CN111417337B - 疾病发作风险预测装置、方法以及程序 - Google Patents

疾病发作风险预测装置、方法以及程序 Download PDF

Info

Publication number
CN111417337B
CN111417337B CN201880077109.1A CN201880077109A CN111417337B CN 111417337 B CN111417337 B CN 111417337B CN 201880077109 A CN201880077109 A CN 201880077109A CN 111417337 B CN111417337 B CN 111417337B
Authority
CN
China
Prior art keywords
information
sleep
risk
time zone
change
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201880077109.1A
Other languages
English (en)
Other versions
CN111417337A (zh
Inventor
佐藤博则
小西光春
藤原诚助
野崎大辅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Omron Healthcare Co Ltd
Original Assignee
Omron Healthcare Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Omron Healthcare Co Ltd filed Critical Omron Healthcare Co Ltd
Publication of CN111417337A publication Critical patent/CN111417337A/zh
Application granted granted Critical
Publication of CN111417337B publication Critical patent/CN111417337B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/021—Measuring pressure in heart or blood vessels
    • A61B5/02108—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics
    • A61B5/02125—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics of pulse wave propagation time
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4812—Detecting sleep stages or cycles
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/021—Measuring pressure in heart or blood vessels

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Physics & Mathematics (AREA)
  • Physiology (AREA)
  • Cardiology (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Artificial Intelligence (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Vascular Medicine (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Pulmonology (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明着眼于生物体信息的取决于时间段的特征性的变化，进行疾病发作风险的预测。在预测装置(SV)中，获取血压数据和不规则脉搏波的判定数据，并且获取表示睡眠时间段的输入数据或表示睡眠状况的判定结果的信息。并且，基于上述睡眠时间段的输入数据或表示睡眠状况的判定结果的信息，将睡眠时间段设定为预测对象时段，并将其分割为前半和后半，分别计算在该前半和后半的各时间段间的血压数据的变化的程度和不规则脉搏波的发生频率的变化的程度，对这些进行乘法运算，由此计算在睡眠时间段的综合风险。并且，将该综合风险与判定阈值进行比较，判定心脑血管疾病的发作风险的高低。

