JP2008186439A

JP2008186439A - 在宅健康管理システム

Info

Publication number: JP2008186439A
Application number: JP2007050527A
Authority: JP
Inventors: Seki Tama O; 碩玉王
Original assignee: Kochi University of Technology
Current assignee: Kochi University of Technology
Priority date: 2007-01-30
Filing date: 2007-01-30
Publication date: 2008-08-14

Abstract

【課題】ファジィ集合を用いて疾病の知識に関するあいまい概念を定量化し、距離型ファジィ推論法に基づいて、症状および所見から健康状態をチェック・助言し、更に、現在の健康状態、家族の遺伝的情報と生活習慣から将来の疾病リスクを予測できる在宅健康管理システムを提供する
【解決手段】在宅健康管理システムは、疾病に関する症状および所見の程度を表現するあいまい概念をビジュアル的に入力できるヒューマンインタフェース２と、個人データベース３と、医学知識データベース６と，個人データ処理手段４と，ヒューマン推論エンジン５と、アドバイス情報処理手段８とを備える。個人の生体情報データベースの形成機能と、個人の生体情報のとき系列からあいまい概念を表すファジィメンバーシップ関数を生成する手段とを備える。
【選択図】図１

Description

発明の詳細な説明

本発明は、在宅の利用者に対する健康状態をチェック・助言し、疾病予防を目的とする在宅健康管理システムに関するものである。

高齢者をはじめとして、人々が健康であるならば、高齢社会の未来は明るい。健康は、病気になった場合にどのような治療をするかというフィードバック的な観点が重要であるが同時に、常によりよい健康状態を保つために、普段の食生活習慣を改善するフィードフォワードの考え方も大切である。近年、生活環境の改善や生活習慣の変化に伴い、主要な疾病は高血圧症や糖尿病などの生活習慣病に移行している。生活習慣病とは、「食習慣、運動習慣、休養、喫煙、飲酒等の生活習慣が、その発症・進行に関与する疾患群」であると指摘されている。生活習慣病は長期に渡る生活習慣に大きく影響されるため、医療側のアプローチだけでは限界があり、日常生活のなかで一人ひとりが、自らの健康について主体的に取り込むことが重要になってくる。発症の要因となる生活習慣を見直していれば、生活習慣病になる確率を減らせることが検証されている。最近、個人の健診情報から生活習慣病の発症可能性を予測するシステム、ファジィ理論を用いた癌などの疾患診断システム、知的クラスタリングとルールベースを用いた消化器癌患者の予後診断の方法、などが開発されている。また、自己組織化マップを健康診断データに適用し、健康状態をわかりやすく表示させる健康評価法も提案された。これらの研究成果は、個人の健康増進行動の支援に重要な役割を果たしている。

自宅では、もし何時でも気軽に相談できる医師が身近に居れば、健康チェックや助言を得て、病気、特に生活習慣病の早期発見、早期治療ができ、手遅れにならず健康かつ長寿を全うして社会に貢献できる。

しかし、急速に進んでいる高齢・少子化社会では、常に身近に医師を置くことは不可能である。最近、疾病に関する解説書、生活習慣を簡単にチェックする方法が多く見られるが、これらは症状および所見と生活習慣の程度を表現する「軽い」や「ひどい」などのあいまい概念を細かく表現していない。もし健康チェック・健康助言を行う場合、あいまいな概念を正確に定量的に表現できれば、身体状態をより的確に把握でき、チェック精度を向上させることが可能となる。そのため、症状を説明する際の曖昧な概念を的確に表現でき、且つ誰でも容易に使用可能な健康助言システムが求められている。また、最も的確な結果を得るには、個人の身体的な特徴と現在の健康状態を考慮することが必要である。そうすれば生活習慣病を発症するリスクの予測が可能になる。現在健康と判断されている人が、将来生活習慣病になる可能性がゼロである保証にはならないので、予防や早期治療の観点から、リスクを予測し、警鐘を鳴らすことが大切である

本発明は、このような点に鑑みて創作されたものであり、ファジィ集合を用いて生活習慣病の知識に関するあいまい概念を定量化し、距離型ファジィ推論法に基づいて、症状および所見から健康状態をチェックし・助言し、更に、現在の健康状態、家族の遺伝的情報と生活習慣から将来の疾病リスクを予測できる在宅健康管理システムを提供することにある。

上述した課題を解決するために、本発明の在宅健康管理システムは、疾病に関する症状および所見の程度を表現するあいまい概念をビジュアル的に入力できるヒューマンインタフェースと、個人データベース、医学知識データベース、個人データ処理手段，ヒューマン推論エンジン、アドバイス情報処理手段を備えることを特徴としている。

また、ファジィ集合を用いて、疾病の知識に関するあいまい概念を定量化し、個人の生体情報データベースの形成機能を備え、個人の生体情報のとき系列からあいまい概念を表すファジィメンバーシップ関数を生成する手段を備えることを特徴としている。

更に、距離型ファジィ推論法に基づいて、症状および所見から健康状態をチェック・助言し、現在の健康状態，家族の遺伝的情報と生活習慣から将来の生活習慣病リスクを予測できる手段を備えることを特徴としている。

本発明の在宅健康管理システムによれば、在宅の使用者は何時でも健康チェックや助言を得ることができ、疾病の早期発見・早期治療ができ、手遅れにならず健康かつ長寿を全うして社会に貢献できる。

以下、在宅健康管理システムの例を示す図１に基づき、本発明の実施形態について説明する。

ヒューマンインタフェース２では、疾病の種類を選択し、疾病に関する症状および所見と生活習慣の状態を入力する。症状および所見と生活習慣の各項目（例えば「めまい」、「頭痛」、「ストレス」など）に対し、在宅使用者１はマウスを用いて、「無い」、「軽い」、「少しひどい」、「ひどい」、「かなりひどい」の所に「○」を入れる。そうすると、疾患の起こる可能性が数字表示される。

チェックサブシステム７は個人データベース３、医学知識データベースＭＫＤＢ（ＭｅｄｉｃａｌＫｎｏｗｌｅｄｇｅＤａｔａｂａｓｅ）６、個人データ処理手段４、推論エンジン５から構成されている。予測サブシステム９は医学知識データベース６、推論エンジン５、アドバイス情報処理手段８から構成されている。チェックサブシステム７における個人データ処理手段４では，生体特性を考慮した処理手法に基づいて、個人データベース３とファジィメンバーシップ関数によって入力した個人特性データを定量化する。

医学知識データベース６は、４４種類の疾病を含む。これらの病気についての病名、症状および所見、生活習慣、遺伝要素の数を表１に示す。但し高血圧症の１１個の症状および所見、５個の生活習慣、２個の遺伝要因を表２示し、ここでは、高血圧以外の病気に関する説明を省略する。

ここでは疾病の症状および所見と生活習慣の程度を，ない（Ｚ），軽い（Ｓ），ややひどい（ＳＬ），ひどい（Ｌ），かなりひどい（ＶＬ）の五つのファジィ集合を用いて表す．また疾病発症の可能性の程度も，無い（Ｚ），すこしある（Ｓ），やや高い（ＳＨ），高い（Ｈ），極めて高い（ＶＨ）の五つのファジィ集合を用いて表す．医学知識データベースでは，各疾病に関する知識を，次のようなファジィルールを用いて表現する．

