JP2020166441A - 生体情報に基づく健康状態推定方法および健康状態推定装置 - Google Patents

Abstract

【課題】予測モデルを用いて標的である個人または人の集団の健康状態を推定することを課題とする。【解決手段】標的の生体情報である第１生体情報を取得する段階と、前記標的と同じ属性である第１属性の集団の生体情報である第２生体情報の集合の分布における、前記標的の前記第１生体情報の位置を、第１位置情報として特定する段階と、前記標的と別の属性である第２属性の集団の生体情報である第３生体情報の集合の分布における、前記第１位置情報に対応する位置の生体情報を、第４生体情報として特定する段階と、前記第４生体情報を入力として用いて、予測モデルを用いて前記標的の健康状態を推定する段階と、を備える方法を提供する。【選択図】図１

Description

本発明は、生体情報に基づく健康状態推定方法および健康状態推定装置に関する。

現在の健康診断の検査結果の数値から、将来の健康状態または疾患の発症リスクを推定する方法は、特許文献１から３に記載の推定方法等に挙げられるように、現在までにいくつか知られている。

しかし、これまでに知られている推定方法は、数十年も先の健康状態を推定する場合、予測モデルを作成することが困難であったり、作成された予測モデルが精度に欠けるものであったりして、実用化が困難であるという問題が生じていた。

既存の予測モデル等を用いて、将来の健康状態等を推定する精度の高い推定方法および推定装置が求められている。

特開２０１９−０１６２３５号公報 特許６４３６５１５号公報 特表２０１７−１１７４６９号公報

上記に鑑みて、既存の予測モデル等を用いて、生体情報に基づく健康状態推定方法および健康状態推定装置を提供することを課題とする。

本発明の第１の態様においては、標的の生体情報である第１生体情報を取得する段階と、前記標的と同じ属性である第１属性の集団の生体情報である第２生体情報の集合の分布における、前記標的の前記第１生体情報の位置を、第１位置情報として特定する段階と、前記標的と別の属性である第２属性の集団の生体情報である第３生体情報の集合の分布における、前記第１位置情報に対応する位置の生体情報を、第４生体情報として特定する段階と、前記第４生体情報を入力として用いて、予測モデルを用いて前記標的の健康状態を推定する段階と、を備える方法を提供する。

また、本発明の第２の態様においては、第１のコンピュータおよび第２のコンピュータを含むクライアントサーバシステムであって、前記第１のコンピュータが、標的の生体情報である第１生体情報を取得して前記第２のコンピュータに前記第１生体情報を送信し、前記第２のコンピュータは、受信した前記第１生体情報を入力として、前記標的と同じ属性である第１属性の集団の生体情報である第２生体情報の集合の分布における、前記標的の前記第１生体情報の位置を、第１位置情報として特定し、前記第２のコンピュータは、前記標的と別の属性である第２属性の集団の生体情報である第３生体情報の集合の分布における、前記第１位置情報に対応する位置の生体情報を、第４生体情報として特定し、前記第２のコンピュータは、前記第４生体情報を入力として用いて、予測モデルを用いて前記標的の健康状態を推定し、前記第２のコンピュータは前記推定した結果を出力として前記第１のコンピュータに送信するクライアントサーバシステムを提供する。

なお、上記の発明の概要は、本発明の必要な特徴のすべてを列挙したものではない。また、これらの特徴群のサブコンビネーションもまた、発明となりうる。

本実施形態の健康状態推定装置１００の構成を示す図である。 本実施形態の健康状態推定装置１００の処理フローを示す図である。 本実施形態の健康状態推定装置１００の処理フローにおけるＳ２２０を示す図である。 本実施形態の健康状態推定装置１００の処理フローにおけるＳ２３０を示す図である。 本実施形態の健康状態推定装置１００により推定された、標的が将来疾患を発症する確率の一例である。 クライアントサーバシステム６００を用いて本発明を実施した実施形態の例を示す図である。 コンピュータ１９００のハードウェア構成の一例を示す。

以下、発明の実施の形態を通じて本発明を説明するが、以下の実施形態は特許請求の範囲に係る発明を限定するものではない。また、実施形態の中で説明されている特徴の組み合わせのすべてが発明の解決手段に必須であるとは限らない。

図１では、本実施形態の健康状態推定装置１００の構成の一例を示す。健康状態推定装置１００は、標的の生体情報である第１生体情報を取得して、標的の健康状態を推定し、該健康状態を出力する。健康状態推定装置１００は、第１生体情報取得部１１０と、第１位置情報特定部１２０と、第４生体情報特定部１３０と、健康状態推定部１４０と、健康状態出力部１５０を備える。健康状態推定装置１００は、ラップトップ端末、デスクトップ端末、サーバ、クライアント端末、スマートフォン、タブレット、ウエアラブル端末からなる群のうちの少なくとも１つであってよい。

第１生体情報取得部１１０は、標的の生体情報である第１生体情報を取得する。第１生体情報は、血液検査の結果の数値を含むものであってよい。第１生体情報取得部１１０は、取得した標的の生体情報を第１生体情報として、第１位置情報特定部１２０に送る。

第１位置情報特定部１２０は、第１生体情報取得部１１０から送られた第１生体情報に基づいて、標的と同じ属性である第１属性の集団の生体情報である第２生体情報の集合の分布における、標的の第１生体情報の位置（例えば、上位７０％）を、第１位置情報として特定する。例えば、第１位置情報特定部１２０は、標的が３５歳男性の場合、あらかじめ用意された３０歳代男性の生体情報の集合（第２生体情報の集合）の分布における、標的の第１生体情報の位置（例えば、上位７０％）を、第１位置情報として特定する。第１位置情報特定部１２０は、特定した第１位置情報を、第４生体情報特定部１３０に送る。

第４生体情報特定部１３０は、第１位置情報特定部１２０から送られた第１位置情報に基づいて、標的と別の属性である第２属性の集団の生体情報である第３生体情報の集合の分布における、第１位置情報に対応する位置の生体情報を、第４生体情報として特定する。例えば、第４生体情報特定部１３０は、標的が３５歳男性の場合、第１位置情報特定部１２０が特定した第１位置情報に基づいて、あらかじめ用意された６０歳代男性の生体情報の集合（第３生体情報の集合）の分布における、第１位置情報に対応する位置（例えば、上位７０％）の生体情報を、第４生体情報として特定する。第４生体情報特定部１３０は、特定した第４生体情報を、健康状態推定部１４０に送る。

