JP2021533971A - 知能的生体データ処理方法及びシステム - Google Patents

知能的生体データ処理方法及びシステム Download PDF

Info

Publication number
JP2021533971A
JP2021533971A JP2021534421A JP2021534421A JP2021533971A JP 2021533971 A JP2021533971 A JP 2021533971A JP 2021534421 A JP2021534421 A JP 2021534421A JP 2021534421 A JP2021534421 A JP 2021534421A JP 2021533971 A JP2021533971 A JP 2021533971A
Authority
JP
Japan
Prior art keywords
biometric data
user terminal
terminal device
discontinuous
user
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.)
Pending
Application number
JP2021534421A
Other languages
English (en)
Inventor
豪益 范
Original Assignee
豪益 范
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 豪益 范 filed Critical 豪益 范
Publication of JP2021533971A publication Critical patent/JP2021533971A/ja
Pending legal-status Critical Current

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
    • G16H50/70—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
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/486—Bio-feedback
    • 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
    • A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
    • 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
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • 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
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • 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
    • 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
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G16H40/20—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 management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Artificial Intelligence (AREA)
  • Databases & Information Systems (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Physiology (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • General Business, Economics & Management (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Fuzzy Systems (AREA)
  • Computing Systems (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Biodiversity & Conservation Biology (AREA)

Abstract

知能的生体データ処理システムでは、データベースが設けられる。データベースには、各種のユーザ端末装置から集められた個人生体データ、及び各種の医療情報リソースから送信された生体データが、ビッグデータと形成するように格納される。システムは、通信回路を介して、各ユーザ端末装置から送信された連続的な生体データ及び非連続的な生体データを受信し、ビッグデータで分析して、各種の生体状態を予測するための生理学的予測モデルを構築する。システムは、各ユーザ端末装置から送信された連続的な生体データまたは非連続的な生体データに基づいて、生体状態を判断しながら、即刻的にフィードバック情報をユーザに送信する。

