JP2021133129A - 情報処理方法、情報処理装置、プログラム、記録媒体 - Google Patents

Abstract

【課題】判定精度を向上したＭＣＩの診断支援方法を提供する。【解決手段】記憶部に記憶されている命令を実行するプロセッサにより実行される情報処理方法であって、ユーザの認知レベルを判別するために統計的な有意差があると判定されたテスト問題の問題文を表示するステップであって、認知レベルは健常者レベルと、軽度認知障害（ＭＣＩ）レベルと、認知症レベルとを含む、ステップと、問題文に対するユーザの回答結果を受け付けし、ユーザの回答結果に基づいて算出された特徴量を学習済みモデルに入力して、ユーザがＭＣＩであるか否かを判定する、情報処理方法。【選択図】図６

Description

本発明は、軽度認知機能障害の診断を支援するための情情報処理方法、情報処理装置、プログラム、記録媒体に関する。

軽度認知機能障害（Mild Cognitive Impairment、以下、ＭＣＩ）は、認知症とまでは
言えないものの、知的に正常ともいえない状態を指す。ＭＣＩの患者の全てが認知症へと進展するわけではなく、患者は一定の割合で、認知トレーニングや最新の医療技術により回復することが知られている。ＭＣＩの早期検知は、患者の根本的な治療につながる可能性があり、非常に重要である。

従来、ＭＣＩの診断は、一般的に病院などで専門医によって一日がかりで行われており、さらに、患者の脳脊髄液を採取するなど患者への負担が大きかった。このため、患者への負担が少なく、手軽に認知機能低下の兆候を把握することができる新たなアプローチが求められている。特許文献１では、質問に対する被験者の回答の正誤に基づいて、被験者がＭＣＩであるか否かを判定する。

特開２０１４−８３２９号公報

しかしながら、前述の判定方法は、従前より知られている検査手法を利用してスクリーニング検査を行うものである。この検査で使われる問題は、過去にスクリーニング検査を受けた被験者の回答結果を考慮せずに無作為に選定されたものである。従って、ＭＣＩの判定精度を十分に高めることができず、ＭＣＩの患者の検出漏れが生じるという問題があった。

本発明は上述の点によりなされたものであり、本開示の一態様は、記憶部に記憶されている命令を実行するプロセッサにより実行される情報処理方法であって、
ユーザの認知レベルを判別するために統計的な有意差があると判定されたテスト問題の問題文を表示するステップであって、前記認知レベルは健常者レベルと、軽度認知障害（ＭＣＩ）レベルと、認知症レベルとを含む、ステップと、
前記問題文に対するユーザの回答結果を受け付けし、
前記ユーザの回答結果に基づいて算出された特徴量を学習済みモデルに入力して、前記ユーザがＭＣＩであるか否かを判定する、情報処理方法である。

本開示の他の一態様は、記憶部に記憶されている命令を実行するプロセッサにより実行される情報処理方法であって、
目的変数を被験者が健常者であるか、ＭＣＩであるか、認知症であるかを示す正解ラベルとし、
特徴量を、複数の被験者から得られた回答結果における各被験者の問題に対する回答の正誤に基づいて算出されたスコアと、被験者からの問題に対する反応を受け付けるまでの回答時間として、モデルに機械学習させて、学習済みのモデルを生成する、
情報処理方法である。

また、本開示の他の一態様は、指示を記憶する記憶部と、プロセッサとを備えた情報処理装置であって、
前記プロセッサは、前記記憶部に記憶された指示を実行することにより、
ユーザの認知レベルを判別するために統計的な有意差があると判定されたテスト問題の問題文を表示し、前記認知レベルは健常者レベルと、ＭＣＩレベルと、認知症レベルとを含んでおり、
前記問題文に対するユーザの回答結果を受け付けし、
前記ユーザの回答結果に基づいて算出された特徴量を学習済みモデルに入力して、前記ユーザがＭＣＩであるか否かを判定する、
情報処理装置である。

また、本開示の他の一態様は、プロセッサにより実行されるプログラムであって、
前記プロセッサがプログラムを実行することにより、
ユーザの認知レベルを判別するために統計的な有意差があると判定されたテスト問題の問題文を表示し、前記認知レベルは健常者レベルと、ＭＣＩレベルと、認知症レベルとを含んでおり、
前記問題文に対するユーザの回答結果を受け付けし、
前記ユーザの回答結果に基づいて算出された特徴量を学習済みモデルに入力して、前記ユーザがＭＣＩであるか否かを判定する、
プログラムである。

また、本開示の他の一態様は、プロセッサにより実行されるプログラムが記憶された記録媒体であって、
前記プロセッサが前記メモリに記録されているプログラムを実行することにより、
ユーザの認知レベルを判別するために統計的な有意差があると判定されたテスト問題の問題文を表示し、前記認知レベルは健常者レベルと、ＭＣＩレベルと、認知症レベルとを含んでおり、
前記問題文に対するユーザの回答結果を受け付けし、
前記ユーザの回答結果に基づいて算出された特徴量を学習済みモデルに入力して、前記ユーザがＭＣＩであるか否かを判定する、
記録媒体である。

本開示の一実施形態にかかるＭＣＩ診断支援システムである。 図１に示すサーバの機能的な構成を示すブロック図である。 図２に示すサーバの動作フロー（第１フェーズ）を例示する。 各群の問題に対する特徴量（スコアの平均値）を表したヒストグラム例である。 各群の問題に対する特徴量（回答時間の平均値）を表したヒストグラム例である。 図１に示すユーザ端末の機能的な構成を示すブロック図である。 図５に示すユーザ端末の動作フロー（第２フェーズ）を例示する。 図６に示すレベル判定のためのステップの詳細を示す。 スクリーニングテストのためのユーザ端末の画面を例示する。 スクリーニングテストのためのユーザ端末の画面を例示する。 スクリーニングテストのためのユーザ端末の画面を例示する。 スクリーニングテストのためのユーザ端末の画面を例示する。 スクリーニングテストのためのユーザ端末の画面を例示する。 スクリーニングテストのためのユーザ端末の画面を例示する。 スクリーニングテストのためのユーザ端末の画面を例示する。 スクリーニングテストのためのユーザ端末の画面を例示する。 スクリーニングテストのためのユーザ端末の画面を例示する。 スクリーニングテストのためのユーザ端末の画面を例示する。 スクリーニングテストのためのユーザ端末の画面を例示する。 スクリーニングテストのためのユーザ端末の画面を例示する。 スクリーニングテストのためのユーザ端末の画面を例示する。 スクリーニングテストのためのユーザ端末の画面を例示する。 スクリーニングテストのためのユーザ端末の画面を例示する。 スクリーニングテストのためのユーザ端末の画面を例示する。 スクリーニングテストのためのユーザ端末の画面を例示する。

