心臓カテーテル検査 – 3D アニメーション Health Decide チャンネル登録者数 29.1万人
11- Right Heart Catheterization – Dr. Foaud Fawzy Cardiology Department Cairo University チャンネル登録者数 1.27万人
「肺循環動態（pulmonary hemodynamics）」とは、肺循環における血液の流れの状態や性質を指し、以下のようなパラメータを具体的に測定・評価します：
PVR=mPAP−PCWP心拍出量(Wood単位)\text{PVR} = \frac{\text{mPAP} – \text{PCWP}}{\text{心拍出量}} \quad (\text{Wood単位})
肺循環動態とは、肺の血管内でどれくらいの圧力でどれくらいの血液が流れ、血管がどの程度柔らかいかを示す生理学的な指標群です。
→ これらは肺高血圧症の重症度や治療効果の評価、予後予測に不可欠です。
(ChatGPT 4o)
人間関係の親密さへの欲求が十分に満たされないことで生じる不快感（Sullivan 1953)
特定の必要な関係を持っていないことによって引き起こされる反応(Weis 1973)
対人関係についての達成水準と願望水準との食い違いから生じるネガティブな感情（Peplau & Perlman, 1979）
漠然とした他者とのつながりを求める感情(Leiderman 1980)
対人関係の欠如の認識に関連する主観的な経験(Chelune, Sultan, Williams 1980)
望むつながりが得られないときに感じるもの(Peplau & Perlman, 1982)
社会的統合勘や感情的親密さを提供する活動に参加した際に、適切な社会的パートナーが不足していると感じたときに生じる感情的苦痛(Rook 1984)
人と親密な関係をもとうとする志向性がありながら、それが実現しないときに感じるもの(落合1989)
他者とのつながりを望んでいるにもかかわらず、独りぼっちであると感じること(Younger 1995)
人間関係の欠如を不快または許容できないといと感じる状況(de Jong Gierverld 1998)
社会生活がみたされずに生じる苦痛(Killeen 1998)
現代日本社会において、「孤独」はもはや個人の内面的な感傷の問題ではなく、社会全体の安定と活力を脅かす深刻な公衆衛生上および社会経済上の課題として認識されつつある。本報告書は、日本の社会における「孤独感」（望ましい人間関係が得られないという主観的感情）に関する最新の社会統計を基に、その背景にある構造的要因、個人と社会に及ぼす多面的な影響、そして国が展開する包括的な対策を詳細に分析し、今後の政策的要請を提示するものである。
本課題を分析するにあたり、まず「孤独感」と「社会的孤立」という二つの概念を明確に区別することが不可欠である。政府の政策もこの区別を前提に構築されている 1。
日本政府の対応の特筆すべき点は、これら二つの概念を区別しつつも、両者が相互に影響し合い、悪循環を生む「一体の課題」として捉えていることである 1。人は集団の中にいても孤独を感じることがあり（孤立していないが孤独）、一方で物理的に孤立していても孤独を感じない場合もある。この複雑性を認識し、客観的な社会インフラの欠如（孤立）と主観的なウェルビーイングの欠如（孤独感）の両方に対処する統合的アプローチは、政策の有効性を高める上で極めて重要である。
孤独・孤立が個人の問題から主要な公共政策課題へと昇格した背景には、長期的な社会構造の変化と、それを加速させた歴史的な出来事が存在する。
単身世帯の増加、終身雇用制度の変容、地域コミュニティの希薄化といった社会構造の変化が、人々を孤独・孤立に陥りやすくする土壌を長年にわたり形成してきた 8。この潜在的な問題は、新型コロナウイルス感染症（COVID-19）のパンデミックによって一気に顕在化し、深刻化した 8。外出自粛や社会的距離の確保といった措置が、人々の物理的なつながりを断ち切り、社会全体の不安感を増幅させたのである。
この社会情勢を背景に、政治的な機運が高まった。国会での質疑 11 などを経て、2021年2月、日本は世界に先駆けて「孤独・孤立対策担当大臣」を任命するという画期的な一歩を踏み出した 9。これに伴い、内閣官房に「孤独・孤立対策担当室」（現在は内閣府に移管）が設置され、政府一体で対策を推進する司令塔としての役割を担うこととなった 10。
この政策的枠組みは、2023年5月に成立した「孤独・孤立対策推進法」によって法的な基盤が与えられ、恒久的なものとなった 14。同法に基づき、具体的な施策を定めた「孤独・孤立対策の重点計画」が策定され、社会情勢の変化に応じて毎年度見直されている 10。
