタッフがプロジェクトの進捗は計画通りと報告した後のプロジェクトの実行世界を示しており、Ａの確率は式(２)に示す通り0.95となる。図 8はWekaで確率を計算した様子を示す。本例でのエビデンスはスタッフのプロジェクトの進捗は計画通りとの報告である。ベイジアン推定ではエビデンスと呼ばれる状況報告が与えることにより、確率世界が変化する。

表 3　報告を受けた後の世界確率（抹消線の世界が削除された）

図 7報告を受けた後の世界確率の図（網掛けの部分の世界が消えた）

(２)

図 8　報告を受けた後のベイジアンネットワーク表示

２．プロジェクトに於ける遅延分析の必要性

複数の要素が存在するベイジアンネットワークの例として、プロジェクトリスクを算出する例を示す。プロジェクトリスクとはプロジェクトの予算超過と行程遅延を引き起こすリスクである。プロジェクトではプロジェクトリスクを避けるために、プロジェクトマネジメントにより、事前にリスクの洗い出しが行われ、プロジェクトリスクとリスク発現トリガとリスク発現時の対策をまとめたリスク管理表を作成しており、リスク発現トリガが観察されるとリスク対策が発動される。リスク発現トリガとはあるリスクが発現と判断するための環境状況である。しかし、リスク対策を発動すると経営資源を消費するため、リスク対策の発動には高度な意思決定が必要である。つまり、リスク対策発動には様々な状況を考慮する必要である。プロジェクトリスクが生じる主な要因として、顧客からの要求仕様の精度やプロジェクトマネージャーやプログラマーのスキルと見積もり精度がある。図 9はプロジェクト中の要因の関係をベイジアンネットワークで表現した様子であり、表 4は図 9に示すベイジアンネットワークの各要因が取り得る値を示す15)。図 10中の親ノードはプロジェクトの遅延確率（PPD）であり、子ノードにエビデンスが与えられると親ノードが示すプロジェクトの遅延確率（PPD）が変化する。

表 4　ベイジアンネットワーク中の要因の内容

図 9プロジェクトリスクを示すベイジアンネットワーク

３．遅延予測

表 4に示すベイジアンネットワークの要素をWeKaで表現したものを図 10に示す。図 10中のプロジェクトの遅延確率（PPD）はPro+と表現される。ベイジアンネットワークの初期状態は図 10に示す通り、プロジェクトの遅延確率（PPD）は０．５である。一般的にベイジアンネットワークの初期値は主観値であるので、遅延する場合としない場合は共に０．５である。表 5プロジェクト中の各リスク要因とプロジェクトの状態との関係を示す。プロジェクトの状態とはプロジェクトが遅延するか計画通り進捗するかである。表 5の条件付き確率は5人のプロジェクトマネージャーからヒアリングした値の平均であり、主観値である。そして、図 10に示すPPDのPro+とPro-の値を0.5に設定した後に各子ノードに示される確率値の計算要領を図 11に示す。例えば、図 11のAEのLow値は０．４であり、計算要領は以下の通りである。

0.5(Pro+)×0.7（支援必要　Low）=0.35

0.5(Pro-)×0.1（支援不要　Low）=0.05

0.35+0.05=0.4 AE（Low）

但し、図 10の同値は0.399と表示されている。

図 10　リスクのベイジアンネットワーク表現

図 12　リスク予測（Case1）

図 11　子ノードに表示されている確率の計算要領

次に、ベイジアンネットワークにエビデンスを与える。Case１のエビデンスの組みあわせはAE:見積精度とSPM：プロジェクトマネージャーのスキルがStandard、STP：プログラマーのスキルがHigh、AR：要求仕様の精度がLowであり、この時プロジェクトが遅延する確率は約0.26となる（表 6、図 12参照)。

図 13　プロジェクトの費用

表 5　プロジェクトの条件付き確率

表 6　リスク要因の組みあわせ状況と遅延リスク

表 6にCas1からCase6までのエビデンスを与えた時プロジェクトの遅延リスクを示す。一般的にプロジェクトマネージャーとプログラマーのスキルはＳｔａｎｄａｒｄであるため、プロジェクトの遅延確率は１０％程度であり、一般的なプロジェクトマネジメントの許容範囲内である（図 13参照）。そこで、プロジェクトの遅延のしきい値を２０％と設定した場合、表 6のCASE1に示す様に要求仕様がＬｏｗであることが判明した場合にはプロジェクトの遅延確率が２０％を超えるので、プロジェクトリスク対策の発動が必要となり、３秒ルールインテリジェンスはプロジェクトリスク対策の発動を指示する。例えば、プロジェクトリスク対策としてスキルがＨｉｇｈのプロジェクトマネージャーを投入することが考えられる。一般的なプロジェクトでは、Ｓｔｎｄａｒｄのスキルを持つプロジェクトマネージャーとプログラマーがプロジェクトを実行する。しかし、顧客の要求仕様の精度は不確実であるため、顧客からの要求仕様の曖昧さや仕様変更がプロジェクトリスクを左右する。

Ⅳ.　 患者への様子見行動と患者対応

１．患者監視自動化の必要性

現在、医療現場では、患者確認に於けるダブルチェックや手順の標準化が進められている7)8)。しかし、例外的な事象が起きた場合の対応は人の判断に頼らざるを得ず、医療スタッフの経験度により、対処時間や対処方法が異なる。そこで、高度な判断できる熟練医療スタッフが求められる。加えて、医療現場では近年、安全監視と記録業務が増加しており、医療スタッフの時間的余裕が減少して、ストレスの高い職場となっている。そこで、本研究は３秒ルールインテリジェンスを用いた人的感覚を持つ環境評価機能を提案する。そして、本研究が目指すのは医療スタッフによる患者への様子見行動の自動化である15)。患者への様子見行動とは不安定な患者の事故防止のための、医療スタッフによる患者観察行動であり、様子見行動はスタッフがある一定時間、患者への対応行動を保留して、患者リスクの発現を観察する行動である。患者様子見行動は患者が治療室に移動する場合や、治療中は患者の動作は限定的であるため、人工知能が患者を観察できれば、スタッフの業務軽減が図れる。更に工知能に患者観察を任せることにより、スタッフは次の業務の準備作業等が可能となり業務に余裕が生まれる。様子見行動は患者観察を含む状況判断とスタッフの経験により行われる行動であり、人工知能による患者様子見行動が可能になれば人と人工知能による協働作業実現が実現する。

２．患者リスクの評価

表 7 患者を取り巻く環境とベイジアンネットワークの要素

３．患者様子見行動分析

患者への様子見行動とは不安定な患者の事故防止のための、医療スタッフによる患者観察行動のことである。図 14は医療スタッフが患者の様子を観察している状況を示しており、縦軸は患者リスクを示し、横軸は時間軸である。図 14に示す、患者が問題無しの領域にある場合には、医療スタッフは患者を観察する必要のない状況であることを示す、例えば患者が検査に行っている状態である。次に患者が様子見状態にある場合には医療スタッフが患者を観察する必要がある状況であり、更に、患者が事故発生確率大の領域に入った場合には、患者リスクが高い状況であり、患者への支援が必要となる。例えば患者への支援行動として、患者への声掛けや治療中断がある。様子見行動は医療スタッフが患者への対応行動を保留して患者の様子を観察する行動であり、人工知能が患者を観察できれば、医療スタッフの業務軽減が図れる。そこで、本研究は医療スタッフの患者への様子見行動の模擬を目指して、３秒ルールインテリジェンスの放射線治療への適応を試みた。ベイジアンネットワークの親ノードが示す確率値は医療スタッフ経験に基づく患者リスク値を示している。本研究では、ベイジアンネットワークにより算出された患者リスク値は３秒後の患者支援行動の必要度合いを示している。そして、環境要因の変化に従い、ベイジアンネットワークの再計算を実行する。ベイジアンネットワークが示す患者リスクは患者支援行動の必要度合いを示し、患者支援行動の必要度合いがあるしきい値を越えた場合には患者への支援行動が必要となる。図 15に本研究で設定したベイジアンネットワークを示す。図 15中の略称は表 7の通りであり、表 8はベイジアンネットワークに設定した条件付き確率テーブルを示している。表 8の各数値は医療スタッフからのヒアリングにより取得しており、医療スタッフの経験値を反映している。

図 14　状況判断

図 15　治療環境のベイジアンネットワーク（初期状態）

表 8　患者支援モデルのテーブル例

親テーブル（ＲＩＳＫ）

条件付き確率子テーブル（ＳＫＩＬ，ＰＡＴ，ＭＥＴＨ，ＥＮＶ）

４．患者様子見の評価

　３秒ルールインテリジェンスは経験データベースを持ち、経験データベースは経験ルールを持ち、経験ルールは現在情報と３秒後情報に加えて、発現したリスク情報を持つ。経験ルールはヒヤリハット情報から抽出しており、スタッフの経験を反映している。本研究ではヒヤリハット情報から抽出した、環境の時間的変化を３秒間の状態遷移状況と見なして、経験ルールに記述する。経験ルールはＸＭＬ形式で登録される（エラー! 参照元が見つかりません。参照）。本研究では、環境監視において、特定な環境変化情報が検知されると関連した経験ルールが選択される（表 9参照）。本研究では特定な情報を経験トリガと呼ぶ。環境情報の監視下で、経験トリガが検知されると該当する経験ルールが選択され、ベイジアンネットワーク中の指定されたエビデンスが設定される。例えば患者のふらつきが検知された場合には、患者の状態判断を行う経験ルールが選択され、患者の状態が悪いことを示すエビデンスがベイジアンネットワークに設定される。図 15に患者監視の初期状態を示す。初期状態での患者への支援必要性値は図 15に示す通り、０．５である。そして、患者のふらつきが検知されると、患者の状態が悪いことを示すエビデンスがベイジアンネットワークに設定され、図 16に示す通り、患者への支援の必要性を示す値が０．８３となる。若し、患者様子見行動が継続する場合の患者リスク値を０．５から０．７の間とすると（図 14参照）、患者様子見行動のしきい値の０．７を超えたため、患者への支援が必要となる。従って本結果は、３秒ルールインテリジェンスは医療スタッフの判断に近い行動判断が可能であることを示し、3秒ルールインテリジェンスによる患者様子見行動の自動化の可能性を示す。図 17にヒヤリハット情報から抽出した経験ルールをＸＭＬ形式で登録した例を示す。本研究では、トリガに記述された環境要因を監視する、トリガの自動監視ができれば、患者様子見行動の自動化が実現する。本例では患者の動きを観察して、手動でエビデンスを与えた。

表 9　エビデンス設定のトリガ

図 16　治療環境のベイジアンネットワーク（エビデンスの設定後）

図 17　　登録したヒヤリハットデータの例

Ⅴ. 考察とまとめ

本研究は３秒ルールインテリジェンスを用いた意思決定を検討した。３秒ルールインテリジェンスは３秒後までの状況予測値に基づいて行動判断を行う人工知能であり、３秒後の予測値をベイジアンネットワークにより算出する。そこで。本研究はプロジェクトマネジメントにおけるリスク対策の発動と患者様子見行動における支援行動の実行に対する意思決定への３秒ルールインテリジェンスの応用を検討した。プロジェクトマネジメントにおけるリスク対策の発動では３秒ルールインテリジェンスは熟練のプロジェクトマネージャーに近い判断を示した。具体的には、複数のプロジェクトリスク要因がある中で顧客の要求仕様の精度が低いことが検知された場合には速やかにリスク対策を行う意思決定を示した。リスク対策とは、例えば、熟練のシステムエンジニアによる仕様書の見直しである。次に本研究では、患者様子見行動に於ける患者支援活動の必要性判断を試行した。試行の結果、３秒ルールインテリジェンスによる意思決定の自動化の可能性が示された。患者様子見行動に於ける意思決定とは医療スタッフによる患者支援を実行することである。３秒ルールインテリジェンスは環境監視を行い、トリガの発現を観察する。トリガの発現が検知されると対応行動の出現確率が計算される。プロジェクトリスク監視では、トリガは要求仕様の精度やプログラマーのスキルであり、プログラマーのスキルはプログラムミスの回数を観測することにより客観的に設定できる。また、患者リスクの監視に於けるトリガは患者の状態やスタッフの状態であり、患者の状態はカメラやマイクを使用して患者状況を自動監視することが可能である。３秒ルールインテリジェンスは人と同じ視点で環境要因を監視することにより、人の感覚に近い環境監視を行うことが可能である。特に、患者の様子見行動では患者支援行動の必要性を数値で示し、患者様子見行動の自動化の可能性を示した。患者支援の必要性を示す数値は環境の変化に伴い、再計算される。しかし、今回は環境変化のトリガ検知は手動で行ったため、今後、トリガの自動検知が必要である。今後、人的感覚を持つ環境評価機能が実現すれば、病棟やＩＣＵでの患者監視の自動化が可能となる。例えば、病棟スタッフは、複数の患者の状態を同時に監視して、適切な患者対応行動を行っている。そこで３秒ルールインテリジェンスによる人的感覚を持つ患者様子見機能が実現すれば、対応の緊急度を自動的に判断することが可能となり、経験の少ない医療スタッフでも対応の優先順位を即時に知ることができ、余裕のある患者対応が実現する。今後、熟練スタッフが観察している要素を、ベイジアンネットワークに追加して、客観的にエビデンスを設定することができれば、３秒ルールインテリジェンスは熟練スタッフに近い意思決定を行うことが可能となる。更に３秒ルールインテリジェンスは設定されたエビデンスを示すことができるため、意思決定の根拠を明確に示すことができ、信頼できる汎用人工知能（GAI: General Artificial Intelligence）への展開が期待できる。今後、実現が求められる汎用人工知能は判断根拠を示すことが必要である15)16)。

謝辞

本研究はJSPS科研費 20K11983の助成を受けた。

本研究に助言と貴重な情報を頂いた広島国際大学の橘昌幸教授と九大病院の福永淳一先生に感謝申し上げる。

引用文献

1)エリック.R・カンデル,記憶のしくみ 上,講談社,2013

2)小林春雄他:「神経情報生物学入門」,オーム社,1990

3)松本元・大津展之:「神経細胞の生物学的特性」,培風館,1992

4)伊藤薫:「脳と神経の細胞学」,培風館,1975

5)Armand M.de Callatay,島田禎晉訳：「人間の脳と人工知能」,丸善株式会社,1991

6) 「IBMが2nm半導体プロセスの試作成功、研究トップに聞く「ムーアの法則」の将来」,

日経クロステック,2021年5月13日

7) 持田 信治,池添 律代,矢鳴 虎夫:「判断マトリクスを使用した内部状態モデル構築に関する研究」,バイオメディカル・ファジィ・システム学会誌 6 巻 1 号,10-16,2004

8)持田　信治,橘　昌幸:「人の観点から見た環境評価に関する研究」,BMFSA学会誌 VOL11 NO.2 PP.25‐31

9) リンゼイ/ノーマン:「情報処理心理学入門Ⅰ(感覚と知覚)」,サイエンス社,1984

10) リンゼイ/ノーマン:「情報処理心理学入門Ⅱ(注意と記憶)」,サイエンス社,1984

11) 持田　信治:「３秒ルールＡＩ実現に関する研究」,日本経営システム学会第62回全国研究発表大会講演論文集,138-139, 2019

12)牧下寛,松永勝也:「自動車運転中の突然の危機に対する制動反応の時間」,人間工学,38巻6号 pp.324-332,2002

13)山下昇：「車間距離より車間時間を取ろう」,セイフティエクスプレス企業開発センター,6月号,2008

14) 藤田一弥:「見えないものをさぐる」,オーム社,2015

15) 持田　信治:「３秒ルールインテリジェスを用いた患者様子見行動の模擬に向けた基礎研究」,BMFSA2020年次大会予稿集,pp.150-153,2020

16)「人間中心のＡＩ社会原則の草案,人間中心のＡＩ社会原則検討会議」,内閣府,2018年12月

17)「もうブラックボックスじゃない　根拠を示してＡＩの用途拡大」,NIKKEI ELECTRONICS 2018.09,53-58