JP2013248329A - 健康状態判定方法および装置 - Google Patents
健康状態判定方法および装置 Download PDFInfo
- Publication number
- JP2013248329A JP2013248329A JP2012126997A JP2012126997A JP2013248329A JP 2013248329 A JP2013248329 A JP 2013248329A JP 2012126997 A JP2012126997 A JP 2012126997A JP 2012126997 A JP2012126997 A JP 2012126997A JP 2013248329 A JP2013248329 A JP 2013248329A
- Authority
- JP
- Japan
- Prior art keywords
- determination
- value
- data
- abnormal
- normal
- 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.)
- Granted
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—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
- A61B5/48—Other medical applications
- A61B5/4842—Monitoring progression or stage of a disease
-
- 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
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Veterinary Medicine (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Physics & Mathematics (AREA)
- Physiology (AREA)
- Cardiology (AREA)
- Psychiatry (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Pulmonology (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
【解決手段】健康状態判定方法は、モデル構築処理と健康判定処理を含む。モデル構築処理では、検査項目ごとに検査データの値が取り得る値域を正常域、境界域、異常域の3つの領域に分割する処理を含む。正常域、異常域は、医学的知見に基づいて国際的な機関や学会等で定められた境界値で区分けされ、境界域は境界値近傍に設定される。この境界域に属するデータの値を正常とみなすか、異常とみなすかによって、複数の判定候補モデルを作成し、過去の健康診断の被験者のデータを用いて、その複数の判定候補モデルから一つの判定候補モデルを選択し判定モデルとする。健康判定処理では、判定モデルを用いて健康診断のある検査項目に関する被験者の検査データの値が正常であるか異常であるかを判定する。
【選択図】図4
Description
境界域は、医学的な知見によって定められている、検査データの値が正常とみなされる正常域と値が異常とみなされる異常域との間の境界値を含む。境界値は、境界域の中心に位置していてもよいし、中心に位置していなくてもよい。境界域が設定されると、次に、この境界域に属するデータの値を正常とみなすか、異常とみなすかによって、複数の判定候補モデルを作成する。そして、その複数の判定候補モデルを検証することで、一つの判定候補モデルを選択し、選択された判定候補モデルを構築された判定モデルとする。
判定候補モデルの検証は、過去の複数の健康診断の被験者に対する検査データと被験者の疾病の罹患のデータ(あわせて「学習データ」または「モデル構築用データ」とも呼ぶ)を用いて、どの判定候補モデルが、最も高い精度で疾病の罹患を予測できるかに基づいて行ってもよい。
複数の判定候補モデルは、たとえば、一つの検査項目に一つの境界域が存在する場合は、その境界域に属する値を正常域とみなすか、異常域とみなすかで2つのモデルを得ることができる。また、別の例では、複数の判定候補モデルは、例えば、値の範囲の幅がそれぞれ異なる複数の境界域に対して得られたモデルであってもよい。また判定候補モデルは、複数の検査項目を含んでも良い。この場合、たとえば、二つの検査項目を含み、それぞれの検査項目に一つずつの境界域が存在する場合は、境界域に属する値を正常域とみなすか、異常域とみなすかで4つのモデルを得ても良い。
まず、図1〜18を参照して、本発明の第1実施形態の健康状態評価方法および装置について説明する。その中で、境界域の設定の仕方とそれを用いた検査データの評価結果について図5〜10を参照して第1の手法、図11〜13を参照して第2の手法、図14〜16を参照して第3の手法を説明する。境界域の設定のための第1〜第3の手法は次のような手法を含む:
(B1)境界値の周囲に、所定の大きさのマージンを設定し境界域とする。
(B2)(B1)のように、境界値の周囲に所定の大きさのマージンとして設定された境界域の中でのモデル構築用データ(学習データ)の分布を考慮して境界域を狭める。
(B3)罹患を考慮して境界域を設定する。
図4〜10を参照して、モデル構築処理(図1のステップS100)および健康判定処理(図1のステップS200)の例を説明する。本例では、境界域の設定のための手法として、上述の(B1)の手法を含む:
(B1)境界値の周囲に、所定の大きさのマージンを設定し境界域とする。
図4はモデル構築処理の流れを示すフローチャートである。
ステップS130で、健康診断の検査項目ごとに医学的知見によって定められた境界値を得る。境界値は、検査項目の検査データの値の正常域と異常域とを区別する。境界値は国際的な機関や学会等で定められたものでも良い。
たとえば、図3に示されているように、腹囲の境界値は85である。境界値の大きさの20%は、17である。腹囲に関する検査データが取り得る値の領域のうち、境界値である85を中心に17の大きさの境界域を設定する。図6では、そのように設定された境界域は、境界域1として76.5から93.5までの腹囲の検査データの値をカバーする。
たとえば、図3に示されているように、ボディマス指数(BMI)の境界値は、下限が18.4、上限が25.0である。境界値が2つ存在することに対応して、ボディマス指数(BMI)に対しては、2つの境界域が設定される。境界域1は、下限の境界値18.4に対するもので、16.6から20.2までの検査値の値をカバーする。境界域2は、上限の境界値25.0に対するもので、22.5から27.5までの検査値の値をカバーする。
図6の例では、腹囲が76.5より小さい領域を正常域に、93.5より大きい領域を異常域に設定する。これらの領域に属する検査データの値は、境界域を設定する/設定しないに関わらずそれぞれ正常、異常である。
図7の例では、ボディマス指数(BMI)の検査データの値が16.6より小さい、または27.5より大きい領域は異常域であり、20.2と22.5の間の領域は正常域と設定される。
モデル1:正常=境界値よりも正常域側の領域、異常=境界値よりも異常域側の領域
モデル2:正常=正常域+境界域1、異常=異常域
モデル3:正常=正常域、異常=異常域+境界域1
図7の例では、ボディマス指数(BMI)の検査データの値が正常、異常である領域をそれぞれ次のように設定する3つの判定候補モデルを作成する:
モデル1:正常=境界値よりも正常域側の領域、異常=境界値よりも異常域側の領域
モデル2:正常=正常域、異常=異常域1+境界域1+境界域2+異常域2
モデル3:正常=正常域+境界域2、異常=異常域1+異常域2+境界域1
本例では、ボディマス指数(BMI)に対する判定候補モデルは3つ作成したが、境界域1、境界域2に属する検査データの値を正常域とみなすか、異常域とみなすかで4つの組み合わせが考えられる。それに対応して、境界域がないものを含め、モデルは5つ考えられる。これら5つのモデルをすべて考慮しても良い。
ステップS210で判定用データを取得する。ここで「判定用データ」とは、健康判定を行う人に対する健康診断の検査データを意味してもよい。一般には、健康診断を受診することによって検査項目に対する検査データを得ることができる。
図9は腹囲に対する判定結果の例を示す図である。各被験者にはIDが付与され、被験者はそれぞれIDによって区別される。図9には、ID001からID005までの5人の腹囲の検査データの値が正常であるか異常であるかの判定結果が示されている。たとえば、ID001を有する被験者の腹囲の検査データの値は84である。図6に示されているように腹囲の境界値は85であり、ID001を有する被験者の腹囲の検査データの値84は、境界値の近傍で境界域に属するが、本例では、腹囲の値が85より小さければ正常である。本例では、判定結果は、もし検査データの値が境界域にある場合は、その事実が分かるように出力される。
図11〜13を参照して、領域設定処理の第2実施例を説明する。本例では、モデル構築処理(図1のステップS100)および健康判定処理(図1のステップS200)の例を説明する。本例では、境界域の設定のための手法として、上述の(B2)の手法を含む:
(B2)(B1)のように、境界値の周囲に所定の大きさのマージンとして設定された境界域の中でのモデル構築用のデータの分布を考慮して境界域を狭める。
図12は、本例が適用される状況を説明する図である。
ステップS140で仮の境界域を設定する。本例では上述の第1実施例での境界域の設定の仕方を採用する。
本例では、腹囲に対しては、上のモデル1が最も精度が良かったものとする。つまり、腹囲に対する検査データの値が85より小さければ正常、85より大きければ異常とする。従って、判定結果の欄では、85を境として正常と異常とを区別するだけでなく、値が82〜92の範囲にある検査データについては、境界域であることを示す情報が追加されている。
以下、図14〜図16を参照して、第3実施例を説明する。本例では、モデル構築処理(図1のステップS100)および健康判定処理(図1のステップS200)の例を説明する。本例では、境界域の設定のための手法として、上述の(B3)の手法を含む:
(B3)罹患を考慮して境界域を設定する。
以下では、腹囲を例に本例を説明する。図15Aおよび図15Bは、本例が適用される状況を説明する図である。
ステップS160で、過去の検査データ(モデル構築用データ)から、過去の一年ごとの異常および正常な検査データの値の分布の端の値を求める。ここで「分布の端の値」とは、検査データに基づく異常および正常なある検査項目に関する検査データの値のうち、外れ値とならない値を意味しても良い。ここで、外れ値とは、平均値と標準偏差が与えられた統計に対して、
外れ値=平均値±(3×標準偏差)
で与えられる。
Min=(1年前の異常な検査データの値の最低値+2年前の異常な検査データの値の最低値)/2
=(74.5+77.5)/2=76
Max=(1年前の正常な検査データの値の最大値+2年前の正常な検査データの値の最大値)/2
=(91.5+92.5)/2=92
次のステップS164では、ステップS162で求められたMinおよびMaxをそれぞれ、下限および上限とする境界域を設定する。
2010年の検査データを見ると、異常な検査データの値の最低値は70、正常な検査データの値の最大値は84である。また、2009年の腹囲の検査データを見ると、異常な検査データの値の最低値は72、正常な検査データの値の最大値は100である。これより、年毎の検査データにおける最低値の平均値および最大値の平均値はそれぞれ、
Min=(70+72)/2=71
Max=(84+100)/2=92
である。よって、図16に示されている場合、境界域の下限は71、上限は92に設定される。
健康判定装置10は、モデル構築用データ格納部16、および判定結果データ格納部17に格納されている各データもそれぞれ、モデル構築用データ15、判定用データ16、および判定結果データ17のように参照する。
判定部13における判定の結果は判定結果データ格納部17および表示部14に送られる。判定の結果は、被験者に示されてもよい。
図17の判定部13は、判定手段は、判定モデルに検査項目に対する検査データである判定用データを入力し、判定用データの値が正常であるか異常であるかを判定する。さらに、判定部13は、判定結果を判定結果データ格納部17および/または表示部14に出力する出力部を含む。
図19〜21を参照して、本発明の第2実施形態の健康状態評価方法および装置について説明する。本実施形態の方法は、境界域の設定に関して以下の手法を含む。
(B4)段階的に複数の境界域を設定する