健康状態推定部１４０は、第４生体情報特定部１３０から送られた第４生体情報を入力として用いて、予測モデルを用いて標的の健康状態を推定する。予測モデルは、第４生体情報に基づいて、将来疾患を発症する確率を推定するアルゴリズムである。例えば、健康状態推定部１４０は、第４生体情報特定部１３０が特定した、標的である３５歳男性の第１生体情報に対応する、６０歳代男性の第４生体情報を入力として用いて、予測モデルを用いて、標的の６９歳時点での健康状態を推定する。健康状態推定部１４０は、すでに公開されている予測モデルを用いて、標的の健康状態を推定するものであってよい。

第４生体情報は、血液検査の結果の数値を含むものであってよい。第１生体情報、第２生体情報、第３生体情報および第４生体情報はそれぞれ独立に、最低血圧、最高血圧、血糖値、ＨｂＡ１ｃ、中性脂肪、コレステロール、肝機能、腎機能、Ｘ線検査、ＢＭＩ、体重および腹囲からなる群のうちの少なくとも１つの結果の数値を含んでもよい。

健康状態は、標的が将来のある時点に疾患を発症する確率を含むものであってもよい。健康状態は、標的が将来の指定された期間の疾患を発症する確率を積算した積算確率を含むものであってよい。健康状態推定部１４０は、推定した標的の健康状態を、健康状態出力部１５０に送る。健康状態出力部１５０は、健康状態推定部１４０から送られた標的の健康状態を出力する。

図２は、本実施形態の健康状態推定装置１００による標的の健康状態の推定方法の処理フローの一例である。健康状態推定装置１００は、図２のＳ２１０〜Ｓ２５０の処理を行うことによって、標的の健康状態を推定することができる。なお、説明の便宜上、Ｓ２１０〜Ｓ２５０の処理を順番に説明するが、これらの処理はパイプラインのように並列に実行されるものであってもよい。

まず、Ｓ２１０において、第１生体情報取得部１１０が、標的の生体情報である第１生体情報を取得し、第１生体情報を第１位置情報特定部１２０に送る。ここで、標的は、個人または人の集団であってよい。

生体情報は、標的の健康診断の結果を含むものであってよい。標的が人の集団である場合、生体情報は、集団の中の個人の健康診断の結果を数値化したものの平均値を算出したものであってもよい。生体情報は、１つまたは複数の要素を含むものであってよい。

健康診断の結果の例として、標的の血液検査の結果の数値であってもよい。一例として、血液検査の結果の数値は、血糖値、ＨｂＡ１ｃ、中性脂肪、コレステロール、肝機能、腎機能のうちの少なくとも１つの検査の結果の数値を含む。健康診断の結果の例として、標的に対して行ったＸ線検査、心電図、脳波、ＭＲＩ、エコーまたはＣＴ等の機器を用いた検査の結果であってもよい。健康診断の結果の例として、標的に対して行った遺伝子検査または尿検査の結果であってもよい。健康診断の結果の例として、身長、体重、腹囲、胸囲、最低血圧、最高血圧、視力、座高またはＢＭＩ等の身体測定の数値であってもよい。

第１生体情報取得部１１０は、標的の生活習慣をさらに取得してもよい。標的の生活習慣は、標的に対して行った喫煙の有無、飲酒の有無、飲酒の量や頻度、運動習慣の有無、運動習慣の種類等のアンケート、または問診の結果であってよい。

具体例として、標的が３５歳男性喫煙者の場合を考える。標的の現在の血液検査の空腹時血糖値が１００（ｍｇ／ｄｌ）であったとする。この場合、第１生体情報は「空腹時血糖値：１００（ｍｇ／ｄｌ）」であってよく、生活習慣は「喫煙あり」となる。第１生体情報取得部１１０は、第１生体情報「空腹時血糖値：１００（ｍｇ／ｄｌ）」および生活習慣「喫煙あり」を第１位置情報特定部１２０に送ってよい。

次に、Ｓ２２０において、第１位置情報特定部１２０が、標的と同じ属性である第１属性の集団の生体情報である第２生体情報の集合の分布における、標的の第１生体情報の位置を、第１位置情報として特定し、該第１位置情報を第４生体情報特定部１３０に送る。第２生体情報は、血液検査の結果の数値を含むものであってよい。

属性は、年齢、性別および病歴からなる群のうちの少なくとも１つを含むものであってよい。第１属性は、第１生体情報を取得したときの年齢が属する年代と同年代であってよい。例えば、「標的と同じ属性」とは、標的が３５歳男性である場合、「男性」、「３５歳」、「３０歳代」、「３０歳代男性」、「喘息罹患者」等であってよい。

第２生体情報の集合の分布は、生体情報の集合における数値の度数分布または累積度数分布であってよい。例えば、第１属性が３０歳代男性の場合、第２生体情報の集合は３０歳男性、３１歳男性、３７歳男性等の多数の第１属性を有する者の生体情報をあらかじめ収集したものであってよい。例えば、第２生体情報の集合の分布は、厚生労働省のウェブサイト等で公開されている統計情報、健診実施機関から提供をうけた統計情報、またはその他入手可能な統計情報を用いて生成されたものであってもよい。

また、第２生体情報の集合の分布は、実際の分布に代えて、実際の分布に基づいて事前に定義された分布であってもよい。一例として、事前に定義された分布は、生体情報の集合の数値および度数から、平均値および分散を算出して、これらに基づいて生成された正規分布であってもよい。

例えば、Ｓ２２０において、標的の第１生体情報の位置を第１位置情報として特定する段階は、第２生体情報の集合の、事前に定義された分布を生成する段階と、事前に定義された分布における標的の第１生体情報の位置を、第１位置情報として特定する段階とを含むものであってもよい。

図３は、本実施形態の健康状態推定装置１００の処理フローにおけるＳ２２０を示す。Ｓ２２０において、第１位置情報特定部１２０が、標的と同じ属性である第１属性の集団の生体情報である第２生体情報の集合の分布における、標的の第１生体情報の位置を、第１位置情報として特定する方法の原理を以下に示す。

