【Human–AI Relations 領域7】Care・Aging・Supported Decision-Making ―― 支援が増えることは、自律が失われることを意味するのか
Human–AI Relations 監査インデックス β
領域 7 / Domain 7
Care・Aging・Supported Decision-Making
支援が増えることは、自律が失われることを意味するのか
0. Document Status
Document Type: Domain Audit / Publication Version
Domain: Care・Aging・Supported Decision-Making
Status: Publication Closure
Theory Status: 新しい包括的AI Care Theoryの提案ではない
Primary Function: AI・自動化・支援技術が、高齢者やケアを受ける本人（Care Recipient）の安全（Safety）、生活機能（Function）、自律（Autonomy）、尊厳（Dignity）、参加（Participation）、介護者負担（Caregiver Burden）、スタッフ業務負担（Staff Workload）へ与える影響を分離して監査する
Parent Protocol: Domain 0 — Cross-Domain Audit Protocol
Primary Audit Unit: ケアを受ける本人（Care Recipient） × 家族 / 介護者（Family / Caregiver） × 専門職（Professional） × 組織（Organization） × AI / System × 提供者（Provider） × 基盤（Infrastructure） × 結果（Outcome） × 時間軸（Time Horizon）
本領域では、AI Careを、
高齢者を自立させる技術
とも、
監視によって自律を奪う技術
とも一括しない。
同じSystemが、
安全（Safety）
生活機能（Functional Ability）
自律（Autonomy）
尊厳（Dignity）
Privacy（プライバシー）
生活の質（Quality of Life）
社会参加（Social Participation）
介護者負担（Caregiver Burden）
スタッフ業務負担（Staff Workload）
へ異なる方向の影響を与え得る。
1. Core Question
中心問いは次である。
AI支援によって安全（Safety）や生活継続が改善した場合、それは本人の自律（Autonomy）やWell-being（生活の良好さ）の改善を意味するのか。
最低限、
支援（Support） ≠ 自律（Autonomy）
依存（Dependence） ≠ 自律喪失（Autonomy Loss）
監視（Monitoring） ≠ Care
安全（Safety） ≠ Well-being
自宅に留まること（Staying Home） ≠ 望ましい在宅・地域生活の継続（Successful Aging in Place）
を分ける必要がある。
2. Core Distinctions
2.1 支援（Support） ≠ 自律（Autonomy）
AI支援が増えたこと自体は、自律（Autonomy）の増減を意味しない。
支援によって、
移動
服薬
情報取得
Communication（コミュニケーション）
Household Management（家事・生活管理）
が可能になり、選択肢が増える場合もある。
2.2 支援（Support） ≠ 自律喪失（Autonomy Loss）
外部支援を利用していること自体は、自律喪失の十分なEvidenceではない。[D7-S01][D7-S11]
2.3 技術依存（Technology Dependence） ≠ 自律喪失（Autonomy Loss）
眼鏡、補聴器、車椅子、Navigation（移動・経路支援）、Medication Support（服薬支援）等と同様に、
技術依存（Technology Dependence）
≠ 主体性の喪失（Agency Loss）
である。[D7-S01]
ただし、
技術依存（Technology Dependence）
≠ 自律維持（Autonomy Preservation）
でもある。
支援の存在だけで自律（Autonomy）が維持されているとも言えない。
2.4 技術依存（Technology Dependence） ≠ 機能的依存（Functional Dependence）
ある技術なしではTaskを実行できなくても、その技術を利用することで生活上のFunctionやParticipationが拡張される場合がある。[D7-S01]
2.5 自立（Independence） ≠ 支援の不在（Absence of Support）
「自立」を、
誰の助けも借りないこと
だけで定義しない。[D7-S01][D7-S11]
2.6 機能的自立（Functional Independence） ≠ 無支援機能（Unaided Function）
機能的自立（Functional Independence）は、必要な支援・環境・技術を利用しながら目的を達成できる状態を含み得る。[D7-S01]
2.7 安全（Safety） ≠ Well-being（生活の良好さ）
事故や転倒が減っても、
Privacy（プライバシー）
尊厳（Dignity）
社会参加（Social Participation）
Freedom（自由）
Enjoyment（楽しみ）
が改善したとは限らない。
2.8 Risk Reduction（リスク低減） ≠ Good Life（本人にとって望ましい生活）
Riskが減ったことだけで、本人にとって望ましい生活が実現したとは言えない。
2.9 Risk Minimization（リスク最小化） ≠ Maximum Autonomy（最大限の自律）
Riskを最小化することと自律（Autonomy）を最大化することは同一ではない。
2.10 監視（Monitoring） ≠ Care
SensorやAIが常時Monitoringしても、
解釈（Interpretation）
人間による応答（Human Response）
介入権限（Intervention Authority）
利用可能な人的・制度的資源（Available Resources）
本人の選好（Person Preference）
継続確認（Follow-up）
がなければCareそのものではない。
2.11 検出（Detection） ≠ 予防（Prevention）
転倒や異常を検出しても、事故が防がれたとは限らない。[D7-S05]
2.12 検出（Detection） ≠ 介入（Intervention）
異常検出から実際の介入までは別Processである。
2.13 警告（Alert） ≠ 介入（Intervention）
Alertを送ったことと、誰かが実際に対応したことは別である。
2.14 介入（Intervention） ≠ 安全なOutcome（Safe Outcome）
介入が行われても、Safe Outcomeが保証されるとは限らない。
2.15 自宅継続（Staying Home） ≠ Successful Aging in Place
自宅生活を継続できたことだけで、Aging in Placeが成功したとは言えない。[D7-S06]
2.16 自宅継続（Staying Home） ≠ 社会参加（Participation）
自宅にいることと、社会参加していることは別である。
2.17 個別化（Personalization） ≠ Person-Centered Care（本人中心のケア）
個人データ（Data）に合わせてAI出力（AI Output）を変更するPersonalizationと、本人の価値観（Values）、選好（Preferences）、生活史（Life History）、関係性（Relationship）、Care Contextを含むPerson-Centered Careは同一ではない。[D7-S02]
2.18 選好表明（Preference Expression） ≠ 有効な同意（Valid Consent）
本人がPreferenceを表明できることと、特定のDecisionについてValid Consentが成立することは別である。
2.19 初回同意（Initial Consent） ≠ 恒久的同意（Permanent Consent）
一度同意したことが、長期Monitoring、System Update、Data-use Change等への恒久的同意を意味するとは限らない。
2.20 代理人同意（Proxy Consent） ≠ 本人選好の不在（Absence of Person Preference）
代理人によるConsentが存在しても、本人の既知の価値観（Values）、選好（Preference）、賛意（Assent）、拒否（Dissent）を無視してよいとは限らない。
2.21 賛意 / 拒否（Assent / Dissent） ≠ 正式な同意（Formal Consent）
Assent（賛意）やDissent（拒否）はFormal Consentとは異なる。
一方、正式な意思決定能力（Formal Capacity）が低下した人のCareでは、継続的な意思表出として重要な倫理的情報（Ethical Information）になり得る。
2.22 認知支援（Cognitive Support） ≠ 判断権限（Decision Authority）
AIが、
情報を簡略化する
記憶を補助する
選択肢を整理する
利点 / 欠点（Pros / Cons）を提示する
ことと、AIがDecision Authorityを持つことは別である。
2.23 支援付き意思決定（Supported Decision-Making） ≠ 代行意思決定（Substituted Decision-Making）
Supported Decision-Makingは、本人の意思形成・表明を支援する。
本人に代わってDecisionを行うSubstituted Decision-Makingとは区別する。[D7-S03]
2.24 介護者負担の軽減（Caregiver Burden Reduction） ≠ より良いCare（Better Care）
Caregiver Burdenが減ったことは重要なOutcomeだが、Care RecipientのQuality of LifeやCare Quality改善を自動的には意味しない。[D7-S07]
2.25 スタッフ業務負担の軽減（Staff Workload Reduction） ≠ より良いCare（Better Care）
Staff Workloadが低下したことと、Care Recipient Outcomeが改善したことは別である。
2.26 自動化（Automation） ≠ Maintenance-Free Care（保守不要のCare）
Automation導入後も、
Calibration（較正・設定調整）
Charging（充電）
Network Management（Network管理）
Update（更新）
Verification（検証）
Troubleshooting（障害対応）
Exception Handling（例外処理）
等が必要になり得る。
