JP2022083424A - 統合的健康情報を利用した献立および運動推薦方法およびサービスシステム - Google Patents
統合的健康情報を利用した献立および運動推薦方法およびサービスシステム Download PDFInfo
- Publication number
- JP2022083424A JP2022083424A JP2021189430A JP2021189430A JP2022083424A JP 2022083424 A JP2022083424 A JP 2022083424A JP 2021189430 A JP2021189430 A JP 2021189430A JP 2021189430 A JP2021189430 A JP 2021189430A JP 2022083424 A JP2022083424 A JP 2022083424A
- Authority
- JP
- Japan
- Prior art keywords
- information
- exercise
- menu
- service server
- specific individual
- 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
Links
- 230000036541 health Effects 0.000 title claims abstract description 79
- 238000000034 method Methods 0.000 title claims abstract description 57
- 235000013305 food Nutrition 0.000 claims description 18
- 244000005700 microbiome Species 0.000 claims description 16
- 230000003862 health status Effects 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 10
- 230000002068 genetic effect Effects 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000028709 inflammatory response Effects 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 4
- 238000012552 review Methods 0.000 claims description 4
- 206010020751 Hypersensitivity Diseases 0.000 claims description 3
- 230000007815 allergy Effects 0.000 claims description 3
- 230000037213 diet Effects 0.000 claims description 3
- 235000005911 diet Nutrition 0.000 claims description 3
- 230000035622 drinking Effects 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 210000000653 nervous system Anatomy 0.000 claims description 3
- 235000015816 nutrient absorption Nutrition 0.000 claims description 3
- 241001465754 Metazoa Species 0.000 claims description 2
- 230000006872 improvement Effects 0.000 claims description 2
- 235000020803 food preference Nutrition 0.000 claims 2
- 230000002641 glycemic effect Effects 0.000 claims 2
- 235000012054 meals Nutrition 0.000 claims 1
- 238000011084 recovery Methods 0.000 claims 1
- 230000008569 process Effects 0.000 description 22
- 238000004458 analytical method Methods 0.000 description 17
- 235000013361 beverage Nutrition 0.000 description 8
- 239000004615 ingredient Substances 0.000 description 8
- 238000013528 artificial neural network Methods 0.000 description 6
- 239000000463 material Substances 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 239000000470 constituent Substances 0.000 description 5
- 201000010099 disease Diseases 0.000 description 5
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 5
- 239000000284 extract Substances 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 230000001052 transient effect Effects 0.000 description 5
- 108020004465 16S ribosomal RNA Proteins 0.000 description 4
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 4
- 239000008280 blood Substances 0.000 description 4
- 210000004369 blood Anatomy 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 4
- 239000008103 glucose Substances 0.000 description 4
- 244000005702 human microbiome Species 0.000 description 4
- 230000000813 microbial effect Effects 0.000 description 4
- 241000282412 Homo Species 0.000 description 3
- 238000010411 cooking Methods 0.000 description 3
- 108090000623 proteins and genes Proteins 0.000 description 3
- 102000004169 proteins and genes Human genes 0.000 description 3
- 102000053602 DNA Human genes 0.000 description 2
- 108020004414 DNA Proteins 0.000 description 2
- 230000007067 DNA methylation Effects 0.000 description 2
- 241000736262 Microbiota Species 0.000 description 2
- 239000008186 active pharmaceutical agent Substances 0.000 description 2
- WQZGKKKJIJFFOK-VFUOTHLCSA-N beta-D-glucose Chemical compound OC[C@H]1O[C@@H](O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-VFUOTHLCSA-N 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000002996 emotional effect Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000037081 physical activity Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 229920002477 rna polymer Polymers 0.000 description 2
