「フィジカルAI」という言葉を目にする機会が増えました。ロボットが自分で考えて動く、という話を思い浮かべる方が多いかもしれません。
ただ、介護や医療の現場で、明日から関係するのはロボットではありません。現場にすでにある見守りセンサーやカメラが出しているデータを、AIが読み取って記録や判断に使えるか、という話のほうです。
この記事では、当社が架空のデータで実際に試した結果をもとに、介護でフィジカルAIをどこから使えそうか、AIに任せてよいことと任せてはいけないことを整理します。
フィジカルAIとは——ロボットだけの話ではない
フィジカルAIは、文章だけを扱うAIと違い、現実の世界の状態（人や物の位置・動き・量）を読み取り、それに応じて何かをするAIを指す言葉として使われています。自分で動くロボットはその代表ですが、「読み取る」部分だけでも仕事の役に立ちます。
介護施設で言えば、次のようなものが「読み取る」対象になります。
- 見守りセンサーの通知（ベッドから離れた・呼吸や心拍が設定範囲外になった、など）
- ナースコールや職員の訪室の記録
- カメラの画像（居室の様子）
介護の現場には、もう機械が入っている
厚生労働省と経済産業省は2024年6月に「介護テクノロジー利用の重点分野」（9分野16項目）を公表しています。その参考資料では、分野ごとの普及率として見守り・コミュニケーションが30.0%、介護業務支援が10.2%と示されています（数値は令和3年度介護報酬改定の効果検証の調査結果からの引用）。
見守りの機器はある程度入っている一方で、そこから得た情報を記録や業務に生かす仕組みはまだ少ない、と読めます。センサーが通知しても、夜勤の記録や朝の申し送りを書くのは職員です。ここに、まだ手を付けられる余地があります。
架空のデータで試したこと
当社の検証機（GPUを1枚積んだPC）で、インターネットに出さないローカルAIを使い、2つのことを試しました。データはすべて架空のもので、実在の施設・利用者・製品のログや画像は使っていません。
① 見守りセンサーのログから、夜勤記録と申し送りの下書きを作る
利用者10人・1晩分（48行）の見守りセンサーと訪室の記録を作り、夜勤記録の下書きと「朝の申し送りで注意が必要な3人」を書かせました。わざと引っかけを入れています（センサーの装着ずれによる通知、訪室していない通知が2件、夜間に何もなかった人）。
- 注意が必要な3人は、試した2つのモデルとも3人とも正解。記録にない時刻を書くこともありませんでした
- ただし、そのまま頼むと「訪室していない」ことをうまく書けず、片方のモデルは実際にはなかった訪室を「それぞれ訪室して介助した」と書きました
- 通知ごとに「訪室があったか」をプログラムで先に判定して印を付けてから渡すと、2つのモデルとも正しく「訪室記録なし」と書けるようになりました。1回あたり約20秒です
② カメラ画像から、状況を選ばせる
画像生成で作った架空の画像16枚（介護の居室8枚・廃棄物コンテナ8枚）を見せ、あらかじめ決めた選択肢から状況を選ばせました。
| 読み取らせた内容 | 大きめのモデル | 小さいモデル2種 |
|---|---|---|
| 居室の状況（横になっている・端に座っている・床に座り込んでいる など） | 8/8 | 0〜2/8 |
| コンテナの中身（木くず・段ボール・金属くず・混合・空） | 8/8 | 1〜3/8 |
| コンテナの量（空・少ない・半分くらい・満杯） | 6/8 | 3〜4/8 |
大きめのモデルは状況と中身を全部当てましたが、量は「半分くらい」を「満杯」と答えた画像が2枚ありました。小さいモデルは画像が違っても同じ答えを繰り返し、画像を読めていませんでした。モデルの選び方で結果が大きく変わります。
あとから、同じコンテナの画像8枚を「満杯か、それ以外か」の2択で聞き直したところ、大きめのモデルは8枚すべて正解しました。外れた原因は量が読めないことではなく、「半分くらい」「満杯」のように段階を細かく分けた聞き方にあったと考えています。選択肢は先に決め、段階は細かくしすぎないのも使うときのコツです（2択なので「半分」と「少ない」の区別はできなくなります。また8枚だけの結果です）。
暗く粗い画像でどこから誤り始めるかは、続編「介護の見守りカメラの映像はAIで読める？画質の目安と、人が確認する線の引き方」で試しています。
AIに任せてよいこと・任せてはいけないこと
2つの検証から、役割は次のように分けるのがよいと考えています。
| 役割 | 担当 | 理由 |
|---|---|---|
| 記録の書き写し・要約・申し送りの候補出し | AI | 文章にする作業は得意で、時間を減らせる |
| 回数・訪室の有無・時間差の判定 | プログラム | 「なかったこと」はAIに任せると抜け落ちる。プログラムなら毎回同じ結果になる |
| 記録の確定・対応の判断 | 職員 | AIの文章は下書き。細部の書き方に甘さが残る |
特に大事なのは2行目です。AIは「あったこと」をまとめるのは得意ですが、「なかったこと」を確実に書き残すのは苦手でした。判定はプログラム、文章はAIと分けることで、AIの弱いところを補えます。
転倒などの「検知」には使わない
画像から「床に座り込んでいる」を当てられたのなら、転倒の検知にも使えそうに見えます。ですが、当社はこの用途をおすすめしていません。
- 検知や通報は、それを目的に作られた見守り機器の役割です。見落としがそのまま事故につながる領域で、今回のような検証だけで判断できる話ではありません
- 厚生労働省の重点分野でも、医療機器として開発するのが適当なものは対象外とされています
ローカルAIの役割は、記録を書くときの補助までに留めるのが現実的です。たとえば「その時刻の画像から状況を1行添える」「センサーの通知を記録の下書きにする」といった使い方です。
データを施設の外に出さないという選択肢
利用者の記録やカメラの画像は、クラウドのAIに送ることに抵抗がある情報です。今回の検証は、すべてインターネットに出さないローカルAIで行いました。記録も画像も施設の中のPCで処理できるため、外部のサービスにデータを預けずに試せます。
一方で、ローカルAIにも限界はあります。今回の結果のとおり、モデルの選び方で精度が大きく変わり、使い方を誤れば「なかった訪室」を書いてしまいます。仕組みの設計（判定をどこで行い、誰が確定するか）まで含めて考えることが欠かせません。
動画と実録
同じ動画はYouTubeでも公開しています（YouTubeで見る）。
検証の細かい経過（うまくいかなかった点を含む）は、noteの実録にまとめました（noteで読む：フィジカルAIを介護の記録で試した——うまくいかなかった3つと直し方）。
まとめ
- 介護でのフィジカルAIは、ロボットより先に「見守りセンサーやカメラのデータを読む」ところから使える
- 要約や候補出しはAI、回数や有無の判定はプログラム、記録の確定は職員、と役割を分ける
- 転倒などの検知には使わず、記録の補助に留める
- データを外に出さないローカルAIなら、施設の中で試せる。ただしモデルの選び方と仕組みの設計が結果を左右する
「夜勤明けの記録で、一番時間がかかっているのはどこか」。そこから考えると、最初に試す範囲が決めやすくなります。