Description

疾病发作风险预测装置、方法以及程序
技术领域
本发明的一个实施方式涉及一种用于预测例如心脑血管疾病的发作风险的疾病发作风险预测装置、方法以及程序。
背景技术
一般，对于高血压，多数情况下没有自觉症状，并且即使有症状，多数情况下也只能自觉头痛、头重感这样的比较轻的症状。但是，若放置高血压不管，则中风、心肌梗塞等严重的疾病突然发作的风险会变高，非常不优选。因此，提出了定期测量血压，根据测量到的血压值的变化来预测如上所述的严重的疾病的发作风险的技术(例如，参照日本特开2007-86906号公报)。
发明内容
血压、心电等生物体信息不仅由于气候、兴奋、压力等从外部受到的影响而变化，有时还取决于时间段而产生特征性的变化。例如，在高血压的类型中，存在停留在家庭的时间段为正常，但是在到了在工作场所进行工作的时间段时血压上升的工作场所高血压、在白天为正常但是在到了夜间时血压上升的隐匿性高血压。而且在隐匿性高血压中，存在仅在起床前后的1～2个小时左右的时间段血压急剧上升的早晨高血压。早晨高血压是由于在睡眠中降低的交感神经活动从清醒前开始亢进，同时促肾上腺皮质激素(adreno corticotropic hormone：ACTH)的活性亢进进行干预，由此产生强烈的血管收缩而发生急剧的血压上升，因此特别被指出与在早晨或上午发作的中风、心肌梗塞等严重的心脑血管疾病之间有显著的关联性。
再者，专利文献1所记载的技术基于气候等外部条件预测人的血压变动，在预测到血压的上升的情况下通知循环系统疾病的发作风险升高。因此，无法预测与不特别取决于外部条件，而是取决于时间段的生物体信息的变化具有关联性的疾病的发作风险。
本发明为了解决上述问题，在其一方面，提供一种设定为着眼于生物体信息的取决于时间段的特征性的变化来进行疾病发作风险的预测的疾病发作风险的预测装置、方法以及程序。
为了解决上述问题，本发明的疾病发作风险预测装置、方法或程序的第一方案设定为：获取由测量部测量到的用户的生物体信息，将预先设定的预测对象时段分割为多个时间段，生成表示所述生物体信息在所述多个时间段间的变化的信息，将表示该变化的信息和与特定的疾病建立对应而预先设定的判定基准进行比较，由此预测所述用户的所述特定的疾病的发作风险。
根据本发明的第一方案，将预测对象时段分割为多个时间段，将在进行了该分割的多个时间段间的生物体信息的变化与判定基准进行比较，由此得到特定的疾病的发作风险的预测结果。因此，能比较简单地检测生物体信息的取决于时间段的特征性的变化，基于该特征性的变化的检测结果，能预测特定的疾病的发作风险。
本发明的第二方案设定为：在所述第一方案中，获取血压信息作为所述生物体信息，生成表示该获取到的血压信息在所述多个时间段间的变化的信息，将表示该血压信息的变化的信息和与所述特定的疾病建立对应而预先设定的判定基准进行比较，由此预测所述用户的所述特定的疾病的发作风险。
根据本发明的第二方案，将在被分割的多个时间段间的血压信息的变化与判定基准进行比较，由此对特定的疾病的发作风险进行预测。因此，能比较简单地检测血压的取决于时间段的特征性的变化，基于该特征性的变化的检测结果，能预测特定的疾病的发作风险。
本发明的第三方案设定为：在所述第一方案中，分别获取表示血压信息和不规则脉搏波的发生状况的信息作为所述生物体信息，生成表示所述获取到的血压信息在所述多个时间段间的变化的第一变化信息，并且生成表示所述获取到的不规则脉搏波在所述多个时间段间的发生状况的变化的第二变化信息。并且，对所述第一变化信息和所述第二变化信息进行加权并合成，将表示该合成结果的第三变化信息和与所述特定的疾病建立对应而预先设定的判定基准进行比较，由此预测所述用户的所述特定的疾病的发作风险。
根据本发明的第三方案，将使用表示血压信息和不规则脉搏波的发生状况的信息两方作为生物体信息，并将在分割出的多个时间段间的上述血压信息的变化和在上述多个时间段间的不规则脉搏波的发生状况的变化进行合成后的结果与判定基准进行比较，由此对特定的疾病的发作风险进行预测。即，除了考虑在时间段间的血压的变化，还考虑不规则脉搏波的发生状况的变化，对特定的疾病的发作风险进行预测。因此，能更高精度地预测特定的疾病的发作风险。
本发明的第四方案设定为：在所述第一至第三方案中的任一个中，进一步获取在输入部输入的表示所述用户的睡眠时间段的信息，基于该表示睡眠时间段的信息，将用户的睡眠时间段设定为预测对象时段，并将该睡眠时间段分割为多个时间段。
根据本发明的第四方案，例如，当用户在自身的终端输入表示自身的睡眠时间段的信息时，从上述终端获取表示该睡眠时间段的信息。并且，基于该获取到的输入信息，将上述睡眠时间段设定为预测对象时段，并将该睡眠时间段分割为多个时间段。因此，能检测在用户的睡眠时间段发生的生物体信息的取决于时间段的特征性的变化，能基于取决于该时间段的生物体信息的特征性的变化来预测特定的疾病的发作风险。
该发明的第五方案设定为：在所述第一至第三方案中的任一个中，获取由测量部得到的表示用户的睡眠状况的信息，基于该表示睡眠状况的信息来推定用户的睡眠时间段，将该睡眠时间段设定为预测对象时段。此外与此同时，基于表示所述睡眠状况的信息来设定所述睡眠时间段的分割边界点，基于该分割边界点将所述睡眠时间段分割为多个时间段。
根据本发明的第五方案，将用户的实际睡眠时间段设定为预测对象时段，并且基于用户的睡眠状况的内容，通过所设定的分割边界点将上述睡眠时间段分割为多个时间段。因此，能检测用户的实际睡眠时间段中的生物体信息的取决于时间段的特征性的变化，能基于该特征的变化预测特定的疾病的发作风险。
本发明的第六方案是在所述第一至第五方案中的任一个中，在所述多个时间段的每一个中，多次计算测量到的生物体信息的统计值，生成表示该计算出的统计值在所述多个时间段间的变化的信息。
根据本发明的第六方案，在分割出的多个时间段的每一个中对多个生物体信息进行测量的情况下，按每个时间段计算出上述多个生物体信息的统计值，基于这些统计值在上述时间段间的变化，对特定的疾病的发作风险进行预测。因此，降低生物体信息的偏差的影响，能高精度地检测生物体信息的依赖于时间段的特征性的变化，由此能够提高特定的疾病的发作风险的预测精度。
即根据本发明的各方案能提供一种能着眼于生物体信息的取决于时间段的特征性的变化来进行疾病发作风险的预测的疾病发作风险的预测装置、方法以及程序。
附图说明
图1是用于说明本发明的疾病发作风险预测装置的一个应用例的框图。
图2是表示具备本发明的疾病发作风险预测装置的系统的整体构成的图。
图3是用于说明本发明的疾病发作风险预测装置的一个实施方式的图，是表示该预测装置的硬件的构成的框图。
图4是用于说明本发明的疾病发作风险预测装置的一个实施方式的图，是表示该预测装置的软件和数据存储器的构成的框图。
图5是表示由图4所示的疾病发作风险预测装置进行的疾病发作预测处理的处理过程和处理内容的流程图。
图6是表示图5所示的疾病发作预测处理中的推定对象时段分割处理的处理过程和处理内容的流程图。
图7是表示图5所示的疾病发作预测处理中的变化信息生成处理的处理过程和处理内容的流程图。
图8是表示图5所示的疾病发作预测处理中的风险预测处理的处理过程和处理内容的流程图。
图9A是表示脉搏波数据的一个例子的图。
图9B是表示心跳间隔波动的频率解析结果的一个例子的图。
图9C是表示自主神经平衡的变化的一个例子的图。
图9D是表示睡眠状况的时间变化的一个例子的图。
图10是表示睡眠状况判定结果的一个例子的图。
图11是表示睡眠时间段中的血压值的变动和有无不规则脉搏波发生的一个例子的图。
具体实施方式
以下，参照附图对本发明的实施方式进行说明。
[应用例]
首先，对应用本发明的场景的一个例子进行说明。
图1是示意性地表示该应用例的疾病发作风险预测装置的构成例的图。在图1中，在用户US装接有测量装置2。测量装置2例如包括可穿戴终端，具备生物体信息测量单元和无线通信单元。