このように、政府が孤独・孤立問題に対してハイレベルで統合された政策フレームワークを構築したことは、意図的な「問題定義」の行為である。専門大臣の任命や推進法の制定を通じて、この問題を少子化対策や地方創生といった他の国家的課題と同等の優先順位に引き上げたのである。この戦略的な位置づけは、省庁間の縦割りを排し、リソースを動員し、孤独を「個人の自己責任」ではなく「社会全体で取り組むべき公的責任」として正当化するために不可欠であった。この恒久的な政策アーキテクチャの構築は、一過性のキャンペーンではなく、長期的な国家戦略としてこの問題に取り組むという政府の強い意志の表れと言える。
本節では、内閣府が定期的に実施している「人々のつながりに関する基礎調査」を主たる情報源とし、日本における孤独感の広がりをデータに基づいて多角的に描き出す 18。
孤独という主観的な感情を捉えるため、全国調査では二つの主要なアプローチが採用されている。
これらの調査から明らかになったのは、日本国民の約4割が何らかの形で孤独感を感じているという実態である 21。最新の調査結果を見ると、その傾向は安定して高い水準で推移している。
経年変化を見ると、パンデミック以降、孤独感を感じる人の割合は高止まりしており、社会に孤独感が広く浸透した状態が続いていることが示唆される 18。特に、最初の調査と比較して「決してない」と回答する人の割合が減少している点は、孤独感がより一般的な感情へと変化している可能性を示している 18。
孤独は全ての人に起こりうるが、特定の属性を持つ人々においてそのリスクが顕著に高まることがデータから明らかになっている。
現在の孤独感に影響を与えた出来事として、孤独感が強い人が最も多く挙げたのは「家族との死別」（23.3%）であった 23。しかし、孤独感が強い人とそうでない人の間で回答率の差が最も大きかったのは、「人間関係による重大なトラブル（いじめ・ハラスメント等を含む）」や「心身の重大なトラブル（病気・怪我等）」であった 23。このことは、死別のような普遍的なライフイベントもさることながら、予期せぬ対立や健康問題といったネガティブで破壊的な出来事が、人々を慢性的な孤独へと追いやる決定的な要因となりうることを示唆している。
これらの統計データが描き出すのは、「生産年齢層の孤独」という逆説的な現象である。社会の中心を担い、最も活動的であるはずの20代から50代が最も強い孤独感を抱えているという事実は、この問題が単なる個人的な感情ではなく、日本の社会経済システムに根差した構造的な歪みの表出であることを示している。かつては終身雇用や安定した地域社会が提供していた、帰属意識やアイデンティティといった社会的な安全網が侵食されつつある。この世代が経験する孤独は、経済的な不安定さ、過度な成果主義、そして現代生活における意味のあるつながりの欠如といった、より深い社会的な病理の症状と捉えることができる。これらの自動的に与えられたつながりが失われた現代において、人間関係の構築・維持は個人の努力に委ねられる「もう一つの労働」と化している。経済的不安やSNSによる他者比較の圧力に晒される世代にとって、この「労働」に失敗したと感じることが、客観的には孤立していなくても、深刻な主観的孤独感として現れるのである。この「生産年齢層の孤独」は、労働生産性の低下や離職率の増加といった直接的な経済的損失 22 につながるだけでなく、次世代の育成や高齢化社会の維持を担うこの世代のウェルビーイングが損なわれることで、社会全体の持続可能性そのものを揺るがしかねない。したがって、政策の焦点は、従来の高齢者中心の視点から、現役世代が直面する特有の圧力に対処するものへと転換される必要がある。
日本における孤独感の蔓延は、単一の原因によるものではなく、マクロな社会構造の変化から個人の生活様式の変容に至るまで、複雑に絡み合った要因の網の目によって引き起こされている。
かつて日本の社会で人々のつながりを支えてきた伝統的な基盤が、大きく揺らいでいる。
新型コロナウイルスのパンデミックは、孤独という問題をゼロから生み出したわけではない。むしろ、慢性的に進行していた問題を急激に悪化させ、社会の目に見える形で露呈させる「加速装置」として機能した 8。
「ステイホーム」や「自粛」といった感染対策は、孤独感を和らげる上で極めて重要な対面での接触機会を激減させた。パンデミック期間中の調査では、多くの人々が会いたい人に会えないと感じていたことが報告されている 32。特に、デジタルを介した非対面での接触はある程度維持された一方で、対面での交流が著しく失われたことは、人と人とのつながりにおける物理的な近接性の代替不可能な価値を浮き彫りにした 32。さらに、この危機は女性や若者を中心とした自殺者の増加にもつながり、政策立案者はこれを深刻化した社会的苦痛と孤立の表れと関連付けている 33。
