JP2019107359A - 計算機システム、認知機能の評価方法、及びプログラム - Google Patents

Abstract

【課題】ユーザに負担を与えることなく認知症の発症リスクを評価する。【解決手段】計測器によって計測された身体情報を用いた健康サービスを提供する計算機システムであって、計算機システムはユーザの記憶力を解析する解析部を有する計算機を備え、解析部は、計測器が送信した身体情報及びユーザが入力した身体情報の整合判定処理の結果の履歴に基づいて誤りパターンを解析し、誤りパターンの解析結果に基づいて認知機能を評価するための第１評価値を算出し、ユーザの身体情報の入力行為に関する行動パターンを解析し、行動パターンの解析結果に基づいて認知機能を評価するための第２評価値を算出し、第１評価値及び第２評価値に基づいて、ユーザの認知機能を評価する。【選択図】図６

Description

本発明は、健康サービスを提供するシステムにおいて、認知症を診断するための認知機能の評価技術に関する。

現在、高齢化社会の進行に伴って、認知症を発症する人も多くなってきている。それに伴い、医療費の増加及び介護に必要なリソース不足が問題となってきている。

認知症は年齢の上昇に伴い発症する割合も多くなる。認知症は様々な種類があるが、発症する認知症の多くの割合を占めるのは、アルツハイマー型認知症である。アルツハイマー型認知症は、発症してから早い段階で適切な診断及び治療を行うことによって、進行を遅らせることができることが分かってきている。そのため、認知症の発症を早期に発見することが重要である。

認知症の発症の発見の難しさは、本人の自覚が困難な点である。認知症の症状は徐々に進行することが多いため、認知症が発症している場合であっても人が自己の変化に気づきにくい。また、認知症の症状が進行した場合、人が自分の症状を正常に判断できなくなる。

認知症の症状に気づくケースは、家族等の共同生活者からの指摘によるものが多い。しかし、共同生活者が認知症の症状に気づいた時点では、認知症の症状が進行している場合も多い。

認知症の発症を発見するための方法として、改定長谷川式簡易知能評価スケール（ＨＤＳ−Ｒ）及びミニメンタルステート検査（ＭＭＳＥ）等の検査がよく使用される。しかし、人が、前述の方法に基づく検査を日常的に行うことは現実的ではない。

また、ユーザが単独で認知度の測定と認知症のリハビリトレーニングを行うことを目的として、認知症の改善効果を自律的に再評価するシステムが知られている（例えば、特許文献１を参照）。特許文献１には、「認知症の中核症状に対応する複数のゲームアプリを用いて認知度の測定とリハビリトレーニングを行うものであって、測定モードとトレーニングモードを選択するモード選択部を有し、測定モードでは評価指標別に施設利用者の現在の認知度レベルに対応するゲームを選択して実行させ、ゲーム実行結果から認知度評価値を演算してユーザログに記録し、各評価指標の認知度評価値から認知度レベル評価値を演算して施設利用者の認知度レベルを更新する機能を有する。トレーニングモードでは施設利用者の現在の認知度レベルに対応するゲームから施設利用者が選択したゲームを実行可能とする。またユーザログに基づいてレポートを生成する」ことが記載されている。

特許文献１に記載の技術を用いた場合であっても、人、特に、認知症を発症していない人が、特許文献１に記載のようなシステムを日常的に使用することは難しいと考えられる。

特開２０１６−０７１８９７号公報

従来の認知症の検査方法は、認知機能の評価に特化した検査方法又はシステムを用いて行われるため、日常的に行うことが難しく、また、興味を持たない人が積極的に行わないという問題がある。

本発明では、認知機能の評価に特化した検査方法及びシステムを用いることなく、かつ、様々なユーザが利用可能な認知機能の評価を実現するシステム、方法、及びプログラムを提供する。

本願において開示される発明の代表的な一例を示せば以下の通りである。すなわち、計測器によって計測されたユーザの身体情報を用いた健康サービスを提供する計算機システムであって、前記計算機システムは、前記ユーザの認知機能を解析する解析部を有する計算機を備え、前記計算機は、プロセッサ、前記プロセッサに接続されるメモリ、及び前記プロセッサに接続されるネットワークインタフェースを有し、前記プロセッサは、前記計測器が送信した身体情報である第１身体情報を格納する記憶装置にアクセスできるように接続され、前記解析部は、前記第１身体情報、及び、前記計測器によって提示され、前記ユーザが記憶した身体情報である第２身体情報を取得し、前記第２身体情報が前記第１身体情報に一致するか否かを判定する整合判定処理を実行し、前記ユーザによる前記第２身体情報の入力行為に関連する情報である入力行為情報を生成し、前記第１身体情報、前記整合判定処理の結果、及び前記入力行為情報を対応づけて前記記憶装置に登録し、前記整合判定処理の結果及び前記入力行為情報の履歴を前記記憶装置から取得し、前記整合判定処理の結果の履歴に基づいて、前記第２身体情報と異なる前記第１身体情報が入力される回数に関する誤りパターンを解析し、前記誤りパターンの解析結果に基づいて、認知機能を評価するための第１評価値を算出し、前記入力行為情報の履歴に基づいて、前記ユーザの入力行為に関する行動パターンを解析し、前記行動パターンの解析結果に基づいて、認知機能を評価するための第２評価値を算出し、前記第１評価値及び前記第２評価値に基づいて、前記ユーザの認知機能を評価することを特徴とする。

本発明の一形態によれば、健康状態を把握するための健康サービスにおいて、ユーザに負担を与えることなく認知機能（記憶力）の評価が可能となる。上記した以外の課題、構成及び効果は、以下の実施例の説明により明らかにされる。

実施例１の計算機システムの構成例を示す図である。 実施例１の計測器の一例を示す図である。 実施例１の計測器の一例を示す図である。 実施例１の計測器の一例を示す図である。 実施例１の端末のハードウェア構成及びソフトウェア構成の一例を説明する図である。 実施例１のアプリケーションサーバのハードウェア構成及びソフトウェア構成の一例を説明する図である。 実施例１のデータベースに格納される情報の一例を示す図である。 実施例１のデータベースに格納される情報の一例を示す図である。 実施例１の計算機システムの処理の流れを説明するシーケンス図である。 実施例１の端末の解析モジュールが実行する処理の一例を説明するフローチャートである。 実施例１の端末が取得する健康管理情報の履歴の一例を示す図である。 実施例２の計算機システムの構成例を示す図である。 実施例２の端末のハードウェア構成及びソフトウェア構成の一例を示す図である。 実施例２の計算機システムの処理の流れを説明するシーケンス図である。 実施例３の計算機システムの構成例を示す図である。