本実施形態では、境界域を段階的に変更することで、精度を向上する手法について説明する。境界域を、境界値を含み、境界値の大きさの所定の割合の広さ、たとえば境界値の大きさの20%を有する領域として設定し、そのように設定された境界域を用いて判定候補モデルを構築する。そして、その判定候補モデルの予測精度を求める。次に、境界域を狭めて別の判定候補モデルを構築し、精度を求める。たとえば、境界域の広さを、境界値の大きさの18%とする。このように少しずつ境界域の範囲を狭めていき、それぞれの境界域を有する判定候補モデルの精度を求めて、最も良い精度の境界域を有する判定候補モデルを判定モデルとして採用する。
ステップS300では、モデル構築用データ(学習データ)を読み込む。本ステップでの処理は、図4のステップS110と類似しているまたは同一であってもよい。
図22〜24を参照して、比較例を説明する。
ステップS402では、項目ごとに医学的知見に基づいて定められた正常域、異常域を読み込む。
(付記1)
値が正常であるとみなされる正常域と値が異常であるとみなされる異常域とを区別する値である境界値が1個以上予め決められた検査項目に対する検査データの値域の中に、前記境界値を含む所定の値の幅を持つ領域を境界域として設定することと、
前記境界域に含まれる値を正常とみなすか異常とみなすかに従って、前記検査項目に対して前記正常域と前記異常域の設定に関する複数のパターンを生成することと、
前記正常域と前記異常域の設定に関する前記複数のパターンを有する複数の判定候補モデルであって、各々は前記検査項目に対する検査データが入力されると、前記モデル構築用データの値が正常であるか異常であるかを出力する判定候補モデルの判定の精度を、前記検査データを有する被験者が前記検査項目に関係する特定の疾病に罹患したまたは易罹患性が高まったか否かに関する情報に基づいて算出し前記判定候補モデルを検証することと、
前記判定の精度に基づいて、複数の前記判定候補モデルの中から、前記検査項目に対する検査データであり、その検査データを有する被験者が特定の疾病に罹患したまたは易罹患性が高まったか否かに関する情報が得られていない検査データである判定用データの値が入力されると、前記判定用データの値が正常であるか異常であるかを出力する判定モデルを決定することと、
前記判定モデルに前記検査項目に対する検査データである前記判定用データを入力し、前記判定用データの値が正常であるか異常であるかを判定することと、
を含む健康状態判定方法。
(付記2)
前記境界域を設定することは、前記モデル構築用データの値が分布していない領域を前記境界域から外すことを含む、付記1に記載の健康状態判定方法。
(付記3)
前記境界域を設定することは、所定の期間ごと、かつ正常または異常の別ごとの、前記モデル構築用データの値の分布の端の値の平均を前記境界域の端の値とすることを含む、付記1に記載の健康状態判定方法。
(付記4)
前記境界域として設定することは、前記境界域の大きさをとして、所定の初期値から段階的に減少させて得られる複数の値の幅を設定することを含む、付記1に記載の健康状態判定方法。
(付記5)
前記境界域の前記値の幅は、前記境界値の所定の割合である、付記1〜4のいずれか一項に記載の健康状態判定方法。
(付記6)
前記境界値の前記所定の割合は10%から40%である、付記1〜5のいずれか一項に記載の健康状態判定方法。
(付記7)
前記検査項目は、年齢、ボディマス指数(BMI)、腹囲、血糖値、Γ−GTP(ガンマグルタミルトランスペプチダーゼ)、血圧、コレステロール、インスリン抵抗性指数、血漿グルコース、中性脂肪、肝機能(AST、IU/L)、肝機能(ALT、IU/L)、アディポネクチン、グリコアルブミン、遊離脂肪酸、インスリンのいずれかである付記1〜6のいずれか一項に記載の健康状態判定方法。
(付記8)
前記特定の疾病は、糖尿病、メタボリックシンドローム、耐糖能異常、高血圧、脂質異常症を含む生活習慣病であって、前記検査データの値を有する被験者が前記特定の疾病に罹患する場合に、前記検査項目に対する前記検査データの値が異常であると呼ぶ、付記1〜7のいずれか一項に記載の健康状態判定方法。
(付記9)
値が正常であるとみなされる正常域と値が異常であるとみなされる異常域とを区別する値である境界値が1個以上予め決められた検査項目に対する検査データの値域の中に、前記境界値を含む所定の値の幅を持つ領域を境界域として設定する境界域設定手段と、
前記境界域に含まれる値を正常とみなすか異常とみなすかに従って、前記検査項目に対して前記正常域と前記異常域の設定に関する複数のパターンを生成する領域設定手段と、
前記正常域と前記異常域の設定に関する前記複数のパターンを有する複数の判定候補モデルであって、各々は前記検査項目に対する検査データが入力されると、前記モデル構築用データの値が正常であるか異常であるかを出力する判定候補モデルの判定の精度を、前記検査データを有する被験者が前記検査項目に関係する特定の疾病に罹患したまたは易罹患性が高まったか否かに関する情報に基づいて算出し前記判定候補モデルを検証するモデル検証手段と、
前記判定の精度に基づいて、複数の前記判定候補モデルの中から、前記検査項目に対する検査データであり、その検査データを有する被験者が特定の疾病に罹患したまたは易罹患性が高まったか否かに関する情報が得られていない検査データである判定用データの値が入力されると、前記判定用データの値が正常であるか異常であるかを出力する判定モデルを決定するモデル決定手段と、
前記判定モデルに前記検査項目に対する検査データである前記判定用データを入力し、前記判定用データの値が正常であるか異常であるかを判定する判定手段と、
を含む健康状態判定装置。
(付記10)
前記境界域を設定することは、前記モデル構築用データの値が分布していない領域を前記境界域から外す手段を含む、付記9に記載の健康状態判定装置。
(付記11)
前記境界域を設定することは、所定の期間ごと、かつ正常または異常の別ごとの、前記モデル構築用データの値の分布の端の値の平均を前記境界域の端の値とする手段を含む、付記9に記載の健康状態判定装置。
(付記12)
前記境界域として設定することは、前記境界域の大きさをとして、所定の初期値から段階的に減少させて得られる複数の値の幅を設定する手段を含む、付記9に記載の健康状態判定装置。
(付記13)
前記境界域の前記値の幅は、前記境界値の所定の割合である、付記9〜12のいずれか一項に記載の健康状態判定装置。
(付記14)
前記境界値の前記所定の割合は10%から40%である、付記9〜13のいずれか一項に記載の健康状態判定装置。
(付記15)
前記検査項目は、年齢、ボディマス指数(BMI)、腹囲、血糖値、Γ−GTP(ガンマグルタミルトランスペプチダーゼ)、血圧、コレステロール、インスリン抵抗性指数、血漿グルコース、中性脂肪、肝機能(AST、IU/L)、肝機能(ALT、IU/L)、アディポネクチン、グリコアルブミン、遊離脂肪酸、インスリンのいずれかである付記9〜14のいずれか一項に記載の健康状態判定装置。
(付記16)
前記特定の疾病は、糖尿病、メタボリックシンドローム、耐糖能異常、高血圧、脂質異常症を含む生活習慣病であって、前記検査データの値を有する被験者が前記特定の疾病に罹患する場合に、前記検査項目に対する前記検査データの値が異常であると呼ぶ、付記9〜15のいずれか一項に記載の健康状態判定装置。
12 判定モデル構築部
13 判定部
14 表示部
15 モデル構築用データ
16 判定用データ
17 判定結果データ
Claims (4)
- 値が正常であるとみなされる正常域と値が異常であるとみなされる異常域とを区別する値である境界値が1個以上予め決められた検査項目に対する検査データの値域の中に、前記境界値を含む所定の値の幅を持つ領域を境界域として設定することと、
前記境界域に含まれる値を正常とみなすか異常とみなすかに従って、前記検査項目に対して前記正常域と前記異常域の設定に関する複数のパターンを生成することと、
前記正常域と前記異常域の設定に関する前記複数のパターンを有する複数の判定候補モデルであって、各々は前記検査項目に対する検査データが入力されると、前記モデル構築用データの値が正常であるか異常であるかを出力する判定候補モデルの判定の精度を、前記検査データを有する被験者が前記検査項目に関係する特定の疾病に罹患したまたは易罹患性が高まったか否かに関する情報に基づいて算出し前記判定候補モデルを検証することと、
前記判定の精度に基づいて、複数の前記判定候補モデルの中から、前記検査項目に対する検査データであり、その検査データを有する被験者が特定の疾病に罹患したまたは易罹患性が高まったか否かに関する情報が得られていない検査データである判定用データの値が入力されると、前記判定用データの値が正常であるか異常であるかを出力する判定モデルを決定することと、
前記判定モデルに前記検査項目に対する検査データである前記判定用データを入力し、前記判定用データの値が正常であるか異常であるかを判定することと、
を含む健康状態判定方法。 - 前記境界域を設定することは、前記モデル構築用データの値が分布していない領域を前記境界域から外すことを含む、請求項1に記載の健康状態判定方法。
- 前記境界域を設定することは、所定の期間ごと、かつ正常または異常の別ごとの、前記モデル構築用データの値の分布の端の値の平均を前記境界域の端の値とすることを含む、請求項1に記載の健康状態判定方法。
- 値が正常であるとみなされる正常域と値が異常であるとみなされる異常域とを区別する値である境界値が1個以上予め決められた検査項目に対する検査データの値域の中に、前記境界値を含む所定の値の幅を持つ領域を境界域として設定する境界域設定手段と、
前記境界域に含まれる値を正常とみなすか異常とみなすかに従って、前記検査項目に対して前記正常域と前記異常域の設定に関する複数のパターンを生成する領域設定手段と、
前記正常域と前記異常域の設定に関する前記複数のパターンを有する複数の判定候補モデルであって、各々は前記検査項目に対する検査データが入力されると、前記モデル構築用データの値が正常であるか異常であるかを出力する判定候補モデルの判定の精度を、前記検査データを有する被験者が前記検査項目に関係する特定の疾病に罹患したまたは易罹患性が高まったか否かに関する情報に基づいて算出し前記判定候補モデルを検証するモデル検証手段と、
前記判定の精度に基づいて、複数の前記判定候補モデルの中から、前記検査項目に対する検査データであり、その検査データを有する被験者が特定の疾病に罹患したまたは易罹患性が高まったか否かに関する情報が得られていない検査データである判定用データの値が入力されると、前記判定用データの値が正常であるか異常であるかを出力する判定モデルを決定するモデル決定手段と、
前記判定モデルに前記検査項目に対する検査データである前記判定用データを入力し、前記判定用データの値が正常であるか異常であるかを判定する判定手段と、
を含む健康状態判定装置。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012126997A JP6075973B2 (ja) | 2012-06-04 | 2012-06-04 | 健康状態判定装置およびその作動方法 |
US13/904,136 US20130324861A1 (en) | 2012-06-04 | 2013-05-29 | Health condition determination method and health condition determination system |
KR1020130062538A KR20130136391A (ko) | 2012-06-04 | 2013-05-31 | 건강 상태 판정 방법 및 장치 |
TW102119339A TW201402059A (zh) | 2012-06-04 | 2013-05-31 | 健康狀態判定方法及健康狀態判定系統 |
US15/152,625 US20160249863A1 (en) | 2012-06-04 | 2016-05-12 | Health condition determination method and health condition determination system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012126997A JP6075973B2 (ja) | 2012-06-04 | 2012-06-04 | 健康状態判定装置およびその作動方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2013248329A true JP2013248329A (ja) | 2013-12-12 |
JP6075973B2 JP6075973B2 (ja) | 2017-02-08 |
Family
ID=49671087
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012126997A Active JP6075973B2 (ja) | 2012-06-04 | 2012-06-04 | 健康状態判定装置およびその作動方法 |
Country Status (4)
Country | Link |
---|---|
US (2) | US20130324861A1 (ja) |
JP (1) | JP6075973B2 (ja) |
KR (1) | KR20130136391A (ja) |
TW (1) | TW201402059A (ja) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017037489A (ja) * | 2015-08-10 | 2017-02-16 | 株式会社リコー | 情報処理システム、情報処理装置及び情報処理方法 |
WO2017135156A1 (ja) | 2016-02-05 | 2017-08-10 | オムロンヘルスケア株式会社 | 生体情報評価装置、生体情報測定装置、生体情報評価方法、生体情報評価プログラム |
JP2017528849A (ja) * | 2014-09-29 | 2017-09-28 | ゾゲニクス インターナショナル リミテッド | 薬物供給管理用の管理システム |
JP6569027B1 (ja) * | 2019-05-22 | 2019-08-28 | 長瀬産業株式会社 | 集団健診における個人認証及び健診データ管理システム、健診機器、及びプログラム |
US11406606B2 (en) | 2016-08-24 | 2022-08-09 | Zogenix International Limited | Formulation for inhibiting formation of 5-HT2B agonists and methods of using same |
US11458111B2 (en) | 2017-09-26 | 2022-10-04 | Zogenix International Limited | Ketogenic diet compatible fenfluramine formulation |
US11571397B2 (en) | 2018-05-11 | 2023-02-07 | Zogenix International Limited | Compositions and methods for treating seizure-induced sudden death |
US11612574B2 (en) | 2020-07-17 | 2023-03-28 | Zogenix International Limited | Method of treating patients infected with severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) |
US11634377B2 (en) | 2015-12-22 | 2023-04-25 | Zogenix International Limited | Fenfluramine compositions and methods of preparing the same |
US11673852B2 (en) | 2015-12-22 | 2023-06-13 | Zogenix International Limited | Metabolism resistant fenfluramine analogs and methods of using the same |
JP7347977B2 (ja) | 2019-07-08 | 2023-09-20 | 合同会社H.U.グループ中央研究所 | 情報処理装置、情報処理方法及びプログラム |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109785972B (zh) | 2012-08-16 | 2023-09-26 | 橙点公司 | 用于对行为和健康变化进行建模的方法 |
US10650920B2 (en) | 2012-08-16 | 2020-05-12 | Ginger.io, Inc. | Method and system for improving care determination |
US10740438B2 (en) | 2012-08-16 | 2020-08-11 | Ginger.io, Inc. | Method and system for characterizing and/or treating poor sleep behavior |
US10741285B2 (en) | 2012-08-16 | 2020-08-11 | Ginger.io, Inc. | Method and system for providing automated conversations |
US10276260B2 (en) | 2012-08-16 | 2019-04-30 | Ginger.io, Inc. | Method for providing therapy to an individual |
US10068670B2 (en) | 2012-08-16 | 2018-09-04 | Ginger.io, Inc. | Method for modeling behavior and depression state |
JP7160339B2 (ja) * | 2016-03-03 | 2022-10-25 | ストラックスコープ ピーティワイ リミテッド | 異常を識別及び定量化する方法及び装置 |
CN107644680B (zh) * | 2017-08-09 | 2021-05-14 | Oppo广东移动通信有限公司 | 健康状态检测方法、装置和终端设备 |
US11796465B2 (en) | 2020-02-06 | 2023-10-24 | Samsung Electronics Co., Ltd. | Method and system for predicting blood compound concentration of a target |
US11710576B2 (en) | 2021-05-24 | 2023-07-25 | OrangeDot, Inc. | Method and system for computer-aided escalation in a digital health platform |
CN114343595B (zh) * | 2022-02-24 | 2023-09-22 | 天津大学 | 一种社区智慧养老服务系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5800347A (en) * | 1995-11-03 | 1998-09-01 | The General Hospital Corporation | ROC method for early detection of disease |
JP2002073816A (ja) * | 2000-08-24 | 2002-03-12 | Seikokai Kenko Kanri Center:Kk | 健康情報管理システム及び方法 |
JP2007193714A (ja) * | 2006-01-23 | 2007-08-02 | Mitsubishi Electric Corp | 健康指導カウンセラー業務支援システム |
JP2012018450A (ja) * | 2010-07-06 | 2012-01-26 | Keio Gijuku | ニューラルネットワークシステム、ニューラルネットワークシステムの構築方法およびニューラルネットワークシステムの制御プログラム |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110295621A1 (en) * | 2001-11-02 | 2011-12-01 | Siemens Medical Solutions Usa, Inc. | Healthcare Information Technology System for Predicting and Preventing Adverse Events |
JP2006510435A (ja) * | 2002-12-20 | 2006-03-30 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 患者に対する正常な測定値を決定する方法 |
US20050069863A1 (en) * | 2003-09-29 | 2005-03-31 | Jorge Moraleda | Systems and methods for analyzing gene expression data for clinical diagnostics |
JP4517633B2 (ja) * | 2003-11-25 | 2010-08-04 | ソニー株式会社 | 対象物検出装置及び方法 |
US20050209785A1 (en) * | 2004-02-27 | 2005-09-22 | Wells Martin D | Systems and methods for disease diagnosis |
EP1836674A4 (en) * | 2004-11-16 | 2009-12-16 | Health Dialog Data Service Inc | SYSTEMS AND METHODS FOR PREDICTING EVENT RISKS AND FINANCIAL RISK RELATING TO MEDICAL CARE |
US20070099239A1 (en) * | 2005-06-24 | 2007-05-03 | Raymond Tabibiazar | Methods and compositions for diagnosis and monitoring of atherosclerotic cardiovascular disease |
US20120296675A1 (en) * | 2006-02-13 | 2012-11-22 | Silverman David G | Method and System for Assessing, Quantifying, Coding & Communicating a Patient's Health and Perioperative Risk |
US20070255113A1 (en) * | 2006-05-01 | 2007-11-01 | Grimes F R | Methods and apparatus for identifying disease status using biomarkers |
US7908231B2 (en) * | 2007-06-12 | 2011-03-15 | Miller James R | Selecting a conclusion using an ordered sequence of discriminators |
WO2009103156A1 (en) * | 2008-02-20 | 2009-08-27 | Mcmaster University | Expert system for determining patient treatment response |
JP5436563B2 (ja) * | 2008-10-10 | 2014-03-05 | ゼネラル・エレクトリック・カンパニイ | 専門知識及び応用複雑性科学を用いた、リスクの評価ならびに診断のための医療データの自動管理方法 |
NZ572036A (en) * | 2008-10-15 | 2010-03-26 | Nikola Kirilov Kasabov | Data analysis and predictive systems and related methodologies |
US9585613B2 (en) * | 2009-02-26 | 2017-03-07 | Universite D'angers | Diagnosis of liver fibrosis and cirrhosis |
US8762068B2 (en) * | 2009-07-24 | 2014-06-24 | Lawrence Livermore National Security, Llc | Methods for threshold determination in multiplexed assays |
-
2012
- 2012-06-04 JP JP2012126997A patent/JP6075973B2/ja active Active
-
2013
- 2013-05-29 US US13/904,136 patent/US20130324861A1/en not_active Abandoned
- 2013-05-31 TW TW102119339A patent/TW201402059A/zh unknown
- 2013-05-31 KR KR1020130062538A patent/KR20130136391A/ko not_active Application Discontinuation
-
2016
- 2016-05-12 US US15/152,625 patent/US20160249863A1/en not_active Abandoned
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5800347A (en) * | 1995-11-03 | 1998-09-01 | The General Hospital Corporation | ROC method for early detection of disease |
JP2002073816A (ja) * | 2000-08-24 | 2002-03-12 | Seikokai Kenko Kanri Center:Kk | 健康情報管理システム及び方法 |
JP2007193714A (ja) * | 2006-01-23 | 2007-08-02 | Mitsubishi Electric Corp | 健康指導カウンセラー業務支援システム |
JP2012018450A (ja) * | 2010-07-06 | 2012-01-26 | Keio Gijuku | ニューラルネットワークシステム、ニューラルネットワークシステムの構築方法およびニューラルネットワークシステムの制御プログラム |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017528849A (ja) * | 2014-09-29 | 2017-09-28 | ゾゲニクス インターナショナル リミテッド | 薬物供給管理用の管理システム |
US10950331B2 (en) | 2014-09-29 | 2021-03-16 | Zogenix International Limited | Control system for control of distribution of medication |
JP2017037489A (ja) * | 2015-08-10 | 2017-02-16 | 株式会社リコー | 情報処理システム、情報処理装置及び情報処理方法 |
US11673852B2 (en) | 2015-12-22 | 2023-06-13 | Zogenix International Limited | Metabolism resistant fenfluramine analogs and methods of using the same |
US11634377B2 (en) | 2015-12-22 | 2023-04-25 | Zogenix International Limited | Fenfluramine compositions and methods of preparing the same |
WO2017135156A1 (ja) | 2016-02-05 | 2017-08-10 | オムロンヘルスケア株式会社 | 生体情報評価装置、生体情報測定装置、生体情報評価方法、生体情報評価プログラム |
US11786487B2 (en) | 2016-08-24 | 2023-10-17 | Zogenix International Limited | Formulation for inhibiting formation of 5-HT2B agonists and methods of using same |
US11406606B2 (en) | 2016-08-24 | 2022-08-09 | Zogenix International Limited | Formulation for inhibiting formation of 5-HT2B agonists and methods of using same |
US11759440B2 (en) | 2016-08-24 | 2023-09-19 | Zogenix International Limited | Formulation for inhibiting formation of 5-HT2B agonists and methods of using same |
US11458111B2 (en) | 2017-09-26 | 2022-10-04 | Zogenix International Limited | Ketogenic diet compatible fenfluramine formulation |
US11571397B2 (en) | 2018-05-11 | 2023-02-07 | Zogenix International Limited | Compositions and methods for treating seizure-induced sudden death |
JP6569027B1 (ja) * | 2019-05-22 | 2019-08-28 | 長瀬産業株式会社 | 集団健診における個人認証及び健診データ管理システム、健診機器、及びプログラム |
WO2020235064A1 (ja) * | 2019-05-22 | 2020-11-26 | 長瀬産業株式会社 | 集団健診における個人認証及び健診データ管理システム、健診機器、及びプログラム |
JP7347977B2 (ja) | 2019-07-08 | 2023-09-20 | 合同会社H.U.グループ中央研究所 | 情報処理装置、情報処理方法及びプログラム |
US11612574B2 (en) | 2020-07-17 | 2023-03-28 | Zogenix International Limited | Method of treating patients infected with severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) |
Also Published As
Publication number | Publication date |
---|---|
KR20130136391A (ko) | 2013-12-12 |
US20130324861A1 (en) | 2013-12-05 |
JP6075973B2 (ja) | 2017-02-08 |
TW201402059A (zh) | 2014-01-16 |
US20160249863A1 (en) | 2016-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6075973B2 (ja) | 健康状態判定装置およびその作動方法 | |