Description

本発明は、生体データの処理方法に関し、特に、ユーザ側装置から送信された生体データに基づいて、ビッグデータの分析及び人工知能方法を行って、生体状態を予測できる知能的生体データ処理方法及びシステムに関する。
従来のヘルスケアシステムは、一般に、被介護者が装着した生体センサや、被介護者の周囲に配置された生体センサを利用して被介護者の生体状態を検知してから、ネットワークを介してケアセンターに送信して、それを解析して被介護者の生体状態を導出する。既存の医療システムが実際に介護の目的を達成できるかどうかは、ケアセンターの即時分析能力と、介護を受ける側の生体センサが提供できる生体データに依存する。
しかしながら、現在、被介護者が着用する多くの生体センサでは、限られた生体情報しか提供することができない。例えば、心拍センサからは基礎心拍数や心拍変動等のみが提供されており、標準１２誘導心電図が提供できない。また、体温センサからは体温、他のセンサからは、睡眠や呼吸、転倒等に関する検知データなどのみが提供される。得られたデータは、限られていると共に、特定的であり、このような限られた生体情報に基づいて完全かつ正確な予防的判断を行うことは困難である。
生体状態の正確な判定にたどり着くためには、収集した生体データの他に、被介護者の過去の医療履歴や現在の環境要因なども総合的な判定に必要となる。しかし、従来の医療システムでは、専門の医師の判断とリアルタイムの支援がなければ、総合的な判断を効果的に行うことができない。
本発明は、生体データを処理するための知能システムおよびクラウドシステムで運用可能な方法に関する。クラウドシステムでは、人工知能アルゴリズムと機械学習機能を用いてヘルスケアクラウドを実現する。ヘルスケアクラウドでは、システムの複数のモデルに対して学習を行い、生理学的予測モデルに基づいて予測を行い、ユーザに生体状態の情報を提供する。
特定の実施形態において、知能的生体データ処理システムは、各種のユーザ端末装置から集められた個人生体データ、及び各種の医療情報リソースから送信された非個人生体データを、ビッグデータとして形成するために格納するデータベースを含む。知能的生体データ処理システムは、データ収集手段によってユーザ側における少なくとも２つのユーザ端末装置から送信された連続的な生体データと、各ユーザが着用した少なくとも２つのユーザ端末装置をトリガーすることによって生成した非連続的な生体データとを受信する。なかでも、連続的な生体データ及びユーザのトリガーによる非連続的な生体データは、データベースに格納したビッグデータの一部とされる。
知能的生体データ処理システムは、ソフトウェアプログラムを介して各種の機能を実現する。例えば、機械学習方法では、データベースに格納したビッグデータを解析してから、各種の生体状態を予測するための生理学的予測モデルを構築する。予測モデル手段は、ユーザ端末装置から送信された生体データに基づいて、生理学的予測モデルを参照しながら、生体状態を予測する。解析手段は、少なくとも２つのユーザ端末装置から送信された連続的な生体データ及び／または非連続的な生体データに基づいて解析を行って、前記生理学的予測モデルを参照しながら、生体状態を判断する。フィードバック手段は、少なくとも２つのユーザ端末装置から送信された連続的な生体データまたは非連続的な生体データを解析して導出した生体状態に基づいて、前記連続的な生体データに対応するフィードバック情報、又は非連続的な生体データに対応するフィードバック情報を生成する。前記フィードバック情報は、各ユーザ端末装置が対応した認識情報及び通信情報に応じて、各ユーザの通信装置に送信される。
さらに、各ユーザが着用するユーザ端末装置は、第１のユーザ端末装置を含む。第１のユーザ端末装置としては、例えば、ユーザが着用するためのスマートブレスレット、スマートネックレス、スマートウェアまたは信号送受信できると共にユーザに体に固定できる各種の検知装置が挙げられる。第１のユーザ端末装置によって、少量情報項目に係る生体データを検知して、クラウドシステムに送信するための連続的な生体データを形成してもよい。
また、前記クラウドシステムに送信するための非連続的な生体データとして形成させるように、一定期間内において第１のユーザ端末装置が検知する少量情報項目による生体データを取得するために、各ユーザは、第１のユーザ端末装置を積極的にトリガーしてもよい。
さらに、各ユーザが着用するユーザ端末装置はさらに第２のユーザ端末装置を含んでもよい。フィードバック手段が連続的な生体データまたは非連続的な生体データについて各ユーザの前記通信装置に送信するためのフィードバック情報を生成する時、第２のユーザ端末装置がトリガーされ、第２のユーザ端末装置は即刻的に、又は時間帯内に検知した生体データを生成して、クラウドシステムに送信する。
さらに、前記解析手段は人工知能であり、前記解析手段は、少なくとも２つのユーザ端末装置から送信された連続的な生体データまたは非連続的な生体データに基づいて、多種の生体状態の生理学的予測モデルを参照しながら、特定の生体状態を導出する。
好ましくは、システムには、予測モデルが提供される。予測モデルは、機械学習方法がデータベースに収集されているビッグデータに基づいて、学習訓練を行って多種の生体状態を予測するための生理学的予測モデルを生成する。なかでも、非連続的な生体データのそれぞれが対応するユーザ状態に基づいて、生理学的予測モデルをさらに最適化する。
さらに、システムは学習モデルを提供する。学習モデルは、第１のユーザ端末装置及び第２のユーザ端末装置の両方による生体データに基づいて、クラウドシステムにおける機械学習方法で構築された生理学的予測モデルを参照しながら、生体状態を再び総合的に判断し、生理学的予測モデルをさらに最適化する。
知能的生体データ処理方法の実施形態によれば、ユーザが着用したユーザ端末装置から受信した連続的な生体データまたは非連続的な生体データに基づいて、前記連続的な生体データまたは非連続的な生体データを再解析して、クラウドシステムにおける機械学習方法で構築された生理学的予測モデルを参照しながら、生体状態を判断する。さらに、ユーザ端末装置から送信された連続的な生体データまたは非連続的な生体データを解析することで導出した生体状態に基づいて、連続的な生体データに対応するフィードバック情報、または非連続的な生体データに対応するフィードバック情報を生成し、そして、通信ネットワークを通して、各ユーザ端末装置に対応した認識情報及び通信情報に応じて、フィードバック情報を各ユーザの通信装置に送信する。
なかでも、上述したデータベースはクラウドシステムに配置される。データベースには、各種のユーザ端末装置から集められた個人生体データ、及び各種の医療情報リソースから送信された非特定化非個人生体データが、ビッグデータを形成するように格納される。そのように、システムは、機械学習方法によって、データベースに格納されたビッグデータを解析した後、各種の生体状態を予測するための生理学的予測モデルを構築できる。
上記を纏めて、ユーザ側で提供された少量生体データに基づいて、ユーザの生体状態を予測できる。本発明のシステムは特定のグループのユーザについて、そのグループのユーザの所在環境または仕事の性質に応じて、精確で効果的な予測モデルを提供する。
生体データの知能的処理方法が実行されるシステム構成の実施形態を示す模式図である。 生体データの知能的処理システムの実施形態を示す模式図である。 生体データの知能的処理方法を実現するクラウドシステムの機能ブロックの実施形態を示す模式図である。 クラウドシステムにおける人工知能技術の実施形態を示す模式図である。 生体データの知能的処理システムの応用の実施形態を示す模式図その１である。 生体データの知能的処理システムの応用の実施形態を示す模式図その２である。 生体データの知能的処理方法の実施形態を示すフローチャートその１である。 生体データの知能的処理方法の実施形態を示すフローチャートその２である。 生体データの知能的処理方法の実施形態を示すフローチャートその３である。
発明の特徴及び技術内容がより一層分かるように、以下本発明に関する詳細な説明と添付図面を参照する。しかし、提供される添付図面は参考と説明のために提供するものに過ぎず、本発明の特許請求の範囲を制限するためのものではない。
下記より、具体的な実施例で本発明が開示する実施形態を説明する。当業者は本明細書の公開内容により本発明のメリット及び効果を理解し得る。本発明は他の異なる実施形態により実行又は応用できる。本明細書における各細節も様々な観点又は応用に基づいて、本発明の精神逸脱しない限りに、均等の変形と変更を行うことができる。また、本発明の図面は簡単で模式的に説明するためのものであり、実際的な寸法を示すものではない。以下の実施形態において、さらに本発明に係る技術事項を説明するが、公開された内容は本発明を限定するものではない。
なお、本明細書において「第１」、「第２」、「第３」等の用語で各種の部品又は信号を説明する可能性があるが、これらの部品又は信号はこれらの用語によって制限されるものではない。これらの用語は、主として一つの部品と別の部品、又は一つの信号と別の信号を区分するためのものであることが理解されたい。また、本明細書に用いられる「又は」という用語は、実際の状況に応じて、関連する項目中の何れか一つ又は複数の組合せを含み得る。