以下、本発明にかかる実施例を添付図面を用いて説明する。各図において共通する構成については同一の参照符号が付されている。

図１は、実施例１の計算機システムの構成例を示す図である。図２Ａ、図２Ｂ、及び図２Ｃは、実施例１の計測器１１０の装置形態の一例を示す図である。図３は、実施例１の端末１２０のハードウェア構成及びソフトウェア構成の一例を説明する図である。図４は、実施例１のアプリケーションサーバ１４０のハードウェア構成及びソフトウェア構成の一例を説明する図である。

計算機システムは、計測器１１０、端末１２０、基地局１３０、アプリケーションサーバ１４０、及びデータベース１５０から構成される。

本実施例のアプリケーションサーバ１４０及びデータベース１５０は、健康サービスの制御及び情報を管理するシステムを構成する。本実施例の健康サービスでは、計測器１１０を用いて計測された身体情報の管理、身体情報に基づく健康状態の管理、及び認知機能の評価が行われる。ユーザ１００は、当該健康サービスを利用することによって、身体情報の変化、健康状態、さらに、認知症の発症リスクを把握できる。本実施例の認知機能の評価では、認知機能の一つである記憶力の評価が行われる。

基地局１３０及びアプリケーションサーバ１４０は、ネットワーク１６０を介して接続される。ネットワーク１６０は、ＷＡＮ（Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）及びＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）等である。また、端末１２０及び基地局１３０は、図示しない無線ネットワークを介して接続される。また、アプリケーションサーバ１４０及びデータベース１５０は、直接又はネットワークを介して接続される。

計測器１１０は、ユーザ１００の身体情報を計測する装置である。図１では、計測器１１０の一例として、体重及び体組成を身体情報として計測する体重計を示す。なお、本発明は計測器１１０の種別に限定されない。例えば、計測器１１０は、図２Ａに示す血圧計、図２Ｂに示す体温計、及び図２Ｃに示す活動量計が考えられる。活動量計は、歩数、走行数、心拍数、運動量、及び睡眠時間等を身体情報として計測する装置である。なお、図示しない、歩数を身体情報として計測する歩数計を計測器１１０として用いてもよい。

実施例１の計測器１１０は、表示画面１１１及び通信装置１１２を有する。また、計測器１１０は、プロセッサ等の演算装置、及びメモリ等の記憶装置等のハードウェアを有する。

表示画面１１１は、身体情報を表示する画面である。本実施例では、ユーザ１００は、表示画面１１１に表示された身体情報を記憶し、端末１２０に入力する。通信装置１１２は、端末１２０等の外部装置と通信するための装置である。

なお、計測器１１０が体重計及び心拍計である場合、通信装置１１２は外付けされたデバイス又は装置に内蔵された電子回路として実装され、計測器１１０が温度計又は活動量計である場合、通信装置１１２は装置に内蔵された電子回路として実装される。

本実施例では、計測器１１０は、表示画面１１１を用いてユーザ１００に身体情報を通知しているがこれに限定されない。例えば、計測器１１０は、音声再生装置を有し、音声再生装置から身体情報を音声としてユーザ１００に通知してもよい。この場合、ユーザ１００は、音声として取得した身体情報を記憶し、端末１２０に入力する。

端末１２０は、携帯電話、スマートフォン、及びタブレット端末等の装置である。ここで、図３を用いて端末１２０のハードウェア構成及びソフトウェア構成について説明する。

端末１２０は、プロセッサ３００、メモリ３０１、通信装置３０２、入力装置３０３、及び出力装置３０４を有する。各ハードウェアは、内部バスを介して互いに接続される。

プロセッサ３００は、メモリ３０１に格納されるプログラムを実行する演算装置である。プロセッサ３００がプログラムにしたがって処理を実行することによって、特定の機能を実現する機能部（モジュール）として動作する。以下の説明では、機能部を主語に処理を説明する場合、プロセッサ３００が当該機能部を実現するプログラムを実行していることを表す。

メモリ３０１は、プロセッサ３００が実行するプログラム及びプログラムが使用する情報を格納する記憶装置である。また、メモリ３０１は、プログラムが一時的に使用するワークエリアを含む。

端末１２０のメモリ３０１には、解析モジュール３１０を実現するプログラムが格納される。解析モジュール３１０は、ユーザが認知症の発症リスクを把握するための記憶力の評価処理を実行する。

通信装置３０２は、外部装置と通信するための装置である。通信装置３０２は、例えば、ＮＩＣ（Ｎｅｔｗｏｒｋ Ｉｎｔｅｒｆａｃｅ Ｃａｒｄ）である。

入力装置３０３は、キーボード、マウス、及びタッチパネル等である。出力装置３０４は、ディスプレイ及びタッチパネル等である。

アプリケーションサーバ１４０は、健康サービスが提供する各種機能を実現する計算機である。ここで、図４を用いてアプリケーションサーバ１４０のハードウェア構成及びソフトウェア構成について説明する。

アプリケーションサーバ１４０は、プロセッサ４００、メモリ４０１、及び通信装置４０２を有する。各ハードウェアは、内部バスを介して互いに接続される。プロセッサ４００、メモリ４０１、及び通信装置４０２は、プロセッサ３００、メモリ３０１、及び通信装置３０２と同一のハードウェアである。

アプリケーションサーバ１４０のメモリ４０１には、アプリケーション４１０を実現するプログラムが格納される。アプリケーション４１０は、健康サービスを制御するための処理を実行する。本実施例のアプリケーション４１０は、端末１２０から受信した身体情報等をデータベース１５０に記録する処理を実行する。