生物体信息测量单元具有血压测量部和脉搏波测量部。血压测量部测量用户US的血压值(包括收缩期的血压值和扩张期的血压值)，生成血压数据。脉搏波测量部测量用户US的脉搏波。并且，根据测量出的脉搏波的测量定时判定该脉搏波是具有规则性的脉搏波还是不规则的脉搏波，并生成表示不规则脉搏波的发生状况的数据。上述血压值和脉搏波的测量动作可以根据用户US的测量指示操作来进行，此外也可以以预先设定的时间间隔自动地进行。
无线通信单元在每次或者蓄积一定时间后，将包含由上述生物体信息测量单元生成的血压数据和表示不规则脉搏波的发生状况的数据以及其测量时刻的生物体信息经由无线通信网络向疾病发作风险预测装置1发送。
作为本发明的构成要素，疾病发作风险预测装置1具备：获取部1a、生物体信息存储部1b、变化信息生成部1c、风险预测部1d以及判定基准存储部1e。
获取部1a接收从上述测量装置2发送的上述生物体信息，并存储于生物体信息存储部1b。变化信息生成部1c例如将用户US的睡眠时间段设定为预测对象时段，将该睡眠时间段分割为例如前半和后半两个时间段。用户US的睡眠时间段例如能通过用户US在用户终端或上述测量装置2等具备输入功能的装置中输入，疾病发作风险预测装置1获取该输入的表示睡眠时间段的信息来进行设定。
此外，变化信息生成部1c从上述生物体信息存储部1b读出生物体信息，将该读出的生物体信息按上述睡眠时间段的前半和后半的各时间段来进行例如平均化处理。并且，求出由上述平均化处理得到的上述生物体信息的平均值在上述各时间段间的变化的程度。
举例来说，生物体信息中包括血压数据和表示不规则脉搏波的发生状况的数据，因此变化信息生成部1c分别针对血压数据和表示不规则脉搏波的发生状况的数据，按上述前半和后半的各时间段计算平均值，且计算这些平均值在上述各时间段间的变化的程度。就是说，分别计算在睡眠时间段的前半和后半之间的血压的变化的程度和不规则脉搏波的发生频率的变化的程度。
并且，将计算出的血压的变化的程度和不规则脉搏波的发生频率的变化的程度乘以加权系数并进行加法运算或乘法运算，将该计算结果设为示出用户US的睡眠时间段的前半和后半之间的生物体信息的变化的大小的分数。将该变化分数作为用于判定疾病发作风险的信息供给至风险预测部1d。
风险预测部1d将由上述变化信息生成部1c求出的上述变化分数与事先存储于判定基准存储部1e的判定基准进行比较。并且，例如在上述变化分数超过判定基准的情况下，例如判定为疑似存在早晨高血压。并且当风险预测部1d判定为用户US疑似存在早晨高血压时，制作用于通知心脑血管疾病的发作风险高的通知消息。并且，将该通知消息例如向用户US的终端，或该用户US的进行诊断的医生的终端发送。
如上所述，在疾病发作风险预测装置1中，将睡眠时间段分割为前半和后半，综合在这些时间段间的血压数据的变化的程度以及不规则脉搏波的发生频率的变化的程度并计算生物体信息的变化分数，将该变化分数与预先设定的判定基准进行比较，由此来判定心脑血管疾病的发作风险是高还是低。因此，能通过比较简单的手法来判定以早晨高血压为原因的心脑血管疾病的发作风险，用户或进行诊断的医生能基于上述发作风险的判定结果，采取早期的预防对策或根据需要实施治疗。
[一个实施方式]
(1)系统
图2是表示具备本发明的一个实施方式的疾病发作风险预测装置1的系统的整体构成的一个例子的图。
该系统例如在网络(Web)上或云(cloud)上具备疾病发作风险预测装置(之后称为预测装置)SV。并且，在该预测装置SV和用户所使用的终端(之后称为用户终端)UT1～UTn之间，以及预测装置SV和医生等医务人员所使用的终端(之后称为医生终端)DT1～DTm之间，分别能经由通信网络NW进行通信。
医生终端DT1～DTm例如包括固定设置型的个人计算机、便携式的笔记本型个人计算机或平板型终端。此外医生终端DT1～DTm至少具备邮件和浏览器。并且，能通过使用邮件来接收从上述预测装置SV发送的通知邮件，此外能通过使用浏览器来对上述预测装置SV进行访问。
用户终端UT1～UTn例如具备可穿戴型的测量装置BT1～BTn和信息终端IT1～ITn。测量装置BT1～BTn例如佩戴于用户的手腕，通过用户的操作或以预先设定的定时或时间间隔来测量用户的血压和脉搏波，将通过测量得到的血压数据和脉搏波数据由无线接口发送至上述信息终端IT1～ITn。在上述血压数据和脉搏波数据附加或插入有测量时刻和用户识别信息(用户ID)。
作为血压的测量方法，例如使用示波法，但除此之外，也可以使用按心跳的每一拍进行测量的逐拍测量(Beat by Beat)方式或通过脉冲传输时间(Pulse Transit Time(PTT))法推定血压变动，将该推定的变动作为触发来点式地测量血压的触发测量方式。此外，作为测量装置BT1～BTn的类型，不限定于佩戴于手腕的可穿戴型，也可以是佩戴在上臂等的类型的装置或固定类型。并且，也可以将血压计和脉搏波计作为不同的装置来设置，将由这些装置分别测量的血压数据和脉搏波数据向信息终端IT1～ITn发送。
信息终端IT1～ITn例如包括智能手机、平板型终端等便携式信息终端，或固定设置型的个人计算机。信息终端IT1～ITn接收从上述测量装置BT1～BTn发送的血压数据和脉搏波数据并暂时蓄积于存储器中。并且，基于脉搏波数据，按每个脉搏波，基于其测量定时的偏差量来判定该脉搏波是规则脉搏波还是不规则脉搏波，并将该脉搏波的规则/不规则的判定数据(之后称为脉搏波判定数据)存储在上述存储器中。信息终端IT1～ITn例如按每一定数据数或者每一定时间从存储器读出蓄积于上述存储器的血压数据和脉搏波判定数据，并经由通信网络NW向预测装置SV发送。
此外信息终端IT1～ITn将用户的睡眠信息经由通信网络NW向预测装置SV发送。睡眠信息包含表示睡眠时间段的信息。表示睡眠时间段的信息可以使用由用户自身在信息终端IT1～ITn的输入部通过手动操作输入的信息，此外也可以使用根据上述脉搏波数据推定出的信息。需要说明的是，关于根据脉搏波数据来推定睡眠时间段的方法在之后叙述。
并且信息终端IT1～ITn具有邮件和浏览器，通过上述邮件和浏览器中的任意一种方式从预测装置SV接收表示心脑血管疾病发作风险的预测结果的消息，并将接收到的消息显示于显示器。
需要说明的是，作为在上述测量装置BT1～BTn和信息终端IT1～ITn之间使用的无线接口，例如使用蓝牙(Bluetooth(登录商标))等采用了近距离无线数据通信标准的无线接口，但并不限定与此，也能使用无线局域网(Local Area Network：LAN)、公共移动通信网。
(2)预测装置
(2-1)硬件构成
预测装置SV例如包括服务器计算机或个人计算机，构成为如下所述。图3是表示该硬件构成的框图。
预测装置SV具有使用被称为中央控制单元(Central Processing Unit：CPU)等的硬件处理器的控制单元，经由总线60将程序存储器20、数据存储器30以及通信接口单元40连接于该控制单元10。需要说明的是，50是电源单元。
程序存储器20使用HDD(Hard Disk Drive：硬盘驱动器)、SSD(Solid StateDrive：固态驱动器)、ROM(Read-Only Memory：只读存储器)等非易失性存储器，由此储存用于实现预测装置SV所执行的处理的程序组。数据存储器30使用DRAM(Dynamic RandomAccess Memory：动态随机存取存储器)等易失性存储器或上述HDD、SSD等能随时写入和读出的非易失性存储器，由此用于存储从测量装置BT1～BTn获取的生物体信息、睡眠信息，或用于存储判定基准。通信接口单元40经由通信网络NW在医生终端DT1～DTm和信息终端IT1～ITn之间进行数据通信。
(2-2)软件构成
图4是表示预测装置SV的软件构成和存储器构成的框图。
