JP2016110317A - 情報処理装置、情報処理方法およびプログラム - Google Patents

情報処理装置、情報処理方法およびプログラム Download PDF

Info

Publication number
JP2016110317A
JP2016110317A JP2014245904A JP2014245904A JP2016110317A JP 2016110317 A JP2016110317 A JP 2016110317A JP 2014245904 A JP2014245904 A JP 2014245904A JP 2014245904 A JP2014245904 A JP 2014245904A JP 2016110317 A JP2016110317 A JP 2016110317A
Authority
JP
Japan
Prior art keywords
information
user
sensor
processing apparatus
biological
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
JP2014245904A
Other languages
English (en)
Inventor
慎吾 高松
Shingo Takamatsu
慎吾 高松
直人 坪井
Naoto Tsuboi
直人 坪井
和樹 吉山
Kazuki Yoshiyama
和樹 吉山
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.)
Sony Corp
Original Assignee
Sony Corp
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 Sony Corp filed Critical Sony Corp
Priority to JP2014245904A priority Critical patent/JP2016110317A/ja
Priority to EP15864722.2A priority patent/EP3229202A4/en
Priority to US15/528,600 priority patent/US11234656B2/en
Priority to PCT/JP2015/073998 priority patent/WO2016088413A1/ja
Publication of JP2016110317A publication Critical patent/JP2016110317A/ja
Pending legal-status Critical Current

Links

Images

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
    • 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
    • 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
    • A61B5/1112—Global tracking of patients, e.g. by using GPS
    • 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
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/681—Wristwatch-type devices
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6824—Arm or wrist
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—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
    • 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
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
    • A61B2560/02—Operational features
    • A61B2560/0242—Operational features adapted to measure environmental factors, e.g. temperature, pollution
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment

Abstract

【課題】ユーザの状態の変化をより広範に予測する情報処理装置、情報処理方法およびプログラムを提供する。【解決手段】サーバ３００は、受信部３１０と、送信部３２０と、処理部３３０とを含む。処理部３３０は、ユーザの生体情報を含むセンサ情報を取得するセンサ情報取得部３３１と、ユーザの体調不良に関するナレッジに基づくフレームワークに従って、センサ情報から生体情報の変動を予測する生体情報変動予測部３３２と、生体情報変動予測部３３２による予測の結果に応じて、ユーザに対する行動支援情報を生成する行動支援情報生成部３３３を備える。【選択図】図２

