CN114868203A - 信息传递装置以及信息传递方法 - Google Patents
信息传递装置以及信息传递方法 Download PDFInfo
- Publication number
- CN114868203A CN114868203A CN202080085581.7A CN202080085581A CN114868203A CN 114868203 A CN114868203 A CN 114868203A CN 202080085581 A CN202080085581 A CN 202080085581A CN 114868203 A CN114868203 A CN 114868203A
- Authority
- CN
- China
- Prior art keywords
- information
- data
- specific
- inference
- event
- 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.)
- Pending
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
- 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
Landscapes
- Medical Informatics (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Health & Medical Sciences (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
提示与用户的健康状态的变化相关的事件。使用特定规格的检查设备按照特定期间的时间序列取得检查数据(S61),取得该检查数据的变化模式信息(S63),针对变化模式信息,检测与特定期间内的、变化模式发生了变化的时刻对应的时刻的影响事件信息,取得将对检测出的影响事件信息进行标注而得到的结果作为训练数据来学习而得到的推理模型(S65~S71),将使用特定规格的检查设备在与特定期间的宽度类似的期间内按照时间序列而得到的特定人物的检查数据输入推理模型中,对影响事件进行推理,传递该推理的结果。
Description
技术领域
本发明涉及一种能够根据在日常生活中可取得的检查结果向用户提供建议等定制信息的信息传递装置以及信息传递方法。
背景技术
近年来,互联网得到普及,通过利用互联网,能够容易地取得与用户的生活密切相关的信息。通过利用该取得的信息来生成适合各个用户的各种定制信息(有效信息)并提供该定制信息的服务不断增加。例如,由于介绍健康食品等的服务是许多人共同感兴趣的信息,因此这种服务常见。
此外,由于网络环境得到完善,因此提出了各种在医院等专业机构的外部进行远程检查的方案。例如,在专利文献1中,公开了如下的远程检查方法:将传感器芯片和移动电话用作读写器,通过利用公共的通信网,发送检查数据。并且,在该专利文献1中,提出了将过去的检查数据及其评价结果存储到数据库中并利用这些信息的方案。
此外,在专利文献2中,公开了如下的生物体信息测量装置:将个人认证数据和由排泄物拍摄单元拍摄到的图像数据合并,并通过通信单元发送该合并后的数据。并且,在专利文献3中,公开了如下的医疗信息的显示方法:显示与检查相关的检查列表(Studylist),将基于所选择的检查中的被检者的医疗图像信息的医疗图像显示于图像显示画面上,当请求历史浏览画面时,显示表示被检者的检查的列表的历史浏览画面。
此外,在专利文献4中,公开了如下的内容:根据患者的问诊信息、检查值等过去的诊断信息、医院信息等,提示与患者的状况、症状对应的信息。在专利文献5中,公开了如下的内容:医务人员检查患者的时间序列的检查数据在规定时间轴上的变化模式。在专利文献6、专利文献7和专利文献8中,公开了如下的内容:将时间序列数据输入到推理引擎中,得到推理结果。在专利文献9中,公开了如下的内容:辅助最佳检查间隔的决定。在专利文献10中,公开了如下的内容:使用血液、尿、大便等检体的生化检查的结果数据来进行模型学习,使用该模型来提供信息。
现有技术文献
专利文献
专利文献1:日本特开2009-258886号公报
专利文献2:日本特开2014-031655号公报
专利文献3:日本特许第5294947号公报
专利文献4:日本特开2016-018457号公报
专利文献5:日本特开平11-089822号公报
专利文献6:日本特开2018-518207号公报
专利文献7:国际公开2019/022085号公报
专利文献8:日本特开2006-511881号公报
专利文献9:日本特开2011-253464号公报
专利文献10:日本特开2019-211866号公报
发明内容
发明要解决的课题
在上述的专利文献1-3中,记载了如下的内容:取得生物体信息,远程发送该信息并利用。在被检者是无自觉症状的情况下,能够知晓生了病、生病的可能性是有益的。但是,在专利文献1-3中,关于按照个人的资料生成建议等定制信息并将该定制信息通知给用户的情况,没有任何记载。
在专利文献6-8中,公开了如下的内容:使用推理模型进行推理,向被检者提供信息。但是,当发生某事件(契机)时,检查数据有时会大幅发生变化。关于提示这样的对用户的健康状态带来影响的影响事件的情况,没有任何记载。如果知晓在用户的健康状态等发生了变化时带来影响的影响事件,则以后用户能够关注于影响事件来维持健康。
本发明正是鉴于这样的情况而完成的,其目的在于提供一种能够提示与用户的健康状态的变化相关的事件的信息传递装置以及信息传递方法。
用于解决课题的手段
为了达成上述目的,在第1发明的信息传递方法中,取得推理模型,该推理模型是通过使用特定规格的检查设备按照特定期间的时间序列取得检查数据,取得该检查数据的变化模式信息,针对所述变化模式信息,检测与所述特定期间内的、所述变化模式发生了变化的时刻对应的时刻的影响事件信息,将对所述检测出的影响事件信息进行标注而得到的结果作为训练数据进行学习而得到的,将使用所述特定规格的检查设备在与所述特定期间的宽度类似的期间内按照时间序列而得到的特定人物的检查数据输入到所述推理模型中,对影响事件进行推理,并传递该推理的结果。
在第2发明的信息传递方法中,取得推理模型,该推理模型是通过与特定的健康对应事件的输入对应在所述健康对应事件之前使用特定规格的检查设备按照时间序列取得检查数据并进行记录,将对所记录的该检查数据的变化模式信息标注进行了所述健康对应事件时的设备和/或备品、和/或环境的信息而得到的结果作为训练数据进行学习而得到的,将使用所述特定规格的检查设备按照时间序列而得到的特定人物的检查数据输入到所述推理模型中,对设备和/或备品、和/或环境的信息进行推理,将根据该推理的结果为所述特定人物定制的健康对应事件传递给所述特定人物。
在第3发明的信息传递方法中,生成数据库,该数据库能够将使用特定规格的检查设备在特定期间的范围内按照时间序列取得多个检查数据而生成的所述数据的变化模式信息,与和所述特定期间内的所述检查数据的取得源相关的多个事件信息各自的时机建立关联而记录,使得能够使用所述数据库,根据所述变化模式的趋势变化与所述事件的时机的关系,提取所述事件信息中的、对所述趋势变化产生了影响的事件而提供信息。
第4发明的信息传递方法在上述第3发明中,按照每个结构对所述事件信息进行分解而提取结构要素,根据提取出的所述结构要素,定制对所述趋势变化产生了影响的事件信息而提供信息。
第5发明的信息传递方法是在上述第4发明中,关于用于使用所述数据库来提供对所述趋势变化产生了影响的事件的推理模型,通过取得检查数据,将该检查数据的变化模式作为学习用推理部的输入,将应输出的建议作为标注信息来进行学习,而生成推理模型,使用该生成的推理模型,将所述对象者的变化模式信息输入到所述推理模型中,由此得到推理结果,根据该得到的推理结果,决定所述传递信息。
第6发明的信息传递装置具有:数据取得部,其使用特定规格的检查设备按照特定期间的时间序列取得检查数据,取得该检查数据的变化模式信息;学习部,其针对所述变化模式信息,检测与所述特定期间内的、所述变化模式发生了变化的时刻对应的时刻的影响事件信息,取得将对所述检测出的影响事件信息进行标注而得到的结果作为训练数据进行学习而得到的推理模型;推理部,其将使用所述特定规格的检查设备在与所述特定期间的宽度类似的期间内按照时间序列而得到的特定人物的检查数据输入到所述推理模型中,对影响事件进行推理;以及信息传递部,其传递所述推理的结果。
第7发明的信息传递装置具有:数据取得部,其与特定的健康对应事件的输入对应,在所述健康对应事件之前使用特定规格的检查设备按照时间序列取得检查数据并记录;学习部,其取得推理模型,该推理模型是通过将对关于所记录的所述检查数据的变化模式信息标注进行了所述健康对应事件时的设备和/或备品、和/或环境的信息而得到的结果作为训练数据进行学习而得到的;推理部,其将使用所述特定规格的检查设备按照时间序列而得到的特定人物的检查数据输入到所述推理模型中,对设备和/或备品、和/或环境的信息进行推理;以及信息传递部,其根据所述推理部的推理结果,将为所述特定人物定制的健康对应事件传递给所述特定人物。
第8发明的信息传递装置具有:数据取得部,其使用特定规格的检查设备在特定期间的范围内按照时间序列取得多个检查数据;生成部,其生成数据库,该数据库能够将取得所述检查数据而生成的所述检查数据的变化模式信息,与和所述特定期间内的所述检查数据的取得源相关的多个事件信息各自的时机建立关联而记录;以及信息提供部,其能够使用所述数据库,根据所述变化模式的趋势变化与所述事件的时机的关系,提取所述事件信息中的、对所述趋势变化产生了影响的事件而提供信息。
发明效果
根据本发明,可以提供一种能够提示与用户的健康状态的变化相关的事件的信息传递装置以及信息传递方法。
附图说明
图1是示出本发明的一个实施方式的信息传递系统的结构的框图。
图2是示出本发明的一个实施方式的信息传递系统中的数据库的数据结构的图。
图3是示出本发明的一个实施方式的信息传递系统中的对象者的检查数据的时间序列的变化的曲线图。
图4是示出本发明的一个实施方式的信息传递系统中的检查结果发送的动作的流程图。
图5是示出本发明的一个实施方式的信息传递系统中的推荐设施的推理的动作的流程图。
图6是示出本发明的一个实施方式的信息传递系统中的关联设施信息的取得的动作的流程图。
图7是示出本发明的一个实施方式的信息传递系统中的检查结果发送的动作的变形例的流程图。
图8A是示出本发明的一个实施方式的信息传递系统中的对象者的检查数据根据影响事件而发生变化的情形的曲线图。
图8B是示出本发明的一个实施方式的信息传递系统中的推理模型生成的动作的变形例的流程图。
具体实施方式
以下,作为本发明的一个实施方式,对将本发明应用于信息传递系统的例子进行说明。在本实施方式中,作为通过考虑对象者的状况来掌握准确的健康状态并提供定制信息的例子,说明如下的信息传递装置以及信息传递方法:能够预先存储对象者的资料信息,每天监视与健康状态相关的检查数据,根据这些信息,提供能够进行检查的设施和/或能够进行治疗的设施的信息,该检查用于掌握准确的健康状态。该实施方式中的对象者是通过再检查而可能成为患者的人。此外,该对象者也有根据再检查的结果而对健康恢复自信、不用担心疾病而还能够享受日常生活的人。此外,也有通过简单的生活的改善、治疗等同样能够成为健康体的人。
本实施方式的信息传递系统具有:检查数据取得部(例如,参照图1的信息判定设备2),其取得对象者的检查数据;存储部(例如,参照图1的DB部8),其存储对象者的资料信息和每个医疗机构的持有设备信息;以及传递信息决定部(例如,参照图1的控制部1),其按照检查数据、对象者的资料信息和每个医疗机构的持有设备信息,决定向对象者的传递信息。该信息传递系统例如由服务器构成,但也可以由能够与服务器交换信息的个人计算机、智能手机等便携信息设备等构成。
此外,信息传递系统具有:检查数据取得部(例如,参照图1的信息判定设备2),其取得该对象者的检查数据;以及传递信息决定部(例如,参照图1的控制部1、推理引擎7),其按照使用检查数据的时间序列的变化模式和对象者在医疗机构中的的来院信息通过机器学习而生成的推理模型,决定向对象者的传递信息。来院信息不限于医疗机构,还包含在检查机构中接受检查的情况、在药房等购入药品并服用的情况的信息。该信息传递系统例如也由服务器构成,但也可以由能够与服务器交换信息的个人计算机、智能手机等便携信息设备等构成。
在决定向对象者的传递信息时,根据对象者的检查结果、基于该检查结果进一步进行检查等所需的设备、具有该设备的设施,进行检索和/或推理。为了进行该检索/推理,可以预先设置存储具有设备的设施的数据库(DB)。此外,在根据检索/推理得到的结果提供传递信息时,也可以包含访问方法、诊察时间、空闲时间、费用估算等信息,该访问方法包含设施名称、电话、邮件、地图等。此外,设施不限于一个,也可以是多个。
通常,被交付到医疗机构的医疗设备的维护由交付的医疗设备制造商负责,以设施、患者为单位需要设置设备,因此正在形成设备管理的服务提供型的服务/商业。如果与这样的服务协作,则在本实施方式中使用的数据库也可以利用在该服务中的数据库。该服务也包含顾客信息而进行统一管理,根据临床科室、各种患者层、医生、护士等顾客数据,提供设置设备的结构管理、变更管理功能,因此通过逐次刷新构成服务的项目(结构项目)的登记、设置设备的结构信息,而容易管理版本升级、部件更换时的影响范围。因此,能够实现更换时期的预测、设置设备的品质的维持。在此,对医疗机构进行了叙述,但除此以外,还包含医疗机构中的诊疗等的、进行了健康对应事件时的设备和/或备品、和/或环境的信息也同样假定为在上述服务中进行统一管理。
另外,健康对应事件是对健康带来影响那样的事件,例如是用户去医疗设施接受医生的诊察、在药房购入药品并服用等与健康相关的行为。此外,只要是用户去健身房进行训练、进行网球等运动、以及在餐饮店暴饮暴食、睡眠不足、在寒冷中工作、游玩等对健康直接或间接带来影响那样的行为即可。
此外,也可以使用推理引擎,通过推理来决定向对象者的传递信息。在该情况下,将对象者的检查数据输入到推理引擎中,取得向对象者的传递信息。此时,判定推理结果的可靠性,在可靠性较低的情况下,收集训练数据并委托用于生成推理模型的学习(例如,参照图7的S8、S10等)。训练数据是获得与向推理引擎的输入数据类似的数据而生成的。如果生成新的推理模型,则使用该推理模型来决定向对象者的传递信息。
此外,当发生对健康状态带来影响那样的事件(影响事件)时,时间序列的检查数据产生变化(例如,参照图8的(a))。关于包含这样的环境变化等的影响事件,使用其他用户等的时间序列的检查数据来生成推理模型,如果使用该推理模型,则能够根据用户的检查数据进行推理。即,使用特定规格的检查设备按照特定期间的时间序列取得主要检查生物体信息的检查数据,当按照时间序列排列其变化时,在检查数据中,能够得到时刻发生变化的变化模式。在生物体信息的数值因健康状态、身体状况的变化而改变的情况下,如果观察该数值的变化,则能够得到该人的健康状态、身体状况的变化的倾向。如果该数值即使随着时间的经过也是固定的,则根据该数值认为健康状态保持固定的状态。此外,在因生活的节奏、季节、气候的影响、成长、年龄增长等而存在缓慢的变化的情况下,也可能是健康的,因此可以不作为问题。即,检查数据的随时间的变化模式是平缓的,或者是规则的,但大致固定。
另外,只要是生物体信息,则测量值就会发生某种变化。在此,如果写为模式的内容是连续的微小数据变化,则关于模式发生变化这样的表述,在测量值发生微小变化但具有倾向(趋势)的情况、该趋势发生了变化的情况和上述意思的模式发生了变化的情况下,当不区分两者的表述时,会带来混乱。因此,在虽然进行微小变动,但其上升或者下降而存在周期的情况下,也可以将表示其从通常起改变的状况的措辞重新表述为倾向(趋势)变化。
即,如果是固定的健康状态,则可以说模式(以特定的值为中心的微小变动)也是固定的,其趋势也是固定的。但是,在不是这样的微小变化下的变化模式,而是数值成为与之前的倾向不同这样的值或者变化斜率、变动幅度等发生变动且没有恢复到之前的倾向(趋势)的情况下(因特异的变化而向其他的倾向转变的情况下),认为该人存在某种健康状态、身体状况的变化。此时,模式的趋势发生了变化。
预先监视这样的变化模式(该变化模式是稳定变化)的倾向,预先记录并掌握以一天、一周、一个月为单位等的特定期间内的倾向(最大值、最小值、平均值、变动周期、变动幅度的倾向)。然后,收集新得到的检查结果而设为模式,对该模式的各个检查数值进行比较,判定该模式具有的倾向是否改变了之前的倾向(趋势)即可。当然,如果出现倾向大幅不同的数值,则认为明显与趋势不同。此外,不需要是一次的比较,在该倾向变化持续的情况下等,也可以根据汇总的数据组的模式的倾向进行判定。