ただし，
ｎ：ルール数
ｍ：症状および所見または生活習慣または遺伝要因の数
ｘ_ｉｊ：症状および所見または生活習慣または遺伝要因
Ａ^ｉｊ：ｘ_ｉｊの度合いＡ^ｉｊ∈｛Ｚ，Ｓ，ＳＬ，Ｌ，ＶＬ｝
ｙ：生活習慣病
Ｂ^ｉ：病気が起こる可能性Ｂ^ｉ∈｛Ｚ，Ｓ，ＳＨ，Ｈ，ＶＨ｝
例えば，高血圧では，表２に示したとおり症状および所見による高血圧発症の可能性の推論を，次のようなファジィルールを用いて表現する．
ルール１：
もし，「血圧が高い，めまいがひどい，軽い頭痛を感じる，肩こりがややひどい，軽い耳鳴りがする，動悸または息切れがややひどい，急激に視力が下がる，体がだるい，時々手足がしびれる，顔のほてりはない，肥満ではない」のような症状ならば，高血圧の可能性が高い．
すなわち，
Ｒ^１：Ｉｆ｛ｘ_１１＝Ｌ，ｘ_１２＝Ｌ，ｘ_１３＝Ｓ，ｘ_１４＝ＳＬ，
ｘ_１５＝Ｓ，ｘ_１６＝ＳＬ，ｘ_１７＝Ｌ，ｘ_１８＝ＳＬ，
ｘ_１９＝Ｓ，ｘ_１１０＝Ｚ，ｘ_１１１＝Ｚ｝
Ｔｈｅｎｙ＝Ｈ
ルール２：
もし，「血圧がやや高い，軽いめまい，軽い頭痛がある，軽い肩こり，耳鳴りはない，動悸または息切れがやや強い，かなり急激に視力が下がる，体がだるい，手足のしびれはない，顔がほてるような感じがする，肥満ではない」のような症状ならば，高血圧の可能性がやや高い．
すなわち，
Ｒ^２：Ｉｆ｛ｘ_２１＝ＳＬ，ｘ_２２＝Ｓ，ｘ_２３＝Ｓ，ｘ_２４＝Ｓ，
ｘ_２５＝Ｚ，ｘ_２６＝ＳＬ，ｘ_２７＝ＶＬ，ｘ_２８＝ＳＬ，
ｘ_２９＝Ｚ，ｘ_２１０＝Ｌ，ｘ_２１１＝Ｚ，｝
Ｔｈｅｎｙ＝ＳＨ
ルール３：
・・・・・・・・・・・・・・・・・
Ｒ^３：・・・・・・・・・・・・・
・
・
・
医学知識データベースには，上述のような４４種類の疾病に関するファジールールが６２０個ある．

体質の個人差は、個人の遺伝情報や生活環境の影響を受けるので、疾患に対する抵抗力や病気の発症可能性は、人によって異なる。したがって、個人がより的確なチェック結果を得るには、個人の生体的な特徴を考慮する必要がある。そのため、健康チェックと助言システムには、個人の生体情報データベース（ＰＣＣＤＢ：ＰｅｒｓｏｎａｌＣｏｎｓｔｉｔｕｔｉｏｎＣｈａｒａｃｔｅｒｉｓｔｉｃＤａｔａｂａｓｅ）の形成機能を備える。ここでは、体質を表す生体情報データを個人特性データと呼ぶ。個人特性データを静的と動的な二つのタイプに分類する。身長、年齢、遺伝因子などのように相対的に変化しないデータを静的個人特性データ、血圧や脈や体温などのように相対的に変動しやすいデータを動的個人特性データと呼ぶ。静的個人特性データの場合、健康検診により、データベースを生成し、原則として一年ずつ更新する。また、遺伝要因や合併症を示すデータが、医療機関で発見された場合、随時に更新できる。動的個人特性データの場合、その人の特性データを時系列として記録し、一定期間内のデータから算出した個人特性を合わせてＰＣＣＤＢを形成する。個人特性の算出には、時系列からファジィ変数に変換する手法を利用している。

