R&Dテーマリスト
ここに記述するのは、現状取り組んでいる/取り組みたいと思っているテーマの一例です。ファストドクターテクノロジーズでは課題発見から取り組んでいきます。
需要予測
社内のデータ傾向、パブリックなデータセットを統合して、需要予測に取り組んでいます。
Speech2Text
カルテに音声入力機能がありクラウドサービスで文字起こしをしています。医療用語はボキャブラリが不足する傾向があり、より精度が高まる仕組みの構築を検討しています。昨今はオンライン診療の件数が爆発的に増加しているため、音声データの量も増加しています。期待が高まっています。
問診自動化
トリアージ問診の自動化に取り組んでいます。トリアージ問診は最も重たい症状を効率良く聞く業務です。患者様が具合が悪い時にご利用いただく機能のため、効率(問いの数)と患者体験を統合的に検討を進めています。
自動割当
オンライン診療においては数十人の医師と数百人の患者様を人力でマッチングしています。患者体験、医療品質、医療コストを両立するマッチングアルゴリズムが求められています。
感情抽出
一般論として、オンライン診療では対面診療と比べて獲得出来る情報が少なくなります。例えば対面診療では、診察室に入ってくる時の「歩き方」「肌の質感」なども診察の情報として参照することが出来ますが、オンライン診療ではそのような情報は得る事ができません。一方で、オンライン診療は動画情報がやり取りされるため、動画から示唆を抽出して、医師に参考情報として提示することが出来ないか検討を進めています。
診察支援AI
当社では医師の新しい働き方の提供も進めています。コロナの第N波の診察需要の高まりの際にはスポットで参画頂く方もいます。診察品質を極力高めるため、機能面・運用面で標準化を進めています。ナイーブなチェックリスト化は単調に増加してしまう傾向があります。医師の専門性に応じて、問診内容を適度にレコメンドすることが可能であると考えています。
リモート診察
僻地医療においては、ある疾患の専門性の高い専門医を十分に確保することが困難です。D(医師) to P(患者) with N(看護師)、D to P with D などの方法が検討されています。当社ではデジタル往診という取り組みの中で、適用方法、情報通信機器の活用方法を検討しています。
個別化した診察時間予測
お待たせする時間を少なく、出来るだけ多くの患者様に対応させていただきたいと思っています。往診のスケジュールにおいて、診察時間を精度良く推定できるかが重要です。しかし、診察時間は多くのパラメータが混じり合って決まってくるものであり、納得感のある時間を推定することは困難です。単純に短くした時には、医療品質に影響が出てしまいます。医師毎の専門性、患者様の主訴から適切な診察時間を予測出来るモデルが期待されています。
経路最適化
往診経路のスケジューリングは多リソースの巡回セールスマン問題となります。件数が少ない時には、人間が十分な効率の経路を検討する事ができますが、大都市圏で件数が多いときには最適なものを検討することが困難です。この課題に対して、①人間のエンハンスメント(UXの向上)、②制約充足ソルバーによる自動計算によるレコメンドの2軸で改善を進めています。
診察時間短縮
夜間往診においては、医師が限られた物品で患者様のご自宅に伺って診察を行います。そのため、医師が行う業務が多様になっています。往診に同行するなどして、診察の工程を分析し、医師で無くても出来る業務について切り出すなどして、診察時間の短縮に取り組んでいます。
医療情報標準規格/電子処方箋/PHR
国の方向性として、カルテ情報の標準化が提唱されています。当社としてそれに準拠が可能か、準拠するのにどのような対応が必要か、情報が標準化された時にどんな事ができるのかについて検討を進めています。