- 230000004622 sleep time Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 108010033040 Histones Proteins 0.000 description 1
- 108700011259 MicroRNAs Proteins 0.000 description 1
- 206010039740 Screaming Diseases 0.000 description 1
- 206010041235 Snoring Diseases 0.000 description 1
- 241000700605 Viruses Species 0.000 description 1
- 230000000386 athletic effect Effects 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 239000000090 biomarker Substances 0.000 description 1
- 238000009534 blood test Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000003608 fece Anatomy 0.000 description 1
- 230000030414 genetic transfer Effects 0.000 description 1
- 244000005709 gut microbiome Species 0.000 description 1
- 239000005556 hormone Substances 0.000 description 1
- 229940088597 hormone Drugs 0.000 description 1
- 230000000968 intestinal effect Effects 0.000 description 1
- 210000000936 intestine Anatomy 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 230000011987 methylation Effects 0.000 description 1
- 238000007069 methylation reaction Methods 0.000 description 1
- 239000002679 microRNA Substances 0.000 description 1
- 210000000214 mouth Anatomy 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000000926 neurological effect Effects 0.000 description 1
- 235000006286 nutrient intake Nutrition 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 210000003491 skin Anatomy 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012070 whole genome sequencing analysis Methods 0.000 description 1
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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
-
- 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
- G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
Abstract
【課題】特定の個人の健康状態を高揚させ得る献立情報及び運動情報を提供する献立及び運動推薦方法及び献立及び運動推薦システムを提供する。
【解決手段】統合的健康情報を利用した献立及び運動推薦方法は、サービスサーバー１５０が特定の個人のゲノム情報を受信する段階、サービスサーバー１５０が特定の個人の臨床情報を受信する段階、サービスサーバー１５０が特定の個人の生活習慣情報を受信する段階、サービスサーバー１５０がゲノム情報、臨床情報及び生活習慣情報を事前に学習された学習モデルに入力する段階及びサービスサーバー１５０が学習モデルから出力する出力値を基準として献立データベース１６０を参照して特定の個人に対する献立情報を生成し、出力値を基準として運動データベース１７０を参照して特定の個人に対する運動情報を生成する段階を含む。
【選択図】図１
【解決手段】統合的健康情報を利用した献立及び運動推薦方法は、サービスサーバー１５０が特定の個人のゲノム情報を受信する段階、サービスサーバー１５０が特定の個人の臨床情報を受信する段階、サービスサーバー１５０が特定の個人の生活習慣情報を受信する段階、サービスサーバー１５０がゲノム情報、臨床情報及び生活習慣情報を事前に学習された学習モデルに入力する段階及びサービスサーバー１５０が学習モデルから出力する出力値を基準として献立データベース１６０を参照して特定の個人に対する献立情報を生成し、出力値を基準として運動データベース１７０を参照して特定の個人に対する運動情報を生成する段階を含む。
【選択図】図１
Description
以下で説明する技術は複合的な健康情報を利用したオーダーメイド型献立および運動推薦技法に関する。
個人の健康状態を分析するための多様な情報が活用される。個人のゲノム情報は健康状態の分析のための代表的な指標と言える。ひいては、最近では人間の腸内微生物が個人の健康状態の分析のための対象として注目を浴びている。ヒトマイクロバイオーム（ｈｕｍａｎ ｍｉｃｒｏｂｉｏｍｅ）に関連した各種疾患に対する研究が多様に進行している。
以下で説明する技術は人間のゲノム情報だけでなく、個人の健康と関連可能性がある非常に多様なデータを複合的に考慮して特定の個人の健康状態を高揚させ得る献立情報および運動情報を提供するシステムを提供する。
統合的健康情報を利用した献立および運動推薦方法は、サービスサーバーが特定の個人のゲノム情報を受信する段階、前記サービスサーバーが前記特定の個人の臨床情報を受信する段階、前記サービスサーバーが前記特定の個人の生活習慣情報を受信する段階、前記サービスサーバーが前記ゲノム情報、前記臨床情報および前記生活習慣情報を事前に学習された学習モデルに入力する段階および前記サービスサーバーが前記学習モデルから出力する出力値を基準として献立データベースを参照して前記特定の個人に対する献立情報を生成し、前記出力値を基準として運動データベースを参照して前記特定の個人に対する運動情報を生成する段階を含む。
統合的健康情報を利用した献立および運動推薦システムは、特定の個人のアンケート情報および生活習慣情報を伝送し、献立情報および運動情報を受信する使用者端末、前記特定の個人に対するゲノム情報を提供するゲノム情報サーバー、前記特定の個人の第１医療情報および前記特定の個人の家族の第２医療情報を提供する医療情報サーバー、健康状態による献立情報を保存する献立データベース、健康状態による運動情報を保存する運動データベースおよび事前に学習された学習モデルに前記アンケート情報、前記ゲノム情報、前記第１遺伝情報、前記第２遺伝情報および前記生活習慣情報を入力して前記特定の個人に対する出力値を生成し、前記出力値を基準として前記献立データベースを参照して前記特定の個人に対する前記献立情報を生成し、前記出力値を基準として運動データベースを参照して前記特定の個人に対する前記運動情報を生成するサービスサーバーを含む。
以下で説明する技術は、ゲノム情報、臨床情報および生活習慣情報を複合的に活用して個人の健康を増進する。以下で説明する技術は、医療機関や、ＩｏＴ装置が個別的に管理する情報を統合し、統合された情報の入力を受ける学習モデルを通じてオーダーメイド型献立および運動を推薦する。以下で説明する技術は、個人オーダーメイド飲食サービス事業者および運動サービス事業者のための情報を提供する。
以下で説明する技術は多様な変更を加えることができ、多様な実施例を有することができるところ、特定の実施例を図面に例示して詳細に説明しようとする。しかし、これは以下で説明する技術を特定の実施形態に対して限定しようとするものではなく、以下で説明する技術の思想および技術範囲に含まれるすべての変更、均等物乃至代替物を含むものと理解されるべきである。
