6月26日（土）4:00-5:00pm（日本）
NTTデータ + Personal Robots + Signal Kinetics
「JiboとRFID技術で実現する“親しみのある”IT服薬サポート」

発表者：吉田 英嗣 (NTT DATA) 、大杉 直樹博士 (NTT DATA) 、シンシア・ブラジール教授 (MIT), ファデル・アディブ教授 (MIT)、ヘイワン・パーク博士 (MIT)、シェリファ・アルゴワイネン博士 (MIT)
キーワード: ロボット、AgingTech、みまもり、高齢者、介護
セッション：聴講型（講演20分＋Q&A 20分）
言語：日本語

米国では、薬の誤った服用が原因で50％もの治療が失敗し、毎年12万名もの方が亡くなっています。薬を正しく服用するために様々な工夫が行われていますが、薬を正しく服用しているのはわずか25～30％程度でしかないと言われています。 薬の誤った服用は患者の生活を悪化させるだけでなく、医療システムや社会の大きな経済的負担となっています。

これまで、人による患者支援やIT技術によるサポートまで多くの取組がなされています。人による支援は最大で83％まで治療の成功確率を向上できますが、非常に大きな費用が掛かってしまうため、継続的なサポートを提供し続けることが難しい実情があります。一方で、薬の飲み方を表示し、薬を飲む時間になったら教えてくれるIT技術は、治療の成功確率をわずかに高める効果しかありません。

IT技術と人の中間に位置するソーシャルロボットJiboによって薬の正しい服用を支援することで、単に薬を飲む時間を思い出させるだけでなく、薬が正しく服用されているかをロボットがプロアクティブ（能動的に）にチェックし、正しく楽しく治療を続けるためのモチベーションを提供します。 このプロジェクトはメディアラボのPersonal Robots group、Signal Kinetics group、NTT データの共同研究です。

Saturday, June 26 at 4:00-5:00pm (JST)
Title: Jibo & RFID Technology “Friendly” Support Medicine Adherence

Presenters: Mr. Eiji Yoshida (NTT DATA), Dr. Naoki Ohsugi (NTT DATA), Prof. Cynthia Breazeal (MIT), Prof. Fadel Adib (MIT), Dr. Hae Won Park (MIT), and Dr. Sharifa Alghowinem (MIT)
Keywords: Robot, AgingTech, “Mimamori,” Elderly people, Nursing care
Format: Lecture for 20 minutes + Q&A for 20 minutes
Language: Japanese

50% of medical treatments fail due to lack of medication adherence, which results in 125,000 premature deaths each year. Furthermore, regardless of the efforts made and allocated budget to enhance medication adherence, only 25-30% of written prescriptions are taken properly. This is problematic because it affects the patient's quality of life and introduces burdens on healthcare systems and the economy.

There is a wide range of reasons that contribute to the patients' nonadherence. Previous interventions range from in-person interventions to digital solutions. Even though in-person interventions have up to 83% success rate, it is a big cost solution with limited availability, and continued care is seldom available. Digital solutions, on the other hand, have some but insignificant improvements in medication adherence.

We introduce a social agent technology that reminds the user about their medication schedule and provides personalized support as a motivating ally. We are interested in building social agents that understand why nonadherence behavior occurs and why patients experience a hard time sticking to their regimen. In this first step, the agent monitors the pill bottle usage and helps support proper medication intakes. This project is conducted in collaboration with the Personal Robots group, the Signal Kinetics group at the Media Lab, and NTT DATA.