以下、血圧を例として、動的個人特性時系列データによりファジィメンバーシップ関数を生成する手法を述べる。まず、世界保健機構（ＷＨＯ）の基準により、収縮期血圧ＳＢＰ（ＳｙｓｔｏｌｉｃＢｌｏｏｄＰｒｅｓｓｕｒｅ）の高さを表すファジィ集合を図２のように設定する。ただし、ファジィ集合は、ＮＶＬ：「非常に低い」、ＮＬ：「かなり低い」、ＮＳＬ：「低い」、ＮＳ：「やや低い」、Ｚ：「正常」、ＰＳ：「やや高い」、ＰＳＬ：「高い」、ＰＬ：「かなり高い」、ＰＶＬ：「非常に高い」である（ここでは、ＮとＰはそれぞれ「低い」と「高い」を表す）。横軸上の値はＷＨＯに定められた収縮期血圧の標準値であり、収縮期血圧の正常値の範囲は［１０５、１３５］で、一般の健常者にほぼ適用できる。次に、構築されたある健常者の血圧時系列データベースを、式（２）と式（３）を用いて、血圧時系列データの変動範囲の上限ｓｕｐＳＢＰ_ｓと下限ｉｎｆＳＢＰ_ｓを計算する。

ただし、
ＳＢＰ_ｉ：毎日の測定値ＳＢＰである。且つ∀ｉ∈［１，ｐ−１］に対して、ＳＢＰ_ｉ≦ＳＢＰ_ｉ＋１
ｐ：測定日数である
ｑ＝ＩＮＴ（０．１×ｐ）
ｌ＝１０
健常者の血圧時系列データベースから、収縮期血圧の高さを表すファジィ集合を図２のように設定する。その横軸上の座標は次のように計算される。
ｃ_４＝ｉｎｆＳＢＰ_ｓ
ｃ_７＝ｓｕｐＳＢＰ_ｓ

拡張期血圧ＤＢＰ（ＤｉａｓｔｏｌｉｃＢｌｏｏｄＰｒｅｓｓｕｒｅ）などのような動的個人特性時系列データは、同様の変換が必要な手法に適している。

疾病の知識の曖昧な概念はファジィ集合で定量化しているので、推論エンジンを構成する際に、ファジィ推論法を使うことになる。また、古くなった医学知識の削除、最新医学の知識や病名の追加が必要なために、学習機能を持たせることが重要である。更に、一般的な症状を表す知識の前件部が沢山ある。したがって、マムダニ推論法をはじめ、適合度を推論根拠とする諸推論法を適用することが難しい。そこで、集合間の距離情報を推論根拠とする、距離型ファジィ推論法を適用する。距離型ファジィ推論法が分離規則を満たしているので、知識の更新と追加が簡単に速やかに実現でき、かつ多数の前件部を持つ知識に対応できる。

以下、疾病の知識を表すファジィルールＲ^ｉに対する、距離型ファジィ推論を述べる。

距離型ファジィ推論法は次の３つのステップから構成される。

ＳＴＥＰ３：以下の分解定理により、推論結果Ｂを求める。

推論エンジン５では、距離型ファジィ推論法の三つのステップに基づいて、ヒューマンインタフェース２で入力された各要因の状態を事実として、それぞれ症状および所見による推論結果（現時点における疾病にかかるリスク）ｙ_０ｓ，生活習慣による推論結果ｙ_０ｌ，遺伝要因による推論結果ｙ_０ｈを求める。ここでは，前件部、後件部、及び事実に関して、シングルトン型ファジィ集合を用いてファジィ推論を行う。（１０）式によりｄ_ｌ〜ｄ_ｎを計算する。

推論結果は（１１）式で求める。

ただし、ａ^ｉｊとａ^ｊとｂ^ｊはそれぞれ前件部、与えられた事実と後件部である。

現時点において病気になっていない、或いは起こる可能性が低いが、時間が経つと良くない生活習慣の蓄積により、健康状態が悪くなって、疾患になる可能性が高くなる。逆に、現在の悪い生活習慣を改善することで、疾患になる可能性が低くなる。ここでは、今の生活習慣を続けると、将来、生活習慣病にかかるリスクが高くなる可能性をＹ_１、今の生活習慣を改善すると、将来、疾患にかかるリスクを軽減する可能性Ｙ_２として、上述した現象は式（１２）と式（１３）に示すように定量的に表現することができる。

ただし、ｋ１は生活習慣と遺伝要因が人間の健康状態に与える影響の大きさを調整するためのパラメータである。ｋ１が大きければ大きいほど、その影響が大きくなる。ｋ２は遺伝要因に比べ、生活習慣の方が健康状態に与える影響の大きさを表す。