在具有模式的倾向变化的情况下,认为存在引起模式的倾向的变化的、成为契机的事件。例如,在体温仅在36℃附近发生变化的人的体温突然变为38℃的情况下等,也可以设为在该时刻有变化。此外,在该情况下,也可以认为具有体力下降而与带菌者接触这样的与之前不同的事件。
这样,由于具有变化模式的倾向变化时的事件对身体状况、健康产生影响,因此假设称为影响事件。检测与在特定期间内变化模式的倾向发生了变化的时刻(由于也可以广义上表述为模式发生了变化,因此为了避免繁杂,在以下的实施例中,有时也将模式的趋势发生了变化表述为模式变化)对应的时刻的影响事件信息(也可以找出已记录的内容或者检索该时刻的外部信息)不限于该人,对于其他人而言,在健康管理上也可能成为重要的信息。能够得到对检测出的影响事件信息进行标注的结果,作为在健康管理用的事件推理用的推理模型学习中使用的训练数据。
能够取得利用这样的训练数据进行学习而得到的推理模型,将使用特定人物的特定规格的检查设备在与特定期间的宽度类似的期间内按照时间序列而得到的检查数据输入到推理模型中,对影响事件进行推理,传递该推理的结果。在此,记作特定期间的宽度是因为,关于花费多年得到的数据的变化和一周得到的数据变化,在进行相同的人之间的检查数据的比较的情况下,无法成为准确的比较,因此,在早中晚、或者起床时、运动时等发生变化的数值的情况下,将考虑了它们的影响的变化模式(以特定的值为中心的微小变动)的特征作为正确捕捉到的模式进行比较。即,在如下的系统中,优选将特定期间作为类似的期间进行比较,该系统在将使用检查设备而取得的特定期间的时间序列的变化模式与其他人的倾向进行比较等的情况下、且时间序列的检查数据发生了变化的情况下,通过对产生了该变化的情况检测影响事件信息并进行推理,取得有益的信息。
上述的期间可以按照如以下这样的想法来选择。
(1)在生物体信息慢性地发生变化的疾病特有的生物体信息等不需要紧急应对的可能性较高的情况下:信息取得时的上述类似期间是相当于依照数据库、推理模型的所推荐的规格而决定的特定期间的期间,进行等待,直到今后的检查结果集齐为止。
(2)在为急性的疾病特有的生物体信息且有可能需要紧急应对的情况下:信息取得时的上述类似期间,是和与接收该信息的人或者护理者、相关人员等已经取得的期间相当的期间类似的期间,从数据库中选择该类似的期间的时间序列数据(并且也可以选择具有类似的倾向的数据)来使用。此外,选择使用了这种期间的数据的推理模型,或者通过将该数据库中的类似期间的数据转化为训练数据来新生成推理模型,并使用该推理模型。
但是,这些期间不需要严格。在前者(上述的(1))的情况下,即使被推荐以1年为单位测量,在仅有10个月的数据的情况下,不足的2个月的数据也可以根据倾向来预测而追加利用。另一方面,在后者(上述的(2))的情况下,即使仅有今天和昨天这2天的数据,例如,在昨天的数据存在多次的数据而稳定这样的情况下,也可以认为其前一天也是相同的变化而补充利用。由于根据接收该信息的人或者护理者、相关人员等的要求而存在现在想要知晓这样的时机(例如,起床时或外出前且必须决定之后的行动的情况等),因此在该情况下,也可以利用上述那样的补充信息。但是,在该情况下,根据数据库或是推理模型所具有的按数据的类别分类或按疾病分类的规格,设为与此时大致一致的期间。
此外,关于在此假定的数据库,假定了包含检查数据的变化模式的趋势根据事件而发生变化这样的事件信息,也可以按照对健康产生影响的每个事件划分数据库。例如,优选是表示出慢性疾病的数值因特定的药物的服用而改善、或者因特定的生活习惯而恶化这样的情形的数据库。也可以知晓患传染病时的患病时的状况和经过潜伏期到发病为止的变化等(这是因为潜伏期较长的疾病很难判定,但优选加入有估计原因等作为信息),优选记录体温的每天的变动倾向由于该发病时的发烧而紊乱、急剧上升等倾向发生了变化时的趋势变化的情形。由此,能够估计检查结果的趋势变化及其原因,接收到信息的人能够根据该信息注意健康保持或改善、防止恶化。
另外,必须生成由适当规模的训练数据构成的学习用母集,以生成推理模型。因此,收集多个个人信息来生成学习用母集。在该情况下,优选包含检查设备的种类、进行了检查的期间等信息来收集,按照这些每一个信息来生成学习用母集。
接着,使用图1说明本发明的一个实施方式的信息传递系统的结构。该信息传递系统包含控制部1、信息判定设备2、终端4、学习部5、推理引擎7、数据库(DB)部8、关联检查机构(包含医疗机构等)9。另外,该数据库中也可以介入协作的多个数据库、计算机。这些各部中的、控制部1配置于服务器内,信息判定设备2、终端4、学习部5、推理引擎7、DB部8、关联检查机构9能够经由互联网等网络而与服务器连接。但是,本实施方式不限于该结构,例如,也可以将控制部1、信息判定设备2、学习部5、推理引擎7、DB部8中的任意一个或多个配置于服务器内,其他配置于其他服务器、个人计算机等电子设备中。并且,关联检查机构9也可以具有服务器的功能。
控制部1是控制本实施方式的信息传递系统的控制器,假定了服务器等、经由网络向其他终端提供文件、数据等的由CPU(Central Processing Unit:中央处理单元)、存储器、HDD(Hard Disc Drive:硬盘驱动器)等构成的IT设备。但是,控制部1不限于该结构,在构建为小规模系统的情况下,也可以是个人计算机这样的结构。控制部1具有各种接口电路,能够与其他设备协作,能够利用程序进行各种运算控制。
控制部1从协作的各装置接收信息,整理信息,生出必要的信息,将该信息提供给用户。控制部1还具有如向协作的各装置输出委托并操作各装置这样的功能。在本实施方式中,假定系统的自由度的高低、使用便利性,信息判定设备2、对象者具有的终端4等与控制部1之间能够通过无线通信、有线通信来连接。也可以假定无线LAN、移动电话通信网,根据状况,一并使用蓝牙(注册商标)、红外线通信等近距离无线等,作为用于此的通信。由于由通信线路、天线、连接端子等构成的通信部的记载变得繁杂,因此在图1中省略,但在图中的表示通信的箭头的部分设置有具有通信线路等的通信部。
控制部1具有通信控制部1a、ID判定部1b、信息提供部1c、推理模型规格决定部1d、推理委托部1e和检索部1f。这些各部既可以通过基于控制部1内的CPU以及程序等的软件来实现,也可以通过硬件电路来实现,还可以通过使软件与硬件电路协作来实现。此外,在图1中,由于控制部1内的各部相互协作而发挥各自的功能,因此省略了信号的方向,但对此另行通过流程图来说明。例如,在如图4的S1这样的步骤中,ID判定部1b按照每个同一对象者从信息判定设备2等中收集信息。
通信控制部1a具有通信线路等,与设置于信息判定设备2、终端4、学习部5、推理引擎7、数据库(DB)部8和关联检查机构9内的通信部进行数据等的收发。信息判定设备2、终端4等各设备/各部也分别具有通信部,但在图1中,由于会变得复杂,因此省略图示。
ID判定部1b按照每个同一对象者从信息判定设备2等中收集信息。为了确定由信息判定设备2取得了信息的个人,对每个个人分配了ID。在本实施方式中,由于处理每个用户的数据,因此由ID判定部1b进行接收哪个用户的信息并向哪个用户给出引导的管理。该特定用户的判定通过如下方式进行:信息判定设备2具有生物体认证功能,或者用户利用终端4经由信息判定设备2内的通信部进行通信,或者终端4读取固有的代码。另外,为了保护个人信息,对必要的部分进行加密而使管理变得严格,但由于这些是通用的技术,因此省略详细的说明。
信息提供部1c具有取得用户的信息(也可以参考其他装置已取得的结果)以向用户提供准确信息的功能。此外,信息提供部1c使用从信息判定设备2等取得的用户(根据ID来确定)的检查数据、从关联检查机构9取得的各种信息和DB部8中存储的与持有设备相关的信息、用户的资料信息等,来判断用户的健康状态,当根据需要决定了与设施相关的信息时,将该信息提供给用户,用户应在该设施接受检查、治疗。
即,信息提供部1c提供用于向用户推荐适于接受检查、治疗的设施的信息。信息提供部1c输入从信息判定设备2发送来的检查数据。如后所述,该数据是附加有时间信息的检查数据(时间序列信息),以能够成为如图3所示的曲线图这样的数据结构存储到DB部8等中。另外,在本实施方式中,假定了控制部1使用来自信息判定设备2的信息来向用户提供信息,但也可以是具有关联检查机构9的服务器同样地收集信息这样的变形例。
此外,信息提供部1c也可以在互联网上取得用户的住址、工作场所中的行为方式、饮食生活、就寝时间、饮食的时机等生活习惯等,也可以还考虑该取得的信息来生成向用户提供的设施等信息。这些信息的取得能够通过通用或者广为人知的技术来补充。此外,通过取得这些信息而生成的设施等信息的定制也可以由信息提供部1c进行。具体而言,考虑提供位于用户的住宅(记录为用户的资料信息)附近的诊所的信息等。但是,在该诊所没有关键检查的设备的情况下,无法进行疾病的原因估计、对策、治疗等。因此,考虑到诊所具有的设备、工作的医生的专业、其他与设施相关的资料信息来进行信息提供。与该设施相关的资料信息作为医疗机构信息从关联检查机构9取得。
信息提供部1c在提供推荐设施等信息时,除了从信息判定设备2、关联检查机构9收集到的信息之外,还利用DB部8中存储的持有设备等信息。当然,该DB部8中记录的信息也可以记录到除了DB部8以外的不同的记录部中。在该情况下,图1中的DB部为多个,但由于会变得复杂,因此省略。信息提供部1c在提供信息时,收集各种信息。即,信息提供部1c作为取得对象者的检查数据、对象者的资料信息、每个检查/医疗机构的持有设备信息的取得部发挥功能。
信息提供部1c判定在从信息判定设备2、关联检查机构9发送来的用户的检查数据中是否具有特定信息,在检测出特定信息的情况下,进一步提示用于进行检查的推荐设施(参照图4的S1、S3、S13、图7的S1、S3、S13a)。特定信息是与疾病相关的信息,例如是与健康的状态具有差异的数值、变化模式(以特定的值为中心的微小变动)的趋势(的变化)。在特定信息的值本身大幅偏离标准值的情况、变化模式的趋势变化显著的情况下,具有某些疾病的可能性较高。特定信息只要是能够怀疑特定的疾病的程度的信息即可。
在检测出特定信息的情况下,在提示推荐设施时,也可以检索DB部8中记录的设施(参照图4)。因此,在DB部8中,按照每个特定信息、每个疾病构建具有必要的检查、用于进行这些检查的检查设备/机器等医疗设施、检查机构等的数据库即可。此外,除了对DB部8进行检索的方法以外,也可以通过推理引擎推理对用户的建议(参照图7)。在该情况下,在输入了用户的历史数据等的情况下,利用设定有推理用户的疾病、必要的检查、推荐设施等的推理模型的推理引擎即可。
信息提供部1c作为根据对象者的检查数据、资料信息、每个检查/医疗机构的持有设备信息来决定向对象者传递的传递信息的传递信息决定部发挥功能(参照图4的S7、S9、S11、S13等)。传递信息决定部通过将以对象者的特定的时间宽度提取出的对象者的变化模式(以特定的值为中心的微小变动偏离该值而发生变化的趋势)信息输入到推理模型中,得到推理结果,根据该得到的推理结果,决定传递信息(例如,参照图4的S9)。传递信息决定部根据检查数据,将与用于接受必要的检查的推荐医疗机构相关的信息、或者与对象者在检查/医疗机构就诊的时机相关的信息决定为传递信息(参照图4的S7、S9、S11、S13、图3的(a)的时机Tc等)。
上述的传递信息决定部将由检查数据取得部(例如,信息判定设备2)取得的检查数据的变化模式输入到推理部(例如,推理引擎7)中,根据该推理部的推理结果,决定传递信息(参照图5的S35)。传递信息决定部将从向对象者传递的时间序列模式的提取时起之后的时刻的传递信息设为要决定的传递信息。传递信息决定部按特定的时间宽度提取检查数据的变化模式,将该提取出的变化模式输入到推理部中,从推理部取得推理结果(例如,参照图3的(a)(b)、图5的S35)。
在由检查数据取得部取得的检查数据的变化模式收敛于特定的范围内的情况下,上述的传递信息决定部进行推理部的推理(例如,参照图5的S27、S35)。在由检查数据取得部取得的检查数据的变化模式在特定的范围外的情况下,传递信息决定部不进行推理部的推理(例如,参照图5的S27、S29)。传递信息决定部通过将对象者的检查数据的变化模式输入到推理部中进行推理,根据该推理结果,决定向对象者传递的传递信息(例如,参照图5的S35)。信息传递决定部将对象者的检查数据的时间序列变化模式输入到推理部中,由推理部进行推理,根据该推理结果,决定从向对象者传递的时间序列模式起之后的时刻的传递信息。
如上所述,检查数据取得部取得成为对象者的特定期间的时间序列模式的检查数据。该取得的时间序列模式不由仅通过1次测量而得到的数据构成,而由在多个不同的时机通过测量而取得的各个检查数据构成,将检查数据的模式的变化用作信息。通过使用由多个检查数据构成的时间序列模式,难以受到因测量环境、状况的变化而产生的误差的影响。并且,根据特定期间的结束时期来推理将来的时期(特定期间的延长时)的健康状态,能够进行对将来的预测。
此外,如果对所取得的时间序列模式赋予对象者来到检查/医疗机构的时机信息作为标注信息,则能够得到训练数据。如果存在推理部,且该推理部具有通过使用该训练数据来学习而生成的推理模型,则能够进行在特定期间(用于取得时间序列变化模式的期间)之后的时机(特定期间的延长时)发生何事的推理。此外,在生成在此使用的推理模型时,规定特定的输入输出信息的规格,进行学习。
因此,在本实施方式中,设置有传递信息决定部,该传递信息决定部将对象者的检查数据的时间序列变化模式输入到推理部中,由推理部进行推理,根据该推理结果,决定特定期间之后的时机的传递信息。因此,可以提供系统、装置、方法、程序等,它们能够传递时间序列模式的检查取得时之后的时机的预测信息。当对象者的检查数据按照每个检查设备具有机械性能的差异等时,可靠性会降低。因此,只要使用同一类型的检查设备(特定规格的检查设备)来取得多个检查数据的变化模式信息,并作为大数据来处理即可。在该情况下,不需要设为固定的期间,作为特定期间,也可以根据状况设为不同的时间宽度(特定期间)。另外,这里所说的“时间宽度”不是测量时机与测量时机之间的时间(检查间隔/测量间隔),而是指在取得一系列检查数据时从最初的测量到最后的测量的时间间隔。“时间宽度”也可以改写为在该时间宽度中包含大量的时间序列数据并包含检查数据的变化模式信息的特定的时间宽度。
在本实施方式中,起到作为传递信息决定部的功能的信息提供部1c将检查数据的变化模式输入到设定有由学习部5生成的推理模型的推理引擎7中,得到与建议相关的推理结果,提供给与所输入的检查数据对应的用户。该服务有时利用个人信息,有时需要签订个人信息的合同等,以接受建议等的提供。在这个意义上,也具有用户的资料信息较重要的情况。此外,在用户是幼儿、老年人的情况下,也可以向照顾该用户的人、护理者等送达建议。也根据利用用户的资料信息管理的信息,送达建议等有效信息。
此外,信息提供部1c作为使用特定规格的检查设备按照特定期间的时间序列取得检查数据并取得该检查数据的变化模式信息的数据取得部发挥功能(例如,参照图8的(b)的S61、S63)。信息提供部1c作为与特定的健康对应事件的输入对应、在健康对应事件之前使用特定规格的检查设备按照时间序列取得检查数据并进行记录的数据取得部发挥功能(例如,参照图8的(a)、图8的(b)的S61、S63)。此外,信息提供部1c作为传递推理结果的信息传递部发挥功能。信息提供部1c作为根据推理部的推理结果来将为特定人物定制的健康对应事件传递给特定人物的信息传递部发挥功能。信息提供部1c作为使用特定规格的检查设备在特定期间的范围内按照时间序列取得多个检查数据的数据取得部发挥功能。信息提供部1c作为使用数据库根据变化模式的趋势变化与事件的时机的关系来提取事件信息中的、对趋势变化产生了影响的事件而能够提供信息的信息提供部发挥功能。
推理模型规格决定部1d在推理委托部1e委托学习部5生成推理模型时,决定要生成的推理模型的规格。控制部1从信息判定设备2等取得用户的生物体信息,存储该生物体信息。控制部1将所存储的生物体信息作为训练数据,委托学习部5生成各种推理模型。推理模型规格决定部1d在生成推理模型时,决定委托怎样的规格的推理模型。例如,如后述的图3的(a)所示,在存储有时间序列的生物体信息的情况下,推理模型规格决定部1d决定如下推理模型的规格,该推理模型用于推理当成为怎样的检查数据(值)时用户会在几天后在医疗设施接受治疗。此外,推理模型规格决定部1d根据时间序列的生物体信息,决定用于生成如下推理模型的规格,该推理模型推理为了进一步接受必要的检查、治疗而被推荐的设施。
推理委托部1e委托学习部5生成由推理模型规格决定部1d决定的规格的推理模型。即,在存储有规定数量的由信息判定设备2取得的生物体信息的情况下,推理委托部1e委托学习部5生成推理模型,接收所生成的推理模型。该接收到的推理模型被发送给推理引擎7。另外,控制部1优选准备多个推理模型,根据应提供给用户的信息而适当地选择推理模型。
