JP5867847B2 - 患者行動識別方法と患者行動検知システム - Google Patents

Description

この発明は、患者の行動を遠隔的に監視するとともに、行動パターンを認識して事故を予防する患者行動識別方法と患者行動検知システムに関する。

近年、高齢化や療養ベッド数の不足、本人の希望などから、入院治療後の回復期を在宅でリハビリテーションを行う患者が増加している。自宅療養に移行するには、病院での入院中に食事や***、整容、移動、入浴等の日常生活動作を自立的に行うことができるようになるまで、医師や看護師、介護士による指導や補助が行われ、事故の危険性がないと判断した上で、在宅療養への移行が許可される。

しかしながら、在宅で療養を続ける患者が転倒や転落などの事故で再び入院してしまう事例が増えている。これらは、在宅療養に移行した患者には看護師や介護士の目が届かないことや、患者の過失や患者自身のへの過信などで、病院での行動制限を超える動作を行ってしまうことが原因となっている。

一方、病院などで入院患者の容態を常時監視するシステムとして、特許文献１に開示されているようなシステムも提案されている。この患者監視システムは、患者の生体情報を測定する生体情報測定装置と、複数の看護師にそれぞれ携帯されその生体情報測定装置により測定される生体情報に異常がある場合には、その異常の内容を表す異常情報を出力する複数の携帯端末装置とを備えた患者監視システムであって、前記複数の携帯端末装置の位置をそれぞれ検出する位置検出手段と、生体情報測定装置から警報が出力された場合には、その位置検出手段により検出された複数の携帯端末装置の位置に基づいて、その生体情報測定装置に最も近い携帯端末装置に、異常情報を送信する異常情報送信制御手段を備えた患者監視システムである。

その他、特許文献２に開示されているように、車椅子に着座センサを設けて、使用者が車椅子から離れたことを検知して警報ブザー等を鳴らし、車椅子から離れたことによる転倒事故等を防止する装置も提案されている。

特開２００４−６５４７１号公報 特開２００５−８１０５３号公報

特許文献１に開示されている患者監視システムは、病院内での監視システムであり在宅患者の事故防止に適用できるものではなかった。また、特許文献２に開示されているように患者が使用する機器にセンサを設けた場合は、患者がその機器から離れた場合を検知するもので、事故が起き得る状態にならないと警報が出ず、結果として、不測の事態が生じてしまうものである。

この発明は、上記背景技術に鑑みて成されたもので、患者の行動パターンを検知し蓄積した患者の行動を、事後に医療関係者が見てその行動に危険行動が含まれている場合に、その行動が危険行動に該当することをシステムに学習させるとともに、今後危険行動をとらないように患者に指導することが可能な患者行動識別方法と患者行動検知システムを提供することを目的とする。

さらにこの発明は、患者の回復期リハビリ実施中に患者単位の危険行動を学習したシステムにより、在宅化後には患者の危険行動を検知して患者が危険行動をとったときに、警報を出してその危険行動を中止させることが可能な患者行動識別方法と患者行動検知システムを提供することを目的とする。

この発明は、患者が使用する複数の機器や部材に力や位置を検知する各種センサを設け、予めその患者の各種動作や行動により得られる前記センサからのセンサデータを個別の患者毎に蓄積し、この蓄積された前記センサデータを基に、個別の患者毎に動作モデルを作成して記憶し、前記動作モデルを基に、その後の通常生活時の前記個別の患者の動作から得られる前記センサデータを識別し、その動作状態を判別する患者行動識別方法である。

前記複数の機器は、少なくとも前記個別の患者が使用する車椅子とベッドであり、前記センサは、前記車椅子やベッドに掛かる荷重や各部材の位置情報を検知するものであり、前記車椅子と前記ベッドには、各々情報を検知する複数のセンサが設けられ、先ず、前記各センサからのデータを取得して、取得した動作データの動作ラベリングを行い、その患者の動作の特徴を抽出し、危険な動作か否かを判別するための動作の分類情報を蓄積し、この後、上記動作ラベリングで得られたラベルと抽出した前記特徴の特徴量データを基に、前記個別の患者毎の動作の各種パターンを分類して、前記個別の患者毎の各種の動作モデルを設定し、前記動作モデルを基に、前記個別の患者毎の通常生活の動作について、前記各センサからのセンサデータの患者動作を識別し、識別した前記センサデータの動作が、行動ルール記憶部に記録された行動ルールと照合して危険か否かを判断し、前記患者毎の前記車椅子及び前記ベッドでの動作が危険か否かの行動判別処理を行い、前記車椅子と前記ベッドの何れかから危険な状態と判断される基準値以上の値が得られた場合に、その動作状態を前記患者及び周囲に知らせ、及び／又は前記動作状態を蓄積して後に参照可能とするものである。前記患者の動作の識別は、例えばＳＶＭ（Support Vector Machine）を用いるものである。

