JP2021051535A - 検査値予測装置、検査値予測システム、検査値予測方法、およびプログラム - Google Patents

検査値予測装置、検査値予測システム、検査値予測方法、およびプログラム Download PDF

Info

Publication number
JP2021051535A
JP2021051535A JP2019173968A JP2019173968A JP2021051535A JP 2021051535 A JP2021051535 A JP 2021051535A JP 2019173968 A JP2019173968 A JP 2019173968A JP 2019173968 A JP2019173968 A JP 2019173968A JP 2021051535 A JP2021051535 A JP 2021051535A
Authority
JP
Japan
Prior art keywords
prediction
value
user
inspection value
inspection
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2019173968A
Other languages
English (en)
Other versions
JP6790207B1 (ja
Inventor
慎太郎 杉本
Shintaro Sugimoto
慎太郎 杉本
俊慎 佐久間
Toshinori Sakuma
俊慎 佐久間
宮崎　真悟
Shingo Miyazaki
真悟 宮崎
英和 栗田
Hidekazu Kurita
英和 栗田
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toshiba Corp
Toshiba Digital Solutions Corp
Original Assignee
Toshiba Corp
Toshiba Digital Solutions Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Toshiba Corp, Toshiba Digital Solutions Corp filed Critical Toshiba Corp
Priority to JP2019173968A priority Critical patent/JP6790207B1/ja
Priority to CN202080060900.9A priority patent/CN114287013A/zh
Priority to PCT/JP2020/030307 priority patent/WO2021059774A1/ja
Application granted granted Critical
Publication of JP6790207B1 publication Critical patent/JP6790207B1/ja
Publication of JP2021051535A publication Critical patent/JP2021051535A/ja
Priority to US17/652,946 priority patent/US20220183634A1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Artificial Intelligence (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Signal Processing (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Fuzzy Systems (AREA)
  • General Business, Economics & Management (AREA)
  • Business, Economics & Management (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

【課題】ユーザの生活習慣を改善するための情報提供を行うことができる検査値予測装置、検査値予測システム、検査値予測方法、およびプログラムを提供することである。【解決手段】実施形態の検査値予測装置は、予測部と、逆予測部とを持つ。予測部は、学習対象ユーザが、同一のユーザの複数の検査値の系列データを含む第１学習用データセットを用いて学習させた第１学習済みモデルに対し、ユーザの検査値を入力することで、前記ユーザの将来の検査値を予測する。逆予測部は、前記ユーザの将来の検査値に関する目標値が指定された場合、どのような検査値を前記第１学習済みモデルに入力すれば前記指定された前記目標値が出力されるかを逆予測する。【選択図】図１

