JP2018051003A - タスク実行順序決定システムおよびタスク実行方法 - Google Patents

Abstract

【課題】人の認知機能や運動機能を複数の手指運動のタスクによって評価するための技術を提供する。【解決手段】被験者に実行させて特徴量を取得するための複数のタスクの実行順序を決定するタスク実行方法であり、記憶装置と処理装置を含む情報処理装置により実行され、予め与えたスコアと、複数のタスクから得られた特徴量とが過去のデータとして格納される被験者群タスクデータベースを利用する。処理装置は判別精度のデータベースまたは推定精度のデータベースに基づいて、各タスクにおいて判別精度または推定精度が最大または所定以上となるスコアの所定の閾値あるいはスコアの所定の値を最適スコアとして選ぶ第１のステップ、最適スコアを参照して複数のタスクからタスクを選び、タスクを実行させるための情報を出力する第２のステップ、選ばれたタスクに対応して得られた特徴量を用いて、判別の結果または推定の結果を得る第３のステップ、を実行する。【選択図】図１

Description

本発明は、情報処理サービス技術に関する。また、本発明は、人の認知機能や運動機能を複数の手指運動のタスクによって評価するための技術に関する。

人の手指の運動の計測及び解析によってその人の認知機能や運動機能を簡易的に評価するシステム等が開発されている。例えば、被験者の手指にセンサを装着した状態で、指タッピング（以下「指タップ」等と記載する場合がある）の運動のタスクを行ってもらう。指タッピングは、二指を開閉して二指が接触した状態と離れた状態とを繰り返す運動である。指タッピングには様々なタスクがある。例えば、片手で出来る限り大きい振幅で、出来る限り速く行う指タッピングを、片手フリーランと呼ぶ。片手でメトロノームに合わせて開閉する指タッピングを、片手メトロノームと呼ぶ。両手で左右同じタイミングで開閉する指タッピングは、両手同時フリーランと呼び、左右交互に開閉する指タッピングは、両手交互フリーランと呼ぶ。

計測装置は、センサを通じてこのような指タッピング運動を計測し、評価装置は、計測データに基づいてその運動の性質や特徴を解析し、その人の認知機能や運動機能を評価し、結果を画面に出力する。運動の性質や特徴は、例えば指タップの回数、開閉距離、速度等が挙げられる。例えば、被験者の指タップ回数が健常者の指タップ回数の平均値よりも少ない場合、その被験者の運動量等の指標項目の評価値が小さくなる。

更に、上記システムによる評価結果を、被験者の疾患の可能性の推定や、疾患の重症度の評価等に利用することができる。疾患は、アルツハイマー型認知症、脳血管性認知症、レビー小体型認知症など各種認知症のほか、パーキンソン病などの運動障害を含む。
上記手指運動の計測、解析評価、疾患推定等に関する先行技術例としては、特許第５３３０９３３号公報（特許文献１）が挙げられる。特許文献１には、運動機能評価システムとして、被験者の指タッピングの特徴量を健常者の特徴量と比較して、被験者の運動障害の度合いを表す値を生成する旨等が記載されている。

特許第５３３０９３３号公報

従来のシステムでは、１種類の手指運動のタスクのみを計測して、認知機能や運動機能を評価していた。しかし、より高精度に評価するには、複数の種類の手指運動タスクを計測した方がよい。しかし、複数の手指運動タスクを計測させると、被験者や計測者の負荷が大きくなり、検査の簡便性が失われるという問題がある。この計測の負荷は、認知/運動機能の低下が重度の被験者ほど、より深刻な問題となる。そのため、評価の精度を維持しつつ、手指運動タスクの計測負荷を低減することが必要となる。

本発明では、この問題を解決するため、手指運動タスクによって、精度良く評価できる認知/運動機能の重症度の範囲が異なることに着目する。指タッピングを例に挙げると、片手フリーランは認知/運動機能低下が重度の被験者を高精度に評価できる一方で、両手同時フリーランは中度の被験者を高精度に評価でき、両手交互フリーランは軽度の被験者を高精度に評価できるという状況が挙げられる。つまり、これは、被験者の認知/運動機能のレベルに応じて、適切な指タッピングのタスクが異なるということを意味する。この知見を用いて、個々の被験者に適したタスクを計測し、不必要なタスクは計測しないことが必要となる。

そこで、本発明では、被験者の計測の負荷低減、かつ、評価結果の精度改善の両方を実現するために、被験者の認知/運動機能の低下のレベルに応じて手指運動のタスク計測を行う実行順序を決定することを目的とする。

上記課題を解決する本発明の一側面は、複数種類のタスクの実行順序を指定する情報処理を行う、タスク実行順序決定システムであって、処理装置と記憶装置を備える。記憶装置は、複数種類のタスクの其々に対して、タスクを特定するタスクＩＤ（タスク名などタスクを特定する情報であれば他のものでもよい）と、タスクの実行順序を決定するためのパラメータを格納するタスク実行順序データを格納する。処理装置は、パラメータに基づいて、タスクの実行順序を指定する。パラメータは、複数の測定対象の其々について、予め与えたスコアと、タスクの実行結果により得られた判別指標とを対応付け、複数の測定対象をスコアの所定閾値により２群に分けた場合、判別指標により２群を判別する判別精度が最大または所定以上となるスコアの所定閾値である。

上記課題を解決する本発明の一側面は、複数種類のタスクの実行順序を指定する情報処理を行う、タスク実行順序決定システムであって、処理装置と記憶装置を備える。記憶装置は、複数種類のタスクの其々に対して、タスクを特定するタスクＩＤ（タスク名などタスクを特定する情報であれば他のものでもよい）と、タスクの実行順序を決定するためのパラメータを格納するタスク実行順序データを格納する。処理装置は、パラメータに基づいて、タスクの実行順序を指定する。パラメータは、複数の測定対象の其々について、予め与えたスコアと、タスクの実行結果により得られた判別指標とを対応付け、スコアと判別指標の関係を示すモデルを定義した場合、予め与えたスコアと判別指標の関係のモデルからのずれが、最小または所定以下となるスコアの値である。

上記課題を解決する本発明の一側面は、被験者に実行させて特徴量を取得するための複数のタスクの実行順序を決定するタスク実行方法である。この方法は、記憶装置と処理装置を含む情報処理装置により実行され、複数の被験者の其々に対応して、予め与えたスコアと、複数のタスクから得られた特徴量とが、過去のデータとして格納される被験者群タスクデータベースを利用するものである。記憶装置には、被験者群タスクデータベースに基づいて、複数のタスク毎に、（１）スコアの所定の閾値によって被験者を２群に分割し、２群を特徴量により判別した場合の、判別精度のデータベース、または、（２）スコアの所定の値において、当該スコアを特徴量で推定した場合の、推定精度のデータベース、を準備する。処理装置は、判別精度のデータベースまたは推定精度のデータベースに基づいて、各タスクにおいて、判別精度または推定精度が最大または所定以上となる、スコアの所定の閾値あるいはスコアの所定の値を最適スコアとして選ぶ第１のステップ、最適スコアを参照して複数のタスクからタスクを選び、タスクを実行させるための情報を出力する第２のステップ、選ばれたタスクに対応して得られた特徴量を用いて、判別の結果または推定の結果を得る第３のステップ、を実行する。

本発明のうち代表的な実施の形態によれば、人の認知機能や運動機能を評価するための複数の手指運動タスクの好適な実行順序を決定及び提示することで、被験者の計測の負荷低減、かつ、評価結果の精度改善の両方を実現できる。

本発明の実施の形態１のタスク実行順序決定システムの構成を示すブロック図である。 実施の形態１で、タスク実行順序決定システムの構成を示す機能ブロック図である。 実施の形態１で、計測装置の構成を示すブロック図である。 実施の形態１で、端末装置の構成を示すブロック図である。 実施の形態１で、手指に装着された運動センサを示す斜視図である。 実施の形態１で、計測装置の運動センサ制御部等の構成を示すブロック図である。 実施の形態１で、特徴量の波形信号の例を示すグラフ図である。 実施の形態１で、管理表の特徴量の構成例を示す表図である。 実施の形態１のタスク実行順序決定システムの処理フローを示す流れ図である。 実施の形態１で、頻度分布と特徴量との関係を示すグラフ図である。 被験者群データベースから評価精度データベースを生成する処理の流れを示す流れ図。 実施の形態１で、片手メトロノームの評価精度データベースの例を示す表図である。 実施の形態１で、２群判別におけるタスク実行順序データを示す表図である。 実施の形態１で、特徴量とＭＭＩＳとの関係を示すグラフ図である。 実施の形態１で、重症度スコア推定におけるタスク実行順序データを示す表図である。 実施の形態１で、２群判別におけるタスク実行順序のフローチャートを示す流れ図である。 実施の形態１で、重症度スコア推定におけるタスク実行順序のフローチャートを示す流れ図である。 実施の形態１で、表示画面の例として評価タスク画面を示す平面図である。 実施の形態１で、表示画面の例として評価結果画面（２群判別）を示す平面図である。 実施の形態１で、表示画面の例として評価結果画面（重症度推定）を示す平面図である。 実施の形態１で、表示画面の例として計測用の評価タスク画面（重症度推定）を示す平面図である。 本発明の実施の形態２のタスク実行順序決定システムの構成を示すブロック図である。 実施の形態２で、運動例として、画面上の指タッピングを示す平面図である。 実施の形態２で、運動例として、リーチングを示す平面図である。 実施の形態２で、運動例として、五指タップを示す平面図である。 本発明の実施の形態３のタスク実行順序決定システムの構成を示すブロック図である。 実施の形態３のタスク実行順序決定装置であるサーバの構成を示すブロック図である。 実施の形態３で、サーバの管理情報である被験者情報の構成例を示す表図である。

上述のように，本発明者らの検討によると、異なる重症度の患者には，それぞれ最適なタスクがあることが分かってきた。このことから，実施例で説明する実施の形態の一例では、人の手指運動タスクを含む複数のタスクの実行順序を決定する情報処理を行うタスク実行順序決定システムであって、以下に示す構成を有することを特徴とする。

すなわち、一実施の形態のタスク実行順序決定システムは、手指運動タスクの実行順序を決定する情報処理を行うタスク実行順序決定システムであって、複数の手指運動タスクにおいて、被験者群の手指運動データから算出された特徴量における、前記被験者群に予め与えられた重症度スコアを所定の閾値によって分けた２群の分布の判別精度、または、前記重症度スコアを所定の範囲での推定精度のデータベースを記憶する評価精度データベース記憶機能と、前記データベースの中から、各タスクにおいて、判別精度または推定精度が最大または所定以上となる最適重症度スコアを選ぶ最適重症度スコア選択機能と、複数タスクの前記最適重症度スコアを参照してタスクを選び、実行させるタスク実行機能と、選ばれたタスクによって得られた特徴量を用いて、判別結果または推定結果を提示する結果提示機能とを備える。

以下、本発明の実施の形態を図面に基づいて詳細に説明する。なお、実施の形態を説明するための全図において同一部には原則として同一符号を付し、その繰り返しの説明は省略する。ただし、本発明は以下に示す実施の形態の記載内容に限定して解釈されるものではない。本発明の思想ないし趣旨から逸脱しない範囲で、その具体的構成を変更し得ることは当業者であれば容易に理解される。

本明細書等における「第１」、「第２」、「第３」などの表記は、構成要素を識別するために付するものであり、必ずしも、数または順序を限定するものではない。また、構成要素の識別のための番号は文脈毎に用いられ、一つの文脈で用いた番号が、他の文脈で必ずしも同一の構成を示すとは限らない。また、ある番号で識別された構成要素が、他の番号で識別された構成要素の機能を兼ねることを妨げるものではない。

図面等において示す各構成の位置、大きさ、形状、範囲などは、発明の理解を容易にするため、実際の位置、大きさ、形状、範囲などを表していない場合がある。このため、本発明は、必ずしも、図面等に開示された位置、大きさ、形状、範囲などに限定されない。

