JP2022076748A - 情報処理方法及びプログラム - Google Patents

Abstract

【課題】健康状態の把握だけでなく、健康状態の改善に努めるように促すことが可能な情報処理方法及びプログラムを提供する。【解決手段】健康分析結果の提供処理手順であって、サーバは、複数のユーザのそれぞれの健康関連情報を取得し、複数のユーザのそれぞれについて、取得した健康関連情報に基づいて複数の健康指標に関する分析結果を特定する。そしてサーバは、複数の健康指標で示すマップ上に、特定した各ユーザの分析結果をユーザ端末に表示させる。【選択図】図９

Description

本開示は、情報処理方法及びプログラムに関する。

近年、食生活や運動習慣を含む生活習慣に起因する生活習慣病が問題になっている。また、複雑化した組織や人間関係の中では、多くの人がストレスを感じて生活をしている。このようなストレスが生活習慣病や神経系の病気の増加に関係しているといわれており、人々の関心が高まっている。特許文献１では、労働者のバイタルデータ及び周囲環境のデータに基づいて健康状態を精度よく判定することができるシステムが開示されている。

特開２０２０－１４９１５０号公報

しかし、特許文献１に開示されたシステムでは、労働者自身又は雇用者が労働者の健康状態を把握することは可能であるが、各労働者が健康状態の改善に努めるか否かは個人の意識次第である。

本開示は、このような事情に鑑みてなされたものであり、その目的とするところは、健康状態の把握だけでなく、健康状態の改善に努めるように促すことが可能な情報処理方法等を提供することにある。

本開示の一態様に係る情報処理方法は、複数のユーザのそれぞれの健康関連情報を取得し、前記複数のユーザのそれぞれについて、前記健康関連情報に基づいて複数の健康指標に関する分析結果を特定し、前記複数の健康指標で示すマップ上に各ユーザの分析結果を表示する処理をコンピュータが実行する。

本開示の一態様にあっては、健康状態の把握だけでなく、健康状態の改善に努めるように促すことが可能となる。

情報処理システムの構成例を示す模式図である。 健康関連情報の一例を示す模式図である。 クラスタリング結果の一例を示す模式図である。 健康マップの一例を示す模式図である。 情報処理システムの内部構成例を示すブロック図である。 サーバ１０が記憶するＤＢの構成例を示す模式図である。 学習モデルの構成例を示す模式図である。 学習モデルの生成処理手順の一例を示すフローチャートである。 健康分析結果の提供処理手順の一例を示すフローチャートである。 画面例を示す模式図である。 画面例を示す模式図である。 実施形態２のユーザＤＢの構成例を示す模式図である。 実施形態２の健康分析結果の提供処理手順の一例を示すフローチャートである。 ランキングの提供処理手順の一例を示すフローチャートである。 画面例を示す模式図である。 実施形態４の学習モデルの構成例を示す模式図である。 実施形態４の健康分析結果の提供処理手順の一例を示すフローチャートである。 画面例を示す模式図である。 画面例を示す模式図である。 画面の変形例を示す模式図である。

以下に、本開示の情報処理方法及びプログラムについて、その実施形態を示す図面に基づいて説明する。

（実施形態１）
コミュニティに属するユーザ間で、各ユーザの健康分析結果を共有する情報処理システムについて説明する。本実施形態においてユーザ間で共有される健康分析結果として、各ユーザの健康に関連する情報（健康関連情報）から各ユーザの健康状態を分析した分析結果を用いる。図１は情報処理システムの構成例を示す模式図である。本実施形態の情報処理システムは、サーバ１０、ユーザ端末２０、計測器３０等を含み、サーバ１０及びユーザ端末２０はインターネット等のネットワークＮに接続され、ネットワークＮを介して情報の送受信を行う。

サーバ１０は、各ユーザの健康関連情報及び健康分析結果を管理する管理会社のサーバであり、例えばＳＮＳ（Social Networking Service）を提供する会社のサーバであってもよい。サーバ１０は、種々の情報処理、情報の送受信が可能な情報処理装置であり、例えばサーバコンピュータ又はパーソナルコンピュータ等を用いて構成される。サーバ１０は、複数台設けられて分散処理する構成でもよく、１台のサーバ内に設けられた複数の仮想マシンによって実現されてもよく、クラウドサーバを用いて実現されてもよい。ユーザ端末２０は、サーバ１０が提供する健康管理サービスを利用するユーザの端末であり、複数台設けられている。ユーザ端末２０は、スマートフォン、タブレット端末、パーソナルコンピュータ等の情報処理装置を用いて構成されるが、専用の端末によって構成されてもよい。ユーザ端末２０は、例えば近距離無線通信機能によって計測器３０と通信することができる。なお、ユーザ端末２０と計測器３０との間を有線で接続してもよい。計測器３０は、バイタルデータを計測することができ、例えば、体重計、血圧計、活動量計等を含み、腕時計型のウェアラブルデバイスであってもよい。バイタルデータは例えば、血圧、脈拍、脈圧、体重、体脂肪率、内脂肪、筋肉量、ＢＭＩ、歩数、歩行距離、走行距離等を含めることができる。

本実施形態の情報処理システムにおいて、ユーザは、ユーザ端末２０を用いて、計測器３０で計測した自身のバイタルデータを含む健康関連情報をサーバ１０にアップロードして記録する。健康関連情報の詳細は後述するが、ユーザは、健康関連情報をユーザ端末２０に入力し、又は、ユーザ端末２０によって計測器３０からバイタルデータを取得する。なお、ユーザのバイタルデータは、ユーザが計測器３０で計測した値を読み取ってユーザ端末２０に入力してもよい。また、ユーザのバイタルデータの一部が、計測器３０からネットワークＮ経由で直接サーバ１０にアップロードされてもよい。サーバ１０は、アップロードされた各ユーザの健康関連情報をユーザ毎に蓄積する。なお、サーバ１０は、各ユーザの健康関連情報に基づいて各ユーザの健康状態を分析し、得られた健康分析結果を各ユーザに提供する。

図２は健康関連情報の一例を示す模式図である。健康関連情報は、ユーザの健康状態を評価するために利用できる情報であればよく、例えば、ユーザの属性情報（性別、年齢等）、生活習慣に関する情報（例えば、運動、飲酒、喫煙、睡眠又は食事等に関する情報）、生活環境に関する情報（例えば、労働時間、満足度、就業形態、家族構成等に関する情報）、生体に関する情報（例えば、身長、体重、血圧、ＢＭＩ、体温、体脂肪率等）が含まれる。また、健康関連情報は、医療機関等で行った各種の検査結果、治療内容、リハビリ内容、服用中の薬等に関する診察データ、ユーザ自身又は家族の既往歴の情報（遺伝情報）等を含んでもよい。上述した健康関連情報は、例えばアンケート（質問票）形式でユーザが回答することによって収集されてもよく、各種の計測器３０を用いて収集されてもよい。また、ユーザの運動に関する情報は、例えばスポーツジムで使用される各種のトレーニング機器で収集される運動データを用いてもよい。健康関連情報は、ユーザの健康に影響を及ぼす生活習慣等に関連する情報であれば、どのような情報でもよい。

具体的には、図２に示すように、健康関連情報は、性別・生年月・身長・体重、婚姻状況・同居状況、就業形態・交代勤務か否か、世帯収入、学校教育の年数、喫煙の有無・喫煙期間・喫煙本数、飲酒頻度、入眠時刻・起床時刻・平均睡眠時間、朝食を抜く頻度・夕食後の間食頻度・食べる速さ、運動頻度、平均労働時間、自律神経、疲労スケール・慢性疲労症候群診断基準、うつスケール、パフォーマンススケール、今の生活や仕事への満足度、生活や仕事のパフォーマンス、健康状態の自己評価、血圧、個人の健康増進ニーズ等の各項目に対するデータを含む。

図示しないが、従業員の「疲労」マネジメントによる生産性向上という観点から、健康関連情報としては、図２の場合とも類似するが、性別・生年月・身長・体重・体温、婚姻状況・同居状況、就業形態・交代勤務か否か、世帯収入、学校教育の年数、喫煙の有無・喫煙期間・喫煙本数、飲酒頻度、入眠時刻・起床時刻・平均睡眠時間、朝食を抜く頻度・夕食後の間食頻度・食べる速さ、運動頻度、平均労働時間、自律神経、認知機能テスト（順唱、逆唱、ストループ、ＴＭＴ、引き算、メンタルローテーション）、疲労スケール・慢性疲労症候群診断基準、うつスケール、パフォーマンススケール、今の生活や仕事への満足度、生活や仕事のパフォーマンス、健康状態の自己評価等を含めることができる。

計測機器を利用した計測による従業員の健康可視化・意識向上という観点から、疲労計測パッケージ、アンチエイジングパッケージ、Woman’s Healthパッケージ、生活習慣病パッケージ、フレイルパッケージ等が考えられる。疲労計測パッケージには、例えば、体組成計、血圧、体温、疲労度質問紙、糖化測定、眼精疲労等の健康関連情報が含まれる。アンチエイジングパッケージには、例えば、体組成計、血圧、血流、体温、疲労度質問紙、糖化測定、骨密度、肌年齢等の健康関連情報が含まれる。Woman’s Healthパッケージには、例えば、体組成計、血圧、体温、疲労度質問紙、糖化測定、骨密度等の健康関連情報が含まれる。生活習慣病パッケージには、例えば、体組成計、血圧、体温、糖化測定、筋力等の健康関連情報が含まれる。フレイルパッケージには、例えば、体組成計、体温、骨密度、筋力等の健康関連情報が含まれる。

臨床研究プラットフォームという観点から、健康関連情報としては、統一質問票（生活習慣、睡眠、疲労、気分・意欲・うつ、ストレス）、複数のＶＡＳ（Visual Analogue Scale）、自律神経機能（交感神経系、副交感神経系／パワー、バランス）、血管年齢、血管走行機能、血流量、皮膚機能、皮下機能、筋肉量、血圧、筋力、体組成、骨密度、糖化、活動量、睡眠時間、睡眠の質、簡易認知機能（信号機課題、ＡＴＭＴ、ＰＣクレッペリン）、呼気、皮膚ガス成分分析、血清酸化マーカー（ｄ－ＲＯＭｓ）・抗酸化能マーカー（ＢＡＰ）、簡易代謝物分析（イソクエン酸、オルニチン、シトルリン等）、血漿中還元型・酸化型コエンザイムＱ１０、各種ビタミン・ミネラル、血漿中一般生化学検査、血球検査（健診ルーティン）、血漿中炎症マーカー（高感度ＣＲＰ、ＩＬ－１β、ＩＬ－６等）、血液中総合的がん指標、血液中免疫アレルギー指標、血球系の計測（１５ｍｌ採血）、遺伝子計測（ＤＮＡ／ＲＮＡ／ＣＡＰ）、血液中エクソソーム、唾液マーカー、腸内細菌、口腔内細菌、ＰＥＴ／ＭＲＩ・ＭＥＧ等を含めることができる。

健康診断等を行う施設における計測という観点から、健康関連情報としては、統一質問票（生活習慣、睡眠、疲労、気分・意欲・うつ、ストレス）、複数のＶＡＳ（Visual Analogue Scale）、自律神経機能（交感神経系、副交感神経系／パワー、バランス）、血管年齢、血管走行機能、血流量、皮膚機能、皮下機能、筋肉量、血圧、筋力、体組成、骨密度、糖化、活動量、睡眠時間、睡眠の質、簡易認知機能（信号機課題、ＡＴＭＴ、ＰＣクレッペリン）、血清酸化マーカー（ｄ－ＲＯＭｓ）・抗酸化能マーカー（ＢＡＰ）、血漿中一般生化学検査、血球検査（健診ルーティン）、血漿中炎症マーカー（高感度ＣＲＰ、ＩＬ－１β、ＩＬ－６等）等を含めることができる。

上述のような健康関連情報は、医療従事者でない者でも家庭や職場で計測器により取得可能な情報でもよく、医療従事者が計測器により取得可能な情報でもよく、質問票等で手入力により取得可能な情報でもよく、これらを組み合わせた情報でもよい。健康関連情報を計測器等で計測する場合は、家庭や職場で計測してもよく、病院や診療所等の医療機関で計測してもよく、百貨店、コンビニ、スーパーマーケット、公共施設等でも測定することができる。また、ユーザ端末２０がカメラを有する場合、カメラで撮影したユーザの撮影画像に基づいて、ユーザ端末２０がユーザの体型に関する情報（ＢＭＩ、身長、体重等）を推定してもよい。更にユーザ端末２０が、LINE（登録商標）、Twitter（登録商標）、Facebook（登録商標）等のＳＮＳ（Social Networking Service ）と連動し、ＳＮＳに投稿された情報から健康関連情報を抽出してもよい。

また、健康関連情報に、ユーザの購買データ、広告のクリックを経由したコンバージョンのデータ、ウェブでの検索キーワードデータ、訪問したサイトのデータ、テレビの視聴データ、インストールしたアプリのデータ、ＰＯＳデータ等の購買に関連する生活関連情報を含めてもよい。健康関連情報は、オンラインデータでもよく、オフラインデータでもよく、オンラインデータとオフラインデータとが混在していてもよい。

本実施形態のサーバ１０は、上述したような健康関連情報に基づいて各ユーザの健康状態を分析する。その際、サーバ１０は、複数の健康指標を軸として表現される健康マップを用いて、各ユーザの健康状態を示す。健康マップは、２つの健康指標を軸として表現された２次元マップであってもよく、３つの健康指標を軸として表現された３次元マップであってもよい。健康指標軸の内容は適宜決めることができるが、例えば、一方の健康指標軸をフィジカルレベルに関する指標とし、他方の健康指標軸をメンタルレベルに関する指標とすることができる。健康マップは、複数のエリアで区分することができ、例えば、健康ゾーン、メンタル低下ゾーン、フィジカル低下ゾーン、メンタル・フィジカル低下ゾーンのように区分すると共に、各区分を複数のレベルで区分することができる。

次に、健康マップの生成方法について説明する。ここではフィジカルレベル及びメンタルレベルの２つの健康指標軸で示される健康マップについて説明する。健康マップの生成には、例えば、教師なし学習の手法を用いた機械学習を用いることができる。多数のユーザ（被験者）の健康関連情報の各項目のデータに基づいて、ユーザをクラスタリングする。クラスタリングする際には、２つの健康指標軸で表現できるように、次元削減処理を用いて健康関数情報のデータを２次元に圧縮する。次元削減処理は、例えば主成分分析、重回帰分析等の処理を用いる。図３はクラスタリング結果の一例を示す模式図であり、図３には多数のユーザの健康関連情報のデータを２つの健康指標軸でクラスタリングした例を示している。図３の例では、Ｃ１からＣ７の７個のクラスタに分類できたとする。同じクラスタ内では、データの類似性が高い。図中の白丸印は、各ユーザの健康関連情報のデータを２次元に圧縮して得られた指標を示す。

図４は健康マップの一例を示す模式図である。図４に示す健康マップは、図３で例示したクラスタＣ１～Ｃ７について、横軸（Ｘ軸）をフィジカルレベルとし、縦軸（Ｙ軸）をメンタルレベルとし、クラスタＣ１～Ｃ７を特定する名称を付したものである。図４の例では、健康ゾーン、メンタル低下ゾーン、フィジカル低下ゾーン、メンタル・フィジカル低下ゾーンの４つのエリアに区分されている。また、健康ゾーン以外の各エリアは、フィジカルレベル又はメンタルレベルの大小に応じて２つのレベル（Ｌｖ．１、Ｌｖ．２）に区分されている。健康マップは、被験者の年齢層又は性別毎に用意されてもよく、健康マップ上のゾーンは、年齢層又は性別に応じて異なる領域がゾーンに設定されてもよい。また、健康マップ上の各ゾーンは、クラスタリングの結果に基づいて設定される構成のほかに、任意の領域がゾーンに設定されていてもよい。

図４に示す健康マップでは、フィジカルレベル（Ｘ）は、例えば右方向ほど大きい値をとり、フィジカルレベル（Ｘ）の値が大きいほどフィジカル（身体的健康）が低下していることを表す。メンタルレベル（Ｙ）は、例えば上方向ほど大きい値をとり、メンタルレベル（Ｙ）の値が大きいほどメンタル（精神的健康）が低下していることを表す。フィジカルレベル（Ｘ）及びメンタルレベル（Ｙ）それぞれの値の範囲は、標準化して適当な範囲内になるように設定すればよい。健康マップ上の点と原点との距離が大きいほど、当該点での総合スコアＳの値が小さくなる。また、レベルＬｖ．１は、レベルＬｖ．２よりも健康マップ上で健康状態が良い領域であることを示す。総合スコアＳの値は、例えば、０から１００までの範囲内の値になるように正規化することができる。

健康マップを表現する各健康指標軸の名称は、図４の例に限定されるものではなく、クラスタリングを行う際に用いる被験者のデータの種別（健康関連情報のデータ項目）に応じて、適切な名称を付与することができる。例えば、フィジカルレベル及びメンタルレベルのほかに、脳コンディションレベル（認知機能レベル、脳年齢、脳疲労度）、体型レベル（ＢＭＩ、体重・身長）、肌レベル（肌状態）、ストレスレベル（疲労度）、又は生活習慣病等の疾患リスクレベル等の健康指標を用いることができる。健康マップを表現する健康指標は、予め設定されていてもよく、上述したような健康指標からユーザが選択した２つ又は３つの健康指標を軸に用いてもよい。

本実施形態のサーバ１０は、各ユーザについて、図２に示すような健康関連情報に基づいて、ユーザの健康状態を示す健康指標の値を特定する。その際、サーバ１０は、健康マップの軸に用いる健康指標について指標値（レベル値）を特定する。そしてサーバ１０は、特定した健康指標の値から総合スコアＳを算出し、総合スコアＳをユーザの健康分析結果とする。またサーバ１０は、健康指標を軸として表現される健康マップ上に、特定した健康指標の値をプロットすることにより、ユーザの健康状態を健康マップ上に表示する。なお、サーバ１０は、健康関連情報を入力として、健康分析結果（健康指標の値）を出力する学習モデル１２Ｍ（図５参照）を予め用意しており、各ユーザの健康関連情報を学習モデル１２Ｍに入力することにより、各ユーザの健康分析結果を学習モデル１２Ｍから取得する。学習モデル１２Ｍは、例えばサーバ１０が所定の訓練データを学習する機械学習を行うことによって生成される。

図５は情報処理システムの内部構成例を示すブロック図である。ユーザ端末２０は、端末全体を制御する制御部２１、記憶部２２、通信部２３、入力部２４、表示部２５、計測器通信部２６等を含み、これらの各部はバスを介して相互に接続されている。制御部２１は、ＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro-Processing Unit）、又はＧＰＵ（Graphics Processing Unit）等の１又は複数のプロセッサを有する。制御部２１は、記憶部２２に記憶してある制御プログラム２２Ｐを適宜実行することにより、ユーザ端末２０が行うべき種々の情報処理、制御処理等を行う。記憶部２２は、ＲＡＭ（Random Access Memory）、フラッシュメモリ、ハードディスク、ＳＳＤ（Solid State Drive）等を含む。記憶部２２は、制御部２１が実行する制御プログラム２２Ｐ及び制御プログラム２２Ｐの実行に必要な各種のデータ等を予め記憶している。また記憶部２２は、制御部２１が制御プログラム２２Ｐを実行する際に発生するデータ等を一時的に記憶する。また記憶部２２は、サーバ１０が提供する健康管理サービスを利用するためのアプリケーションプログラム（以下では健康管理アプリ２２ＡＰという）を記憶している。なお、記憶部２２は、計測器３０から取得したバイタルデータ、入力部２４を介して入力されたユーザの健康関連情報を記憶する。

通信部２３は、有線通信又は無線通信によって、ネットワークＮに接続するための通信モジュールであり、ネットワークＮを介して他の装置との間で情報の送受信を行う。入力部２４は、ユーザによる操作入力を受け付け、操作内容に対応した制御信号を制御部２１へ送出する。表示部２５は、液晶ディスプレイ又は有機ＥＬディスプレイ等であり、制御部２１からの指示に従って各種の情報を表示する。入力部２４及び表示部２５は一体として構成されたタッチパネルであってもよい。計測器通信部２６は、有線通信又は無線通信によって計測器３０との間で通信するための通信モジュールであり、計測器３０との間で情報の送受信を行う。計測器通信部２６は、無線通信を行う場合、例えばＢｌｕｅｔｏｏｔｈ（登録商標）、Ｗｉ－Ｆｉ（登録商標）、ＲＦＩＤ（Radio Frequency Identifier）等の無線通信規格による通信を行う。

サーバ１０は、端末全体を制御する制御部１１、記憶部１２、通信部１３、入力部１４、表示部１５、読み取り部１６等を含み、これらの各部はバスを介して相互に接続されている。サーバ１０の制御部１１、記憶部１２、通信部１３、入力部１４、表示部１５のそれぞれは、ユーザ端末２０の制御部２１、記憶部２２、通信部２３、入力部２４、表示部２５と同様の構成であるので詳細な説明は省略する。なお、サーバ１０の制御部１１は、ＣＰＵ、ＭＰＵ、又はＧＰＵのほかに、ＡＩチップ（ＡＩ用半導体）を有していてもよい。また、サーバ１０の記憶部１２は、制御部１１が実行する制御プログラム１２Ｐに加え、例えば機械学習によって訓練データを学習済みの学習モデル１２Ｍ、後述するユーザＤＢ（データベース）１２ａ、コミュニティＤＢ１２ｂ、健康マップＤＢ１２ｃ及びアドバイスＤＢ１２ｄを記憶している。

学習モデル１２Ｍは、ユーザの健康関連情報が入力された場合に、この健康関連情報によって分析されるユーザの健康分析結果を出力するように学習された学習済みモデルである。学習モデル１２Ｍは、人工知能ソフトウェアを構成するプログラムモジュールとしての利用が想定される。学習モデル１２Ｍは、入力値に対して所定の演算を行い、演算結果を出力するものであり、記憶部１２には、この演算を規定する関数の係数や閾値等のデータが学習モデル１２Ｍとして記憶される。ユーザＤＢ１２ａ、コミュニティＤＢ１２ｂ、健康マップＤＢ１２ｃ及びアドバイスＤＢ１２ｄは、サーバ１０に接続された他の記憶装置に記憶されてもよく、サーバ１０が通信可能な他の記憶装置に記憶されてもよい。

読み取り部１６は、ＣＤ（Compact Disc）－ＲＯＭ、ＤＶＤ（Digital Versatile Disc）－ＲＯＭ、ＵＳＢ（Universal Serial Bus）メモリ、ＳＤ（Secure Digital）カード等を含む可搬型記憶媒体１ａに記憶された情報を読み取る。記憶部１２に記憶される制御プログラム１２Ｐ及び各種のデータは、制御部１１が読み取り部１６を介して可搬型記憶媒体１ａから読み取って記憶部１２に記憶してもよい。また、記憶部１２に記憶される制御プログラム１２Ｐ及び各種のデータは、制御部１１が通信部１３を介して他の装置からダウンロードして記憶部１２に記憶してもよい。

図６は、サーバ１０が記憶するＤＢ１２ａ～１２ｄの構成例を示す模式図である。図６ＡはユーザＤＢ１２ａを、図６ＢはコミュニティＤＢ１２ｂを、図６Ｃは健康マップＤＢ１２ｃを、図６ＤはアドバイスＤＢ１２ｄをそれぞれ示す。ユーザＤＢ１２ａは、サーバ１０が提供する健康管理サービスを利用するためにユーザ登録したユーザに関する情報を記憶する。図６Ａに示すユーザＤＢ１２ａは、ユーザＩＤ列、個人情報列、健康関連情報列、健康分析結果列、所属コミュニティ列等を含み、ユーザＩＤに対応付けてユーザに関する情報を記憶する。ユーザＩＤ列は、各ユーザを識別するための識別情報（ユーザＩＤ）を記憶する。個人情報列は、ユーザの氏名、電話番号、電子メールアドレス等の個人情報を記憶する。健康関連情報列は、ユーザについて図２に示すような健康関連情報を記憶する。健康関連情報の各項目は時系列のデータを含んでおり、日時情報に対応付けて各項目の情報が記憶されている。日時情報は、各項目の情報を計測器３０又はユーザ端末２０が取得した日時（年月日、時、分、秒）、又はサーバ１０がユーザ端末２０等から受信した日時（年月日、時、分、秒）を示す。健康分析結果列は、健康関連情報から分析して得られた結果（健康分析結果）を記憶する。健康分析結果は、例えばデフォルトの健康指標、又はユーザによって選択された健康指標についての値であり、日時情報に対応付けて記憶されている。ここでの日時情報は、制御部１１が健康関連情報を分析して健康分析結果を取得した日時（年月日、時、分、秒）を示す。所属コミュニティ列は、ユーザによって登録され、ユーザが属するコミュニティの情報（例えばコミュニティＩＤ）を記憶する。ユーザＤＢ１２ａに記憶されるユーザＩＤは、新たなユーザが登録された場合に、制御部１１によって発行されて記憶される。ユーザＤＢ１２ａに記憶される個人情報、健康関連情報及び所属コミュニティは、制御部１１が通信部１３又は入力部１４を介して各情報を取得した場合に制御部１１によって記憶（蓄積）又は更新される。ユーザＤＢ１２ａに記憶される健康分析結果は、制御部１１が健康関連情報から健康分析結果を取得した場合に制御部１１によって記憶（蓄積）される。ユーザＤＢ１２ａの記憶内容は図６Ａに示す例に限定されない。

コミュニティＤＢ１２ｂは、各ユーザが属するコミュニティに関する情報を記憶する。図６Ｂに示すコミュニティＤＢ１２ｂは、コミュニティＩＤ列、コミュニティ情報列、所属ユーザ列等を含み、コミュニティＩＤに対応付けてコミュニティに関する情報を記憶する。コミュニティＩＤ列は、各コミュニティを識別するための識別情報（コミュニティＩＤ）を記憶する。コミュニティ情報列は、コミュニティに付与された名称、コミュニティ又は所属するユーザの特徴等を記憶する。所属ユーザ列は、コミュニティに属するユーザのユーザＩＤを記憶する。コミュニティＤＢ１２ｂに記憶されるコミュニティＩＤは、新たなコミュニティが生成された場合に、制御部１１によって発行されて記憶される。コミュニティＤＢ１２ｂに記憶されるコミュニティ情報は、制御部１１が通信部１３又は入力部１４を介して取得した場合に制御部１１によって記憶又は更新される。コミュニティＤＢ１２ｂに記憶される所属ユーザは、制御部１１が通信部１３を介して各ユーザ（ユーザ端末２０）から、コミュニティの所属要求又は所属解消要求を取得した場合に、ユーザのユーザＩＤが制御部１１によって記憶又は削除される。コミュニティＤＢ１２ｂの記憶内容は図６Ｂに示す例に限定されない。

健康マップＤＢ１２ｃは、図４に示すような健康マップに関する情報を記憶する。図６Ｃに示す健康マップＤＢ１２ｃは、マップＩＤ列、第１指標列、第２指標列、ゾーン情報列等を含み、マップＩＤに対応付けて健康マップに関する情報を記憶する。マップＩＤ列は、各健康マップを識別するための識別情報（マップＩＤ）を記憶する。第１指標列及び第２指標列は、健康マップを構成する健康指標軸に関する情報を記憶する。なお、３つの健康指標で表される健康マップを用いる場合、健康マップＤＢ１２ｃは第３指標列を有する。ゾーン情報列は、健康マップ上に設けられた各ゾーン（エリア）についてゾーンの名称、ゾーン間の境界を示す情報等を含むゾーン情報を記憶する。健康マップＤＢ１２ｃに記憶されるマップＩＤは、新たな健康マップが生成された場合に、制御部１１によって発行されて記憶される。健康マップＤＢ１２ｃに記憶される第１指標及び第２指標は、健康マップが生成される際に指定された健康指標を制御部１１が通信部１３又は入力部１４を介して取得した場合に制御部１１によって記憶される。健康マップＤＢ１２ｃに記憶されるゾーン情報は、制御部１１が多数のユーザ（被験者）の健康関連情報に対してクラスタリングした結果に基づいて各ゾーンが区分された場合に、区分された各ゾーンに関する情報が制御部１１によって記憶される。健康マップＤＢ１２ｃの記憶内容は図６Ｃに示す例に限定されない。

アドバイスＤＢ１２ｄは、健康分析結果に応じてユーザに提供されるアドバイスを記憶する。図６Ｄに示すアドバイスＤＢ１２ｄは、マップＩＤ列、ゾーン情報列、アドバイス情報列等を含み、マップＩＤに対応付けて健康マップ上の各ゾーンに対応するアドバイスを記憶する。マップＩＤ列は、各健康マップのマップＩＤを記憶し、ゾーン情報列は、健康マップ上に設けられたゾーンの情報（例えばゾーンの名称）を記憶する。アドバイス情報列は、各ゾーンに対応付けられたアドバイス情報を記憶する。アドバイス情報は、各ゾーンが示す健康状態のユーザに対して提供すべきアドバイス、健康状態が異なるゾーン間を変動した場合に提供すべきアドバイス等である。アドバイスは、ユーザの健康状態（健康分析結果）に応じた内容だけでなく、ユーザのパラメータ（例えば、体重、ＢＭＩ、体脂肪率、筋肉量、血圧、平均睡眠時間、平均労働時間、運動頻度等）に応じた内容であってもよい。また、アドバイスは、保健師、看護師、薬剤師、管理栄養士、心理相談員、運動指導士等の医療従事者が、ユーザの健康状態（健康分析結果）を参考にして設定された内容であってもよい。アドバイスＤＢ１２ｄに記憶されるマップＩＤ及びゾーン情報は、制御部１１が健康マップを生成した場合に、生成した健康マップに付与されたマップＩＤ及びゾーン情報が制御部１１によって記憶される。アドバイスＤＢ１２ｄに記憶されるアドバイス情報は、制御部１１が通信部１３又は入力部１４を介して取得した場合に制御部１１によって記憶される。アドバイスＤＢ１２ｄの記憶内容は図６Ｄに示す例に限定されない。例えばアドバイスＤＢ１２ｄは、健康マップを構成する健康指標の各値又は各範囲に対応付けてアドバイス情報を記憶する構成でもよい。

図７は学習モデル１２Ｍの構成例を示す模式図である。学習モデル１２Ｍは、図２に示すような健康関連情報を入力として、健康マップを表す健康指標の値（指標値）を出力する機械学習モデルである。学習モデル１２Ｍは、例えば深層学習によって生成されるニューラルネットワークモデルであるＤＮＮ（Deep Neural Network）、又はＲＮＮ：Recurrent Neural Network）で構成される。学習モデル１２Ｍは、ＣＮＮ又はＲＮＮのほかに、ＬＳＴＭ（Long Short-Term Memory）、決定木、ランダムフォレスト、ＳＶＭ（Support Vector Machine）等のアルゴリズムを用いて構成されてもよく、複数のアルゴリズムを組み合わせて構成されてもよい。サーバ１０は、所定の訓練データを学習する機械学習を行って学習モデル１２Ｍを事前に生成しておく。なお、学習モデル１２Ｍは、健康マップ毎に生成され、マップＩＤに対応付けて記憶部１２に記憶される。サーバ１０は、ユーザＤＢ１２ａに記憶してあるユーザの健康関連情報を学習モデル１２Ｍに入力し、学習モデル１２Ｍからの出力情報に基づいて健康分析結果を特定する。

図７に示す学習モデル１２Ｍは、健康関連情報が入力される入力層と、健康指標としてフィジカルレベル及びメンタルレベルのレベル値をそれぞれ出力する出力層と、入力情報に対して所定の演算を行う中間層（隠れ層）とを備える。入力層は複数の入力ノードを有しており、各入力ノードには健康関連情報の各項目が対応付けられており、健康関連情報の各項目の情報がそれぞれ対応付けられた入力ノードを介して学習モデル１２Ｍに入力される。中間層は、各種の関数及び閾値等を用いて、入力層を介して入力された各情報から出力値を算出し、算出した出力値を出力層へ出力する。学習モデル１２Ｍは、出力層としてフィジカルレベル出力層及びメンタルレベル出力層を有し、フィジカルレベル出力層を介してフィジカルレベルに関する情報を出力し、メンタルレベル出力層を介してメンタルレベルに関する情報を出力する。フィジカルレベル出力層及びメンタルレベル出力層のそれぞれは、予め設定されたレベル値にそれぞれ対応付けられた複数の出力ノードを有しており、各出力ノードから、対応付けられたレベル値に対する判別確率を出力する。図７に示す例では、各出力ノードに、第１レベル、第２レベル、第３レベル…の各レベルがそれぞれ対応付けられている。第１レベル、第２レベル、第３レベル…は、所定値であっても所定範囲であってもよく、それぞれの健康指標（フィジカルレベル及びメンタルレベル）が取り得る範囲に基づくレベルが設定される。例えば健康指標が０～１００で表される場合、０～１００を出力ノードの数で分割した各値又は各範囲を、各出力ノードに対応付けられるレベル値に設定してもよい。フィジカルレベル出力層及びメンタルレベル出力層のそれぞれにおいて、各出力ノードの出力値は例えば０～１の値であり、各出力ノードからそれぞれ出力された判別確率の合計が１．０（１００％）となる。上述した構成により、本実施形態の学習モデル１２Ｍは、ユーザの健康関連情報が入力された場合に、フィジカルレベル及びメンタルレベルのレベル値に係る情報（判別確率）を出力する。

サーバ１０は、上述した学習モデル１２Ｍにおいて、フィジカルレベル出力層からの出力値のうちで最大の出力値（判別確率）を出力した出力ノードに対応付けられているレベルを、フィジカルレベルのレベル値に特定し、メンタルレベル出力層からの出力値のうちで最大の出力値（判別確率）を出力した出力ノードに対応付けられているレベルを、メンタルレベルのレベル値に特定する。なお、学習モデル１２Ｍのフィジカルレベル出力層及びメンタルレベル出力層は、それぞれのレベル値に対する判別確率を出力する複数の出力ノードを有する代わりに、判別確率が最も高いレベル値を出力する１個の出力ノードを有する構成でもよい。

学習モデル１２Ｍは、フィジカルレベル及びメンタルレベルのレベル値を算出済みのユーザについて、ユーザの健康関連情報に対して、フィジカルレベル及びメンタルレベルのレベル値を示す情報（正解ラベル）が付与された訓練データを用いて学習する。健康関連情報、フィジカルレベル及びメンタルレベルのレベル値は、ユーザＤＢ１２ａに記憶してある健康関連情報及び健康分析結果を用いてもよい。学習モデル１２Ｍは、訓練データに含まれる健康関連情報が入力された場合に、訓練データに含まれる正解ラベル（フィジカルレベル及びメンタルレベルの正解のレベル値）に対応する出力ノードからの出力値が１に近づき、他の出力ノードからの出力値が０に近づくように学習する。具体的には、学習モデル１２Ｍは、入力された健康関連情報に基づいて中間層での演算を行い、フィジカルレベル出力層の各出力ノードからの出力値を算出する。そして学習モデル１２Ｍは、算出した各出力ノードの出力値と正解ラベルに応じた値（０又は１）とを比較し、各出力値がそれぞれの正解ラベルに応じた値に近似するように、中間層及びフィジカルレベル出力層におけるニューロン間の重み等のパラメータを最適化する。学習モデル１２Ｍは、例えば誤差逆伝播法を用いて、中間層及びフィジカルレベル出力層での演算に用いる各種の関数の係数及び閾値等のデータの最適化を行う。同様に学習モデル１２Ｍは、入力された健康関連情報に基づいて中間層での演算を行い、メンタルレベル出力層の各出力ノードからの出力値を算出する。そして学習モデル１２Ｍは、算出した各出力ノードの出力値と正解ラベルに応じた値（０又は１）とを比較し、各出力値がそれぞれの正解ラベルに応じた値に近似するように、例えば誤差逆伝播法を用いて、中間層及びメンタルレベル出力層におけるニューロン間の重み等のパラメータを最適化する。これにより、健康関連情報が入力された場合に、健康関連情報に基づく健康分析結果としてフィジカルレベル及びメンタルレベルのレベル値を出力するように学習された学習モデル１２Ｍが得られる。

学習モデル１２Ｍの学習は他の学習装置で行われてもよい。他の学習装置で学習が行われて生成された学習済みの学習モデル１２Ｍは、例えばネットワークＮ経由又は可搬型記憶媒体１ａ経由で学習装置からサーバ１０にダウンロードされて記憶部１２に記憶される。学習モデル１２Ｍは、図７に示す構成に限定されない。

以下に、訓練データを学習して学習モデル１２Ｍを生成する処理について説明する。図８は学習モデル１２Ｍの生成処理手順の一例を示すフローチャートである。以下の処理は、サーバ１０の制御部１１が、記憶部１２に記憶してある制御プログラム１２Ｐに従って行うが、他の学習装置で行われてもよい。

サーバ１０の制御部１１は、あるユーザの健康関連情報に対して、フィジカルレベル及びメンタルレベルに関する正解のレベル値が付与された訓練データを取得する（Ｓ１１）。訓練データ用の健康関連情報及び正解のレベル値は、ユーザＤＢ１２ａに記憶してある健康関連情報及び健康分析結果から取得することができる。なお、訓練データは、予めユーザＤＢ１２ａの記憶内容から生成して訓練データＤＢ（図示せず）に登録しておいてもよい。この場合、制御部１１は、訓練データＤＢから訓練データを取得すればよい。

制御部１１は、取得した訓練データを用いて学習モデル１２Ｍの学習処理を行う（Ｓ１２）。ここでは、制御部１１は、訓練データに含まれる健康関連情報を学習モデル１２Ｍに入力し、フィジカルレベル出力層及びメンタルレベル出力層において、それぞれの出力ノードからの出力値を取得する。具体的には、制御部１１は、学習モデル１２Ｍに対して、訓練データに含まれる健康関連情報の各データを、各データが割り当てられた入力ノードから入力し、学習モデル１２Ｍの各出力ノードからそれぞれの出力値を取得する。制御部１１は、フィジカルレベル出力層及びメンタルレベル出力層のそれぞれにおいて、各出力ノードからの出力値と、正解のレベル値に応じた値（０又は１）とを比較し、両者が近似するように、例えば誤差逆伝播法を用いて、中間層及び各出力層におけるニューロン間の重み等のパラメータを最適化する。具体的には、制御部１１は、正解のレベル値に対応する出力ノードからの出力値が１に近づき、他の出力ノードからの出力値が０に近づくように学習モデル１２Ｍを学習させる。

制御部１１は、未処理のデータがあるか否かを判断する（Ｓ１３）。例えば制御部１１は、ユーザＤＢ１２ａに記憶されている健康関連情報及び健康分析結果のうちで、学習処理に未だ使用されていない情報があるか否かを判断する。訓練データが予め訓練データＤＢに登録してある場合、制御部１１は、訓練データＤＢに記憶してある訓練データにおいて、未処理の訓練データがあるか否かを判断する。未処理のデータがあると判断した場合（Ｓ１３：ＹＥＳ）、制御部１１はステップＳ１１の処理に戻り、学習処理が未処理の健康関連情報及び健康分析結果に基づいて、ステップＳ１１～Ｓ１２の処理を行い、訓練データを用いて学習処理を繰り返す。未処理のデータがないと判断した場合（Ｓ１３：ＮＯ）、制御部１１は一連の処理を終了する。

上述した処理により、ユーザの健康関連情報が入力された場合に、健康関連情報に基づく健康分析結果を出力するように学習された学習モデル１２Ｍが生成される。なお、上述したような訓練データを用いた学習処理を繰り返し行うことにより、学習モデル１２Ｍを更に最適化することができる。また、既に学習済みの学習モデル１２Ｍについても、上述した処理を行うことによって再学習させることができ、この場合、判別精度がより高い学習モデル１２Ｍを生成できる。サーバ１０は、２つの健康指標又は３つの健康指標で表現される健康マップ毎に上述した学習処理を行うことにより、健康マップ毎に、健康マップを表す健康指標の指標値を出力する学習モデル１２Ｍを生成する。健康マップ毎に生成された学習モデル１２Ｍは、マップＩＤに対応付けて記憶部１２に記憶される。

以下に、上述した処理によって生成された学習モデル１２Ｍを用いて、各ユーザの健康関連情報から健康分析結果を取得してユーザに提供する処理について説明する。本実施形態のサーバ１０は、例えば１週間毎又は１ヶ月毎等の定期的に各ユーザの健康関連情報から健康分析結果を取得してユーザに提供する。またサーバ１０は、定期的に取得する各ユーザの健康分析結果の変化が大きい場合、当該ユーザが属するコミュニティの他のユーザに、当該ユーザの健康分析結果を通知する。なお、サーバ１０は、例えばユーザ端末２０から健康分析結果を要求された場合に、対応するユーザの健康関連情報から健康分析結果を取得してユーザに提供してもよい。図９は健康分析結果の提供処理手順の一例を示すフローチャート、図１０及び図１１は画面例を示す模式図である。図９では左側に、あるユーザのユーザ端末２０が行う処理を、中央にサーバ１０が行う処理を、右側に、あるユーザと同じコミュニティに属する他のユーザのユーザ端末２０が行う処理をそれぞれ示す。以下の処理は、サーバ１０の制御部１１が記憶部１２に記憶してある制御プログラム１２Ｐに従って行い、ユーザ端末２０の制御部２１が記憶部２２に記憶してある制御プログラム２２Ｐ及び健康管理アプリ２２ＡＰに従って行う。

サーバ１０は、定期的に、又はユーザ端末２０からの指示を受け付けた場合に、各ユーザの健康関連情報を分析して健康分析結果を取得する処理を実行する。よって、制御部１１は、健康関連情報を分析すべきタイミングが到来したか否かを判断する（Ｓ２１）。例えば１週間毎又は１ヶ月毎等の定期的に分析処理を実行する場合、制御部１１は、直近に分析処理を実行したタイミングから所定時間（１週間又は１ヶ月等）が経過したか否かを判断し、経過したと判断した場合、分析タイミングが到来したと判断する。またユーザはユーザ端末２０（健康管理アプリ２２ＡＰ）を介して自身の健康関連情報をサーバ１０へ送信し、健康関連情報に対する分析処理の実行をサーバ１０に指示することができ、制御部１１は、ユーザ端末２０から分析処理の実行指示を受け付けた場合、分析タイミングが到来したと判断する。

制御部１１は、分析タイミングが到来していないと判断した場合（Ｓ２１：ＮＯ）、待機し、到来したと判断した場合（Ｓ２１：ＹＥＳ）、分析対象のユーザ（あるユーザ）の健康関連情報をユーザＤＢ１２ａから取得する（Ｓ２２）。例えば制御部１１は、ユーザＤＢ１２ａに記憶してある分析対象のユーザの健康関連情報のうちで、各項目の最新の情報を読み出す。また、各項目が時系列のデータを含む場合、制御部１１は、日時情報に対応付けて各項目の情報を読み出してもよい。このとき制御部１１は、例えば１週間分又は１ヶ月分の情報を読み出してもよく、前回の分析タイミング以降に蓄積された各情報を読み出してもよい。制御部１１は、取得した健康関連情報に基づく健康分析結果を取得する（Ｓ２３）。ここでは制御部１１は、健康関連情報を学習モデル１２Ｍに入力し、学習モデル１２Ｍからの出力値に基づいて、このユーザのフィジカルレベル及びメンタルレベルのそれぞれのレベル値を特定する。例えば制御部１１は、健康関連情報の各データを、各データが割り当てられた入力ノードから学習モデル１２Ｍに対して入力する。また制御部１１は、学習モデル１２Ｍにおいて、フィジカルレベル出力層からの出力ノードのうちで、最大の出力値（判別確率）を出力した出力ノードを特定し、特定した出力ノードに対応付けられているレベル値を、ユーザのフィジカルレベルに特定する。また制御部１１は、メンタルレベル出力層からの出力ノードのうちで、最大の出力値を出力した出力ノードを特定し、特定した出力ノードに対応付けられているレベル値を、ユーザのメンタルレベルに特定する。なお、ユーザの健康関連情報の一部を準備できない場合、制御部１１はデフォルトの情報を代わりに学習モデル１２Ｍに入力してもよい。制御部１１は、健康分析結果を取得した場合、ユーザＩＤに対応付けて、この時の日時情報（分析日時の情報）及び健康分析結果をユーザＤＢ１２ａに記憶しておく。また、制御部１１は、健康関連情報から健康分析結果を算出するための算出式を予め用意しておき、取得した健康関連情報を算出式に代入することによって、ユーザのフィジカルレベル及びメンタルレベルのそれぞれのレベル値を算出してもよい。

制御部１１は、取得した健康分析結果に基づいて、図１０に示すような分析結果画面を生成する（Ｓ２４）。例えば制御部１１は、フィジカルレベル及びメンタルレベルで表された健康マップ上に、このユーザの前回の健康分析結果（フィジカルレベル及びメンタルレベルのレベル値）と、今回の健康分析結果とをプロットし、時系列の健康分析結果が表示された健康マップ１０１を生成する。図１０に示す健康マップ１０１では、前回の健康分析結果（2020年9月1日の分析結果）が大きい白丸印でプロットされ、今回の健康分析結果（2020年10月1日の分析結果）が二重丸でプロットされ、ここでのユーザと同じコミュニティに属する他のユーザの健康分析結果が小さい白丸印でプロットされている。また制御部１１は、今回の健康分析結果に基づいて、ユーザの健康状態を示すゾーン（健康ポジション）を特定すると共に総合スコアを算出する。更に制御部１１は、今回の健康分析結果に基づいて、ユーザに提供すべきアドバイス情報をアドバイスＤＢ１２ｄから取得する。なお、アドバイス情報は、今回の健康状態（健康ポジション、総合スコア等）に応じたアドバイス情報であってもよく、前回及び今回の健康状態の変動に応じたアドバイス情報であってもよい。アドバイス情報は、例えば、食事や運動だけではなく、運動器具の購入や、飲食品、サプリメント又は漢方薬の購入又は摂取に関するアドバイス、適切な保険商品を提示するアドバイスでもよい。保険商品をアドバイスする場合には、消費者に対して直接提示するものと、保険会社に対して提示するものと、両者を提示するものとを含めることができる。また、アドバイス情報は、「イチョウ葉由来フラボノイド配糖体及びイチョウ葉由来テルペンラクトンには、認知機能の一部である記憶力を維持する機能があることが報告されています。」、「ＤＨＡ及びＥＰＡには、認知機能の一部である記憶力を維持する機能や、注意力を維持する機能があることが報告されています。」等の成分の一般的な効用の記載でもよい。更に、アドバイス情報は、表示画面上で操作（例えば、クリック）することにより、直接的または間接的に、運動器具、飲食品、サプリメント、漢方薬のオンラインショップのサイトに繋がるものであってもよい。

制御部１１は、上述のように取得した健康マップ１０１、健康ポジション、総合スコア、アドバイス情報を表示した分析結果画面を生成する。なお、ユーザＤＢ１２ａに記憶してある健康分析結果にユーザの過去の健康ポジション及び総合スコアが含まれる場合、制御部１１は、前回の健康ポジション及び総合スコアをユーザＤＢ１２ａから読み出し、分析結果画面に表示させる。これにより、図１０に示すような分析結果画面が生成される。なお、分析結果画面の健康マップに、３回分以上の健康分析結果（フィジカルレベル及びメンタルレベルのレベル値）が時系列に表示されていてもよい。また、健康マップにおいて、各ゾーンを異なる表示態様で表示してもよい。例えば健康マップ中の各ゾーンにおいて、健康状態が良好でないゾーンほどハイライトされた表示態様（目立つ色、鮮やかな色又は模様）で表示してもよい。これにより、健康状態の良し悪しを一瞥で把握することができる。また、分析結果画面は、ユーザが自由にコメントを入力できる欄を有する構成でもよい。この場合、分析結果画面を介して入力されたコメントと入力日時とを記録することにより、ユーザは過去の自身のコメントを見ることができ、日記のような使い方をできる。

制御部１１は、生成した分析結果画面を、分析対象のユーザ（あるユーザ）のユーザ端末２０へ送信する（Ｓ２５）。ユーザ端末２０の制御部２１は、サーバ１０から分析結果画面を受信した場合、受信した分析結果画面を表示部２５に表示する（Ｓ２６）。これにより、ユーザ端末２０は、ユーザの現在の健康状態と、前回からの健康状態の変動と、今後のアドバイスとを分析対象のユーザに通知できる。特に、健康分析結果を健康マップ上に表示することにより、ユーザは自身の健康状態がいずれのゾーンのどのレベルにあるのかを一瞥で把握できる。また、健康マップ１０１上に他のユーザ（同じコミュニティに属する他のユーザ）の健康状態がプロットしてあることにより、同じコミュニティに属するユーザ間で健康状態を共有することができる。更に、各ユーザの健康分析結果を時系列に表示した場合には、各ユーザの健康状態の変動を同じコミュニティに属するユーザ間で共有することができる。よって、ユーザは、自身の健康関連情報を取得してサーバ１０に登録しておくだけで、自身の健康状態を評価できる健康分析結果及びアドバイス情報が得られるので、健康状態を手軽に把握することができる。なお、ユーザ端末２０がフィジカルレベル及びメンタルレベルで表された健康マップと前回の健康分析結果とを記憶部２２に記憶している場合、制御部２１は、サーバ１０から今回の健康分析結果を取得すれば、前回の健康分析結果と今回の健康分析結果とがプロットされた健康マップ１０１を生成して表示することができる。よって、図１０に示す分析結果画面は、ユーザ端末２０がサーバ１０から受信した健康分析結果及びアドバイス情報等に基づいて生成してもよい。

ステップＳ２５の処理後、サーバ１０の制御部１１は、ステップＳ２３で取得した健康分析結果と、ユーザの前回の健康分析結果とに基づいて健康分析結果の変動量を算出する（Ｓ２７）。例えば制御部１１は、前回の健康分析結果と今回の健康分析結果とにおいて総合スコアの差異を算出する。また制御部１１は、前回の健康分析結果と今回の健康分析結果とにおいて、フィジカルレベル又はメンタルレベルにおける差異を算出してもよい。これにより、制御部１１は、１週間又は１ヶ月等の所定期間における健康分析結果の変動量を算出できる。そして制御部１１は、健康分析結果の変動量が所定量以上であるか否かを判断する。（Ｓ２８）。例えば制御部１１は、健康分析結果における総合スコアが所定量以上改善されたか否かを判断する。なお、所定量は予め記憶部１２に記憶されている。また制御部１１は、ステップＳ２３で取得した健康分析結果と、ユーザの前回の健康分析結果とにおいて、健康分析結果を示すゾーンが変化したか否かに応じて、健康分析結果の変動量が所定量以上であるか否かを判断してもよい。更に制御部１１は、ステップＳ２３で取得した健康分析結果において、フィジカルレベル又はメンタルレベルの一方の健康指標に関する結果（レベル値）の変動量が所定量以上であるか否かを判断してもよい。健康分析結果の変動量が所定量未満であると判断した場合（Ｓ２８：ＮＯ）、制御部１１は処理を終了する。その後、制御部１１は、他のユーザについて、分析タイミングが到来したか否かを判断し（Ｓ２１）、上述した処理を繰り返す。

変動量が所定量以上であると判断した場合（Ｓ２８：ＹＥＳ）、制御部１１は、分析対象のユーザの健康関連情報に基づいて、健康分析結果の変動要因を特定する（Ｓ２９）。例えば制御部１１は、前回の健康分析に用いた健康関連情報と、今回の健康分析に用いた健康関連情報とにおいて、変化量が所定量以上であった項目を特定する。例えば運動、飲酒、喫煙、睡眠又は食事等の生活習慣に関する項目について、変化量が所定量以上であった項目を特定する。次に制御部１１は、特定した変動要因に基づいて、同じコミュニティに属する他のユーザに提供すべきアドバイスを生成する（Ｓ３０）。例えば、ウォーキング時間又はウォーキングによる消費カロリの変化量が所定量以上であった場合、制御部１１は、ウォーキングを勧めるアドバイスを生成する。そして制御部１１は、ステップＳ２４と同様に、分析対象のユーザの前回の健康分析結果と今回の健康分析結果とをプロットした健康マップ１０１を生成する。また制御部１１は、健康マップ１０１、分析対象のユーザの前回（変動前）の健康ポジション及び今回（変動後）の健康ポジション、前回の総合スコア及び今回の総合スコア、生成したアドバイスを表示したアドバイス画面を生成する（Ｓ３１）。これにより、図１１に示すようなアドバイス画面が生成される。アドバイス画面の健康マップにおいても、３回分以上の健康分析結果が時系列に表示されていてもよい。

制御部１１は、生成したアドバイス画面を、分析対象のユーザと同じコミュニティに属する他のユーザのユーザ端末２０へ送信する（Ｓ３２）。ここでは、制御部１１は、コミュニティＤＢ１２ｂの記憶内容に基づいて、分析対象のユーザが属するコミュニティを特定し、特定したコミュニティに属する他のユーザのユーザＩＤをコミュニティＤＢ１２ｂから取得する。そして制御部１１は、各ユーザのユーザＩＤに基づいて、各ユーザのユーザ端末２０の宛先情報をユーザＤＢ１２ａから取得する。なお、ユーザＤＢ１２ａに記憶してある各ユーザの個人情報は、各ユーザのユーザ端末２０と通信するための宛先情報を含む。よって、制御部１１は、取得した宛先情報を用いて、他のユーザのユーザ端末２０にアドバイス画面を送信できる。

他のユーザのユーザ端末２０の制御部２１は、サーバ１０からアドバイス画面を受信した場合、図１１に示すようなアドバイス画面を表示部２５に表示する（Ｓ３３）。これにより、他のユーザのユーザ端末２０は、健康状態が改善されたユーザの現在の健康状態と、改善前の健康状態からの変動と、このユーザの健康関連情報に基づいて導き出されたアドバイスとを他のユーザ（ユーザ端末２０の持ち主）に通知できる。このように同じコミュニティに属する他のユーザに、健康状態が改善されたユーザの情報を通知することにより、他のユーザに対して、例えば運動、飲酒、喫煙、睡眠又は食事等の生活習慣の改善を促すことが可能となる。

上述した処理により、同じコミュニティに属するユーザ間で各ユーザの健康状態及び健康状態の変動を共有できる。また、同じコミュニティに属するユーザにおいて、あるユーザの健康状態が改善された場合に、このユーザの健康状態及び改善要因が他のユーザに通知される。よって、他のユーザは、健康状態が改善されたユーザの健康状態及び改善要因を参考にして自身の生活習慣の改善に努めることが可能となる。このように、同じコミュニティに属するユーザ間で、健康状態の改善に寄与された生活習慣等の情報を共有することにより、各ユーザの健康状態の改善を効率よく実現できることが期待される。なお、各ユーザの情報は、同じコミュニティに属するユーザ間でのみ公開されるので、不用意に他者に公開されることを防止できる。

本実施形態では、サーバ１０が学習モデル１２Ｍを備え、学習モデル１２Ｍを用いた処理を行う構成であるが、この構成に限定されない。例えば、学習モデル１２Ｍを他のサーバに設け、学習モデル１２Ｍを用いた処理を他のサーバに分散させてもよい。またユーザ端末２０が学習モデル１２Ｍを備え、学習モデル１２Ｍを用いた処理を行う構成でもよい。

本実施形態において、図１０及び図１１に示す画面中の健康マップ１０１にプロットされる各ユーザの点は、例えば予め各ユーザによって登録されている写真又はイラスト等を用いて表示されてもよい。また、本実施形態の健康マップは、フィジカルレベル及びメンタルレベルの２つの健康指標軸で表されているが、このような構成に限定されない。健康マップは、予め設定された２つ又は３つの健康指標を軸に用いた健康マップが用意されていてもよく、複数種類の健康指標からユーザが選択した２つ又は３つの健康指標を軸に用いた健康マップが生成されて用意されてもよい。

本実施形態では、各ユーザが生活習慣を改善するために行った努力を、健康分析結果（例えば総合スコア）にて評価できるので、健康分析結果を用いた各種のサービスが可能となる。例えば、ユーザに対して健康分析結果に応じたポイントの付与が可能となる。ポイントとしては、実際の店舗やインターネット上の仮想店舗において、商品等を購入する際の代金の代わりに使用できるポイント、又は、企業の福利厚生として従業員が利用可能なサービスを予め設定しておくカフェテリアプランで使用できるポイント等がある。このようなサービスに健康分析結果を用いた場合、ユーザが健康状態を改善するために行う生活習慣の改善等に対するやる気を向上させ、モチベーションを維持することができる。

（実施形態２）
ユーザが目標とする他のユーザ（以下では目標ユーザという）を登録しておき、目標ユーザの健康分析結果に変動が生じた場合にユーザに通知する情報処理システムについて説明する。本実施形態の情報処理システムは、実施形態１の情報処理システムと同様の装置にて実現できるので、構成についての詳細な説明は省略する。なお、本実施形態では、サーバ１０の記憶部１２に記憶してあるユーザＤＢ１２ａが、図６Ａに示す実施形態１の構成と若干異なる。

図１２は実施形態２のユーザＤＢ１２ａの構成例を示す模式図である。本実施形態のユーザＤＢ１２ａは、図６Ａに示すユーザＤＢ１２ａの構成に加え、更に目標ユーザ列を有する。目標ユーザ列は、ユーザＩＤに対応付けて、ユーザＩＤのユーザが目標に設定した他のユーザのユーザＩＤを記憶する。目標ユーザのユーザＩＤは、各ユーザによって設定され、制御部１１が通信部１３又は入力部１４を介して取得した場合に制御部１１によって記憶又は更新される。目標ユーザのユーザＩＤは複数記憶されていてもよい。

以下に、本実施形態の情報処理システムにおいて、各ユーザの健康分析結果を提供する処理について説明する。本実施形態のサーバ１０は、定期的に取得する各ユーザの健康分析結果の変化が大きい場合、当該ユーザを目標ユーザに設定しているユーザに対して、当該ユーザの健康分析結果を通知する。図１３は実施形態２の健康分析結果の提供処理手順の一例を示すフローチャートである。図１３に示す処理は、図９に示す処理中のステップＳ２８のＹＥＳとステップＳ２９との間にステップＳ４１～Ｓ４２を追加したものである。図９と同じステップについては説明を省略する。

本実施形態のサーバ１０の制御部１１及びユーザ端末２０の制御部２１は、図９に示すステップＳ２１～Ｓ２８と同様の処理を行う。これにより、サーバ１０の制御部１１は、あるユーザについて健康関連情報から健康分析結果を取得し、分析結果画面を、あるユーザのユーザ端末２０に提供できる。制御部１１は、ステップＳ２８において、ステップＳ２７で算出した健康分析結果の変動量が所定量以上であると判断した場合（Ｓ２８：ＹＥＳ）、分析対象のユーザがいずれかのユーザの目標ユーザに設定されているか否かを判断する（Ｓ４１）。具体的には、制御部１１は、分析対象のユーザのユーザＩＤが、ユーザＤＢ１２ａの目標ユーザに登録されているか否かを判断する。目標ユーザに設定されていないと判断した場合（Ｓ４１：ＮＯ）、制御部１１は処理を終了する。なお、制御部１１は、他のユーザについて上述した処理を繰り返す。

目標ユーザに設定されていると判断した場合（Ｓ４１：ＹＥＳ）、制御部１１は、分析対象のユーザを目標ユーザに設定しているユーザのユーザ端末２０の宛先情報を取得する（Ｓ４２）。例えば制御部１１は、分析対象のユーザを目標ユーザに設定している各ユーザのユーザＩＤに対応付けてユーザＤＢ１２ａに記憶してあるユーザ端末２０の宛先情報をユーザＤＢ１２ａから取得する。その後、制御部１１は、ステップＳ２９～Ｓ３１の処理を行い、図１１に示すようなアドバイス画面を生成する。そして制御部１１は、ステップＳ４２で取得した宛先情報に基づいて、生成したアドバイス画面を、分析対象のユーザを目標ユーザに設定しているユーザのユーザ端末２０へ送信する（Ｓ３２）。これにより、分析対象のユーザの健康分析結果に変動が生じた場合に、分析対象のユーザを目標としている各ユーザに、分析対象のユーザ（目標ユーザ）の健康分析結果に基づくアドバイスを提供することができる。

本実施形態では、上述した実施形態１と同様の効果が得られる。また本実施形態では、ユーザが目標とする目標ユーザの健康分析結果及び改善要因が通知されるので、ユーザは、目標ユーザの健康状態及び改善要因を参考にして自身の生活習慣の改善に努めることが可能となる。よって、各ユーザは、目標ユーザにおいて健康状態の改善に寄与された生活習慣等の情報を取得できるので、自身の健康状態の改善を効率よく実現できることが期待される。このように各ユーザの目標ユーザの情報を用いて、各ユーザに対して、例えば運動、飲酒、喫煙、睡眠又は食事等の生活習慣の改善を促すことが可能となる。

本実施形態においても、上述した実施形態１で適宜説明した変形例の適用が可能である。また本実施形態において、分析対象のユーザを目標とする他のユーザに提供されるアドバイス画面は、図１１に示す構成に加え、分析対象のユーザ（目標ユーザ）の健康分析結果と、提供されるユーザの健康分析結果とを対比させて表示する構成でもよい。例えば図１１に示すアドバイス画面の健康マップ上に、目標ユーザの健康分析結果と、提供先のユーザの健康分析結果とがプロットされていてもよい。この場合、アドバイス画面の提供を受けたユーザは、目標ユーザの健康分析結果と自身の健康分析結果とを容易に比較することができ、自身の改善点を容易に把握することができる。また、本実施形態において、サーバ１０及びユーザ端末２０は、図９に示す処理及び図１３に示す処理の両方を行う構成でもよい。即ち、分析対象のユーザの健康分析結果に変動が生じた場合に、同じコミュニティに属する他のユーザに対する通知処理を行うと共に、分析対象のユーザを目標ユーザに設定している他のユーザに対する通知処理を行う構成としてもよい。

（実施形態３）
同じコミュニティに属する複数のユーザにおいて、健康分析結果のランキングを決定して各ユーザに提供する情報処理システムについて説明する。本実施形態の情報処理システムは、実施形態１の情報処理システムと同様の装置にて実現できるので、構成についての詳細な説明は省略する。また、本実施形態の情報処理システムにおいて、サーバ１０及びユーザ端末２０は、図９に示す処理と同様の処理を実行する。これにより、サーバ１０は、各ユーザの健康関連情報に基づいて健康分析結果を取得し、取得した健康分析結果を各ユーザに提供できる。またサーバ１０は、分析対象のユーザの健康分析結果が変動した場合に、同じコミュニティに属する他のユーザにも、分析対象のユーザの健康分析結果を提供できる。

本実施形態の情報処理システムでは、サーバ１０は、図９に示す処理によって各ユーザの健康分析結果をユーザＤＢ１２ａに蓄積しており、蓄積した健康分析結果に基づいて、それぞれのコミュニティにおいて各ユーザの健康分析結果のランキングを決定して提供する処理を行う。以下に、本実施形態の情報処理システムにおいて、各コミュニティに属するユーザの健康分析結果のランキングを提供する処理について説明する。図１４はランキングの提供処理手順の一例を示すフローチャート、図１５は画面例を示す模式図である。図１４では左側にサーバ１０が行う処理を、右側にユーザ端末２０が行う処理をそれぞれ示す。以下の処理は、サーバ１０の制御部１１が記憶部１２に記憶してある制御プログラム１２Ｐに従って行い、ユーザ端末２０の制御部２１が記憶部２２に記憶してある制御プログラム２２Ｐ及び健康管理アプリ２２ＡＰに従って行う。

サーバ１０は、例えばコミュニティ毎に設定されたタイミングで、各コミュニティに属するユーザについて健康分析結果のランキングを決定する処理を実行する。サーバ１０の制御部１１は、いずれかのコミュニティに対してランキングを決定するタイミングが到来した場合に、以下の処理を行う。具体的には、制御部１１は、ランキングを決定すべきコミュニティを１つ選択し（Ｓ５１）、選択したコミュニティに属する各ユーザの健康分析結果をユーザＤＢ１２ａから読み出す（Ｓ５２）。例えば健康分析結果として総合スコアがユーザＤＢ１２ａに蓄積されている場合、制御部１１は、コミュニティに属する各ユーザの総合スコアを読み出す。なお、制御部１１は、各ユーザのフィジカルレベル及びメンタルレベルのレベル値をユーザＤＢ１２ａから読み出し、読み出したフィジカルレベル及びメンタルレベルのレベル値に基づいて各ユーザの総合スコアを算出してもよい。

制御部１１は、各ユーザの健康分析結果（具体的には総合スコア）に対して順位を決定する（Ｓ５３）。なお、コミュニティに属するユーザの数が多い場合、例えば総合スコアが上位の所定数（例えば１０人）のユーザに対してのみ順位（１位～１０位）を決定してもよい。そして制御部１１は、決定したランキングに基づいて、図１５に示すようなランキング画面を生成する（Ｓ５４）。例えば制御部１１は、フィジカルレベル及びメンタルレベルで表された健康マップ上に、コミュニティに属する各ユーザの健康分析結果（フィジカルレベル及びメンタルレベルのレベル値）をプロットし、上位の所定数のユーザの健康分析結果を、他のユーザの健康分析結果とは異なる態様でプロットする。図１５に示す健康マップ１０１では、上位の所定数（図１５では３人）のユーザの健康分析結果は大きい白丸印でプロットされ、その他のユーザの健康分析結果は小さい白丸印でプロットされている。また制御部１１は、上位の所定数のユーザの健康ポジション（プロットされたゾーン）及び総合スコアを取得する。健康ポジションはプロットした位置に基づいて取得でき、総合スコアはユーザＤＢ１２ａから取得できる。制御部１１は、上述のように生成した健康マップ１０１と、上位のユーザの健康ポジション及び総合スコアとを表示したランキング画面を生成する。これにより、図１５に示すようなランキング画面が生成される。なお、コミュニティに属する全てのユーザに対して順位を決定し、上位のユーザから順に各ユーザの健康ポジション及び総合スコアをランキング画面に表示させてもよい。

制御部１１は、生成したランキング画面を、コミュニティに属する各ユーザのユーザ端末２０へ送信する（Ｓ５５）。ユーザ端末２０の制御部２１は、サーバ１０からランキング画面を受信した場合、受信したランキング画面を表示部２５に表示する（Ｓ５６）。これにより、ユーザ端末２０は、ユーザが属するコミュニティにおける各ユーザの健康状態のランキングを通知できる。なお、図１５に示すようなランキング画面中の健康マップ１０１上に、順位が上位のユーザに加えて、通知先のユーザの健康分析結果がプロットされていてもよい。この場合、通知されたユーザは、自身の健康状態と上位のユーザの健康状態とを容易に比較することができ、自身の生活習慣の改善に対するモチベーションを上昇及び維持させることができる。

本実施形態では、上述した各実施形態と同様の効果が得られる。また本実施形態では、同じコミュニティに属するユーザにおいて、各ユーザの健康分析結果のランキングが通知される。よって、各ユーザは、自身が属するコミュニティ内での自身の順位を把握できるので、コミュニティ内のユーザ間で切磋琢磨し、各ユーザの生活習慣の改善に対するモチベーションを維持できることが期待される。本実施形態においても、上述した各実施形態で適宜説明した変形例の適用が可能である。また、本実施形態の構成は、実施形態２にも適用可能であり、実施形態２に適用した場合であっても同様の効果が得られる。

（実施形態４）
異なる健康指標で表される健康マップを切り替えて表示できる情報処理システムについて説明する。本実施形態の情報処理システムは、実施形態１の情報処理システムと同様の装置にて実現できるので、構成についての詳細な説明は省略する。なお、本実施形態では、サーバ１０の記憶部１２に記憶してある学習モデル１２Ｍが、図７に示す実施形態１の構成と異なる。本実施形態のサーバ１０は、学習モデル１２Ｍの代わりに、健康マップを表現するために用いる健康指標毎に用意された複数の学習モデルを記憶部１２に記憶している。本実施形態では、健康指標としてフィジカルレベルを出力する学習モデル（フィジカルレベル用の学習モデル１２Ｍａ）、メンタルレベルを出力する学習モデル（メンタルレベル用の学習モデル１２Ｍｂ）、脳コンディションレベルを出力する学習モデル（脳レベル用の学習モデル１２Ｍｃ）、肌レベルを出力する学習モデル（肌レベル用の学習モデル１２Ｍｄ）が記憶部１２に記憶されている。なお、サーバ１０の記憶部１２に記憶される学習モデルはこれらに限定されず、他の健康指標のレベル値を出力する学習モデルが記憶されていてもよい。

図１６は実施形態４の学習モデルの構成例を示す模式図である。図１６Ａはフィジカルレベル用の学習モデル１２Ｍａを、図１６Ｂはメンタルレベル用の学習モデル１２Ｍｂを、図１６Ｃは脳レベル用の学習モデル１２Ｍｃを、図１６Ｄは肌レベル用の学習モデル１２Ｍｄをそれぞれ示す。フィジカルレベル用の学習モデル１２Ｍａは、図２に示すような健康関連情報を入力として、フィジカルレベル（健康指標の指標値）に関する情報を出力する機械学習モデルである。具体的には、図１６Ａに示すフィジカルレベル用の学習モデル１２Ｍａは、図７に示す学習モデル１２Ｍａにおいてメンタルレベル出力層を備えない構成である。メンタルレベル用の学習モデル１２Ｍｂは、図２に示すような健康関連情報を入力として、メンタルレベル（健康指標の指標値）に関する情報を出力する機械学習モデルである。具体的には、図１６Ｂに示すメンタルレベル用の学習モデル１２Ｍｂは、図７に示す学習モデル１２Ｍａにおいてフィジカルレベル出力層を備えない構成である。脳レベル用の学習モデル１２Ｍｃ及び肌レベル用の学習モデル１２Ｍｄは、フィジカルレベル用の学習モデル１２Ｍａ及びメンタルレベル用の学習モデル１２Ｍｂと同様の構成を有する。即ち、それぞれの学習モデル１２Ｍａ～１２Ｍｄは、健康関連情報が入力される入力層と、それぞれの健康指標の指標値（レベル値）に関する情報（判別確率）を出力する出力層と、入力情報に対して所定の演算を行う中間層（隠れ層）とを備える。本実施形態の学習モデル１２Ｍａ～１２Ｍｄの各層は、図７に示す実施形態１の学習モデル１２Ｍの各層と同様の構成を有するので詳細については説明を省略する。

学習モデル１２Ｍａ～１２Ｍｄのそれぞれは、それぞれの健康指標のレベル値を算出済みのユーザについて、ユーザの健康関連情報に対して、各健康指標のレベル値を示す情報（正解ラベル）が付与された訓練データを用いて学習する。なお、学習モデル１２Ｍａ～１２Ｍｄは、サーバ１０の制御部１１が図８に示す処理と同様の処理を実行することによって生成される。学習モデル１２Ｍａ～１２Ｍｄの学習処理は、サーバ１０が行う構成に限定されず、他の学習装置で行われてもよい。

以下に、本実施形態の情報処理システムにおいて、各ユーザの健康分析結果を提供する処理について説明する。本実施形態のサーバ１０は、定期的に、各ユーザの健康関連情報から複数の健康指標（具体的にはフィジカルレベル、メンタルレベル、脳コンディションレベル、肌レベル）について健康分析結果（レベル値）を取得する。そしてサーバ１０は、所定の２つの健康指標で表される健康マップを用いて健康分析結果をユーザに提供し、ユーザから健康指標の変更が指示された場合に、ユーザに提供する健康マップを、変更指示された健康指標で表された健康マップに変更して提供する。図１７は実施形態４の健康分析結果の提供処理手順の一例を示すフローチャート、図１８及び図１９は画面例を示す模式図である。図１７に示す処理は、図９に示す処理中のステップＳ２３，Ｓ２４の間にステップＳ６１～Ｓ６２を追加したものである。図９と同じステップについては説明を省略する。

本実施形態のサーバ１０の制御部１１及びユーザ端末２０の制御部２１は、図９に示すステップＳ２１～Ｓ２３と同様の処理を行う。これにより、サーバ１０の制御部１１は、分析対象のあるユーザについて健康関連情報に基づいて健康分析結果を取得する。ここでは制御部１１は、健康関連情報を学習モデル１２Ｍａ～１２Ｍｄのそれぞれに入力し、学習モデル１２Ｍａ～１２Ｍｄのそれぞれからの出力値に基づいて、このユーザにおける複数の健康指標（具体的にはフィジカルレベル、メンタルレベル、脳コンディションレベル、肌レベル）についてのレベル値を取得する。制御部１１は、取得した各健康指標のレベル値を、ユーザＤＢ１２ａの健康分析結果に記憶する（Ｓ６１）。制御部１１は、サーバ１０が取得可能な全ての健康指標のレベル値（健康分析結果）を取得したか否かを判断し（Ｓ６２）、全ての健康指標のレベル値を取得していないと判断した場合（Ｓ６２：ＮＯ）、ステップＳ２３の処理に戻る。そして制御部１１は、サーバ１０が有する学習モデル１２Ｍａ～１２Ｍｄを用いて、全ての健康指標についてレベル値の取得を行う。

全ての健康指標のレベル値を取得したと判断した場合（Ｓ６２：ＹＥＳ）、制御部１１は、ステップＳ２４以降の処理を行う。具体的には、制御部１１は、取得した健康分析結果に基づいて、分析対象のユーザに提供する分析結果画面を生成する（Ｓ２４）。ここでは制御部１１は、例えば図１８に示すような分析結果画面を生成する。図１８に示す分析結果画面は、図１０に示す分析結果画面の構成に加えて、健康マップを表す横軸の健康指標及び縦軸の健康指標の変更を指示するための入力欄と、入力欄に入力された健康指標を用いた健康マップの表示を指示するための表示切替ボタンとを有する。健康指標の入力欄には、サーバ１０にて取得可能な健康指標のいずれかを選択できるように構成されたプルダウンメニューが設けられている。

ユーザ端末２０の制御部２１は、サーバ１０から受信した分析結果画面を表示部２５に表示することにより（Ｓ２６）、フィジカルレベル及びメンタルレベルで表される健康マップに基づいてユーザの健康状態を通知できる。図１８に示す画面では、健康マップがフィジカルレベルを横軸の健康指標とし、メンタルレベルを縦軸の健康指標としてあることを示しており、プルダウンメニューを用いて任意の健康指標を入力欄に入力することにより、健康マップに用いる健康指標の変更を指示できる。例えば、図１８に示す分析結果画面において、横軸の健康指標の入力欄に肌レベルが入力された場合、ユーザ端末２０の制御部２１は、横軸を肌レベルとし縦軸をメンタルレベルとした健康マップをサーバ１０に要求する。サーバ１０の制御部１１は、ユーザ端末２０からの要求に応じて、分析対象のユーザの肌レベル及びメンタルレベル（健康分析結果）をユーザＤＢ１２ａから取得し、肌レベル及びメンタルレベルで表される健康マップにプロットした分析結果画面を生成してユーザ端末２０へ提供する。これにより、図１９に示すような健康マップが表示された分析結果画面がユーザ端末２０に提供される。図１９に示す分析結果画面中の健康マップは、横軸を肌レベルとし縦軸をメンタルレベルとして表されており、このようにユーザは、異なる健康指標を用いた健康マップを切り替えてユーザ端末２０に表示させることができる。よって、異なる健康指標を用いた健康マップを切り替えて表示させることにより、ユーザの健康状態を、種々の健康マップで確認することができるので、ユーザは自身の健康状態を正確に把握できる。なお、図１９に示す分析結果画面中のアドバイスは、図１８に示す分析結果画面と同様の内容であるが、例えば肌レベル及びメンタルレベルに関するアドバイスが表示されていてもよい。

図示は省略するが、分析対象のユーザと同じコミュニティに属する他のユーザに対してサーバ１０が提供するアドバイス画面においても、画面中の健康マップの横軸の健康指標及び縦軸の健康指標をそれぞれ変更できるように構成されていてもよい。この場合、他のユーザは、健康状態が改善されたユーザの健康状態を、任意の健康指標を用いた健康マップで確認することができる。よって、各ユーザが見易い健康マップを用いて自身の健康分析結果又は他のユーザの健康分析結果を確認することができる。なお、本実施形態において、図１７中のステップＳ２８では、制御部１１は、健康分析結果における総合スコアが所定量以上改善されたか否かを判断してもよく、所定の健康指標について、レベル値が所定量以上改善されたか否か、又はレベル値（健康分析結果）を示すゾーンが変化したか否か等を判断してもよい。なお、所定の複数の健康指標について、レベル値が所定量以上改善されたか否か、又はレベル値を示すゾーンが変化したか否か等を判断してもよい。また、ステップＳ３１では、制御部１１は、例えば改善されたレベル値の変動量が大きい健康指標を２つ選択し、選択した健康指標を用いた健康マップによって健康分析結果が表示されたアドバイス画面を生成してもよい。この場合、より改善度合が大きい健康指標について、分析対象のユーザの健康状態を他のユーザに公開できるので、他のユーザに対して健康状態の改善を効果的に促すことが可能となる。

以下に、ユーザの健康分析結果を表示する分析結果画面の変形例について説明する。図２０は画面の変形例を示す模式図である。図１７中のステップＳ２４において、制御部１１は、図２０に示すような分析結果画面を生成してもよい。図２０に示す分析結果画面は、図１８に示す分析結果画面において、健康マップの横軸及び縦軸の健康指標の入力欄の代わりに、複数の健康マップのうちで表示中の健康マップの位置を示すインジケータ１０２を表示する。図２０に示す画面では、フィジカルレベル及びメンタルレベルで表現される健康マップと、肌レベル及びメンタルレベルで表現される健康マップと、フィジカルレベル及び脳レベルで表現される健康マップとが切り替えられて表示可能である。図２０Ａはフィジカルレベル及びメンタルレベルで表現された健康マップが表示された状態を示しており、例えば図２０Ａ中の矢符に示すように左方向へのスワイプ操作を行った場合、図２０Ｂに示す肌レベル及びメンタルレベルで表現される健康マップの表示に切り替えられる。図示しないが、図２０Ｂに示す画面において更に左方向へのスワイプ操作を行った場合、フィジカルレベル及び脳レベルで表現される健康マップの表示に切り替えられる。一方、図２０Ｂ中の矢符に示すように右方向へのスワイプ操作を行った場合、図２０Ａに示すフィジカルレベル及びメンタルレベルで表現される健康マップの表示に戻る。

図２０に示す分析結果画面において、健康マップに対して左方向又は右方向へのスワイプ操作が行われた場合、ユーザ端末２０の制御部２１は、表示中の健康マップに基づいて、切り替えて表示すべき健康マップの種類を特定する。例えば図２０Ａに示す健康マップを表示中に左方向へのスワイプ操作が行われた場合、制御部２１は、切り替えて表示すべき健康マップとして、肌レベル及びメンタルレベルで表現される健康マップを特定する。そして制御部２１は、切り替えて表示すべき健康マップをサーバ１０に要求し、サーバ１０で生成された健康マップを受信して表示部２５に表示する。これにより、分析結果画面に表示される健康マップが切り替えられる。なお、サーバ１０は、分析結果画面を生成する際に、全ての健康マップを生成してユーザ端末２０へ送信してもよく、この場合、ユーザ端末２０の制御部２１は、ユーザによるスワイプ操作に応じた健康マップを適宜切り替えて表示すればよい。分析結果画面で切り替えて表示される健康マップは、例えばサーバ１０で予め横軸及び縦軸の健康指標が設定された健康マップ、コミュニティ毎に横軸及び縦軸の健康指標が設定された健康マップ、各ユーザの使用頻度が高い健康マップ等としてもよい。

各ユーザに提供される分析結果画面だけでなく、分析対象のユーザと同じコミュニティに属する他のユーザに提供されるアドバイス画面においても、画面中の健康マップが、図２０に示すように切り替えて表示できるように構成されていてもよい。この場合、各ユーザが自身の健康分析結果及び他のユーザの健康分析結果を閲覧する際の操作性をより向上させることができる。

また、図２０に示す分析結果画面中のインジケータ１０２において、分析結果画面で表示される健康マップのうちで総合スコアの変動量（改善された量）が最も多い健康マップに対応するマークを、ハイライトされた表示態様（目立つ色、鮮やかな色又は模様）で表示してもよい。この場合、改善された健康状態がより顕著に表示される健康マップがどれであるかをユーザに通知できる。よって、ユーザは、自身の健康分析結果又は他のユーザの健康分析結果における変動を効率よく観察することが可能となる。

本実施形態では、上述した各実施形態と同様の効果が得られる。また本実施形態では、各ユーザの健康状態をプロットする健康マップを表す健康指標を変更できるので、ユーザは、自身が見易い健康マップにて自身の健康状態又は他のユーザの健康状態を把握できる。よって、より視認性が良い健康マップにて、各ユーザに、生活習慣の改善を促すことが可能となる。本実施形態においても、上述した各実施形態で適宜説明した変形例の適用が可能である。また本実施形態において、異なる健康指標で表される健康マップを切り替えて表示する構成のほかに、並べて表示させる構成でもよい。具体的には、図１８に示す分析結果画面において、フィジカルレベル及びメンタルレベルで表される健康マップの右側に、図１９中の肌レベル及びメンタルレベルで表される健康マップが表示される構成としてもよい。この場合、異なる健康マップを容易に見比べることが可能となる。

今回開示された実施の形態はすべての点で例示であって、制限的なものではないと考えられるべきである。本発明の範囲は、上記した意味ではなく、特許請求の範囲によって示され、特許請求の範囲と均等の意味及び範囲内でのすべての変更が含まれることが意図される。

１０ サーバ
１１ 制御部
１２ 記憶部
１３ 通信部
２０ ユーザ端末
２１ 制御部
２２ 記憶部
２３ 通信部
３０ 計測器
１２ａ ユーザＤＢ
１２ｂ コミュニティＤＢ
１２ｃ 健康マップＤＢ
１２ｄ アドバイスＤＢ
１２Ｍ 学習モデル
２２ＡＰ 健康管理アプリ

Claims (14)

1. 複数のユーザのそれぞれの健康関連情報を取得し、
   前記複数のユーザのそれぞれについて、前記健康関連情報に基づいて複数の健康指標に関する分析結果を特定し、
   前記複数の健康指標で示すマップ上に各ユーザの分析結果を表示する
   処理をコンピュータが実行する情報処理方法。
2. 健康関連情報を入力した場合に複数の健康指標のいずれかに関する分析結果を出力する学習済みモデルに、前記ユーザの健康関連情報を入力し、前記複数の健康指標のいずれかに関する前記ユーザの分析結果を取得し、
   前記複数の健康指標のいずれかで示すマップ上に前記ユーザの分析結果を表示する
   処理を前記コンピュータが実行する請求項１に記載の情報処理方法。
3. 各ユーザに対応付けて、各ユーザが属するコミュニティを登録し、
   前記コミュニティ毎に、各コミュニティに属するユーザの分析結果を前記マップ上に表示する
   処理を前記コンピュータが実行する請求項１又は２に記載の情報処理方法。
4. 前記マップ上に各ユーザの分析結果を時系列に表示し、
   前記複数のユーザにおいて、各ユーザの分析結果における所定期間の変動量が所定量以上であるユーザの有無を判断し、
   前記変動量が所定量以上であるユーザがいる場合、当該ユーザが属するコミュニティの他のユーザに、当該ユーザの分析結果を通知する
   処理を前記コンピュータが実行する請求項１から３までのいずれかひとつに記載の情報処理方法。
5. 前記所定期間の変動量が所定量以上となった変動要因を前記ユーザの健康関連情報に基づいて特定し、
   前記所定期間の変動量が所定量以上となったユーザの分析結果に対応して前記変動要因を表示する
   処理を前記コンピュータが実行する請求項４に記載の情報処理方法。
6. 前記変動要因に基づいて、前記他のユーザに対するアドバイス情報を表示する
   処理を前記コンピュータが実行する請求項５に記載の情報処理方法。
7. 各ユーザに対応付けて、各ユーザが目標とする目標ユーザを登録し、
   前記マップ上にいずれかのユーザの分析結果と前記ユーザの目標ユーザの分析結果とを対比させて表示する
   処理を前記コンピュータが実行する請求項１から６までのいずれかひとつに記載の情報処理方法。
8. 各ユーザに対応付けて、各ユーザが属するコミュニティを登録し、
   前記コミュニティ毎に、前記コミュニティに属するユーザの分析結果に基づくランキングを特定する
   処理を前記コンピュータが実行する請求項１から７までのいずれかひとつに記載の情報処理方法。
9. 前記健康関連情報は、前記ユーザの食事、運動又は睡眠を含み、前記ユーザの健康に影響を及ぼす生活習慣に関連する情報を含む
   請求項１から８までのいずれかひとつに記載の情報処理方法。
10. ユーザの健康関連情報をサーバへ出力し、
    前記ユーザを含む複数のユーザのそれぞれについて、各ユーザの健康関連情報に基づいて特定された、複数の健康指標に関する分析結果を前記サーバから取得し、
    前記複数の健康指標で示すマップ上に各ユーザの分析結果を表示する
    処理をコンピュータに実行させるプログラム。
11. 前記ユーザが属するコミュニティに属する複数のユーザの分析結果を前記サーバから取得し、
    前記マップ上に前記コミュニティに属する各ユーザの分析結果を表示する
    処理を前記コンピュータに実行させる請求項１０に記載のプログラム。
12. 前記複数のユーザのうちで、前記分析結果における所定期間の変動量が所定量以上であるユーザの分析結果を前記サーバから取得する
    処理を前記コンピュータに実行させる請求項１０又は１１に記載のプログラム。
13. 前記所定期間の変動量が所定量以上となった変動要因を前記サーバから取得し、
    前記所定期間の変動量が所定量以上であるユーザの分析結果に対応して前記変動要因を表示する
    処理を前記コンピュータが実行する請求項１２に記載のプログラム。
14. 前記変動要因に基づくアドバイス情報を前記サーバから取得し、
    前記所定期間の変動量が所定量以上であるユーザの分析結果に対応して前記アドバイス情報を表示する
    処理を前記コンピュータが実行する請求項１３に記載のプログラム。
    
    

Images