現代社会における人間関係は、デジタル技術と不可分に結びついているが、その影響は両義的である。
これらの孤独の促進要因は、個別に作用しているのではなく、相互に連関し合う一個のシステムとして機能している。経済的な不安定さ（会社という共同体の弱体化）は、個人を家族や友人といった私的な関係性への依存度を高めるが、人口動態の変化（単身世帯の増加）はその私的な関係性の利用可能性そのものを減少させる。この「つながりの赤字」を埋めるために人々はオンライン空間に向かうが、そこでのコミュニケーションはしばしば表層的で、他者比較を煽るため、主観的な孤独感をさらに増幅させかねない。この脆弱なシステムに対し、パンデミックという外部からの衝撃が加わったことで、残されていた物理的なつながり（職場や社会活動）が断ち切られ、人々はほぼ全ての交流をデジタル領域に依存せざるを得なくなった。その結果、デジタルのパラドックスが持つ負の側面が極大化され、システム全体が機能不全に陥ったのである。したがって、有効な政策はこれらの要因を個別に対処するのではなく、経済、社会、技術という複数の次元にまたがる、システム全体への介入を目指すものでなければならない。
広範にわたる孤独感は、単なる個人の不幸にとどまらず、個人の心身の健康、社会の安定、そして経済の活力に対して、深刻かつ広範な負の影響を及ぼす。
孤独は、見過ごされがちな「静かなる流行病」であり、その健康への影響は極めて深刻である。
この表が示すように、孤独は単なる一過性の感情ではなく、測定可能な形で人々の生命と健康を蝕む公衆衛生上の脅威である。この事実を明確にすることは、対策への公的資金投入を正当化する上で不可欠である。
孤独の影響は、個人の健康の枠を超え、社会全体と経済にまで波及する。
孤独という問題を経済的なレンズを通して分析すると、対策を講じないことの方が、介入よりもはるかに高くつくという事実が浮かび上がる。生産性の損失、医療費の増大、そしてひきこもりなどの関連問題に伴う社会保障給付の負担を合算すれば、そのコストは日本経済にとって看過できない継続的な重荷となる。したがって、孤独対策への予算配分は、単なる社会的支出ではなく、人的資本、公衆衛生、そして経済的レジリエンスへの長期的な投資として位置づけられるべきである。この視点の転換は、社会的な共感に訴えるだけでなく、財政的な合理性に基づいた強力な政策推進の論拠となる。政府の予算編成プロセスにおいて、このような経済的視点は、持続的かつ大規模な投資を確保するための説得力を持つだろう。
本節では、孤独・孤立という国家的課題に対し、日本が構築した多角的な政策対応の全体像を、その法的基盤から現場での実践に至るまで批判的に評価する。
日本の孤独・孤立対策は、強固な法的・計画的枠組みの上に成り立っている。
重点計画に基づき、政府は多岐にわたる具体的な施策を展開している。
国の戦略が実効性を持つかどうかは、地域レベルでの実践にかかっている。
日本政府の孤独・孤立対策アプローチは、「プラットフォーム国家」モデルとして概念化することができる。このモデルにおいて、中央政府は自らがすべての解決策の「提供者」となることを目指しているわけではない。むしろ、法的枠組み（推進法）、財源（補助金）、情報インフラ（ポータルサイト）、そして連携の仕組み（官民連携プラットフォーム）といった「プラットフォーム」を構築することに注力している。このプラットフォームが、多様な地方公共団体やNPOという「プレイヤー」たちを力づけ、彼らがそれぞれの地域の実情に合わせた、きめ細やかな解決策を提供することを可能にする。これは、OSとアプリストアの関係に似ている。政府が基盤となるOSと市場を整備し、無数の「開発者」（NPO）が多様なユーザーニーズに応える「アプリ」（具体的な支援プログラム）を開発・提供する。このモデルは、柔軟性が高く、地域の多様なニーズに適応しやすいという大きな利点を持つ。しかし、その成功は、プラットフォーム上で活動する「開発者」であるNPOの健全性と能力に全面的に依存するという脆弱性も内包している。NPOが資金不足や過度の負担に苦しめば、国家戦略全体が機能不全に陥るリスクがある。したがって、このモデルを成功させるための核心的な要件は、市民社会のパートナーであるNPOの持続可能性と組織基盤をいかにして確保し、強化していくかという点に集約される。
日本の取り組みをグローバルな文脈に位置づけることは、ベストプラクティスを特定し、代替的なアプローチを検討する上で有益である。本節では、同様に孤独を主要な政策課題として認識している諸外国の経験を比較分析する。
日本の孤独対策は、強力なトップダウンの政策枠組みという強みを持つ一方で、これらの国際的なモデルから、よりボトムアップで予防的な概念を統合することで、その戦略を一層強化することができる。具体的には、英国の「社会的処方」は、日本の医療制度と地域の支援活動を結びつける具体的なメカニズムを提供する。米国のモデルは、孤独を「公衆衛生上の流行病」と位置づける強力なナラティブと、物理的な「社会インフラ」への投資の重要性を示唆しており、これは日本の「まちづくり」の概念とも親和性が高い。そして、スウェーデンのアプローチは、予防の重要性と、一過性のプロジェクトではなく、NPOが提供する定常的な活動への資金提供の有効性を教えてくれる。
したがって、日本が目指すべき未来の戦略は、いずれか一つのモデルを模倣するのではなく、これらを組み合わせたハイブリッド型であるべきだ。すなわち、日本独自の強力な中央集権的枠組みを維持しつつ、英国式の医療システムとの連携、米国式の社会インフラ投資、そしてスウェーデン式の予防的で、個人の興味関心に基づいた市民社会活動への支援を統合することである。この融合こそが、より効果的で持続可能な孤独対策への道筋となるだろう。
本報告書の分析から、以下の結論が導き出される。
以上の分析に基づき、日本の孤独・孤立対策をさらに前進させるため、以下の戦略的提言を行う。
（Gemini）
「スモールデータAI（Small Data AI）」とは、大量のデータを使わずに学習・推論ができるAI技術のことを指します。従来のAI、特にディープラーニングは「ビッグデータ」を前提としてきましたが、スモールデータAIはそれとは対照的に、少ないデータからでも有用なモデルを構築できるのが特徴です。
多くの産業や分野（医療・製造・災害対応など）では、以下のような理由でビッグデータが使えない／集めにくいことがあります：
こうした状況に対応するために、スモールデータAIが注目されています。
スモールデータAIを実現するための技術には以下があります：
| 技術名 | 概要 |
|---|---|
| Few-shot Learning / One-shot Learning | 少数のサンプルから分類・認識できる学習手法 |
| Transfer Learning（転移学習） | 大規模データで事前学習したモデルを小規模データに適用 |
| Meta Learning（メタ学習） | 学習の方法そのものを学ぶ。少数データに強い学習アルゴリズムを自動的に獲得 |
| データ拡張（Data Augmentation） | 少数のデータを増やす手法（画像回転、ノイズ付加など） |
| 教師なし学習・自己教師あり学習 | ラベルなしデータを活用するアプローチ |
(ChatGPT 4o）
医療分野における「スモールデータAI（Few‑Shot Learning 等）」の活用例を、実例・論文・商用技術を交えてご紹介します。
(ChatGPT 4o）
医療分野におけるAIの発展は、従来のビッグデータ活用だけでなく、限られた「スモールデータ」でも有効なAI技術の開発が注目されています。特に、データ量が少ない現場やプライバシー保護が重要な医療現場では、小規模データで動作するAIの実用化が求められています。
スモールデータAIの医療応用例
エッジAI・TinyMLの活用
TinyMLを用いた軽量AIチャットボットは、病院内のローカルサーバー上で動作し、患者データの安全な処理と迅速な応答を実現。患者識別や体温測定、医師がカスタマイズした問診を高精度（95%以上）で実施し、データは院内で安全に管理される(Johnvictor et al., 2024)。
臨床推論とスモールデータ
医療現場では大規模データが得られないことが多く、AI開発には小規模データと臨床推論のバランスが重要。抽象化や概念モデリングを活用し、医師の判断力とAIの協働が求められる(Koumpis & Graefe, 2024)。
スモールデータAI開発の課題と工夫
データ準備と拡張
医療画像AIでは、十分な量と質のデータ確保が困難。小規模・偏ったデータセットでは汎用性や有用性が制限されるため、データ拡張やフェデレーテッドラーニングなどの工夫が必要(Willemink et al., 2020; Castiglioni et al., 2021)。
バイアスと公平性
小規模データや特定集団のデータのみでAIを訓練すると、バイアスが生じやすく、誤診や一般化の失敗につながる。オープンサイエンスや多様なデータ収集が重要(Norori et al., 2021; Rajpurkar et al., 2022)。
医療AIの今後の展望
説明可能性と臨床的有用性
スモールデータAIでも、説明可能なAI（XAI）の導入や、臨床的に意味のあるエンドポイントの設定が求められる(Di Martino & Delmastro, 2022; Oren et al., 2020)。
多分野連携と倫理的配慮
医療AIの発展には、医師・AI研究者・倫理専門家の連携と、現場の実情に即した開発・運用が不可欠(Koumpis & Graefe, 2024; Lysaght et al., 2019)。
まとめ
医療分野では、スモールデータでも高精度・高効率に動作するAI技術の開発が進んでいます。データの質やバイアス対策、説明可能性の確保、多職種連携が今後の鍵となります。スモールデータAIは、現場のニーズや制約に応じた柔軟な医療AIの実現に貢献しています。
These papers were sourced and synthesized using Consensus, an AI-powered search engine for research. Try it at https://consensus.app
References
Johnvictor, A., Poonkodi, M., Sankar, P., & Vs, T. (2024). TinyML-Based Lightweight AI Healthcare Mobile Chatbot Deployment. Journal of Multidisciplinary Healthcare, 17, 5091 – 5104. https://doi.org/10.2147/JMDH.S483247
Koumpis, A., & Graefe, A. (2024). Considerations on the basis of medical reasoning for the use in AI applications. Frontiers in Medicine, 11. https://doi.org/10.3389/fmed.2024.1451649
Willemink, M., Koszek, W., Hardell, C., Wu, J., Fleischmann, D., Harvey, H., Folio, L., Summers, R., Rubin, D., & Lungren, M. (2020). Preparing Medical Imaging Data for Machine Learning.. Radiology, 192224. https://doi.org/10.1148/radiol.2020192224
Norori, N., Hu, Q., Aellen, F., Faraci, F., & Tzovara, A. (2021). Addressing bias in big data and AI for health care: A call for open science. Patterns, 2. https://doi.org/10.1016/j.patter.2021.100347
Lysaght, T., Lim, H., Xafis, V., & Ngiam, K. (2019). AI-Assisted Decision-making in Healthcare. Asian Bioethics Review, 11, 299 – 314. https://doi.org/10.1007/s41649-019-00096-0
Castiglioni, I., Rundo, L., Codari, M., Di Leo, G., Salvatore, C., Interlenghi, M., Gallivanone, F., Cozzi, A., D’Amico, N., & Sardanelli, F. (2021). AI applications to medical images: From machine learning to deep learning.. Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics, 83, 9-24. https://doi.org/10.1016/j.ejmp.2021.02.006
Rajpurkar, P., Chen, E., Banerjee, O., & Topol, E. (2022). AI in health and medicine. Nature Medicine, 28, 31 – 38. https://doi.org/10.1038/s41591-021-01614-0
Di Martino, F., & Delmastro, F. (2022). Explainable AI for clinical and remote health applications: a survey on tabular and time series data. Artificial Intelligence Review, 56, 5261 – 5315. https://doi.org/10.1007/s10462-022-10304-3
Oren, O., Gersh, B., & Bhatt, D. (2020). Artificial intelligence in medical imaging: switching from radiographic pathological data to clinically meaningful endpoints.. The Lancet. Digital health, 2 9, e486-e488. https://doi.org/10.1016/s2589-7500(20)30160-6
(consensus.app)
当初肝切除後の死 亡率は高く、1976 年の本邦の調査では 23％であった(3)。 肝は肝動脈、門脈、肝静脈の 3 つの異なる血管系が複雑に絡み合い、また肝背側には人体最大の静脈、すなわち下大静脈が存在する。門脈と肝動脈の血流 は、合わせて約 1.5 L/min であり(4)、血流が豊富なため切除術は出血過多にな りやすいという問題がある。また、肝切除時に腫瘍を含め一部の正常肝も同時 に切除されるが、残存肝容量が過小になった場合は、術後肝不全となり死亡率 が上昇するという問題もある(5)。… 世界中の肝臓外科医のたゆみない努力により、現在では肝切除 の安全性は飛躍的に高まり、周術期死亡率は 1.0％まで低下した(9, 10)。https://repository.dl.itc.u-tokyo.ac.jp/record/2009384/files/A39409.pdf
「予後因子」とは、基本的には「予後予測因子（prognostic factor / prognostic indicator）」のことを指します。
| 用語 | 英語 | 内容 |
|---|---|---|
| 予後因子 | Prognostic factor | 治療に関係なく予後に影響する因子 |
| 予後予測因子 | Prognostic indicator | Prognostic factorとほぼ同義（指標という意味が強調される） |
| 治療予測因子 | Predictive factor | 特定の治療に対する反応性を予測する因子 |
「予後因子」と言うときには、通常「予後予測因子」の意味で使ってよく、英語では prognostic factor や prognostic indicator が対応します。ただし、治療との関連を論じる場合は「predictive」と混同しないよう注意が必要です。
(ChatGPT 4o)
SNSでも尿路感染や性器感染のリスクが話題になっていました。
糖尿病で弊院内科通院中、SGLT2阻害薬を内服している高齢女性患者さんが、
「排尿時に痛い」とのこと。更に聞くと、数日前の内科受診では「男の先生だし、黙ってた」。
急いで泌尿器科に回ってもらって案の定尿路感染（だけで済んだ）だったけど、返書に「視診は断られました」とのこと。
女医も大事。— あもう@心療内科医 (@QjadtncbKrPf3Ed) September 22, 2023
性器感染と尿路感染をちゃんと診断を分けられる必要があります☝️
そろそろSGLT2阻害薬で尿路感染のリスク↑っていうのは「木を見て森を見ない人」になりますね。
元々の尿路感染のリスク評価含めちゃんとチェックしていきましょう☝️おむつ排泄なら性器感染症のリスク↑↑です、ほぼ必発レベルかと😱 https://t.co/DVUCERZA9E
— 後藤礼司 Reiji Goto MD, PhD (@dr_reiji7) April 18, 2025
これ、真に受けてる人が多いけどネタツイだからね。AIが発達するのは放射線科医にとってもよいこと。
我々のような真摯に読影してる人にとっては何ら脅威ではない。むしろこれからAIを危惧して放射線科になる人が減れば、一人当たりの仕事が増えて負担が増えるはず。 https://t.co/chzjknURRm— 放射線科医ふくろう (@tk2cafe) June 18, 2025
放射線科医は右と左が分からなくなるという鉄板ネタ、そんな訳ないでしょと思い続けてきたけど今日普通に右のこと左と言い続けて指摘されるまで微塵も気付かない事案が発生してしまった…
— うな重 (@rFQOnZJvHEUKey0) May 13, 2025
米国で回診中よくある会話
肺塞栓症疑い
レジ 「CTA 終わってますが放射線科医の読影まだです」
私 「自分で画像見た？」
レジ 「は？！」
私 「。。。」
— 木岡 睦 (@johnkioka) October 30, 2024