第１、第２、Ａ、Ｂなどの用語は多様な構成要素の説明に使われ得るが、該当構成要素は前記用語によって限定されはせず、単に一つの構成要素を他の構成要素から区別する目的でのみ使われる。例えば、以下で説明する技術の権利範囲を逸脱することなく第１構成要素は第２構成要素と命名され得、同様に第２構成要素も第１構成要素と命名され得る。および／またはという用語は複数の関連した記載された項目の組み合わせまたは複数の関連した記載された項目のうちいずれかの項目を含む。
本明細書で使われる用語で単数の表現は、文脈上明白に異なるように解釈されない限り複数の表現を含むものと理解されるべきであり、「含む」等の用語は説明された特徴、個数、段階、動作、構成要素、部分品またはこれらを組み合わせたものが存在することを意味するものであって、一つまたはそれ以上の他の特徴や個数、段階動作構成要素、部分品またはこれらを組み合わせたものなどの存在または付加の可能性を排除しないものと理解されるべきである。
図面に対する詳細な説明に先立ち、本明細書での構成部に対する区分は各構成部が担当する主機能別に区分したものに過ぎないことを明確にされたい。すなわち、以下で説明する２個以上の構成部が一つの構成部に統合されたりまたは一つの構成部がより細分化された機能別に２個以上に分化して備えられてもよい。そして、以下で説明する構成部それぞれは、自身が担当する主機能以外にも他の構成部が担当する機能のうち一部又は全部の機能を追加的に遂行してもよく、構成部それぞれが担当する主機能のうち一部の機能が他の構成部によって専担されて遂行されてもよいことは言うまでもない。
また、方法または動作方法を遂行するにおいて、前記方法を達成する各過程は文脈上明白に特定の順序を記載しない限り、明記された順序と異なって起きてもよい。すなわち、各過程は明記された順序と同一に起きてもよく、実質的に同時に遂行または反対順で遂行されてもよい。
宿主は微生物が棲息する対象である。宿主は人間と仮定する。
サンプルは宿主から抽出した試料を意味する。サンプルは血液や組織のように宿主のゲノム情報や疾病情報を判断するための試料である。また、サンプルは糞便のように腸内微生物の把握が可能な試料であり得る。
ゲノム情報は特定の個人または個体のゲノムデータを意味する。ゲノム情報は多様な技術を利用して獲得され得る。個体は基本的に人間、動物、植物、微生物などを含む意味である。例えば、ゲノムデータは細胞、組織などからデオキシリボ核酸（ＤＮＡ）、リボ核酸（ＲＮＡ）、または蛋白質（Ｐｒｏｔｅｉｎ）等で得られた塩基配列、ゲノム発現データ、標準ゲノムデータとの遺伝変移、ＤＮＡメチル化（ｍｅｔｈｙｌａｔｉｏｎ）等を含むことができる。代表として、ゲノム情報はＮＧＳ（Ｎｅｘｔ Ｇｅｎｅｒａｔｉｏｎ Ｓｅｑｕｅｎｃｉｎｇ）を利用して獲得されるゲノム情報であり得る。
ゲノム情報は後成ゲノム情報を含むことができる。後成ゲノム情報はゲノム発現に影響を与える因子のことを言い、ＤＮＡメチル化、ヒストン変形、マイクロＲＮＡなどに関連した情報を含む。
マイクロバイオームは、人体に棲息、共生する個体水準の細菌、ウイルス、そしてかびなどのすべての微生物群集とこれら微生物群集が有する遺伝情報と定義される。一般的にヒトマイクロバイオームは人間の腸、口腔、皮膚などに棲息する微生物に対する情報を含む。ヒトマイクロバイオームは微生物の１６ｓ ｒＲＮＡとともに全体メタゲノム（Ｗｈｏｌｅ ｍｅｔａｇｅｎｏｍｅ）等の情報を含む。１６ｓ ｒＲＮＡの量は人から出てきた多様なサンプルに対してメタゲノム分析をして分かる。メタゲノム分析は多様なメタゲノム分析に関連した生命情報学的道具を利用して遂行できる。分析の目的は一般的に微生物の量を測定して使用者の人体由来微生物の機能と分布を確認することである。ヒトマイクロバイオームは１６ｓ ｒＲＮＡ分析のための生情報から獲得されるＯＴＵ（Ｏｐｅｒａｔｉｏｎａｌ Ｔａｘｏｎｏｍｉｃ Ｕｎｉｔ）情報を含む。さらに、全ゲノムシーケンシング（ｗｈｏｌｅ－ｇｅｎｏｍｅ ｓｅｑｕｅｎｃｉｎｇ）はサンプルの塩基配列全体を解読する方式であって、分析結果は人間の遺伝情報と微生物の遺伝情報をすべて含む。したがって、研究者は微生物の遺伝情報のみを抽出（人間の遺伝情報はフィルタリング）して微生物群集の遺伝情報を確認することができる。
個人のゲノム情報は宿主のゲノム情報およびマイクロバイオーム情報を含む意味で使うことができる。
臨床情報は個人（患者）に対する生体情報、診療情報および処方情報などの多様な項目を含むことができる。例えば、臨床情報は個人の身体情報（年齢、性別、人種、身長、体重など）、検査情報（血液検査結果、Ｘ－ｒａｙ映像、ＣＴ映像、ＭＲＩ映像、心電図検査、ゲノム分析結果等）、診断結果（健康状態、発病情報など）を含むことができる。
一方、臨床情報は個人の健康を測定するための問診情報およびアンケート調査情報を含んでもよい。
生活習慣情報は生活習慣に関連した情報を意味する。例えば、生活習慣情報は（ｉ）身体活動情報、（ｉｉ）飲食摂取情報、（ｉｉｉ）運動情報などを含むことができる。身体活動情報は睡眠時間、起床時間、勤務時間、休憩時間などを含むことができる。飲食摂取情報は一日の摂取熱量、摂取栄養分の量などを含むことができる。運動情報は運動の有無、運動強度などの情報を含むことができる。生活習慣情報はスマート機器、ＩｏＴ機器、ウェアラブル機器等を通じて収集することができる。
ゲノム情報、臨床情報および生活習慣情報はすべて個人の健康に関連した指標である。個人の健康に関連した多様な情報を統合的健康情報と命名する。統合的健康情報は前述したゲノム情報、臨床情報および生活習慣情報などを含む。
以下で説明する技術は、学習モデルを利用して個人の健康状態を推定することができる。学習モデルは機械学習（ｍａｃｈｉｎｅ ｌｅａｒｎｉｎｇ）モデルを意味する。学習モデルは多様な類型のモデルを含む意味である。例えば、学習モデルはディシジョンツリー、ランダムフォレスト（ｒａｎｄｏｍ ｆｏｒｅｓｔ）、ＫＮＮ（Ｋ－ｎｅａｒｅｓｔ ｎｅｉｇｈｂｏｒ）、ナイーブベイズ（Ｎａｉｖｅ Ｂａｙｅｓ）、ＳＶＭ（ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｍａｃｈｉｎｅ）、人工ニューラルネットワーク（ａｒｔｉｆｉｃｉａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ）等がある。人工ニューラルネットワークは最近ディープラーニングニューラルネットワーク（ｄｅｅｐ ｌｅａｒｎｉｎｇ ｎｅｔｗｏｒｋ、ＤＮＮ）が注目されている。ＤＮＮはＣＮＮ（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）、ＲＮＮ（Ｒｅｃｕｒｒｅｎｔ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）、ＲＢＭ（Ｒｅｓｔｒｉｃｔｅｄ Ｂｏｌｔｚｍａｎｎ Ｍａｃｈｉｎｅ）、ＤＢＮ（Ｄｅｅｐ Ｂｅｌｉｅｆ Ｎｅｔｗｏｒｋ）、ＧＡＮ（Ｇｅｎｅｒａｔｉｖｅ Ａｄｖｅｒｓａｒｉａｌ Ｎｅｔｗｏｒｋ）、ＲＬ（Ｒｅｌａｔｉｏｎ Ｎｅｔｗｏｒｋｓ）等がある。
図１は、献立および運動推薦システム１００に対する例である。サービスサーバー１５０が特定の個人に対する健康状態を推定し、健康状態を基準として個人オーダーメイド型献立および運動を推薦する。
サービスサーバー１５０は健康状態把握対象である個人の統合的健康情報を構成するために個別的情報を収集する。
使用者端末１１０は特定の個人に対する問診情報乃至アンケート情報を伝送する。問診情報およびアンケート情報はサービス事業者が事前に確認しようとする項目を含む。
ウェアラブル機器１２０は特定の個人の生活習慣情報を伝送する。スマート機器、ＩｏＴ機器などの多様な機器が生活習慣情報を収集して伝送してもよい。一方、使用者端末１１０が周辺機器が収集した情報を集合して生活習慣情報を伝送してもよい。
ゲノム情報サーバー１３０は特定の個人のゲノム情報を伝送する。ゲノム情報サーバー１３０は特定の個人のサンプルを分析してゲノム情報を生成することができる。サンプルの収集やゲノム分析過程は説明は省略する。ゲノム情報は宿主の全ゲノム（ｗｈｏｌｅ ｇｅｎｏｍｅ）とマイクロバイオーム情報（Ｗｈｏｌｅ ｍｅｔａｇｅｎｏｍｅ）が含まれた結合情報であり、または特定ターゲットおよび特定マーカー（１６ｓ ｒＲＮＡ Ｓｅｑｕｅｎｃｉｎｇ）シーケンス情報であり得る。ひいては、ゲノム情報は後成ゲノム、転写体、蛋白体情報を含んでもよい。
医療情報サーバー１３０は特定の個人の臨床情報を伝送する。医療機関は特定の個人の診療結果、検査結果、疾病情報などを含む臨床情報を伝送することができる。場合によって、医療情報サーバー１３０が特定の個人のゲノム情報も伝送することができる。また、医療情報サーバー１３０が診療過程中に収集した問診情報乃至アンケート情報を伝送してもよい。
サービスサーバー１５０はアンケート情報、生活習慣情報、ゲノム情報、臨床情報などを受信し、受信した情報を一定に処理して統合的健康情報を生成する。サービスサーバー１５０は事前に学習された学習モデルに統合的健康情報を入力して特定の個人に対する健康状態情報を推定する。学習モデルは統計的分析モデル、ニューラルネットワークなどの多様なモデルが活用され得る。
学習モデルは個人の健康状態に関連した出力値を生成する。学習モデルは個人の健康状態に対する特徴情報を出力することができる。学習モデルは統合的健康情報から特徴情報を抽出するモデルであり得る。または学習モデルは統合的健康情報を基準としてレファレンス値と比較して個人の健康状態に対する偏差値を生成してもよい。
サービスサーバー１５０は、学習モデルの出力値を基準として献立ＤＢ（献立データベース、１６０）を参照して出力値に関連した献立情報を決定することができる。献立ＤＢ１５０は健康状態と該当健康状態にマッチングされる献立情報を保有する。または献立ＤＢ１５０は学習モデルの出力値と該当出力値にマッチングされる献立情報を保有してもよい。献立情報は特定の個人の健康状態に応じて健康を増進できるメニュー、食堂情報などを含むことができる。
サービスサーバー１５０は、学習モデルの出力値を基準として運動ＤＢ１７０を参照して出力値に関連した運動情報を決定することができる。運動ＤＢ１７０は健康状態と該当健康状態にマッチングされる運動情報を保有する。または運動ＤＢ１７０は学習モデルの出力値と該当出力値にマッチングされる運動情報を保有してもよい。運動情報は特定の個人の健康状態に応じて健康を増進できる運動に対する情報を意味する。運動情報は運動の種類、運動コンテンツ、運動プログラムなどを含むことができる。
サービスサーバー１５０は個人の健康状態に応じて決定された献立情報および運動情報をサービス端末１８０に伝達する。サービス端末１８０は情報の提供を受ける主体が使う端末である。サービス端末１８０は病院の端末、食堂の端末、フィットネスセンターの端末、個人の端末などの多様であり得る。一方、サービス端末１８０はコンピュータ装置、スマート機器、スマートＴＶ、ゲームコンソール、ＶＲ（仮想現実）装置などの多様な類型であり得る。サービス端末１８０は単純に献立情報および健康情報を受信して出力する装置であってもよい。さらに、サービス端末１８０は運動情報に関連した運動プログラムを提供する装置であってもよい。また、サービス端末１８０は献立情報に関連して飲食や材料情報を示すスマート冷蔵庫、飲食料理装置などであってもよい。
専門家端末１９０はサービスサーバー１５０が伝達する個人の健康状態と該当健康状態による献立情報／運動情報を検討する。専門家端末１９０は推薦された献立情報／運動情報が適切であるかを判断してこれに対するフィードバックをサービスサーバー１５０に伝送することができる。サービスサーバー１５０は専門家端末１９０のフィードバックを考慮して修正された献立情報／運動情報をサービス端末１８０に伝送することができる。また、サービスサーバー１５０は専門家端末１９０のフィードバックを利用して学習モデルをアップデートすることができる。学習モデルのアップデートはモデルに適用されたパラメータ値を変更してより適切な出力値が生成されるようにする手続きを意味する。
図２は、献立および運動推薦過程２００に対する例である。
使用者端末１１０はサービスサーバー１５０にアンケート情報および生活習慣情報を伝送する（２０１）。生活習慣情報は別途のウェアラブル機器などが収集して伝達してもよい。
アンケート情報はストレス回復力（Ｓｔｒｅｓｓ Ｒｅｓｉｌｉｅｎｃｅ）、炎症反応（Ｉｎｆｌａｍｍａｔｏｒｙ ｒｅｓｐｏｎｓｅ）、神経系の機能（Ｎｅｕｒｏｌｏｇｉｃａｌ ｆｕｎｃｔｉｏｎ）、エネルギー水準の向上（Ｂｏｏｓｔ Ｅｎｅｒｇｙ－Ｌｅｖｅｌ）、食事に対する血糖反応（Ｂｌｏｏｄ Ｇｌｕｃｏｓｅ ｒｅｓｐｏｎｓｅ ｔｏ ｍｅａｌｓ）、体質量構成（Ｂｏｄｙ Ｍａｓｓ ｃｏｍｐｏｓｉｔｉｏｎ）、睡眠、栄養素吸収（Ｎｕｔｒｉｅｎｔ ａｂｓｏｒｐｔｉｏｎ）、肉体的疲労および飲食アレルギーを含む項目グループのうち少なくとも複数の項目を含むことができる。アンケート情報は個人のストレスおよび感情状態に対する情報を含むことができる。
生活習慣情報は睡眠量、睡眠時間、睡眠パターン、運動量、運動時間、歩く時間、歩く距離などのような情報を含むことができる。さらに、生活習慣情報は個人の声情報を含むことができる。声情報は音声、いびきの声などを含むことができる。
ゲノム分析サーバー１３０は個人のゲノム分析を遂行できる（２１１）。またはゲノム分析装置が遂行した結果をゲノム分析サーバー１３０が受信してもよい。ゲノム分析サーバー１３０はゲノム情報をサービスサーバー１５０に伝送する（２１２）。ゲノム情報は宿主のゲノム情報、後成ゲノム情報およびマイクロバイオーム情報を含む。
医療情報サーバー１４０は個人の臨床情報を生成する（２２１）。臨床情報は個人の診療情報、検査データ、検査履歴などを含む。さらに、臨床情報は特定の個人の家族に対する診療情報、検査データ、検査履歴などを含むことができる。家族歴が健康状態情報の判断に一つの指標となり得るためである。
サービスサーバー１５０は受信した生活習慣情報、アンケート情報、ゲノム情報および臨床情報を学習モデルで分析できる入力データとして処理し、学習モデルを利用して健康状態特徴を生成する（２３１）。
サービスサーバー１５０は健康状態特徴を献立ＤＢ１６０に伝送し（２４１）、献立ＤＢ１６０に健康状態にマッチングされる献立情報をクェリして（２４２）、献立ＤＢ１５０からオーダーメイド型献立情報を受信することができる（２４３）。
サービスサーバー１５０は健康状態特徴を運動ＤＢ１７０に伝送し（２５１）、運動ＤＢ１７０に健康状態にマッチングされる運動情報をクェリして（２５２）、運動ＤＢ１７０からオーダーメイド型運動情報を受信することができる（２５３）。
サービスサーバー１５０はオーダーメイド型献立情報および運動情報を使用者端末１５０にすぐに伝送することができる（２５４）、
サービスサーバー１５０は健康状態特徴およびオーダーメイド型献立／運動情報を専門家端末１９０に伝送することができる（２６１）。専門家端末１９０は受信した健康状態特徴を基準として献立情報および／または運動情報が適切であるかに対する検討結果を生成する（２６２）。サービスサーバー１５０は専門家端末１９０からオーダーメイド型献立情報および運動情報に対するフィードバック情報を受信する（２６３）。サービスサーバー１５０は専門家端末１９０から勧告が付加されたまたは内容が調整された献立情報および運動情報を受信することができる（２６３）。
サービスサーバー１５０は専門家端末１９０から受けたフィードバックを基準として自身の学習モデルをアップデートすることができる（２７１）。
サービスサーバー１５０は専門家の勧告が付加されたり内容が調整された献立情報および運動情報を使用者端末１５０に伝送することができる（２８１）。
サービスサーバー１５０は専門家の勧告が付加されたり内容が調整された献立情報および運動情報をサービス端末１８０に伝送することができる（２９１）。サービス端末１８０は受信した献立情報および運動情報により使用者にオーダーメイド型サービスを提供することができる（２９２）。
図３は、収集したデータを処理する過程に対する例である。図３はサービスサーバー１５０が受信した情報を前処理して学習モデルに利用できる入力データを生成する過程に該当する。
初期データは使用者端末、ウェアラブル機器、医療情報サーバー、ゲノム分析サーバーなどが伝達するデータである。
ゲノムデータは宿主ゲノム情報およびマイクロバイオームを含む。宿主ゲノム情報は後成ゲノム情報を含むことができる。
ウェアラブル機器および個人医療機器データは個人が収集するデータであり、生活習慣データおよび臨床情報を含むことができる。
臨床、電子健康記録および健康検証データは医療機関で生成されるデータである。
運動および献立プログラム参加率データは個人が提供された運動および献立プログラムに参加した程度を意味する。参加率データは使用者端末が伝送することができる。または参加率データは別途のサーバーが伝送してもよい。参加率データは特定の運動や献立に対する個人の選好度把握に利用され得る。
個人が摂取したカロリーおよび献立データは摂取した飲食およびカロリーに対する情報である。カロリーおよび献立データは使用者端末が伝送することができる。またはカロリーおよび献立データは別途のサーバーが伝送してもよい。
アンケート紙データは個人のアンケートに対して作成した応答データである。アンケート紙データは使用者端末、医療機関の端末等を通じて伝送され得る。
個人が保有した食飲料の材料および購入リストは現在個人が保有したり購入した食品情報である。食飲料の材料および購入リストは使用者端末が伝送することができる。または食飲料の材料および購入リストは家電機器または別途のサーバーが伝送してもよい。食飲料の材料および購入リストは個人の選好度把握に利用されてもよい。