检索部1f在根据由信息判定设备2取得的用户的生物体信息判明了需要进一步检查、治疗时,在DB部8中存储的数据库中对具有检查、治疗所需的设备的检查机构、医疗机构进行检索。检索部1f作为使用数据库根据变化模式的趋势变化与事件的时机的关系来检索事件信息中的、对趋势变化产生了影响的事件的检索部发挥功能。
信息判定设备2是用于取得对象者的健康关联信息、例如生命体征信息、检体信息等检查数据的设备。作为健康关联信息,具有各种信息,例如,具有对象者的体温、血压、心率等生命体征信息。此外,作为健康关联信息,具有对象者的尿、大便等排泄物、痰、血液等各种检体信息。在大便的情况下,信息判定设备2取得该大便的颜色、形状、量、日期时间信息。信息判定设备2既可以按照来自控制部1的指示来取得信息,也可以根据用户的操作而取得信息,还可以自动地取得信息。并且,信息判定设备2也可以收集并活用对作为医疗/健康信息的信息“个人健康记录(Personal Health Records:PHR)”加上日常生活、工作单位/学校中的活动、饮食、体育活动等日常生活的各种活动数据而得到的个人生活记录(Personal Life Records:PLR)。所取得的信息经由信息判定设备2内的通信部(省略图示)发送给控制部1。
信息判定设备2作为取得对象者的检查数据的检查数据取得部发挥功能。此外,信息判定设备2作为取得如下检查数据的检查数据取得部发挥功能,该检查数据成为对象者的特定期间的时间序列模式。检查数据取得部取得的对象者的检查数据是使用特定规格的检查设备按照时间序列取得检查数据并以特定的时间宽度提取该检查数据的变化模式信息而得到的。即,使用特定规格的检查设备(同一类型的检查设备),作为信息判定设备2,信息判定设备2针对同一对象者的检查项目,在不同的时机进行测量,由此按照时间序列取得数据。使用该时间序列数据,根据检查时机而在曲线图上描绘测量值,由此能够得到变化模式。通过以特定的时间宽度提取该变化模式,能够得到检查数据。检查数据是按照排便时用的颜色传感器、形状传感器、硬度传感器、嗅觉传感器(包含线虫、动物的反应判定)、气体成分传感器、特定的试剂添加时的颜色变化检测传感器、基于放大观察图像的形状判定中的任意一个的输出结果而得到的数据。
在利用可穿戴终端作为信息判定设备2的情况下,根据可穿戴终端的佩戴部位而紧贴于皮肤或身体附近,能够得到体温、心率、血压、脑电波、视线、呼吸、呼气等生命体征信息。此外,有时将专用的精密设备配置于健康设施、公共浴池、药房、购物中心等,作为体重计、血压计、测量表示动脉壁的硬度的动脉硬度的测量仪,并且也一起配置有专业的测量者。多数情况下,在这样的设施中,用户在空闲时间等轻松地使用测量设备,根据此时的测量结果管理身体状况。也可以将这些测量设备设为信息判定设备2。
此外,信息判定设备2在用户使用专用的终端等的前后,有时委托填写调查问卷。在这样的情况下,能够根据该调查问卷的记载,确定用户的资料信息、其他信息。这样的信息收集不限于信息判定设备2,也可以由控制部1进行。该信息能够在后述的图4的步骤S3中的是否取得了特定信息的判定时使用。如果还能够听取何时进行了就医的信息等,则能够用作后述的图3的(a)、(b)中的时刻Tc信息。
在信息判定设备2得到了与特定用户相关的信息的情况下,将与控制部1的信息提供部1c推荐的设施相关的信息提示给特定用户的信息终端4。假定了该提示辅助用户的行为来进行说明,但可考虑各种变形。
信息判定设备2也可以是已经患有特定的疾病而在医生的指导下使用的体温计、血压计等。此外,在利用麦克风收集由智能手机所具有的摄像头拍摄到的面部、指甲等的颜色、面部的表情、患部的图像、咽喉不舒服时的声音的情况下等,便携终端(智能手机)能够直接成为信息判定设备2。
最近,开发了简易的健康管理设备、健康信息取得设备,这些设备有时搭载于可穿戴设备,这样的装置也不是独立的,多数情况下被看作智能手机的外围设备,因此也可以将其假定为便携终端。此外,即使不是可穿戴设备,有时也将简易的测量设备设置于人聚集的场所,提供健康信息服务。也可以将这样的设备用作信息判定设备2。
关于在信息判定设备2等中进行的信息判定,判定到何种程度也可以根据与控制部1的关系来变更。例如,也可以仅将在信息判定设备2等中感测到的结果在不判定的情况下发送给控制部1。但是,在该情况下,需要将是怎样的人的怎样的数据的信息附加于感测信号,发送该信号。关于该附加信息,优选将是哪个人、哪个感测结果建立对应,但也可以通过考虑到其他终端的信息来建立对应。
关联检查机构9是用户接受检查的设施,例如具有检查设施、医疗设施。当然,该关联检查机构9也可以是移动型、例如将一般医疗设备、检查设备搭载于汽车、火车、轮船、直升机、无人机等并前往患者所在地的类型。控制部1能够从运营关联检查机构9的系统的服务器等取得前往了哪个医疗机构、以及出现了怎样的检查结果等。当然,关联检查机构9的服务器可以与控制部1相同,此外也可以分担一部分功能。
在上述的说明中,记载了使用具体的生物学的生物体信息、来自生物体的试样样品进行医疗关联检查的机构,作为关联检查机构9。但是,如果也将问诊等、自觉症状等的答疑等认为是检查,则认为基于该问诊、答疑通过自然语言的输入给出某些结果的机构也是检查机构之一。即,也可以认为通过调查问卷记载或项目选择进行特定的健康建议的互联网/服务等也包含于对该关联检查机构9进行了广义地解释的内容。该广义的关联检查机构9能够提供使用如下技术的服务:在输入了与按照所显示的画面的每个特定区域进行整理并建立了关联的类别对应的信息的情况下,按照项目的每个内容,通过数据库检索、逻辑库的分支、推理处理来将健康关联建议转化为文字而显示或者转化为语音而用语音传递给用户。
终端4是便携信息终端,是用于接受对象者或其相关人员可确认的信息的装置。终端4例如也可以是智能手机、平板PC,在该情况下,能够将内置摄像头、麦克风用作信息取得部。此外,可以将可协作的可穿戴终端及其他家电用作终端4,也可以通过可穿戴终端等取得信息。因此,信息判定设备2和终端4可以相同,也可以分别是专用设备。并且,根据状况,可以是信息判定设备2、终端4具有控制部1所具有的功能,也可以构成为分担地进行检测、控制、信息提供。
数据库(DB)部8是与医疗设施等持有的设备相关的信息的数据库。作为持有设备,具有为了进行诊断而使用的测量设备、用于进行治疗的器械/设备等。与要推荐的设施相关的信息的提供由控制部1参考数据库部8中记录的信息来进行。
DB部8具有可电改写的非易失性存储器。DB部8具有记录有按设施分类的持有设备一览的记录部8a和按设施记录有ID和该用户的来院的记录部8b。记录部8a记录医院、诊所、检查机构等设施所持有的设备的一览。信息提供部1c通过检索记录部8a,能够向用户提示具有最适于检查的设备的设施的信息。也可以与关联检查机构9的信息协作,以与医疗设施等重新购买了装置的情况等相应地更新信息。此外,记录部8b按照每个设施记录哪个人(根据ID来确定)何时来过这样的来院信息。记录部8b可以省略。
DB部8也可以构建于与医疗设施协作的信息传递系统的一部分,DB部8也能够经由控制部1访问关联检查机构9。在该情况下,当DB部8从控制部1接收到检索命令时,DB部8除了对DB部8内记录的数据进行检索以外,还对关联检查机构9内的数据进行检索,输出检索结果。DB部8作为存储对象者的资料信息和每个检查/医疗机构的持有设备信息的存储部发挥功能。此外,该存储部不限于DB部8,也可以在控制部1内等配置其功能的全部或一部分。关于在DB部8中记录的数据的详细情况,使用图2之后叙述。
DB部8作为如下的数据生成部发挥功能:通过将服药、生活改善的开始等特定的改善时机信息作为与变化模式信息的时间信息相同的时间信息,包含于变化模式信息,生成具有能够对该改善信息以前的变化模式的部分进行比较的信息的数据库。DB部8作为如下的数据生成部发挥功能:生成能够将取得检查数据而生成的检查数据的变化模式信息与和特定期间内的检查数据的取得源相关的多个事件信息各自的时机建立关联而记录的数据库。
学习部5具有输入输出模型化部5a,通过机器学习等生成推理模型。该推理模型通过对所取得的生物体信息、活检信息等取得信息与疾病的关系进行学习、具体而言通过对取得信息与临床科室/部门的关系进行学习来生成。与推理引擎7同样,输入输出模型化部5a具有输入层、多个中间层、输出层,通过学习求出中间层的神经元的耦合强度,生成推理模型。
学习部5作为取得如下推理模型的学习部发挥功能:该推理模型是通过针对变化模式信息,检测与在特定期间内上述变化模式发生了变化的时刻对应的时刻的影响事件信息,取得将对检测出的影响事件信息进行标注而得到的结果作为训练数据来学习而得到的(例如,参照图8的S65~S71)。此外,学习部5作为取得如下推理模型的学习部发挥功能:该推理模型是通过将对关于所记录的检查数据的变化模式信息标注进行了健康对应事件时的设备、和/或备品、和/或环境的信息而得到的结果作为训练数据来学习而得到的(例如,参照图8的S65~S71)。
在生成这样的推理模型时,以特定的时间宽度提取使用同一类型的检查设备(特定规格的检查设备)从被检者取得的检查数据的变化模式,将该提取出的变化模式输入到推理引擎7中,生成将在从被检者所检查的时机起之后的时机应输出的健康建议设为标注信息的训练数据。然后,通过使用该训练数据进行学习,生成推理模型。另外,在本实施方式中,说明了从出现检查结果的时刻起追溯的时间宽度,但由于存在在检查结果之后,在治疗等中数据变好的情况、治疗未顺利进行的情况,因此也可以学习该差异,输出预后的建议。
此外,学习部5如果使用检查、去医院、服药之后的检查数据串来学习,则还能够生成可进行生活习惯改善、治疗、服药的效果的将来预想建议的推理模型。在该情况下,以检查、去医院、服药的时刻为起点,利用之后的时间序列数据。在对检查、去医院、服药等进行建议的情况下,利用之前的时间序列数据。
在此,作为学习部5进行的学习的一例,对深度学习进行说明。“深度学习(DeepLearning)”是对使用神经网络的“机器学习”的过程进行多层结构化的学习。从前向后发送信息而进行判定的“正向传播型神经网络”是代表性的深度学习。正向传播型神经网络是最简单的,具有由N1个神经元构成的输入层、由N2个由参数给定的神经元构成的中间层、由N3个与待判别的类别的数量对应的神经元构成的输出层这3层即可。输入层与中间层、中间层与输出层的各神经元分别通过耦合加权而连结,中间层和输出层通过加上偏置值,能够容易地形成逻辑门。
神经网络只要能够进行简单的判别即可,可以是3层,但通过使中间层为多个,也能够在机器学习的过程中学习多个特征量的组合方式。近年来,从学习所花费的时间、判定精度、消耗能量的观点出发,9层~152层的神经网络为实用的。此外,也可以进行压缩图像的特征量的被称作“卷积”的处理,以最小限度的处理进行动作,利用对模式识别较强的“卷积型神经网络”。此外,也可以与处理更复杂信息、含义根据顺序、次序而改变的信息分析对应地使用双向传输信息的“递归型神经网络”(全连接递归神经网络)。
为了实现这些技术,也可以使用CPU、FPGA(Field Programmable Gate Array:现场可编程门阵列)等以往存在的通用的运算处理电路。但是,不限于此,由于神经网络的处理大多是矩阵的乘法运算,因此也可以使用专用于矩阵计算的被称作GPU(GraphicProcessing Unit:图形处理单元)、张量处理单元(TPU:Tensor Processing Unit)的处理器。近年来,这样的人工智能(AI)专用硬件的“神经网络处理单元(NPU)”被设计为能够与CPU等其他电路一起集成而组装,有时也成为处理电路的一部分。
除此以外,作为机器学习的方法,例如,还具有如支持向量机、支持向量回归这样的方法。关于这里的学习,具有计算识别器的权重、滤波器系数、偏移的方法,除此以外,还具有利用逻辑回归处理的方法。在使机器判定某些内容的情况下,需要人教给机器判定的方法。在本实施方式中,采用了通过机器学习导出图像的判定的方法,但除此以外,也可以使用应用人通过经验法则/直观推理(heuristics)而获得的规则的规则库的方法。
推理引擎7具有与学习部5的输入输出模型化部5a相同的输入输出层、神经网络。推理引擎7使用由学习部5生成的推理模型来进行推理。例如,推理引擎7输入由信息判定设备2测量的时间序列的生物体信息,例如,通过推理求出适于检查用户的健康状态、进行治疗等的检查机构/医疗机构。此外,也可以根据时间序列的生物体信息,进行何时在医疗机构就诊的推理等。
推理引擎7作为具有如下推理模型的推理部发挥功能,该推理模型是根据对象者来到检查/医疗机构的时机信息来学习而得到的。推理引擎7作为具有如下推理模型的推理部发挥功能,该推理模型是根据提供了与对象者的检查数据相同的检查数据的人的变化模式和在检查/医疗机构中的来院/检查/服药信息来学习而得到的。推理部使用如下推理模型来进行推理,该推理模型通过使用特定规格的检查设备来取得除了对象者以外的人的检查数据,将以特定的时间宽度提取该检查数据的变化模式而得到的变化模式作为学习用推理部的输入,将在从被检者进行了测量的时间宽度的结束时刻起之后的时刻应输出的用于被检者的健康建议设为标注信息,由学习用推理部进行学习而生成。
推理引擎7作为如下的推理部发挥功能:将使用上述特定规格的检查设备在与上述特定期间的宽度类似的期间内按照时间序列而得到的特定人物的检查数据输入到上述推理模型中,而对影响事件进行推理(例如,使用在图8的(b)中生成的推理模型来在图4、图7等的检查结果的发送时进行推理)。推理引擎7作为如下的推理部发挥功能:将使用特定规格的检查设备按照时间序列得到的特定人物的检查数据输入到推理模型中,而对设备和/或备品、和/或环境的信息进行推理(例如,使用在图8的(b)中生成的推理模型来在图4、图7等的检查结果的发送时进行推理)。
此外,根据对象者的来院/检查/服药信息进行学习而得到的推理模型是根据将输入设为时间序列的检查数据、将输出作为关联疾病信息进行标注而得到的训练数据,设定了输入输出关系而得到的推理模型。在此,关联疾病信息是来院日期时间或诊断结果、处方药信息等。
这样,除了检索部1f对DB部8进行检索以外,控制部1也可以利用推理引擎7来提供与推荐设施相关的信息。推理引擎7使用学习部5所生成的推理模型来进行与推荐设施相关的信息的推理。该推理模型通过对所取得的生物体信息、活检信息等取得信息与疾病的关系进行学习、具体而言通过对取得信息与临床科室/部门的关系进行学习来生成。这样,控制部1也可以通过推理引擎7的推理,输出应提示的引导信息。
当控制部1通过检索或者通过推理,根据一次得到的取得信息,在一次判定中对医疗设施等进行引导时,有可能不必要地将医疗信息带入生活中而妨碍健康安心的生活。因此,也可以使用多次的取得信息的历史(时间序列信息)来提高精度。
图3的(a)示出使用了记录部8中记录的个人的健康关联的历史数据(时间序列数据)的曲线图。在该记录部8中,例如,记录有由特定设备A取得的数据、或者具有各种检查功能的设备的数据中的、特定的数据A、以及该个人何时就诊了哪个设施。控制部1对记录部8的记录进行管理。
图3的(a)所示的曲线图的横轴是时间,纵轴是健康关联数据。转记在该曲线图上的数据能够作为犹如在二维上配置信息的图像数据来处理。因此,能够通过与从该图像中找出特定的图像这样的图像检索相同的方法进行推理。即,曲线图成为输入,将输出设为医疗机构信息即可。关于图3所示的表示历史数据的曲线图的详细内容,之后叙述。
当将健康关系信息发生了变化的人要前往怎样的设施或者前往了怎样的设施记录到记录部8中,由控制部1对该记录时进行统一管理时,能够收集这些数据,并用作训练数据,使学习部5生成推理模型。
推理引擎7具有由控制部1的推理模型规格决定部1d指定推理模型的规格并通过遵照该规格的学习而得到的推理模型。由于在出现了新的设备的情况下,推理引擎7的设备数据有时不同,因此推理模型也可以是多个。此外,由于每当出现新的设备时,都需要新的学习,因此假定了大多情况下,按照控制部1的指定通过学习部5来改良推理模型或新生成推理模型。但是,在信息判定设备2为专用且仅专用于特定的疾病的推理的情况下,也可以是单独的专用推理模型。
另外,与学习部5的输入输出部5a同样,推理引擎7是以CPU、GPU、DSP等AI芯片为中心的电路块,还搭载存储器等而构成神经网络。该推理引擎7、学习部5与由医院等协作地运营的网络等连接,在本实施方式中,假定了可能存在能够与该推理引擎7、学习部5协作地由控制部1利用的情况。在该情况下,还存在能够经由关联检查机构9交换学习、推理的信息的可能性。
在控制部1的推理委托部1e判定为从信息判定设备2等充分地取得了特定的用户的信息时,委托推理引擎7推理。推理引擎7能够输入表示类似的数据的时间序列转变的信息组,根据该信息组来推理,输出适于特定的用户的医疗机构信息(来院信息、检查信息等)。在将与经常去医院并具有慢性病情的人类似的数据组输入到推理引擎7中的情况下,优选对能够进行相同治疗的设施进行引导显示。推理引擎7能够估计持有应检查特定的用户的设备的医疗机构。
