CN117121112A - 信息处理装置及信息处理方法 - Google Patents

信息处理装置及信息处理方法 Download PDF

Info

Publication number
CN117121112A
CN117121112A CN202180068747.9A CN202180068747A CN117121112A CN 117121112 A CN117121112 A CN 117121112A CN 202180068747 A CN202180068747 A CN 202180068747A CN 117121112 A CN117121112 A CN 117121112A
Authority
CN
China
Prior art keywords
care
information
support information
data
factor
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
Application number
CN202180068747.9A
Other languages
English (en)
Inventor
石桥佳宜
石川隆史
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.)
Paramount Bed Co Ltd
Original Assignee
Paramount Bed 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 Paramount Bed Co Ltd filed Critical Paramount Bed Co Ltd
Publication of CN117121112A publication Critical patent/CN117121112A/zh
Pending legal-status Critical Current

Links

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
    • G16H40/67—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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
    • A61B5/4088—Diagnosing of monitoring cognitive diseases, e.g. Alzheimer, prion diseases or dementia
    • 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
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1118—Determining activity level
    • 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
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services
    • 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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
    • 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
    • G16H40/20—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 management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • Neurology (AREA)
  • Business, Economics & Management (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Pathology (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Physiology (AREA)
  • Primary Health Care (AREA)
  • Psychiatry (AREA)
  • Child & Adolescent Psychology (AREA)
  • General Business, Economics & Management (AREA)
  • Epidemiology (AREA)
  • Psychology (AREA)
  • Hospice & Palliative Care (AREA)
  • Developmental Disabilities (AREA)
  • Social Psychology (AREA)
  • Neurosurgery (AREA)
  • Artificial Intelligence (AREA)
  • Tourism & Hospitality (AREA)
  • Cardiology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Dentistry (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Pulmonology (AREA)

Abstract

信息处理装置，包含：因素判定部，该因素判定部基于(1)被护理者的失智级别信息和(2)被护理者的环境信息、排泄信息以及睡眠信息中的至少一个来判定被护理者的行动是否为失智因素的异常行动，基于因素判定部的判定结果和作为与进行被护理者的护理的护理者或者被护理者相关的传感结果的传感器信息来输出支持护理者对被护理者的护理的支持信息。