在数据存储器30中设有生物体信息存储部31、睡眠信息存储部32以及判定基准存储部33。
生物体信息存储部31用于存储从各用户的信息终端IT1～ITn分别接收到的血压数据和脉搏波判定数据。睡眠信息存储部32用于存储从各用户的信息终端IT1～ITn分别接收到的表示睡眠时间段的信息。
判定基准存储部33例如存储为了判定心脑血管疾病的发作风险而预先设定的判定基准。判定基准例如判定作为心脑血管疾病的发作原因之一的早晨高血压和不规则脉搏波的相对于睡眠安定时的血压值和不规则脉搏波的发生频率的变化的程度。
举例来说，根据高血压治疗指南等，在家庭中，在早晨测量到的收缩期血压/扩张期血压连续为135mmHg/85mmHg以上的情况下，则定义为疑似存在早晨高血压，此外在起床后的三小时以内的收缩期血压在170～180mmHg以上，且起床前后的三小时的血压上升为30～50mmHg的情况下，定义为早晨高血压。因此在一个实施方式中，按照根据上述高血压治疗指南所定义的基准来设定判定基准，并存储于判定基准存储部33。
另一方面，在程序存储器20中存储有生物体信息获取控制程序11、睡眠信息获取控制程序12、预测对象时段分割程序13、变化信息生成程序14以及预测程序15，控制单元10由CPU执行上述各程序11～15，由此实现一个实施方式的处理。
生物体信息获取控制程序11进行如下处理：由通信接口单元40接收从各用户的信息终端IT1～ITn发送的血压数据和脉搏波判定数据，根据附加或插入于该数据的用户ID和测量时刻，，将接收到的血压数据和脉搏波判定数据按每个用户区分地按计测时刻顺序存储于生物体信息存储部31。
睡眠信息获取控制程序12进行如下处理：由通信接口单元40接收从各用户的信息终端IT1～ITn发送的表示睡眠时间段的信息或表示睡眠状况的判定结果的信息，将接收到的信息与用户ID建立关联并存储于生物体信息存储部31。
预测对象时段分割程序13进行如下处理：按每个用户例如基于存储于上述睡眠信息存储部32的表示睡眠时间段的信息，将该睡眠时间段设定为预测对象时段，且将上述睡眠时间段的中心时刻设定为分割边界点，通过该分割边界点将上述睡眠时间段分隔为前半的时间段和后半的时间段。
变化信息生成程序14执行如下的处理。
(1)按每个用户，按由上述预测对象时段分割程序13设定的睡眠时间段的前半和后半的各时间段，从上述生物体信息存储部31读出在该时间段中包含测量时刻的血压数据计算其平均值，并计算该平均值在上述前半以及后半的各时间段间的变化的程度(比)的处理。需要说明的是，上述血压数据的平均值和变化的程度的计算可以分别针对收缩期血压和扩张期血压来进行，也可以仅针对收缩期血压来进行。
(2)按上述睡眠时间段的前半和后半的各时间段，从上述生物体信息存储部31读出在该时间段中包含测量时刻的脉搏波判定数据并计算不规则脉搏波的发生频率，并计算该发生频率在上述前半和后半的各时间段间的变化的程度(比)的处理。
(3)将在上述(1)计算出的血压数据的变化的程度和通过上述(2)计算出的不规则脉搏波发生频率的变化的程度赋予加权系数并合成，计算表示综合了在睡眠时间段的血压和不规则脉搏波的发生频率的生物体信息的时间变化的程度的分数(也称为综合风险)的处理。需要说明的是，在上述加权合成处理中，使用加法运算或乘法运算，或者基于其组合的运算处理。
预测程序15执行如下的处理。
(1)将由上述变化信息生成程序14计算出的分数与存储于判定基准存储部33的判定基准进行比较，将其比较结果设为心脑血管疾病的发作风险的预测数据的处理。
(2)在上述发作风险的预测数据的内容表示“发作风险高”的情况下，制作该意思的通知消息，使用例如电子邮件将该通知消息从通信接口单元40向相应用户的信息终端IT1～ITn或该用户的进行诊断的医生的终端DT1～DTm发送的处理。
(3)动作例
接着，对如上述那样构成的系统的动作的一个例子进行说明。
(3-1)用户终端UT1～UTn的动作
在测量装置BT1～BTn中，例如通过用户的操作或以预先设定的定时或时间间隔来进行用户的血压(包括收缩期血压和扩张期血压)和脉搏波的测量，测量到的血压数据和脉搏波数据向信息终端IT1～ITn无线发送。此时，在血压数据和脉搏波数据中，附加或插入有测量时刻和用户识别信息(用户ID)。需要说明的是，在该动作例中，以间隔一小时自动地测量血压和脉搏波的情况为例进行说明。
信息终端IT1～ITn接收从上述测量装置BT1～BTn发送的血压数据和脉搏波数据并暂时蓄积于存储器中。并且，基于脉搏波数据，按每个脉搏波检测相对于其本来的测量定时的偏差量，在偏差量小于规定量的情况下将该脉搏波判定为规则脉搏波，在偏差量在规定量以上的情况下将该脉搏波判定为不规则脉搏波。例如，在脉搏波的测量定时偏差了平均的测量间隔的25％以上的情况下，将该脉搏波判定为不规则脉搏波，在不是这样的情况下将该脉搏波判定为规则脉搏波。该脉搏波的规则/不规则的判定数据(脉搏波判定数据)存储于上述存储器中。
信息终端IT1～ITn例如每隔一定时间读出蓄积于上述存储器的血压数据和脉搏波判定数据，并经由通信网络NW向预测装置SV发送。需要说明的是，上述血压数据和脉搏波判定数据也可以每次测量都从信息终端IT1～ITn向预测装置SV发送。
此外，信息终端IT1～ITn生成表示用户的睡眠时间的信息。考虑接下来的两个方法作为其生成方法。
(方法1)用户自己申报
用户在自身的信息终端IT1～ITn中，通过手动操作输入自身的睡眠时间段(就寝时刻和起床时刻)。信息终端IT1～ITn将上述输入的表示睡眠时间段的信息保存于存储器后，在起床后的任意的定时读出，作为睡眠信息向预测装置SV发送。需要说明的是，在测量装置BT1～BTn具备输入部的情况下，用户也可以在测量装置BT1～BTn的输入部中输入睡眠时间段。(方法2)根据脉搏波数据的推定
信息终端IT1～ITn基于测量出的脉搏波数据，例如通过以下的方法判定用户的睡眠状况。图9A～图9D是用于说明其处理内容的图。
即，首先根据脉搏波数据(图9A所示的波形数据)来检测心跳间隔(RRI)。接着，如图9B所示，对上述心跳间隔的波动成分进行频率解析，由此计算反映交感神经活动的0.1Hz左右的低频成分(Low Frequency：LF)和反映副交感神经活动的0.3Hz左右的高频成分(High Frequency：HF)的水平。并且，基于上述LF以及HF的检测结果，计算出如图9C所示的睡眠时间中的自主神经平衡。
自主神经的活性状况已知与睡眠的深度、种类(快速眼动睡眠和非快速眼动睡眠)之间存在一定的关联。一般而言，在副交感神经成分占优势时多为非快速眼动睡眠，在交感神经成分占优势或者脉搏波紊乱时多为快速眼动睡眠。因此，着眼于该关系，信息终端IT1～ITn将上述自主神经平衡与例如图9D所示那样的睡眠状况建立对应。
更具体而言，信息终端IT1～ITn例如以快速眼动睡眠、深非快速眼动睡眠、浅非快速眼动睡眠以及清醒这四个阶段来定义睡眠阶段，基于上述自主神经平衡的计算结果，将睡眠状况与上述四个阶段的睡眠阶段建立对应。这样一来，例如得到图10所示的睡眠状况的判定结果。需要说明的是，快速眼动睡眠和清醒的识别例如如果在测量装置BT1～BTn设置加速度传感器，由该加速度传感器检测用户的身体活动，在身体活动持续规定时间以上的情况下判定为清醒，则能更正确地进行判定。
信息终端IT1～ITn将表示上述睡眠状况的判定结果的信息保存于存储器后，在起床后的任意的定时读出并作为睡眠信息向预测装置SV发送。
需要说明的是，作为以上的(方法2)，对于所叙述的睡眠状况的判定方法，龟山研一等在“用于快速睡眠的睡眠判定和睡眠监视系统”，东芝评论Vol.61No.10(2006)p.41-44有详细记载。
(3-2)预测装置SV的动作
预测装置SV如下所述地进行动作。图5是例示预测装置SV的处理过程和处理内容的流程图。