Description

本発明の実施形態は、検査値予測装置、検査値予測システム、検査値予測方法、およびプログラムに関する。
従来、個人毎の健康診断の検査値の時系列データを学習用データとして用いて検査値の予測モデルを生成し、生成した予測モデルにユーザの健康診断の検査値を入力することで、ユーザの将来の検査値を予測する技術が知られている。
しかしながら、従来の技術では、ユーザの生活習慣を改善するための情報提供が不十分な場合があった。
国際公開第２０１７／２０４２３３号
本発明が解決しようとする課題は、ユーザの生活習慣を改善するための情報提供を行うことができる検査値予測装置、検査値予測システム、検査値予測方法、およびプログラムを提供することである。
実施形態の検査値予測装置は、予測部と、逆予測部とを持つ。予測部は、同一のユーザの複数の検査値の系列データを含む第１学習用データセットを用いて学習させた第１学習済みモデルに対し、ユーザの検査値を入力することで、前記ユーザの将来の検査値を予測する。逆予測部は、前記ユーザの将来の検査値に関する目標値が指定された場合、どのような検査値を前記第１学習済みモデルに入力すれば前記指定された前記目標値が出力されるかを逆予測する。
第１の実施形態の検査値予測装置の一例を示す図。 予測部および逆予測部の構成の一例を示す図。 第１のデータテーブルの内容の一例を示す図。 予測処理を表した図。 第２のデータテーブルの内容の一例を示す図。 課金管理テーブルの内容の一例を示す図。 逆予測処理を表した図。 改善検査値の逆予測処理の一例を示す図。 改善検査値の逆予測処理の他の一例を示す図。 改善検査値のリスト表示の一例を示す図。 改善検査値のランキング表示の一例を示す図。 検査値予測処理の一例を示すフローチャート。 検査値逆予測処理の一例を示すフローチャート。 サーバ装置の動作を示す図。 改善検査値の逆予測処理の一例を示す図。 検査値逆予測処理の一例を示すフローチャート。
以下、実施形態の検査値予測装置、検査値予測システム、検査値予測方法、およびプログラムを、図面を参照して説明する。
検査値予測装置は、一以上のプロセッサにより実現される。検査値予測装置は、予測対象ユーザが受診した健康診断の検査値を予測モデルに入力することにより、ユーザの将来の検査値を予測する。予測モデルは、例えば、同一のユーザの複数の検査値の系列データを含む第１学習用データセットを用いて学習させたモデルである。また、検査値予測装置は、予測対象ユーザが受診した健康診断の検査値を改善した値を予測モデルに入力した場合に、ユーザの将来の検査値がどのように変化するかを予測する。また、検査値予測装置は、予測対象ユーザにより将来の検査値に関する目標値が指定された場合、どのような検査値を予測モデルに入力すれば指定された目標値が出力されるかを逆予測する。以下に説明する種々の検査値は、一以上の検査項目についてのものである。
（第１の実施形態）
［全体構成］
図１は、第１の実施形態の検査値予測装置の一例であるサーバ装置２００を中心とした構成図である。サーバ装置２００は、予測対象ユーザが検査値の予測処理を開始する旨の指示をクライアント装置１００に入力した場合に、その指示をクライアント装置１００から受信して予測対象ユーザの検査値の予測処理を開始する。また、サーバ装置２００は、予測対象ユーザが検査値の逆予測処理を開始する旨の指示をクライアント装置１００に入力した場合に、その指示をクライアント装置１００から受信して予測対象ユーザの検査値の逆予測処理を開始する。
［クライアント装置］
クライアント装置１００は、例えば、予測対象ユーザが所持する端末装置である。クライアント装置１００は、例えば、通信部１１０と、入力部１２０と、表示部１３０と、処理部１４０と、を備える。
通信部１１０は、ＮＩＣ（Network Interface Card）等の通信インターフェース、あるいは無線通信モジュールを含む。通信部１１０は、ネットワークを介してサーバ装置２００と通信する。ネットワークは、インターネット、通信回線、セルラー網、Ｗｉ−Ｆｉ網などを含む。
入力部１２０は、例えば、ボタン、キーボードやマウス等のユーザインターフェースである。入力部１２０は、予測対象ユーザの操作を受け付ける。予測対象ユーザの操作には、例えば、予測対象ユーザの現在の検査値を入力する操作、および、予測対象ユーザの将来の検査値を予測する場合に用いる予測の種別を指定する操作が含まれる。入力部１２０は、表示部１３０と一体として構成されるタッチパネルであってもよい。
表示部１３０は、例えば、ＬＣＤ（Liquid Crystal Display）や有機ＥＬディスプレイ等の表示装置を含む。表示部１３０は、例えば、サーバ装置２００により実行された予測対象ユーザの検査値の予測結果を示す画像を表示する。
処理部１４０は、例えば、状態管理部１４２と、初期予測部１４４と、改善予測部１４６と、改善逆予測部１４８とを備える。これらの構成要素は、例えば、ＣＰＵなどのハードウェアプロセッサがプログラム（ソフトウェア）を実行することにより実現される。プログラムは、ブラウザ、サーバ装置２００などから提供されるアプリケーションプログラム、或いはブラウザがダウンロードするウェブページに付随するスクリプトなどである。これらの構成要素のうち一部または全部は、ＬＳＩやＡＳＩＣ、ＦＰＧＡ、ＧＰＵなどのハードウェア（回路部；circuitryを含む）によって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。
状態管理部１４２は、予測対象ユーザが入力部１２０を通じて指定した検査値の予測の種別を管理する。予測の種別には、例えば、初期予測、改善予測、および、改善逆予測が含まれる。初期予測とは、予測対象ユーザが最初の段階で行う将来の検査値の予測である。改善予測とは、現在の検査値が改善したことを前提として行う将来の検査値の予測である。改善逆予測とは、将来の検査値を目標値と一致させるために必要となる現在の検査値の予測である。
初期予測部１４４は、予測対象ユーザが入力部１２０を通じて指定した予測の種別が初期予測である場合に、入力部１２０に入力された予測対象ユーザの検査値を含み、状態管理部１４２からの指示に基づいて初期予測を要求するための情報を、通信部１１０を用いてサーバ装置２００に送信する。
改善予測部１４６は、予測対象ユーザが入力部１２０を通じて指定した予測の種別が改善予測である場合に、入力部１２０に入力された予測対象ユーザの検査値を含み、状態管理部１４２からの指示に基づいて改善予測を要求するための情報を、通信部１１０を用いてサーバ装置２００に送信する。
