※本記事は、ペンシルバニア大学リハビリロボティクス研究室ディレクターのMichelle氏による講演「Affordable robot avatars for rehabilitation」の内容を基に作成されています。本講演は、ITUが50以上の国連パートナーと連携し、スイス政府と共同開催するAI for Goodによって配信されたものです。講演の詳細およびオリジナル動画はhttps://www.youtube.com/watch?v=u5gr6uOJ99k でご覧いただけます。本記事では講演の内容を要約しております。なお、本記事の内容は登壇者の見解を正確に反映するよう努めていますが、要約や解釈による誤りがある可能性もありますので、正確な情報や文脈についてはオリジナルの動画をご視聴いただくことをお勧めいたします。また、AI for Goodのニューラルネットワークコミュニティ（https://aiforgood.itu.int/neural-netw... ）では、AIを活用してグローバルな課題解決に取り組む革新者や専門家とのネットワーキングが可能です。
1. パンデミックが露わにした医療アクセスの危機とテレメディシンの台頭
1-1. COVID-19による医療システムの崩壊・孤立・人材不足の顕在化
Michelle： 皆さん、COVID-19のパンデミックを覚えているでしょうか。あの時期、私たちは皆、家に閉じこもり、孤立していました。介護施設は次々と閉鎖され、家族は離れ離れになり、会いたくても会えない状況が続きました。それと同時に、負傷者数、感染者数、そして何らかのケアを必要とする人の数が急激に増加していました。ところが医療システムは、そのニーズに到底応えられる状態にありませんでした。看護師、医師、セラピスト自身もウイルスに感染し、もともと人材不足だった現場はさらに逼迫し、医療提供の大きな空白がリアルタイムで生まれていたのです。
1-2. テレメディシンの急拡大とロボットアバター活用の萌芽
Michelle： こうした状況の中で、テクノロジーがこのギャップを埋められるのではないかという議論が高まっていきました。パンデミック中、人々は日常的な医療を受けるために病院へ行くことができず、必要なセラピーも受けられなくなっていました。そこでテレメディシンの利用が急増しました。データによれば、利用率は約154%増加しました。医師たちは、メールやテキストメッセージ、電話といったローテクな手段でも患者と連絡を取り続ける方法を模索し始めました。そしてSkypeの退場とZoomの台頭に象徴されるように、ビデオ通話によるテレプレゼンスの活用も広がっていきました。さらに、VGOシステムのようなロボットアバターが病院の現場でも使われるようになりました。入院患者担当医（ホスピタリスト）や看護師、臨床医たちが、感染リスクのある患者の病室にロボットを遠隔操作で送り込み、ラウンドを行うという使い方です。テクノロジーが医療の最前線に踏み込んでいく光景が、現実のものとなっていたのです。
1-3. セラピスト387名への全米調査：遠隔療法の実態と高齢者・障害者のデジタル格差
Michelle： 研究者として、私はこの急速な変化の実態を正確に把握したいと考えました。そこでパンデミック中に学生たちとともに大規模な調査を実施しました。アメリカ全土から387名のセラピストに参加してもらいました。内訳は言語聴覚士、理学療法士、作業療法士です。回答者の平均像は、女性、40歳前後、臨床経験約15年というプロフィールでした。この調査では、COVID前後でどのような遠隔コミュニケーション手段を使ったかを尋ねました。結果は私たちの予想をおおむね裏付けるものでした。患者へのビデオ通話が大幅に増加し、テキストベースのコミュニケーションも有意に変化し、電話の頻度も増えていました。ビデオを介したテレプレゼンス、つまり対面にいるかのように患者と会話しようとする取り組みも増加していました。しかしここで私が注目したのは、こうした変化の恩恵を受けられなかった人々の存在です。高齢者や障害を持つ方々は、スマートフォンを持っていない可能性が最も高く、コンピューターの操作にも不慣れなことが多い。ローテクであれハイテクであれ、テレメディシンの波に乗れなかった人たちがいたのです。この問いが、私が取り組む研究の核心にある問題意識です。
2. 研究の背景と課題：臨床家と患者の関係性をいかに遠隔で維持するか
2-1. ペンシルバニア大学リハビリロボティクス研究室の20年の歩み
Michelle： 私はペンシルバニア大学のリハビリロボティクス研究室のディレクターを務めています。この研究室は医学部と工学部の両方に支えられており、医療アクセスの問題を20年以上にわたって研究してきました。これまでにいくつものロボットや支援型セラピーシステムを開発し、医療現場のギャップを埋める手段としてのロボティクスを探求してきました。私たちの主な関心領域はリハビリテーションですが、エンジニアとして考えたとき、この「アクセスの問題」こそが根本にある課題だと認識していました。すぐに頭に浮かんだのは、多様な環境で機能するAI搭載のロボットアバターという発想でした。しかし、その実現に向けて最大の難関となったのが、臨床家と患者の関係性を遠隔でいかに維持するか、という問題でした。