Description

本開示は、情報処理装置、情報処理方法およびプログラムに関する。
近年、ウェアラブル端末などに搭載されたセンサを利用して、ユーザに関する様々な情報を取得することが一般的になっている。取得される情報は、例えば、脈拍や体温のようなユーザの生体情報を含む。このような情報を利用して、ユーザにとって有用な情報を提供するための技術も、種々提案されている。例えば、特許文献１には、ユーザの体内時計に関する生体情報を取得し、体内時計を理想的な状態に近づけるためのユーザの行動を支援する技術が記載されている。
特開２０１３−２１０８６９号公報
例えば、特許文献１に記載された技術では、生体情報がユーザの体内時計の位相に対応するものとして扱われている。このように、規則的に変化するユーザの状態については、生体情報に基づいて予測したり、改善のための提案をしたりすることはすることが必ずしも困難ではない。しかしながら、ユーザの状態は必ずしも規則的に変化するわけではなく、不規則に発生する変化もある。例えばユーザによって体調不良として認識されるような状態の変化は、往々にして不規則な変化である。そのような変化を予測することを可能にする技術は、まだ十分に提案されているとはいえない。
そこで、本開示では、ユーザの状態の変化をより広範に予測することが可能な、新規かつ改良された情報処理装置、情報処理方法およびプログラムを提案する。
本開示によれば、少なくともユーザの生体情報を含むセンサ情報を取得するセンサ情報取得部と、上記ユーザの体調不良に関するナレッジに基づくフレームワークに従って、上記センサ情報から上記生体情報の変動を予測する生体情報変動予測部とを備える情報処理装置が提供される。
また、本開示によれば、少なくともユーザの生体情報を含むセンサ情報を取得することと、上記ユーザの体調不良に関するナレッジに基づくフレームワークに従って、上記センサ情報から上記生体情報の変動を予測することとを含む情報処理方法が提供される。
また、本開示によれば、少なくともユーザの生体情報を含むセンサ情報を取得する機能と、上記ユーザの体調不良に関するナレッジに基づくフレームワークに従って、上記センサ情報から上記生体情報の変動を予測する機能とをコンピュータに実現させるためのプログラムが提供される。
以上説明したように本開示によれば、ユーザの状態の変化をより広範に予測することができる。
なお、上記の効果は必ずしも限定的なものではなく、上記の効果とともに、または上記の効果に代えて、本明細書に示されたいずれかの効果、または本明細書から把握され得る他の効果が奏されてもよい。
本開示の一実施形態に係るシステムの概略的な構成を示す図である。 本開示の一実施形態に係るサーバの概略的な機能構成を示すブロック図である。 本開示の一実施形態において加速度および角速度を歩数に変換する処理の例を示すフローチャートである。 本開示の一実施形態において脈拍の変動モデルを構築する処理の例を示すフローチャートである。 本開示の一実施形態における高山病の発生予測処理の例を示すフローチャートである。 本開示の一実施形態において、高山病の発生が予測された場合に提供される行動支援情報の第１の例を示す図である。 本開示の一実施形態において、高山病の発生が予測された場合に提供される行動支援情報の第２の例を示す図である。 本開示の一実施形態の変形例において提供される行動支援情報の例を示す図である。 本開示の実施形態に係る情報処理装置のハードウェア構成例を示すブロック図である。
以下に添付図面を参照しながら、本開示の好適な実施の形態について詳細に説明する。なお、本明細書および図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。
なお、説明は以下の順序で行うものとする。
１．システム構成
２．サーバの構成
３．高山病の発生予測についての具体例
３−１．センサ情報の変換
３−２．モデルを利用した生体情報変動予測
３−３．高山病の発生予測
３−４．行動支援情報の例
４．変形例
５．ハードウェア構成
６．補足
（１．システム構成）
図１は、本開示の一実施形態に係るシステムの概略的な構成を示す図である。図１を参照すると、システム１０は、端末装置１００と、サーバ３００とを含む。端末装置１００とサーバ３００とは、ネットワーク２００によって接続されている。以下、それぞれの構成要素についてさらに説明する。
端末装置１００は、少なくとも１つの、ユーザによって携帯または装着される装置を含む。図１では、端末装置１００の例として、リストウェア１００ａと、スマートフォン１００ｂとが示されている。端末装置１００は、リストウェア１００ａに限らず、アイウェアのような他のウェアラブル端末装置を含んでもよい。また、端末装置１００は、スマートフォン１００ｂに限らず、タブレットのような他のモバイル端末装置を含んでもよい。これらの端末装置１００は、例えば、後述するような情報処理装置のハードウェア構成によって実現される。
本実施形態において、端末装置１００は、ユーザに関するセンサ情報を取得する役割と、センサ情報に基づいて生成された行動支援情報をユーザに提供する役割とを有する。これらの役割は、同一の端末装置１００によって実現されてもよいし、互いに異なる端末装置１００によって実現されてもよい。例えば、システム１０において、リストウェア１００ａがセンサ情報を取得し、スマートフォン１００ｂが行動支援情報を提供してもよい。あるいは、リストウェア１００ａおよびスマートフォン１００ｂの両方が、センサ情報を取得するとともに行動支援情報を提供してもよい。
端末装置１００は、センサ情報の取得のために、各種のセンサを有する。例えば、端末装置１００は、ユーザの生体情報、より具体的には脈拍や血中酸素濃度、発汗、体温などを検出するためのセンサを有する。このようなセンサは、例えばリストウェア１００ａに実装することができる。また、端末装置１００は、ユーザの物理的な挙動を示す物理情報、より具体的には加速度や角速度などを検出するためのセンサを有してもよい。このようなセンサは、リストウェア１００ａにも、スマートフォン１００ｂにも実装することができる。さらに、端末装置１００は、ユーザの周辺の環境情報、より具体的には気圧や気温、湿度、音、光などを検出するためのセンサを有してもよい。また、端末装置１００は、ユーザの位置情報を検出するためのＧＰＳ（Global Positioning System）受信機などのセンサを有してもよい。このようなセンサは、リストウェア１００ａ、またはスマートフォン１００ｂに、それぞれの検出する対象に応じて実装されうる。なお、それぞれのセンサの詳細な構成については、既によく知られているため説明を省略する。本実施形態では、例えば上記のようなセンサ情報を取得するために、公知の各種のセンサのうち適切なものが端末装置１００に実装されている。
一方、端末装置１００は、行動支援情報の提供のために、出力装置を有する。例えば、端末装置１００は、行動支援情報を画像として表示するためのディスプレイを有する。図１に示した例では、リストウェア１００ａにディスプレイ１１０ａが、スマートフォン１００ｂにディスプレイ１１０ｂが、それぞれ設けられている。また、例えば、端末装置１００は、行動支援情報を音声として出力するためのスピーカや、行動支援情報を振動として表現するためのバイブレータなどを有していてもよい。また、端末装置１００は、複数の種類の出力装置を組み合わせて行動支援情報を出力してもよい。
なお、上記の通り、本実施形態において、個々の端末装置１００は、センサ情報の取得、および行動支援情報の提供のうちのいずれかだけを実現してもよい。従って、端末装置１００は、必ずしも図１に示されたリストウェア１００ａやスマートフォン１００ｂのような例には限られず、例えば出力装置を有さないセンシング専用端末や、センサを有さない出力専用端末が、端末装置１００に含まれてもよい。ここで、出力専用端末は、必ずしもユーザによって携帯または装着されない、据え置き型（非携帯型）のパーソナルコンピュータのような装置を含んでもよい。
サーバ３００は、端末装置１００にサービスを提供する１または複数の装置である。図１ではサーバ３００が単一の装置として図示されているが、他の例ではネットワーク２００に接続された複数の装置が協働することによってサーバ３００を構成してもよい。サーバ３００は、サービス提供者によって運用される装置に限らず、ユーザが所有する端末装置、例えばユーザが自宅に設置しているパーソナルコンピュータなどを含んでもよい。あるいは、ユーザによって携帯または装着される装置の中によって、サーバ３００の機能の一部が実現されてもよい。図１の例に示された例でいえば、スマートフォン１００ｂが、サーバ３００の機能の一部を実現してもよい。サーバ３００を構成する１または複数の装置のそれぞれは、例えば、後述するような情報処理装置のハードウェア構成によって実現される。
ネットワーク２００は、有線または無線の各種のネットワークを含む。図１の例では、リストウェア１００ａが、Ｂｌｕｅｔｏｏｔｈ（登録商標）でスマートフォン１００ｂと通信し、スマートフォン１００ｂが、モバイルネットワークやインターネットを介してサーバ３００と通信する。このように、ネットワーク２００は、端末装置１００とサーバ３００とを接続するだけではなく、複数の端末装置１００を相互に接続したり、サーバ３００を構成する複数の装置を相互に接続したりしてもよい。
（２．サーバの構成）
図２は、本開示の一実施形態に係るサーバの概略的な機能構成を示すブロック図である。図２を参照すると、サーバ３００は、受信部３１０と、送信部３２０と、処理部３３０とを含む。受信部３１０および送信部３２０は、ネットワーク２００を介して端末装置１００と通信する各種の通信装置によって実現される。処理部３３０は、例えばＣＰＵ（Central Processing Unit）などのプロセッサによって実現される。処理部３３０を構成するプロセッサがメモリまたはストレージに格納されたプログラムに従って動作することによって、センサ情報取得部３３１と、生体情報変動予測部３３２と、行動支援情報生成部３３３と、モデル構築部３３４との機能が実現される。処理部３３０は、メモリまたはストレージに格納された、センサ情報履歴３４１、および予測ルール３４２を参照する。以下、それぞれの構成要素についてさらに説明する。
センサ情報取得部３３１は、受信部３１０によって端末装置１００から受信されたセンサ情報を取得するインターフェース機能を実現する。本実施形態において、センサ情報は、少なくとも、端末装置１００を携帯または装着しているユーザの生体情報を含む。端末装置１００について既に説明したように、生体情報は、脈拍や血中酸素濃度、発汗、体温などを含みうる。また、センサ情報は、ユーザの物理的な挙動を示す物理情報を含んでもよい。物理情報は、加速度や角速度などを含みうる。また、センサ情報は、ユーザの周辺の環境情報を含んでもよい。環境情報は、例えば、気圧や気温、湿度、音、光などを含みうる。また、センサ情報は、ＧＰＳなどを利用して取得されたユーザの位置情報を含んでもよい。
さらに、センサ情報取得部３３１は、取得されたセンサ情報を、後述する生体情報変動予測部３３２での利用に適した形に変換する機能を実現してもよい。より具体的には、センサ情報取得部３３１は、センサ情報に含まれる測定値のサンプリング間隔などを調整したり、センサ情報に含まれる１または複数の情報から別の情報を抽出したりする。例えば、センサ情報取得部３３１は、物理情報に含まれる加速度および／または角速度に基づいて、ユーザの歩行状態を推定してもよい。歩行状態は、例えば時間あたりの歩数によって表現されうる。推定にあたって、センサ情報取得部３３１は、最新のセンサ情報だけではなく、センサ情報履歴３４１から取得した過去のセンサ情報を参照してもよい。また、例えば、センサ情報取得部３３１は、環境情報に含まれる気圧に基づいて、ユーザの高度を推定してもよい。なお、本明細書では、上記の歩行状態や高度のような情報についても、センサ情報から抽出されたものである限り、センサ情報の一種として扱う。
生体情報変動予測部３３２は、センサ情報取得部３３１が取得するセンサ情報から、ユーザの生体情報の変動を予測する。上記の通り、本実施形態においてセンサ情報には生体情報が含まれ、さらに物理情報や環境情報などが含まれうる。従って、生体情報変動予測部３３２は、ある時点以降の生体情報の変動を、それまでに取得された生体情報と、物理情報や環境情報のような付加的な情報とに基づいて予測するともいえる。本実施形態において、生体情報変動予測部３３２は、予測ルール３４２に含まれるフレームワーク３４２２に従って予測を実行する。フレームワーク３４２２は、ユーザの体調不良に関するナレッジに基づいて構成されている。より具体的には、生体情報変動予測部３３２は、フレームワーク３４２２に従って構築されたモデル３４２１を利用して、生体情報の変動を予測する。ここで、上記の通りフレームワーク３４２２はユーザの体調不良に関するナレッジに基づいて構成されているために、生体情報変動予測部３３２は、生体情報の変動に基づいてユーザの体調不良の発生を予測することが可能でありうる。なお、フレームワーク３４２２およびモデル３４２１のより具体的な例については後述する。
行動支援情報生成部３３３は、生体情報変動予測部３３２による予測の結果に応じて、ユーザに対する行動支援情報を生成する。例えば、行動支援情報生成部３３３は、生体情報変動予測部３３２によってユーザの体調不良の発生が予測される場合に、ユーザが体調不良を回避するための行動支援情報を生成する。より具体的に、生体情報変動予測部３３２がユーザの高山病の発生を予測した場合、行動支援情報生成部３３３は、休憩したり高度を下げたりすることを推奨する情報を生成する。行動支援情報生成部３３３は、情報の生成にあたって、センサ情報取得部３３１によって取得されるセンサ情報を利用してもよい。例えば、登山中に高山病の発生が予測された場合であれば、センサ情報に含まれるユーザの位置情報を利用して、ユーザに最寄りの山小屋を案内してもよい。他の例として、生体情報変動予測部３３２がユーザの乗り物酔いの発生を予測した場合、行動支援情報生成部３３３は、窓を開けたり遠くを眺めたりすることを推奨する情報を生成してもよい。この場合、ユーザがいつまで乗り物に乗り続けているかを判定するために、ユーザのスケジュールの情報が端末装置１００などから取得されてもよい。行動支援情報生成部３３３によって生成された情報は、送信部３２０を介して端末装置１００に送信される。なお、行動支援情報生成部３３３によって生成される行動支援情報のより具体的な例についても後述する。
モデル構築部３３４は、センサ情報履歴３４１に基づいて、またフレームワーク３４２２に従って、モデル３４２１を構築する。センサ情報履歴３４１は、センサ情報取得部３３１によって取得されたセンサ情報の履歴である。センサ情報は、例えば取得されたままの形でセンサ情報履歴３４１に蓄積されてもよいし、上述したようなセンサ情報取得部３３１による処理を経た上でセンサ情報履歴３４１に蓄積されてもよい。また、モデル構築部３３４は、センサ情報取得部３３１によって取得された最新のセンサ情報に基づいてモデル３４２１を更新してもよい。モデル構築部３３４は、例えば、フレームワーク３４２２に従って実行される機械学習の結果に基づいて、モデル３４２１を構築する。本実施形態において、フレームワーク３４２２は、センサ情報に含まれる生体情報以外の情報の中から、生体情報の変動の因子になる情報を特定する。例えば、モデル構築部３３４は、センサ情報履歴３４１によって示される、過去に発生したユーザの生体情報の変動について、フレームワーク３４２２によって特定された情報を因子として機械学習を実行し、モデル３４２１のパラメータを推定する。
ここで、既に述べたように、フレームワーク３４２２は、ユーザの体調不良に関するナレッジに基づいて構成されている。従って、上記の場合、フレームワーク３４２２に従ってモデル構築部３３４が実行する機械学習では、生体情報の変動の因子が、予測しようとする体調不良の種類によって予め絞り込まれることになる。例えば、高山病に関するナレッジに基づいて構成されたフレームワーク３４２２は、センサ情報に含まれる加速度および／または角速度に基づいて推定されるユーザの歩行状態（さらに具体的には時間あたりの歩数）や、センサ情報に含まれる気圧に基づいて推定されるユーザの高度を、生体情報の変動の因子として特定する。この場合、モデル構築部３３４は、センサ情報履歴から脈拍、歩行状態、および高度の情報を抽出し、歩行状態および高度を因子とする脈拍の変動モデルを構築する。
このように、モデル構築部３３４がフレームワーク３４２２に従ってモデル３４２１を構築することによって、例えば、発生を予測したい体調不良の種類（高山病や乗り物酔い、熱中症、運動中の脱水症状など）に応じて、経験的な、または病理学的なナレッジから関連性が高いと推定される因子を選択的に取り入れた、妥当性の高いモデルを構築することができる。モデル化の視点からいえば、ユーザの生体情報の変動はさまざまな因子によって発生しており、それを網羅的にモデル化することは容易ではない。しかし、特定の種類の体調不良の発生を予測するのであれば、上記のように経験的、または病理学的なナレッジを利用することによって、妥当性の高いモデルを構築することが可能になる。一方、ナレッジの視点からいえば、経験的に、または病理学的に体調不良の因子が特定されていても、体調不良が発生することをリアルタイムに予測できるわけではない。上記のようにナレッジに基づくフレームワーク３４２２に従ってモデル３４２１を構築することによって、体調不良の発生予測が可能になる。
以下では、上記のようなシステム１０において実施されるユーザの生体情報の変動予測、および予測に基づいた行動支援情報の提供について、高山病の発生予測の場合を具体例としてさらに説明する。
（３．高山病の発生予測についての具体例）
本例では、システム１０において、リストウェア１００ａが、ユーザの脈拍および血中酸素濃度を検出するセンサを有する。また、スマートフォン１００ｂが、加速度、角速度、および気圧を検出するセンサを有する。従って、本例では、生体情報として脈拍および血中酸素濃度、物理情報として加速度および角速度、環境情報として気圧を含むセンサ情報が、端末装置１００からサーバ３００に送信される。サーバ３００では、センサ情報取得部３３１が、センサ情報のうち加速度および角速度からユーザの時間あたりの歩数を推定し、気圧からユーザの高度を推定する。生体情報変動予測部３３２は、このようにして取得されたユーザの脈拍、血中酸素濃度、歩数、および高度の情報に基づいて、高山病の発生予測を実施する。以下では、まず、上記のようなセンサ情報取得部３３１によるセンサ情報の変換（加速度および角速度を歩数に、気圧を高度に）について、歩数の場合を例として説明する。
（３−１．センサ情報の変換）
図３は、本開示の一実施形態において加速度および角速度を歩数に変換する処理の例を示すフローチャートである。図３を参照すると、センサ情報取得部３３１は、ある時点において、ユーザの加速度および角速度の情報を取得する（Ｓ１０１）。センサ情報取得部３３１は、さらに、センサ情報履歴３４１から、加速度および角速度の履歴を取得する（Ｓ１０３）。センサ情報取得部過去を含む所定の長さの時間におけるユーザの歩数を推定するため、歩数の推定にあたって加速度および角速度の履歴を参照する。