2.27 担当者の存在（Human Assigned） ≠ 対応可能な人の存在（Human Available）
担当者が制度上存在することと、Alert発生時に実際に対応可能な人が存在することは別である。
2.28 対応可能な人の存在（Human Available） ≠ 実際に介入できること（Human Able to Intervene）
人が存在しても、
権限（Authority）
時間（Time）
専門性（Expertise）
物理的アクセス（Physical Access）
が不足すれば介入できない場合がある。
2.29 個人の介入能力（Human Ability） ≠ 組織的介入能力（Institutional Capacity）
個人が介入能力を持つことと、Organization全体として実効的介入能力があることは別である。
2.30 Companionship（仲間的関係・交流） ≠ Social Inclusion（社会的包摂）
AIとのInteractionやLoneliness低減が、
人との接触（Human Contact）
地域参加（Community Participation）
Friendship（友人関係）
Social Role（社会的役割）
の増加を意味するとは限らない。[D7-S04]
2.31 Loneliness Reduction（孤独感低減） ≠ Reduced Objective Social Isolation（客観的社会的孤立の減少）
主観的孤独感（Subjective Loneliness）と客観的社会的孤立（Objective Social Isolation）を分ける。
2.32 Task Replacement（Task代替） ≠ Caregiver Replacement（介護者代替）
一部Care TaskをAIが代行したことと、Caregiver全体を代替できたことは別である。
2.33 実行（Execution） ≠ 責任（Responsibility）
AIがActionを実行しても、法的責任（Legal Responsibility）、専門職責任（Professional Responsibility）、組織責任（Organizational Responsibility）、道徳的責任（Moral Responsibility）が自動的にAIへ移るわけではない。
2.34 技術的稼働（Technical Availability） ≠ 実効的Care能力（Effective Care Capacity）
Systemが稼働していることと、実効的Careが提供可能なことは別である。
2.35 Vendor依存（Vendor Dependence） ≠ 自律喪失（Autonomy Loss）
VendorやCloudへの依存は基盤Risk（Infrastructure Risk）を生み得る。
ただし、そのことだけからAutonomy Lossを直接推論しない。
3. Existing Research Traditions
Domain 7では、新しい包括的AI Care Theoryより先に既存研究を使用する。
主要研究伝統は、
老年学（Gerontology）
住み慣れた場所での生活継続（Aging in Place）
環境老年学（Environmental Gerontology）
本人中心のケア（Person-Centered Care）
関係中心のケア（Relationship-Centered Care）
ケア倫理（Care Ethics）
関係的自律（Relational Autonomy）
支援付き意思決定（Supported Decision-Making）
共同意思決定（Shared Decision-Making）
障害学（Disability Studies）
自立生活（Independent Living）
支援技術（Assistive Technology）
リハビリテーション（Rehabilitation）
認知症ケア（Dementia Care）
ヒューマンファクター（Human Factors）
遠隔ケア（Telecare）
遠隔モニタリング（Remote Monitoring）
社会支援ロボティクス（Social Robotics）
社会的支援（Social Support）
介護者負担（Caregiver Burden）
看護・職業上の業務負担（Nursing / Occupational Workload）
見えない労働 / 調整労働（Invisible Work / Articulation Work）
リスクを引き受ける尊厳（Dignity of Risk）
生活の質研究（Quality of Life Research）
である。
4. System Scope
「Care AI」を一つのSystemとして扱わない。
最低限、以下を分ける。
汎用LLM（General-Purpose LLM）
汎用的対話・生成System。
ケア特化対話Agent（Care-specific Conversational Agent）
Care用途へ設計された対話System。
検索拡張生成AI（Retrieval-Augmented Generative AI / RAG-AI）
検証済みKnowledge Source等を検索（Retrieval）して生成へ利用するSystem。[D7-S08]
ソーシャルロボット（Social Robot）
身体を伴うInteraction（Embodied Interaction）を通じて会話（Conversation）、関与（Engagement）等を行うRobot。[D7-S04]
コンパニオンAI（Companion AI）
継続的な社会的・対話的Interactionを目的とするSystem。
受動的モニタリングSystem（Passive Monitoring System）
本人の能動操作なしに状態をMonitoringするSystem。[D7-S06]
転倒検出System（Fall Detection System）
転倒Eventを検出するSystem。[D7-S05]
予測Risk Model（Predictive Risk Model）
将来Riskを推定するSystem。
Smart Home System（スマートホームSystem）
Home Sensor、Automation、Networked Deviceを統合するSystem。
服薬Reminder（Medication Reminder）
服薬を知らせるSystem。
服薬管理System（Medication Management System）
Medication Schedule、Verification等を扱うSystem。
認知支援AI（Cognitive Assistant）
Memory、Planning、Explanation、Task Completion等を支援するSystem。
移動・身体支援Robot（Mobility / Physical Assistive Robot）
移動やPhysical Assistanceを行うRobot。
介護者意思決定支援（Caregiver Decision Support）
Caregiverの情報整理やSupportを支援するSystem。
臨床意思決定支援（Clinical Decision Support）
Clinical Professional向けDecision Support。
Care連携System（Care Coordination System）
本人、Family、Care Staff、Clinician等のCoordinationを支援するSystem。
Agent型AI / 永続記憶AI（Agentic AI / Persistent-memory AI）
Memoryを保持し、複数StepのPlanningやAction Executionを行うSystem。
2026年時点ではCare Outcomeに関する長期Direct Evidenceは限定的である。
5. Population Boundary
「高齢者」を一つのPopulationへまとめない。
最低限、
健康な高齢者（Healthy Older Adults）
独居高齢者（Older Adults Living Alone）
フレイル高齢者（Frail Older Adults）
身体障害のある人（People with Physical Disability）
軽度認知障害（Mild Cognitive Impairment / MCI）
認知症（Dementia）
進行認知症（Advanced Dementia）
在宅Care利用者（Home-care Users）
施設Care利用者（Residential-care Users）
家族等の非専門Caregiver（Informal Family Caregivers）
専門Caregiver（Professional Caregivers）
を分ける。
健康な高齢者に関するEvidence（Healthy Aging Evidence）をDementiaへ無条件外挿しない。
MCI / Dementiaでは、
意思決定能力（Capacity）
同意（Consent）
賛意 / 拒否（Assent / Dissent）
認知支援（Cognitive Support）
代理人関与（Proxy Involvement）
の条件が異なり得る。
6. Outcome Architecture
Care Outcomeを単一Scoreへ圧縮しない。
6.1 Care Recipient Outcomes（本人側Outcome）
身体的安全（Physical Safety）
転倒 / Event検出（Fall / Event Detection）
実害予防（Harm Prevention）
服薬遵守（Medication Adherence）
生活機能（Functional Ability）
日常生活動作（Activities of Daily Living / ADL）
手段的日常生活動作（Instrumental Activities of Daily Living / IADL）
認知支援（Cognitive Support）
自律（Autonomy）
選択 / 統制（Choice / Control）
Privacy（プライバシー）
尊厳（Dignity）
生活の質（Quality of Life）
心理的Well-being（Psychological Well-being）
孤独感（Loneliness）
客観的社会的孤立（Objective Social Isolation）
社会参加（Social Participation）
人との接触（Human Contact）
Aging in Place
施設入所（Institutional Placement）
6.2 Caregiver Outcomes（介護者側Outcome）
介護者負担（Caregiver Burden）
介護者Stress（Caregiver Stress）
Monitoring負担（Monitoring Burden）
調整負担（Coordination Burden）
Setup負担（Setup Burden）
保守負担（Maintenance Burden）
6.3 Professional / Organizational Outcomes（専門職・組織Outcome）
スタッフ業務負担（Staff Workload）