［本開示の実施形態の説明］
最初に、本開示の実施形態の内容を列記して説明する。本開示の一実施形態は、以下のような構成を備える。

（項目１） 記憶部に記憶されている命令を実行するプロセッサにより実行される情報処理方法であって、
ユーザの認知レベルを判別するために統計的な有意差があると判定されたテスト問題の問題文を表示するステップであって、前記認知レベルは健常者レベルと、軽度認知障害（ＭＣＩ）レベルと、認知症レベルとを含む、ステップと、
前記問題文に対するユーザの回答結果を受け付けし、
前記ユーザの回答結果に基づいて算出された特徴量を学習済みモデルに入力して、前記ユーザがＭＣＩであるか否かを判定する、情報処理方法。

（項目２） 項目１に記載の情報処理方法であって、
前記判定されたテスト問題は複数の項目に分かれており、
各項目は、暗記した単語の時間をおいての選択、文字の選択、前記ユーザの端末を指示どおりに動かす、日時の見当識を答える、暗記した数字を答える、平面図形認識からなり、それぞれの項目に含まれる複数の問題のうちの１つが、前記統計的に有意であると判定された問題である、情報処理方法。

（項目３） 項目２に記載の情報処理方法であって、さらに、
前記複数の問題の問題文に対する複数の被験者の回答結果から、健常者群のスコアと、ＭＣＩ群のスコアと、認知症群のスコアとをそれぞれ取得し、取得したスコアと認知レベルとの相関がある問題を、前記統計的な有意差がある問題であると判定するステップ
を含み、前記ＭＣＩ群のスコアが、健常者群のスコアと前記認知症群のスコアとの間の場合に、前記認知レベルとの相関がある問題であると判定する、情報処理方法。

（項目４） 項目２に記載の情報処理方法であって、さらに、
前記複数の問題の問題文に対する被験者の回答結果から、健常者群の回答時間と、ＭＣＩ群の回答時間と、認知症群の回答時間とをそれぞれ取得し、取得した回答時間と認知レベルとの相関が高い問題を、前記統計的な有意差がある問題であると判定するステップ
を含み、前記ＭＣＩ群の回答時間が、前記健常者群の回答時間と前記認知症群の回答時間との間の場合に、前記認知レベルとの相関が高い問題であると判定される、情報処理方法。

（項目５） 項目１から４のいずれか１項に記載の情報処理方法であって、前記特徴量は、前記問題文に対するユーザの回答結果から求められた回答の正誤に基づいて算出されるスコアと、前記問題文に対する前記ユーザからの反応を受け付けるまでの回答時間とを含む、情報処理方法。

（項目６） 記憶部に記憶されている命令を実行するプロセッサにより実行される情報処理方法であって、
目的変数を被験者が健常者であるか、ＭＣＩであるか、認知症であるかを示す正解ラベルとし、
特徴量を、複数の被験者から得られた回答結果における各被験者の問題に対する回答の正誤に基づいて算出されたスコアと、被験者からの問題に対する反応を受け付けるまでの回答時間として、モデルに機械学習させて、学習済みのモデルを生成する、
情報処理方法。

（項目７） 請求項６に記載の情報処理方法であって、前記特徴量はさらに、前記ユーザの年齢,ユーザの性別を含む、情報処理方法。

（項目８） 指示を記憶する記憶部と、プロセッサとを備えた情報処理装置であって、
前記プロセッサは、前記記憶部に記憶された指示を実行することにより、
ユーザの認知レベルを判別するために統計的な有意差があると判定されたテスト問題の問題文を表示し、前記認知レベルは健常者レベルと、ＭＣＩレベルと、認知症レベルとを含んでおり、
前記問題文に対するユーザの回答結果を受け付けし、
前記ユーザの回答結果に基づいて算出された特徴量を学習済みモデルに入力して、前記ユーザがＭＣＩであるか否かを判定する、
情報処理装置。

（項目９） プロセッサにより実行されるプログラムであって、
前記プロセッサがプログラムを実行することにより、
ユーザの認知レベルを判別するために統計的な有意差があると判定されたテスト問題の問題文を表示し、前記認知レベルは健常者レベルと、ＭＣＩレベルと、認知症レベルとを含んでおり、
前記問題文に対するユーザの回答結果を受け付けし、
前記ユーザの回答結果に基づいて算出された特徴量を学習済みモデルに入力して、前記ユーザがＭＣＩであるか否かを判定する、
プログラム。

（項目１０） プロセッサにより実行されるプログラムが記憶された記録媒体であって、
前記プロセッサが前記メモリに記録されているプログラムを実行することにより、
ユーザの認知レベルを判別するために統計的な有意差があると判定されたテスト問題の問題文を表示し、前記認知レベルは健常者レベルと、ＭＣＩレベルと、認知症レベルとを含んでおり、
前記問題文に対するユーザの回答結果を受け付けし、
前記ユーザの回答結果に基づいて算出された特徴量を学習済みモデルに入力して、前記ユーザがＭＣＩであるか否かを判定する、
記録媒体。

［本開示の実施形態の詳細］
以下、本開示の実施形態について図面を参照して説明する。図面において、同一または類似の要素には同一または類似の参照符号が付され、各実施形態の説明において同一または類似の要素に関する重複する説明は省略することがある。また、各実施形態で示される特徴は、互いに矛盾しない限り他の実施形態にも適用可能である。しかし、本開示の実施
形態は、必ずしもこのような態様に限定されない。本開示の実施形態が、特許請求の範囲において規定される範囲に含まれる様々な態様を取り得ることは、当業者にとって明らかであろう。

本開示によると、複数の被験者を、認知機能に障害のない健常者群と、ＭＣＩであるＭＣＩ群と、認知症である認知症群とに分けて、各群にユーザ端末を利用したテストを実施する。このテストの結果から、ＭＣＩとの有意な相関が認められる問題等を選定する。ＭＣＩと有意な相関が認められる問題とは、健常者群とＭＣＩ群、あるいはＭＣＩ群と認知症群に同じ問題を出題したときに、各群間の回答結果（回答時間や、スコア）に有意差が出現する問題である。次に、過去の回答結果から、ＭＣＩを判定することのできる学習済みモデルを生成する。さらに、生成された学習済みモデルを利用して、新たなユーザについてＭＣＩであるかのスクリーニングテストを行う。