(3-2-1)生物体信息的获取
预测装置SV在生物体信息获取控制程序11的控制下，在步骤S10中对生物体信息的接收进行监视。在该状态下，当从用户的信息终端IT1～ITn发送生物体信息，就是说血压数据和脉搏波判定数据时，由通信接口单元40接收该血压数据和脉搏波判定数据，并通过步骤S11将其取入控制单元10并存储于生物体信息存储部31中。
以上的血压数据和脉搏波判定数据的获取处理按每次从信息终端IT1～ITn发送新的血压数据和脉搏波判定数据时来执行。此时，血压数据和脉搏波判定数据根据附加或插入于该数据的用户ID和计时时刻，按每个用户而分开，并且按测量时刻顺序排列，存储于生物体信息存储部31中。(3-2-2)睡眠信息的获取
预测装置SV在睡眠信息获取控制程序12的控制下，在步骤S12中对睡眠信息的接收进行监视。在该状态下，当从用户的信息终端IT1～ITn发送睡眠信息，就是说表示睡眠时间段的信息或表示睡眠状况的判定结果的信息时，由通信接口单元40接收表示该睡眠时间段的信息或表示睡眠状况的判定结果的信息，并通过步骤S13将其取入控制单元10并存储于睡眠信息存储部32中。需要说明的是，有时从信息终端IT1～ITn发送的睡眠信息会每日更新，因此将接收到的睡眠信息与表示日期的信息建立对应地进行存储。
(3-2-3)预测对象时段的设定及其分割
预测装置SV一边执行上述生物体信息的获取处理和睡眠信息的获取处理，一边在步骤S14中对是否为发作风险推定定时进行监视。发作风险推定定时设定为例如用户的清醒定时。清醒定时基于获取到的睡眠信息来进行设定。
在该状态下，当为发作风险推定定时时，预测装置SV首先在步骤S15中启动预测对象时段分割程序13，在该预测对象时段分割程序13的控制下，如以下那样执行预测对象时段分割处理。
图6是表示预测对象时段分割处理的处理过程和处理内容的一个例子的流程图。
预测对象时段分割程序13首先通过步骤S151从睡眠信息存储部32读取日期所对应的睡眠信息。并且，在步骤S152中，如果上述读取的睡眠信息是由用户输入的表示睡眠时间段的信息，则将该睡眠时间段直接设定为预测对象时段。
相对于此，如果推定信息是根据脉搏波数据生成的表示睡眠状况的判定结果的信息，则预测对象时段分割程序13根据该信息来推定睡眠时间段，将该推定出的睡眠时间段设定为预测对象时段。例如，对于图10所示的表示睡眠状况的判定结果的信息的情况，将从就寝时的“清醒”状态的结束时间点到起床时的“清醒”状态的开始时间点为止推定为睡眠时间段。
接着在步骤S153中，预测对象时段分割程序13基于被设定为上述预测对象时段的睡眠时间段来设定分割边界点。例如，将睡眠时间段的中心时刻直接设定为分割边界点。或者，基于表示睡眠状况的判定结果的信息，检测“深度非快速眼动睡眠”的出现频率从高的状态转变至低的状态的定时，将此设为分割边界点。例如在图10中，以一个小时的间隔计算“深度非快速眼动睡眠”的出现频率，将该计算值大幅变化的定时设定为分割边界点。
接下来在步骤S154中，预测对象时段分割程序13使用在上述步骤S154中设定的分割边界点，将通过步骤S152被设定为预测对象时段的睡眠时间段分割为两个时间段。例如对于图10所示的睡眠状况判定结果的情况，以AM1：53的时间点分割为前半时间段和后半时间段。
(3-2-4)变化信息的生成
当上述预测对象时段的设定及其分割处理结束时，接着在步骤S16中，预测装置SV启动变化信息生成程序14，在该变化信息生成程序14的控制下，像以下那样执行生物体信息变化信息的生成处理。
图7是表示生物体信息变化信息的生成处理的过程和处理内容的一个例子的流程图。
变化信息生成程序14首先在步骤S161中，从生物体信息存储部31读取被设定为上述预测对象时段的睡眠时间段包含有测量时间的血压数据。此时，上述血压数据的读取，也可以预先分为睡眠时间段的前半的时间段和后半的时间段来进行。
当结束上述睡眠时间段中所包含的血压数据的读取时，接下来在步骤S162中，变化信息生成程序14计算上述读取的血压数据的前半的时间段中所包含的血压数据的平均值。此外，与此同时，在步骤S163中，计算后半的时间段的血压数据的平均值。分别对收缩期的血压值和扩张期的血压值计算该血压数据的平均值。
接下来在步骤S164中，变化信息生成程序14计算上述计算出的在前半的时间段的血压数据的平均值与在后半的时间段的血压数据的平均值的比。
例如，现在假设睡眠时间段的血压数据的值如图11的BP所示。在该情况下，变化信息生成程序14将在前半的时间段的测量时刻i＝M、M+1、......、-1所测量到的各血压数据bpi(i＝M、M+1、......、-1)的平均值与在后半的时间段的测量时刻i＝0、1、......、N所测量到的各血压数据bpi(i＝0、1、......、N)的平均值的比riskbp根据
[算式1]
Figure BDA0002513201390000151
进行计算。
接着在步骤S165中，变化信息生成程序14从上述生物体信息存储部31读取被设定为上述预测对象时段的睡眠时间段包含测量时间的脉搏波判定数据。此时，上述脉搏波判定数据的读取也可以是与上述血压数据的情况相同，预先分为睡眠时间段的前半的时间段和后半的时间段来进行。
当结束上述睡眠时间段中所包含的脉搏波判定数据的读取时，接下来在步骤S166中，变化信息生成程序14计算上述读取的脉搏波判定数据的前半的时间段中所包含的脉搏波判定数据的平均值，就是说不规则脉搏波的发生频率。此外，与此同时，在步骤S167中，计算后半的时间段的脉搏波判定数据的平均值，就是说不规则脉搏波的发生频率。
接下来在步骤S168中，变化信息生成程序14计算上述计算出的在前半的时间段的不规则脉搏波的发生频率与在后半的时间段的不规则脉搏波的发生频率的比。
例如，现在假设睡眠时间段中的脉搏波判定数据的值以如图11的“0”(规则脉搏波)或“1”(不规则脉搏波)那样的方式进行表现。在该情况下，变化信息生成程序14将基于在前半的时间段的测量时刻i＝M、M+1、......、-1所测量并判定出的各脉搏波判定数据irhi(i＝M、M+1、......、-1)的不规则脉搏波的发生频率与在后半的时间段的测量时刻i＝0、1、......、N所测量和判定出的各脉搏波判定数据irhi(i＝0、1、......、N)的不规则脉搏波的发生频率的比riskirh根据
[算式2]
Figure BDA0002513201390000161
进行计算。
最后在步骤S169中，变化信息生成程序14在对上述计算出的在睡眠时间段的前后半间的血压数据bpi的平均值的比riskbp和上述计算出的睡眠时间段的前后半间的不规则脉搏波的发生频率的比riskirh分别赋予加权系数W1、W2的基础上，根据
[算式3]
risk＝w1·riskbp×w2·riskirh
进行乘法运算。并且，将其计算结果作为表示综合了血压和不规则脉搏波的发生频率的生物体信息的时间变化的程度的变化信息(也称为综合风险)风险(risk)进行输出。
需要说明的是，加权系数W1、W2分别根据血压和不规则脉搏波对于早晨高血压的影响的比率来进行预先设定。像这样适当地设定加权系数W1、W2，由此能更加进一步提高早晨高血压的判定精度。
(3-2-5)发作风险的判定
当上述综合风险risk被计算出时，接着在步骤S17中，预测装置SV启动预测程序15，在该预测程序15的控制下，像以下那样执行心脑血管疾病的发作风险的判定处理。
图8是表示由预测程序15进行的预测处理过程和处理内容的一个例子的流程图。
即，在步骤S171中，预测程序15从判定基准存储部33读出综合了早晨高血压以及不规则脉搏波的发生频率这两方而预先设定的心脑血管疾病的发作风险的判定阈值，并将上述综合风险risk与上述判定阈值进行比较。然后，在步骤S172中，判定综合风险risk比判定阈值高还是低。
在该判定的结果是综合风险risk比判定阈值高的情况下，预测程序15在步骤S173中，制作用于将心脑血管疾病的发作风险高的意思向用户通知的消息，将该通知消息从通信接口单元40向相应用户的信息终端ITi发送。并且，此时，在上述通知消息中，除了心脑血管疾病的发作风险高的意思以外，还可以包含建议控制激烈的运动等的消息。
需要说明的是，预测程序15可以将上述通知消息向对相应用户进行诊断的医生的终端DTi发送，并且还可以发送至上述用户的家人、工作场所的管理者等与用户关系密切的人所使用的信息终端。
(作用、效果)
如上所述，在一个实施方式中，在预测装置SV中，从用户终端UT1～UTn分别获取血压数据和不规则脉搏波的判定数据，并且获取表示睡眠时间段的输入数据或表示睡眠状况的判定结果的信息。并且，在基于表示上述睡眠时间段的输入数据或表示睡眠状况的判定结果的信息，将用户的睡眠时间段设定为预测对象时段后，将该睡眠时间段分割为前半和后半，分别计算出该前半和后半的各时间段间的血压数据的变化程度和不规则脉搏波的发生频率的变化的程度，对它们赋予加权系数并进行乘法运算，由此计算睡眠时间段中的表示综合了血压和不规则脉搏波的发生频率的生物体信息的时间变化的程度的分数(综合风险)。并且，将上述综合风险与判定阈值进行比较，由此判定心脑血管疾病的发作风险的高低，并将其结果通知给用户等。
因此，能通过比较简单的处理方式检测在睡眠时间段中在起床前后的时间段中，血压值急剧上升的早晨高血压的状态，能根据该检测结果来判定心脑血管疾病的发作风险并将该结果通知给用户。即，能预测每天的短时段的心脑血管疾病的发作风险。因此，用户例如能控制起床后的激烈的运动、入浴、排泄动作，由此能防止心脑血管疾病的发作。
此外，将用户自身输入的睡眠时间段，或根据用户自身的睡眠状况的判定结果推定的睡眠时间段设定为预测对象时段，因此能设定准确的睡眠时间段，由此能高精度地预测由早晨高血压引起的心脑血管疾病的发作风险。
并且，如果基于睡眠状况的判定数据来推定分割边界点并将睡眠时间段分割为前后半，则能在最佳的定时将睡眠时间段分割为前后半，由此能进一步提高心脑血管疾病的发作风险的预测精度。另一方面，在根据睡眠时间段计算其中心时刻并在该中心时刻将睡眠时间分割为前后半的情况下，能简单地进行分割边界点的设定和时间段的分割处理。
[改进例]
(1)在所述一个实施方式中，以信息终端IT1～ITn进行脉搏波的规则/不规则的判定处理的情况为例进行了说明，但也可以通过测量装置BT1～BTn来进行该判定处理，此外也可以通过预测装置SV来进行。当通过测量装置BT1～BTn来进行上述判定处理时，不需要从测量装置BT1～BTn向信息终端IT1～ITn传输脉搏波的波形数据，因此能减少测量装置BT1～BTn和信息终端IT1～ITn之间的通信数据量。此外，如果通过预测装置SV来进行上述判定处理，则能减轻测量装置BT1～BTn和信息终端IT1～ITn的处理负荷。
(2)在所述一个实施方式中，对通过信息终端IT1～ITn来进行根据脉搏波数据解析睡眠状况的处理的情况进行了叙述。但是并不限定于此，也可以是从信息终端IT1～ITn向预测装置SV发送脉搏波数据，预测装置SV基于上述脉搏波数据判定睡眠状况，根据该判定结果来推定睡眠时间段，并且设定分割边界点。这样一来，能减轻信息终端IT1～ITn的处理负荷，谋求电池寿命的延长。
(3)在所述一个实施方式中，例示了将睡眠时间段分割为前半和后半两段的情况。但是并不限定于此，例如也可以将睡眠时间段分割为三段以上的时间段，按这些时间段计算每段血压数据的平均值和不规则脉搏波的发生频率，基于这些计算值的时间段间的变化的程度来预测心脑血管疾病的发作风险。这样一来，例如在睡眠时间段的中间时间段，在由于睡眠时呼吸暂停综合征等的影响而发生了血压的骤增的情况下，能检测该骤增的发生并根据其程度来预测心脑血管疾病的发作风险。
(4)此外，睡眠时间段的分割边界点也可以不设定为睡眠时间段的中心时刻，例如设定为比中心时刻靠近起床时刻的时刻。这样一来，即使在睡眠时间段的中间时间段例如由于睡眠时呼吸暂停综合征的影响而发生了血压骤增的情况，也能减轻其影响而高精度地检测早晨高血压的发作。
(5)在所述一个实施方式中，以仅设定一个阈值作为判定基准的情况为例进行了说明，但也可以设定多个阈值。在阈值为一个的情况下，能判定心脑血管疾病的发作风险是否高。在阈值有多个的情况下，能判定心脑血管疾病的发作风险高到何种程度，由此能对用户通知对应于心脑血管疾病的发作风险的高低的适当的消息。
(6)在所述一个实施方式中，例示了将预测装置SV的构成设于网络上或云上等的服务器计算机的情况，但也可以将预测装置SV的构成设于用户所持有的信息终端IT1～ITn，此外在测量装置BT1～BTn和信息终端IT1～ITn例如以可穿戴终端的方式构成为一个装置的情况下，也可以在该可穿戴终端设置预测装置SV的构成。
(7)在所述一个实施方式中，获取血压数据和脉搏波判定数据作为生物体信息，使用该血压数据和脉搏波判定数据这两方来预测心脑血管疾病的发作风险。但是，并不限定于此，也可以仅获取血压数据，并仅使用该血压数据来预测心脑血管疾病的发作风险。此外，在将疾病的症状在不规则脉搏波的时间变动中显著出现的疾病作为预测对象的情况下，也可以仅获取脉搏波判定数据来预测疾病的发作风险。
(8)以上，对本发明的实施方式进行了详细说明，但上述的说明在所有方面都不过是本发明的例示。当然能不脱离本发明的范围来进行各种改良、变形。就是说，当本发明实施时，也可以适当地采用与实施方式相应的具体的构成。
[附记]
上述各实施方式的一部分或全部也可以像在专利请求的范围之外的以下的附记所示那样，但不限定于此。
(附记1)
一种疾病发作风险预测装置，具有硬件处理器和存储器，在所述疾病发作风险预测装置中，所述硬件处理器获取由测量部测量到的用户的生物体信息并存储于所述存储器，将预测对象时段分为多个时间段，生成表示所述生物体信息在所述多个时间段间的变化的信息，将与特定的疾病建立对应而预先设定的判定基准存储于所述存储器，将表示所述变化的信息与所述判定基准进行比较，由此预测所述用户的所述特定的疾病的发作风险。
(附记2)
一种疾病发作风险预测方法，由具有硬件处理器和存储器的装置执行，所述疾病发作风险预测方法具备如下过程：所述硬件处理器获取由测量部测量到的用户的生物体信息并存储于所述存储器；所述硬件处理器将预先设定的预测对象时段分为多个时间段，计算表示所述生物体信息在所述多个时间段间的变化的信息；以及所述硬件处理器将与特定的疾病建立对应而预先设定的判定基准存储于所述存储器，将表示所述变化的信息与所述判定基准进行比较，由此预测所述用户的所述特定的疾病的发作风险。
(附记3)
一种疾病发作风险预测装置，具备：生物体信息获取部(1a、11)，获取通过测量部测量到的用户的生物体信息；生成部(1c、14)，将预测对象时段分为多个时间段，生成表示所述生物体信息在所述多个时间段间的变化的信息；以及预测部(1d、15)，保持与特定的疾病建立对应地预先设定的判定基准，将表示所述变化的信息与所述判定基准进行比较，由此预测基于所述用户的所述特定的疾病的发作风险。
附图标记说明
US：用户
1：疾病发作风险预测装置
2：测量装置
1a：生物体信息的获取部
1b：生物体信息存储部
1c：变化信息生成部
1d：风险预测部
1e：判定基准存储部
SV：预测装置
UT1～UTn：用户终端
BT1～BTn：测量装置
IT1～ITn：信息终端
DT1～DTm：医生终端
NW：通信网络
10：控制单元
20：程序存储器
30：数据存储器
40：通信接口单元
50：电源单元
60：总线
11：生物体信息获取控制程序
12：睡眠信息获取控制程序
13：预测对象时段分割程序
14：变化信息生成程序
15：预测程序
31：生物体信息存储部
32：睡眠信息存储部
33：判定基准存储部。

Claims (7)

1.一种疾病发作风险预测装置，具备：
生物体信息获取部，获取由测量部测量到的用户的生物体信息；
生成部，将所述用户的睡眠时间段设定为预测对象时段，将所述预测对象时段分为多个时间段，生成表示所述生物体信息在所述多个时间段间的变化的信息；和
预测部，保持与特定的疾病建立对应而预先设定的判定基准，将表示所述变化的信息与所述判定基准进行比较，由此预测所述用户的所述特定的疾病的发作风险。
2.根据权利要求1所述的疾病发作风险预测装置，其中，
所述生物体信息获取部获取血压信息作为所述生物体信息，
所述生成部生成表示所述获取到的血压信息在所述多个时间段间的变化的信息，
所述预测部将与所述特定的疾病建立对应而预先设定的阈值作为所述判定基准进行保持，将表示所述血压信息的变化的信息与所述阈值进行比较，由此预测所述用户的所述特定的疾病的发作风险。
3.根据权利要求1所述的疾病发作风险预测装置，其中，
所述生物体信息获取部分别获取血压信息、表示不规则脉搏波的发生状况的信息作为所述生物体信息，
所述生成部具备：
第一生成部，生成表示所述获取到的血压信息在所述多个时间段间的变化的第一变化信息，
第二生成部，生成表示所述获取到的不规则脉搏波的发生状况的信息在所述多个时间段间的变化的第二变化信息，
以及第三生成部，生成第三变化信息作为表示所述变化的信息，所述第三变化信息是用预先设定的系数对由所述第一生成部生成的第一变化信息和由所述第二生成部生成的第二变化信息进行加权并合成，表示所述合成结果的信息，
所述预测部将与所述特定的疾病建立对应而预先设定的阈值作为所述判定基准进行保持，将由所述第三生成部生成的所述第三变化信息与所述阈值进行比较，由此预测所述用户的所述特定的疾病的发作风险。
4.根据权利要求1至3中任一项所述的疾病发作风险预测装置，还具备：
睡眠时间段获取部，获取在输入部中输入的表示所述用户的睡眠时间段的信息，
所述生成部具备：
设定部，基于表示所述睡眠时间段的信息，将所述用户的睡眠时间段设定为所述预测对象时段；和
分割部，将所述睡眠时间段分割为多个时间段。
5.根据权利要求1至3中任一项所述的疾病发作风险预测装置，还具备：
睡眠信息获取部，获取由所述测量部测量到的表示所述用户的睡眠状况的信息，
所述生成部具备：
设定部，基于表示所述睡眠状况的信息，推定所述用户的睡眠时间段，将所述睡眠时间段设定为所述预测对象时段；和
分割部，基于表示所述睡眠状况的信息，设定所述睡眠时间段的分割边界点，基于所述分割边界点将所述睡眠时间段分割为多个时间段。
6.根据权利要求1至3中任一项所述的疾病发作风险预测装置，其中，
所述生成部在所述多个时间段的每一个中，多次计算测量到的所述生物体信息的统计值，生成表示所述计算出的统计值在所述多个时间段间的变化的信息。
7.一种存储有疾病发作风险预测程序的计算机可读记录介质，其中，
所述疾病发作风险预测程序使处理器执行权利要求1至6中任一项所述的疾病发作风险预测装置所具备的各部的处理。
CN201880077109.1A 2017-12-27 2018-12-17 疾病发作风险预测装置、方法以及程序 Active CN111417337B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2017-252655 2017-12-27
JP2017252655A JP6881289B2 (ja) 2017-12-27 2017-12-27 疾患発症リスク予測装置、方法およびプログラム
PCT/JP2018/046240 WO2019131245A1 (ja) 2017-12-27 2018-12-17 疾患発症リスク予測装置、方法およびプログラム