改善逆予測部１４８は、予測対象ユーザが入力部１２０を通じて指定した予測の種別が改善逆予測である場合に、入力部１２０に入力された予測対象ユーザの検査値を含み、状態管理部１４２からの指示に基づいて改善逆予測を要求するための情報を、通信部１１０を用いてサーバ装置２００に送信する。
［サーバ装置］
サーバ装置２００は、例えば、クライアント装置１００からの要求に応じて、予測対象ユーザの検査値の予測処理または逆予測処理を行う。サーバ装置２００は、ウェブサーバやアプリサーバとしての機能を有している。サーバ装置２００は、例えば、通信部２１０と、処理部２２０と、記憶部２３０とを備える。
通信部２１０は、ＮＩＣ（Network Interface Card）等の通信インターフェースを含む。通信部２１０は、ネットワークを介してクライアント装置１００と通信する。通信部２１０は、例えば、クライアント装置１００から初期予測、改善予測、または改善逆予測を要求する情報を受信した場合に、受信した情報を処理部２２０に出力する。
処理部２２０は、例えば、予測部２２２と、逆予測部２２４とを備える。これらの構成要素は、例えば、ＣＰＵなどのハードウェアプロセッサがプログラム（ソフトウェア）を実行することにより実現される。これらの構成要素のうち一部または全部は、ＬＳＩやＡＳＩＣ、ＦＰＧＡ、ＧＰＵなどのハードウェア（回路部；circuitryを含む）によって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。プログラムは、予めＨＤＤやフラッシュメモリなどの記憶装置（非一過性の記憶媒体を備える記憶装置）に格納されていてもよいし、ＤＶＤやＣＤ−ＲＯＭなどの着脱可能な記憶媒体（非一過性の記憶媒体）に格納されており、記憶媒体がドライブ装置に装着されることでインストールされてもよい。
予測部２２２は、クライアント装置１００から初期予測または改善予測を要求する情報を受信した場合、検査値の初期予測または改善予測を行う。この場合、予測部２２２は、クライアント装置１００から受信した予測対象ユーザの検査値を予測モデル２２２Ｍに入力することにより、予測対象ユーザの将来の検査値を予測する。
逆予測部２２４は、クライアント装置１００から改善逆予測を要求する情報を受信した場合、検査値の改善逆予測を行う。この場合、逆予測部２２４は、どのような検査値を予測モデル２２２Ｍに入力すれば、予測対象ユーザにより指定された目標値が出力されるかを逆予測する。
記憶部２３０は、例えば、ＨＤＤやフラッシュメモリ、ＲＡＭ（Random Access Memory）などにより実現される。記憶部２３０は、例えば、第１のデータテーブル２３２、第２のデータテーブル２３４、および、課金管理テーブル２３６を格納する。第１のデータテーブル２３２は、予測対象ユーザと検査値とが互いに対応付けられたデータテーブルである。第２のデータテーブル２３４は、予測部２２２が予測対象ユーザの将来の検査値を予測する場合に、予測モデル２２２Ｍに入力される検査値と、予測モデル２２２Ｍから出力される検査値とが互いに対応付けられたデータテーブルである。課金管理テーブル２３６は、予測対象ユーザにより実行された予測処理または逆予測処理の履歴と、予測処理の種別ごとに予測対象ユーザに要求される課金内容とが互いに対応付けられたデータテーブルである。
図２は、予測部２２２および逆予測部２２４の構成の一例を示す図である。予測部２２２は、例えば、検査値取得部２２２Ａと、検査値予測部２２２Ｂと、課金管理部２２２Ｃと、予測結果出力部２２２Ｄとを備える。
検査値取得部２２２Ａは、学習対象ユーザがクライアント装置１００に入力した検査値をクライアント装置１００から取得する。検査値取得部２２２Ａは、取得した検査値を第１のデータテーブル２３２に登録する。検査値取得部２２２Ａは、例えば、学習対象ユーザが検査値を取得した年度に対応付けてクライアント装置１００から検査値を取得し、取得した検査値を学習対象ユーザのユーザＩＤに対応付けて第１のデータテーブル２３２に登録する。本実施形態では、検査値取得部２２２Ａは、一例として、年度ごとにクライアント装置１００から検査値を取得しているが、検査日ごとにクライアント装置１００から検査値を取得してもよい。
図３は、第１のデータテーブル２３２の内容の一例を示す図である。第１のデータテーブル２３２は、例えば、ユーザＩＤに対して、年度ごとの検査値が対応付けられたものである。第１のデータテーブル２３２は、例えば、ユーザが、一つの年度において健康診断を複数回受診する場合には、一つの年度に対して複数の検査値が対応付けられてもよい。検査値は、検査項目として、例えば、最高血圧、最低血圧、体重、ＨｂＡ１ｃ、中性脂肪を含む。ＨｂＡ１ｃは、糖尿病の疾病リスクを評価するための指標の一例であり、利用予測ユーザの異常を予測するための検査項目の一例である。
検査値予測部２２２Ｂは、第１のデータテーブル２３２に含まれる年度ごとの検査値を用いて予測モデル２２２Ｍを学習する。予測モデル２２２Ｍは、「第１学習済みモデル」の一例である。検査値予測部２２２Ｂは、例えば、同一のユーザＩＤに対応付けられた複数の検査値を用いて機械学習を行うことで、予測モデル２２２Ｍを学習する。検査値予測部２２２Ｂは、例えば、年度ごとの検査値のうち、相対的に早い年度（第１の時点）に取得された第１検査値を学習データとし、相対的に遅い年度（第２の時点）に取得された第２検査値を正解データ（教師データ）とした機械学習を行うことで、予測モデル２２２Ｍを学習する。第１検査値と第２検査値とを対応付けたデータセットが「第１学習データセット」の一例である。検査値予測部２２２Ｂは、他装置により学習処理が行われた予測モデル２２２Ｍを取得してもよい。そして、検査値予測部２２２Ｂは、検査値取得部２２２Ａにより取得された現在の検査値を予測モデル２２２Ｍに入力することにより、将来の検査値を予測する。
図４に示す例では、検査値予測部２２２Ｂは、学習フェーズにおいて、入力検査値および年度の組み合わせを学習データとし、予測検査値を正解データ（教師データ）とした機械学習を行うことで、予測モデル２２２Ｍを学習する。入力検査値は、検査項目として、例えば、最高血圧、最低血圧、体重を含む。予測検査値は、検査項目として、例えば、ＨｂＡ１ｃを含む。
検査値予測部２２２Ｂは、実行フェーズにおいて、検査値取得部２２２Ａにより取得された現在の検査値を予測モデル２２２Ｍに入力することで、将来の検査値を予測する。現在の検査値は、検査項目として、例えば、最高血圧、最低血圧、体重を含む。将来の検査値は、検査項目として、例えば、ＨｂＡ１ｃを含む。検査値予測部２２２Ｂは、予測モデル２２２Ｍを用いて予測した予測検査値を、予測の元となった入力検査値と対応付けて第２のデータテーブル２３４に登録する。
図５は、第２のデータテーブル２３４の内容の一例を示す図である。同図に示す例では、第２のデータテーブル２３４は、ユーザＩＤに対して、入力検査値と、予測検査値とが対応付けられたものである。入力検査値は、検査項目として、例えば、最高血圧、最低血圧、体重を含む。予測検査値は、検査項目として、例えば、ＨｂＡ１ｃ、中性脂肪を含む。
課金管理部２２２Ｃは、検査値予測部２２２Ｂによる処理の履歴に基づいて、予測対象ユーザに要求する課金内容を決定する。課金管理部２２２Ｃは、決定した課金内容を、検査値予測部２２２Ｂによる処理の履歴とともに、課金管理テーブル２３６に登録する。
図６は、課金管理テーブル２３６の内容の一例を示す図である。図示の例では、課金管理テーブル２３６は、ユーザＩＤに対して、予測種別と課金内容とが対応付けられたものである。予測種別は、例えば、検査値予測部２２２Ｂによる予測処理、および、後述する改善検査値逆予測部２２４Ｃによる逆予測処理を含む。図示の例では、改善検査値逆予測部２２４Ｃが改善逆予測を行った場合、検査値予測部２２２Ｂが改善予測を行った場合に比して、予測対象ユーザに要求する課金額が大きい。
予測結果出力部２２２Ｄは、検査値予測部２２２Ｂにより予測された将来の検査値をクライアント装置１００に出力する。
逆予測部２２４は、例えば、検査値取得部２２４Ａと、改善目標値指定部２２４Ｂと、改善検査値逆予測部２２４Ｃと、課金管理部２２４Ｄと、予測結果出力部２２４Ｅとを備える。
検査値取得部２２４Ａは、学習対象ユーザがクライアント装置１００に入力した検査値をクライアント装置１００から取得する。検査値取得部２２４Ａは、取得した検査値を改善目標値指定部２２４Ｂに出力する。
改善目標値指定部２２４Ｂは、検査値取得部２２４Ａから取得した検査値に基づいて、改善目標値を指定する。改善目標値指定部２２４Ｂは、例えば、検査値取得部２２４Ａから取得した検査値を所定の比率で増加または減少させた値を改善目標値として指定する。
改善検査値逆予測部２２４Ｃは、どのような検査値を改善検査値として予測モデル２２２Ｍに入力すれば、改善目標値指定部２２４Ｂにより指定された改善目標値が出力されるかを逆予測する。
図７に示すように、改善検査値逆予測部２２４Ｃは、改善目標値指定部２２４Ｂにより指定された改善目標値を用いて逆予測処理を行うことにより、改善検査値を逆予測する。改善目標値の検査項目は、例えば、ＨｂＡ１ｃを含む。改善検査値は、検査項目として、例えば、最高血圧、最低血圧、体重を含む。なお、逆予測処理の予測結果は、通常は、一意に定まるものではなく、複数の予測結果が得られることがある。そのため、改善検査値逆予測部２２４Ｃは、逆予測処理の予測結果が複数得られた場合、提示する予測結果を選択する。この場合、改善検査値逆予測部２２４Ｃは、例えば、統計的な最頻値を選択したり、予測の元となった検査値の属性を考慮して予測結果を選択したり、複数の予測結果を無作為に選択したりする。
図８は、改善検査値の逆予測処理の一例を示す図である。同図に示す例では、改善検査値逆予測部２２４Ｃは、例えば、予測対象ユーザと共通または類似する属性を有する他のユーザの将来の検査値を参照し、改善目標値指定部２２４Ｂにより指定された改善目標値に対応する改善検査値を抽出することで逆予測を行う。他のユーザの検査値は、例えば、検査値予測部２２２Ｂによって予測された他のユーザの将来の検査値を蓄積したものである。同図に示す例では、検査値の検査項目が「最高血圧」であり、予測対象ユーザである「ユーザＡ」の現在の検査値「１４０」が予測モデル２２２Ｍに入力されることで、予測モデル２２２Ｍから出力される「ユーザＡ」の将来の検査値「１８０」が取得されている。また、「ユーザＡ」の将来の検査値「１８０」を所定の比率（図示の例では、２５％程度）で減少させた値が改善目標値「１４０」として取得されている。この例では、改善検査値逆予測部２２４Ｃは、「ユーザＡ」と共通または類似する属性を有する他のユーザのうち、改善目標値「１４０」に対応する将来の検査値「１４０」を有する「ユーザＢ」を比較対象として選択する。そして、改善検査値逆予測部２２４Ｃは、「ユーザＢ」の現在の検査値を参照して、「ユーザＡ」の改善検査値を逆予測する。この例では、検査値の検査項目の一例である「最低血圧」、「体重」、「ＨｂＡ１ｃ」、「中性脂肪」のいずれの値についても、「ユーザＡ」に比して、「ユーザＢ」が良好な値を示す。そのため、改善検査値逆予測部２２４Ｃは、「ユーザＢ」についての「最低血圧」、「体重」、「ＨｂＡ１ｃ」、「中性脂肪」の値を、「ユーザＡ」の改善検査値の一例として逆予測する。
図９は、改善検査値の逆予測処理の他の一例を示す図である。同図に示す例では、改善検査値逆予測部２２４Ｃは、例えば、改善目標値指定部２２４Ｂにより改善目標値が指定された場合、現在の検査値を網羅的に変更して予測モデル２２２Ｍに入力し、予測モデル２２２Ｍから出力される検査値が改善目標値と一致した場合に予測モデル２２２Ｍに入力していた検査値を改善検査値として逆予測する。同図に示す例では、改善検査値逆予測部２２４Ｃは、検査値予測部２２２Ｂに対して指示を出力し、現在の検査値の検査項目のうち、所定の検査項目を網羅的に変更して予測モデル２２２Ｍに入力させ、予測モデル２２２Ｍから出力される将来の検査値を変更させる。図示の例では、改善検査値逆予測部２２４Ｃは、現在の検査値のうち、「最高血圧」の検査値を「１２０」、「１１０」、「１００」、「９０」と網羅的に変更して予測モデル２２２Ｍに入力させ、予測モデル２２２Ｍから出力される「ＨｂＡ１ｃ」の検査値を、「５．８」、「５．４」、「５．１」、「４．９」と網羅的に変更させる。そして、改善検査値逆予測部２２４Ｃは、「ＨｂＡ１ｃ」の検査値が「ＨｂＡ１ｃ」の正常範囲（例えば、５．２未満）である「５．１」となった場合に予測モデル２２２Ｍに入力していた「最高血圧」の検査値「１００」を改善検査値として逆予測する。
図１０に示すように、改善検査値逆予測部２２４Ｃは、複数の改善検査値を逆予測した場合、例えば、複数の改善検査値を表示部１３０にリスト表示させる。この場合、改善検査値逆予測部２２４Ｃは、例えば、改善検査値の検査項目のうち、特定の検査項目の検査値を昇順または降順に並べて改善検査値をリスト表示してもよい。
図１１に示すように、改善検査値逆予測部２２４Ｃは、複数の改善検査値を逆予測した場合、例えば、複数の改善検査値を表示部１３０にランキング表示させてもよい。この場合、改善検査値逆予測部２２４Ｃは、例えば、予測対象ユーザのユーザ情報に基づいて、複数の改善検査値をランキング表示させてもよい。ユーザ情報は、例えば、ユーザの年齢、体重、出身地のうち少なくとも一部を含む。改善検査値逆予測部２２４Ｃは、例えば、複数の改善検査値をランキング表示する場合、改善検査値の予測の元となったユーザのユーザ情報と、予測対象ユーザのユーザ情報との類似度が高いほど、改善検査値を表示部１３０に表示する順位を高くしてもよい。改善検査値逆予測部２２４Ｃは、複数の改善検査値をランキング表示する場合、例えば、改善検査値の予測の元となったユーザのうち、予測対象ユーザと出身地が共通または類似するユーザの検査値を抽出し、抽出した検査値との一致度合いが高い改善検査値を表示部１３０に表示する順序を高くしてもよい。
