JP2018082765A - 診断装置、診断方法、プログラム - Google Patents
診断装置、診断方法、プログラム Download PDFInfo
- Publication number
- JP2018082765A JP2018082765A JP2016226089A JP2016226089A JP2018082765A JP 2018082765 A JP2018082765 A JP 2018082765A JP 2016226089 A JP2016226089 A JP 2016226089A JP 2016226089 A JP2016226089 A JP 2016226089A JP 2018082765 A JP2018082765 A JP 2018082765A
- Authority
- JP
- Japan
- Prior art keywords
- vital sign
- sign data
- data
- correlation
- vital
- 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
Links
Images
Landscapes
- Investigating Or Analysing Biological Materials (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
【課題】生体徴候の測定により精神状態を推定可能な診断装置を提供すること。
【解決手段】生体の精神状態により変化する生体徴候データを測定する測定装置90により測定された生体徴候データが蓄積された生体徴候データ蓄積手段と、精神状態と相関する生体から検出可能な生体情報が蓄積された生体情報蓄積手段と、生体徴候データ蓄積手段に蓄積された生体徴候データと生体情報蓄積手段に蓄積された生体情報の相関関係を算出する相関関係算出手段と、測定装置が測定した生体徴候データ及び相関関係を用いて生体徴候データを予測する生体情報予測手段と、を有する診断装置を提供する。
【選択図】図1
【解決手段】生体の精神状態により変化する生体徴候データを測定する測定装置90により測定された生体徴候データが蓄積された生体徴候データ蓄積手段と、精神状態と相関する生体から検出可能な生体情報が蓄積された生体情報蓄積手段と、生体徴候データ蓄積手段に蓄積された生体徴候データと生体情報蓄積手段に蓄積された生体情報の相関関係を算出する相関関係算出手段と、測定装置が測定した生体徴候データ及び相関関係を用いて生体徴候データを予測する生体情報予測手段と、を有する診断装置を提供する。
【選択図】図1
Description
本発明は、診断装置、診断方法及びプログラムに関する。
いわゆるうつ病の診断基準には、WHO(世界保健機関)の国際疾病分類である「ICD−10」、又は、米国精神医学会の「DSM−5」が用いられる場合が多い。これらの診断基準は定性的なものであるが、精神疾患を専門とする医師であれば、多くの患者に接した経験から信頼性の高い診断を下すことができる。
しかしながら、患者が医師の診断を受けるには、患者が医療機関に赴く必要がある。このため、患者がうつ病であること、又は、うつ病に近い精神状態であることを自覚している必要がある。その上で、患者の意思、又は、周囲の人々の勧めにより、患者が医療機関に自ら赴くことを前提としている。しかしながら、患者はうつ病であることによる偏見や不都合を避けるために、うつ病であることを認めたくない傾向や症状を秘匿したいと思う傾向にある。また、患者がうつ病であることを周囲の人々が気づかないことも多い。このため、患者が医療機関で診断や検査を受けないまま、重症化する症例は少なくない。
ところで、精神状態を含む人の健康状態は外見からは分かり難いように思われるが、身体の表面に露呈していることが少なくない。特に、心理的なストレスは身体の内分泌に大きく影響する。内分泌が乱れることは体内のホルモンバランスが崩れていることを意味するので、皮膚のキメ(肌理)の粗さ、乾燥、爪の凹凸、及び脱髪など様々な生体徴候を引き起こす。
また、うつ病などで精神状態が悪化すると、人は身だしなみを気にする余裕が無くなり、自発的な清潔活動(お風呂、着替え、スキンケア、爪切りなど)を怠り、更に上記のような生体徴候が出やすくなる。
したがって、測定装置で生体徴候を測定すれば精神状態を推測することができると期待される。生体徴候の一例として皮膚の状態を検出する装置は従来から知られている(例えば、特許文献1参照。)。特許文献1には皮膚の表面及び内面の状態を容易に検出することができ、皮膚の状況を判別することが可能な小型の検査装置について開示されている。
しかしながら、従来の技術は皮膚の状態を測定・分析して心理状態の変化を検知することを図っているが、皮膚の状態から推定される精神状態の客観性に欠けるという問題がある。例えば、皮膚状態から心理状態が悪化したことが推定されても、心理状態がどの程度かを知ることはできず、早期にうつ病であること又はうつ病のおそれがあると推定することは困難である。
本発明は、上記課題に鑑み、生体徴候の測定により精神状態を推定可能な診断装置を提供することを目的とする。
本発明は、生体の精神状態により変化する生体徴候データを測定する測定装置により測定された前記生体徴候データが蓄積された生体徴候データ蓄積手段と、精神状態と相関する生体から検出可能な生体情報が蓄積された生体情報蓄積手段と、前記生体徴候データ蓄積手段に蓄積された前記生体徴候データと前記生体情報蓄積手段に蓄積された前記生体情報の相関関係を算出する相関関係算出手段と、前記測定装置が測定した前記生体徴候データ及び前記相関関係を用いて前記生体徴候データを予測する生体情報予測手段と、を有する診断装置を提供する。
生体徴候の測定により精神状態を推定可能な診断装置を提供することができる。
以下、本発明を実施するための形態について診断システム100と診断システム100が行う診断方法について説明する。
<診断システムの概略的な動作>
図1は、本実施形態の診断システムの概略的な動作を説明する図の一例である。被験者9はうつ病又はその可能性が高い者だけでなく健常者を含む。診断対象者8はうつ病であるかどうかの診断を受ける者である。
(1)測定装置90は非侵襲的に生体徴候を測定する。予め複数の被験者9の生体徴候を測定しておく。
(2)医師などが患者から血液や唾液などを採取することで患者のバイオマーカ値が測定される。
(3)リスク値算出装置60は生体情報とバイオマーカ値から相関パラメータを算出する。これにより、生体情報又はバイオマーカ値のどちらか一方から他方を推定できるようになる。
(4)被験者9又は診断対象者8は日常的に測定装置90で生体徴候を測定する。
(5)リスク値算出装置60は被験者9又は診断対象者8の生体徴候を、相関パラメータを係数とするモデル式に適用して被験者9又は診断対象者8のバイオマーカ値を推定する。
図1は、本実施形態の診断システムの概略的な動作を説明する図の一例である。被験者9はうつ病又はその可能性が高い者だけでなく健常者を含む。診断対象者8はうつ病であるかどうかの診断を受ける者である。
(1)測定装置90は非侵襲的に生体徴候を測定する。予め複数の被験者9の生体徴候を測定しておく。
(2)医師などが患者から血液や唾液などを採取することで患者のバイオマーカ値が測定される。
(3)リスク値算出装置60は生体情報とバイオマーカ値から相関パラメータを算出する。これにより、生体情報又はバイオマーカ値のどちらか一方から他方を推定できるようになる。
(4)被験者9又は診断対象者8は日常的に測定装置90で生体徴候を測定する。
(5)リスク値算出装置60は被験者9又は診断対象者8の生体徴候を、相関パラメータを係数とするモデル式に適用して被験者9又は診断対象者8のバイオマーカ値を推定する。
このように、本来は医師などの作業が必要なバイオマーカ値を、生体徴候から予測できる。したがって、生体徴候を測定することにより、診断対象者8や関係者が日常生活の中で手軽かつ非侵襲的にうつ病かどうかを正確に推定し、うつ病の早期発見が可能になる。なお、相関パラメータを算出するための生体特徴を提供する被験者9は診断対象者8と同じ場合があるが、説明の便宜上、相関パラメータを算出するための生体特徴を提供する者を被験者9といい、うつ病かどうかの診断を受ける者を診断対象者8という。
<用語について>
特許請求の範囲の生体とは、生物の体である。主に人をいうが犬や猫などの動物を含んでもよい。
特許請求の範囲の生体とは、生物の体である。主に人をいうが犬や猫などの動物を含んでもよい。
生体徴候データとは、生体の精神状態により生体に生じる生体の状態を示すデータである。例えば、生体の外部から測定可能な状態に関するデータである。本実施形態では例えば皮膚(頭皮を含む)、爪、及び髪根の密度などを例に説明する。
精神状態とは、肉体と対比される精神の状態である。簡単には、精神疾患に陥った又は陥るおそれがある状態とそうでない状態に分けられる。精神疾患に陥った場合は更にその程度が精神状態となる。また、精神疾患とは人間の精神が不調をきたすこと又は心の健康(メンタルヘルス)が損なわれることをいい、例えばうつ病が挙げられる。
生体情報とは、精神疾患と相関しやすい体内の物質ということができる。具体的には、生体の血液や唾液、呼気、涙、汗等から検出される物質である。したがって、生体情報は生体の体内から抽出される物質として検出される。更に、血圧、脳波、心拍数などの数値化できる情報が含まれてもよい。以下では、生体情報の一例としてバイオマーカ値という用語で説明する。
<うつ病について>
図2は、うつ病とその徴候についての説明する図の一例である。うつ病が引き起こす、主な体内変化、主な徴候、及び、徴候の具体表現がツリー構造に表されている。うつ病が引き起こす主な体内変化は内分泌(ホルモン)の乱れ、及び脳内変化がある。内分泌(ホルモン)の乱れの主な徴候として体への徴候があり、その具体表現は、肌のキメが粗くなること、爪の凹凸、脱髪、睡眠障害、聴覚過敏などである。
図2は、うつ病とその徴候についての説明する図の一例である。うつ病が引き起こす、主な体内変化、主な徴候、及び、徴候の具体表現がツリー構造に表されている。うつ病が引き起こす主な体内変化は内分泌(ホルモン)の乱れ、及び脳内変化がある。内分泌(ホルモン)の乱れの主な徴候として体への徴候があり、その具体表現は、肌のキメが粗くなること、爪の凹凸、脱髪、睡眠障害、聴覚過敏などである。
脳内変化の主な徴候として行動の徴候と心の徴候がある。行動の徴候の具体表現は、生体リズムの乱れ、思考行動の鈍さ、社交回避などである。心の徴候の具体表現は、自己否定、不安、意欲喪失などである。
内分泌(ホルモン)の乱れは、外部から非侵襲的かつ日常生活中に測定可能であるため、主な徴候の具体表現を生体徴候として診断対象者8等が測定することでうつ病の早期診断が可能である。
<測定内容とその根拠>
うつ病及びその傾向により内分泌(ホルモン)が乱れると生体徴候に表れるため、生体徴候として検出可能であると説明したが、この原因は、内分泌(ホルモン)の乱れにより皮膚内部のコラーゲンの構造異常により引き起こされると考えられる。
うつ病及びその傾向により内分泌(ホルモン)が乱れると生体徴候に表れるため、生体徴候として検出可能であると説明したが、この原因は、内分泌(ホルモン)の乱れにより皮膚内部のコラーゲンの構造異常により引き起こされると考えられる。
図3は、皮膚の構造を示す図の一例である。図3(a)は正常な皮膚を示し、図3(b)はホルモンが乱れた皮膚を示す。人間の身体における最大の臓器と言われる皮膚は表皮401の内側に真皮402がある構造となっている。真皮402は皮膚の張り・弾性・水分量の保持の機能に深く関与しており、皮膚における中心的役割を担っている。真皮402はエラスチン403、コラーゲン404、繊維芽細胞405、及びヒアルロン酸406等を含む。このうちコラーゲン404が豊富に含まれており、真皮402の約70%はコラーゲン404である。したがって、真皮402のコラーゲン404が皮膚の形態的及び機能的特性を決定する上で重要な役割を果たしている。
図3(b)ではホルモン異常により表面407が凹み、コラーゲン404の構造が疎になっている。したがって、真皮402のコラーゲン404の構造異常や構造的変化を観察することは皮膚性状を探るだけでなく身体の内分泌情報を得る上でも重要と考えられる。本実施形態ではこの点に着目し、測定装置90で皮膚の表面(表皮)の平滑度、及び内部のコラーゲン404の構造を測定する。
図4は、爪408の表面と精神疾患の関係を説明する図の一例である。爪408は「第2の皮膚」と呼ばれ「健康のバロメーター」として知られている。また、爪408は精神状態の良し悪しが反映しやすいと言われている。うつ病の患者は精神状態が悪化しているので、爪に凸凹(特に横方向)が見られる場合がある。そこで、本実施形態では、測定装置90により爪の滑らかさ(表面凹凸度)を測定する。
また、髪や頭皮にも精神状態が現れる。
・髪の密度…人体のホルモンが乱れると脱髪がよく見られる。本実施形態では、頭皮の一定面積内の髪根の密度を検出する。
・頭皮の平滑度…頭皮も皮膚の一部なので精神状態により皮膚と同様に頭皮表面の平滑状態の劣化が見られる。更に清潔感の低下によりフケが増えることも平滑度の劣化に影響すると考えられる。
・髪の密度…人体のホルモンが乱れると脱髪がよく見られる。本実施形態では、頭皮の一定面積内の髪根の密度を検出する。
・頭皮の平滑度…頭皮も皮膚の一部なので精神状態により皮膚と同様に頭皮表面の平滑状態の劣化が見られる。更に清潔感の低下によりフケが増えることも平滑度の劣化に影響すると考えられる。
以上をまとめると、本実施形態の測定装置90は以下の生体徴候を測定する。
・皮膚(頭皮も含む) : 皮膚表面の平滑度(SkinSmoothValue)と内部のコラーゲン繊維の構造(SkinCollagenValue)
・皮膚(頭皮も含む):水分量(乾燥度)
・爪 : 平滑度(NailValue)
・髪 : 髪根の密度(HairValue)
・皮膚(頭皮も含む) : 皮膚表面の平滑度(SkinSmoothValue)と内部のコラーゲン繊維の構造(SkinCollagenValue)
・皮膚(頭皮も含む):水分量(乾燥度)
・爪 : 平滑度(NailValue)
・髪 : 髪根の密度(HairValue)
<診断システムが生体徴候からうつ病のリスクを推測する原理>
うつ病になると、皮膚などに生体徴候が現れる可能性が高いが、生体徴候のみで診断システム100がうつ病だと推定することは困難であると考えられる。これは、従来のうつ病の診断では、生体徴候に加え医師などの問診を総合して診断することが一般的であり、うつ病の未然予防や早期発見に、専門知識と経験のない一般の人々が使える客観的かつ定量的な診断指標は存在しないためである。
うつ病になると、皮膚などに生体徴候が現れる可能性が高いが、生体徴候のみで診断システム100がうつ病だと推定することは困難であると考えられる。これは、従来のうつ病の診断では、生体徴候に加え医師などの問診を総合して診断することが一般的であり、うつ病の未然予防や早期発見に、専門知識と経験のない一般の人々が使える客観的かつ定量的な診断指標は存在しないためである。
従来は医師などの問診でしか診断できず、明確的かつ定量的なうつ病の判断基準はなかった。しかし、この数年、うつ病の診断に有効なバイオマーカの研究が進んでいる(例えば、非特許文献1参照。)。非特許文献1には、血液の免疫細胞の中の遺伝子の働き(RNA)の分析により精度よくうつ病を診断できるうつ病バイオマーカの研究内容が記載されており、これからの応用が期待されている。
しかし、採血が必要だと診断対象者8が病院に行く必要があり、更に診断対象者8に対し侵襲的な行為であるため、診断対象者8に負担がかかる。一般の健常者は多くても何ヶ月に1回又は年に1〜2回検査を受けることが限度となる。つまり、およそ健康診断の頻度でしかバイオマーカによる診断は得られない。したがって、バイオマーカに頼る診断では、日常生活の中でうつ病の診断はできず、早期発見又は未然予防が困難になる。
本実施形態では、図1にて説明したように、このバイオマーカ値と生体徴候とから、日常生活の中で非侵襲的にうつ病リスクを算出することを可能にする。
<システム構成例>
図5は、診断システム100の全体的な構成図の一例である。図5の診断システム100は、診断データ管理端末10、バイオマーカデータ登録端末11、ライフログデータ登録端末12、リスク値算出端末50、診断対象者登録端末13、推奨情報登録端末14、データベース管理装置30、及び、リスク値算出装置60を有する。これらを区別しない場合は、「端末又は装置」という。これらの各端末又は装置は、ネットワークNによって通信可能に接続される。ネットワークNの右側と左側に分けられていることに意味はない。また、端末と装置の呼称の違いはハードウェアの構成の違いを意味するものではないが、端末は情報が入力され又は情報を出力するユーザインタフェースの機能を提供し、装置は入力された情報を主に加工する機能を提供する。ただし、端末が装置と呼ばれていてもよいし、装置が端末と呼ばれていてもよい。
図5は、診断システム100の全体的な構成図の一例である。図5の診断システム100は、診断データ管理端末10、バイオマーカデータ登録端末11、ライフログデータ登録端末12、リスク値算出端末50、診断対象者登録端末13、推奨情報登録端末14、データベース管理装置30、及び、リスク値算出装置60を有する。これらを区別しない場合は、「端末又は装置」という。これらの各端末又は装置は、ネットワークNによって通信可能に接続される。ネットワークNの右側と左側に分けられていることに意味はない。また、端末と装置の呼称の違いはハードウェアの構成の違いを意味するものではないが、端末は情報が入力され又は情報を出力するユーザインタフェースの機能を提供し、装置は入力された情報を主に加工する機能を提供する。ただし、端末が装置と呼ばれていてもよいし、装置が端末と呼ばれていてもよい。
ネットワークNは、各端末又は装置が設置されている施設などに構築されているLAN(Local Area Network)、LANをインターネットに接続するプロバイダのプロバイダネットワーク、及び、回線事業者が提供する回線等により構築されている。ネットワークが複数のLANを有する場合、ネットワークNはWAN(Wide Area Network)やインターネットと呼ばれる。ネットワークNは有線又は無線のどちらで構築されてもよく、また、有線と無線が組み合わされていてもよい。また、端末と装置が直接、公衆回線網に接続する場合は、LANを介さずにプロバイダネットワークに接続することができる。
また、これらの各端末又は装置は情報処理装置としての機能を有すればよい。例えば、サーバやPC(Personal Computer)と呼ばれる。また、各端末又は装置は可搬性の携帯端末でもよい。携帯端末は、例えば、スマートフォン、携帯電話、タブレット端末、ゲーム機、PDA(Personal Digital Assistant)、デジタルカメラ、ウェアラブルPC、ノートPC、ゲーム機などであるがこれらには限られない。また、各端末又は装置としてオフィス機器が利用されてもよい。オフィス機器は主にオフィスで使用される機器であるが、オフィスでの使用には限定されない。例えば、画像形成装置(プリンタ、MFP(Multi-Function Peripheral)、複合機、複写機、コピー機など)、ファクス装置、スキャナ装置、コピー機等がある。また、プロジェクタ、HUD(Head Up Display)装置、電子黒板、デジタルサイネージなどでもよい。
また、各端末又は装置の1つ以上には、クラウドコンピューティングが適用されてよい。クラウドコンピューティングとは、特定ハードウェア資源が意識されずにネットワーク上のリソースが利用される利用形態をいう。クラウドコンピューティングでは、ハードウェアが1つの筐体に収納されていたりひとまとまりの装置として備えられていたりする必要はなく、負荷に応じてハード的なリソースが動的に接続・切断されることで構成される。また、一台の情報処理装置の中の仮想化環境に複数のサーバの機能が構築されていたり、複数台の情報処理装置に跨って1つのサーバの機能が構築されたりしてもよい。
次に、各端末又は装置について説明する。
診断データ管理端末10は、診断サービス提供者がうつ病患者及び健常者の診断データを登録するための端末である。診断サービス提供者とは、本実施形態で説明される診断システム100の運営者、管理者、提供者、又は、担当者など、診断システム100に関わる者である。医療関係者が含まれてもよい。また、以下で用いられる診断サービス提供者という用語は同一の人を意味するわけではない。
診断データ管理端末10は、診断サービス提供者がうつ病患者及び健常者の診断データを登録するための端末である。診断サービス提供者とは、本実施形態で説明される診断システム100の運営者、管理者、提供者、又は、担当者など、診断システム100に関わる者である。医療関係者が含まれてもよい。また、以下で用いられる診断サービス提供者という用語は同一の人を意味するわけではない。
バイオマーカデータ登録端末11は、診断サービス提供者が、被験者9(うつ病患者及び健常者)のバイオマーカデータをデータベース管理装置30に登録するための端末である。
ライフログデータ登録端末12は、診断サービス提供者が、被験者9(うつ病患者及び健常者)のライフログデータをデータベース管理装置30に登録するための端末である。本実施形態のライフログデータは測定装置90で測定される生体徴候である。測定装置90はライフログデータ登録端末12と通信して生体徴候データをライフログデータ登録端末12に送信する。
診断対象者登録端末13は、診断サービス提供者が、診断対象者8に関する情報を登録するための端末である。診断対象者8とは、診断システム100が提供する診断サービスを受ける者、すなわち、ライフログデータからうつ病やその傾向があると判断される者である。例えば、診断システム100を導入した企業の社員、ショッピングモールなどを訪れたお客、公共団体に属する住民などである。診断対象者8に関する情報を「診断対象者データ」と称する。診断対象者データの一例は後述されるが、例えば、診断対象者8を特定するための情報(氏名、住所等)や連絡先(メールアドレス等)などである。
推奨情報登録端末14は、診断サービス提供者が、診断対象者8に対する推奨情報を登録するための端末である。推奨情報とは、診断対象者8のうつ病のリスクを低減するために診断対象者8に推奨される生活行動や各種の情報などである。例えば、診断対象者8が日常生活で心がけるべきアドバイス、摂取するべき食品、効果的な運動などをいう。なお、この場合の、診断サービス提供者は医療関係者であることがより好ましい。
データベース管理装置30は、診断データ管理端末10から登録された診断データ、バイオマーカデータ登録端末11から登録されたバイオマーカデータ、ライフログデータ登録端末12から登録されたライフログデータ(生体徴候データ)、リスク値算出端末50から入力されたライフログデータ(生体徴候データ)、診断対象者登録端末13から登録された診断対象者データ、推奨情報登録端末14から登録された推奨情報、及び後述する対応データをデータベースに格納して管理する装置である。また、リスク値算出端末50及びリスク値算出装置60からの要求に応じて、診断データ、対応データ、診断対象者データ及び推奨情報を、データベースから検索して読み出し提供するための装置である。
リスク値算出端末50は、診断対象者8又はその関係者が、ライフログデータ(生体徴候データ)を入力し、診断対象者8のうつ病のリスク値を表示させる端末である。ライフログデータは測定装置90により測定される。測定装置90はリスク値算出端末50と通信して診断対象者IDと共に生体徴候データをリスク値算出端末50に送信する。リスク値算出端末50はデータベース管理装置30に生体徴候データを送信する。診断対象者IDは社員番号、メールアドレスなど診断対象者8を特定できる情報であればよく、診断対象者8がリスク値算出端末50にログインする際に入力したり測定装置90に入力したりしておく。
なお、測定装置90はリスク値算出端末50又はライフログデータ登録端末12を介することなく生体徴候データをデータベース管理装置30に送信してよい。この場合、測定装置90は無線LANなどでネットワークNに接続したり、3G、LTEなどの交換回線でネットワークNに接続したりする。有線で通信してもよい。
リスク値とは、推定されたバイオマーカ値が、診断対象者8又はその関係者に分かりやすい形態で提供される、どのくらいうつ病になりやすいかを示す情報である。例えば、バイオマーカ値と閾値の比較により、うつ病である・うつ病でない、うつ病になりやすい・なりにくい、A〜Eの5段階、又は1〜10など10段階でうつ病のリスクが示される。また、0〜100点の間の数値で示されてもよい。
リスク値算出装置60は、リスク値算出端末50からの要求に応じて、バイオマーカデータの推定値、診断データの推定値、及び、リスク値を算出し、リスク値算出端末50又は診断対象者8のメールアドレス等に送信するための装置である。
診断システム100の構成要素のうち、診断データ管理端末10、バイオマーカデータ登録端末11、ライフログデータ登録端末12、診断対象者登録端末13、推奨情報登録端末14、データベース管理装置30、及び、リスク値算出装置60は、診断サービス提供者により管理される。すなわち、これらの端末又は装置は主に診断サービス提供者により使用される。例えば、診断サービス提供者が用意したWebサーバがあり、診断データ管理端末10、バイオマーカデータ登録端末11、ライフログデータ登録端末12、診断対象者登録端末13及び推奨情報登録端末14はこのWebサーバ(FTPサーバなどでもよく、通信プロトコルは問わない)にアクセスして診断サービス提供者が上記の各情報を登録する。Webサーバはデータベース管理装置30が兼ねてよい。データベース管理装置30はWebサーバから送信された各種のデータをデータベースに格納する。
リスク値算出端末50は、診断対象者8、又はその関係者が操作できる場所に配置される。これは、診断対象者8又はその関係者がリスク値算出端末50を操作する場合が多いためである。リスク値算出端末50がWebサーバにアクセスしてリスク値の算出を依頼すると、Webサーバはリスク値算出装置60が算出したリスク値をリスク値算出端末50に送信する。
<ハードウェア構成について>
図6は、端末又は装置のハードウェア構成の一例を示す図である。上記のように、端末又は装置は情報処理装置としての機能を有する。端末又は装置は、CPU(Central Processing Unit)301、ROM(Read Only Memory)302、RAM(Random Access Memory)303及び補助記憶装置304を備える。更に、端末又は装置は、入力部305、ディスプレイI/F(Interface)306、ネットワークI/F307及び外部機器I/F308を備える。なお、端末又は装置の各部は、バスBを介して相互に接続されている。
図6は、端末又は装置のハードウェア構成の一例を示す図である。上記のように、端末又は装置は情報処理装置としての機能を有する。端末又は装置は、CPU(Central Processing Unit)301、ROM(Read Only Memory)302、RAM(Random Access Memory)303及び補助記憶装置304を備える。更に、端末又は装置は、入力部305、ディスプレイI/F(Interface)306、ネットワークI/F307及び外部機器I/F308を備える。なお、端末又は装置の各部は、バスBを介して相互に接続されている。
CPU301は、補助記憶装置304に格納された各種のプログラム304p、OS(Operating System)等を実行する。ROM302は不揮発性メモリである。ROM302は、システムローダーやデータ等を格納する。
RAM303は、DRAM(Dynamic Random Access Memory)やSRAM(Static Random Access Memory)等の主記憶装置である。CPU301によって実行される際に補助記憶装置304に格納されたプログラム304pがRAM303に展開され、RAM303はCPU301の作業領域となる。
補助記憶装置304は、CPU301により実行されるプログラム304p及びプログラム304pがCPU301により実行される際に利用される各種データベースを記憶する。補助記憶装置304は例えばHDD(Hard Disk Drive)やSSD(Solid State Drive)などの不揮発性メモリである。
入力部305は、オペレータが端末又は装置に各種指示を入力するためのインタフェースである。例えば、キーボード、マウス、タッチパネル、音声入力装置などである。ただし、入力部305は必要に応じて接続されてよい。
ディスプレイI/F306は、CPU301からの要求により、端末又は装置が有する各種情報をカーソル、メニュー、ウィンドウ、文字、又は画像などの形態で表示装置であるディスプレイ310に表示する。ディスプレイI/F306は、例えばグラフィックチップやディスプレイI/Fである。ただし、ディスプレイI/F306は必要に応じて接続されてよい。
ネットワークI/F307は、ネットワークを介して、他の端末や装置と通信を行う通信装置である。ネットワークI/F307は例えばイーサネット(登録商標)カードであるがこれに限られない。
外部機器I/F308は、USBケーブル、又は、USBメモリ等の各種の記憶媒体320などを接続するためのインタフェースである。
図6のハードウェア構成は一例であり、例えばスマートフォンなどのハードウェア構成が採用される場合もある。例えば、リスク値算出端末50の場合、スマートフォンで動作するアプリケーションソフトで診断対象者8又はその関係者がリスク値算出装置60にアクセスし、算出されたリスク値を表示するなどのユースケースが考えられる。
<<測定装置90のハードウェア構成例>>
図7は、測定装置90のハードウェア構成図の一例を示す。測定装置90は主に暗箱510と処理部520を有する。暗箱510は生体徴候を測定する測定部であり、処理部520はデータ処理を行うマイコンなどである。
図7は、測定装置90のハードウェア構成図の一例を示す。測定装置90は主に暗箱510と処理部520を有する。暗箱510は生体徴候を測定する測定部であり、処理部520はデータ処理を行うマイコンなどである。
暗箱510は、光源511が出す光(近赤外光など)を偏光させる偏光フィルタ512、光の焦点を皮膚上に合わせるレンズ513を有する。暗箱510の皮膚に接触する面はガラスやアクリルなどの光に対し透明な透明板517で形成されており、レンズ513を通過した光は表皮401で反射して拡散反射光又は正反射光となる。拡散反射光は偏光フィルタ514を通過して拡散反射光検出器515により検出される。正反射光は正反射光検出器516により検出される。拡散反射光検出器515及び正反射光検出器516は例えばフォトダイオードであり、光を電圧に変換して処理部520に出力する。
処理部520は、CPU501、RAM502、ROM503、I/F504、通信装置505、及びI/F506を有する。この他、マイコンが有する一般的なハードウェア要素を有している。拡散反射光としての出力はI/F504に入力され、正反射光としての出力はI/F506に入力される。
処理部520のCPU501は所定の周期で拡散反射光強度と正反射光強度をサンプリングしRAMに記憶させ、特徴量を抽出するなどの加工を行い生体徴候データとしてRAM502に記憶させる。そして、通信装置505は、診断対象者8が操作したタイミングや自動的に決まったタイミング等でライフログデータ登録端末12又はリスク値算出端末50に生体徴候データを送信する。通信装置505は例えば無線LAN、Bluetooth(登録商標)、又はNFC(Near Field Communication)などで通信する。
<診断システム100の機能について>
図8は、診断システム100が有する端末又は装置の機能を説明する機能ブロック図の一例である。
図8は、診断システム100が有する端末又は装置の機能を説明する機能ブロック図の一例である。
<<診断データ管理端末10、バイオマーカデータ登録端末11、ライフログデータ登録端末12、診断対象者登録端末13、推奨情報登録端末14>>
診断データ管理端末10、バイオマーカデータ登録端末11、ライフログデータ登録端末12、診断対象者登録端末13、及び、推奨情報登録端末14は送受信部21、操作受付部22、表示制御部23、及び、登録要求部24を有する。これら各機能部は、図6に示された各構成要素のいずれかが、補助記憶装置304からRAM303に展開されたプログラム304pに従ったCPU301からの命令により動作することで実現される機能又は手段である。
診断データ管理端末10、バイオマーカデータ登録端末11、ライフログデータ登録端末12、診断対象者登録端末13、及び、推奨情報登録端末14は送受信部21、操作受付部22、表示制御部23、及び、登録要求部24を有する。これら各機能部は、図6に示された各構成要素のいずれかが、補助記憶装置304からRAM303に展開されたプログラム304pに従ったCPU301からの命令により動作することで実現される機能又は手段である。
送受信部21は、図6に示したCPU301がプログラム304pを実行すること及びネットワークI/F307を制御すること等により実現され、ネットワークNを介して主にデータベース管理装置30と各種データの送受信を行う。
操作受付部22は、図6に示したCPU301がプログラム304pを実行すること及び入力部305を制御すること等により実現され、端末に対する操作や情報の入力を受け付ける。
表示制御部23は、図6に示したCPU301がプログラム304pを実行すること及びディスプレイI/F306を制御すること等により実現され、ディスプレイ310に各種の画面を表示する。例えば、データの登録用の画面を表示させるHTMLデータ及びスクリプト言語を解釈して、Webページを表示する。あるいは、これらの端末で専用のアプリケーションソフトが動作している場合、画面の部品を決まった位置に配置してデータの登録用の画面を表示する。
登録要求部24は、図6に示したCPU301がプログラム304pを実行すること等により実現され、診断サービス提供者が提供する各種のデータの登録をデータベース管理装置30に要求する。
<<データベース管理装置30>>
データベース管理装置30は、送受信部31、診断データ管理部32、バイオマーカデータ管理部33、ライフログデータ管理部34、診断対象者データ管理部35、推奨情報データ管理部36及び対応データ提供部37を有する。これら各機能部は、図6に示された各構成要素のいずれかが、補助記憶装置304からRAM303に展開されたプログラム304pに従ったCPU301からの命令により動作することで実現される機能又は手段である。
データベース管理装置30は、送受信部31、診断データ管理部32、バイオマーカデータ管理部33、ライフログデータ管理部34、診断対象者データ管理部35、推奨情報データ管理部36及び対応データ提供部37を有する。これら各機能部は、図6に示された各構成要素のいずれかが、補助記憶装置304からRAM303に展開されたプログラム304pに従ったCPU301からの命令により動作することで実現される機能又は手段である。
また、データベース管理装置30は、RAM303や補助記憶装置304などにより実現され、各種情報を記憶部する記憶部39を有する。記憶部39には、診断データベース3001、バイオマーカデータベース3002、ライフログデータベース3003、診断対象者データベース3004、推奨情報データベース3005、対応データベース3006、及び診断用蓄積データベース3007が記憶されている。以下では、まずこれらのデータベースについて説明する。
診断IDは、あるうつ病患者又は健常者に対する1回の診断を特定するための情報である。あるいは、診断を一意に識別する識別情報と称してもよい。IDとは複数の対象から、ある特定の対象を一意的に区別するために用いられる名称、符号、文字列、数値などの組み合わせをいう。この他のIDについても同様である。
被験者IDは、診断されたうつ病患者又は健常者を特定するための情報又は一意に識別するための情報である。診断種別は、複数の診断項目のうち診断の根拠となる診断項目を表す。診断種別は、WHO(世界保健機関)の国際疾病分類である「ICD−10」、又は、米国精神医学会の「DSM−5」などにより決まっている。表2にDSM−5の診断種別を示す。
診断時刻は、診断種別ごとの診断の時刻を表す(年月日を含む)。診断結果は、診断種別ごとの診断の結果を値で表す。値は、該当するか否かに対応させて、例えば「1又は0」である。トータル診断結果は、1回の診断でうつ病患者又は健常者のどちらであると診断されたかを示す。このように、診断種別が診断項目を表し、診断結果がこの診断項目に該当するか否かを表す。例えば、表2のNo1の診断種別では「ほとんど1日中続く抑うつ気分」にうつ病患者又は健常者がYes又はNoのどちらで回答したかが診断結果になる。また、医師は各診断種別に対する回答を総合してトータル診断結果を決定する。
また、表2はDSM−5を示すが、今後、改訂されDSM−6等の診断基準が作成されても本実施形態に好適に適用できる。
各レコードは、診断ID、被験者ID、バイオマーカ種別、測定時刻、及び、測定値の5つの属性を有する。診断IDはバイオマーカに対応する診断を示す。例えば、被験者9(うつ病患者又は健常者)は医師の診断と共にバイオマーカによる検査を受ける。この時の診断とバイオマーカの測定値が診断IDにより対応付けられる。
被験者IDは表1の被験者IDと同じものである。バイオマーカ種別は、複数あるバイオマーカの種別を表す。バイオマーカの一例を表4に示す。測定時刻は、バイオマーカを測定した時刻を表す(年月日を含んでよい)。同一の被験者の測定時刻(表4に示すように実際にはbt0001〜bt00015の15個)は同じである。測定値は、バイオマーカの測定値を表す。このように、1つのバイオマーカ種別の測定値が診断IDと対応付けられている。
表4のストレスマーカがうつ病のバイオマーカとして採用された場合、1回の検査により、15個のレコードがバイオマーカデータベース3002に登録される。バイオマーカデータベース3002のバイオマーカ種別は、これらのストレスマーカの生化学物質を表し、バイオマーカデータの測定値はその生化学物質の測定値を表す。なお、バイオマーカについては非特許文献2を参照されたい。
1つのレコードは、診断ID、被験者ID、ライフログ種別、測定時刻及び測定値の5つの属性を有する。被験者IDは診断データベース3001と同じものである。測定時刻は生体徴候が測定された日時である。測定値はライフログ種別の具体的な値を表す。また、ライフログ種別の具体例を表6に示す。
診断IDは、ライフログと診断結果を対応付ける。医師の診断を受けてから次に診断を受けるまでの間に蓄積されたライフログデータが1つの診断IDと対応づけられる。ライフログデータ管理部34は診断データベースの被験者IDをキーにしてライフログデータベース3003のレコードを特定し、診断データの測定時刻から次の測定時刻のライフログデータに診断データベースの診断IDを付与する。
被験者9(うつ病患者、健常者)は、毎日、これらのライフログ種別の生体徴候を測定装置90で測定する。ライフログデータベース3003には、1日あたり4個のレコードが毎日登録される。
(診断用蓄積データベース)
診断用蓄積データベース3007に診断対象者8のライフログデータ(生体徴候データ)が蓄積される。診断用蓄積データベース3007は、ライフログデータベース3003と同様の構造のデータベースである。ただし被験者IDの代わりに診断対象者IDが使用される。また、医師により診断されていない場合、診断IDは有さない。
診断用蓄積データベース3007に診断対象者8のライフログデータ(生体徴候データ)が蓄積される。診断用蓄積データベース3007は、ライフログデータベース3003と同様の構造のデータベースである。ただし被験者IDの代わりに診断対象者IDが使用される。また、医師により診断されていない場合、診断IDは有さない。
(データベース管理装置30の機能)
送受信部31は、図6に示したCPU301がプログラム304pを実行すること及びネットワークI/F307を制御すること等により実現され、ネットワークNを介して、診断データ管理端末10、バイオマーカデータ登録端末11、ライフログデータ登録端末12、診断対象者登録端末13、推奨情報登録端末14、リスク値算出端末50、及び、リスク値算出装置60と各種データの送受信を行う。
送受信部31は、図6に示したCPU301がプログラム304pを実行すること及びネットワークI/F307を制御すること等により実現され、ネットワークNを介して、診断データ管理端末10、バイオマーカデータ登録端末11、ライフログデータ登録端末12、診断対象者登録端末13、推奨情報登録端末14、リスク値算出端末50、及び、リスク値算出装置60と各種データの送受信を行う。
診断データ管理部32は、図6に示したCPU301がプログラム304pを実行すること等により実現され、診断データ管理端末10から診断データの登録を受け付け、診断データベース3001に登録する。また、リスク値算出装置60からの要求に対し、診断データベース3001から診断データを読み出しリスク値算出装置60に送信する。
バイオマーカデータ管理部33は、図6に示したCPU301がプログラム304pを実行すること等により実現され、バイオマーカデータ登録端末11からバイオマーカデータの登録を受け付け、バイオマーカデータベース3002に登録する。
ライフログデータ管理部34は、図6に示したCPU301がプログラム304pを実行すること等により実現され、ライフログデータ登録端末12からライフログデータの登録を受け付け、ライフログデータベース3003に登録する。また、リスク値算出端末50からライフログデータの登録を受け付け、診断用蓄積データベース3007に登録する。
診断対象者データ管理部35は、図6に示したCPU301がプログラム304pを実行すること等により実現され、診断対象者登録端末13から診断対象者データの登録を受け付け、診断対象者データベース3004に登録する。
推奨情報データ管理部36は、図6に示したCPU301がプログラム304pを実行すること等により実現され、推奨情報登録端末14から推奨情報の登録を受け付け、推奨情報データベース3005に登録する。また、リスク値算出端末50からの要求に対し、推奨情報データベース3005から推奨情報を読み出しリスク値算出端末50に送信する。
対応データ提供部37は、図6に示したCPU301がプログラム304pを実行すること等により実現され、対応データベースを作成すると共に、リスク値算出装置60からの要求に対し、対応データベース3006の対応データを提供する。
<<リスク値算出端末50>>
リスク値算出端末50は、送受信部51、操作受付部52、表示制御部53、リスク値算出要求部54、推奨情報要求部55及びライフログ取得部56を有する。これら各機能部は、図6に示された各構成要素のいずれかが、補助記憶装置304からRAM303に展開されたプログラム304pに従ったCPU301からの命令により動作することで実現される機能又は手段である。
リスク値算出端末50は、送受信部51、操作受付部52、表示制御部53、リスク値算出要求部54、推奨情報要求部55及びライフログ取得部56を有する。これら各機能部は、図6に示された各構成要素のいずれかが、補助記憶装置304からRAM303に展開されたプログラム304pに従ったCPU301からの命令により動作することで実現される機能又は手段である。
送受信部51、操作受付部52及び表示制御部53については診断データ管理端末10等と同様でよい。
ライフログ取得部56は、測定装置90から診断対象者8のライフログ(生体徴候)を取得する。リスク値算出要求部54は、図6に示したCPU301がプログラム304pを実行すること等により実現され、診断対象者8又はその関係者がリスク値の算出を要求した場合、診断対象者ID及びライフログ(生体徴候データ)と共にリスク値の算出要求をリスク値算出装置60に送信する。
リスク値算出端末50の表示制御部53は、リスク値算出装置60が算出したリスク値を取得してディスプレイ310に表示する。
推奨情報要求部55は、図6に示したCPU301がプログラム304pを実行すること等により実現され、診断対象者8のライフログデータ、バイオマーカデータの推定値、及び、診断データの推定値に対応付けられた推奨情報をデータベース管理装置30に要求する。
<<リスク値算出装置60>>
リスク値算出装置60は、送受信部61、相関関係推定部62、リスク値算出部63及びメール送信部64を有する。これら各機能部は、図6に示された各構成要素のいずれかが、補助記憶装置304からRAM303に展開されたプログラム304pに従ったCPU301からの命令により動作することで実現される機能又は手段である。
リスク値算出装置60は、送受信部61、相関関係推定部62、リスク値算出部63及びメール送信部64を有する。これら各機能部は、図6に示された各構成要素のいずれかが、補助記憶装置304からRAM303に展開されたプログラム304pに従ったCPU301からの命令により動作することで実現される機能又は手段である。
また、リスク値算出装置60は、RAM303や補助記憶装置304などにより実現され、各種情報を記憶部する記憶部69を有する。記憶部69には、相関関係データ6001が記憶されている。相関関係データ6001は、ライフログデータとバイオマーカデータの相関関係を表すデータである。
相関関係推定部62は、図6に示したCPU301がプログラム304pを実行すること等により実現され、対応データベース3006から取得した対応データを使用して、上記の相関関係を算出する。
リスク値算出部63は、図6に示したCPU301がプログラム304pを実行すること等により実現され、相関関係データ6001をモデル式の係数に代入し、診断対象者8のリスク値(バイオマーカ値の推定値)を算出する。
メール送信部64は図6に示したCPU301がプログラム304pを実行すること等により実現され、診断対象者データベース3004から連絡先を取得して、リスク値に関する診断対象者にメールを送信する。
<測定装置90の機能について>
図9は測定装置90の機能をブロック状に示す機能ブロック図の一例である。測定装置90は、データ受付部91と、部位判断部92、特徴抽出部93、及び通信部94を有する。測定装置90が有する各機能は、測定装置90のCPU501がROM503に記憶されたプログラムを実行することが実現される機能又は手段である。
図9は測定装置90の機能をブロック状に示す機能ブロック図の一例である。測定装置90は、データ受付部91と、部位判断部92、特徴抽出部93、及び通信部94を有する。測定装置90が有する各機能は、測定装置90のCPU501がROM503に記憶されたプログラムを実行することが実現される機能又は手段である。
データ受付部91は拡散反射光の光量と正反射光の光量をそれぞれ取得する。部位判断部92は、データ受付部91が測定したのが身体のどの部位を判断する。すなわち、部位判断部92は、測定で得られた光量がどの部位(皮膚か爪か髪か)のデータかを判断する。部位を判断する一つの例としては、測定装置90にスイッチを設け、被験者9又は診断対象者8が手動で切り替えたスイッチの操作位置を利用する。もう一つ例としては、得られたデータ(光量)の特徴を分類し、自動的に部位を判断する方法がある。
特徴抽出部93は、部位に応じた特徴量を光量のデータから抽出する。例えば光量のピーク値、周波数分布、微分値等を抽出する。
通信部94は生体徴候データをライフログデータ登録端末12又はリスク値算出端末50に送信する。被験者のライフログ(生体徴候データ)はライフログデータベース3003に記憶され、診断対象者8のライフログ(生体徴候データ)は診断用蓄積データベース3007に記憶される。
<相関関係データの算出>
診断データベース3001、ライフログデータベース3003、及びバイオマーカデータベース3002にはすでにデータが記憶されているものとして説明する。
診断データベース3001、ライフログデータベース3003、及びバイオマーカデータベース3002にはすでにデータが記憶されているものとして説明する。
まず、図10を用いて対応データの作成方法を説明する。図10は、対応データの作成方法を説明するフローチャート図の一例である。図10は、バイオマーカ値を測定するフロー701、生体徴候データを測定するフロー702、及び相関関係データを算出するフロー703に分かれている。フロー701は医師等とバイオマーカデータ登録端末11により実行され、フロー702は被験者9、測定装置90及びデータベース管理装置30により実行され、フロー703はリスク値算出装置60により実行される。
S101:医師等は採血し、うつ病用のバイオマーカ値を測定する。うつ病と生体徴候の関係の分析には大量学習が望ましいので、例えば、被験者9がN人の定期健康診断時に採血する。
S102:医師等は血液をバイオマーカ分析器で分析し、血液からバイオマーカ値を取得する。このバイオマーカ値はバイオマーカデータ登録端末11から登録する。バイオマーカデータ登録端末11はバイオマーカデータをバイオマーカデータベース3002に記憶させる。
S103:被験者9は測定装置90を使って生体徴候を測定する。バイオマーカ値を測定された被験者と同じ被験者、かつ、バイオマーカ値の測定日に近い日の生体徴候が好ましい。このため、例えば、ステップS101の被験者N人のバイオマーカ測定日の前後の所定期間(例えば前後の2週間)の生体徴候データを被験者が毎日、測定する。
S104:測定装置90の特徴抽出部93は特徴量を抽出する。特徴量とは、上記皮膚平滑度、コラーゲン分布、爪の平滑度、髪の密度と相関するデータであり、これがライフログ(生体徴候データ)となる。診断サービス提供者はライフログ(生体徴候データ)をライフログデータ登録端末12に入力する。ライフログデータ登録端末12はライフログデータをライフログデータベース3003に記憶させる。
S105:ライフログデータ管理部34は所定の統計手法でライフログデータ(生体徴候データ)を代表する統計値を算出する。統計値の一例は、バイオマーカ測定日付の前後2週間以内に測定された複数回分の生体徴候データの平均値である。
S106:ライフログデータ管理部34はデータを正規化する。本実施形態では一例として、被験者の年齢により正規化する。人間の生体徴候(特に皮膚など)は年齢と共に劣化するので、年齢による劣化要因を除くために、年齢に応じて生体徴候データを正規化する。一つの正規化例としては、劣化を表す年齢係数αが以下のように設定される。
20歳未満…α1
20歳代 …α2
30歳代 …α3
…
αの値は0と1の間、そして、α1>α2>α3>…となる。ライフログデータ管理部34は
ステップS105で算出した生体徴候データをαで割ることで正規化する。正規化された生体徴候データは対応データベース3006に記憶される。
20歳未満…α1
20歳代 …α2
30歳代 …α3
…
αの値は0と1の間、そして、α1>α2>α3>…となる。ライフログデータ管理部34は
ステップS105で算出した生体徴候データをαで割ることで正規化する。正規化された生体徴候データは対応データベース3006に記憶される。
図11は対応データの作成を模式的に示す。バイオマーカデータベース3002には1回の測定で15個のバイオマーカ値が記録される。ライフログデータベース3003には測定日ごとに4つの生体徴候データが記憶される。対応データ提供部37は、新しいバイオマーカ値がバイオマーカデータベース3002に記憶されると、バイオマーカデータベース3002の被験者IDと同じ被験者IDのライフログデータをライフログデータベース3003から読み出す。そして、バイオマーカの測定時刻(測定日)の前後の2週間を測定時刻とするライフログデータ(生体徴候データ)を特定する。
ライフログデータ管理部34がライフログ種別ごとに統計値を算出するので、15個のバイオマーカ値に4つの生体徴候データが対応付けられる。
図10に戻って説明する。
S107:リスク値算出装置60の相関関係推定部62はデータを整形する。相関関係データを作成するという目的に対し扱うべきでないデータを除去する。本実施形態では、うつ病による生体徴候でなく皮膚病等とみられる対応データは相関関係データの算出に用いられるべきではないので、算出対象から除去する。
S107:リスク値算出装置60の相関関係推定部62はデータを整形する。相関関係データを作成するという目的に対し扱うべきでないデータを除去する。本実施形態では、うつ病による生体徴候でなく皮膚病等とみられる対応データは相関関係データの算出に用いられるべきではないので、算出対象から除去する。
図12は、除外の判断方法を説明する図の一例である。図12(a)は、対応データベース3006の全ての被験者9の全てのデータの散布図である。生体徴候データは多次元(本実施形態では4次元)だが、可視化するために2次元の散布図で示す。
皮膚病はストレスとは直接の関係がないと考えられるので、バイオマーカ値は正常である。一方、生体徴候データは正常者のものと大きく異なる。また、皮膚病の患者は被験者9の数に比べて小数である。したがって、散布図のデータ点の分布の中心から乖離しているデータ点を除去すればよい。具体的には、バイオマーカ値は平常であるが、生体徴候データの値が中心から所定以上の大きいデータ点は、相関関係データの算出対象から除去される。図12(b)は算出に用いられるべきでない対応データが除去された対応データの散布図を示す。こうすることで、リスク値算出装置60はより適切な相関関係データ6001を算出できる。
図10に戻って説明する。
S108:相関関係推定部62は、ステップS107で得られ対応データの集合に回帰計算を施し相関関係データ6001を算出する。例えば、線形モデルで回帰する場合は、
バイオマーカ値 = A×生体徴候データ+b
とモデル化する。相関パラメータ(A,b)は誤差を最小化する最小二乗法で算出することができる。また、大量データの場合はニューラルネットワークで回帰分析する事も考えられる。
S108:相関関係推定部62は、ステップS107で得られ対応データの集合に回帰計算を施し相関関係データ6001を算出する。例えば、線形モデルで回帰する場合は、
バイオマーカ値 = A×生体徴候データ+b
とモデル化する。相関パラメータ(A,b)は誤差を最小化する最小二乗法で算出することができる。また、大量データの場合はニューラルネットワークで回帰分析する事も考えられる。
図13は回帰分析の結果を説明する図の一例である。図12(b)の散布図に対し、回相関ラメータ(A,b)で定まる直線が表示されている。これにより、診断対象者8の生体徴候データが得られれば、リスク値算出装置60がバイオマーカ値(リスク値)を推定できる。
S109:相関関係推定部62は相関パラメータ(A,b)を更新日付に対応付けて記憶部69に記憶させる。
<リスク値の算出>
図14を用いて、診断対象者8のうつ病のリスクの算出について説明する。図14はリスク値算出装置60が診断対象者8のリスク値を算出する手順のフローチャート図の一例である。図14の処理は例えば定期的に行われる。フロー702は診断対象者8、測定装置90及びデータベース管理装置30により実行され、フロー704はリスク値算出装置60により実行される。
図14を用いて、診断対象者8のうつ病のリスクの算出について説明する。図14はリスク値算出装置60が診断対象者8のリスク値を算出する手順のフローチャート図の一例である。図14の処理は例えば定期的に行われる。フロー702は診断対象者8、測定装置90及びデータベース管理装置30により実行され、フロー704はリスク値算出装置60により実行される。
診断対象者8は測定装置90で自ら毎日、生体徴候データを測定する。診断対象者8は任意のタイミングで測定装置90に保持されている生体徴候データをリスク値算出端末50に送信する。この時、診断対象者8の診断対象者IDが入力される。リスク値算出端末50は生体徴候データを診断用蓄積データベース3007に蓄積させる。なお、測定装置90の生体徴候データは直接、データベース管理装置30に送信されてもよい。
また、診断対象者8は継続的に定期的に健康診断でバイオマーカ値を測定し、バイオマーカ値はバイオマーカデータベース3002に蓄積される。そして、上記のように対応データベース3006に対応データが記憶される。ただし、リスク値の算出にはバイオマーカデータはなくてもよい。
S201、S202:生体徴候データの測定と特徴抽出の処理は図10のステップS101、S102と同様である。
S203:生体徴候データの統計、正規化も、図10のステップS105、S106と同じでよい。図15は診断対象者8の対応データの散布図を模式的に示す。ある診断対象者8の生体徴候データとバイオマーカ値の対応が散布図により示されている。
S204:次に、リスク値算出部63は相関関係データ6001から相関パラメータを読み出す。
S205:リスク値算出部63は読み出した相関パラメータと生体徴候データをモデル式に適用してうつ病のバイオマーカ値を算出する。算出されたバイオマーカ値がリスク値である。具体的には、ステップS108〜109で算出・保存した相関パラメータと生体徴候データをモデル式に代入することによりバイオマーカ値を算出する。例えば、線形モデルで回帰する場合は、パラメータ(A,b)を読み出して、生体徴候データの値を「バイオマーカ値 = A×生体徴候データ+b」に代入し、バイオマーカ値を算出する。
図16はモデル式により算出したバイオマーカ値(リスク値)を表示する図の一例である。図16では異なる日に測定された2つの生体徴候データA,Bにより2つのバイオマーカ値601,602が算出されている。生体徴候データBにより算出されたバイオマーカ値602は生体徴候データAにより算出されたバイオマーカ値601よりも大きい。また、バイオマーカ値602は注意値という閾値を超えている。
この閾値は、診断データに基づいて決定される。例えば、医師がうつ病であると判断した被験者9のバイオマーカ値を、リスク値算出装置60が被験者IDに基づいてバイオマーカデータベース3002から読み出す。そしてこのバイオマーカ値の平均をうつ病の閾値としたり、平均の80〜90%を注意値の閾値に決定したりする。こうすることで、医師の診断に基づいてバイオマーカ値という客観的に指標でうつ病のリスクを判断できる。
S206:リスク値算出装置60のメール送信部64はリスク値算出端末の診断対象者8にフィードバックする。一例として、バイオマーカ値が注意値という閾値を超えた場合、リスク値算出端末50にメッセージを送信し精神状態に気を付けようと呼びかける。あるいは、診断対象者8のメールアドレスにメッセージを送信する。更に、バイオマーカ値がうつ病という閾値を超えた場合、ユーザに病院での診断を促す。この場合、会社や自宅の近くの病院、会社から自宅までの経路上の病院などを通知してもよい。
<全体構成>
図17は、相関パラメータの生成とリスク値の算出に関わる診断システム100の全体的な構成図の一例である。各ステップの詳細な説明は、図10,図14で説明した。相関パラメータの生成とリスク値の算出はクラウド側で実行されていればよい。また、特定の情報処理装置が相関パラメータの生成とリスク値を算出することもできる。
図17は、相関パラメータの生成とリスク値の算出に関わる診断システム100の全体的な構成図の一例である。各ステップの詳細な説明は、図10,図14で説明した。相関パラメータの生成とリスク値の算出はクラウド側で実行されていればよい。また、特定の情報処理装置が相関パラメータの生成とリスク値を算出することもできる。
<まとめ>
本実施形態の診断システム100は、本来は医師などの作業が必要なバイオマーカ値を、生体徴候から予測できる。したがって、生体徴候を測定することにより、診断対象者8や関係者が日常生活の中で手軽かつ非侵襲的にうつ病かどうかを正確に推定し、うつ病の早期発見が可能になる。
本実施形態の診断システム100は、本来は医師などの作業が必要なバイオマーカ値を、生体徴候から予測できる。したがって、生体徴候を測定することにより、診断対象者8や関係者が日常生活の中で手軽かつ非侵襲的にうつ病かどうかを正確に推定し、うつ病の早期発見が可能になる。
<その他の適用例>
以上、本発明を実施するための最良の形態について実施例を用いて説明したが、本発明はこうした実施例に何等限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々の変形及び置換を加えることができる。
以上、本発明を実施するための最良の形態について実施例を用いて説明したが、本発明はこうした実施例に何等限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々の変形及び置換を加えることができる。
例えば、測定装置90はマイクロスコープなどのように撮像する装置でもよい。この場合、測定装置90は画像処理して特徴量を抽出する。
また、図8、9などの構成例は、端末及び装置の処理の理解を容易にするために、主な機能に応じて分割したものである。処理単位の分割の仕方や名称によって本願発明が制限されることはない。また、端末及び装置の処理は、処理内容に応じて更に多くの処理単位に分割することもできる。また、1つの処理単位が更に多くの処理を含むように分割することもできる。
また、端末及び装置が一台の装置か複数台に分散されているかは適宜、構成される。例えば、全ての端末及び装置が一台の装置として実現されてもよい。また、リスク値算出端末50がリスク値算出部63と相関関係データ6001を有していてもよい。スマフォなどのユーザの端末が生体徴候データからリスク値を算出できる。
この他、図5の構成のうち任意の1つの端末及び装置が統合されてもよいし、一方の端末及び装置の機能を他方の端末及び装置が有していてもよい。また、データベース管理装置30が有するデータベースは、診断システム100がアクセスできる場所にあればよく、データベース管理装置30が有していなくてもよい。
なお、ライフログデータベース3003は生体徴候データ蓄積手段の一例であり、バイオマーカデータベース3002は生体情報蓄積手段の一例であり、相関関係推定部62は相関関係算出手段の一例であり、リスク値算出部63は生体情報予測手段の一例であり、ライフログデータ管理部34は対応付手段の一例であり、メール送信部64はメール送信手段の一例である。ライフログデータ管理部34は生体徴候データ取得手段の一例であり、バイオマーカデータ管理部33は生体情報取得手段の一例である。図5に示されたリスク値算出装置60等、バイオマーカ値を生体徴候から予測するために必要な装置又は機能は診断装置の一例である。
10 診断データ管理端末
11 バイオマーカデータ登録端末
12 ライフログデータ登録端末
30 データベース管理装置
50 リスク値算出端末
60 リスク値算出装置
100 診断システム
11 バイオマーカデータ登録端末
12 ライフログデータ登録端末
30 データベース管理装置
50 リスク値算出端末
60 リスク値算出装置
100 診断システム
Hori H 他、"Blood-based gene expression signatures of medication-free outpatients with major depressive disorder: integrative genome-wide and candidate gene analyses"、"Scientific Reports",05 January 2016
山口 昌樹、"唾液マーカでストレスを測る"、[online]、[平成28年7月15日検索]、インターネット〈URL:http://www.banyu-zaidan.or.jp/banyu_oldsite/symp/about/info/pdf/3-2_066_070.pdf〉
Claims (10)
- 生体の精神状態により変化する生体徴候データを測定する測定装置により測定された前記生体徴候データが蓄積された生体徴候データ蓄積手段と、
精神状態と相関する生体から検出可能な生体情報が蓄積された生体情報蓄積手段と、
前記生体徴候データ蓄積手段に蓄積された前記生体徴候データと前記生体情報蓄積手段に蓄積された前記生体情報の相関関係を算出する相関関係算出手段と、
前記測定装置が測定した前記生体徴候データ及び前記相関関係を用いて前記生体徴候データを予測する生体情報予測手段と、を有する診断装置。 - 前記生体情報の測定日の前後の所定期間内に測定された、前記生体情報の被験者と同じ被験者の前記生体徴候データを前記生体徴候データ蓄積手段から取得し、前記生体情報と前記生体徴候データを対応付ける対応付手段を有し、
前記相関関係算出手段は、前記対応付手段が対応付けた複数の被験者の前記生体徴候データと前記生体情報の前記相関関係を算出する請求項1に記載の診断装置。 - 前記測定装置は生体の表面から前記生体徴候データを測定する請求項1又は2に記載の診断装置。
- 前記測定装置は、頭皮を含む皮膚のキメの粗さ、内部の水分量、爪の表面の凹凸、又は髪の密度の少なくとの1つを測定する請求項3に記載の診断装置。
- 前記生体情報は生体の体内から抽出される物質として検出されるバイオマーカ値である請求項1〜4のいずれか1項に記載の診断装置。
- 前記生体徴候データ蓄積手段に蓄積された前記生体徴候データと前記生体情報蓄積手段に蓄積された前記生体情報の散布図において、データ点の分布の中心から乖離した前記生体徴候データと前記生体情報のデータ点を除去してから、前記相関関係算出手段は前記相関関係を算出する請求項1〜5のいずれか1項に記載の診断装置。
- 前記相関関係算出手段は、前記生体徴候データを生体の年齢で正規化してから、前記相関関係を算出する請求項3又は4に記載の診断装置。
- 前記生体情報予測手段が予測した前記生体徴候データが予め定められた閾値を超えた場合、診断対象者のメールアドレスにメッセージを送信するメール送信手段を有する請求項1〜6のいずれか1項に記載の診断装置。
- 診断装置が行う診断方法であって、
生体徴候データ取得手段が、生体の精神状態により変化する生体徴候データを測定する測定装置により測定された前記生体徴候データを生体徴候データ蓄積手段に蓄積するステップと、
生体情報取得手段が、精神状態と相関する生体から検出可能な生体情報を生体情報蓄積手段に蓄積するステップと、
相関関係算出手段が、前記生体徴候データ蓄積手段に蓄積された前記生体徴候データと前記生体情報蓄積手段に蓄積された前記生体情報の相関関係を算出するステップと、
生体情報予測手段が、前記測定装置が測定した前記生体徴候データ及び前記相関関係を用いて前記生体徴候データを予測するステップと、
を有する診断方法。 - 情報処理装置を、
生体の精神状態により変化する生体徴候データを測定する測定装置により測定された前記生体徴候データを生体徴候データ蓄積手段に蓄積する生体徴候データ取得手段と、
精神状態と相関する生体から検出可能な生体情報を生体情報蓄積手段に蓄積する生体情報取得手段と、
前記生体徴候データ蓄積手段に蓄積された前記生体徴候データと前記生体情報蓄積手段に蓄積された前記生体情報の相関関係を算出する相関関係算出手段と、
前記測定装置が測定した前記生体徴候データ及び前記相関関係を用いて前記生体徴候データを予測する生体情報予測手段、
として機能させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016226089A JP2018082765A (ja) | 2016-11-21 | 2016-11-21 | 診断装置、診断方法、プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016226089A JP2018082765A (ja) | 2016-11-21 | 2016-11-21 | 診断装置、診断方法、プログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2018082765A true JP2018082765A (ja) | 2018-05-31 |
Family
ID=62236731
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016226089A Pending JP2018082765A (ja) | 2016-11-21 | 2016-11-21 | 診断装置、診断方法、プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2018082765A (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019055045A (ja) * | 2017-09-21 | 2019-04-11 | 日本電信電話株式会社 | 性ホルモン濃度推定装置、性ホルモン濃度推定方法、及びプログラム |
JP2019055043A (ja) * | 2017-09-21 | 2019-04-11 | 日本電信電話株式会社 | コルチゾール濃度推定装置、コルチゾール濃度推定方法、及びプログラム |
-
2016
- 2016-11-21 JP JP2016226089A patent/JP2018082765A/ja active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019055045A (ja) * | 2017-09-21 | 2019-04-11 | 日本電信電話株式会社 | 性ホルモン濃度推定装置、性ホルモン濃度推定方法、及びプログラム |
JP2019055043A (ja) * | 2017-09-21 | 2019-04-11 | 日本電信電話株式会社 | コルチゾール濃度推定装置、コルチゾール濃度推定方法、及びプログラム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101970947B1 (ko) | 빅데이터를 활용한 건강정보 예측 장치 및 방법 | |
Cummings et al. | Influence of organizational characteristics and context on research utilization | |
Kunkel et al. | Physical inactivity post-stroke: a 3-year longitudinal study | |
Shiovitz-Ezra et al. | Use of direct versus indirect approaches to measure loneliness in later life | |
CN109524069B (zh) | 医疗数据处理方法、装置、电子设备和存储介质 | |
WO2015037281A1 (ja) | 疲労・ストレス検診システム | |
JP2013238970A (ja) | 健康管理システム | |
JP2009205456A (ja) | 健康疾患管理支援装置及び方法、並びに医用ネットワークシステム | |
JP2010237800A (ja) | 利用支援プログラム、該装置、及び該方法 | |
JP2018121749A (ja) | 診断装置、プログラム及び診断システム | |
Lawrance et al. | Use of cumulative mortality data in patients with acute myocardial infarction for early detection of variation in clinical practice: observational study | |
CN111553478A (zh) | 基于大数据的社区老年人心血管疾病预测系统与方法 | |
Fine et al. | Assessing population-level symptoms of anxiety, depression, and suicide risk in real time using NLP applied to social media data | |
Cosoli et al. | Wearable devices as a valid support for diagnostic excellence: lessons from a pandemic going forward | |
JP2013148996A (ja) | 重症度判定装置、及び、重症度判定方法 | |
Lee et al. | Phenotypes of engagement with mobile health technology for heart rhythm monitoring | |
Baker et al. | Monitoring mortality rates in general practice after Shipman | |
JP2018082765A (ja) | 診断装置、診断方法、プログラム | |
Pierleoni et al. | A non-invasive method for biological age estimation using frailty phenotype assessment | |
JP2003067489A (ja) | 検査結果データ出力システム | |
US20230197274A1 (en) | Server and method for classifying mental state | |
KR20140090448A (ko) | 의료 관리 서버 및 그것의 의료 관리 방법 | |
Kohlmann et al. | A methodological framework for the analysis of highly intensive, multimodal and heterogeneous data in the context of health-enabling technologies and ambient-assisted living | |
CN113140323B (zh) | 一种健康画像生成方法、系统、介质及服务器 | |
Muñoz Esquivel et al. | Factors influencing continued wearable device use in older adult populations: quantitative study |