以下、本発明の実施形態について、図面を参照して説明する。図１において、ＭＣＩ診断支援システム１０は、ユーザ端末１００及び、ＭＣＩ診断を支援するサーバ２００を備える。サーバ２００は、ＭＣＩと有意な相関が認められる問題を選定し、選定した問題に基づいて被験者に対し実施したＭＣＩのスクリーニングテストの結果を格納する。ユーザ端末１００及びサーバ２００は、インターネットや公衆通信網などの通信ネットワーク１２を介して相互に通信可能に接続されている。

ユーザ端末１００は、スクリーニングテストを受けるユーザが使用する情報処理装置としての端末であり、例えばタッチパネル１０６を有するタブレット端末、スマートフォンである。以下、ユーザ端末１００をスマートフォンとして説明する。ユーザ端末１００は、医療施設に配備されてもよいし、ユーザ自身が保有する端末であってもよい。ユーザ端末１００は、ＭＣＩの診断を支援するサーバ２００よりＭＣＩのスクリーニングテストのためのアプリケーションをダウンロードして、ユーザ端末１００がＭＣＩのスクリーニングテストを提供し、回答結果をサーバ２００に送信するように構成することができる。図示するように、ユーザ端末１００はハードウェア要素として、プロセッサ１０２と、記録媒体としてのメモリ１０４と、タッチパネル１０６と、ユーザ端末１００の動きを検知する加速度センサ１０８と、通信インターフェイス（通信ＩＦ）１１０と、スピーカ１１４とを備える。これら各要素は、バス（不図示）を介して相互に通信可能に接続されている。

メモリ１０４には、少なくともオペレーティングシステムが格納されている。オペレーティングシステムは、ユーザ端末１００の全体的な動作を制御するためのコンピュータプログラムである。コンピュータテストの各処理をユーザ端末１００で実行する場合、メモリ１０４は、さらにＭＣＩのスクリーニングテストのためのプログラムを格納する。テストプログラムは、ユーザ端末１００にスクリーニングテストの各処理を実行させるためのコンピュータプログラムである。メモリ１０４はまた、スクリーニングテストの各処理において扱われる若しくは生成されるデータを、一時的又は永続的に記憶することもできる。メモリ１０４の具体例は、ＲＡＭ（Random Access Memory）等の主記憶や、ハードディスク、フラッシュメモリ、光ディスク、ＲＯＭ（Read Only Memory）等の補助記憶を含む。各種テストに関するデータは、サーバ２００からダウンロードされて補助記憶に格納されると共に、主記憶に展開されて、各種プログラムがプロセッサ１０２により実行されるときに適宜使用される。

なお、テストプログラムがユーザ端末１００ではなくサーバ２００に格納される場合、サーバ２００がコンピュータテストの各処理を実行し、ユーザ端末１００は、サーバ２００から受信した信号に基づいて単にテスト画像を表示し、このテスト画面に対するユーザ入力を受け付けるブラウザとして機能するよう構成されてもよい。

プロセッサ１０２は、上記のようにメモリ１０４に格納されているプログラムを読み出して、それに従った処理を実行するように構成される。一例として、プロセッサ１０２がメモリ１０４に格納されたテストプログラムを実行することによって、後述するテストの各機能が実現される。プロセッサ１０２は、ＣＰＵ（Central Processing Unit）及びＧ
ＰＵ（Graphics Processing Unit）を含む。

タッチパネル１０６は、ユーザに対して視覚的な情報を提供するディスプレイと一体に構成されている。タッチパネル１０６は、ユーザからユーザ端末１００を操作するための入力を受け付け、該操作に応じてディスプレイに各種画面を表示する。画面にはＧＵＩ(Graphical User Interface)による操作機能が備えられる。

通信インターフェイス（ＩＦ）１１２は、通信ネットワーク１２を介して外部のサーバ２００と通信するためのネットワークインターフェイスである。通信インターフェイス１１２は、例えばＴＣＰ／ＩＰ（Transmission Control Protocol / Internet Protocol）を含む所定の通信プロトコルに従ってデータをサーバ２００との間で送受信するように構成される。

サーバ２００は、過去に複数の被験者に対して実施したスクリーニングテストの結果を格納する。サーバ２００は主として過去の回答結果から、ＭＣＩと有意な相関が認められる問題を選定し、さらに回答結果からＭＣＩを判定するための学習済みモデルを生成するサーバであり、例えば汎用のコンピュータで構成される。サーバ２００は、クラウドで提供されてもよいし、あるいはシステム利用者のビルや敷地等のローカルな場所で提供されてもよい。また、サーバ２００は、１台で構成されてもよいし複数台で構成されてもよい。サーバ２００はハードウェア要素として、少なくともプロセッサ２０２と、主記憶や補助記憶を含むメモリ２０４と、通信インターフェイス２０６とを備える。既に説明したユーザ端末１００と同様の要素については、詳細の説明を省略する。

本開示において、ＭＣＩ診断支援システム１０は、健常者群、ＭＣＩ群、認知症群のそれぞれに対する回答結果から、各群に統計学的な有意差がある問題を選定する。次に、選定された問題に対する各群の回答結果に基づいて、ＭＣＩであるかを判定する学習済みモデルを生成する（以下、第１フェーズと称する）。

また、ＭＣＩ診断支援システム１０は、第１フェーズで選定された問題を新規ユーザに提示し、第１フェーズで生成された学習済みモデルに基づいて、新規ユーザがＭＣＩであるかを判定する（以下、第２フェーズと称する）。以下、まず、第１フェーズについて説明し、次に第２フェーズについて説明する。

＜第１フェーズ＞
ここでは、回答結果に統計学的な有意差がある問題を選定し、学習済みモデルを生成するまでの第１フェーズについて説明する。図２は図１に示すサーバ２００の機能的な構成を示すブロック図である。サーバ２００は、処理部２１０及び記憶部２３０を有する。処理部２１０はさらに、回答取得部２１２と、特徴量算出部２１４と、問題選定部２１６と、モデル生成部２１８とを含む。記憶部２３０は、図１に示したメモリ２０４に対応する。処理部２１０及び処理部２１０に含まれる各部２１２から２１８は、図１に示したプロセッサ２０２がメモリ２０４内の各種プログラムを読み出して実行することによって実現される、本開示に係る問題選定処理及び学習済みモデル生成処理が実現する機能を表している。

記憶部２３０は、項目毎に分類された複数の問題と、これらの問題に対する被験者の過
去の回答結果をサンプルデータとして記憶する。サンプルデータでは、被験者は、健常者群と、ＭＣＩ群と、認知症群とに予め分類されている。スクリーニングテストに利用する問題は、例えば、国際的に活用されているミニメンタルステート検査（ＭＭＳＥ）等に基づく問題であり、時や場所に関する見当識、いくつかの単語を繰り返して選択する記銘、注意と計算、暗記したいくつかの単語を選択する再生、指示された命令を理解し実行する、欠けた図形を選択するなど、様々な項目を含む。スクリーニングテストに利用する問題は、さらに、指示された命令に従い、ユーザ端末１００を動作させる問題（例えば、ユーザ端末１００を振る、裏返すなど）を含んでもよい。各種センサ（例えば加速度センサ）はユーザ端末の挙動を取得し、取得したユーザ端末の挙動から特徴量を抽出する。また、項目毎に異なる形式、例えば異なる文章で表現された複数の問題を含む。被験者はさらに、年齢や性別に関連付けられていてもよい。過去の回答結果は、例えば、提示された問題に解答するまでの回答時間、回答の正誤を含む。

以下、図３を参照して、図２に示したサーバ２００の動作フロー３００（第１フェーズ）を説明する。すなわち、ＭＣＩのスクリーニングテストに最適な問題を選定し、ＭＣＩを判定するための学習済みモデルを生成するまでの処理ついて以下に説明する。

本実施形態においては、ユーザ端末１００において複数の被験者であるユーザに対し予めスクリーニングテストが実施されているものとする。ステップ３０２に先立ち、ユーザ端末１００は、ＭＣＩを判定するための問題を、タッチパネル１０６のディスプレイに表示し、タッチパネル１０６に対するユーザからの回答入力を受け付け、その入力された情報を予めメモリ１０４に回答結果として格納している。各被験者は、健常者群と、ＭＣＩ群と、認知症群とに分類されている。

ステップ３０２において、サーバ２００（回答取得部２１２）は、複数のユーザ端末１００からテストの問題に対する各被験者の回答結果を取得する。１つのテストには複数の項目が含まれ、各項目には複数の問題が存在する。回答結果は、複数の問題と、問題に対しユーザが回答するまでの回答時間、問題に対する回答の正誤を項目ごと、問題ごとに含む。

表１は、被験者に実施したスクリーニングテストのテスト項目ＡからＦを例示する。テスト項目は、表１に示すように、一例として、被験者が時間をおいて記憶した内容を答える項目Ａと、文字を決められた順に選ぶ項目Ｂと、指示に従ってユーザ端末１００を動かす項目Ｃと、時間と場所を答える項目Ａと数字を覚える項目Ｅと、図形を選ぶ項目Ｆとを含む。テスト項目は、図示したものに限らず、一般的に知られるミニメンタルステート検査（ＭＭＳＥ）に含まれるその他の項目を含んでもよい。

本開示によると、出題の仕方によって、ＭＣＩと有意な相関が認められる問題と、相関が認められない問題があることがわかった。従って、複数の出題の仕方のうち、最も適切な出題の仕方を選定する必要がある。適切な出題の仕方とは、少ない問題数で、ＭＣＩ群と認知症群を精度高く判別することができる問題を組み合わせた出題である。表１に示す各項目ＡからＦはそれぞれ複数の出題の仕方を含む。

一例では、記憶した内容を、時間をおいて答えさせる項目Ａでは、問題Ａ１で問題文「先ほど覚えた単語を回答してください」を表示すると共に、正解の単語を含む複数の単語から正解の単語を選択させる。問題Ａ２では問題文「先ほど覚えた単語に含まれない単語を選択してください」を表示すると共に、先ほど覚えた単語と、覚えていない単語を含む複数の単語から、覚えていない単語を選択させる。問題Ａ３では問題文「先ほど覚えた絵を選択してください」を表示すると共に、先ほど覚えた絵（ここでは記号）を含む複数の絵から正解の絵を選択させる。問題Ａ４では問題文「先ほど覚えた絵を回答してください」を表示すると共に、先ほど覚えた絵（ここでは動物）を含む複数の絵から正解の絵を選択させる。

また、文字を順に選ぶ項目Ｂでは、例えば、問題Ｂ１で、１から始まり１ずつ増える数字を表示し、これら数字を１から昇順に選択させる問題、問題Ｂ２で、１以外の数字から始まり、とびとびにランダムに増える数字を表示し、これら数字を昇順に選択させる問題、問題Ｂ３では、「あ」以外から始まるひらがなを表示し、これらひらがなを順に選択させる問題、問題Ｂ４では、「あ」から始まるひらがなを表示し、これらひらがなを「あ」から順に選択させる。

また、指示に従って端末を動かす項目Ｃでは、例えば、問題Ｃ１で問題文「青い丸が見えたら直ぐに端末を振ってください」を表示し、問題Ｃ２で問題文「振動したら直ぐに画面を触ってください」を表示し（ユーザ端末１００はバイブレーション機能を有する）、問題Ｃ３で問題文「音が鳴ったら直ぐに端末を振ってください」を表示し、問題Ｃ４では、問題文として２つの指示「音が鳴ったら直ぐに端末を振ってください。また青い丸が見えたら直ぐに画面を触ってください」をまず表示し、そのいずれかの指示（音あるいは青い丸）を出し、出された指示に従って端末を動かしてもらう。

また、時間と場所を問う項目Ｄでは、例えば、問題Ｄ１で問題文「今日は何月何日です
か？」、問題Ｄ２で問題文「今日は何曜日ですか？」、問題Ｄ３で数日前の曜日を問う問題文「２日前は何曜日ですか？」、問題Ｄ４で、数日前の日を問う問題文「２日前は何月何日ですか？」を表示する。

また覚えた数字を答える項目Ｅでは、例えば、問題Ｅ１「覚えた数字を順に押してください」とディスプレイに表示すると共に、問題文を読んだ音声を流す場合と、問題Ｅ２で問題文をディスプレイに表示する場合と、問題Ｅ３で問題文を読んだ音声のみを流す場合と、問題Ｅ４「覚えた数字を逆順におしてください」が含まれる。

また、図形を選ぶ項目Ｆでは、例えば、問題Ｆ１で穴あき画像を埋めるピースを選択させる問題、問題Ｆ２で、複数の立方体が積み上がった図を表示して、立方体の個数を選択させる問題が含まれる。

このように１つの項目に関する問題であっても、色々な出題の仕方があり、出題の仕方で問題の難易度が大きく変わる。問題の難易度は、高すぎると各個人によるばらつきが大きくなり、低すぎると各個人によるばらつきが小さくなり、各群の回答結果に有意な相関が出現しない。従って、問題に適切な難易度を設定するため、１つの項目に含まれる複数問題に対する被験者の回答結果から、ＭＣＩと有意な相関が認められる問題を選定する。

まず、ステップ３０２において、各問題に対する回答結果を求める。回答結果は、問題に対する回答の正誤と、回答を受け付けるまでの回答時間を含む。

次に、ステップ３０４において、特徴量算出部２１４は、各問題に対する回答結果に基づいて、各被験者のスコアを算出する。表１は、各項目の回答結果から、スコアを算出する方法を例示する。

例えば、スコアは、項目Ａの、時間をおいて答える項目のうち上述した問題Ａ１からＡ４について、被験者毎に正解した数とタップした数を求め、正解した数からタップ数を減算して（例えば正答毎に１ポイント増やし、タップがある毎に１ポイント減らして）、算出することができる。何度かタップするといずれは正解の単語を選択することになるため、少ないタップ数で、正解の単語を選択した方がスコアは高くなる。

また、他の例では、スコアは、項目Ｄの、時間と場所を答える項目のうち上述した問題Ｄ１からＤ４について、被験者毎に正答した場合に１ポイント、誤答した場合に０ポイントとして算出することができる。また、項目Ｅの、数字を覚える項目のうち問題Ｅ１からＥ４について、被験者毎に覚えられた数に応じて、例えば、覚えられた数が３つの場合に３ポイント、０の場合に０ポイントとしてスコアを算出することができる。

また、例えば、回答時間は、項目Ｄの、時間と場所を答える項目のうち問題Ｄ１からＤ４について、被験者による入力が得られるまでの回答時間を取得する。さらに、特徴量算出部２１４は、回答時間を平均０、標準偏差が１となるように正規化し、個々の被験者の正規化された回答時間を取得する。

次にステップ３０６において、問題選定部２１６は、回答結果から算出された特徴量（例えば、各群のスコアの平均値および各群の回答時間の平均値）に基づいて、ＭＣＩとの有意な相関が認められる問題の選定を行う。図４Ａは、各群の問題に対する特徴量（スコアの平均値）を表したヒストグラムを例示し、図４Ｂは、各群の問題に対する特徴量（回答時間の平均値）を表したヒストグラムを例示する。認知症の進行度に応じてスコアあるいは回答時間は変わるはずである。すなわち、ＭＣＩ群のスコア及び回答時間は、健常者群と認知症群の中間に位置するはずである。したがって、図４に示すように、問題Ｈは、ＭＣＩ群のスコアが、健常者群と認知症群の中間に属するから、ＭＣＩとの有意な相関が認められる問題である。一方、問題Ｉは、ＭＣＩ群のスコアが最も大きいから、ＭＣＩとの有意な相関が認められない問題である。また問題ＪはＭＣＩ群の回答時間が健常者群と認知症群の中間に属するから、ＭＣＩとの有意な相関が認められる問題である。一方、問題Ｋは、ＭＣＩ群のスコアが最も大きいから、ＭＣＩとの有意な相関が認められない問題である。このように、ＭＣＩ群のスコア（回答時間）が、健常者群と認知症群のスコア（回答時間）の中間である問題を、ＭＣＩとの有意な相関が認められる問題とする。

本開示によると、被験者に対するスクリーニングテストの結果（サンプルデータ）から、項目Ａでは、問題Ａ１「先ほど覚えた単語を回答してください」を表示すると共に、正解の単語を含む複数の単語から正解の単語を選択が、項目Ｂでは問題Ｂ３「あ」以外から始まるひらがなを表示し、これらひらがなを順に選択させる問題、項目Ｃでは問題Ｃ３「音が鳴ったら直ぐに端末を振ってください」、項目Ｄでは問題Ｄ４「２日前は何月何日ですか？」、項目Ｅでは問題Ｅ２の問題文「覚えた数字を順に押してください」をディスプレイに表示するもの、項目Ｆでは、問題Ｆ１の穴あき画像を埋めるピースを選択させる問題が最もＭＣＩとの有意な相関が認められる問題として選定された。

以上、テスト項目毎に複数の問題が含まれており、この複数の問題のうちＭＣＩとの有意な相関が高く認められる問題の選定方法の例について説明した。しかしながら、テスト項目についても同様の手順で、ＭＣＩと優位な相関が認められる項目を選定することができる。表１は、ＭＣＩとの最も高い優位な相関が認められるとして選定された６つの項目を列挙したものである。

次に、ステップ３０８において、モデル生成部２１８は、過去の複数の被験者の回答結果（サンプルデータ）を分析し、新規のユーザの認知レベル（健常者レベル、ＭＣＩレベル、認知症レベル）を判別するためのモデルを作成する。選定された問題に対する被験者による過去の回答結果等から得られた特徴量に基づいて、ユーザの認知レベルを判別するためのモデルを作成する。特徴量ｘは、ステップ３０４において過去の回答結果から得られたスコアと、正規化された回答時間を含む。特徴量ｘはさらに被験者の年齢や性別を加えてもよい。問題が複数ある場合には（本開示においては６問）、問題毎にスコアと回答時間の特徴量がモデルに与えられる。これらを特徴量として、予め各群に分類された被験者の正解ラベルと共に、モデルに入力して、モデルに機械学習させる。一例として、正解ラベルは、被験者が健常者の場合には認知レベル「０」、ＭＣＩの場合には認知レベル「１」、認知症の場合には認知レベル「２」とする。被験者の正解ラベルと、モデルからの出力値とを比較して、モデルを繰り返し修正し、出力値が正解ラベルに近くなるまでモデルに学習させ、学習済みモデルを生成する。

＜第２フェーズ＞
次に、検査対象となる新規のユーザに対し生成された学習済みモデルを用いてＭＣＩの検査を行う。図５は図１に示したＭＣＩ診断支援システム１０に含まれるユーザ端末１００の機能的な構成を示すブロック図である。ユーザ端末１００は、処理部５１０及び記憶部５３０を有する。処理部５１０はさらに、出題部５１２と、回答取得部５１４と、終了判定部５１６と、レベル判定部５１８とを含む。記憶部５３０は、図１に示したメモリ１０４に対応する。処理部５１０及び処理部５１０に含まれる各部５１２から５１６は、図１に示したプロセッサ１０２がメモリ１０４内の学習済みモデルプログラムを読み出して実行することによって実現される、本開示に係るＭＣＩ診断処理が実現する機能を表している。

以下、図６を参照して、ユーザ端末１００を操作するユーザが、ＭＣＩであるか否かの診断を行うためのユーザ端末１００の動作フロー６００を説明する。図６に示す動作フロ
ー６００の処理の実行に先立ち、ユーザ端末１００の記憶部５３０には、フェーズ１で生成した学習済みモデル（不図示）と、ＭＣＩの診断を行うためのアプリケーション（不図示）が予め格納されている。また、ＭＣＩの診断を行うためのアプリケーションがユーザにより起動されているものとする。

まず、ステップ６０２において、出題部５１２は、ディスプレイに、第１フェーズで選定された問題を表示する。例えば、出題部５１２は、図８Ｃの画面８００Ｃに例示されるように「画面にひらがながいくつか表示されます。あいうえお順にひらがなを選んでください。・・・」を表示する。

次に、ステップ６０４において、回答取得部５１４は、ユーザ端末１００に対する各種操作を受け付けする。操作は例えば、タッチパネルに対するタップ操作、スライド操作や、ユーザ端末１００を動かす操作（例えばシェイク操作）を含む。例えば、図８Ｃに示される開始ボタン８０２へのタップ操作を検出した後、指先を画面の上で長押ししたまま、移動させるスライド動作を検出する。回答取得部５１４は、問題に対するユーザの回答結果（回答の正誤、出題開始してからユーザの入力が完了するまでの回答時間等）を記憶部５３０に格納する。

次に、ステップ６０６において、終了判定部５１６は、ＭＣＩの診断テストに含まれる全ての問題が、ユーザに出題されたかを判定し、全ての問題が出題された場合には、ステップ６０８に進む。全ての問題が出題されていない場合には、ステップ６０２に戻る。

次に、ステップ６０８において、レベル判定部５１８は、メモリに格納されているユーザの回答結果から、ユーザが健常者であるか、ＭＣＩであるか、認知症であるかの認知レベル判定を行う。

図７は、図６に示すレベル判定のためのステップ６０８の詳細を示す。以下、図７を参照して、ユーザがＭＣＩであるかの判定するための処理フロー７００を説明する。

ステップ７０２において、レベル判定部５１８は、ステップ６０４（図６）で得られた各問題に対する回答結果から、各問題に対する回答の正誤を判定し、さらに回答の正誤からスコアを算出する。スコアの算出方法は上述したとおりである。

次に、ステップ７０４において、レベル判定部５１８は、ステップ７０２にて算出したスコアと、正規化された回答時間を、学習済みモデルに入力する。さらに、ユーザの年齢や性別を学習済みモデルに入力してもよい。

次に、ステップ７０６において、レベル判定部５１８は、学習済みモデルからの出力に基づいて、ユーザの認知レベルを判定する。学習済みモデルからの出力値が第１の閾値未満の場合、ユーザは健常者であると判定する（ステップ７０８）。また、学習済みモデルからの出力が第１の閾値以上第２の閾値未満の場合、ユーザはＭＣＩであると判定する（ステップ７１０）。学習済みモデルからの出力が第２の閾値以上の場合、ユーザは認知症であると判定する（ステップ７１２）。第１の閾値は健常者群とＭＣＩ群との判定の正答率が高くなるように、第２の閾値はＭＣＩ群と認知症群との判定の正答率が高くなるように予め設定されている。

図８Ａから図８Ｑは具体的なスクリーニングテストのための画面８００Ａから画面８００Ｑを例示する。本テストには、６つの問題が用意されており、回答の正誤と、回答するまでに要した回答時間とを取得し、さらに回答の正誤からスコアを算出する。本テスト内容としては、Ａ．言葉の再生、Ｂ．文字の選択、Ｃ．指示に従って端末を動かす、Ｄ.日時の見当識、Ｅ．数字の暗記、Ｆ．平面図形認識を含む。本テストに用意される問題に対する回答結果からユーザが、健常者、ＭＣＩ、認知症のいずれかであることを判定することができる。まず、練習用の問題をユーザに対して出題した後に、テストが開始される。テストの問題は、上記のＡからＦの順に出題してもよいし、その他の順に出題してもよい。

画面８００Ａ（図８Ａ）および画面８００Ｂ（図８Ｂ）は、上記項目Ａのユーザが記憶した言葉を、時間をおいて後で再現できるか（言葉の再生）のテストをするための画面表示である。出題部５１２（図５）は、図８Ａに例示する画面８００Ａをディスプレイ１０６に表示するとともに、スピーカ１１４は、あらかじめ定められた単語を複数、例えば「望遠鏡」、「みかん」、「財布」の３つを読み上げる。図８Ｂは、２つ目の単語が読み上げられているときの画面を例示する。この例では、まず、読み上げられた単語を記憶してもらい、記憶した問題の回答は、時間をおいて後で受け付ける。

画面８００Ｃ（図８Ｃ）および画面８００Ｄ（図８Ｄ）は、上記項目Ｂの文字の順を正しく選べるかをテストするための画面表示である。出題部５１２は、図８Ｃに例示する問題文「画面にひらがながいくつか表示されます 「あいうえお順」に文字を押してください」を、ディスプレイ１０６に表示し、ユーザに対し、ディスプレイ１０６に表示したひらがなを順になぞってもらう指示を出す（画面８００Ｃ）。ユーザにより開始ボタン８０２が選択されると、図８Ｄに示す画面８００Ｄに遷移する。画面８００Ｄでは、「あ」以外から始まる複数の続き文字が、規則性なくばらばらに配置されている。図示例では「く」から「と」までのひらがなが表示されている。画面８００Ｄには、表示開始からの経過時間８０４が表示される。回答取得部５１４は、タッチパネルに対するユーザからのタッチ入力を受付し、回答の正誤と、画面８００Ｄの表示開始から全てのひらがなをユーザから選択終了するまでの時間を回答時間として取得する。スコアは、ミスタップの数に応じて、満点のスコアから減点して算出する。例えば、「く」から「と」まで全て順に選択できた場合は満点の１３点、一回ミスタップすると１点ずつ減点する。

画面８００Ｅ（図８Ｅ）および画面８００Ｆ（図８Ｆ）は、上記項目Ｃのユーザが指示に従って端末を動かせるかをテストするための画面表示である。出題部５１２は、図８Ｅの８００Ｆに例示する問題文「アラーム音が聞こえたらすぐにスマートフォンを振ってください」を、ディスプレイ１０６に表示する。ユーザにより開始ボタン８０２が選択されると、図８Ｆに示す画面８００Ｆに遷移し、スピーカ１１４よりアラーム音を複数回、本例では３回出力する。ユーザに対し、アラームが鳴ったらその都度端末を振ってもらう。回答取得部５１４は、加速度センサの出力を取得し、端末が振られた回数を検出する。回答取得部５１４は、アラーム音が鳴った後の加速度センサからの出力と、アラーム音を出力してから端末が振られるまでの時間を回答時間として取得する。スコアは、アラーム音が鳴った後に端末が振られた場合に正解として１点、アラーム音が鳴った回数だけ端末が振られた場合に満点として算出する。

画面８００Ｇ（図８Ｇ）および画面８００Ｈ（図８Ｈ）は、上記項目Ａの言葉の再生のテストに対するユーザからの回答を受け付ける画面表示である。出題部５１２は、問題文「１問目で覚えた単語を質問します 選択肢から選んで回答してください」を提示し（画面８００Ｇ）、ユーザにより開始ボタン８０２が選択されると、図８Ｈに示す画面８００Ｈに遷移する。画面８００Ｈでは、正解の複数の単語（本例では「望遠鏡」、「みかん」、「財布」の３つ）と、不正解の複数の単語（本例では「ひつじ」、「電球」、「餃子」、「まぐろ」、「電池」の５つ）を含む複数の選択肢が表示される。ユーザは暗記した言葉を選択するためにタッチパネル１０６に対しタッチ入力を行う。回答取得部５１４は、タッチパネル１０６に対するユーザからのタッチ入力を受付する。回答取得部５１４は、回答の正誤と、個々の単語の選択肢に対するユーザからの入力を受付するまでの時間をそれぞれ回答時間として取得する。スコアは、正解の単語の数からタップ数を減点して算出する。

画面８００Ｉ（図８Ｉ）および画面８００Ｊ（図８Ｊ）は、上記項目Ｄのユーザの日時の見当識をテストするための画面表示である。出題部５１２は、図８Ｉの画面８００Ｉに例示する問題文「「今日」を起点に日付に関する質問をします 選択肢から選んで回答してください」を提示する。たとえば、テスト実施日を４月８日とすると、出題部５１２は、テスト実施日を含む前後の複数の日付を選択肢としてディスプレイに表示する。この例では、テスト実施日以前の１０日を選択肢として表示し、日付、例えば３日前の日付を選択してもらう。回答取得部５１４は、タッチパネル１０６に対するユーザからの日付の選択肢に対するタッチ入力を受付する。さらに、画面８００Ｊの「次へ」ボタンが選択されると、回答取得部５１４は、回答の正誤と、日付の選択肢の提示開始から日付の選択入力を受付するまでの回答時間とを取得する。スコアは、正解と不正解の２値であり、例えば正解を１点、不正解を０点として算出する。

画面８００Ｋ（図８Ｋ）、画面８００Ｌ（図８Ｌ）および画面８００Ｍ（図８Ｍ）は、項目Ｅのユーザの数字の記憶能力のテストをするための画面表示である。出題部５１２は、図８Ｋの画面８００Ｋに例示する問題文「画面に数字が表示されます ○で囲まれた数字を覚えて表示順に答えてください。（この問題は間違えるまで繰り返します）」を提示する。次に、出題部５１２は、数秒ずつに表示されるランダムな０から９の複数の整数を順番にディスプレイに表示する（画面８００Ｌ）。次に、出題部５１２は、回答画面（図８Ｍ）において、ユーザが暗記した数字のタッチ入力を順に受け付ける。出題部５１２は、ユーザが選択した数字が正しい場合には、覚えられた数に応じてスコアを加算すると共に、タップ毎の回答時間を取得する。

画面８００Ｎ（図８Ｎ）および画面８００Ｏ（図８Ｏ）は、項目Ｆのユーザの図形の視覚認識のテストをするための画面表示である。出題部５１２は、図８Ｎの画面８００Ｎに例示する問題文「画面に「一部が欠けた画像」が表示されます 欠けた部分を埋めるのに適した絵を選んでください」を提示したのち、次の画面で、一部が欠けた画像を表示する（画面８００Ｏ）。この例では、３色の四角形がランダムに隣り合わせで並べられ、一つの大きな四角形となる画像が表示され、そのうち一部が黒く塗りつぶされている。その大きな四角形の下に、欠けた画像を含む４つの図形が表示されている。回答取得部５１４は、当該画面８００Ｏにおいて、ユーザから４つの画像のうち１つに対するタッチ入力を受け付ける。回答取得部５１４は、正しい画像が選択されたか否か（回答の正誤）と、画像の選択肢の提示開始から選択入力を受け付けるまでの回答時間とを取得する。

全ての問題が出題されると、テストを終了する。テスト終了後、ディスプレイに本開示によるスクリーニングテストのテスト結果が表示される。画面８００Ｐ（図８Ｐ）および画面８００Ｑ（図８Ｑ）は、ユーザのテスト結果を表示するための画面表示である。

図８Ｐの画面８００Ｐは、項目Ａの言葉の再生を問う問題（単語を覚える）、項目Ｂの文字を順に選ぶ問題（順になぞる）、項目Ｃの指示に従えるか否かを問う問題（指示に従う）、項目Ｄの日時の見当識を問う問題（日にちを答える）、項目Ｅの数字の暗記力を問う問題（数字を覚える）、項目Ｆの図形の視覚認識（画像を選ぶ）を問う問題のそれぞれについて、問題ごとのテスト結果と、ユーザの認知機能の状態を表示する。認知機能の状態は、マーク８０６の数（本例では星マーク）で視覚的に表しており、本例ではマーク８０６の数が多い程認知機能が高いことを表す。最も認知機能が高い状態を星マーク３つ、やや低い状態を星マーク２つ、低い状態を星マーク１つとして３段階で表す。項目Ａの言葉の再生を問う問題（単語を覚える）では、単語をすべて覚えている場合に○、一部間違えた場合に△、すべて間違えた場合に×を表示する。項目Ｂの文字を順に選ぶ問題では、問題表示を開始してから全ての文字が選択されるまでの時間を表示する。項目Ｃの指示に従えるか否かを問う問題では、出された３回の指示のうち指示に正しく従えた回数を表示する（図示例では２回）。項目Ｄの日時の見当識を問う問題では、正解の場合に○、不正解の場合に×を表示する。項目Ｅの数字の暗記力を問う問題では、覚えることができた数字の桁数を表示する。項目Ｆの図形の視覚認識（画像を選ぶ）を問う問題では、正しい画像が選択された場合に○、選択されなかった場合に×を表示する。

図８Ｑの画面８００Ｑは、テストを受けたユーザのテスト結果に関する値の変化を、問題毎に視覚的にグラフ表示する。これにより、ユーザはスクリーニングテスト期間中の自身の脳の認知機能の変化を認識することができる。

本開示のスクリーニングテストは医師の立ち会いを必要としないため、医師の立ち会いの下で行うスクリーニングテストと比べ、テストを受けるユーザへの時間的負担、精神的負担が少ない。また、ユーザは自信の保有する端末にアプリケーションをインストールすることで、いつでも気軽にテストを受けることができ、ＭＣＩ患者の早期の発見可能性を高めることができる。その結果ＭＣＩ患者の早期治療につなげることができる。

以上、本発明の実施の形態について説明してきたが、上記した発明の実施の形態は、本発明の理解を容易にするためのものであり、本発明を限定するものではない。本発明は、その趣旨を逸脱することなく、変更、改良され得るとともに、本発明にはその均等物が含まれることはもちろんである。また、上述した課題の少なくとも一部を解決できる範囲、または、効果の少なくとも一部を奏する範囲において、実施形態および変形例の任意の組み合わせが可能であり、特許請求の範囲および明細書に記載された各構成要素の任意の組み合わせ、または、省略が可能である。

１０…診断支援システム
１２…通信ネットワーク
１００…ユーザ端末
１０２…プロセッサ
１０４…メモリ
１０６…タッチパネル
１０６…ディスプレイ
１０８…加速度センサ
１１２…通信インターフェイス
１１４…スピーカ
２００…サーバ
２０２…プロセッサ
２０４…メモリ
２０６…通信インターフェイス
２１０…処理部
２１２…回答取得部
２１４…特徴量算出部
２１６…問題選定部
２１８…モデル生成部
２３０…記憶部
５１０…処理部
５１２…出題部
５１４…回答取得部
５１６…終了判定部
５１８…レベル判定部
５３０…記憶部

Claims (10)

1. 記憶部に記憶されている命令を実行するプロセッサにより実行される情報処理方法であって、
   ユーザの認知レベルを判別するために統計的な有意差があると判定されたテスト問題の問題文を表示するステップであって、前記認知レベルは健常者レベルと、軽度認知障害（ＭＣＩ）レベルと、認知症レベルとを含む、ステップと、
   前記問題文に対するユーザの回答結果を受け付けし、
   前記ユーザの回答結果に基づいて算出された特徴量を学習済みモデルに入力して、前記ユーザがＭＣＩであるか否かを判定する、情報処理方法。
2. 請求項１に記載の情報処理方法であって、
   前記判定されたテスト問題は複数の項目に分かれており、
   各項目は、暗記した単語の時間をおいての選択、文字の選択、前記ユーザの端末を指示どおりに動かす、日時の見当識を答える、暗記した数字を答える、平面図形認識からなり、それぞれの項目に含まれる複数の問題のうちの１つが、前記統計的に有意であると判定された問題である、情報処理方法。
3. 請求項２に記載の情報処理方法であって、さらに、
   前記複数の問題の問題文に対する複数の被験者の回答結果から、健常者群のスコアと、ＭＣＩ群のスコアと、認知症群のスコアとをそれぞれ取得し、取得したスコアと認知レベルとの相関がある問題を、前記統計的な有意差がある問題であると判定するステップ
   を含み、前記ＭＣＩ群のスコアが、健常者群のスコアと前記認知症群のスコアとの間の場合に、前記認知レベルとの相関がある問題であると判定する、情報処理方法。
4. 請求項２に記載の情報処理方法であって、さらに、
   前記複数の問題の問題文に対する被験者の回答結果から、健常者群の回答時間と、ＭＣＩ群の回答時間と、認知症群の回答時間とをそれぞれ取得し、取得した回答時間と認知レベルとの相関が高い問題を、前記統計的な有意差がある問題であると判定するステップ
   を含み、前記ＭＣＩ群の回答時間が、前記健常者群の回答時間と前記認知症群の回答時間との間の場合に、前記認知レベルとの相関が高い問題であると判定される、情報処理方法。
5. 請求項１から４のいずれか１項に記載の情報処理方法であって、前記特徴量は、前記問題文に対するユーザの回答結果から求められた回答の正誤に基づいて算出されるスコアと、前記問題文に対する前記ユーザからの反応を受け付けるまでの回答時間とを含む、情報処理方法。
6. 記憶部に記憶されている命令を実行するプロセッサにより実行される情報処理方法であって、
   目的変数を被験者が健常者であるか、ＭＣＩであるか、認知症であるかを示す正解ラベルとし、
   特徴量を、複数の被験者から得られた回答結果における各被験者の問題に対する回答の正誤に基づいて算出されたスコアと、被験者からの問題に対する反応を受け付けるまでの回答時間として、モデルに機械学習させて、学習済みのモデルを生成する、
   情報処理方法。
7. 請求項６に記載の情報処理方法であって、前記特徴量はさらに、前記ユーザの年齢,ユ
   ーザの性別を含む、情報処理方法。
8. 指示を記憶する記憶部と、プロセッサとを備えた情報処理装置であって、
   前記プロセッサは、前記記憶部に記憶された指示を実行することにより、
   ユーザの認知レベルを判別するために統計的な有意差があると判定されたテスト問題の問題文を表示し、前記認知レベルは健常者レベルと、ＭＣＩレベルと、認知症レベルとを含んでおり、
   前記問題文に対するユーザの回答結果を受け付けし、
   前記ユーザの回答結果に基づいて算出された特徴量を学習済みモデルに入力して、前記ユーザがＭＣＩであるか否かを判定する、
   情報処理装置。
9. プロセッサにより実行されるプログラムであって、
   前記プロセッサがプログラムを実行することにより、
   ユーザの認知レベルを判別するために統計的な有意差があると判定されたテスト問題の問題文を表示し、前記認知レベルは健常者レベルと、ＭＣＩレベルと、認知症レベルとを含んでおり、
   前記問題文に対するユーザの回答結果を受け付けし、
   前記ユーザの回答結果に基づいて算出された特徴量を学習済みモデルに入力して、前記ユーザがＭＣＩであるか否かを判定する、
   プログラム。
10. プロセッサにより実行されるプログラムが記憶された記録媒体であって、
    前記プロセッサが前記メモリに記録されているプログラムを実行することにより、
    ユーザの認知レベルを判別するために統計的な有意差があると判定されたテスト問題の問題文を表示し、前記認知レベルは健常者レベルと、ＭＣＩレベルと、認知症レベルとを含んでおり、
    前記問題文に対するユーザの回答結果を受け付けし、
    前記ユーザの回答結果に基づいて算出された特徴量を学習済みモデルに入力して、前記ユーザがＭＣＩであるか否かを判定する、
    記録媒体。

Images