図１〜図１９を用いて、本発明の実施例１（実施の形態１）のタスク実行順序決定システムについて説明する。実施の形態１のタスク実行順序決定システムは、被験者の運動機能または認知機能を評価するために、複数の手指運動のタスクを実行させる適切な順序を生成する。このタスク実行順序とは、運動機能や認知機能の低下が重度の被験者の評価が得意なタスクから、中度の被験者の評価が得意なタスク、軽度の被験者の評価が得意なタスク、…となるように、予め与えられたタスクを並べ替えたものである。

つまり、運動機能や認知機能の低下が重度の被験者には、1〜2個の少ないタスクで評価結果を提示する。一方で、運動機能や認知機能の低下が軽度の被験者には、多くのタスクを計測した後で評価結果が表示されることになる。このように、実施の形態１のタスク実行順序決定システムは、評価結果の精度向上、および、被験者の計測負荷軽減という二つの利点を両立することができる。

［１−１．システム（１）］
図１は、実施の形態１のタスク実行順序決定システムを含む、手指運動評価システムの構成を示す。実施の形態１では、施設内に、手指運動評価システムを有する。手指運動価システムは、タスク実行順序決定システムを構成する生成装置１と、磁気センサ型指タップ運動評価装置である評価装置２と、を有し、それらが通信線を通じて接続されている。評価装置２は、計測装置３と端末装置４とを有し、それらが通信線を通じて接続されている。評価装置２は、施設内に複数が同様に設けられてもよい。

評価装置２は、磁気センサ型の運動センサを用いて手指運動を計測する型の装置及びシステムである。計測装置３には運動センサが接続されている。被験者の手指にはその運動センサが装着される。計測装置３は、運動センサを通じて手指運動を計測し、時系列の波形信号を含む計測データを得る。

端末装置４は、表示画面に、計測者による被験者の認知・運動機能の評価を支援するための各種の情報を表示し、計測者による指示入力を受け付ける。実施の形態１では、端末装置４はパーソナルコンピュータ（ＰＣ）である。

生成装置１は、情報処理によるサービスとして、手指運動のタスクの順序を決定する機能を有する。生成装置１は、その機能として、タスク計測、認知/運動機能等の解析評価、タスク実行順序自動生成等を有する。
生成装置１は、評価装置２からの入力データとして、例えば指示入力、タスク計測データ、計測データ等を入力する。生成装置１は、評価装置２への出力データとして、例えばタスク、結果等を出力する。

実施の形態１のタスク実行順序決定システムは、病院等の施設及びその被験者等に限らずに、広く一般的な施設や人に適用可能である。計測装置３と端末装置４が一体型の評価装置２として構成されてもよい。計測装置３と生成装置１が一体型の装置として構成されてもよい。端末装置４と生成装置１が一体型の装置として構成されてもよい。評価装置２と生成装置１が一体型の装置として構成されてもよい。

［１−２．タスク実行順序決定システム］
図２は、実施の形態１の生成装置１の構成を示す。生成装置１は、制御部１０１、記憶部１０２、入力部１０３、出力部１０４、通信部１０５等を有し、それらがバスを介して接続されている。生成装置１のハードウェアには、例えばサーバ等の計算機を用いることができる。入力部１０３は、生成装置１の管理者等による指示入力を行う部分である。出力部１０４は、生成装置１の管理者等に対する画面表示等を行う部分である。通信部１０５は、通信インタフェースを有し、計測装置３及び端末装置４との通信処理を行う部分である。

制御部１０１は、生成装置１の全体を制御し、ＣＰＵ、ＲＯＭ、ＲＡＭ等により構成され、ソフトウェアプログラム処理に基づいて、タスク実行順序決定処理等を行うデータ処理部を実現する。制御部１０１のデータ処理部は、被験者情報管理部１１、タスク実行順序決定部１２、解析評価部１３、結果出力部１４を有する。制御部１０１は、計測装置３から計測データを入力する機能、計測データを処理して解析する機能、計測装置３や端末装置４へ制御指示を出力する機能、端末装置４へ表示用のデータを出力する機能等を実現する。

以上のように、本実施例では計算や制御等の機能は、ＲＯＭ，ＲＡＭあるいは記憶部に格納されたソフトウェアプログラムがＣＰＵによって実行されることで、定められた処理を他のハードウェアと協働して実現される。計算機などが実行するプログラム、その機能、あるいはその機能を実現する手段を、「機能」、「手段」、「部」、「ユニット」、「モジュール」等と呼ぶ場合がある。本実施例では、便宜的にこれらの語を主語として、各処理を説明することがある。また、本実施例中、ソフトウェアで構成した機能と同等の機能は、ＦＰＧＡ（Field Programmable Gate Array）、ＡＳＩＣ（Application Specific Integrated Circuit）などのハードウェアでも実現できる。

被験者情報管理部１１は、計測者により入力された被験者情報をＤＢ４０の被験者情報４１に登録して管理する処理や、被験者がサービスの利用を開始する際に、ＤＢ４０の被験者情報４１を確認する処理等を行う。被験者情報４１は、被験者個人毎の属性値、利用履歴情報、被験者設定情報、等を含む。属性値は、性別、年齢等がある。利用履歴情報は、本システムが提供するサービスを計測者が利用した履歴を管理する情報である。計測者設定情報は、本サービスの機能に関して計測者により設定された設定情報である。

タスク実行順序決定部１２は、タスクの実行順序を決定する処理を行う部分である。タスク実行順序決定部１２は、ＤＢ４０の複数タスクデータ４２Ａに基づいて、端末装置４の画面にタスクを出力する。また、タスク実行順序決定部１２は、計測装置３で計測されたタスク計測データを取得して、タスク計測データ４２ＢとしてＤＢ４０に格納する。

解析評価部１３は、被験者のタスク計測データ４２Ｂに基づいて、被験者の認知機能や運動機能に関する解析及び評価処理を行う部分である。解析評価部１３は、タスク計測データ４２Ｂに基づいて運動の性質や特徴量を抽出する処理、及び、特徴量等に基づいて運動機能等の所定の指標項目の評価値を算出する処理等を行う。解析評価部１３は、解析評価処理の結果である解析評価データ４３をＤＢ４０に格納する。

記憶部１０２のＤＢ４０に格納されるデータや情報として、被験者情報４１、タスクデータ４２Ａ、タスク計測データ４２Ｂ、解析評価データ４３、タスク実行順序データ４４、評価精度データベース４５，被験者群タスクデータベース４６、管理表５０、等を有する。制御部１０１は、記憶部１０２に管理表５０を保持し管理する。管理者は、管理表５０の内容を設定可能である。管理表５０は、特徴量、指標項目、タスクの種類等の情報が設定されている。

［１−３．計測装置］
図３は、実施の形態１の計測装置３の構成を示す。計測装置３は、運動センサ２０、収容部３０１、計測部３０２、通信部３０３等を有する。収容部３０１は、運動センサ２０が接続されている運動センサインタフェース部３１１、運動センサ２０を制御する運動センサ制御部３１２を有する。計測部３０２は、運動センサ２０及び収容部３０１を通じて、波形信号を計測し、計測データとして出力する。計測部３０２は、タスク計測データを得るタスク計測部３２１を含む。通信部３０３は、通信インタフェースを有し、生成装置１と通信して計測データを生成装置１へ送信する。運動センサインタフェース部３１１は、アナログデジタル変換回路を含み、運動センサ２０により検出されたアナログ波形信号を、サンプリングによりデジタル波形信号に変換する。そのデジタル波形信号は、運動センサ制御部３１２に入力される。

なお、計測装置３で各計測データを記憶手段に保持する形態としてもよいし、計測装置３では各計測データを保持せずに生成装置１のみで保持する形態としてもよい。

［１−４．端末装置］
図４は、実施の形態１の端末装置４の構成を示す。端末装置４は、例えばＰＣであって、制御部４０１、記憶部４０２、通信部４０３、入力機器４０４、表示機器４０５を有する。制御部４０１は、ソフトウェアプログラム処理に基づいた制御処理として、タスク表示、結果表示、計測者指示入力受け付け等を行う。記憶部４０２は、生成装置１から得たタスクデータ、結果データ等を格納する。通信部４０３は、通信インタフェースを有し、生成装置１と通信して生成装置１から各種データを受信し、生成装置１へ計測者指示入力情報等を送信する。入力機器４０４にはキーボードやマウス等がある。表示機器４０５は、表示画面４０６に各種情報を表示する。なお、表示機器４０５をタッチパネルとしてもよい。

［１−５．手指、運動センサ、指タッピング運動計測］
図５は、被験者の手指に運動センサ２０である磁気センサが装着された状態を示す。運動センサ２０は、計測装置３に接続されている信号線２３を通じて、対になるコイル部である、発信コイル部２１と受信コイル部２２とを有する。発信コイル部２１は、磁場を発生し、受信コイル部２２は、その磁場を検知する。図５の例では、被験者の右手において、親指の爪付近に発信コイル部２１が装着されており、人差し指の爪付近に受信コイル部２２が装着されている。装着する指は他の指に変更可能である。装着する箇所は爪付近に限らず可能である。

図５のように、被験者の対象手指、例えば左手の親指と人差し指との二指に、運動センサ２０を装着した状態とする。被験者は、その状態で、二指の開閉の繰り返しの運動である指タッピングを行う。指タッピングでは、二指を閉じた状態、即ち二指の指先が接触した状態と、二指を開いた状態、即ち二指の指先を開いた状態との間で遷移する運動が行われる。その運動に伴い、二指の指先間の距離に対応する、発信コイル部２１と受信コイル部２２とのコイル部間の距離が変化する。計測装置３は、運動センサ２０の発信コイル部２１と受信コイル部２２との間の磁場変化に応じた波形信号を計測する。

指タッピング運動は、詳しくは以下の各種類が含まれる。その運動は、例えば、片手フリーラン、片手メトロノーム、両手同時フリーラン、両手交互フリーラン、両手同時メトロノーム、両手交互メトロノーム等が挙げられる。片手フリーランは、片手の二指でできる限り素早く何回も指タップを行うことを指す。片手メトロノームは、片手の二指で一定のペースの刺激に合わせて指タップを行うことを指す。両手同時フリーランは、左手の二指と右手の二指とで同じタイミングで指タップを行うことを指す。両手交互フリーランは、左手の二指と右手の二指とで交互のタイミングで指タップを行うことを指す。上記片手フリーラン等の運動は、タスクとして設定可能である。

［１−６．運動センサ制御部及び指タッピング計測］
図６は、計測装置３の運動センサ制御部３１２等の詳細構成例を示す。運動センサ２０において、発信コイル部２１と受信コイル部２２との間の距離をＤで示す。運動センサ制御部３１２は、交流発生回路３１２ａ、電流発生用アンプ回路３１２ｂ、プリアンプ回路３１２ｃ、検波回路３１２ｄ、ＬＰＦ回路３１２ｅ、位相調整回路３１２ｆ、アンプ回路３１２ｇ、出力信号端子３１２ｈを有する。交流発生回路３１２ａには、電流発生用アンプ回路３１２ｂ及び位相調整回路３１２ｆが接続されている。電流発生用アンプ回路３１２ｂには、信号線２３を通じて、発信コイル部２１が接続されている。プリアンプ回路３１２ｃには、信号線２３を通じて、受信コイル部２２が接続されている。プリアンプ回路３１２ｃの後段には、順に、検波回路３１２ｄ、ＬＰＦ回路３１２ｅ、アンプ回路３１２ｇ、出力信号端子３１２ｈが接続されている。位相調整回路３１２ｆには検波回路３１２ｄが接続されている。

交流発生回路３１２ａは、所定の周波数の交流電圧信号を生成する。電流発生用アンプ回路３１２ｂは、交流電圧信号を所定の周波数の交流電流に変換して発信コイル部２１へ出力する。発信コイル部２１は、交流電流によって磁場を発生する。その磁場は、受信コイル部２２に誘起起電力を発生させる。受信コイル部２２は、誘起起電力によって発生した交流電流を出力する。その交流電流は、交流発生回路３１２ａで発生した交流電圧信号の所定の周波数と同じ周波数を持つ。

プリアンプ回路３１２ｃは、検出した交流電流を増幅する。検波回路３１２ｄは、増幅後の信号を、位相調整回路３１２ｆからの参照信号３１２ｉに基づいて検波する。位相調整回路３１２ｆは、交流発生回路３１２ａからの所定の周波数または２倍周波数の交流電圧信号の位相を調整し、参照信号３１２ｉとして出力する。ＬＰＦ回路３１２ｅは、検波後の信号を帯域制限して出力し、アンプ回路３１２ｇは、その信号を所定の電圧に増幅する。そして、出力信号端子３１２ｈからは、計測された波形信号に相当する出力信号が出力される。