図３のグラフにおいて、横軸は第２生体情報の数値を表し、縦軸は、曲線３１０のように第２生体情報の集合の累積値の分布の場合は第２生体情報の集合全体の中での位置（順位）を表す。縦軸が、曲線３２０のように第２生体情報の集合の分布の場合は該第１生体情報を有する標的の数（人数）を表す。例えば、第２生体情報の数値は、血糖値や中性脂肪の数値のような血液検査の結果の数値を含むものであってよい。また、第２生体情報は第１生体情報と同じ種類（例えば、両方とも血糖値の情報）であってよいし、類似の種類（例えば、血糖値およびＨｂＡ１ｃの情報）であってもよい。例えば、第１生体情報が血糖値である場合、第２生体情報は血糖値またはＨｂＡ１ｃの数値であってもよい。

曲線３２０は第２生体情報の集合の分布であり、曲線３１０は第２生体情報の集合の累積値の分布である。ここで、点３３０は標的の第１生体情報を示す点である。一例として、曲線３１０において、横軸が点３３０に相当する縦軸の点は点３４０となり、点３４０が標的の第１位置情報になる。

ここで、特定とは、標的の第１位置情報を決める操作であってよい。位置とは、第２生体情報の集合全体の中での順位を表すものであってよい。位置とは、第２生体情報の集合全体の中での相対的な位置を表すものであってよい。例えば、相対的な位置とは、第２生体情報の集合全体の中での上位層、中位層または下位層を表すものであってよい。例えば、相対的な位置とは、第２生体情報の集合全体の中での百分位を表すものであってもよい。百分位は、第２生体情報の集合全体が１００人であると仮定したときの該標的の順位を表す。

例えば、標的の第１生体情報の位置を、第１位置情報として特定する段階は、第２生体情報の集合の分布における標的の第１生体情報の順位を特定してもよい。例えば、標的の第１生体情報の位置を、第１位置情報として特定する段階は、第２生体情報の集合の分布における標的の第１生体情報の相対的な位置を特定してもよい。例えば、標的の第１生体情報の位置を、相対的な位置として特定する段階は、第２生体情報の集合の分布における任意の位置で分けた分類に基づいて、標的の第１生体情報の位置を特定してもよい。例えば、標的の第１生体情報の位置を、相対的な位置として特定する段階は、第２生体情報の集合の分布における標的の第１生体情報の百分位法を用いて算出した位置を特定してもよい。

具体例として、第１位置情報特定部１２０は、第１生体情報取得部１１０から送られた標的の第１生体情報「空腹時血糖値：１００（ｍｇ／ｄｌ）」が、第２生体情報の集合の分布のどの位置に相当するかを算出する。この場合、第２生体情報とは、標的と同じ属性である第１属性である「３０歳代男性」の集団の生体情報である。図３の曲線３１０は、この具体例では、３０歳代男性の空腹時血糖値の分布の累積値を表す。図３の点３３０は、この具体例では、標的の第１生体情報「空腹時血糖値：１００（ｍｇ／ｄｌ）」を表す。図３の点３４０は、この具体例では、「百分位で、空腹時血糖値の低い方から生体情報を数えて７０番目、つまり７０／１００」を表す。この「７０／１００」という情報が、標的の第１位置情報に相当する。第１位置情報特定部１２０は、標的の第１位置情報「７０／１００」を、第４生体情報特定部１３０に送る。

次に、図２のＳ２３０において、第４生体情報特定部１３０が、標的と別の属性である第２属性の集団の生体情報である第３生体情報の集合の分布における、第１位置情報に対応する位置の生体情報を、第４生体情報として特定し、第４生体情報を健康状態推定部１４０に送る。第２属性は、第１属性よりも高齢の年代であってよい。一例として、標的が３５歳男性の場合、第１属性は３０歳代男性であってよく、このとき第２属性は６０歳代男性であってよい。第３生体情報は第２生体情報と同じ種類（例えば、両方とも血糖値の情報）であってよいし、類似の種類（例えば、血糖値およびＨｂＡ１ｃの情報）であってもよい。第３生体情報は、血液検査の結果の数値を含むものであってよい。

第３生体情報の集合の分布は、生体情報の集合における数値の度数分布または累積度数分布であってよい。例えば、第２属性が６０歳代男性の場合、第３生体情報の集合は６０歳男性、６１歳男性、６７歳男性等の多数の第２属性を有する者の生体情報をあらかじめ収集したものであってよい。例えば、第３生体情報の集合の分布は、厚生労働省のウェブサイト等で公開されている統計情報を用いて生成されたものであってもよい。

また、第３生体情報の集合の分布は、実際の分布に代えて、実際の分布に基づいて事前に定義された分布であってもよい。第３生体情報の集合の分布は、第２生体情報の集合の分布について説明したような、事前に定義された分布であってもよい。一例として、事前に定義された分布は、生体情報の集合の数値および度数から、平均値および分散を算出して生成された正規分布であってもよい。

図４は、本実施形態の健康状態推定装置１００の処理フローにおけるＳ２３０を示す。Ｓ２３０において、第４生体情報特定部１３０が、標的と別の属性である第２属性の集団の生体情報である第３生体情報の集合の分布における、第１位置情報に対応する位置の生体情報を、第４生体情報として特定する方法の原理を以下に示す。

図４のグラフにおいて、横軸は第３生体情報の数値を表し、縦軸は曲線４１０のように第３生体情報の集合の累積値の分布の場合は第３生体情報の集合全体の中での位置（順位）を表す。縦軸が、曲線４２０のように第３生体情報の集合の分布の場合は該第４生体情報を有する標的の数（人数）を表す。ここで、第３生体情報は、第１生体情報または第２生体情報と同じ種類（例えば、いずれも血糖値の情報）であってよいし、類似の種類（例えば、血糖値およびＨｂＡ１ｃの情報）であってもよい。例えば、第３生体情報の数値は、血糖値や中性脂肪の数値のような血液検査の結果の数値を含むものであってよい。また、位置とは、第３生体情報の集合全体の中での順位を表すものであってよい。例えば位置とは、第３生体情報の集合全体の中での相対的な位置を表すものであってよい。例えば、相対的な位置とは、第３生体情報の集合全体の中での上位層、中位層または下位層を表すものであってよい。例えば、相対的な位置とは、第３生体情報の集合全体の中での百分位を表すものであってもよい。