JP6004084B2 (ja) | モデル更新方法、装置、およびプログラム | |
Wellner et al. | Predicting unplanned transfers to the intensive care unit: a machine learning approach leveraging diverse clinical elements | |
US10912508B2 (en) | Method and system for assessing mental state | |
US20160193411A1 (en) | Apparatus and method for generating a condition indication | |
JP2011501276A (ja) | 健康関連の転帰を予測するためのオンラインコミュニティを使用した自己改善方法 | |
US20140136225A1 (en) | Discharge readiness index | |
US20200395129A1 (en) | Systems and methods for identification of clinically similar individuals, and interpretations to a target individual | |
Black et al. | Optimal retesting configurations for hierarchical group testing | |
CN112107752A (zh) | 血压预测方法与使用该方法的电子装置 | |
CN111354464B (zh) | Cad预测模型建立方法、装置以及电子设备 | |
WO2020027213A1 (ja) | 認知症リスクの提示システムおよび方法 | |
Tucker et al. | A data mining methodology for predicting early stage Parkinson's disease using non-invasive, high-dimensional gait sensor data | |
Vieira-Marques et al. | InspirerMundi—remote monitoring of inhaled medication adherence through objective verification based on combined image processing techniques | |
Mahboobeh et al. | Machine learning-based analysis of digital movement assessment and ExerGame scores for Parkinson's disease severity estimation | |
Hadad et al. | Evaluation of predictive models of aneurysm focal growth and bleb development using machine learning techniques | |
Ahmed et al. | A comparative study of classification techniques in data mining algorithms used for medical diagnosis based on DSS | |
Maria et al. | Obesity Risk Prediction Using Machine Learning Approach | |
KR20210142921A (ko) | 안면 표정 인식을 이용한 기분장애 진단을 위한 정보 제공 방법 | |
JP2014215727A (ja) | 人間ドック総合保健指導支援システム | |
van der Woerd et al. | Studying sleep: towards the identification of hypnogram features that drive expert interpretation | |
JP2012014582A (ja) | 遷移先レベル予測方法、装置、及び、プログラム | |
JPH11306257A (ja) | 健康管理装置及び記録媒体 | |
US20230377741A1 (en) | Patient monitoring system | |
JP2005052164A (ja) | 疾病リスクシミュレーションシステム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20150319 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20151214 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20151222 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160107 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20160712 |
|
RD12 | Notification of acceptance of power of sub attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7432 Effective date: 20160727 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160802 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20160728 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20161227 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20170110 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6075973 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |