JP2021068174A - 健康支援システム及びプログラム - Google Patents
健康支援システム及びプログラム Download PDFInfo
- Publication number
- JP2021068174A JP2021068174A JP2019192850A JP2019192850A JP2021068174A JP 2021068174 A JP2021068174 A JP 2021068174A JP 2019192850 A JP2019192850 A JP 2019192850A JP 2019192850 A JP2019192850 A JP 2019192850A JP 2021068174 A JP2021068174 A JP 2021068174A
- Authority
- JP
- Japan
- Prior art keywords
- target
- factors
- value
- search
- factor
- 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
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
- 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
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
- A61B5/7435—Displaying user selection data, e.g. icons in a graphical user interface
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Databases & Information Systems (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Physiology (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Computing Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
Description
前記予測手段は、健診者の健診データに基づいて疾病のリスク値を予測する。前記目標設定手段は、前記疾病のリスク値に対する低減目標を設定する。前記因子設定手段は、前記疾病に関する各因子の中で探索対象とする各因子とこれらの因子の探索範囲を設定する。前記目標探索手段は、前記各因子の探索範囲内で前記疾病のリスク値を前記低減目標に近づけるための前記各因子の目標値の候補を所定の探索方式を用いて探索する。
開示はあくまで一例にすぎず、以下の実施形態に記載した内容により発明が限定されるものではない。当業者が容易に想到し得る変形は、当然に開示の範囲に含まれる。説明をより明確にするため、図面において、各部分のサイズ、形状等を実際の実施態様に対して変更して模式的に表す場合もある。複数の図面において、対応する要素には同じ参照数字を付して、詳細な説明を省略する場合もある。
・本人の努力で変更が可能な因子:体重,HbA1c(ヘモグロビン・エイワンシー)、空腹時血糖値,運動習慣…
・本人の努力で変更が不可能な因子:性別,年齢,身長…
本人の努力で変更が不可能な因子である性別、年齢や身長などでは、疾病リスクを低減することはできない。本人の努力で変更が可能な因子を変えることで、疾病リスクを低減させることができる。
・体重:50kgから70kgまでの範囲で1kg毎に21通り
・HbA1c:5.0から7.0までの範囲で0.1毎に21通り
・空腹時血糖値:90から130までの範囲で1毎に41通り
・運動習慣:なし、習慣小、習慣中、習慣大の4通り
・飲酒の頻度:なし、頻度小、頻度中、頻度大の4通り
この5つの因子で交互作用の影響も考えられる場合、5つの因子の組み合わせについて疾病リスクを予測する必要がある。
21×21×41×4×4=289,296
となる。この膨大な組み合わせの中から、例えば体重を60kgまで低減、HbA1cを5.7まで低減、空腹時血糖値を100まで低減…といったように、疾病リスクの低減目標に合わせて各因子の目標値を決めなければならない。この例では関連因子を5つに限定してしたが、限定せずに多数の因子について考慮すると、因子の探索に必要な計算量は膨大なものになる。このため、各因子の目標値を効率良く探索する必要がある。
本実施形態の健康支援システムは、例えばPCやサーバコンピュータ等からなる。この健康支援システムは、特定の疾病が発症するリスクを低減するための目標値(低減目標)を設定する機能と、その低減目標を達成するための各因子の目標値を探索する機能を備える。以下では、特定の疾病として「糖尿病」を例にして説明するが、例えば「高血圧症」,「脂質異常症」など、生活習慣病として指定されている各種の疾病が対象となる。
論文:Practical Bayesian Optimization of Machine Learning Algorithms
http://papers.nips.cc/paper/4522-practical-bayesian-optimization-of-machine-learning-algorithms.pdf
にその詳細が示されている。
因子目標探索部14は、記憶部21と、検索処理部22とで構成される。記憶部21には、データ取得部11によって得られた健診データや、疾病リスク予測部13によって予測結果として得られた疾病リスクの他に、低減目標、探索因子、探索範囲、正規化パラメータ、個人パラメータなど、探索処理に必要な各種データが記憶される。
疾病リスク予測部13によって特定の疾病(ここでは糖尿病)が発症するリスクが予測されると、その予測結果として得られたリスク値がグラフ形式でUI画面30に表示される。このUI画面30には現在のリスク値と経過年数との関係を示す第1のグラフ表示部31が設けられており、ここに現在のリスク値を表すグラフ線32が表示される。なお、この例ではリスク値をグラフ形式で表示したが、例えば表形式で表示しても良い。
所定の操作により低減目標の設定を指示すると、図4に示すようなUI画面40が表示される。このUI画面40には数値入力部41が設けられており、ここに任意の値を低減目標として入力する。図4の例では、低減目標として「30%」が入力されている。これは、現在のリスク値を30%まで低減することを目標としていることを意味している。
因子目標探索部14によって各因子の目標値が探索されると、その探索結果が図5に示すようなUI画面50に表示される。このUI画面50には低減後のリスク値と経過年数との関係を示す第2のグラフ表示部51が設けられており、ここに低減後のリスク値を表すグラフ線52が現在のリスク値を表すグラフ線32と比較できるように表示される。これにより、低減目標を達成した場合にどれだけ効果があるのかを視覚的に把握できる。なお、ここでは現在のリスク値と低減後のリスク値をグラフ形式で表示しているが、表形式で表示することでも良い。
本システムでは、健診者が任意に設定した低減目標を達成するための各因子の目標値を探索する際に、生活習慣に関する各項目について個人の意向を反映させることができる。生活習慣に関する各項目には、例えば「運動習慣」,「運動強度」,「飲酒の習慣」,「飲酒の量」,「喫煙」,「睡眠時間」…などが含まれる。
UI画面70には、各項目毎に個人の意向を選択形式で入力するための選択部71が設けられている。医師または健診者がマウスなどの操作により選択部71の中で各項目に対する個人の意向を選択形式で入力する。
図8は健康支援システムの全体の流れを示すフローチャートである。なお、このフローチャートで示される処理は、コンピュータであるCPU101(図10参照)が本システムを実現するためのプログラムを読み込むことにより実行される。図9に示すフローチャートについても同様である。
因子目標探索部14には、データ取得部11によって得られた健診データや、疾病リスク予測部13の予測結果が与えられて、記憶部21に記憶される。また、設定部12によって設定された低減目標が記憶部21に記憶される。
探索範囲の設定例を以下に示す。
(探索範囲の設定例)
・体重:50kgから70kgまで
・HbA1c:5.0から7.0まで
・空腹時血糖値:90から130まで
・運動習慣:なし、習慣小、習慣中、習慣大
・飲酒の頻度:なし、頻度小、頻度中、頻度大。
検索処理部22は、候補生成部23、疾病リスク予測部24、ロス計算部25からなる。候補生成部23は、探索対象として選択された各因子について、これらの因子の探索範囲内で目標値の候補を所定の探索方式によって生成する(ステップS25)。このときの探索方式としては、ランダム方式やベイジアン方式等が用いられる。ランダム方式よりはベイジアン方式の精度が高いので、ベイジアン方式を用いて候補を生成することが好ましい。ただし、ベイジアン方式は、過去の探索結果を利用するため、初期時にはランダム方式で探索を行う。このランダム方式で初期候補が得られたら、ベイジアン方式で最適な候補を探索する。
Loss1は、現在のリスク値(健診者の健診データを元に疾病リスク予測部13で予測されたリスク値)と、低減目標とするリスク値との差分によって算出される第1のロスである。
Loss2は、各因子の検査値(健診者の健診データから得られる因子値)と、各因子の目標値の候補との差分によって算出される第2のロスである。
αは、Loss1とLoss2との重みの比率を調整するためのパラメータである。Lossは、Loss1とLoss2をαで重み付けして加算した第3のロスとして求められる。
現在のリスク値≦低減目標とするリスク値の場合には、
Loss1=0
現在のリスク値>低減目標とするリスク値の場合には、
Loss1=(現在のリスク値−低減目標とするリスク値)^2
・Loss2の計算
Loss2=Σ(((Xi−Xi_org)×Xi_std1×Xi_std2)^2/Num_X
Xiは、健診者のi番目の因子の目標値の候補
Xi_orgは、健診者のi番目の因子の検査値
Xi_std1は、因子毎のロスを正規化するための正規化パラメータ
Xi_std2は、個人の意向を反映させるための個人パラメータ
Num_Xは、探索対象とする各因子の数
正規化パラメータXi_std1は、各因子のスケールを合わせるためにある。例えば、身長の値は、160cm,170cm…といったように表される。HbA1cの値は、5.3,5.6,6.5…といったように表される。各因子に対応するXi_std1を適切に設定して、0から1の範囲に正規化する。
図10は健康支援システムのハードウェア構成の一例を示す図である。
本実施形態における健康支援システムは、例えばPCやサーバコンピュータ等からなり、CPU101、不揮発性メモリ102、主メモリ103、通信デバイス104、入力デバイス105、表示デバイス106等を備える。
Claims (11)
- 健診者の健診データに基づいて疾病のリスク値を予測する予測手段と、
前記疾病のリスク値に対する低減目標を設定する目標設定手段と、
前記疾病に関する複数の第1の因子の中で探索対象とする複数の第2の因子と前記各第2の因子の探索範囲を設定する因子設定手段と、
前記各第2の因子の探索範囲内で前記疾病のリスク値を前記低減目標に近づけるための前記各第2の因子の目標値の候補を所定の探索方式を用いて探索する目標探索手段と
を具備した健康支援システム。 - 前記目標探索手段は、
現在のリスク値と前記低減目標とするリスク値との差分によって算出される第1のロスと、
前記各第2の因子の検査値と前記各第2の因子の目標値の候補との差分によって算出される第2のロスと、
前記第1のロスと前記第2のロスとを一定の重み付けで加算する計算式を有し、
前記計算式によって得られる第3のロスが予め設定された閾値以下となる前記各第2の因子の目標値の候補を探索する請求項1記載の健康支援システム。 - 前記計算式は、前記各第2の因子の値を正規化するための正規化パラメータを有する請求項2記載の健康支援システム。
- 前記計算式は、生活習慣に関する複数の項目について、個人の意向を反映させるための個人パラメータを有する請求項2記載の健康支援システム。
- 前記目標探索手段は、
前記所定の探索方式による候補探索の回数が予め設定された回数に達した場合に探索処理を終了する請求項1記載の健康支援システム。 - 前記所定の探索方式は、ランダム方式を含む請求項1記載の健康支援システム。
- 前記所定の探索方式は、ベイジアン方式を含む請求項1記載の健康支援システム。
- 前記目標探索手段によって探索結果として得られた前記各第2の因子の目標値を提示する提示手段をさらに具備した請求項1記載の健康支援システム。
- 前記提示手段は、
前記健診データから予測された現在のリスク値と低減後のリスク値とを比較できるように提示する請求項8記載の健康支援システム。 - 記録媒体に記録され、コンピュータによって実行されるプログラムであって、
前記コンピュータを、
健診者の健診データに基づいて疾病のリスク値を予測する予測手段、
前記疾病のリスク値に対する低減目標を設定する目標設定手段、
前記疾病に関する複数の第1の因子の中で探索対象とする複数の第2の因子と前記各第2の因子の探索範囲を設定する因子設定手段、
前記各第2の因子の探索範囲内で前記疾病のリスク値を前記低減目標に近づけるための前記各第2の因子の目標値の候補を所定の探索方式を用いて探索する目標探索手段
として動作させるためのプログラム。 - 前記目標探索手段は、
現在のリスク値と前記低減目標とするリスク値との差分によって算出される第1のロスと、
前記各第2の因子の検査値と前記各第2の因子の目標値の候補との差分によって算出される第2のロスと、
前記第1のロスと前記第2のロスとを一定の重み付けで加算する計算式を有し、
前記計算式によって得られる第3のロスが予め設定された閾値以下となる前記第2の因子の目標値の候補を探索する請求項10記載のプログラム。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019192850A JP7191800B2 (ja) | 2019-10-23 | 2019-10-23 | 健康支援システム、プログラム及び方法 |
EP20195023.5A EP3813077A1 (en) | 2019-10-23 | 2020-09-08 | Healthcare support system and recording medium |
US17/016,740 US20210125726A1 (en) | 2019-10-23 | 2020-09-10 | Healthcare support system and recording medium |
CN202010944739.3A CN112700872A (zh) | 2019-10-23 | 2020-09-10 | 健康支援系统以及记录介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019192850A JP7191800B2 (ja) | 2019-10-23 | 2019-10-23 | 健康支援システム、プログラム及び方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021068174A true JP2021068174A (ja) | 2021-04-30 |
JP7191800B2 JP7191800B2 (ja) | 2022-12-19 |
Family
ID=72432712
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019192850A Active JP7191800B2 (ja) | 2019-10-23 | 2019-10-23 | 健康支援システム、プログラム及び方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20210125726A1 (ja) |
EP (1) | EP3813077A1 (ja) |
JP (1) | JP7191800B2 (ja) |
CN (1) | CN112700872A (ja) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002351991A (ja) * | 2001-05-25 | 2002-12-06 | Japan Tobacco Inc | 食生活支援システム |
JP2006163932A (ja) * | 2004-12-08 | 2006-06-22 | Ntt Data Corp | 医療情報処理装置、および、プログラム |
JP2010198411A (ja) * | 2009-02-26 | 2010-09-09 | Hitachi Information & Control Solutions Ltd | 疾病発症リスクシミュレーションシステムの改善指標表示装置及び改善指標表示方法 |
JP2018194904A (ja) * | 2017-05-12 | 2018-12-06 | 株式会社情報医療 | 予測システム、予測方法、および予測プログラム |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1192896A4 (en) * | 1999-06-04 | 2005-03-09 | Sunstar Inc | RISK REDUCTION TABLE, CREATION METHOD THEREOF, CARE PROGRAM INCLUDING THE RISK REDUCTION TABLE, AND CARE MANAGEMENT SYSTEM |
US8489429B2 (en) * | 2007-01-25 | 2013-07-16 | Cerner Innovation, Inc. | System and method for determining a person centric infection risk associated with encountering a healthcare provider |
US20090055217A1 (en) * | 2007-08-23 | 2009-02-26 | Grichnik Anthony J | Method and system for identifying and communicating a health risk |
US8409104B2 (en) * | 2008-05-02 | 2013-04-02 | Conopco Inc. | Heart age assessment |
JP6066826B2 (ja) * | 2013-05-17 | 2017-01-25 | 株式会社日立製作所 | 分析システム及び保健事業支援方法 |
WO2016077727A1 (en) * | 2014-11-14 | 2016-05-19 | Sudano Joseph John | Method and apparatus for performing health risk assessment |
US20160283686A1 (en) * | 2015-03-23 | 2016-09-29 | International Business Machines Corporation | Identifying And Ranking Individual-Level Risk Factors Using Personalized Predictive Models |
US10252145B2 (en) * | 2016-05-02 | 2019-04-09 | Bao Tran | Smart device |
US11049031B2 (en) * | 2016-10-18 | 2021-06-29 | Intel Corporation | Methods and apparatus to predict sports injuries |
US20200111574A1 (en) * | 2018-10-03 | 2020-04-09 | The University Of Trinidad And Tobago | System and method for deriving personalized cardiovascular disease risk assessments |
-
2019
- 2019-10-23 JP JP2019192850A patent/JP7191800B2/ja active Active
-
2020
- 2020-09-08 EP EP20195023.5A patent/EP3813077A1/en active Pending
- 2020-09-10 CN CN202010944739.3A patent/CN112700872A/zh active Pending
- 2020-09-10 US US17/016,740 patent/US20210125726A1/en active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002351991A (ja) * | 2001-05-25 | 2002-12-06 | Japan Tobacco Inc | 食生活支援システム |
JP2006163932A (ja) * | 2004-12-08 | 2006-06-22 | Ntt Data Corp | 医療情報処理装置、および、プログラム |
JP2010198411A (ja) * | 2009-02-26 | 2010-09-09 | Hitachi Information & Control Solutions Ltd | 疾病発症リスクシミュレーションシステムの改善指標表示装置及び改善指標表示方法 |