サービスサーバー１５０は多様な初期データの入力を受けてこれを保存する。サービスサーバー１５０はデータのうち、テキストではないイメージおよび声データを別途に抽出することができる。サービスサーバー１５０は時間を基準として初期データを整理することができる。また、サービスサーバー１５０はデータの項目別にデータを整理してもよい。
サービスサーバー１５０はデータを一定に正規化し、データに含まれたノイズを除去することができる。
サービスサーバー１５０は正規化されたデータを基準としてセマンティクス（意味論）方法でデータを区分して分離することができる。
このような過程を経ると、学習モデルで利用できる入力データが生成される。入力データは（ｉ）個人ゲノムデータおよびマイクロバイオームデータ、（ｉｉ）個人のカロリー、血糖、葡萄糖データ、（ｉｉｉ）個人の臨床および疾病記録データ、（ｉｖ）個人のストレスおよび感情データ、（ｖ）個人の運動量データ、（ｖｉ）個人の献立データ、（ｖｉｉ）個人の睡眠パターンデータ、（ｖｉｉｉ）個人の声（音声、いびき声など）パターンデータ、（ｉｘ）個人の献立＆運動プログラム選好度データ、（ｘ）個人のホルモンパターンおよび活性データなどが算出され得る。図３は、利用できるデータのうち一部を例示したものである。
図４は、学習モデルを利用した健康情報出力過程に対する例である。入力データは図３のような過程を通じて生成されたデータである。
サービスサーバー１５０は入力データをそれぞれの項目により処理することができる。またはサービスサーバー１５０は入力データを一つの統合された形態の情報で構成することができる。例えば、学習モデルがマトリクス形態のベクトルデータを使うのであれば、サービスサーバー１５０は一定の規則にしたがって入力データをマトリクス形態で構成することができる。さらに、サービスサーバー１５０はデータの類型により個別入力データを構成してもよい。
入力データは図４で例示した入力データ類型の個数だけ多様であり得る。学習モデルがニューラルネットワークモデルのような有形である場合、入力データにより学習モデルの構造が異なり得る。入力データが一つのマトリクス形態であれば、入力層はマトリクスの入力を受けて処理する一つの層であり得る。さらに、入力データが情報類型により個別入力データで構成されるのであれば、入力層は入力データの個数に対応する複数の層を有してもよい。または複数の入力データを一つのマトリクスで構成するものの、全体の入力データが複数のマトリクスで構成されてもよい。この場合、複数の入力層が抽出する特徴は隠れ層や全結合層で統合されて処理され得る。
学習モデルはその種類によってモデルを学習する過程が異なり得る。教師あり学習モデルは入力データと入力データに対応する出力値がラベル値が必要である。サービスサーバー１５０は入力データセットに対するラベル値を設けなければならない。例えば、サービスサーバー１５０は入力データにマッチングされる健康状態をレファレンスＤＢから抽出してラベル値を設けることができる。
一方、サービスサーバー１５０は入力データに対し、同一項目に対する標準値を比較することができる。サービスサーバー１５０は入力データに対する標準値をレファレンスＤＢから抽出して、入力データと標準値の差を決定することができる。例えば、サービスサーバー１５０は個人の睡眠データと標準睡眠データ、個人の臨床データと標準（健康な人）の臨床データ、個人の食飲料成分データと標準食飲料成分データ、個人のマイクロバイオームデータと標準マイクロバイオームデータ、個人のバイオマーカーとゲノム変移データなどを比較して項目別に分析対象である個人の偏差を確認することができる。サービスサーバー１５０は入力データの各項目と標準値の差を学習モデルの入力値とすることができる。この場合、サービスサーバー１５０は該当項目の偏差に対応する健康状態情報をラベル値で設けることができる。
このように、サービスサーバー１５０は多様な項目の入力データ自体または入力データと標準値の偏差を入力データとして入力し、事前に設けられたラベル値を利用して学習モデルを学習することができる。
さらに、サービスサーバー１５０は入力データ基準として学習モデルが推論する結果を専門家または普遍的知識を保有する知識ＤＢを参照して検証することができる。サービスサーバー１５０は検証結果を基準として学習モデルを一定にアップデートしてもよい。
学習モデルが学習されると、サービスサーバー１５０は分析対象である個人の入力データを学習モデルに入力して該当個人の健康状態を推定することができる。
図５は、個人の健康状態による献立および運動実行過程３００に対する例である。
サービスサーバー１５０は個人の健康状態に応じて個人オーダーメイド型献立情報を生成する。サービスサーバー１５０は個人の健康状態を基準として献立ＤＢを参照して健康を増進できる献立の材料を決定する（３１０）。サービスサーバー１５０は決定された献立の材料を基準として個人オーダーメイド型献立管理のためのプログラムを生成することができる（３２０）。
サービスサーバー１５０は食飲料店の位置、メニュー、食材料の値段、セールクーポンなどを提供できるＤＢを内蔵したり接近することができ、関連したＡＰＩが設置された状態と仮定する。この場合、サービスサーバー１５０は３１０で決定された献立の材料によりマッチングされる食品、メニューおよび店に対する情報を生成することができる（３２０）。
サービスサーバー１５０は料理法ＤＢを参照して３１０で決定された献立の材料を基準として料理できる料理メニュー情報を生成することができる（３２０）。サービスサーバー１５０は食品業者ＤＢを参照して３１０で決定された献立の材料を基準としてマッチングされる食品業者を探して店情報を生成することができる（３２０）。
サービスサーバー１５０は個人の健康状態に応じて個人オーダーメイド型運動情報を生成する（３３０）。サービスサーバー１５０は個人の健康状態を基準として運動ＤＢを参照して健康を増進できる運動管理プログラムを生成することができる（３４０）。
サービスサーバー１５０は地域社会の体育施設、スポーツプログラム情報を提供するＤＢを内蔵したり接近することができ、関連したＡＰＩが設置された状態と仮定する。この場合、サービスサーバー１５０は３３０で決定された運動情報によりマッチングされる運動プログラム情報を生成することができる（３４０）。サービスサーバー１５０はパーソナルトレーナープロフィールＤＢを参照して３０で決定された運動情報によりマッチングされるトレーナー情報を生成してもよい（３４０）。サービスサーバー１５０はホームトレーニングコンテンツＤＢを参照して３０３で決定された運動情報によりマッチングされるホームトレーニングコンテンツ情報を生成してもよい（３４０）。サービスサーバー１５０はスポーツ関連業者ＤＢを参照して３３０で決定された運動情報によりマッチングされるスポーツ業者情報を生成してもよい（３４０）。
サービスサーバー１５０は個人オーダーメイド型献立および運動コンテンツを生成することができる（３５０）。サービスサーバー１５０は生成した個人オーダーメイド型献立および運動コンテンツを個人やサービス業者に提供することができる（３６０）。個人は使用者端末を通じて献立および運動コンテンツを確認して献立および運動を決定することができる。個人はＶＲ装置などを利用してホームトレーニングプログラムを実行してもよい。トレーナーは顧客の献立および運動コンテンツを確認し、該当情報に合うプログラムを提供することができる。ソリューション提供企業は個人の献立および運動コンテンツにより個人に合うプログラムを推薦することができる。健康コンサルティング企業は個人の献立および運動コンテンツを参照して該当個人に対する相談をしてもよい。
また、前述したような学習モデル基盤の健康状態推定方法、個人オーダーメイド型献立情報推薦方法および個人オーダーメイド型運動情報推薦方法は、コンピュータで実行され得る実行可能なアルゴリズムを含むプログラム（またはアプリケーション）で具現され得る。前記プログラムは一過性または非一過性の読み取り可能媒体（ｎｏｎ－ｔｒａｎｓｉｔｏｒｙ ｃｏｍｐｕｔｅｒ ｒｅａｄａｂｌｅ ｍｅｄｉｕｍ）に保存されて提供され得る。
非一過性の読み取り可能媒体とは、レジスタ、キャッシュ、メモリなどのように短い瞬間の間データを保存する媒体ではなく、半永久的にデータを保存し、機器によって読み取り（ｒｅａｄｉｎｇ）が可能な媒体を意味する。具体的には、前述っした多様なアプリケーションまたはプログラムはＣＤ、ＤＶＤ、ハードディスク、ブルーレイディスク、ＵＳＢ、メモリカード、ＲＯＭ（ｒｅａｄ－ｏｎｌｙ ｍｅｍｏｒｙ）、ＰＲＯＭ（ｐｒｏｇｒａｍｍａｂｌｅ ｒｅａｄ ｏｎｌｙ ｍｅｍｏｒｙ）、ＥＰＲＯＭ（Ｅｒａｓａｂｌｅ ＰＲＯＭ、ＥＰＲＯＭ）またはＥＥＰＲＯＭ（Ｅｌｅｃｔｒｉｃａｌｌｙ ＥＰＲＯＭ）またはフラッシュメモリなどのような非一過性の読み取り可能媒体に保存されて提供され得る。
