株式会社リタリコ
障害者向け就労支援で人工知能（AI）を活用したワークフローを導入
病状悪化につながる予兆を発見し、重篤化（じゅうとくか）を回避

より良いサポートを行うために、テクノロジーの力を借りてはどうかとAI活用の話が持ち上がりました。

実際の支援記録から作られた教師データをAIに学習させた後、約300件の支援記録のリスクレベルの仕分けをテストしました。メンタル不調が重篤化した人の過去のデータとその症状が継続的に安定している人のデータをランダムに混ぜ、「衝動性」と「うつ状態」の兆候を分析したところ、リスクレベルのハイスコア上位30% に、実際に重篤化した方のデータの大半がリストアップされる結果となりました。上位30%での再現率は、「うつ状態＋衝動性」と「うつ状態」では100%、「衝動性」でも94%という高い数値が計測されました。

「素晴らしい検証結果でした。自由に書き込まれた文章の中で、熟練スタッフが感じとるようなわずかなニュアンスをしっかり察知し、スコア化していました。衝動性やうつ状態の兆候で言葉では説明できない症状の特徴、例えば、そわそわしている様子など、支援スタッフがひやっとするような症状を、AIが捉えていました」（浅見氏）

このテスト結果に手応えを実感したLITALICO ワークスは、検討開始からわずか4ヵ月後の2016年4月に本格運用を開始しました。

「AI導入により、症状が重篤化する前にライフネット支援室からアラートを上げ、各事業所での早期介入につながるケースが増えてきている、というのが 大きな成果です」（浅見氏）

ライフネット支援室　江田 暁子 氏

「Knowledge Probe がアラートを出した方に、支援スタッフが声がけをしたところ、ハイリスク評価の最高値5の深刻なリスクを抱えていたことがわかっ たケースがすでに複数件報告されています」（江田氏）

ハイリスクと評価されたものは、元となる支援記録データをライフネット支援室の担当者が再確認して最終的な判断をすることになります。「『KnowledgeProbe』で全ての支援記録をふるいにかけ、上位30％に絞り込むことで、予兆発見からサポートまで一定のクオリティでワークフローを実現することができました」と江田氏は語ります。

システムイメージ図

運用当初は「うつ状態」と「衝動性」の2 要素をスコア基準にしていましたが、後に「不安・焦燥」と「過緊張」の要素を加えることで、さらに予兆発見の精度を高めることができました。