JP2023007687A - 判定装置、判定方法及びプログラム - Google Patents

Abstract

【課題】 将来、対象者が健康に関するハイリスク者であるか否かを推定できる判定装置等を提供する。【解決手段】 本開示の一態様に係る判定装置１０は、対象者を表す対象者データに基づいて、前記対象者の現在の状態を推定する推定部１５０と、現在の状態と将来の状態との関係と、推定された前記現在の状態と、に基づいて、前記対象者がハイリスク者であるか否かを判定するハイリスク判定を行う判定部１６０と、前記ハイリスク判定の結果を出力する出力部１７０と、を備える。【選択図】 図１

Description

本開示は、推定を行う技術に関し、特に、ハイリスク者を推定する技術に関する。

健康に関する推定を行う技術が、例えば以下の文献によって開示されている。

特許文献１には、個人の生体情報に基づいて経時的に評価した健康度と、経時的に取得した予防的介入行動の介入量と、の関係度および影響度を求め、予防的介入行動から相関度が所定値以上である関連予防的介入行動を決定する方法等が記載されている。

特許文献２には、センサによって測定した運転者の生体情報と、事前に設定された許容情報とを比較した結果に基づいて、運転者が運転可能な状態であるかを判定し、判定の結果に基づいて、車両の運行状態を制御する安全運転支援システムが記載されている。

特開２０２０－１６１１８７号広報 特開２０１９－１９９１７６号広報

特許文献１の技術は、個人の現在の健康度を評価する。特許文献２の技術は、運転者が現在運転可能な状態であるか判定する。しかし、特許文献１及び２の技術では、対象者の将来の健康状態を評価することはできない。

本開示の目的の１つは、将来、対象者が健康に関するハイリスク者であるか否かを推定できる判定装置等を提供することである。

本開示の一態様に係る判定装置は、対象者を表す対象者データに基づいて、前記対象者の現在の状態を推定する推定手段と、現在の状態と将来の状態との関係と、推定された前記現在の状態と、に基づいて、前記対象者がハイリスク者であるか否かを判定するハイリスク判定を行う判定手段と、前記ハイリスク判定の結果を出力する出力手段と、を備える。

本開示の一態様に係る判定方法は、対象者を表す対象者データに基づいて、前記対象者の現在の状態を推定し、現在の状態と将来の状態との関係と、推定された前記現在の状態と、に基づいて、前記対象者がハイリスク者であるか否かを判定するハイリスク判定を行い、前記ハイリスク判定の結果を出力する。

本開示の一態様に係るプログラムは、対象者を表す対象者データに基づいて、前記対象者の現在の状態を推定する推定処理と、現在の状態と将来の状態との関係と、推定された前記現在の状態と、に基づいて、前記対象者がハイリスク者であるか否かを判定するハイリスク判定を行う判定処理と、前記ハイリスク判定の結果を出力する出力処理と、をコンピュータに実行させる。

本開示には、対象者が健康に関するハイリスク者であるか否かを推定できるという効果がある。

図１は、本開示の第１の実施形態に係る判定装置の構成の例を表すブロック図である。 図２は、本開示の第１の実施形態に係る判定装置の動作の例を表すフローチャートである。 図３は、本開示の第２、第３の実施形態に係る判定システムの構成の例を表すブロック図である。 図４は、本開示の第２、第３、第４、第５の実施形態に係る判定装置の動作の例を表すフローチャートである。 図５は、本開示の第４の実施形態に係る判定システムの構成の例を表すブロック図である。 図６は、本開示の第５の実施形態に係る判定システムの構成の例を表すブロック図である。 図７は、本開示の実施形態に係る判定装置を実現することができる、コンピュータのハードウェア構成の一例を表す図である。

以下では、本開示の実施形態について図面を使用して詳細に説明する。

＜第１の実施形態＞
まず、本開示の第１の実施形態について図面を使用して詳細に説明する。

＜構成＞
図１は、本開示の第１の実施形態に係る判定装置の構成の例を表すブロック図である。図１に示す例では、本開示の第１の実施形態に係る判定装置は、推定部１５０と、判定部１６０と、出力部１７０とを含む。推定部１５０は、対象者を表す対象者データに基づいて、対象者の現在の状態を推定する。判定部１６０は、現在の状態と将来の状態との関係と、推定された現在の状態と、に基づいて、対象者がハイリスク者であるか否かを判定するハイリスク判定を行う。出力部１７０は、ハイリスク判定の結果を出力する。

対象者データは、例えば、センサによって測定された、対象者の生体データを含む。対象者データは、複数の時点において測定された生体データであってもよい。生体データは、例えば、撮像装置によって撮像された、対象者の顔画像である。撮像装置は、路側、建造物の入り口、建造物の内部、車両の内部等に取り付けられていてよい。撮像装置は、対象者が使用する情報処理装置又は携帯端末装置等に搭載されていてもよい。撮像装置は、対象者が使用する情報処理装置等に接続されていてもよい。生体データは、例えば、センサを備えた、スマートウォッチなどの携帯端末装置によって測定された、運動の状態、歩行の状態、睡眠の状態、体温、心拍数などの、身体の状態を表すデータであってもよい。生体データは、例えば、パルスオキシメータによる測定値であってもよい。生体データは、例えば、自動車のハンドル及びシートなどのいずれかに取り付けられているセンサによって測定された、体温、心拍数、血圧などのデータであってもよい。生体データは、車両等に取り付けられた、呼気の成分を測定する呼気センサによって得られた呼気の成分を表すデータであってもよい。生体データは、例えば、車両に搭載され運転者の顔を撮像する撮像装置によって撮像された画像から推定された、視線の動きを表すデータであってもよい。生体データは、例えば、車両の室内および外気に接する部分に取り付けらえた温度センサによって得られた、室内の温度と外気温との差を表すデータであってもよい。生体データは、他のデータであってもよい。

対象者データは、例えば、対象者の行動に基づくデータの履歴を含んでいてもよい。対象者の行動に基づくデータは、対象者の行動の内容を表すデータであってもよい。対象者の行動の内容を表すデータは、例えば、問診票、健康に関係する質問、又は、アンケートなどへの回答の内容である。対象者の行動の内容を表すデータは、例えば、店舗又はオンラインショップなどにおける、対象者が購入した商品のリストであってもよい。対象者の行動の内容を表すデータは、例えば、飲食店などにおける、対象者が飲食した飲食物のリストであってもよい。

対象者の行動に基づくデータは、対象者の行動の状態を表すデータであってもよい。対象者の行動の状態を表すデータは、例えば、センサを備えた、スマートウォッチなどの携帯端末装置によって測定された、運動の状態、歩行の状態であってもよい。運動の状態は、例えば、加速度センサによって測定された加速度に基づく、運動の負荷の程度の時系列データであってもよい。歩行の状態は、例えば、加速度センサによって測定された加速度に基づく、歩数、歩行の速度、歩行距離等であってもよい。対象者の行動の状態を表すデータは、例えば、前述の問診票、健康に関係する質問、又は、アンケートなどへの回答における、反応の速さを表すデータであってもよい。対象者の行動の状態を表すデータは、例えば、前述の問診票、健康に関係する質問、又は、アンケートなどへの音声による回答における、発音の正確さ及び呂律、受け答えの適切さ等であってもよい。

対象者データは、上述の例に限られない。対象者データは、上述の例を含んでいなくてもよい。対象者データは、既存の様々な方法から選択された方法に従って、予め生成されていてよい。

推定部１５０は、例えば予め学習によって得られた、対象者データから対象者の現在の状態を推定する推定器を使用して、対象者データに基づいて対象者の現在の状態を推定する。

判定部１６０は、例えば予め学習によって得られた現在の状態と将来の状態との関係と、推定された現在の状態と、に基づいて、対象者がハイリスク者であるか否かを判定するハイリスク判定を行う。現在の状態は、例えば、現在までの対象者の健康状態の推移であってもよい。判定部１６０は、現在までの対象者の健康状態の推移から、例えば所定期間以内に対象者が所定の疾病を罹患する可能性を推定する推定器によって、所定期間以内に対象者が所定の疾病を罹患する可能性を、前述の将来の状態として推定してよい。そのような推定器は、例えば学習によってあらかじめ得られていてよい。ハイリスク者は、所定期間以内に所定の疾病を罹患する可能性が所定基準よりも高い人物であってもよい。判定部１６０は、所定期間以内に対象者が所定の疾病を罹患する可能性から、対象者のための医療費（例えば、将来の所定期間以内に対象者に必要な医療費）の金額を推定してもよい。判定部１６０は、例えば予め学習によって得られた、所定期間以内に対象者が所定の疾病を罹患する可能性と、所定期間以内に対象者に必要な医療費の金額と、の関係を使用して、所定期間以内に対象者に必要な医療費の金額を推定してよい。ハイリスク者は、所定期間以内に必要な医療費の推定金額が、所定金額よりも多い人物であってもよい。

＜動作＞
図２は、本開示の第１の実施形態に係る判定装置の動作の例を表すフローチャートである。図２に示す例では、まず、推定部１５０が、対象者データに基づいて、対象者の現在の状態を推定する（ステップＳ１０１）。判定部１６０は、現在の状態と将来の状態との関係に基づいて、推定された現在の状態から、対象者がハイリスク者であるか否かを判定するハイリスク判定を行う（ステップＳ１０２）。そして、出力部１７０が、ハイリスク判定の結果を出力する（ステップＳ１０３）。

＜効果＞
本実施形態には、対象者が健康に関するハイリスク者であるか否かを推定できるという効果がある。その理由は、推定部１５０が、対象者データに基づいて現在の状態を推定し、判定部１６０が、現在の状態と将来の状態との関係に基づいて、推定された現在の状態から、対象者がハイリスク者であるか否かを判定するからである。

＜第２の実施形態＞
次に、本開示の第２の実施形態について、図面を使用して詳細に説明する。

＜構成＞
図３は、本開示の第２の実施形態に係る判定システムの構成の例を表すブロック図である。図３に示す例では、本開示の第２の実施形態に係る判定システム１は、判定装置１００と、センサ２００と、サーバ３００と、出力先装置４００とを含む。判定システム１は、複数のセンサ２００を含んでいてよい。判定システム１は、複数のサーバ３００を含んでいてよい。判定装置１００は、センサ２００、サーバ３００、及び、出力先装置４００の各々と通信可能に接続されている。センサ２００は、サーバ３００と通信可能に接続されていてもよい。

＜センサ２００＞
本実施形態では、センサ２００は、対象者又は対象者の行動を測定するセンサである。対象者データは、対象者の状態又は対象者の行動の状態を表すデータである。以下では、センサ２００の具体例について説明する。本実施形態では、センサ２００の少なくともいずれかが、認証用の生体データを測定する。認証用生体データは、例えば、撮像装置であるセンサ２００によって得らえた、顔画像、指紋画像、静脈画像、又は、虹彩画像などである。認証用生体データは、例えば、マイクロホンであるセンサ２００によって得られた、声紋認証又は耳音響認証のための音声データであってもよい。認証用データは、以上の例に限られない。認証用の生体データは、センサ２００が設置されている場所における、ドア、ゲート、又は、コンピュータなどのロック解除などのための認証に使用された生体データであってもよい。認証用の生体データは、センサ２００が設置されている場所における認証に使用されていないが、認証に使用できる生体データであってもよい。センサ２００及びセンサ２００によって取得されるデータの具体例については、後で詳細に説明する。

センサ２００は、通信機能を備えていてもよい。センサ２００は、通信機能を備えた装置に接続されていてもよい。センサ２００は、通信機能を備えた装置に搭載されていてもよい。センサ２００、又は、センサ２００に接続されている装置、又は、センサ２００が搭載されている装置等は、センサ２００によって得られた測定データを、判定装置１００に送信する。センサ２００、又は、センサ２００に接続されている装置、又は、センサ２００が搭載されている装置等は、センサ２００によって得られた測定データを、サーバ３００に送信してもよい。

＜センサ２００の具体例＞
センサ２００は、例えば、撮像装置である。撮像装置は、例えば、街角、路側、建造物の出入り口、建造物の内部、部屋の出入り口、部屋の内部、車内などに設置される、可視光イメージセンサ又は赤外光イメージセンサなどを使用した撮像装置である。この場合、センサ２００による測定によって得られる対象者データは、例えば、対象者の顔画像、虹彩画像、対象者が歩行する状態が撮像された画像などである。

センサ２００は、例えば、スマートウォッチなどの携帯端末装置に搭載された、加速度センサ、温度センサ、心拍センサなどである。この場合、センサ２００による測定によって得られる対象者データは、例えば、歩数、歩行速度、歩数及び歩行速度の少なくともいずれかに基づく運動強度、睡眠の状態を表す睡眠情報、体温、心拍数などである。

センサ２００は、例えば、ドア等のロックの解除のための生体認証に使用される生体情報を測定するセンサである。センサ２００は、例えば、コンピュータ又は携帯端末等のロックの解除のための生体認証に使用される生体情報を測定するセンサである。この場合のセンサ２００は、可視光イメージセンサ又は赤外光イメージセンサ等が搭載された、上述の撮像装置である。この場合のセンサ２００は、例えば、指紋センサ、静脈センサ、マイクロホンなどを使用した超音波センサなどである。この場合の生体情報は、例えば、顔認証に使用された顔画像、指紋認証に使用された指紋画像、静脈認証に使用された静脈画像、虹彩認証に使用された虹彩画像などである。この場合の生体情報は、例えば、耳音響認証に使用された、外耳道に対して超音波を発信した後にその外耳道において測定された超音波データである。

センサ２００は、例えば、生体認証を行う際に、測定の対象が生体であるか否かを判定するためのデータを取得するためのセンサであってもよい。測定の対象が生体であるか否かを判定するためのデータは、例えば、血流を測定するための超音波センサ又は赤外線レーザ光を測定するセンサである。この場合、生体情報は、血流の速度のデータである。例えば、センサ２００によって対象物内の血流の速度が測定され、血流の速度が所定速度以上である場合に、対象物は生体であると判定される。