課金管理部２２４Ｄは、逆予測部２２４による処理の履歴に基づいて、予測対象ユーザに要求する課金内容を決定する。課金管理部２２４Ｄは、決定した課金内容を、逆予測部２２４による処理の履歴とともに、課金管理テーブル２３６に登録する。
予測結果出力部２２４Ｅは、逆予測部２２４により逆予測された予測対象ユーザの改善検査値をクライアント装置１００に出力する。
［処理フロー］
図１２は、検査値予測処理の一例を示すフローチャートである。図１２に示すフローチャートの処理は、例えば、サーバ装置２００がクライアント装置１００から予測を要求する情報を受信した場合に開始される。
まず、検査値取得部２２２Ａは、クライアント装置１００から予測対象ユーザの現在の検査値を取得する（ステップＳ１０１）。
次に、検査値予測部２２２Ｂは、検査値取得部２２２Ａにより取得された現在の検査値を予測モデル２２２Ｍに入力することで、予測対象ユーザの将来の検査値を予測する（ステップＳ１０３）。
次に、検査値予測部２２２Ｂは、予測モデル２２２Ｍに入力した入力検査値と、予測モデル２２２Ｍから出力された予測検査値とを対応付けて第２のデータテーブル２３４に登録する（ステップＳ１０５）。
次に、課金管理部２２２Ｃは、検査値予測部２２２Ｂにより行われた検査値の予測の種別が改善予測であるか否かを判定する（ステップＳ１０７）。課金管理部２２２Ｃは、検査値の予測の種別が改善予測であると判定した場合、改善予測を処理履歴として課金管理テーブル２３６に登録する（ステップＳ１０９）。一方、課金管理部２２２Ｃは、検査値の予測の種別が改善予測ではないと判定した場合、初期予測を処理履歴として課金管理テーブル２３６に登録する（ステップＳ１１１）。
その後、予測結果出力部２２２Ｄは、検査値予測部２２２Ｂにより予測された予測検査値を、通信部２１０を通じてクライアント装置１００に出力する（ステップＳ１１３）。
［処理フロー］
図１３は、検査値逆予測処理の一例を示すフローチャートである。図１３に示すフローチャートの処理は、例えば、サーバ装置２００がクライアント装置１００から逆予測を要求する情報を受信した場合に開始される。
まず、検査値取得部２２４Ａは、クライアント装置１００から予測対象ユーザの現在の検査値を取得する（ステップＳ２０１）。
次に、改善目標値指定部２２４Ｂは、検査値取得部２２４Ａにより取得された検査値に基づいて改善目標値を指定する（ステップＳ２０３）。
次に、改善検査値逆予測部２２４Ｃは、検査値予測部２２２Ｂに対して指示を出力し、検査値取得部２２４Ａにより取得された検査値を網羅的に変更して予測モデル２２２Ｍに入力させることで予測検査値を予測する（ステップＳ２０５）。
次に、改善検査値逆予測部２２４Ｃは、ステップＳ２０５において予測した予測検査値と改善目標値指定部２２４Ｂにより指定された改善目標値とが一致するか否かを判定する（ステップＳ２０７）。
改善検査値逆予測部２２４Ｃは、予測検査値と改善目標値とが一致すると判定した場合、予測モデル２２２Ｍに入力していた検査値を改善検査値としてメモリに保存し（ステップＳ２０９）、その処理をステップＳ２１１に移行する。改善検査値逆予測部２２４Ｃは、予測検査値と改善目標値とが一致しないと判定した場合、ステップＳ２０９の処理を経ることなく、その処理をステップＳ２１１に移行する。
次に、改善検査値逆予測部２２４Ｃは、全てのデータを検索したか否かを判定する（ステップＳ２１１）。改善検査値逆予測部２２４Ｃは、全てのデータを検索していないと判定した場合、その処理をステップＳ２０５に戻し、全てのデータを検索するまでの間、ステップＳ２０５〜ステップＳ２１１の処理を繰り返す。一方、改善検査値逆予測部２２４Ｃは、全てのデータを検索したと判定した場合、その処理をステップＳ２１３に移行する。
次に、課金管理部２２４Ｄは、改善逆予測を処理履歴として課金管理テーブル２３６に登録する（ステップＳ２１３）。
次に、改善検査値逆予測部２２４Ｃは、ステップ２０９においてメモリに保存した改善検査値のうち、提示する改善検査値を選択する（ステップＳ２１５）。
その後、予測結果出力部２２４Ｅは、ステップＳ２１５において改善検査値逆予測部２２４Ｃにより選択された改善検査値を、逆予測処理の予測結果として通信部２１０を通じてクライアント装置１００に出力する（ステップＳ２１７）。
［サーバ装置の動作］
次に、第１実施形態に係るサーバ装置２００の動作について説明する。
図１４に示すように、サーバ装置２００は、予測対象ユーザの現在の検査値を予測モデル２２２Ｍに入力することで将来の検査値を予測した場合、現在の検査値および将来の検査値を表示部１３０に一覧表示する。図示の例では、現在の検査値は、検査項目として、例えば、最高血圧、最低血圧、および体重を含む。また、将来の検査値は、検査項目として、例えば、ＨｂＡ１ｃを含む。図示の例では、将来の検査値は、現時点からの経過年数ごとに予測された検査値を含み、これらの検査値の時系列データがグラフとして表示される。また、図示の例では、表示部１３０は、タッチパネルであり、改善ボタンＢ１および予測ボタンＢ２を、予測対象ユーザの現在の検査値および将来の検査値の予測結果と併せて表示する。
そして、サーバ装置２００は、検査値の改善予測を行う場合には、まず、予測対象ユーザによる改善ボタンＢ１の操作を受け付ける。図示の例では、現在の検査値の検査項目のうち、「体重」に関するパラメータが改善されている。次に、サーバ装置２００は、予測対象ユーザによる予測ボタンＢ２の操作を受け付ける。この結果、サーバ装置２００は、改善予測された将来の検査値を、改善前の将来の検査値と併せて表示部１３０に表示する。
また、サーバ装置２００は、検査値の改善逆予測を行う場合には、まず、予測対象ユーザの将来の検査値の改善操作を受け付ける。図示の例では、将来の検査値の時系列データを表すグラフのうち、現時点から起算して５年後の検査値のプロットを下方にドラッグして、検査値を改善目標値まで改善する。次に、サーバ装置２００は、どのような検査値を改善検査値として予測モデル２２２Ｍに入力すれば改善目標値が出力されるかを逆予測する。図示の例では、サーバ装置２００は、現在の検査値の検査項目のうち、改善の対象として「体重」を指定した上で改善検査値を逆予測する。
以上において説明した第１の実施形態のサーバ装置２００によれば、学習対象ユーザが、第１の時点で取得された検査値と第２の時点で取得された検査値とを対応付けた複数のデータセットを含む学習用データセットを用いて学習させた予測モデル２２２Ｍに対し、予測対象ユーザの検査値を入力することで、予測対象ユーザの将来の検査値を予測する。サーバ装置２００は、予測対象ユーザの将来の検査値に関する目標値が指定された場合、どのような検査値を予測モデル２２２Ｍに入力すれば指定された目標値が出力されるかを逆予測する。これにより、逆予測された検査値を予測対象ユーザの生活習慣を改善するための情報として提供することが可能となる。
また、サーバ装置２００は、予測対象ユーザと共通または類似する属性を有する他のユーザの将来の検査値の参照データを参照し、指定された目標値に対応する検査値を抽出することで逆予測を行う。これにより、予測対象ユーザが検査値を改善する上でモデルとなる他のユーザの検査値を参照して、予測対象ユーザの改善検査値を逆予測することが可能となる。
また、サーバ装置２００は、目標値が指定された場合、検査値を網羅的に変更して予測モデル２２２Ｍに入力し、予測モデル２２２Ｍから出力される検査値が目標値と一致した場合に予測モデル２２２Ｍに入力していた検査値に基づいて逆予測を行う。これにより、予測対象ユーザが検査値を改善する上でモデルとなる他のユーザの検査値が得られなかった場合にも、予測対象ユーザの改善検査値を逆予測することが可能となる。
また、サーバ装置２００は、逆予測の予測結果が複数得られた場合、複数の予測結果を予測対象ユーザに提示する。これにより、予測対象ユーザの趣向に合致した情報を提供することが可能となる。
また、サーバ装置２００は、複数の予測結果を予測対象ユーザに提示する場合、予測結果の元となったユーザのユーザ情報と、予測対象ユーザのユーザ情報との類似度が高いほど、予測結果を提示する順位を高くする。これにより、予測対象ユーザの趣向により一層合致した情報を提供することが可能となる。
また、サーバ装置２００は、予測部２２２および逆予測部２２４による処理の履歴に基づいて、予測対象ユーザに要求する課金内容を決定し、逆予測部２２４による逆予測が行われた場合、予測部２２２による改善予測が行われた場合に比して、予測対象ユーザに要求する課金を大きくする。これにより、逆予測処理の有用性を活かして予測対象ユーザに要求する課金内容を決定することが可能となる。
（第２の実施形態）
以下、第２の実施形態について説明する。第１の実施形態と比較して、第２の実施形態に係る検査値予測装置の一例であるサーバ装置２００は、逆予測モデルを用いて検査値の改善逆予測を行う点が異なる。このため、構成などについては第１の実施形態で説明した図および関連する記載を援用し、詳細な説明を省略する。
改善検査値逆予測部２２４Ｃは、改善目標値が指定された場合、第１のデータテーブル２３２に登録されたデータのうち、予測モデル２２２Ｍの学習フェーズにおいて、正解データ（教師データ）として用いられた第２検査値を学習データとし、学習データとして用いられた第１検査値を正解データ（教師データ）とした機械学習を行うことで、逆予測モデル２２２ＭＡを学習する。逆予測モデル２２２ＭＡは、「第２学習済みモデル」の一例であり、第２検査値と第１検査値とを対応付けたデータセットが「第２学習データセット」の一例である。改善検査値逆予測部２２４Ｃは、検査値予測部２２２Ｂにより予測された予測検査値を改善した値を改善目標値として逆予測モデル２２２ＭＡに入力することで改善検査値を逆予測する。
図１５に示す例では、改善検査値逆予測部２２４Ｃは、学習フェーズにおいて、検査値予測部２２２Ｂにより予測された予測検査値を学習データとし、検査値取得部２２４Ａにより取得された現在の検査値を正解データ（教師データ）とした機械学習を行うことで、逆予測モデル２２２ＭＡを学習する。予測検査値は、検査項目として、例えば、ＨｂＡ１ｃ、中性脂肪を含む。現在の検査値は、検査項目として、例えば、最高血圧を含む。
改善検査値逆予測部２２４Ｃは、実行フェーズにおいて、検査値予測部２２２Ｂにより予測された予測検査値を逆予測モデル２２２ＭＡに入力することで改善検査値を逆予測する。予測検査値は、検査項目として、例えば、ＨｂＡ１ｃ、中性脂肪を含む。改善検査値は、検査項目として、例えば、最高血圧を含む。
［処理フロー］
図１６は、検査値逆予測処理の一例を示すフローチャートである。図１６に示すフローチャートの処理は、例えば、サーバ装置２００がクライアント装置１００から逆予測の要求を受信した場合に開始される。
まず、検査値取得部２２４Ａは、クライアント装置１００から予測対象ユーザの現在の検査値を取得する（ステップＳ３０１）。
次に、改善目標値指定部２２４Ｂは、検査値取得部２２４Ａにより取得された検査値に基づいて改善目標値を指定する（ステップＳ３０３）。
次に、改善検査値逆予測部２２４Ｃは、改善目標値指定部２２４Ｂにより指定された改善目標値を逆予測モデル２２２ＭＡに入力することで改善検査値を逆予測する（ステップＳ３０５）。
次に、課金管理部２２４Ｄは、改善逆予測を処理履歴として課金管理テーブル２３６に登録する（ステップＳ３０７）。
その後、予測結果出力部２２４Ｅは、改善検査値逆予測部２２４Ｃにより逆予測された改善検査値を、予測結果として通信部２１０を通じてクライアント装置１００に出力する（ステップＳ３０９）。
以上説明したように、第２の実施形態に係るサーバ装置２００によれば、改善目標値が指定された場合、第１検査値と第２検査値とを対応付けた複数のデータセットの入力および出力を第１学習用データセットとは入れ替えた第２学習用データセットを用いて逆予測モデル２２２ＭＡを学習する。改善検査値逆予測部２２４Ｃは、検査値予測部２２２Ｂにより予測された予測検査値を改善した値を改善目標値として逆予測モデル２２２ＭＡに入力することで改善検査値を逆予測する。これにより、予測対象ユーザが検査値を改善する上でモデルとなる他のユーザの検査値が得られなかった場合にも、処理負荷を抑えつつ、予測対象ユーザの改善検査値を逆予測することが可能となる。
なお、上述した実施形態における検査値の予測機能をクライアント装置１００で実現してもよい。また、上述した実施形態における検査値の予測機能を、サーバ装置２００またはクライアント装置１００により構成される検査値予測装置と、検査値予測装置と通信する端末装置において動作するアプリケーションプログラムと、を備える検査値予測システムにおいて実現してもよい。
本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。
１００…クライアント装置、１１０…通信部、１２０…入力部、１３０…表示部、１４０…処理部、２００…サーバ装置、２１０…通信部、２２０…処理部、２２２…予測部、２２４…逆予測部、２３０…記憶部。

Claims (12)

  1. 同一のユーザの複数の検査値の系列データを含む第１学習用データセットを用いて学習させた第１学習済みモデルに対し、ユーザの検査値を入力することで、前記ユーザの将来の検査値を予測する予測部と、
    前記ユーザの将来の検査値に関する目標値が指定された場合、どのような検査値を前記第１学習済みモデルに入力すれば前記指定された前記目標値が出力されるかを逆予測する逆予測部と、
    を備える検査値予測装置。
  2. 前記逆予測部は、前記ユーザと共通または類似する属性を有する他のユーザの将来の検査値の参照データを参照し、前記指定された目標値に対応する検査値を抽出することで前記逆予測を行う、
    請求項１記載の検査値予測装置。
  3. 前記参照データは、前記予測部によって予測された結果を蓄積したものである、
    請求項２記載の検査値予測装置。
  4. 前記逆予測部は、前記目標値が指定された場合、検査値を網羅的に変更して前記第１学習済みモデルに入力し、前記第１学習済みモデルから出力される検査値が前記目標値と一致した場合に前記第１学習済みモデルに入力していた検査値に基づいて前記逆予測を行う、
    請求項１記載の検査値予測装置。
  5. 前記逆予測部は、前記目標値が指定された場合、前記複数の検査値の系列データの入力および出力を前記第１学習用データセットとは入れ替えた第２学習用データセットを用いて学習させた第２学習済みモデルに対し、前記指定された目標値を入力することで前記逆予測を行う、
    請求項１記載の検査値予測装置。
  6. 前記逆予測部は、前記逆予測の予測結果が複数得られた場合、前記複数の予測結果を前記ユーザに提示する、
    請求項１から５のうちいずれか１項記載の検査値予測装置。
  7. 前記逆予測部は、前記複数の予測結果を前記ユーザに提示する場合、前記予測結果の元となったユーザのユーザ情報と、前記ユーザのユーザ情報との類似度が高いほど、前記予測結果を提示する順位を高くする、
    請求項６記載の検査値予測装置。
  8. 前記ユーザ情報は、ユーザの年齢、体重、出身地のうち少なくとも一部を含む、
    請求項７記載の検査値予測装置。
  9. 前記予測部および前記逆予測部による処理の履歴に基づいて、前記ユーザに要求する課金内容を決定する課金管理部であって、前記逆予測部による処理が行われた場合、前記予測部による処理が行われた場合に比して、前記ユーザに要求する課金を大きくする課金管理部をさらに備える、
    請求項１から８のうちいずれか１項記載の検査値予測装置。
  10. 同一のユーザの複数の検査値の系列データを含む第１学習用データセットを用いて学習させた第１学習済みモデルに対し、ユーザの検査値を入力することで、前記ユーザの将来の検査値を予測する予測部と、
    前記ユーザの将来の検査値に関する目標値が指定された場合、どのような検査値を前記第１学習済みモデルに入力すれば前記指定された前記目標値が出力されるかを逆予測する逆予測部と、
    を備える検査値予測装置と、
    前記検査値予測装置と通信する端末装置において動作するアプリケーションプログラムと、を備える検査値予測システムであって、
    前記アプリケーションプログラムは、
    前記検査値予測装置により予測された前記ユーザの将来の検査値を前記端末装置に表示させ、
    前記ユーザの将来の検査値に関する目標値の入力を受け付けて前記検査値予測装置に送信する、
    検査値予測システム。
  11. コンピュータが、
    同一のユーザの複数の検査値の系列データを含む第１学習用データセットを用いて学習させた第１学習済みモデルに対し、ユーザの検査値を入力することで、前記ユーザの将来の検査値を予測し、
    前記ユーザの将来の検査値に関する目標値が指定された場合、どのような検査値を前記第１学習済みモデルに入力すれば前記指定された前記目標値が出力されるかを逆予測する、
    検査値予測方法。
  12. コンピュータに、
    同一のユーザの複数の検査値の系列データを含む第１学習用データセットを用いて学習させた第１学習済みモデルに対し、ユーザの検査値を入力することで、前記ユーザの将来の検査値を予測する処理と、
    前記ユーザの将来の検査値に関する目標値が指定された場合、どのような検査値を前記第１学習済みモデルに入力すれば前記指定された前記目標値が出力されるかを逆予測する処理と、
    を実行させるプログラム。
JP2019173968A 2019-09-25 2019-09-25 検査値予測装置、検査値予測システム、検査値予測方法、およびプログラム Active JP6790207B1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2019173968A JP6790207B1 (ja) 2019-09-25 2019-09-25 検査値予測装置、検査値予測システム、検査値予測方法、およびプログラム
CN202080060900.9A CN114287013A (zh) 2019-09-25 2020-08-07 检查值预测装置、检查值预测系统、检查值预测方法以及程序
PCT/JP2020/030307 WO2021059774A1 (ja) 2019-09-25 2020-08-07 検査値予測装置、検査値予測システム、検査値予測方法、およびプログラム
US17/652,946 US20220183634A1 (en) 2019-09-25 2022-03-01 Inspection value prediction device, inspection value prediction system, and inspection value prediction method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2019173968A JP6790207B1 (ja) 2019-09-25 2019-09-25 検査値予測装置、検査値予測システム、検査値予測方法、およびプログラム

Publications (2)

Publication Number Publication Date
JP6790207B1 JP6790207B1 (ja) 2020-11-25
JP2021051535A true JP2021051535A (ja) 2021-04-01

Family

ID=73455230

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019173968A Active JP6790207B1 (ja) 2019-09-25 2019-09-25 検査値予測装置、検査値予測システム、検査値予測方法、およびプログラム

Country Status (4)

Country Link
US (1) US20220183634A1 (ja)
JP (1) JP6790207B1 (ja)
CN (1) CN114287013A (ja)
WO (1) WO2021059774A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7214174B1 (ja) 2022-05-10 2023-01-30 株式会社asken 医療支援装置、医療支援装置の動作方法、及びプログラム

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102490077B1 (ko) * 2021-01-28 2023-01-18 주식회사 피씨티 복수의 기계학습모델에 기반한 고위험 선종 관련 정보 예측 방법 및 시스템
KR102577294B1 (ko) * 2021-01-28 2023-09-13 주식회사 피씨티 기계학습모델에 기반한 선종 관련 정보 예측 방법 및 시스템
WO2023127029A1 (ja) * 2021-12-27 2023-07-06 日本電信電話株式会社 観察対象選択装置、観察対象選択方法、及びプログラム

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017040981A (ja) * 2015-08-17 2017-02-23 国立大学法人東北大学 健康情報処理装置、健康情報処理方法、健康情報処理プログラム、健康情報表示装置、健康情報表示方法、及び健康情報表示プログラム
WO2017204233A1 (ja) * 2016-05-23 2017-11-30 Ｎｅｃソリューションイノベータ株式会社 健康状態予測装置、健康状態予測方法、及びコンピュータ読み取り可能な記録媒体
JP2018132959A (ja) * 2017-02-15 2018-08-23 株式会社日本医療データセンター コンピュータプログラム、端末、方法およびサーバ

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017040981A (ja) * 2015-08-17 2017-02-23 国立大学法人東北大学 健康情報処理装置、健康情報処理方法、健康情報処理プログラム、健康情報表示装置、健康情報表示方法、及び健康情報表示プログラム
WO2017204233A1 (ja) * 2016-05-23 2017-11-30 Ｎｅｃソリューションイノベータ株式会社 健康状態予測装置、健康状態予測方法、及びコンピュータ読み取り可能な記録媒体
JP2018132959A (ja) * 2017-02-15 2018-08-23 株式会社日本医療データセンター コンピュータプログラム、端末、方法およびサーバ

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7214174B1 (ja) 2022-05-10 2023-01-30 株式会社asken 医療支援装置、医療支援装置の動作方法、及びプログラム
JP2023166926A (ja) * 2022-05-10 2023-11-22 株式会社asken 医療支援装置、医療支援装置の動作方法、及びプログラム

Also Published As

Publication number Publication date
US20220183634A1 (en) 2022-06-16
JP6790207B1 (ja) 2020-11-25
CN114287013A (zh) 2022-04-05
WO2021059774A1 (ja) 2021-04-01

Similar Documents

Publication Publication Date Title
JP6790207B1 (ja) 検査値予測装置、検査値予測システム、検査値予測方法、およびプログラム
CN109313939B (zh) 健康状况预测装置，健康状况预测方法和计算机可读记录介质
US8639678B2 (en) System for generating a medical knowledge base
JP2023022011A (ja) 視力とその変化を試験および分析するためのシステムおよび方法
US20110202486A1 (en) Healthcare Information Technology System for Predicting Development of Cardiovascular Conditions
CN108122611B (zh) 一种信息推荐方法、装置及存储介质、程序产品
JP6516414B2 (ja) 体重管理システム
US20130013340A1 (en) Wellness Decision Support Services
McHugh et al. Social support differentially moderates the impact of neuroticism and extraversion on mental wellbeing among community-dwelling older adults
US20190065455A1 (en) Intelligent form creation
US20180032674A1 (en) Diagnostic system, diagnostic method, and storage medium
US20130297340A1 (en) Learning and optimizing care protocols
US10409952B2 (en) Knowledge-based personal intelligent health consulting system
US20190180851A1 (en) System and method for predicting non-adherence risk based on socio-economic determinates of health
WO2019199954A1 (en) Recommended action plan for a physician and a care team, optimized by outcome
WO2021070687A1 (ja) 評価支援装置、評価支援方法及び評価支援プログラム
JP2013196425A (ja) 性格表示システム、性格表示方法及び性格表示プログラム
KR102261132B1 (ko) 큐레이션 지원 시스템 및 그 동작 방법
JP5982949B2 (ja) 保健指導対象者選定条件決定支援装置
KR101871827B1 (ko) 콘텐츠 우선순위 개인화 장치, 방법 및 프로그램
US20210151135A1 (en) Processing data records and searching data structures that are stored in hardware memory and that are at least partly generated from the processed data records in generating an adaptive user interface
Schaaf et al. User-Centred Development of a Diagnosis Support System for Rare Diseases.
Meehan et al. Predictive modeling and analysis of high-cost patients
JP2018205903A (ja) 情報処理装置、情報処理方法、情報処理システム及びプログラム
KR101909898B1 (ko) 콘텐츠 우선순위 개인화 장치, 방법 및 프로그램

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200807

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20200807

A975 Report on accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A971005

Effective date: 20200827

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20200901

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200925

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20201006

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20201104

R150 Certificate of patent or registration of utility model

Ref document number: 6790207

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150