データベース１５０は、健康サービスにおいて使用される各種情報を格納する。データベース１５０は、例えば、コントローラ、通信装置、並びに、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）及びＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等の記憶装置を有するストレージシステムを用いて実現される。データベース１５０に格納される情報の一例については、図５Ａ及び図５Ｂを用いて説明する。

ここで、実施例１の計算機システムにおける処理の概要について説明する。

認知症を発症していない人（ユーザ１００）は、端末１２０に誤った身体情報を入力する確率は低く、また、端末１２０への身体情報の入力に要する時間は、短く、かつ、ほぼ一定の値である。以下の説明では、端末１２０に誤った身体情報を入力する確率を誤り率と記載する。

認知症を発症した人は、記憶力（短期記憶能力）が低下するため、短時間であっても情報を記憶することが困難となる。したがって、認知症を発症した人は、身体情報の確認及び修正を頻繁に行うため、身体情報の入力に要する時間が長くなる。特に、体重及び血圧等、日々変化する値は予め記憶できない情報であるため、人は計測時に身体情報を一時的に記憶する必要がある。したがって、人が身体情報を記憶し、情報を入力するという一連の行為を解析することによって、記憶力を正確に評価できる。

認知症の症状が深刻化した場合、人が、誤った身体情報の入力を気づかないまま、身体情報の入力を終了する可能性がある。また、人が、身体情報の入力を忘れる可能性がある。すなわち、認知症が発症した場合、誤った身体情報が入力される回数が多くなり、また、身体情報の計測完了から入力開始までの時間幅が大きくなる。したがって、人が身体情報を記憶し、身体情報を入力するという一連の行為を解析することによって、記憶力を正確に評価できる。

以下の説明では、人が身体情報を記憶し、情報を入力するという一連の行為に関連する情報を入力行為情報と記載する。

実施例１の計算機システムでは、前述したような、記憶力及び身体情報の入力に伴う行為の間の関係性を利用して、以下のような処理が実行される。

まず、ユーザ１００は計測器１１０（体重計）を用いて身体情報（体重）を計測する。なお、身体情報の計測は、継続的に行われているものとする。例えば、毎日、毎週、又は毎月、ユーザ１００は身体情報を計測する。

計測器１１０は、通信装置１１２を用いて、身体情報を端末１２０に送信し、また、表示画面１１１に身体情報を表示する。このとき、端末１２０の解析モジュール３１０は入力行為情報の取得を開始する。なお、端末１２０に送信される身体情報には、計測完了時刻、計測器１１０の識別情報、計測器１１０の種別、及び身体情報の種別等を含むメタ情報が付与される。

ユーザ１００は、表示画面１１１に表示された身体情報を記憶し、任意のタイミングで、端末１２０に記憶した身体情報を入力する。

端末１２０の解析モジュール３１０は、身体情報の入力操作を受け付けた場合、登録画面１２１を表示する。ユーザ１００は、登録画面１２１の表示にしたがって、身体情報を入力する。このとき、解析モジュール３１０は、登録画面１２１を用いた身体情報の入力操作に関連する情報を入力行為情報として生成する。

解析モジュール３１０は、端末１２０が送信した身体情報及びユーザ１００が入力した身体情報が一致するか否かを判定する。以下の説明では、端末１２０が送信した身体情報を第１身体情報と記載し、ユーザ１００が入力した身体情報を第２身体情報と記載する。また、第１身体情報及び第２身体情報を区別しない場合、身体情報と記載する。また、前述の判定結果に関する情報をマッチング情報と記載する。

解析モジュール３１０は、基地局１３０及びネットワーク１６０を介して、マッチング情報及び入力行為情報を含む登録要求をアプリケーションサーバ１４０に送信する。また、解析モジュール３１０は、マッチング情報及び入力行為情報の履歴を取得するための取得要求をアプリケーションサーバ１４０に送信する。

アプリケーションサーバ１４０のアプリケーション４１０は、登録要求を受信した場合、データベース１５０にマッチング情報及び入力行為情報を登録する。また、アプリケーション４１０は、取得要求を受信した場合、ユーザ１００のマッチング情報及び身体情報の履歴をデータベース１５０から読み出し、端末１２０にマッチング情報及び身体情報の履歴を送信する。

解析モジュール３１０は、マッチング情報及び身体情報の履歴を用いて、認知症の発症リスクが高いか否かを判定するための記憶力評価処理を実行する。

次にデータベース１５０に格納される情報について説明する。図５Ａ及び図５Ｂは、実施例１のデータベース１５０に格納される情報の一例を示す図である。

実施例１のデータベース１５０は、健康管理情報５００を格納する。健康管理情報５００は、ユーザ１００の身体情報、マッチング情報、及び入力行為情報を管理するための情報である。説明のために健康管理情報５００を二つに分けて記載しているが、実際の健康管理情報５００は一つのテーブルとして管理される。なお、実施例１のデータベース１５０には、各ユーザ１００の健康管理情報５００が格納される。

健康管理情報５００は、計測時刻５０１、ＩＤ５０２、計測器種別５０３、身体情報種別５０４、身体情報５０５、経過時間５０６、入力時間５０７、修正回数５０８、マッチング結果５０９、繰返し回数５１０、及び項目数５１１から構成されるエントリを含む。

計測時刻５０１、ＩＤ５０２、計測器種別５０３、及び身体情報種別５０４は、第１身体情報に付与されたメタ情報に含まれる値を格納するフィールドである。身体情報５０５は、第１身体情報を格納するフィールドである。経過時間５０６、入力時間５０７、及び修正回数５０８は、入力行為情報に含まれる値を格納するフィールドである。マッチング結果５０９は、マッチング情報に含まれる値を格納するフィールドである。

繰返し回数５１０及び項目数５１１は、計測器１１０が計測を開始してから１セット計測期間に同じ種別の身体情報を繰り返し計測した場合の値を格納するフィールドである。１セット計測期間は、例えば、計測開始から１時間から２時間までの期間である。

ここで、エントリに含まれる各フィールドについて説明する。

計測時刻５０１は、第１身体情報の計測が完了した時刻を格納するフィールドである。なお、計測時刻５０１には、端末１２０が第１身体情報を受信した時刻が格納されてもよい。ＩＤ５０２は、計測器１１０に付与された識別番号を格納するフィールドである。計測器種別５０３は、計測器１１０の種別を格納するフィールドである。身体情報種別５０４は、計測器１１０によって計測される身体情報の種別を格納するフィールドである。身体情報５０５は、計測器１１０が計測した身体情報（第１身体情報）を格納するフィールドである。

経過時間５０６は、第１身体情報の計測が完了してから、第２身体情報の入力が開始されるまでに経過した時間を格納するフィールドである。例えば、第１身体情報の計測が完了した時刻が「１３：００：１０」であり、第２身体情報の入力が開始された時刻が「１４：００：３１」である場合、経過時間５０６には、「１．０」が格納される。なお、本実施例の経過時間５０６の単位は、１時間を単位とする値が格納される。

入力時間５０７は、ユーザ１００が端末１２０を操作して第２身体情報の入力を開始してから入力が終了するまでの時間を格納するフィールドである。例えば、第２身体情報の入力の開始時刻が「１４：００：３１」であり、第２身体情報の入力が終了した時刻が「１４：０３：５２」である場合、入力時間５０７には「００：０３：２１」が格納される。

修正回数５０８は、第２身体情報の入力操作において、身体情報を修正した回数を格納するフィールドである。

マッチング結果５０９は、マッチング情報を格納するフィールドである。マッチング結果５０９には「ＴＲＵＥ」及び「ＦＡＬＳＥ」のいずれかが格納される。「ＴＲＵＥ」は、第１身体情報及び第２身体情報が一致していることを示す。「ＦＡＬＳＥ」は、第１の身体情報及び第２身体情報が一致しないことを示す。

繰返し回数５１０は、１セット計測期間に身体情報が計測された回数を格納するフィールドである。項目数５１１は、１セット計測期間に計測される身体情報の種別の数を格納するフィールドである。

図６は、実施例１の計算機システムの処理の流れを説明するシーケンス図である。

ユーザ１００は、計測器１１０を用いて身体情報の計測を開始する（ステップＳ１００）。

計測器１１０は、身体情報の計測が完了した場合、表示画面１１１に身体情報を表示する（ステップＳ１０１）。また、計測器１１０は、身体情報（第１身体情報）を端末１２０に送信する（ステップＳ１０２）。なお、計測器１１０が送信する第１身体情報には、メタ情報が付加される。

端末１２０の解析モジュール３１０は、第１身体情報を一時的にメモリ３０１に格納する。また、解析モジュール３１０は、第１身体情報のメタ情報に含まれる計測完了時刻を起点時刻として経過時間の計測を開始する。

ユーザ１００は、表示画面１１１に表示された身体情報を記憶し、任意のタイミングで端末１２０に身体情報（第２身体情報）を入力する（ステップＳ１０３）。

端末１２０の解析モジュール３１０は、第２身体情報を受信した場合、第１身体情報及び備第２身体情報の整合判定処理を実行する（ステップＳ１０４）。

具体的には、解析モジュール３１０は、第２身体情報が第１身体情報に一致するか否かを判定する。第２身体情報が第１身体情報に一致すると判定された場合、解析モジュール３１０はマッチング情報として「ＴＲＵＥ」を出力し、第２身体情報が第１身体情報に一致しないと判定された場合、解析モジュール３１０はマッチング情報として「ＦＡＬＳＥ」を出力する。

端末１２０は、入力行為情報を生成する（ステップＳ１０５）。具体的には、以下のような処理が実行される。

解析モジュール３１０は、起点時刻及びユーザ１００の入力操作の開始時刻に基づいて、経過時間を算出する。解析モジュール３１０は、第２身体情報の入力操作の開始時刻及び終了時刻に基づいて、入力時間を算出する。

また、解析モジュール３１０は、第２身体情報の入力操作における身体情報の修正回数をカウントする。例えば、解析モジュール３１０は、修正ボタンの操作回数を身体情報の修正回数としてカウントする。

解析モジュール３１０は、経過時間、入力時間、及び修正回数を一つの入力行為情報として生成する。以上がステップＳ１０５の処理の説明である。

端末１２０の解析モジュール３１０は、アプリケーションサーバ１４０に、第１身体情報、マッチング結果、及び入力行為情報を含む登録要求を送信する（ステップＳ１０６）。

アプリケーションサーバ１４０は、登録要求を受信した場合、データベース１５０に格納される健康管理情報５００を更新する（ステップＳ１０７）。

具体的には、アプリケーション４１０は、健康管理情報５００にエントリを追加する。アプリケーション４１０は、第１身体情報に基づいて、追加されたエントリの計測時刻５０１、ＩＤ５０２、計測器種別５０３、身体情報種別５０４、及び身体情報５０５に値を設定する。アプリケーション４１０は、入力行為情報に基づいて、追加されたエントリの経過時間５０６、入力時間５０７、及び修正回数５０８に値を設定する。また、アプリケーション４１０は、マッチング情報に基づいて、追加されたエントリのマッチング結果５０９に値を設定する。

なお、アプリケーション４１０は、健康管理情報５００の更新が完了した場合、端末１２０に健康管理情報５００の更新が完了した旨を通知してもよい。

端末１２０の解析モジュール３１０は、アプリケーションサーバ１４０に、健康管理情報５００から履歴（エントリ群）を取得するための取得要求を送信する（ステップＳ１０８）。取得要求には、計測器１１０の識別番号、身体情報の種別、及び取得期間が含まれる。取得期間は、例えば、現在から１か月前までの期間である。なお、取得期間は、ユーザ又は健康サービスを提供する管理者等が任意のタイミングで変更できる。

アプリケーションサーバ１４０は、取得要求を受信した場合、健康管理情報５００から、計測時刻５０１が取得期間に含まれるエントリ群を読み出し、読み出されたエントリ群を含む応答を端末１２０に送信する。

端末１２０の解析モジュール３１０は、取得したエントリ群を用いて、記憶力評価処理を実行する（ステップＳ１０９）。記憶力評価処理の詳細は図７を用いて説明する。

端末１２０の解析モジュール３１０は、計測器１１０及びアプリケーションサーバ１４０のそれぞれに、処理結果を通知する（ステップＳ１１０、Ｓ１１１）。

アプリケーションサーバ１４０は、認知症の発症リスクが高いことを示す処理結果を受信した場合、ユーザ１００の家族等の関係者に解析結果を通知してもよいし、医療機関及び金融機関等に解析結果を通知してもよい。この場合、ユーザ１００は、予め、ＧＵＩを用いて処理結果を通知する人、機関、及びサービスを指定する。

図７は、実施例１の端末１２０の解析モジュール３１０が実行する記憶力評価処理の一例を説明するフローチャートである。図８は、実施例１の端末１２０が取得する健康管理情報５００の履歴の一例を示す図である。

解析モジュール３１０は、健康管理情報５００から読み出されたエントリ群に基づいて誤りパターンを解析する（ステップＳ２００）。誤りパターンは、第１身体情報と異なる第２身体情報が入力される回数に関するパターン、すなわち、誤った身体情報が入力される回数に関するパターンである。別の観点では、誤りパターンは、誤った身体情報が入力される回数の時間的な変化を示す指標となる。

認知症が発症している場合、短期記憶能力の低下によって、誤った第２身体情報が入力される回数が多くなる。別の観点では、第２身体情報が第１身体情報に一致しない確率（誤り率）が高くなることを示す。そこで、解析モジュール３１０は、誤り率の変化を解析する。誤りパターンの解析方法は、例えば、以下のような処理が考えられる。

解析モジュール３１０は、直近の期間に含まれるエントリ群の中でマッチング結果５０９が「ＦＡＬＳＥ」であるエントリの割合（第１誤り率）を算出する。直近の期間は、例えば、現在から１週間前の期間である。解析モジュール３１０は、取得期間から直近の期間を除いた期間に含まれるエントリ群の中でマッチング結果５０９が「ＦＡＬＳＥ」であるエントリの割合（第２誤り率）を算出する。

解析モジュール３１０は、第２誤り率から第１誤り率を減算することによって、誤り率の変化量を算出する。解析モジュール３１０は、誤り率の変化量に基づいて、記憶力を評価するための第１評価値を算出する。本実施例では、誤り率の変化量を変数とする数式が予め設定されているものとする。

誤り率の変化量が正の場合、ユーザ１００の短期記憶能力が低下していると推定される。この場合、記憶力が低下していることを示す第１評価値が算出される。以上がステップＳ２００の処理の説明である。

次に、解析モジュール３１０は、健康管理情報５００から読み出されたエントリ群に基づいて行動パターンを解析する（ステップＳ２０１）。行動パターンは、第２身体情報の入力操作に関するパターンである。別の観点では、行動パターンは、第２身体情報の入力操作の時間的な変化を示す指標となる。

認知症が発症している場合、短期記憶能力の低下によって、身体情報の修正を頻繁に行うため、身体情報の入力に要する時間が長くなる。そこで、解析モジュール３１０は、第２身体情報の入力操作における修正回数及び入力時間の変化を解析する。

また、認知症の症状が進行している場合、第２身体情報の入力行為そのものを忘れる傾向が高くなる。そこで、解析モジュール３１０は、経過時間の変化を解析する。

各値の解析方法は、例えば、以下のような処理が考えられる。

解析モジュール３１０は、直近の期間に含まれるエントリ群の入力時間５０７及び修正回数５０８の平均値（第１平均値）を算出する。また、解析モジュール３１０は、取得期間から直近の期間を除いた期間に含まれるエントリ群の入力時間５０７及び修正回数５０８の平均値（第２平均値）を算出する。

解析モジュール３１０は、入力時間５０７の第１平均値から第２平均値を減算することによって、入力時間の変化量を算出する。解析モジュール３１０は、修正回数５０８の第１平均値から第２平均値を減算することによって、修正回数の変化量を算出する。解析モジュール３１０は、入力時間の変化量に基づいて記憶力を評価するための第２評価値を算出し、修正回数の変化量に基づいて記憶力を評価するための第３評価値を算出する。本実施例では、各変化量を変数とする数式が予め設定されているものとする。

なお、解析モジュール３１０は、入力時間の変化量及び修正回数の変化量に基づいて記憶力を評価するための評価値を算出してもよい。また、平均値の代わりに標準偏差を用いてもよい。

なお、二つの期間の平均値及び標準偏差は、図８に示すような値として算出される。期間８００は直近の期間を表し、期間８０１は取得期間から直近の期間を除いた期間を表す。また、各期間の実線は平均値を表し、各期間の破線は標準偏差を表す。

入力時間の変化量又は修正回数の変化量が正の場合、ユーザ１００の短期記憶能力が低下していると推定される。この場合、記憶力が低下していることを示す第２評価値又は第３評価値が算出される。

また、解析モジュール３１０は、直近の期間に含まれるエントリ群の経過時間５０６の平均値（第３平均値）を算出する。また、解析モジュール３１０は、取得期間から直近の期間を除いた期間に含まれるエントリ群の経過時間５０６の平均値（第４平均値）を算出する。

解析モジュール３１０は、第３平均値から第４平均値を減算することによって、経過時間の変化量を算出する。解析モジュール３１０は、経過時間の変化量に基づいて記憶力を評価するための第４評価値を算出する。本実施例では、経過時間の変化量を変数とする数式が予め設定されているものとする。

経過時間の変化量が正の場合、認知症の症状が進行していると推定される。この場合、記憶力が低下していることを示す第４評価値が算出される。以上がステップＳ２０１の処理の説明である。

次に、解析モジュール３１０は、総合評価値を算出する（ステップＳ２０２）。具体的には、解析モジュール３１０は、ステップＳ２００において算出された評価値及びステップＳ２０１において算出された評価値に基づいて総合評価値を算出する。

例えば、解析モジュール３１０は、全ての評価値の合計値を総合評価値として算出する。また、解析モジュール３１０は、各評価値に重み係数を乗算した値を足し合わせることによって総合評価値を算出する。

次に、解析モジュール３１０は、総合評価値に基づいて、認知症の発症リスクが高いか否かを判定する（ステップＳ２０３）。例えば、解析モジュール３１０は、総合評価値と閾値とを比較し、総合評価値が閾値より大きい場合、認知症の発症リスクが高いと判定する。

認知症の発症リスクが低いと判定された場合、解析モジュール３１０は、認知症の発症リスクが低いことを通知するための表示データを生成し（ステップＳ２０４）、処理を終了する。なお、認知症の発症リスクが低い場合、解析モジュール３１０は、表示データを生成しなくてもよい。この場合、ユーザ１００及びアプリケーションサーバ１４０への通知は行われない。

認知症の発症リスクが高いと判定された場合、解析モジュール３１０は、認知症の発症リスクが高いことを通知するための表示データを生成し（ステップＳ２０５）、処理を終了する。

なお、解析モジュール３１０は、誤りパターンの解析のみを実行してもよいし、行動パターンの解析のみを実行してもよい。また、行動パターンの解析では、経過時間５０６、入力時間５０７、及び修正回数５０８のいずれかの解析のみが実行されてもよい。

以上で説明したように実施例１によれば、健康サービスを提供するシステムを利用するユーザ１００は、計測器１１０を用いた身体情報の計測時に認知症の発症リスクを把握できる。本実施例では、認知機能の評価に特化した検査方法及びシステムを用いる必要がないため、ユーザに負担を与えることなく、認知症の診断が可能となる。

また、統計処理に基づいて認知症の発症リスクが推定されるため、特定の時刻の異常値を排除でき、正確な認知症な診断が可能となる。また、実施例１では、相対な評価が行われるため、ユーザ１００の記憶力及び身体能力に応じた認知症の診断が可能となる。

実施例２は計算機システムの構成が異なる。以下、実施例１との差異を中心に実施例２について説明する。

図９は、実施例２の計算機システムの構成例を示す図である。図１０は、実施例２の端末１２０のハードウェア構成及びソフトウェア構成の一例を示す図である。

実施例２の計算機システムは、計測器１１０及び端末１２０から構成される。実施例２では、端末１２０が健康サービスを提供する。

実施例２の端末１２０のハードウェア構成は、実施例１の端末１２０と同一である。実施例２の端末１２０のソフトウェア構成は、実施例１の端末１２０と異なる。具体的には、メモリ３０１には、解析モジュール３１０の他に、アプリケーション３２０を実現するプログラムが格納される。また、メモリ３０１には、データベース３３０が格納される。アプリケーション３２０は、アプリケーション４１０と同一の機能を有する。データベース３３０には、端末１２０を操作するユーザ１００の健康管理情報５００が格納される。

なお、端末１２０は、データベース３３０を格納するための記憶装置を有してもよい。また、端末１２０のメモリ３０１の容量を考慮して、健康管理情報５００に格納されるエントリは、一定期間経過した後に削除されるようにしてもよい。

図１１は、実施例２の計算機システムの処理の流れを説明するシーケンス図である。

ステップＳ１００からステップＳ１０５までの処理は、実施例１と同一である。解析モジュール３１０は、入力行為情報を生成した後、第１身体情報、マッチング結果、及び入力行為情報を含む登録要求をアプリケーション３２０に出力することによって、健康管理情報５００を更新する（ステップＳ１５０）。また、解析モジュール３１０は、データベース３３０から履歴を取得する（ステップＳ１５１）。

ステップＳ１０９及びステップＳ１１０の処理は、実施例１と同一である。実施例２では、アプリケーションサーバ１４０が存在しないため、ステップＳ１１１の処理は実行されない。

実施例２によれば、端末１２０が健康サービスを提供するシステムにおいて、実施例１と同様の効果を奏することができる。

実施例３では、計測器１１０の構成が異なる。以下、実施例１との差異を中心に実施例３について説明する。

図１２は、実施例３の計算機システムの構成例を示す図である。

実施例３の計算機システムは、実施例１の計算機システムと同様に、計測器１１０、端末１２０、基地局１３０、アプリケーションサーバ１４０、及びデータベース１５０から構成される。

実施例３では、計測器１１０が通信装置４０２を有さない。実施例３のその他の装置の構成は、実施例１と同一である。

実施例３では、健康管理情報５００のデータ構造が異なる。具体的には、エントリには、身体情報５０５及びマッチング結果５０９が含まれない。なぜならば、実施例３では、計測器１１０が第１身体情報を送信できないためである。

また、実施例３の記憶力評価処理が一部異なる。具体的には、ステップＳ２００の処理は実行されない。なぜならば、健康管理情報５００には、マッチング結果５０９が含まれないためである。

実施例３によれば、計測器１１０が通信装置１１２を有していない場合であって、実施例１と同様の効果を奏することができる。

なお、本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。また、例えば、上記した実施例は本発明を分かりやすく説明するために構成を詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、各実施例の構成の一部について、他の構成に追加、削除、置換することが可能である。

また、上記の各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等によりハードウェアで実現してもよい。また、本発明は、実施例の機能を実現するソフトウェアのプログラムコードによっても実現できる。この場合、プログラムコードを記録した記憶媒体をコンピュータに提供し、そのコンピュータが備えるプロセッサが記憶媒体に格納されたプログラムコードを読み出す。この場合、記憶媒体から読み出されたプログラムコード自体が前述した実施例の機能を実現することになり、そのプログラムコード自体、及びそれを記憶した記憶媒体は本発明を構成することになる。このようなプログラムコードを供給するための記憶媒体としては、例えば、フレキシブルディスク、ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ、ハードディスク、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）、光ディスク、光磁気ディスク、ＣＤ−Ｒ、磁気テープ、不揮発性のメモリカード、ＲＯＭなどが用いられる。

また、本実施例に記載の機能を実現するプログラムコードは、例えば、アセンブラ、Ｃ／Ｃ＋＋、ｐｅｒｌ、Ｓｈｅｌｌ、ＰＨＰ、Ｊａｖａ（登録商標）等の広範囲のプログラム又はスクリプト言語で実装できる。

さらに、実施例の機能を実現するソフトウェアのプログラムコードを、ネットワークを介して配信することによって、それをコンピュータのハードディスクやメモリ等の記憶手段又はＣＤ−ＲＷ、ＣＤ−Ｒ等の記憶媒体に格納し、コンピュータが備えるプロセッサが当該記憶手段や当該記憶媒体に格納されたプログラムコードを読み出して実行するようにしてもよい。

上述の実施例において、制御線や情報線は、説明上必要と考えられるものを示しており、製品上必ずしも全ての制御線や情報線を示しているとは限らない。全ての構成が相互に接続されていてもよい。

１００ ユーザ
１１０ 計測器
１１１ 表示画面
１１２ 通信装置
１２０ 端末
１３０ 基地局
１４０、４１０ アプリケーションサーバ
１５０、３３０ データベース
１６０ ネットワーク
３００、４００ プロセッサ
３０１、４０１ メモリ
３０２、４０２ 通信装置
３０３ 入力装置
３０４ 出力装置
３１０ 解析モジュール
３２０、４１０ アプリケーション

Claims (15)

1. 計測器によって計測されたユーザの身体情報を用いた健康サービスを提供する計算機システムであって、
   前記計算機システムは、前記ユーザの認知機能を解析する解析部を有する計算機を備え、
   前記計算機は、プロセッサ、前記プロセッサに接続されるメモリ、及び前記プロセッサに接続されるネットワークインタフェースを有し、
   前記プロセッサは、前記計測器が送信した身体情報である第１身体情報を格納する記憶装置にアクセスできるように接続され、
   前記解析部は、
   前記第１身体情報、及び、前記計測器によって提示され、前記ユーザが記憶した身体情報である第２身体情報を取得し、
   前記第２身体情報が前記第１身体情報に一致するか否かを判定する整合判定処理を実行し、
   前記ユーザによる前記第２身体情報の入力行為に関連する情報である入力行為情報を生成し、
   前記第１身体情報、前記整合判定処理の結果、及び前記入力行為情報を対応づけて前記記憶装置に登録し、
   前記整合判定処理の結果及び前記入力行為情報の履歴を前記記憶装置から取得し、
   前記整合判定処理の結果の履歴に基づいて、前記第２身体情報と異なる前記第１身体情報が入力される回数に関する誤りパターンを解析し、前記誤りパターンの解析結果に基づいて、認知機能を評価するための第１評価値を算出し、
   前記入力行為情報の履歴に基づいて、前記ユーザの入力行為に関する行動パターンを解析し、前記行動パターンの解析結果に基づいて、認知機能を評価するための第２評価値を算出し、
   前記第１評価値及び前記第２評価値に基づいて、前記ユーザの認知機能を評価することを特徴とする計算機システム。
2. 請求項１に記載の計算機システムであって、
   前記入力行為情報は、前記第２身体情報の入力時の修正回数を含み、
   前記解析部は、
   前記第２身体情報を入力するためのインタフェースを提供し、
   前記インタフェースを用いた前記第２身体情報の入力時の修正回数を計測し、
   前記第２身体情報の入力時の修正回数に関するパターンを、前記行動パターンとして解析することを特徴とする計算機システム。
3. 請求項１に記載の計算機システムであって、
   前記入力行為情報は、前記第２身体情報の入力が開始されてから終了するまでの時間である入力時間を含み、
   前記解析部は、
   前記第２身体情報を入力するためのインタフェースを提供し、
   前記インタフェースを用いた前記第２身体情報の入力時の前記入力時間を計測し、
   前記入力時間に関するパターンを、前記行動パターンとして解析することを特徴とする計算機システム。
4. 請求項１に記載の計算機システムであって、
   前記入力行為情報は、前記第１身体情報の計測が完了してから前記第２身体情報の入力が開始されるまでの時間である経過時間を含み、
   前記解析部は、
   前記第２身体情報を入力するためのインタフェースを提供し、
   前記第１身体情報に含まれる計測時刻、及び前記インタフェースを用いて前記第２身体情報の入力が開始された時刻に基づいて前記経過時間を算出し、
   前記経過時間に関するパターンを、前記行動パターンとして解析することを特徴とする計算機システム。
5. 請求項２から請求項４のいずれか一項に記載の計算機システムであって、
   前記解析部は、
   前記ユーザの認知機能の評価の結果に基づいて、認知症の発症リスクが高いか否かを判定し、
   認知症の発症リスクが高いと判定された場合、前記ユーザ、前記ユーザの関係者、及び前記ユーザが契約しているサービスを提供するシステムの少なくともいずれかに、認知症の発症リスクが高い旨を通知することを特徴とする計算機システム。
6. 計測器によって計測されたユーザの身体情報を用いた健康サービスを提供する計算機システムが実行する認知機能の評価方法であって、
   前記計算機システムは、前記ユーザの認知機能を解析する解析部を有する計算機を備え、
   前記計算機は、プロセッサ、前記プロセッサに接続されるメモリ、及び前記プロセッサに接続されるネットワークインタフェースを有し、
   前記プロセッサは、前記計測器が送信した身体情報である第１身体情報を格納する記憶装置にアクセスできるように接続され、
   前記認知機能の評価方法は、
   前記解析部が、前記第１身体情報、及び、前記計測器によって提示され、前記ユーザが記憶した身体情報である第２身体情報を取得する第１のステップと、
   前記解析部が、前記第２身体情報が前記第１身体情報に一致するか否かを判定する整合判定処理を実行する第２のステップと、
   前記解析部が、前記ユーザによる前記第２身体情報の入力行為に関連する情報である入力行為情報を生成する第３のステップと、
   前記解析部が、前記第１身体情報、前記整合判定処理の結果、及び前記入力行為情報を対応づけて前記記憶装置に登録する第４のステップと、
   前記解析部が、前記整合判定処理の結果及び前記入力行為情報の履歴を前記記憶装置から取得する第５のステップと、
   前記解析部が、前記整合判定処理の結果の履歴に基づいて、前記第２身体情報と異なる前記第１身体情報が入力される回数に関する誤りパターンを解析し、前記誤りパターンの解析結果に基づいて、認知機能を評価するための第１評価値を算出する第６のステップと、
   前記解析部が、前記入力行為情報の履歴に基づいて、前記ユーザの入力行為に関する行動パターンを解析し、前記行動パターンの解析結果に基づいて、認知機能を評価するための第２評価値を算出する第７のステップと、
   前記解析部が、前記第１評価値及び前記第２評価値に基づいて、前記ユーザの認知機能を評価する第８のステップと、を含むことを特徴とする認知機能の評価方法。