次に、センサ情報取得部３３１は、Ｓ１０１で取得した加速度および角速度と、Ｓ１０３で取得した加速度および角速度の履歴とに基づいて時間あたりの歩数を算出する（Ｓ１０５）。さらに、センサ情報取得部３３１は、算出された歩数に加えて、元になった加速度および角速度の情報を出力する（Ｓ１０７）。歩数の情報は、生体情報変動予測部３３２に出力され、後述するような生体情報（脈拍および血中酸素濃度）の変動予測に使用される。また、歩数の情報は、センサ情報履歴３４１にも格納され、モデル構築部３３４によってモデル３４２１を構築するための学習データとして利用されてもよい。一方、加速度および角速度の情報は、センサ情報履歴３４１に格納され、後の時刻に取得された加速度および角速度に基づいて歩数を推定するために使用される。
（３−２．モデルを利用した生体情報変動予測）
続いて、生体情報変動予測部３３２による、モデル３４２１を利用した生体情報の変動予測について説明する。以下の説明では、簡単のため、センサ情報に含まれるユーザの脈拍、血中酸素濃度、歩数、および高度のそれぞれについて、測定開始時点ｔ０、サンプリング間隔Δｔ、およびサンプル数ｎ（ｎ＝１，２，…）が一致しているものとする。なお、これらが異なる場合は、センサ情報取得部３３１による再サンプリングなどの処理が実施される。ここで、時刻ｔｋのセンサ情報に含まれるそれぞれの情報（測定値）を、脈拍ｓＰ（ｔｋ）、血中酸素濃度ｓＯ（ｔｋ）、歩数ｓＳ（ｔｋ）、および高度ｓＨ（ｔｋ）とする。なお、時刻ｔｋは、ｔ０＋ｋΔｔを意味する（ｋ＝０，１，…，ｎ）。これらの記号を用いて、センサ情報として提供される時系列のデータ、すなわちユーザの脈拍ＳＰ、血中酸素濃度ＳＯ、歩数ＳＳ、および高度ＳＨを、以下の式１のように定義する。
Figure 2016110317
本例において、モデル３４２１は、脈拍の予測値ｓＰ（ｔｋ＋１）に関する以下の式２のようなモデルを含む。パラメータベクトルＷＰは、後述するようなモデル構築部３３４による機械学習の処理で推定され、最新のセンサ情報に基づいて定期的に更新されうる。なお、ｋ＝０の場合、ｓＰ（ｔｋ−１）＝ｓＳ（ｔｋ−１）＝ｓＨ（ｔｋ−１）＝０とする。
Figure 2016110317
また、本例において、モデル３４２１は、血中酸素濃度の予測値ｓＯ（ｔｋ＋１）に関する以下の式３のモデルを含む。パラメータベクトルＷＯは、上記の脈拍の場合と同様に、モデル構築部３３４による機械学習の処理で推定され、最新のセンサ情報に基づいて定期的に更新されうる。なお、ｋ＝０の場合、ｓＯ（ｔｋ−１）＝ｓＳ（ｔｋ−１）＝ｓＨ（ｔｋ−１）＝０とする。
Figure 2016110317
さらに、モデル３４２１は、歩数の予測値ｓＳ（ｔｋ＋１）、および高度の予測値ｓＨ（ｔｋ＋１）のためのモデルをも含む。本例において、これらのモデルは、歩数ｓＳ（ｔｋ）および高度ｓＨ（ｔｋ）のそれぞれについてのＡＲ（Auto-regressive）モデルである。ＡＲモデルについては公知であるため詳細には説明しないが、センサ情報履歴３４１に基づく機械学習によってパラメータを推定することができる。
生体情報変動予測部３３２は、上記のようなモデル３４２１を再帰的に利用して、時刻ｔｎから時刻ｔｎ＋ｐ（ｐ＝１，２，・・・）までの生体情報の変動を予測することができる。なお、時刻ｔｎ＋ｐをどの程度未来の時間にするかは、例えばモデル３４２１の精度や、高山病の発生が予測される場合にユーザが高山病を回避するために取る行動（行動支援情報によって推奨される）に必要な時間などを考慮して決定される。一例として、時刻ｔｎ＋ｐは、時刻ｔｎの５分後であってもよい。
上記の予測に用いられるモデル３４２１は、モデル構築部３３４がセンサ情報履歴３４１に基づく機械学習を実施することによって構築される。より具体的には、モデル構築部３３４は、フレームワーク３４２２によって特定された因子とするモデル３４２１のパラメータを、センサ情報履歴３４１に基づく機械学習によって推定する。つまり、上記で説明した式２および式３、および歩数および高度のそれぞれについてのＡＲモデルはフレームワーク３４２２によって既に定義されており、モデル構築部３３４は、パラメータＷＰ，ＷＯ、およびＡＲモデルのパラメータを、機械学習によって推定する。
ここで、モデル構築部３３４は、機械学習のための訓練データを、センサ情報履歴３４１に含まれるデータの集合、すなわちユーザの脈拍ＳＰ、血中酸素濃度ＳＯ、歩数ＳＳ、および高度ＳＨから生成する。それぞれの訓練データＳ’Ｐ、Ｓ’Ｏ、Ｓ’Ｓ、およびＳ’Ｈは、例えば以下の式４のように定義される。なお、時刻ｔｎ−ｑをどの程度過去の時間にするかは、例えば必要とされるモデル３４２１の精度や、生体情報に関するユーザの特性（体質）の変動周期等を考慮して決定される。一例として、時刻ｔｎ−ｑは、時刻ｔｎの３ヶ月前に設定されてもよい。
Figure 2016110317
本例において、フレームワーク３４２２は、高山病に関するナレッジに基づいて構成されている。高山病は、例えば、登山によって高度が急激に上昇したことによって、ある時点で発生する酸欠状態として定義される。高山病にかかった場合、酸欠状態のため、脈拍は増加し、血中酸素濃度は低下する。つまり、高山病の症状は、生体情報である脈拍および血中酸素濃度の変動として検出されうる。一方、高山病の原因である登山は、歩行によって歩数が継続的に増加し、かつ高度が上昇している状態として定義される。ナレッジに基づいて構成されるフレームワーク３４２２によって、上記で説明したようなモデル３４２１が構築される。
図４は、本開示の一実施形態において脈拍の変動モデルを構築する処理の例を示すフローチャートである。図４を参照すると、モデル構築部３３４は、まず、センサ情報履歴３４１から、脈拍、歩数、および高度の履歴ＳＰ、ＳＳ、ＳＨを取得する（Ｓ１２１）。モデル構築部３３４は、これらの履歴に基づいて、訓練データＳ’Ｐを生成する（Ｓ１２３）。歩数および高度の履歴は、ベクトルＸＰ（ｔｋ）として、訓練データＳ’Ｐに取り込まれている。次に、モデル構築部３３４は、訓練データＳ’Ｐを用いて機械学習を実施する（Ｓ１２５）。機械学習の手法については、様々なものが既によく知られているため、詳しくは説明しない。本実施形態では、そうした手法のうちの適切なものを利用可能である。
機械学習の結果に基づいて、モデル構築部３３４は、脈拍の変動モデルのパラメータベクトルＷＰを推定する（Ｓ１２７）。同様にして、血中酸素濃度の変動モデルのパラメータベクトルＷＯ、およびＡＲモデルのパラメータも推定される。これによって、生体情報変動予測部３３２が、モデル３４２１を利用して脈拍および血中酸素濃度の変動を予測することが可能になる。
（３−３．高山病の発生予測）
さらに、生体情報変動予測部３３２は、予測された脈拍および血中酸素濃度の変動に基づいて、高山病の発生を予測する。より具体的には、生体情報変動予測部３３２は、時刻ｔｎ＋ｐにおける脈拍および血中酸素濃度の予測値ｓＰ（ｔｎ＋ｐ），ｓＯ（ｔｎ＋ｐ）によって構成される条件に従って、高山病の発生を予測する。なお、以下の説明では、便宜上、時刻ｔｎ＋ｐを時刻ｔｎの５分後としている。
ここで、高山病の発生を予測するための条件は、ユーザが実際に高山病にかかった場合の脈拍および血中酸素濃度の測定値の蓄積から抽出されうる。条件は、例えば多数のユーザによって提供されたセンサ情報から統計的に抽出される。生体情報変動予測部３３２は、例えば線形回帰モデルや決定木を利用して、脈拍および血中酸素濃度の測定値と高山病の発生との関係を特定する。
ここで、過去の情報においてユーザが高山病にかかった場合を特定するためには、生体情報以外の何らかの情報が用いられる。例えば、ユーザは、登山中に高山病にかかった場合には、そのことを情報として端末装置１００に入力してもよい。この場合、サーバ３００に送信されるセンサ情報に高山病の発生を示すラベルがつけられる。あるいは、センサ情報に含まれる加速度や角速度に基づいて登山中にユーザが座り込んでしまったことが検出されたような場合に、サーバ３００が高山病の発生を自動的に検出してもよい。
また、生体情報変動予測部３３２は、高山病の発生を予測するにあたり、生体情報の変動予測以外の情報を参照してもよい。例えば、生体情報変動予測部３３２は、高度の予測値ｓＨ（ｔｋ＋１）を参照して、高度が１０００ｍ未満であれば、生体情報に関わらず高山病ではないと判定してもよい。
図５は、本開示の一実施形態における高山病の発生予測処理の例を示すフローチャートである。なお、以下に示される例では、説明を簡単にするために脈拍の変動のみに基づいて高山病の発生が予測されているが、本例における高山病の発生予測は、脈拍および血中酸素濃度の両方に基づいて実施されうる。
図５を参照すると、まず、生体情報変動予測部３３２は、ある時点において、センサ情報取得部３３１から、ユーザの脈拍、歩数、および高度の情報を取得する（Ｓ１４１）。次に、生体情報変動予測部３３２は、高度が１０００ｍを超えているか否かを判定する（Ｓ１４３）。ここで高度が１０００ｍを超えていなければ、生体情報変動予測部３３２は以下の高山病の発生予測を実施せず、従って行動支援情報生成部３３３の処理も実行されない。一方、高度が１０００ｍを超えていた場合、以下のような高山病の発生予測が実行される。
この場合、生体情報変動予測部３３２は、上記のようなモデル３４２１を利用して、５分後の脈拍、歩数、および高度を予測する（Ｓ１４５）。さらに、生体情報変動予測部３３２は、予測された変動後の生体情報が、高山病の条件を満たすか否かを判定する（Ｓ１４７）。この判定に用いられる条件は、上記の通り、ユーザが実際に高山病にかかった場合の脈拍および血中酸素濃度の測定値の蓄積から抽出される。予測された変動後の生体情報が高山病の条件を満たすと判定された場合、行動支援情報生成部３３３が、アラートを出力する（Ｓ１４９）。ここで出力されるアラートを含む行動支援情報の具体的な例については、続く部分でさらに説明する。
（３−４．行動支援情報の例）
図６は、本開示の一実施形態において、高山病の発生が予測された場合に提供される行動支援情報の第１の例を示す図である。図６を参照すると、行動支援情報の画面１１１は、アラート１１１１と、行動提案１１１３と、フィードバックボタン１１１５とを含む。画面１１１は、端末装置１００のディスプレイ１１０、より具体的には図１に示されたリストウェア１００ａのディスプレイ１１０ａ、またはスマートフォン１００ｂのディスプレイ１１０ｂに表示されうる。
図示された例では、（Ａ）に示す画面１１１ｐ、または（Ｂ）に示す画面１１１ｑのいずれかが、選択的に提供される。画面１１１ｐでは、行動提案１１１３ｐによって、より高度の低い場所に降下することが提案されている。一方、画面１１１ｑでは、行動提案１１１３ｑによって、歩行を中止して１０分間の休憩をとることが提案されている。
このような行動支援情報の選択的な提供は、例えば、フレームワーク３４２２によって生体情報の変動の複数の因子が特定されている場合に、生体情報の変動への寄与がより大きい因子を特定することによって可能になる。より具体的には、本例において、フレームワーク３４２２は、脈拍および血中酸素濃度の変動の因子として、歩数および高度を特定している。それぞれの因子による生体情報の変動への寄与は、モデル３４２１のパラメータ、より具体的には、式２に示されたパラメータベクトルＷＰの成分ｗＰＳ１，ｗＰＳ２，ｗＰＨ１，ｗＰＨ２や、式３に示されたパラメータベクトルＷＯの成分ｗＯＳ１，ｗＯＳ２，ｗＯＨ１，ｗＯＨ２から推定することができる。例えば、（ｗＰＳ１−ｗＰＨ１）−ａ（ｗＯＳ１−ｗＯＨ１）＞０である場合、歩数の方の寄与が大きいと推定される。なお、ａは、歩数および高度の平均的な寄与の大きさの割合に基づいて決定される定数である。
フィードバックボタン１１１５は、画面１１１による行動支援情報の提示を受けたユーザが、既に高山病にかかっていると自覚している場合に押下される。つまり、図示された例において、行動支援情報は、体調不良が実際に発生したか否かのフィードバックを促す情報を含んでいる。ユーザがフィードバックボタン１１１５を押下すると、端末装置１００からサーバ３００に送信されるセンサ情報に、高山病の発生を示すラベルが付けられる。これによって、サーバ３００では、ユーザが実際に高山病にかかった場合の測定値の蓄積を追加することができる。
図７は、本開示の一実施形態において、高山病の発生が予測された場合に提供される行動支援情報の第２の例を示す図である。図７を参照すると、行動支援情報の画面１１１ｒは、アラート１１１１と、行動提案１１１３ｒと、地図情報１１１７とを含む。画面１１１ｒも、上記の画面１１１と同様に、端末装置１００のディスプレイ１１０、より具体的には図１に示されたリストウェア１００ａのディスプレイ１１０ａ、またはスマートフォン１００ｂのディスプレイ１１０ｂに表示されうる。
図示された例の画面１１１ｒでは、行動提案１１１３ｒによって、山小屋で休憩することが提案されている。地図情報１１１７では、ユーザの位置と、山小屋の位置とが示されている。このような行動支援情報は、例えば、端末装置１００からサーバ３００に提供されるセンサ情報がユーザの位置情報を含む場合に提供可能である。この場合、サーバ３００の行動支援情報生成部３３３は、センサ情報取得部３３１からユーザの位置情報を取得し、ユーザの現在地近傍で、体調不良（この例では高山病）を回避するために役立つ施設を探索する。
以上で説明した例によれば、ユーザの状態の不規則な変化による体調不良の一種である高山病の発生を、センサ情報に基づいて予測することができる。体調不良を事前に予測し、例えば体調不良を回避するための行動支援情報を提供することができれば、ユーザは体調不良による不快感などを覚えることがなく、また余力のあるうちに行動を起こすことができるため、非常に有用である。
（４．変形例）
本開示の実施形態では、上記で説明した例には限られない。以下では、そのいくつかの変形例について説明する。なお、以下で説明されるものに限らず、当業者であれば当然に想到される範囲でさらに多くの変形例が可能でありうる。
図８は、本開示の一実施形態の変形例において提供される行動支援情報の例を示す図である。図８を参照すると、行動支援情報の画面１１１ｓは、アラート１１１１ｓと、行動提案１１１３ｓと、地図情報１１１７ｓとを含む。画面１１１ｓも、上記の画面１１１と同様に、端末装置１００のディスプレイ１１０、より具体的には図１に示されたリストウェア１００ａのディスプレイ１１０ａ、またはスマートフォン１００ｂのディスプレイ１１０ｂに表示されうる。
画面１１１ｓでは、アラート１１１１ｓによって、このままユーザが歩くと５分以内に人混みに入ることが警告されている。これに対応して、行動提案１１１３ｓでは「１５番街」を避けることが提案され、地図情報１１１７ｓでは「１５番街」を避けるルートが提示されている。この例では、人混みの中に入ると気分が悪くなるユーザに対して、この先で予測される人込みを避けることが提案されている。
人混みの中で気分が悪くなることについては、そのような傾向のあるユーザがいることは知られているものの、必ずしも高山病のように一般的な体調不良ではない。しかしながら、本変形例では、ユーザに体調不良が発生したことが入力情報やセンサ情報によって検出された場合に、そのときの生体情報や他のセンサ情報の傾向を解析することによって、そのような体調不良に関するフレームワーク３４２２を構成することができる。
例えば、本変形例において、サーバ３００のセンサ情報取得部３３１は、ユーザの脈拍と、ユーザの周辺の音と、位置情報とを含むセンサ情報を取得する。ここで、例えば、ユーザの脈拍が平均値を大きく超えることと、ユーザの周辺で人混みによる騒音が検出されていることとの相関性が高ければ、このユーザは人混みで気分が悪くなる傾向のあるユーザであることが特定される。このような解析に基づいて構成されるフレームワーク３４２２は、例えば、ユーザの脈拍の変動の因子として、ユーザの周辺で発生する人混みによる騒音を特定する。また、フレームワーク３４２２は、人混みによる騒音の発生を、ユーザの行き先（ユーザの位置情報の履歴に基づいて推定される）における当該時間帯の人出予測（この情報は、例えば設定情報として別途与えられる）に基づいて予測することを定義する。生体情報変動予測部３３２は、上記のようなフレームワーク３４２２に従って、例えば５分後に、ユーザが人混みに入ったことによってユーザの脈拍が上昇し、気分が悪くなるレベルに達するか否かを予測することができる。
このように、本開示の実施形態の変形例は、必ずしも一般的ではない体調不良についても、例えばユーザのセンサ情報の履歴を蓄積および解析することによってフレームワーク３４２２を生成し、フレームワーク３４２２に従ってそのような体調不良につながる生体情報の変動を予測することを可能にする例を含む。
また、上記の図２に示された例では、サーバ３００の処理部３３０を構成するプロセッサがメモリまたはストレージに格納されたプログラムに従って動作することによって、センサ情報取得部３３１と、生体情報変動予測部３３２と、行動支援情報生成部３３３と、モデル構築部３３４との機能が実現されたが、本開示の実施形態はこのような例には限られない。例えば、行動支援情報生成部３３３の機能は、サーバ３００とは異なる外部装置によって実現されてもよい。この場合、サーバ３００は、予測されたユーザの生体情報の変動を示す情報を、当該外部装置に送信する。また、モデル構築部３３４の機能も、サーバ３００とは異なる外部装置によって実現されてもよい。この場合、サーバ３００は、ユーザの生体情報の変動を予測するための予測ルール３４２（モデル３４２１を含む）を当該外部装置から、ネットワーク２００またはリムーバブルメディアなどを介してインポートする。
また、本開示の実施形態に係るシステムの構成要素は、上記で図１に示されたシステム１０の例には限られない。例えば、他の実施形態では、システムが単一の装置、例えばモバイル端末やウェアラブル端末などの中で完結してもよい。つまり、上記で説明したセンサ情報取得部３３１、生体情報変動予測部３３２などの機能構成は、サーバではなく、端末装置において実現されてもよい。
（５．ハードウェア構成）
次に、図９を参照して、本開示の実施形態に係る情報処理装置のハードウェア構成について説明する。図９は、本開示の実施形態に係る情報処理装置のハードウェア構成例を示すブロック図である。図示された情報処理装置９００は、例えば、上記の実施形態における端末装置およびサーバを実現しうる。
情報処理装置９００は、ＣＰＵ（Central Processing unit）９０１、ＲＯＭ（Read Only Memory）９０３、およびＲＡＭ（Random Access Memory）９０５を含む。また、情報処理装置９００は、ホストバス９０７、ブリッジ９０９、外部バス９１１、インターフェース９１３、入力装置９１５、出力装置９１７、ストレージ装置９１９、ドライブ９２１、接続ポート９２３、通信装置９２５を含んでもよい。さらに、情報処理装置９００は、必要に応じて、撮像装置９３３、およびセンサ９３５を含んでもよい。情報処理装置９００は、ＣＰＵ９０１に代えて、またはこれとともに、ＤＳＰ（Digital Signal Processor）、ＡＳＩＣ（Application Specific Integrated Circuit）、またはＦＰＧＡ（Field-Programmable Gate Array）などの処理回路を有してもよい。