JP2018194904A (ja) * | 2017-05-12 | 2018-12-06 | 株式会社情報医療 | 予測システム、予測方法、および予測プログラム |
Also Published As
Publication number | Publication date |
---|---|
US20210125726A1 (en) | 2021-04-29 |
JP7191800B2 (ja) | 2022-12-19 |
CN112700872A (zh) | 2021-04-23 |
EP3813077A1 (en) | 2021-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Smith et al. | Gaze amplifies value in decision making | |
US11527325B2 (en) | Analysis apparatus and analysis method | |
Wu et al. | Prediction modeling using EHR data: challenges, strategies, and a comparison of machine learning approaches | |
Carey et al. | Hospital length of stay and readmission: an early investigation | |
Stavrova | Having a happy spouse is associated with lowered risk of mortality | |
Fernandez-Felix et al. | Bootstrap internal validation command for predictive logistic regression models | |
US20160063214A1 (en) | Healthcare similarity engine dashboard | |
US11410073B1 (en) | Systems and methods for robust feature selection | |
US20220183634A1 (en) | Inspection value prediction device, inspection value prediction system, and inspection value prediction method | |
US20170046460A1 (en) | Scoring a population of examples using a model | |
WO2020027213A1 (ja) | 認知症リスクの提示システムおよび方法 | |
Davis et al. | Addressing geographic confounding through spatial propensity scores: a study of racial disparities in diabetes | |
Chernozhukov et al. | Censored quantile instrumental-variable estimation with Stata | |
Lakshmanasamy et al. | The effect of income inequality on happiness inequality in India: A recentered influence function regression estimation and life satisfaction inequality decomposition | |
Feng et al. | Developing operations management data analytics | |
Teisseyre et al. | Controlling costs in feature selection: information theoretic approach | |
Efthimiou et al. | Measuring the performance of prediction models to personalize treatment choice | |
US9201968B2 (en) | System and method for finding mood-dependent top selling/rated lists | |
Lin et al. | Quantile residual lifetime regression with functional principal component analysis of longitudinal data for dynamic prediction | |
Halder et al. | ML-CKDP: Machine learning-based chronic kidney disease prediction with smart web application | |
Xu et al. | Optimal individualized decision rules from a multi-arm trial: A comparison of methods and an application to tailoring inter-donation intervals among blood donors in the UK | |
JP2021068174A (ja) | 健康支援システム及びプログラム | |
Ogundimu | On Lasso and adaptive Lasso for non-random sample in credit scoring | |
KR102261132B1 (ko) | 큐레이션 지원 시스템 및 그 동작 방법 | |
Speth et al. | Penalized Spline-Involved Tree-based (PenSIT) Learning for estimating an optimal dynamic treatment regime using observational data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210910 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220816 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220823 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221019 |
|
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: 20221108 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221207 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7191800 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |