【寄稿】

AIによる過程評価支援とケアの質改善

新居 学（兵庫県立大学大学院工学研究科 准教授）

　看護ケアの質評価の研究は，看護QI研究会が1990年代から2001年にかけて看護の質評価指標を開発したことに始まる。看護ケアの質評価システムを運用するための仕組みづくりから質評価結果を改善につなげるシステムづくりまでの各段階を経て，現在は日本看護質評価改善機構において参加病棟を募集し，看護ケアの質評価が実施されている。

　看護ケアの質評価支援を人工知能（AI）で行う試みは，2008年に看護QI研究会にて「Web版看護ケアの質評価総合システム」が運用され始めた頃から検討が開始され，現在まで継続して研究開発を行っている^1）。

　本稿では，近年大きく進化するAIによる看護ケアの質評価の現状と展望を紹介する。

看護ケアの多様な文意をどう分類する？

　看護ケアの質は，構造（Structure），過程（Process），成果（Outcome）の3つの側面で評価している。これらの評価の特徴は，看護の「過程の質」を評価する点にある。看護過程は看護師の行為そのものである。しかしこれは，数値的に表現することが難しい。患者の社会背景や看護を取り巻く状況によっても要求される内容や水準が変化するためである。

　看護QI研究会によって開発された「Web版看護ケアの質評価総合システム」では，過程評価指標に基づく問い掛けに看護師が自由記述文章で回答する。その回答を評価者である専門家が精読し，実際に行われたケアの内容を評価することで過程評価が行われてきた。従来は現場に出向く参加観察などによる手段で看護ケアの情報を得ていたが，その代替であるWebシステムにより看護ケアテキストを得ることで過程評価を行うことが可能になった。

　過程評価支援で評価対象とするデータの収集は，6領域に分けた看護ケアの質「患者への接近」「内なる力を強める」「家族の絆を強める」「直接ケア」「場をつくる」「インシデントを防ぐ」について，複数の問い掛けに対する自由記述回答（以下，看護ケアテキスト）で構成される。この看護ケアテキストは，担当した患者に対して実施したケアの内容について，具体的な記述が求められている。

　表に看護ケアテキストの例を示す。評価は質問項目により評価視点は異なるが，例えば「痛みの治療に対する医師への働き掛け」では，①医師には何も言っていない，②痛みの現状だけを述べている，③改善策は述べているが，根拠を述べていない，④現状・根拠を含めて改善策を述べている――の4つのクラスへ分類することで行われる。記載すべき内容の提示はあっても，収集される看護ケアテキストに制約がないため，文体や書式，文章の長さなどが異なる。それに，担当する患者の病状や背景についての回答も，ケアに当たる看護師ごとに違いが生じる。例えば，痛みの由来はケースバイケースであり，回答中には具体的な薬品名など多様な固有名詞が出現する。病院や病棟が異なれば用いられる略語も同様に多岐にわたる。こうした看護ケアテキストを評価するために4つのクラスに分類することが過程評価の位置付けとなっている。

表　看護ケアテキストの質問項目とクラスごとの回答の一例（クリックで拡大）

テキストマイニングによる文書解析の仕組み

　自身の看護行為を客観的に自己評価し改善を図ることが求められる看護師にとって，AIを用い迅速に過程評価が行われるようになれば，看護師の自己評価を容易にし，日常的な看護の質改善へとつながることが期待される。

　人間の評価者は，文体や書式，文章の長さなどの相違や用語の「ゆらぎ」を把握し，背景を想定して文意を理解しながら正しく内容の評価を行っている。しかし，人間の評価者による過程評価は正確であるものの，この手順には相応の時間を要し，評価者の負担を大きくする。

　そこで，機械翻訳などの分野で活用されているAIによるテキストマイニングを用い，過程評価支援システムを作ることができれば，評価者の負担を軽減しながらより多くの看護師の過程評価を行うことが期待できる。

　筆者は現在，AIを用いた看護ケアテキストを評価するシステムの研究・開発に本学の看護教員と共に取り組んでいる。そこで，看護ケアテキストの自動分類のための機械学習アルゴリズムを用いた分類システムの一端について，図に即して紹介する。

図　AIによる過程評価支援システムの構成例（クリックで拡大）

看護ケアテキストを形態素解析で単語に分割し，Word2Vecで数値データ化する。畳み込みニューラルネットワークで数値配列から獲得された文書特徴を利用し，分類器で評価クラスを決定する。

　日本語は英語などと異なり単語が区切られていないため，まず看護ケアテキストに形態素解析と呼ばれる処理を施すことで個々の単語に分割する。分割された単語は，ニューラルネットワークの一種である「Word2Vec」^2）を用いて，多次元の数値ベクトルに変換される。この時使用されるWord2Vecには，過去の看護ケアテキストを含む多様なテキストデータを用いてあらかじめ学習させておく。これによって，各単語が数値ベクトルで表現され，看護ケアテキストはこの数値ベクトルが語順に並んだ配列となる。語の数値的表現をAIによる学習で獲得することで，新出の単語や表現のゆらぎを含む辞書を自動的に構築することができる。

　次に，図中に示した多層の「畳み込みニューラルネットワーク」によって，各看護ケアテキストの数値配列から文書特徴を抽出するよう学習を行う。学習には，これまで評価者から評価済みの看護ケアテキストを教師データとして用いている。この学習から，4つの評価クラスへ分類するための文書特徴が獲得される。

　従来は文書特徴を研究者が設計していたが，現在はその特徴を獲得できるAIを開発したことで文書特徴を自動的に獲得できるようになっている。そして最後に，獲得された文書特徴を利用して前述の4つの評価クラスへと分類を行う。この分類には例えば，サポートベクトルマシンのようなクラス分類のためのあらゆる機械学習手法が利用可能である。したがって，質問項目ごとに適切に分類器を選ぶことで分類性能を最大化できる。

過程評価から新たな気づきは生まれるか

　AIによる過程評価支援の結果を各項目で平均すると，人間の評価者による評価結果との一致率がまだ7割程度であった。AIを用いた過程評価の性能向上に引き続き取り組まなくてはならない。一方で，評価対象の看護ケアはそれぞれの看護師の経験ごとに異なるため，AIで評価できないケースも存在する。これは本研究のAIが，評価者の「評価支援」に主眼を置いていることが理由である。

　なお，本研究の過程評価支援システムでは，AIの評価結果の根拠を示す試みも行っている。これは，評価根拠を示すことで評価者の理解を得ることを目的とし，対象となる看護ケアテキストの，どの語や表現に着目してその評価を下したかを可視化するためだ。

　また別の目的として，AIが提示する評価根拠から，私たちに何らかの「気づき」が生まれることも期待している。看護師それぞれがAIの過程評価結果を見て，その内容に納得するにせよ，疑問があるにせよ，AIの過程評価結果から新たな課題に「気づき」，改善に活用することができれば「看護ケアの質改善」という大きな目的へと近づくことができる。

　今後，AIによる過程評価支援の取り組みが発展し，看護ケアの質向上の一助となれば幸いである。

◆参考文献・URL
1）新居学．看護実践過程のテキストマイニング．看研．2010；43（5）：395-9．
2）Google Code Archive. Word2Vec.

にい・まなぶ氏
1996年大阪府立大工学部卒。2001年同大大学院工学研究科電気・情報系専攻博士後期課程修了。姫路工大助手，兵庫県立大大学院工学研究科助手，助教を経て，18年より現職。博士（工学）。日本看護質評価改善機構理事。兵庫県立大看護学部の教員らと共に，看護ケアテキスト評価支援システムの研究・開発に取り組む。