ＣＰＵ９０１は、演算処理装置および制御装置として機能し、ＲＯＭ９０３、ＲＡＭ９０５、ストレージ装置９１９、またはリムーバブル記録媒体９２７に記録された各種プログラムに従って、情報処理装置９００内の動作全般またはその一部を制御する。ＲＯＭ９０３は、ＣＰＵ９０１が使用するプログラムや演算パラメータなどを記憶する。ＲＡＭ９０５は、ＣＰＵ９０１の実行において使用するプログラムや、その実行において適宜変化するパラメータなどを一次記憶する。ＣＰＵ９０１、ＲＯＭ９０３、およびＲＡＭ９０５は、ＣＰＵバスなどの内部バスにより構成されるホストバス９０７により相互に接続されている。さらに、ホストバス９０７は、ブリッジ９０９を介して、ＰＣＩ（Peripheral Component Interconnect/Interface）バスなどの外部バス９１１に接続されている。
入力装置９１５は、例えば、マウス、キーボード、タッチパネル、ボタン、スイッチおよびレバーなど、ユーザによって操作される装置である。入力装置９１５は、例えば、赤外線やその他の電波を利用したリモートコントロール装置であってもよいし、情報処理装置９００の操作に対応した携帯電話などの外部接続機器９２９であってもよい。入力装置９１５は、ユーザが入力した情報に基づいて入力信号を生成してＣＰＵ９０１に出力する入力制御回路を含む。ユーザは、この入力装置９１５を操作することによって、情報処理装置９００に対して各種のデータを入力したり処理動作を指示したりする。
出力装置９１７は、取得した情報をユーザに対して視覚や聴覚、触覚などの感覚を用いて通知することが可能な装置で構成される。出力装置９１７は、例えば、ＬＣＤ（Liquid Crystal Display）または有機ＥＬ（Electro-Luminescence）ディスプレイなどの表示装置、スピーカまたはヘッドフォンなどの音声出力装置、もしくはバイブレータなどでありうる。出力装置９１７は、情報処理装置９００の処理により得られた結果を、テキストもしくは画像などの映像、音声もしくは音響などの音声、またはバイブレーションなどとして出力する。
ストレージ装置９１９は、情報処理装置９００の記憶部の一例として構成されたデータ格納用の装置である。ストレージ装置９１９は、例えば、ＨＤＤ（Hard Disk Drive）などの磁気記憶部デバイス、半導体記憶デバイス、光記憶デバイス、または光磁気記憶デバイスなどにより構成される。ストレージ装置９１９は、例えばＣＰＵ９０１が実行するプログラムや各種データ、および外部から取得した各種のデータなどを格納する。
ドライブ９２１は、磁気ディスク、光ディスク、光磁気ディスク、または半導体メモリなどのリムーバブル記録媒体９２７のためのリーダライタであり、情報処理装置９００に内蔵、あるいは外付けされる。ドライブ９２１は、装着されているリムーバブル記録媒体９２７に記録されている情報を読み出して、ＲＡＭ９０５に出力する。また、ドライブ９２１は、装着されているリムーバブル記録媒体９２７に記録を書き込む。
接続ポート９２３は、機器を情報処理装置９００に接続するためのポートである。接続ポート９２３は、例えば、ＵＳＢ（Universal Serial Bus）ポート、ＩＥＥＥ１３９４ポート、ＳＣＳＩ（Small Computer System Interface）ポートなどでありうる。また、接続ポート９２３は、ＲＳ−２３２Ｃポート、光オーディオ端子、ＨＤＭＩ（登録商標）（High-Definition Multimedia Interface）ポートなどであってもよい。接続ポート９２３に外部接続機器９２９を接続することで、情報処理装置９００と外部接続機器９２９との間で各種のデータが交換されうる。
通信装置９２５は、例えば、通信ネットワーク９３１に接続するための通信デバイスなどで構成された通信インターフェースである。通信装置９２５は、例えば、ＬＡＮ（Local Area Network）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、Ｗｉ−Ｆｉ、またはＷＵＳＢ（Wireless USB）用の通信カードなどでありうる。また、通信装置９２５は、光通信用のルータ、ＡＤＳＬ（Asymmetric Digital Subscriber Line）用のルータ、または、各種通信用のモデムなどであってもよい。通信装置９２５は、例えば、インターネットや他の通信機器との間で、ＴＣＰ／ＩＰなどの所定のプロトコルを用いて信号などを送受信する。また、通信装置９２５に接続される通信ネットワーク９３１は、有線または無線によって接続されたネットワークであり、例えば、インターネット、家庭内ＬＡＮ、赤外線通信、ラジオ波通信または衛星通信などを含みうる。
撮像装置９３３は、例えば、ＣＭＯＳ（Complementary Metal Oxide Semiconductor）またはＣＣＤ（Charge Coupled Device）などの撮像素子、および撮像素子への被写体像の結像を制御するためのレンズなどの各種の部材を用いて実空間を撮像し、撮像画像を生成する装置である。撮像装置９３３は、静止画を撮像するものであってもよいし、また動画を撮像するものであってもよい。
センサ９３５は、例えば、加速度センサ、角速度センサ、地磁気センサ、照度センサ、温度センサ、気圧センサ、または音センサ（マイクロフォン）などの各種のセンサである。センサ９３５は、例えば情報処理装置９００の筐体の姿勢など、情報処理装置９００自体の状態に関する情報や、情報処理装置９００の周辺の明るさや騒音など、情報処理装置９００の周辺環境に関する情報を取得する。また、センサ９３５は、ＧＰＳ（Global Positioning System）信号を受信して装置の緯度、経度および高度を測定するＧＰＳ受信機を含んでもよい。
以上、情報処理装置９００のハードウェア構成の一例を示した。上記の各構成要素は、汎用的な部材を用いて構成されていてもよいし、各構成要素の機能に特化したハードウェアにより構成されていてもよい。かかる構成は、実施する時々の技術レベルに応じて適宜変更されうる。
（６．補足）
本開示の実施形態は、例えば、上記で説明したような情報処理装置（端末装置またはサーバ）、システム、情報処理装置またはシステムで実行される情報処理方法、情報処理装置を機能させるためのプログラム、およびプログラムが記録された一時的でない有形の媒体を含みうる。
以上、添付図面を参照しながら本開示の好適な実施形態について詳細に説明したが、本開示の技術的範囲はかかる例に限定されない。本開示の技術分野における通常の知識を有する者であれば、特許請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本開示の技術的範囲に属するものと了解される。
また、本明細書に記載された効果は、あくまで説明的または例示的なものであって限定的ではない。つまり、本開示に係る技術は、上記の効果とともに、または上記の効果に代えて、本明細書の記載から当業者には明らかな他の効果を奏しうる。
なお、以下のような構成も本開示の技術的範囲に属する。
（１）少なくともユーザの生体情報を含むセンサ情報を取得するセンサ情報取得部と、
前記ユーザの体調不良に関するナレッジに基づくフレームワークに従って、前記センサ情報から前記生体情報の変動を予測する生体情報変動予測部と
を備える情報処理装置。
（２）前記フレームワークは、前記センサ情報に含まれる前記生体情報以外の情報を、前記生体情報の変動の因子として特定する、前記（１）に記載の情報処理装置。
（３）前記フレームワークは、前記ユーザの物理的な挙動を示す物理情報を前記因子として特定する、前記（２）に記載の情報処理装置。
（４）前記物理情報は、前記ユーザの加速度または角速度の情報を含み、
前記フレームワークは、前記加速度または前記角速度に基づいて推定される前記ユーザの歩行状態を前記因子として特定する、前記（３）に記載の情報処理装置。
（５）前記フレームワークは、前記ユーザの周辺の環境情報を前記因子として特定する、前記（２）〜（４）のいずれか１項に記載の情報処理装置。
（６）前記環境情報は、前記ユーザの周辺の気圧の情報を含み、
前記フレームワークは、前記気圧に基づいて推定される前記ユーザの高度を前記因子として特定する、前記（５）に記載の情報処理装置。
（７）前記生体情報変動予測部は、さらに、前記生体情報の変動に基づいて前記体調不良の発生を予測する、前記（１）〜（６）のいずれか１項に記載の情報処理装置。
（８）前記体調不良の発生が予測される場合に、前記ユーザが前記体調不良を回避するための行動支援情報を生成する行動支援情報生成部をさらに備える、前記（７）のいずれか１項に記載の情報処理装置。
（９）前記行動支援情報生成部は、前記ユーザの位置情報に基づいて前記行動支援情報を生成する、前記（８）に記載の情報処理装置。
（１０）前記フレームワークは、前記生体情報の変動の複数の因子を特定し、
前記行動支援情報は、前記複数の因子のうち、前記生体情報の変動への寄与がより大きい因子に影響を与える行動を促す情報を含む、前記（８）または（９）に記載の情報処理装置。
（１１）前記行動支援情報は、前記体調不良が実際に発生したか否かのフィードバックを促す情報を含む、前記（８）〜（１０）のいずれか１項に記載の情報処理装置。
（１２）少なくともユーザの生体情報を含むセンサ情報を取得することと、
前記ユーザの体調不良に関するナレッジに基づくフレームワークに従って、前記センサ情報から前記生体情報の変動を予測することと
を含む情報処理方法。
（１３）少なくともユーザの生体情報を含むセンサ情報を取得する機能と、
前記ユーザの体調不良に関するナレッジに基づくフレームワークに従って、前記センサ情報から前記生体情報の変動を予測する機能と
をコンピュータに実現させるためのプログラム。
１０ システム
１００ 端末装置
１１０ ディスプレイ
３００ サーバ
３１０ 受信部
３２０ 送信部
３３０ 処理部
３３１ センサ情報取得部
３３２ 生体情報変動予測部
３３３ 行動支援情報生成部
３３４ モデル構築部

Claims (13)

  1. 少なくともユーザの生体情報を含むセンサ情報を取得するセンサ情報取得部と、
    前記ユーザの体調不良に関するナレッジに基づくフレームワークに従って、前記センサ情報から前記生体情報の変動を予測する生体情報変動予測部と
    を備える情報処理装置。
  2. 前記フレームワークは、前記センサ情報に含まれる前記生体情報以外の情報を、前記生体情報の変動の因子として特定する、請求項１に記載の情報処理装置。
  3. 前記フレームワークは、前記ユーザの物理的な挙動を示す物理情報を前記因子として特定する、請求項２に記載の情報処理装置。
  4. 前記物理情報は、前記ユーザの加速度または角速度の情報を含み、
    前記フレームワークは、前記加速度または前記角速度に基づいて推定される前記ユーザの歩行状態を前記因子として特定する、請求項３に記載の情報処理装置。
  5. 前記フレームワークは、前記ユーザの周辺の環境情報を前記因子として特定する、請求項２に記載の情報処理装置。
  6. 前記環境情報は、前記ユーザの周辺の気圧の情報を含み、
    前記フレームワークは、前記気圧に基づいて推定される前記ユーザの高度を前記因子として特定する、請求項５に記載の情報処理装置。
  7. 前記生体情報変動予測部は、さらに、前記生体情報の変動に基づいて前記体調不良の発生を予測する、請求項１に記載の情報処理装置。
  8. 前記体調不良の発生が予測される場合に、前記ユーザが前記体調不良を回避するための行動支援情報を生成する行動支援情報生成部をさらに備える、請求項７に記載の情報処理装置。
  9. 前記行動支援情報生成部は、前記ユーザの位置情報に基づいて前記行動支援情報を生成する、請求項８に記載の情報処理装置。
  10. 前記フレームワークは、前記生体情報の変動の複数の因子を特定し、
    前記行動支援情報は、前記複数の因子のうち、前記生体情報の変動への寄与がより大きい因子に影響を与える行動を促す情報を含む、請求項８に記載の情報処理装置。
  11. 前記行動支援情報は、前記体調不良が実際に発生したか否かのフィードバックを促す情報を含む、請求項８に記載の情報処理装置。
  12. 少なくともユーザの生体情報を含むセンサ情報を取得することと、
    前記ユーザの体調不良に関するナレッジに基づくフレームワークに従って、前記センサ情報から前記生体情報の変動を予測することと
    を含む情報処理方法。
  13. 少なくともユーザの生体情報を含むセンサ情報を取得する機能と、
    前記ユーザの体調不良に関するナレッジに基づくフレームワークに従って、前記センサ情報から前記生体情報の変動を予測する機能と
    をコンピュータに実現させるためのプログラム。
JP2014245904A 2014-12-04 2014-12-04 情報処理装置、情報処理方法およびプログラム Pending JP2016110317A (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2014245904A JP2016110317A (ja) 2014-12-04 2014-12-04 情報処理装置、情報処理方法およびプログラム
EP15864722.2A EP3229202A4 (en) 2014-12-04 2015-08-26 Information processing device, information processing method, and program
US15/528,600 US11234656B2 (en) 2014-12-04 2015-08-26 Information processing apparatus and information processing method
PCT/JP2015/073998 WO2016088413A1 (ja) 2014-12-04 2015-08-26 情報処理装置、情報処理方法およびプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2014245904A JP2016110317A (ja) 2014-12-04 2014-12-04 情報処理装置、情報処理方法およびプログラム