Description

信息处理装置及信息处理方法
技术领域
本发明涉及一种信息处理装置及信息处理方法。本申请基于2021年3月1日在日本申请的专利2021-032143号并主张其优先权，并且将其内容援用于此。
背景技术
以往，已知医疗场所、看护设施等所利用的系统。例如，专利文献1公开了指示用于使被护理者移动的护理方法的技术。
现有技术文献
专利文献
专利文献1：日本特开2007-233471号公报
发明内容
发明所要解决的技术问题
提供一种适当地支持护理者对被护理者的护理的信息处理装置及信息处理方法等。
用于解决技术问题的技术手段
本实施方式所涉及的信息处理装置包含：因素判定部，该因素判定部基于(1)被护理者的失智级别信息和(2)被护理者的环境信息、排泄信息以及睡眠信息中的至少一个来判定被护理者的行动是否为失智因素的异常行动；以及支持信息输出部，该支持信息输出部基于因素判定部的判定结果和作为与进行被护理者的护理的护理者或者被护理者相关的传感结果的传感器信息来输出支持护理者对被护理者的护理的支持信息。
附图说明
图1是包含信息处理装置的信息处理系统的结构例。
图2A是作为看护装置的看护床的例子。
图2B是作为看护装置的升降机的例子。
图2C是传感装置的例子。
图2D是传感装置的例子。
图3是服务器系统的结构例。
图4是移动终端装置的结构例。
图5是神经网络的说明图。
图6是因素判定用神经网络的输入输出的例子。
图7是说明用于因素判定的学习处理的流程图。
图8是说明因素判定处理的流程图。
图9是支持信息输出用神经网络的输入输出的例子。
图10是支持信息输出用神经网络的结构例。
图11是支持信息输出用神经网络的结构例。
图12是支持信息输出用神经网络的结构例。
图13是因素判定用神经网络和支持信息输出用神经网络的关系例。
图14是第一对应信息的例子。
图15是第二对应信息的例子。
图16是第三对应信息的例子。
图17是设定画面的例子。
图18是说明设定处理的流程图。
图19是说明用于输出各支持信息的处理的流程图。
图20是说明护理程序的开始判定的流程图。
图21是说明用餐护理程序的流程图。
图22是说明排泄护理程序的流程图。
图23是说明转移/移动护理程序的流程图。
图24A是说明多个护理程序间的过渡的图。
图24B是说明多个护理程序间的过渡的图。
图25A是设定画面的例子。
图25B是用于追加数据的显示画面的例子。
图25C是用于决定输入数据的显示画面的例子。
图25D是用于提示学习结果的显示画面的例子。
图26是本实施方式中的神经网络的基本结构例。
图27是通过分类来决定神经网络的构造的处理的说明图。
图28是支持护理者对被护理者的护理时的输入数据的具体例。
图29是支持护理者对被护理者的护理时的输入数据的具体例。
图30是支持护理者对被护理者的护理时的输入数据的具体例。
图31是支持护理者对被护理者的护理时的输入数据的具体例。
图32是支持护理者对被护理者的护理时的输入数据的具体例。
图33是支持护理者对被护理者的护理时的输入数据的具体例。
图34是支持护理者对被护理者的护理时的输入数据的具体例。
图35是支持护理者对被护理者的护理时的输入数据的具体例。
图36是支持护理者对被护理者的护理时的输入数据的具体例。
图37是支持护理者对被护理者的护理时的输入数据的具体例。
图38是支持护理者对被护理者的护理时的输入数据的具体例。
图39是支持护理者对被护理者的护理时的输入数据的具体例。
图40是支持护理者对被护理者的护理时的输入数据的具体例。
图41是支持护理者对被护理者的护理时的输入数据的具体例。
图42是支持护理者对被护理者的护理时的输入数据的具体例。
图43是支持用餐护理时的输出数据的具体例。
图44是支持排泄护理时的输出数据的具体例。
图45是支持转移/移动护理时的输出数据的具体例。
具体实施方式
以下，参照附图对本实施方式进行说明。对于附图中相同或者同等的要素标注相同的符号并省略重复的说明。此外，以下说明的本实施方式并不对请求的范围所记载的内容进行不当的限定。另外，本实施方式中说明的结构并非都是必须的构成要件。
1.系统结构例
图1是包含本实施方式所涉及的信息处理装置的信息处理系统10的结构例。本实施方式所涉及的信息处理系统10是在例如看护设施中，对于看护人员的“直觉”、“隐性知识”而进行的作业，通过对该“直觉”、“隐性知识”数字化来给予看护人员指示以能够不依赖于看护人员的熟练度地进行适当的护理的系统。图1所示的信息处理系统10包含服务器系统100、护理者用装置200、看护装置300以及传感器组400。但是，信息处理系统10的结构并不限于图1，能够实施省略一部分、追加其他结构等的各种变形。另外，能够实施结构的省略、追加等的变形这点在后述的图3、图4等中也同样。
本实施方式的信息处理装置例如与服务器系统100对应。但是，本实施方式的手法并不限定于此，也可以通过使用服务器系统100和其它的装置的分散处理来执行信息处理装置的处理。例如，本实施方式的信息处理装置也可以包含服务器系统100和护理者用装置200。以下，对信息处理装置为服务器系统100的例子进行说明。
服务器系统100例如经由网络NW与护理者用装置200、看护装置300、传感器组400连接。此处的网络NW是例如因特网等公共通信网，但也可以是LAN(Local Area Network)等。例如，护理者用装置200、看护装置300以及传感器组400配置于看护设施等。服务器系统100基于来自传感器组400的信息来进行处理，基于处理结果来进行对护理者用装置200的信息输出及看护装置300的远程控制等。
此外，在图1中表示了护理者用装置200、看护装置300及传感器组400分别能够经由网络NW与服务器系统100通信的例子，但是并不限定于此。例如，也可以在看护设施等设置未图示的中继装置。中继装置是能够经由网络NW与服务器系统100通信的装置。也可以是，传感器组400所输出的信息使用看护设施内的LAN而被收集在中继装置，并且中继装置将该信息向服务器系统100发送。另外，也可以是，向中继装置发送来自服务器系统100的信息，中继装置将必要的信息向护理者用装置200或者看护装置300发送。例如，假定在看护设施中多个护理者用装置200、多个看护装置300同时被使用。中继装置也可以进行选择作为来自服务器系统100的信息的发送对象的护理者用装置200或者看护装置300的处理。或者，中继装置也可以是由看护设施的管理者使用的管理者终端，并且基于该管理者的操作输入来动作。也可以是，例如在中继装置的显示部显示来自服务器系统100的信息，阅览了显示结果的管理者选择发送对象的护理者用装置200或者看护装置300。另外，如上所述，本实施方式的信息处理装置能够进行各种变形而实施，例如上述的中继装置也可以包含于信息处理装置。
服务器系统100也可以是一个服务器，也可以包含多个服务器。例如，服务器系统100也可以包含数据库服务器和应用服务器。数据库服务器存储使用图3来后述的各种数据。应用服务器进行使用图7、图8、图18～图23等来后述的处理。此外，此处的多个服务器也可以是物理服务器，也可以是虚拟服务器。另外，在使用虚拟服务器的情况下，该虚拟服务器也可以设置于一个物理服务器，也可以是分散地配置于多个物理服务器。如以上这样，本实施方式中的服务器系统100的具体结构能够进行各种变形而实施。
护理者用装置200是在看护设施等中由进行被护理者(患者、入住者)的护理的护理者使用的装置，并且是用于对护理者的信息的提示或者护理者的信息的输入的装置。例如，护理者用装置200也可以是由护理者携带或者穿戴的装置。例如，护理者用装置200包含移动终端装置210和可穿戴设备220。移动终端装置210例如是智能手机，但也可以是能够携带的其他装置。可穿戴设备220是护理者能够穿戴的设备，例如是入耳式耳机或头戴式耳机、包括麦克风的头戴式受话器。另外，可穿戴设备220也可以是眼镜型的设备，也可以是手表型的设备，也可以是其他形状的设备。另外，护理者用装置200也可以是PC(PersonalComputer)等其它的装置。
看护装置300是在看护设施等中用于进行被护理者的看护(包含护理)的装置。相对于护理者用装置200这样主要进行对护理者的信息提示的装置，看护装置300是用于直接执行对被护理者的护理的装置。例如，看护装置300也可以包含：能够变更底板(底板也可以是板状也可以是网状，形状不受限制)的角度、高度的看护床310、用于进行被护理者从看护床310向轮椅的转移等的升降机320。另外，看护装置300也可以包含轮椅、助行器、康复设备、用于提供餐食的餐车等其他装置。
图2A是看护床310的例子。看护床310能够分别变更多个底板的高度和角度。由此，能够灵活地变更躺在看护床310的被护理者的姿势。图2B是升降机320的例子。升降机320是用于例如ADL(Activity of Daily Living)的评估指数低且难以通过人力来转移的被护理者的转移等的设备。
传感器组400包含配置于看护设施等的多个传感器。传感器组400也可以包含运动传感器410、摄像传感器420以及臭味传感器430。运动传感器410也可以是加速度传感器，也可以是陀螺仪传感器，也可以是能够检测动作的其他传感器。运动传感器410也可以是检测被护理者的动作的传感器，也可以是检测护理者的动作的传感器。摄像传感器420是将经由透镜成像的被成像体转换为电信号的传感器。臭味传感器430是检测臭味并将其数值化的传感器。另外，传感器组400可以包含温度传感器、湿度传感器、照度传感器、磁传感器、位置传感器、气压传感器等各种传感器。
此外，在图1中，分开示出护理者用装置200及看护装置300和传感器组400。例如，传感器组400中包含的传感器也可以配置于看护设施内的起居室、食堂、走廊、楼梯等。例如，包含摄像传感器420的摄像头配置于看护设施内的各处。另外，也可以使用用于传感看护所需的信息的传感装置。通过在看护设施的各处设置传感器，不仅能够传感必要的信息，还能够确定传感器的位置。
例如，图2C是配置于看护床310的床垫上的传感装置440的例子。图2C所示的传感装置440例如包含臭味传感器430，并且检测被护理者是否进行了排泄。此外，传感装置430也可以能够根据体味、呼气来判断是否生病。另外，图2D是配置于处于看护床310上的床垫之下的(配置于看护床310与床垫之间)传感装置450的例子。图2D所示的传感装置450例如包含压力传感器，能够进行被护理者的心率、呼吸频率、活动量的检测。此外，传感装置450能够判定是否处于睡眠状态、是否在床上。
但是，本实施方式的方法并不限于以上的例子，传感器组400中包含的传感器也可以设置于护理者用装置200或者看护装置300。例如，作为传感器组400中包含的传感器，也可以使用移动终端装置210中包含的摄像头、加速度传感器、陀螺仪传感器、GPS(GlobalPositioning System)传感器等。另外，也可以在看护装置300设置用于检测该看护装置300的姿势的运动传感器、用于拍摄使用该看护装置300的被护理者、护理者的摄像头等。
图3是表示服务器系统100的详细的结构例的框图。服务器系统100例如包含处理部110、存储部120以及通信部130。
本实施方式的处理部110由下述的硬件构成。硬件可以包括处理数字信号的电路和处理模拟信号的电路中的至少一方。例如，硬件能够由安装于电路基板的一个或者多个电路装置、一个或者多个电路元件构成。一个或者多个电路装置例如是IC(IntegratedCircuit：集成电路)、FPGA(field-programmable gate array：可编程门阵列)等。一个或者多个电路元件例如是电阻、电容器等。
另外，处理部110也可以由下述的处理器实现。本实施方式的服务器系统100包含存储信息的存储器和基于存储于存储器的信息来动作的处理器。信息例如是程序和各种数据等。处理器包含硬件。处理器能够使用CPU(Central Processing Unit)、GPU(GraphicsProcessing Unit)、DSP(Digital Signal Processor)等各种处理器。存储器可以是SRAM(Static Random Access Memory)、DRAM(Dynamic Random Access Memory)、闪存等半导体存储器，也可以是寄存器，也可以是硬盘装置(HDD：Hard Disk Drive)等磁存储装置，也可以是光盘装置等光学式存储装置。例如，存储器贮存能够由计算机读取的命令，通过处理器执行该命令，处理部110的功能实现为处理。此处的命令也可以是构成程序的命令集的命令，也可以是对于处理器的硬件电路指示动作的命令。
处理部110包含因素判定部111、支持信息输出部112、设定部113以及学习部114。
因素判定部111基于至少包含被护理者的失智级别信息的输入来判定被护理者的行动是否为失智因素的异常行动。例如，因素判定部111基于(1)被护理者的失智级别信息和(2)被护理者的环境信息、排泄信息以及睡眠信息中的至少一个来判定被护理者的行动是否为失智因素的异常行动。在下文，对各信息进行详细描述。
支持信息输出部112基于因素判定部111输出的判定结果和作为与进行被护理者的护理的护理者或者被护理者相关的传感结果的传感器信息，输出支持护理者对被护理者的护理的支持信息。在下文，对各支持信息进行详细描述。
设定部113进行利用本实施方式所涉及的信息处理系统10时的设定处理。例如，作为信息处理系统10的利用者的护理者也可以能够设定是否输出许多的支持信息中的哪一个支持信息。在该情况下，如使用图17、图18后述的那样，设定部113进行护理者的设定操作的接收处理和设定信息的更新处理等。另外，设定部113也可以执行将用户固有的自定义支持信息追加输出的设定处理。使用图25A～图25D等在下文对具体例进行描述。
学习部114通过进行基于训练数据的机械学习，输出学习完成模型。此处的机械学习例如是监督学习。监督学习中的训练数据是将相当于模型的输入的输入数据和表示在该输入数据被输入的情况下的适当的输出数据的正解数据对应的数据集。学习部114也可以通过进行例如使用了神经网络的机械学习来生成学习完成模型。以下，将神经网络记作NN。例如，学习部114进行生成因素判定用NN121和支持信息输出用NN122的处理。在下文，对学习部114中的处理进行详细描述。但是，在本实施方式中机械学习并不是必须的，可以省略学习部114。另外，即使在进行机械学习的情况下，也可以在与服务器系统100不同的学习装置中执行学习处理，在该情况下也可以省略学习部114。
存储部120是处理部110的工作区域，存储各种各样的信息。存储部120能够通过各种各样的存储器来实现，存储器也可以是SRAM、DRAM、ROM、闪存等半导体存储器，也可以是寄存器，也可以是磁存储装置，也可以是光学式存储装置。
存储部120存储用于因素判定部111的处理的信息和用于支持信息输出部112的处理的信息。例如，存储部120也可以存储通过使用了NN的机械学习获取的因素判定用NN121和支持信息输出用NN122。此外，此处的因素判定用NN121和支持信息输出用NN122除了规定NN的构造的信息以外，还包含用于使用该构造的运算的参数。参数具体是由机械学习而决定值的权重。
另外，存储部120也可以存储第一对应信息123、第二对应信息124以及第三对应信息125。第一对应信息123是将护理者和表示是否对于该护理者输出各支持信息的信息相对应的信息。第二对应信息124是将支持信息和该支持信息的输出所需的传感器信息相对应的信息。第三对应信息125是将给定的看护设施和在该看护设施中能够获取的传感器信息相对应的信息。使用图14～图16在下文对各对应信息的具体例进行描述。另外，存储部120也可以存储除此以外的信息。
通信部130是用于进行经由了网络NW的通信的接口，例如包含天线、RF(radiofrequency)电路及基带电路。通信部130也可以根据处理部110的控制进行动作，也可以包含与处理部110不同的通信控制用的处理器。通信部130是用于进行例如依据TCP/IP(Transmission Control Protocol/Internet Protocol：传输控制协议/互联网协议)的通信的接口。但是，具体的通信方式能够进行各种变形而实施。
图4是表示护理者用装置200的例子且表示移动终端装置210的详细的结构例的框图。移动终端装置210例如包含处理部211、存储部212、通信部213、显示部214以及操作部215。
处理部211由包含处理数字信号的电路和处理模拟信号的电路中的至少一方的硬件构成。另外，处理部211也可以由处理器实现。处理器能够使用CPU、GPU、DSP等各种处理器。通过处理器执行储存于移动终端装置210的存储器的命令，实现处理部211的功能的处理。
存储部212是处理部211的工作区域，并且由SRAM、DRAM、ROM等各种存储器实现。
通信部213是用于进行经由了网络NW的通信的接口，例如包含天线、RF电路及基带电路。通信部213例如经由网络NW来进行与服务器系统100的通信。
显示部214是显示各种信息的接口，可以是液晶显示器，也可以是有机EL显示器，也可以是其他类型的显示器。操作部215是接收用户操作的接口。操作部215也可以是设置于移动终端装置210的按钮等。另外，显示部214和操作部215也可以是构成为一体的触摸面板。
另外，移动终端装置210也可以包含发光部、振动部、声音输出部等图4中没有图示的结构。发光部例如是LED(light emitting diode)，通过发光进行通知。振动部例如是马达，通过振动进行通知。声音输出部例如是扬声器，通过声音进行通知。另外，如上所述，移动终端装置210也可以包含传感器组400中包含的传感器。
2.因素判定和支持信息输出
本实施方式的信息处理装置进行对被护理者的行动的因素进行判定的处理和输出支持护理者对被护理者的护理的支持信息的处理。这样，能够在考虑到失智等的因素的基础上，使护理者进行与被护理者对应的适当的护理。以下，作为进行因素判定和支持信息输出处理的方法的具体例，对机械学习进行说明。但是，本实施方式的方法并不限于使用机械学习，能够进行各种变形而实施。另外，以下虽然对使用NN作为机械学习的例子进行说明，但是机械学习也可以使用SVM(support vector machine：支持向量机)等其他方法，也可以使用从NN、SVM发展而来的方法。
2.1NN的简单说明
图5是NN的基本结构例。将图5的一个圆称为节点或者神经元。在图5的例子中，NN具有输入层、两个以上的中间层以及输出层。输入层为I，中间层为H1和Hn，输出层为O。另外，在图5的例子中，输入层的节点数为2，中间层的节点数分别为5，输出层的节点数为1。但是，中间层的层数、各层中包含的节点的数量能够进行各种变形而实施。另外，在图5中，虽然表示了给定的层中包含的各节点与下一层中包含的所有的节点连接的例子，但是该结构也能够进行各种变形而实施。
输入层接收输入值并向中间层H1输出。在图5的例子中，输入层I接收两种输入值。此外，也可以是，输入层的各节点对于输入值进行某种处理并输出该处理后的值。
在NN中，在相连接的两个节点间设定有权重。图5的W1是输入层I与第一中间层H1之间的权重。W1表示输入层中包含的给定的节点与第一中间层中包含的给定的节点之间的权重的集合。例如，图5的W1是包含十个权重的信息。
在第一中间层H1的各节点中，进行对于与该节点连接的输入层I的节点的输出使用权重W1进行加权相加，并进一步加上偏差的运算。进一步在各节点中，通过对相加结果应用作为非线性函数的激活函数来求得该节点的输出。激活函数可以是ReLU函数，也可以是sigmoid函数，也可以是其他函数。
另外，在此后的层中也同样。即，在给定的层中，通过使用权重W对前一层的输出进行加权相加，并且在加上偏差后应用激活函数来求得向下一层的输出。NN将输出层的输出作为该NN的输出。
通过以上的说明可知，使用NN从输入数据得到期望的输出数据需要设定适当的权重和偏差。学习中，准备将给定的输入数据和表示该输入数据下的正确的输出数据的正解数据相对应的训练数据。NN的学习处理是基于训练数据来求得最准确的权重的处理。此外，在NN的学习处理中，已知诸如误差反向传播法(Backpropagation)等学习手法。在本实施方式中，由于能够广泛应用这些学习手法，因此省略详细的说明。
