JP7505560B2

JP7505560B2 - 情報処理装置、情報処理方法及びプログラム

Info

Publication number: JP7505560B2
Application number: JP2022539813A
Authority: JP
Inventors: えりか足利; 瑞恵林; 篤信木村
Original assignee: Nippon Telegraph and Telephone Corp
Current assignee: Nippon Telegraph and Telephone Corp
Priority date: 2020-07-27
Filing date: 2020-07-27
Publication date: 2024-06-25
Anticipated expiration: 2040-07-27
Also published as: WO2022024193A1; JPWO2022024193A1; US20230260607A1

Description

本発明は、情報処理装置、情報処理方法及びプログラムに関する。

介護記録には、日々の被介護者の身体情報の他、被介護者の様子や被介護者の発言等が記載されている。

従来、介護記録を分析することにより、介護者同士で被介護者の情報共有を円滑にしたり、ベテラン介護士の記録内容を参考にしたりすることで、介護記録の記載内容の平準化を可能にする技術がある。

"TETDMを用いた介護記録の分析", 串間・荒木・鈴木・山崎・曽根原, 日本医療情報学春季学術大会論文, 35(5) 229-238, 2015.

介護記録に記載されている情報（被介護者の身体情報、被介護者の様子、被介護者の発言等）は、外部から比較的容易に把握可能な明示的な情報であるところ、斯かる明示的な情報に基づく介護又はケア等のみでは、本質的な問題を解決することが困難である場合が有る。

例えば、軽い精神障害で孤独感や不安感が強くて眠れないと訴える者については、この訴えの内容が明示的な情報に相当する。当該明示的な情報に基づけば、睡眠薬の処方が、不眠の解消に対して効果的な対処であると考えられる。しかし、本質的には、孤独感を紛らわしてくれて話を聞いてくれる人の存在が当該者には必要であり、このような人を紹介し、様々な思いを最後まで聞いてもらい、共感してもらうことで、自分の居場所ができ、当該者の症状が改善したという事例がある。

また、デイサービスの利用者（要介護の高齢者）に対し、身体情報として筋力の低下が確認される者については、この情報が明示的な情報に相当する。当該明示的な情報に基づけば、施設でのリハビリの実施が効果的な対処であると考えられる。しかし、本質的には、本人の大切にしていること等の思いや願いをふまえた対処が必要である。例えば、本人が「車が好き」という思いを持つ場合には、「車が好き」という思いを踏まえて市内の企業で働く機会（例えば、車の販売店での洗車）をリハビリの一環として提供する。このような取り組みにより、社会とのつながりを持ち、生きがいを感じる暮らしの実現を通じて、筋力低下への対処としてのリハビリを実施ができたという事例がある。上記のような事例を実現するために効果的な介護又はケアを行うためには、明示的な情報において暗示されている情報（例えば、明示的に言葉にされないような被介護者の周囲の人との関係性や性格、考え方等。以下、「暗示的な情報」という。）の把握が重要であると考えられる。

しかしながら、明示的な情報から暗示的な情報を導き出すためには、専門家が有する専門的な知見が必要であり、専門家の知見を得るには高いコストが必要とされる。

本発明は、上記の点に鑑みてなされたものであって、専門家の知見を効率的に獲得可能とすることを目的とする。

そこで上記課題を解決するため、情報処理装置は、それぞれが個人の特徴を示す情報である個人特徴情報を含む複数のデータを、前記特徴を示す情報の類似性に基づいてグループに分類する分類部と、前記グループに含まれるデータの中で前記データを構成する複数の項目のうちの所定の項目の情報量が最も多い１つのデータを提示する提示部と、前記提示部が提示したデータが含む個人特徴情報から介護の専門家が読み解いた、当該個人特徴情報に係る個人の人間性又は当該個人が言葉にしていない思いを含む情報の入力を受け付ける入力部と、前記入力部が情報の入力を受け付けたデータを、前記入力部が入力を受け付けた情報に関連付けて記憶部に記録する更新部と、を有する。