7. 請求項６に記載の認知機能の評価方法であって、
   前記入力行為情報は、前記第２身体情報の入力時の修正回数を含み、
   前記解析部は、前記第２身体情報を入力するためのインタフェースを提供し、
   前記第３のステップは、前記解析部が、前記インタフェースを用いた前記第２身体情報の入力時の修正回数を計測するステップを含み、
   前記第７のステップは、前記解析部が、前記第２身体情報の入力時の修正回数に関するパターンを、前記行動パターンとして解析するステップを含むことを特徴とする認知機能の評価方法。
8. 請求項６に記載の認知機能の評価方法であって、
   前記入力行為情報は、前記第２身体情報の入力が開始されてから終了するまでの時間である入力時間を含み、
   前記解析部は、前記第２身体情報を入力するためのインタフェースを提供し、
   前記第３のステップは、前記解析部が、前記インタフェースを用いた前記第２身体情報の入力時の前記入力時間を計測するステップを含み、
   前記第７のステップは、前記解析部が、前記入力時間に関するパターンを、前記行動パターンとして解析するステップを含むことを特徴とする認知機能の評価方法。
9. 請求項６に記載の認知機能の評価方法であって、
   前記入力行為情報は、前記第１身体情報の計測が完了してから前記第２身体情報の入力が開始されるまでの時間である経過時間を含み、
   前記解析部は、前記第２身体情報を入力するためのインタフェースを提供し、
   前記第３のステップは、前記解析部が、前記第１身体情報に含まれる計測時刻、及び前記インタフェースを用いて前記第２身体情報の入力が開始された時刻に基づいて前記経過時間を算出するステップを含み、
   前記第７のステップは、前記解析部が、前記経過時間に関するパターンを、前記行動パターンとして解析するステップを含むことを特徴とする認知機能の評価方法。
10. 請求項７から請求項９のいずれか一項に記載の認知機能の評価方法であって、
    前記解析部が、前記ユーザの認知機能の評価の結果に基づいて、認知症の発症リスクが高いか否かを判定するステップと、
    認知症の発症リスクが高いと判定された場合、前記解析部が、前記ユーザ、前記ユーザの関係者、及び前記ユーザが契約しているサービスを提供するシステムの少なくともいずれかに、認知症の発症リスクが高い旨を通知するステップと、を含むことを特徴とする認知機能の評価方法。
11. 計測器によって計測されたユーザの身体情報を用いた健康サービスを提供する計算機に実行させるためのプログラムであって、
    前記計算機は、プロセッサ、前記プロセッサに接続されるメモリ、及び前記プロセッサに接続されるネットワークインタフェースを有し、
    前記プロセッサは、前記計測器が送信した身体情報である第１身体情報を格納する記憶装置にアクセスできるように接続され、
    前記プログラムは、
    前記第１身体情報、及び、前記計測器によって提示され、ユーザが記憶した身体情報である第２身体情報を取得する第１の手順と、
    前記第２身体情報が前記第１身体情報に一致するか否かを判定する整合判定処理を実行する第２の手順と、
    前記ユーザによる前記第２身体情報の入力行為に関連する情報である入力行為情報を生成する第３の手順と、
    前記第１身体情報、前記整合判定処理の結果、及び前記入力行為情報を対応づけて前記記憶装置に登録する第４の手順と、
    前記整合判定処理の結果及び前記入力行為情報の履歴を前記記憶装置から取得する第５の手順と、
    前記整合判定処理の結果の履歴に基づいて、前記第２身体情報と異なる前記第１身体情報が入力される回数に関する誤りパターンを解析し、前記誤りパターンの解析結果に基づいて、認知機能を評価するための第１評価値を算出する第６の手順と、
    前記入力行為情報の履歴に基づいて、前記ユーザの入力行為に関する行動パターンを解析し、前記行動パターンの解析結果に基づいて、認知機能を評価するための第２評価値を算出する第７の手順と、
    前記第１評価値及び前記第２評価値に基づいて、前記ユーザの認知機能を評価する第８の手順と、を前記計算機に実行させるためのプログラム。
12. 請求項１１に記載のプログラムであって、
    前記入力行為情報は、前記第２身体情報の入力時の修正回数を含み、
    前記計算機は、前記第２身体情報を入力するためのインタフェースを提供し、
    前記第３の手順は、前記インタフェースを用いた前記第２身体情報の入力時の修正回数を計測する手順を含み、
    前記第７の手順は、前記第２身体情報の入力時の修正回数に関するパターンを、前記行動パターンとして解析する手順を含むことを特徴とするプログラム。
13. 請求項１１に記載のプログラムであって、
    前記入力行為情報は、前記第２身体情報の入力が開始されてから終了するまでの時間である入力時間を含み、
    前記計算機は、前記第２身体情報を入力するためのインタフェースを提供し、
    前記第３の手順は、前記インタフェースを用いた前記第２身体情報の入力時の前記入力時間を計測する手順を含み、
    前記第７の手順は、前記入力時間に関するパターンを、前記行動パターンとして解析する手順を含むことを特徴とするプログラム。
14. 請求項１１に記載のプログラムであって、
    前記入力行為情報は、前記第１身体情報の計測が完了してから前記第２身体情報の入力が開始されるまでの時間である経過時間を含み、
    前記計算機は、前記第２身体情報を入力するためのインタフェースを提供し、
    前記第３の手順は、前記第１身体情報に含まれる計測時刻、及び前記インタフェースを用いて前記第２身体情報の入力が開始された時刻に基づいて前記経過時間を算出する手順を含み、
    前記第７の手順は、前記経過時間に関するパターンを、前記行動パターンを解析する手順を含むことを特徴とするプログラム。
15. 請求項１２から請求項１４のいずれか一項に記載のプログラムであって、
    前記ユーザの記憶力の評価の結果に基づいて、認知症の発症リスクが高いか否かを判定する手順と、
    認知症の発症リスクが高いと判定された場合、前記ユーザ、前記ユーザの関係者、及び前記ユーザが契約しているサービスを提供するシステムの少なくともいずれかに、認知症の発症リスクが高い旨を通知する手順と、を前記計算機に実行させるためのプログラム。

Images