【ITニュース解説】How I Used Walrus Memory to Build LoveChild, a Pregnancy Chatbot That Remembers Every Discomfort You Face and Prepares a Brief for Your Doctor

このプロジェクトは、ナイジェリアのコンピューター工学を学ぶ学生が「実際に役立つものを作りたい」という思いから始まった。彼が注目したのは、妊婦の健診における課題だ。妊婦健診は通常、数週間おきに行われるため、次の健診までの間に起こった体調の変化や気になる症状を、いざ病院に行くと忘れてしまうことがよくある。一つ一つの症状は些細に見えても、例えば妊娠24週のわずかな血圧上昇、29週の足のむくみ、30週の頭痛といった個別の症状が、実は「子癇前症（妊娠中毒症の一種）」のような重篤な状態の兆候である場合がある。しかし、それらがバラバラに記憶されていると、医師が見落としてしまう可能性も否定できない。

この課題を解決するために開発されたのが「LoveChild」というAIチャットボットだ。LoveChildは、妊婦からの報告を記録し、その記録をずっと記憶し続ける。そして、記録された情報の中からパターン（例えば、ある症状が繰り返し現れるなど）を自動で検知する機能を持っている。健診の前に、ユーザーはチャットボット上で「医師向けレポート」をタップするだけで、これまでの週ごとの報告内容、特に何度も現れる症状、そして医師に尋ねるべきポイントをまとめた簡潔なサマリーを瞬時に得られる。これにより、健診時に症状を伝え忘れるリスクが減り、医師も患者の状態をより正確に把握できるようになるというわけだ。

LoveChildの最大のポイントは、単なるチャットボットではなく、「記憶」を持っている点にある。一般的なチャットボットは、アプリやタブを閉じるとそれまでの会話内容を忘れてしまうことがほとんどだ。しかし、妊婦の症状を長期的に追跡するには、過去のすべての情報を忘れずに保持し続ける仕組みが不可欠となる。ここで重要な役割を果たすのが「Walrus Memory」という技術だ。これは、チャットボットに「永続的な記憶」を与えるためのデータベースのようなもので、ブロックチェーン技術を基盤としている。LoveChildでは、各妊婦（ユーザー）ごとに個別の「名前空間（namespace）」という領域を割り当てることで、他のユーザーの情報と混ざることなく、それぞれの記録が安全に、かつプライバシーを保護しながら管理される。

Walrus MemoryがLoveChildのチャットボットにどのように組み込まれているかを見てみよう。ユーザーがチャットボットにメッセージを送るたびに、システムは次の3つのステップを繰り返す仕組みになっている。

まず「Recall（想起）」のステップ。これは、ユーザーが送ったメッセージに関連する過去のメモや症状の記録を、そのユーザー専用の「名前空間」から検索して呼び出す作業だ。例えば、「足のむくみがひどい」というメッセージを受け取ったら、過去に記録されたむくみに関する情報や、関連する体調の変化などを探し出す。

次に「Generate（生成）」のステップ。Recallで検索して呼び出された過去のメモと、ユーザーが今送ったメッセージを合わせて、AIモデル（このプロジェクトではGoogleの「Gemini 1.5 Flash」という最新の高速AIモデルが使用されている）に入力する。これにより、AIは単に現在のメッセージに反応するだけでなく、ユーザーの過去の体調や症状の文脈を理解した上で、より適切でパーソナルな返答を生成できる。

そして「Remember（記憶）」のステップ。もし現在のメッセージの中に、新しい症状の報告や、血圧などの重要なバイタルサイン（身体の基本的な測定値）の記録が含まれていれば、その情報を暗号化されたデータのかたまり（blob）としてWalrus Memoryに保存する。この作業によって、新しい情報が永続的な記憶として追加され、次回の会話で「Recall」の対象となるのだ。具体的な実装としては、memwal.rememberという関数でメッセージとユーザーIDを指定して情報を保存し、memwal.recallという関数で特定のユーザーの「名前空間」から関連する情報を検索して取得するという流れになる。

この「記憶」の有無が、チャットボットの応答の質にどれほどの違いをもたらすか、具体的な例で見てみよう。「Ada」という架空の妊婦が、妊娠30週目で「足がまだむくんでいて、朝に頭痛があった」と報告したケースだ。

もしチャットボットにWalrus Memoryによる記憶機能がなかった場合、チャットボットは一般的なアドバイス、例えば「休んで水を飲んでください」といった返答をするだろう。この場合、チャットボットは、この「むくみ」や「頭痛」がいつから続いているのか、過去にどのような体調の変化があったのかといった背景を一切考慮しないため、単発の症状として処理されてしまう。

しかし、Walrus Memoryによる記憶機能が組み込まれている場合、チャットボットの応答は劇的に変わる。チャットボットは、Walrus Memoryに保存されているAdaの過去の記録（例えば「26週目にもむくみが朝まで続いていたこと」や、以前に記録された「しつこい頭痛や血圧の測定値」）をRecallし、その文脈を踏まえた上で返答する。「...特に26週目にもむくみが朝まで続いていたと記録していますし、頑固な前頭部の頭痛と血圧の数値も記録していますね...」のように、単なるむくみや頭痛ではなく、過去から続く症状として捉え、より詳細で的確な問いかけやアドバイスへとつなげることができるのだ。同じAIモデルを使用し、同じメッセージが送られたとしても、記憶があるかないかだけで、その応答の深さとパーソナライズの度合いが大きく異なることがわかる。

このプロジェクトはまだ開発の初期段階にある。現在、Walrus Mainnet上には3つのテスト用ペルソナ（Ada、Blessing、Chiamaka）に関する合計30個のデータが保存されている状況だ。実際に妊婦がこのシステムを利用しているわけではなく、数人の友人が試用して「自然な会話の流れで記録できるか」をテストしている段階である。しかし、この小さな試みは、AIと永続的な記憶システムを組み合わせることで、妊婦の健康管理に革新をもたらし、よりパーソナルで安全なケアを提供できる大きな可能性を示している。Googleの最新AIモデルと、ブロックチェーン技術を基盤とした分散型記憶システムWalrus Memoryの組み合わせは、未来のヘルスケアアプリケーションの構築において、重要な一歩となるかもしれない。