曲線４２０は第３生体情報の集合の分布であり、曲線４１０は第３生体情報の集合の累積値の分布である。ここで、点４３０は、標的の第１位置情報に対応する第３生体情報の集合の累積値の中での位置を表す点である。点３４０と点４３０とは、第２生体情報の集合の累積値と第３生体情報の集合の累積値とで同じ順位を表すものであってよい。点３４０と点４３０とは、第２生体情報の集合の累積値と第３生体情報の集合の累積値とで同じ相対的な位置を表すものであってもよい。点３４０と点４３０とは、第２生体情報の集合の累積値と第３生体情報の集合の累積値とで同じ百分位を表すものであってもよい。一例として、曲線４１０において、縦軸が点４３０に相当する横軸の点は点４４０となり、点４４０が第２属性の集団の中における標的の第４生体情報になる。ここで、特定とは、標的の第４生体情報を決める操作であってよい。

具体例として、第４生体情報特定部１３０は、第１位置情報特定部１２０から送られた標的の第１位置情報「７０／１００」が、標的と別の属性である第２属性の集団の生体情報である第３生体情報の集合の分布のどの位置に相当するかを算出する。この場合、第２属性とは「６０歳代男性」を表す。また、第３生体情報とは、「６０歳代男性」の集団の生体情報である。図４の曲線４１０は、この具体例では、６０歳代男性の空腹時血糖値の分布の累積値を表す。図４の点４３０は、この具体例では、「百分位で、空腹時血糖値の低い方から生体情報を数えて７０番目、つまり７０／１００」を表す。図４の点４４０は、この具体例では、標的の第４生体情報「空腹時血糖値：１３０（ｍｇ／ｄｌ）」を表す。つまり、６０歳代男性の集団の空腹時血糖値の順位が７０／１００に相当する空腹時血糖値の値が１３０（ｍｇ／ｄｌ）であり、これが第４生体情報に相当する。

上記の例では、第１生体情報、第２生体情報および第３生体情報が空腹時血糖値の１種類のみの場合を例に説明したが、第１生体情報、第２生体情報または第３生体情報が複数の種類を含むものであってもよい。得られる第４生体情報は、複数の種類であってもよい。例えば、得られる第４生体情報として、血糖値およびＨｂＡ１ｃの情報であってもよい。

次に、図２のＳ２４０において、健康状態推定部１４０は、第４生体情報を入力として用いて、予測モデルを用いて標的の健康状態を推定する。健康状態推定部１４０は、推定した標的の健康状態を健康状態出力部１５０に送り、健康状態出力部１５０は、該健康状態を出力するものであってよい。健康状態は、標的が将来のある時点に疾患を発症する確率を含むものであってよい。疾患は、脳卒中、心筋梗塞、糖尿病、がん、慢性腎不全および生活習慣病からなる群のうちの少なくとも１つを含んでもよく、これらに限定されない。

ここで、Ｓ２１０において、第１生体情報取得部１１０が、第１生体情報とともに標的の生活習慣を入力として取得した場合には、Ｓ２４０において、健康状態推定部１４０は、第４生体情報に加えて標的の生活習慣に基づいて、将来のある時点に疾患を発症する確率を推定してもよい。具体的には、第１生体情報取得部１１０は、受け取った標的の生活習慣を、第１位置情報特定部１２０および第４生体情報特定部１３０を介して健康状態推定部１４０に送る。Ｓ２４０において、健康状態推定部１４０は、第４生体情報および生活習慣を入力として用いて、予測モデルを用いて推定した標的の健康状態または標的の疾患を発症する確率を、該生活習慣に基づいて補正し、新たに標的の健康状態または標的の疾患を発症する確率を推定する。なお、例外として、生活習慣を入力として必ずしも用いなくてもよい。

ここで、予測モデルは、種々の公知の予測器であってよい。例えば、予測モデルは、回帰モデル、分類モデル、またはニューラルネットワーク等であってよい。一例として、予測モデルは、コックス比例ハザードモデルである。

図５は、Ｓ２４０において、本実施形態の健康状態推定装置１００により推定された、標的が将来疾患を発症する確率の一例を示す。健康状態推定部１４０が、第４生体情報を入力として用いて、予測モデルを用いて標的の健康状態を推定する。標的の第１生体情報を入力として用いて、予測モデルを用いて、標的が現在からの１０年以内に疾患を発症する確率を示したものが左側である。標的の第４生体情報を入力として用いて、予測モデルを用いて、標的が６９歳時点からの１０年以内に疾患を発症する確率を示したものが中央である。

ここで、脳卒中になる確率および心筋梗塞になる確率を算出する基礎となった同性同年齢１００人の中での順位は、いずれも６０番および５０番であり、左側と中央とで同じ順位であることに注意されたい。つまり、左側は、第１生体情報を取得したときの年齢が属する年代と同年代の集団の中における百分位に基づいて、将来疾患を発症する確率を算出したものであり、中央は第１生体情報を取得したときの年齢よりも高齢の年代の集団の中における百分位に基づいて、将来疾患を発症する確率を算出したものである。

図５に示されるように、現在の生体情報から将来疾患を発症する確率を算出すると、数％程度にしかならないことがあり、標的が自らの健康状態を改善しようとする動機づけにつながりにくい。しかし、現在よりも高齢に到達した時点での生体情報から将来疾患を発症する確率を算出すると、将来疾患を発症する確率が１０％を超える場合もあるため、標的が自らの健康状態を改善しようとする動機を引き出すことができるという、すぐれた効果を有する。

また、第１生体情報取得部１１０は、第４生体情報とともに標的の現在の生活習慣を入力として受け取り、将来のある時点に疾患を発症する確率を将来確率として推定してよい。具体的には、第１生体情報取得部１１０は、受け取った標的の現在の生活習慣を、第１位置情報特定部１２０および第４生体情報特定部１３０を介して健康状態推定部１４０に送る。この場合、健康状態推定部１４０は、第４生体情報および標的の現在の生活習慣を入力として用いて、予測モデルを用いて推定した標的の健康状態または標的の疾患を発症する確率を、該現在の生活習慣に基づいて補正し、新たに標的の健康状態または標的の疾患を発症する確率を将来確率として推定する。なお、例外として、現在の生活習慣を入力として必ずしも用いなくてもよい。

具体例として、標的として３５歳男性喫煙者を考える。第１生体情報取得部１１０は、受け取った標的の現在の生活習慣を、第１位置情報特定部１２０および第４生体情報特定部１３０を介して健康状態推定部１４０に送る。健康状態推定部１４０が、第４生体情報である「空腹時血糖値：１３０（ｍｇ／ｄｌ）」および「喫煙者」という現在の生活習慣を入力として用いて、予測モデルを用いて標的の６９歳到達時点での健康状態を推定する。健康状態推定部１４０は、推定した標的の健康状態である、「６９歳時点からの１０年間で脳卒中を発症する確率は、２７．４％」という推定結果を健康状態出力部１５０に送り、健康状態出力部１５０は、該健康状態を将来確率として出力する。

次に、Ｓ２５０において、第１生体情報取得部１１０が、標的が生活習慣を変えた場合の生活習慣をさらに取得してもよい。一例として、第１生体情報取得部１１０は、第４生体情報とともに標的の現在の生活習慣とは異なる生活習慣を入力として受け取り、標的が将来のある時点に疾患を発症する確率を仮定健康状態または仮定確率として推定するものであってよい。

また、健康状態推定部１４０が将来確率と仮定確率との差分を算出し、健康状態出力部１５０が該差分を出力するものであってもよい。

具体例として、標的である３５歳男性喫煙者が、現時点で喫煙をやめるとする。この場合、第１生体情報取得部１１０が、標的の現在の生活習慣とは異なる生活習慣である「３５歳で禁煙する」という生活習慣をさらに取得する。この場合、予測モデルを用いて標的の６９歳到達時点での健康状態を推定する。

具体的には、第１生体情報取得部１１０は、受け取った標的の現在の生活習慣とは異なる生活習慣を、第１位置情報特定部１２０および第４生体情報特定部１３０を介して健康状態推定部１４０に送る。この場合、健康状態推定部１４０は、第４生体情報および現在の生活習慣とは異なる生活習慣を入力として用いて、予測モデルを用いて推定した標的の健康状態または標的の疾患を発症する確率を、該現在の生活習慣とは異なる生活習慣に基づいて補正し、新たに標的の健康状態または標的の疾患を発症する確率を仮定確率として推定する。

上記の具体例では、健康状態推定部１４０は、推定した標的の健康状態である、「６９歳時点からの１０年間で脳卒中を発症する確率は、８．４％」という推定結果を「仮定確率」として推定する。「６９歳時点からの１０年間で脳卒中を発症する確率は、２７．４％」という推定結果である「将来確率」と「仮定確率」との差分である「１９．０％」を算出し、健康状態出力部１５０が「あなたが現時点で喫煙をやめると、６９歳時点からの１０年間であなたが脳卒中を発症する確率を最大で１９．０％減らすことができます」という結果を出力する。

健康状態推定装置１００は、上記のフローを実行するプログラムを格納したコンピュータであってよい。

図６では、クライアントサーバシステム６００を用いて本発明を実施した実施形態の例を示す。クライアントサーバシステム６００は、第１のコンピュータ６１０および第２のコンピュータ６２０を含む。一例として、第１のコンピュータ６１０はサーバであり、第２のコンピュータ６２０はクライアントである。第１のコンピュータ６１０は、１台または２台以上であってよい。第２のコンピュータは、１台または２台以上であってよい。

まず、第２のコンピュータ６２０の第１生体情報入力部６５１が標的の生体情報である第１生体情報を受け取る。また、第１生体情報入力部６５１が、標的の生体情報である第１生体情報に加えて、標的の生活習慣をさらに受け取ってもよい。

次に、第２のコンピュータ６２０の第１生体情報入力部６５１は、取得した第１生体情報を、第１のコンピュータ６１０の第１生体情報取得部６５２に送信する。また、第２のコンピュータ６２０の第１生体情報入力部６５１は、取得した第１生体情報に加えて、生活習慣をさらに第１のコンピュータ６１０の第１生体情報取得部６５２に送信してもよい。第２のコンピュータ６２０は、有線または無線によりネットワークを介して第１のコンピュータ６１０と通信してよい。

次に、第１のコンピュータ６１０の第１生体情報取得部６５２は、受け取った第１生体情報を第１位置情報特定部６５３に送る。第１位置情報特定部６５３は、受け取った第１生体情報から第１位置情報を特定する。第１位置情報特定部６５３は、該第１位置情報を第４生体情報特定部６５４に送る。

次に、第４生体情報特定部６５４は、受け取った第１位置情報から、第４生体情報を特定する。第４生体情報特定部６５４は、該第４生体情報を健康状態推定部６５５に送る。

次に、健康状態推定部６５５は、受け取った第４生体情報を入力として用いて、予測モデルを用いて標的の健康状態を推定する。健康状態推定部６５５は、推定した標的の該健康状態を健康状態出力部６５６に送る。

また、第１生体情報取得部６５２が、標的が生活習慣を変えた場合の生活習慣をさらに取得した場合は、健康状態推定部６５５は、第４生体情報とともに標的の現在の生活習慣とは異なる生活習慣を入力として受け取り、標的が将来のある時点に疾患を発症する確率を仮定健康状態または仮定確率として推定するものであってよい。このとき、健康状態推定部６５５は、推定した標的の該仮定健康状態または該仮定確率を健康状態出力部６５６に送ってもよい。

また、第１生体情報取得部６５２が、標的の現在の生活習慣に係る生活習慣をさらに取得した場合は、健康状態推定部６５５は、第４生体情報とともに標的の現在の生活習慣に係る生活習慣を入力として受け取り、標的が将来のある時点に疾患を発症する確率を将来確率として推定するものであってよい。このとき、健康状態推定部６５５は、推定した標的の該将来確率を健康状態出力部６５６に送ってもよい。また、健康状態推定部６５５が将来確率と仮定確率との差分を算出し、該差分を健康状態出力部６５６に送ってもよい。

次に、健康状態出力部６５６は、健康状態推定部６５５から受け取った推定した標的の健康状態を第２のコンピュータ６２０の健康状態出力部６５７に送信する。第１のコンピュータ６１０の健康状態出力部６５６は、推定した標的の将来確率および仮定確率を第２のコンピュータ６２０の健康状態出力部６５７に送信してもよい。また、第１のコンピュータ６１０の健康状態出力部６５６は、推定した標的の将来確率と仮定確率との差分を第２のコンピュータ６２０の健康状態出力部６５７に送信してもよい。

次に、第２のコンピュータ６２０の健康状態出力部６５７は、第１のコンピュータ６１０の健康状態出力部６５６から受け取った、推定した標的の健康状態をディスプレイに表示してよい。第２のコンピュータ６２０の健康状態出力部６５７は、推定した標的の将来確率、仮定確率、および／または将来確率と仮定確率との差分をを第１のコンピュータ６１０の健康状態出力部６５６から受け取り、該将来確率および該仮定確率、または該差分をディスプレイに表示してもよい。

図７は、健康状態推定装置１００およびクライアントサーバシステム６００として機能するコンピュータ１９００のハードウェア構成の一例を示す。本実施形態に係るコンピュータ１９００は、ホスト・コントローラ２０８２により相互に接続されるＣＰＵ２０００、ＲＡＭ２０２０、グラフィック・コントローラ２０７５、および表示装置２０８０を有するＣＰＵ周辺部と、入出力コントローラ２０８４によりホスト・コントローラ２０８２に接続される通信インターフェイス２０３０、ハードディスクドライブ２０４０、およびＣＤ−ＲＯＭドライブ２０６０を有する入出力部と、入出力コントローラ２０８４に接続されるＲＯＭ２０１０、フレキシブルディスク・ドライブ２０５０、および入出力チップ２０７０を有するレガシー入出力部を備える。

ホスト・コントローラ２０８２は、ＲＡＭ２０２０と、高い転送レートでＲＡＭ２０２０をアクセスするＣＰＵ２０００およびグラフィック・コントローラ２０７５とを接続する。ＣＰＵ２０００は、ＲＯＭ２０１０およびＲＡＭ２０２０に格納されたプログラムに基づいて動作し、各部の制御を行う。グラフィック・コントローラ２０７５は、ＣＰＵ２０００等がＲＡＭ２０２０内に設けたフレーム・バッファ上に生成する画像データを取得し、表示装置２０８０上に表示させる。これに代えて、グラフィック・コントローラ２０７５は、ＣＰＵ２０００等が生成する画像データを格納するフレーム・バッファを、内部に含んでもよい。

入出力コントローラ２０８４は、ホスト・コントローラ２０８２と、比較的高速な入出力装置である通信インターフェイス２０３０、ハードディスクドライブ２０４０、ＣＤ−ＲＯＭドライブ２０６０を接続する。通信インターフェイス２０３０は、有線または無線によりネットワークを介して他の装置と通信する。また、通信インターフェイスは、通信を行うハードウェアとして機能する。ハードディスクドライブ２０４０は、コンピュータ１９００内のＣＰＵ２０００が使用するプログラムおよびデータを格納する。ＣＤ−ＲＯＭドライブ２０６０は、ＣＤ−ＲＯＭ２０９５からプログラムまたはデータを読み取り、ＲＡＭ２０２０を介してハードディスクドライブ２０４０に提供する。

また、入出力コントローラ２０８４には、ＲＯＭ２０１０と、フレキシブルディスク・ドライブ２０５０、および入出力チップ２０７０の比較的低速な入出力装置とが接続される。ＲＯＭ２０１０は、コンピュータ１９００が起動時に実行するブート・プログラム、および／または、コンピュータ１９００のハードウェアに依存するプログラム等を格納する。フレキシブルディスク・ドライブ２０５０は、フレキシブルディスク２０９０からプログラムまたはデータを読み取り、ＲＡＭ２０２０を介してハードディスクドライブ２０４０に提供する。入出力チップ２０７０は、フレキシブルディスク・ドライブ２０５０を入出力コントローラ２０８４へと接続するとともに、例えばパラレル・ポート、シリアル・ポート、キーボード・ポート、マウス・ポート等を介して各種の入出力装置を入出力コントローラ２０８４へと接続する。

ＲＡＭ２０２０を介してハードディスクドライブ２０４０に提供されるプログラムは、フレキシブルディスク２０９０、ＣＤ−ＲＯＭ２０９５、またはＩＣカード等の記録媒体に格納されて利用者によって提供される。プログラムは、記録媒体から読み出され、ＲＡＭ２０２０を介してコンピュータ１９００内のハードディスクドライブ２０４０にインストールされ、ＣＰＵ２０００において実行される。

コンピュータ１９００にインストールされ、コンピュータ１９００を健康状態推定装置１００およびクライアントサーバシステム６００として機能させるプログラムは、第１生体情報取得モジュールと、第１位置情報特定モジュールと、第４生体情報特定モジュールと、健康状態推定モジュールと、健康状態出力モジュールとを備える。これらのプログラムまたはモジュールは、ＣＰＵ２０００等に働きかけて、コンピュータ１９００を、第１生体情報取得部１１０および第１生体情報取得部６５２と、第１位置情報特定部１２０および第１位置情報特定部６５３と、第４生体情報特定部１３０および第４生体情報特定部６５４と、健康状態推定部１４０および健康状態推定部６５５と、健康状態出力部１５０および健康状態出力部６５６としてそれぞれ機能させてよい。

これらのプログラムに記述された情報処理は、コンピュータ１９００に読込まれることにより、ソフトウェアと上述した各種のハードウェア資源とが協働した具体的手段である第１生体情報取得部１１０および第１生体情報取得部６５２と、第１位置情報特定部１２０および第１位置情報特定部６５３と、第４生体情報特定部１３０および第４生体情報特定部６５４と、健康状態推定部１４０および健康状態推定部６５５と、健康状態出力部１５０および健康状態出力部６５６として機能する。そして、これらの具体的手段によって、本実施形態におけるコンピュータ１９００の使用目的に応じた情報の演算または加工を実現することにより、使用目的に応じた特有の健康状態推定装置１００およびクライアントサーバシステム６００が構築される。

一例として、コンピュータ１９００と外部の装置等との間で通信を行う場合には、ＣＰＵ２０００は、ＲＡＭ２０２０上にロードされた通信プログラムを実行し、通信プログラムに記述された処理内容に基づいて、通信インターフェイス２０３０に対して通信処理を指示する。通信インターフェイス２０３０は、ＣＰＵ２０００の制御を受けて、ＲＡＭ２０２０、ハードディスクドライブ２０４０、フレキシブルディスク２０９０、またはＣＤ−ＲＯＭ２０９５等の記憶装置上に設けた送信バッファ領域等に記憶された送信データを読み出してネットワークへと送信し、もしくは、ネットワークから受信した受信データを記憶装置上に設けた受信バッファ領域等へと書き込む。このように、通信インターフェイス２０３０は、ＤＭＡ（ダイレクト・メモリ・アクセス）方式により記憶装置との間で送受信データを転送してもよく、これに代えて、ＣＰＵ２０００が転送元の記憶装置または通信インターフェイス２０３０からデータを読み出し、転送先の通信インターフェイス２０３０または記憶装置へとデータを書き込むことにより送受信データを転送してもよい。

また、ＣＰＵ２０００は、ハードディスクドライブ２０４０、ＣＤ−ＲＯＭドライブ２０６０（ＣＤ−ＲＯＭ２０９５）、フレキシブルディスク・ドライブ２０５０（フレキシブルディスク２０９０）等の外部記憶装置に格納されたファイルまたはデータベース等の中から、全部または必要な部分をＤＭＡ転送等によりＲＡＭ２０２０へと読み込ませ、ＲＡＭ２０２０上のデータに対して各種の処理を行う。そして、ＣＰＵ２０００は、処理を終えたデータを、ＤＭＡ転送等により外部記憶装置へと書き戻す。このような処理において、ＲＡＭ２０２０は、外部記憶装置の内容を一時的に保持するものとみなせるから、本実施形態においてはＲＡＭ２０２０および外部記憶装置等をメモリ、記憶部、または記憶装置等と総称する。

ここで、記憶装置等は、本実施形態における健康状態推定装置１００の情報処理に必要な情報、例えば、第１生体情報、第１位置情報、第２生体情報、第３生体情報、第４生体情報、生活習慣、健康状態等を必要に応じて記憶し、健康状態推定装置１００の各コンポーネントに必要に応じて供給する。

本実施形態における各種のプログラム、データ、テーブル、データベース等の各種の情報は、このような記憶装置上に格納されて、情報処理の対象となる。なお、ＣＰＵ２０００は、ＲＡＭ２０２０の一部をキャッシュメモリに保持し、キャッシュメモリ上で読み書きを行うこともできる。このような形態においても、キャッシュメモリはＲＡＭ２０２０の機能の一部を担うから、本実施形態においては、区別して示す場合を除き、キャッシュメモリもＲＡＭ２０２０、メモリ、および／または記憶装置に含まれるものとする。

また、ＣＰＵ２０００は、ＲＡＭ２０２０から読み出したデータに対して、プログラムの命令列により指定された、本実施形態中に記載した各種の演算、情報の加工、条件判断、情報の検索・置換等を含む各種の処理を行い、ＲＡＭ２０２０へと書き戻す。例えば、ＣＰＵ２０００は、条件判断を行う場合においては、本実施形態において示した各種の変数が、他の変数または定数と比較して、大きい、小さい、以上、以下、等しい等の条件を満たすか否かを判断し、条件が成立した場合（または不成立であった場合）に、異なる命令列へと分岐し、またはサブルーチンを呼び出す。

また、ＣＰＵ２０００は、記憶装置内のファイルまたはデータベース等に格納された情報を検索することができる。例えば、第１属性の属性値に対し第２属性の属性値がそれぞれ対応付けられた複数のエントリが記憶装置に格納されている場合において、ＣＰＵ２０００は、記憶装置に格納されている複数のエントリの中から第１属性の属性値が指定された条件と一致するエントリを検索し、そのエントリに格納されている第２属性の属性値を読み出すことにより、所定の条件を満たす第１属性に対応付けられた第２属性の属性値を得ることができる。

以上に示したプログラムまたはモジュールは、外部の記録媒体に格納されてもよい。記録媒体としては、フレキシブルディスク２０９０、ＣＤ−ＲＯＭ２０９５の他に、ＤＶＤまたはＣＤ等の光学記録媒体、ＭＯ等の光磁気記録媒体、テープ媒体、ＩＣカード等の半導体メモリ等を用いることができる。また、専用通信ネットワークまたはインターネットに接続されたサーバシステムに設けたハードディスクまたはＲＡＭ等の記憶装置を記録媒体として使用し、ネットワークを介してプログラムをコンピュータ１９００に提供してもよい。

以上、本発明を実施の形態を用いて説明したが、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されない。上記実施の形態に、多様な変更または改良を加えることが可能であることが当業者に明らかである。そのような変更または改良を加えた形態も本発明の技術的範囲に含まれ得ることが、特許請求の範囲の記載から明らかである。

特許請求の範囲、明細書、および図面中において示した装置、システム、プログラム、および方法における動作、手順、ステップ、および段階等の各処理の実行順序は、特段「より前に」、「先だって」等と明示しておらず、また、前の処理の出力を後の処理で用いるのでない限り、任意の順序で実現しうることに留意すべきである。特許請求の範囲、明細書、および図面中の動作フローに関して、便宜上「まず、」、「次に、」等を用いて説明したとしても、この順で実施することが必須であることを意味するものではない。

