「病院」タグアーカイブ

食品3Dプリンタで見た目も食感も楽しい介護食の開発|山形大学




【目次】

■食品3Dプリンタで見た目も食感も楽しい介護食の開発|山形大学

楽しい介護食 3Dプリンターで(2019/2/4、Yahooニュース)によれば、山形大学工学部は食べ物を噛む力や飲み込む力が弱くなった人にも、食べ物の形や食感を楽しんでもらおうと3Dプリンタで作った介護食の開発に取り組んでいるそうです。

お湯で変身する3Dトランスフォーム食品「3D恋鯉ゼリー」
お湯で変身する3Dトランスフォーム食品「3D恋鯉ゼリー」

参考画像:未来の食事を3Dプリンタでつくる―食品3DプリンタE-CHEF活用で、見た目も美しいゼリー食品の開発へ|スクリーンショット

未来の食事を3Dプリンタでつくる―食品3DプリンタE-CHEF活用で、見た目も美しいゼリー食品の開発へによれば、山形大学の宮瑾(ぐんじん)助教、古川英光教授らは食品3Dゲルプリンタの技術を開発し、その一つの例として、お湯をかけるとゼリーが溶けてスープに変わり、見た目も鯉から恋(ハート)に変わる3Dトランスフォーム食品「3D恋鯉ゼリー」を開発しています。

見た目が変わるだけでなく、スープに変わったときにとろみがつくことにより、誤嚥を防ぐという機能性も持ち合わせたものになっています。

未来の食事を3Dプリンタでつくる―食品3DプリンタE-CHEF活用で、見た目も美しいゼリー食品の開発へ
未来の食事を3Dプリンタでつくる―食品3DプリンタE-CHEF活用で、見た目も美しいゼリー食品の開発へ

参考画像:未来の食事を3Dプリンタでつくる―食品3DプリンタE-CHEF活用で、見た目も美しいゼリー食品の開発へ|スクリーンショット

未来の食事を3Dプリンタでつくる―食品3DプリンタE-CHEF活用で、見た目も美しいゼリー食品の開発へにも書かれていますが、従来の高齢者向けの食べ物を小さく刻んだ「きざみ食」、ミキサーにかけてドロドロにした「ミキサー食」は見た目が悪く、またまとまりが悪いために帰って誤嚥を引き起こしやすいものであるという問題があります。

この技術がさらに進めば、個人個人の体調や好みに合わせた食事(硬さ・食感・形など)を作れることで、将来的に介護福祉施設・病院の給食システムとしての利用が期待されます。

■「食べる」という行為が人間にとっての喜びにつながっている

食品3Dプリンタで見た目も食感も楽しい介護食の開発|山形大学
食品3Dプリンタで見た目も食感も楽しい介護食の開発|山形大学

unsplash-logoBrooke Lark

普段健康に過ごしている人にとっては、食事をすることは特別なことではなく、人によっては食事しないで生きていければと考えている人もいるのではないでしょうか?

しかし、先日介護に携わる方に話を聞いた際に驚いたのは、「食べる」という行為が人間にとっての喜びにつながっているという視点でした。

高齢者の介護では3分炊き、5分炊きといったように介助レベルに応じて食事を作り、提供するのですが、本当に食事が難しくなると、おかゆの液体部分をすくったようなものを食事として提供するそうです。

そこまでいくと、腹部に穴を開けて胃に直接水分や栄養を送る「胃ろう」を選択してはどうかと考えることもあるそうです。

ただ、大事なのは、食事における噛んだり、飲み込んだりすることの大事さであり、そのことが食べることへの喜びにつながるため、その選択をするのは難しいとのことでした。

【参考リンク】

高齢者でも食べやすいカステラ「なめらかすてら」の開発|高齢者の低栄養の問題と嚥下障害の問題を解決する|ゆめカステラプロジェクトのように、高齢者や嚥下障害をもつ方でも食べやすいカステラ「なめらかすてら」は食べる喜びを守る食べ物の開発が行われています。

食べる楽しみを最後まで残していけるように、今回紹介したような技術が活用されるようになっていくといいですね。







【関連記事】
続きを読む 食品3Dプリンタで見た目も食感も楽しい介護食の開発|山形大学

【#主治医が見つかる診療所】γ-GTPの数値|NASH|フィブロスキャン|肝臓を元気にする食材!

> 健康・美容チェック > 肝臓 > 肝臓の数値 > γ-GTP > 【主治医が見つかる診療所】γ-GTPの数値|NASH|フィブロスキャン|肝臓を元気にする食材

2016年5月30日放送の「主治医が見つかる診療所」のテーマは「肝臓の新常識&酒豪タレント肝臓ドックSP」です。




【目次】

■γ-GTP(ガンマ―ジー・ティー・ピー)の数値からわかること

DANCE : NASTYRAY + FLOOR DRAMA

by bobbi vie(画像:Creative Commons)

γ-GTPは、肝臓、腎臓、すい臓、脾臓、小腸などに含まれている解毒作用に関係している酵素で、アルコールに反応します。

このγ-GTPは、お酒を飲んだ時などに肝臓がダメージを受けて壊れた時に血液中に流れ出すため、肝臓に負担がかかっているかどうかを示す一つの指標になります。

γ-GTPの数値の基準値 50

お酒を飲まず、γ―GTPの数値が正常なのにかかわらず、肝臓病である人が増えているそうです。

■お酒を飲まないのにもかかわらず肝臓病になることがある!?

69歳女性は63歳のとき、お酒を飲まないのにもかかわらず、健康診断で肝臓が悪いということがわかったそうです。

病名は、非アルコール性脂肪性肝炎(NASH)

NASHは、肝臓の細胞が炎症を起こして、肝機能が低下している状態です。

NASHには自覚症状がありませんが、人によっては、だるさや食欲不振といった症状がみられることがあります。

NASHを放っておくと、肝硬変肝臓がんになる恐れがあります。

NASHの原因は太りすぎからの脂肪肝です。

脂肪肝の原因の一つは肥満、もう一つは過度の飲酒です。

20代の時と比べて20kg以上増えている場合は、内臓脂肪や肝臓に脂肪がたまっていても不思議はないと思われます。




最新の肝臓検査「フィブロスキャン」

NASHを精度よく診断できる手法を開発−大阪市立大によれば、超音波などを出す装置(フィブロスキャン)を腹部に当てると、NASHを判定する指標となる「脂肪の蓄積量」と「肝臓の硬さ」を測定できるそうです。

【肝臓にたまった脂肪の量(dB/m)】

230以上 脂肪肝の疑い

250以上 脂肪肝

※この数値は病院によって違いがあります。

肝臓を元気にする食材

●納豆

●イカ・タコ

タウリン

●枝豆

イノシトールが肝臓の脂肪合成を抑えてくれるので、脂肪肝を予防してくれます。

●ハトムギ

肝臓の機能である解毒機能を高めて、皮膚のシミやそばかすに役立つそうです。

【関連記事】

●パプリカ

βカロテンは抗酸化作用が強く、体内に入りビタミンAになると肝臓の線維化を防ぐので肝硬変の予防になることが期待できるそうです。







肝臓関連ワード

続きを読む 【#主治医が見つかる診療所】γ-GTPの数値|NASH|フィブロスキャン|肝臓を元気にする食材!

「健康になりたければ病院を減らせ」の因果関係について考えてみた|#AIに聞いてみた|#NHKスペシャル




【目次】

■AIに聞いてみた どうすんのよ!?ニッポン

ARTIFICIAL INTELLIGENCE FROM GOOGLE: THE FUTURE TECHNOLOGIES

by Strelka Institute for Media, Architecture and Design(画像:Creative Commons)

2017年7月22日放送のNHKスペシャル『AIに聞いてみた どうすんのよ!?ニッポン』では、公的な統計データや民間のデータ、大学や研究機関の調査など700万を超えるデータを「パターン認識」や「機械学習」という手法を用いて、社会に関する5000種類の情報の「つながり」や「近さ」をネットワークとして描き出した図を作成したそうです。

AIに聞いてみた どうすんのよ!?ニッポン|NHK

学習させたのは、経済産業省や総務省などの公的な統計データから、ハンバーガー店やラーメン店の数といった民間のデータ、さらには20代から80代までの個人を10年以上追跡している大学や研究機関の調査など700万を超えるデータです。
番組で紹介する”社会構造のネットワーク”は、膨大なデータの中から特徴を見つけ出すことができる「パターン認識」や「機械学習」という手法を用い、さらに、WikipediaやNHKのニュース原稿など、100万本を超える記事を「ディープラーニング」によって学習させることで、社会に関する5000もの情報の「近さ」や「つながり」を描き出した図です。数値的な振る舞いがただ「似ている」だけなく、現実世界で私たちが共に語る”近しい関係”といった概念もネットワークには色濃く反映されています。そのため、明らかに相関のないものがつながることもあります。

ここでまず行われる議論の一つとして、「AIに聞いてみた」とあるが「人工知能(AI)の定義とは何か?」がわかっていないため、本当にAIに聞いてみたことになるのか、単なるビッグデータでは?という意見です。

人工知能の定義について調べてみると、総務省によれば、『知性』や『知能』自体の定義がないことから、人工知能を定義することは難しいそうです。

【参考リンク】

最初の時点で言葉の定義がはっきりしていないことにより、計算能力が高いものをAIと呼んでしまっていることも多く、そのため、AIとAIもどきの区別がつかないと思って、AIもどきの製品が商品化されている状況にあるくらいなのだそうです。

AIもどきではなく本当のAIを作るために重要なことは、1.世界に共通した人工知能(AI)の定義を作ること、2.学習用データ(現実世界の情報)を持っていることをを示すこと、だと思います。

今回NHKが開発した「社会問題解決型AI」は、公的な統計データ、民間のデータ、大学や研究機関の調査など700万を超えるデータが入っているということでしたので、加工されていないリアルな世界の一次情報ではないものの、一般の研究者ができる範囲を超えたデータ量・種類であると感じます。

AIが学習したデータ|「NHKスペシャル『AIに聞いてみた どうすんのよ!?ニッポン』」
AIが学習したデータ|「NHKスペシャル『AIに聞いてみた どうすんのよ!?ニッポン』」

参考画像:AIが学習したデータ|「NHKスペシャル『AIに聞いてみた どうすんのよ!?ニッポン』」|NHKスクリーンショット

Twitterのハッシュタグ「#AIに聞いてみた」を見てみると、相関関係と因果関係が混同しているという意見が目立ちました。

データとデータを糸でつなぎ、ある一点をつまむと、全く関係のないと思っていた項目が引きずられて出てきたというのが今回の番組の印象だったのですが、相関関係と因果関係が混同しているという意見が出てきたのは、学習用データの質・量に問題があるのか、開発したAI・製作者側に問題があるのか、どういうものであれば相関関係と因果関係が混同していないものができたのか、についてはわかりません。

ただ、そうしたもの全部含めて、いったん棚上げして(専門家に任せるしかわからない)、番組で出てきた提言について考えてみました。




■健康になりたければ病院を減らせ

前置きが長くなりましたが、「健康になりたければ病院を減らせ」という提言について考えてみたいと思います。

健康になりたければ病院を減らせ|NHKスペシャル
健康になりたければ病院を減らせ|NHKスペシャル

参考画像:健康になりたければ病院を減らせ|NHKスペシャル|スクリーンショット

病院の数が多い(医師の数が多い)というのは安心材料の一つでもあり、病院に近いところを選ぶというのは不動産選びの材料の一つになっているものだと思っていました。

しかし、今回NHKが開発したAIは、「健康になりたければ病院を減らせ」という提言をしています。

その理由について想像してみました。

※ここからの意見は番組内容をまとめたものではなく、「健康になりたければ病院を減らせ」という提言について、こういう因果関係があるのではないかと勝手に想像したものですので、ご了承ください。

※因果関係がないといわれているものに勝手に因果関係をつけて考えるとどうなるかという実験ともいえるかもしれません。

●病院の数が減ることで優秀な医師が残るようになるから

年齢が若い医師のほうが患者の死亡率が低い!|年長の医師のほうが経験年数の少ない医師に比べて医学的知識が少なく、ガイドラインに合わせた治療を行わない!?で紹介したBMJ(英国医師会雑誌)に掲載された研究によれば、年齢が若い医師のほうが患者の死亡率が低いということが分かったそうです。

「超一流になるのは才能か努力か?」(著:アンダース・エリクソン)

超一流になるのは才能か努力か?

新品価格
¥1,998から
(2017/5/19 15:50時点)

医者と、遊びでテニスをしている人たちとのこうした類似点を指摘したのは2005年にハーバードメディカルスクールの研究チームが発表した論考だ。彼らは医師が提供する治療の質が時間とともにどのように変化するかに関する研究を幅広く調べている。医者としての活動年数が長いほど能力が高まるのであれば治療の質も経験が豊富になるほど高まるはずである。しかし結果まさにその逆だった。論考の対象となった60あまりの研究のほぼ全てにおいて医師の技能は時間とともに劣化するか良くても同じレベルにとどまっていた。年長の医師のほうがはるかに経験年数の少ない医師と比べて知識も乏しく適切な治療の提供能力も低く研究チームは年長の医師の患者はこのために不利益を被っている可能性が高いと結論づけている。p184

簡単にまとめると、長年経験を積んだ医師のほうが知識も技能が蓄積されていると期待している人が多いと思いますが、60ほどの研究によれば、医師の技能は時間とともに劣化してしまうものであり、また年長の医師のほうが経験年数の少ない医師に比べて医学的知識が少なく、ガイドラインに合わせた治療を行わない傾向になるため、年長の医師の患者は質の低い医療を受けている可能性があるというものです。

「超一流になるのは才能か努力か?」(著:アンダース・エリクソン)

特に複雑な症例の診断を下す医師は患者の状態について膨大な情報集めそれを吸収し適切な医学知識と結びつけて結論を導き出さなければならない。その過程では少なくとも3つの異なる作業が必要になる。それは患者についての情報を集めること、関連する医学知識を思い出すこと、そして情報と医学知識を総合して「おそらくこれだろう」と思われる症例を絞り込み想定される診断を特定して適切なものを選ぶことである。p108

病気を診断するにあたって、患者のデータと医学知識を組み合わせて適切なものを選択する必要がありますが、医師は、常に新しい知識をアップデートしていかなければ、患者にとって質の低い治療を行なってしまう恐れがあるのです。

C型肝炎の治療薬は劇的に進歩し、今では90%近くの患者が治る!によれば、C型肝炎治療薬は劇的に進歩し、今では90%近くの患者が治るようになっているそうですが、その一方で、10年20年以上前の知識を持った医師たちによって、治療が勧められないというケースもあるそうです。

病院の数を減らすということは、優秀な医師が残りやすくなるということによって、健康になるということは考えられないでしょうか?

●病院の数が減る=病院が集約されることにより、システム投資が進む

また、病院数が減るというとネガティブなイメージがありますが、病院が集約されると考えると、システムに投資ができるとも考えられます。

病院のネットワークシステムを改善することによる医療者と患者のメリットとは?|群馬大病院とNECネッツエスアイのケースによれば、従来とのシステムと比べて高速化したことにより、患者・医療者にとっての負担軽減につながり、また、データの確認がすぐにできることにより安全性もアップすることが期待されるそうです。

また、患者と医療者がコミュニケーションをとる時間も多く取れるようになるとも考えられます。

女性医師の治療を受けた患者は生存率が高い!?|医師の患者に対する共感・コミュニケーションが重要な役割を果たしている?によれば、医療における医師と患者のコミュニケーションの重要性は高まっています。

コミュニケーションの重要性が高まっているのには以下のような理由があります。

  • 主たる病気が生活習慣病へ移行したことで、ケア(care)やマネジメント(management)が大きな位置を占めるようになった
  • 患者が医療情報に触れる機会が増えたが、その情報に混乱している患者も増加
  • 医学の進歩により市民の一部は医学を万能と考えるようになり、医療への過度の期待を生んでいる

患者に対して適切な医療を行うためには、医師が患者の言葉に耳を傾け(傾聴)、気持ちを受け入れ(受容)、そのうえで医師として適切な情報を患者にわかりやすい言葉で伝えることが重要になります。

また、患者が持っている間違った医学的知識を訂正することは重要ですが、そのやり方が重要だということですよね。

まずは、患者がどのような悩み・苦労を抱えているのか、患者の声に耳を傾け、それを受け入れることによって、医師と患者間での信頼関係が生まれ、その後のケアやマネジメントが良好になると考えられます。

しかし、従来のシステムではそうした患者とのコミュニケーションにかけられる時間が少なくなってしまったり、コミュニケーションにかける時間を増やそうとすると、労働時間が増えることにより、医療者の心身の負担が増加してしまっていたのではないでしょうか。

そこで、病院が集約され、ネットワークシステムに投資することができれば、患者と医療者のコミュニケーションが増え、より良いケアができるようになることになり、健康になると考えられるのではないでしょうか?

【関連記事】

●病院の数が減ることにより、予防医療に重点がおかれるようになる

国民皆保険による医療、医師の半数「持続不能」|「#健康格差」を広げないために私たちができることで取り上げた日本経済新聞社などが実施したアンケート調査によれば、医師の半数が高齢化や医療技術の進歩で治療費が高額になっていることにより国民皆保険による医療が「持続不能」と答えているそうです。

病院数が減ることを前提に考えると、できるだけ病気にならないようにすることが重視され、予防医療・予防医学・予測医療が進められていくのではないでしょうか?

がん検診といった予防医療・予防医学に取り組んでいくことは医療費の削減するためにも今後重要になっていくと考えられますし、また、QOL(生活の質)の向上といった間接的なコスト削減も期待できると考えられます。

積極的に計画・実行する人はがん・脳卒中・心筋梗塞の死亡リスクが低い|国立がん研究センターで紹介した国立がん研究センターによれば、日常的な出来事に対して、積極的に解決するための計画を立て、実行する「対処型」の行動をとる人は、そうでない人に比べて、がんで死亡するリスクが15%低く、また、脳卒中リスクが15%低く、脳卒中心筋梗塞などで死亡するリスクが26%低いという結果が出たそうです。

その理由としては、日常的な出来事に対して、積極的に解決するための計画を立て、実行する「対処型」の人は、がん検診や健康診断を受診するため、病気の早期発見につながり、病気による死亡リスクが低下して可能性があるようです。

つまり、定期検診などの予防医学・予防医療を導入するということは、病気による死亡リスクが減少し、医療費の削減にもつながるということです。

今後は、医療とテクノロジーを組み合わせて、深刻な病気になる一歩前の段階、未病の段階で治療を行なっていくかがカギになっていくと思います。

今回のテーマと併せて考えると、病院の数を減らすと、病気にならないように予防医療への関心が高まり、病気になる一歩前の段階の未病の段階で治療が行われるようになって、病気による死亡リスクが低下し、健康になると考えられないでしょうか?

■まとめ

今回の提言は因果関係がわからないというのがポイントで、これからの時代はこうした形になっていくような予感もあります。

つまり、コンピュータが出した答えに対して、人間が後付けで理論や因果関係を考えていくという形です。

天才プログラマーが予測する「AIが導く未来」 人間の「なんとなく」は合理的に判断される

(2017/8/24、東洋経済オンライン)

言い方を変えると、今までのコンピュータによる最適化の能力では、答えは基本的に1つしかない。それがディープラーニングだと、答えがそもそもないのです。「確たる答えはないけど、なんとなくこう」っていうのがディープラーニングです。

電王・Ponanza開発者が語る、理由がわからないけどスゴイ“怠惰な並列化”

(2016/10/26、ASCII.jp)

体感で言えば、LazySMPは実はプログラマーには人気がない手法です。なぜかと言えば、前述のように結局のところどうしてうまくいくのか、その正確なところがプログラマーにはわからないからです。ディープラーニングも本質的にどうしてうまくいくのかわかっているプログラマーがいません。あくまで将棋プラグラム業界では、という話ですが。

<中略>

近代科学は対象を分解して、理由を解明していくことで世界を解き明かしてきました。しかし、近年の情報科学は人間の解釈性が著しく悪いアルゴリズムが時代の先端を走り始めています。要素を分解していっても、そこに本質を発見できていないのです。人間にはある程度以上の複雑な挙動がわからないのです。

このように、答えや本質的にうまくいっている理由はわからないけど、うまくいっているということだけはわかるということがこれからは多くなってくるでしょう。

自分の理解を上回ってしまったときに、それをコントロールすることができないため選択しないという人もいるでしょうし、理由はわからないけどうまくいっているのだからやってみようという人もいるでしょう。

電王・Ponanza開発者が語る、“自転車置き場の議論”に陥った指し手生成祭り

(2016/11/29、ASCII.jp)

人間は難しい問題に直面してしまった時、簡単な切り口を探しがちです。それ自体はまったく間違った行為ではないのですが、いつまでも簡単な切り口を求め続けることは必ずしも正しい判断ではないでしょう。人間はわからない状態をわからないままにしておくことにもストレスを感じ、わからないところに無理やり理由をつけようと考えるのが常です。

難しい問題の時には議論が起こらないのに、自分の理解ができる問題の時には議論が白熱するようなことを「パーキンソンの凡俗法則」や「自転車置き場の議論」という呼び方をするそうですが、これからは、「わからない」「理解できない」ことに対して、安易に答えを出すことなく、あきらめずにわからないままの状態で真正面から向き合い続ける姿勢が重要になってくるのではないでしょうか。

まずは理解できない自分を認め、それでもそれに向き合い続けることが、現代科学を理解して紐解く鍵となるでしょう。理解できると傲慢になるのではなく、理解できないと空虚に走るでもなく、ただ見えないものを見ようとし続けることこそが、唯一この先を見る方法になると私は信じています。

わからないまま向き合い続けるというのはストレスがかかることかもしれませんが、これから先の未来では必要な資質となるのではないでしょうか。

「AlphaGo Zero」は、過去の打ち手のデータで強化学習をするのではなく、囲碁の基本ルールだけを教えて、対局を繰り返す(3日間で500万回の対戦)ことで上達し、トップ棋士を破ってきた「AlphaGo」に対して、100勝0敗という結果を出したそうです。

人工知能はどのようにして 「名人」を超えたのか?―――最強の将棋AIポナンザの開発者が教える機械学習・深層学習・強化学習の本質

新品価格
¥1,620から
(2017/10/27 15:32時点)

P.S.

Twitterのハッシュタグ「#AIに聞いてみた」を見てみると、みなさんさまざまな感想を持っているようです。

ただ、例えば、病院の診断支援システムにAIが導入されたとして、「因果関係はわからないけど、あなたはこういう病気の可能性が高い」といわれたときに、医師や患者はどう判断するのでしょうか。

どんなに医療にAIを活用しようとしても、医師や治療を受ける患者がその判断に疑いを持てば、利用することはできません。

つまり、AIに対する信用度を高めていく必要があるわけです。

そういう意味でも、今回の「AIに聞いてみた」という番組には価値があったのではないでしょうか?







【関連記事】
続きを読む 「健康になりたければ病院を減らせ」の因果関係について考えてみた|#AIに聞いてみた|#NHKスペシャル

Uber、医療機関と連携して患者の送迎を助けるサービス「Uber Health」ローンチ|背景にある3つの問題とは?

【目次】




■Uber、医療機関と連携して患者の送迎を助けるサービス「Uber Health」ローンチ|背景にある3つの問題とは?

Uber Health
Uber Health

参考画像:Introducing Uber Health, Removing Transportation as a Barrier to Care(2018/3/1、UBER)|スクリーンショット

Uberのニュースリリースによれば、Uberは、医療機関と連携して患者の送迎を助けるサービス「Uber Health」を立ち上げたそうです。

病院などの医療機関が患者の診察時間に合わせて配車予約をすることができ、医療機関は配車料金を1か月分まとめて払うため、患者は無料で利用できるそうです。

また、HIPPA基準を満たすため、HIPAAのコンプライアンス企業であるClearwater Complianceと協力しているそうです。

【補足】HIPAAとは?

米国のHIPAA法における個人情報等の保護に関する規定について|厚生労働省

1996年にHIPAA(Health Insurance Portabilityand Accountability Act of 1996;医療保険の携行性と責任に関する法律)が制定。

なぜUberは「Uber Health」を立ち上げたのでしょうか?

背景として挙げられているのが3つ。

1.交通機関がないために診療時間に来られない患者(交通弱者)がいること

2.そのことによって患者の治療の継続が難しいこと

3.医療機関の予約キャンセルが問題になっていること

毎年360万人のアメリカ人が交通機関がないために医師とのアポイントを逃しているそうです。

ノーショー(予約をした人がキャンセルの連絡もないまま現れないこと)率は全国的に30%と高い数字です。

医療機関と患者をつなぐ輸送手段がないことによって、医療を受けたくても受けられない患者が出てくることで医療費が増えることが考えられますし、また、予約した患者がキャンセルすることによる医療機関のロスも問題であったため、「Uber Health」というのは良いアイデアといえるのではないでしょうか。




■まとめ

以前、トヨタ、「車を売る会社」から「モビリティー・サービス企業」への転換|自動運転や電動化技術を用いた移動車両サービス「E-PALETTE CONCEPT」の特徴|AMAZONやUBER、PIZZA HUT、滴滴出行と提携| #CES2018では、自動運転や電動化技術を用いて小売りや外食、配送など様々な事業者が活用できる移動車両サービス「e-Pallete(イーパレット)」によって、買い物難民(買い物弱者)問題や物流のラストワンマイル、移動弱者(交通弱者)問題を解決する一つの方法になっていくことが期待されると紹介しました。

また、#UBER、インフルエンザ予防接種をデリバリーできる1日限定のキャンペーンを実施では、日本でいう往診サービスにUBERという仕組みを組み合わせたアイデアを紹介しました。

#モバイルファーマシー|災害時に薬局が機能しない場合でも、医師の処方薬を提供できるでは、災害時に薬局が機能しない場合でも、医師の処方薬を提供できる車両「モバイルファーマシー」を取り上げました。

これらのアイデアを組み合わせれば、病院機能の集約した車両「モバイルホスピタル」によって、医療機関に行きたくても移動手段がないため行くことができない移動弱者(交通弱者)問題を解決することにつながるかもしれません。

さらに進めれば、地域の中核病院が中心となり、「モバイルホスピタル」「モバイルファーマシー」を適切に配置して、さらに動きづらいところにはドローンを活用するようになるのではないでしょうか。

2017年度から2019年度までの3年間の研究開発や福島浜通りでの飛行実証等を通じて、ドローンの社会実装に向けた環境整備につなげるとともに、国際標準化を目指す。|新産業構造ビジョン|経済産業省
2017年度から2019年度までの3年間の研究開発や福島浜通りでの飛行実証等を通じて、ドローンの社会実装に向けた環境整備につなげるとともに、国際標準化を目指す。|新産業構造ビジョン|経済産業省

参考画像:「新産業構造ビジョン」(2017/5/29、経済産業省)

【関連記事】

The Matternet Station

The Matternet Station|自律型ドローン配達ネットワークが配備されることで医療に革命が起こる!?|スイスでは、The Matternet Stationというネットワークシステムが全国だけでなく全世界につながれば、通信機能を持った端末同士が相互に通信を行うことにより、網の目状に作られる通信ネットワークであるメッシュネットワークのようにノードからノードへ転送を行うようにした医療用アイテムの配送が可能になるかもしれませんと紹介しました。

そのためにも必要になるのが医療データの一元化ですよね。

「お薬手帳」を避難時に持ち出すことの有効性が熊本地震で再確認によれば、お薬手帳を見ることで、それまで要観察者リストから漏れていた人も病気の特定ができ、健康状態の悪化を防ぐことができたケースがある一方で、お薬手帳がないために、適切な薬の処方を判断に苦しんだケースもあったそうです。

健康・医療・介護データを経年的に把握できるリアルデータプラットフォームの構築|新産業構造ビジョン|経済産業省
健康・医療・介護データを経年的に把握できるリアルデータプラットフォームの構築|新産業構造ビジョン|経済産業省

参考画像:「新産業構造ビジョン」(2017/5/29、経済産業省)|スクリーンショット

経済産業省の「新産業構造ビジョン」によれば、個人が自らの生涯の健康・医療データを経年的に把握するため、また、最適な健康管理・医療を提供するための基盤として、健康・医療・介護のリアルデータプラットフォーム(PHR:Personal Health Record)を構築し、2020年度には本格稼働させていくことが必要と提案されています。

健康医療に係るリアルデータプラットフォーム|ICTを活用した「次世代型保健医療システム」の整備|新産業構造ビジョン|経済産業省
健康医療に係るリアルデータプラットフォーム|ICTを活用した「次世代型保健医療システム」の整備|新産業構造ビジョン|経済産業省

参考画像:「新産業構造ビジョン」(2017/5/29、経済産業省)|スクリーンショット

厚生労働省、個人の医療データの一元管理で医療の効率化目指す 2020年度から|「PEOPLE(ピープル)」
によれば、厚生労働省は、過去の病院での治療歴や薬の使用状況、健診結果など様々な情報を一元化したデータベースを2020年度からの運用を目指すということであり、避難時に持ち出すことができなくても、個人の医療データが一元化されたデータベースがあれば、災害時にも適切な治療が受けられることが期待されます。

医療データの一元化を行ない、地域の中核病院→かかりつけの病院・薬局→モバイルホスピタル・モバイルファーマシー→ドローン・ネットワークでネットワークがつながれば、もっと助かる人が増えるのではないでしょうか。

それにしても、ぜひ「Uber Health」は活用してみたいですね!







【参考リンク】
続きを読む Uber、医療機関と連携して患者の送迎を助けるサービス「Uber Health」ローンチ|背景にある3つの問題とは?

「高血圧」と診断されながら治療のために医療機関を受診していない人が約半数

健康・美容チェック > 高血圧 > 血圧が高い > 「高血圧」と診断されながら治療のために医療機関を受診していない人が約半数




■「高血圧」と診断されながら治療のために医療機関を受診していない人が約半数

sphygmomanometer

by Jasleen Kaur(画像:Creative Commons)

「高血圧」で医療機関未受診が約半数

(2010/1/26、医療介護CBニュース)

高血圧と診断されながら治療のために医療機関を受診していない人が約半数に上ることが、医師や農学系の研究者らのグループの調査で明らかになった。

受診しなかった理由については、「生活習慣を変えることで改善しようと思ったから」が35.4%で最も多かった。

高血圧と診断されても、治療のために医療機関を受診していない人が約半数だったそうです。

病院を受診しなかった理由については、「生活習慣を変えることで改善しようと思ったから」が35.4%で最も多かった。

以下は、「自覚症状がなかったから」(27.1%)、「放っておいても問題が無いと思ったから」(12.5%)、「治療費が高額になると思ったから」(10.4%)が続いた。

「生活習慣を変えることで改善しようと思ったから」というのは、前向きな理由ですので、まだ良いのではないでしょうか。

ただし、正しい改善の仕方を知る上でも、医療機関を利用するというのは大事なことだと思います。

「自覚症状がなかったから」「放っておいても問題がないと思ったから」という答えは、危険な答えだと思います。

改善出来る段階でしっかりと対策を行わなければ、後々が大変です。

高血圧と診断された段階で、生活習慣の改善が必要であるとの自覚が必要だと思います。

「医療費が高額になると思ったから」というのは、意外と多い答えなのではないでしょうか。

どのくらい必要なのか、金額・治療期間含めて不安な点は多いと思います。

この点を少し目安があると安心して治療を始める人も多いと思います。

つまり、高血圧の治療にどれくらいの費用・治療期間が必要であるかを明確に知らせることが重要なんですね。

そして、私たちは、高血圧と診断されたときには、しっかりと治療を行なっていきましょう!




→ 高血圧とは|高血圧の症状・食事・予防・原因・対策 について詳しくはこちら

→ 血圧を下げる方法(食べ物・サプリメント・運動) について詳しくはこちら




【高血圧関連記事】
続きを読む 「高血圧」と診断されながら治療のために医療機関を受診していない人が約半数