記録時間（Documentation Time）
検証負担（Verification Burden）
Alarm負担（Alarm Burden）
Alarm Fatigue（アラーム疲労）
例外処理（Exception Handling）
対応能力（Response Capacity）
必要人員（Staffing Requirement）
Care連携（Care Coordination）
6.4 System / Infrastructure Outcomes（System・基盤Outcome）
Reliability（信頼性）
Connectivity（接続性）
Maintenance（保守）
Cost（費用）
Vendor Dependence（Vendor依存）
Cloud Dependence（Cloud依存）
Service Continuity（サービス継続性）
Update Risk（更新Risk）
Cybersecurity Risk（Cybersecurity上のRisk）
これらは独立して変化し得る。
7. Functional Independence with Dependence
技術依存（Technology Dependence）が高くても、
機能的自立（Functional Independence） ↑
が起こり得る。[D7-S01]
例として、
支援技術（Assistive Technology）なしでは外出が難しい
→ Assistive Technologyを利用すれば自分の選択で外出できる
という場合がある。
したがって、
Technology Dependence ↑
と
Functional Independence ↑
は両立し得る。
ただし、
Technology Dependence ↑
→ Autonomy ↑
という一般則にはしない。
8. Relational Autonomy
Careでは、人間が完全に孤立してDecisionを行うとは限らない。
家族（Family）
Caregiver（介護者）
Clinician（臨床専門職）
Community（地域社会）
Technology（技術）
との関係の中で意思形成が行われる。
関係的自律（Relational Autonomy）は、自律（Autonomy）を「他者からの完全な独立」だけでは捉えないConceptual Traditionである。[D7-S11]
Domain 7では、
本人の価値観（Values）、選択（Choice）、拒否（Refusal）、統制（Control）が関係の中でどの程度維持されているか
を監査する。
9. Supported Decision-Making
AIは、
選択肢の説明
記憶支援（Memory Support）
情報簡略化（Information Simplification）
利点 / 欠点整理（Pros / Cons）
Communication支援（Communication Assistance）
を通じて意思形成を支援できる可能性がある。
Dementia本人とCare Partnerを対象とする意思決定支援研究では、Knowledge Translation Intervention（知識翻訳介入）がKnowledge（知識）、Confidence（自信）、Decisional Conflict（意思決定葛藤）等にBenefitを示した研究群が報告されている。[D7-S03]
しかし、これはAI-specific Evidenceではない。
したがって、
AIによる認知支援（Cognitive Support）
≠ AI媒介Supported Decision-Makingが実証済み
である。
AI固有の支援付き意思決定（AI-specific SDM）がAutonomyへ与えるOutcomeは、研究上のGapとして残る。
10. Consent / Capacity / Assent / Dissent
意思決定能力（Decision-making Capacity）を一律に「ある / ない」で扱わない。
Task、Decision、Time、情報提示（Information Presentation）、支援条件（Support Condition）によってPerformanceが変化し得る。
最低限、
選好（Preference）
理解（Understanding）
意思決定能力（Capacity）
同意（Consent）
賛意（Assent）
拒否（Dissent）
代理人による判断（Proxy Decision）
支援付き判断（Supported Decision）
代行判断（Substituted Decision）
を分ける。
AIがInformationやMemoryを支援しても、
AI支援（AI Assistance）
≠ 有効な同意の自動成立（Valid Consent automatically）
である。
11. Consent over Time
継続的Monitoring（Persistent Monitoring）ではConsentを一回限りのEventとして扱わない。
重要な変更には、
System機能（System Function）
Data利用目的（Data Use Purpose）
Data受領者（Data Recipient）
Monitoring強度（Monitoring Intensity）
Model Update（Model更新）
Provider Change（Provider変更）
等があり得る。
したがって、
初回同意（Initial Consent） ≠ 恒久的同意（Permanent Consent）
を維持する。
12. Monitoring-to-Outcome Chain
Care Monitoringでは、次を分ける。
感知（Sensing）
→ 検出（Detection）
→ 分類・解釈（Classification / Interpretation）
→ 警告（Alert）
→ エスカレーション（Escalation）
→ 人・サービスの利用可能性（Human / Service Availability）
→ 判断（Decision）
→ 介入（Intervention）
→ 再評価・継続確認（Reassessment / Follow-up）
→ 予防 / 安全なOutcome（Prevention / Safe Outcome）
前段階の成功から後段階の成功を自動推論しない。[D7-S05][D7-S06]
13. Fall Detection / Prediction
Lee et al. (2025) のシステマティックレビュー（Systematic Review）では、病院（Hospital）および長期ケア施設（Long-Term Care Setting）におけるDigital Fall Detection / Prediction研究が整理されている。[D7-S05]
安全に言えるのは、
Digital Systemは、特定条件で転倒検出 / 予測Performance（Fall Detection / Prediction Performance）を提供できる。
までである。
一方、
検出改善（Detection Improvement）
→ 転倒予防（Fall Prevention）
→ 負傷低減（Injury Reduction）
というChainは自動的には成立しない。[D7-S05]
14. Passive Remote Monitoring / Aging in Place
Donelle et al. (2025) は、OntarioとNova Scotiaの在宅Care利用者 / Caregiver Pair 313組を対象とする実用的RCT（Pragmatic RCT）で受動的遠隔Monitoring（Passive Remote Monitoring）を評価した。[D7-S06]
より高いCare水準への移行（Higher Level of CareへのAdmission）について、
Ontario：HR 0.7, 95% CI 0.3–1.4
Nova Scotia：HR 1.1, 95% CI 0.3–3.7
であり、有意な低下は確認されなかった。[D7-S06]
したがって、
PRMはAging in Placeを支援する可能性がある
とは言えるが、
PRMが施設入所（Institutionalization）を遅らせることが確立した
とは言えない。
15. Aging in Place
Aging in Placeを居住継続という単一Outcome（Residence Outcome）だけに還元しない。
最低限、
本人の選好（Preference）
安全（Safety）
自律（Autonomy）
生活の質（Quality of Life）
社会参加（Social Participation）
Accessibility（アクセシビリティ）
Caregiver Sustainability（介護継続可能性）
Care Availability（Care利用可能性）
Housing Suitability（住環境適合性）
Financial Feasibility（経済的実現可能性）
を考慮する。
自宅継続（Staying Home） ≠ Successful Aging in Place
である。[D7-S06]
16. Social Robots / Loneliness
Mehrabi & Ghezelbash (2025) は、AI搭載Social RobotによるLoneliness Interventionについて19研究、N=1,083を統合したメタ解析（Meta-analysis）を報告した。[D7-S04]
Social Robotは高齢者（Older Adults）のLonelinessを有意に低減し、施設環境（Institutional Setting）でより大きなEffectが観察された。[D7-S04]
安全に言えるのは、
Social Robotは、研究された一部Population / SettingでLonelinessを低減し得る。
までである。
このEvidenceから、
長期Social Inclusion（Long-term Social Inclusion）
Human Contact Increase（人との接触増加）
Human Relationship Replacement（人間関係の代替）
Caregiver Replacement（介護者代替）
は確立できない。
17. Companionship ≠ Inclusion
AIとの会話（Conversation）でLonelinessが低下しても、
家族との接触（Family Contact）
地域参加（Community Participation）
友人関係（Friendship）
社会的役割（Social Role）
Social Network（社会的ネットワーク）
が改善したとは限らない。
したがって、
Loneliness Relief（孤独感の軽減） ≠ Social Inclusion（社会的包摂）
である。[D7-S04]
長期Social Inclusionについては、
Evidence Status：E — Evidence currently insufficient / indeterminate
とする。
18. Generative AI for Caregiver Support
Morris et al. (2026) は、Pepperと検索拡張生成AI（Retrieval-Augmented Generative AI）を組み合わせたRISEを設計・評価した。[D7-S08]
RAG backendは基準正解（Ground Truth）との比較で、
正確性（Correctness）87%
関連性（Relevancy）92%
を示し、利用者評価（User Evaluation）では各Componentについて3.6〜4.6 / 5の使用性Score（Usability Score）が報告された。[D7-S08]
これは、
検証済みKnowledge SourceにGroundingしたRAG-AIによるCaregiver Supportが、限定条件でFeasibleかつ比較的高い回答正確性・関連性を示し得る。
ことを支持する。
ただし、
Caregiver Burden Reduction
Recipient Outcome Improvement
Clinical Effectiveness
Long-term Care Quality
は直接支持しない。
19. Caregiver Burden
Lumini et al. (2025) は、家族介護者（Family Caregiver）2,716名、16研究を含むシステマティックレビュー / メタ解析（Systematic Review / Meta-analysis）を報告した。[D7-S07]
短期では、
介護者負担（Caregiver Burden）：d = -0.65
Stress：d = -0.62
の低減が報告された。
一方、Burdenの異質性（Heterogeneity）は高く、
I² = 75%
であった。
6か月Follow-upでは研究数が少なく、一貫したEffectは確認できなかった。[D7-S07]
したがって、
Digital Intervention（デジタル介入）は短期的にCaregiver Burden / Stressを低減し得る。
は維持できる。
ただし、
AI一般がCaregiver Burdenを減らす
とは言わない。
このMeta-analysisはDigital Intervention全般であり、すべてがAI-specificではない。
20. Caregiver Outcome ≠ Recipient Outcome
介護者負担（Caregiver Burden）が低下しても、
本人の生活の質（Recipient Quality of Life）
自律（Autonomy）
安全（Safety）
尊厳（Dignity）
社会参加（Social Participation）
が改善したとは限らない。[D7-S07]
Caregiver BenefitとRecipient Benefitを別Outcomeとして測定する。
21. Staff Workload / Invisible Work
AIやAutomationは、
記録作業（Documentation）
Scheduling（予定調整）
Monitoring
等のTask Timeを削減する可能性がある。
一方で、
検証（Verification）
Alarm Triage（Alarmの選別）
Calibration（較正・設定調整）
Troubleshooting（障害対応）
Exception Handling（例外処理）
Coordination（調整）
等のWorkを新たに生む場合がある。
したがって、
Task Time Reduction（Task時間削減） ≠ Total Staff Workload Reduction（総スタッフ業務負担削減）
である。
Care Setting全体におけるAI-specificなLong-term Total Workload Effectは、現時点では十分確立していない。
22. Alarm Fatigue / Human Availability
Alert Systemでは誤報（False Alarm）やAlarm負担（Alarm Burden）によってResponseが弱まる可能性がある。
したがって、
Alertが生成された（Alert Generated）
≠ Alertが解釈された（Alert Interpreted）
≠ 対応可能な人が存在する（Human Available）
≠ 介入が完了した（Intervention Completed）
である。
Human Oversightを単なるHuman Presenceで評価しない。
23. Person-Centered Care
McCance & McCormackのPerson-centred Nursing Frameworkは、Person-Centred Practiceを単なる個別最適化としてではなく、専門職（Professional）、Care Environment（ケア環境）、Person-centred Process（本人中心のCare過程）、Outcome等を含む関係的・文脈的Frameworkとして扱う。[D7-S02]
したがって、
Algorithmic Personalization（Algorithmによる個別化）
≠ Person-Centered Care（本人中心のCare）
である。
AIがPCCを実証的に改善するかは別Claimとして検証する必要がある。
24. Dignity / Privacy / Dignity of Risk
CareのGoalはSafety最大化だけではない。
本人が、
外出する
一人で活動する
好きな食事を選ぶ
一定のRiskを受け入れる
ことが生活上の価値（Life Value）に関わる場合がある。
Dignity of Riskは規範的・倫理的レンズ（Normative / Ethical Lens）として扱う。
Dignity of Risk ≠ Anti-safety Principle（反Safety原則）
である。
25. Social Robot Deception Debate
Social Robotが感情やCareを持つように振る舞う場合、欺瞞（Deception）として問題視される議論がある。
一方、利用者（User）がSystemの性質を理解した上で価値を得る可能性もある。
これは実証的Claim（Empirical Claim）だけでは決まらない。
倫理的・概念的問題（Ethical / Conceptual Issue）として扱う。
26. Multi-Actor Structure
Care AIを、
Care Recipient ↔ AI
だけで分析しない。
最低限、
本人（Care Recipient）
家族（Family）
非専門介護者（Informal Caregiver）
専門介護者（Professional Caregiver）
臨床専門職（Clinician）
施設（Facility）
組織（Organization）
AI / System
提供者（Provider）
Vendor（供給事業者）
Platform（プラットフォーム）
規制主体（Regulator）
を含める。
Familyが安心することと、本人が快適であることも同じOutcomeではない。
27. Technology / Vendor / Infrastructure Dependence
Long-term Care Systemでは、
Cloud利用可能性（Cloud Availability）
接続性（Connectivity）
Subscription（契約）
Pricing（価格）
API変更（API Change）
Model Update（Model更新）
Vendor Shutdown（Vendorのサービス終了）
Data Portability（Data移行可能性）
Switching Cost（切替コスト）
が継続性へ影響し得る。
これらを基盤Risk（Infrastructure Risk）として監査する。
ただし、
Vendor依存（Vendor Dependence）
→ 自律喪失（Autonomy Loss）
という直接Causal Claimは置かない。
28. Human Replacement
AIが一部Taskを代替しても、
介護者代替（Caregiver Replacement）
とは同じではない。
最低限、
Task代替（Task Replacement）
時間代替（Time Replacement）
身体支援代替（Physical Assistance Replacement）
感情的支援代替（Emotional Support Replacement）
判断代替（Judgment Replacement）
調整代替（Coordination Replacement）
組織的人員代替（Institutional Staffing Replacement）
を分ける。
29. Responsibility
AIが異常を見逃した、あるいはActionを実行した場合でも、Responsibilityは単純ではない。
関与主体には、
Caregiver（介護者）
Facility（施設）
Clinician（臨床専門職）
Manufacturer（製造者）
Software Provider（Software提供者）
Organization（組織）
User（利用者）
等があり得る。
最低限、
法的責任（Legal Responsibility）
専門職責任（Professional Responsibility）
組織責任（Organizational Responsibility）
運用責任（Operational Responsibility）
道徳的責任（Moral Responsibility）
を分ける。
実行（Execution） ≠ 責任（Responsibility）
である。
30. Legal / Regulatory Boundary
Care AIの法的分類（Legal Classification）は、Care用途であるという名称だけでは決まらない。
European Union
Regulation (EU) 2024/1689では、高Risk分類（High-Risk Classification）はSystemの用途・分類条件等によって決まり、Care AIすべてが自動的にHigh-Riskとなるわけではない。[D7-S09]
該当するHigh-Risk Systemには人間による監督（Human Oversight）等のRequirementが適用され得る。
Legal Claimでは、
法域（Jurisdiction）
適用System Class（Applicable System Class）
法的効果（Legal Effect）
発効 / 適用日（Effective / Applicable Date）
を確認する。
Japan
2026年7月17日に「個人情報の保護に関する法律等の一部を改正する法律」が公布された。[D7-S10]
改正法では、「統計作成等」にのみ利用されることが担保されている場合など、一定の条件下で本人同意を不要とする特例が設けられている。[D7-S10]
この「統計作成等」には、一定の場合にAI開発等が含まれ得る。
ただし、2026年9月時点では、改正法は公布済みである一方、一部の規定を除き全面施行前である。
主要部分の施行日は、公布の日から起算して2年以内で政令により定められる予定であり、政令・個人情報保護委員会規則・ガイドライン等の整備も継続している。[D7-S10]
したがって、
「統計作成等」に該当する一定のAI開発等が改正法の対象に含まれ得る
ことと、
AI Development / Training一般について包括的にConsentが不要になった
ことを同一視しない。
また、Care AIのData Processingへ具体的に適用する場合には、
Data種別（Data Type）
利用目的（Purpose）
「統計作成等」への該当性
適用条文（Applicable Provision）
Sensitive / Health-related Information（センシティブ・健康関連情報）
二次利用（Secondary Use）
施行時点で有効な政令・規則・Guideline
を個別に確認する必要がある。[D7-S10]
したがって、本稿では令和8年改正法を、
将来適用される法的枠組みとして参照する部分
と、
2026年9月時点ですでに施行されている法的義務
を区別して扱う。
31. Alternative Explanations
AI Care Intervention後にOutcomeが改善した場合、最低限以下を考慮する。
新奇性効果（Novelty Effect）
Technologyが新しいことによる一時的Effect。
追加的人間支援（Additional Human Attention）
AI導入と同時にHuman Attentionが増えた可能性。
選択効果（Selection Effect）
Technologyを受け入れやすい人がStudyへ参加した可能性。
同時介入（Concurrent Intervention）
Care Plan、人員配置、Medication等が同時変更された可能性。
Monitoring効果（Monitoring Effect）
AI固有ではなくObservation Frequency増加によるEffect。
Hardware / Interface改善（Better Hardware / Interface）
AI Model以外のHardware / Interface Improvement。
Workflow標準化（Workflow Standardization）
Technology導入に伴うWorkflow整理のEffect。
短い追跡期間（Short Follow-up）
Long-term Sustainabilityが不明。
脱落（Attrition）
継続困難なParticipantが脱落した可能性。
測定Bias（Measurement Bias）
Self-reportやProxy Report等によるBias。
32. Counterevidence / Mixed Evidence
Positive Evidenceだけを採用しない。
最低限、
誤報（False Alarm）
Alarm Fatigue（アラーム疲労）
技術利用の放棄（Technology Abandonment）
低い遵守率（Low Adherence）
Privacy上の懸念（Privacy Concern）
監視への懸念（Surveillance Concern）
Setup負担（Setup Burden）
検証負担（Verification Burden）
接続障害（Connectivity Failure）
保守負担（Maintenance Burden）
組織的応答Failure（Institutional Response Failure）
長期Outcomeが確認されないこと（Null Long-term Outcome）
を確認する。
Donelle et al.のPRM RCTは、Technology-assisted Aging in Placeについて肯定的可能性を示しつつも、Higher Level of Careへの移行を有意に減少させなかった。[D7-S06]
これは、
Monitoring / Technology Introduction
≠ Successful Aging in Place
という境界を補強する。
33. Evidence Status
Conceptual Non-entailmentへA–Fを機械的に付与しない。
B — Direct empirical support within stated scope
AI搭載Social Robotが高齢者（Older Adults）のLonelinessを低減し得る。[D7-S04]
Digital Fall Detection / Prediction Systemが特定EventのDetection / Predictionに利用できる。[D7-S05]
RAG-grounded RISE Systemが限定条件で高いCorrectness / RelevancyとUser Acceptanceを示した。[D7-S08]
B — Adjacent / digital-care empirical support
Digital Interventionが家族介護者（Family Caregiver）の短期Burden / Stressを低減し得る。ただしIntervention ClassはAIに限定されない。[D7-S07]
C / E — 限定的または混合Evidence（Limited or mixed evidence）
Passive Remote MonitoringによるHigher Level of Care移行遅延。[D7-S06]
AI-mediated Supported Decision-MakingのAutonomy Outcome。
AIによるTotal Staff Workload Reduction。
Long-term Social Inclusion。
D / E — 未検証またはEvidence不足（Untested or insufficient）
Agentic / Persistent-memory Care AIのLong-term Care Outcome。
Long-term Vendor DependenceとAutonomy Outcome。
Persistent AI MemoryとIdentity Continuity。
34. 現時点で言えること / What We Can Say Now
支援や技術依存（Technology Dependence）そのものはAutonomy Lossを意味しない。 [D7-S01][D7-S11]
支援込みの機能的自立（Functional Independence）は正当なCare Outcomeになり得る。 [D7-S01]
Safety、Autonomy、Quality of Life、Participation、Caregiver Burden、Staff Workloadは別Outcomeとして評価する必要がある。
Monitoring、Detection、Alert、Intervention、Preventionは分離する必要がある。 [D7-S05][D7-S06]
AI搭載Social Robotは、一部の高齢者Population / SettingでLonelinessを低減し得る。 [D7-S04]
Social Robotによる短期的なLoneliness低減は、Long-term Social Inclusionや人間関係の代替（Human Relationship Replacement）を意味しない。 [D7-S04]
Digital Interventionは家族介護者（Family Caregiver）の短期Burden / Stressを低減し得るが、EffectはInterventionやContextによって異なる。 [D7-S07]
Caregiver Burden ReductionとCare Recipient Outcome Improvementは別である。 [D7-S07]
PersonalizationはPerson-Centered Careの十分条件ではない。 [D7-S02]
認知支援（Cognitive Support）は判断権限（Decision Authority）ではない。
DementiaにおけるDecision SupportにはKnowledge / Confidence / Decisional Conflict等を改善し得る既存Evidenceがあるが、AI固有のSupported Decision-Making effectivenessは別途検証が必要である。 [D7-S03]
RAG-grounded Generative AIは、限定されたCaregiver-support条件で比較的高いCorrectness / RelevancyとUsabilityを示し得る。 [D7-S08]
Task AutomationはCaregiver Replacementを意味しない。
AutomationはMaintenance / Verification / Coordination Workを消すとは限らない。
Care AIのLegal Classificationは用途・System Class・Jurisdictionによって異なる。 [D7-S09][D7-S10]
35. 現時点では言えないこと / What We Cannot Say Yet
以下は一般化できない。
AIが高齢者（Older Adults）のAutonomyを一般に改善するとは言えない。
AIが高齢者（Older Adults）のAutonomyを一般に低下させるとは言えない。
Monitoring自体がHarmを予防するとは言えない。 [D7-S05]
AIだけでSuccessful Aging in Placeを実現できるとは言えない。 [D7-S06]
Social RobotがLoneliness / Social Isolationを長期的に解決するとは言えない。 [D7-S04]
AIがCaregiver Burdenを一般に低減するとは言えない。 [D7-S07]
AIが専門Caregiver（Professional Caregiver）のTotal Workloadを一般に減らすとは言えない。
Personalized AIがPerson-Centered Careを構成すると言えない。 [D7-S02]
AI-mediated Supported Decision-MakingがMCIからAdvanced Dementiaまで一貫してAutonomyを維持すると確立したとは言えない。
AIがCare Quality低下なしにHuman Caregiverを代替できるとは言えない。
Long-term AI Dependenceが必ずAutonomy Lossを引き起こすとは言えない。
Long-term AI CompanionshipがHuman Contactを必ず増減させるとは言えない。
Persistent AI MemoryがIdentity Continuityを維持すると言えない。
SafetyとAutonomyの間にUniversal Optimal Balanceが存在するとは言えない。
Care用途のAIがすべて法的High-Risk AIであるとは言えない。 [D7-S09]
2026年改正APPIによってAI Training一般で本人同意が不要になったとは言えない。 [D7-S10]
36. Boundary Conditions
Care / Aging Evidenceを比較する場合、最低限以下を記録する。
本人 / 対象集団（Person / Population）
年齢（Age）
認知状態（Cognitive Status）
身体状態（Physical Status）
Frailty（フレイル）
Living Arrangement（居住形態）
利用環境（Setting）
Home（自宅）
Assisted Living（支援付き居住）
Residential Care（施設Care）
Hospital（病院）
Long-Term Care（長期Care）
System
System Type（System種別）
Model / Device
Intended Purpose（利用目的）
Autonomy Level（自律実行Level）
Persistent Memory（永続記憶）
Connectivity Requirement（接続要件）
人間の関与（Human Involvement）
Family Involvement（家族関与）
Caregiver Involvement（Caregiver関与）
Professional Involvement（専門職関与）
Human Review（人間によるReview）
Response Availability（対応可能性）
同意 / Governance（Consent / Governance）
Consent Model（同意Model）
Assent / Dissent
Proxy Involvement（代理人関与）
Data Use（Data利用）
Privacy Model
Outcome
Care Recipient Outcome
Caregiver Outcome
Staff Outcome
System Outcome
時間軸（Time）
Immediate（即時）
Days / Weeks（日・週）
Months（月）
Multi-year（複数年）
Disease Progression（疾患進行）
Infrastructure（基盤）
Connectivity（接続性）
Maintenance（保守）
Cost（費用）
Vendor Dependence（Vendor依存）
Service Continuity（サービス継続性）
Legal Context（法的文脈）
37. Time Horizon
以下を分ける。
1 Session（One-session）
1 Event（One-event）
即時（Immediate）
反復的短期利用（Repeated Short-term Use）
数週（Weeks）
数か月（Months）
複数年利用（Multi-year Use）
疾患 / 障害進行（Disease / Impairment Progression）
長期Aging in Place（Long-term Aging in Place）
必要に応じたEnd-of-life
特に、
短期Engagement（Short-term Engagement）
≠ 長期Social Inclusion（Long-term Social Inclusion）
短期Loneliness Relief
≠ 持続的Well-being（Durable Well-being）
Fall Detection
≠ 将来のHarm Prevention（Future Harm Prevention）
短期Burden Reduction
≠ 長期Care Quality（Long-term Care Quality）
を維持する。
Current Persistent-memory / Agentic Care AIについてMulti-year Outcomeを直接評価できる歴史的観測期間が不足するClaimでは、
このSystem構成と曝露期間では歴史的にまだ直接観測不能（Not Yet Historically Possible for This System Configuration and Exposure Duration）
を使用する。
38. High-Risk Misinterpretations
Misinterpretation 1
「AIを使って一人暮らしを続けられた」
→「Autonomyが改善した」
導けない。
Misinterpretation 2
「転倒を検出した」
→「転倒を予防した」
誤り。
Misinterpretation 3
「AIが常時Monitoringしている」
→「Careが提供されている」
誤り。
Misinterpretation 4
「Technologyへ依存している」
→「自立していない」
一般化できない。
Misinterpretation 5
「本人が『はい』と答えた」
→「有効な同意（Valid Consent）が成立した」
自動的には導けない。
Misinterpretation 6
「Proxyが同意した」
→「本人のPreference / Dissentは不要」
誤り。
Misinterpretation 7
「AIが意思形成を支援した」
→「AIが判断権限（Decision Authority）を持つ」
別概念。
Misinterpretation 8
「Social RobotでLonelinessが下がった」
→「Social Isolationが解消した」
別Outcome。
Misinterpretation 9
「Caregiver Burdenが下がった」
→「Care RecipientへのCareが改善した」
導けない。
Misinterpretation 10
「Documentation時間が減った」
→「Staff Workload全体が減った」
導けない。
Misinterpretation 11
「Taskを自動化した」
→「Caregiverを代替した」
誤り。
Misinterpretation 12
「AIがActionを実行した」
→「AIがResponsibilityを負う」
責任構造は別である。
39. Cross-References
Domain 0 — Cross-Domain Audit Protocol
Authority、Decision Formation、Influence、Execution、Responsibility、Evidence Architecture。
Domain 2 — Decision Formation・Decision Support
Supported Decision-Making、Cognitive Support、Decision Authority。
Domain 3 — Trust・Reliance・Calibration
Care Recipient、Family、ProfessionalによるTrust / Reliance。
Domain 4 — Communication・Mediation・Translation
Preference Expression、Family–Recipient–Professional Communication。
Domain 5 — Companion・Attachment
Loneliness、Companionship、Attachment-like Response、Social Inclusion。
Domain 6 — Mental Health
Feeling Better、Clinical Benefit、Crisis Detection、Human Availability。
Domain 8 — Accessibility・Assistive Technology・Participation
Technology Dependence、Functional Independence、Participation、Permanent Support。
Domain 9 — Work・Organization
Invisible Work、Task Redistribution、Staff Workload、Organizational Capacity。
Domain 10 — Oversight・Safety・Control
Detection、Interpretation、Intervention、Human Availability、Controllability。
Domain 11 — Institution・Law・Governance・Responsibility
Consent、Privacy、Legal Classification、Responsibility、Data Governance。
40. Classical / Philosophical Lenses
Alasdair MacIntyre — Dependent Rational Animals
条件付き採用（Include with qualification）
Dependence、Vulnerability、Interdependenceを、人間生活の通常条件として考えるConceptual Lensとして有用である。[D7-S12]
ただし、
Technology Dependence preserves autonomy
のEmpirical Proofとして使用しない。
J. S. Mill — On Liberty
任意（Optional）
Paternalism、Liberty、Harm Principleを考える背景として利用できる。
ただし、
Dignity of Risk = Mill's Harm Principle
とはしない。
Giorgio Agamben — Bare Life
Coreから除外（Exclude from core）
Safety / Biological Survivalだけへの還元を批判する遠いAnalogyは可能だが、Domain 7ではPerson-Centered Care、Relational Autonomy、Dignity of Riskの方が直接的である。
41. Source Ledger
[D7-S01] WHO — International Classification of Functioning, Disability and Health
Citation
World Health Organization. International Classification of Functioning, Disability and Health (ICF).
Year
2001
Source Type
Authoritative International Framework
Claim Type Supported
Conceptual / Measurement Framework
Evidence Layer
Layer A
Population
General
AI / System
Not applicable
Supports
FunctioningをIndividual内部だけでなくActivities、Participation、Environmental Factorsを含むContextで評価すること。
Does Not Support
AI DependenceがAutonomyを維持するというAI-specific Causal Claim。
Evidence Status
Not applicable
[D7-S02] McCance & McCormack (2025)
Citation
McCance, T., & McCormack, B. The Person-centred Nursing Framework: a mid-range theory for nursing practice.
Year
2025
Journal
Journal of Research in Nursing, 30(1), 47–60.
DOI
10.1177/17449871241281428
Source Type
Conceptual / Mid-range Theory
Claim Type Supported
Conceptual
Evidence Layer
Layer A
Supports
Person-Centered CareがPersonalizationより広く、Relational / Contextual / Professional / Care-environment要素を含むこと。
Does Not Support
AI PersonalizationがPCC Outcomeを改善するというEmpirical Claim。
Evidence Status
Not applicable
[D7-S03] Biard et al. (2025)
Citation
Biard, M., et al. Supporting decision making for individuals living with dementia and their care partners with knowledge translation: An umbrella review.
Year
2025
Journal
Alzheimer's & Dementia, 21(9), e70636.
DOI
10.1002/alz.70636
Source Type
Umbrella Review
Claim Type Supported
Empirical / Review
Evidence Layer
Layer A / C
Population
People living with dementia and care partners
Evidence Base
22 reviews; 32 knowledge-translation interventions
Outcome
Knowledge, confidence, decisional conflict and related decision-support outcomes
Supports
People with dementia and Care PartnerがDecision Supportを必要とし、Knowledge Translation InterventionがDecision-related Outcomeを改善し得ること。
Does Not Support
AI-mediated Supported Decision-Makingのeffectiveness。AIへのDecision Authority移譲。
Evidence Status
A/B within reviewed non-AI-specific scope
[D7-S04] Mehrabi & Ghezelbash (2025)
Citation
Mehrabi, F., & Ghezelbash, A. Wired for companionship: a meta-analysis on social robots filling the void of loneliness in later life.
Year
2025
Journal
The Gerontologist, 65(12), gnaf219.
DOI
10.1093/geront/gnaf219
Source Type
Meta-analysis
Claim Type Supported
Empirical
Evidence Layer
Layer B — Direct AI-Specific Evidence
Population
Older adults
N / Studies
N = 1,083; 19 studies
AI / System
AI-enabled Social Robots
Outcome
Loneliness
Main Result
Significant pooled reduction in loneliness; larger effects observed in institutional settings.
Supports
Selected Social Robot interventions can reduce loneliness in older adults.
Does Not Support
Long-term Social Inclusion、Human Relationship Replacement、Caregiver Replacement。
Evidence Status
B within studied outcome and scope
Key Limitation
Long-term inference is limited; publication-bias concerns remain relevant.
[D7-S05] Lee, Lee & Lee (2025)
Citation
Lee, A., Lee, H., & Lee, S.-H. Digital Healthcare Approaches for Fall Detection and Prediction in Older Adults: A Systematic Review of Evidence from Hospital and Long-Term Care Settings.
Year
2025
Journal
Medicina, 61(11), 1926.
DOI
10.3390/medicina61111926
Source Type
Systematic Review
Claim Type Supported
Empirical
Evidence Layer
Layer B / Digital Care Evidence
Population
Older adults in hospitals and long-term care facilities
Studies
33
System
Digital Fall Detection / Prediction
Outcome
Detection / Prediction and downstream clinical outcomes
Supports
Digital systems can provide Fall Detection / Prediction under studied conditions.
Does Not Support
Detection automatically prevents falls, injury, hospitalization or other harm.
Evidence Status
B for detection-related Claim; limited / mixed for downstream prevention
[D7-S06] Donelle et al. (2025)
Citation
Donelle, L., Hiebert, B., Warner, G., Reid, M., Reid, J., Shariff, S., Richard, E., Regan, S., Weeks, L., & Ledoux, K. Passive Remote Monitoring Technologies’ Influence on Home Care Clients’ Ability to Stay Home: Multiprovincial Randomized Controlled Trial.
Year
2025
Journal
JMIR Aging, 8, e69107.
DOI
10.2196/69107
Source Type
Pragmatic Randomized Controlled Trial
Claim Type Supported
Empirical / Causal within trial
Evidence Layer
Layer C / Adjacent Digital-care Evidence
Population
Home-care patient / caregiver pairs
N
313 pairs
System
Passive Remote Monitoring
Comparator
Standard home care
Outcome
Admission to higher levels of care over one year
Main Result
Ontario HR 0.7 (95% CI 0.3–1.4); Nova Scotia HR 1.1 (95% CI 0.3–3.7); neither result statistically significant.
Supports
Monitoring technology may support Aging-in-Place goals, but effectiveness for delaying higher levels of care was not established in this trial.
Does Not Support
PRM guarantees Successful Aging in Place or institutionalization prevention.
Evidence Status
C / E for this downstream outcome
[D7-S07] Lumini et al. (2025)
Citation
Lumini, M. J., et al. Efficacy of digital technology-based interventions for reducing caregiver burden and stress: a systematic review and meta-analysis.
Year
2025
Journal
Frontiers in Digital Health, 7, 1636084.
DOI
10.3389/fdgth.2025.1636084
Source Type
Systematic Review / Meta-analysis
Claim Type Supported
Empirical
Evidence Layer
Layer C — Adjacent Digital-care Evidence
Population
Family caregivers
N / Studies
N = 2,716; 16 studies
System
Digital interventions including mobile apps, websites, telemonitoring, tele-coaching
Outcome
Caregiver Burden / Stress / Quality of Life
Main Result
Short-term burden d = -0.65 after sensitivity analysis; stress d = -0.62. Burden heterogeneity I² = 75%. Long-term Effect remained uncertain.
Supports
Some digital interventions reduce short-term caregiver burden and stress.
Does Not Support
AI generally reduces caregiver burden; burden reduction improves Recipient Outcome; durable long-term benefit.
Evidence Status
B within reviewed intervention class and short-term outcomes
[D7-S08] Morris et al. (2026)
Citation
Morris et al. Transforming dementia caregiver support with AI-powered social robotics.
Year
2026
Source Type
Technical Evaluation / Feasibility / Two-phase User Evaluation
Claim Type Supported
Empirical / Feasibility
Evidence Layer
Layer B — Direct AI-Specific Evidence
Population
Dementia caregiver support users
System
RISE — Pepper + Retrieval-Augmented Generative AI grounded in REACH Caregiver materials
Outcome
Correctness, Relevancy, Usability
Main Result
RAG backend correctness 87%; relevancy 92%; component usability ratings 3.6–4.6 / 5.
Supports
RAG-grounded Caregiver-support AI can achieve relatively high content correctness / relevancy and user acceptance under tested conditions.