本発明は、知能的生体データ処理方法及びシステムを開示する。知能的生体データ処理方法は、ユーザ端末装置が生成した生体データの知能的処理方法を効果的に処理するためのものである。当該方法を実行するシステムは、クラウドシステムの計算及び通信技術を利用している。なかでも、ビッグデータ技術を利用して、各種の医療機関または医療センターから得られた相対的に全面的で完全的なデータを機械学習に使って、各種の生理学的予測モデルを導出してから、ビッグデータの解析を通して生体データを利用することによって、人工知能（ＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉｇｅｎｃｅ）技術で各種の生体データを処理または学習するための知能的処理方法が開示される。そのように、各ユーザ端末装置から得られた有限的な生体データを効果的に処理することができる。ユーザ端末装置としては、ユーザが着用するスマートブレスレット、スマートネックレス、スマートウェア、又はユーザに接続する定着型の検知装置が挙げられる。これらの有限的な生体データは知能的解析されることによって、有限的で片側的なデータであっても、クラウドシステムの生理学的予測モデルに基づいて、ユーザの生体状態を正確的に判断して、ユーザにフィードバックし得る。
ところで、システム側で実行される前記人工知能技術は、機械学習方法によって、例えば、医療機関、保健所等から得た完全的な生体データ等大量に集めた生体データを、ビッグデータで解析して、連続的に出入力するデータの間の関連性を導出し、そして、ソフトウェアプログラムで生理学的予測モデルを構築する。生理学的予測モデルに、各種の生体状態に表現する各種の生体特徴が記録される。前記データは、例えば、ユーザ側の着用生体検知装置または環境検知装置が検出したデータである。前記生理学的予測モデルは、ユーザのフィードバックに応じて最適化することができる。生理学的予測モデルは、少量データに基づいて、現在の生体状態を決定したり、将来の生体状態を正確かつ効果的に予測したりするために使用することができる。
前記生体データの知能的処理方法が実行されるシステム構成は、図１に示すように、システムは、クラウドシステム１０１を含む。本実施形態では、クラウドシステム１０１は、ビッグデータ解析及び人工知能技術で構築したヘルスケアクラウドであり、ネットワーク１０を通して各種の医療情報リソースに通信接続できる。図２に示すように、医療情報リソースとしては医療機関１０７が挙げられる。医療機関１０７は、必要なネットワークデバイスによって、ネットワーク１０を通して、各種のユーザ端末に通信接続する。ユーザ端末としては、例えば、図２に示したスマートブレスレット１０３及びスマートウェア１０５が挙げられる。
クラウドシステム１０１は、ネットワーク１０を通して、複数のユーザ側の各種のユーザ端末装置（１０３、１０５）（少なくとも２つの）から生体データを取得する。ユーザ毎が着用するユーザ端末装置の数量及び種類は本願では制限されない。ユーザは、一つまたは多種のユーザ端末装置を着用し得る。特定の実施形態において、ユーザ端末装置は、ユーザの体に信号接続できる定着型の生体検知装置であってもよい。ユーザ端末装置そのものにネットワークに接する回路を有すれば、クラウドシステム１０１に直接に通信接続してもよいか、外部ネットワークデバイスまたはパーソナルスマートデバイスを通してクラウドシステム１０１に通信接続してもよい。
特定の実施形態によれば、知能的生体データ処理システムは、クラウドシステム１０１で実行される知能的生体データ処理方法によって、各種のユーザ端末装置が生成する生体データと、医療機関１０７等の医療情報リソースが生成する生体データを集めてもよいが、実際に、集まれるデータは上記の例に限らない。一般的に、医療機関１０７が生成する生体データは比較的に全面的なデータであり、多様性を有する生体検知設備が生成した生体データが含まれる上で、特定化された個人データ（例えば、ユーザの即刻的な生体検知データ、医療履歴データ等）と、非特定化された非個人データ（性別、年齢、民族、各種病状、環境情報などは問いない）とが含まれ、クラウドシステム１０１で実行される知能的生体データ処理方法に必要なビッグデータとして形成される。ビッグデータが解析された後、各種の生体状態を予測するための生理学的予測モデルが構築できる。
クラウドシステム１０１はヘルスケアクラウドを実現する。クラウドシステム１０１は、少なくとも上述した２種類のデータ経路に通して、医療機関１０７または医療センターから比較的に全面的な生体データを取得しつつ、ユーザ端末装置（１０３、１０５）のそれぞれが受信する有限的な生体データを収集する。それらの生体データをヘルスケアクラウドにおける人工知能（ＡＩ）の機械学習方法（ｍａｃｈｉｎｅｌｅａｒｎｉｎｇ）によってデータを強化して特定のパターンを有する情報を検出・抽出する。当該ヘルスケアクラウドは、特定のグループから健康上の危険を保護するために、特定のグループに適用されてもよい。
そのように、ビッグデータを解析し、データから導出された情報を機械学習方法で学習を繰り返すことによって、生体状態を判断・予測するための生理学的予測モデルを生成し得る。生理学的予測モデルによっては、ユーザ端末装置のそれぞれから受信した生体データにおける生体情報を論理的に推論でき、ユーザの現在の生体データが潜在的に意味する生体状態を判定し、さらには、ユーザのここから先の体調を予測することができる。
現在の生体的状態とは、心拍数、呼吸、体温、血圧、事情への反応などが組み合わさって生理学的状態を形成することを特徴とするが、より複雑な原因としては、気温、湿度、気候、空気の質などその人の環境の状態も含まれ、また、その人自身の身体的な病気や病歴も考慮されることがある。生体状態をさらに包括的かつ完全に予測するためには、関連する民族、人種、居住地、年齢、性別などのデータ分析を含めて、環境情報や歴史情報が必要となる。なかでも、人工知能（ＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉｇｅｎｃｅ，ＡＩ）の技術的領域では、機械学習（ｍａｃｈｉｎｅｌｅａｒｎｉｎｇ）の技術が適用される。機械学習方法は、アルゴリズムでデータを解析する際、大量のデータでデータの特徴の学習を繰り返すことによって、ユーザ生体状態を判定または予測するための生理学的予測モデルを構築する。そのため、クラウドシステム１０１で実現するヘルスケアクラウドは、ビッグデータ及び機械学習方法等の人工知能学習で生理学的予測モデルを構築する上で、さらに、データを即刻的に更新したり、情報を即刻的にフィードバックしたり、生理学的予測モデルを最適化する必要がある。例えば、特定の実施形態において、トリガー動作が行われたか否かは、生理学的予測モデルを最適化するのに用いられる情報の１つともなる。
図２は、生体データの知能的処理システムの実施形態を示す模式図である。本実施形態では、クラウドシステム２０１がネットワーク２０を通して医療機関２０９から送信される生体データ及びユーザ２０４、２０５に着用・接続された各種のユーザ端末装置が送信される生体データを収集する。クラウドシステム２０１が収集するデータには、さらに端末検知装置ａ、ｂ、ｃ、ｄ、ｅ、ｆが検知する、温度と湿度、気候、大気質、圧力、時間、光など生体データ以外の環境情報も含まれてもよい。それらのデータをもって総合的に判定することによって、より正確的に予測する生体状態を提供することができる。
特に、ユーザ端末装置から受信された生体データに基づいて判定または予測するに当たって、環境情報は重要な情報となっている。そのため、図２に示すように、ユーザ２０４、２０５の付近に配置された端末検知装置ａ、ｂ、ｃ、ｄ、ｅ、ｆが検知した情報は、クラウドシステム２０１がユーザ２０４、２０５の所在環境を判定する場合に重要な参照情報となっている。例えば、クラウドシステム２０１が受信したユーザが着用しているユーザ端末装置から送信された生体データによると、心拍数に異常があると示されており、かつ、ユーザの所在環境は人に不快感を与える環境であり、さらにユーザに心臓基礎疾患があることが導出された場合、システムは、生理学的予測モデルを参照してユーザの健康に危険があると判定し、適当な対応をすることができる。
本実施形態では、車両２０３の運転手がスマートブレスレット及び／またはスマートウェア等１つ以上のユーザ端末装置を着用している。１つ以上のユーザ端末装置はネットワーク通信接続デバイスを通してクラウドシステム２０１に接続する。クラウドシステム２０１は、まず１つ以上のユーザ端末装置が検知する生体データを連続的に受信し、クラウドシステム２０１における人工知能技術は、前記車両２０３の運転手の年齢、医療履歴または所在環境に係る情報であってもよいが、リアタイムで受信した生体データであってもよい。本実施形態では、車両の運転手に係る生体状態は特に運転安全に関わっている。クラウドシステム２０１における人工知能技術では、運転手が現在またはこれから先に異常生体状態が発生すると判定すれば、運転手本人、または関係者に知らせて、適当な対応をすることができる。
特定の実施形態において、前記ユーザ端末装置は、線路で運転手の体に通信接続する定着型検知装置であってもよい。例えば、車両２０３に配置された検知装置、及びハンドルにおける運転手の手が接触する位置に配置される検知装置等が挙げられる。
運転手は２種類のユーザ端末装置を着用する時、状況に応じて、クラウドシステム２０１から第１のユーザ端末装置の生体データを先に取得しており、人工知能技術で異常が発生する可能性があると判定すると、第２のユーザ端末装置は設定によって起動され、クラウドシステム２０１はさらに、第２のユーザ端末装置の生体データを取得することによって、さらに正確な結果を得ることができる。
さらに別の実施形態において、クラウドシステム２０１がユーザ端末装置から送信された生体データを連続的に受信する他、車両の運転手自身が体調に異常があると感じた時、クラウドシステム２０１に異常を判定・対応してもらうために自らでユーザ端末装置をトリガーして、積極的に生体データをクラウドシステム２０１にアップロードしてもよい。
図３は、生体データの知能的処理方法を実現するクラウドシステムの機能ブロックの実施形態を示す模式図である。