１００ 健康状態推定装置
１１０ 第１生体情報取得部
１２０ 第１位置情報特定部
１３０ 第４生体情報特定部
１４０ 健康状態推定部
１５０ 健康状態出力部
３１０ 第２生体情報の集合の累積値の分布
３２０ 第２生体情報の集合の分布
３３０ 標的の第１生体情報
３４０ 標的の第１位置情報
４１０ 第３生体情報の集合の累積値の分布
４２０ 第３生体情報の集合の分布
４３０ 標的の第１位置情報に対応する第３生体情報の集合の累積値の中での位置
４４０ 標的の第４生体情報
６００ クライアントサーバシステム
６１０ 第１のコンピュータ
６２０ 第２のコンピュータ
６５１ 第１生体情報入力部
６５２ 第１生体情報取得部
６５３ 第１位置情報特定部
６５４ 第４生体情報特定部
６５５ 健康状態推定部
６５６ 健康状態出力部
６５７ 健康状態出力部
１９００ コンピュータ
２０００ ＣＰＵ
２０１０ ＲＯＭ
２０２０ ＲＡＭ
２０３０ 通信インターフェイス
２０４０ ハードディスクドライブ
２０５０ フレキシブルディスク・ドライブ
２０６０ ＣＤ−ＲＯＭドライブ
２０７０ 入出力チップ
２０７５ グラフィック・コントローラ
２０８０ 表示装置
２０８２ ホスト・コントローラ
２０８４ 入出力コントローラ
２０９０ フレキシブルディスク
２０９５ ＣＤ−ＲＯＭ

Claims (18)

1. 標的の生体情報である第１生体情報を取得する段階と、
   前記標的と同じ属性である第１属性の集団の生体情報である第２生体情報の集合の分布における、前記標的の前記第１生体情報の位置を、第１位置情報として特定する段階と、
   前記標的と別の属性である第２属性の集団の生体情報である第３生体情報の集合の分布における、前記第１位置情報に対応する位置の生体情報を、第４生体情報として特定する段階と、
   前記第４生体情報を入力として用いて、予測モデルを用いて前記標的の健康状態を推定する段階と、
   を備える、方法。
2. 前記標的は、個人または人の集団である、請求項１に記載の方法。
3. 前記第１生体情報、前記第２生体情報、前記第３生体情報および前記第４生体情報はそれぞれ独立に、血液検査の結果の数値を含む、請求項１または２に記載の方法。
4. 前記第１生体情報、前記第２生体情報、前記第３生体情報および前記第４生体情報はそれぞれ独立に、最低血圧、最高血圧、血糖値、ＨｂＡ１ｃ、中性脂肪、コレステロール、肝機能、腎機能、Ｘ線検査、ＢＭＩ、体重および腹囲からなる群のうちの少なくとも１つの結果を含む、請求項１から３のいずれか一項に記載の方法。
5. 前記属性は、年齢、性別および病歴からなる群のうちの少なくとも１つを含む、請求項１から４のいずれか一項に記載の方法。
6. 前記第１属性は、前記第１生体情報を取得したときの年齢が属する年代と同年代であり、
   前記第２属性は、前記第１属性よりも高齢の年代である、請求項１から５のいずれか一項に記載の方法。
7. 前記標的の前記第１生体情報の位置を、前記第１位置情報として特定する段階は、
   前記第２生体情報の集合の、事前に定義された分布を生成する段階と、
   前記事前に定義された分布における前記標的の前記第１生体情報の位置を、前記第１位置情報として特定する段階と、
   を含む、請求項１から６のいずれか一項に記載の方法。
8. 前記標的の前記第１生体情報の位置を、前記第１位置情報として特定する段階は、前記第２生体情報の集合の分布における、前記標的の前記第１生体情報の相対的な位置を特定する段階である、請求項１から７のいずれか一項に記載の方法。
9. 前記標的の前記第１生体情報の位置を、前記第１位置情報として特定する段階は、前記第２生体情報の集合の分布における、前記標的の前記第１生体情報の位置を、百分位法を用いて算出した位置を特定する段階である、
   請求項１から８のいずれか一項に記載の方法。
10. 前記健康状態は、前記標的が将来のある時点に疾患を発症する確率を含む、請求項１から９のいずれか一項に記載の方法。
11. 前記健康状態は、前記標的が将来の指定された期間の疾患を発症する確率を積算した積算確率を含む、請求項１から９のいずれか１項に記載の方法。
12. 前記疾患は、脳卒中、心筋梗塞、糖尿病、がん、慢性腎不全および生活習慣病からなる群のうちの少なくとも１つを含む、請求項１０または１１に記載の方法。
13. 前記予測モデルを用いて前記標的の健康状態を推定する段階は、
    前記第４生体情報とともに前記標的の生活習慣を入力として用いて、前記標的が将来のある時点に疾患を発症する確率を推定する段階を含む、
    請求項１０から１２のいずれか一項に記載の方法。
14. 前記第４生体情報とともに前記標的の現在の生活習慣を入力として用いて、前記標的が将来のある時点に疾患を発症する確率を将来確率として推定する段階と、
    前記第４生体情報とともに前記標的の前記現在の生活習慣とは異なる生活習慣を入力として用いて、前記標的が将来のある時点に疾患を発症する確率を仮定確率として推定する段階と、
    前記将来確率と前記仮定確率との差分を算出する段階と、
    を更に含む請求項１３に記載の方法。
15. コンピュータに請求項１から１４のいずれか一項の方法を実行させる、プログラム。
16. 請求項１５に記載のプログラムを格納したコンピュータ。
17. 前記コンピュータはラップトップ端末、デスクトップ端末、サーバ、クライアント端末、スマートフォン、タブレット、ウエアラブル端末からなる群のうちの少なくとも１つを含む、請求項１６に記載のコンピュータ。
18. 第１のコンピュータおよび第２のコンピュータを含むクライアントサーバシステムであって、
    前記第１のコンピュータが、標的の生体情報である第１生体情報を取得して前記第２のコンピュータに前記第１生体情報を送信し、
    前記第２のコンピュータは、受信した前記第１生体情報を入力として、前記標的と同じ属性である第１属性の集団の生体情報である第２生体情報の集合の分布における、前記標的の前記第１生体情報の位置を、第１位置情報として特定し、
    前記第２のコンピュータは、前記標的と別の属性である第２属性の集団の生体情報である第３生体情報の集合の分布における、前記第１位置情報に対応する位置の生体情報を、第４生体情報として特定し、
    前記第２のコンピュータは、前記第４生体情報を入力として用いて、予測モデルを用いて前記標的の健康状態を推定し、
    前記第２のコンピュータは前記推定した結果を出力として前記第１のコンピュータに送信する、
    クライアントサーバシステム。