患者のニーズに応える：デジタルツールを活用した理学療法の強化
AGシルバ1、R. パーク2、F. レイス3
すべての著者、所属、および要約は、提出されたとおりに公開されています。
1アベイロ大学、CINTESIS.UA、健康科学部、アベイロ、ポルトガル、 2ケープタウン大学、麻酔科・周術期医学科疼痛ユニット、ケープタウン、南アフリカ 3リオデジャネイロ連邦研究所、リオデジャネイロ、ブラジル
学習目標 1患者記録と運動・身体活動に基づく介入の提供に焦点を当てたモバイル/ウェブデジタルソリューションの開発における理学療法士の役割を理解します。機能要件の定義、デジタル介入の仕様と提供の詳細、そして最終ソリューションの評価が含まれます。
学習目標 2: 理学療法士がデジタルソリューションを治療に統合することで、リハビリテーションを強化し、資源の乏しい環境における理学療法へのアクセスを向上させる方法を説明します。慢性疼痛に対するグループベースの遠隔医療リハビリテーションの実施プロセス分析と、患者による治療の受容性の定性評価に関するデータを提示します。
学習目標 3理学療法における人工知能とビッグデータの基礎を解説します。疫学、精密治療、患者スクリーニング、視力増強といった分野を網羅し、その潜在的なメリットを具体的な事例で紹介します。倫理的問題に関する疑問や、専門家の将来的な役割への影響についても議論します。
説明理学療法を必要とする人の数が増え、病状や環境も多様化しているため、理学療法士がますます増加する患者をモニタリングし、タイムリーで質の高いケアを提供できるようなアプローチが求められています。遠隔医療やインテリジェントヘルス（iHealth）に関連するデジタルツールを含む新しい技術は、タイムリーかつ継続的な理学療法へのアクセスの難しさ、移動の制限、長時間の待ち時間といった現在の制約を克服する可能性を秘めています(1)。しかし、既存のデジタルツールはエビデンスに基づくガイドラインに準拠していることがほとんどなく、医療専門家とエンドユーザーの協力なしに開発されていることが多く(2)、その結果、質の低いソリューションしか提供されていないことが示唆されています(3)。
テクノロジーの開発プロセスに多分野にわたるチームが関与することで、最終的な品質の向上につながります。理学療法士は、これらのツールの機能要件（つまり、ツールが何をすべきか）を特定し、それらの要件を患者のニーズと理学療法士が質の高いケアを提供するための期待の両方と照合し、最終製品の品質を評価するという重要な役割を担っています。理学療法士の貢献の可能性を最大限に引き出すには、遠隔医療ツールの開発プロセスを理解し、この分野の用語や対面介入をオンライン介入に移行する際の特殊性、そして最終的なソリューションを評価することが必要です。これらのプロセスを理解することは、テクノロジーの導入を容易にすることにもつながります。
理学療法の実践にデジタルソリューションを統合するための重要な要素は、エンドユーザーである患者とのパートナーシップです。患者パートナーと協力してデジタルツールを開発することは、現在ではベストプラクティスとして認められています。しかし、開発プロセスにおける患者の経験や最終製品の受容性について、患者との継続的なエンゲージメントがまだ不足しています(4)。理学療法のためのデジタルソリューションの開発と実装において患者とのパートナーシップを強化する方法を理解することで、治療を最適化する反復プロセスが促進されます。これは、患者やより広範なコミュニティとのパートナーシップが、患者や専門家のデジタルツールの使用準備、教育レベル、インフラストラクチャ、またはコンピュータリテラシーなど、特定の課題や潜在的な障壁を克服する鍵となる、リソースの乏しい環境で特に重要です(5)。
理学療法分野では、診断、リスク評価、予防、治療介入、そしてフォローアップにデジタルソリューションが活用されてきました。ビッグデータ分析と人工知能（AI）を統合したインテリジェントヘルス（iHealth）という概念は、近年注目を集めています。ビッグデータは、多くの情報源から得られるデータの量と複雑さの増大に対応するために、膨大な計算リソースを必要とします。ビッグデータには、構造化情報、半構造化情報、非構造化情報が含まれており、構文的、意味的、社会的、文化的、経済的、組織的な複雑な相互関係が存在する可能性があります(6)。AIは高度なアルゴリズムを用いて大量の医療データから特徴を「学習」し、得られた洞察を臨床実践に役立てることができます。また、フィードバックに基づいて精度を向上させるための学習機能と自己修正機能も備えています。このように、iHealthは、患者の自己モニタリングと自己報告、ウェアラブルまたは固定型のセンサーによるモニタリング、そしてデータマイニング技術を組み合わせることで、患者の個人的環境からより文脈的なデータを提供することができます(7)。 iHealthは、リアルタイムの自己モニタリング強化、患者の環境への評価の統合、そして意思決定と治療の個別化を支援するためのデータマイニングの機会として捉えられています。特定の状況や患者の環境における個々の症状と行動との複雑な関連性に焦点を当てることで、iHealthはより優れたリスク評価、層別化、個々の患者のニーズに合わせた治療の調整、エピソードや症状の発症予防、そして患者の自己管理能力の強化に活用できる可能性があります(8)。しかし、iHealthは理学療法分野ではまだ初期段階にあります。したがって、臨床医と研究者は、倫理的問題、導入、そして理学療法における将来の役割への影響について議論することが時宜にかなったものであることを考慮すべきです。
テクノロジーの開発プロセスに多分野にわたるチームが関与することで、最終的な品質の向上につながります。理学療法士は、これらのツールの機能要件（つまり、ツールが何をすべきか）を特定し、それらの要件を患者のニーズと理学療法士が質の高いケアを提供するための期待の両方と照合し、最終製品の品質を評価するという重要な役割を担っています。理学療法士の貢献の可能性を最大限に引き出すには、遠隔医療ツールの開発プロセスを理解し、この分野の用語や対面介入をオンライン介入に移行する際の特殊性、そして最終的なソリューションを評価することが必要です。これらのプロセスを理解することは、テクノロジーの導入を容易にすることにもつながります。
理学療法の実践にデジタルソリューションを統合するための重要な要素は、エンドユーザーである患者とのパートナーシップです。患者パートナーと協力してデジタルツールを開発することは、現在ではベストプラクティスとして認められています。しかし、開発プロセスにおける患者の経験や最終製品の受容性について、患者との継続的なエンゲージメントがまだ不足しています(4)。理学療法のためのデジタルソリューションの開発と実装において患者とのパートナーシップを強化する方法を理解することで、治療を最適化する反復プロセスが促進されます。これは、患者やより広範なコミュニティとのパートナーシップが、患者や専門家のデジタルツールの使用準備、教育レベル、インフラストラクチャ、またはコンピュータリテラシーなど、特定の課題や潜在的な障壁を克服する鍵となる、リソースの乏しい環境で特に重要です(5)。
理学療法分野では、診断、リスク評価、予防、治療介入、そしてフォローアップにデジタルソリューションが活用されてきました。ビッグデータ分析と人工知能（AI）を統合したインテリジェントヘルス（iHealth）という概念は、近年注目を集めています。ビッグデータは、多くの情報源から得られるデータの量と複雑さの増大に対応するために、膨大な計算リソースを必要とします。ビッグデータには、構造化情報、半構造化情報、非構造化情報が含まれており、構文的、意味的、社会的、文化的、経済的、組織的な複雑な相互関係が存在する可能性があります(6)。AIは高度なアルゴリズムを用いて大量の医療データから特徴を「学習」し、得られた洞察を臨床実践に役立てることができます。また、フィードバックに基づいて精度を向上させるための学習機能と自己修正機能も備えています。このように、iHealthは、患者の自己モニタリングと自己報告、ウェアラブルまたは固定型のセンサーによるモニタリング、そしてデータマイニング技術を組み合わせることで、患者の個人的環境からより文脈的なデータを提供することができます(7)。 iHealthは、リアルタイムの自己モニタリング強化、患者の環境への評価の統合、そして意思決定と治療の個別化を支援するためのデータマイニングの機会として捉えられています。特定の状況や患者の環境における個々の症状と行動との複雑な関連性に焦点を当てることで、iHealthはより優れたリスク評価、層別化、個々の患者のニーズに合わせた治療の調整、エピソードや症状の発症予防、そして患者の自己管理能力の強化に活用できる可能性があります(8)。しかし、iHealthは理学療法分野ではまだ初期段階にあります。したがって、臨床医と研究者は、倫理的問題、導入、そして理学療法における将来の役割への影響について議論することが時宜にかなったものであることを考慮すべきです。
参考情報:
- Talboom-Kamp EP、Verdijk NA、Harmans LM他「プライマリケアにおける慢性疾患管理のためのeHealthプラットフォーム：革新的アプローチ」Interactive Journal of Medical Research、2016;5:e5.
- Simões P, Silva AG, Amaral J, Queirós A, Rocha NP, Rodrigues M. 身体活動測定のための最も人気のあるモバイルアプリの機能、行動変容技術、および品質：アプリストアにおける体系的な検索。JMIR mHealth and uHealth, 2018;6(10):e11281.
- Marques J, Borges L, Andias R, Silva AG. 首の痛みのセルフマネジメントを目的とした最も人気のあるモバイルアプリの特徴と評価：アプリストアにおける体系的な検索. Musculoskeletal Care, 2022;20(1):192-199.
- Bombard Y, Baker GR, Orlando E, et al. 患者の参加によるケアの質の向上：系統的レビュー. 実装科学. 2018;13(1):98.
- Reis FJJ, Fernandes LG, Saragiotto BT. 低・中所得国における遠隔医療：ギャップを埋めるか、それとも健康格差を露呈させるか？ 医療政策技術. 2021;10(4):100577.
- Benke K, Benke G. 公衆衛生における人工知能とビッグデータ。国際環境研究・公衆衛生ジャーナル。2018; 15(12):2796。
- タックC. 人工知能と機械学習：筋骨格理学療法への応用. 筋骨格科学と実践. 2019;39:164-169.
- Jiang F, Jiang Y, Zhi H, 他. ヘルスケアにおける人工知能：過去、現在、そして未来. 脳卒中・血管神経学, 2017;2(4):230-243.
すべての著者、所属、および要約は、提出されたとおりに公開されています。
