エモーションテックが救急要請の背景を生成AIで解析した結果

エモーションテックがواجهة解析を実施

1. 取り組みの概要

株式会社エモーションテックは、横浜市消防局からの委託を受けて、生成AIを利用した救急要請に関する分析を行いました。令和5年の救急出場件数の中で、救急搬送を辞退した事案に焦点を当て、背景や状況、搬送を辞退した理由などを解明する試みです。

この分析を通じて、エモーションテックのテキスト分析サービス「TopicScan」(トピックスキャン)が活用され、救急要請の隠れた背景を素早くかつ効率的に定量化することに成功しました。

2. 背景にある状況

高齢化や新型コロナウイルスの影響で、日本全体で119番通報や救急出動が増加しています。横浜市でも令和5年には過去最多の約25万件の救急出場が記録され、救急隊の現場到着時間も過去10年間で平均2分遅くなっています。

横浜市消防局は、この傾向に対処するため、急病や怪我の予防に関する啓発活動を行い、救急車の適正な利用法を広める取り組みを進めています。しかし、緊急性の低い要請の背景を詳しく分析するには、多くの非構造テキストデータを扱わなければならず、これまでの技術では難しい課題がありました。

3. 「TopicScan」の導入

そこで、エモーションテックは「TopicScan」を利用した分析を開始しました。このツールは大量の非構造テキストデータを効率的に分析し、救急要請の背景を定量的に把握することを可能にしました。

4. 分析結果の概要

横浜市における令和5年の救急出動件数は約25万件、その中で救急搬送を辞退したケースは約2割。分析では、救急隊員が記載した状況報告から、どんなトピックが多く取り上げられているかを自動的に抽出しました。データは「日時」「地区」「性別」「年齢」などの情報と組み合わせ、要請背景を明確に示しました。

不適正利用の実態

調査結果から、不適正に救急サービスを利用しているケースは非常に少数であることがわかりました。多くの要請は不安や心配から来ている傾向が明らかになったため、今後の救急需要対策においては、これらの心理的要因にも目を向けた対応が求められるでしょう。

5. 今西代表取締役のコメント

株式会社エモーションテックの代表取締役である今西良光氏は、「データに基づく情報発信を進めることで、緊急度の高い患者のもとに救急車が迅速に到着できる環境が整う」と述べ、データ分析による先進的な取り組みに期待を寄せています。また、今後もより多くの地域や機関へ非構造テキストデータの活用が進むことを願っていると語っています。