アドバイス情報処理手段８では，症状および所見により推論した現時点における生活習慣病にかかるリスクｙ０ｓ，生活習慣による推論結果ｙ０ｌ，遺伝要因による推論結果ｙ０ｈに基づき，式（１２）と式（１３）を用いてＹ１とＹ２を求める。

図３は本発明のシステムを利用して糖尿病に関する健康チェック・健康助言の結果を示す。図３（ａ）と参考図１（ｂ）では、症状および所見と生活習慣に対し、「なし」の項目が同じである。「なし」以外の項目に関して、Ｆｉｇ。４（ａ）ではその程度が全て「かなりひどい」であり、図３（ｂ）ではその程度が「軽い」から「かなりひどい」まで様々である。結果的には図３（ａ）は糖尿病の起こる可能性がやや高く、図３（ｂ）は糖尿病の起こる可能性が少しある。図３の結果から、症状および所見と生活習慣の程度を、一つの言葉だけではなく、複数の言葉で表現することにより、身体状態をより的確に把握でき、チェック精度を高める可能があることが判った。

図４は本発明のシステムを利用して高血圧に関する健康チェック・健康助言の結果を示す。まず、研究室のＡ氏とＢ氏に対して、一ヶ月間の普段の血圧を記録し、Ａ氏とＢ氏の血圧時系列データベースＰＣＣＤＢをそれぞれ形成した。Ａ氏とＢ氏の一ヶ月のＰＣＣＤＢから、Ａ氏の収縮期血圧の正常範囲は１１０〜１３０ｍｍＨｇであり、Ｂ氏のＳＢＰの正常範囲は９０〜１２０ｍｍＨｇであることが判った。また、Ａ氏とＢ氏の一ヶ月のＰＣＣＤＢに基づいて、式（２）〜（４）を用いて、Ａ氏とＢ氏の収縮期血圧の高さを表すファジィメンバーシップ関数を設定した。の結果から、同じ人に対して、症状および所見と生活習慣の各項目の程度がまったく同じように入力されても、個人特性を考慮する場合としない場合では、高血圧の起こる可能性がやあ異なることが判った。また人が異なり、血圧のＰＣＣＤＢも違う場合、症状および所見と生活習慣に関する各項目の程度が同じでも、高血圧の起こる可能性が少し違うことが判った。

本発明の在宅健康管理システムの例を示す図である。動的個人特性時系列データによりファジィメンバーシップ関数を生成する手法を示す図である。糖尿病に関する健康チェック・健康助言の結果を図である。高血圧に関する健康チェック・健康助言の結果を示す図である。

符号の説明

１在宅使用者
２ヒューマンインタフェース
３個人の生体情報データベース
４個人データ処理手段
５推論エンジン
６医学的な知識データベース
７チェックサブシステム
８アドバイス情報処理手段
９予測サブシステム

Claims

疾病に関する症状および所見の程度を表現するあいまい概念をビジュアル的に入力できるヒューマンインタフェースと、個人データベース、医学知識データベース、個人データ処理手段，ヒューマン推論エンジン、アドバイス情報処理手段とを備えることを特徴とする在宅健康管理システム。
ファジィ集合を用いて疾病の知識に関するあいまい概念を定量化し、個人の生体情報データベースの形成機能を備え、個人の生体情報の時系列からあいまい概念を表すファジィメンバーシップ関数を生成する手段を備えることを特徴とする請求項１記載の在宅健康管理システム。
距離型ファジィ推論法、個人データベース、医学知識データベースに基づいて、症状および所見から健康状態をチェックし、疾病を発症するリスクを推論するチェックサブシステムを備えることを特徴とする請求項１記載の在宅健康管理システム。
距離型ファジィ推論法に基づいて現在の健康状態，家族の遺伝的情報と生活習慣から将来の疾病リスクを予測する予測モデルを備えることを特徴とする請求項１記載の在宅健康管理システム。