図３に示したクラウドシステム３０は、コンピュータシステムで実現できる。クラウドシステム３０は、プロセッサ、レジスタ、通信回路及び記憶装置等のハードウェア構成が含まれる。クラウドシステム３０には、生体データの知能的処理方法のソフトウェアプログラムが実行され、例えば、機械学習方法３０３、生理学的予測モデル３０４、フィードバックシステム３０６及び情報解析３０５等の機能を実現する。データベース３０２は、異なる経路から受信した生体データまたは環境データを格納するために用いられる。図３では、クラウドシステム３０がネットワークユニット３０１を通して各種のデータリソースに接続する。データリソースとしては、例えば、各種のユーザ端末装置３１、医療機関、保健所等完全的にかつ比較的に全面的な生体データを提供できる医療機関３２、保健情報等全国民に対するデータを提供する厚生労働省等の政府機関３３、または端末に配置される各種の環境情報を生成する環境検知装置３４が挙げられる。
特定の実施形態によれば、クラウドシステム３０は多種のデータ収集経路を有する。なかでも、ネットワークユニット３０１はデータ収集手段を実現する。ネットワークユニット３０１は、各ユーザ端末装置３１から送信された連続的な生体データと、ユーザが着用のユーザ端末装置３１のそれぞれをトリガーすることで生成した非連続的な生体データとを受信するために用いられる。なかでも、連続的な生体データ及び非連続的な生体データは、データベース３０２に格納されるビッグデータの一部となる。ところで、前記連続的な生体データは、ユーザ端末装置３１が連続的に（定期的に）クラウドシステム３０にアップロードする生体データの他、ユーザ端末装置３１に記憶媒体で定期的に記憶されて、定期的にクラウドシステム３０にアップロードさせる生体データが含まれる。特定の実施形態において、クラウドシステム３０では、生理学的な異常に関わる情報が判定されれば、特定の要求に応じて、ユーザ端末装置３１の記憶装置に格納された生体データをクラウドシステム３０にアップロードさせてもよい。
前記ユーザ端末装置３１は、個人生体データを提供するためにスマートブレスレット、スマートウェア、またはユーザ側に配置される医療デバイス等多種の実施形態で実現される。前記医療機関３２は、例えば、図３に示した医療機関及び保健所は、完全的な生体データを提供することができる。完全的な生体データは、特定化個人生体データ、または非特定化非個人生体データが含まれる。厚生労働省等の政府機関３３は、個人的または非個人的な生体データを取得できる。それに環境検知装置３４による環境情報を加えて、クラウドシステム３０にビッグデータのデータベース３０２が構築される。
データベース３０２におけるデータは、機械学習方法３０３によって、ビッグデータを解析して、多種の生体状態を予測するための生理学的予測モデルを構築すると共に、非連続的な生体データのそれぞれに対応したユーザの状態に応じて生理学的予測モデルを最適化する。さらに、前記生理学的予測モデル３０４は、例えば、ユーザ端末装置３１から送信された連続的な生体データ、または非連続的な生体データ等ユーザ側から提供される少量情報を有する生体データを参照して、ディフォルト的に設定された多種の生体状態の生理学的予測モデルであってもよい。なかでも、人工知能技術で実現される解析手段によって、各種のデータ情報を参照することによって、現在またはここから先の生体状態を判定・予測する。
続いて、フィードバックシステム３０６は、ユーザ端末装置３１のそれぞれから送信された連続的な生体データまたは非連続的な生体データが解析されて導出された生体状態に基づいて、連続的な生体データについてのフィードバック情報、または非連続的な生体データについてのフィードバック情報を抽出して、関連生体情報を生成することによって、ユーザに即刻的な情報を提供する。その後、ネットワークユニット３０１等の通信回路を通して、ユーザ端末装置３１のそれぞれに対応した認識情報及び通信情報に基づいて、ユーザそれぞれの通信装置に送信する。ユーザそれぞれの通信装置は、ユーザを保護するために対応対策を与えるように、ユーザ側における知能的装置、または連絡先一覧に示される連絡先装置にフィードバック情報を送信する。
情報解析３０５では、生体データソースのそれぞれから送信された情報を処理するように機能される。なかでも、主に、少なくとも２つのユーザ端末装置から送信された連続的な生体データ又は非連続的な生体データを解析して、前記生理学的予測モデルに対照することで生体状態を判定する。例えば、ユーザは、それに着用されたユーザ端末装置３１を積極的にトリガーすることによって、時一定期間内における生体データ（ユーザ端末装置のレジスタに一時的に保存される）。クラウドシステム３０は、そのユーザ端末装置３１当該一定期間内に検知した少量情報項目の生体データは、非連続的な生体データである。非連続的な生体データは、情報解析３０５で処理された後、特定の生体状態に対応できると共に、データベース３０２のビッグデータの一部として形成される。非連続的な生体データを、生理学的予測モデル３０４に対照して、生体状態を判定・予測できる。
図４はさらにクラウドシステムにおける人工知能技術の実施形態を示す模式図である。
図４の実施形態において、クラウドシステム４に人工知能モジュール４０が配置され、人工知能モジュール４０は、上記の実施形態で説明したようなビッグデータの解析、機械学習方法、及び生理学的予測モデルで予測を行う手段によって実現され、その中心では、機械学習方法４０１となる。
クラウドシステム４は、ユーザ端末装置、または各種の医療情報リソースから個人生体データ４１及び非個人生体データ４２を受信する。生体データは、生体情報の提供者（例えば、ユーザ端末装置、医療機関、医療センター、保健所等）が機械学習方法４０１に提供する情報等いくつかの特徴を有してもよい。その特徴によって、ビッグデータを構築できる。
第１種の情報は、非連続的なデータ４０２及び連続的なデータ４０４に取り分けられる。
クラウドシステム４が受信した生体データは、非連続的なデータ４０２及び連続的なデータ４０４に取り分けられる。機械学習方法４０１は、その二種類のデータを組み合わせることができる。なかでも、非連続的なデータ４０２は、ユーザ端末装置が積極的に発信するマークの提示に関わる情報である。例えば、ユーザ端末装置を着用しているユーザが体調に異常があると感じた時、ユーザ端末装置における通信機能（例えば、緊急ボタン）を通して緊急情報を発信する。すると、クラウドシステム４は、提示するためのマークがされた情報、時間情報、身元情報を取得すると共に、関連生体データを収集できる。それらのデータによって、マークされたデータを用意する。システムにとって、それらのデータは互いに関連性を有する情報である。
これらの非連続的なデータ４０２は、提示するためのマークがされた生体データを有する。提示するためのマークがされた生体データは、クラウドシステム４における人工知能モジュール４０の機械学習に利用される。特定の医療専門技術者が、人工知能による機械学習方法４０１によって、生体情報認識を行うことによって、現在得られた生体状態に期待値からの偏差があるかどうかを判定し、その差や変動が意味のある異常値に達すると、クラウドシステム４は直接にユーザ又は関係者に、関連指導又は必要な対応についての情報を発信する。
なお、前記連続的なデータ４０４は、選択的に各種の医療関連機構から集められた生体データと、各ユーザ端末装置から連続的に受信した生体データとを含んで、非選択的な生体情報のビッグデータとして形成される。連続的なデータ４０４は、完全的な機能を有する医療デバイスで生成したものであり、非選択性の情報である。完全的な機能を有する医療デバイスは、患者の生体データをテストするための各種の医療デバイスであってもよいし、生体データを検出するために患者が着用できる各種の検知装置であってもよい。着用装置としては、生体データを連続的に収集して、特定のネットワーク接続デバイスを通して生体データをクラウドシステムに送信できるものであってもよいが、特定のコンピュータ設備におけるソフトウェアプログラムで初期データを濾過してからネットワークを通してクラウドシステム４に送信できるものであってもよい。いずれも、継続的に機器学習を繰り返して、機械学習方法４０１にフィードバックすることによって、より健全的なヘルスケアクラウドを構築するようになる。
ところで、医療機関から収集する連続的なデータ４０４については、病棟の生体情報監視装置にはすでに情報をフィルタリングする機構を内蔵しているため、異常な危険や緊急性のある危険を時間内に検知することができ、その結果、医療従事者に注意を喚起して、関連する緊急時や一般的な治療を速やかにフォローアップすることができるが、着用装置では、生体情報の完全性と安定性に限られているため、そのデータの完全性は、医療機関の病棟の標準的な設備（集中治療室など）からのものと同等的なものに取り扱えない。なお、クラウドシステム４と着用装置との協働、加えて機械学習方法を利用することで、連続的な監視とほぼ同等の多量情報を学習で取得できる。
クラウドシステム４において、人工知能モジュール４０は、生体データをすぐに意味のある信号に変換し得ないかもしれないが、非連続なリマインダーメモとその後の処分結果の比較を通して、一見用途が自明でないデータを信頼できるポジティブな情報に変えることが可能であり、それによって、同様の状態が発生したときに、素早くに生体データをエンドユーザに提供することでユーザに警告を発し、積極的に医療処置または関連する処分を求めることをリマインダーし、許可を得た場合、関連するフォローアップ管理および健康管理のための責任ユニットにバックオフィスによって転送されることができる。
第２種の情報は、少量情報項目４０５及び多量情報項目４０３の組み合わせである。
一部の着用装置は、着用される身体の部分に限られるため、局所的な生体データのみを感知するように制限されており、少量情報項目４０５の収集デバイスと呼ばれる。少量情報項目４０５の収集デバイスは生理的信号のいくつかをエミュレートできるものであってもよい。一方、市販の着用装置または検出装置の一部は、身体の複数の部分または可動肢端に配置されたセンサを有することで、比較的多くの、より広い範囲の生体情報を収集することができ、多量情報項目４０３の収集デバイスと呼ばれる。
人工知能モジュール４０のクラウド計算では、少量情報項目４０５の収集デバイスで収集したデータは、多量情報項目４０３の収集デバイスで収集した生体データに対照して、最適化される。それによって、少量情報項目４０５の収集デバイスで収集した情報は新しい応用できるパラメータに変換され、段々多量情少量情報項目４０５の収集デバイスは、段々項目４０３の収集デバイスを引替えることができる。
そのように、人工知能モジュール４０が処理するデータは、少なくとも前記連続的なデータ４０４を含む。連続的なデータ４０４は、連続的に（又は定期的に）ユーザが着用したユーザ端末装置から受信される生体データである。非連続的なデータ４０２は、ユーザがユーザ端末装置を積極的にトリガーすることで送信する現在（又はある期間において）の生体データである。少量情報項目４０５によるデータは、有限的ないくつかの項目に係る生体データを検出できるユーザ端末装置が生成できるデータという。一方、多量情報項目４０３によるデータは、比較的に多量生体データを検知できる着用装置が生成する生体データという。
特定の実施形態において、上記非連続的な生体データでは、クラウドシステム４が第１のユーザ端末装置から送信された連続的な生体データを解析する際、生理学的予測モデル４０６に対照して、異常生体状態を判定してユーザに知らせることができる。この時、設定に応じて、さらに正確に生体状態を判定するのを求めるために、第２のユーザ端末装置を能動的に駆動し（または被動的に制御され）、当該情報に基づいて、一定期間内の生体データを送信することができる。当該一定期間内の生体データはマークされて、非連続的なデータ４０２と対比する生体データ、即ち、生理学的予測モデル４０６を最適化するための情報となる。
さらに、ビッグデータの技術において、各種の環境情報がさらに含まれてもよい。前記クラウドシステム４は、各種の経路（着用装置、医療デバイス）を通して、大衆データ（国民健康データ、保険データ）、環境データ（地域、気候、季節）、即刻なデータ等各種のデータを人工知能モジュール４０におけるビッグデータと形成させる。機械学習方法４０１によって、さらに生理学的予測モデル４０６を構築できる。
図５は、生体データの知能的処理システムの応用の実施形態を示す模式図である。
図５に、例えば、スマートブレスレットである第１のユーザ端末装置５１、及びスマートウェアである第２のユーザ端末装置５２が示されている。第１のユーザ端末装置５１及び第２のユーザ端末装置５２は、データ出力デバイス（パーソナルスマートデバイス）５３（例えば、スマートフォン、タブレット、パーソナルコンピュータ）等を通して生体データをクラウドシステム５に送信する。
特定の実施形態において、ユーザは、第１のユーザ端末装置５１を積極的にトリガーすることで、第１のユーザ端末装置５１が一定期間内に置いて検知した少量情報項目による生体データを取得して、クラウドシステム５に送信するための非連続的な生体データとして形成させることができる。或いは、第１のユーザ端末装置５１が連続的に送信する生体データを取得してもよい。
この時、クラウドシステム５は、受信された少量情報項目による生体データに基づいて、生理学的予測モデルに対照して、現在の生体状態を判断する。この際、フィードバック手段によって、情報をパーソナルスマートデバイス５３に送信してもよい。これらの情報は、この実施形態では、非連続的な生体データについて生成したフィードバック情報である。この場合、第２のユーザ端末装置５２が即刻的にまたは一定期間内に検知する生体データをクラウドシステム５に送信するようにユーザが第２のユーザ端末装置５２をさらにトリガーしてもよい。なお、第２のユーザ端末装置５２がトリガーされる一定期間内に生成した生体データはマークされ、フィードバック情報に対応する非連続的な生体データと関連付けらえる。
上記による有益な効果の１つとしては、クラウドシステム５は、少なくとも２つのユーザ端末装置を介してユーザの生体状態を確認できるため、より正確な予測結果が得られる。例えば、クラウドシステム５における人工知能手段が、第１のユーザ端末装置から送信された生体データに基づいて、異常があると判定した際に、第２のユーザ端末装置をトリガーして他の部分の生体データを送信するようにユーザに要求することによって、予測の精度は、クロスバリデーションによって補強することができる。
図６は、生体データの知能的処理システムの応用の他の実施形態を示す模式図である。この実施形態は、クラウドシステム６が配置され、各種のユーザ端末装置は、各種のネットワーク連続手段を通して、ネットワーク６０及びクラウドシステム６に通信接続する。
この実施形態において、ユーザ６０３が着用したユーザ端末装置は、付近のネットワークデバイス６０１によってネットワーク６０に通信接続することで、連続的なまたは非連続的な生体データをクラウドシステム６に送信する。また、車両６０５（例えば、バス）の運転手は同じように特定のユーザ端末装置を着用して、持ち歩くパーソナルスマートデバイス６０２ネットワークに通信接続でき、さらに、連続的なまたは非連続的な生体データをクラウドシステム６に送信できる。
本実施例では、被介護者を公共交通機関の運転手とする。公共交通機関の運転手は、スマートブレスレット（すなわち、第１のユーザ端末装置）を着用するとともに、スマートウェア（すなわち、第２のユーザ端末装置）を着用する。運転手の出勤前には、全てのユーザ端末装置が正しく機能し、正しい情報を送信することを確認する。運転手が出勤しているとき、パーソナルスマートデバイス６０２内で実行されるアプリケーション（すなわち、ＡＰＰ）は、第１のユーザ端末装置と第２のユーザ端末装置の両方によって生成された生体データを収集する。そのように、クラウドシステム６は、車両６０５の運転手の生理状態を常に監視することができる。
本発明に提出された生体データの知能的処理方法の実施形態については、図７に示した主な実施形態のフローチャートに参照されたい。
まず、ユーザに着用された第１のユーザ端末装置は、ユーザの生体データを能動的に検知するように設定されてもよい。当該生体データは、少量情報項目による生体データに属する。例えば、スマートブレスレットの精度では、脈拍、心拍数、呼吸、動き、睡眠状態等が検知され、連続的な生体データが生成される。例えば、ステップＳ７０１において、ユーザ端末装置における通信機能、または外部のネットワーク通信接続デバイスによって、生体データがクラウドシステムに送信される。
そして、ステップＳ７０３において、クラウドシステムにおけるソフトウェアプログラムによって、前記連続的な生体データを解析する。ステップＳ７０５において、クラウドシステムにおける機械学習方法で構築された生理学的予測モデルに対照することによって、生体データから生体状態を導出する。なかでも、解析手段は、人工知能手段であってもよい。解析手段は、第１のユーザ端末装置から送信された連続的な生体データに基づいて、ディフォルトされた多種の生体状態のモデルに対照して、特定の生体状態を抽出する。
ステップＳ７０７において、クラウドシステムにおけるソフトウェアプログラムは、解析で導出された生体状態に基づいて、対応的なフィードバック情報を生成する。例えば、ステップＳ７０９において、ネットワークを通して、各ユーザ端末装置に対応する認識情報及び通信情報に基づいて、フィードバック情報をユーザのパーソナルスマートデバイスに、または特定の連絡人の装置に送信する。
ステップＳ７０５において、クラウドシステムが生体状態を判定すると、クラウドシステムがフィードバック情報（ステップＳ７０７）を生成する以外、ユーザは、クラウドシステムが提供した情報を受信する。ステップＳ７１１において、システムは予測モデルを提供する。予測モデルは、端末装置の設定又は人為的なトリガーによって、第２のユーザ端末装置が一定期間内（例えば、１分間または１０分間）で生体データを集めるように、第２のユーザ端末装置を積極的に駆動してもよいが、第２のユーザ端末装置を生体データ生成させるようにユーザにリクエストを示すか、又は、第２のユーザ端末装置から一定期間内の生体データを取り出すことが可能である。そのように得られたデータは、非連続的な生体データの一種であり、クラウドシステムに送信される。この時、ステップＳ７１３において、学習モデルでは、クラウドシステムにおけるソフトウェアプログラムは、生理学的予測モデルに対照して、生体状態を総合判定して、関連情報をユーザにフィードバックする。ステップＳ７１５において、これらの対照が繰り返された生体データは、機械学習方法における生理学的予測モデルを最適化するためのデータとなる。
図８は、生体データの知能的処理方法における主な実施形態その２を示すフローチャートである。
この実施形態において、ユーザ側における第１の、第２の又は更なる多くのユーザ端末装置は、非連続的に生体データをクラウドシステムに送信するが、断続的なセンシングにより生体データを生成して、装置のレジスタに格納させることができる。ステップＳ８０１において、ユーザが要求されるかまたは自らの必要によって（例えば、体調が悪くて）第１のユーザ端末装置が生体データを生成するように、第１のユーザ端末装置をトリガーする時、その生体データが非連続的な生体データに属する。この時、ユーザ端末装置は、依然として一定期間内に少量情報項目による生体データを検知し、クラウドシステムに送信するための非連続的な生体データを生成する。
特定の実施形態において、ステップＳ８０３では、ユーザの設定に応じて、第２のまたは他のユーザ端末装置が生体データを生成するようにしてもよい。これらの生体データは、即刻的に生成するデータ、最近ある期間内に生成されユーザ端末装置に一時的に格納されたデータ、またはその両方であってもよい。それらを一緒にクラウドシステムにアップロードする。ステップＳ８０５において、クラウドシステムは、各ユーザ端末装置が生成した生体データを受信する。