Publications (1)

Publication Number Publication Date
JP2016110317A true JP2016110317A (ja) 2016-06-20

Family

ID=56091371

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2014245904A Pending JP2016110317A (ja) 2014-12-04 2014-12-04 情報処理装置、情報処理方法およびプログラム

Country Status (4)

Country Link
US (1) US11234656B2 (ja)
EP (1) EP3229202A4 (ja)
JP (1) JP2016110317A (ja)
WO (1) WO2016088413A1 (ja)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018005512A (ja) * 2016-06-30 2018-01-11 株式会社ニコン プログラム、電子機器、情報処理装置及びシステム
JP2018019821A (ja) * 2016-08-02 2018-02-08 日本電信電話株式会社 熱障害危険度判定方法およびウェアラブルセンサシステム
JP2019055066A (ja) * 2017-09-21 2019-04-11 京セラ株式会社 センサシステム及び電子機器
JP2019073810A (ja) * 2017-10-12 2019-05-16 京セラ株式会社 ヘルメット
JP6670985B1 (ja) * 2018-10-26 2020-03-25 京セラ株式会社 監視装置、監視方法、及び監視プログラム
WO2020085108A1 (ja) * 2018-10-26 2020-04-30 京セラ株式会社 監視装置、監視方法、及び監視プログラム
JP2021049098A (ja) * 2019-09-25 2021-04-01 アルパイン株式会社 歩行補助装置
JP6873526B1 (ja) * 2019-07-23 2021-05-19 株式会社Ｒａｂｏ 動物の行動情報を取得するサービスを提供するサーバ

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10448415B2 (en) * 2017-07-11 2019-10-15 Intel Corporation Scheduling of network relays
CN111093476A (zh) * 2017-09-21 2020-05-01 京瓷株式会社 监测装置、监测方法和监测程序
WO2019113562A1 (en) * 2017-12-08 2019-06-13 The United States Of America As Represented By The Secretary Of The Army Systems and methods for monitoring subjects in potential hypoxic distress

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6292687B1 (en) * 2000-05-25 2001-09-18 Lowell Dewitt James Medical emergency response and locating system
US6656125B2 (en) * 2001-06-01 2003-12-02 Dale Julian Misczynski System and process for analyzing a medical condition of a user
US8626262B2 (en) * 2003-10-30 2014-01-07 Halthion Medical Technologies, Inc. Physiological data collection system
US9704369B2 (en) * 2008-06-27 2017-07-11 Barron Associates, Inc. Autonomous fall monitor using an altimeter with opposed sensing ports
US9167991B2 (en) * 2010-09-30 2015-10-27 Fitbit, Inc. Portable monitoring devices and methods of operating same
JP5930155B2 (ja) 2011-10-21 2016-06-08 セイコーエプソン株式会社 監視システム、サーバー及び監視システムの作動方法
JP5978716B2 (ja) 2012-03-30 2016-08-24 ソニー株式会社 情報処理装置、情報処理方法、及びプログラム
JP2013238970A (ja) 2012-05-14 2013-11-28 Secom Co Ltd 健康管理システム
EP3003139B1 (en) * 2013-06-06 2024-02-07 LifeLens Technologies, Inc. Modular physiologic monitoring systems, kits, and methods
US9420956B2 (en) * 2013-12-12 2016-08-23 Alivecor, Inc. Methods and systems for arrhythmia tracking and scoring
US20150258415A1 (en) * 2014-03-14 2015-09-17 Aliphcom Physiological rate coaching by modifying media content based on sensor data
US10898075B2 (en) * 2014-04-25 2021-01-26 Halo Wearables, Llc Wearable stress-testing device
US9173596B1 (en) * 2014-06-28 2015-11-03 Bertec Limited Movement assessment apparatus and a method for providing biofeedback using the same

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018005512A (ja) * 2016-06-30 2018-01-11 株式会社ニコン プログラム、電子機器、情報処理装置及びシステム
JP2018019821A (ja) * 2016-08-02 2018-02-08 日本電信電話株式会社 熱障害危険度判定方法およびウェアラブルセンサシステム
JP2019055066A (ja) * 2017-09-21 2019-04-11 京セラ株式会社 センサシステム及び電子機器
JP2019073810A (ja) * 2017-10-12 2019-05-16 京セラ株式会社 ヘルメット
JP6670985B1 (ja) * 2018-10-26 2020-03-25 京セラ株式会社 監視装置、監視方法、及び監視プログラム
WO2020085108A1 (ja) * 2018-10-26 2020-04-30 京セラ株式会社 監視装置、監視方法、及び監視プログラム
JP6873526B1 (ja) * 2019-07-23 2021-05-19 株式会社Ｒａｂｏ 動物の行動情報を取得するサービスを提供するサーバ
JP2021049098A (ja) * 2019-09-25 2021-04-01 アルパイン株式会社 歩行補助装置

Also Published As

Publication number Publication date
US11234656B2 (en) 2022-02-01
US20170265817A1 (en) 2017-09-21
EP3229202A1 (en) 2017-10-11
EP3229202A4 (en) 2018-08-22
WO2016088413A1 (ja) 2016-06-09

Similar Documents

Publication Publication Date Title
WO2016088413A1 (ja) 情報処理装置、情報処理方法およびプログラム
CN107193382B (zh) 智能可穿戴设备以及自动利用传感器来配置能力的方法
JP6640857B2 (ja) 医療用ブレスレット規格
CN107004054B (zh) 计算健康参数
JP6684797B2 (ja) ウェアラブルデバイス間の接続関係を提供するシステムおよび方法
US20190216333A1 (en) Thermal face image use for health estimation
US10292639B2 (en) Information processing device and information processing method
US20180008191A1 (en) Pain management wearable device
US10431116B2 (en) Orator effectiveness through real-time feedback system with automatic detection of human behavioral and emotional states of orator and audience
WO2016158267A1 (ja) 情報処理装置、情報処理方法、およびプログラム
JP2015046170A (ja) 端末装置、通信システム、サーバ装置、データ管理方法、およびプログラム
WO2019086856A1 (en) Systems and methods for combining and analysing human states
WO2015194391A1 (ja) 検出装置および方法、並びにプログラム
CN111263926B (zh) 信息处理装置、信息处理方法和计算机可读存储介质
WO2015190141A1 (ja) 情報処理装置、情報処理方法、およびプログラム
WO2016143415A1 (ja) 情報処理装置、情報処理方法およびプログラム
KR20210098953A (ko) 소셜 네트워크 플랫폼으로의 감정 데이터의 통합 및 소셜 네트워크 플랫폼 상의 감정 데이터의 공유를 위한 시스템 및 방법
US20230389880A1 (en) Non-obtrusive gait monitoring methods and systems for reducing risk of falling
JP2020052748A (ja) サーバ装置、情報処理方法、プログラム、端末装置及び情報通信システム
JP2022015191A (ja) 推定プログラム、推定装置、推定方法、生成プログラム、生成装置及び生成方法
JP5194917B2 (ja) 表示装置およびその表示方法
Sukreep et al. iWatch: a fall and activity recognition system using smart devices
JPWO2019130437A1 (ja) 地域別笑顔度表示システム、地域別笑顔度表示方法及びプログラム
JP7044215B1 (ja) 解析システム、解析システムの制御プログラム、制御プログラム、および解析システムの制御方法
WO2015194215A1 (ja) 情報処理装置、情報処理方法およびプログラム