另外，NN并不限于图5所示的结构。例如，也可以使用卷积神经网络(CNN：Convolutional neural network)作为NN。CNN具有卷积层和池化层。卷积层进行卷积运算。此处的卷积运算具体而言是过滤处理。池化层进行缩小数据的纵横的尺寸的处理。在CNN中，通过进行使用了误差反向传播法等的学习处理，学习用于卷积运算的过滤的特性。即，NN的权重包含CNN的过滤特性。另外，也可以使用RNN(Recurrent neural network：递归神经网络)等其他结构的网络作为NN。
2.2因素判定
图6是例示用于因素判定的因素判定用NN121的输入数据和输出数据的图。因素判定中的输入数据例如包含失智级别信息。另外，输入数据包含环境信息、睡眠信息以及排泄信息中的至少一个。在图6中，表示了输入数据包含环境信息、睡眠信息及排泄信息的全部的例子。另外，输入数据也可以包含其他信息。例如，如图6所示，输入数据也可以包含用药信息、食物水分信息。另外，因素判定用NN121的结构并不限于图6，能够进行各种变形而实施。
失智级别信息是表示被护理者的失智的发展程度的信息。例如，失智级别信息可以是MMSE(Mini-Mental State Examination：简易精神状态检查)的分数，也可以是修订后的长谷川式简单智力评估量表(HDS-R)的分数，也可以是表示失智检查的结果的其它信息。另外，失智级别信息也可以是基于使用CT(Computed Tomography)、MRI(magneticresonance imaging)获取到的脑图像的信息。例如，失智级别信息可以是表示医生基于脑图像进行诊断的结果的信息，也可以是脑图像本身，也可以是对脑图像进行了某种图像处理而得到的结果。
环境信息是表示被护理者的生活环境的信息。环境信息包含表示被护理者的生活环境的温度的温度信息、表示湿度的湿度信息、表示照度的照度信息、表示气压的气压信息。例如，在被护理者的起居室或者食堂等定期进行使用的场所配置温度传感器、湿度传感器、照度传感器、气压传感器，并且基于各传感器的输出来获取温度信息、湿度信息、照度信息、气压信息。
另外，环境信息也可以包含与声音相关的信息。在例如起居室等的生活环境配置麦克风，并且将该麦克风收音的信息用作环境信息。环境信息也可以是与声压相关的信息，也可以是表示频率分析的结果的信息。另外，环境信息也可以包含与特定的声音产生的时刻等相关的信息。
另外，环境信息也可以包含与被护理者使用的看护床310相关的信息。与看护床310相关的信息也可以是确定看护床310的型号的信息，也可以是随看护床310使用的床垫的种类、硬度等信息。另外，与看护床310相关的信息也可以包含表示看护床310的驱动结果的信息。也可以将例如与看护床310的底板的角度、高度等相关的信息、看护床310被驱动的时刻等信息用作环境信息。
睡眠信息是表示被护理者的睡眠状态的信息。例如，睡眠信息也可以使用图2D所示的传感装置450等来检测。另外，睡眠信息也可以使用包含检测脉率的光电传感器等的手表型设备来检测。睡眠信息例如包含睡眠开始时刻、起床时刻、一天的睡眠时间、睡眠的深度、中途觉醒的次数、时刻、睡眠中的心率、呼吸频率、活动量等信息。
排泄信息包含表示被护理者的排泄状态的信息。例如排泄信息也可以使用图2C所示的传感装置440等来检测。传感装置440例如基于臭味传感器430输出被护理者的排泄的有无、排泄的种类、判定为进行了排泄的时刻。排泄信息例如包含给定的期间内的排泄的次数、排泄间隔、排泄的种类等信息。另外，排泄信息也可以包含拍摄了排泄后的尿布的拍摄图像、护理者附加的评论等信息。
用药信息是确定给予被护理者的药剂的信息。例如，用药信息是表示被护理者服用的药的名称、服用量、服用时刻等的信息。另外，用药信息也可以包含发给被护理者的处方的信息等。
食物水分信息是表示被护理者摄取的食物和水分的信息。例如，食物水分信息包含用餐的时刻、菜单、实际吃的量。另外，食物水分信息也可以包含确定食材的硬度、大小等、适口性的信息。另外，食物水分信息包含摄取水分的时刻、水分的种类(水、茶等)、摄取量。
在学习阶段，通过将正解数据与规定的期间中的上述输入数据相对应，获取用于作成因素判定用NN121的训练数据。此处的规定的期间也可以是一天等固定的期间。或者，规定的期间也可以是在被护理者进行了某些异常行动的情况下，以该异常行动的发生时为基准而设定的期间。
另外，正解数据也可以由例如医生等具有专业知识的专家提供。在被护理者进行了异常行动的情况下，专家对该被护理者进行诊断并确定该异常行动的因素。此处的正解数据是表示被确定的因素的信息。例如，正解数据表示行动是失智因素、环境因素、睡眠障碍因素、排泄障碍因素中的任一个。例如，在将与一人的被护理者的一个期间对应的输入数据和正解数据相对应的结果作为一个数据集的情况下，通过增加被护理者数量、对象期间，获取包含许多数据集的训练数据。
服务器系统100的学习部114获取因素判定用的训练数据，并且基于该训练数据进行机械学习，从而作成因素判定用NN121。
图7是说明生成因素判定用NN121的学习处理的流程图。当开始该处理时，首先在步骤S101中，学习部114获取学习用的输入数据。此处的输入数据如上所述，例如包含失智级别信息、环境信息、睡眠信息、排泄信息。另外，输入数据也可以包含要素信息、食物水分信息等其它信息。
另外，在步骤S102中，学习部114获取与输入数据相对应的正解数据。例如，学习部114通过读出在学习阶段获取的训练数据中的某一个数据集来执行步骤S101和S102的处理。
在步骤S103中，学习部114进行更新NN的权重的处理。具体而言，学习部114对因素判定用NN121输入在步骤S101获取的输入数据，通过使用该阶段的权重进行顺方向的运算来获取输出数据。学习部114基于该输出数据和正解数据来求得目标函数。此处的目标函数例如是基于输出数据和正解数据的差值的误差函数或者基于输出数据的分布和正解数据的分布的交叉熵函数。
例如，在因素判定用NN121的输出层为公知的soft max层的情况下，输出层的输出是合计为1的概率数据。例如，输出层包含第一节点～第四节点的四个节点。第一节点的输出值表示“被护理者的行动为失智因素的概率”。第二节点的输出值表示“被护理者的行动为环境因素的概率”。第三节点的输出值表示“被护理者的行动为睡眠障碍因素的概率”。第四节点的输出值表示“被护理者的行动为排泄障碍因素的概率”。正解数据是作为正解的因素的值为1且其它值为0的数据。例如，在专家判定为失智因素的情况下，失智因素的概率为1且其它三个因素的概率为0的数据被用作正解数据。
学习部114更新权重，例如使误差函数减少。作为权重的更新方法，已知上述的误差反向传播法，在本实施方式中也能够广泛应用这些方法。
在步骤S104中，学习部114判定是否结束学习处理。例如，训练数据包含的多个数据集也可以分为学习用数据和验证数据。学习部114可以在使用所有的学习用数据进行了更新权重的处理的情况下结束学习处理，也可以在验证数据的正解率超过给定的阈值的情况下结束学习处理。
在没有结束学习处理的情况下，学习部114返回步骤S101并继续处理。即，学习部114从训练数据读出新的数据集，并基于该数据集进行更新权重的处理。
在结束学习处理的情况下，学习部114将该阶段的因素判定用NN121作为学习完成模型存储在存储部120。此外，图7是学习处理的一例，本实施方式的方法并不限于此。例如，在机械学习中批量学习等的方法也被广泛知悉，在本实施方式能够广泛应用这些方法。
图8是说明推论阶段下的因素判定部111的处理的流程图。当开始该处理时，首先在步骤S201中，因素判定部111判定被护理者是否进行了疑似失智的异常行动。此外，因素判定部111也可以基于与被护理者相关的传感器信息等来自动判定被护理者的行动是否为异常行动。例如，传感器组400包含运动传感器410、摄像传感器420、麦克风等，因素判定部111通过检测被护理者的动作、发声来判定有无异常行动。或者，也可以是护理者自身观察被护理者的动作，并使用护理者用装置200等来输入观察结果。在该情况下，因素判定部111基于护理者的输入来执行步骤S201的处理。在判定为被护理者没有进行异常行动的情况下，因素判定部111不进行步骤S202以后的步骤就结束处理。
在判定为被护理者进行了异常行动的情况下，在步骤S202中，因素判定部111获取与该被护理者相关的输入数据。例如，存储部120经由通信部130获取并存储与该被护理者相关的失智级别信息、传感器组400所收集的传感器信息等。失智级别信息例如可以在看护设施等中获取，并且从该看护设施等的装置向服务器系统100发送。因素判定部111进行将所收集的数据中的与作为对象的被护理者相关的数据，即与规定期间对应的失智级别信息、环境信息、睡眠信息、排泄信息等作为输入数据读出的处理。
在步骤S203中，因素判定部111从存储部120读出因素判定用NN121。然后，将在步骤S202获取到的输入数据输入因素判定用NN121，通过进行顺方向的运算来求得输出数据。因素判定用NN121的输出数据例如如上所述，是表示各因素的概率的四个概率值。因素判定部111例如将概率值最大的因素判定为被护理者的异常行动的因素。例如，在表示失智因素的概率的值比其它三个因素的概率大的情况下，因素判定部111判定为异常行动为失智因素。另外，因素判定部111的输出并不限于此，也可以是四个概率值本身，也可以是基于这些概率值运算而得到的值。
因素判定部111例如定期地执行图8所示的处理。处理的频率是任意的，但也可以是例如一天一次左右。由此，能够定期地判定被护理者有无异常行动和存在异常行动的情况下的因素。例如，也可以是，因素判定部111每天早上执行图8的处理，并且基于处理结果来决定当天的护理方针。另外，在发现了被护理者异常行动的情况下，能够不等待下一次处理时机就执行图8的处理等，对于因素判定部111的处理进行各种变形而实施。
另外，作为与以上这样使用因素判定用NN121的处理不同的其它处理，对判定被护理者的行动是否为异常行动的例子进行了说明(参照图8的步骤S201)。但是，也可以作成进行包含是否为异常行动的判定的NN。
例如，也可以是，除了图6所示的输入数据以外，表示被护理者的行动的传感器信息等也被输入因素判定用NN121。也可以是，因素判定用NN121除了包含输出图6所示的四个因素的概率的节点以外，还包含输出“被护理者的行动没有异常的概率”的节点。在学习阶段中，除了存在异常行动的情况下的数据以外，还使用没有异常行动的情况下的数据来作成训练数据。具体而言，与输入数据相对应的正解数据包含表示“没有异常行动”的数据。在该情况下，因素判定部111通过将输入数据输入因素判定用NN121，能够推定有无异常行动及存在异常行动的情况下的因素。
2.3护理支持
2.3.1输入和输出
图9是例示用于支持信息的输出的支持信息输出用NN122的概略性的输入数据的图。如图9所示，输入数据也可以包含传感器信息。传感器信息包含感知被护理者的信息或者感知护理者的信息。传感器信息例如从传感器组400所包含的传感器输出。
另外，传感器信息也可以包含感知被护理者的生活环境的信息。该情况下的传感器信息例如相当于上述的环境信息。例如，传感器信息也可以包含温度传感器、湿度传感器、照度传感器、气压传感器、麦克风等的输出。
另外，输入数据也可以包含被护理者的属性数据、表示身体评估的身体评估数据。被护理者的属性数据包含被护理者的年龄、性别、身高、体重、病史、用药史等信息。身体评估数据包含ADL的评估值、康复记录、跌倒风险、褥疮风险等信息。
另外，输入数据也可以包含护理者的属性数据、与看护设施相关的数据。护理者的属性数据包含护理者的年龄、性别、身高、体重、护理经验、任职资格等。与看护设施相关的信息包含该看护设施的看护日程、看护装置300的数量、使用状况、被护理者的人数、需要看护程度的统计数据等信息。
图28～图42是例示在本实施方式中被用作支持护理者对被护理者的护理时的输入的数据的详情的图，并且是狭义上表示支持信息输出用NN122的输入数据的例子的图。如图28～图42所示，本实施方式中的输入数据能够利用各种各样的信息。此外，并不需要获取图28～图42所示的输入数据的全部，也可以省略一部分的信息。另外，也可以对图28～图42追加未图示的其它信息。
另外，支持信息输出用NN122的输出数据是在将护理者对被护理者的护理细分化为多个护理动作的情况下用于支持各护理动作的执行的信息。例如，支持信息输出用NN122的输出数据是用于决定护理的开始时机、护理时的动作、发声、向被护理者提供的物品的种类、数量等的支持信息。
图43～图45是例示在本实施方式中用于支持护理者对被护理者的护理时的数据的详情的图，并且是狭义上表示作为支持信息输出用NN122的输出数据的支持信息的例子的图。
图43是在护理被护理者的用餐的用餐护理中输出的支持信息的例子。例如在用餐护理中，护理者掌握被护理者的特征，并且以容易理解的方式向被护理者自身进行说明，从而进行使用餐的执行变得顺利的护理行动。例如，在被护理者有咀嚼能力低下的特征的情况下，若护理者掌握该特征则能够进行抑制误吞的措施，对被护理者进行“米饭已经变软了请好好咀嚼”的引导也是有用的。图43的编号1的输出数据是用于向护理者“传递利用这的特征”的支持信息，也可以是表示被护理者的特征本身的数据，也可以是被转换而使护理者容易理解的信息。另外，如上所述，护理者也可以向被护理者自身传达被护理者的特征，图43的编号1的输出数据也可以包含用于此目的的数据。编号2以后的数据也同样，图43所示的输出数据包含用于支持用餐护理中的护理者的各种行动的信息。
图44是在护理被护理者的排泄的排泄护理中输出的支持信息的例子。此外，排泄护理可以在卫生间进行，也可以使用尿布进行。编号66～72表示在卫生间进行排泄护理的情况下的输出数据，编号73～75表示进行使用尿布的排泄护理的情况下的输出数据。
图45是在护理被护理者的转移或者移动的转移护理、移动护理中输出的支持信息的例子。此外，转移/移动护理根据被护理者的状态、升降机等的可用状况而有无器具或者器具的种类不同。在图45的例子中，编号92～103表示在进行使用轮椅的护理的情况下的输出数据，编号104～107表示在进行使用拐杖的护理的情况下的输出数据，编号108～112表示在进行使用升降机的护理的情况下的输出数据。
如图43～图45所示，支持信息也可以包含支持用餐护理、排泄护理及转移/移动护理中的至少一个的信息。由此，在看护设施等中能够适当地支持必要性高的护理。例如，通过支持用餐护理，能够抑制误吞等的意外、并且能够改善被护理者的营养状态等。通过支持排泄护理，能够抑制排泄漏出、减少因排泄漏出而引起的对应工时、抑制此时产生的风险、减轻排泄障碍、抑制跌倒风险等。另外，通过支持转移/移动护理，能够减轻跌倒风险、进行需要护理者的提前准备等。
2.3.2支持信息输出用NN的结构例
图10～图12是表示图9所示的支持信息输出用NN122的更为具体的结构例的图。如图10所示，支持信息输出用NN122也可以是各NN输出一个支持信息的多个NN的集合。图10中的支持信息1与图43～图45所示的支持信息中的任一个对应。输入数据组1表示图28～图42所示的多个输入数据中的对于支持信息1的输出所需的一个或者多个输入数据。这对支持信息2及此后的支持信息也同样。
如图11所示，支持信息输出用NN122也可以是能够将关联的多个输出数据集中输出的多个NN的集合。在图11的例子中，支持信息输出用NN122包含用餐护理支持信息输出用NN、排泄护理支持信息输出用NN以及转移护理支持信息用NN。
例如，用餐护理支持信息输出用NN输出多个用餐护理支持信息。用餐护理支持信息输出用NN的输出数据与图43所示的多个支持信息对应。用餐护理支持信息输出用NN的输入数据表示图28～图42所示的多个输入数据中的对于用餐护理支持信息的输出所需的多个输入数据。排泄护理支持信息输出用NN的输出与图44所示的多个支持信息对应。转移护理支持信息输出用NN的输出与图45所示的多个支持信息对应。
另外，如图12所示，支持信息输出用NN122也可以是一个NN。图12的NN中的输入数据是图28～图42所示的所有的数据的集合，输出数据是图43～图45所示的所有的支持信息的集合。
另外，支持信息输出用NN122的结构并不限于图10～图12。例如，也可以是，通过将用餐护理支持信息输出用NN分割为几个，使用图10与图11的中间性结构。此外，支持信息输出用NN122的具体结构能够进行各种变形而实施。
图13是表示因素判定用NN121和支持信息输出用NN122的关系例的图。图13的因素判定用的输入数据是图6中的输入，并且包含失智级别信息等。另外，支持信息输出用122的输入数据是图9中的输入，并且具体而言是图28～图42所示的数据。此外，因素判定用的输入数据和支持信息输出用的输入数据也可以部分重复。
在图13所示的例子中，因素判定用NN121的输出数据被用作支持信息输出用NN122的输入数据的一部分。因素判定用NN121的输出数据也可以是如上述那样确定作为判定结果的一个因素的信息，也可以是基于多个概率值的信息。在如图10或者图11那样，支持信息输出用NN122包含多个NN的情况下，因素判定用NN121的输出数据可以输入所有的NN，也可以输入一部分的NN。由此，基于因素判定部111中的因素判定的结果，能够输出支持信息。其结果是，能够使护理者理解被护理者的失智发展程度，并且能够进行与该发展程度对应的各种护理。
此外，在未发现被护理者有异常行动的情况下，可以将因素判定用NN121的输出视为0。另外，如上所述，也可以是，因素判定用NN121能够输出表示“没有异常行动”的信息。
但是，在本实施方式的方法中，将因素判定部111的判定结果利用于支持信息的输出即可，具体方法并不限于图13的例子。
2.3.3学习处理和推论处理
学习部114中的支持信息输出用NN122的学习处理的流程与作成因素判定用NN121的情况同样。作成支持信息输出用NN122时的训练数据包含将输入数据和正解数据相对应的数据集，该正解数据表示熟练的护理者使用隐性知识进行的护理结果。
例如，在进行被护理者的用餐护理的情况下，传感器组400中的至少用餐护理所需的传感器接通。其结果是，图28～图42所示的输入数据中的与用餐护理相关的数据被传感器组400获取，并积累在服务器系统100的存储部120。另外，熟练的护理者让被护理者采取的姿势(对应于图43的编号9～12等)、用勺子提供食物的时机(对应于图43的编号26)、每口的提供量(对应于图43的编号25)等、表示护理者的护理结果的数据作为正解数据存储在存储部120。
学习部114通过将训练数据中的输入数据输入支持信息输出用NN122并使用此时的权重进行顺方向的运算来求得输出数据。另外，学习部114基于输出数据和正解数据来求得目标函数(例如均方误差函数等误差函数)，使用误差反向传播法等以减小误差的方式更新权重。学习结束时的支持信息输出用NN122作为学习完成模型而存储于存储部120。
此外，如图13所示，因素判定用NN121的输出也可以包含于支持信息输出用NN122的输入。在该情况下，训练数据中的输入数据包含表示被护理者的异常行动的因素的信息。例如，如在因素判定用NN121的学习处理中说明的那样，也可以将医生等专家给予的正解数据用作训练数据中的输入数据的一个。或者，也可以是，在因素判定用NN121的学习先完成的情况下，如图8所示，进行使用了因素判定用NN121的推论处理，并将其结果用作训练数据中的输入数据的一个。
正解数据与上述的例子同样，是表示熟练的护理者使用隐性知识进行的护理结果的信息。熟练的护理者能够考虑被护理者的失智发展程度等，自然地对被护理者进行适当的护理。即，通过将熟练的护理者的护理结果作为正解数据，能够对与异常行动的因素对应的适当的护理进行机械学习。获取了训练数据后的处理与该情况相同。即，学习部114使用训练数据中的输入数据来进行顺方向的运算，根据输出数据和正解数据来求得误差函数，以使误差最小的方式更新权重。
服务器系统100的支持信息输出部112在推论阶段获取图28～图42所示的输入数据。此外，此处的输入数据包含能够输出期望的支持信息的数据即可，并不需要获取图28～图42中所有的输入数据。另外，支持信息输出部112获取因素判定部111的判定结果作为输入数据的一个。支持信息输出部112从存储部120读出学习完成的支持信息输出用NN122，并将输入数据输入支持信息输出用NN122。此外，在如图11、图12那样，使用能够输出多个支持信息的NN的情况，且求得仅其中一部分的支持信息的输出的情况下，有输入数据的一部分没有被获取的可能性。在该情况下，支持信息输出部112例如也可以将没有获取的输入数据的值设定为0。支持信息输出部112通过进行顺方向的运算来求得支持信息作为输出数据。
3.处理的流程
接着，对于在护理设施等中，支持护理者对被护理者的护理时的具体处理的流程进行说明。
3.1行动的因素推定
首先，服务器系统100除了进行具体的护理程序的开始、执行的处理以外，判定是否发现被护理者有异常行动，另外，在发现了异常行动的情况下判定该异常行动的因素是什么。
例如，因素判定部111定期地使用图8进行上述的处理。由此，对于作为护理对象的多个被护理者，分别求得异常行动的有无及异常行动的因素。以下，假设已经获取了因素判定部111的因素判定的结果来进行说明。
3.2护理支持
3.2.1用户设定
本实施方式中的支持信息的例子如图43～图45所示。支持信息输出部112也可以输出该所有的支持信息。但是，在通知的信息量过多的情况下，有没经验的护理者无法掌握内容或者无法识别每个工序的重要性的差异的可能性。另外，由于有一定程度的经验的护理者无需支持也能够适当地执行给定的护理，因此也有对支持信息的通知感到困扰的可能性。因此，在本实施方式中，也可以是，作为护理者的用户能够设定输出的支持信息。
服务器系统100的存储部120也可以存储第一对应信息123。图14是第一对应信息的具体例。如图14所示，第一对应信息123是将确定护理者的护理者ID、支持信息以及表示该支持信息的输出设定的信息相对应的信息。
输出设定包含活跃和非活跃。在给定的支持信息被设定为活跃的情况下，支持信息输出部112对于作为对象的护理者输出该支持信息。在给定的支持信息被设定为非活跃的情况下，支持信息输出部112不对作为对象的护理者输出该支持信息。由此，能够对每个护理者弹性地设定输出的支持信息。
但是，如图28～图42所示，由于在本实施方式中假定的输入数据的种类非常多，因此看护设施可能无法获得所有的输入数据。例如，由于预算、看护设施的构造等的限制，有无法配置用于获得给定的输入数据所需的传感器的情况。在该情况下，由于缺少输入数据，因此存在无法以充分的精度求得给定的支持信息的可能性。
因此，支持信息的输出设定除了包含活跃/非活跃以外，还可以包含无法输出。无法输出表示由于无法获取必要的输入数据而不输出支持信息的设定。非活跃与无法输出不同，其表示能够获取必要的输入数据但不进行输出的设定。
例如，服务器系统100的存储部120也可以存储第二对应信息124和第三对应信息125。图15是第二对应信息124的具体例。如图15所示，第二对应信息124包含支持信息和该支持信息的输出所需的必须输入数据组。支持信息是图43～图45所示的多个数据中的任一个。必须输入数据组是图28～图42所示的数据中的一个或者多个。必须输入数据组例如也可以是由用户指定的数据。或者，也可以是，对于多个候补输入数据组分别作成支持信息输出用NN122，并且将使用的验证数据的正确率最高的候补输入数据组选择为必须输入数据组。另外，必须输入数据组并不限于一组，也可以将规定阈值以上的正确率的多个候补输入数据组用作必须输入数据组。
图16是第三对应信息125的具体例。第三对应信息125是将看护设施和在该看护设施中能够获取的输入数据相对应的信息。例如，也可以是，看护设施的负责人选择在该看护设施能够获取的输入数据，并且将选择结果发送至服务器系统100。或者，配置于看护设施的传感器组400将确定该看护设施的信息和传感器信息相对应并发送至服务器系统100。也可以是，服务器系统100的处理部110基于传感器信息的获取履历来作成第三对应信息125。
服务器系统100的设定部113基于第二对应信息124和第三对应信息125对于每个看护设施判定能否进行各支持信息的输出。具体而言，设定部113根据支持信息的输出所需的必须输入数据组是否包含于在作为对象的看护设施中能够获取的输入数据组，来判定能否进行支持信息的输出。
另外，输入数据与用于该输入数据的获取的传感器有对应关系。因此，存储部120也可以存储将输入数据和用于该输入数据的获取的一个或者多个传感器相对应的第四对应信息。通过在使用第二对应信息124和第三对应信息125以外，还使用第四对应信息，能够按每个传感器判定能够进行支持信息的输出。或者，也可以是，不单独提供第四对应信息，而将第二对应信息124和第三对应信息125的输入数据置换为传感器的信息。
另外，包含给定的传感器的器件并不限于一个。例如，在需要运动传感器410和摄像传感器420的情况下，可以利用包含摄像头和加速度传感器双方的智能手机等器件，也可以是利用分开的两个器件。另外，在摄像头中，也能够利用分辨率、放大率等不同的多个型号。因此，存储部120也可以存储将传感器和包含该传感器的器件相对应的第五对应信息。在该情况下，能够按每个器件来管理数据。例如，若看护设施方指定已导入的器件，在服务器系统100中，该器件所包含的传感器、使用该传感器能够获取的输入数据被确定。由于看护设施的负责人、护理者无需掌握器件所包含的传感器、能够由该器件获取的输入数据，因此能够提高用户的便利性。
此外，以上对以看护设施为单位，判定支持信息是否能够输出的例子进行了说明(参照图16)。但是，在本实施方式的方法并不限于此。例如，在一个看护设施具有需要看护程度高的居住者用的第一空间和需要看护程度低的居住者用的第二空间的情况下，考虑在第一空间配置较多的传感器，在第二空间配置较少的传感器。在该情况下，服务器系统100也可以分别管理在第一空间能够输出的支持信息和在第二空间能够输出的支持信息。此外，按每个被护理者分别管理能否进行支持信息的输出等、具体的方法能够进行各种变形而实施。
图17是设定输出对象的支持信息的设定画面的例子。以下所说明的处理例如像以下这样实现：移动终端装置210的存储部212存储与服务器系统100通信的网络应用程序，并且处理部211根据该网络应用程序进行动作。例如，显示画面的显示、用户操作的接收根据网络应用程序并使用显示部214、操作部215来进行。另外，显示画面的生成和更新、依据用户操作的数据库控制等由服务器系统100的设定部113执行。但是，本实施方式的方法并不限于使用网络应用程序，能够进行使用所谓的本地应用等的各种变形而实施。另外，在图17中，虽然表示了设定画面显示于移动终端装置210的显示部214的例子，但是设定画面也可以显示于其它的护理者用装置200。
例如，设定画面是能够对多个支持信息的每一个选择活跃、非活跃、无法输出的画面。在图17中，例示了包含对象OB1～OB3，该对象OB1～OB3与作为支持排泄护理的支持信息的“尿布的更换时机”、作为支持用餐护理的支持信息的“勺子的提供量”、“用勺子提供食物的时机”这三个对应。
例如，在对应的支持信息为活跃的情况下，对象以第一方式显示。在对应的支持信息为非活跃的情况下，对象以第二方式显示。在对应的支持信息为无法输出的情况下，对象以第三方式显示。此外，此处的显示方式可以使用对象的尺寸、形状、颜色来控制，也可以是使用对象所包含的文本的尺寸、字体、颜色等来控制。此外，具体的显示方向能够进行各种变形而实施。
在图17中，表示对象OB1～OB3为按钮，按钮的颜色根据活跃/非活跃/无法输出而不同的例子。例如，“尿布的更换时机”为活跃，“勺子的提供量”为无法输出，“用勺子提供食物的时机”为非活跃。在该情况下，支持信息输出部112输出表示“尿布的更换时机”的支持信息且不输出表示“用勺子提供食物的时机”的支持信息。另外，在作为对象的看护设施中，由于存在因传感器不足而难以高精度地求得“勺子的提供量”的可能性，因此不容许“勺子的提供量”的输出。通过对象OB1～OB3分别以不同的方式显示，能够以易于理解的方式提示护理者当前的设定。
护理者能够通过操作移动终端装置210的操作部215来切换活跃/非活跃。例如，在护理者执行了选择“尿布的更换时机”的操作的情况下，表示该意思的信息向服务器系统100发送。设定部113进行将第一对应信息123中的与作为对象的护理者ID的“尿布的更换时机”对应的输出设定更新为非活跃的处理。另外，设定部113生成对应的对象OB1以与非活跃对应的第二方式显示的显示画面，并且经由通信部130向移动终端装置210发送。显示部214显示该显示画面。
同样，在进行了与作为非活跃的支持信息对应的对象的选择操作的情况下，设定部113将与作为对象的护理者和支持信息对应的输出设定更新为活跃。另外，显示部214将进行了选择操作的对象的显示方式变更为第一方式。
另一方面，即使进行了与作为无法输出的支持信息对应的对象的选择操作，显示部214也维持表示无法输出的第三方式下的显示。在该情况下，设定部113不进行第一对应信息123的更新处理。
另外，在进行了与作为无法输出的支持信息对应的对象的选择操作的情况下，也可以进行该支持信息的输出所需的输入数据的建议。例如，也可以是，服务器系统100进行如下处理：基于第二对应信息124确定必要的输入数据，将该输入数据显示于移动终端装置210的显示部214。另外，如上所述，此处的输入数据可以置换为传感器，也可以置换为器件。例如，也可以是，设定部113进行如下处理：确定由用户进行了选择操作的支持信息的输出所需的传感器或者器件，将该传感器或者器件显示于移动终端装置210的显示部214。
图18是说明以上的设定处理的流程图。首先，护理者使用自身的护理者用装置200来执行设定变更操作。在步骤S301中，服务器系统100的设定部113经由网络NW接收该设定变更操作。
在步骤S302中，设定部113基于该时刻的第一对应信息123和表示进行了设定变更操作的护理者的护理者ID来进行将设定画面显示于护理者用装置200的处理。步骤S302的处理可以是作成与设定画面对应的图像，并将该图像发送至护理者用装置200的处理，也可以是将设定画面生成用的信息发送至护理者用装置200的处理。设定画面生成用的信息也可以是提取了第一对应信息123中的与护理者ID对应的一部分的数据的提取结果。另外，设定画面生成用的信息也可以是对提取结果进行了某些加工处理的加工结果。由此，例如在移动终端装置210的显示部214显示与图17对应的画面。
在步骤S303中，设定部113判定在护理者用装置200中执行的用户操作。在没有检测到进行设定变更的操作的情况下，设定部113结束处理。
另外，在进行了使活跃的支持信息变为非活跃的操作、或者使非活跃的支持信息变为活跃的操作的情况下，在步骤S304中，设定部113反映设定变更。具体而言，设定部113基于来自护理着用装置200的信息来进行更新第一对应信息123的处理。
另外，在进行了无法输出的支持信息的选择操作的情况下，在步骤S305中，设定部113确定该支持信息的输出中不充分的输入数据、或传感器、或器件。在步骤S306中，设定部113进行向护理者提示被确定的输入数据、或传感器、或器件的处理。步骤S306的处理与步骤S302的处理同样，可以是发送显示图像本身的处理，也可以是发送用于显示图像的生成的信息的处理。另外，此处的提示并不限于显示，也可以进行使用了声音等的提示处理。
3.2.2支持信息的输出处理
图19是说明支持信息输出部112输出支持信息的输出处理的流程图。在步骤S401中，支持信息输出部112获取与作为输出对象的支持信息对应的输入数据。具体而言，服务器系统100的存储部120存储图28～图42所示的多个输入数据中的用于输出作为对象的支持信息的一个或者多个输入数据。支持信息与输入数据的相对应例如使用上述的第二对应信息124来进行。
在步骤S402中，支持信息输出部112通过向支持信息输出用NN122输入必要的输入数据来求得支持信息。在步骤S403中，支持信息输出部112判定是否需要基于支持信息的通知。如果需要进行通知，则在步骤S404中，支持信息输出部112进行通知处理。通知可以是使用头戴式受话器的耳机等声音进行的通知，也可以是使用了移动终端装置210的显示部214的显示，也可以是其它通知。在不需要通知的情况下、或者进行了通知处理之后，支持信息输出部112结束处理。
如上所述，作为输出对象的支持信息的数量能够根据设置于看护设施的传感器的种类、护理者的设定而变更。但是，在任何情况下，对于每个作为输出对象的支持信息进行图19所示的输入数据的确定、由NN进行的运算、根据需要进行通知的处理的流程是通用的。
如果服务器系统100的处理性能有余量，则支持信息输出部112也可以对于设定为输出对象的所有的支持信息始终进行图19所示的处理，并且对于被判定为需要进行通知的信息适当执行通知处理。
另外，如果考虑处理负荷的减轻，则可以限定当时所需的支持信息并执行图19所示的处理。例如如图43～图45所示，支持信息能够根据需要的状况进行分类，例如分为用餐护理所需的支持信息、排泄护理所需的支持信息。因此，也可以是，支持信息输出部112确定当前的状况下需要的支持信息，并且将被确定的支持信息作为对象来执行图19所示的处理。例如，支持信息输出部112也可以对于用餐护理、排泄护理、转移/移动护理分别判定是否开始护理。支持信息输出部112将与被判定为开始的护理关联的支持信息作为对象来进行图19所示的处理。在下文，使用图20对开始判定进行描述。
另外，如果是用餐护理，则能够进行在餐前进行的护理、在用餐中进行的护理、在餐后进行的护理等的时序的分类。因此，支持信息输出部112能够在多个支持信息间规定执行图19所示的处理的顺序。另外，根据护理的不同，如在仅进行了第一护理的情况下才需要进行第二护理那样，在护理间还需要考虑到执行顺序、执行的必要性存在限制。
因此，本实施方式的信息处理系统10进行的护理的支持也可以根据组合了多个护理的护理程序来进行。具体而言，支持信息输出部112根据护理程序按序输出多个支持信息，从而支持护理者对被护理者的护理。
以下，对于用餐护理、排泄护理、转移/移动护理的每一个，说明护理程序的例子。具体而言，首先进行各护理程序的开始判定，随后说明各护理程序的具体流程。
此外，如使用图21～图23后述的那样，在以下的护理程序中，为了方便进行说明，仅将图43～图45中的一部分的支持信息作为输出对象。但是，对于本领域技术人员来说，能够容易地理解在后述的各护理程序中，能够实施省略一部分的支持信息的输出、或者追加图43～图45所示的其他支持信息的输出等的变形。
3.2.3开始判定
本实施方式中的护理也可以包含用餐护理、排泄护理、转移/移动护理。但是，这些护理不需要始终进行，在被护理者需要该护理且存在能够执行护理的护理者的情况下，执行具体的护理程序。即，在本实施方式中，也可以是，首先进行护理程序的开始判定，根据该判定结果来决定护理程序的开始、待机。
图20是说明开始判定的流程图。该处理例如对每个被护理者定期地执行。首先在步骤S501中，支持信息输出部112获取图28～图42所示的输入数据中的至少一部分。在步骤S502中，支持信息输出部112通过将获取到的输入数据输入支持信息输出用NN122来求得支持信息。此处的支持信息是确定用餐护理的开始时机、排泄护理的开始时机以及转移/移动护理的开始时机中的至少一个的信息。例如，支持信息输出部112也可以在进行了图20的处理的时机判定是否开始各护理。或者，支持信息输出部112也可以输出确定在几分钟后开始各护理等的具体时刻的信息。
在步骤S503中，支持信息输出部112判定当前时机是否为护理程序的开始时机。在判定为不是开始时机的情况下，支持信息输出部112结束处理，并再次待机至进行图20所示的处理为止。
例如，支持信息输出部112除了将看护设施中的用餐日程的信息作为输入数据，还将每个被护理者的脸色、体温、体重、用药、过去的用餐史、排泄史、康复记录等作为输入数据，从而判定用餐护理程序的开始时机。
另外，对于排泄护理也考虑存在例如一天五次等的粗略的日程的情况。因此，支持信息输出部112除了将看护设施中的排泄护理日程的信息作为输入数据，还将每个被护理者的用餐量、时机、水分摄入的量、时机、有无泻药给药、过去的排泄史、康复记录、褥疮的状态等作为输入数据，从而判定排泄护理程序的开始时机。
另外，支持信息输出部112除了将有无用餐、休息等需要被护理者的移动的事件的发生作为输入数据，还将被护理者的ADL、病史等作为输入数据，从而判定与转移/移动护理相关的护理程序的开始时机。
在判定为当前时机为护理程序的开始时机的情况下，在步骤S504中，支持信息输出部112进行决定护理作为对象的被护理者的护理者的处理。例如，支持信息输出部112也可以保存看护设施中的护理者的工作班次、被护理者的职责分配等的信息，并基于该信息来决定护理者。
在步骤S505中，支持信息输出部112进行向决定的护理者的护理者用装置200指示护理程序的开始的通知处理。例如，支持信息输出部112也可以进行在头戴式受话器等可穿戴设备220中再生“请开始对A的用餐护理”等的声音的处理。另外，支持信息输出部112也可以进行将同样的文本显示在移动终端装置210的显示部214的处理。
在步骤S506中，支持信息输出部112判定护理者对于上述通知处理的回应。例如，作为护理者的回应，可以设定“OK”、“稍后”、“转接”这三种。护理者的回应也可以通过声音进行。例如，也可以基于头戴式受话器的麦克风的检测结果来获取护理者的回应。另外，护理者的回应也可以通过文本输入等其它方式来实现。
“OK”是表示能够开始被指示的护理程序的意思的回应。在该情况下，在步骤S507中，支持信息输出部112转移至具体的护理程序。例如，支持信息输出部112开始图21、图22、图23等的处理。
“稍后”是表示虽然无法立即开始护理程序，但认为经过了规定时间能够开始的意思的回应。例如，相当于虽然当前正在进行其它业务，但在该业务完成后能够开始被指示的护理程序的情况等。在该情况下，在步骤S508中，支持信息输出部112待机规定时间，并且在待机后返回至步骤S505，再次向相同的护理者执行通知处理。
“转接”是难以执行护理程序并请求向其他护理者委托的回应。在该情况下，支持信息输出部112返回至步骤S504，选择其他护理者。步骤S505之后的处理同样。
但是，选择了“转接”的情况下的处理并不限定于此，例如，在给定的护理者选择了“转接”的情况下，支持信息输出部112也可以向多个护理者进行全体通知。然后，也可以是，选择该多个护理者中的回应了“OK”的护理者，并将该护理者作为对象开始具体的护理程序。
3.2.4用餐护理
图21是说明进行用餐护理的情况下的具体的护理程序的流程图。首先，当用餐护理程序开始时，在步骤S601中，支持信息输出部112进行将配置于看护设施等的传感器组400中的用餐护理的支持所需的传感器接通的控制。在步骤S601中，支持信息输出部112也可以远程控制传感器组400所包含的传感器的接通断开。或者，支持信息输出部112也可以进行对护理者用装置200等的看护设施内的装置指示要接通的传感器、器件，并且护理者根据该指示将传感器接通的操作。此后，虽然在流程图中没有明示，但是传感器组400定期地向服务器系统100发送传感器信息，支持信息输出部112能够获取支持的信息的输出所需的输入数据。
在步骤S602中，支持信息输出部112基于支持信息输出用NN122输出用于提供与被护理者对应的食物的支持信息。例如，在步骤S602中，支持信息输出部112输出指示与被护理者的过敏对应的食物和与病状对应的用药的支持信息。
接着，在步骤S603中，支持信息输出部112判定被护理者和护理者是否移动至进行用餐的位置。用餐可以在被护理者的起居室进行，也可以在食堂等进行。步骤S603的处理例如通过摄像头、RFID(radio frequency identifier：射频标识符)等，将能够确定被护理者和护理者的位置的信息作为输入数据来进行。此外，步骤S603的处理也可以是例如在护理者所携带的摄像头的画面拍摄到被护理者和用餐的时机，支持信息输出部112判定为被护理者和护理者移动至进行用餐的位置。
在被护理者和护理者中的至少一方没有到达位置的情况下，在步骤S604中，支持信息输出部112在待机了一定时间后，再次进行步骤S603的处理。
在被护理者和护理者到达了位置的情况下，在步骤S605中，支持信息输出部112求得食物的最低提供量。此处的最低提供量也可以是比配膳的量少的量。换而言之，护理者不需要使被护理者吃完配膳的食物，如果到达最低提供量，则也可以不必强迫提供超过最低提供量的食物。步骤S605的处理例如通过将被护理者的脸色、看护记录、体重的变化、用餐日程等作为输入数据来进行。
在步骤S606中，支持信息输出部112向护理者通知所求的最低提供量。通知可以是使用头戴式受话器等的耳机等的声音的通知，也可以是使用移动终端装置210的显示部214的显示。
在步骤S607中，支持信息输出部112求得用勺子提供食物的时机和勺子的提供量。用勺子提供食物的时机表示将盛在勺子上的一口量的食物放入被护理者的口中的时机。勺子的提供量表示一口量的食物的量。步骤S607的处理例如通过使用与被护理者的咀嚼状态相关联的输入数据来进行。与咀嚼状态相关联的输入数据例如是与被护理者的嘴巴的状态、咽喉的状态、面部的表情、脸色、姿势、回应搭话的用餐的变化、吞咽的时机、将食物放入口中的时间、用餐节奏等相关的信息，也可以是例如拍摄了被护理者的拍摄图像。另外，与咀嚼状态相关联的输入数据是与下巴的动作、面颊的动作、面部整体的动作、身体的动作相关的信息，例如也可以是运动传感器410的传感器信息。另外，与咀嚼状态相关联的输入数据也可以包含表示对用餐时的搭话等反应的音质、音量的声音数据、表示过去的用餐时的时机、量的差异、因季节而引起的差异、因身体状况而引起的差异等的信息。此外，表示用餐节奏的信息可以是拍摄图像，也可以是运动传感器410的传感器信息。此外，用于获取上述的信息时的传感器能够进行各种变形而实施。
在步骤S608中，支持信息输出部112向护理者通知求得的用勺子提供食物的时机和勺子的提供量。例如，支持信息输出部112在步骤S607中判定当前时机是否是用勺子提供食物的时机。支持信息输出部112在判定为是提供时机时在步骤S608通知该意思，并且在判定为不是提供时机时不进行通知。另外，也可以是，支持信息输出部112在判定为不是提供时机的情况下，在护理者要向被护理者提供食物时，进行不是提供时机的通知。
另外，支持信息输出部112也可以在例如判定为是提供时机的情况下，在步骤S607中求得勺子的提供量，并且在步骤S608中，将求得的提供量以克数或者以多/普通/少等阶段向护理者进行通知。或者，也可以是，支持信息输出部112在步骤S607中，通过使用表示护理者实际盛在勺子上的食物的量的输入数据，来求得表示勺子的提供量是否适当的支持信息。该情况下的输入数据例如包含拍摄了护理者的手边的摄像头的输出。在盛在勺子上的食物的量过多或者过少的情况下，在步骤S608中，支持信息输出部112也可以进行提示改变盛在勺子上的食物的量的通知。
此外，也可以将被护理者的表情用于护理者的护理是否为正解的判断。例如，支持信息输出部112也可以在被护理者笑着时作为正解而不特别输出指示，而在被护理者表情不快时输出指示。例如，支持信息输出部112也可以使用拍摄了被护理者的面部的图像、基于该图像的表情判定处理的结果作为步骤S607的输入数据。由此，能够基于被护理者的表情来判定用餐的节奏是否适当。或者，支持信息输出部112也可以根据心跳(脉搏)分析来判定放松程度。支持信息输出部112也可以在被护理者的放松程度较高时作为正解而不特别输出指示，而在被护理者的放松程度较低时输出指示。例如，支持信息输出部112使用表示心率、脉率或者这些的分析结果的信息作为步骤S607的输入数据。另外，可以将表情、放松程度用于护理是否适当的判定这一点，在图21的S607以外的步骤、后述的图22及图23中也同样。
在步骤S609中，支持信息输出部112判定被护理者的用餐是否结束。在没有结束的情况下，返回至步骤S607。通过这样重复步骤S607和步骤S608的处理，能够逐一向护理者提示提供一口量的食物的时机和此时的提供量。其结果是，能够使被护理者以适当的节奏进行用餐。
在判定为用餐结束的情况下，在步骤S610中，支持信息输出部112指示用餐结果的记录。例如，获取拍摄了剩余食物的拍摄图像作为用餐结果。此外，记录的指示可以是向护理者指示使用移动终端装置210等进行拍摄，也可以是通过远程控制配置于适当位置的摄像头来进行自动拍摄。
在步骤S611中，支持信息输出部112求得表示是否需要进行被护理者的水分补给的支持信息。在需要进行水分补给的情况下，在步骤S612中，支持信息输出部112进行向护理者指示水分补给的通知。此外，支持信息输出部112也可以在步骤S611中求得表示具体的补给量的支持信息，并在步骤S612中通知该补给量。
在不需要进行水分补给的情况下，或者在步骤S612的处理后，结束用餐护理程序。
此外，图21是用餐护理程序的一例，具体的程序能够进行各种变形而实施。例如，在看护床310进行用餐护理的情况下，也可以追加将该看护床310切换为适用于用餐的用餐模式(例如，抬背到至将背部底板设定在30度～90度的范围的角度的模式、抬膝到将膝部底板设定在0度～30度的范围的角度的模式、抬脚到将腿部底板设定在0度～90度的范围的角度的模式、倾斜至以使头侧更高的方式将床倾斜角度设定在0度～20度的范围的角度的模式)的控制。例如，也可以是，支持信息输出部112通过将摄像头等的输出作为输入数据求得表示被护理者和配膳的食物是否为适于开始用餐的状态的支持信息。在判定为被护理者和食物被适当设置的情况下，支持信息输出部112进行向护理者询问是否能够移动看护床310的通知处理。在护理者回应了“OK”的情况下，看护床310可以变更为用餐模式。
另外，支持信息输出部112能够在用餐场所准备好食物前，向护理者、厨师输出与用餐护理相关联的各种支持信息。
3.2.5排泄护理
图22是说明进行排泄护理的情况下的具体的护理程序的流程图。当开始排泄护理程序时，在步骤S701中，支持信息输出部112进行将配置于看护设施等的传感器组400中的排泄护理的支持所需的传感器接通的控制。
接着，在步骤S702中，支持信息输出部112判定护理者是否移动至进行排泄护理的位置。例如，在被护理者在看护床310上排泄于尿布的情况下，假定排泄护理在被护理者的起居室进行。在该情况下，步骤S702的处理通过将例如配置于起居室的摄像头或者护理者所携带的移动终端装置210的摄像头的输出、RFID的输出等作为输入数据来进行。
在护理者没有到达位置的情况下，在步骤S703中，支持信息输出部112在待机了一定时间后，再次进行步骤S702的处理。在护理者到达了位置的情况下，在步骤S704中，支持信息输出部112求得与取下尿布相关的支持信息。在步骤S705中，支持信息输出部112进行所求的支持信息的通知处理。
例如，如果取下尿布时被护理者的姿势、护理者的姿势，取下尿布的方向等不适当，粪便会粘在被护理者的衣物、床单上，因此不优选。因此，支持信息输出部112也可以例如在步骤S704中，判定取下尿布时的护理者的动作是否适当。例如，支持信息输出部112可以获取作为正解的动作，并且将该动作与实际的护理者的动作进行比较。在判定为不适当的情况下，在步骤S705中，支持信息输出部112可以通知其动作不适当，也可以具体地指示适当的动作。
在步骤S706中，支持信息输出部112求得与尿布的穿着相关的支持信息。在步骤S707中，支持信息输出部112进行所求的支持信息的通知处理。
支持信息输出部112也可以例如在步骤S706中判定穿着新的尿布时的护理者的动作是否适当。例如，也可以是，支持信息输出部112获取作为正解的动作，并且将该动作与实际的护理者的动作进行比较。在判定为不适当的情况下，在步骤S707中，支持信息输出部112可以通知其动作不适当，也可以具体地指示适当的动作。
虽然取下尿布时床单等变脏是个问题，但是由于护理者就在身边，因此护理者容易识别该污染，处理也较为容易。另一方面，在穿着不充分而引起漏便的情况下，产生漏便时护理者并不一定在被护理者身边。另外，考虑到护理者的负担，排泄护理的频率不易过度增加，也有漏便长时间不被处理的担忧。鉴于上述内容，支持信息输出部112也可以设定条件，使步骤S707的处理中的通知与步骤S705的处理相比更容易进行。例如，当正解与实际的动作的偏离程度超过阈值时，进行步骤S705和S707的通知的情况下，步骤S707中的阈值设定为比步骤S705中的阈值小。
或者，也可以是，在步骤S706中，通过使用设置于尿布的传感器的传感器信息作为输入数据，详细地判定穿着状态是否适当。在该情况下，也能够进行更着重于尿布的穿着的护理。
在步骤S708中，支持信息输出部112指示排泄状态的记录。具体而言，支持信息输出部112进行拍摄尿便的状态的指示和测定尿便的重量的指示。此外，重量的测定可以是尿布的重量测定，如果要输送垃圾箱则也可以是垃圾的重量测定。另外，此处的记录的指示可以是使护理者进行拍摄、重量测定，也可以是远程控制摄像头、传感器。
此外，图22是排泄护理程序的一例，具体的程序能够进行各种变形而实施。例如在看护床310进行排泄护理的情况下，也可以追加将该看护床310的高度变更为适于排泄护理的高度(例如使从地面到底板上表面的高度成为护理者无需弯腰的高度50mm～100mm等)的控制。例如，通过在图20的步骤S506中护理者回应了“OK”的情况下变更看护床310的高度，在护理者到达时实现容易进行排泄护理的状态。此外，在看护床310具有扬声器的情况下，支持信息输出部112也可以进行在高度变更前输出用于向被护理者说明该高度变更的目的的声音的控制。另外，支持信息输出部112也可以向护理者通知看护床310的高度变更的完成。
3.2.6转移护理或者移动护理
图23是说明进行转移护理或者移动护理的情况下的具体的护理程序的流程图。当开始转移/移动护理程序时，在步骤S801中，支持信息输出部112进行将配置于看护设施等的传感器组400中的转移/移动护理的支持所需的传感器接通的控制。
接着，在步骤S802中，支持信息输出部112判定被护理者的转移/移动护理是否需要升降机。步骤S802的处理通过将护理者与被护理者的体型差、被护理者的ADL、转移所需的时间、看护设施中的升降机的库存等作为输入数据来进行。
在不需要升降机的情况下，护理者通过人力使被护理者转移至轮椅。在步骤S803中，支持信息输出部112求得与通过人力进行的转移相关的支持信息。在步骤S804中，支持信息输出部112进行所求的支持信息的通知处理。此外，支持信息输出部112也可以进行向护理者询问在转移前可否进行轮椅的锁定的通知。在护理者回应需要的情况下，支持信息输出部112进行锁定轮椅的控制。或者，也可以是，支持信息输出部112也可以自动地判定是否需要进行锁定，并且在判定为需要的情况下，在步骤S803的处理之前，就向护理者指示轮椅的锁定。
支持信息输出部112也可以例如在步骤S803中判定通过人力进行的转移中的护理者的身体的用法是否适当。例如，也可以是，支持信息输出部112获取护理者的姿势、将被护理者放在腿上的位置等作为正解的动作，并且将该动作与实际的护理者的动作进行比较。护理者的动作可以使用运动传感器410检测，也可以使用摄像传感器420检测。另外，由于在转移/移动护理中，被护理者与护理者的位置关系很重要，因此这些传感器除了检测护理者的动作外，还检测被护理者的动作、姿势。在判定为不适当的情况下，在步骤S804中，支持信息输出部112可以通知其动作不适当，也可以具体地指示适当的动作。
在需要升降机的情况下，在步骤S805中，支持信息输出部112进行使升降机移动至被护理者附近的控制。在步骤S806中，支持信息输出部112求得与通过升降机进行的转移相关的支持信息。在步骤S807中，支持信息输出部112进行所求的支持信息的通知处理。
支持信息输出部112也可以例如在步骤S806中判定升降机的用法是否适当。例如，支持信息输出部112取得能够安全地吊起被护理者的吊带的穿着状态等作为正解的数据，并且将正解与实际的状态进行比较。在判定为不适当的情况下，在步骤S807中，支持信息输出部112可以通知其状态不适当，也可以具体地指示适当的穿着状态。
此外，在通过升降机吊起被护理者后，可以使被护理者落座于轮椅，也可以直接使被护理者移动。支持信息输出部112也可以考虑升降机的库存、移动目的地、被护理者的状态，判定使用哪一个，并向护理者通知。
此外，图23是转移/移动护理程序的一例，具体的程序能够进行各种变形而实施。例如，也可以追加将看护床310的高度(例如，看护床从底面到底板上表面的高度在能够直立的非护理者的情况下，为坐在床上时脚能够稳固着地的高度200mm～500mm、在向轮椅转移的情况下为比轮椅稍高的高度200mm～500mm、在从轮椅向床转移的情况下为比轮椅稍低的高度200～500mm等)变更为适于进行转移/移动护理的高度的控制。具体的控制与排泄护理等同样，并且省略详细的说明。
3.2.7与因素对应的具体的护理的变化
以下，对于用餐护理、排泄护理、转移/移动护理的具体的程序进行了说明。虽然在图21～图23中省略了说明，但是各支持信息也可以基于异常行动的有无、因素来求得。例如，使用图13并如上述那样，使用异常行动的有无、异常行动的因素判定结果作为求得支持信息时的输入数据。
例如，在因素判定部111判定为失智因素的情况下，支持信息输出部112假设失智正在发展而变更各护理程序中的输出。例如，支持信息输出部112在用餐护理中将表示每口食物的提供量的信息(勺子的提供量)和表示一口量的实物的提供时机的信息(用勺子提供食物的时机)作为支持信息输出。此时，支持信息输出部112可以在行动被判定为失智因素的异常行动的情况下，与行动被判定为不是失智因素的异常行动的情况相比，变更提供量和提供时机中的至少一方。由此，能够根据失智的被护理者和没有失智的被护理者而适当地变更用餐的节奏。例如，支持信息输出部112可以减少提供量，也可以延迟提供时机。由此，在被护理者因失智而容易窒息的情况下，能够适当地管理用餐的节奏。
另外，支持信息输出部112在排泄护理中将确定作为开始排泄护理的时机的排泄护理时机的信息作为支持信息输出。此时，也可以是，在行动被判定为失智因素的异常行动的情况下，与行动被判定为不是失智因素的异常行动的情况相比，变更排泄护理时机。由此，能够根据是否失智而在适当的时机开始排泄护理程序。例如，支持信息输出部112也可以提早排泄护理时机。通过像这样调节排泄护理时机，即使在因失智而被护理者自身难以控制排泄时机的情况下，也能够容易地保持清洁的状态。
此外，在判定为失智因素的异常行动的情况下，支持信息输出部112也可以变更支持信息而进行以下这样的用餐护理。例如，支持信息输出部112在判定为失智因素的异常行动的情况下，将与以下相关的通知的优先度设定得较高。例如，支持信息输出部112也可以在失智因素的情况下进行与以下相关的通知，而在不是异常行动的情况、是除了失智以外的因素的情况下，不进行以下的通知。或者，虽然支持信息输出部112不根据是否为失智因素就进行以下的通知，但是也可以执行在失智因素的情况下容易进行通知的控制。例如，支持信息输出部112可以在失智因素的情况下提高通知频率，也可以缓和是否需要通知的判定中的条件。
在用餐前完成排泄，以专心用餐；
通知是否睡眠充足、是否身体状况良好；
在配膳后，自行进行观察，了解今天的状况；
整理环境，准备令人平静的餐具，准备爱用的餐具；
摆成容易用餐的姿势；
在用餐没有进展时，进行改变时间等的调节；
通过搭话来护理吃第一口，让被护理者理解正在用餐；
搭话并教授吃的方法；
给予水分以防止脱水；
调节勺子的量和喂食的速度以免呛到；
在用餐没有进展的情况下，增加活动量，调整生活节奏。
另外，在判定为失智因素的异常行动的情况下，支持信息输出部112也可以变更支持信息而进行以下这样的排泄护理。
通知是否睡眠充足、是否身体状况良好；
选定并使用适当的内裤、尿布、护垫；
在卫生间排泄的情况下，确定卫生间是否冲水；
由于有如厕次数增加的可能性，采取跌倒对策；
观察排泄时机，搭话并引导去卫生间；
由于有排便的可能性，根据排泄时机引导如厕、进行尿布更换；
分配具有良好兼容性的工作人员。
另外，支持信息输出部112也可以输出与睡眠护理相关的支持信息。在判定为失智因素的异常行动的情况下，支持信息输出部112也可以变更支持信息而进行以下这样的睡眠护理。
调整生活节奏以保持自律神经正常；
进行运动以增加白天的活动量；
监控夜间是否存在异常行为。
此外，在进行夜间的监控的情况下，将离床传感器、监控传感器的传感器信息用作输入数据。例如，支持信息输出部112在被护理者正在用早餐时对不进行早餐的用餐护理的护理者指示传感器的导入。另外，在进行运动的情况下，支持信息输出部112例如也可以对护理者进行通知以在白天的排泄护理后建议进行休息、康复。
另外，如使用图6而上述的那样，也可以是，因素判定部111能够判定是否为环境因素及是否为排泄障碍因素作为异常行动的因素。例如，在判定为排泄障碍因素的异常行动的情况下，支持信息输出部112也可以变更支持信息而进行以下这样的护理。
通知向晚餐的配膳中添加泻药；
用餐内容的变更(早餐、午餐、晚餐均适用)；
指示在餐后进行水分的提供；
在白天的排泄护理后建议休息、康复。
此外，支持信息输出部112也可以不仅单纯指示泻药的添加而建议具体的泻药的种类、用药时间。例如，支持信息输出部112也可以通过将表示连续几天是否用泻药的信息、排便间隔的信息等用作输入数据来通知泻药的种类。另外，支持信息输出部112也可以向护理者指示在被判断为失智起因的被护理者随后被判断为排泄障碍起因的情况下，拆卸用于对应失智而配置的传感器中的除了排泄传感器以外的传感器。
另外，在判定为环境因素的异常行动的情况下，支持信息输出部112也可以变更支持信息而进行以下这样的护理。
自动地控制扬声器、照明的节奏，以使其与环境起因前的数据相同。
通过像这样接近与异常行动发生前同样的环境，能够调整被护理者的生活节奏。此外，也可以是，护理者等能够暂时地停止应用自动控制或者进行不应用自动控制等的设定变更。另外，支持信息输出部112也可以向护理者指示在被判断为失智起因的被护理者随后被判断为环境起因的情况下，拆卸用于对应失智而配置的传感器。
另外，支持信息输出部112也可以在行动被判定为失智因素的情况下，与没有判定为异常行动的情况相比，增加作为输出对象的支持信息的种类。例如，上述的“整理环境，准备令人平静的餐具，准备爱用的餐具”的支持信息在判定为失智因素的情况下输出，但是也可以在判定为其他因素的情况下不成为输出对象。在该情况下，例如也可以使用温度传感器、湿度传感器、照度传感器、气压传感器等的输入数据来判定对于被护理者来说优选的环境。
因此，支持信息输出部112也可以在行动被判定为失智因素的情况下，与没有判定为异常行动的情况相比，增加使用的传感器信息的种类。由此，由于输入数据的种类增加，因此能够高精度地求得进行适于失智的护理的支持信息。
另外，支持信息输出部112也可以基于确定能够使用的一个或者多个传感器的信息和在行动被判定为失智因素的情况下追加的传感器信息来判定需不需要追加新的传感器。在此，能够使用的一个或者多个传感器具体而言是配置于作为对象的看护设施的传感器，基于图16的第三对应信息125来确定。如使用图14～图16而上述的那样，根据配置于看护设施的传感器的种类不同，有无法以充分的精度输出给定的支持信息的担忧，有该支持信息被设定为“无法输出”的可能性。因此，根据看护设施不同，有即使因素判定部111判定为失智因素，也难以进行适于失智的支持信息的输出的可能性。信息处理装置例如也可以判定是否需要追加传感器，并且建议追加需要追加的传感器、包含该传感器的器件。由此，能够适当地输出与因素相关的支持信息。
如以上说明的那样，假定适当的护理根据异常行动的有无、该异常行动的因素而变化。根据本实施方式的方法，在支持护理者的护理时，使用被护理者的行动的因素判定结果。其结果是，能够使护理者进行更适于被护理者的护理。
具体而言，能够将熟练的护理者的隐形知识数据化，使熟练度较低的护理者也进行适当的护理。例如，由于即使是熟练度较低的护理者也能够与熟练者进行同等的护理，因此提高护理的再现性。另外，由于护理技能的差异被抑制，组织管理也变得容易，因此被护理者跌倒等意外的产生被抑制。其结果是，能够抑制伴随着入院的空床的产生，伴随着事故报告的作成而产生的加班。另外，由于如果意外得到抑制，则可以抑制护理者对风险过于敏感，因此能够减轻压力，其结果是，能够对离职率进行抑制。另外，通过护理者的技能提高、能够改善劳动环境，从而也能够提高被护理者、被护理者的家族的满足度、提高QOL(Quality of Life)。
此外，本实施方式的信息处理系统10、服务器系统100、护理者用装置200等的处理的一部分或者大部分也可以通过程序实现。在该情况下，通过CPU等的处理器执行程序实现本实施方式的信息处理系统10等。具体而言，读出存储于非暂时性的信息存储介质的程序，CPU等的处理器执行所读出的程序。在此，信息存储介质(能够通过计算机读取的介质)储存程序、数据等，并且其功能能够通过光盘、HDD或者存储器(卡式存储器、ROM等)等实现。并且，CPU等的处理器基于储存于信息存储介质的程序来进行本实施方式的各种处理。即，在信息存储介质存储了用于使计算机作为本实施方式的各部分发挥功能的程序。
另外，本实施方式的方法能够应用于如下的信息处理方法：基于(1)被护理者的失智级别信息和(2)被护理者的环境信息、排泄信息以及睡眠信息中的至少一个来判定被护理者的行动是否为失智因素的异常行动，基于判定结果和作为与进行被护理者的护理的护理者或者被护理者相关的传感结果的传感器信息来输出支持护理者对被护理者的护理的支持信息。
4.变形例
＜多个护理程序的并列处理＞
使用图21～图23的上述各护理程序也可以按序执行。例如，给定的护理者通过在待命状态时在图20的步骤S506响应OK，执行与图21～图23中的任一个对应的程序，并在结束后返回至待命状态。此外，待命状态表示作为对象的护理者没有执行任一个护理程序的状态。然后，通过再次在步骤S506响应OK，执行与图21～图23中的任一个对应的程序。
但是，在看护设施等中，也有一位护理者同时实施多个被护理者的护理的情况。例如，在使被护理者A和被护理者B就座于靠近的位置的情况下，一位护理者同时执行被护理者A和被护理者B的用餐护理。在该情况下，在以被护理者A为对象的图21的用餐护理程序的执行结束后，执行以被护理者B为对象的图21的用餐护理程序是不高效的。
因此，支持信息输出部112也可以对一位护理者并列地执行多个护理程序。例如，在上述的例子中，支持信息输出部112并列地执行被护理者A用的用餐护理程序和被护理者B用的用餐护理程序。此外，虽然在此对护理者和被护理者为1:2的例子进行说明，但是一位护理者同时负责的被护理者也可以为三人以上。
例如，支持信息输出部112在被护理者A的用餐护理程序中，进行步骤S605的处理，并将其结果在步骤S606中以“A的最低提供量为x克”等的形式进行通知。同样，在被护理者B的用餐护理程序中，进行步骤S605的处理，并将其结果在步骤S606中以“B的最低提供量为y克”等的形式进行通知。这样，支持信息输出部112并列地执行与被护理者A相关的输入数据的获取和与被护理者B相关的输入数据的获取，并且基于各个输入数据，在必要的时机执行与被护理者A相关的支持信息的输出和与被护理者B相关的支持信息的输出。由此，即使护理者和被护理者是一对多的关系，也能够使护理者执行各被护理者所需要的护理。此外，通过设置能够同时拍摄多个被护理者的广角摄像头，也能够使与被护理者A相关的输入数据和与被护理者B相关的输入数据共通。
但是，由于护理者只有一位，因此即使多个支持信息在非常接近的时机被通知，应对全部的信息也是不容易的。例如，在对被护理者A进行了步骤S608的通知的情况下，护理者将用勺子盛根据通知的量的食物，并进行运送到被护理者A的口中的动作。即使在该动作完成之前就对被护理者B进行了步骤S608的通知，护理者也难以用勺子盛被护理者B的食物并运送到被护理者B的口中。
或者，在进行多个被护理者的用餐护理的情况下，由于全员聚集在食堂等用餐场所，因此使被护理者用餐是高效的。因此，即使判定为护理者和被护理者A到达了位置(步骤S603中为“是”)，在被护理者B没到达位置的情况下，也考虑不优选对被护理者A开始步骤S607-S609等的处理的情况。
若考虑到这些情况，则支持信息输出部112可以不单纯并列地执行与多个被护理者相关的护理程序，而执行考虑了多个护理程序间的关系的处理。例如，支持信息输出部112在以给定的护理者为对象并列地执行多个护理程序的情况下，也可以控制各护理程序的执行、停止(暂停)。
例如，支持信息输出部112在对被护理者A进行了步骤S608的通知的情况下，也可以暂停与被护理者B相关的用餐护理程序。然后，在护理者对被护理者A进行的一口量的用餐完成的情况下，重新开始被护理者B的用餐护理程序。由于支持信息输出部112对被护理者B在步骤S607中进行了可以提供用餐的判定，因此在步骤S608中，对护理者执行用于使被护理者B吃一口量的食物的通知。在该情况下，由于护理者正在执行为了被护理者B进行的动作，因此支持信息输出部112在该动作结束之前，进行暂停护理者A的用餐护理程序的处理。
或者，支持信息输出部112也可以在判定为被护理者A到达了位置的情况下(步骤S603中为“是”)，暂停与被护理者A相关的用餐护理程序，直到判定为相同的护理者负责用餐护理的其他所有的被护理者到达了位置为止。
图24A是说明与给定的护理者相关的护理程序的过渡的状态过渡图。例如，支持信息输出部112为了支持进行被护理者A和被护理者B的用餐护理的护理者，执行两个用餐护理程序。此时，支持信息输出部112基于给定的条件进行状态过渡。例如，支持信息输出部112在执行与被护理者A相关的用餐护理程序的状态下，在判定为由护理者完成了一个单位的护理的情况下，过渡为停止与被护理者A相关的用餐护理程序，并执行与被护理者B相关的用餐护理程序的状态。
或者，支持信息输出部112也可以判定在各护理程序中要通知的支持信息的优先度。例如，由于被护理者A完成了用餐，因此支持信息输出部112判定为进行用于存储用餐结果的通知(步骤S610)，并且由于被护理者B没有完成用餐，因此支持信息输出部112判定为进行用于提供一口量的食物的通知(步骤S608)。用餐结果的记录只要在进行收拾之前则能够在任意的时机执行，相对于此，只要不进行一口量的食物的提供，被护理者B的用餐就不会完成。因此，在该情况下，支持信息输出部112也可以优先执行被护理者B的用餐护理程序，而暂停被护理者A的用餐护理程序。由此，也能够在以多个被护理者为对象的多个护理程序之间实现适当的状态过渡。此外，多个护理程序间的状态过渡也可以考虑其他的护理程序正中断执行中的护理程序。
另外，虽然以上表示了两个用餐护理程序并列地执行的例子，但是本实施方式的方法并不限定于此。图24B是说明本实施方式中的护理程序间的状态过渡的另一图。
如图24B所示，在本实施方式中，有并列地执行用餐护理程序、排泄护理程序、转移护理程序、异常应对程序等各种程序的可能性。在该情况下，支持信息输出部112也可以控制图24B所示的各护理程序之间的过渡。此外，在图24B中，虽然表示了从给定的种类的护理程序向其他种类的护理程序过渡时经由待命状态而进行的例子，但是也可以在各护理程序之间进行直接过渡。另外，如图24A所示的那样，在用餐护理程序中也可以包含多个护理程序。同样，排泄护理程序等其它的护理程序也能够包含多个护理程序。
例如，假设在给定的护理者向被护理者A提供用餐时，被护理者A处于异常状态。异常的状态例如是呛到的情况等。在该情况下，护理者停止被护理者A的用餐护理，进行异常应对。例如，支持信息输出部112与图20的步骤S501～S503同样，在后台执行异常应对程序的开始判定，在检测到被护理者A的异常的情况下，开始异常应对程序。此外，虽然也可以执行图20的步骤S505～S506的处理，但考虑到被护理者A的负责人与用餐护理的负责人相同且存在紧急性较高的可能性，因此也可以省略步骤S505～S506的处理。
由此，在应执行的护理程序中追加异常应对程序。然后，支持信息输出部112暂停当前执行的用餐护理程序，开始异常应对程序的执行。在通过异常应对程序确认了异常解除的情况下，支持信息输出部112重新开始暂停的用餐护理程序等、进行向其它的护理程序的过渡。
或者，也有在给定的护理者向被护理者A提供用餐时，被护理者A想去卫生间的情况。在该情况下，在应执行的护理程序中追加排泄护理程序。另外，也有根据被护理者A的ADL、卫生间的位置等而需要进行转移护理程序的情况。例如，支持信息输出部112暂停用餐护理程序，首先执行用于移动到卫生间的转移护理程序，接着执行排泄护理程序，结束后重新开始暂停的用餐护理程序。
必要的护理发生变化的因素要考虑被护理者的意愿引起的、被护理者的身体状况引起的、失智等疾病引起的、药物引起的、环境引起的、季节引起的、外部因素引起的、当日的护理进展与预定的偏差引起的等各种因素。例如，支持信息输出部112也可以进行检测这些因素的处理，并且进行基于所检测的因素和当前执行的护理程序来决定作为过渡对象的护理程序的处理。
这样，支持信息输出部112通过并列地执行多个护理程序和控制该多个护理程序之间的状态过渡，能够适当地应对各种状况。例如，如上所述，即使在护理者和被护理者为一对多的情况下，也能够支持执行的护理、该护理的顺序的决定。由于能够减轻护理者的负担，因此能够减轻被护理者的误吞、跌倒等意外的风险。另外，在给定的护理执行中，即使在突发地需要其它护理的情况下，由于护理者能够适当地支持此时应该进行的护理，因此能够减轻护理者的负担并减轻被护理者的风险。
＜用户进行的数据追加＞
以上，对通过学习部114作成支持信息输出用NN122的情况进行了说明。例如，也可以是信息处理装置的提供者预先选择给定的看护设施等用作学习，使用来自该看护设施等的数据来作成支持信息输出用NN122。在另外追加利用信息处理装置提供的服务的看护设施的情况下，例如通用现有的支持信息输出用NN122。
但是，本实施方式的方法并不限定于此，也可以由看护设施等的用户另外追加训练数据，并使用该训练数据执行追加的机械学习。
例如，也可以是，在多个看护设施中维持支持信息输出用NN122通用的状态的同时，汇总来自各看护设施的数据并用于机械学习。在该情况下，由于可以从多个看护设施收集训练数据，因此有容易增加训练数据的数量的优点。
或者，也可以对每个看护设施执行追加的机械学习。在该情况下，对每个看护设施更新支持信息输出用NN122。即，能够将支持信息输出用NN122专用于作为对象的看护设施。
图25A是例如显示于移动终端装置210的显示部214的画面的例子。在与图17比较的情况下，追加了用于追加数据的对象OB4。在护理者进行了对象OB4的选择操作的情况下，过渡到图25B的画面。
在图25B中，包含显示作为追加训练数据的对象的支持信息的名称的区域RE1、能够输入被护理者ID、护理者ID、输出数据的区域RE2。被护理者ID是确定被护理者的信息。护理者ID是确定护理者的信息。输出数据是与支持信息输出用NN122的输出对应的信息。在图25B中，表示由于以尿布的更换时机为对象，因此使用时刻作为输出数据的例子。但是，输出数据的形式能够根据支持信息的种类进行各种变形而实施，可以是图像，可以是声音，可以是数值，也可以是表示真伪的二值数据，也可以是其他形式。
在图25B的例子中，表示护理者ID为abcde的护理者在进行被护理者ID为12345的被护理者的排泄护理时，判定2021/MM/DD hh:mm:ss的时刻作为尿布的更换时机是适当的。另外，除了护理者的操作以外，在看护设施中获取与尿布的更换时机对应的输入数据。即，将输入数据与2021/MM/DD hh:mm:ss这个输出数据相对应的数据集可以成为输出尿布的更换时机的支持信息输出用NN122的训练数据。
但是，在本实施方式中，假想将熟练的护理者的隐性知识数据化，不依赖于护理者的熟练度而进行适当的护理。因此，即使通过给定的护理者的输入获取了上述的数据集，也不清楚该数据集是正的数据还是负的数据。正的数据表示相对于输入数据对应了适当的正解数据的数据集，负的数据表示相对于输入数据对应了不适当的正解数据的数据集。
因此，学习部114例如也可以保持将护理者ID与护理者的熟练度相对应的对应信息。熟练度可以由看护设施的管理者手动输入，也可以根据经验年数、持有资格证、过去的护理史等自动地判定。学习部114将熟练度高的护理者的数据集作为正的数据，将熟练度低的护理者的数据集作为负的数据。
或者，即使是熟练者发起的护理，也考虑是进行了按照手册的护理的情况和根据自己的直觉调整了护理的做法的情况。熟练者的隐性知识在该熟练者按照直觉行动的情况下使用的盖然性很高。因此，如图25B所示，显示画面的区域RE2也可以输入是否使用了直觉。护理者例如在判定尿布的更换时机时，将是否使用了直觉输入到区域RE2。学习部114将对应的输入为“是”的情况下的数据集作为正的数据来利用。
由于获取了训练数据后的学习处理与使用图8的上述的例子相同，因此省略详细的说明。如果是图25B的例子，则通过更新输出尿布的更换时机的支持信息输出用NN122，能够输出更高精度的更换时机。此外，虽然以上说明了与尿布的更换时机相关的例子，但是对于其它的支持信息也同样可以追加训练数据。
＜自定义支持信息＞
另外，以上例示了图43～图45作为能够输出的支持信息。但是，由以上的说明可知，在护理中所求的支持多种多样，并且根据看护设施的不同，或者根据护理者的不同，有所需要的支持也不同的可能性。因此，考虑有需要不包含于现有的支持信息的种类的支持信息的情况。因此，在本实施方式中，护理者也可以追加任意的自定义支持信息。
例如，在图25B中，显示于区域RE1的支持信息的名称不是固定的，也可以由护理者任意地编辑。护理者例如使用“进行XXXX的时机”这样的文本，输入期望的自定义支持信息的名称。“XXXX”是表示例如护理者所执行的具体的护理行动的文本。另外，护理者在进行了与“XXXX”对应的护理行动的情况下，输入护理者ID、被护理者ID、输出数据、是否使用了直觉等。由此，作为输出“进行XXXX的时机”的支持信息输出用NN122的训练数据的一部分，获取输出数据和表示该输出数据为正的数据还是负的数据的信息。
进一步，信息处理装置也可以进行将用于确定训练数据中的输入数据的画面显示于移动终端装置210的显示部214的控制。图25C是输入数据确定用的显示画面的例子。图25C所示的画面包含显示自定义支持信息的名称的区域RE3、能够选择已配置于对象的看护设施的器件的名称以及该设备可获取的输入数据的名称的区域RE4。
例如，睡眠扫描仪例如是图2D所示的传感装置450，能够检测心率、呼吸频率、活动量。护理者选择器件可获取的数据中的想要用作求得自定义支持信息时的输入数据的数据。图25C表示护理者选择将睡眠扫描仪获取的呼吸频率和设置于床边的摄像头的图像用作输入数据，而将脉冲量氧计的输出不用作输入数据的例子。
通过使用图25C所示的画面，将自定义支持信息的名称和用于该自定义支持信息的输出的输入数据相对应。表示该对应的对应信息被发送至服务器系统100并存储在存储部120。
在服务器系统100的存储部120中，积累了从对象的看护设施收集的时序的呼吸频率和时序的床边的摄像头图像。因此，学习部114提取与使用图25B获取的输出数据对应的呼吸频率以及摄像头图像作为输入数据。例如，服务器系统100保持基于图25B的输出数据的获取时机，并从存储部120读出基于该获取时机设定的规定期间的呼吸频率以及摄像头图像。然后，学习部114基于将所读出的输入数据与输出数据相对应的训练数据来进行用于输出自定义支持信息的支持信息输出用NN122的学习处理。
另外，如图25C所示，也可以在移动终端装置210的显示部214显示用于进行学习开始操作的对象OB5。在检测到护理者进行了对象OB5的选择操作的情况下，学习部114进行上述的学习处理。由此，另外作成输出自定义支持信息的支持信息输出用NN122。此外，由于学习处理与上述例子相同，所以省略详细的说明。另外，在自定义支持信息的机器学习中，只要能够获取将输入数据和输出数据相对应的训练数据即可，用户界面并不限于以上说明的内容。
此外，此时的NN的构造能够进行各种变形而实施。图26是表示通用的NN的构造例的图。图26所示的NN包含：CNN1，该CNN1将图像数据作为输入来提取特征量；CNN2，该CNN2将声音数据作为输入来提取特征量；矢量变换NN，该矢量变换NN将文本数据作为输入来提取特征量；以及CNN3，该CNN3将其它的传感器信息作为输入来提取特征量。另外，图26的NN包括接收来自CNN1、CNN2、矢量变换NN以及CNN3的输出并输出自定义支持信息的DNN(DeepNeural Network)。
图26所示的NN能够接受图像、声音、文本以及其它的传感器信息作为输入。自定义支持信息的输入数据例如如图25C所示的那样可以考虑多种模式，但是无论是哪种模式，都能够适当地接受输入数据。此外，在图像数据未被选择为输入数据的情况下，CNN1的输入被视为0。在没有选择声音数据、文本数据、其它的传感器信息作为输入数据的情况下也同样，CNN2、矢量变换NN、CNN3中的对应的NN的输入成为0。
图25D是在机械学习结束后显示于移动终端装置210的显示部214的画面的例子。图25D的显示画面显示例如在学习处理中使用验证数据而获取的正解率。另外，在图25D的例子中，护理者能够选择是否利用该学习结果来进行自定义支持信息的输出。例如，对于“是否应用”的问题，在护理者选择了是的情况下，能够进行自定义支持信息的输出。例如，在图17中与上述的例子同样，通过将“进行XXXX的时机”的自定义支持信息设定为活跃，来输出自定义支持信息。另一方面，在护理者选择了否的情况下，不进行自定义支持信息的输出。
另外，虽然由于正解率低而不能直接采用，但是也有护理者考虑对象的自定义支持信息很重要而想要进行利用的可能性。在该情况下，也可以委托信息处理装置的管理者、提供者进行分析处理。例如，对于“是否委托分析”的问题，在护理者选择了是的情况下，在服务器系统100侧执行输出自定义支持信息的支持信息输出用NN122的变更处理。
例如，在原来的正解率小于规定阈值的情况下，服务器系统100的学习部114也可以通过变更NN的构造来尝试正解率是否提高。由于图26所示的NN是如上所述考虑了通用性的结构，因此通过更专用于自定义支持信息的构造，有提高正解率的可能性。此外，在原来的正解率超过规定阈值的情况下，学习部114也可以跳过支持信息输出用NN122的变更处理。
例如，如图10所示，在存在构造不同的多个NN作为支持信息输出用NN122的情况下，学习部114也可以将该多个NN分类为几类。
图27是说明NN的分类处理的图。例如，学习部114通过进行使用了表示作为输出的支持信息的名称的文本的文本挖掘处理，求得n维特征量，并进行基于该n维特征量的聚类。此外，为了方便进行说明，虽然在图27中图示了二维的特征量平面，但n也可以为3以上。例如，将支持信息输出用NN122中的输出“尿布的更换时机”的NN作为对象的情况下，提取“尿布”、“更换”、“时机”等单词，基于提取结果求得输出“尿布的更换时机”的NN的n维特征量。
另外，聚类方法并不限于文本挖掘处理，学习部114也可以通过进行逻辑回归分析等分析处理，对多个NN进行聚类。另外，学习部114也可以通过人力对图10所示的多个NN的一部分赋予聚类结果，来使用该结果进行剩余的NN的聚类。由此，能够提高聚类处理的精度。
在图27的例子中，服务器系统100所保持的多个NN中的NN1～NN3被分类为类别1，NN4～NN7被分类为类别2，NN8～NN10被分类为类别3。另外，学习部114基于自定义支持信息的名称同样地求出n维特征量，从而判定属于哪个类别。例如，学习部114从“进行XXXX的时机”的自定义支持信息的名称提取“XXXX”、“时机”等单词，并且基于提取结果求得与自定义支持信息对应的n维特征量。学习部114根据自定义支持信息的聚类结果，决定用于学习的NN的构造。
例如，如图27所示，假设自定义支持信息被分类为类别1。在该情况下，学习部114选择NN1～NN3中的某一个，使用所选择的NN的构造和上述的自定义支持信息用的训练数据，作成自定义支持信息用的NN。此时，也可以仅使用原来的NN的构造，对全部权重进行新的运算。或者，也可以进行直接使用原来的NN的权重的一部分的转移学习。例如，学习部114使用NN1～NN3各自的构造和自定义支持信息用的训练数据进行机械学习，求得学习完成模型的正解率。然后，学习部114与图25D同样地向护理者提示最高的正解率，并使护理者输入是否应用。在护理者回应了是的情况下，对应的支持信息输出用NN122存储于存储部120，从而自定义支持信息的输出成为可能。
此外，在追加进行机械学习的情况下，训练数据的积累期间，换而言之，成为分析对象的数据的获取期间与被护理者的ADL的关系变得重要。例如，假设能够独立行动的被护理者因跌倒而骨折，需要轮椅的护理。在像这样ADL较大地变化的情况下，在变化前和变化后，适合该被护理者的护理有很大的不同。因此，例如有基于ADL变化前的训练数据的学习结果在ADL变化后没有用的可能性。
因此，虽然在图25C中未图示，但是例如在进行学习开始操作时，不仅可以进行输入数据的种类的输入，还可以进行分析期间的输入。护理者指定认为作为对象的被护理者的ADL与当前为相同程度的期间。由此，由于作为学习结果的支持信息输出用NN122成为与当前的被护理者的ADL对应的内容，因此能够支持适当的护理。另外，假想服务器系统100例如收集被护理者的ADL作为输入数据之一。因此，在进行了学习开始操作时，学习部114也可以获取作为对象的被护理者的ADL的时序变化，并且基于该ADL的时序变化来自动地设定分析期间。
此外，虽然如上述那样对本实施方式进行了详细说明，但本领域技术人员应该能够容易地理解能够进行不脱离本实施方式的新事项以及效果的多个变形。因此，所有这样的变形例都包含在本发明的范围内。例如，在说明书或者附图中，记载了至少一次的与更广义或同义的不同术语一同记载的术语能够在说明书或者附图的任何地方用与之不同的术语代替。另外，本实施方式以及变形例的全部组合也包含在本发明的范围内。另外，信息处理系统、服务器系统、移动终端装置等的结构和动作等也不限于本实施方式中说明的结构，能够进行各种变形而实施。

Claims (7)

1.一种信息处理装置，其特征在于，包含：
因素判定部，该因素判定部基于(1)被护理者的失智级别信息和(2)所述被护理者的环境信息、排泄信息以及睡眠信息中的至少一个来判定所述被护理者的行动是否为失智因素的异常行动；以及
支持信息输出部，该支持信息输出部基于所述因素判定部的判定结果和作为与进行所述被护理者的护理的护理者或者所述被护理者相关的传感结果的传感器信息来输出支持所述护理者对所述被护理者的护理的支持信息。
2.根据权利要求1所述的信息处理装置，其特征在于，
所述支持信息包含支持护理所述被护理者的用餐的用餐护理、护理所述被护理者的排泄的排泄护理以及护理所述被护理者的转移或者移动的转移/移动护理中的至少一个的信息。
3.根据权利要求2所述的信息处理装置，其特征在于，
在所述用餐护理中，所述支持信息输出部将表示每口的食物的提供量的信息和表示一口量的食物的提供时机的信息作为所述支持信息输出，
在所述行动被判定为所述失智因素的所述异常行动的情况下，与所述行动被判定为不是所述失智因素的所述异常行动的情况相比，所述支持信息输出部变更所述提供量和所述提供时机中的至少一方。
4.根据权利要求2所述的信息处理装置，其特征在于，
所述支持信息输出部将确定排泄护理时机的信息作为所述支持信息输出，该排泄护理时机是开始所述排泄护理的时机，
在所述行动被判定为所述失智因素的所述异常行动的情况下，与所述行动被判定为不是所述失智因素的所述异常行动的情况相比，所述支持信息输出部变更所述排泄护理时机。
5.根据权利要求1至4中任一项所述的信息处理装置，其特征在于，
在所述行动被判定为所述失智因素的情况下，与未被判定为所述异常行动的情况相比，所述支持信息输出部增加使用的所述传感器信息的种类。
6.根据权利要求5所述的信息处理装置，其特征在于，
所述支持信息输出部基于确定能够使用的一个或者多个传感器的信息和在所述行动被判定为所述失智因素的情况下追加的所述传感器信息来判定是否需要追加新的传感器。
7.一种信息处理方法，其特征在于，
基于(1)被护理者的失智级别信息和(2)所述被护理者的环境信息、排泄信息以及睡眠信息中的至少一个来判定所述被护理者的行动是否为失智因素的异常行动，
基于判定结果和作为与进行所述被护理者的护理的护理者或者所述被护理者相关的传感结果的传感器信息来输出支持所述护理者对所述被护理者的护理的支持信息。
CN202180068747.9A 2021-03-01 2021-06-29 信息处理装置及信息处理方法 Pending CN117121112A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2021032143A JP2022133183A (ja) 2021-03-01 2021-03-01 情報処理装置及び情報処理方法
JP2021-032143 2021-03-01
PCT/JP2021/024601 WO2022185558A1 (ja) 2021-03-01 2021-06-29 情報処理装置及び情報処理方法

Publications (1)

Publication Number Publication Date
CN117121112A true CN117121112A (zh) 2023-11-24

Family

ID=83155276

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180068747.9A Pending CN117121112A (zh) 2021-03-01 2021-06-29 信息处理装置及信息处理方法

Country Status (5)

Country Link
US (1) US20230317273A1 (zh)
JP (1) JP2022133183A (zh)
CN (1) CN117121112A (zh)
TW (1) TW202236196A (zh)
WO (1) WO2022185558A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024150512A1 (ja) * 2023-01-13 2024-07-18 パナソニックＩｐマネジメント株式会社 学習済みモデルの生成方法、学習済みモデルの生成装置及びプログラム

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9254099B2 (en) * 2013-05-23 2016-02-09 Medibotics Llc Smart watch and food-imaging member for monitoring food consumption
US10322036B2 (en) * 2014-10-03 2019-06-18 Glen Haire Incontinence system
US10896756B2 (en) * 2015-04-21 2021-01-19 Washington State University Environmental sensor-based cognitive assessment
JP6575000B2 (ja) * 2015-08-07 2019-09-18 公立大学法人大阪 見守りシステム、情報処理方法、及びプログラム
JP6932668B2 (ja) * 2018-04-27 2021-09-08 パラマウントベッド株式会社 評価装置及びプログラム
US11367516B2 (en) * 2018-10-31 2022-06-21 Medtronic Minimed, Inc. Automated detection of a physical behavior event and corresponding adjustment of a medication dispensing system
JP2020144652A (ja) * 2019-03-07 2020-09-10 国立大学法人福井大学 介護補助プログラム、介護補助装置、介護補助方法及び介護補助システム

Also Published As

Publication number Publication date
JP2022133183A (ja) 2022-09-13
TW202236196A (zh) 2022-09-16
US20230317273A1 (en) 2023-10-05
WO2022185558A1 (ja) 2022-09-09

Similar Documents

Publication Publication Date Title
EP3367322A1 (en) Central processing device and central processing method for monitored-person monitoring system, and monitored-person monitoring system
JP7234572B2 (ja) ケアシステム、その管理方法、およびプログラム
WO2018003518A1 (ja) 被監視者監視システムの中央処理装置および中央処理方法ならびに被監視者監視システム
CN117121112A (zh) 信息处理装置及信息处理方法
JP2018051188A (ja) 活動状況管理装置
JP6880811B2 (ja) 被監視者監視装置、該方法および該システム
WO2020075675A1 (ja) ケアシステムの管理方法および管理装置、ならびにプログラム
JP7044073B2 (ja) 支援制御方法及び支援システム
US20220257163A1 (en) Anticipating patient needs associated with toileting
JP2022082634A (ja) 被監視者監視システムの中央処理装置および中央処理方法
JPWO2018110294A1 (ja) ケア計画出力装置、該方法および該システムならびに被監視者監視システム
JP2022189528A (ja) 情報処理装置及び情報処理方法
JP2021174189A (ja) サービスのメニューの作成を支援する方法、サービスの利用者の評価を支援する方法、当該方法をコンピューターに実行させるプログラム、および、情報提供装置
JP7547250B2 (ja) 情報提供装置
JP2023172460A (ja) 情報処理装置及び情報処理方法
JP6980872B2 (ja) 活動状況管理装置
JP7467869B2 (ja) 制御プログラム、情報処理装置、および情報処理システム
US20240265086A1 (en) Terminal device and control method
JP2023161202A (ja) 情報処理システム、情報処理装置及び情報処理方法
WO2023210035A1 (ja) 情報処理システム、情報処理装置及び情報処理方法
JP2024020035A (ja) 情報処理システム及び情報処理方法
JP2021149329A (ja) 排せつ管理システム、排せつ管理方法およびプログラム
JP2024102433A (ja) 介護業務量算出システム、介護業務量算出方法、および介護業務量算出プログラム
JP2024098228A (ja) 介護支援システム
CN118302787A (zh) 信息处理装置和信息处理方法

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