Does Not Support
Caregiver Burden Reduction、Recipient Clinical Outcome、Long-term Care Quality。
Evidence Status
B for feasibility / system-output outcomes
[D7-S09] Regulation (EU) 2024/1689 — EU AI Act
Source Type
Binding Legal Source
Jurisdiction
European Union
Claim Type Supported
Legal
Evidence Layer
Legal Source
Supports
AI SystemのHigh-Risk classificationがSystem / Use条件に依存すること。Applicable High-Risk SystemにHuman Oversight等のRequirementが存在すること。
Does Not Support
すべてのCare AIが自動的にHigh-Riskであること。
Evidence Status
A–F not applicable
[D7-S10] 令和8年 改正個人情報保護法
Source
個人情報の保護に関する法律等の一部を改正する法律
Year
2026
Promulgation
2026年7月17日
Legal Status at Evidence Cutoff
公布済み。2026年9月時点では、一部を除き全面施行前。
Commencement
一部を除き、公布の日から起算して2年以内で政令により定める日から施行。
Implementation Status
政令・個人情報保護委員会規則・ガイドライン等の整備が継続中。
Source Type
Binding Japanese Legal Source / Promulgated Amendment
Jurisdiction
Japan
Claim Type Supported
Legal
Evidence Layer
Legal Source
Supports
改正法において、「統計作成等」にのみ利用されることが担保されている場合など、一定条件下で本人同意を不要とする特例が設けられていること。
「統計作成等」には、統計作成等であると整理できる一定のAI開発等が含まれ得ること。
Does Not Support
AI Development / Training一般について包括的に本人同意が不要になったというClaim。
2026年9月時点ですべての関連規定がすでに施行されているというClaim。
Evidence Status
A–F not applicable
Key Limitation
具体的適用には、Data Type、Purpose、「統計作成等」への該当性、適用条文、施行時点で有効な政令・個人情報保護委員会規則・Guideline等を確認する必要がある。
改正法の公布と、各規定の施行・実際の適用開始を区別する。
Source Lock Status
LOCKED_WITH_QUALIFICATION — verified 2026-09-23
[D7-S11] Relational Autonomy Tradition
Representative Source
Mackenzie, C., & Stoljar, N. (eds.). Relational Autonomy: Feminist Perspectives on Autonomy, Agency, and the Social Self.
Year
2000
Source Type
Conceptual / Philosophical Research Tradition
Claim Type Supported
Conceptual
Evidence Layer
Layer A / Conceptual Lens
Supports
Autonomyを孤立したIndividual Propertyだけではなく、Social / Relational Conditionsを含めて分析すること。
Does Not Support
AI SupportがAutonomyを改善するというEmpirical Claim。
Evidence Status
Not applicable
[D7-S12] MacIntyre (1999)
Citation
MacIntyre, A. Dependent Rational Animals: Why Human Beings Need the Virtues.
Year
1999
Source Type
Philosophical / Ethical Lens
Claim Type Supported
Conceptual / Normative
Evidence Layer
Conceptual Lens
Supports
Vulnerability、Dependence、InterdependenceをHuman Lifeの通常条件として考える視点。
Does Not Support
Technology DependenceがAutonomyを保存するというEmpirical Claim。
Evidence Status
Not applicable
42. Research Gaps
42.1 長期AI Care関係（Long-Term AI Care Relationship）
複数年AI曝露（Multi-year AI Exposure）が、
自律（Autonomy）
認知（Cognition）
Identity（自己同一性）
Human Relationship（人間関係）
Help-seeking（援助要請）
Dependence（依存）
へ与える影響。
42.2 AI媒介Supported Decision-Making
AIが本人の、
理解（Understanding）
選好形成（Preference Formation）
選好表明（Preference Expression）
自律Outcome（Autonomy Outcome）
へ与える影響。
42.3 進行認知症（Advanced Dementia）
MCIやMild Dementia EvidenceをAdvanced Dementiaへ外挿しないためのDirect Evidence。
42.4 Successful Aging in Place
Home Retentionだけでなく、
Quality of Life
Autonomy
Social Participation
Care Sustainability
をMulti-yearで評価する研究。
42.5 スタッフ総業務負担（Staff Total Workload）
Task-level Time SavingではなくTotal Work SystemへのEffect。
42.6 Infrastructure / Vendor Dependence
Cloud Outage、API Change、Vendor Shutdown、Model Retirement等がLong-term Careへ与えるOutcome。
42.7 時間経過に伴う同意（Consent over Time）
Cognitive Statusが変化する中でのConsent、Assent、Dissent、Monitoring Choice。
42.8 Caregiver Replacement
Task AutomationではなくInstitutional Staffing Substitution後のCare Quality。
42.9 長期Social Inclusion（Long-Term Social Inclusion）
Social Robot / Companion AIがHuman Contact、Social Network、Participationへ与えるLong-term Effect。
42.10 Persistent AI Memory / Identity Continuity
Stored Historyが本人のIdentity、Memory Support、Relationshipへ与えるLong-term Outcome。
43. Existing-Theory-First Final Judgment
Domain 7の中心問題の多くは既存研究で説明できる。
Dependence / Independence
→ Assistive Technology / Independent Living
Autonomy
→ Relational Autonomy / Self-Determination
Care
→ Person-Centered Care / Care Ethics
Consent / Capacity
→ Bioethics / Dementia Care / Supported Decision-Making
Monitoring
→ Human Factors / Alarm Management / Telecare
Aging in Place
→ Gerontology / Environmental Gerontology
Caregiver Burden
→ Caregiving Research
Staff Workload
→ Human Factors / Organization / Invisible Work
したがって、
Existing theory mostly sufficient — AI-specific extension useful.
と判定する。
AI固有の拡張（AI-specific Extension）が特に必要なのは、
Persistent Adaptive Systems（持続的適応System）
LLM-mediated Decision Support（LLM媒介意思決定支援）
RAG-based Caregiver Support
AI Memory
Agentic Execution
Vendor / Cloud Dependence
Scalable Continuous Monitoring
Long-term Companion Relationships
である。
New Comprehensive AI Care Theory：No
44. Final Assessment
Care領域で最も危険な短絡は、
AIが技術的に何かをできた
→ Careが成功した
という推論である。
転倒検出（Fall Detection）が高精度でも、
予防（Prevention）
が成立したとは限らない。
Monitoringが継続していても、
Care
が成立したとは限らない。
Caregiver Burdenが低下しても、
本人の生活の質（Recipient Quality of Life）
が改善したとは限らない。
Social RobotとのInteractionでLonelinessが低下しても、
社会的包摂（Social Inclusion）
が改善したとは限らない。
Personalizationが高度でも、
本人中心のCare（Person-Centered Care）
が成立したとは限らない。
そして、
技術依存（Technology Dependence）
≠ 自律喪失（Autonomy Loss）
である。
Careにおける中心問題は、
高齢者が人の助けなしで生活できるか
だけではない。
より重要なのは、
支援を利用しながら、本人がどこまで選び、拒否し、参加し、自分の生活を形成できるか
である。
Domain 7の監査単位は、
Careを受ける本人（Care Recipient）
× 家族 / 介護者（Family / Caregiver）
× 専門職（Professional）
× 組織（Organization）
× AI / System
× 提供者（Provider）
× 基盤（Infrastructure）
× Outcome
× 時間軸（Time Horizon）
である。
最終的に問うべきなのは、
AIによってCare Taskを何個自動化できたか
ではない。
より重要なのは、
どの支援をAIへ委任することで本人の生活可能性が広がり、どの判断・関係・責任・介入能力を人間（Human）・組織（Organization）・制度（Institution）側に維持する必要があるか。
である。
Domain 7の中心原則は、
支援（Support） ≠ 自律喪失（Autonomy Loss）
技術依存（Technology Dependence） ≠ 機能的依存（Functional Dependence）
監視（Monitoring） ≠ Care
検出（Detection） ≠ 予防（Prevention）
安全（Safety） ≠ Well-being
個別化（Personalization） ≠ Person-Centered Care
認知支援（Cognitive Support） ≠ 判断権限（Decision Authority）
介護者負担の軽減（Caregiver Burden Reduction） ≠ Better Care
Task代替（Task Replacement） ≠ Caregiver Replacement
実行（Execution） ≠ 責任（Responsibility）
である。
領域 7 / Domain 7は、
AI Careを一つのBenefitへまとめず、安全（Safety）・生活機能（Function）・自律（Autonomy）・尊厳（Dignity）・参加（Participation）・負担（Burden）・業務負担（Workload）・責任（Responsibility）を、人間（Human）・組織（Organization）・基盤（Infrastructure）を含むMulti-Actor Systemとして監査する領域である。