一過性の読み取り可能媒体はスタティックラム（Ｓｔａｔｉｃ ＲＡＭ、ＳＲＡＭ）、ダイナミックラム（Ｄｙｎａｍｉｃ ＲＡＭ、ＤＲＡＭ）、シンクロナスディーラム（Ｓｙｎｃｈｒｏｎｏｕｓ ＤＲＡＭ、ＳＤＲＡＭ）、２倍速ＳＤＲＡＭ（Ｄｏｕｂｌｅ Ｄａｔａ Ｒａｔｅ ＳＤＲＡＭ、ＤＤＲ ＳＤＲＡＭ）、増強型ＳＤＲＡＭ（Ｅｎｈａｎｃｅｄ ＳＤＲＡＭ、ＥＳＤＲＡＭ）、同期化ＤＲＡＭ（Ｓｙｎｃｌｉｎｋ ＤＲＡＭ、ＳＬＤＲＡＭ）および直接ランバスラム（Ｄｉｒｅｃｔ Ｒａｍｂｕｓ ＲＡＭ、ＤＲＲＡＭ）のような多様なＲＡＭを意味する。
本実施例および本明細書に添付された図面は前述した技術に含まれる技術的思想の一部を明確に示しているもの過ぎず、前述した技術の明細書および図面に含まれた技術的思想の範囲内で当業者が容易に類推できる変形例と具体的な実施例はすべて前述した技術の権利範囲に含まれるものであることが自明であると言える。
１００ 献立および運動推薦システム
１１０ 使用者端末
１２０ ウェアラブル機器
１３０ ゲノム情報サーバー
１４０ 医療情報サーバー
１５０ サービスサーバー
１８０ サービス端末
１９０ 専門家端末
２００ 献立および運動推薦過程
２０１ アンケート情報および生活習慣情報
２１１ ゲノム分析
２１２ ゲノム情報
２２１ 臨床情報生成
２３１ 健康状態特徴生成
２４１ 健康状態特徴
２４２ 健康状態マッチング献立情報をクェリ
２４３ オーダーメイド型献立情報
２５１ 健康状態特徴
２５２ 健康状態マッチング運動情報クェリ
２５３ オーダーメイド型運動情報
２５４ オーダーメイド型献立／運動情報
２６１ 健康状態特徴＆オーダーメイド型献立／運動情報
２６２ オーダーメイド型献立／運動情報検討
２６３ フィードバック情報、調節された献立／運動情報
２７１ 学習モデルアップデート
２８１ 最終オーダーメイド型献立／運動情報
２９１ 最終オーダーメイド型献立／運動情報
２９２ オーダーメイド型サービス提供
３００ 個人の健康状態による献立および運動実行過程
３１０ 個人オーダーメイド型献立材料
３２０ 個人オーダーメイド型献立管理プログラム
３３０ 個人オーダーメイド型運動
３４０ 個人オーダーメイド型運動管理プログラム
３５０ 個人オーダーメイド型献立および運動コンテンツ生成
３６０ 生成した個人オーダーメイド型献立＆運動コンテンツおよび結果提供
１１０ 使用者端末
１２０ ウェアラブル機器
１３０ ゲノム情報サーバー
１４０ 医療情報サーバー
１５０ サービスサーバー
１８０ サービス端末
１９０ 専門家端末
２００ 献立および運動推薦過程
２０１ アンケート情報および生活習慣情報
２１１ ゲノム分析
２１２ ゲノム情報
２２１ 臨床情報生成
２３１ 健康状態特徴生成
２４１ 健康状態特徴
２４２ 健康状態マッチング献立情報をクェリ
２４３ オーダーメイド型献立情報
２５１ 健康状態特徴
２５２ 健康状態マッチング運動情報クェリ
２５３ オーダーメイド型運動情報
２５４ オーダーメイド型献立／運動情報
２６１ 健康状態特徴＆オーダーメイド型献立／運動情報
２６２ オーダーメイド型献立／運動情報検討
２６３ フィードバック情報、調節された献立／運動情報
２７１ 学習モデルアップデート
２８１ 最終オーダーメイド型献立／運動情報
２９１ 最終オーダーメイド型献立／運動情報
２９２ オーダーメイド型サービス提供
３００ 個人の健康状態による献立および運動実行過程
３１０ 個人オーダーメイド型献立材料
３２０ 個人オーダーメイド型献立管理プログラム
３３０ 個人オーダーメイド型運動
３４０ 個人オーダーメイド型運動管理プログラム
３５０ 個人オーダーメイド型献立および運動コンテンツ生成
３６０ 生成した個人オーダーメイド型献立＆運動コンテンツおよび結果提供
Claims (11)
- 方法であって、
サービスサーバーが特定の個人のゲノム情報を受信する段階；
前記サービスサーバーが前記特定の個人の臨床情報を受信する段階；
前記サービスサーバーが前記特定の個人の生活習慣情報を受信する段階；
前記サービスサーバーが前記ゲノム情報、前記臨床情報および前記生活習慣情報を事前に学習された学習モデルに入力する段階；および
前記サービスサーバーが前記学習モデルから出力する出力値を基準として献立データベースを参照して前記特定の個人に対する献立情報を生成し、前記出力値を基準として運動データベースを参照して前記特定の個人に対する運動情報を生成する段階
を含み、
前記ゲノム情報は宿主のゲノム情報、マイクロバイオームゲノム情報および宿主の後成ゲノム情報を含む、統合的健康情報を利用した献立および運動推薦方法。 - 前記サービスサーバーは
前記ゲノム情報、前記臨床情報および前記生活習慣情報を前記学習モデルの複数の入力段に個別的に入力し、
前記ゲノム情報、前記臨床情報および前記生活習慣情報を一つに統合して２次元マトリクス形態で前記学習モデルに入力する、
請求項１に記載の統合的健康情報を利用した献立および運動推薦方法。 - 前記臨床情報は前記特定の個人が入力したアンケート調査データ、前記特定の個人の医療情報および前記特定の個人の家族の医療情報を含む、請求項１に記載の統合的健康情報を利用した献立および運動推薦方法。
- 前記アンケート調査データは
ストレス回復力、炎症反応、神経系の機能、エネルギー水準の向上（Ｂｏｏｓｔ Ｅｎｅｒｇｙ－Ｌｅｖｅｌ）、食事に対する血糖反応、体質量構成、睡眠、栄養素吸収、肉体的疲労および飲食アレルギーのうち少なくとも複数の項目に対するデータを含む、請求項３に記載の統合的健康情報を利用した献立および運動推薦方法。 - 前記生活習慣情報はＩｏＴ機器を通じて収集され、
睡眠情報および声情報を含む、請求項１に記載の統合的健康情報を利用した献立および運動推薦方法。 - 前記サービスサーバーは前記特定の個人の食品購入履歴および運動プログラム参加履歴を別途のサーバーからさらに受信し、
前記食品購入履歴を基準として前記特定の個人の食品選好度をさらに反映して前記献立情報を生成し、前記運動プログラム参加履歴を基準として前記特定の個人の運動選好度をさらに反映して前記運動情報を生成する、
請求項１に記載の統合的健康情報を利用した献立および運動推薦方法。 - 特定の個人のアンケート情報および生活習慣情報を伝送し、献立情報および運動情報を受信する使用者端末；
前記特定の個人に対するゲノム情報を提供するゲノム情報サーバー；
前記特定の個人の第１医療情報および前記特定の個人の家族の第２医療情報を提供する医療情報サーバー；
健康状態による献立情報を保存する献立データベース；
健康状態による運動情報を保存する運動データベース；および
事前に学習された学習モデルに前記アンケート情報、前記ゲノム情報、前記第１遺伝情報、前記第２遺伝情報および前記生活習慣情報を入力して前記特定の個人に対する出力値を生成し、前記出力値を基準として前記献立データベースを参照して前記特定の個人に対する前記献立情報を生成し、前記出力値を基準として運動データベースを参照して前記特定の個人に対する前記運動情報を生成するサービスサーバー
を含み、
前記ゲノム情報は宿主のゲノム情報、マイクロバイオームゲノム情報および宿主の後成ゲノム情報を含む、統合的健康情報を利用した献立および運動推薦システム。 - 前記アンケート情報はストレス回復力、炎症反応、神経系の機能、エネルギー水準の向上（Ｂｏｏｓｔ Ｅｎｅｒｇｙ－Ｌｅｖｅｌ）、食事に対する血糖反応、体質量構成、睡眠、栄養素吸収、肉体的疲労および飲食アレルギーのうち少なくとも複数の項目に対する情報を含む、請求項７に記載の統合的健康情報を利用した献立および運動推薦システム。
- 前記サービスサーバーは前記特定の個人の食品購入履歴および運動プログラム参加履歴を別途のサーバーからさらに受信し、前記食品購入履歴を基準として前記特定の個人の食品選好度をさらに反映して前記献立情報を生成し、前記運動プログラム参加履歴を基準として前記特定の個人の運動選好度をさらに反映して前記運動情報を生成する、請求項７に記載の統合的健康情報を利用した献立および運動推薦システム。
- 前記献立情報および前記運動情報に対する専門家の検討意見を伝送する専門家端末をさらに含み、
前記サービスサーバーは前記食堂情報および前記運動情報に前記検討意見を追加して前記使用者端末に伝送する、
請求項７に記載の統合的健康情報を利用した献立および運動推薦システム。 - 前記献立情報および前記運動情報に対する専門家の検討意見を伝送する医療機関端末をさらに含み、
前記サービスサーバーは前記検討意見を基準として前記学習モデルのパラメータを更新する、請求項７に記載の統合的健康情報を利用した献立および運動推薦システム。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200158477A KR102258899B1 (ko) | 2020-11-24 | 2020-11-24 | 통합적 건강 정보를 이용한 식단 및 운동 추천 방법 및 서비스 시스템 |
| KR10-2020-0158477 | 2020-11-24 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2022083424A true JP2022083424A (ja) | 2022-06-03 |
Family
ID=76376108
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2021189430A Pending JP2022083424A (ja) | 2020-11-24 | 2021-11-22 | 統合的健康情報を利用した献立および運動推薦方法およびサービスシステム |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US20220165389A1 (ja) |
| EP (1) | EP4002377A1 (ja) |
| JP (1) | JP2022083424A (ja) |
| KR (1) | KR102258899B1 (ja) |
| AU (1) | AU2021269402A1 (ja) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022260414A1 (ko) * | 2021-06-07 | 2022-12-15 | (주) 애니펜 | 콘텐츠를 제공하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능 기록 매체 |
| KR102360654B1 (ko) * | 2021-06-15 | 2022-02-10 | 메디프레쉬주식회사 | 가족력 데이터를 이용한 발생가능 질병에 대한 위험인자 관리용 식단 서비스 제공 시스템 |
| KR102567665B1 (ko) | 2021-09-14 | 2023-08-18 | (주)스테이정글 | 맞춤형 식단 제공 방법 및 장치 |
| KR20230133616A (ko) | 2022-03-11 | 2023-09-19 | (주)인트젠 | 개인 유전정보 및 질환정보를 이용한 식단정보 제공 시스템, 그리고 이를 이용한 개인별 식단정보 제공 방법 |
| KR20240016647A (ko) | 2022-07-29 | 2024-02-06 | 주식회사 메디컬에이아이 | 심전도에 기반한 식단 추천 방법 및 이를 실행하기 위하여 기록매체에 기록된 컴퓨터 프로그램 |
| CN116994709B (zh) * | 2023-06-01 | 2024-04-05 | 精准营养医学科技研究院(深圳)有限公司 | 一种个性化的饮食与运动推荐方法、系统及电子设备 |
| CN116664255A (zh) * | 2023-08-01 | 2023-08-29 | 成都豪杰特科技有限公司 | 基于人工智能的店铺推荐方法和系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001299960A (ja) * | 2000-04-26 | 2001-10-30 | Combi Corp | トレーニング支援システムおよびその方法 |
| WO2004086274A1 (ja) * | 2003-03-24 | 2004-10-07 | Teijin Limited | ゲノム情報を使用した健康情報提供システムおよび方法 |
| JP2009015624A (ja) * | 2007-07-05 | 2009-01-22 | Seiko Epson Corp | 食品情報管理装置、食品情報管理システム、および、食品情報管理方法 |
| JP2009240661A (ja) * | 2008-03-31 | 2009-10-22 | Toyota Motor Corp | 健康管理ネットワークシステム |
| WO2014155690A1 (ja) * | 2013-03-29 | 2014-10-02 | 富士通株式会社 | モデル更新方法、装置、およびプログラム |
| WO2016092912A1 (ja) * | 2014-12-11 | 2016-06-16 | ソニー株式会社 | プログラム及び情報処理システム |
| US20180001184A1 (en) * | 2016-05-02 | 2018-01-04 | Bao Tran | Smart device |
| JP2020035432A (ja) * | 2018-08-24 | 2020-03-05 | 株式会社鈴康 | 情報処理装置、プログラム及び情報処理方法 |
| WO2020157992A1 (ja) * | 2019-02-01 | 2020-08-06 | 本田技研工業株式会社 | 情報処理システム、健康管理システム、プログラム及び情報処理方法 |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090041274A (ko) | 2007-10-23 | 2009-04-28 | 박래웅 | 개인 맞춤형 식단-운동 추천 시스템 |
| EP2321753A1 (en) * | 2008-08-08 | 2011-05-18 | Navigenics INC. | Methods and systems for personalized action plans |
| US20130138447A1 (en) * | 2010-07-19 | 2013-05-30 | Pathway Genomics | Genetic based health management apparatus and methods |
| US10733903B2 (en) * | 2014-09-10 | 2020-08-04 | Pathway Genomics Corporation | Health and wellness management methods and systems useful for the practice thereof |
| US10325685B2 (en) * | 2014-10-21 | 2019-06-18 | uBiome, Inc. | Method and system for characterizing diet-related conditions |
| KR102575272B1 (ko) * | 2017-01-13 | 2023-09-06 | 삼성전자주식회사 | 유전 정보에 기반하여 가이드 정보를 제공하는 전자 장치 및 그 방법 |
| GB201801137D0 (en) * | 2018-01-24 | 2018-03-07 | Fitnessgenes Ltd | Generating optimised workout plans using genetic and physiological data |
| KR102187952B1 (ko) * | 2018-05-14 | 2020-12-08 | 울산과학기술원 | 건강 증진 정보 제공 장치 및 방법 |
| EP3864639A4 (en) * | 2018-10-08 | 2022-07-06 | Viome Life Sciences, Inc. | METHODS AND COMPOSITIONS FOR DETERMINING FOOD RECOMMENDATIONS |
| US20200227172A1 (en) * | 2019-01-14 | 2020-07-16 | Bradley A. Perkins | Determining indicators of individual health |
| US20200321116A1 (en) * | 2019-04-04 | 2020-10-08 | Kpn Innovations, Llc | Methods and systems for generating an alimentary instruction set identifying an individual prognostic mitigation plan |
-
2020
- 2020-11-24 KR KR1020200158477A patent/KR102258899B1/ko active IP Right Grant
-
2021
- 2021-11-18 AU AU2021269402A patent/AU2021269402A1/en not_active Abandoned
- 2021-11-22 JP JP2021189430A patent/JP2022083424A/ja active Pending
- 2021-11-22 US US17/532,381 patent/US20220165389A1/en not_active Abandoned
- 2021-11-24 EP EP21210131.5A patent/EP4002377A1/en not_active Withdrawn
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001299960A (ja) * | 2000-04-26 | 2001-10-30 | Combi Corp | トレーニング支援システムおよびその方法 |
| WO2004086274A1 (ja) * | 2003-03-24 | 2004-10-07 | Teijin Limited | ゲノム情報を使用した健康情報提供システムおよび方法 |
| JP2009015624A (ja) * | 2007-07-05 | 2009-01-22 | Seiko Epson Corp | 食品情報管理装置、食品情報管理システム、および、食品情報管理方法 |
| JP2009240661A (ja) * | 2008-03-31 | 2009-10-22 | Toyota Motor Corp | 健康管理ネットワークシステム |
| WO2014155690A1 (ja) * | 2013-03-29 | 2014-10-02 | 富士通株式会社 | モデル更新方法、装置、およびプログラム |
| WO2016092912A1 (ja) * | 2014-12-11 | 2016-06-16 | ソニー株式会社 | プログラム及び情報処理システム |
| US20180001184A1 (en) * | 2016-05-02 | 2018-01-04 | Bao Tran | Smart device |
| JP2020035432A (ja) * | 2018-08-24 | 2020-03-05 | 株式会社鈴康 | 情報処理装置、プログラム及び情報処理方法 |
| WO2020157992A1 (ja) * | 2019-02-01 | 2020-08-06 | 本田技研工業株式会社 | 情報処理システム、健康管理システム、プログラム及び情報処理方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102258899B1 (ko) | 2021-06-01 |
| AU2021269402A1 (en) | 2022-06-09 |
| EP4002377A1 (en) | 2022-05-25 |
| US20220165389A1 (en) | 2022-05-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102258899B1 (ko) | 통합적 건강 정보를 이용한 식단 및 운동 추천 방법 및 서비스 시스템 | |
| US11133111B2 (en) | Methods and systems for an artificial intelligence support network for vibrant constitutional guidance | |
| US10733903B2 (en) | Health and wellness management methods and systems useful for the practice thereof | |
| US20210005304A1 (en) | Methods and systems for generating a supplement instruction set using artificial intelligence | |
| US11205140B2 (en) | Methods and systems for self-fulfillment of an alimentary instruction set based on vibrant constitutional guidance | |
| US20210098099A1 (en) | Systems and methods for selecting a treatment schema based on user willingness | |
| EP3994544A1 (en) | Methods and systems for achieving vibrant constitution based on user inputs | |
| JP2020532995A (ja) | 鼻マイクロバイオームに関連する鼻関連特徴解析 | |
| WO2022125806A1 (en) | Predicting fractional flow reserve from electrocardiograms and patient records | |
| US11830588B2 (en) | Methods and systems for a physiologically informed virtual support network | |
| US20230409932A1 (en) | Systems and methods for classifying media according to user negative propensities | |
| US11449792B2 (en) | Methods and systems for generating a supplement instruction set using artificial intelligence | |
| US11829895B2 (en) | Methods and systems for physiologically informed gestational inquiries | |
| KR102261270B1 (ko) | 사용자 다중 특징 정보를 이용한 개인 맞춤형 콘텐츠 제공 방법 및 분석장치 | |
| Ahmed et al. | Development of an expert system for diabetic type-2 diet | |
| US20230075896A1 (en) | Methods and systems for customizing treatments | |
| US20220399099A1 (en) | System and method for providing personalized dietary suggestion platform | |
| Huynh et al. | A novel approach for determining meal plan for gestational diabetes mellitus using artificial intelligence | |
| US11250337B2 (en) | Systems and methods for classifying media according to user negative propensities | |
| Sampa et al. | A Machine Learning Web App to Predict Diabetic Blood Glucose Based on a Basic Noninvasive Health Checkup, Sociodemographic Characteristics, and Dietary Information: Case Study | |
| US20240078451A1 (en) | Methods and systems for physiologically informed gestational inquiries | |
| Hippe et al. | Translational Aspects in Precision Nutrition, Personalization, Biomarkers and Healthy Aging | |
| US20220208348A1 (en) | Systems and methods for producing a homeopathic program for managing genetic disorders | |
| Maria et al. | Obesity Risk Prediction Using Machine Learning Approach | |
| US20220208349A1 (en) | Systems and methods for generating a holistic program for managing musculoskeletal system disorders |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211122 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20221221 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230110 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20230807 |