Publications (2)

Publication Number Publication Date
CN111417337A CN111417337A (zh) 2020-07-14
CN111417337B true CN111417337B (zh) 2023-03-24

Family

ID=67067144

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880077109.1A Active CN111417337B (zh) 2017-12-27 2018-12-17 疾病发作风险预测装置、方法以及程序

Country Status (5)

Country Link
US (1) US11963802B2 (zh)
JP (1) JP6881289B2 (zh)
CN (1) CN111417337B (zh)
DE (1) DE112018005922T5 (zh)
WO (1) WO2019131245A1 (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7476514B2 (ja) 2019-10-29 2024-05-01 オムロンヘルスケア株式会社 血圧計、血圧計の作動方法、およびプログラム
CN110974215B (zh) * 2019-12-20 2022-06-03 首都医科大学宣武医院 基于无线心电监护传感器组的预警系统及方法
JP7084002B2 (ja) * 2020-09-30 2022-06-14 ダイキン工業株式会社 温度推定装置、空調制御装置、空調制御システム
US20220310270A1 (en) * 2021-03-26 2022-09-29 Asahi Kasei Microdevices Corporation Infection risk determination system, infection risk determination method and computer-readable medium
CN113940640B (zh) * 2021-11-12 2023-04-18 清华大学 心血管疾病风险控制方法、系统及存储介质
CN114098655B (zh) * 2022-01-25 2022-04-26 慕思健康睡眠股份有限公司 一种智能睡眠风险监测方法及系统
WO2024042613A1 (ja) * 2022-08-23 2024-02-29 日本電気株式会社 端末、端末の制御方法及び記憶媒体
CN115775630A (zh) * 2023-02-10 2023-03-10 北京海思瑞格科技有限公司 一种术前基于睡眠阶段数据的术后肺部并发症概率预测方法
CN116052889B (zh) * 2023-03-31 2023-07-04 四川无限智达科技有限公司 一种基于血液常规指标检测的sFLC预测系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104605834A (zh) * 2012-02-23 2015-05-13 株式会社百利达 血压测定装置及其使用方法
CN104970778A (zh) * 2014-04-13 2015-10-14 唐伟钊 一种具有预警癌症和疾病功能的电子仪器

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8398546B2 (en) * 2000-06-16 2013-03-19 Bodymedia, Inc. System for monitoring and managing body weight and other physiological conditions including iterative and personalized planning, intervention and reporting capability
JP5192125B2 (ja) 2005-09-20 2013-05-08 テルモ株式会社 血圧予報装置
US7764996B2 (en) * 2006-10-31 2010-07-27 Cardiac Pacemakers, Inc. Monitoring of chronobiological rhythms for disease and drug management using one or more implantable device
WO2016043299A1 (ja) * 2014-09-19 2016-03-24 シナノケンシ株式会社 脳血管疾患の発症危険度予測システム
EP3196836A4 (en) * 2014-09-19 2018-04-25 Shinano Kenshi Co., Ltd. System for predicting risk of onset of cerebrovascular disease
JP6558700B2 (ja) * 2016-01-29 2019-08-14 芙蓉開発株式会社 病気診断装置
US20180078199A1 (en) * 2016-09-16 2018-03-22 Wayne State University Detection of sleep disordered breathing using cardiac autonomic responses

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104605834A (zh) * 2012-02-23 2015-05-13 株式会社百利达 血压测定装置及其使用方法
CN104970778A (zh) * 2014-04-13 2015-10-14 唐伟钊 一种具有预警癌症和疾病功能的电子仪器

Also Published As

Publication number Publication date
US11963802B2 (en) 2024-04-23
WO2019131245A1 (ja) 2019-07-04
JP2019115614A (ja) 2019-07-18
JP6881289B2 (ja) 2021-06-02
US20200315548A1 (en) 2020-10-08
CN111417337A (zh) 2020-07-14
DE112018005922T5 (de) 2020-07-30

Similar Documents

Publication Publication Date Title
CN111417337B (zh) 疾病发作风险预测装置、方法以及程序
EP3245950B1 (en) Sequential posture identification device, method, and program
EP3407781B1 (en) Sensor-based detection of changes in health and ventilation thresholds
EP2914171B1 (en) Measuring psychological stress from cardiovascular and activity signals
JP6531161B2 (ja) 健康リスク指標決定
KR20190002762A (ko) 잡음 존재 시 생체 측정 성능 개선
US10582862B1 (en) Determination and monitoring of basal heart rate
JP6496087B2 (ja) 人のエネルギー支出を推定する装置、システムおよび方法
Virag et al. Prediction of vasovagal syncope from heart rate and blood pressure trend and variability: experience in 1,155 patients
EP1545309A1 (en) Procedure for detection of stress by segmentation and analysing a heart beat signal
EP3643227B1 (en) Minimum heart rate value approximation
JP2010035896A (ja) 自律神経機能診断装置およびプログラム
US10595789B2 (en) Meal time estimation method, meal time estimation device, and recording medium
JP5592323B2 (ja) 自律神経機能診断装置およびプログラム
KR102509545B1 (ko) 심전도 데이터 처리 장치, 가변적인 윈도우 크기의 신호 세그먼트들로 분할하면서 분석 필요 구간을 추출하는 심전도 데이터 처리 방법 및 컴퓨터 프로그램
WO2020257609A1 (en) Diagnostics and treatments for cardiac disease
US20200008691A1 (en) Blood pressure data processing apparatus, blood pressure data processing method, and program
JP2017124014A (ja) 眠気検知プログラム、眠気検知方法および眠気検知装置
JP2016154623A (ja) 運動効果提示装置、運動効果提示システム及び運動効果情報生成方法
EP4230139A1 (en) Medical data providing device, medical data providing method and computer program
US20240206823A1 (en) Method, apparatus and program for calculating disease risk based on heart rate measurement
WO2022101990A1 (ja) 疲労度推定装置、疲労度推定方法、及びコンピュータ読み取り可能な記録媒体
KR102475793B1 (ko) 의료 데이터 제공 방법, 및 의료 데이터 제공 방법이 저장된 기록매체
EP4385402A1 (en) Hypnodensity-based sleep apnea monitoring system and method of operation thereof
CN118236051A (zh) 基于心率测定计算疾病风险的方法、装置及程序

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant