JP2018082765A - 診断装置、診断方法、プログラム - Google Patents

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

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。

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。 うつ病とその徴候についての説明する図の一例である。 皮膚の構造を示す図の一例である。 爪の表面と精神疾患の関係を説明する図の一例である。 診断システムの全体的な構成図の一例である。 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。 測定装置のハードウェア構成図の一例である。 診断システム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。 測定装置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。 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。 対応データの作成を模式的に示す図である。 除外の判断方法を説明する図の一例である。 回帰分析の結果を説明する図の一例である。 リスク値算出装置が診断対象者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。 診断対象者の対応データの散布図の一例である。 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。 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の全体的な構成図の一例である。

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。

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。

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。

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。

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。

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）

＜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。

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。

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。

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。

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。

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。

<<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。

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。

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。

表１は、診断データベース３００１に登録されているデータをテーブル状に示す。診断データベース３００１には、被験者９（うつ病患者及び健常者）の診断結果の情報が格納される。診断データベース３００１は表形式のデータベースであり、診断結果ごとのレコードの集合を有する。１つのレコードは、診断ＩＤ（Identification）、被験者ＩＤ、診断種別、診断時刻、診断結果、及び、トータル診断結果の６つの属性（フィールド、項目）を有する。

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。

表２は、うつ病の診断基準の１つである「ＤＳＭ−５」の診断基準と診断結果種別を示す。ＤＳＭ−５では、各診断結果種別は、包含事項、除外事項、修飾事項及び選択事項に区分されている。診断データベース３００１の診断基準は、包含事項、除外事項、修飾事項又は選択事項の各要素でどのような診断が行われるかを表し、診断データベース３００１の診断結果種別は、各要素に対する診断結果を値で表す。ＤＳＭ−５には３４個の診断種別があるので、１回の診断で、一人のうつ病患者又は健常者に対し３４個のレコードが診断データベース３００１に生成される。例えば、１つ目のレコードの診断種別は「DSM-5-a-i」に相当し、該レコードの診断結果の値は、「ほとんど１日中続く抑うつ気分」に該当するか否かを数値（１，０）で表す。ただし、うつ病の診断基準は研究途上であり、診断の種別が増えたり減ったりすることがあり得る。

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。

表３は、バイオマーカデータベース３００２に登録されているデータをテーブル状に示す。バイオマーカデータには、被験者９（うつ病患者及び健常者）のバイオマーカの測定値が格納される。バイオマーカデータベース３００２は表形式のデータベースであり、１つのバイオマーカごとに１つのレコードを有する。

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は、バイオマーカ種別の一例を示す。うつ病の原因の１つとしてストレスがあることが知られている。うつ病患者又は健常者が受けているストレスの大きさに相関するとされるバイオマーカ（ストレスマーカ）として表４のような生化学物質がある。表４では、１５個のバイオマーカが挙げられている。ただし、うつ病に有効なバイオマーカは研究途上であり、これらのバイオマーカは今後増えることも減ることもあり得る。

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。

表５は、ライフログデータベース３００３に登録されているデータをテーブル状に示す。ライフログデータベース３００３には、被験者９（うつ病患者及び健常者）のライフログデータ（生体徴候データ）が格納される。ライフログデータベース３００３は表形式のデータベースであり、ライフログごとに１つのレコードが生成される。

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。

表６は、ライフログデータベース３００３のライフログ種別の一例を示す。表６のライフログ種別は、測定装置９０で測定される生体徴候を示す。合計で４種類のライフログ種別がある。ただし、皮膚から検出可能な情報であればこれらには限られない。うつ病に相関性が高いライフログ種別は表６に限られるものではなく、表６の他、心拍数、血糖値、血圧又は脳波などが含まれてもよい。

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。

表７は、対応データベース３００６を模式的に示す。対応データベース３００６では、被験者ＩＤに、測定時刻、測定値（バイオマーカ値）、ライフログ種別、測定値（生体対象データ）が対応付けられている。バイオマーカと生体徴候データは測定頻度が違うが、後述するように生体徴候データは統計値が算出されるので、ある期間の生体徴候データはライフログ種別ごとに１つずつになる。ある期間で平均される生体徴候データは、バイオマーカ値の測定の前後の所定期間である。したがって、例えば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。

（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。

（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。

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。

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。

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。

表８は相関関係データ６００１を模式的に示す。相関関係データ６００１には、対応データベース３００６の対応データにより算出された相関パラメータ（Ａ，ｂ）が記憶される。相関パラメータの詳細は後述する。

＜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。

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。

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。

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。

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。

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。

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。

＜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。

＜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。

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

特許第5691687号公報

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)

1. 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。
2. 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。
3. 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。
4. 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。
5. 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。
6. 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。
7. 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。
8. 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。
9. 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。
10. 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。

Images