此外,由于今后在家电等设备中搭载健康监护功能的可能性提高,因此即使用户没有前往设置有特殊设备的场所,也能够通过这些设备在生活中取得各种信息,即使用户没有意识到,也能够进行有效的健康管理。例如,已提出了较多的由温水马桶盖、马桶等上所安装的传感器检测粪便的量、颜色并将该检测结果用于诊断的方法等。
接着,使用图2,说明DB部8中记录的数据的一例。图2的表示出信息判定设备2输出的数据(将检查数据、生物体数据、生命体征数据、检体数据等统称为“时间序列数据”)发生了怎样的时间上的变化、转变的患者(说明为患者ID)与怎样的医疗机构等相关联。从该表中,根据患者的行为历史、院内系统的来历,知晓患者几点来到某个医院、临床科室等。
作为DB部8中记录的医院的数据,包含具有怎样的临床科室及怎样的疾病的治疗具有实绩、怎样的医生、护士以及其他工作人员工作及能够接受怎样的检查、多长时间的等待时间、以及预约制还是介绍制在内,时间分配等就诊条件等信息被整理并记录。在就诊条件中,也可以包含必须记入怎样的病历单等信息。此外,诊断条件不仅包含就诊、去医院、手术相关的信息,还可以包含关联康复设施的信息、预后的去医院、处置信息等。
此外,通过表形式记录数据的情况不限于医院,即使在药房、公共设施接受检查的情况下,也能够应对。作为与药房相关的数据,也可以具有准备并提供了怎样的医药品等信息。
作为医疗机构信息,如果也包含上述的信息、一并设置的药房的特色在内而被整理,则不限于专用于特定的病情的治疗的医疗机构,还能够通过去在附近容易前往的具有类似特色的医疗机构来代替。能够简单地超出各医院/诊所专业或者具有的临床科室这样的特征而根据疾病的特征选择适当医疗机构来访问。由于这样的信息具有工作的医疗从业者的调动、辞职等、以及设备的更换等,因此需要按照适当的周期进行重新评估。
因此,需要是使医疗机构信息反映具有变化的每次或者定期的状况变化的数据库。通过进行上述那样的研究,不仅根据病名或自觉症状,还能够根据信息判定设备2所输出的患者的数据(将检查数据、生物体数据、生命体征数据、检体数据等统称为“时间序列数据”)发生了怎样的时间上的变化、转变,能够简单地掌握具有比特定的临床科室这样的类别更细致地分类整理出的特征的医疗机构中的就诊、与是否通过该就诊而病情好转这样的关系性。因此,能够提供比以往定制得更好的信息传递装置以及信息传递方法。
此外,作为医疗机构信息,不限于就诊、去医院等,也可以具有亚健康、预后的信息,也可以一览显示在患者所访问的健康关联设施(也可以具有增进健康或促使恢复健康的公共机构/设施等、或提供通过摄取来对身体状况产生影响的食品和饮料的店铺等信息)中具有怎样的设备。在大医院中,具有多个设备,在小诊所中,仅具有有限的设施。在大医院,与该疾病相关的病例数往往更多。但是,专用于特定疾病的专科诊所弥补小诊所所处的环境,在智能城市等中,通过诊所的协作而能够具有犹如与大医院相同的功能。因此,在此,也能够作为有效信息提示给患者。
近年来,在便利店等中,各种信息输入输出功能丰富,以这些店铺为中心,推断出特定个人的购入历史、入款历史的特征,构建了满足每个人具有的特征性需求的服务。因此,也可以与这些信息协作地使购买行为中反映这些信息来进行上述的信息提供。例如,对于患有高血压的人,也可以在店铺中进行如防止高血压症状这样的购买建议或饮食建议。
这样的特征信息也按照时间序列进行整理,在图2所示的表中,也可以以与信息判定设备2所输出的数据(将检查数据、生物体数据、生命体征数据、检体数据等统称为“时间序列数据”)发生了怎样的时间上的变化、转变相同的想法加入到信息中来处理。成为汇总了与怎样的生活习惯(饮食的倾向等)的患者(作为患者ID来说明)以怎样的生物体数据变化与怎样的医疗机构等建立了关联的数据组。即,可以提供如下的信息传递装置以及信息传递方法:通过利用这样的数据库进行判定,能够针对特定倾向的患者,检索曾经为类似的倾向的患者恢复了健康的例子,能够传递优选怎样的生活改善、到怎样的医疗机构就诊、服药、治疗。
该信息传递装置等在该人容易访问的范围内,提供类似特征的改善对策,而不提供如去皮肤科即可、去消化系统医院即可这样的公式化的建议。即,在这里的数据库(DB)中,每个人的生物体信息的变化模式与健康、医疗相关行为的关系在时间轴上被整理并建立了关联。此外,医疗机构、健康关联设施、周边的店铺的特征信息在特定的时机被更新、刷新,并且记录有在生物体信息变化时刻是怎样的状况而能够检索。
为了提供上述的特征信息,在图2中,作为示作“其他”的项目,不仅包含医疗机构本身,还包含周边的状况及它们过去的信息等。即,能够提供一种信息传递方法,其特征在于,传递将使用特定规格的检查设备按照时间序列而得到的特定人物的检查数据输入到推理模型中进行推理而得到的结果,该推理模型是通过使用特定规格的检查设备按照时间序列取得检查数据,取得该检查数据的变化模式信息,将对变化模式信息标注具有改善效果的医疗机构等中的特征信息(影响事件信息而得到的结果作为训练数据来学习而得到的。
在上述的信息传递方法中,换言之,首先,使用特定规格的检查设备按照特定期间的时间序列取得检查数据。然后,从按照时间序列而取得的检查数据中取得检查数据的变化模式信息。关于该变化模式信息,检测与在特定期间内变化模式发生了变化的时刻对应的时刻的影响事件信息。影响事件信息是在被认为在医疗机构等中具有改善效果的情况下、与有助于改善的事件相关的信息。当检测出影响事件信息时,取得将对该检测出的影响事件信息进行标注而得到的结果作为训练数据来学习而得到的推理模型。当生成了推理模型时,将使用特定规格的检查设备而在与特定期间的宽度类似的期间内按照时间序列而得到的特定人物的检查数据输入到推理模型中,对影响事件进行推理。当得到了推理结果时,将该推理结果传递给用户等。
另外,必须生成由适当规模的训练数据构成的学习用母集,以生成推理模型。因此,收集多个个人信息来生成学习用母集。在该情况下,优选包含检查设备的种类、进行了检查的期间等信息来收集,按照这些每一个信息来生成学习用母集。
此外,换言之,这里的时间序列模式、记录该时间序列模式的数据库可以说是具有下述那样的特征的数据库。即,是使用特定规格的检查设备按照时间序列取得检查数据,并且与该时间序列模式的时间轴相匹配地具有服药、生活改善的开始等特定的改善时机信息的数据库。即,成为也能够包含呈现如下特征的例子的数据库即可:在特定的改善时机以后,也取得该检查数据的变化模式信息,可靠地改善了变化模式。如果包含能够在改善时机以前判定将来的患者的变化模式的类似性的、该患者候选的生物体信息变化模式有可能发生改善的某些信息,则可能成为被许多人利用且具有便利性的数据库。
当然,作为医疗机构的各个信息,持有设备信息是有效的,作为持有设备,在此假定了从如体温计、听诊器、血压计、体重计、体脂肪计这样的简单设备到X射线检查装置、内窥镜、超声波检查装置、CT、MRI这样的固定型设备、或者各种传染性疾病的检查装置、试剂等。另外,并且,在这些装置按照每个设备种类具有不同的性能、功能的情况下,能够也包含该性能、功能而进行识别管理。内窥镜除了硬性镜、软性镜以外,还具有能够进行特殊光观察的内窥镜和无法进行特殊光观察的内窥镜。由此,判定该设施能够进行的检查的特征、类别、限制等。
作为处置器械,也可以具有各种设备,由此也具有手术方式不同的医疗机构,因此,通过对这些信息进行整理、管理,也可以进行判定。即使具有检查装置,也有可能没有所需的试剂、治疗药、治疗装置等,因此也可以对各种检查试剂、治疗设备、治疗用药剂、以及绷带/纱布、注射器、注射针、点滴等医疗/急救/卫生用品的库存信息等的有无进行管理。此外,也可以还对与拐杖、轮椅等患者的辅助装置等相关的信息进行管理。此外,无障碍设施的状态、周边住宿设施、店铺、交通工具的信息也是有益的,公共交通工具是否容易利用、针对在入院和出院时进行照顾的家人的便利性等对于特定的疾病、年龄的患者来说可能成为最有益的事项。
如果在持有设备的栏中预先包含持有设备、用品、消耗品等的库存等信息而记录设施的特征,则能够根据这些信息做出有效的引导。由于医生、检查的技师的性别、有无单间等对于患者来说也为有价值的信息,因此也可以一并以能够显示、引导的方式在数据库中进行管理。优选也取得位于医院等设施中的厕所是否是能够取得生命体征信息、检体信息等或是否是被准确地校准而可靠性较高的厕所、或者是否是与验尿、验便对应的设施、是否具有能够取得生命体征信息的用于监护患者的健康状态的借出设备等信息,作为设施信息。不仅能够应对来院诊察的患者,还能够应对访问设施以取得设施中的校准后的厕所中的信息与自己家的厕所之间的误差、自己家厕所与验便之间的误差信息的用户。
在此,以在医院、诊所等中接受诊疗的例子进行了说明,将这样的对健康状态有影响的行为(假定了在此也包含对身体好的食物、补充剂的摄取、市售药物的服用等)、环境变化(健康状态可能因易地疗法、室内的环境改善等而发生变化)称作健康对应事件,预先构建能够判定特定的健康对应事件对健康(在此为时间序列生物体数据模式)有怎样的影响的系统。该系统能够判定如人、医生没有意识到的改善健康的健康对应事件、损害健康的健康对应事件是什么。即,能够通过特定的健康对应事件的输入(这可以是手动也可以是自动的),判定先于该事件而得到的(由于也存在暂时没有效果的情况,因此不需要严格地先于)时间序列的检查数据的变化模式信息最终变得怎样。当在事件中如上所述除了简单的事件名称、时机信息之外,还具有进行了该健康对应事件时的设备和/或备品、和/或环境的信息(结构因素)时,能够显现没有意识到的重要因素。不仅是皮肤科就诊,在那里接受了怎样的检查等有时也成为重要信息。能够接受该检查的科室也可能是皮肤科以外的例如儿科。
如果知晓这样的健康对应事件是什么,则认为有助于健康管理,但在现实中,具有各种健康对应事件,难以知晓哪个健康对应事件是重要因素。因此,在本实施方式中,生成如以下那样的推理模型,进行推理。首先,将标注进行了健康对应事件时的设备和/或备品、和/或环境的信息而得到的结果设为训练数据,使用该训练数据来学习,由此取得推理模型。当取得了推理模型时,如果如上所述,将使用特定规格的检查设备按照时间序列而得到的特定人物的检查数据输入到推理模型中,对设备和/或备品、和/或环境的信息推理,则能够得到之后的重要因素。如果根据该推理结果(重要因素)来将为特定人物定制的健康对应事件传递给特定人物,则可能有时即使不特意去远处的医院,在附近的诊所即可,或仅改善生活等即可。
这样,根据上述的信息传递系统,能够进行包含健康对应事件的要素在内的推理。另外,在上述的系统中,对该人的健康状态是否真正得到了改善未赋予信息,但能够推理多数人采取的行为等。此外,也可以仅在健康状态得到改善的情况下,进行特定的健康对应事件的输入(这可以是手动也可以是自动)。改善也可以利用检查数据变化等来判定,也可以根据调查问卷来判定。即,也可以是如下这样的系统:由医院在诊疗后向患者发送调查问卷邮件,仅在返回了担心的症状得到改善的回答时,进行健康对应事件输入。
记作健康状态是否得到改善也能够利用检查数据变化等来判定。具体而言,如果将特定的改善时机信息作为与变化模式信息的时间信息相同的时间信息包含于使用检查设备而得到的生物体信息的变化模式信息,由此预先生成具有能够参考改善时机信息来对变化模式的一部分进行比较的信息的数据库,则能够实现该判定。使用该数据库,参考其他人的改善时机信息将特定人物(想得到建议信息的人)的变化模式部分与变化模式部分进行比较,判定改善时机信息中的改善信息,将判定出的改善信息传递给特定人物即可。此外,在此,对改善后的情况进行了强调说明,但当然,也能够应用于如因这样的事件而身体状况变差这样的推理用途。
即,如果具有如下的数据库,则应该能够提取出对趋势变化产生了影响的事件,该数据库具有使用特定规格的(生物体数据)检查设备在特定期间的范围内按照时间序列取得多个检查数据而得到的数据的变化模式信息,能够将与该特定期间内的数据取得源相关的多个事件信息分别与何时发生的时机建立关联而记录。因此,通过设为能够提供具有该影响的事件的信息的电路、程序、系统,能够对其他人提供有益的信息。如果根据具有对健康状态带来影响的事件的环境、状况、其他结构要素信息,对事件信息进行细分,则置换为被提供信息的人的立场时能够作为定制信息来提供。例如,如果分解为在冷天到人群聚集处这样的要素,则能够从去了东京站这样的信息中概括,并转换为今天不要去大阪站这样的信息而能够将其传递给居住在大阪的人且身体状况不佳的人。此外,也可以收集通过检查数据变化模式和影响事件的标注而得到的多个人的案例的训练数据,进行学习,生成推理模型。在该情况下,将输入设为变化模式,将输出设为影响事件要素即可。
此外,在DB部8的数据库中,预先记录病例数Nc1~Nc6等。如果关于关联疾病lx具有该医院所处置的病例数,则成为用户选择医疗设施时的参考,在通过推理等显示推荐医疗设施时也能够使用病例数。此外,在DB部8的数据库的其他栏中,也可以记录预后的信息、住院期间的信息、相邻药房信息(例如,也可以包含品种齐全信息)等信息。
控制部1的检索部1f具有访问如图2所示的数据库并取出必要的信息的功能。在图2中,患者ID是在ID判定部1b中赋予给各个患者(用户)的识别用标记,用于确定患者。时间序列数据是由信息判定设备2测量出的各个数据。例如,数据Dy1(t11)是在日期时间t11测量出的类别y1的数据。数据类别y例如是体温、血压等生命体征信息、大便等检体信息。来院日期时间Th表示患者在医疗机构就诊时的日期时间信息。关联疾病lx表示根据患者ID的时间序列信息来假定的与疾病名称相关的信息。
医院H1~H4表示医疗设施,表示由患者ID确定的人所就诊的医疗设施。临床科室Dp1~Dp3表示由患者ID确定的人所就诊的医疗设施中的临床科室名称。持有设备Mod是与由患者ID确定的人相关联的持有设备。病例数Nc1~Nc6是在各医院/各临床科室中所处理的病例的数量。在向用户显示推荐设备时,可以考虑病例数,此外也可以显示病例数,以成为用户选择医院等时的参考信息。
另外,在图2中,示出混合按设施分类的持有设备一览的记录部8a、按设施分类的ID和来院信息一览的记录部8b而成的一览表。在图2中,如果按照医院H1~H4生成持有设备Mod1~Mod5的一览表,则成为记录部8a的记录内容。此外,如果按照每个患者ID生成来院日期时间等的一览表,则成为记录部8b的记录内容。此外,如果按照每个患者ID预先仅记录时间序列数据,则能够与接受了治疗的医疗设施无关地生成每个患者的历史数据。该历史数据也能够在进行后述的图4的S9、图7的S6中的推理时使用。
接着,使用图3,对由信息判定设备2等按照时间序列取得的生物体信息(检查数据)进行说明。图3是使用检查数据而生成的曲线图。如上所述,在图2中,示出了DB部8中记录的时间序列的检查数据的例子。在图2中,按照每个患者ID,记录有按照时间序列整理出的检查数据,图3是将图2所示的检查数据表示为曲线图的图。在图3中,横轴表示时间T,纵轴描绘而示出图2中的时间序列数据。如上所述,该图是针对检查数据、生物体数据、生命体征数据、检体数据,将检查这些数据中的任意数据的设备的检查输出结果表示为数值D的图。例如是表示大便的红色程度的值。
此外,在图3中,假定了来院日期时间等也在系统上自动地被更新的情况。来院日期时间当然可以有多个,但也可以为了避免繁杂而进行简化,例如是特定临床科室的初诊的日期时间。如后所述,图3的(a)所示的例子是时间序列数据向健康恶化的方向发生变化而用户不久去医院的案例,因此最接近图2中说明的各患者的模式。也能够利用如图2中说明的信息来向如图3所示的状况的患者提供推理多久会前往具有怎样的临床科室的医院而得到的结果。另外,除了该例子以外,如图3的(b)所示,即使在由于已经觉察到其他征兆而去医院并能够得到生命体征数据的情况下,也能够生成如图2所示的表。但是,由于存在即使没有去医院也具有生命体征数据的人,因此在该情况下,不符合图2的表。
如之前所说明的那样,图3的(a)是推测为之后可能去医院的案例。图3的(a)所示的曲线图表示当前未去医院的用户的检查数据(设备数据)的时间序列上的变化。在从该时间序列的检查数据中取得了特定的检查结果(特定信息)时,通常能够得到是否来到医疗机构的信息。因此,根据时间序列的检查数据,在越去医院越恶化之前,由用户接收,由此能够引导能够掌握自身的健康状态这样的健康信息。例如,在图3的(a)中,在时刻T1的检查数据的情况下,能够推理出在经过了时间+ΔT的时刻Tc,访问医疗机构。即,如果在DB部8中,存储有检查数据、医疗机构信息(医院名称、临床科室、日期时间信息)等,则能够推测出到在医疗机构接受诊疗为止的期间。
图3的(b)是已经去医院的情况,是由于治疗以外的原因而在去医院过程中发生了恶化的案例。图3的(b)所示的曲线图是如下例子:当因疾病而去医院的人在时刻Tc1、Tc2出现特定信息时,在医院接受治疗。如图3的(b)所示的时间序列的检查数据能够充分用于学习这样的状况。该例子对于“该数值的人一般自己不能治疗”这样的宗旨的引导是有效的。成为能够将进一步的恶化防患于未然的信息而是有效的。