ところで、前記第１の、第２のまたは更なる多くのユーザ端末装置は、別の装置（例えば、ユーザのコンピュータ装置）と連動してもよい。いずれか１つのユーザ端末装置がトリガーされると、設定に応じて他の装置が共にトリガーされ、同じ期間内の生体データをアップロードする。そして、クラウドシステムのデータベースに、これらの同じトリガーによる生体データをマーク付けてもよい。
クラウドシステムがある時刻でアップロードされた非連続的な生体データを受信すると、ステップＳ８０７では、ソフトウェアプログラムによって生体データを解析する。ステップＳ８０９では、クラウドシステムにおける機械学習方法によって構築した生理学的予測モデルに対照することで、生体状態を判定する。続いて、ステップＳ８１１に示すように、クラウドシステムは非連続的な生体データについてのフィードバック情報を生成する。ステップＳ８１３において、ユーザ端末装置のそれぞれに対応する認識情報及び通信情報に基づいて、フィードバック情報をユーザのパーソナルスマートデバイスに送信する。
ユーザがパーソナルスマートデバイスを通してクラウドシステムから送信された情報を受信すると、レスポンスを与えることができ、例えば、現在の体調をクラウドシステムに返信することで、クラウドシステムがユーザからの情報を受信できる。ステップＳ８１５において、生体データをさらに提供しようとするか、或いは、ユーザが医療機関に足を運んで更なる診断結果を得る時、クラウドシステムにリスポンスするための情報を生成できる。これらのリスポンスの情報がマークされた後は、比較的に意義付けられた情報となり、生理学的予測モデルを最適化するための情報ともなる。
図８に示すプロセスによれば、非連続的な生体データを提供するための装置は、例えば、上記実施形態で説明した第１の、第２のまたは他のユーザ端末装置である。トリガーによる生体データは、一般的に少量であるが中枢的な情報である。これらの意味が付けてマークされた生体データは、非連続な生体データと連続的な生体データとをある程度に関連付けることができる。さらに、それをシステム内の生理学的予測モデルを最適化するための根拠にする。
図９は、生体データの知能的処理方法の他の実施形態を示すフローチャートである。ユーザが積極的に任意のユーザ端末装置をトリガーして生体データを送信する方法以外、この実施形態では、ユーザ端末装置が生体データを提供させるようにクラウドシステムがユーザ端末装置を能動的にトリガーすることができる。
例えば、ステップＳ９０１において、クラウドシステムは連続的に受信する生体データに基づいて、生理学的予測モデルに対照して生体状態を判定する。ステップＳ９０３において、クラウドシステムは、異常があると判定すると、ユーザ端末装置（１つまたは複数の）に直接にトリガー情報を発信することで、さらに連動的に他のユーザ側装置をトリガーする。また、クラウドシステムは、異常があると判定すると、ユーザ側におけるコンピュータ装置（例えば、携帯装置）を通してトリガー情報を送信することで、第１の、第２のまたは更なる多くのユーザ端末装置が即刻的な生体データ、または一時的に格納されたある期間内の生体データを送信するように、第１の、第２のまたは更なる多くのユーザ端末装置をトリガーしてもよい。ステップＳ９０５において、クラウドシステムが複数のユーザ端末装置から送信された生体データを受信して、マーク付ける。ステップＳ９０７において、これらの装置が生成したデータの間に関連が付けられて、後継ぎ解析が行われれば、機械学習方法で生理学的予測モデルを最適化することができる。
以下は例を挙げて、本発明が提供する知能的生体データ処理方法及びシステムの実用例を説明する。例えば、バスの運転手等職場で働く人がネットワークに通信接続される上記ヘルスケアクラウドの実施例を示している。そのヘルスケアクラウドを実現するクラウドシステムにはビッグデータが機械学習方法で学習されて構築した人工知能が配置される。ビッグデータは、そのバスの運転手の個人履歴生体データが含まれる。この例は、本発明が提供する知能的生体データ処理方法及びシステムの適用範囲を制限する意図はない。
状況１では、バスの運転手が運転している時、自身に異常の状況が発生していると気づいた。その場合、バスの運転手は即刻に第１のユーザ端末装置（例えば、スマートブレスレット）に配置されたトリガーインターフェイスを通してトリガー情報を発信する。トリガーインターフェイスは、例えば、スマートブレスレットに配置されるボタンである。この時、通信機能によって、スマートブレスレットに格納されている例えば、前後３０秒間等のある期間内の生体データをクラウドシステムに送信する。なお、運転手は元の運転を続けるかもしれない。そして、クラウドシステムが第１のユーザ端末装置による生体データを受信して、それにマーク付けて、即刻的に人工知能で解析を行う。この場合、運転手の体調には緊急の脅威があると判定する場合、即刻的に関連情報を当該運転手に送信するか、又は上級機関に連絡して支援を求める。
状況２では、バス運転手が運転中に体調に異常が発生し、運転手が着用する第１のユーザ端末装置はその異常をマークしながら、前後３０秒間等のある期間内の生体データをクラウドシステムに後継ぎ解析を行う。クラウドシステムにおける処理プロセスが評価後、差し迫った危険はないと判定すれば、運転手の通信装置（例えば、携帯）で運転手に知らせて、当該運転手に、例えば、医療機関に診てもらうように注意させる。同時に、クラウドシステムは続いて関連情報を記録しつつ、それらの情報を後日のその医療機関による診断結果と一緒に参照にする。
状況３では、バス運転手は、運転中にいずれかの体調不良が感じしていないが、運転手が着用する第２のユーザ端末装置（例えば、スマートウェア）で検出した運転手の生体データ（例えば心拍情報）がクラウドシステムに送信され、クラウドシステムにおけるソフトウェアプログラムで解析された後、バス運転手の心臓に例えば虚血性異変があると判定すれば、クラウドシステムは、通信方法で管理者に知らせて、例えば運転手を臨時的に交換するか、または運転手を病院に行かせる等必要な対応を求める。
状況４では、バス運転手が第２のユーザ端末装置（例えばスマートウェア）を着用しておらず、第１のユーザ端末装置（例えばスマートブレスレット）のみを着用している。運転中に、運転手はいずれかの体調不良が感じしていないが、第１のユーザ端末装置が連続的に収集してクラウドシステムにアップロードする生体データが解析された結果、特定の瞬間にバス運転手が急性虚血性心疾患に襲われた疑いがあると判断し、通信手段を介してバス運転手に直ちにバスを停車させるよう自動的に通知する。また、監督者には、運転業務を引き継ぐために他の運転手を派遣し、バス運転手の緊急治療を手配するように通知される。また、病院の救急車スタッフにも同時に連絡して緊急治療を受けることができる。緊急治療で急性心筋梗塞と判断された場合は、緊急に心臓ステントを留置し、療養後、また運転業務を継続する。
状況５では、バス運転手が出勤する直前に、第１のユーザ端末装置（例えば、スマートブレスレット）を用いた事前テストを行ってもよい。例えば、スマートブレスレット状態を確認するためのボタンを押すと、第１のユーザ側端末装置から一定期間に収集した生体データがクラウドシステムにアップロードされる。クラウドシステムから通信手段を介して送信された情報は、バス運転手が昨夜、自律神経の乱れや意識障害につながる異常な睡眠状態にあったことを示すものであり、または、この情報は、バス運転手でさえも５時間前に失神したと疑われるような生理的な状態を示した場合、クラウドシステムでは、バス運転手が休息を求め、休息を取り、健康に留意して初めて職場復帰が可能であることを示唆する。
上記を踏まえて、本発明が提供する生体データの知能的処理方法及びシステムは、クラウドシステムを構築することでヘルスケアクラウドを実現する。なかでも、各種の医療情報リソースから完全的な個人または非個人生体データを、各種のユーザ端末装置から連続的なまたは非連続的な少量情報の生体データを受信することによって、データベースを構築し、さらに、ビッグデータ及び機械学習方法等の人工知能で学習を繰り返し、生理学的予測モデルを構築し、常に追加したデータ及びフィードバック情報によって生理学的予測モデルを最適化する。そのように、ユーザ側で提供された少量生体データに基づいて、ユーザの生体状態を予測できる。本発明のシステムは特定のグループのユーザについて、そのグループのユーザの所在環境または仕事の性質に応じて、精確で効果的な予測モデルを提供する。
以上に開示された内容は本発明の好ましい実施形態に過ぎず、これにより本発明の特許請求の範囲を制限するものではない。そのため、本発明の明細書及び添付図面の内容に基づき為された等価の技術変形は、全て本発明の特許請求の範囲に含まれるものとする。
４、５、６、３０、１０１、２０１…クラウドシステム
５１…第１のユーザ端末装置
５２…第２のユーザ端末装置
５３…パーソナルスマートデバイス
１０、２０、６０…ネットワーク
１０３、１０５…ユーザ端末装置
１０７、２０９…医療機関
２０４、２０５、６０３…ユーザ
２０３…車両
ａ、ｂ、ｃ、ｄ、ｅ、ｆ…端末検知装置
３１…ユーザ端末装置
３２…医療機関、保健センター
３３…政府機関
３４…環境検知装置
３０１…ネットワークユニット
３０２…データベース
３０３…機械学習
３０４…生理学的予測モデル
３０５…情報解析
３０６…フィードバックシステム
４０…人工知能モジュール
４１…個人生体データ
４２…非個人生体データ
４０１…機械学習
４０２…非連続的なデータ
４０３…多量情報項目
４０４…連続的なデータ
４０５…少量情報項目
４０６…生理学的予測モデル
６０１…ネットワークデバイス
６０２…パーソナルスマートデバイス
６０５…車両

Claims (20)

  1. クラウドシステムで実行される知能的生体データ処理システムであって、
    複数のユーザ端末装置から集められ、ビッグデータを形成するための個人生体データを格納するデータベースと、
    ユーザ側のそれぞれにおける少なくとも２つのユーザ端末装置から送信された連続的な生体データ、ユーザのそれぞれがユーザ端末装置をトリガーして生成する非連続的な生体データ、及び／または前記クラウドシステムがユーザ側のそれぞれにおける前記少なくとも２つのユーザ端末装置をトリガーして生成する非連続的な生体データを受信し、前記連続的な生体データ及び前記非連続的な生体データが前記データベースに格納されたビッグデータの一部となる、データ収集手段と、
    前記データベースに格納されたビッグデータに基づいて解析を行うことによって、各種の生体状態を予測するための生理学的予測モデルを構築する、機械学習手段と、
    ユーザ側のそれぞれにおける前記少なくとも２つのユーザ端末装置から送信された連続的な生体データまたは非連続的な生体データを解析してから、前記生理学的予測モデルに対照して、生体状態を判定する解析手段と、
    解析された前記少なくとも２つのユーザ端末装置のそれぞれから送信された連続的な生体データまたは非連続的な生体データで導出した前記生体状態に基づいて、前記連続的な生体データについてのフィードバック情報、または前記非連続的な生体データについてのフィードバック情報を生成し、ユーザ端末装置のそれぞれに対応する認識情報及び通信情報に応じて、前記フィードバック情報をユーザそれぞれの通信装置に送信する、フィードバック手段と、
    を含む、ことを特徴とする知能的生体データ処理システム。
  2. ユーザ側のそれぞれにおける前記少なくとも２つのユーザ端末装置には、第１のユーザ端末装置が含まれ、前記第１のユーザ端末装置に通して少量情報項目の生体データを検知することで、前記クラウドシステムに送信するための連続的なまたは非連続的な生体データを形成する。請求項１に記載の知能的生体データ処理システム。
  3. 前記第１のユーザ端末装置がユーザの積極的にトリガーすることで、前記第１のユーザ端末装置が一定期間内に検知した少量情報項目に係る生体データを取得し、前記クラウドシステムに送信するための非連続的な生体データを形成する、請求項２に記載の知能的生体データ処理システム。
  4. 前記第１のユーザ端末装置がトリガーされるにつれて、第２のユーザ端末装置又は更なる多くのユーザ端末装置がトリガーされることによって、前記クラウドシステムは、前記少なくとも２つのユーザ端末装置が生成する生体データを全て受信する、請求項２または３に記載の知能的生体データ処理システム。
  5. 前記第１のユーザ端末装置及び前記第２のユーザ端末装置が一定の期間内に生成した生体データは、互いを関連付けるためにマーク付けられる、請求項４に記載の知能的生体データ処理システム。
  6. ユーザ側のそれぞれにおける前記少なくとも２つのユーザ端末装置はさらに第２のユーザ端末装置を含み、前記フィードバック手段が前記連続的な生体データまたは前記非連続的な生体データについてユーザのそれぞれの前記通信装置に送信するためのフィードバック情報を生成する際、前記第２のユーザ端末装置がトリガーされることで、前記第２のユーザ端末装置が即刻にまたは一定期間内に生体データを生成して、前記クラウドシステムに送信する、請求項２または３に記載の知能的生体データ処理システム。
  7. 前記第２のユーザ端末装置がトリガーされることで生成した生体データはマーク付けられ、マーク付けられた前記生体データは、前記フィードバック情報における非連続的な生体データと関連付けられている、請求項６に記載の知能的生体データ処理システム。
  8. 前記第１のユーザ端末装置及び前記第２のユーザ端末装置は、前記ユーザが着用するスマートブレスレット、スマートネックレス、スマートウェア、又は前記ユーザの体に信号接続される定着型検知装置である、請求項７に記載の知能的生体データ処理システム。
  9. 前記機械学習手段は、前記データベースに格納されたビッグデータに基づいて、機器学習を繰り返して導出した多種の生体状態を予測するための生理学的予測モデルであり、前記機器学習は、非連続的な生体データのそれぞれが対応するユーザそれぞれの状態に基づいて、前記生理学的予測モデルを最適化することを含む、請求項１に記載の知能的生体データ処理システム。
  10. 前記解析手段は人工知能であり、前記少なくとも２つのユーザ端末装置から送信された連続的な生体データまたは非連続的な生体データに基づいて、ディフォルトされた多種の生体状態の生理学的予測モデルに対照して、特定の生体状態を抽出する、請求項９に記載の知能的生体データ処理システム。
  11. クラウドシステムで実行される知能的生体データ処理方法であって、
    ユーザのそれぞれが着用する少なくとも２つのユーザ端末装置から連続的な生体データまたは非連続的な生体データを受信し、
    前記連続的な生体データまたは非連続的な生体データを解析して、前記クラウドシステムにおける機械学習方法で構築した生理学的予測モデルに対照して、生体状態を判定し、
    解析された前記少なくとも２つのユーザ端末装置から送信された連続的な生体データまたは非連続的な生体データに基づいて、前記生体状態を抽出して、 それに基づいて前記連続的な生体データについてのフィードバック情報、または前記非連続的な生体データについてのフィードバック情報を生成し、
    通信ネットワークに通して、ユーザ端末装置のそれぞれが対応する認識情報及び通信情報に応じて、前記フィードバック情報をユーザのそれぞれの通信装置に送信し、
    前記クラウドシステムに、データベースが設けられ、前記データベースは、前記連続的な生体データ及び非連続的な生体データを含む、前記少なくとも２つのユーザ端末装置から集められた個人生体データを格納して、ビッグデータとして形成させ、その後、機械学習方法によって、前記データベースに格納されたビッグデータを解析してから、各種の生体状態を予測するための生理学的予測モデルを構築する、知能的生体データ処理方法。
  12. 各ユーザが着用する前記少なくとも２つのユーザ端末装置は、第１のユーザ端末装置及び第２のユーザ端末装置、又は他のユーザ端末装置を含み、前記少なくとも２つのユーザ端末装置によって少量情報項目に係る生体データを検知することで、前記クラウドシステムに送信するための連続的なまたは非連続的な生体データを形成する、請求項１１に記載の知能的生体データ処理方法。
  13. ユーザのそれぞれが前記第１のユーザ端末装置を積極的にトリガーすることで、前記第１のユーザ端末装置が一定期間内に検知した少量情報項目に係る生体データを取得し、前記クラウドシステムに送信するための非連続的な生体データを形成する、請求項１２に記載の知能的生体データ処理方法。
  14. 各ユーザが着用する前記少なくとも２つのユーザ端末装置は第２のユーザ端末装置を含み、前記フィードバック手段が前記連続的な生体データまたは前記非連続的な生体データについて、各ユーザの前記通信装置に送信するためのフィードバック情報を生成する際、さらに前記第２のユーザ端末装置がトリガーされることで、前記第２のユーザ端末装置は即刻にまたは一定期間内に検知した生体データを、前記クラウドシステムに送信する、請求項１１から１３のいずれか１項に記載の知能的生体データ処理方法。
  15. 前記第２のユーザ端末装置がトリガーされ一定期間内に生成した生体データはマーク付けられ、前記フィードバック情報に対応する非連続的な生体データと関連付けられている、請求項１４に記載の知能的生体データ処理方法。
  16. 前記第１のユーザ端末装置がトリガーされるにつれて、前記第２のユーザ端末装置または他のユーザ端末装置がトリガーされることで、前記クラウドシステムは、前記少なくとも２つのユーザ端末装置が一定期間内に検知した少量情報項目に係る生体データを取得し、前記クラウドシステムに送信するための非連続的な生体データを形成する、請求項１２に記載の知能的生体データ処理方法。
  17. 前記少なくとも２つのユーザ端末装置の一方がユーザに積極的にトリガーされるにつれて、前記一定期間内に検出した生体データを前記クラウドシステムに再送信するように、前記第２のユーザ端末装置または他のユーザ端末装置がトリガーされる、請求項１６に記載の知能的生体データ処理方法。
  18. 前記クラウドシステムが連続的な生体データに基づいて異常がある時に、前記少なくとも２つのユーザ端末装置の一方がトリガーされ、それに連れて、他のユーザ端末装置もトリガーされ、前記一定期間内に検知した生体データを前記クラウドシステムに再送信する、請求項１６に記載の知能的生体データ処理方法。
  19. 前記少なくとも２つのユーザ端末装置がトリガーされ一定期間内に生成した生体データはマーク付けられ、前記フィードバック情報に対応する非連続的な生体データと関連付けられている、請求項１６から１８のいずれか１項に記載の知能的生体データ処理方法。
  20. 前記機械学習方法は、前記データベースに格納されたビッグデータに基づいて学習を繰り返して多種の生体状態を予測するためのモデルを導出することであり、前記機械学習方法は、非連続的な生体データに対応するユーザのそれぞれの状態に対照してモデルを最適化することも含み、前記解析手段は人工知能手段であり、前記少なくとも２つのユーザ端末装置から送信された連続的な生体データまたは非連続的な生体データに基づいて、ディフォルトされた多種の生体状態のモデルに対照して、特定の生体状態を抽出する、請求項１１に記載の知能的生体データ処理方法。
JP2021534421A 2018-08-24 2019-08-23 知能的生体データ処理方法及びシステム Pending JP2021533971A (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201862722589P 2018-08-24 2018-08-24
US62/722,589 2018-08-24
PCT/CN2019/102327 WO2020038471A1 (zh) 2018-08-24 2019-08-23 生理数据智能处理方法与系统

Publications (1)

Publication Number Publication Date
JP2021533971A true JP2021533971A (ja) 2021-12-09

Family

ID=69591374

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021534421A Pending JP2021533971A (ja) 2018-08-24 2019-08-23 知能的生体データ処理方法及びシステム

Country Status (6)

Country Link
US (1) US20210174920A1 (ja)
JP (1) JP2021533971A (ja)
KR (1) KR102522039B1 (ja)
CN (1) CN111819585A (ja)
TW (1) TWI709146B (ja)
WO (1) WO2020038471A1 (ja)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI765354B (zh) * 2020-09-18 2022-05-21 國立臺灣海洋大學 個人化生理監測方法及其系統
US20220180725A1 (en) * 2020-12-04 2022-06-09 Wearable Technologies Inc. Smart wearable personal safety devices and related systems and methods
US20240194347A1 (en) * 2021-04-08 2024-06-13 Biotronik Se & Co. Kg Private AI Training
TWI812404B (zh) * 2022-08-16 2023-08-11 國立陽明交通大學 即時生理訊號的情緒辨識系統

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006122610A (ja) * 2004-10-29 2006-05-18 Ipsquare Inc 健康管理システム
US20070004969A1 (en) * 2005-06-29 2007-01-04 Microsoft Corporation Health monitor
CN105078445A (zh) * 2015-08-24 2015-11-25 华南理工大学 基于健康服务机器人的老年人健康服务系统
US20170055911A1 (en) * 2014-02-17 2017-03-02 Sanandco Limited A phone for use in health monitoring
JP2018500949A (ja) * 2014-08-22 2018-01-18 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 音響信号を用いて血圧を測定する方法及び装置
US20180137247A1 (en) * 2016-11-16 2018-05-17 healthio Inc. Preventive and predictive health platform

Family Cites Families (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8388530B2 (en) * 2000-05-30 2013-03-05 Vladimir Shusterman Personalized monitoring and healthcare information management using physiological basis functions
CN101504696A (zh) * 2008-02-05 2009-08-12 周常安 互动式生理分析方法
CN102043894B (zh) * 2009-10-13 2014-09-17 北京大学 一种生理数据监测系统及方法
CN102068239A (zh) * 2010-12-08 2011-05-25 浙江大学 一种体域网的智能采集生理信息方法
TW201349160A (zh) * 2012-05-23 2013-12-01 Accton Technology Corp 生理監控系統與生理監控方法
CN103778312B (zh) * 2012-10-24 2017-05-10 中兴通讯股份有限公司 远程家庭保健系统
US20190038148A1 (en) * 2013-12-12 2019-02-07 Alivecor, Inc. Health with a mobile device
CN104523263B (zh) * 2014-12-23 2017-06-20 华南理工大学 基于移动互联网的孕产妇健康监护系统
WO2016107607A1 (en) * 2015-01-04 2016-07-07 Vita-Course Technologies Co.,Ltd System and method for health monitoring
CN104873186B (zh) * 2015-04-17 2018-05-18 中国科学院苏州生物医学工程技术研究所 一种可穿戴的动脉检测装置及其数据处理方法
CN104796485B (zh) * 2015-04-30 2019-09-10 深圳市全球锁安防系统工程有限公司 一种老龄人云安康服务平台及大数据处理方法
CN105160175A (zh) * 2015-08-31 2015-12-16 西安交通大学 一种远程医疗监护系统
CN105125221B (zh) * 2015-10-26 2017-11-10 重庆理工大学 云服务实时摔倒检测系统及方法
KR102431455B1 (ko) * 2015-12-14 2022-08-12 삼성전자주식회사 인체 통신을 이용하여 헬스 정보를 송수신하는 방법 및 장치
US10407078B2 (en) * 2016-04-26 2019-09-10 Sivalogeswaran Ratnasingam Dynamic learning driving system and method
FR3051656B1 (fr) * 2016-05-31 2019-03-22 Ellcie Healthy Dispositif connecte de suivi comportemental d'un individu et permettant la detection et/ou la prevention d'une anomalie
CN106295986A (zh) * 2016-08-08 2017-01-04 赵宏杰 基于智能移动终端的健康检测管理系统
CN106940757B (zh) * 2017-03-14 2019-06-18 深圳蓝奥声科技有限公司 基于物联网的健康监护服务方法和协同主机系统
CN107194191A (zh) * 2017-06-20 2017-09-22 北京时代科华科技有限公司 一种健康看护智能生态系统
CN107529645B (zh) * 2017-06-29 2019-09-10 重庆邮电大学 一种基于深度学习的心音智能诊断系统及方法
CN107833635A (zh) * 2017-11-02 2018-03-23 佛山鑫进科技有限公司 一种基于大数据分析的智能手环监测装置
TWM562102U (zh) * 2018-01-31 2018-06-21 Golden Smart Home Tech Corp 雲端生理數據收集系統
CN108538405A (zh) * 2018-04-23 2018-09-14 刘仲 一种基于大数据云服务的智能实时监护仪及监护系统
CN108717678B (zh) * 2018-05-25 2021-12-21 青岛联合创智科技有限公司 一种智慧养老系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006122610A (ja) * 2004-10-29 2006-05-18 Ipsquare Inc 健康管理システム
US20070004969A1 (en) * 2005-06-29 2007-01-04 Microsoft Corporation Health monitor
US20170055911A1 (en) * 2014-02-17 2017-03-02 Sanandco Limited A phone for use in health monitoring
JP2018500949A (ja) * 2014-08-22 2018-01-18 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 音響信号を用いて血圧を測定する方法及び装置
CN105078445A (zh) * 2015-08-24 2015-11-25 华南理工大学 基于健康服务机器人的老年人健康服务系统
US20180137247A1 (en) * 2016-11-16 2018-05-17 healthio Inc. Preventive and predictive health platform

Also Published As

Publication number Publication date
KR20210046056A (ko) 2021-04-27
WO2020038471A1 (zh) 2020-02-27
TWI709146B (zh) 2020-11-01
KR102522039B1 (ko) 2023-04-14
US20210174920A1 (en) 2021-06-10
CN111819585A (zh) 2020-10-23
TW202025173A (zh) 2020-07-01

Similar Documents

Publication Publication Date Title
JP2021533971A (ja) 知能的生体データ処理方法及びシステム
Sahu et al. The internet of things in geriatric healthcare
JP2017038924A (ja) 双方向の遠隔的な患者監視および状態管理介入システム
CN111356993A (zh) 用于预测及管理慢性疾病的可穿戴设备和物联网网络
US20200058209A1 (en) System and method for automated health monitoring
MS et al. Monitoring and sensing COVID-19 symptoms as a precaution using electronic wearable devices
Debard et al. Making wearable technology available for mental healthcare through an online platform with stress detection algorithms: the Carewear project
Ahmed An intelligent healthcare service to monitor vital signs in daily life–a case study on health-iot
Gomathy et al. A Review On IOT Based Covid-19 Patient Health Monitor In Quarantine
Ogbuabor et al. Context-aware system for cardiac condition monitoring and management: a survey
KR101674897B1 (ko) 아동 상태 감시 시스템
Mohan et al. Artificial Intelligence and IoT in Elderly Fall Prevention: A Review
Panagiotou et al. A multi: modal decision making system for an ambient assisted living environment
Fayoumi et al. Effective remote monitoring system for heart disease patients
Ziryawulawo et al. Application of IOT and machine learning techniques for heart disease prediction and diagnosis: A comprehensive review
Patil et al. Heart Disease Prediction Using Machine Learning and Data Analytics Approach
Aburukba et al. Remote monitoring framework for elderly care home centers in UAE
Hernández et al. Multi agent application for chronic patients: monitoring and detection of remote anomalous situations
BinSalman et al. Effective remote monitoring system for heart disease patients
Haramaki et al. A multi-sensor based physical condition estimator for home healthcare
Andreou et al. Active life coach: towards a framework for holistic care of citizens as they age
AU2021103601A4 (en) System and method for monitoring post covid patient using machine learning and block chain
McHale et al. An IoT Based Epilepsy Monitoring Model
KR102335483B1 (ko) 임상시험 안전성 관리 방법 및 장치
AU2021104542A4 (en) I-Health-Care: Technologies Towards 5G Network for Intelligent Health-Care Using IoT Notification with Machine Learning Programming

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20210224

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220307

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220607

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220725

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20221025

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20221212

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230411

C60 Trial request (containing other claim documents, opposition documents)

Free format text: JAPANESE INTERMEDIATE CODE: C60

Effective date: 20230411

A911 Transfer to examiner for re-examination before appeal (zenchi)

Free format text: JAPANESE INTERMEDIATE CODE: A911

Effective date: 20230419

C21 Notice of transfer of a case for reconsideration by examiners before appeal proceedings

Free format text: JAPANESE INTERMEDIATE CODE: C21

Effective date: 20230424

A912 Re-examination (zenchi) completed and case transferred to appeal board

Free format text: JAPANESE INTERMEDIATE CODE: A912

Effective date: 20230602