出力信号である波形信号は、二指の距離Ｄを表す電圧値を持つ信号となっている。距離Ｄと電圧値は所定の計算式に基づいて変換可能である。その計算式は、キャリブレーションにより得ることもできる。キャリブレーションでは、例えば被験者が所定長のブロックを対象手の二指で持った状態で計測される。その計測値における電圧値と距離値とのデータセットから、誤差を最小にする近似曲線として、所定の計算式が得られる。また、キャリブレーションによって被験者の手の大きさを把握し、特徴量の正規化等に用いてもよい。実施の形態１では、運動センサ２０として上記磁気センサを用い、その磁気センサに対応した計測手段を用いた。これに限らず、加速度センサ、ストレインゲージ、高速度カメラ等の他の検出手段及び計測手段を適用可能である。

［１−７．特徴量］
図７は、特徴量の波形信号の例を示す。図７の（ａ）は、二指の距離Ｄの波形信号を示し、（ｂ）は、二指の速度の波形信号を示し、（ｃ）は、二指の加速度の波形信号を示す。（ｂ）の速度は（ａ）の距離の波形信号の時間微分により得られる。（ｃ）の加速度は（ｂ）の速度の波形信号の時間微分により得られる。解析評価部１３は、タスク計測データ４２Ｂの波形信号から、微分や積分等の演算に基づいて、本例のような所定の特徴量の波形信号を得る。また、解析評価部１３は、特徴量から所定の計算による値を得る。

図７の（ｄ）は、（ａ）の拡大で、特徴量の例を示す。指タップの距離Ｄの最大値Ｄmaxや、タップインターバルＴＩ等を示す。横破線は、全計測時間における距離Ｄの平均値Ｄavを示す。最大値Ｄmaxは、全計測時間における距離Ｄの最大値を示す。タップインターバルＴＩは、１回の指タップの周期ＴＣに対応する時間であり、特に極小点Ｐminから次の極小点Ｐminまでの時間を示す。その他、距離Ｄの１周期内の極大点Ｐmaxや極小点Ｐmin、後述のオープニング動作の時間Ｔ１やクロージング動作の時間Ｔ２を示す。

以下では、更に、特徴量の詳細例について示す。実施の形態１では、上記距離、速度、加速度、及び以下の特徴量パラメータ値を含む、複数の特徴量を用いる。なお、他の実施の形態では、それらの複数の特徴量のうちのいくつかの特徴量のみを用いてもよいし、他の特徴量を用いてもよいし、特徴量の定義の詳細についても限定しない。

図８は、管理表５０における特徴量と指標項目との関連付けの設定情報のうち、特徴量［距離］の部分を示す。この関連付けの設定は一例であり、変更可能である。図８の管理表５０において、列として、特徴量分類、識別番号、特徴量パラメータ、指標項目を有する。特徴量分類は、［距離］、［速度］、［加速度］、［タップインターバル］、［位相差］、［マーカー追従］を有する。例えば、特徴量［距離］において、識別番号（１）〜（７）で識別される複数の特徴量パラメータを有する。特徴量パラメータの括弧［］内は単位を示す。各特徴量パラメータは、所定の指標項目と関連付けられている。

（１）「距離の最大振幅」［ｍｍ］は、距離の波形（図７の（ａ））における、振幅の最大値と最小値との差分である。（１）、（４）、（６）、（７）のパラメータは、指標項目Ｆ（追従性）及び指標項目Ｈ（振幅制御）と関連付けられている。（２）「総移動距離」［ｍｍ］は、１回の計測の全計測時間における、距離変化量の絶対値の総和である。このパラメータは、指標項目Ａ（運動量）と関連付けられている。（３）「距離の極大点の平均」［ｍｍ］は、各周期の振幅の極大点の値の平均値である。このパラメータは、指標項目Ｆ（追従性）と関連付けられている。（４）「距離の極大点の標準偏差」［ｍｍ］は、上記値に関する標準偏差である。

（５）「距離の極大点の近似曲線の傾き（減衰率）」［ｍｍ／秒］は、振幅の極大点を近似した曲線の傾きである。このパラメータは、主に計測時間中の疲労による振幅変化を表している。このパラメータは、指標項目Ｂ（持久性）と関連付けられている。（６）「距離の極大点の変動係数」は、振幅の極大点の変動係数であり、単位は無次元量（［−］で示す）である。このパラメータは、標準偏差を平均値で正規化した値であり、そのため、指の長さの個人差を排除できる。（７）「距離の局所的な極大点の標準偏差」［ｍｍ］は、隣り合う三箇所の振幅の極大点についての標準偏差である。このパラメータは、局所的な短時間における振幅のばらつきの度合いを評価するためのパラメータである。

以下、図示を省略して、各特徴量パラメータについて説明する。特徴量［速度］について、以下の識別番号（８）〜（２２）で示す特徴量パラメータを有する。（８）「速度の最大振幅」［ｍ／秒］は、速度の波形（図７の（ｂ））における、速度の最大値と最小値との差分である。（８）〜（１０）のパラメータは、指標項目Ｆと関連付けられている。（９）「オープニング速度の極大点の平均」［ｍ／秒］は、各指タップ波形のオープニング動作時の速度の最大値に関する平均値である。オープニング動作とは、二指を閉状態から最大の開状態にする動作である（図７の（ｄ））。（１０）「クロージング速度の極大点の平均」［ｍ／秒］は、クロージング動作時の速度の最大値に関する平均値である。クロージング動作とは、二指を最大の開状態から閉状態にする動作である。（１１）「オープニング速度の極大点の標準偏差」［ｍ／秒］は、上記オープニング動作時の速度の最大値に関する標準偏差である。（１２）「クロージング速度の極大点の平均」［ｍ／秒］は、上記クロージング動作時の速度の最大値に関する標準偏差である。（１１）、（１２）、（１５）、（１６）のパラメータは、指標項目Ｆ及び指標項目Ｈと関連付けられている。

（１３）「エネルギーバランス」［−］は、オープニング動作中の速度の二乗和と、クロージング動作中の速度の二乗和との比率である。（１３）、（１７）〜（２２）のパラメータは、指標項目Ｇと関連付けられている。（１４）「総エネルギー」［ｍ^２／秒^２］は、全計測時間中の速度の二乗和である。このパラメータは、指標項目Ａと関連付けられている。（１５）「オープニング速度の極大点の変動係数」［−］は、オープニング動作時の速度の最大値に関する変動係数であり、標準偏差を平均値で正規化した値である。（１６）「クロージング速度の極大点の平均」［ｍ／秒］は、クロージング動作時の速度の最小値に関する変動係数である。

（１７）「ふるえ回数」［−］は、速度の波形の正負が変わる往復回数から、大きな開閉の指タップの回数を減算した数である。（１８）「オープニング速度ピーク時の距離比率の平均」［−］は、オープニング動作中の速度の最大値の時の距離に関する、指タップの振幅を１。０とした場合の比率に関する平均値である。（１９）「クロージング速度ピーク時の距離比率の平均」［−］は、クロージング動作中の速度の最小値の時の距離に関する、同様の比率に関する平均値である。（２０）「速度ピーク時の距離比率の比」［−］は、（１８）の値と（１９）の値との比である。（２１）「オープニング速度ピーク時の距離比率の標準偏差」［−］は、オープニング動作中の速度の最大値の時の距離に関する、指タップの振幅を１。０とした場合の比率に関する標準偏差である。（２２）「クロージング速度ピーク時の距離比率の標準偏差」［−］は、クロージング動作中の速度の最小値の時の距離に関する、同様の比率に関する標準偏差である。

特徴量［加速度］について、以下の識別番号（２３）〜（３２）で示す特徴量パラメータを有する。（２３）「加速度の最大振幅」［ｍ／秒^２］は、加速度の波形（図７の（ｃ））における、加速度の最大値と最小値との差分である。（２３）〜（２７）のパラメータは、指標項目Ｆと関連付けられている。（２４）「オープニング加速度の極大点の平均」［ｍ／秒^２］は、オープニング動作中の加速度の極大値の平均であり、指タップの１周期中に現れる４種類の極値のうちの第１値である。（２５）「オープニング加速度の極小点の平均」［ｍ／秒^２］は、オープニング動作中の加速度の極小値の平均であり、４種類の極値のうちの第２値である。（２６）「クロージング加速度の極大点の平均」［ｍ／秒^２］は、クロージング動作中の加速度の極大値の平均であり、４種類の極値のうちの第３値である。（２７）「クロージング加速度の極小点の平均」［ｍ／秒^２］は、クロージング動作中の加速度の極小値の平均であり、４種類の極値のうちの第４値である。

（２８）「接触時間の平均」［秒］は、二指の閉状態における接触時間の平均値である。（２８）〜（３２）のパラメータは、指標項目Ｇと関連付けられている。（２９）「接触時間の標準偏差」［秒］は、上記接触時間の標準偏差である。（３０）「接触時間の変動係数」［−］は、上記接触時間の変動係数である。（３１）「加速度のゼロ交差数」［−］は、指タップの１周期中に加速度の正負が変わる平均回数である。この値は理想的には２回となる。（３２）「すくみ回数」［−］は、指タップの１周期中に加速度の正負が変わる往復回数から、大きな開閉の指タップの回数を減算した値である。

特徴量［タップインターバル］について、以下の識別番号（３３）〜（４１）で示す特徴量パラメータを有する。（３３）「タップ回数」［−］は、１回の計測の全計測時間中の指タップの回数である。（３３）〜（３５）のパラメータは、指標項目Ａと関連付けられている。（３４）「タップインターバル平均」［秒］は、距離の波形における前述のタップインターバル（図７の（ｄ））に関する平均値である。（３５）「タップ周波数」［Ｈｚ］は、距離の波形をフーリエ変換した場合に、スペクトルが最大になる周波数である。（３６）「タップインターバル標準偏差」［秒］は、タップインターバルに関する標準偏差である。（３６）〜（４０）のパラメータは、指標項目Ｃ及び指標項目Ｉと関連付けられている。

（３７）「タップインターバル変動係数」［−］は、タップインターバルに関する変動係数であり、標準偏差を平均値で正規化した値である。（３８）「タップインターバル変動」［ｍｍ^２］は、タップインターバルをスペクトル分析した場合の、周波数が０。２〜２。０Ｈｚの積算値である。（３９）「タップインターバル分布の歪度」［−］は、タップインターバルの頻度分布における歪度であり、頻度分布が正規分布と比較して歪んでいる程度を表す。（４０）「局所的なタップインターバルの標準偏差」［秒］は、隣り合う三箇所のタップインターバルに関する標準偏差である。（４１）「タップインターバルの近似曲線の傾き（減衰率）」［−］は、タップインターバルを近似した曲線の傾きである。この傾きは、主に計測時間中の疲労によるタップインターバルの変化を表す。このパラメータは、指標項目Ｂと関連付けられている。

特徴量［位相差］について、以下の識別番号（４２）〜（４５）で示す特徴量パラメータを有する。（４２）「位相差の平均」［度］は、両手の波形における、位相差の平均値である。位相差は、右手の指タップの１周期を３６０度とした場合に、右手に対する左手の指タップのズレを角度として表した指標値である。ズレが無い場合を０度とする。（４２）や（４３）の値が大きいほど、両手のズレが大きく不安定であることを表している。（４２）〜（４５）のパラメータは、指標項目Ｄ及び指標項目Ｊと関連付けられている。（４３）「位相差の標準偏差」［度］は、上記位相差に関する標準偏差である。（４４）「両手の類似度」［−］は、左手と右手の波形に相互相関関数を適用した場合に、時間ずれが０の場合の相関を表す値である。（４５）「両手の類似度が最大となる時間ずれ」［秒］は、（４４）の相関が最大となる時間ずれを表す値である。

特徴量［マーカー追従］について、以下の識別番号（４６）〜（４７）で示す特徴量パラメータを有する。（４６）「マーカーからの遅延時間の平均」［秒］は、周期的なマーカーで示す時間に対する指タップの遅延時間に関する平均値である。マーカーは、視覚刺激、聴覚刺激、触覚刺激等の刺激と対応している。このパラメータ値は、二指の閉状態の時点を基準とする。（４６）及び（４７）のパラメータは、指標項目Ｅと関連付けられている。（４７）「マーカーからの遅延時間の標準偏差」［秒］は、上記遅延時間に関する標準偏差である。

［１−８．処理フロー］
図９は、実施の形態１のタスク実行順序決定システムにおける主に生成装置１および評価装置２により行われる処理全体のフローを示す。図７は、ステップＳ１〜Ｓ８を有する。以下、ステップの順に説明する。

（Ｓ１） 計測者は、評価装置２を操作する。端末装置４は、表示画面に初期画面を表示する。計測者は、初期画面で所望の操作項目を選択する。例えば、手指運動の評価を行うための操作項目が選択される。端末装置４は、その選択に対応する指示入力情報を生成装置１へ送信する。また、計測者は、初期画面で、性別や年齢等の被験者情報を入力して登録することもできる。その場合、端末装置４は、入力された被験者情報を生成装置１へ送信する。生成装置１の被験者情報管理部１１は、その被験者情報を被験者情報４１に登録する。

（Ｓ２） 計測者は、入力機器４０４から、被験者の年齢・性別・これまでの診断情報などの個人情報を入力する。

（Ｓ３） タスク実行順序決定部１２は、手指運動タスクの実行順序を示したタスク実行順序データ４４を読み出して、ＤＢ４０に格納する。タスク実行順序データ４４の決定方法は後述する。タスク実行順序データ４４は評価精度データベース４５から算出され，評価精度データベース４５は被験者群タスクデータベース４６から算出される。被験者群タスクデータベース４６がアップデートされるごとに、評価精度データベース４５，および，タスク実行順序データ４４も更新される。

（Ｓ４） タスク実行順序データ４４から、被験者に計測させるタスクを選択する。選択するためには、Ｓ２で得た被験者の個人情報や、ＤＢ４０に格納されている過去の手指運動タスクの評価結果を用いてもよい。このタスクの選択方法は後述する。

（Ｓ５） 生成装置１のタスク実行順序決定部１２は、Ｓ１の指示入力情報及びタスクデータ４２Ａに基づいて、被験者に対するタスクデータを端末装置４へ送信する。そのタスクデータは、手指運動に関する１種類以上のタスクの情報を含む。端末装置４は、受信したタスクデータに基づいて、表示画面に、手指運動のタスク情報を表示する。被験者は、表示画面のタスク情報に従って手指運動のタスクを行う。計測装置３は、そのタスクを計測し、タスク計測データとして、生成装置１へ送信する。生成装置１は、そのタスク計測データをタスク計測データ４２Ｂに格納する。

（Ｓ６） 生成装置１の解析評価部１３は、Ｓ２のタスク計測データ４２Ｂに基づいて、被験者の運動機能等の解析評価処理を行い、被験者の解析評価データ４３を作成して、ＤＢ４０に格納する。解析評価部１３は、解析評価処理では、被験者のタスク計測データ４２Ｂの波形信号に基づいて、特徴量を抽出する。特徴量は、後述する距離、速度等がある。解析評価部１３は、特徴量に基づいて、運動機能等を表す指標項目の評価値を算出する。指標項目は、後述する運動量や持久性等がある。例えば、解析評価部１３は、指標項目毎に、その指標項目に関連付けられる特徴量を総合する所定の計算により、評価値を算出する。この計算の方式については限定しない。

なお、簡易的な評価方式としては、所定の特徴量をそのまま評価値として使用してもよい。また、解析評価部１３は、抽出した特徴量を、被験者の年齢等の属性値に基づいて補正してもよい。そして、補正後の特徴量を評価に用いてもよい。

（Ｓ７） 生成装置１の結果出力部１６は、Ｓ３の解析評価結果データ４３に基づいて、端末装置４の表示画面に、解析評価結果情報を出力する。計測者および被験者は、表示画面で、自身の運動機能等の状態を表す解析評価結果情報を確認できる。ステップＳ４を省略した形態としてもよい。結果表示方法については後述する。

（Ｓ８） 計測者は、さらに多くの手指運動タスクを計測して高精度の評価結果を得たい場合には、端末装置４の表示画面で、評価を実行するための操作項目を選択する。端末装置４は、その選択に対応した指示入力情報を生成装置１へ送信する。ステップＳ５を省略して、自動的に次の手指運動タスクを計測する処理へ遷移させる形態としてもよい。Ｓ５で次の手指運動タスクを計測しない場合、フローを終了する。

［１−９．タスク実行順序データの決定方法］
複数のタスクが予め与えられたときに、各タスクにおいて高精度に２群判別または重症度推定ができる重症度の範囲を求める。この処理には、各タスクにおいて、多数の被験者の計測データのデータベースが必要となる。

＜１−９−１．２群判別の場合＞
タスクによって２群判別を行う場合を説明する。予め、片手フリーラン、片手メトロノーム、両手同時フリーラン、両手交互フリーランの4種類のタスクが与えられたとする。多数の被験者群を対象にして、各々のタスクを計測したデータベースを準備し，被験者群タスクデータベース４６に格納する。また、同一の被験者群で、認知/運動機能の評価したスコアも予め求めておく。このスコアは、医師や作業療法士・理学療法士などの医療従事者が目視で評価したスコアでも良いし、他の検査機器で得られたスコアでも良い。このようなスコアを重症度スコアともいう。本実施例では、医師が認知機能を目視で評価して採点するミニメンタルステート検査（以下、ＭＭＳＥ）のスコアを用いる。

ＭＭＳＥのスコアは、０〜３０点の範囲で整数値となる。目安として、ＭＭＳＥが２８点以上は健常、２４〜２７点は認知症と健常の間である軽度認知障害、２３点未満は認知症に該当すると言われている。このようにして、被験者群タスクデータベース４６には、各被験者に対応して、ＭＭＳＥのスコアと、複数種のタスクから得られた計測結果や特徴量が格納される。

ＭＭＳＥの１点刻みで整数の各点を閾値Ｎとして、指タッピングデータを用いて、被験者群をＮ点未満とＮ点以上の２群に判別することを考える。すなわち、専門家によって与えられたＭＭＳＥのスコアをリファレンスとして、ＭＭＳＥの閾値Ｎによって被験者群を２群に判別することができるが、この判別を、前述の指タッピングの特徴量ｐを用いて、自動的に精度よく行うことを考える。ｐとしては，前述の４７個の中の一つの特徴量を選んで判別指標としても良いし、主成分分析や重回帰分析や判別分析などの統計的手法によって複数の特徴量から一つの判別指標を算出してもよい。本実施例では、ステップワイズ変数選択法による重回帰分析を用いて、複数の特徴量から一つの判別指標を算出する。この２群を判別する精度は、Ａｒｅａ Ｕｎｄｅｒ ＲＯＣ Ｃｕｒｖｅ（ＡＵＣ）で評価する。ＡＵＣは０〜１の値であり、１に近づくほど判別精度が高いことを表す。判別精度は、感度や特異度、正判別率など、ＡＵＣ以外の指標で評価してもよい。

図１０Ａ（ａ）と（ｂ）に示すように，各タスクにおいて、１点刻みでＭＭＳＥの閾値を変えながら、Ｎ点未満とＮ点以上の２群を前述の判別指標（あるいは特徴量ｐ）によって判別する。図１０Ａ（ａ）と（ｂ）は、ある一つのタスクについてのデータであって、横軸が特徴量であり、縦軸は特徴量に対するデータの頻度分布、例えば被験者のサンプル数である。図１０Ａ（ａ）では，例として，ＭＭＳＥの閾値Ｎ＝２７点として，ＭＭＳＥ２７点未満の群と，ＭＭＳＥ２７点以上の群を判別している。すなわち、図１０Ａ（ａ）では，ＭＭＳＥ２７点未満の群と、ＭＭＳＥ２７点以上の群を別々の分布カーブとして概念的に示している。同じく、図１０Ａ（ｂ）では，例として，ＭＭＳＥの閾値Ｎ＝２０点として，ＭＭＳＥ２０点未満の群と，ＭＭＳＥ２０点以上の群を判別している。

このように，同じ特徴量であっても，閾値Ｎが異なると，２群の分かれ方が異なり，判別精度（ＡＵＣ）が異なる可能性がある。２群が明確に分かれると判別精度は高くなり，２群が重なる部分が大きいと判別精度は低くなる。図１０Ａ（ａ）では、判別精度ＡＵＣは０.９であり、図１０Ａ（ｂ）では、判別精度ＡＵＣは０.６である。これは、このタスクの特徴量ｐを用いると、被験者群をＭＭＳＥ２７で２群に分ける処理のほうが精度が高く、被験者群をＭＭＳＥ２０で２群に分ける処理のほうが精度が低いことを表す。

図１０Ｂにより、このように閾値Ｎ点を１点ずつずらしながら，判別精度ＡＵＣを算出して評価精度データベース４５を作成する処理の一例について説明する。

処理Ｓ１０１では、被験者群タスクデータベース４６を参照する。

処理Ｓ１０２では、被験者群タスクデータベース４６に格納されている複数種類のタスクのデータうち、処理で参照すべきタスクのタスク番号（参照タスク番号）を０に設定する。この例では、被験者群タスクデータベース４６には、タスクを特定するためのタスク番号（ＩＤ）が１以上の昇順の整数値で格納されているものとする。

処理Ｓ１０３では、参照タスク番号を１加算する。

処理Ｓ１０４では、参照タスク番号で特定されるタスクに関する、被験者のＭＭＳＥスコアと特徴量を抽出する。抽出したデータを用いると、図１０Ａに示したような、あるタスクに関して、特徴量ｐに対する被験者の出現頻度分布を得ることができる。

処理Ｓ１０５では、ＭＭＳＥスコアの閾値を０に設定する。

処理Ｓ１０６では、ＭＭＳＥスコアの閾値を１加算する。

処理Ｓ１０７では、当該タスクについて、処理Ｓ１０６で定められたＭＭＳＥスコアの閾値を用いて被験者の出現頻度分布を２群に分割する。そして、特徴量ｐの閾値を用いてその２群を判別した場合の判別精度ＡＵＣを算出する。この処理の概念については、図１０Ａで説明したとおりである。なお、特徴量ｐ（あるいは判別指標）の閾値については後述する。

処理Ｓ１０８では、参照タスク番号（あるいはタスク名称またはＩＤ）とＭＭＳＥスコアの閾値とＡＵＣの組のデータを評価精度データベース４５に登録する。

処理Ｓ１０９では、ＭＭＳＥスコアの閾値が２９かどうかを判定する。２９未満であれば、処理Ｓ１０６へもどる。２分割の閾値として意味があるのは１〜２９までの範囲であるから、ＭＭＳＥスコアの閾値Ｎを１〜２９点の範囲で１点刻みで変更し、各閾値における判別精度ＡＵＣを算出する。ＭＭＳＥスコアの閾値が２９であれば、当該タスクについては全ての閾値を適用済みのため、処理Ｓ１１０へ進む。

処理Ｓ１１０では、全てのタスクについて処理が済んでいるかを確認する。済んでいなければ、処理Ｓ１０３へ戻り、次のタスクについての処理を行う。済んでいれば、評価精度データベース４５の生成あるいは更新が完了し、処理は終了となる。

以上の処理によって、評価精度データベース４５には、各タスクにおいて、ＭＭＳＥスコアの閾値と、それに対応するＡＵＣのデータが格納されることになる。従って、このデータから、各タスクにおいて、ＡＵＣが最大となるＭＭＳＥスコアの閾値Ｎmaxを求めることができる。評価精度データベース４５は被験者数が多いほど妥当な内容になることが期待されるので、被験者群タスクデータベース４６の更新に伴って更新されることが望ましい。

図１０Ｃは、図１０Ｂの処理によって得られる評価精度データベース４５の一部分であり、片手メトロノームの評価精度を示すデータである。評価精度データベース４５には、このほかにも他のタスクについてのデータが格納されるが、構成は同様なので省略する。

評価精度データベース４５では、ＭＭＳＥスコアの閾値Ｎに対して、その閾値Ｎで分割された２群を判別指標で判別するための判別指標の閾値Y_th1〜Y_th29が格納されている。閾値Y_th1〜Y_th29は図１０Ａに示すように、判別指標（あるいは特徴量ｐ）で２つの群を判別する場合の閾値を、一般的な手法により定めておくものとする。例えば、図１０Ａ（ｃ）に示すように、縦軸を感度（ＭＭＳＥＮ点以上の群を正しく判別した割合）とし、横軸を１−特異度（ＭＭＳＥＮ点未満の群を正しく判別した割合）として、Receiver Operatorating Characteristic 曲線（以下，ＲＯＣ曲線）を描画し，左上の点（図中の白丸．理想的な判別精度）に最も直線距離が近い点（図中の黒丸）における閾値を選ぶ方法がある。また、２つの群の頻度分布が２つの山をもつヒストグラムで現れる場合、ヒストグラムの谷の底値を閾値として選ぶ方法がある。あるいは、頻度分布をある閾値で２つの群に分割したとき、群間分散が最も大きくなる値を閾値とする方法がある。図１０Ａで示したように、ＭＭＳＥの異なる閾値で分割した２群を判別するための判別指標の閾値Y_thは、ＭＭＳＥの閾値に応じてY_tha、Y_thbのように異なる。従って、図１０Ｃの閾値Y_th1〜Y_th29も、ＭＭＳＥの閾値１〜２９に対応するものとする。

また、評価精度データベース４５には、ＭＭＳＥの異なる閾値で判別した２群を評価指標の閾値で判別した場合の判別精度ＡＵＣが格納されている。図１０Ｃの例では、ＭＭＳＥの閾値２７の場合に判別精度ＡＵＣが最大になることがわかる。判別精度は，ＡＵＣ以外の指標、例えば、感度や特異度などで評価しても良い。ＡＵＣでは，閾値をヒストグラムの最小値から最大値まで動かすことで、あらゆる閾値における判別精度を総合的に評価するため上述の閾値Y_th1〜Y_th29は不要となる一方で、感度や特異度では，上述の閾値Y_th1〜Y_th29を用いて判別精度を計算することとなる。

図１０Ｄは、評価精度データベース４５に基づいて生成される、２群判別におけるタスク実行順序データ４４Ａの一例であり、各タスク名（あるいはタスクＩＤ等でもよい）に対応して、ＡＵＣが最大となる閾値Ｎmaxを示している。ここで示した閾値Ｎmaxは、各タスクにおいて最も精度高く２群判別ができるＭＭＳＥである。各タスクの種類は例えば名称やＩＤで識別することができる。図１０Ｄによると、片手メトロノームは、健常と軽度認知障害のボーダーラインである２７点を境とした２群判別が得意であると分かる。そして、両手交互フリーランは、軽度認知障害と認知症のボーダーラインに近い２２点を境とした２群判別が得意であると分かる。両手同時フリーランと片手フリーランは、１７点と１５点を境とした２群判別が得意であることから、非常に重症の認知症患者とより軽い認知症患者の判別が得意であると分かる。このように，各タスクにおいて，精度高く２群判別ができる重症度スコアを，最適重症度スコアと呼ぶ。本実施例では，最適重症度スコアは，各タスクの中で最も精度が高い重症度スコアを選んだが，予め決めた所定の判別精度よりも大きい判別精度が得られた重症度スコアを選んでも良い。

以上より、図１０Ｄに示す通りに、２群判別において、重症患者で２群判別を得意とするタスクから、軽症患者/健常者で２群判別を得意とするタスクまで、順にタスクを並べることができた。このリストをタスク実行順序データ４４Ａに格納する。タスク実行順序データ４４Ａには、タスクから得られる特徴量から判別指標を得るための数式や処理方法を格納する。またこのとき、後述するように、新規の被験者に２群判別を適用するときのために、判別指標で２群判別するときの閾値Y_th1A〜Y_th4Aも記録しておく。この閾値は、ＭＭＳＥの閾値に対応する判別指標の閾値であり、図１０Ｃと図１０Ｄの例では、片手メトロノームのＮmax＝２７に対応する判別指標の閾値Y_th1A＝Y_th27である。

また、閾値の正負どちら側が重症であるか分かるように、重症方向の正負も記録しておく。例えば図１０Ａ（ａ）（ｂ）の例では、判別指標の閾値の負側が重症であるが、閾値の前後でＭＭＳＥの大小が反転する場合があるため、重症方向の正負を識別する必要がある。

なお、本実施例では、各タスクで最もＡＵＣが大きくなる閾値Ｎmaxの１点を示したが、他の方法で判別精度が高い重症度の範囲を指定しても良い。例えば、ＡＵＣが所定の値以上の場合を全て挙げる場合などが考えられる。また、Ｎを１点刻みでずらしながら判別精度を評価したが、２点刻み等、より大きな刻みで評価してもよい。

＜１−９−２．重症度推定の場合＞
タスクによって重症度スコアの推定を行う場合を説明する。２群判別と同様に複数のタスクが与えられ、多数の被験者群を対象にした各タスクを計測したデータベースを準備し，被験者群タスクデータベース４６に格納する。また、同一の被験者群で、認知/運動機能を評価したスコアも予め求めておく。

ＭＭＳＥの１点刻みで重症度範囲Ｎ〜Ｎ＋１において、指タッピングデータより被験者群のＭＭＳＥの値を推定することを考える。このＭＭＳＥを推定するためには、前述の指タッピングの特徴量を用いる。２群判別と同様に、前述の４７個の中の一つの特徴量を選んで回帰指標としても良いし、主成分分析や重回帰分析などの統計的手法によって複数の特徴量から一つの回帰指標を算出してもよい。この回帰指標とＭＭＳＥの関係を、線形回帰分析や他の最適化手法を用いて、直線または曲線にフィッティングする。このときフィッティングするデータは、Ｎ〜Ｎ＋１点の範囲のデータではなく、全データを用いる。回帰精度を評価するときのみ、Ｎ〜Ｎ＋１点の範囲を対象とする。

図１１Ａは、横軸にＭＭＳＥをとり、縦軸にはあるタスクにおける回帰指標をとり、ひとつ（一人）のサンプルを一つの黒丸として示したものである。図１１Ａに示すように，各タスクにおいて、ＭＭＳＥの１点刻みで重症度範囲Ｎ〜Ｎ＋１において、指タッピングデータより被験者群のＭＭＳＥの値を推定することを考える。この図では，ＭＭＳＥの値Ｎ＝２０点の場合は、回帰直線あるいは回帰曲線１１０からの黒丸のバラツキが大きく推定の誤差が大きいが，ＭＭＳＥの値Ｎ＝２７点の場合は推定の誤差が小さい。このように，同じ特徴量であっても，重症度範囲が異なると回帰精度が異なる可能性がある。

このフィッティングの良し悪しを示す回帰精度を、平均二乗誤差で評価する。平均二乗誤差が小さいほど回帰精度が高いことを表す。回帰精度は、赤池情報量基準（ＡＩＣ）、ベイズ情報量基準（ＢＩＣ）など、平均二乗誤差以外の指標で評価してもよい。

各タスクにおいて、１点刻みでＭＭＳＥの値を変えながら、Ｎ〜Ｎ＋１点の範囲を前述の回帰指標によって推定し、そのときの回帰精度である平均二乗誤差を算出する。

以上の処理により、被験者群タスクデータベース４６から、評価精度データベース４５を生成することができる。具体的な処理は、図１０Ｂで示した流れと同様であるが、重症度推定の場合には、処理Ｓ１０７が回帰精度である平均二乗誤差の算出処理に置き換わる。また、処理Ｓ１０８では、ＡＵＣの代わりに回帰精度を評価精度データベース４５に登録する。

図１１Ｂは、各タスクにおいて、重症度スコア推定における平均二乗誤差が最小、つまり、回帰精度が最大となるＮmaxを示した模式図である。ここで、各タスクにおいては、Ｎmax〜Ｎmax＋１の範囲で最も精度高く重症度スコアの推定ができることになる。このように，各タスクにおいて，精度高く重症度スコアの推定ができる重症度スコアを，最適重症度スコアと呼ぶ。本実施例では，最適重症度スコアは，各タスクの中で最も精度が高い重症度スコアを選んだが，予め決めた所定の回帰精度よりも大きい回帰精度が得られた重症度スコアを選んでも良い。

以上より、評価精度データベース４５に基づいて、図１１Ｂに示すように、重症度推定において、重症患者で重症度推定を得意とするタスクから、軽症患者/健常者重症度推定を得意とするタスクまで、順にタスクを並べることができる。このリストをタスク実行順序データ４４Ｂに格納する。本実施例では、Ｎ〜Ｎ＋１点の範囲で回帰精度を評価したが、よりＮ〜Ｎ＋２点など広い範囲で評価してもよい。また、Ｎを１点刻みでずらしながら回帰精度を評価したが、２点刻み等、より大きな刻みで評価してもよい。図１０Ｄと同様に、図１１Ｂのタスク実行順序データ４４Ｂにも、タスクから得られる特徴量から回帰指標を得るための数式や処理方法を格納する。上記の処理においては、Ｎmaxの値を閾値としてＮmax未満とＮmax以上に判別する２群判別を行うこともできる。このため、２群判別の場合と同様に、判別閾値Y_th1B〜Y_th4Bを記録しておく。また、判別閾値Y_th1B〜Y_th4Bに対する重症方向の正負も記録しておく。

［１−１０．タスクの選択方法］
タスク実行順序データ４４から、被験者に計測させるタスクを選択する方法を示す。タスク実行順序データとは、図１０Ｄおよび図１１Ｂのように、重症患者の評価を得意とするタスクから、軽症患者の評価を得意とするタスクを並べたリストのことである。

［１−１０−１．２群判別の場合］
図１２のフローチャートを参照しながら、タスクを選択する方法を示す。図１２は、図１０Ｄのタスク実行順序データ４４Ａを用いた場合のタスクの選択方法を示している。

まず処理Ｓ１２１で、全ての被験者に対して、最も重症患者の評価が得意なタスク（片手フリーラン）の計測を行う。ここで、この指タッピングの計測データの特徴量を算出し、評価精度データベース４５に格納されたリストに記録された算出式に代入して、判別指標を算出する。

当該被験者の判別指標が、評価精度データベース４５に格納されたリストに記録された所定の閾値よりも大きいか小さいか確認する。判別指標が閾値よりも小さく重症方向が-１である場合、または、判別指標が閾値よりも大きく重症方向が１である場合は、本タスクでのスクリーニング検査によって重症患者であると判定されたことになる。よって、ここで検査は終了となる。一方で、判別指標が閾値よりも大きく重症方向が-１である場合、または、判別指標が閾値よりも小さく重症方向が１である場合は、本タスクでのスクリーニング検査はクリアしたことになる。よって、次のタスクに進む。図１０Ｄの例では、片手フリーランの重症方向は１なので、判別指標が閾値よりも大きい場合はＭＭＳＥ１５点未満の重症患者と判定され検査終了となり、判別指標が閾値より小さい場合ＭＭＳＥ１５点以上として次のタスクに進む。

処理Ｓ１２２の次のタスクとしては、中度の患者の評価が得意なタスク（両手同時フリーラン）の計測を行う。このタスクは、片手フリーランほどではないが、次に重症に近い患者の評価を得意とするタスクである。その後の評価は、片手フリーランと同様である。判別指標が閾値よりも小さく重症方向が-１である場合、または、判別指標が閾値よりも大きく重症方向が１である場合は、本タスクでのスクリーニング検査によって重症患者であると判定され、ここで判定は終了となる。一方で、判別指標が閾値よりも大きく重症方向が-１である場合、または、判別指標が閾値よりも小さく重症方向が１である場合は、本タスクでのスクリーニング検査はクリアしたことになる。よって、次の処理Ｓ１２３である両手交互フリーランに進む。

このように、タスク実行順序データ４４Ａに記載されたタスクを処理Ｓ１２３、Ｓ１２４と順々に実行し、判別指標によって判定が終了するまで繰り返す。最後まで重症の側に判定されなかった場合は、健常群となる。

［１−１０−２．重症度推定の場合]
重症度推定の場合も、２群判別と同じように、重症患者は少ないタスクで判定が終了し、軽症患者や健常者はより多くのタスクで判定を行う。

図１３を参照しながら、基本的なタスクの選択方法を示す。図１３は、図１１Ｂのタスク実行順序データ４４Ｂを用いた場合のタスクの選択方法を示している。まず、処理Ｓ１３１で、全ての被験者に対して、最も重症患者の評価が得意なタスク（片手フリーラン）の計測を行う。ここで、この指タッピングの計測データの特徴量を算出し、評価精度データベース４５に格納されたリストに記録された算出式に代入して、回帰指標を算出する。

当該被験者の回帰指標が、評価精度データベース４５に格納されたリストに記録された所定の閾値よりも大きいか小さいか確認する。判別指標が閾値よりも小さく重症方向が-１である場合、または、判別指標が閾値よりも大きく重症方向が１である場合は、本タスクでのスクリーニング検査によって重症患者であると判定されたことになる。よって、ここで検査は終了となる。一方で、判別指標が閾値よりも大きく重症方向が-１である場合、または、判別指標が閾値よりも小さく重症方向が１である場合は、本タスクでのスクリーニング検査はクリアしたことになる。よって、処理Ｓ１３２以降のタスクに進む。

このように、図１２の場合と同様に、タスク実行順序データ４４Ｂに記載されたタスクを処理Ｓ１３２〜Ｓ１３４で順々に実行し、判別指標によって判定が終了するまで繰り返す。なお、重症度推定が２群判別と異なるのは、クラス分けを行ったにとどまらず、推定スコアまで算出できることである。

［１−１０−３．その他]
上述したのは、被験者の事前情報を使わないでタスクを選択する方法であるが、被験者の個人情報や過去の評価結果を使ってタスクを選択しても良い。

例えば、事前に被験者の医師によって採点された重症度スコアがあった場合は、そのスコアに近い重症度の評価を得意とするタスクから始めてもよい。また、過去の手指運動タスクの評価結果がある場合も、そのスコアに近い重症度の評価を得意とするタスクから始めてもよい。このような場合は、そのタスクの出来が悪ければより重症向けのタスクに戻って計測し、出来が良ければより軽症向けのタスクを計測するというように、図１２や図１３のフローを進んだり戻ったりしながら適切なタスクを計測する。

すなわち、例えば図１２で被験者の過去の重症度スコアがＭＭＳＥ１８だった場合、一番近い最適重症度スコアＭＭＳＥ１７をもつ両手同時フリーラン（Ｓ１２２）からタスクを開始する。両手同時フリーラン（Ｓ１２２）のタスクの結果、推定重症度スコアが両手同時フリーランの最適重症度スコアＭＭＳＥ１７より重症を示す場合には、より重症を示す最適重症度スコアをもつタスクである片手フリーラン（Ｓ１２１）を実行するか、あるいは、タスクを終了する。また逆に、両手同時フリーラン（Ｓ１２２）のタスクの結果、推定重症度スコアが両手同時フリーランの最適重症度スコアＭＭＳＥ１７より重症でないことを示す場合には、より重症でない最適重症度スコアをもつタスクである両手交互フリーラン（Ｓ１２３）を実行する。このようにして、被験者に最適な判定を行いうるタスクを順番に選別することができる。

［１−１１．画面表示］
［１−１１−１．表示画面（１）−メニュー］
計測者が端末装置４を操作する際の表示画面について説明する。通常は、サービスの初期画面であるメニュー画面を最初に表示する。このメニュー画面では、被験者情報欄、操作メニュー欄、設定欄等を有する。

被験者情報欄では、計測者により被験者情報を入力して登録可能である。なお、電子カルテ等に入力済みの被験者情報が存在する場合、その被験者情報と連携するようにしてもよい。入力可能な被験者情報の例として、被験者ＩＤ、氏名、生年月日または年齢、性別、利き手、疾患／症状、メモ等がある。利き手は、右手、左手、両手、不明、等から選択入力可能である。疾患／症状は、例えばリストボックスの選択肢から選択入力可能としてもよいし、任意のテキストで入力可能としてもよい。

操作メニュー欄では、サービスが提供する機能の操作項目を表示する。操作項目は、「キャリブレーション」、「手指運動の計測（タスク）を行う」、「手指運動の練習を行う」、「評価結果をみる」、「終了する」等を有する。「キャリブレーション」の選択の場合、前述のキャリブレーション、即ち被験者の手指に対する運動センサ２０等の調整に係わる処理が行われる。調整済みか否かの状態も表示される。「手指運動の計測（タスク）を行う」の選択の場合、被験者の運動機能等の状態を解析するためのタスク計測画面に遷移する。「手指運動の練習を行う」の選択の場合、タスク計測を省略して、練習画面に遷移する。「評価結果をみる」の選択の場合、既に解析評価結果がある場合にその評価結果画面に遷移する。「終了する」の選択の場合、本サービスを終了する。

［１−１１−２．表示画面（２）−タスク計測］
メニュー画面のあとには、例えば、タスク計測画面を示す。この画面では、タスク情報を表示する。例えば、左右の手それぞれについて、横軸に時間、縦軸に二指の距離をとったグラフを表示する。画面には、タスク内容を説明するための他の教示情報を出力してもよい。例えば、タスク内容を映像音声で説明するビデオの領域を設けてもよい。画面内には、「計測開始」、「計測やり直し」、「計測終了」、「保存（登録）」等の操作ボタンを有し、計測者が選択できる。計測者は、画面のタスク情報に従い、「計測開始」を選択して、タスクの運動を行う。計測装置３は、タスクの運動を計測して波形信号を得る。端末装置４は、計測中の波形信号に対応する計測波形をリアルタイムでグラフとして表示する。計測者は、運動後、「計測終了」を選択し、確定する場合には「保存（登録）」を選択する。計測装置３は、タスク計測データを生成装置１へ送信する。

［１−１１−３．表示画面（３）−評価タスク］
図１４は、タスク実行中に、被験者に検査の進捗状況を示すために、実施済みの評価タスクを示す画面である。

［１−１１−４．表示画面（４）−評価結果］
図１５は、他の例として、２群判別でタスクを選択した場合の評価結果画面を示す。この画面は被験者に評価結果を見せるための画面である。本画面では、タスクの解析評価結果情報が表示される。２群判別では、被験者は、各タスクで設定された閾値で区切られるグループに振り分けられるため、図に示すようにレベル別の表示となる。タスクの解析評価後、自動的に本画面が表示される。本例では、レベルI〜V別に棒グラフで表示する場合を示す。評価値は、レベル分けせずに、成績スコア（例えば１００点満点）等の形式で、２０点、４０点、・・・等と換算して表示してもよい。評価値のグラフの他に、解析評価結果に関する評価コメント等を表示してもよい。解析評価部１３はその評価コメントを作成する。例えば、「良好な結果です」「前回よりも良くなりました」等のメッセージが表示される。画面内に、「過去の結果を重ね書きする」、「終了する」等の操作ボタンを有する。生成装置１は、「終了する」が選択された場合、初期画面へ遷移させる。

図１６は、重症度スコア推定でタスクを選択した場合の評価結果画面を示す。この画面は被験者に評価結果を見せるための画面である。重症度推定では、被験者は、重症度の推定スコアも算出されるため、評価結果はＭＭＳＥと同じスケール上に表示となる。

図１７は、医療従事者や介護者などの計測者が、タスク計測の進捗状況や評価結果を確認する画面である。タスクの実施／未実施や、これまでに計測したタスクの評価結果などを示す。タスク実行順序は自動的に生成されるが、計測時間の短縮が必要な場合などは、計測者が「終了する」ボタンを押すことで強制的に終了することもできる。その場合は、それまでに計測したタスクのみを使って評価結果を示す。

なお、本実施形態では、計測者が画面操作を行い、被験者の手指運動を計測したが、計測者と被験者が同一人物でも良い。その場合は本検査によって認知/運動機能をセルフチェックできることとなる。

［１−１２．効果等］
上記のように、実施の形態１のタスク実行順序決定システムによれば、人の認知機能や運動機能を評価するための複数の手指運動タスクの好適な実行順序を決定及び提示することで、 被験者の計測の負荷低減、かつ、評価結果の精度改善の両方を実現できる。具体的には、重症と初めから判別された被験者は、1つのタスクしか計測しないで済み、計測の負担が小さくなる。また、軽症か健常か評価が難しい被験者は、複数のタスク計測によって情報量が多くなり、正確性の高い検査が可能になる。

図１８〜図２１を用いて、本発明の実施例２（実施の形態２）のタスク実行順序決定システムについて説明する。実施の形態２の基本的な構成は、実施の形態１と同様であり、以下、実施の形態２の構成における実施の形態１の構成とは異なる部分について説明する。

［２−１．システム（２）］
図１８は、実施の形態２のタスク実行順序決定システムを含む、手指運動評価システムの構成を示す。施設や被験者自宅等に、手指運動評価システムを有する。実施の形態２のタスク実行順序決定システムは、タブレット型指タップ運動評価装置である評価装置を用いる。この評価装置は、タブレット端末である端末装置５により構成される。実施の形態２では、端末装置５に備えるタッチパネルを利用して、運動計測や情報表示を行う。実施の形態２は、実施の形態１の計測装置３の計測機能や端末装置４の表示機能を、１台の端末装置５に統合した形態に相当する。端末装置５は、施設に設置された装置としてもよいし、被験者が所有する装置としてもよい。

端末装置５は、制御部５０１、記憶部５０２、通信部５０５、タッチパネル５１０等を有し、それらがバスを介して接続されている。タッチパネル５１０は、表示部５１１、タッチセンサ５１２を有する。表示部５１１は、例えば液晶表示部あるいは有機ＥＬ表示部であり、表示画面を有する。タッチセンサ５１２は、例えば静電容量方式であり、表示画面に対応した領域に配置されている。タッチセンサ５１２は、表示画面での指の近接や接触の状態に応じた静電容量変化を電気信号として検出し、その検出信号をタッチ検出部５２１へ出力する。

制御部５０１は、端末装置５の全体を制御し、ＣＰＵ、ＲＯＭ、ＲＡＭ等により構成され、ソフトウェアプログラム処理に基づいて、タスク実行順序決定処理等を行うデータ処理部５００を実現する。データ処理部５００の構成は実施の形態１と概略同様である。制御部５０１は、更に、タッチ検出部５２１、計測処理部５２２を有する。制御部５０１は、タッチパネル５１０を通じて計測データを得る機能、計測データを処理して解析する機能、タッチパネル５１０の表示部５１１の表示画面に情報を出力する機能等を実現する。タッチ検出部５２１は、タッチセンサ５１２からの検出信号に基づいて、被験者の表示画面上での指の近接や接触の状態、指の動きの状態を、タッチ位置座標及びその時系列の信号として検出する処理を行う。計測処理部５２２は、タッチ検出部５２１の検出情報を用いて、表示画面上での指の位置や動きを波形信号として計測し、計測データとして得る。データ処理部５００は、実施の形態１と同様の処理により、計測データに基づいてタスク実行順序を決定し、表示部５１１の表示画面に表示する。また、データ処理部５００は、解析評価データ等を作成し、評価画面等を表示部５１１の表示画面に表示する。

［２−２．運動、表示画面の例（１）］
図１９は、端末装置５の表示画面２１０上において指タッピングの運動を行う方式を示す。端末装置５は、この方式を用いたタスクを提供してもよい。この方式では、制御部５０１は、表示画面２１０の背景領域上に、両手の対象の二指を配置するための領域２１１を表示する。対象の二指は、例えば第１指が親指、第２指が人指し指である場合を示す。被験者は、その領域２１１に、各手の二指を接触または近接した状態で配置する。タッチセンサ５１２等に依存するが、本例では、この運動の際、表示画面の領域２１１に指をタッチした状態を基本的に維持させる。被験者は、その領域２１１で二指を開閉する指タッピングを行う。端末装置５は、タッチセンサ５１２等を通じて、その指タッピングの運動を計測し、実施の形態１と同様に波形信号等の計測データを得る。領域２１１上の第１指の動き２１２及び第２指の動き２１３を矢印で示す。二指の指先間の距離Ｌとして、左手側の距離Ｌ１、右手側の距離Ｌ２を示す。

指タッピングの運動に対応した計測データの例としては、先に図７で示したのと同様に、二指の距離Ｄの波形信号が得られる。端末装置５は、上記方式で実施の形態１と同様に、計測データに基づいて特徴量を抽出する。

［２−３．運動、表示画面の例（２）］
図２０は、別の指タッピングの運動及び表示画面の例として、リーチング方式について示す。端末装置５は、リーチング方式を用いたタスクを提供してもよい。図２０（ａ）は、十字リーチングを示す。端末装置５の表示画面２１０上に、最初、初期位置の図形２３１が表示され、その初期位置の図形２３１に対象指、例えば人差し指が置かれた状態で、計測を開始する。開始後、表示画面２１０上に、マーカーに対応するターゲットの図形２３２、例えば十字（クロス）が表示される。制御部５０１は、例えば所定の周期で、異なる位置に、図形２３２を表示する。被験者は、その図形２３２の位置に追従して手指を伸ばすようにして指タップを行う。本例では、図形２３２の中心位置に対してズレを持つ位置２３３で指タップされた状態を示す。ターゲットの図形２３２の中心位置と、タップまたはタッチの位置２３３との間に、ズレに対応する距離Ｅを有する。端末装置５は、計測データに基づいて、特徴量の１つとして、距離Ｅや遅延時間ＴＤ等を算出する。遅延時間ＴＤは、初期位置の図形２３１に指を置いた待機状態でターゲットの図形２３２が表示された時点から、指がターゲットの図形２３２にタッチされた時点までの時間である。
図２０（ｂ）は、円リーチングを示す。ターゲットの図形２３４として円形領域を表示する。被験者は、図形２３４の円形領域内に対して指タップを同様に行う。特徴量としては、例えば図形２３４の中心位置とタップ位置との距離が抽出される。

［２−４．運動、表示画面の例（３）］
別の指タッピングの運動、表示画面の例として、連続タッチ方式について示す。端末装置５は、連続タッチ方式を用いたタスクを提供してもよい。連続タッチ方式の例として、例えば片手で行う片手連続タッチを示す。表示画面２１０の一箇所、例えば左下付近に、左手の親指をタッチするための図形、例えば円形領域が表示される。被験者は、表示された図形に指をタッチして連続的にタッチし続けるようにする。図形が非表示状態になった場合、被験者は図形から指を離す。制御部５０１は、図形の表示を制御する。例えば、所定の周期で図形の表示と非表示とが切り替えられ、所定の回数で表示される。また、図形の表示と共に、教示情報として聴覚刺激等を与えてもよい。特徴量としては、例えば図形のタッチ回数、タッチ間隔、タッチ遅延時間等が抽出される。

また連続タッチ方式の他の例として、両手で行う、両手同時連続タッチを示す。表示画面２１０の二箇所に、左手及び右手の対象指のタッチ位置を示す図形が表示される。被験者は、それらの表示された図形に対し、両手同時に同じタイミングで連続的にタッチする。同様に、両手交互連続タッチも可能である。その場合、制御部５０１は、左右の図形を交互に表示するように切り替える。被験者は、それらの図形に対して左右の手で交互のタイミングでタッチする。特徴量としては、例えば、左右の図形のタッチの位相差等が抽出される。その特徴量に、所定の指標項目、例えば両側協調性等が関連付けられる。位相差の理想値は、両手同時連続タッチの場合には０度、両手交互連続タッチの場合には１８０度である。
別の運動の例としては、図形を表示せずに、教示情報として聴覚刺激等を出力してもよい。例えば、タッチすべき時間とタッチすべきではない時間とで２種類の音声を所定の周期等で出力してもよい。

［２−５．運動、表示画面の例（４）］
別の指タッピングの運動、表示画面の例として、光に合わせたタップ方式を示す。端末装置５は、この方式を用いたタスクを提供してもよい。例えば片手で行う、片手タップを示す。表示画面２１０上に、左手の対象指のタップ用の図形と、その図形のタップのタイミングを示すための視覚刺激の光となるタイミングマークとを表示する。制御部５０１は、図形の表示と非表示とを切り替えるように点滅表示させる。被験者は、タイミングマークが表示されたタイミングで、タップ用の図形をタップする。別の運動の例としては、視覚刺激のタイミングマークの代わりに聴覚刺激である音の出力としてもよいし、連続タッチを行う方式としてもよい。特徴量としては、例えば、周期的な刺激の発生時点に対するタップやタッチの時点の時間ずれがある。この時間ずれは、タイミングマークが表示された時点から図形がタップされた時点までの遅延時間に相当する。同様に、両手同時タップを行うこともできる。左右に２つのタップ用の図形が設けられ、左右に２つの視覚刺激のタイミングマークが同じタイミングで点滅表示される。同様に、両手交互タップの場合、制御部５０１は、左右の２つのタイミングマークを交互のタイミングで点滅表示させる。

［２−６．運動、表示画面の例（５）］
図２１は、別の指タッピングの運動、表示画面の例として、五指タップ方式を示す。端末装置５は、五指タップ方式を用いたタスクを提供してもよい。この方式では、対象手の五指を用いる。端末装置５は、表示画面２１０の背景領域上に、両手のそれぞれの五指、合計十指をタップするための図形２６１を表示する。被験者は、最初、表示画面２１０に五指をタッチするように置く。端末装置５は、そのタッチ位置の検出に基づいて、図形２６１の表示位置を自動的に調整して設定する。端末装置５は、各位置の図形２６１の表示を制御する。端末装置５は、タップすべき位置の図形２６１を特定の表示状態（例えば黒円で示す）にし、タップすべきではない位置の他の図形２６１を別の表示状態にする。端末装置５は、図形２６１の表示状態の切り替えを制御する。被験者は、タップすべき図形２６１の表示に合わせ、その図形２６１に指をタップする。この方式では、五指の各指について各種の指標項目を評価可能である。その結果、特にどの指を鍛えるとよいかも判断可能である。

［２−７．特徴量］
実施の形態２で特有の特徴量の例については以下である。

リーチング方式に関する特徴量パラメータとして以下を有する。（２−１）「ターゲット表示からの遅延時間の平均値」［秒］は、上記遅延時間に関する平均値である。（２−２）「ターゲット表示からの遅延時間の標準偏差」［秒］は、上記遅延時間に関する標準偏差である。

（２−３）「ターゲットに対する位置誤差の平均値」［ｍｍ］は、上記距離Ｅに関する平均値である。（２−４）「ターゲットに対する位置誤差の標準偏差」［ｍｍ］は、上記距離Ｅに関する標準偏差である。

片手連続タッチ方式に関する特徴量パラメータとして以下を有する。（２−５）「タップ回数」［−］、（２−６）「タップインターバル平均」［秒］、（２−７）「タップ周波数」［Ｈｚ］、（２−８）「タップインターバル標準偏差」［秒］、（２−９）「タップインターバル変動係数」［−］、（２−１０）「タップインターバル変動」［ｍｍ^２］、（２−１１）「タップインターバル分布の歪度」［−］、（２−１２）「局所的なタップインターバルの標準偏差」［秒］、（２−１３）「タップインターバル減衰率」等。各特徴量の定義は実施の形態１と同様である。

両手連続タッチ方式に関する特徴量パラメータとして以下を有する。（２−１４）「位相差の平均」［度］は、両手のタッチ等の位相差の平均値である。（２−１５）「位相差の標準偏差」［度］は、上記位相差の標準偏差である。
光または音の刺激に合わせたタッチやタップの方式に関する特徴量パラメータとして以下を有する。（２−１６）「刺激に対する時間ずれの平均値」［秒］は、上記時間ずれの平均値である。（２−１７）「刺激に対する時間ずれの標準偏差」［度］は、上記時間ずれの標準偏差である。

［２−８．効果等］
上記のように、実施の形態２のタスク実行順序決定システムによれば、実施の形態１と同様に、人の認知機能や運動機能を評価するための複数の手指運動タスクの好適な実行順序を決定及び提示することで、 被験者の計測の負荷低減、かつ、評価結果の精度改善の両方を実現できる。実施の形態２では、特に、運動センサ２０等を設ける必要が無い。

［２−９．タスクの混合］
本発明の実施の形態１では、指タッピング運動のタスクのみを用い、本発明の実施の形態２では、タブレット端末上のタスクのみを用いたが、これらを混合して用いても良い。例えば、指タッピングの片手フリーラン、両手交互フリーランの後に、タブレット端末上の十字リーチング（図２０(a)）、片手連続タッチ、五指タップ（図２１）の順で、タスク順序実行データを作成しても良い。また、手指運動タスクに限らずに、他の身体部位の運動タスクを用いてタスク順序実行データを作成しても良い。さらに、記憶課題や認知課題に関するタスクを併用してもよい。

図２２〜図２４を用いて、本発明の実施例３（実施の形態３）のタスク実行順序決定システムについて説明する。実施の形態３の基本的な構成は、実施の形態１と同様であり、以下、実施の形態３の構成における実施の形態１の構成とは異なる部分について説明する。

［３−１．システム（３）］
図２２は、実施の形態３のタスク実行順序決定システムを含む、手指運動評価システムの構成を示す。手指運動評価システムは、サービス事業者のサーバ６と、複数の施設のシステム７とを有し、それらが通信網８を介して接続されている。通信網８やサーバ６は、クラウドコンピューティングシステムを含むものとしてもよい。実施の形態３のタスク実行順序決定システムは、主にサーバ６により構成される。サーバ６は、タスク実行順序決定装置に相当する。サーバ６により、複数の施設のシステム７に対し、手指運動評価サービスを提供する。

施設としては、病院や健康診断センタ、公共施設、娯楽施設等、あるいは被験者自宅等、各種が考えられる。施設にはシステム７が設けられている。システム７は、前述の評価装置を含んでいる。施設のシステム７の例として、病院Ｈ１のシステム７Ａ、病院Ｈ２のシステム７Ｂ等を有する。例えば、病院Ｈ１のシステム７Ａは、実施の形態１と同様の評価装置２を構成する計測装置３及び端末装置４を有する。病院Ｈ２のシステム７Ｂは、実施の形態２と同様の評価装置を構成する端末装置５を有する。各システム７の構成は同じでもよいし、異なってもよい。施設のシステム７は、病院の電子カルテ管理システム等を含んでもよい。システム７の評価装置は、専用端末としてもよい。施設にいる被験者は、評価装置を利用して手指運動の評価を行うことができる。

サーバ６は、サービス事業者が管轄している装置である。サーバ６は、情報処理によるサービスとして、施設及び被験者に対し、実施の形態１の生成装置１と同様の手指運動評価サービスを提供する機能を有する。サーバ６は、システム７の評価装置に対してクライアントサーバ方式でサービス処理を提供する。サーバ６は、そのような機能に加え、被験者管理機能や統計分析機能等を有する。被験者管理機能は、複数の施設のシステム７を通じて得られた、被験者群の被験者情報、計測データや解析評価データ等を、ＤＢに登録、蓄積して管理する機能である。統計分析機能は、被験者群の被験者情報及び解析評価データ等に基づいて、被験者群に関する統計処理や分析処理を行う機能である。サーバ６は、統計分析結果を用いて、タスク実行順序決定を生成して、被験者に適したタスクを提示する。なお、実施の形態３の端末装置５は、タスク実行順序決定を生成する機能は不要であり、タッチパネルを用いた計測機能と、サーバ６で生成されたタスク実行順序決定データ等を表示する表示機能とを有する。

［３−２．サーバ］
図２３は、サーバ６の構成を示す。サーバ６は、制御部６０１、記憶部６０２、入力部６０３、出力部６０４、通信部６０５を有し、それらがバスを介して接続されている。入力部６０３は、サーバ６の管理者等による指示入力を行う部分である。出力部６０４は、サーバ６の管理者等に対する画面表示等を行う部分である。通信部６０５は、通信インタフェースを有し、通信網８との通信処理を行う部分である。記憶部６０２にはＤＢ６４０が格納されている。ＤＢ６４０は、サーバ６とは別のＤＢサーバ等で管理されてもよい。

制御部６０１は、サーバ６の全体を制御し、ＣＰＵ、ＲＯＭ、ＲＡＭ等により構成され、ソフトウェアプログラム処理に基づいて、手指運動タスク実行順序生成等を行うデータ処理部６００を実現する。データ処理部６００は、被験者情報管理部１１、タスク実行順序決定部１２、解析評価部１３、結果出力部１４、統計分析部１７を有する。

被験者情報管理部１１は、複数の施設のシステム７の被験者群に関する被験者情報を、ＤＢ６４０に被験者情報４１として登録し管理する。被験者情報４１は、被験者個人毎の属性値、利用履歴情報、被験者設定情報等を含む。利用履歴情報は、被験者毎の過去の複数回の評価の実績情報を含む。統計分析部１７は、被験者情報４１、解析評価データ４３等を用いて、統計処理や分析処理を行い、その結果である統計分析情報４７を、ＤＢ６４０に格納する。統計分析情報４７は、健常者統計情報や患者統計情報等を含む。
［３−３．サーバ管理情報］
図２４は、サーバ６がＤＢ６４０に管理する被験者情報４１のデータ構成例を示す。この被験者情報４１の表において、被験者ＩＤ、施設ＩＤ、施設内被験者ＩＤ、性別、年齢、疾患、重症度スコア、症状、視力、聴力、履歴情報、等を有する。被験者ＩＤは、本システムでの被験者の一意の識別情報である。施設ＩＤは、システム７が設けられている施設の識別情報である。なお、別に、各システム７の評価装置の通信アドレス等も管理されている。施設内被験者ＩＤは、その施設またはシステム７内で管理されている被験者識別情報が存在する場合のその被験者識別情報である。即ち、被験者ＩＤと施設内被験者ＩＤとが関連付けられて管理されている。疾患項目や症状項目は、医療従事者や介護者などの計測者が選択入力した疾患や症状を表す値が格納される。重症度スコアは、疾患に関する度合いを表す値である。

履歴情報項目は、その被験者の過去のサービス利用の実績を管理する情報であり、各回の利用の日時等の情報が時系列で格納されている。また、履歴情報項目には、その回で行われたタスク実行順序データ、解析評価データ等のデータが格納されている。履歴情報項目には、各データが格納されているアドレスの情報を格納してもよい。

［３−４．統計分析処理］
統計分析部１5は、随時、ＤＢ６４０に登録されている被験者情報４１を参照して、統計処理や分析処理を行い、統計分析情報４７を作成する。統計分析部１5は、例えば、健常者の被験者群を参照する。即ち、統計分析部１5は、被験者情報４１において属性値の疾患項目に疾患を表す値が登録されていない被験者、あるいは健常を表す値が登録されている被験者のデータを参照する。統計分析部１5は、その被験者群における例えば解析評価データ４３の指標項目毎の評価値を参照する。統計分析部１5は、指標項目毎の評価値を集計し、平均値等の統計値を算出し、この統計値を含め、健常者統計情報としてＤＢ６４０に格納する。また、統計分析部１5は、健常者統計情報として、より詳細には、被験者の性別や年齢等の属性値の区分に応じて、統計値を算出する。例えば、男性の１０代、２０代といった区分である。

同様に、統計分析部１5は、例えば、患者の被験者群を参照する。即ち、統計分析部１5は、被験者情報４１において属性値として疾患項目に疾患を表す値が登録されている被験者のデータを参照する。特に、疾患の分類（例えば「運動障害」等）に応じて被験者群を分類してもよい。統計分析部１5は、その疾患の被験者群における例えば解析評価データ４３の指標項目毎の評価値を参照する。統計分析部１5は、指標項目毎の評価値を集計し、平均値等の統計値を算出し、この統計値を含め、患者統計情報としてＤＢ６４０に格納する。

［３−５．効果等］
上記のように、実施の形態３のタスク実行順序決定システムによれば、実施の形態１と同様に、被験者の運動機能または認知機能を評価するために、複数の手指運動のタスクを実行させる適切な順序を生成する。
実施の形態３のタスク実行順序決定システムの変形例として以下が可能である。実施の形態１〜３では、生成装置１、端末装置５、またはサーバ６で、タスク計測に基づいた解析評価処理を行って解析評価データを作成した。変形例として、タスク計測及び解析評価処理を外部の装置で行い、解析評価データを外部の装置から入力する形態としてもよい。例えば、サーバ６は、外部の装置から、既存の解析評価データを取得し、その解析評価データを用いて手指運動タスク実行順序生成処理を行う。

以上、本発明を実施の形態に基づき具体的に説明したが、本発明は前記実施の形態に限定されず、その要旨を逸脱しない範囲で種々変更可能である。

１…タスク実行順序決定システム、２…評価装置、３…計測装置、４…端末装置。

Claims (15)

1. 複数種類のタスクの実行順序を指定する情報処理を行う、タスク実行順序決定システムであって、処理装置と記憶装置を備え、
   前記記憶装置は、
   前記複数種類のタスクの其々に対して、前記タスクを特定するタスクＩＤと、前記タスクの実行順序を決定するためのパラメータを格納するタスク実行順序データを格納し、
   前記処理装置は、
   前記パラメータに基づいて、前記タスクの実行順序を指定し、
   前記パラメータは、
   複数の測定対象の其々について、予め与えたスコアと、前記タスクの実行結果により得られた判別指標とを対応付け、前記複数の測定対象を前記スコアの所定閾値により２群に分けた場合、前記判別指標により前記２群を判別する判別精度が最大または所定以上となる前記スコアの所定閾値である、タスク実行順序指定システム。
2. 前記タスク実行順序データは、
   前記複数種類のタスクの其々に対して、さらに、前記判別指標により前記２群を判別するための判別指標閾値を格納する、
   請求項１記載のタスク実行順序指定システム。
3. 前記タスク実行順序データは、
   前記複数種類のタスクの其々に対して、さらに、前記判別指標閾値の上下に対応する前記スコアの大小関係を規定する方向フラグを格納する、
   請求項２記載のタスク実行順序指定システム。
4. 複数種類のタスクの実行順序を指定する情報処理を行う、タスク実行順序決定システムであって、処理装置と記憶装置を備え、
   前記記憶装置は、
   前記複数種類のタスクの其々に対して、前記タスクを特定するタスクＩＤと、前記タスクの実行順序を決定するためのパラメータを格納するタスク実行順序データを格納し、
   前記処理装置は、
   前記パラメータに基づいて、前記タスクの実行順序を指定し、
   前記パラメータは、
   複数の測定対象の其々について、予め与えたスコアと、前記タスクの実行結果により得られた判別指標とを対応付け、前記スコアと前記判別指標の関係を示すモデルを定義した場合、前記予め与えたスコアと前記判別指標の関係の前記モデルからのずれが、最小または所定以下となる前記スコアの値である、タスク実行順序指定システム。
5. 前記タスク実行順序データは、
   前記複数種類のタスクの其々に対して、さらに、前記判別指標により前記パラメータであるスコアの値で分割された２群を判別するための判別指標閾値を格納する、
   請求項４記載のタスク実行順序指定システム。
6. 前記タスク実行順序データは、
   前記複数種類のタスクの其々に対して、さらに、前記判別指標閾値の上下に対応する前記スコアの大小関係を規定する方向フラグを格納する、
   請求項５記載のタスク実行順序指定システム。
7. 被験者に実行させて特徴量を取得するための複数のタスクの実行順序を決定するタスク実行方法であって、
   記憶装置と処理装置を含む情報処理装置により実行され、
   複数の被験者の其々に対応して、予め与えたスコアと、前記複数のタスクから得られた特徴量とが、過去のデータとして格納される被験者群タスクデータベースを利用し、
   前記記憶装置に、
   前記被験者群タスクデータベースに基づいて、前記複数のタスク毎に、
   前記スコアの所定の閾値によって前記被験者を２群に分割し、前記２群を前記特徴量により判別した場合の、判別精度のデータベース、
   または、
   前記スコアの所定の値において、当該スコアを前記特徴量で推定した場合の、推定精度のデータベース、
   を準備し、
   前記処理装置は、
   前記判別精度のデータベースまたは前記推定精度のデータベースに基づいて、各タスクにおいて、前記判別精度または前記推定精度が最大または所定以上となる、スコアの前記所定の閾値あるいはスコアの前記所定の値を最適スコアとして選ぶ第１のステップ、
   前記最適スコアを参照して前記複数のタスクからタスクを選び、タスクを実行させるための情報を出力する第２のステップ、
   選ばれたタスクに対応して得られた特徴量を用いて、前記判別の結果または前記推定の結果を得る第３のステップ、
   を実行するタスク実行方法。
8. 前記スコアは、前記被験者の重症度を表すスコアであり、
   前記第２のステップにおいて、
   前記最適スコアを参照して、前記最適スコアが重症である順に前記複数のタスクからタスクを選び、順次タスクを実行させるための情報を出力することを特徴とする、
   請求項７のタスク実行方法。
9. 所定の前記被験者に前記タスクを実行させる場合であって、前記被験者に既に前記スコアが対応付けられている場合には、
   前記第２のステップにおいて、
   前記最適スコアを参照して、前記被験者に既に対応付けられているスコアと、複数の前記タスクの最適スコアを比較し、前記複数のタスクから最も最適スコアが近いタスクを選び、当該タスクを実行させるための情報を出力することを特徴とする、
   請求項７のタスク実行方法。
10. 前記スコアは、前記被験者の重症度を表すスコアであり、
    所定の前記タスクを第１タスクとして実行し、次に実行する第２タスクを選ぶ場合には、
    前記第２のステップにおいて、
    前記第１タスクによる前記判別の結果または前記推定の結果であるスコアと、前記第１タスクの最適スコアとを比較し、
    前記判別の結果または前記推定の結果であるスコアが前記第１タスクの最適スコアよりも重症であることを示す場合は、タスクの実行を終了するか、あるいは、最適スコアがより重症であることを示す第２タスクを実行させるための情報を出力し、
    前記判別の結果または前記推定の結果であるスコアが前記第１タスクの最適スコアよりも重症でないことを示す場合は、最適スコアがより重症でないことを示す第２タスクを実行させるための情報を出力することを特徴とする、
    請求項７のタスク実行方法。
11. 前記処理装置としてサーバ装置と評価装置とを用い、
    前記サーバ装置は、
    前記第１のステップにおいて、
    各タスクに対して前記最適スコアを対応付けたタスク実行順序データを作成し、
    前記第２のステップにおいて、
    前記評価装置にタスクを実行させるための情報を出力し、
    前記評価装置は、
    前記タスクを実行させるための情報に基づいて表示画面にタスクを表示し、
    前記表示したタスクに対応して取得した計測データを前記サーバ装置へ送信し、
    前記サーバ装置は、
    前記評価装置から前記計測データを取得し、前記計測データに基づいて、前記被験者群タスクデータベース、前記判別精度のデータベースまたは前記推定精度のデータベース、および、前記タスク実行順序データを更新することを特徴とする、
    請求項７のタスク実行方法。
12. 前記判別精度のデータベースに基づいて前記タスク実行順序データを作成し、
    該タスク実行順序データは、
    複数種類の前記タスクの其々に対して、前記タスクを特定する情報と、前記最適スコアを含み、
    前記最適スコアは、各タスクにおいて、前記判別精度が最大または所定以上となる、スコアの前記所定の閾値であることを特徴とする、
    請求項１１記載のタスク実行方法。
13. 該タスク実行順序データは、
    複数種類の前記タスクの其々に対して、さらに、前記特徴量により前記２群を判別するための判別指標閾値を格納する、
    請求項１２記載のタスク実行方法。
14. 前記推定精度のデータベースに基づいて前記タスク実行順序データを作成し、
    該タスク実行順序データは、
    複数種類の前記タスクの其々に対して、前記タスクを特定する情報と、前記最適スコアを含み、
    前記最適スコアは、各タスクにおいて、前記推定精度が最大または所定以上となる、スコアの前記所定の値であることを特徴とする、
    請求項１１記載のタスク実行方法。
15. 該タスク実行順序データは、
    複数種類の前記タスクの其々に対して、さらに、前記特徴量により前記スコアの所定の値で分割された２群を判別するための判別指標閾値を格納する、
    請求項１４記載のタスク実行方法。

Images