图3的(c)是不需要去医院的案例。在该案例中,检查数据D比规定值(曲线图中虚线所示)低,不需要去医院。在该情况下,在图2所示的DB部8的数据库中,来院日期时间的栏为空栏。
在图2所示的数据库(记录于DB部8)中,对其来到的医院、临床科室的信息、持有设备的信息等进行整理并记录。因此,能够也向未考虑到设备的情况的患者推荐最佳的设施。该数据库只要保持取得信息的类别(马桶的潜血检查信息)、医院和持有设备Mod的关系即可,按患者分类的时间序列数据也可以为不同的数据库管理。此外,也可以构成为通过检索多个DB并整理检索结果,得到相当于DB部8中记录的数据库的信息。
图3用曲线图示出DB部8中记录的每个患者的时间序列信息,是横轴为时间且纵轴将取得信息数值化而得到的图。因此,成为2维的视觉信息。由于成为2维的图,因此可以说是以下的两个情况。首先,由于是附图,因此能够与图像判定同样地进行处理,能够简单地沿用如图像识别的推理模型这样的通用且容易构建的AI芯片或系统,能够容易地实现推理。此外,由于横轴为时间,因此能够有效利用身体信息的时间变化的信息,能够使预测等变得简单。此外,由于反复取得了类似的数据,因此数据容易汇集,即使各个数据具有一些误差,作为倾向,也容易通过将其他人的数据组与模式进行比较而进行判定。
此外,在该时间轴上,除了能够反映后述的由于每天的日常生活上的事件等引起的生活节奏的信息之外,优选还能够一并反映影响该人的健康或者反映到该人的健康中的健康、医疗上的事件。例如,开始某种运动的时期等是该时间轴上的事件,此外在身体状况由于开始某种健康食品的摄取而变好的情况下等,也能够与该时间轴建立关联并且与检查数据的变化建立关联。在图3的(a)、(b)、(c)中进行简化,以是否进行了就诊这样的例子容易理解地图示,但如果能够将所就诊的医疗机构的信息等作为信息输入,则能够也包含之前的检查数据串的模式变化和与这些事件的关系的影响而统计性地判定。
在进行机器学习等的情况下,例如,也可以针对检查数据向良好方向发生了变化的信息(例如也可以是对应的人的特定期间的时间序列数据组、时间序列检查信息,是以能够与检查数据区别的方式进一步加入健康相关的信息而得到的信息),进行如“良好的数据变化”的标注。
另一方面,在对象者(用户)最终不得不依赖医疗机构的情况下,对检查数据等标注该医疗机构的临床科室、持有设备等。也可以将这些作为训练数据来学习,在该情况下,也将“去医院时,自觉症状”等相匹配地转化为训练数据。当进行该研究时,能够进行排除了因与测量出的时间序列数据无关的疾病而前往的医院等的推理。例如,在将本实施方式应用于通过血压等的变化来预测慢性疾病等的服务的情况下,优选防止如碰巧混入在花粉症的时期去耳鼻科的人增加的情况等的信息而介绍了耳鼻科的情况。在人进行标注时,不易发生混入这样的错误信息的情况。但是,在使标注部分自动化的情况下等,在“去医院时,自觉症状”为“打喷嚏”且前往的医疗机构为“耳鼻科”的情况下,进行使得该医疗机构不包含于根据血压而导出的医疗机构中这样的过滤即可。
这样,可以提供一种信息传递装置,其特征在于,具有:检查数据取得部,其取得多个资料信息和每个资料的检查数据;存储部,其按照每个资料存储所诊疗的医疗机构;以及传递信息决定部,其通过将检查数据、资料信息、诊疗医疗机构信息作为训练数据来学习而得到的推理模型,将特定的对象者的检查数据作为输入,推理诊疗医疗机构信息来决定向对象者传递的传递信息。
此时,如果在用于训练数据的诊疗医疗机构信息中预先包含该机构的持有设备、持有装置、诊疗实绩等特征,则能够提供更详细的信息。在推理出具有特定设备的医疗机构的情况下,可以对该特定的人也分享该信息,也可以利用该持有设备信息来检索在该人的住址附近具有该持有设备的医疗机构而设为信息。
此外,在时间序列信息中,加入波动、频度这样的与生物体特有的时间变化的特征相关的信息。例如,可举出用户容易考虑如睡着时、起床时、早、中、晚、饭前、饭后、入浴前后这样的信息的方面。此外,还存在如心率、呼吸等有适当的波动会更放松、更健康的研究。根据需要,能够实现仅抽出被认为是上述那样的时机时的数据或者省略特定状况的数据、仅利用这些数据等各种使用方法。
此外,在图3中,取得有历史数据的期间相当于特定期间,提取该特定期间内的检查数据。该提取出的时间序列的检查数据输入到推理引擎7中,推理引擎7通过推理来输出建议,向对象者提供建议。此外,特定的时间宽度只要是适于在相当于从该时间宽度的结束时刻起之后的未来的时刻能够进行某些建议的时间宽度即可,只要是能够取得相对于该建议时刻追溯的多个信息的宽度即可。此外,特定的时间宽度也可以标准化,此外也可以不一定是严格的,也有时只要能够得到充分量的数据即可。由于各数据的时间间隔等也成为重要的信息,因此优选是以规则性的时间宽度得到的、非离散的数据。但是,即使在时间宽度内,数据的测量时刻也是离散的,只要是通过插值来补充数据而能够得到有意义的数据的程度的时间宽度,则是有效的。也可以根据某种健康、医疗相关信息来决定。
此外,通过适当地规定横轴的宽度,也能够通过推理模型来切换预测等的精度。如果时间宽度为1年左右,则能够进行几个月量级的预测,在时间宽度为1周左右时,适于几日量级的预测,能够根据疾病的特征来改变适当的宽度。例如,在必须辨别如肿瘤那样缓慢发展的疾病和如流感等传染病那样急剧地治愈和恶化的疾病的情况下,适当的时间宽度不同。即,本实施方式的信息传递装置具有传递信息决定部,该传递信息决定部以预先确定的时间宽度提取对象者的检查数据的变化模式,按照伴随时间信息学习出的推理模型,决定针对对象者的传递信息。
接着,使用图4所示的流程图,对信息传递系统中的检查结果的发送动作进行说明。该流程主要通过控制部1内的CPU按照存储器中存储的程序控制信息传递系统整体来执行。此外,图4所示的流程表示单独地利用图1所示的DB部8中的检索和推理引擎7的推理等功能的情况。也可能存在使用任意一方的功能的情况、重叠使用双方的情况,但在此,示出了最简洁的例子。
在说明图4的流程时,假定如下情况进行说明:在马桶上配置有图像传感器、如显微镜那样的放大图像判定器、检测特殊光的反射等的传感器、结晶性纳米线的阵列、应用了分子膜等电特性的变化的嗅觉传感器、气体成分传感器等,作为信息判定设备2,能够确认用户的排泄物的特征。
在图4所示的流程中,要显示的推荐设施从DB部8中记录的数据库中检索(参照S5“是”→S7)。因此,在DB部8中,预先构建与能够根据特定信息进行用户的检查、治疗的设施相关的信息的数据库。但是,根据数据库的不同,有时也无法根据特定信息检索与设施相关的信息。在该情况下,使用用户的历史数据进行推理(参照S5“否”→S9)。
当图4所示的检查结果发送的流程开始时,首先,按照每个ID,根据传感器输出结果来判定(S1)。在此,存在控制部1经由通信控制部1a取得信息判定设备2的输出的情况、控制部1利用通信控制部1a接收信息取得设备2所发送的数据的情况。此外,假定了如控制部1在特定的时机经由通信控制部1a收集信息判定设备2所记录的数据的方法等。此时,按照附随于传感器输出结果的每个ID,根据传感器输出,进行检查结果的判定。作为传感器,也可以是颜色传感器、形状传感器、硬度传感器、嗅觉传感器、气体成分传感器、特定的试剂添加时的颜色变化检测传感器,根据图像传感器的输出,进行基于放大观察图像的形状判定。
在确认上述的用户的排泄物的特征的情况下,例如,能够利用颜色传感器判定有潜血的粪便等。此外,排泄的量、形状、硬度等可以通过图像传感器/颜色传感器来判定,也可以是进行特殊的染色来测量颜色的分布等的方法。或者,可以在放大了对象物的图像中检测组成,也可以判定在特定时间内培养出的结果。例如,当粪便中混合的血液增加时,红细胞的红色变得显著,当对其进行数值化时,可知与健康的情况的差异。在步骤S1中,对这些进行检测。
当在步骤S1中,控制部1通过使用了特定的程序等的判断等进行传感器输出结果的判定时,接着,判定是否得到特定信息(S3)。此外,该特定信息也可以由信息判定设备2判定为“是确定信息”并输出。在此,根据步骤S1中的判定结果,判定是否检测出与疾病相关联的特定信息、例如与健康状态具有差异的数值等特征。
在步骤S3中的判定结果是无法取得特定信息的情况下,进行用户的资料、行为、生活习惯的判定(S15)。在未取得特定信息的时机,进行使用终端4的用户的资料、行为、生活习惯的判定。关于用户的这些信息,可以由控制部1从用户的终端4经由通信控制部1a输入,也可以下载用户上传到SNS等网上的资料等,存储这些信息。这样的信息的授受可以是推(push)型、挽(pull)型、频繁取得、间歇取得,此外,控制部1也可以经由通信控制部2取得用户对终端4的手动输入结果,以能够参照的方式存储到DB部8中。通信控制部1a也介入到与该DB部8的交换中。
通过预先存储这些信息,控制部1与通信控制部1a协作地利用推理引擎7,并对DB部8进行检索,由此在筛选推荐设施时(参照S11),能够提供适当的信息。年龄、性别、既往病症等信息、住址、饮食习惯、食物的信息等也是有效的。关于该信息的取得,具有如利用终端4取得调查问卷这样的方法、在设置信息判定设备2时输入并取得的方法、在去医院时在关联检查机构9输入的方法等,该信息也可以通过这些装置来准备、经由该装置收集网络上存在的信息来准备。
在此,利用按照时间序列而得到的每个人的生物体信息检查数据来取得推荐设施等的建议。并且,对如下情况进行说明:生成推理模型,利用该推理模型来得到检查数据的改善时的契机信息,推理模型是通过将对该生物体信息检查数据的变化模式信息标注具有改善效果的医疗机构等的特征信息而得到的结果或者标注特定的健康建议服务的输入信息而得到的结果作为训练数据来学习而得到的。此外,说明通过将服药、生活改善的开始等特定的改善时机信息作为相同的时间信息包含于变化模式信息,将生物体信息检查数据的时间序列模式类似的其他人的检查数据的改善时的契机信息传递给特定人物的情况、或者基于这些情况的组合的信息传递方法。在此,由于检查数据的改善时的契机信息是还原至检查、处置的等级的信息,因此进行了如下研究:转换为传递在被传递信息的人(接收信息的人)的生活模式下、在生活的地域、地方也能够活用的信息,而提示建议。
即,当进行推荐的筛选时,在通过何种方法得到了改善效果但仅仅是某处的医疗机构中的治疗这样的信息的情况下,对于远离该医疗机构的人来说未成为参考,即使是这样的信息,也能够设为在该医疗机构中进行的具体检查、诊察、处方、服药、或者设施、人力资源、周边环境等即使在远离该医疗机构的地方也能够简明易懂地解释至可以参考的等级的信息(通过上述推理、上述数据库检索而得到)。通过对照接收信息的人的生活而寻找满足条件的内容,能够作为在其他地方也能够活用的信息来取得。将接收信息的人的生活区或其相邻区域加入条件中,检索满足上述的提取条件的设施等即可。当然,在特定的医疗机构带来好结果的情况较显著且接收信息的人是附近的人的情况下,提示前往该特定的医疗机构的建议。
在步骤S3中的判定结果是取得了特定信息的情况下,判定是否构建了数据库(S5)。控制部1与通信控制部1a协作地判定在DB部8中是否存储有适于使用在步骤S3中判定为取得的特定信息进行检索/推理的数据库。例如,在步骤S3中的判定结果是检查了大便的颜色后表示红色的数值比健康的情况更大的情况下,判定在DB部8中是否存储有适于判定这样的健康状态的数据库。此外,即使在包含控制部1的信息传递系统内的DB部8中未存储有适合的数据库,有时也存在于其他系统内。因此,也可以包含其他系统而对数据库进行检索。
在步骤S5中的判定结果是控制部1与通信控制部1a协作地判断为具有数据库的情况下,控制部1与通信控制部1a协作,包含DB部8中记录的持有设备,取得关联设施信息(S7)。在此,针对特定的患者候选的由上述信息判定设备2所输出的数据(将检查数据、生物体数据、生命体征数据、检体数据等统称为“时间序列数据”)发生了了怎样的时间上的变化、转变,利用模式对照等逻辑库从数据库(DB部8)寻找类似模式的人,在其中寻找在特定的医疗机构就诊的人,提取该医疗机构的特征即可。
在医疗机构的就诊之前。优选根据类似模式,寻找时间序列数据模式的倾向由于伴随着医疗机构就诊的服药、生活改善等而转为良好的人,患者候选也发生同样的行为,由此有可能能够使生物体数据模式向良好的方向发展。因此,这不是简单的数据的模式判定,而是具有以下那样的特征的模式判定。即,是使用了数据库的判定,该数据库使用特定规格的检查设备按照时间序列取得检查数据,并且与该时间序列模式的时间轴相匹配地具有服药、生活改善的开始等特定的改善时机信息,这成为也能包含在特定的改善时机以后还取得该检查数据的变化模式信息且表示变化模式确实得到改善这样的特征的例子的数据库,因此优选在该改善时机以前,判定将来的患者的变化模式的类似性。这是因为,在改善时机以后所进行的某些措施的信息(该信息为与和时间序列模式相同的时间信息相关联的信息)才成为状况改善的提示信息。
换言之,上述数据库使用特定规格的检查设备按照时间序列取得检查数据,取得该检查数据的变化模式信息,将服药、生活改善的开始等特定的改善时机信息作为与变化模式信息的时间信息相同的时间信息包含于该变化模式信息,由此具有能够对该改善信息以前的变化模式的一部分进行比较的信息。此外,能够提供一种信息传递方法,其特征在于,将特定人物的变化模式的一部分与其他人的改善信息以前的变化模式的一部分进行比较,将改善信息传递给特定人物。
换言之,上述的数据库将使用特定规格的检查设备在特定期间的范围内按照时间序列取得多个检查数据而生成的检查数据的变化模式信息,与和特定期间内的上述检查数据的取得源相关的多个事件信息各自的时机建立关联而记录。使用该数据库,根据变化模式的趋势变化与事件的时机的关系,提取事件信息中的、对趋势变化产生了影响的事件而能够提供信息。
通过上述那样的研究,在步骤S5中,能够根据在步骤S3中取得的特定信息来取得适于对疑似的特定的疾病进行检查、治疗的关联设施信息、生活习惯信息。此时,取得持有为了对特定的疾病进行检查、治疗而使用的设备的关联设施信息,将该设施信息设为候选。例如,在上述的大便呈红色的情况下,怀疑痔疮、大肠癌,但由于能够根据颜色的特征、时间序列变化的特征进一步进行详细分类,因此例如能够挑选并取得与具有大肠内窥镜且能够进行大肠内窥镜检查的设施相关的信息,而不是取得肛门科。
在步骤S5中的判定结果是没有数据库的情况下,使用历史数据进行推理(S9)。也可能具有未准备适于在步骤S3中取得的特定信息的数据库的情况。在该情况下,将历史数据输入到推理引擎7中,推理引擎7使用推理模型来进行可进行适当检查的设施等的推理。推理与特定信息相关的疾病,此外推理与特定信息相关的临床科室/部门。然后,根据该推理结果,推荐合适用户的健康状态的检查设施(机构)、诊疗设施(机构)。此外,在该步骤中,除了要推荐的医疗设施的推理以外,还进行用户的病名的推理、用户的症状变差要去医院接受治疗的时期的推理等。关于使用了该历史数据的推理的详细动作,使用图5之后叙述。
当在步骤S7中取得了关联设施信息时,或者当在步骤S9中推理出推荐设施时,接着,根据用户的资料等,筛选推荐设施(S11)。在此,也可以根据在步骤S15中取得的资料信息、从关联检查机构9取得的信息、例如用户附近的诊所信息、用户在休息日去诊疗的医院信息,选择方便用户就诊的设施。关于该选择,通过控制部1与检索部1f协作地从DB部8中存储的信息中取得符合条件的信息来进行。
接着,控制部1与通信控制部1a协作地将推荐设施显示于用户的终端4(S13)。在此,向提供了特定信息的用户显示在步骤S11中筛选出的推荐设施。即,步骤S13是向用户或其相关人员提供检查、诊疗辅助的信息的步骤,显示于终端4。此外,也可以根据用户的健康状态的不同,进行警告显示。
这样,在本实施方式的检查结果发送的流程中,控制部1取得来自信息判定设备2等的传感器检测结果(S1),根据这些检测结果,判定是否具有与健康状态(疾病)相关的特定信息(S3)。在具有特定信息的情况下,对数据库进行检索,包含持有设备在内对适于检查、诊察健康状态(疾病)的设施进行检索(S7)。因此,每天在日常生活中,用户能够进行健康检查,此外能够根据健康状态而考虑设施的持有设备,接受适于检查/诊察的设施的建议。
此外,在图4所示的流程图中,如上所述,将DB检索(S7)和推理(S9)作为不同的处理来独立地进行处理。但是,不限于此,也可以将它们综合地进行处理。例如,也具有在进行推理之后对DB进行检索这样的方法,也可以使用在学习时还包含DB内的信息在内进行学习而得到的推理模型,来进行输出所持有的器材等设备的推理,该DB包含检查装置信息。在该情况下,能够进行“该诊所中具有〇〇检查装置”这样的显示。
接着,使用图5所示的流程图,对图4的步骤S9的“使用历史数据进行推理”的动作进行说明。如上所述,在该流程中,以预先确定的时间宽度提取对象者的检查数据的变化模式,根据该变化模式,推理推荐设施。控制部1经由通信控制部1a而与推理引擎7、DB部8等协作地进行。
当图5所示的流程开始时,取得时间序列数据(S21)。在此,取得与DB部8中记录的特定ID对应的时间序列的数据(关于时间序列数据,参照图3)。所取得的时间序列数据的时间宽度设为特定的时间宽度,但在无法取得特定的时间宽度的数据的情况下,设为能够取得的时间范围。这是因为,当没有特定的时间宽度时,成为仅利用特定的状况下的数据的判定,可靠性较差。在大肠癌那样花费时间进展的疾病和流感那样在短时间内进展的疾病中,特定的时间宽度不同。此外,检查数据的类别依赖于推理模型的学习,但优选成为在学习时所使用的特定的项目的曲线图,例如优选不对体重和血压一起进行推理。
当取得了时间序列数据时,接着,判定变化是否显著(S23)。在此,判定所取得的时间序列数据的变化模式是否显著。在该判定结果是变化显著的情况下,进行警告(S25)。由于在特定信息的值本身大幅偏离标准值的情况、变化模式显著的情况下,具有某些疾病的可能性较高,因此在不执行步骤S27的处理的情况下,对用户进行警告显示。该警告显示例如也可以显示于终端4。当进行了警告显示时,结束该流程,返回原来的流程。
另一方面,在步骤S23中的判定结果是变化不显著的情况下,接着,判定是否是无问题的等级(S27)。在此,判定在步骤S21中取得的时间序列数据的变化模式是否是无问题的程度的等级。如图3的(c)所示,在以特定的时间宽度观察的情况下,如果检查数据的等级为规定等级以下,则判定为无问题的等级。如果该步骤S27中的判定结果是变化无问题的等级,则不输出医疗机构信息(S29)。特别是,由于没有应显示给用户的信息,因此不输出与医疗机构相关的信息。当执行了步骤S29时,返回到原来的流程。
如果步骤S27中的判定结果是有问题的等级,则接着,判定是否取得了特定时间宽度量的时间序列数据(S31)。例如,如果检测出潜血的状况,则判定是否以几个月的宽度得到了潜血。即,特定的时间宽度根据关联的疾病而不同。
在步骤S31中的判定结果是取得了特定的时间宽度的数据的情况下,将数据输入到推理部中,取得推理结果(S35)。仅在取得了特定的时间宽度的数据的情况下,将数据输入到推理引擎7中,得到推理结果。如果是收集相同数据而学习得到的推理模型,则能够得到“关于这种倾向的人,具有已经去医院的人”或“在几个月后去医院”这样的推理结果。学习部5还能够进行生成推理模型的学习,该推理模型包含推荐设备在内而能够输出“去具有〇〇的检查装置的医院的人较多”这样的推理结果。如使用图3说明的那样,通过根据时间序列数据生成训练数据,能够生成是否需要去医院、在要去医院的情况下去医院的时期、要去哪个临床科室等各种推理模型。
此外,由于在步骤S35中,也使用了如图2那样整理出的数据库(用于生物体数据变化模式的标注),因此不是单纯地将医疗机构作为推理结果输出,而是将该设施的各种特征等作为推理结果输出,能够得到不依赖于各个医疗机构的结果。另外,关于学习所使用的生物体数据变化模式,在将已经去医院的人的数据设为训练数据时,选择因去医院、服药等而被改善之前的数据来学习,由此容易与困扰是否接受诊疗的人、无自觉症状而没有接受诊疗的人的生物体数据模式进行比较。
因此,使用特定规格的检查设备来取得时间序列的变化模式信息,将服药、生活改善的开始等特定的改善时机信息作为相同的时间信息包含于变化模式信息,由此,本申请的实施方式中的数据库具有能够将该改善信息之前的变化模式转化为训练数据的信息。此外,本申请的实施方式中的信息传递方法将其他人的改善信息之前的变化模式作为输入,将作为推理结果而得到的改善信息传递给特定人物。
在步骤S31中的判定结果是未取得特定时间宽度的数据的情况下,不进行推理(S33)。即使没有特定的时间宽度的信息,也能够根据期待的可靠性的不同而进行推理,但也存在难以推理的情况。因此,在步骤S31中判定为未取得特定时间宽度的数据的情况下,不进行推理。但是,也存在能够明显地检测出危险状况的情况,在该情况下,只要在推理以前输出紧急信息即可。
即,在所取得的数据是显著存在问题的数值的情况下,在没有通过推理进行长期预测的宽限时间的情况下,在步骤S23、S25中应对。通过该应对,能够防止如即使不在步骤S33中进行推理也无法在紧急时应对这样的问题,能够成为如在汇集了充分的数据之后输出信息这样的可靠性较高的系统。即,在本实施方式中,在以特定的变化收敛的数值变化的情况下,以预先确定的时间宽度提取对象者的检查数据的变化模式,根据伴随时间信息学习出的推理模型进行推理。当得到了推理结果时,结束该流程,返回到原来的流程。
这样,在使用图5所示的历史数据进行推理的流程中,当取得了时间序列数据时(S21),在该时间序列数据的变化显著的情况下,进行警告显示(S25),在取得了特定时间宽度量的时间序列数据的情况下(S31“是”),使用历史数据进行推理(S35)。在本流程中,由于使用特定时间宽度的时间序列数据进行推理,因此能够进行精度较高的推理。
此外,判定时间序列数据的等级是否是无问题的等级,如果是无问题的等级,则不输出信息(S29)。这样,如果时间序列数据是无问题的等级,则也可以对信息的输出进行抑制,以不进行多余的推理。即,在存在与该生物体信息变化不同的原因的疾病的情况下,排除了在该信息进入训练数据的情况下无关地输出推理结果的可能性。即,在本实施方式中,在不满足特定的基准的情况下(例如,S23“是”、S27“是”),不根据以预先确定的时间宽度提取对象者的检查数据的变化模式并伴随时间信息学习而得到的推理模型进行推理。期待在根据人肉眼观察无法检测出这样的微妙变化来推理某内容方面优异的学习的效果,此外,排除了进行过于微妙的推理的情况下的弊端。
此外,在图5所示的流程中,推理引擎7的推理是在步骤S35中执行的。但是,也可以通过推理引擎7进行步骤S23、S27中的判定。在该情况下,可以使用相同的推理模型来执行,此外也可以分别通过不同的推理引擎来执行。
接着,使用图6所示的流程图,说明图4的步骤S7的“关联设施信息的取得”的动作的变形例。在图4的步骤S7中,单纯地对数据库进行了检索。在该检索中,所取得的时间序列数据需要与特定的临床科室相关联,但实际上,有时需要与特定的临床科室无关的信息。例如,体重的增加、血压的上升等有时需要特定的临床科室、特定的装置以外的检查。在图6所示的变形例中,即使在这样的情况下,也能够适当地取得关联设施信息。
当控制部1与通信控制部1a协作地开始图6所示的流程的动作时,首先,判定是否是特定临床科室用的信息(S41)。在此,控制部1判定取得的时间序列数据是否是特定临床科室用的信息。
在步骤S41中的判定结果为不是特定临床科室用的情况下,在步骤S43~S47中,考虑还使用除了DB部8中记录的数据之外还使用多个信息(数据)的迁移来输出适当的临床科室这样的推理模型。即,在本实施方式中,在以特定的变化收敛的数值变化的情况下,控制部1以预先确定的时间宽度提取对象者的检查数据的变化模式,使用随时间发生变化的数据来学习,由此生成推理模型,使用该推理模型来进行推理,参照该推理结果和持有设备数据库,由此输出信息。在此使用的推理模型假定了在学习时将如图3的(a)~图3的(c)所示的带时刻信息数据(参照图2的Dy(t))和该用户接受的临床科室作为输入输出来学习的情况。
在步骤S41中的判定结果为不是特定临床科室用的情况下,首先,取得时间序列数据(S43)。在此,控制部1从信息判定设备2等取得过去的数据作为历史。这些数据记录到控制部1内的存储器或DB部8中。
接着,判定该取得的时间序列数据是否是特定时间宽度量的数据(S45)。在该判定的结果为没有特定时间宽度量的数据的情况下,推荐一般诊所(S53)。由于时间序列数据的时间宽度无特定时间,因此无法推理关联疾病,无法介绍特定的设施,因此推荐一般的医疗设施。此外,如图5的S29那样,也可以不输出医疗机构信息。
在步骤S45中的判定结果是取得了特定时间宽度量的数据的情况下,将数据输入到推理部中,取得关联疾病信息(S47)。在此,控制部1将所取得的数据输入到推理引擎7中,进行关联疾病信息的推理。此时使用的推理模型是将如图3所示的信息作为训练数据而生成的。
当在步骤S47中取得了关联疾病信息时,或者在步骤S41中的判定结果为是特定临床科室用的信息的情况下,接着,判定关联设备(S49),取得设备持有设施信息(临床科室)(S51)。控制部1判定与在步骤S41中判定出的特定临床科室或在步骤S47中所取得的疾病相关联的设备是什么。然后,控制部1从DB部8的按设施分类的持有设备一览8a中检索具有所判定的设备的设施并选择。
接着,使用图7所示的流程图,对信息传递系统中的检查结果的发送的变形例的动作进行说明。关于该流程,也与图4同样地,主要通过控制部1内的CPU根据存储器中存储的程序对信息传递系统整体进行控制来执行。此外,图4所示的流程一并使用了在图1所示的DB部8中基于利用逻辑库的类似模式判定的检索和推理引擎7的推理等功能,但在图7所示的例子中,示出以单独的方式使用推理引擎的情况。另外,在图7中,也可以不是单独使用推理引擎,而一并使用数据库的检索功能。此外,关于数据库本身,同样地假定了如图2的内容,假定了使用通过利用在此记录的多个患者的信息进行学习而得到的推理模型的推理。图7所示的流程图与图4所示的流程图的不同点在于,将图4所示的流程图中的步骤S5~S13置换为步骤S4~S13a,因此以该不同点为中心进行说明。
当图7所示的检查结果发送的流程开始时,首先,按照每个ID,根据传感器输出结果来判定(S1)。在此,与图4的流程同样地,控制部1按照附随于传感器输出结果的每个ID,根据传感器输出,进行检查结果的判定。接着,判定是否得到了特定信息(S3)。在此,与图4的流程同样地,控制部1根据步骤S1中的判定,判定是否检测出与疾病相关联的特定信息、例如与健康状态具有差异的数值等特征。在步骤S3中的判定结果是无法取得特定信息的情况下,与图4的流程同样地,进行用户的资料、行为、生活习惯的判定(S15)。当执行了该处理时,返回步骤S1。
在步骤S3中的判定结果是取得了特定信息的情况下,判定是否具有推理模型(S4)。控制部1内的推理模型规格决定部1d决定用于对对象者进行建议(推荐设施的显示等)的推理模型的规格,推理委托部1e委托学习部5生成推理模型。当接收到由学习部5生成的推理模型时,设定在该推理模型7中。以能够应对各种状况的方式生成多个推理模型,并存储到控制部1内或推理引擎7内。在该步骤4中,针对在步骤S3中取得的特定信息,判定在控制部1内等是否存储有能够对对象者进行适当建议(推荐设施的显示等)的推理模型。
在步骤S4中的判定结果是具有推理模型的情况下,使用历史数据进行推理(S6)。在此,将在步骤S4中选择出的推理模型设定在推理引擎7中。然后,将从信息判定设备2发送并记录在DB 8中的对象者的历史数据(参照图2的时间序列数据)输入到推理引擎7的输入层中,进行推理后,从推理引擎的输出层输出推理结果。另外,当然,步骤6中的推理也可以执行图5所示的流程。
当在步骤6中,取得了推理结果时,接着,判定该推理结果的可靠性是否较高(S8)。在此,计算步骤S6中的推理结果的可靠性,判定该可靠性是否比规定值高。可靠性的高低例如也可以使用预先准备的数据进行推理,根据该结果,计算偏离何种程度。
在步骤S8中的判定结果是可靠性较低的情况下,或者在步骤S4中的判定结果是没有推理模型的情况下,收集学习用数据,生成推理模型(S10)。在该情况下,控制部1收集在步骤S3中取得的特定信息和类似数据。在该情况下,对连接在互联网上的多个DB部8、关联检查机构9等内的数据库等各种数据库进行检索,收集上述的类似数据。在该情况下,优选是知晓病名、检查项目等的数据。此外,优选是知晓是怎样的生物体信息(或者知晓由怎样的规格、性质的测量设备、传感器等测量出)的时间序列数据,此外优选具有能够读取如下时间序列模式的数据数量、取得的时间范围,根据该时间序列模式可知晓假定的疾病的预兆、前兆、或者患病的情况。
当在步骤S10中,收集到类似数据时,针对各个类似数据,将输出结果与输入数据建立关联而生成训练数据。假定了是否具有能诊察的医疗机构的信息(如果包含能够知晓临床科室、位于该临床科室中的设备、备品等的信息,则进一步优选)这样的信息,作为对该模式的标注信息。收集使用这些模式和标注信息而生成的训练数据。
当能够生成训练数据时,控制部1经由推理委托部1e委托学习部5生成推理模型。利用该训练数据学习而得到的推理模型的可靠性较高,能够用于该数据模式的人是否能够维持健康、是否要接受医生的诊察等。此外,在现有的推理模型的可靠性较低时,根据训练数据重新生成新的推理模型,因此能够始终进行可靠性较高的推理。当学习部5生成了推理模型时,发送给控制部1。控制部1在接收到推理模型时,使用该推理模型执行步骤S4~S8。
另外,不限于用于推理用户去医疗设施接收诊察的时期等的推理模型,也可以生成如下的推理模型:虽然以该用户的状态有可能会前往医疗设施,但建议不前往医疗设施也可以的应对方法。例如,如果在互联网上的SNS、博客等中具有可能患有疾病但进行了处置等的记载,则也可以收集这些信息。此外,如果在医疗数据库等中,记载有可能患有疾病的情况下的处置等信息,则也可以收集这些信息。如果能够收集信息,则使用这些信息来学习,生成推理模型。
作为图1所示的关联检查机构9,如上所述,也可以假定基于如下技术的服务:通过选择、记载被分类为特定的类别的健康关联信息,导出有助于用户的健康恢复、维持的信息并提示。因此,在想要利用这样的服务的情况下,也可以生成以此为前提的推理模型。在该情况下,生成如下的推理模型即可,该推理模型推理并导出进行该服务的企业、组织的服务画面的URL信息、和在该页面或该页面之后的页面的特定的写入位置或选择位置应写入或应选择的项目。即,作为训练数据,如果与特定的对象者的历史数据(参照图2的时间序列数据)相匹配地标注该人(或者该人的相关人员、医疗从业者等)所输入的写入、选择信息,则能够实现推理模型的训练数据化。
近年来,由于医生、医疗从业者有时也利用上述那样的服务来作为诊断的参考,因此也可以利用在特定患者的诊察时等由医生向诊察/诊断时的医生所利用的PC等信息终端进行手动输入的手动输入结果、或者语音输入结果。取得该患者的历史数据(参照图2的时间序列数据),将上述的输入结果作为标注信息赋予给该历史数据,以便能够识别哪个项目与怎样的输入信息对应。患者的历史数据不一定需要是一个项目的历史数据,也可以加入按照时间序列记录有生活习惯的信息、去医院、服药的信息等的项目等来使用。通过该作业,能够参照以类似的模式生活的人的数据,推理的精度提高。使用这样得到的训练数据来以出现可靠性较高的结果的方式进行学习,生成新的推理模型。
即,通过这样的研究,能够提供如下的信息传递方法:将使用特定规格的检查设备按照时间序列而得到的特定人物的检查数据输入到推理模型中,将推理出的结果传递给特定人物,该推理模型通过使用特定规格的检查设备按照时间序列取得检查数据,取得该检查数据的变化模式信息,将对该模式变化信息标注特定的健康建议服务的输入信息而得到的结果作为训练数据来学习而得到。
换言之,该信息传递方法首先与特定的健康对应事件的输入对应,在健康对应事件之前使用特定规格的检查设备,与特定的健康对应事件对应地按照时间序列取得检查数据,记录该时间序列的检查数据。然后,将在所记录的检查数据的变化模式信息中标注进行了健康对应事件时的设备、备品、环境的信息而得到的结果作为训练数据来生成。使用该生成的训练数据来进行学习,生成推理模型。针对特定人物,使用特定规格的检查设备按照时间序列取得检查数据,将所取得的检查数据输入到推理模型中,推理设备、备品、环境的信息。根据该推理结果,将为特定人物定制的健康对应事件传递给特定人物。在此,健康对应事件是与健康相关那样的事件,例如是在医疗设施中接受医生的诊察等事件。
另外,必须生成由适当规模的训练数据构成的学习用母集,以生成推理模型。因此,收集多个个人信息来生成学习用母集。在该情况下,优选包含检查设备的种类、进行了检查的期间等信息来收集,按照这些每一个信息来生成学习用母集。
在步骤S8中的判定结果是可靠性较高的情况下,接着,根据推理结果,显示推荐设施(S13a)。在此,根据步骤S6中的推理结果,使终端4显示推荐设施。当在步骤S6中,推理出必要的检查项目的情况下,针对能够实施该检查的医疗设施、检查机构检索DB 8内的按设施分类的持有设备一览8a,显示检索结果即可。此外,当在步骤S6中,能够推理可检查的医疗设施、检查机构的情况下,根据推理结果,显示推荐设施即可。
在步骤S13a中,利用按照时间序列而得到的每个个人的生物体信息检查数据来取得推荐设施等建议。并且,说明生成如下的推理模型,利用该推理模型来得到检查数据的改善时的契机信息的方法,该推理模型通过将对该生物体信息检查数据的变化模式信息标注具有改善效果的医疗机构等特征信息而得到的结果或者标注特定的健康建议服务的输入信息而得到的结果作为训练数据来学习而得到。
此外,由于在此得到的检查数据的改善时的契机信息是还原到检查、处置的等级的信息,因此期望进行如下的研究:变换成传递在被传递了信息的人(接受信息的人)的生活模式下、在生活的地域、地方也能够活用的信息,而提示建议。通过对照接受信息的人的生活而寻找满足条件的内容,能够作为在其他地方也能够活用的信息来取得。将接收信息的人的生活区或其相邻区域加入条件中而还检索满足提取条件的设施等并通过显示等来传递相应的内容即可。
此外,有可能成为将来在家庭医生等近处的诊疗机构中能够以一站式服务的方式接受各种医疗服务那样的社会。在该情况下,接受专业医生的远程指示等而制定诊断/治疗的计划等。因此,该建议也可以在因感冒等比较轻的病情去看家庭医生的情况下等,由该处的医疗从业者、终端等发出并传递给家庭医生。在该情况下,虽然因感冒接受诊察,但由于根据此前的生物体数据的变化模式等知晓将来的风险,因此也可以设为请其传达可改善风险这样的远方医生的建议这样的服务。
如果是简单的生活改善等或者检查,则认为也会出现例如将在该人附近的便利店等进行的服务作为一环的处置。至少,如果是无自觉症状的亚健康状态,则能够接受基于这种服务的建议,通过饮食内容的调整等生活习惯的改善来改善状况。此外,在具有必要的追加检查等的情况下,使得在便利店等中能够进行预约的手续、支付即可。如果由生物体数据表示的健康状况由于这些服务而得到改善,则也能够使训练数据化变得简单,能够通过简单建议,防止同样的亚健康的人的疾病的发作。
当在步骤S13a中进行了推荐设施的显示时,返回步骤S1。
这样,在图7所示的检查结果发送的流程中,在针对特定的输入数据,特定的推理模型的推理结果的可靠性较低的情况下(参照S8),新收集与特定的输入数据类似的输入数据而生成训练数据,使用该训练数据进行学习(参照S10),采用使用通过该学习而生成的新推理模型而推理出的结果(参照S10→S4~S8的“是”)。
接着,对推理模型生成的动作进行说明。在本实施方式中,在各种步骤(例如,图4的S9、图5的S35、图7的S6)中,使用推理模型进行推理。推理模型还能够输入生物体信息的时间序列变化的模式,推理将来的健康风险及其改善对策,或者推理这是多久的将来。使用图8A、图8B,对这样的推理模型的生成具体地进行说明。
图8A示出健康状态的时间变化,横轴表示时间T的变化,纵轴表示生物体数据D。当该生物体数据D的值增大时,健康状态恶化,当生物体数据D的值减小时,健康状态改善。与图8A的黑圈相连的时间序列数据Dts11、Dts12表示健康状态因某些契机(特定事件)而产生了恶化的情况,与白圈相连的时间序列数据Dts21、Dts22表示健康状态因某些契机(特定事件)而得到了改善的情况。即,健康状态因某些契机(特定事件;用契机信息Inf表示时机)而改善或恶化,健康状态出现在生物体数据D中,模式的趋势发生变化。另外,在图8A中,与契机信息Inf平行的虚线所示的纵线是其他事件的例子。
如上所述,假设生物体数据D的上升表示相对于健康状态的偏离,生物体数据D的下降表示恢复、改善。例如,身边可能有吃某些坏的食物(这是事件)而发烧、接受诊察并服药(这是事件)而恢复的情况,但在多数情况下,不知道什么是诱因,或在数值上意识到并掌握如何恢复的患者较少。
当然,关于图8A所示的生物体数据D向上升或下降的哪个方向发生变化、以及是否健康,根据处理的数值或其程度而不同。例如,在图8A中,能够表现出如下的情况。在时间序列数据Dts11、Dts12的模式(伴随着微小的数值变化)是数值降低的趋势1(Dts11)的情况下,认为身体状况因生活习惯等而发生了变化。除此之外,还可以说表述了该倾向由于进一步的身体状况恶化事件(例如睡眠不足、暴饮暴食、感冒等影响)(Inf的时机)而进一步变得严重且成为了趋势2(Dts12)的情形。此外,时间序列数据Dts21、Dts22是不同的数值,也可以作为示出因健康状态的变化(例如由老化引起的肌肉力量、骨密度、视力)而降低的状况(Dts21)由于前往医院接受治疗这样的事件(Inf的时机)而恢复的情形的例子来理解。
因此,如果对生物体数据D进行监视,并且具有能够将反映到该人的健康的事件与和该时间序列生物体数据模式判定相同的时间坐标建立关联而记录的数据库,则通过执行如图8B所示的流程图,能够确定什么怎样左右健康的事件。图8B所示的流程通过由控制部1内的CPU等对控制部1内的各部进行控制来执行,但不限于控制部1,也可以由其他服务器、机构等执行。
当图8B所示的推理模型生成的流程开始时,首先,取得与时间序列数据取得期间对应的事件信息(S61)。时间序列数据取得期间根据作为对象的疾病、健康状态等而发生变化,但在此,一般考虑事件对健康产生影响的期间来决定即可。此外,事件信息是从用户的终端4中记录的计划、上传到SNS等的计划等各种来源取得的。在该步骤中,使用特定规格的检查设备按照特定的时间序列取得检查数据。另外,如上所述,事件是对象者去医院等接受诊察、在药房买药并服用、或者去寒冷且人员聚集地的场所等有可能对对象者的健康状态产生影响的行为、行动等。
接着,对特定事件前后的模式的趋势变化进行比较,判定是否具有差异(S63)。当在步骤S61中取得了特定事件信息的情况下,判定在特定事件的前后,时间序列数据(生物体数据)的趋势是否具有变化。即,取得检查数据的变化模式信息,此外判定特定事件前的时间序列数据的模式与特定事件后的时间序列数据的趋势(倾向)是否相同。
在步骤S63中的判定结果是趋势变化没有差异的情况下,使用其他事件来判定(S75)。在该情况下,由于在步骤S63中的事件前后,趋势变化没有差异,因此可以说在事件前后,健康状态没有变化。因此,返回到步骤S63,寻找具有趋势变化的事件。
另一方面,在步骤S63中的判定结果是在特定事件的前后趋势具有变化的情况下,对契机信息(图8A的Inf)前后的数据变化的趋势进行分类(S65)。可知在契机信息前后趋势变化没有差异时和有差异时,事件是否对健康产生了影响。但是,由于既存好的影响,也存在坏的影响,因此在该步骤S65中,判定是好的趋势还是坏的趋势,根据该判定结果,对数据变化模式的趋势进行分类。
接着,分类为改善事件和恶化事件,将该事件的环境、结构要素设为标注信息(S67)。在此,将步骤S65中的分类结果分类为变好的事件或恶化的事件,进而将该事件的环境、结构要素等设为标注信息。环境、结构要素简单来说,例如是指如在寒冷的日子去人员聚集地的场所那样对如“前往东京站”这样的事件进行事件分解的情况。此外,简单来说,将“去医院接受诊察”这样的事件分解为例如通过“进行了X射线拍摄”、“注射了〇〇”、“服用了△△”等事件来进行。即,在步骤S67中,对事件信息按照每个结构进行分解,提取结构要素。通过提取结构要素等,生成训练数据并学习,能够提供基于提取出对趋势变化产生了影响的事件信息的结构要素而定制的信息。
接着,将表示特定事件前或特定事件后的趋势变化的模式转化为训练数据化(S69)。在此,根据步骤S65中的分类,对表示特定事件前的趋势变化的时间序列信息模式标注该好的事件和坏的事件而转化为训练数据。
当在步骤S69中生成了训练数据时,接着,进行学习/推理模型的生成(S71)。在此,使用在步骤S69中生成的训练数据来学习,生成推理模型。即,在趋势发生变化的情况下,由于具有成为契机的事件,因此在输入了时间序列数据时,生成能够输出特定事件(影响事件)的推理模型。此外,如果在步骤S69中,使用特定事件前的模式来生成训练数据,则可以生成能够进行如当具有该特定事件时(以这样的方式)发生恶化这样的推理的推理模型。另一方面,如果使用特定事件后的模式来生成训练数据,则可以生成能够进行如果具有该特定事件(以这样的方式)则发生改善这样的推理的推理模型。
即,在该步骤S71中,针对变化模式信息,检测具有改善效果的医疗机构等特征信息、与在特定期间内变换模式发生了变化的时刻对应的时刻的影响事件信息,取得将对检测出的影响事件信息进行标注而得到的结果作为训练数据来学习而得到的推理模型。该推理模型能够判定健康因怎样的事件而改善或者恶化。
当生成了推理模型时,在特定时机,进行更新(S73)。由于生物体数据和事件信息每时每刻都不断存储,因此定期地或者以时令、新闻等某种契机进行更新。如果将特定数据模式输入到在步骤S71中生成的推理模型中,则能够进行如下的建议,该建议能够赋予由于将来因该事件而得到改善或者恶化因此需要注意这样的意识。关于季节的变化、具有感染倾向的疾病等,优选采用向拥挤地域的移动等信息作为事件。也可以与时间序列数据的时间轴对应地在步骤S73中追加记录。此外,也能够生成根据事件后的数据变化来判定什么不好的推理模型。
这样,推理模型生成的流程示出了信息提供方法,该信息提供方法具有判定对表示健康状态的生物体信息的时间序列数据的变化模式产生影响的事件的步骤(S63)、判定该事件是否具有改善效果的步骤(S67)、按照该事件的时间之前的时间序列模式判定具有变化模式的改善效果的事件的步骤(S69)。即,能够根据事件后的模式,发现对健康产生了影响的事件。
换言之,本实施方式中的记录系统能够针对使用特定规格的(生物体数据)检查设备在特定期间的范围内按照时间序列取得多个检查数据而生成的数据的变化模式信息,将与该特定期间内的数据取得源相关的多个事件信息分别与何时发生的时机建立关联而记录。该记录系统也可以包含记录数据、事件的数据库等。此外,该数据库也可以是协作的多个计算机。由于该记录系统应该能够提取对趋势变化产生了影响的事件,因此通过做成能够提供具有该影响的事件的信息的电路、程序、系统,能够向其他人提供有益的信息。
如果根据具有事件的环境、状况、其他能够得到的结构要素信息对事件信息进行细分,则置换为提供信息的人的立场时能够作为定制信息来提供。例如,如果分解为前往报告了传染病发生的地域的人员聚集地这样的要素,则能够从前往渡轮站这样的实际的具体行动信息中概括,转换为今天不要去拥挤的场所这样的信息而传递。此外,也可以收集检查数据变化模式和通过这样的影响事件的标注而得到的多个人的案例的训练数据,进行学习,生成推理模型,将变化模式输入到推理模型中,将输出设为影响事件要素。
另外,在此,依次判定事件,寻找与模式的趋势变化对应的事件。这是表示了上述想法的构思的方法,也可以采用除此以外的方法。例如,也可以在检测出趋势变化之后,检索与该时机对应的事件(或者其结构要素、原因、环境等)。如果假定医疗行为等作为该事件,则进行健康对应事件时的设备和/或备品、和/或环境的信息相当于该结构要素、原因、环境等。
如以上所说明的那样,在本发明的一个实施方式中,使用特定规格的检查设备按照特定的时间序列取得检查数据(例如,参照图8的(b)的S61),取得该检查数据的变化模式信息(例如,参照图8的(b)的S63),针对变化模式信息,检测具有改善效果的医疗机构等的特征信息、与在特定期间内变换模式发生了变化的时刻对应的时刻的环境事件信息,取得将对检测出的影响事件信息进行标注而得到的结果作为训练数据来学习而得到的推理模型(例如,参照图8的(b)的S65~S71)。然后,将使用特定规格的检查设备在与特定期间的宽度类似的期间内按照时间序列而得到的特定人物的检查数据输入到推理模型中,对影响事件进行推理,传递该推理的结果(例如,在图4的S9、图5的S35、图7的S6中,能够使用上述的推理模型来推理)。
此外,在本发明的一个实施方式中,取得推理模型,该推理模型是通过与特定的健康对应事件的输入对应在健康对应事件之前使用特定规格的检查设备按照时间序列取得检查数据并进行记录,将对所记录的该检查数据的变化模式信息标注进行了所述健康对应事件时的设备和/或备品、和/或环境的信息而得到的结果作为训练数据进行学习而得到的(例如,参照图8的(b)的S71)。然后,将使用特定规格的检查设备按照时间序列而得到的特定人物的检查数据输入到上述的推理模型中来推理,将该推理结果传递给特定人物(例如,在图4的S9、图5的S35、图7的S6中,能够使用上述的推理模型来推理)。
此外,在本发明的一个实施方式中,使用特定规格的检查设备按照时间序列取得检查数据,取得该检查数据的变化模式信息(例如,参照图4的S1),将服药、生活改善的开始等特定的改善时机信息作为相同的时间信息包含于变化模式信息,由此生成具有能够对该改善信息以前的变化模式进行比较的信息的数据库。使用该数据库,将特定人物的变化模式与其他人的改善信息以前的变化模式进行比较,检索改善信息,将检索到的改善信息传递给特定人物(例如,在图4的S13中,能够使用数据库的检索结果来传递信息)。
此外,在本发明的一个实施方式中,生成如下的数据库,该数据库能够将使用特定规格的检查设备在特定期间的范围内按照时间序列取得多个检查数据而生成的检查数据的变化模式信息,与和特定期间内的检查数据的取得源相关的多个事件信息各自的时机建立关联而记录,使用数据库,根据变化模式的趋势变化与事件的时机的关系,能够进行事件信息中的、对趋势变化产生了影响的事件的信息提供(例如,参照图8A和图8B)。在进行对趋势变化产生了影响的事件的信息提供时,可以对数据库进行检索,此外也可以生成推理模型,使用该推理模型来推理。此外,在本发明的一个实施方式中,对影响事件、健康对应事件等各种事件进行了说明,但这些也包含在广义的事件中。
此外,在本发明的一个实施方式中,取得对象者的检查数据(例如,参照图7的S1),判定检查数据是否是特定的输入数据(例如,参照图7的S3),在该判定结果为检查数据是特定的输入数据的情况下,使用特定的推理模型进行推理(例如,参照图7的S4“是”→S6),针对特定的输入数据,在特定的推理模型的推理结果的可靠性较低的情况下,新收集与特定的输入数据类似的输入数据,将该输入数据作为训练数据进行用于生成推理模型的学习(例如,参照图7的S8“否”→S10),采用根据通过学习而生成的新推理模型来推理特定数据而得到的结果,传递该结果(例如,参照图7的S10→S4~S8“是”→S13a)。因此,在使用推理模型来推理检查数据而提供信息的情况下,在推理结果的可靠性较低的情况下,能够收集除了被检者以外的人的检查数据,新生成推理模型,进行精度较高的推理。
此外,在本发明的一个实施方式中,输入对象者的检查数据(例如,参照图1的信息判定设备2、图4的S1、图5的S21等),取得对象者的资料信息和每个检查/医疗机构的持有设备信息(例如,参照图1的DB部8、图4的S7等),根据对象者的检查数据、资料信息和每个检查/医疗机构的持有设备信息,决定向对象者传递的传递信息(例如,参照图1的信息提供部1c、图4的S11等)。因此,能够考虑检查/医疗机构的持有设备来向对象者传递信息。此外,在本实施方式中,能够基于日常无意识地得到的健康关联信息来介绍有效的设施,能够省去多次前往设施的麻烦。
此外,在本发明的一个实施方式中,输入对象者的检查数据(例如,参照图1的信息判定设备2、图5的S21等),在具有根据对象者在检查/医疗机构中的来院/检查/服药信息进行学习而得到的推理模型的推理部中,输入对象者的检查数据的变化模式来进行推理,根据该推理结果,决定向对象者传递的传递信息(例如,参照图1的信息提供部1c、推理引擎7、图3的(a)、图5的S35等)。因此,能够根据检查数据的时间序列变化,通过事先预测前往医疗机构等的来院时期来通知对象者。能够在症状恶化之前,接受适当的检查、治疗。
此外,本发明的一个实施方式中的信息传递用的程序具有:输入对象者的检查数据的步骤(例如,参照图1的信息判定设备2、图5的S21等);在具有根据对象者在检查/医疗机构中的来院/检查/服药信息进行学习而得到的推理模型的推理部中,输入对象者的特定期间内的检查数据的变化模式,使用该变换模式进行推理的步骤;以及根据该推理结果,决定向对象者传递的传递信息的步骤。因此,能够根据检查数据的时间序列变化,通过事先预测前往医疗机构等的来院时期来通知对象者。能够在症状恶化之前,接受适当的检查、治疗。
虽然有公开了检查结果、将检查结果存储到数据库中并利用检查结果的现有技术,但未记载根据检查结果来通知最佳的医疗机构等的情况。此外,虽然有假定委托远处的医务人员观察排泄物的提案,但尚未提出通知最佳的医疗机构等的方案。此外,虽然也有显示历史浏览画面的提案,但尚未提出根据医疗机构等的持有设备来告知最适于调查被检者的症状的设施的方案。多数一般用户在每天的生活习惯中,有时无意识地利用设置于便携终端、家电、浴室/厕所/盥洗室等卫生设施上的传感器、监视摄像头、监护摄像头、家庭用的体温计、体重计、身体成分测量仪、血压计等,按照时间序列监视生物体信息。在本发明的一个实施方式中,每天进行监视,积极地活用通过监视而得到的信息,根据生物体信息、检体信息,提供如能够在适当的设施接受精密检查这样的建议等定制信息。因此,可以考虑对象者的状况而提供能够进行用于掌握准确的健康状态的检查的设施和/或能够进行治疗的设施的信息。
在本实施方式的说明中,作为信息判定设备2,对有效利用由一并设置于厕所的各种传感器进行检便、采便等而得到的结果的情况进行了多种说明,但当然不限于此。作为信息判定设备2,只要是用于取得对象者的健康关联信息、例如生命体征信息、检体信息等的设备即可。在最简单的例子中,也能够应用于由智能手机等便携终端得到的面部图像信息、基于该面部图像信息的心率信息等,也可以活用这些信息。此外,也可以与可穿戴终端等在紧贴于用户的状态下使用的设备协作,例如,如心律不齐这样的应注意的数据也能够由这些设备简单地取得。根据步行时的加速度传感器的模式等,也能够进行对脚产生影响的健康问题的检测。不是根据设备、身体状况、饮食、生活场景的状况而可能包含误差的单发数据的分析,而使用包含多个数据的历史模式来分析,由此能够高精度地提供疾病的有无、可能性、恢复健康、应该去医院的时期等信息、建议信息等。在这些信息为低精度的情况下,用户接受诊察的情况将会延迟,导致过度的担心。
