「AI」タグアーカイブ

法人登記をAI(Copilot)と一緒にやってみた。人間とAIはどう役割分担したのか?

「法人登記って、自分でできるんだろうか?」

会社を経営していても、登記手続を頻繁にするわけではありません。

今回、株式会社ハクライドウでは、役員の任期満了に伴う重任登記が必要になりました。

正直なところ、これまでなら「よく分からないし、専門家にお願いした方がいいのかな」と考えていた仕事です。

でも今回は、AIにサポートしてもらいながら、自分たちで登記申請に取り組んでみることにしました。

最終的には、

・申請者情報の登録
・必要書類の確認と作成
・QRコード付き登記申請書の作成
・申請前チェック
・データ送信
・印刷・押印
・収入印紙の準備
・法務局への郵送

まで一つずつ進め、最後には申請用総合ソフトに、「登記申請に関する手続きが完了しました。」と表示されました。

今回やってみて分かったのは、「AIが法人登記をやってくれた」ということではありません。

むしろ、AIが得意なことと、人間がやらなければならないことを組み合わせた結果、今まで難しいと思っていた仕事を進められた。

そこが一番面白かったところです。

■「法人登記」という大きな仕事を、一つずつ進める

最初から「法人登記をする」と考えると、かなり難しく感じます。

そこでAIに、

「まず何をすればいい?」
「この画面ではどれを選べばいい?」
「次に必要な書類は?」
「この項目には何を書く?」

と、一つずつ聞きながら進めました。

最初に登記・供託オンライン申請システムへ申請者情報を登録。

続いて「申請用総合ソフト」をインストールしました。

今回は、申請データをオンラインで送信した後、QRコード付きの申請書を印刷して添付書類と一緒に法務局へ提出する方法で進めました。

最初は大きく見えていた仕事も、

登録する → 資料を確認する → 書類を作る → 入力する → チェックする → 印刷する → 押印する → 郵送する

と分解すると、一つひとつは対応できる作業になります。

【ちょっとしたAI活用の補足:Task Decomposition】

こうやって大きな仕事を小さな作業に分解することは、Task Decompositionと呼ばれる考え方に近いものです。

AIには「全部やって」と丸投げするよりも、「次に何をすればいい?」と作業を小さくしながら進める方が、今回のような実務では使いやすいと感じました。

■AIの回答だけでなく、実際の資料を確認する

次に必要だったのが、現在の会社の登記内容や定款などの確認です。

ここでは、AIが「こうだと思います」と答えた内容をそのまま使うのではなく、実際の資料を確認しながら進めました。

会社によって状況は違います。

一般的な法人登記の知識だけ分かっても、自社の現在の登記内容と合っていなければ意味がありません。

そこでAIには、資料を読み解くこと、必要な確認事項を整理すること、申請内容との整合性を見ることを手伝ってもらいました。

そして最終的な事実は、実際の会社資料で確認する。

この役割分担は非常に重要でした。

【ちょっとしたAI活用の補足:Source of Truth】

この「何を正しい情報の基準にするのか」という考え方は、Source of Truth(信頼できる情報源)という考え方に近いものです。

AIが答えたから正しい、ではありません。

今回なら、

AIは確認を助ける。正式な資料を事実の基準にする。

この関係です。

今後、AIを仕事に使う場面が増えるほど、「AIは何を根拠として仕事をしているのか」を意識することは重要になりそうです。

■AIと一緒に必要書類を準備する

今回の申請では、株主総会議事録、株主リスト、取締役互選書、定款の提出用コピーなどを準備しました。

AIには、

「この書類には何が必要?」
「この書き方で整合している?」
「次はどの資料を確認する?」

と相談しながら進めました。

ただし、当然ですがAIが株主総会を開くわけではありません。

実際の意思決定をする。
内容を確認する。
押印する。

こうした部分は人間の仕事です。

今回の登記を振り返ると、AIが文書作成や整理を支援し、人間が意思決定して実行するという形になっていました。

【ちょっとしたAI活用の補足:Human-in-the-loop】

こうした「AIだけで完結させず、重要な判断や責任を伴うところに人間が入る」仕組みは、Human-in-the-loopという考え方で説明できます。

特に今回のような法務・行政手続では、この役割分担は大切だと感じました。

■AIも人間も見逃した間違いを、システムが見つけた

今回、一番印象に残った出来事があります。

申請書をほぼ作り終え、「これで大丈夫だろう」と申請前チェックを実行しました。

すると、役員氏名が登記記録どおりに記載されているか確認してくださいという指摘が出ました。

確認してみると、役員氏名の漢字を間違えて入力していました。

人間も気づいていませんでした。

AIとの確認でも見逃していました。

ところが、最後に申請システム側のチェックが拾ってくれました。

修正して、もう一度チェック。

今度は、「チェックOK」となりました。

これは今回かなり重要な経験でした。

【ちょっとしたAI活用の補足:Verification】

Verificationとは「本当に正しいのか、別の方法でも確認すること」と考えると分かりやすいと思います。

今回なら、

AIが確認する
↓
人間が確認する
↓
正式な資料と照合する
