Column

「薬を飲み忘れた日」に振り込め詐欺は来る

アルツハイマー患者への金融詐欺は認知機能の波に乗る。服薬アドヒアランスと取引パターンを統合したリスクモデルが、服薬不順時のリコールを 0.74 から 0.91 に引き上げた。医療と金融をつなぐ新しい高齢者保護の設計思想とは。

2026 / 06 / 07 5 分で読める English version →

医療記録と銀行口座の取引履歴が連携してリスク検知フラグを立てる様子を表した抽象的なフラットイラスト

こんにちは。Affectosphere Group の井下です。

「振り込め詐欺」は、なぜ高齢者を狙うのか。

認知機能の低下が判断力に影響するから、というのが一般的な説明ですが、それだけではないかもしれません。

もし認知機能の「波」があるなら——調子のいい日と悪い日があるなら——詐欺師はその「悪い日」を狙っているかもしれない。そしてアルツハイマー患者において、認知機能の波には服薬状況が大きく関わっています。

2026 年 5 月に arXiv で公開された研究（Farzana Akter, Lisan Al Amin, Rakib Hossain, Chaitanya Gunupudi, Faisal Quader、arXiv:2606.00672）は、その着眼点から金融詐欺検知システムを設計しています。服薬アドヒアランス（正しく薬を飲めているか）と取引パターンを統合することで、従来の金融不正検知では見落とされていたリスクを拾えるようにしようという試みです。

今日の 3 点

アルツハイマー患者の金融詐欺リスクは、服薬不順の時間帯に集中する可能性がある。
服薬状況を金融取引リスクモデルに統合したところ、服薬不順時のリコールが 0.74 から 0.91 に向上した。
医療データと金融データを連携する設計には法的・倫理的な障壁があるが、高齢者保護の観点では検討に値する。

① 服薬アドヒアランスと認知機能の関係

アルツハイマー治療薬（コリンエステラーゼ阻害薬など）は、継続的に服用することで認知機能を補助します。逆に言うと、薬を飲み忘れたり不規則になったりすると、認知機能が一時的により低下した状態になるリスクがあります。

この「服薬不順 → 認知機能の一時低下」という連鎖が、金融詐欺のリスクウィンドウになりうるというのが、この研究の仮説です。

服薬アドヒアランスは、スマートピルボトルや処方箋記録などから測定できます。「今日は薬を飲んでいない」「3 日連続で服薬不規則」といった状態が検知されれば、その期間に行われた大口取引や不審な振込は、より厳しく監視すべきかもしれない。

この発想は、金融不正検知の文脈では新しいものです。従来の不正検知モデルは「取引のパターン」しか見ていませんでした。この研究は「患者の生体・臨床状態」と「取引のタイミング」を掛け合わせる設計を提案しています。

② 実験で何が分かったか

研究では 180 名・45 日間のシミュレーションデータを使っています。実際の患者データではなくシミュレーションですが、服薬パターン・認知機能の変動・取引行動の相互作用を再現した評価です。

ベースラインとなる金融不正検知モデルと、服薬状況を統合したモデルを比較した結果、全体的な精度は似ていましたが、特に「服薬不順の時間帯」での検知性能に大きな差が出ました。

リコール（実際に不正があったものを見つけられる率）が 0.74 から 0.91 に改善しています。これは大きな数字です。服薬が不規則な時期に起きた金融搾取を、従来モデルは 26% 見落としていたが、新しいモデルでは 9% まで見落としを減らせた、ということです。

③ 「医療×金融」連携の実装課題とその先

この研究が示すアーキテクチャを実用化するには、いくつかのハードルがあります。

最大の課題は医療データと金融データの連携です。

日本であれば、個人の診療情報（EHR）と銀行口座を連携させるには、医療情報の取り扱いに関する同意取得、金融機関のシステム改修、プライバシー保護の設計が必要です。国によっては法的に困難な場合もあります。

ただ、その先に見えるユースケースは現実的です。

たとえば高齢者の「家族による代理管理口座」。介護サービスと連携した家族向け通知システム。あるいは、後見制度の下で資産管理を受けている人への保護機能として、医療側のデータを活用する設計が考えられます。

銀行・信用組合のコンプライアンス部門の視点では、「服薬状況は取れなくても、定期的な医療機関受診状況」や「介護サービスの利用状況」を間接指標として使うアプローチも現実解になるかもしれません。完全な EHR 連携ではなく、同意に基づいた限定的な健康状態フラグを使う設計です。

KPI としては「認知症患者向け口座での詐欺被害件数の年次推移」「不審取引フラグのうち家族への通知で未然防止できた件数」などが考えられます。この指標を持っている金融機関は、まだほとんどないはずです。

「弱い時間帯」を守るシステムの設計

この研究のアプローチを一言で言えば、「誰かが認知的に脆弱になりやすい時間帯を、システムとして知っている」設計です。

これは感情 AI の問題とも深くつながっています。感情 AI の観点では、人の認知・感情状態は時間的に変動するものです。「今この人は判断力が落ちている」という文脈を取引システムに組み込むことが、どれほど保護的に機能するか——この研究はその一つの答えを示しています。

高齢化社会で金融詐欺被害は増え続けています。「取引パターンの異常」だけを見るシステムから、「人の状態の異常」と組み合わせるシステムへ。その設計思想の転換に、この研究は一石を投じています。

では！

参考論文

Farzana Akter, Lisan Al Amin, Rakib Hossain, Chaitanya Gunupudi, Faisal Quader (2026). Medication-Aware Financial Exploitation Detection for Alzheimer’s Patients Using Edge-Aware Interaction Risk Modeling. arXiv preprint.

※ 本記事は一部 AI により執筆されており、間違った情報が含まれる恐れがあります。