2-2. 社会ロボットの可能性と限界、そしてLittle Flow構想の誕生
Michelle： 対面で医師に会うとき、私たちは相手と関係を築こうとします。指示を受け、感情を感じ取り、診断情報を理解し、そして治療への動機を高める。これらが一体となって初めて、医療の場が成立します。この豊かなやり取りを遠隔で実現するにはどうすればよいか。まず多くの研究者が注目したのが社会ロボットです。私たちの研究室でも開発に関わったBaxterのような社会ロボットは、データが示す通り、人々の運動意欲を高める効果があります。しかし問題もありました。患者の自宅に長期間設置する場合の信頼性への懸念、そして何より、臨床家がその場にいないという点です。ロボットが患者を動機づけることはできても、専門家として診断し、指示し、感情的なつながりを届けるのは別の話です。そこで私たちは、COVID以前からより良い解決策を模索していました。たどり着いたのが、テレプレゼンスプラットフォームとヒューマノイド社会ロボットを統合するという構想です。VGOのようなテレプレゼンス基盤を維持しつつ、そこにヒューマノイドロボットを加え、臨床家が遠隔からロボットを操作して患者のもとに介入できるシステム、それがLittle Flowの原型となりました。臨床家はロボットを遠隔の空間へ「乗り込ませ」、患者と直接向き合うことができます。臨床家の存在感をロボットを通じて届けるという発想です。
2-3. ネットワーク干渉下での感情・指示・診断情報の伝達という設計課題
Michelle： テレメディシンの現場では、通信環境が大きな壁になります。ネットワークの干渉やノイズが生じやすく、その状態で指示や感情を正確に伝えようとすると、コミュニケーション自体が阻害されてしまいます。この問題を解決するために、Little Flowは二つの役割を担うよう設計されました。一つは臨床家側のニーズへの対応で、診断などの専門的な機能を補うことです。もう一つは患者側のニーズへの対応で、感情を届け、身体的な存在感（エンボディメント）と実在感（リアルプレゼンス）を患者に感じさせることです。テレプレゼンス越しの映像だけでは届けにくいこの「そこにいる感覚」を、ヒューマノイドというかたちで物理的に補完する。そこにLittle Flowの設計思想の核心があります。
3. Little Flowへのセラピスト評価と改善要件の抽出
3-1. COVID禍でのビデオ視聴フィードバック調査の方法と結果
Michelle： 私たちはLittle Flowのプロトタイプを開発した後、セラピストたちからフィードバックを得ることにしました。ただし当時はまだCOVID禍の真っ只中でしたので、実際にロボットを使ってもらうことはできません。そこで、Little Flowがテレプレゼンス越しに患者とゲームをしている様子を収めた短い動画を制作し、それを先ほどの調査に参加したセラピストたちに見せました。動画を視聴した上で、「このシステムを使いたいと思うか」「セラピーの場面で活用するか」「患者の評価・アセスメントに使うか」「実際に患者に対して使うか」という問いを投げかけました。結果は興味深いものでした。27%のセラピストが「現状のシステムでも使いたい、これは私たちにとってゲームチェンジャーになる」と即時採用の意向を示しました。一方で、残りの多数派は懐疑的でした。可能性は感じるが、自分たちが本当に必要としている機能を備えているかどうか確信が持てない、というのが大方の反応でした。
3-2. セラピストが求めた4つの改善要件（高画質・双方向表示・自動データ収集・ゲーム機能）
Michelle： 懐疑的なセラピストたちは、ただ否定するだけでなく、具体的に何が足りないかを教えてくれました。彼女たちが求めたのは大きく4点です。まず、映像の高画質化です。遠隔から患者の状態を視覚的に把握するためには、鮮明な映像が不可欠だと言います。次に、患者側からもセラピストの顔が見える双方向の映像表示です。セラピストが患者を見るだけでなく、患者もセラピストの表情や動きを見られることで、双方向の交流が生まれるという考え方です。三つ目は、患者の機能を自動で収集・評価するデータ取得機能です。セラピストが手動で記録する手間を省き、ロボットがリアルタイムで患者のパフォーマンスデータを蓄積できる仕組みを求めていました。そして四つ目が、ソーシャルゲームの機能です。患者の意欲を高めるために、楽しみながら取り組めるゲーム要素を取り入れることが非常に重要だと、多くのセラピストが強調しました。これらの要件は、その後のLittle Flowの開発方針に直接反映されていきます。
4. パンデミック後も続く医療格差：祖母の脳卒中が示す研究の原点
4-1. 非感染性疾患の深刻化と医療人材不足の継続
Michelle： パンデミックが終わった今、ロボットアバターはもう必要ないのではないか、と思う方もいるかもしれません。しかし私の答えは明確にノーです。COVID以前から、私たちはすでに非感染性疾患（NCD）の深刻な広がりという危機に直面していました。世界で亡くなる人の71%が、感染症ではなく非感染性疾患によって命を落としています。その最大の原因が心血管疾患と脳卒中です。この問題はパンデミックの前から存在しており、医療ケアの提供に大きな課題をもたらしていました。さらにパンデミック後の現在も、臨床医・看護師・セラピストの人材不足は解消されていません。加えて、ロングCOVIDが神経学的な後遺症をもたらすことも明らかになっており、NCDによる患者に加えてその影響を受けた人々も医療を必要としています。医療アクセスのギャップは、パンデミックの終息とともに消えたわけではないのです。
4-2. 祖母の脳卒中体験と脳卒中後遺症の実態
Michelle： ここで、私がなぜこの研究をしているのかという原点をお話しさせてください。これは私の祖母、Fuette Luzina Andrews Medley Gordonの話です。祖母は1914年にジャマイカで生まれました。私自身もジャマイカ生まれで、ジャマイカという発展途上の環境で育ちました。祖母は1950年代にニューヨークへ移住し、そこでより充実した医療を受けられるようになりました。しかし1990年代に、祖母は脳卒中を患いました。脳卒中とは、脳内の血管が破裂するか、血流が遮断されることによって起こる神経学的な損傷です。祖母を含む多くの脳卒中サバイバーは、認知機能障害、運動機能障害、そして心理社会的障害という三つの領域で深刻な影響を受けます。これらの障害は生活の質を大きく損ない、入浴、買い物、服薬管理といった日常生活の基本的な動作さえ困難にします。脳卒中はNCDの中でも特に影響の大きい疾患であり、COVID以前から社会的な課題であり続けてきました。
4-3. ロングCOVIDによる神経障害と、依然続く遠隔医療の必要性
Michelle： パンデミックを経た今、状況はさらに複雑になっています。ロングCOVIDは神経学的な後遺症をもたらすことが知られており、NCDを抱える患者層にその影響が重なる形で、医療ニーズはむしろ増大しています。そして医療提供の側では、人材不足が依然として続いています。つまり、どこにいても必要な人に必要なケアを届けるための仕組み、テレメディシンや遠隔リハビリテーションのインフラは、パンデミックが終わった後も変わらず求められているのです。私が思い描くのは、祖母のような人が世界中のどこにいても、臨床家が物理的にそこにいなくても、必要な強度と質の治療を受けられる未来です。それが、この研究を続ける理由です。
5. Little Flowの臨床実装：ゲーム開発・患者受容性研究・実地試験
5-1. Simon Saysゲームおよびターゲットタッチゲームの開発
Michelle： パンデミック後、ようやくロボットを実際の現場で使える環境が整ってきました。私たちはLittle Flowのベース部分の改良を進めながら、患者がリハビリに取り組むための具体的なゲームの開発に注力しました。まず開発したのが「Simon Saysゲーム」です。ロボットが患者に対して音声で指示を出し、「Simon says」と言った場合のみその動作を実行するというルールのゲームです。たとえば「Simon says、右腕を振って、左腕を横に伸ばしてください」といった形で指示が出され、患者はロボットの動きを見ながらそれに合わせて身体を動かします。このゲームは単純なルールながら、上肢の運動を自然に引き出す仕掛けになっています。次に開発したのが「ターゲットタッチゲーム」です。こちらはセラピストがロボットの画面越しに登場し、ロボットが患者に対して手の特定の部位を触るよう指示します。患者がその指示に従って手を動かすことで、上肢のリハビリ運動が促されます。ロボットが指示を出し、患者がそれに応じるというシンプルな構造ですが、反復的な運動訓練を自然なゲームの流れの中に埋め込むことができています。どちらのゲームも、セラピストが求めた「患者の意欲を高めるソーシャルゲーム機能」という要件に直接応えるものとして設計されています。
5-2. 年齢・障害程度別の受容性比較研究（小児・成人・高齢者）
Michelle： ゲームを開発した後、私たちが取り組んだのは患者側の受容性を検証することでした。実際にシステムを使ってもらった結果、2対1の割合でヒューマノイドによる拡張テレプレゼンスプラットフォームが支持されました。患者たちは、このプラットフォームがセッションをより楽しいものにし、臨床家が一緒にいるような感覚を与えてくれると感じていました。またロボットが動いたり、患者自身がロボットを見たりできる点も好評でした。ただし、ロボットへの選好は年齢と障害の程度によって大きく異なることもわかりました。この研究では小児から若年成人、高齢者まで、さまざまな年齢層と運動・認知障害の程度が異なる参加者を対象としました。予想通り、小児は障害の有無にかかわらずロボットシステムへの親和性が高く、積極的に取り組む姿勢を見せました。一方、高齢者はより慎重な反応を示しました。障害がない、あるいは軽度の高齢者は、従来のテレメディシンの方を好む傾向がありましたが、障害が重くなるにつれてヒューマノイドによる拡張プラットフォームを選ぶ割合が高まっていきました。つまり、最もケアを必要とする患者層ほど、ロボットアバターによる介入を受け入れやすいという重要な知見が得られたのです。
5-3. コミュニティリハビリセンターでの1か月実地試験と患者の声
Michelle： 受容性の研究で得た反応が、単なる新奇性の効果によるものではないかという懸念がありました。初めて見るロボットに対して一時的に興奮するだけで、時間が経てば飽きてしまうのではないかという問いです。そこで私たちはコミュニティベースのリハビリセンター内にLittle Flowを少なくとも1か月間設置し、セラピストが実際の患者とのセッションで継続的に使用するという実地試験を行いました。その結果、患者たちからは非常に前向きなフィードバックが得られました。ある患者は「コミュニティセンターでのリハビリは正直なところ退屈になることもある。でもこれは何か違うことができて楽しかったし、喜んでやりたいと思った」と話してくれました。また脳卒中による運動障害を持つ別の患者は「これは良かった、またやりたい」と繰り返し述べ、さらに印象的なコメントを残してくれました。それは「ロボットは自分が間違えても批判しなかった」というものです。人間のセラピストに対しては萎縮してしまうことがあっても、ロボット相手であれば失敗を恐れずに取り組める、という心理的安全性の存在が浮かび上がってきました。これは私たちが当初想定していなかった気づきであり、ロボットアバターがリハビリにおいて果たしうる役割の新たな側面を示すものでした。
6. アフォーダビリティとグローバルビジョン、そしてライブデモ
6-1. 「効果的かつ安価」なシステムが世界規模の医療格差を縮める
Michelle： 医療費は今後も増加し続けるでしょう。だからこそ、AIとロボティクスを活用したソリューションが求められています。しかし私が強調したいのは、効果的であるだけでは十分ではないという点です。システムは同時に、手の届く価格でなければなりません。アフォーダビリティ、つまり経済的な手の届きやすさこそが、世界規模でのインパクトと普及を左右する鍵です。世界地図を見渡したとき、私はいつも祖母のことを思います。ジャマイカに生まれ、発展途上の環境で育ち、ニューヨークへ渡ってはじめて十分な医療にアクセスできた祖母のような人が、世界中にいます。私は科学者として、そうした人たちがどこにいても、臨床家が物理的にそばにいなくても、必要な強度と質の治療を受けられる未来を実現したいと考えています。Little Flowのようなシステムが安価に提供できるようになれば、それは単に一部の先進国の患者を助けるにとどまらず、医療格差そのものを縮める力になり得ます。
6-2. MediaPipeを用いたライブデモ：Simon Saysゲームの実演
Michelle： ここで実際にLittle Flowを動かしてお見せしたいと思います。同僚のMaxineに前に出てきてもらいましょう。Little Flowには現在、MediaPipeという姿勢推定アルゴリズムが搭載されています。カメラがリアルタイムで人の動きを捉え、フィードバックを返すことができます。私の学生たちがプログラムしたSimon Saysゲームを実演します。
Little Flow（ロボット）： こんにちは。Simon Saysゲームへようこそ。私が何かをするよう言ったら、その通りにやってみてください。「Simon says」と言ったときだけ動作を行ってください。「Simon says」と言わなかった場合は、動いてはいけません。騙そうとすることもあるので気をつけてください。動作のたびに、準備のポーズに戻ってください。さあ、始める前にカメラのキャリブレーションをしましょう。右腕をまっすぐ頭上に上げて、そのまま保持してください。次に、上半身と上げた腕が全部映るように、前後に移動してください。完璧です、キャリブレーション完了です。準備ができたら続けてください。
Little Flow（ロボット）： 右腕を振って、左腕を左側に伸ばしてください。Simon saysとは言っていません、右腕を右側に伸ばして、左腕を横に振ってください。よくできました。Simon says、右腕を振って、左腕を横に振ってください。惜しかったです。Simon says、右腕を横に振って、左腕を左側に伸ばしてください。ナイス。あと一回です。右腕を上げて、左腕を左側に伸ばしてください。ナイス。ゲーム終了です。最終スコアは5問中3点でした。
Michelle： Maxine、そしてチームの皆さん、ありがとうございました。このデモでご覧いただいた通り、Little Flowはリアルタイムで患者の動きを認識し、指示を出し、採点まで自動で行うことができます。こうした機能の積み重ねが、セラピストが求めていた「自動データ収集」や「患者の意欲を高めるゲーム体験」という要件を満たすものになっています。AIとロボティクスは私たちをより近くつなぐことができる、そのことをこのシステムは示しています。