専門家の知見を効率的に獲得可能とすることができる。

第１の実施の形態における情報処理装置１０のハードウェア構成例を示す図である。第１の実施の形態における情報処理装置１０の機能構成例を示す図である。第１の実施の形態において抽出部１１が実行する処理手順の一例を説明するためのフローチャートである。基本情報の抽出ルール及び基本情報の抽出例を示す図である。能力・経験の抽出ルール及び能力・経験の抽出例を示す図である。職業に関する名詞の辞書情報の一例を示す図である。趣味・嗜好の抽出ルール及び趣味・嗜好の抽出例を示す図である。関係性の抽出ルール及び関係性の抽出例を示す図である。地域に関連する名詞の辞書情報の一例を示す図である。第１の実施の形態において取得部１２が実行する処理手順の一例を説明するためのフローチャートである。専門家ＤＢ１２３の構成例を示す図である。専門家ＤＢ１２３の構成例を示す図である。専門家ＤＢ１２３の構成例を示す図である。専門家ＤＢ１２３の構成例を示す図である。専門家ＤＢ１２３の構成例を示す図である。専門家ＤＢ１２３の構成例を示す図である。専門家ＤＢ１２３の構成例を示す図である。本人ナラティブテーブルの構成例を示す図である。本人ナラティブテーブルの構成例を示す図である。本人ナラティブテーブルの構成例を示す図である。本人ナラティブテーブルの構成例を示す図である。第２の実施の形態における情報処理装置１０の機能構成例を示す図である。第２の実施の形態において付与部１３が実行する処理手順の一例を説明するためのフローチャートである。過去の本人ナラティブテーブルが考慮された重要度の算出例を説明するための図である。重要度が付与された本人ナラティブテーブルの構成例を示す図である。重要度が付与された本人ナラティブテーブルの構成例を示す図である。重要度が付与された本人ナラティブテーブルの構成例を示す図である。重要度が付与された本人ナラティブテーブルの構成例を示す図である。第３の実施の形態における情報処理装置１０の機能構成例を示す図である。第３の実施の形態において情報処理装置１０が実行する処理手順の一例を説明するためのフローチャートである。非代表データに対する代表データのＩＤの付与の例を示す図である。代表データの「専門家の知見」に対する入力の受け付け例を示す図である。非代表データへの「専門家の知見」のコピーの例を示す図である。専門家ＤＢ１２３に追加される専門家データの第１の例を示す図である。専門家ＤＢ１２３に追加される専門家データの第２の例を示す図である。

以下、図面に基づいて本発明の実施の形態を説明する。図１は、第１の実施の形態における情報処理装置１０のハードウェア構成例を示す図である。図１の情報処理装置１０は、それぞれバスＢで相互に接続されているドライブ装置１００、補助記憶装置１０２、メモリ装置１０３、ＣＰＵ１０４、及びインタフェース装置１０５等を有する。

情報処理装置１０での処理を実現するプログラムは、ＣＤ－ＲＯＭ等の記録媒体１０１によって提供される。プログラムを記憶した記録媒体１０１がドライブ装置１００にセットされると、プログラムが記録媒体１０１からドライブ装置１００を介して補助記憶装置１０２にインストールされる。但し、プログラムのインストールは必ずしも記録媒体１０１より行う必要はなく、ネットワークを介して他のコンピュータよりダウンロードするようにしてもよい。補助記憶装置１０２は、インストールされたプログラムを格納すると共に、必要なファイルやデータ等を格納する。

メモリ装置１０３は、プログラムの起動指示があった場合に、補助記憶装置１０２からプログラムを読み出して格納する。ＣＰＵ１０４は、メモリ装置１０３に格納されたプログラムに従って情報処理装置１０に係る機能を実行する。インタフェース装置１０５は、ネットワークに接続するためのインタフェースとして用いられる。

図２は、第１の実施の形態における情報処理装置１０の機能構成例を示す図である。図２において、情報処理装置１０は、抽出部１１及び取得部１２等を有する。これら各部は、情報処理装置１０にインストールされた１以上のプログラムが、ＣＰＵ１０４に実行させる処理により実現される。情報処理装置１０は、また、ルールＤＢ１２１、本人情報記憶部１２２、専門家ＤＢ１２３及びナラティブＤＢ１２４等の記憶部を利用する。これら各記憶部は、例えば、補助記憶装置１０２、又は情報処理装置１０にネットワークを介して接続可能な記憶装置等を用いて実現可能である。

情報処理装置１０は、図２に示される機能構成により、或る人（被介護者）に関して記録された情報（以下、「記録情報」という。）から抽出される、当該或る人の特徴を示す個人特徴情報（或る人の行動や発言、対象者の身体情報等の明示的な情報等、以下、「本人情報」という。）が暗示している情報を取得及び出力するための処理を実行する。本実施の形態において、特徴を示す情報が暗示している情報は、後述されるように、介護またはケア等に関する専門家の知見から得られる。

以下、情報処理装置１０が実行する処理手順について説明する。図３は、第１の実施の形態において抽出部１１が実行する処理手順の一例を説明するためのフローチャートである。

ステップＳ１０１において、抽出部１１は、知見の取得対象とする被介護者等の個人（以下、「対象者」という。）に関する記録情報を入力する。記録情報とは、対象者の身体情報のほか、対象者の様子や行動、発言についての明示的な記録情報をいう。例えば、対象者の介護記録（日報）のテキストデータ、対象者に関するカンファレンスの議事録のテキストデータ、介護時における対象者と介護者との会話の音声データの音声認識結果であるテキストデータ等が記録情報として入力されてもよい。ここで、カンファレンスとは、例えば、介護者と、対象者及び対象者の家族等との間で行われる、対象者の今後の介護に関しての計画を相談する会議である。なお、各被介護者に対して、図３以降の処理手順が周期Ｔ１の間隔で定期的に実行される場合、ステップＳ１０１において入力される記録情報は、直近の周期Ｔ１において記録された記録情報である。

続いて、抽出部１１は、本人情報について予め定義された分類（カテゴリ）ごとに、当該分類に関する本人情報を記録情報から抽出する（Ｓ１０２）。本実施の形態において、本人情報は、「基本情報」、「能力・経験」、「趣味・嗜好」及び「関係性」等に分類される。これらの分類の区分は、後述の専門家ＤＢ１２３に記憶されている専門家データにおける、知見の分類に則している。

また、各分類に関する本人情報の抽出は、分類ごとに定義された抽出ルールに基づいて行われる。分類ごとの抽出ルールは、ルールＤＢ１２１に記憶されている。但し、抽出ルールは、プログラムロジックとして抽出部１１に組み込まれていてもよい。

図４は、基本情報の抽出ルール及び基本情報の抽出例を示す図である。図４に示されるように、基本情報については、ルール（１）～（３）の３つの抽出ルールが定義されている。

ルール（１）は、生年月日から現在の年齢を計算し、「年代」を「項目」とし、対象者の年代を「詳細」として抽出するという抽出ルールである。

ルール（２）は、「性別」を「項目」とし、対象者の性別（「男性」又は「女性」）を「詳細」として抽出するという抽出ルールである。

ルール（３）は、「既往歴／病歴」を「項目」とし、病名を「詳細」として抽出するという抽出ルールである。

図４において、「入力例」の列は、例えば、記録情報に含まれるテキストのうち、基本情報の抽出ルールの適用対象となりうる部分の一例である。「抽出例」の列は、「入力例」に対して抽出ルールが適用された結果として抽出される本人情報の例である。基本情報については、抽出ルール（１）～（３）より明らかなように、「年代」、「性別」、「既往歴／病歴」の項目と、各項目に対する「詳細」とが本人情報として抽出される。

図５は、能力・経験の抽出ルール及び能力・経験の抽出例を示す図である。図５に示されるように、能力・経験については、ルール（４）に基づくルール（４－１）及びルール（４－２）と、ルール（５）に基づくルール（５－１）とが定義されている。

ルール（４）は、職業に関する名詞、仕事や働くことに関する動詞を含む文を抽出するという抽出ルールである。なお、職業に関する名詞は、例えば、図６に示されるような辞書情報を参照して判別されてもよい。図６に示される辞書情報は、職業に関する名詞の集合を含む。仕事や働くことに関する動詞についても同様に辞書情報を作成しておき、当該辞書情報に基づいて判別されるようにしてもよい。なお、当該辞書情報に完全一致する名詞のみならず、当該名詞を含む名詞又は当該名詞を末尾に含む名詞が該当する名詞として抽出されてもよい。

ルール（４－１）は、職業に関する名詞の場合については、当該名詞を「項目」として抽出し、抽出した名詞が主語に含まれる場合には、述語と述語に掛る修飾語を「詳細」として抽出し、抽出した名詞が述語や修飾語に含まれる場合には、文全体を「詳細」として抽出するという抽出ルールである。

ルール（４－２）は、働くことに関する動詞については、当該動詞が自動詞であれば修飾語を、当該動詞が他動詞であれば目的語を「項目」として抽出し、述語と述語に掛る修飾語を「詳細」として抽出するという抽出ルールである。

ルール（５）は、過去の経験を表す文章を抽出するという抽出ルールである。例えば、「過去を表す時間の言葉＋～ていた」という形式を有する文章が該当文章として抽出されてもよい。

ルール（５－１）は、ルール（５）に基づいて抽出された文章において、時間の表現＋動詞を「詳細」として抽出し、動詞の目的語又は修飾語を「項目」として抽出するという抽出ルールである。

なお、図５において、「入力例」及び「抽出例」の各列の意味は図４と同様である。

図７は、趣味・嗜好の抽出ルール及び趣味・嗜好の抽出例を示す図である。趣味・嗜好については、ルール（６）に基づくルール（６－１）と、ルール（７）に基づくルール（７－１）とが有る。

ルール（６）は、得意さを表す名詞又は動詞を含む文を抽出するという抽出ルールである。得意さを表す名詞又は動詞についても、予め辞書情報を作成しておき、当該辞書情報に基づいて判別されてもよい。

ルール（６－１）は、ルール（６）基づいて抽出された文のうちの名詞又は動詞を「項目」として抽出し、文全体を「詳細」として抽出するという抽出ルールである。

ルール（７）は、感情的な表現を含む文章、又は感情的な表現の前後に出現する本人の発言や伝聞形式の文章を抽出するという抽出ルールである。感情的な表現は、感動形容詞とその変形によって判別されてもよいし、感情表現辞書（例えば、「http://www.jnlp.org/SNOW/D18」）等を参照して判別されてもよい。

ルール（７－１）は、感情的な表現に対応する感情の種類を「項目」とし、抽出した文を「詳細」とするという抽出ルールである。

なお、図７において、「入力例」及び「抽出例」の各列の意味は図４と同様である。

図８は、関係性の抽出ルール及び関係性の抽出例を示す図である。関係性については、ルール（８）に基づくルール（８－１）及びルール（８－２）と、ルール（９）に基づくルール（９－１）とが有る。

ルール（８）は、家族、人名、地名、地域に関連する名詞を含む文を抽出するという抽出ルールである。なお、地域に関連する名詞は、例えば、図９に示されるよう辞書情報を参照して判別されてもよい。図９に示される辞書情報は、地域に関連する名詞の集合を含む。なお、当該辞書情報に完全一致する名詞のみならず、当該名詞を含む名詞または当該名詞を末尾に含む名詞が該当する名詞として抽出されてもよい。

ルール（８－１）は、家族に関する名詞については、当該名詞を「項目」として抽出し、ルール（８）に基づいて抽出した文を「詳細」とするという抽出ルールである。

ルール（９）は、現在の習慣を表す文章を抽出するという抽出ルールである。例えば、「時間の言葉＋～ている」という形式の文章が該当文章として抽出されてもよい。

ルール（９－１）は、ルール（９）に基づいて抽出された文章における、時間の表現＋動詞を「詳細」として抽出し、動詞の目的語又は修飾語を「項目」として抽出するという抽出ルールである。

なお、図８において、「入力例」及び「抽出例」の各列の意味は図４と同様である。

なお、抽出部１１は、記録情報から各分類について抽出した本人情報（「項目」、「詳細」）を本人情報記憶部１２２に記録する。

図１０は、第１の実施の形態において取得部１２が実行する処理手順の一例を説明するためのフローチャートである。図１０の処理手順は、図３に続けて実行されてもよいし、図３とは非同期に実行されてもよい。

ステップＳ２０１において、取得部１２は、対象者の本人情報のデータ（以下、「本人情報データ」という。）を本人情報記憶部１２２から取得する。本人情報データとは、本人情報記憶部１２２において、本人情報の分類、項目及び詳細の組み合わせごとに区別される単位のレコードをいう。続いて、取得部１２は、本人情報の分類（「基本情報」、「能力・経験」、「趣味・嗜好」及び「関係性」）ごとに、ステップＳ２０２及びループ処理Ｌ３を含むループ処理Ｌ２を実行する。ループ処理Ｌ２において処理対象とされている分類を、以下「対象分類」という。

ステップＳ２０２において、取得部１２は、対象分類に対応する専門家データを専門家ＤＢ１２３から取得する。

図１１～図１７は、専門家ＤＢ１２３の構成例を示す図である。図１１～図１７に示されるように、専門家ＤＢ１２３には、各分類について、項目及び詳細の組み合わせによって区別される、人の特徴を示す情報ごとに、知見が関連付けられたデータ（以下「専門家データ」という。）が予め登録されている。図１１～図１３は、基本情報に関する専門家データ群を示す。図１４は、能力・経験に関する専門家データ群を示す。図１５は、趣味・嗜好に関する専門家データ群を示す。図１６及び図１７は、関係性に関する専門家データ群を示す。

知見とは、典型的な本人情報のパターン（項目及び詳細の組み合わせ）ごとに、専門家等の特定の人が自身の知見を活用して被介護者の人間性や被介護者本人が言葉にしていない思い等について読み解いた情報をいう。知見は、例えば、介護者が被介護者本人を理解し、被介護者に対するアプローチや、被介護者の支援・目標の仮説を導くことに活用される。

図１１～図１７に示されるように、本実施の形態における知見は、（１）洞察、（２）アプローチの仮説、（３）支援・目標の仮説等を含む。このうち、洞察とは、分類、項目、詳細の組み合わせ情報から読み取れる人間性、考え方、行動、身体状態の傾向等という。また、アプローチの仮説とは、被介護者の支援・目標を検討する時に考慮する人間関係や、地域との関係性の深さ、社会との関わり方等をいう。

ステップＳ２０２では、専門家ＤＢ１２３に登録されている専門家データ群のうち、対象分類に属する専門家データ群（以下、「対象専門家データ群」という。）が取得される。

続いて、取得部１２は、対象分類に関して抽出された本人情報データごとに、ループ処理Ｌ４及びステップＳ２０４を含むループ処理Ｌ３を実行する。ループ処理Ｌ３において処理対象とされているデータを、以下「対象本人情報データ」という。

ループ処理Ｌ４において、取得部１２は、対象専門家データ群に含まれる専門家データごとにステップＳ２０３を実行する。以下、ループ処理Ｌ４において処理対象とされている専門家データを、以下「対象専門家データ」という。

ステップＳ２０３において、取得部１２は、対象本人情報データの項目及び詳細と、対象専門家データの項目及び詳細との類似度を計算する。ここで、一方の項目及び詳細と他方の項目及び詳細との類似度とは、一方の項目と詳細とを接続することで得られる文字列群と、他方の項目と詳細とを接続することで得られる文字列群との類似度でもよい。又は、項目ごと詳細ごとに類似度が計算され、２つの類似度の平均又は重み付け平均が計算されてもよい。重み付け平均の場合、項目と詳細との文字数の比が重みとして用いられてもよい。なお、文字列同士の類似度の計算は、任意の公知の方法を用いて行われればよい。

ループ処理Ｌ４が終了すると、対象本人情報データについて、対象専門家データ群に含まれる各専門家データとの類似度が計算された状態となる。例えば、対象専門家データ群にｍ個の専門家データが含まれる場合、ｍ個の類似度が計算された状態となる。

ループ処理Ｌ４に続いて、取得部１２は、類似度が上位ｎ番目までの専門家データの知見を対象本人情報データに対して関連付ける（Ｓ２０４）。すなわち、対象本人情報データの項目及び詳細と各専門家データの項目及び詳細との類似性に基づいて、対象本人情報データに関連付けられる専門家データが選択される。但し、類似度に対して閾値が設けられ、当該閾値以上の類似度が計算されなかった場合には、対象本人情報データに対して関連付けられる専門家データは選択されなくてもよい。この場合、対象本人情報データに対する専門家データは不足することになる。

ループ処理Ｌ３が、全ての本人情報データについて実行され、ループ処理Ｌ２が、全ての分類について実行されると、取得部１２は、例えば、対象者の本人情報データに対して知見が関連付けられたデータの集合（以下、「本人ナラティブテーブル」という。）を出力する（Ｓ２０５）。この際、本人ナラティブテーブルは、対象者の識別情報（氏名又はＩＤ等）に関連付けられてナラティブＤＢ１２４に記録される。また、本人ナラティブテーブルは、情報処理装置１０に接続された表示装置、又は情報処理装置１０とネットワークを介して接続される端末に表示されてもよい。

図１８～図２１は、本人ナラティブテーブルの構成例を示す図である。図１８～図２１には、便宜上、分類別に本人ナラティブテーブルが分割されて示されているが、全体で１人の対象者（個人）に対する本人ナラティブテーブルである。すなわち、本人ナラティブテーブルは、個人ごとに生成される。図１８は、本人ナラティブテーブルのうちの基本情報に関するデータ群を示す。図１９は、本人ナラティブテーブルのうちの能力・経験に関するデータ群を示す。図２０は、本人ナラティブテーブルのうちの趣味・嗜好に関するデータ群を示す。図２１は、本人ナラティブテーブルのうちの関係性に関するデータ群を示す。

図１８～図２１に示されるように、本人ナラティブテーブルは、本人情報に対して専門家の知見が関連付けられたデータである。なお、図３以降の処理手順が周期Ｔ１の間隔で定期的に実行される場合、ステップＳ２０５において出力される本人ナラティブテーブルは、直近の周期Ｔ１における知見を含むことになる。

上述したように、第１の実施の形態によれば、或る人（対象者）に関する日々の明示的な記録情報を手がかりとして、専門家による知見に基づく暗示的な情報を得ることができる。したがって、或る人に関する暗示的な情報の把握を支援することができる。その結果、ケアマネージャーなどの介護専門職や地域の生活支援コーディネーター、ソーシャルワーカー等による、対象者の性格や気持ちに寄り添ったケアを期待することができる。

なお、本実施の形態では、対象者の候補が被介護者である例について説明したが、例えば、児童や他人からの援助を受けている者等が、対象者の候補とされてもよい。この場合の専門家は、当該援助に関する専門家となる。

次に、第２の実施の形態について説明する。第２の実施の形態では第１の実施の形態と異なる点について説明する。第２の実施の形態において特に言及されない点については、第１の実施の形態と同様でもよい。

図２２は、第２の実施の形態における情報処理装置１０の機能構成例を示す図である。図２２中、図２と同一部分には同一符号を付し、その説明は省略する。

図２２において、情報処理装置１０は、更に、付与部１３を有する。付与部１３は、情報処理装置１０にインストールされた１以上のプログラムが、ＣＰＵ１０４に実行させる処理により実現される。

図２３は、第２の実施の形態において付与部１３が実行する処理手順の一例を説明するためのフローチャートである。図２３の処理手順は、対象者について図１０の処理手順の実行後に実行される。

ステップＳ３０１において、付与部１３は、対象者の直近の本人ナラティブテーブル（図１８～図２１）をナラティブＤＢ１２４から取得する。直近の本人ナラティブテーブルとは、直近の周期Ｔ１において対象者に関して生成された本人ナラティブテーブルをいう。

続いて、付与部１３は、本人ナラティブテーブルを項目及び詳細の組み合わせごとに区切る単位（以下、「本人データ」という。）ごとに、当該本人データにおける本人情報（項目及び詳細）から名詞を抽出する（Ｓ３０２）。続いて、付与部１３は、本人データごとのループ処理Ｌ５を実行する。ループ処理Ｌ５は、ステップＳ３０３～Ｓ３０５を含む。以下、ループ処理Ｌ５において処理対象とされている本人データを「対象本人データ」という。

ステップＳ３０３において、付与部１３は、対象本人データに関してステップＳ３０２において抽出された各名詞について、本人ナラティブテーブルの全ての本人情報（すなわち、全ての本人データの本人情報（項目及び詳細）における出現頻度（出現回数）をカウントする。この際、各名詞の類義語も当該名詞の出現頻度としてカウントされてもよい。例えば、「教員」の出現頻度について、「小学校教諭」又は「教員」の出現頻度が加算されてもよい。また、「小さいころ」の出現頻度について、「幼少期」や「子どもの時」も「小さいころ」の出現頻度が加算されてもよい。なお、各名詞の類義語は、例えば、公開されている類義語辞書等を用いて判別されればよい。

続いて、付与部１３は、対象本人データの名詞ごとに、当該名詞についてカウントされた出現頻度に基づく重み（以下、「重要度」という。）を算出する（Ｓ３０４）。例えば、或る名詞の重要度は、本人ナラティブテーブルの全ての本人データの本人情報（項目及び詳細）の名詞の総数に対する当該或る名詞の出現頻度の比率として算出されてもよい。例えば、当該総数が４２であり、「珈琲」の出現頻度が２であり、「幼少期」の出現頻度が３であったとする。この場合、「珈琲」及び「幼少期」のそれぞれの重要度であるＴＦ珈琲、ＴＦ幼少期は、以下のように算出されてもよい。
ＴＦ珈琲＝２／４２＝０．０５
ＴＦ幼少期＝３／４２＝０．０７
続いて、付与部１３は、対象本人データの名詞ごとに算出された重要度のうち、最大の重要度を対象本人データに対して付与し、重要度が付与された対象本人データをナラティブＤＢ１２４に書き戻す（Ｓ３０５）。ここで、重要度は、本人にとっての重要度を示すものと考えられる。したがって、各本人データに対して重要度が付与されることで、各本人データに対する重要性の差異をナラティブＤＢ１２４に与えることができる。

なお、上記では、重要度の算出に際し、直近の本人ナラティブテーブルのみが考慮される例を示したが、定期的に生成される過去ｘ回分の対象者の本人ナラティブテーブルが利用された重要度が算出されてもよい。例えば、以下の式に基づいて、名詞ａの重要度が算出されてもよい。
重要度＝直近の名詞ａの出現頻度／直近の名詞総数×ｌｏｇ（過去ｘ回の名詞総数／過去ｘ回の名詞ａの出現頻度）
この式は、ＴＦ－ＩＤＦの応用に基づく。

この場合の具体例を説明する。図２４は、過去の本人ナラティブテーブルが考慮された重要度の算出例を説明するための図である。図２４には、「珈琲」及び「幼少期」のそれぞれの名詞について、直近の本人ナラティブテーブルにおける出現頻度と、過去ｘ回（直近も含む）の本人ナラティブテーブルにおける出現頻度とが示されている。この場合、上記の式に基づけば、「珈琲」及び「幼少期」のそれぞれの重要度（ＴＦ珈琲、ＴＦ幼少期）は、以下のように算出される。
ＴＦ珈琲＝２／４２×ｌｏｇ（１００／２）＝０．１９
ＴＦ幼少期＝３／４２×ｌｏｇ（１００／２０）＝０．１１
但し、その他の公知の重み付け手法によって、各名詞の重要度が算出されてもよい。

図２３の処理手順が実行されることにより、図１８～図２１に示した本人ナラティブテーブルは、図２５～図２８に示されるように更新される。

なお、付与部１３は、重要度が付与された本人ナラティブテーブルを表示等の方法で出力してもよい。

上述したように、第２の実施の形態によれば、本人ナラティブテーブルを構成する各本人データに重要度が付与される。当該各本人データは、本人にとっての大切さは一様ではないため、重みづけを行うことで、専門職が目標・課題設定を行う上で、重点的に考慮すべき情報を提示可能とすることができる。

次に、第３の実施の形態について説明する。第３の実施の形態では第１の実施の形態と異なる点について説明する。第３の実施の形態において特に言及されない点については、第１の実施の形態と同様でもよい。

図２９は、第３の実施の形態における情報処理装置１０の機能構成例を示す図である。図２９中、図２と同一部分には同一符号を付し、その説明は省略する。

図２９において、情報処理装置１０は、更に、分類部１４、入力部１５及び更新部１６を有する。これら各部は、情報処理装置１０にインストールされた１以上のプログラムが、ＣＰＵ１０４に実行させる処理により実現される。

図３０は、第３の実施の形態において情報処理装置１０が実行する処理手順の一例を説明するためのフローチャートである。

ステップＳ４０１において、分類部１４は、例えば、ユーザによって指定された１人以上の各被介護者の本人ナラティブテーブルをナラティブＤＢ１２４から取得する。ここで、本人ナラティブテーブルは、分類ごとの本人データの集合である。なお、取得対象は、直近の本人ナラティブテーブルであってもよいし、過去複数回分の本人ナラティブテーブルであってもよい。

続いて、分類部１４は、取得された全ての本人ナラティブテーブルに含まれる全ての本人データの集合（以下、「全本人データ群」という。）のうちの２つの本人データの全ての組み合わせについて、「詳細」に含まれる文字列の類似度を計算する（Ｓ４０２）。なお、文字列同士の類似度は、公知の方法を用いて計算されればよい。

続いて、分類部１４は、２つの本人データの組み合わせごとの類似度（類似性）に基づいて、全本人データ群についてクラスタリングを行い、全本人データ群を複数のクラスタ（グループ）に分類する（Ｓ４０３）。なお、クラスタリングは、公知の方法に基づいて行われればよい。続いて、分類部１４は、クラスタごとに、当該クラスタに属する本人データ群の中で「詳細」に含まれる情報量が最も多い本人データを代表データとして選択する（Ｓ４０４）。すなわち、クラスタごとに本人データが１つずつ選択される。当該情報量は、単語数によって計測されてもよいし、文字数によって計測されてもよい。続いて、分類部１４は、クラスタごとに、当該クラスタの代表データ以外の本人データ（以下、「非代表データ」という。）に対して、代表データのＩＤを付与（記録）する（Ｓ４０５）。

図３１は、非代表データに対する代表データのＩＤの付与の例を示す図である。図３１には、２つの本人データを含むクラスタの例が示されている。図３１において、「詳細」の２番目の本人データの方が「詳細」の情報量が多い。したがって、２番目の本人データが代表データとして選択され、１番目の本人データには、代表データのＩＤが「参照先」の値として記録される。すなわち、非代表データに対して代表データへのリンクが付与される。なお、第１の実施の形態において、各本人データのＩＤの図示は、便宜上省略されていた。

続いて、入力部１５は、代表データの一覧を含む画面（以下、「代表データ一覧画面」という。）をユーザ端末に表示する（Ｓ４０６）。ユーザ端末とは、ユーザ（ここでは、専門家）が利用する端末である。また、代表データ一覧画面において、各代表データの「専門家の知見」の列は編集可能な状態とされる。

続いて、入力部１５は、代表データ一覧画面のうちのいずれかの代表データの「専門家の知見」に対して入力（新規入力又は更新（修正））を受け付け、当該入力をナラティブＤＢ１２４の代表データへ反映する（Ｓ４０７）。

図３２は、代表データの「専門家の知見」に対する入力の受け付け例を示す図である。図３２には、図３１において代表データとして選択された本人データの「専門家の知見」の「洞察」、「アプローチの仮説」、「支援・目標の仮説」に対して、専門家による見解が新たに入力された例が示されている。なお、代表データ一覧画面に含まれる１以上の代表データのうち、「専門家の知見」について入力対象とされる代表データは、「専門家の知見」が空である（すなわち、「専門家の知見」が不足している）代表データに限定されてもよい。換言すれば、このような代表データのみが代表データ一覧画面に含まれてもよい。但し、既に「専門家の知見」が入力されている代表データについて、既存の内容が編集（変更）されてもよい。

又は、クラスタに属する本人データ群のうち、「専門家の知見」が含まれるデータの数が所定の数より少ない（若しくは該当のデータの数が０である）クラスタの代表データ、若しくは、本人データ群に含まれるデータ総数に対する「専門家の知見」が含まれるデータの数の比率が所定の値より低いクラスタの代表データのみが、代表データ一覧画面に含まれるようにしてもよい。

また、クラスタに属する本人データ群の中のデータであって、代表データ以外のデータの中に「専門家の知見」が含まれるものがある場合には、代表データの「専門家の知見」の欄に、クラスタに属する本人データ群の中の「専門家の知見」が転記されてもよい（代表データに元々含まれていた「専門家の知見」の欄の内容とマージされてもよい。）。このようにして作成された代表データは、代表データ一覧に表示することで「専門家の知見」の欄を編集可能にしてもよい。逆に、代表データ一覧に表示しないようにしてもよい。

続いて、更新部１６は、「専門家の知見」に対して入力が行われた代表データの「専門家の知見」の内容を、ナラティブＤＢ１２４において当該代表データの参照元である非代表データの「専門家の知見」へコピーする（Ｓ４０８）。代表データの参照元の非代表データとは、「参照先」に当該代表データのＩＤが記録された非代表データである。

図３３は、非代表データへの「専門家の知見」のコピーの例を示す図である。図３３には、図３１における代表データの「専門家の知見」に対する入力内容が、図３１における非代表データの「専門家の知見」へコピーされた例が示されている。

このように、専門家による１つの本人データに対する知見の入力が、当該本人データと類似する１以上のデータへコピーされる。

続いて、更新部１６は、「専門家の知見」が更新された代表データのクラスタ（以下、「更新クラスタ」という。）ごとに、更新クラスタに含まれる各本人データの「分類」、「項目」及び「専門家の知見」を含み、更新クラスタに含まれる本人データの「詳細」の中で情報の抽象度が最も高い「詳細」を含むデータを、新たな専門家データとして専門家ＤＢ１２３へ追加する（Ｓ４０９）。すなわち、専門家による入力結果が専門家ＤＢ１２３にも反映される。ここで、情報の抽象度の高さは、単語数又は文字数の少なさによって評価されてもよい。例えば、単語数が最も少ない「詳細」が、情報の抽象度が最も高い「詳細」として判定されてもよい。

例えば、図３１に示したクラスタであれば、１番目の本人データの「詳細」の抽象度が最も高い。したがって、当該クラスタの各本人データに対して、図３３に示したような「専門家の知見」が記録された場合、図３４に示すような専門家データが専門家ＤＢ１２３に追加される。

図３４は、専門家ＤＢ１２３に追加される専門家データの第１の例を示す図である。図３４において、１番目の専門家データの「分類」及び「項目」は、図３１の１番目の本人データの「分類」及び「項目」であり、２番目の専門家データの「分類」及び「項目」は、図３１の２番目の本人データの「分類」及び「項目」である。但し、図３４の各専門家データの「詳細」は、図３１の２番目の本人データの１番目の本人データの「詳細」である。このように、抽象度が最も高い「詳細」が専門家データへの登録対象とされるのは、取得部１２による本人情報と専門家データとの照合において、マッチ率の向上が期待できるからである。なお、図３４において各専門家データの「専門家の知見」は共通するため、図３４では、便宜上、各専門家データの「専門家の知見」は統合して表現されている。

但し、更新クラスタ内の各本人データの「分類」及び「項目」ごとに、更新クラスタ内の全ての「詳細」のバリエーションごとの専門家データが専門家ＤＢ１２３に追加されるようにしてもよい。この場合、図３１に示したクラスタに関して専門家ＤＢ１２３に追加される専門家データは、図３５に示した通りとなる。

図３５は、専門家ＤＢ１２３に追加される専門家データの第２の例を示す図である。図３５において、１番目の専門家データは、図３１の１番目の本人データの「分類」、「項目」及び「詳細」を含む。２番目の専門家データは、図３１の１番目の本人データの「分類」及び「項目」と、２番目の本人データの「詳細」とを含む。３番目の専門家データは、図３１の２番目の本人データの「分類」及び「項目」と、１番目の本人データの「詳細」とを含む。４番目の専門家データは、図３１の２番目の本人データの「分類」、「項目」及び「詳細」を含む。

なお、第３の実施の形態に対して第２の実施の形態が組み合わされてもよい。

上述したように、第３の実施の形態によれば、専門家の知見を効率的に獲得可能とすることができる。

以上、本発明の実施の形態について詳述したが、本発明は斯かる特定の実施形態に限定されるものではなく、請求の範囲に記載された本発明の要旨の範囲内において、種々の変形・変更が可能である。

１０情報処理装置
１１抽出部
１２取得部
１３付与部
１４分類部
１５入力部
１６更新部
１００ドライブ装置
１０１記録媒体
１０２補助記憶装置
１０３メモリ装置
１０４ＣＰＵ
１０５インタフェース装置
１２１ルールＤＢ
１２２本人情報記憶部
１２３専門家ＤＢ
１２４ナラティブＤＢ
Ｂバス

Claims

それぞれが個人の特徴を示す情報である個人特徴情報を含む複数のデータを、前記特徴を示す情報の類似性に基づいてグループに分類する分類部と、
前記グループに含まれるデータの中で前記データを構成する複数の項目のうちの所定の項目の情報量が最も多い１つのデータを提示する提示部と、
前記提示部が提示したデータが含む個人特徴情報から介護の専門家が読み解いた、当該個人特徴情報に係る個人の人間性又は当該個人が言葉にしていない思いを含む情報の入力を受け付ける入力部と、
前記入力部が情報の入力を受け付けたデータを、前記入力部が入力を受け付けた情報に関連付けて記憶部に記録する更新部と、
を有することを特徴とする情報処理装置。
前記更新部は、前記入力部が情報の入力を受け付けたデータと同じグループに分類されたデータに対して、前記入力部が受け付けた情報を関連付ける、
ことを特徴とする請求項１記載の情報処理装置。
それぞれが個人の特徴を示す情報である個人特徴情報を含む複数のデータを、前記特徴を示す情報の類似性に基づいてグループに分類する分類手順と、
前記グループに含まれるデータの中で前記データを構成する複数の項目のうちの所定の項目の情報量が最も多い１つのデータを提示する提示手順と、
前記提示手順が提示したデータが含む個人特徴情報から介護の専門家が読み解いた、当該個人特徴情報に係る個人の人間性又は当該個人が言葉にしていない思いを含む情報の入力を受け付ける入力手順と、
前記入力手順が情報の入力を受け付けたデータを、前記入力手順が入力を受け付けた情報に関連付けて記憶部に記録する更新手順と、
をコンピュータが実行することを特徴とする情報処理方法。
請求項１又は２記載の情報処理装置としてコンピュータを機能させることを特徴とするプログラム。