在众多此前的提案中,针对这样的精度的对策不充分,但在本实施方式中,能够考虑精度并且考虑对象者的状况来提供对象者能够顺利地前往医疗机构等的信息。由于可以提供能够接受用于掌握准确的健康状态的检查、治疗的设施的信息,因此用户能够通过该健康掌握来接受治疗或进行生活习惯的改善,从而过更健康的生活。
另外,在本发明的一个实施方式中,关于控制部1,作为由CPU、存储器、HDD等构成的IT设备进行了说明。但是,除了由CPU和程序以软件的方式构成以外,也可以由硬件电路构成各部的一部分或全部,也可以是根据由Verilog记述的程序语言而生成的门电路等硬件结构,还可以使用利用了DSP(Digital Signal Processor:数字信号处理器)等软件的硬件结构。当然,这些也可以适当地组合。此外,不限于CPU,只要是发挥作为控制器的功能的元件即可,上述各部的处理也可以由构成为硬件的1个以上的处理器进行。例如,各部可以是分别构成为电子电路的处理器,也可以是由FPGA(Field Programmable Gate Array:现场可编程门阵列)等集成电路构成的处理器中的各电路部。或者,也可以通过由1个以上的CPU构成的处理器读入记录介质中记录的计算机程序并执行,来执行作为各部的功能。
此外,关于本说明书中说明的技术中的、主要由流程图说明的控制,多数情况下,能够利用程序来设定,有时也保存到记录介质、记录部中。关于记录到该记录介质、记录部中的方法,可以在产品出厂时记录,也可以利用所发布的记录介质,还可以经由互联网进行下载。
此外,在本发明的一个实施方式中,使用流程图对本实施方式中的动作进行了说明,但处理过程可以改变顺序,此外,也可以省略任意的步骤,也可以追加步骤,还可以进一步变更各步骤内的具体处理内容。
此外,关于权利要求、说明书和附图中的动作流程,为了方便,即使使用“首先”、“接着”等表述顺序的词语进行了说明,在没有特别进行说明的部位,也不意味着必须按该顺序进行实施。
本发明不直接限定于上述实施方式,在实施阶段能够在不脱离其主旨的范围内对结构要素进行变形并具体化。此外,能够通过上述实施方式中公开的多个结构要素的适当组合形成各种发明。例如,可以删除实施方式所示的全部结构要素中的几个结构要素。并且,可适当组合不同实施方式的结构要素。
标号说明
1:控制部;1a:通信控制部;1b:ID判定部;1c:信息提供部;1d:推理模型规格决定部;1e:推理委托部;1f:检索部;2:信息判定设备;4:终端;5:学习部;5a:输入输出模型化部;7:推理引擎;8:DB部;8a:按设施分类的持有设备一览;8b:按设施分类的ID和来院信息。
Claims (8)
1.一种信息传递方法,其特征在于,
取得推理模型,该推理模型是通过使用特定规格的检查设备按照特定期间的时间序列取得检查数据,取得该检查数据的变化模式信息,针对所述变化模式信息,检测与所述特定期间内的、所述变化模式发生了变化的时刻对应的时刻的影响事件信息,将对所述检测出的影响事件信息进行标注而得到的结果作为训练数据进行学习而得到的,
将使用所述特定规格的检查设备在与所述特定期间的宽度类似的期间内按照时间序列而得到的特定人物的检查数据输入到所述推理模型中,对影响事件进行推理,并传递该推理的结果。
2.一种信息传递方法,其特征在于,
取得推理模型,该推理模型是通过与特定的健康对应事件的输入对应在所述健康对应事件之前使用特定规格的检查设备按照时间序列取得检查数据并进行记录,将对所记录的该检查数据的变化模式信息标注进行了所述健康对应事件时的设备和/或备品、和/或环境的信息而得到的结果作为训练数据进行学习而得到的,
将使用所述特定规格的检查设备按照时间序列而得到的特定人物的检查数据输入到所述推理模型中,对设备和/或备品、和/或环境的信息进行推理,将根据该推理的结果为所述特定人物定制的健康对应事件传递给所述特定人物。
3.一种信息传递方法,其特征在于,
生成数据库,该数据库能够将使用特定规格的检查设备在特定期间的范围内按照时间序列取得多个检查数据而生成的所述检查数据的变化模式信息,与和所述特定期间内的所述检查数据的取得源相关的多个事件信息各自的时机建立关联而记录,
使得能够使用所述数据库,根据所述变化模式的趋势变化与所述事件的时机的关系,提供所述事件信息中的、对所述趋势变化产生了影响的事件的信息。
4.根据权利要求3所述的信息传递方法,其特征在于,
按照每个结构对所述事件信息进行分解而提取结构要素,根据提取出的所述结构要素,定制对所述趋势变化产生了影响的事件信息而提供信息。
5.根据权利要求4所述的信息传递方法,其特征在于,
关于用于使用所述数据库来提供对所述趋势变化产生了影响的事件的推理模型,通过取得检查数据,将该检查数据的变化模式作为学习用推理部的输入,将应输出的建议作为标注信息来进行学习,而生成推理模型,
使用该生成的推理模型,将所述对象者的变化模式信息输入到所述推理模型中,由此得到推理结果,根据该得到的推理结果,决定所述传递信息。
6.一种信息传递装置,其特征在于,具有:
数据取得部,其使用特定规格的检查设备按照特定期间的时间序列取得检查数据,取得该检查数据的变化模式信息;
学习部,其针对所述变化模式信息,检测与所述特定期间内的、所述变化模式发生了变化的时刻对应的时刻的影响事件信息,取得将对所述检测出的影响事件信息进行标注而得到的结果作为训练数据进行学习而得到的推理模型;
推理部,其将使用所述特定规格的检查设备在与所述特定期间的宽度类似的期间内按照时间序列而得到的特定人物的检查数据输入到所述推理模型中,对影响事件进行推理;以及
信息传递部,其传递所述推理的结果。
7.一种信息传递装置,其特征在于,具有:
数据取得部,其与特定的健康对应事件的输入对应,在所述健康对应事件之前使用特定规格的检查设备按照时间序列取得检查数据并记录;
学习部,其取得推理模型,该推理模型是通过将对关于所记录的所述检查数据的变化模式信息标注进行了所述健康对应事件时的设备和/或备品、和/或环境的信息而得到的结果作为训练数据进行学习而得到的;
推理部,其将使用所述特定规格的检查设备按照时间序列而得到的特定人物的检查数据输入到所述推理模型中,对设备和/或备品、和/或环境的信息进行推理;以及
信息传递部,其根据所述推理部的推理结果,将为所述特定人物定制的健康对应事件传递给所述特定人物。
8.一种信息传递装置,其特征在于,具有:
数据取得部,其使用特定规格的检查设备在特定期间的范围内按照时间序列取得多个检查数据;
生成部,其生成数据库,该数据库能够将取得所述检查数据而生成的所述检查数据的变化模式信息,与和所述特定期间内的所述检查数据的取得源相关的多个事件信息各自的时机关联起来记录;以及
信息提供部,其能够使用所述数据库,根据所述变化模式的趋势变化与所述事件的时机的关系,提取所述事件信息中的、对所述趋势变化产生了影响的事件而提供信息。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2020/000763 WO2021140670A1 (ja) | 2020-01-10 | 2020-01-10 | 情報伝達装置および情報伝達方法 |
JPPCT/JP2020/000763 | 2020-01-10 | ||
PCT/JP2020/041125 WO2021140731A1 (ja) | 2020-01-10 | 2020-11-02 | 情報伝達装置および情報伝達方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114868203A true CN114868203A (zh) | 2022-08-05 |
Family
ID=76787834
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080085581.7A Pending CN114868203A (zh) | 2020-01-10 | 2020-11-02 | 信息传递装置以及信息传递方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114868203A (zh) |
WO (2) | WO2021140670A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230065288A1 (en) * | 2021-08-30 | 2023-03-02 | Apple Inc. | Electronic Devices with Body Composition Analysis Circuitry |
WO2023157596A1 (ja) * | 2022-02-15 | 2023-08-24 | ソニーグループ株式会社 | 情報処理方法、情報処理装置、プログラム、及び、情報処理システム |
CN116206774B (zh) * | 2023-04-27 | 2023-07-14 | 深圳市浩然盈科通讯科技有限公司 | 一种结合大数据自动匹配护理治疗方案的方法及系统 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1189822A (ja) * | 1997-09-16 | 1999-04-06 | Forward Inku:Kk | 在宅血液検査の方法 |
US20040122704A1 (en) * | 2002-12-18 | 2004-06-24 | Sabol John M. | Integrated medical knowledge base interface system and method |
JP2009080700A (ja) * | 2007-09-26 | 2009-04-16 | Toshiba Corp | 健康医療情報管理分析装置 |
JP5631635B2 (ja) * | 2010-06-03 | 2014-11-26 | オリンパスメディカルシステムズ株式会社 | 医療業務支援装置 |
JP6494935B2 (ja) * | 2014-07-09 | 2019-04-03 | キヤノンメディカルシステムズ株式会社 | 検査情報提供装置 |
US11640852B2 (en) * | 2015-04-08 | 2023-05-02 | Koninklijke Philips N.V. | System for laboratory values automated analysis and risk notification in intensive care unit |
JP2016218536A (ja) * | 2015-05-15 | 2016-12-22 | コニカミノルタ株式会社 | 診療支援システム、サーバー装置及びプログラム |
WO2017037946A1 (ja) * | 2015-09-04 | 2017-03-09 | 株式会社日立システムズ | 生活支援サービスシステム及び方法 |
JP6418260B2 (ja) * | 2017-03-08 | 2018-11-07 | オムロン株式会社 | 要因推定装置、要因推定システム、および要因推定方法 |
US20200126664A1 (en) * | 2017-07-24 | 2020-04-23 | Axion Research Inc. | Support system for estimating an internal state of a target system |
JP6804489B2 (ja) * | 2018-05-31 | 2020-12-23 | キユーピー株式会社 | 情報提供装置及び情報提供方法 |
JP6566409B1 (ja) * | 2018-08-24 | 2019-08-28 | 株式会社鈴康 | 情報処理装置、プログラム及び情報処理方法 |
-
2020
- 2020-01-10 WO PCT/JP2020/000763 patent/WO2021140670A1/ja active Application Filing
- 2020-11-02 WO PCT/JP2020/041125 patent/WO2021140731A1/ja active Application Filing
- 2020-11-02 CN CN202080085581.7A patent/CN114868203A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2021140731A1 (ja) | 2021-07-15 |
WO2021140670A1 (ja) | 2021-07-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105260588B (zh) | 一种健康守护机器人系统及其数据处理方法 | |
JP6700283B2 (ja) | 診断妥当性基準を採用することによって病態を特定するための診断検査の最適なシーケンスを決定することに適合した医用鑑別診断装置 | |
JP6566409B1 (ja) | 情報処理装置、プログラム及び情報処理方法 | |
TWI444921B (zh) | 用於促進提供健康及保健幫助的線上系統、方法及電腦可讀取媒體 | |
JP6551959B1 (ja) | ソフトウェア、健康状態判定装置及び健康状態判定方法 | |
WO2021140731A1 (ja) | 情報伝達装置および情報伝達方法 | |
JP7190859B2 (ja) | 健康情報処理方法、健康情報処理装置、コンピュータプログラム、及び学習モデル | |
WO2005122033A1 (ja) | 医療総合情報装置及び医療総合情報システム | |
US20190287661A1 (en) | Related systems and method for correlating medical data and diagnostic and health treatment follow-up conditions of patients monitored in real-time | |
WO2009083840A1 (en) | Pre-examination medical data acquisition system | |
WO2014160549A2 (en) | Method to increase efficiency, coverage, and quality of direct primary care | |
JP6719799B1 (ja) | ソフトウェア、健康状態判定装置及び健康状態判定方法 | |
EP3547320A2 (en) | Related systems and method for correlating medical data and diagnostic and health treatment follow-up conditions of patients monitored in real-time | |
CN109196595A (zh) | 软件、健康状态判定装置以及健康状态判定方法 | |
KR20120076564A (ko) | 환자 건강정보 기반의 환자대 환자관계 추천방법 | |
Efat et al. | IoT based smart health monitoring system for diabetes patients using neural network | |
JP2020135401A (ja) | ソフトウェア及び診断支援装置 | |
CN114121266A (zh) | 一种智能化的辅助诊断方法和系统 | |
CN116543917A (zh) | 一种针对异构时间序列数据的信息挖掘方法 | |
CN113140315B (zh) | 一种健康自测系统、服务器及健康检测系统 | |
WO2021152710A1 (ja) | 情報伝達装置および情報伝達方法 | |
JP7393518B2 (ja) | 教師データ収集装置、教師データ収集方法および記録媒体 | |
CN113140323A (zh) | 一种健康画像生成方法、系统、介质及服务器 | |
WO2021176622A1 (ja) | センサ決定装置およびセンサ決定方法 | |
WO2021171596A1 (ja) | 推論システム、学習依頼装置、および学習依頼方法 |
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 |