↓
申請システムでもチェックする

という形になっていました。

AIの性能がどれだけ上がっても、間違いが完全にゼロになるとは限りません。

人間も同じです。

だから、間違えないことだけを目指すのではなく、間違えても途中で発見できる仕組みを作る。

こう考えると、AIを実務に入れるときのヒントになりそうです。

■AIだけでは判断できないところは、法務局へ確認した

もう一つ印象的だったのが、提出書類の扱いについて判断に迷ったときです。

AIと何度か確認しましたが、それでも確信が持てないところがありました。

そこで、管轄の長崎地方法務局へ直接電話して確認しました。

そして、法務局の回答に従って手続きを進めました。

ここも今回重要だったポイントです。

AIを使っていると、つい、「最後までAIだけで答えを出したい」と思ってしまいます。

でも仕事の目的は、AIだけで解決することではありません。

仕事を正しく完了させることです。

【ちょっとしたAI活用の補足:Escalation】

AIだけでは判断できない。

資料を調べても確信が持てない。

そんなとき、より確かな確認先へ切り替えることをEscalation(エスカレーション)と考えることができます。

今回なら、

まずAIに聞く
↓
実際の資料を見る
↓
それでも分からない
↓
管轄法務局へ確認する

という流れでした。

「AIですべて解決する」のではなく、どこで別の確認手段へ切り替えるかを決めておく。

これも今後AIを実務で使うときに役立ちそうです。

■予想外に悩んだ「収入印紙貼付台紙」

今回、意外なほど時間を使ったのが収入印紙でした。

登録免許税として1万円分の収入印紙を購入。

収入印紙貼付台紙を準備し、申請書と一緒に整えました。

法人登記の内容そのものより、「収入印紙って、申請書に直接貼るの?別紙なの?」というところで何度も立ち止まるとは思いませんでした。

実際の仕事って、こういうものなのかもしれません。

大きな制度そのものより、

「この紙はどうする?」
「ハンコはどこ?」
「何と何を綴じる?」

という小さな疑問で作業が止まります。

ここでも、その都度AIに確認しながら一工程ずつ進めました。

これはAIのすごさというより、細かな疑問をその場ですぐ相談できることの価値を実感したところでした。

■申請データ送信、そして郵送へ

申請前チェックで「チェックOK」が出た後、申請データを送信。

システム上で到達を確認しました。

次にQRコード付き株式会社変更登記申請書を印刷。

押印し、登録免許税の収入印紙を準備し、必要書類一式をそろえました。

最後にもう一度、

「申請書はあるか」
「添付書類はそろっているか」
「押印は済んでいるか」
「収入印紙はあるか」

を一つずつ確認。

そして長崎地方法務局へ郵送しました。

■郵送後、正式に受付。そして「手続終了」へ

郵送後、登記・供託オンライン申請システムから受付のお知らせが届きました。

長崎地方法務局で正式に登記申請として受け付けられました。

そして、その後、申請用総合ソフトに新しい通知が表示されました。

「登記申請に関する手続きが完了しました。」

メールでも、手続が「手続終了」になったという通知が届きました。

申請者情報の登録から始めて、一工程ずつ進めてきた今回の役員重任登記。

ようやく一つの区切りまで到達しました。

■やってみて分かった。「AIが登記してくれた」わけではない

今回を振り返ると、「AIを使ったら法人登記ができた」だけでは、少し違う気がします。

AIは、

・次に何をすればいいか整理する
・必要な書類を整理する
・文案を作る
・資料との整合性を確認する
・エラーが出たときに原因を一緒に考える

といった部分でかなり役立ちました。

一方、人間は、

・正式な資料を確認する
・意思決定する
・押印する
・法務局へ問い合わせる
・収入印紙を買いに行く
・書類を郵送する

という部分を担当しています。

さらに申請システムが、AIと人間が見逃した入力ミスを発見してくれました。

つまり今回は、

AIだけでもない。
人間だけでもない。

AIと人間が一緒に仕事をして、その途中に正式資料やシステムによるチェックを入れながら、一つの手続きを完成させた。

そう考えるのが一番近いと思います。

■AI活用で「何時間減らせたか」以外に見るもの

今回、AIによって何時間削減できたのかは分かりません。

初めてだったこともあり、途中でかなり迷いました。

申請書も一度作り直しています。

それでも、大きな変化が一つありました。

「難しそうだから自分ではやらない」と最初から諦めなかったことです。

分からなくなれば、「次は何を確認すればいい?」とAIに聞ける。

一つ理解できたら、次へ進む。

また分からなくなったら、相談する。

これを繰り返すことで、以前だったら自分では着手しなかったかもしれない仕事を、最後まで進めることができました。

AI活用を考えるとき、

何時間削減できたか。
何人分の仕事を代替できたか。

という評価ももちろん大切です。

でも、もう一つ、AIがなければ、この仕事にそもそも自分で取り組んでいただろうか?という見方も面白いと思います。

時間短縮ではなく、着手できる仕事の範囲が広がる。

今回の法人登記では、そのAIの価値を強く感じました。

■今回覚えておきたいのは「AIを含めてチェックの流れを作る」こと

今回、AIも間違えました。

人間も間違えました。

それでも、実際の登記内容や会社の資料との照合や申請システムのチェック、必要に応じた法務局への確認があったことで、その都度修正しながら前へ進めました。

そこから得た一番実践的な教訓は、

AIに正解を求めるだけではなく、AIを含めた仕事全体に確認ポイントを作っておく。

ということかもしれません。

先ほどの言葉をもう一度使えば、これはVerificationです。

でも、難しく考える必要はありません。

「ほんとに合ってる?」と別の方法でもう一回見る。

それだけでも、AIを仕事で使うときの安全性はかなり変わりそうです。

今回の法人登記は、AIですべてを自動化した話ではありません。

人間とAIが一緒になって、今まで難しいと思っていた仕事に挑戦した話です。

そして最後までやってみたことで、「AIを実際の仕事でどう使えばいいのか」について、少しだけ具体的な形が見えてきました。

次にまた知らない仕事にぶつかったときにも、

・まず仕事を小さく分ける。
・一次資料を確認する。
・AIと一緒に進める。
・別の方法でもう一度Verificationする。
・分からなければ、正しい確認先へ聞く。

この流れは、法人登記以外の仕事でも使えそうです。

今回得たものは、登記手続を一つ終えたことだけではありません。

「難しそうだから自分ではやらない」と思っていた仕事でも、AIと人間が一緒なら、一つずつ前へ進められるかもしれない。

そう実感できたことが、今回の一番の収穫だったのかもしれません。

※この記事は、株式会社ハクライドウが実際に行った役員重任登記の体験をまとめたものです。会社の状況や登記内容によって必要な手続・書類は異なります。実際に手続きを行う際は、法務局の最新情報を確認し、必要に応じて管轄法務局や司法書士等にご確認ください。

→ AI導入に悩み、Microsoft 365 Business Standard+Copilot を選ぶまでのリアルな物語







「本記事は医療行為の代替ではなく、テレビ・論文・公的資料を一般の生活者向けに噛み砕いたものです」

この街を初めて訪れた方へ

この記事は、例えるなら「ばあちゃんの料理教室(ハクライドウ)」という街の中の「ひとつの家」です。

この街には、生活・料理・健康についての記事が、
同じ考え方のもとで並んでいます。

ここまで書いてきた内容は、
単発の健康情報やレシピの話ではありません。

この街では、
「何を食べるか」よりも
「どうやって暮らしの中で調整してきたか」を大切にしています。

もし、

なぜこういう考え方になるのか

他の記事はどんな視点で書かれているのか

この話が、全体の中でどこに位置づくのか

が少しでも気になったら、
この街の歩き方をまとめたページがあります。

▶ はじめての方は
👉 この街の歩き方ガイドから全体を見渡すのがおすすめです。

▶ この街の地図を見る(全体像を把握したい方へ)

※ 無理に読まなくて大丈夫です。
 気になったときに、いつでも戻ってきてください。

この考え方の全体像(意味のハブ)

この記事で触れた内容は、以下の概念記事の一部として位置づけられています。

▶ ばあちゃんの知恵袋

この街の考え方について

この記事は、
「人の生活を、断定せず、文脈ごと残す」
という この街の憲法 に基づいて書かれています。

▶ この街の中心に置いている憲法を読む

AIを活用したデータベースを使用して肝細胞がん(HCC)のがん治療薬を30日間で開発|トロント大学

> 健康・美容チェック > 肝臓 > 肝臓の病気 > 肝臓がん > AIを活用したデータベースを使用して肝細胞がん(HCC)のがん治療薬を30日間で開発|トロント大学




■AIを活用したデータベースを使用して肝細胞がん(HCC)のがん治療薬を30日間で開発

研究者は AI を活用したデータベースを使用して、潜在的ながん治療薬を 30 日で設計します

(2023/1/19、トロント大学)

Chemical Scienceに掲載された研究によれば、AIを利用したタンパク質構造データベースであるAlphaFoldを使用して、肝細胞がん(HCC)の治療薬を30日間で開発したそうです。

これからAIを活用した治療薬の開発が進んでいくのではないでしょうか?

【参考リンク】

→ 肝臓がんの症状(初期・末期) について詳しくはこちら

→ 肝臓がん予防によい食事・食べ物 について詳しくはこちら

■なぜAI技術を活用した創薬事業に注目が集まっているの?

AI技術を活用した創薬事業に注目が集まっているのは、現在はIT技術を用いながらも経験と勘に頼って化合物の選択を行なっており、創薬プロセスの検証には時間とお金がかかっているため、創薬プロセスの生産性向上が求められているためです。

製薬業界の丸ごとAI化を目指す取り組みが日本でスタート – VINAS Users Conference 2017

(2017/10/13、マイナビニュース)

実際に、どういったAIの開発を進めていくのかというと、医薬品の開発は、病気の原因となるターゲットたんぱくなどを探索した後、それに対して効果のある化合物を探索。それが実際に効果を発揮することを細胞や動物実験などを経て、人間への臨床試験、副作用の評価などを行い、そこでも問題ないとなって、価格なども含めた形で承認がおり、その後、ようやく一般の患者のもとに届けられるという流れで、実際の開発には1000億円以上の開発費と10年ほどの研究期間が必要となり、この開発コストと期間を削減したいという考えのもと、「業界丸ごとAI化」をキーワードに、開発プロセスの全域をカバーするAIの開発を進めているという。

ゲノム解析が一般的なものになった時、AIが過去の文献や医学論文、データベースを探索するようになる!?によれば、現在では、抗がん剤を使用する前に、ゲノム情報を活用してどのような薬が効くのかを事前に調べて投与する「Precision Medicine」に注目が集まっていますが、製薬業界の丸ごとAI化を目指す取り組みが日本でスタート – VINAS Users Conference 2017(2017/10/13、マイナビニュース)で紹介されているスライドを参考にすると、あらゆる場面でAIが使われる可能性がありそうです。

病気Aに対して「ターゲット探索AI(どんな疾患の薬を開発すればよい?)」

→「リード探索AI(病気Aの原因タンパク質は?)」→標的タンパク質X

→「リード最適化AI(標的たんぱくXに効く薬物候補化合物は?)」→候補化合物Y

→「バイオアッセイAI(化合物Yの薬効は?副作用はないか?安定な物性か?)」→有望な医薬品候補Z

→「前臨床試験AI(医薬品候補Zは患者に安全に効くのか?)」→医薬品候補Zを製品化してよい

→「臨床試験AI(治験に合格するには?治験方法は?)」→患者群P 治療方針T

→「承認」

→「市販後の副作用の危険性は?費用対効果は?」安全に効く患者群S→薬価はWが妥当

薬物治療

今回のニュースはAI創薬について取り上げましたが、もしかすると、製薬業界丸ごとAI化という未来もありうるのかもしれません。







【関連記事】

肝臓関連ワード

■肝臓とは|肝臓の機能・働き・位置(場所)

■肝臓の病気|肝臓病の初期症状・種類・原因

■脂肪肝とは|脂肪肝の症状・原因・治し方

■肝炎とは|肝炎(B型・C型・アルコール性)の症状・原因・チェック

■NASH(非アルコール性脂肪性肝炎)の症状・食事・改善方法

■NAFLD(非アルコール性脂肪性肝疾患)とは・症状・原因

■肝硬変とは|肝硬変の症状・原因・食事

■肝臓がん|肝臓がんの症状(初期・末期)

■肝機能障害の症状・原因・食事・肝機能の数値

■肝臓の数値・検査値|ALT(GPT)・AST(GOT)・γ-GTP

■ALT(GPT)の基準値|ALTが高い原因

■AST(GOT)の基準値|ASTが高い原因

■γ-GTPの基準値|γ-GTPが高い原因

■胆管とは|胆管がんの症状

■胆のうの位置・働き(機能)・病気(胆嚢炎・胆のうがん)

■肝臓に良い食べ物|肝臓と食事

■亜鉛を含む食べ物・食品|亜鉛不足チェック・摂取量

■タウリンとは|タウリンの効果・効能|タウリンの多い食品・食べ物

■コレステロールとは|コレステロール値を下げる食品・食事

■中性脂肪とは・数値(正常値)・高い原因・下げる(減らす)

「#Noom」|人工知能(AI)と専門コーチが行動変容をサポートするヘルスケアアプリ|特定保健指導プログラムも開始




■「#Noom」|人工知能(AI)と専門コーチが行動変容をサポートするヘルスケアアプリ|特定保健指導プログラムも開始

「Noom」|人工知能(AI)と専門コーチが行動変容をサポートするヘルスケアアプリ
「Noom」|人工知能(AI)と専門コーチが行動変容をサポートするヘルスケアアプリ

参考画像:世界4500万DLのヘルスケアアプリNoomが、AIと専門のコーチによる新プログラムをリリース(2016/5/25、Noom Japan株式会社プレスリリース)|スクリーンショット

世界4500万DLのヘルスケアアプリNoomが、AIと専門のコーチによる新プログラムをリリース

(2016/5/25、Noom Japan株式会社プレスリリース)

NY発のヘルスケアアプリを運営するNoomはこれまでのAI(人工知能)による行動学習システムに加えて、正しい健康習慣を身につけるために構成された16週間のカリキュラムと、オンライン上のコーチングを行なう新プログラムをリリースしました。




◆特徴その1 行動変容を促す、16週間のカリキュラム

成功するプログラムをステージごとに分けて考えているようです。

Noomのサイトを参考に紹介します。

ステージ1 意識を変えよう

まず、今の自分の状態を知り、正しい食事・運動・睡眠などの知識を知るのが最初のステップです。

ステージ2 行動を変えよう

課題を見つけ、動機づけを行いながら、具体的な行動を実行に移していきます。

ステージ3 習慣を変えよう

健康習慣を身につけて、プログラム終了後も継続できるようにしていきます。

「習慣の力」(著:チャールズ・デュヒッグ)によれば、

デューク大学の学者が2006年に発表した論文によると、毎日の人の行動の、じつに40%がその場の決定ではなく習慣

なのだそうです。

習慣の力 The Power of Habit

新品価格
¥2,052から
(2017/1/22 17:05時点)

また、「スイッチ 変われないを変える方法」(著:チップ・ハース ダン・ハース)によれば、セルフ・コントロールは消耗資源であり、例が挙げられています。

スイッチ! ──「変われない」を変える方法 (ハヤカワ・ノンフィクション文庫)

新品価格
¥886から
(2017/1/22 17:06時点)

例:ウェディングレジストリ(アメリカで結婚時に新郎新婦が作る結婚祝儀のほしいものリスト)の作成やコンピュータの購入など複雑な選択や検討をさせられた人々はさせられていない人々よりも集中力や問題解決能力が落ちる事が分かっている。

例:ある研究によると、感情を抑えるように支持された被験者は、自由に涙を流した被験者と比べて、その後の身体持久力が低下することがわかった。

私たちはあらゆる場面でセルフ・コントロールを消耗するものであり、一つ一つの行動をいちいち決定してしまうと疲れてしまうため、人は習慣として自動化された行動をしてしまうのです。

つまり、反対に考えると、変化を起こしたいときには、自動化された行動=習慣を変えなくてはならないのです。

では、どのようにすれば習慣を変えることができるのでしょうか?

「習慣の力」(著:チャールズ・デュヒッグ)によれば、人間の心理には、2つの基本原則があるそうです。

1.シンプルでわかりやすいきっかけを見つけること

2.具体的な報酬を設定すること

新しい習慣作りには、「きっかけ」と「報酬」が重要です。

「習慣の力」(著:チャールズ・デュヒッグ)では、「きっかけ」と「報酬」についての具体的な例が紹介されています。

新しい運動習慣を身につけるのに成功した人々の研究では、職場から帰宅した直後にジョギングに行くといった特定のきっかけと、罪悪感から解放された夜のテレビ鑑賞やビールといった具体的な報酬を設定した人のほうが続きやすいことがわかっている。

食餌療法についての研究では、挫折せずに新しい食習慣をつくり上げるのには、前もってメニューを作成しておくなど、事前にきっかけを決め、シンプルな報酬を設定する必要が有ることも判明した。

あるグループでは、92%の人が、気持ちが良いから習慣的に運動すると話している。運動で分泌されるエンドルフィン等の神経伝達物質を期待し、求めるようになるのだ。

毎朝、走りたければ、シンプルなきっかけと明確な報酬を選ぶ必要がある。

しかし、その後の無数の研究によって、きっかけと報酬そのものには新しい習慣を長続きさせる力はないとわかった。脳が報酬を期待するようになってはじめて、つまりエンドルフィンや達成感を求めるようになってはじめて、毎朝、ジョギングシューズのヒモを無意識のうちに結ぶようになるのだ。きっかけはルーチンを生み出すだけでなく、その先の報酬への欲求を生み出すものでなくてはならない。

「きっかけ」と「報酬」は新しい習慣を作るうえで欠かせないものですが、「きっかけ」と「報酬」そのものには新しい習慣を長続きさせる力はなく、「〇〇したい」「〇〇がほしい」というような明確な欲求が習慣のための原動力となるのです。

そのため、このプログラムにおいては、変わりたいという感情をいかに生み出すのか=「動機づけ」をいかに行うかがポイントになってくるのではないでしょうか?

どのような目標を立てるのかも大変重要です。

『スイッチ!「変われない」を変える方法』(著:チップ・ハース&ダン・ハース)によれば、

「いかに小さな成功であってもそれを積み上げることで自信につながる」

NFLコーチ ビル・パーセルズの言葉を紹介しています。

手の届く範囲の目標を掲げて、それを達成することにより、小さな成功を感じることは、その人にとっての自信になるはずです。

◆特徴その2  学習機能により、一人ひとりに最適化

世界4500万DLのヘルスケアアプリNoomが、AIと専門のコーチによる新プログラムをリリース

(2016/5/25、Noom Japan株式会社プレスリリース)

食事や運動の記録をアプリが学習し、一人ひとりの食生活にあわせて最適化されていく。ユーザの1日の食事内容は、健康度に応じて緑、黄、赤に分けた3色グラフに分けられ、自分の食事の健康度を知ることもできる。

人工知能(AI)を活用して、食事や運動の記録を学習し、最適化していくそうです。

最適化とは具体的にどのようなものかはわかりませんが、明確でわかりやすい方法を示すことが重要だと考えられます。

◆特徴その3 コーチングサポートと、仲間とのコミュニケーションの場

世界4500万DLのヘルスケアアプリNoomが、AIと専門のコーチによる新プログラムをリリース

(2016/5/25、Noom Japan株式会社プレスリリース)

コーチがユーザのやる気を引き出し、継続をサポートする。アプリ内では、Noom のトレーニングを受けた専門コーチと一対一のコミュニケーションを行い、コーチは生活の記録から「何をどう改善していけばいいか」をアドバイスする。

これまでにも備わっていたNoomのグループ機能をうまく用いて、同じ健康目標をもつ利用者同士のコミュニケーションを促し、コーチや仲間と一緒に減量ができるようにしている。認知行動療法など、心理学的なアプローチを組み込んだプログラムとなっている。

新しい習慣に変える上で重要なのが、習慣になるまでが大変だということで、そのモチベーションをいかに保たせるかということです。

そこで、Noomでは、コーチによるアドバイスや利用者同士のコミュニケーションを行うことでモチベーションを維持しようという取り組みを行うそうです。

ダイエットは仲間と一緒に取り組むと成功しやすい!?によれば、ダイエットのモチベーションを保つのは一人では難しいようで、女性の場合には、一緒にダイエットをしてくれる仲間を探すことがダイエット成功の近道なのだそうです。

女性の脳の特徴を活かしてダイエット|ためしてガッテン(NHK)によれば、友達と一緒に運動をしたり、ダイエット情報(体重グラフ分析)の交換をすると、楽しくダイエットが出来るそうです。

また、女同士のウラの顔|ホンマでっかTV 4月25日によれば、女子にはグループで目標を立てて皆で協力した方が成績が伸びやすいそうです。

NASAの男女混成チームを見ると、成功の要因はチームのコミュニケーションがとれていること。

コミュニケーションを円滑にする女性特有の能力。

そして、目標を達成しようという男性が得意な能力。

それらがうまく組み合わさるとき、最強の力を発揮するチームが生まれるのではないか。

男性だけだと、競争が優先されるため、より遠くまで探査できるが、人命救助がおろそかに。

女性だけだと、お互いを気遣うあまり、探査が思うように進まない。
(「だから、男と女はすれ違う」より)

だから、男と女はすれ違う―最新科学が解き明かす「性」の謎

中古価格
¥106から
(2017/3/30 09:45時点)

社会的な「つながり」をダイエットに活用する|社会的な絆が強い人の影響を人は受けやすいによれば、近くに住んでいる人よりも社会的な絆が強い人の影響を人は受けやすいので、ダイエットを一緒に努力しているメンバーが時にはライバルとして、時には応援する人として、社会的絆が強くなればそれだけダイエットへの影響を強く与えることができるということではないでしょうか。

■まとめ

健康のためにはバランスの良い食事と運動が重要とよくいわれますが、そういわれたからといって、人は習慣を変えないものです。

『スイッチ!「変われない」を変える方法』(著:チップ・ハース&ダン・ハース)によれば、「もっと健康的な食生活を送る」といった総括的な目標は、不明瞭であり、その曖昧さが感情に言い逃れの余地を与え、失敗を正当化しやすくしてしまうそうです。

つまり、「健康のためにはバランスの良い食事と運動をしましょう」というメッセージは、受け取る側としてはわかりづらいもので、結果どうしたらよいかわからず、今まで通りの生活をしてしまうことになってしまいます。

ではどのようにしたらよいのでしょうか?

『スイッチ!「変われない」を変える方法』(著:チップ・ハース&ダン・ハース)ではこのような提案がされています。

例:アメリカ人に健康的な生活をさせるには?
「もっと健康的に行動しよう」と訴えるのではなく、「次にスーパーの乳製品コーナーに立ち寄ったら、ホールミルクではなく低脂肪乳に手を伸ばしなさい」というべきなのだ。
飲食行動を変える必要でなく、購入行動を変える。
「もっと健康的に行動しよう」と伝えても、解釈の仕方はいくらでもある。

よくテレビで紹介されているような、○○の不足が病気の原因となる恐れがあるので、△△を食べましょうというのは、見ている人に伝わりやすく、行動を変えやすいということなんですね。

デザインとアイデアでカンボジアの人を貧血から救った鉄製の魚「LUCKY IRON FISH」によれば、カンボジアでは鉄分不足による貧血によって極度の倦怠感やめまいで悩まされている人が多かったそうです。

しかし、カンボジアの食生活は魚と米から成り立っていて、鉄分の摂取が不足していたそうです。

「魚は幸運の印である」という地元の俗説を利用して、カントロップという魚の形に成形した鉄の塊(Lucky Iron Fish)を調理中の料理にしたところ、Lucky Iron Fishを使っている地域では鉄欠乏性貧血が50%減少したそうです。

普段食べている食事にLucky Iron Fishという鉄の塊を入れるだけで鉄欠乏性貧血が解消するというのは実にわかりやすい方法です。

「健康のためにはバランスの良い食事と運動をしましょう」というのは最も正しいメッセージですが、最も伝わりづらいメッセージでもあります。

もし、Noomを改善するとしたら、人工知能(AI)を活用して、様々な人の生活習慣をデータとして読み込ませ、個人のユーザーのデータと比較し、比較したデータの中から、最も変化を与えるのに効果的な生活習慣1つを提案するように変えてみてはどうでしょうか。







【関連記事】
続きを読む 「#Noom」|人工知能(AI)と専門コーチが行動変容をサポートするヘルスケアアプリ|特定保健指導プログラムも開始 →

センサーなし!AIと電力データでフレイル検知が可能に!高齢者の見守り全般への活用にも期待!




現時点のフレイル判定精度/データ量とフレイル判定精度
現時点のフレイル判定精度/データ量とフレイル判定精度

AI と電力データでフレイル検知が可能に

(2021/3/22、ネコリコ)

実証実験には 24 名の単身高齢者が参加し、事前にフレイル診断用のアンケートを用い、フレイルあるいはノンフレイル(健康)状態かを測定しました。実証実験参加者の自宅には、モーションセンサや CO2 センサなどの各種センサ、そして自宅のスマートメーターから電力データを収集するためのゲートウェイ機器を設置し、2020 年 8 月から6ヶ月間データを取得しました。このデータから学習した AI によって、フレイルあるいはノンフレイルを正しく判定できるかの検証を行いました。その結果、電力データのみでも、複数のモーションセンサを用いた先行研究の判定精度に迫る結果となりました。特別なセンサを設置することなく、電力データのみでフレイル検知が可能になると、スマートメーターの国内全世帯への設置が完了する 2024 年には、全国で単身高齢者のフレイル状態を非接触で検知し、適切な治療や予防に役立てることが可能になると期待されます。加えて、電力データをより高度に分析することで、フレイル検知だけでなく、生活リズムのモニタリングなど、高齢者見守り全般への活用も可能になると期待されます。

ネコリコ、JDSC、東京大学大学院、東京大学高齢社会総合研究機構、三重大学、三重県が参画する「介護予防に向けたAI・データ活用研究会」が行った実証実験によれば、は、電力データだけでフレイル検知が可能になるのではないかという結果が出たそうです。

スマートメーターが設置されるようになれば、高齢者のフレイル状態を検知し、フレイルの治療・予防に役立てられるだけでなく、さらには高齢者の見守り全般にも役立てることができるのではないかと考えられます。

■まとめ

「フレイル(高齢者の虚弱)」の段階で対策を行ない、要介護状態の高齢者を減らそう!で紹介した平成28年国民生活基礎調査によれば、要介護度別にみた介護が必要となった主な原因として「高齢による衰弱」(16.2%)になっています。

高齢者は健康な状態から急に要介護状態になるわけではなく、食欲の低下や活動量の低下(社会交流の減少)、筋力低下、認知機能低下、多くの病気をかかえるといった加齢に伴う変化があり、低栄養、転倒、サルコペニア、尿失禁、軽度認知障害(MCI)といった危険な加齢の兆候(老年症候群)が現れ、要介護状態になると考えられます。

しかし、フレイルの段階で、適切な介入・支援を行なうことができれば、要介護状態に至らず、生活機能の維持・向上が期待できると考えられます。

自立支援に軸足を置いた介護への移行|インセンティブ設計|新産業構造ビジョン|経済産業省
自立支援に軸足を置いた介護への移行|インセンティブ設計|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(2017/5/30、経済産業省)

新産業構造ビジョン(2017/5/30、経済産業省)によれば、患者のQOLの最大化に向けて、高齢となっても自分らしく生きることの出来る「生涯現役社会」の実現に向けて、自立支援に向けた介護や質・生産性の⾼い介護の提供の実現が必要であるとして、できないことのお世話中心の介護から、自立支援に軸足を置いた介護への移行が必要であるとあります。

要介護(要支援)認定者数の推移|平成28年版厚生白書
要介護(要支援)認定者数の推移|平成28年版厚生白書

参考画像:要介護(要支援)認定者数の推移|平成28年版厚生白書|スクリーンショット

しかし、要介護(要支援)認定者数は2015年には約608万人|要介護者にならない段階(フレイル)で食い止める対策が重要で紹介した平成28年版厚生白書によれば、要介護(要支援)認定者数は、2000年の約218万人から2015年には約608万人と増加しています。

その理由としては、生活習慣病(慢性疾患)中心への疾病構造の変化や高齢化の進展が挙げられています。

実際に高齢者人口は増加しており、高齢化率(65歳以上人口割合)は1950年4.9%→1985年10.3%→2005年20.2%と上昇し、2015年には26.7%と過去最高となっており、今後の予測としては、2025年30.3%となるなど、2060年まで高齢化率はずっと上昇していくことが見込まれているそうです。

年齢3区分別人口及び高齢化率の推移|平成28年版厚生白書
年齢3区分別人口及び高齢化率の推移|平成28年版厚生白書

参考画像:年齢3区分別人口及び高齢化率の推移|平成28年版厚生白書|スクリーンショット

つまり、この予測をもとにして、現状のままの仕組みで行くとすれば、要介護者の数は増加していくでしょう。

だからこそ、今回の実証実験で行われたような電力データでフレイルを早期に発見する仕組みは未然に適切な治療を行なう上で重要になってきます。







ゲノム解析が一般的なものになった時、AIが過去の文献や医学論文、データベースを探索するようになる!?




■ゲノム解析が一般的なものになった時、AIが過去の文献や医学論文、データベースを探索するようになる!?

Dictionary

by Dave Worley(画像:Creative Commons)

製薬業界の丸ごとAI化を目指す取り組みが日本でスタート – VINAS Users Conference 2017

(2017/10/13、マイナビニュース)

抗がん剤は高価で、かつ副作用の生じることから、薬が効かない患者に副作用のリスクを負わせ、高額な医療を施す必要があるのか、という話になり、そこでゲノム情報を活用して、どの薬が効果を発揮できるのか、ということを事前に調べて投与する「プレシジョン・メディシン(Precision Medicine)」に注目が集まることとなっている。

京都大学大学院医学研究科の奥野恭史教授によるスーパーコンピューターや人工知能(AI)を活用した創薬の現状と可能性についての発表についてのレポートは興味深いものでした。

現在では、抗がん剤を使用する前に、ゲノム情報を活用してどのような薬が効くのかを事前に調べて投与する「Precision Medicine」に注目が集まっており、京大病院でも、がん患者の遺伝子を調べて、その薬で対応できるのかを判断してから投与するという流れになっているのですが、過去の文献や関連データベースなどから、効果があるかどうかといった調査は人間が行なっているそうです。

「ゲノム解析は10年以内には数万円で可能になる。そうすると、何でもかんでもゲノムを調べよう、という流れになり、蓄積されるゲノムの量が一気に増加。併せて文献も増加の一途となり、これまでのマニュアルでやってきたことが追いつかなくなる。しかし、病気の進行は待ってくれない。そうしたデータの増加に追いつくために、AIが人の代わりにデータベースや文献からマイニングを行う必要がでてくる」(同)とし、詳細は明らかにしなかったが、日本人のゲノム情報を元にした最適な薬を探索する技術の開発も進めているとした。

テクノロジーと医療分野のトレンド|ウェアラブルデバイス・健康アプリ・医学研究|メアリー・ミーカー(MARY MEEKER)レポートで紹介したレポート(スライド300)によれば、インプットのデジタル化の増加によって、医療データは年間成長率は48%となっているそうです。

また、レポート(スライド302)によれば、インプットされるデータ量が増えていくことで、科学論文引用が増加しており、医学研究・知識は3.5年ごとに倍増しているそうです。

以前取り上げたIBMの「WATSON」によってがん治療がスピードアップする!?によれば、医療従事者は、膨大な数の情報(最新の医療研究、論文、医療データ、患者の医療記録)を取り扱っていて、すでに人の頭脳では把握することができないほどなのだそうです。

そこで、注目を集めているのが、人工知能で医師や患者をサポートするシステムであり、その代表的なものがWatsonです。

Watsonは膨大な量の医療データや論文などのデータベースが格納されており、患者のデータを高速で解析し、医療データを照らし合わせることで、患者に最も最適と思われる治療方針を提案することで、医師や患者が意思決定の支援をするシステムです。

現在でも様々ながんの治療法(外科手術、抗がん剤による化学療法、放射線治療など)があります。

そして、がんの遺伝子を解析して患者ごとの診断を行い、がんを引き起こす特定の変異細胞を狙った治療ということも実現しています。

しかし、がんと立ち向かうことは、時間との闘いなのですが、がんの遺伝子を解析して患者ごとの診断を行い、治療方針を決める際には、専門の医師によるチームでも数週間という長い時間を要してしまうのが現状です。

Watsonを活用することで、遺伝子情報の解析、医療データや論文などと照らし合わせる作業の時間短縮が可能になります。

今後は、ゲノム解析が低価格で行われるようになることによって、蓄積されるゲノムデータの量が増え、またそれに合わせて医学論文などの文献も飛躍的に増加するため、コンピュータの力を活用することが重要になってきます。

【参考リンク】




■まとめ

データ数が少なくて進んでいなかった研究が、医療に役立つデータが増加し、医学研究が加速していることにより、これまで正しいと思っていた常識が覆ることも出てくるのではないでしょうか。

「世界をつくった6つの革命の物語 新・人類進化史」(著:スティーブン・ジョンソン)

世界をつくった6つの革命の物語 新・人類進化史

新品価格
¥2,052から
(2017/3/30 20:09時点)

ヨーロッパでは中世から二〇世紀になるまでほぼ一貫して、水に体を浸すのは明らかに不健康どころか危険であるというのが、衛生についての社会通念だった。毛穴を土や油でふさぐことによって、病気から身を守るとされていたのだ。「水浴びをすると頭が蒸気でいっぱいになる」と、一六五五年にフランス人医師が助言している。

体を清潔に保つということは現代人からすればさも当然なことであっても、当時の人、それはたとえ医師であっても「きれいにする」ことは当然ではなかったのです。

人々がセンサーが付いたウェアラブルデバイスなどを今まで以上に活用するようになったり、ゲノム解析が一般的なものになれば、これまで以上に医療に役立つデータが増加し、医学研究が進むとなると、昨日まで常識だった医学知識が次の日には非常識になってしまうようになることが予想されます。

おそらくそのスピードは日単位ではなく、時間単位になっていくことでしょう。

もし昨日まで常識だった医学知識が次の日には非常識になってしまうような時代が来た時には、医療機関が提供するサイトでさえも誤った情報を提供してしまうこともありえます。

そう考えると、人が医療に関する情報を提供するということは事実上不可能になる時がいつかくることになり、研究者の論文発表やニュースリリースをもとにAI(人工知能)が情報を精査し、すべての情報を更新していくしか医療情報の正確性を担保する方法はないのではないでしょうか。







【関連記事】
続きを読む ゲノム解析が一般的なものになった時、AIが過去の文献や医学論文、データベースを探索するようになる!? →