またこの発明は、患者が使用する複数の機器や部材に取り付けられ力や位置を検知する複数のセンサと、予めその患者の各種動作や行動により得られる前記センサからのセンサデータを個別の患者毎に記憶する記憶装置と、前記センサデータを基に前記個別の患者毎の動作を分類して動作モデルを作成し、この動作モデルを基に前記個別の患者毎の動作を識別し、その動作状態を送信する処理を行う処理装置を備えた患者行動検知システムである。

前記複数の機器は、少なくとも前記個別の患者が使用する車椅子とベッドであり、前記センサは、前記車椅子に設けられた荷重センサと、前記ベッドに設けられた荷重センサ及び力センサであり、前記処理装置は、前記各センサからのデータを取得して、取得した動作データの動作ラベリングを行い、その患者の動作の特徴を抽出し、危険な動作か否かを判別するための動作の分類情報を蓄積し、得られたラベルと抽出した前記特徴の特徴量データを基に、前記個別の患者毎の動作の各種パターンを分類して、前記個別の患者毎の各種の動作モデルを設定し、この動作モデルを基に、前記個別の患者毎の通常生活の動作について、前記各センサからのセンサデータの患者動作を識別し、識別した前記センサデータの動作が、行動ルール記憶部に記録された行動ルールと照合して危険か否かを判断する行動判別処理を行い、前記車椅子と前記ベッドの何れかからの複数の前記センサデータを識別処理して、前記車椅子と前記ベッドの何れかから危険な状態と判断される基準値以上の値が得られた場合に、その動作状態を前記患者及び周囲に知らせる処理を行うものである。

前記複数の機器は、無線通信の送受信機を備え、無線通信により前記処理装置と前記センサデータの授受を行うものである。

この発明の患者行動識別方法と患者行動検知システムは、予めその患者の行動パターンを各種センサにより把握して蓄積し、その患者の危険な行動時に表れるセンサデータの動作モデルを作成し、これを基に、例えば在宅療養時に、上記患者行動を監視して、危険行動が起こる可能性のあるデータが得られた場合には、アラームを鳴らして、患者や周囲の人に警告することが出来る。これにより、在宅療養時等の危険行動による不測の事態や事故を防止することが出来る。特に、行動パターンの分類にＳＶＭを用いることにより、正確な判断が可能となる。

この発明の一実施形態の患者行動検知システムを示す概念図である。 この実施形態の患者行動検知システムに用いられる車椅子を示す概略斜視図である。 この実施形態の車椅子の足置き部の左右方向の部分破断正面図である。 この実施形態の患者行動検知システムの車椅子の座面部の左右方向の縦断面図（ａ）と、座面側部の部分破断側面図（ｂ）である。 この実施形態の車椅子の肘掛け部の左右方向の縦断面図（ａ）と、肘掛け部の部分破断側面図（ｂ）である。 この実施形態のベッドの概略平面図（ａ）と、概略正面図（ｂ）である。 この実施形態のベッドの手摺りの概略正面図である。 この実施形態の壁手摺りを示す斜視図である。 この実施形態の患者行動検知システムに用いられる歪みゲージセンサの回路図である。 この実施形態の患者行動検知システムの機能ブロック図である。 この実施形態の患者行動検知システムの事前処理を示すフローチャート（ａ）と、動作時の処理を示すフローチャート（ｂ）である。

以下、この発明の一実施形態の患者行動検知システム１０について、図１〜図１１に基づいて説明する。患者行動検知システム１０は、図１に示すように、車椅子１２、ベッド１４、及びトイレ１６の壁に取り付けられた手摺り１８に、患者による各機器の使用状態を検出するセンサ類が取り付けられている。

先ず、車椅子１２には、図２〜図５に示すように、背もたれ２２の背もたれ部２２ａ内には圧電素子等による圧力分布センサ２４が配置され、背もたれ部２２ａへの患者のもたれ具合を検出可能に設けられている。車椅子１２の車輪２６に近接したブレーキレバー２８の近傍には、車椅子１２の車体フレーム３０の前方垂直フレーム３０ａに、フォトインタラプタ等の光学センサ３２が取り付けられている。これにより、ブレーキレバー２８の揺動動作による、車輪ロック状態とロック解除状態を検出可能としている。車椅子１２の足置き部３４にも、車体フレーム３０から前方に延びた足置きフレーム３０ｂに取り付けられたフォトインタラプタ等の光学センサ３２が設けられている。これにより、足置き板３４ａが水平にされた使用状態と、跳ね上げられた不使用状態とを検出可能としている。光学センサ３２は、レバー等の有無の二値状態を検知するものである。

さらに車椅子１２には、使用者である患者の使用状態における荷重の掛かり方を検知する圧電素子やその他の圧力センサから成る荷重センサ２０が設けられている。足置き部３４の足置き板３４ａには、図３に示すように、荷重センサ２０が足置き板３４ａの内部に設けられ、患者が足置き板３４ａに足を載せた際の荷重を検出可能としている。

車椅子１２の座面部３８には、図４に示すように、車体フレーム３０に固定された座面支持構造材４０が設けられ、座面３８の表面側の座面布３８ａを支持した座面布保持部材４０ａと座面支持構造材４０の両端部の各間に荷重センサ２０が一対ずつ設けられ、患者の着座を検知し、荷重の値を検出可能としている。

車椅子１２の肘掛け部４２には、図５に示すように、肘掛け板４２ａの裏面の取付板４２ｂと、車体フレーム３０側の取付板４２ｃとの間に、一対の荷重センサ２０が前後方向端部に取り付けられている。肘掛け板４２ａの下面と車体フレーム３０の上面との間には、ずれ防止用の保持部材４４が挿入されている。

この実施形態の患者行動検知システム１０に用いられるベッド１４は、図６，図７に示すように、ベッド１４の上面に載置された２枚の上面板５２の裏面四隅に荷重センサ２０が取り付けられ、患者がベッド１４上に居る状態を検出可能としている。ベッド１４の手摺り５４には、水平部材５４ａの上面に歪みゲージセンサ５０が貼り付けられ、垂直部材５４ｂの周囲２方向にも、歪みゲージセンサ５０が貼り付けられている。これにより、ベッド１４及び手摺り５４に掛かる力を検出可能としている。

さらにこの実施形態では、図８に示すように、トイレ１６の壁に取り付けられた手摺り１８の取付部材１８ａにも、歪みゲージセンサ５０が３箇所に巻き付けられ、手摺り１８に掛かる力とその方向を検出可能としている。取付部材１８ａに巻き付けられた歪みゲージセンサ５０は、１本の取付部材１８ａに対して３本の歪みゲージセンサ５０が取り付けられ、上下左右方向の力を検出可能としている。

この実施形態の患者行動検知システム１０は、図１に示すように、各センサで検出した力の値や部材位置を無線通信を用いて、各種プログラムの処理装置であり記録装置であるパーソナルコンピュータ（以下、ＰＣと称す。）６０に送信可能に設けられている。ＰＣ６０は、例えばノートパソコン程度の大きさのものを車椅子１２に搭載して置くことができる。通信には、既存の短距離無線通信規格のZigbeeやBluetoothを用いることが出来る。また、ＵＳＢ端子を経由した有線によりデータを授受しても良い。例えば車椅子１２に設けられたＰＣ６０には、通信アダプタが接続され、ベッド１４とトイレ１６には、送受信機６２が据え付けられている。

各荷重センサ２０の出力は、図示しないアンプを介して荷重に比例した値が出力され、図示しないＡ／Ｄ変換器を介して荷重の値を示すデジタルデータが送受信機６２から出力され、ＰＣ６０へ送られ、後述する所定の処理が処理プログラムにより行われて、荷重データが記憶装置６４に記録される。

同様に、歪みゲージセンサ５０の出力は、図９に示すセンサ回路５６を介して、荷重の値が出力される。センサ回路５６は、歪みゲージセンサ５０をブリッジの一つに配置したブリッジ回路５６ａを備え、ブリッジ回路５６ａの一対の出力をアンプ５６ｂに入力して、アンプ５６ｂの出力が、Ａ／Ｄ変換と荷重データの記録を行うデータロガー５８に出力される。データロガー５８に記録された荷重データは、送受信機６２を介して、ＰＣ６０内の記憶装置６４に記録される。

ＰＣ６０内の処理は、図１、図１０、図１１に示すように、車椅子１２、ベッド１４、及びトイレ１６に設けられた各センサにより取得されたセンサデータがＰＣ６０に送信され、所定のプログラムによりセンサデータが集約され、集約されたセンサデータに対して、その動作の動作識別処理が行われる。

動作識別処理に先立ち、各センサからのデータを集約してその患者の行動パターンの分類の基準となる動作モデルを作成する。動作モデルの作成は、図１１（ａ）に示すように、その患者の動作の特徴を抽出し、危険な動作か否かを判別するための動作の分類情報を蓄積し、動作モデルの情報を作成し、記憶装置６４の動作モデル記憶部６４ａに記録する。ここで、センサデータの分類処理には、ＳＶＭ（サポートベクターマシン・Support Vector Machine）を用いる。ＳＶＭは、教師あり学習を用いる識別手法の一つであり、非線形分類問題にも優れた性能を発揮することを特徴とする学習モデルである。そこで、この実施形態の動作分類には、ＳＶＭを用いて分類処理を行っている。

先ず、図１１（ａ）に示すように、センサデータを取得すると（ｓ１）、取得した動作データの動作ラベリング（ｓ２）と特徴量抽出処理（ｓ３）を行う。この後、得られたラベルと特徴量データを基に、ＳＶＭを用いて、ＳＶＭ分類による動作モデルを作成する（ｓ４）。これにより、その患者の動作の各種パターンが分類されて各種の動作モデルが設定される。この動作モデルは、後に例えば患者の動作の識別に用いられる。

ＳＶＭモデルが作成された後は、図１０に示すように、その患者の動作について動作識別処理が行われ、その後その患者の行動について危険か否かの行動判別処理が行われる。また、得られたセンサデータによる各動作の検出値は、記憶装置６４内の動作ログ記憶部６４ｂに動作時刻とともに記録される。患者動作に対する動作識別処理は、図１１（ｂ）に示すように、センサデータを取得し（ｓ１１）、センサデータの特徴量の抽出処理を行う（ｓ１２）。抽出した特徴量データをＳＶＭ分類処理する（ｓ１３）。このＳＶＭ分類処理には、先に作成したＳＶＭモデルを動作モデル記憶部６４ａから呼び出して用いる。これにより、その患者のセンサデータによる動作識別がなされる。

動作識別処理が行われたセンサデータは、行動判別処理が施され、危険な動作であるか否かが判別される。判別には、記憶装置６４内の行動ルール記憶部６４ｃに記録された行動ルールが適用される。即ち、検出されたセンサデータが行動ルール記憶部６４ｃの行動ルールに照らして、危険であると判断される場合は、アラーム生成部６６からアラーム信号が送信され、その動作が行われている箇所の図示しないアラームが鳴り、患者やその周囲の人はその動作が危険であることを認識することができる。

以上説明したように、この実施形態の患者行動識別方法と患者行動検知システム１０は、患者の行動パターンを把握して、予めその患者の行動により得られる各センサからのセンサデータにより、その患者の危険な行動時に表れるセンサデータの値を認識し、これを基に、例えば在宅療養時に、上記患者行動を監視して、危険行動が起こる可能性のあるデータが得られた場合には、アラームを鳴らして、患者やその周囲の人に警告を発することが出来る。これにより、在宅療養時等の危険行動による事故を防止することが出来る。特に、行動時に得られるセンサデータのモデル作成や分類にＳＶＭを用いることにより、正確な分類が可能となり、適切な判断が可能となる。

なお、この発明の患者行動識別方法と患者行動検知システムは、上記実施形態に限定されるものではなく、センサの設置箇所は適宜選択可能なものであり、療養箇所の廊下等の手摺りや、洗面所に設置しても良く、センサの種類も適宜選択可能なものである。

１０ 患者行動検知システム
１２ 車椅子
１４ ベッド
１６ トイレ
１８ 手摺り
２０ 荷重センサ
２２ 背もたれ
２４ 圧力分布センサ
３０ 車体フレーム
３２ 光学センサ
３４ 足置き部
３８ 座面部
５０ 歪みゲージセンサ
５２ 肘掛け部
６０ ＰＣ
６２ 送受信機
６４ 記憶装置

Claims (4)

1. 患者が使用する複数の機器や部材に力や位置を検知する各種センサを設け、予めその患者の各種動作や行動により得られる前記センサからのセンサデータを個別の患者毎に蓄積し、この蓄積された前記センサデータを基に、個別の患者毎に動作モデルを作成して記憶し、前記動作モデルを基に、その後の通常生活時の前記個別の患者の動作から得られる前記センサデータを識別し、その動作状態を判別する患者行動識別方法であって、
   前記複数の機器は、少なくとも前記個別の患者が使用する車椅子とベッドであり、前記センサは、前記車椅子やベッドに掛かる荷重や各部材の位置情報を検知するもので、前記車椅子と前記ベッドには、各々情報を検知する複数のセンサが設けられ、
   先ず、前記各センサからのデータを取得して、取得した動作データの動作ラベリングを行い、その患者の動作の特徴を抽出し、危険な動作か否かを判別するための動作の分類情報を蓄積し、
   この後、上記動作ラベリングで得られたラベルと抽出した前記特徴の特徴量データを基に、前記個別の患者毎の動作の各種パターンを分類して、前記個別の患者毎の各種の動作モデルを設定し、
   前記動作モデルを基に、前記個別の患者毎の通常生活の動作について、前記各センサからのセンサデータの患者動作を識別し、識別した前記センサデータの動作が、行動ルール記憶部に記録された行動ルールと照合して危険か否かを判断し、前記患者毎の前記車椅子及び前記ベッドでの動作が危険か否かの行動判別処理を行い、
   前記車椅子と前記ベッドの何れかから危険な状態と判断される基準値以上の値が得られた場合に、その動作状態を前記患者及び周囲に知らせることを特徴とする患者行動識別方法。
2. 前記患者の動作の識別は、ＳＶＭ（Support Vector Machine）を用いる請求項１記載の患者行動識別方法。
3. 患者が使用する複数の機器や部材に取り付けられ力や位置を検知する複数のセンサと、予めその患者の各種動作や行動により得られる前記センサからのセンサデータを個別の患者毎に記憶する記憶装置と、前記センサデータを基に前記個別の患者毎の動作を分類して動作モデルを作成し、この動作モデルを基に前記個別の患者毎の動作を識別し、その動作状態を送信する処理を行う処理装置を備えた患者行動検知システムであって、
   前記複数の機器は、少なくとも前記個別の患者が使用する車椅子とベッドであり、前記センサは、前記車椅子に設けられた荷重センサと、前記ベッドに設けられた荷重センサ及び力センサであり、
   前記処理装置は、前記各センサからのデータを取得して、取得した動作データの動作ラベリングを行い、その患者の動作の特徴を抽出し、危険な動作か否かを判別するための動作の分類情報を蓄積し、得られたラベルと抽出した前記特徴の特徴量データを基に、前記個別の患者毎の動作の各種パターンを分類して、前記個別の患者毎の各種の動作モデルを設定し、この動作モデルを基に、前記個別の患者毎の通常生活の動作について、前記各センサからのセンサデータの患者動作を識別し、識別した前記センサデータの動作が、行動ルール記憶部に記録された行動ルールと照合して危険か否かを判断する行動判別処理を行い、前記車椅子と前記ベッドの何れかからの複数の前記センサデータを識別処理して、前記車椅子と前記ベッドの何れかから危険な状態と判断される基準値以上の値が得られた場合に、その動作状態を前記患者及び周囲に知らせる処理を行うことを特徴とする患者行動検知システム。
4. 前記複数の機器は、無線通信の送受信機を備え、無線通信により前記処理装置と前記センサデータの授受を行う請求項３記載の患者行動検知システム。
   

Images