JP2019079532A - 健康推定システム、健康推定装置、健康推定プログラムおよび健康推定方法 - Google Patents

Abstract

【課題】身体の状態と心の状態とに基づいて身体の疾患の予防又は重症化の回避のために健康推定する。【解決手段】通信端末とサーバとを有する健康推定システムであって、通信端末は、検査対象の対象者が発話した音声を含む音声データを取得する取得部と、音声データをサーバに送信する第１送信部と、音声データを用いてサーバにより推定された対象者が患う可能性のある疾患を示す推定の結果をサーバから受信する第１受信部とを備える。サーバは、音声データを通信端末から受信する第２受信部と、受信した音声データを用いて、対象者における精神状態を示すメンタル値を算出する算出部と、記憶部に予め記憶された対象者に対する健康診断の結果を示す健診データと、算出されたメンタル値とに基づいて、対象者が患う可能性のある疾患を推定する推定部と、推定部が推定した対象者が患う可能性のある疾患を示す推定の結果を通信端末に送信する第２送信部とを備える。【選択図】図１

Description

本発明は、健康推定システム、健康推定装置、健康推定プログラムおよび健康推定方法に関する。

人が患う病気には、心の健康状態が損なわれる疾病（以下、“精神疾患”とも称される）と、身体の健康状態が損なわれる疾患（以下、“身体の疾患”とも称される）とに分けられる。身体の疾患には、例えば、感染症、虚血性心疾患、脳血管疾患、糖尿病、悪性腫瘍等がある。身体の疾患については、発病の原因、発生機序等が解明されつつあり、診断方法や治療方法も進歩している。

一方、精神疾患には、例えば、大うつ病性障害（うつ病）、双極性障害（躁うつ病）、パーソナリティ障害等がある。精神疾患については、ｆＭＲＩ（機能的核磁気共鳴画像）や光トポグラフィー等を用いた診断により、脳の活動状態との関連性が見出されている（例えば、非特許文献１、２参照）。精神疾患は、重度になると治りにくく、治療法も限定されるため、未病段階または早期の段階での発見が求められる。しかしながら、精神疾患は、通常の健康診断では見つけ難く、精神疾患の初期症状は、患者の性格（例えば、甘えや怠惰等）によるものと、周囲の人から見られる場合があり、重度になるまで患者本人も周囲の人も気づかないことが多い。

そこで、ストレス問診結果と健診結果を用いて健康状態の良否を判定し、判定された健康状態を提示する技術が提案されている（例えば、特許文献１参照）。また、人が発話した音声を解析することにより、感情や心的状態を推定する技術が提案されている（例えば、特許文献２、３参照）。

特開２０１６−４５０７号公報 特開２００７−２９６１６９号公報 国際公開第２００６／１３２１５９号

長谷川 澄，山縣 文，岩波 明，"精神疾患におけるＭＲＩ画像検査"，昭和学士会誌，第７４巻，第６号，pp.609-613，2014 "First do no harm"，Nature，469，132，2011

身体の疾患の中には、うつ病等の精神疾患を併発する場合がある。この場合、抑うつ症状によって患者の治療意欲が低下し、身体の疾患が長引く、あるいは重症化する等のリスクが生じる。

例えば、糖尿病等の生活習慣病は、運動、食事、睡眠、その他の生活習慣の乱れから引き起こされる身体の疾患であるが、生活習慣の乱れは精神疾患のリスクも高めることが示されている。三浦 理恵，青木 邦男，“大学生の精神的健康に関連する要因の文献的研究”，山口県立大学学術情報，第２号，pp.175-183，2009年3月は、大学生を対象とした調査において、「食事の不規則性」、「起床時間の不規則性」等の生活習慣の乱れは、ＧＨＱ（The General Health Questionnaire）の高得点に寄与し、精神的な健康の度合いを低下させることを示す。

また、うつ病を合併する疾患としては、例えば、がんで２０−３８％、脳卒中で２７％、冠動脈疾患で１６−１９％、糖尿病で２４％、認知症で１１−４０％、甲状腺機能亢進症で３１％、パーキンソン病で２８−５１％、クッシング症候群で６７％等があり、身体疾患とうつが合併している場合は、抑うつ症状の原因となる身体疾患を治す必要がある一方、うつ状態により治療意欲が低下し身体症状を悪化させる場合もある（越野 好文，“特に注意すべき疾患の診療上の注意 うつ病”，臨床と研究，Vol.78，pp.2167-2170，2001年）。

例えば、糖尿病においては、（１）ＨＰＡ系の亢進、（２）炎症性サイトカインの増加、（３）睡眠障害等、うつ病と共通する生理学的背景を有するために、双方向性に発症リスクが高まっていると報告されている（峯山 智佳，野田 光彦，“糖尿病とうつ”，日本老年医学会雑誌，Vol. 50，pp.744-747，2013年）。

また、心臓病や脳卒中などの循環器疾患患者においては、うつ病が合併発症しやすいこと、また、うつ病を合併した場合に予後が悪化することから、抑うつ症状合併患者を見落とさなくするために、系統的スクリーニング（ＰＨＱ−９こころとからだの質問票等）が有効であるとされている（横山 広行，“心不全患者におけるうつを考える”，日本老年医学会雑誌，Vol. 50，pp.748-751，2013年）。

また、国立精神・神経医療研究センターによる１１８７６人を対象としたＷＥＢ調査において、うつ病患者は、正常人に対するオッズ比が、肥満１．６１倍、糖尿病１．４８倍、高脂血症１．５３倍であるという報告がされている。また、この調査では、うつ病患者は、まれにしか朝食をとらない人に対して、ほぼ毎日朝食をとる人のオッズ比が０．６５倍、まれにしか間食を取らない人に対して、ほぼ毎日間食を取る人のオッズ比が１．４３倍であるという報告がなされている。さらに、強度の運動を行う人は正常人に対してうつ病のオッズ比が０．７８であるという報告もなされている（Ｊｏｕｒｎａｌ ｏｆ Ｐｓｙｃｈｉａｔｒｉｃ Ｒｅｓｅａｒｃｈ Vol. 102, July 2018, pages 23-28）。

つまり、相対的に、肥満、糖尿病、高脂血症の人はうつ病に罹りやすく、ほとんど朝食を摂らない人、ほぼ毎日間食を取る人はうつ病に罹りやすい一方で、強度の運動を行う人はうつ病に罹りにくいことを示している。そして、うつ病は生活習慣病とも相関があり、うつ病自体が生活習慣病の様相を呈していることも示唆されている。

そして、臨床心理学的に見ると、通常体重の人は、摂食行動によらなくても、趣味、仕事、家族や友人関係などを通じて得られる満足が十分なので、一定の摂食量で満足できるが、肥満者においては、趣味、仕事、家族や友人関係などを通じて得られる満足感が相対的に少ないか、解消すべきストレスが多いために食べざるを得ない（肥満の心理療法：慶應医学 ８４巻４号 ２２７〜２３６頁 ２００７年）。さらに、ストレスコーピングの観点から見ると、例えば、気晴らしにスポーツをするというコーピングも、スポーツを行う場所や時間を選択し実際に行動するまでという一連のコストが必要となる。一方で“食べる”という行動は、コストが低く満足感の得られる手段であり生起しやすいといえる（肥満の改善はなぜ難しいのか：心理臨床科学 第１巻第１号 ５３〜６４頁 ２０１１年）。

このように、肥満をはじめとする生活習慣病は、ストレスや精神状態に関連する生活習慣の偏りに起因し、また生活習慣病に伴って更に生活習慣の偏りが生じるという悪循環に陥る結果となる。そこで、身体的健康と精神的健康の両方を維持・増進するシステムが求められている。

本発明は、身体の状態と心の状態とに基づいて、身体の疾患の予防または重症化の回避を図ることができる健康推定システム、健康推定装置、健康推定プログラムおよび健康推定方法を提供することを目的とする。

一つの観点による健康推定システムは、少なくとも１つの通信端末と、ネットワークを介して通信端末に接続されるサーバとを有する健康推定システムであって、通信端末は、検査対象の対象者が発話した音声を含む音声データを取得する取得部と、音声データをサーバに送信する第１送信部と、音声データを用いてサーバにより推定された対象者が患う可能性のある疾患を示す推定の結果をサーバから受信する第１受信部とを備え、サーバは、音声データを通信端末から受信する第２受信部と、受信した音声データを用いて、対象者における精神状態を示すメンタル値を算出する算出部と、記憶部に予め記憶された対象者に対する健康診断の結果を示す健診データと、算出されたメンタル値とに基づいて、対象者が患う可能性のある疾患を推定する推定部と、推定部が推定した対象者が患う可能性のある疾患を示す推定の結果を通信端末に送信する第２送信部とを備える。

別の観点による健康推定システムは、少なくとも１つの通信端末と、ネットワークを介して通信端末に接続されるサーバとを有する健康推定システムであって、通信端末は、検査対象の対象者が発話した音声を含む音声データを取得する取得部と、取得した音声データを用いて、対象者における精神状態を示すメンタル値を算出する算出部と、メンタル値をサーバに送信する第１送信部と、メンタル値を用いてサーバにより推定された対象者が患う可能性のある疾患を示す推定の結果をサーバから受信する第１受信部とを備え、サーバは、メンタル値を通信端末から受信する第２受信部と、記憶部に予め記憶された対象者に対する健康診断の結果を示す健診データと、受信されたメンタル値とに基づいて、対象者が患う可能性のある疾患を推定する推定部と、推定部が推定した対象者が患う可能性のある疾患を示す推定の結果を通信端末に送信する第２送信部とを備える。

別の観点による健康推定装置は、検査対象の対象者が発話した音声を含む音声データを通信端末から受信する受信部と、受信した音声データを用いて、対象者における精神状態を示すメンタル値を算出する算出部と、記憶部に予め記憶された対象者に対する健康診断の結果を示す健診データと、算出されたメンタル値とに基づいて、対象者が患う可能性のある疾患を推定する推定部と、推定部が推定した対象者が患う可能性のある疾患を示す推定の結果を通信端末に送信する送信部とを備える。

別の観点による健康推定装置は、検査対象の対象者が発話した音声を含む音声データを用いて通信端末により算出された対象者における精神状態を示すメンタル値を、通信端末から受信する受信部と、記憶部に予め記憶された対象者に対する健康診断の結果を示す健診データと、受信されたメンタル値とに基づいて、対象者が患う可能性のある疾患を推定する推定部と、推定部が推定した対象者が患う可能性のある疾患を示す推定の結果を通信端末に送信する送信部とを備える。

別の観点による健康推定プログラムは、検査対象の対象者が発話した音声を含む音声データを通信端末から受信し、受信した音声データを用いて、対象者における精神状態を示すメンタル値を算出し、記憶部に予め記憶された対象者に対する健康診断の結果を示す健診データと、算出されたメンタル値とに基づいて、対象者が患う可能性のある疾患を推定し、対象者が患う可能性のある疾患を示す推定の結果を通信端末に送信する処理をコンピュータに実行させる。

別の観点による健康推定プログラムは、検査対象の対象者が発話した音声を含む音声データを用いて通信端末により算出された対象者における精神状態を示すメンタル値を、通信端末から受信し、記憶部に予め記憶された対象者に対する健康診断の結果を示す健診データと、受信したメンタル値とに基づいて、対象者が患う可能性のある疾患を推定し、対象者が患う可能性のある疾患を示す推定の結果を通信端末に送信する処理をコンピュータに実行させる。

別の観点による健康推定方法は、少なくとも１つの通信端末と、ネットワークを介して通信端末に接続されるサーバとを有する健康推定システムの健康推定方法であって、通信端末は、検査対象の対象者が発話した音声を含む音声データを取得し、通信端末は、音声データをサーバに送信し、サーバは、音声データを通信端末から受信し、サーバは、受信した音声データを用いて、対象者における精神状態を示すメンタル値を算出し、サーバは、記憶部に予め記憶された対象者に対する健康診断の結果を示す健診データと、算出されたメンタル値とに基づいて、対象者が患う可能性のある疾患を推定し、サーバは、対象者が患う可能性のある疾患を示す推定の結果を通信端末に送信し、通信端末は、推定の結果をサーバから受信する。

別の観点による健康推定方法は、少なくとも１つの通信端末と、ネットワークを介して通信端末に接続されるサーバとを有する健康推定システムの健康推定方法であって、通信端末は、検査対象の対象者が発話した音声を含む音声データを取得し、通信端末は、取得した音声データを用いて、対象者における精神状態を示すメンタル値を算出し、通信端末は、メンタル値をサーバに送信し、サーバは、メンタル値を通信端末から受信し、サーバは、記憶部に予め記憶された対象者に対する健康診断の結果を示す健診データと、受信したメンタル値とに基づいて、対象者が患う可能性のある疾患を推定し、サーバは、対象者が患う可能性のある疾患を示す推定の結果を通信端末に送信し、通信端末は、推定の結果をサーバから受信する。

本発明は、身体の状態と心の状態とに基づいて、身体の疾患の予防または重症化の回避を図ることができる。

健康推定システムの一実施形態を示す図である。 図１に示した算出部により算出された元気圧の一例を示す図である。 図１に示した算出部により算出された活量値の一例を示す図である。 図１に示した記憶部に記憶される健診テーブルの一例を示す図である。 図１に示した推定部により判定された判定表の一例を示す図である。 図１に示した健康推定システムにおける推定処理の一例を示す図である。 図１に示した表示部に表示される推定の結果と助言との一例を示す図である。 図１に示した表示部に表示される推定の結果と助言との別例を示す図である。 健康推定システムの別の実施形態を示す図である。 図９に示した健康推定システムにおける推定処理の一例を示す図である。 図１０に示した推定処理の続きを示す図である。 健康推定システムの別の実施形態を示す図である。 図１２に示した健康推定システムにおける元気圧の推移の一例を示す図である。 図１２に示した被験者における健康診断データの一例を示す図である。 図１２に示した生活習慣についての問診票の一例を示す図である。 図１２に示したストレス耐性度チェックリストの一例を示す図である。 図１２に示したストレス耐性度及び生活習慣についての問診票の結果の一例を示す図である。 図１２に示した表示部に表示される推定の結果と助言との一例を示す図である。

以下、図面を用いて実施形態について説明する。

図１は、健康推定システムの一実施形態を示す。

図１に示した健康推定システムＳＹＳは、携帯通信端末１００およびサーバ２００を有する。携帯通信端末１００は、携帯電話通信網またはＷｉ−Ｆｉ（Wireless Fidelity）（登録商標）等の通信規格に基づいて、ネットワークＮＷを介してサーバ２００に接続される。なお、図１に示した健康推定システムＳＹＳは、２以上の複数の携帯通信端末１００がサーバ２００に接続されてもよい。

携帯通信端末１００は、スマートフォンやタブレット型端末等であり、マイク部１１０、制御部１２０、通信部１３０、表示部１４０および入力部１５０を有する。例えば、携帯通信端末１００に含まれるＣＰＵ（Central Processing Unit）等の演算処理装置は、携帯通信端末１００に含まれるメモリ等の記憶部に記憶される健康推定プログラムを実行することにより、制御部１２０として機能する。なお、制御部１２０は、携帯通信端末１００に搭載されるハードウェアにより実現されてもよい。

マイク部１１０は、マイクロホン等であり、携帯通信端末１００のユーザが発話する音声を受信し、受信した音声をアナログの電気信号に変換する。マイク部１１０は、例えば、マイク部１１０に含まれるＡＤ（Analog-to-Digital）変換回路を用いて、アナログからデジタルの電気信号に変換し、デジタルの電気信号を制御部１２０に出力する。マイク部１１０は、取得部の一例である。携帯通信端末１００のユーザは、対象者の一例である。

制御部１２０は、ＣＰＵ等であり、携帯通信端末１００の記憶部に記憶されている健康推定プログラムを実行することにより動作する。そして、制御部１２０は、携帯通信端末１００の各要素の動作を制御する。例えば、制御部１２０は、マイク部１１０から受信した音声の電気信号とともに、受信した音声の電気信号を携帯通信端末１００のユーザの音声データとしてサーバ２００に送信する制御指示を、通信部１３０に出力する。また、制御部１２０は、入力部１５０を介して、携帯通信端末１００のユーザによる操作に応じた入力指示を受信し、受信した入力指示に応じて各要素の動作を制御する。

通信部１３０は、例えば、携帯電話通信網またはＷｉ−Ｆｉ等の通信規格に基づいて、音声データ等の情報を含む信号を、ネットワークＮＷを介して、携帯通信端末１００からサーバ２００に送信する。また、通信部１３０は、ネットワークＮＷを介して、サーバ２００からのデータ等の情報を含む信号を受信する。通信部１３０は、第１送信部および第１受信部の一例である。

表示部１４０は、液晶等のディスプレイであり、サーバ２００から受信したデータ等を表示する。

入力部１５０は、例えば、表示部１４０の表面に配置されるタッチパネル等であり、携帯通信端末１００のユーザからの入力指示を受ける。入力部１５０は、例えば、ユーザから健康推定プログラムを実行する入力指示を受けた場合、受けた入力指示を制御部１２０に出力する。そして、制御部１２０は、携帯通信端末１００のユーザが発話する音声を受信する制御指示をマイク部１１０に出力する。

本発明の特徴の１つは、対象者の発話による音声を用いて、対象者の精神的な健康状態（メンタル値として算出される）を主として測定することである。解析する音声のパラメータは特に限定されないが、基本周波数（Ｆ０）、調波成分対喉頭雑音比（ＨＮＲ）、シマ―（Ｓｈｉｍｍｅｒ）、ジッタ―（Ｊｉｔｔｅｒ）が好適に用いられる。また、発話の内容や意味（どのような言葉を発しているか）を解析してもよい。

なお、より的確に精神状態を測定することを考慮すると、不随意成分である声帯の振動による基本周波数（Ｆ０）とそれに関連するパラメータを、解析する音声のパラメータとして用いるのが好ましい。また、このような音声成分を用いることは言語に依らないという観点からも利点がある。

この場合、制御部１２０は、例えば、ユーザが発話する音声データを取得するために、表示部１４０に所定の定型文を表示し、ユーザに表示された所定の定型文を発話させてもよい。これにより、サーバ２００は、定期的に、ユーザの音声データを取得でき、ユーザの精神状態を把握できる。また、表示部１４０に表示される所定の定型文は、特定の感情を含まない“いろはにほへと”や“ＡＢＣＤＥＦＧ”等でもよく、感情を表出しやすい“心が穏やかです”や“怒りっぽいです”等でもよく、“あーーーーー”等の長母音や、口唇音、口蓋音、舌音の組み合わせである“ぱたかぱたかぱたか・・・”等でもよい。

また、ユーザに発話させる方法としては、例えば“あなたのお名前は？”や“あなたの誕生日はいつですか？”等の質問を表示部１４０に表示し、それに対する回答を求める方法としてもよい。つまり、発話は定型文に依らなくても、自由発話や、電話による自然発話であってもよい。

ここで、発話時間としては、音声の解析精度を上げるには１０秒以上が好ましく、２０秒以上が更に好ましく、３０秒以上が特に好ましい。また、発話時間は、特に上限を設ける必要はないが、発話時間が長すぎると解析にも時間を要するため、５分以下が好ましく、３分以下が更に好ましい。なお、長時間発話した場合には、その一部を解析対象として採用することも可能である。

上述した所定の定型文を含むデータは、携帯通信端末１００の記憶装置に記憶されてもよく、サーバ２００に記憶されてもよい。なお、所定の定型文のデータがサーバ２００に記憶される場合、制御部１２０は、ネットワークＮＷを介して、所定の定型文のデータをサーバ２００から取得する。

図１に示したサーバ２００は、ＣＰＵ等の演算処理装置と、ハードディスク装置等の記憶部２３０とを有するコンピュータ装置等である。サーバ２００は、通信部２１０、算出部２２０、記憶部２３０および推定部２４０を有する。例えば、サーバ２００の演算処理装置は、記憶部２３０に記憶された健康推定プログラムを実行することにより、算出部２２０および推定部２４０として機能する。なお、算出部２２０および推定部２４０は、サーバ２００に搭載されるハードウェアにより実現されてもよい。サーバ２００は、健康推定装置の一例である。

通信部２１０は、例えば、インターネットの通信規格に基づいて、ネットワークＮＷを介して携帯通信端末１００にデータ等の情報を含む信号を送信する。また、通信部２１０は、ネットワークＮＷを介して、携帯通信端末１００から送信されたデータ等の情報を含む信号を受信する。通信部２１０は、第２送信部および第２受信部の一例である。

算出部２２０は、携帯通信端末１００から受信した音声データを用いて、携帯通信端末１００のユーザにおける精神状態を示す活量値を算出する。例えば、算出部２２０は、特許文献３と同様に、ネットワークＮＷを介して受信した携帯通信端末１００のユーザの音声データを用いて、音声のピッチ周波数や基本周波数等を算出し、怒り、喜び、悲しみ、平常等の各感情が出現している度合いを発話単位毎に求める。そして、算出部２２０は、例えば、求めた各感情の度合いに基づいて、携帯通信端末１００のユーザの元気の度合いを示す元気圧を算出する。

そして、算出部２２０は、例えば、元気圧を算出した時点を基準にして、所定の期間（例えば、１４日間等）前までに算出した元気圧を用いて、所定の期間における元気圧の平均値と分散値とを算出する。そして、算出部２２０は、算出した分散値で平均値を重み付けした値を、活量値（すなわち、平均的な元気圧）として算出する。算出部２２０は、算出した元気圧および活量値を記憶部２３０に出力する。活量値は、メンタル値の一例である。

なお、算出部２２０は、サーバ２００に配置されたが、携帯通信端末１００に配置されてもよい。例えば、携帯通信端末１００の制御部１２０は、携帯通信端末１００の記憶部に記憶されている健康推定プログラムを実行することにより算出部２２０として動作する。そして、制御部１２０は、マイク部１１０から受信した音声データから携帯通信端末１００のユーザの元気圧および活量値を算出する。そして、携帯通信端末１００は、制御部１２０により算出された元気圧および活量値をサーバ２００に送信し、サーバ２００は、受信した携帯通信端末１００のユーザの元気圧および活量値を記憶部２３０に記憶する。この場合、携帯通信端末１００は、携帯通信端末１００のユーザの音声データのサーバ２００への送信を省略してもよい。

算出部２２０がサーバ２００にある場合は、携帯通信端末１００側に算出部２２０が必要ないので、携帯通信端末１００の自由度が増すという点で利点があり、一方算出部２２０が携帯通信端末１００側にある場合は、音声データ自体をサーバ２００に送信しないので送信負荷が低減できるという利点がある。

記憶部２３０は、ハードディスク装置等であり、健康推定プログラムを記憶する。また、記憶部２３０は、算出部２２０により算出された携帯通信端末１００のユーザの元気圧および活量値を受信し、受信した元気圧および活量値を携帯通信端末１００のユーザを示す情報と対応付けして記憶する。また、記憶部２３０は、携帯通信端末１００のユーザにおける血液検査等を含む健康診断で測定された健診データを、携帯通信端末１００のユーザを示す情報と対応付けした健診テーブルＫＴを予め記憶する。健診テーブルＫＴについては、図４で説明する。

なお、健康推定プログラムは、例えば、光ディスク等に記録して頒布することができる。また、健康推定プログラムは、ＵＳＢ（Universal Serial Bus）メモリ等の可搬型記憶媒体に記録して頒布されてもよい。あるいは、サーバ２００は、健康推定プログラムを、サーバ２００に含まれるネットワークインタフェースを介して、ネットワークを通じてダウンロードし、記憶部２３０に格納してもよい。

推定部２４０は、記憶部２３０から検査対象の携帯通信端末１００のユーザの活量値と健診データとを読み出し、読み出した活量値と健診データとに基づいて、携帯通信端末１００のユーザの健康状態を推定する。推定部２４０は、推定の結果を通信部２１０に出力し、通信部２１０は、推定の結果を含む信号を携帯通信端末１００に送信する。推定部２４０の動作については、図３から図８で説明する。

図２は、図１に示した算出部２２０により算出された元気圧の一例を示す。図２に示す横軸は日時を示し、縦軸は元気圧を示す。また、図２は、健康な（すなわち、少なくとも精神疾患を患っていない）ユーザの元気圧を示す。

図２に示すように、元気圧は、携帯通信端末１００のユーザが発話し、マイク部１１０を介して音声データが取得される度に、算出部２２０により算出される。図２に示すように、元気圧は、１日のうちでも、携帯通信端末１００のユーザがいる周囲の環境に応じて大きく変化する。例えば、ユーザが友達や家族等と会話する場合、ユーザはリラックスするため、元気圧は大きな値を示す。一方、ユーザが上司や顧客等と会話する場合、ユーザは緊張感等を感じるため、元気圧は小さな値を示す。なお、ユーザが精神疾患を患っている場合、元気圧は、図２に示した元気圧と比べて全体的に小さな値を示す傾向があり、元気圧の変動幅も図２の場合と比べて小さくなる傾向がある。

図３は、図１に示した算出部２２０により算出された活量値の一例を示す。図３に示す横軸は月日を示し、縦軸は活量値を示す。なお、図３は、図２に示したユーザの活量値を示す。また、図３に示した活量値は、所定の期間を１４日間とした場合の値を示す。

図３に示すように、活量値は、１４日間という期間における元気圧の平均値と分散値とに基づいて算出されることにより、図２に示した元気圧と比べて、ほぼ一定の値を示す。しかしながら、携帯通信端末１００のユーザが長期に亘ってストレスの影響を受けている、あるいは風邪等の身体的不調を患っている場合、図３に示すように、活量値も徐々に減少する傾向を示す。一方、ユーザに影響を与えていたストレスが緩和された、あるいは風邪等の疾患から回復した場合、活量値は徐々に上昇する傾向を示す。

推定部２４０は、図３に示した活量値を用いて、携帯通信端末１００のユーザにおける精神状態を推定する。推定部２４０は、例えば、活量値が４０以下を示す、または活量値が直近の２ヶ月間において１５以上低下している場合、または活量値が直近の２週間において１０以上低下している場合、携帯通信端末１００のユーザにおいて、身体の疾患を罹患するリスクが高いと推定する。また、推定部２４０は、例えば、活量値が３０以下を示す、または活量値が直近の２ヶ月間において２０以上低下している場合、または活量値が直近の２週間において１５以上低下している場合、携帯通信端末１００のユーザにおいて、精神疾患及び／または身体の疾患を罹患するリスクが高く、罹患した場合に回復が困難と推定する。“４０”または“３０”は、第１の所定値の一例であり、“１０”、“１５”または“２０”は、第２の所定値の一例である。

なお、これら所定値は使用する測定機器により適宜設定できるが、メンタル値として正規化した値を参照するのであれば、メンタル値が例えば−１σ以下である場合に、精神疾患および／または身体の疾患を罹患するリスクが高いと推定し、また−２σ以下である場合に、精神疾患および／または身体の疾患を罹患するリスクが極めて高いと推定することができる。

なお、本発明の出願時点におけるＡｎｄｒｏｉｄ ＯＳ版ＭＩＭＯＳＹＳは、活量値が３３以下の場合は抑うつ症状を呈している（要注意領域）可能性があると推定される。一方で個人毎の通常の活量値には幅があるので、絶対値とともに、一定期間における活量値の変化にも注目することも可能である。また、活量値が極めて高い場合（例えば７５以上）については、現時点でのエビデンスは無いが、躁状態を呈しているとも考えられるので、他の指標と合わせて病態を観察することが好ましい。

一方、推定部２４０は、これら以外の場合、ユーザにおいて身体の疾患を罹患するリスクが低い、または精神状態がよいと推定する。

図４は、図１に示した記憶部２３０に記憶される健診テーブルＫＴの一例を示す。健診テーブルＫＴは、例えば、体格指数（ＢＭＩ：Body Mass Index）、空腹時血糖、ＨｂＡ１ｃ、血圧、総コルステロール、ＨＤＬコルステロール、ＬＤＬコルステロール、中性脂肪、クレアチンキナーゼ、ＡＳＴ（ＧＯＴ）、ＡＬＴ（ＧＰＴ）、γ−ＧＴＰ、ＬＤ（ＬＤＨ）、アルブミン／グロブミン比、尿素窒素、クレアチニン、尿酸および眼底検査等の格納領域を、ユーザ毎に有する。

体格指数（ＢＭＩ）の格納領域には、例えば、健康診断において測定されたユーザの体重と身長とを用いて算出される、ユーザの肥満度を示す体格指数が格納される。空腹時血糖の格納領域には、例えば、９時間以上絶食した後の健康診断において採取された血液中のブドウ糖の量を示す値が格納される。ＨｂＡ１ｃの格納領域には、例えば、健康診断において採取された血液を用いて測定される、赤血球中のヘモグロビンのうち糖と結合している割合の値が格納される。血圧の格納領域には、健康診断において血圧計を用いて測定されたユーザにおける収縮期血圧と拡張期血圧とが格納される。総コルステロールの格納領域には、健康診断において採取された血液を用いて測定される、血液中に含まれる全てのコルステロールの総量が格納される。ＨＤＬコルステロールの格納領域には、健康診断において採取された血液を用いて測定される、血液中に含まれるコルステロールのうちＨＤＬコルステロールの量が格納される。ＬＤＬコルステロールの格納領域には、健康診断において採取された血液を用いて測定される、血液中に含まれるコルステロールのうちＬＤＬコルステロールの量が格納される。

中性脂肪の格納領域には、健康診断において採取された血液を用いて測定される、血液中に含まれる中性脂肪の量が格納される。クレアチンキナーゼの格納領域には、健康診断において採取された血液を用いて測定される、血液中に含まれるクレアチンキナーゼの量が格納される。ＡＳＴ（ＧＯＴ）の格納領域には、健康診断において採取された血液を用いて測定される、血液中に含まれるグルタミン酸オキサロ酢酸トランスアミナーゼの量が格納される。ＡＬＴ（ＧＰＴ）の格納領域には、健康診断において採取された血液を用いて測定される、血液中に含まれるグルタミン酸ピルビン酸転移酵素の量が格納される。γ−ＧＴＰの格納領域には、健康診断において採取された血液を用いて測定される、血液中に含まれるγ−グルタミルトランスペプチターゼの量が格納される。ＬＤ（ＬＤＨ）の格納領域には、健康診断において採取された血液を用いて測定される、血液中に含まれる乳酸脱水素酵素の量が格納される。

アルブミン／グロブミン比の格納領域には、健康診断において採取された血液を用いて測定される、血液中に含まれるアルブミンとグロブミンとの比率が格納される。尿素窒素の格納領域には、健康診断において採取された血液を用いて測定される、血液中の尿素に含まれる窒素量が格納される。クレアチニンの格納領域には、健康診断において採取された血液を用いて測定される、血液中に含まれるクレアチニンの量が格納される。尿酸の格納領域には、健康診断において採取された血液を用いて測定される、血液中に含まれる尿酸の量が格納される。眼底検査の格納領域には、健康診断において行われる眼底検査により、ユーザの眼底の血管に異常があるか否かの判定結果が格納される。

推定部２４０は、図４に示した健診テーブルＫＴに格納された携帯通信端末１００のユーザの健診データを記憶部２３０から読み出し、携帯通信端末１００のユーザにおける身体の状態を推定する。例えば、推定部２４０は、読み出した健診データに含まれる各数値が、複数の疾患の各々について罹患する可能性があるか否かを判定する。推定部２４０による判定の動作については、図５で説明する。

なお、図４に示した健診テーブルＫＴに含まれる健診データは、体格指数（ＢＭＩ）等に限定されない。例えば、健診テーブルＫＴには、睡眠時間の格納領域が含まれてもよい。睡眠時間は、例えば、携帯通信端末１００のユーザによる入力部１５０の入力操作により、取得されてもよい。あるいは、例えば、携帯通信端末１００との間で通信機能を有する腕時計等のウェアラブル端末が、ウェアラブル端末に含まれる加速度センサ等により検出されるユーザの動きからレム睡眠とノンレム睡眠との期間を求めることにより、携帯通信端末１００は、ユーザの睡眠時間を算出してもよい。

また、健診テーブルＫＴには、食事による摂取エネルギーや１日の歩数等の格納領域が含まれてもよい。そして、食事による摂取エネルギーや１日の歩数等のデータは、例えば、携帯通信端末１００のユーザによる入力部１５０の入力操作により取得されてもよい。あるいは、１日の歩数のデータは、例えば、携帯通信端末１００や腕時計等のウェアラブル端末に含まれる加速度センサ等が検出したユーザの動きに基づいて取得されてもよい。

図５は、図１に示した推定部２４０により判定された判定表ＵＡの一例を示す。判定表ＵＡは、例えば、健診データ、条件、動脈硬化、脳血管疾患、虚血性心疾患、糖尿病、腎臓疾患および肝臓疾患等の格納領域を有する。健診データの格納領域には、図４に示した健診テーブルＫＴに格納される健診データの各々に対応する格納領域を有する。条件の格納領域には、健診データの各々において、健康上好ましくない、すなわちいずれかの疾患を罹患する可能性の高いことを示す基準値と比べて、高い値（高値）か低い値（低値）かの条件が格納される。なお、眼底検査については、医師により診断された眼底における血管の異常の有無が格納される。

図５に示した判定表ＵＡでは、例えば、体格指数（ＢＭＩ）の基準値は、１８．５−２４．９であり、１８．４以下は低体重、２５．０以上は肥満とされる。空腹時血糖の基準値は、９９ｍｇ／ｄＬ以下であり、１００−１２５ｍｇ／ｄＬは要注意、１２６ｍｇ／ｄＬ以上は異常とされる。ＨｂＡ１ｃの基準値は、５．５％以下であり、５．６−６．４％は要注意、６．５％以上は異常とされる。また、収縮期血圧の基準値は１２９ｍｍＨｇ以下であり、１３０−１５９ｍｍＨｇは要注意、１６０ｍｍＨｇ以上は異常とされる。また、拡張期血圧の基準値は８４ｍｍＨｇ以下であり、８５−９９ｍｍＨｇは要注意、１００ｍｍＨｇ以上は異常とされる。

また、総コルステロールの基準値は、１４０−１９９ｍｇ／ｄＬであり、２００−２５９ｍｇ／ｄＬは要注意、１３９ｍｇ／ｄＬ以下、または２６０ｍｇ／ｄＬ以上は異常とされる。ＨＤＬコルステロールの基準値は、４０−１１９ｍｇ／ｄＬであり、３０−３９ｍｇ／ｄＬは要注意、２９ｍｇ／ｄＬ以下、または１２０ｍｇ／ｄＬ以上は異常とされる。ＬＤＬコルステロールの基準値は、６０−１１９ｍｇ／ｄＬであり、１２０−１７９ｍｇ／ｄＬは要注意、５９ｍｇ／ｄＬ以下または１８０ｍｇ／ｄＬ以上は異常とされる。また、中性脂肪の基準値は、３０−１４９ｍｇ／ｄＬであり、１５０−３９９ｍｇ／ｄＬで要注意、２９ｍｇ／ｄＬ以下または４００ｍｇ／ｄＬ以上は異常とされる。

なお、ＬＤＬコルステロールが１４０ｍｇ／ｄＬ以上の場合には高ＬＤＬコルステロール血症、ＨＤＬコルステロールが４０ｍｇ／ｄＬ以下の場合には低ＨＤＬコルステロール血症、中性脂肪が１５０ｍｇ／ｄＬの場合には高中性脂肪血症と各々診断されることがある。これらは、合わせて脂質異常症とも称される。

また、クレアチンキナーゼの基準値は、３０−２００ＩＵ／Ｌである。また、ＡＳＴ（ＧＯＴ）の基準値は、３０ＩＵ／Ｌ以下であり、３１−５０ＩＵ／Ｌが要注意、５１ＩＵ／Ｌ以上は異常とされる。ＡＬＴ（ＧＰＴ）の基準値は、３０ＩＵ／Ｌ以下であり、３１−５０ＩＵ／Ｌが要注意、５１ＩＵ／Ｌ以上は異常とされる。γ−ＧＴＰの基準値は、５０ＩＵ／Ｌであり、５１−１００ＩＵ／Ｌで要注意、１０１ＩＵ以上は異常とされる。ＬＤ（ＬＤＨ）の基準値は、１２０−２４０ＩＵ／Ｌである。また、アルブミン／グロブミン比の基準値は、１．０−２．０であり、尿素窒素の基準値は、８．６−２２．９ｍｇ／ｄＬである。また、クレアチニンの基準値（男性）は、１．００ｍｇ／ｄＬ以下であり、１．０１−１．２９ｍｇ／ｄＬで要注意、１．３０ｍｇ／ｄＬは異常とされる。また、クレアチニンの基準値（女性）は、０．７０ｍｇ／ｄＬ以下であり、０．７１−０．９９ｍｇ／ｄＬで要注意、１．００ｍｇ／ｄｌ以上で異常とされる。尿酸の基準値は、２．１−７．０ｍｇ／ｄＬであり、２．０ｍｇ／ｄＬ以下または７．１−８．９ｍｇ／ｄＬで要注意、９．０ｍｇ／ｄＬは異常とされる。

なお、健診データの各々の基準値は、携帯通信端末１００のユーザの年齢、推定部２４０が推定する時間帯や季節等に応じて適宜変更および設定されることが好ましい。

動脈硬化の格納領域には、健診データのうち、動脈硬化の判定に用いられる各データにおいて、条件の格納領域が示す条件を満たすか否かの推定部２４０による判定の結果が格納される。例えば、体格指数（ＢＭＩ）が高値の条件を満たす場合、動脈硬化の格納領域における体格指数（ＢＭＩ）には、“１”が格納される。一方、体格指数（ＢＭＩ）が高値の条件を満さない場合、動脈硬化の格納領域における体格指数（ＢＭＩ）には、“０”が格納される。なお、動脈硬化の判定には、推定部２４０は、健診データのうち、体格指数（ＢＭＩ）、血圧、総コルステロール、ＨＤＬコルステロール、ＬＤＬコルステロール、中性脂肪および尿酸のデータを用いる。一方、動脈硬化の格納領域において、推定部２４０が用いないデータは、網掛けで示される。

脳血管疾患の格納領域には、動脈硬化の場合と同様に、健診データのうち、脳血管疾患の判定に用いられる各データにおいて、条件の格納領域が示す条件を満たすか否かの推定部２４０による判定の結果を示す“１”または“０”が格納される。脳血管疾患の判定には、推定部２４０は、体格指数（ＢＭＩ）、血圧、総コルステロール、ＨＤＬコルステロール、ＬＤＬコルステロール、中性脂肪、尿酸および眼底検査のデータを用いる。なお、脳血管疾患は、動脈硬化が原因となって引き起こるため、脳血管疾患の格納領域の体格指数（ＢＭＩ）、血圧、総コルステロール、ＨＤＬコルステロール、ＬＤＬコルステロール、中性脂肪および尿酸の判定は、矢印が示すように、動脈硬化の格納領域における判定の結果を参照する。一方、脳血管疾患の格納領域において、推定部２４０が用いないデータの領域は、網掛けで示される。

虚血性心疾患の格納領域には、健診データのうち、虚血性心疾患の判定に用いられる各データにおいて、条件の格納領域が示す条件を満たすか否かの推定部２４０による判定の結果を示す“１”または“０”が格納される。虚血性心疾患の判定には、推定部２４０は、体格指数（ＢＭＩ）、血圧、総コルステロール、ＨＤＬコルステロール、ＬＤＬコルステロール、中性脂肪、クレアチンキナーゼ、ＡＳＴ（ＧＯＴ）、ＬＤ（ＬＤＨ）および尿酸のデータを用いる。なお、虚血性心疾患は、脳血管疾患の場合と同様に、動脈硬化が原因となって引き起こされるため、虚血性心疾患の格納領域の体格指数（ＢＭＩ）、血圧、総コルステロール、ＨＤＬコルステロール、ＬＤＬコルステロール、中性脂肪および尿酸の判定は、矢印が示すように、動脈硬化の格納領域における判定の結果を参照する。

なお、虚血性心疾患の代わりに、推定部２４０は、血圧のデータが条件の格納領域が示す条件を満たすか否かに基づいて、心疾患か否かを判定してもよい。

糖尿病の格納領域には、健診データのうち、糖尿病の判定に用いられる各データにおいて、条件の格納領域が示す条件を満たすか否かの推定部２４０による判定の結果を示す“１”または“０”が格納される。糖尿病の判定には、推定部２４０は、体格指数（ＢＭＩ）、空腹時血糖、ＨｂＡ１ｃ、総コルステロール、ＬＤＬコルステロールおよび尿素窒素のデータを用いる。これらのうち、特に（１）空腹時血糖が１２６ｍｇ／ｄＬ以上であり且つ（２）ＨｂＡ１ｃが６．５％以上である場合、糖尿病に罹患するリスクが高いと判定される。

腎臓疾患の格納領域には、健診データのうち、腎臓疾患の判定に用いられる各データにおいて、条件の格納領域が示す条件を満たすか否かの推定部２４０による判定の結果を示す“１”または“０”が格納される。腎臓疾患の判定には、推定部２４０は、尿素窒素およびクレアチニンのデータを用いる。

肝臓疾患の格納領域には、健診データのうち、肝臓疾患の判定に用いられる各データにおいて、条件の格納領域が示す条件を満たすか否かの推定部２４０による判定の結果を示す“１”または“０”が格納される。肝臓疾患の判定には、推定部２４０は、中性脂肪、ＡＳＴ（ＧＯＴ）、ＡＬＴ（ＧＰＴ）、γ−ＧＴＰ、ＬＤ（ＬＤＨ）、アルブミン／グロブミン比およびクレアチニンのデータを用いる。

そして、これら各種疾患を発症する要因となる高血糖、脂質異常、高血圧を呈する病態であるメタボリックシンドローム（内臓脂肪型肥満）の疾患概念が導入されており、診断指標としては、ＢＭＩ、腹囲、血圧、中性脂肪、ＨＤＬコルステロール、ＬＤＬコルステロール、ＡＳＴ（ＧＯＴ）、ＡＬＴ（ＧＰＴ）、γ―ＧＴＰ、空腹時血糖、ＨｂＡ１ｃ、尿糖、尿蛋白が用いられる。

推定部２４０は、判定表ＵＡを用いて、動脈硬化等の各疾患を罹患する可能性を示す確率を算出する。例えば、推定部２４０は、動脈硬化の場合、体格指数（ＢＭＩ）、血圧、総コルステロール、ＨＤＬコルステロール、ＬＤＬコルステロール、中性脂肪および尿酸のうち、条件の格納領域が示す条件を満たすと判定した、すなわち“１”が格納された割合に基づいて確率を算出する。あるいは、推定部２４０は、動脈硬化の場合、体格指数（ＢＭＩ）、血圧、総コルステロール、ＨＤＬコルステロール、ＬＤＬコルステロール、中性脂肪および尿酸の各々に対する重み付けを予め設定する。そして、推定部２４０は、各データに対して設定された重み付けと、動脈硬化の格納領域に格納された“１”または“０”の数値とを加重加算して、動脈硬化を罹患する確率を算出してもよい。また、推定部２４０は、ニューラルネットワーク等の機械学習を、図５に示した判定表ＵＡに適用することにより、各疾患を罹患する確率を推定してもよい。

なお、推定部２４０は、動脈硬化、脳血管疾患、虚血性心疾患、糖尿病、腎臓疾患および肝臓疾患以外の他の疾患の格納領域を有してもよい。例えば、健診テーブルＫＴには、腹痛、胃痛、下痢、便秘、嘔吐等の消化器系症状、呼吸苦、喘鳴、過呼吸等の呼吸器症状、胸痛、動悸等の循環器症状、かゆみ、発疹、脱毛等の皮膚症状、腰痛、頭痛、肩こり等の筋骨格系症状、不正出血、月経不順等の婦人科系症状、および頻尿等の泌尿器系症状の格納領域を有してもよい。この場合、推定部２４０が、消化器系症状、呼吸器症状、循環器症状、皮膚症状、筋骨格系症状、婦人科系症状および泌尿器系症状のいずれかを医師により診断された場合で、携帯通信端末１００のユーザにおける活量値が４０以下、または直近の２ヶ月間において１５以上低下している場合、心身症を罹患する可能性が高いと推定することが好ましい。

図６は、図１に示した健康推定システムＳＹＳにおける推定処理の一例を示す。図６に示した処理は、携帯通信端末１００およびサーバ２００の演算処理装置が健康推定プログラムを実行することにより実現される。すなわち、図６は、健康推定プログラムおよび健康推定方法の一実施形態を示す。なお、複数の携帯通信端末１００が、ネットワークＮＷを介してサーバ２００に接続される場合、複数の携帯通信端末１００の各々とサーバ２００との間で図６に示した処理が並列に実行される。

ステップＳ１００では、制御部１２０は、入力部１５０を介して、携帯通信端末１００のユーザによる健康推定プログラムの実行指示を受信した場合、マイク部１１０を用いてユーザが発話した音声データを取得する。

次に、ステップＳ１１０では、通信部１３０は、制御部１２０の制御指示に基づいて、ステップＳ１００で取得した音声データをサーバ２００に送信する。

次に、ステップＳ１２０では、通信部１３０は、ネットワークＮＷを介して、サーバ２００により送信されたユーザに対する罹患するリスクの推定の結果と助言とを受信する。そして、制御部１２０は、受信された推定の結果と助言とを表示部１４０に出力し、表示部１４０は、推定の結果と助言とを表示する。表示部１４０が表示する推定の結果および助言については、図７および図８で説明する。

一方、ステップＳ２００では、通信部２１０は、ネットワークＮＷを介して、ステップＳ１１０で携帯通信端末１００により送信されたユーザの音声データを受信する。

次に、ステップＳ２１０では、算出部２２０は、ステップＳ２００で受信されたユーザの音声データを用いて、携帯通信端末１００のユーザの元気圧を算出する。また、算出部２２０は、元気圧を算出した時点を基準にして、所定の期間（例えば、１４日間等）前までに算出した元気圧を用いて、平均的な元気圧である活量値を算出する。算出部２２０は、算出した元気圧および活量値を記憶部２３０に出力する。そして、記憶部２３０は、受信した元気圧および活量値を、携帯通信端末１００のユーザを示す情報に対応付けして記憶する。

次に、ステップＳ２２０では、推定部２４０は、図４に示した健診テーブルＫＴに格納された携帯通信端末１００のユーザの健診データを記憶部２３０から読み出し、携帯通信端末１００のユーザが罹患する可能性のある疾患を推定する。例えば、推定部２４０は、読み出した健診データに含まれる各データが、複数の疾患の各々を罹患する条件を満たすか否かを判定し、携帯通信端末１００のユーザに対して、図５に示した判定表ＵＡを生成する。そして、推定部２４０は、判定表ＵＡを用いて、動脈硬化等の各疾患を罹患する可能性を示す確率を算出する。例えば、推定部２４０は、動脈硬化の場合、体格指数（ＢＭＩ）、血圧、総コルステロール、ＨＤＬコルステロール、ＬＤＬコルステロール、中性脂肪および尿酸のうち、条件の格納領域が示す条件を満たすと判定した、すなわち“１”が格納された割合に基づいて、動脈硬化を罹患する確率を算出する。

次に、ステップＳ２３０では、推定部２４０は、ステップＳ２１０で算出された携帯通信端末１００のユーザの活量値を記憶部２３０から読み出し、図３に示した活量値の時間変化に基づいて、携帯通信端末１００のユーザにおける精神状態を推定する。

次に、ステップＳ２４０では、推定部２４０は、ステップＳ２２０で算出した各疾患を罹患する確率と、ステップＳ２３０で推定した精神状態とに基づいて、ステップＳ２２０で算出した確率が最も高い疾患を携帯通信端末１００のユーザが罹患するリスクを推定する。

例えば、推定部２４０は、ステップＳ２３０で推定した携帯通信端末１００のユーザの精神状態である活量値が４０以下を示す、または活量値が直近の２ヶ月間において１５以上低下している場合、携帯通信端末１００のユーザにおいて、確率が最も高い疾患を罹患するリスクが高いと推定する。また、推定部２４０は、例えば、活量値が３０以下を示す、または活量値が直近の２ヶ月間において２０以上低下している場合、携帯通信端末１００のユーザにおいて、確率が最も高い疾患を罹患するリスクが高く、罹患した場合に回復が困難と推定する。

一方、推定部２４０は、これら以外の場合、ユーザにおいて確率が最も高い疾患を罹患するリスクが低い、または精神状態がよいと推定する。

次に、ステップＳ２５０では、推定部２４０は、ステップＳ２４０で推定した疾患を罹患するリスクに応じた助言を決定する。例えば、記憶部２３０は、各疾患と精神状態との組み合わせに応じた助言を示す助言データを予め記憶し、推定部２４０は、推定した疾患を罹患するリスクに応じた助言を、助言データから決定する。

次に、ステップＳ２６０では、通信部２１０は、ステップＳ２４０で推定された携帯通信端末１００のユーザが罹患するリスクの推定の結果と、ステップＳ２５０で決定された助言とを含む信号を、ネットワークＮＷを介して携帯通信端末１００に送信する。

そして、健康推定システムＳＹＳは、携帯通信端末１００がユーザによる健康推定プログラムの実行指示を受ける度に、ステップＳ１００からステップＳ１２０の処理、およびステップＳ２００からステップＳ２６０の処理を繰り返し実行する。

なお、ステップＳ２２０の処理とステップＳ２３０の処理とは、図６に示した順序とは逆の順序で実行されてもよく、並列に実行されてもよい。

図７及び図８は、図１に示した表示部１４０に表示される推定の結果と助言との一例を示す。図７及び図８では、携帯通信端末１００および表示部１４０を示し、携帯通信端末１００に配置されるカメラや釦等の操作部材は省略される。なお、図７および図８に示した助言は、予め疾患毎に所定の形式で生成された文章を含むデータが、サーバ２００の記憶部２３０に助言データとして記憶される。

また、助言データは、携帯通信端末１００の記憶装置に記憶されてもよい。この場合、推定部２４０は、ステップＳ２５０で決定する助言として、助言データが記憶された携帯通信端末１００の記憶装置におけるアドレスを決定する。

図７は、例えば、罹患するリスクが最も高い疾患として脳血管疾患が推定され、携帯通信端末１００のユーザの活量値が４０以下を示す、または活量値が直近の２ヶ月間において１５以上低下していると判定された場合の助言を示す。ここで、脳血管疾患に罹患しているリスクの判定は、例えば「（１）収縮期血圧が１４０ｍｍＨｇ以上」、「（２）拡張期血圧が９０ｍｍＨｇ以上」、「（３）ＬＤＬコレステロールが１４０ｍｇ／ｄＬ以上」、「（４）ＨＤＬコルステロールが４０ｍｇ／ｄＬ未満」、「（５）現在喫煙している」、「（６）ＢＭＩが２５以上」の６項目が挙げられる。なお、これら６項目のうち４項目以上当てはまる場合に、脳血管疾患に罹患するリスクが高いと判定される。

図７に示した助言は、罹患するリスクが最も高いと推定された疾患を示す推定の結果（領域ＭＳ１）、推定された疾患に対する食事および睡眠等の改善を示す助言（領域ＭＳ２）、精神状態を高めるためのストレスコーピングを勧める助言（領域ＭＳ３）、および運動を勧める助言（領域ＭＳ４）等を含む。そして、図７に示した助言において、領域ＭＳ２の助言には、食生活を改善するための献立を示すウェブページ（例えば、ＵＲＬ（Uniform Resource Locator））が、“おすすめの献立”として表示されてもよい。また、領域ＭＳ３の助言には、例えば、ストレスコーピングを行うウェブページを示すＵＲＬが、“ストレスコーピングを行う”として表示されてもよい。また、領域ＭＳ４の助言には、例えば、おすすめの運動を示すウェブページを示すＵＲＬが、“おすすめの運動”として表示されてもよい。なお、ＵＲＬ等の情報は、助言データに含まれることが好ましい。

例えば、おすすめの運動であるウェブページでは、日常的な軽い運動と週に１−２回の有酸素運動を併せて行うことを提案する。例えば、毎日８０００歩程度のウォーキングが日常的な軽い運動として提案される。なお、携帯通信端末１００のユーザにより、ウォーキングが容易にできる場面が異なるため、勤労者や学生等の電車通勤や通学の場合には、一駅分を歩くことが提案されてもよい。また、主婦や主夫等の場合には、徒歩で買い物に行くことが提案されてもよい。また、休日には家族でのハイキング、オリエンテーリング、ウォークラリー等、ウォーキングを伴う屋外イベントが提案されてもよい。

また、おすすめの運動のウェブページでは、継続性の観点からユーザ自身が進んで行えるものを選択可能に複数の有酸素運動が提案されてもよい。例えば、有酸素運動として、ジョギング、水泳、エアロバイク（登録商標）、エアロビクス、ヨガ、ピラティス等が挙げられる。また、これらの運動を通して友達が出来ることにより、継続性がさらに高まり、メンタルヘルスの改善にも効果的であるので、行きつけのジムを作って通うように勧めることが好ましい。また、エアロビクスに代わるものとして、おすすめの運動のウェブページは、社交ダンス、フラダンス、ベリーダンス等の各種ダンス教室、あるいはディスコやライブハウスで踊ることを提案してもよい。

図８は、例えば、罹患するリスクが最も高い疾患として脳血管疾患が推定され、携帯通信端末１００のユーザの活量値が３０以下を示す、または活量値が直近の２ヶ月間において２０以上低下している場合の助言を示す。すなわち、図８は、携帯通信端末１００のユーザにおける脳血管疾患を罹患するリスクが、図７の場合と比べて高い場合の助言を示す。図８に示した助言は、図７に示した助言と同様に、罹患するリスクが最も高いと推定された疾患を示す推定の結果（領域ＭＳ１）、および推定された疾患に対する食事および睡眠等の改善を示す助言（領域ＭＳ２）を含む。また、図８では、脳血管疾患を罹患するリスクが図７の場合と比べて高い（すなわち、緊急性が高い）ことから、精神状態を高めるために心療内科医や精神科医の診察の勧める助言（領域ＭＳ５）を含む。そして、領域ＭＳ５の助言には、近くの心療内科医や精神科医等の医者を検索するためのウェブページを示すＵＲＬが、“近くの医者を探す”として表示されるのが好ましい。

なお、推定部２４０は、携帯通信端末１００のユーザにおいて確率が最も高い疾患を罹患するリスクが低い、または精神状態がよいと推定した場合、現在の生活習慣を維持するように推奨する内容の助言を決定する。

以上、図１から図８に示した実施形態では、サーバ２００は、図４に示した健診テーブルＫＴに格納された携帯通信端末１００のユーザの健診データを用いて判定表ＵＡを生成し、携帯通信端末１００のユーザが罹患する可能性のある疾患を推定する。また、サーバ２００は、携帯通信端末１００のユーザが発話した音声データを用いて活量値を算出し、算出した活量値の時間変化から、携帯通信端末１００のユーザにおける精神状態を推定する。そして、サーバ２００は、推定した疾患と精神状態とに基づいて、携帯通信端末１００のユーザにおいて罹患する疾患のリスクを推定し、推定したリスクに対する助言を決定する。サーバ２００は、推定の結果と助言とを、ネットワークＮＷを介して携帯通信端末１００に送信し、携帯通信端末１００は、受信した推定の結果と助言とを表示する。

これにより、携帯通信端末１００のユーザは、受信した助言に基づいて疾患を予防または重症化を回避できる。すなわち、健康推定システムＳＹＳは、身体の状態と心の状態とに基づいて、携帯通信端末１００のユーザにおける身体の疾患の予防または重症化の回避を図ることができる。

また、健康推定システムＳＹＳは、携帯通信端末１００のユーザの元気圧をモニタリングすることで、元気圧を上げるための休憩や運動等の気分転換を図ろうとする意識を、ユーザに対して起こさせることができる。これにより、毎日体重計に乗って体重を測るのと同様に、自己の健康維持のための意識を向上させ、脳血管疾患や糖尿病等を未然に防ぐことができる。

図９は、健康推定システムの別の実施形態を示す。なお、図１で説明した要素と同一または同様の機能を有する要素については、同一または同様の符号を付し、これらについては、詳細な説明を省略する。

図９に示した健康推定システムＳＹＳ１は、例えば、携帯通信端末１００、サーバ２００および端末装置３００を有する。携帯通信端末１００は、携帯電話通信網またはＷｉ−Ｆｉ等の通信規格に基づいて、ネットワークＮＷを介してサーバ２００および端末装置３００に接続される。

なお、図９では、１つの携帯通信端末１００がサーバ２００および端末装置３００に接続されるが、２以上の複数の携帯通信端末１００がサーバ２００および端末装置３００に接続されてもよい。

携帯通信端末１００は、図１の場合と同様に、スマートフォンやタブレット型端末等であり、マイク部１１０、制御部１２０、通信部１３０、表示部１４０および入力部１５０を有する。例えば、携帯通信端末１００に含まれるＣＰＵ等の演算処理装置は、携帯通信端末１００に含まれるメモリ等の記憶装置に記憶される健康推定プログラムを実行することにより、制御部１２０として機能する。なお、制御部１２０は、携帯通信端末１００に搭載されるハードウェアにより実現されてもよい。

図９に示したサーバ２００は、ＣＰＵ等の演算処理装置と、ハードディスク装置等の記憶部２３０とを有するコンピュータ装置等である。サーバ２００は、通信部２１０、算出部２２０、記憶部２３０および推定部２４０を有する。例えば、サーバ２００の演算処理装置は、記憶部２３０に記憶された健康推定プログラムを実行することにより、算出部２２０および推定部２４０として機能する。なお、算出部２２０および推定部２４０は、サーバ２００に搭載されるハードウェアにより実現されてもよい。

記憶部２３０は、ハードディスク装置等であり、健康推定プログラムを記憶する。また、記憶部２３０は、算出部２２０により算出された携帯通信端末１００のユーザの元気圧および活量値を受信し、携帯通信端末１００のユーザを示す情報と対応付けして元気圧および活量値を記憶する。また、記憶部２３０は、携帯通信端末１００のユーザにおける血液検査等を含む健康診断で測定された健診データを、携帯通信端末１００のユーザを示す情報と対応付けした健診テーブルＫＴを予め記憶する。

なお、記憶部２３０は、対象者に発話させる所定の定型文のデータ、および厚生労働省版ストレスチェック実施プログラムで示される職業性ストレス簡易調査票等のアンケートのデータを記憶してもよい。すなわち、健診テーブルＫＴには、例えば、職業性ストレス簡易調査票等のストレスに関するアンケートに対する、携帯通信端末１００のユーザによる回答が格納されてもよい。例えば、サーバ２００は、ストレスに関するアンケートのデータを携帯通信端末１００に予め送信する。そして、携帯通信端末１００の制御部１２０は、入力部１５０を介して、健康推定プログラムの実行指示を受けた場合、マイク部１１０を用いてユーザが発話した音声データを取得するとともに、アンケートを表示部１４０に表示させる。制御部１２０は、入力部１５０を介して、アンケートに対する携帯通信端末１００のユーザの回答を回答データとして取得し、回答データをサーバ２００に送信する。

この場合、算出部２２０は、例えば、職業性ストレス簡易調査票等のアンケートに応じて定義される採点の処理を、受信した携帯通信端末１００のユーザの回答データに実行し、ユーザが受けているストレスに関する情報を取得する。なお、ストレスに関する情報には、携帯通信端末１００のユーザが受けるストレス強度の尺度、ユーザの自覚症状の尺度、ユーザのストレスに対する耐性の尺度、ユーザのストレス状態からの回復性の尺度、およびユーザに対する周囲のサポートの尺度の少なくとも１つが含まれる。そして、算出部２２０は、例えば、ユーザが受けるストレス強度の尺度、ユーザの自覚症状の尺度、ユーザのストレスに対する耐性の尺度、ユーザのストレス状態からの回復性の尺度、およびユーザに対する周囲のサポートの尺度の少なくとも１つを用いて、ユーザにおけるストレスリスク値を算出する。ストレスリスク値は、ストレス値の一例である。

なお、算出部２２０が携帯通信端末１００に配置される、すなわち携帯通信端末１００の制御部１２０が算出部２２０として動作する場合、制御部１２０は、取得した回答データに採点の処理を実行し、ユーザが受けているストレスに関する情報を取得してもよい。そして、制御部１２０は、ユーザにおけるストレスリスク値を算出し、携帯通信端末１００は、制御部１２０により算出されたストレスリスク値をサーバ２００に送信し、サーバ２００は、受信した携帯通信端末１００のユーザのストレスリスク値を記憶部２３０に記憶する。この場合、携帯通信端末１００は、携帯通信端末１００のユーザの回答データのサーバ２００への送信を省略してもよい。

算出部２２０がサーバ２００にある場合は、携帯通信端末１００側に算出部２２０が必要ないので、携帯通信端末１００の自由度が増すという点で利点があり、一方算出部２２０が携帯通信端末１００側にある場合は、回答データ自体をサーバ２００に送信しないので送信負荷が低減できるという利点がある。

なお、ストレスリスク値を算出するのに用いる尺度は、アンケートの内容や、携帯通信端末１００のユーザが置かれている状況等に応じて、適宜決定されることが好ましい。そして、算出部２２０は、取得したストレスに関する情報および算出したストレスリスク値を回答データとともに記憶部２３０に出力し、携帯通信端末１００のユーザを示す情報に対応付けしてストレスリスク値および回答データを健診テーブルＫＴに格納する。これにより、推定部２４０は、ストレスに関する情報、ストレスリスク値および回答データが含まれる健診テーブルＫＴと、活量値とを用い、携帯通信端末１００のユーザの精神状態をより正確に推定できる。

また、携帯通信端末１００のユーザが受けているストレス強度の尺度は、ユーザが質問に回答する時点でユーザが受けているストレスの強度を示す。ストレス強度の尺度は、例えば、職業性ストレス簡易調査票の場合、全５７問のうち領域「Ａ」に含まれる１７問に対する回答から求められる。なお、ストレス強度の尺度は、職業性ストレス簡易調査票等のように職場における心理的な負担の原因だけでなく、私生活一般におけるストレス要因と合わせて求められてもよい。また、例えば、対人ストレスイベント尺度（橋本剛、“大学生における対人ストレスイベント分類の試み”、社会心理学研究、第１３巻第１号、pp.64-75、1997）等を用いて、ストレス強度の尺度が求められてもよい。

また、ユーザの自覚症状の尺度は、ユーザが回答している時点における心理状態を示すもので、例えば、職業性ストレス簡易調査票の場合、領域「Ｂ」に含まれる２９問に対する回答から求められる。自覚症状の尺度は、心理的な負担による心身の自覚症状をチェックするものであり、ストレスを受けた結果の状態を表す。なお、自覚症状の原因となるストレスの要因は、仕事に限らない。また、自覚症状の尺度は、例えば、Beck Depression Inventory （Beck et al.、“An Inventory for measuring depression”、Arch. Gen. Psychiatry、Vol.4、pp.561-571、1961）や、Self-Rating Depression Scale（Zunk et al.、“Self-Rating Deppression Scale in an Outpatient Further Validation of the SDS”、Arch. Gen. Psychiatry、Vol.13、pp.508-515、1965）等のうつ状態を測る尺度を用いて、求められてもよい。

また、ユーザへの周囲のサポートの尺度は、職場の上司や同僚、家族、友人、近隣の人々等、携帯通信端末１００のユーザと接する人による協力の体制の状況を示す。ユーザへの周囲のサポートの尺度は、例えば、職業性ストレス簡易調査票の場合、領域「Ｃ」に含まれる９問の回答から求められる。周囲のサポートの尺度は、周囲のサポートが大きくなるに従って、携帯通信端末１００のユーザが受けるストレスが緩和されやすいことを示し、ユーザのストレス耐性が高まる。なお、周囲のサポートの尺度は、大学生用ソーシャルサポート尺度（片受靖、大貫尚子、“大学生用ソーシャルサポート尺度の作成と信頼性・妥当性の検討”、立正大学心理学研究年報、第５号、pp.37-46、2014）等を用いて求められてもよい。

また、ユーザのストレスに対する耐性の尺度は、同じ程度のストレスを受けた場合に、精神的な障害を招きやすいかどうかを示す尺度であり、例えば、職業性ストレス簡易調査票の場合、領域「Ａ」から領域「Ｃ」の設問の一部の回答を用いて求められる。なお、ストレスの耐性の尺度を求めるにあたり、どの設問の回答を用いて求めるかについては、適宜決定されることが好ましい。すなわち、ストレスの耐性の尺度については、ストレス脆弱性モデルで説明されているように、同じストレスを受けても発症する人と発症しない人が存在し、携帯通信端末１００のユーザがストレスに対する脆弱性が大きければ（耐性が小さければ）、小さいストレスでも発症する可能性が高くなる。そこで、算出部２２０は、ストレスの負荷と同時に、ユーザのストレス耐性を算出することにより、病気に罹る危険度をより正確に求めることができる。

なお、ストレス耐性は、脆弱性（バルナラビリティ）と回復性（レジリエンス）との２つの要素を含み、２つの要素が互いに重なる部分もあると考えられている。ストレスの耐性の尺度を求めるにあたり、２つの要素のうち一方の要素が用いられてもよく、両方の要素が用いられてもよい。発症の過程では複数のリスク要因が関連することから、ストレスの耐性の尺度のうち、脆弱性の尺度を求めることについて、様々なリスク要因の観点から検討されている。例えば、脆弱性の尺度として、自己愛的脆弱性尺度短縮版（上地雄一郎、宮下一博、“対人恐怖傾向の要因としての自己愛的脆弱性，自己不一致，自尊感情の関連性”、パーソナリティ研究、第１７巻、pp.280-291、2009）がある。また、別の脆弱性の尺度として、Rumination-Reflection Questionnaire 日本語版（高野慶輔、丹野義彦、“Rumination-Reflection Questionnaire 日本語版作成の試み”、パーソナリティ研究、第１６巻、pp.259-261、2008）や、日本語版Brief Core Schema Scale（山内貴史、須藤杏寿、丹野義彦、“日本語版Brief Core Schema Scaleの信頼性・妥当性”、心理学研究、第７９巻、pp.498-505、2009）等がある。

また、レジリエンス（回復性）は、心理学においては通常ストレスに対する防衛因子を意味しており、ストレスへの抵抗力と病気に罹った場合の回復力を示す。レジリエンスには、生来備わっている資質的レジリエンスと、生まれた後に獲得される獲得的レジリエンスとがあると考えられている。レジリエンスの尺度については、例えば、二次元レジリエンス要因尺度（平野真理、“レジリエンスの資質的要因・獲得的要因の分類の試み”、パーソナリティ研究、第１９巻、pp.94-106、2010）等がある。なお、資質的レジリエンスは、楽観性、統御力、社交性、行動力の４因子、獲得的レジリエンスは、問題解決志向、自己理解、他者心理の理解の３要因がそれぞれ下位尺度として捉えられている。レジリエンスも対象者により異なることから、ストレスの負荷と同時に対象者のレジリエンスを合わせて測ることにより、病気に罹る危険度をより正確に求めることができる。

なお、アンケートの回答は、マークシート方式等のアンケートの紙面を用いて行われてもよい。この場合、携帯通信端末１００のユーザの回答の結果は、マークシートを読み取る装置を用いて読み取られ、サーバ２００に送信されてもよい。あるいは、ネットワークＮＷに接続されたコンピュータ装置等の端末装置を用いて、アンケートに対する回答を、携帯通信端末１００のユーザに行わせてもよい。この場合、例えば、ｅ−ラーニングのような、社内向けまたは一般向けにネットワーク上に供されたアンケートに回答する形式であれば、利便性の点から好ましい。

また、アンケートの回答は、携帯通信端末１００のユーザ毎にスタンドアローンの状態で行い、採点もユーザ自身で計算し、採点結果（ストレスリスク値）のみをオンラインで入力する方法としてもよい。この場合、回答内容の詳細については、携帯通信端末１００またはサーバ２００上に記録されない。

上述した種々のストレス尺度や心理尺度のアンケートは、活量値が一定期間以上低いか、低下傾向を示している場合に、活量値が低下している原因を見出すツールとして用いることができる。これにより、問題焦点型ストレスコーピングと情動焦点型ストレスコーピングのどちらを優先的に提案するかを決定することができる。即ち、ストレスが症状に合わらわれる場合、その主たる原因がストレスの量が極端に大きくなったのか、または個人の物事に対する捉え方に歪があるのかにより、それぞれ問題焦点型ストレスコーピングと情動焦点型ストレスコーピングを提案することができる。

端末装置３００は、ＣＰＵ等の演算処理装置と、ハードディスク装置等の記憶装置と、キーボード等の入力装置と、液晶等のディスプレイとを有するコンピュータ装置である。端末装置３００は、例えば、心療内科医、精神科医や産業医等の医療従事者により使用され、サーバ２００の記憶部２３０に記憶された各携帯通信端末１００のユーザの健診データ、元気圧、活量値、ストレスリスク値、回答データ等の情報を閲覧できる。また、端末装置３００は、医療従事者による操作に基づいて、各ユーザの情報を表示するとともに、医療従事者により携帯通信端末１００のユーザに対するカウンセリングや心理的介入等が必要と判断された場合、携帯通信端末１００にその旨を通知する。

図１０および図１１は、図９に示した健康推定システムＳＹＳ１における推定処理の一例を示す。図１０および図１１に示した処理は、携帯通信端末１００、サーバ２００および端末装置３００の演算処理装置が健康推定プログラムを実行することにより実現される。すなわち、図１０および図１１は、健康推定プログラムおよび健康推定方法の別の実施形態を示す。

なお、図１０および図１１に示した処理では、職業性ストレス簡易調査票等のストレスに関するアンケートに対する回答が、携帯通信端末１００のユーザにより行われる場合を示す。

ステップＳ１００ａでは、制御部１２０は、入力部１５０を介して、携帯通信端末１００のユーザによる健康推定プログラムの実行指示を受信した場合、マイク部１１０を用いてユーザが発話した音声データを取得する。また、制御部１２０は、サーバ２００から予め受信した職業性ストレス簡易調査票等のアンケートを表示部１４０に表示させる。そして、制御部１２０は、入力部１５０を介して、アンケートに対する携帯通信端末１００のユーザの回答を回答データとして取得する。

次に、ステップＳ１１０ａでは、通信部１３０は、制御部１２０の制御指示に基づいて、ステップＳ１００で取得した音声データおよび回答データをサーバ２００に送信する。

次に、ステップＳ１２０では、通信部１３０は、ネットワークＮＷを介して、サーバ２００により送信されたユーザに対する罹患するリスクの推定の結果と助言とを受信する。そして、制御部１２０は、受信された推定の結果と助言とを表示部１４０に出力し、表示部１４０は、推定の結果と助言とを表示する。

一方、ステップＳ２００ａでは、通信部２１０は、ネットワークＮＷを介して、ステップＳ１１０ａで携帯通信端末１００により送信されたユーザの音声データおよび回答データを受信する。

次に、ステップＳ２１０ａでは、算出部２２０は、図４の場合と同様に、ステップＳ２００ａで受信されたユーザの音声データを用いて、携帯通信端末１００のユーザの元気圧および活量値を算出する。そして、算出部２２０は、算出した元気圧および活量値を記憶部２３０に出力し、記憶部２３０は、受信した元気圧および活量値を、携帯通信端末１００のユーザを示す情報に対応付けして記憶する。

また、算出部２２０は、ステップＳ２００ａで受信した回答データに、職業性ストレス簡易調査票等のアンケートに応じて定義される採点の処理を実行し、携帯通信端末１００のユーザが受けているストレスに関する情報を取得する。算出部２２０は、取得したストレスに関する情報に含まれるユーザが受けるストレス強度の尺度、ユーザの自覚症状の尺度、ユーザのストレスに対する耐性の尺度、ユーザのストレス状態からの回復性の尺度、およびユーザに対する周囲のサポートの尺度の少なくとも１つを用いて、携帯通信端末１００のユーザにおけるストレスリスク値を算出する。

そして、算出部２２０は、取得した携帯通信端末１００のユーザのストレスに関する情報、および算出したストレスリスク値を記憶部２３０に出力する。記憶部２３０は、受信したストレスに関する情報およびストレスリスク値を、携帯通信端末１００のユーザを示す情報に対応付けして健診テーブルＫＴに格納する。

次に、ステップＳ２２０では、推定部２４０は、図６の場合と同様に、図４に示した健診テーブルＫＴに格納された携帯通信端末１００のユーザの健診データを記憶部２３０から読み出し、携帯通信端末１００のユーザが罹患する可能性のある疾患を推定する。例えば、推定部２４０は、読み出した健診データに含まれる各データが、複数の疾患の各々を罹患する条件を満たすか否かを判定し、携帯通信端末１００のユーザに対して、図５に示した判定表ＵＡを生成する。そして、推定部２４０は、判定表ＵＡを用いて、動脈硬化等の各疾患を罹患する可能性を示す確率を算出する。

次に、ステップＳ２３０ａでは、推定部２４０は、ステップＳ２１０ａで算出された携帯通信端末１００のユーザの活量値およびストレスリスク値等を記憶部２３０から読み出し、図３に示した活量値の時間変化およびストレスリスク値等に基づいて、携帯通信端末１００のユーザにおける精神状態を推定する。

次に、ステップＳ２４０では、推定部２４０は、ステップＳ２２０で算出した各疾患を罹患する確率と、ステップＳ２３０ａで推定した精神状態とに基づいて、ステップＳ２２０で算出した確率が最も高い疾患を携帯通信端末１００のユーザが罹患するリスクを推定する。

例えば、推定部２４０は、ステップＳ２３０ａで推定した携帯通信端末１００のユーザの精神状態である活量値が４０以下を示す、または活量値が直近の２ヶ月間において１５以上低下している場合、携帯通信端末１００のユーザにおいて、確率が最も高い疾患を罹患するリスクが高いと推定する。また、推定部２４０は、例えば、活量値が３０以下を示す、または活量値が直近の２ヶ月間において２０以上低下している場合、携帯通信端末１００のユーザにおいて、確率が最も高い疾患を罹患するリスクが高く、罹患した場合に回復が困難と推定する。

一方、推定部２４０は、これら以外の場合、ユーザにおいて確率が最も高い疾患を罹患するリスクが低い、または精神状態がよいと推定する。

次に、ステップＳ２５０では、推定部２４０は、ステップＳ２４０で推定した疾患を罹患するリスクに応じた、図７または図８に示すように、携帯通信端末１００のユーザに対する助言を決定する。

次に、ステップＳ２６０では、通信部２１０は、ステップＳ２４０で推定された携帯通信端末１００のユーザが罹患するリスクの推定の結果と、ステップＳ２５０で決定された助言とを含む信号を、ネットワークＮＷを介して携帯通信端末１００に送信する。

次に、ステップＳ２７０では、推定部２４０は、ステップＳ２４０で推定した推定の結果において、確率が最も高い疾患を罹患した場合に回復が困難であると推定したか否かを判定する。回復が困難と推定した場合、サーバ２００の処理はステップＳ２８０に移る。一方、回復が困難でないと推定した場合、サーバ２００は、推定処理を終了する。

ステップＳ２８０では、推定部２４０は、回復が困難と推定した携帯通信端末１００のユーザの推定の結果を、ネットワークＮＷを介して医療従事者の端末装置３００に送信する。そして、サーバ２００は、推定処理を終了する。

一方、ステップＳ３００では、端末装置３００は、ステップＳ２８０でサーバ２００により送信された携帯通信端末１００のユーザの推定の結果を受信する。端末装置３００は、受信した携帯通信端末１００のユーザの推定の結果を、端末装置３００のディスプレイに表示する。そして、産業医等の医療従事者は、端末装置３００を介して、罹患するリスクが高いと推定された疾患が罹患しないように、携帯通信端末１００のユーザに対し精神状態を高めるためのケア等の処置を行う。これにより、携帯通信端末１００のユーザに対する処置を迅速に始めることができ、罹患するリスクが高いと推定された疾患の予防や重症化の回避を図ることができる。この場合、医療従事者は、例えば、端末装置３００を用いて、サーバ２００の記憶部２３０に記憶された携帯通信端末１００のユーザの健診データ、元気圧、活量値、ストレスリスク値、回答データ等の情報を閲覧することが好ましい。そして、医療従事者は、ユーザに対するカウンセリングや心理的介入等が必要と判断した場合、端末装置３００を用いて、ユーザの携帯通信端末１００にその旨を通知、あるいは医療従事者と面談するよう指示することが好ましい。

また、医療従事者は、携帯通信端末１００のユーザにおける推定の結果から、ストレスが高いと判定した場合、端末装置３００を用いて、ユーザに対していくつかの尺度によるテストを、ユーザの携帯通信端末１００に出力し、ユーザによる回答の結果から、ストレスが高い原因や障害の程度等を判定し、ユーザに適切な介入プログラムを施してもよい。あるいは、医療従事者は、ユーザとの面談に基づいて、精神疾患のリスクがあると認められた場合、端末装置３００を用いて、リスクの程度に応じて、ユーザに心理教育や心理療法等を行ってもよく、精神科医や心療内科医等の他の医師を紹介してもよい。さらに、医療従事者は、端末装置３００を用いて、高いリスクのユーザと接する家族や友人等に対しても心理教育を行うことにより、メンタルヘルスに関する正しい認知と理解の向上とを図ってもよい。

そして、健康推定システムＳＹＳ１は、携帯通信端末１００がユーザによる健康推定プログラムの実行指示を受ける度に、ステップＳ１００ａ、ステップＳ１１０ａ、ステップＳ１２０の処理、ステップＳ２００ａ、ステップＳ２１０ａ、ステップＳ２２０、ステップＳ２３０ａ、ステップＳ２４０からステップＳ２８０の処理、およびステップＳ３００の処理を繰り返し実行する。

なお、ステップＳ２２０の処理とステップＳ２３０ａの処理とは、図１０に示した順序とは逆の順序で実行されてもよく、並列に実行されてもよい。

以上、図９から図１１に示した実施形態では、サーバ２００は、健診テーブルＫＴに格納された携帯通信端末１００のユーザの健診データを用いて判定表ＵＡを生成し、携帯通信端末１００のユーザが罹患する可能性のある疾患を推定する。また、サーバ２００は、携帯通信端末１００のユーザが発話した音声データを用いて活量値を算出するとともに、ストレスに関するアンケートに対する回答データを用いてストレスリスク値等を算出する。そして、サーバ２００は、算出した携帯通信端末１００のユーザの活量値の時間変化およびストレスリスク値等に基づいて、ユーザにおける精神状態を推定する。そして、サーバ２００は、推定した疾患と精神状態とに基づいて、携帯通信端末１００のユーザにおいて罹患する疾患のリスクを推定し、推定したリスクに対する助言を決定する。サーバ２００は、推定の結果と助言とを、ネットワークＮＷを介して携帯通信端末１００に送信し、携帯通信端末１００は、受信した推定の結果と助言とを表示する。

これにより、携帯通信端末１００のユーザは、受信した助言に基づいて疾患を予防または重症化を回避できる。すなわち、健康推定システムＳＹＳ１は、身体の状態と心の状態とに基づいて、携帯通信端末１００のユーザにおける身体の疾患の予防または重症化の回避を図ることができる。

また、サーバ２００は、携帯通信端末１００のユーザに対する罹患するリスクが、確率が最も高い疾患を罹患した場合に回復が困難であると推定した場合、ユーザにおける推定の結果を医療従事者の端末装置３００に送信する。これにより、医療従事者は、罹患するリスクが高い疾患の予防や重症化の回避のための携帯通信端末１００のユーザに対する処置を迅速に始めることができる。

また、健康推定システムＳＹＳ１は、携帯通信端末１００のユーザの元気圧をモニタリングすることで、元気圧を上げるための休憩や運動等の気分転換を図ろうとする意識を、ユーザに対して起こさせることができる。これにより、毎日体重計に乗って体重を測るのと同様に、自己の健康維持のための意識を向上させ、脳血管疾患や糖尿病等の疾患を未然に防ぐことができる。
＜実施例＞
図１２は、健康推定システムの別の実施形態を示す。
以下、脳血管疾患や糖尿病などの推定を行う場合について説明する。例えば糖尿病等の生活習慣病は、運動、食事、睡眠、その他の生活習慣の乱れから引き起こされる身体の疾患であり、また、生活習慣の乱れは精神疾患のリスクも高めることに繋がる。

図１２に示すように、推定システムＳＹＳ２は、図１と同様に、携帯通信端末１００およびサーバ２００を有し、これらは、ネットワークＮＷを介して接続される。図１２における携帯通信端末１００およびサーバ２００の構成は、図１と同一の構成であることから、ここでは詳細については省略する。

携帯通信端末１００やサーバ２００には、血圧計２６０、歩数計２７０、睡眠計２８０などがネットワークＮＷを介して接続される。血圧計２６０は、例えばリストバンド式の機器が用いられ、ユーザの収縮期血圧と拡張期血圧とを測定する。血圧計２６０は、ネットワークＮＷを介して、携帯通信端末１００又はサーバ２００に接続される。血圧計２６０は、測定したデータをサーバ２００に送信する。サーバ２００は、血圧計２６０から送信されたデータを受信し、記憶部２３０の所定の記憶領域に記憶する。

歩数計２７０は、ユーザの体重・性別・年齢などを入力して運動消費量を表示するもの、１日の運動強度のグラフを作成できるもの、適切なウォーキングのピッチを教えるもの、歩幅を入力して歩行距離を表示するもの等のいずれかが用いられる。また、歩数計２７０としては、腰に装着するタイプ、ポケットに入れるタイプ、手首に装着するタイプ、ネクタイピンやベルトに内蔵させるタイプのいずれかが用いられる。なお、携帯通信端末１００が歩数計２７０として機能するためのアプリケーション（プログラム）を携帯通信端末１００の記憶部に記憶させておき、ユーザの選択操作により該プログラムを実行させるものであってもよい。歩数計２７０は、ネットワークＮＷを介して、携帯通信端末１００又はサーバ２００に接続される。歩数計２７０は、測定したデータをサーバ２００に送信する。サーバ２００は、歩数計２７０から送信されたデータを受信し、記憶部２３０の所定の記憶領域に記憶する。

睡眠計２８０は、ユーザが就寝するベッドや布団の近傍に配置され、内蔵された電波センサがユーザの就寝中の寝返りなどを測定するものや、ユーザの腕に装着され、内蔵された加速度センサ等によりユーザの動きを検出するものが挙げられる。なお、これら睡眠計２８０は、レム睡眠とノンレム睡眠との期間を求めることによりユーザの睡眠時間を算出する。なお、携帯通信端末１００が睡眠計２８０として機能するためのアプリケーション（プログラム）を携帯通信端末１００の記憶部に記憶させておき、ユーザの選択操作により該プログラムを実行させるものであってもよい。睡眠計２８０は、ネットワークＮＷを介して、携帯通信端末１００又はサーバ２００に接続される。睡眠計２８０は、測定したデータをサーバ２００に送信する。サーバ２００は、睡眠計２８０から送信されたデータを受信し、記憶部２３０の所定の記憶領域に記憶する。

ここで、上述した血圧計２６０、歩数計２７０、睡眠計２８０は、異なる装置とした場合を例に挙げているが、これら計測機器の機能を集約した機器を用いることも可能である。

図１２に示す健康推定システムＳＹＳ２において実行される推定処理は、図１に示す健康推定システムＳＹＳと同様に、携帯通信端末１００およびサーバ２００の演算処理が健康推定プログラムを実行することにより実現される。なお、図１２に示す健康推定システムＳＹＳ２にて実施される健康推定プログラムは、図６に示す処理と同一であるので、ここでは省略する。ここで、罹患するリスクが最も高い疾患として糖尿病を取り上げる場合、（１）空腹時血糖が１１０ｍｇ／ｄＬ以上、（２）ＨｂＡ１ｃ（ＮＧＳＰ）が６．０％以上、（３）ＢＭＩが２５以上、（４）腹囲が男性の場合８５ｃｍ以上、女性の場合９０ｃｍ以上、のうち２つ以上が当てはまるか否か、また、ユーザの活量値（メンタル値）が４０以下を示す、または活量値が直近の２ヶ月間において１５以上低下しているか否かを判定することで、糖尿病であるリスクが高いか否かの推定が実施される。なお、この他に、血圧、総コルステロール、ＬＤＬコルステロールおよび尿素窒素が基準値より高いか否かも上記推定に含めることも可能である。

なお、音声データの取得及びメンタル値の算出は以下の通りである。

被験者は、スマートフォンなどの携帯通信端末にて実行することができるアプリケーションソフトであるＭＩＭＯＳＹＳ（登録商標）を用いて、ほぼ毎日１〜２回通話を行い、通話内における発話を解析し、メンタル値を求めた。メンタル値としてはＭＩＭＯＳＹＳの心の活量値を採用した。発話の解析は３０日間行い、１４日目から３０日目までの「心の活量値（図３に示す活性値に相当）」の一例を図１３に示す。図１３に示した「心の活性値」は、上述した元気圧から求められる。

なお、元気圧は発話１回毎の元気度を表し、「心の活量値」は元気圧の直近１４日分の平均と分散などから求められる値であって、「心の活量値」が低いときは感情が表出されていないことを示している。電話による自然発話では、話す相手や状況によって心の状態が異なるので、健常人は元気圧が上下するのが普通である。しかし大うつ病など抑うつ症状が続いている場合は、常に元気が無く感情が表出されないので、元気圧は低い状態が続き、その結果「心の活量値」が低くなる。

次に、被験者における健康診断データの一例を図１４に示す。例えば、被験者は、従事している会社の健康保険組合において実施する健康診断を、少なくとも年に１回受けている。なお、図１４は、各被験者において、平成２９年４月から平成３０年３月の間に受けた健康診断における血液検査等の各種検査の結果の一例を示す。なお、この健康診断データは、健診テーブルＫＴに含まれる健診データに相当する。

被験者は、生活習慣についての質問に回答している。生活習慣についての問診票の一例を図１５に示す。生活習慣についての質問は、食事、睡眠、運動の少なくとも１つを含む。例えば食事については、「（１）間食：間食をとるのが週に３回以上である。」、「（２）夜食：睡眠前２時間以内に夜食をとることが週に３回以上である。」、「（３）朝食：週に３回以上朝食を抜く。」などが挙げられる。睡眠については、「（１）入眠障害：寝床に入ってから１時間以上寝付けないこと日が２日以上である。」、「（２）中途覚醒：夜中に起きることが週３日以上である。」、「（３）早朝覚醒：予定より１時間以上前に起きることが週２回以上である。」などが挙げられる。さらに、運動については、「（１）平均的に一日８０００歩以上歩いている。」、「（２）息がはずむような運動を３０分以上 週２回以上行っている」などが挙げられる。なお、生活習慣についての質問は、「はい」か「いいえ」で回答する。なお、図１５中「０」は「いいえ」、「１」は「はい」に相当している。

同時に、被験者に対して、ストレス耐性度の試験を行った。なお、ストレス耐性度の試験は、例えば日本大学の林・村上氏らによって作成されたストレス耐性度チェックリストを用いて行った。図１６は、ストレス耐性度チェックリストの一例を示す。このストレス耐性度チェックリストをおこなった試験では、点数が５０〜８０の場合、ストレスに強い（ストレス耐性が高い）と判定される。また、点数が４０〜５０の場合、ストレスに強くも弱くもないと判定される。また、点数が２０〜４０の場合、ストレスに弱い（ストレス耐性が低い）と判定される。

図１２に示す健康推定システムでは、脳血管疾患や糖尿病などが被験者毎に推定される。この推定は、図１３に示す心の活性値の推移と、ストレス耐性度及び生活習慣についての問診票の結果に基づいている。なお、図１７は、ストレス耐性度及び生活習慣についての問診票の結果の一例を示している。図１７におけるストレス耐性の値は、ストレスリスク値の値である。

例えば、被験者Ａ及び被験者Ｂは、ストレス耐性が高く、適度な食事と良好な睡眠とを取っており、また、適度な運動をしていると判断される。したがって、被験者Ａ及び被験者Ｂは、疾患リスクは高くないと判定される。一方、被験者Ｃ、Ｄ、Ｅ、Ｇは、ストレス耐性が低い。なお、被験者Ｃは、比較的良好な食事を取っているが、良好な睡眠をとれておらず、また、適度な運動を行っていないと判断される。したがって、対象者Ｃは、脳血管疾患や糖尿病に関して高リスクと判定される。また、対象者Ｄは、良好な食事を取っていないと判断できるが、入眠障害ではあるが良好な睡眠や適度な運動をしていると判断される。その結果、対象者Ｄは、糖尿病に関して高リスクと判定される。また、被験者Ｅは、ストレス耐性が比較的低く、生活習慣も比較的悪く、更にＭＩＭＯＳＹＳの測定によるメンタル値は２週間に１５以上低下していると判断される。その結果、被験者Ｅは、脳血管疾患や糖尿病に関して高リスクと判定され、さらに、継続して高ストレスの状態にあり精神疾患の罹患リスクが高いと判定される。なお、被験者Ｆについては、生活習慣が良好であることから、脳血管疾患や糖尿病に関する疾患リスクは低いと判定される。また、被験者Ｇについては、検診データとしては現時点では問題ないが、生活習慣が比較的悪くストレス耐性も低い。その結果、過度なストレスにさらされた場合に、過食が起こりメタボリックシンドロームから糖尿病に罹るリスクがあると判定される。被験者Ｈについては、検診データ及び生活習慣ともに問題なく、疾患リスクは低いと判定される。また、被験者Ｉについては中性脂肪とＢＭＩが高く、糖尿病に関して高リスクと判定される。また、被験者Ａ、Ｂ、Ｃ、Ｄ、Ｆ、Ｈ、Ｉについては、ＭＩＭＯＳＹＳの測定によるメンタル値は低くなく、また低下傾向にもないので、メンタル面は健康と判定される。そして、被験者Ｇのメンタル値は極めて高く、なんらかの気分障害のリスクがあると判定される。

被験者Ａ〜Ｉには該当者はいなかったが、上述の各種疾患のリスクが高い場合に、メンタル値が低くなると、更にリスクが高くなるとともに、罹患した場合に回復が困難となるため、特に注意が必要である。

例えば、被験者Ｃに対しては、図１８（ａ）に示す助言が提示される。助言は、被験者Ｃが有する携帯通信端末１００及び表示部１４０ａに表示される。領域ＭＳ１に表示される内容としては、「脳血管疾患の罹患リスクがあります。また糖尿病の罹患リスクが高いです。」等である。

また、領域ＭＳ２に表示される内容としては、「食事は控えめにし全体のエネルギー摂取量を抑えてください。夜食はとらないようにしましょう。特に糖分を摂取することは控えましょう。」等である。

また、領域ＭＳ３に表示される内容としては、「メンタルは特に問題ありませんが、メンタル値が下がってくると疾患リスクが高くなりますので、日ごろからストレスコーピングを行いましょう。」等である。さらに、領域ＭＳ４に表示される内容としては、「自分で続けられる運動を選び、習慣づけてください。」等である。

例えば、被験者Ｄに対しては、図１８（ｂ）に示す助言が提示される。助言は、被験者Ｄが有する携帯通信端末１００及び表示部１４０に表示される。領域ＭＳ１に表示される内容としては、「糖尿病の罹患リスクがあります。」等である。

また、領域ＭＳ２に表示される内容としては、「食事は控えめにし全体のエネルギー摂取量を抑えてください。間食はなるべくとらないようにしましょう。特に糖分を摂取することは控えましょう。但し、甘いものが好きな場合には全くとらないでいるとストレスになるので、チョコレートなどを少量摂るようにしてください。」等である。

また、領域ＭＳ３に表示される内容としては、「メンタルは特に問題ありませんが、平均より少し低めですので、楽しい趣味を持ち日ごろからストレスコーピングを行いましょう。」等である。さらに、領域ＭＳ４に表示される内容としては、「運動することは、エネルギーの消費になり且つストレスコーピングにもなります。ハイキングやエアロビなどに挑戦してはいかがでしょうか。」等である。

なお、詳細は図示を省略するが、被験者Ｅ、Ｇ、Ｉに対しても、各被験者が有する携帯通信端末１００及び表示部１４０に同様に、助言が表示される。

これにより、ユーザの元気圧だけでなく、ユーザの血圧、睡眠、運動量、ストレス耐性等をモニタリングすることで、元気圧を上げるための休憩や運動等の気分転換を図ろうとする意識を、ユーザに対して起こさせることができる。これにより、毎日体重計に乗って体重を測るのと同様に、自己の健康維持のための意識を向上させ、脳血管疾患や糖尿病等の疾患を未然に防ぐことができる。

以上の詳細な説明により、実施形態の特徴点および利点は明らかになるであろう。これは、特許請求の範囲がその精神および権利範囲を逸脱しない範囲で前述のような実施形態の特徴点および利点にまで及ぶことを意図するものである。また、当該技術分野において通常の知識を有する者であれば、あらゆる改良および変更に容易に想到できるはずである。したがって、発明性を有する実施形態の範囲を前述したものに限定する意図はなく、実施形態に開示された範囲に含まれる適当な改良物および均等物に拠ることも可能である。

１００…携帯通信端末；１１０…マイク部；１２０…制御部；１３０，２１０…通信部；１４０…表示部；１５０…入力部；２００…サーバ；２２０…算出部；２３０…記憶部；２４０…推定部；３００…端末装置；ＫＴ…健診テーブル；ＭＳ１−ＭＳ５…領域；ＮＷ…ネットワーク；ＵＡ…判定表；ＳＹＳ，ＳＹＳ１，ＳＹＳ２…健康推定システム

Claims (17)

1. 少なくとも１つの通信端末と、ネットワークを介して前記通信端末に接続されるサーバとを有する健康推定システムであって、
   前記通信端末は、
   検査対象の対象者が発話した音声を含む音声データを取得する取得部と、
   前記音声データを前記サーバに送信する第１送信部と、
   前記音声データを用いて前記サーバにより推定された前記対象者が患う可能性のある疾患を示す推定の結果を前記サーバから受信する第１受信部とを備え、
   前記サーバは、
   前記音声データを前記通信端末から受信する第２受信部と、
   受信した前記音声データを用いて、前記対象者における精神状態を示すメンタル値を算出する算出部と、
   記憶部に予め記憶された前記対象者に対する健康診断の結果を示す健診データと、算出された前記メンタル値とに基づいて、前記対象者が患う可能性のある疾患を推定する推定部と、
   前記推定部が推定した前記対象者が患う可能性のある疾患を示す推定の結果を前記通信端末に送信する第２送信部とを備える
   ことを特徴とする健康推定システム。
2. 請求項１に記載の健康推定システムにおいて、
   前記記憶部は、前記メンタル値と前記可能性のある疾患とに応じた前記対象者に対する助言を示す助言データを記憶し、
   前記推定部は、前記メンタル値と前記可能性のある疾患とに基づいて、前記対象者に対する助言を前記助言データから決定し、
   前記第２送信部は、前記推定の結果と、決定した前記助言とを前記通信端末に送信する
   ことを特徴とする健康推定システム。
3. 請求項２に記載の健康推定システムにおいて、
   前記記憶部は、ストレスに関するアンケートに対する前記対象者の回答を示す回答データを記憶し、
   前記算出部は、前記回答データを前記記憶部から読み出して、前記対象者がストレスの影響を受けている度合いを示すストレス値を算出し、
   前記推定部は、前記ストレス値と前記メンタル値と推定した前記可能性のある疾患とに基づいて、前記対象者に対する助言を前記助言データから決定する
   ことを特徴とする健康推定システム。
4. 請求項２に記載の健康推定システムにおいて、
   前記取得部は、ストレスに関するアンケートに対する前記対象者の回答を示す回答データを取得し、
   前記第１送信部は、前記回答データを前記サーバに送信し、
   前記算出部は、受信した前記回答データを用いて、前記対象者においてストレスの影響を受けている度合いを示すストレス値を算出し、
   前記推定部は、前記ストレス値と前記メンタル値と推定した前記可能性のある疾患とに基づいて、前記対象者に対する助言を前記助言データから決定する
   ことを特徴とする健康推定システム。
5. 少なくとも１つの通信端末と、ネットワークを介して前記通信端末に接続されるサーバとを有する健康推定システムであって、
   前記通信端末は、
   検査対象の対象者が発話した音声を含む音声データを取得する取得部と、
   取得した前記音声データを用いて、前記対象者における精神状態を示すメンタル値を算出する算出部と、
   前記メンタル値を前記サーバに送信する第１送信部と、
   前記メンタル値を用いて前記サーバにより推定された前記対象者が患う可能性のある疾患を示す推定の結果を前記サーバから受信する第１受信部とを備え、
   前記サーバは、
   前記メンタル値を前記通信端末から受信する第２受信部と、
   記憶部に予め記憶された前記対象者に対する健康診断の結果を示す健診データと、受信された前記メンタル値とに基づいて、前記対象者が患う可能性のある疾患を推定する推定部と、
   前記推定部が推定した前記対象者が患う可能性のある疾患を示す推定の結果を前記通信端末に送信する第２送信部とを備える
   ことを特徴とする健康推定システム。
6. 請求項５に記載の健康推定システムにおいて、
   前記記憶部は、前記メンタル値と前記可能性のある疾患とに応じた前記対象者に対する助言を示す助言データを記憶し、
   前記推定部は、前記メンタル値と前記可能性のある疾患とに基づいて、前記対象者に対する助言を前記助言データから決定し、
   前記第２送信部は、前記推定の結果と、決定した前記助言とを前記通信端末に送信する
   ことを特徴とする健康推定システム。
7. 請求項６に記載の健康推定システムにおいて、
   前記取得部は、ストレスに関するアンケートに対する前記対象者の回答を示す回答データを取得し、
   前記算出部は、取得した前記回答データを用いて、前記対象者においてストレスの影響を受けている度合いを示すストレス値を算出し、
   前記第１送信部は、前記ストレス値を前記サーバに送信し、
   前記推定部は、前記メンタル値と、受信した前記ストレス値と、推定した前記可能性のある疾患とに基づいて、前記対象者に対する助言を前記助言データから決定する
   ことを特徴とする健康推定システム。
8. 請求項３、請求項４および請求項７のいずれか１項に記載の健康推定システムにおいて、
   前記助言データの前記助言の各々が示す内容は、前記可能性のある疾患に応じて、前記対象者の前記メンタル値を上昇させる、または前記対象者の前記ストレス値を低下させる内容に予め決定されることを特徴とする健康推定システム。
9. 請求項１ないし請求項８のいずれか１項に記載の健康推定システムにおいて、
   前記ネットワークに接続され、医療従事者によって操作される端末装置をさらに備え、
   前記第２送信部は、前記推定の結果を前記通信端末とともに前記端末装置に送信する
   ことを特徴とする健康推定システム。
10. 請求項１ないし請求項９のいずれか１項に記載の健康推定システムにおいて、
    前記推定部は、前記健診データに含まれる体格指数、空腹時血糖、ヘモグロビンＡ１ｃ、血圧、総コルステロール、ＬＤＬコルステロールおよび尿素窒素の各々が基準値より高く、ＨＤＬコルステロールが基準値より低く、かつ前記メンタル値が第１の所定値以下を示す、または前記メンタル値が所定の期間において第２の所定値以上低下している場合、前記可能性のある疾患として糖尿病を推定することを特徴とする健康推定システム。
11. 請求項１ないし請求項９のいずれか１項に記載の健康推定システムにおいて、
    前記推定部は、前記健診データに含まれる血圧が基準値より高く、かつ前記メンタル値が第１の所定値以下を示す、または前記メンタル値が所定の期間において第２の所定値以上低下している場合、前記可能性のある疾患として心疾患を推定することを特徴とする健康推定システム。
12. 検査対象の対象者が発話した音声を含む音声データを通信端末から受信する受信部と、
    受信した前記音声データを用いて、前記対象者における精神状態を示すメンタル値を算出する算出部と、
    記憶部に予め記憶された前記対象者に対する健康診断の結果を示す健診データと、算出された前記メンタル値とに基づいて、前記対象者が患う可能性のある疾患を推定する推定部と、
    前記推定部が推定した前記対象者が患う可能性のある疾患を示す推定の結果を前記通信端末に送信する送信部と
    を備えることを特徴とする健康推定装置。
13. 検査対象の対象者が発話した音声を含む音声データを用いて通信端末により算出された前記対象者における精神状態を示すメンタル値を、前記通信端末から受信する受信部と、
    記憶部に予め記憶された前記対象者に対する健康診断の結果を示す健診データと、受信された前記メンタル値とに基づいて、前記対象者が患う可能性のある疾患を推定する推定部と、
    前記推定部が推定した前記対象者が患う可能性のある疾患を示す推定の結果を前記通信端末に送信する送信部と
    を備えることを特徴とする健康推定装置。
14. 検査対象の対象者が発話した音声を含む音声データを通信端末から受信し、
    受信した前記音声データを用いて、前記対象者における精神状態を示すメンタル値を算出し、
    記憶部に予め記憶された前記対象者に対する健康診断の結果を示す健診データと、算出された前記メンタル値とに基づいて、前記対象者が患う可能性のある疾患を推定し、
    前記対象者が患う可能性のある疾患を示す推定の結果を前記通信端末に送信する
    処理をコンピュータに実行させる健康推定プログラム。
15. 検査対象の対象者が発話した音声を含む音声データを用いて通信端末により算出された前記対象者における精神状態を示すメンタル値を、前記通信端末から受信し、
    記憶部に予め記憶された前記対象者に対する健康診断の結果を示す健診データと、受信した前記メンタル値とに基づいて、前記対象者が患う可能性のある疾患を推定し、
    前記対象者が患う可能性のある疾患を示す推定の結果を前記通信端末に送信する
    処理をコンピュータに実行させる健康推定プログラム。
16. 少なくとも１つの通信端末と、ネットワークを介して前記通信端末に接続されるサーバとを有する健康推定システムの健康推定方法であって、
    前記通信端末は、検査対象の対象者が発話した音声を含む音声データを取得し、
    前記通信端末は、前記音声データを前記サーバに送信し、
    前記サーバは、前記音声データを前記通信端末から受信し、
    前記サーバは、受信した前記音声データを用いて、前記対象者における精神状態を示すメンタル値を算出し、
    前記サーバは、記憶部に予め記憶された前記対象者に対する健康診断の結果を示す健診データと、算出された前記メンタル値とに基づいて、前記対象者が患う可能性のある疾患を推定し、
    前記サーバは、前記対象者が患う可能性のある疾患を示す推定の結果を前記通信端末に送信し、
    前記通信端末は、前記推定の結果を前記サーバから受信する
    ことを特徴とする健康推定方法。
17. 少なくとも１つの通信端末と、ネットワークを介して前記通信端末に接続されるサーバとを有する健康推定システムの健康推定方法であって、
    前記通信端末は、検査対象の対象者が発話した音声を含む音声データを取得し、
    前記通信端末は、取得した前記音声データを用いて、前記対象者における精神状態を示すメンタル値を算出し、
    前記通信端末は、前記メンタル値を前記サーバに送信し、
    前記サーバは、前記メンタル値を前記通信端末から受信し、
    前記サーバは、記憶部に予め記憶された前記対象者に対する健康診断の結果を示す健診データと、受信した前記メンタル値とに基づいて、前記対象者が患う可能性のある疾患を推定し、
    前記サーバは、前記対象者が患う可能性のある疾患を示す推定の結果を前記通信端末に送信し、
    前記通信端末は、前記推定の結果を前記サーバから受信する
    ことを特徴とする健康推定方法。
    

Images