近年，看護や在宅ケアの現場でロボット・人工知能（AI）・拡張現実（AR）など最先端テクノロジーの活用が進んでいます。技術は患者の安全確保やケアの効率化に寄与し，人間は寄り添い安心を提供する――。そうした新たな役割分担が見え始めています。本稿では，国内外の最新研究に基づき，看護・在宅ケアにおけるロボット・AI・AR活用の現状と展望を概観します。

在宅ケア×ロボット：自立支援と継続モニタリング

　一人暮らし高齢者の健康維持には，バイタルサイン（体温・血圧・酸素飽和度など）の定期測定が重要です。しかし，自己測定の継続は動機付けの維持が難しく，中断しがちです。そこで注目されるのが対話型コミュニケーションロボットの活用です。東京大学老年看護学教室（教授：真田弘美・当時）では在宅訪問看護利用者を対象に，人型ロボット「PALRO（富士ソフト社）」と無線式バイタル測定システムを連携させた介入を行いました^1）。介入前は体温・血圧測定をしていなかった利用者が，ロボット導入後はほぼ毎日測定を継続し，そのうち約75％の日はロボットからの一度の声かけのみで自主的に測定，24％の日はロボットからリマインド後に実施できました。ロボットが測定データをクラウド送信・確認し，測定忘れ時にはリマインドを行うしくみで，自律的な健康管理と異常の早期発見に効果を認めています。このようにコミュニケーションロボットは高齢者のセルフケア行動を支え，医療者不在時の安全モニタリングに寄与し得ることが示唆されます。

　ロボットはあくまで技術的支援役であり，高齢者の不安傾聴や情緒的サポートといった「安心」の提供には，人間による関与が不可欠ですが，「安全」に向けた活用はますます重要となっています。これまでに急性期病院や長期療養型病院における実装や適用評価^{2, 3）}などでコミュニケーションロボットの検証は実施されており，今後のさらなる発展が期待されています。

AIが支える看護判断：データでリスクを「見える化」

　看護の質向上と患者安全に，AIを用いたデータ分析・リスク予測が活躍し始めています。例えば褥瘡リスク予測の分野では，機械学習モデルを用いて入院時情報から院内褥瘡発生を予測する研究を行い，約7万5000人の電子カルテデータを解析しました。その結果，勘や経験に頼った既存リスク評価よりも高い精度で褥瘡発生を予測でき，特にADL低下や食欲不振，呼吸・循環器疾患の有無が重要因子として抽出され，入院初日の看護記録だけでハイリスク患者を自動抽出できる可能性が示されました^4）。この成果を受け，さらにICU入室患者に特化した褥瘡予測モデルの開発^5）や在宅リアルワールドデータを用いた褥瘡の分析^6）など，各現場のニーズに応じたAIリスク評価へと発展が現在も図られています。

　また別の視点では，看護で用いる機器による合併症の予防も重要です。これまでに全国規模データによるCVC（中心静脈カテーテル）対PICC（末梢挿入型中心静脈カテーテル）の合併症発生率を傾向スコア解析で検証したところ，PICC群のほうが有意に高い合併症率を示すと筆者らが報告しました^7）。従来「PICCは気胸リスクが低い安全な代替策」とされてきましたが，血栓や機械的合併症面ではむしろ注意が必要であることが示唆されます。このようにビッグデータ解析とAI駆使によりエビデンスを再検証し，安全なデバイス選択・管理につなげる取り組みも進んでいます。

　加えて，超音波検査装置などを活用した可視化に基づいた看護が現在，急速に広まりを見せています。2025年度の看護学教育モデル・コア・カリキュラム改訂において超音波検査が学部教育に追加されました。しかし超音波検査画像の読影には多くの訓練が必要であることも事実です。そこでAIを用いた超音波検査画像の読影を助ける手法が開発されてきています。例えば，膀胱内尿量計測^8），直腸の硬便検出^9），誤嚥性肺炎予防に向けた嚥下機能評価^10），適切な末梢静脈カテーテル管理に向けた血管組織評価^{11, 12）}などさまざまなアプローチが取り組まれてきました。筆者らは超音波を用いたPIVC（末梢静脈カテーテル）管理バンドル（穿刺前後の血管確認＋高柔軟カテーテル使用）を提唱し，臨床試験で評価し機械的刺激を減らすケアがPIVC寿命延長に有効であることを示しました^13）。さらに超音波画像に映る血管径をAIで自動計測し，適切な留置針サイズ選定を支援することや，血栓や浮腫を自動で検出する開発も行われており^{11, 14）}，実装評価もなされています^15）。またこれらの可視化やAIによるサポートは，医療者にとどまらず患者や市民が活用する取り組みも進んでいます。セルフエコーで患者自ら体内を...