センサ２００は、例えば、スマートハウスにおける設備又は機器に搭載されたセンサである。スマートハウスは、例えば、家屋内の設備及び機器が通信ネットワークで接続され、通信ネットワークを使用して設備と装置と、それらが使用する電気及びバスなどのエネルギーとが制御される家屋である。この場合、センサ２００は、例えば、冷蔵庫に搭載され、冷蔵庫の内部を撮像するカメラである。そして、対象者データは、冷蔵庫の内部が撮像された画像に基づいて、食材を推定する既存の画像認識技術に基づいて認識された食材の種類から、食材から摂取される栄養の種類等を推定する既存の推定技術のいずれかによって推定された、食事の所定の栄養成分の重量のデータを含んでいてよい。センサ２００は、食卓を撮像する撮像装置であってもよい。この場合、対象者データは、例えば、食卓が撮像されたデータに基づいて推定された食事の内容、食事の栄養成分の量、及び、それらから既存の推定技術に基づいて推定された対象者の栄養状態を表すデータである。対象者データは、食卓において食事を摂取する人物を含む範囲を撮像する撮像装置であってもよい。この場合、対象者データは、撮像された映像に基づいて推定された、食事の速さを表すデータ（例えば、食事の時間）を含んでいてよい。センサは、例えば食器に搭載された、食物の重量を測定する重量センサ、及び、食物の所定の成分の濃度を測定する成分測定センサなどの組み合わせであってよい。所定の成分は、例えば、食塩であってもよい。所定の成分は、例えば、所定の油脂であってもよい。食物の重量は、例えば、食卓に置かれた時の定常状態の重量から、重量の減少後の定常状態の重量との差であってよい。この場合、対象者データは、食物の所定の成分の濃度と食物の量とに基づいて推定された、食事の所定の成分の量を含んでいてよい。対象者データは、１つ以上の食器の重量センサによって測定された、いずれかの食器の食物の重量が減少し始めてからすべての食器の食物の重量が定常状態になるまでの時間にもとづいて推定された、食事時間を含んでいてよい。食器ごとの食物の成分は、食卓を撮像した画像に基づいて推定された食物の種類と、食器に搭載された重量センサ及び成分測定センサの組み合わせによって推定された食物の重量及び所定の成分の濃度と、に基づいて推定されてもよい。センサ２００は、例えば、便座等に搭載された体温センサなどのセンサである。この場合、対象者データは、体温等の対象者の健康状態を推定するデータである。センサ２００は、便座に取り付けられた、臭いセンサ及び光学センサなどのセンサであってもよい。光学センサは、カラーイメージセンサを備えた撮像装置、又は、色を検出するカラーセンサと、光源との組み合わせであってもよい。この場合、対象者データは、例えば、検出された臭い及び色に基づいて既存の推定技術によって推定された、対象者の健康状態である。センサ２００は、例えば、家庭用電気機器が使用されているかいないかを検出するセンサであってもよい。その場合、センサ２００は、例えば、機器の電源がオンになっている場合、その機器が使用されていることを検出し、機器の電源がオフ又はスタンバイ状態になっている場合、その機器が使用されていないことを検出してよい。この場合、対象者データは、機器ごとの使用時間である。センサがスマートハウス内に取り付けらえている場合、例えば顔認証などの個人認証技術によって対象者を特定し、特定された対象者ごとに、対象者データが取得されていてよい。

センサ２００は、例えば、自動車のハンドル付近及び座席などに取り付けられた、体温、心拍数、血圧、呼気の成分、温度センサ、心拍数センサ、呼気センサなどである。この場合、対象者情報は、例えば、体温、心拍数、血圧、呼気の成分などである。センサ２００は、例えば、可視光イメージセンサ又は赤外光イメージセンサを搭載した撮像装置と、その撮像装置によって得られた画像に基づいて視線の方向を推定する視線方向推定装置との組み合わせであってもよい。この撮像装置は、例えば、自動車のハンドル付近、車内のバックミラー、又は、フロントウインドウの上部の天井付近等に取り付けられる。この場合、対象者情報は、例えば、視線の方向の推移を含む。センサ２００は、室内の気温及び外部の気温を測定する温度センサであってもよい。センサ２００は、エアーコンディショナー（すなわち、エアコン）の設定温度を取得する装置であってもよい。

＜サーバ３００＞
本実施形態では、サーバ３００は、上述のセンサ２００によって得られた測定データを記憶する、記憶装置を備えたサーバ装置である。サーバ３００は、上述のセンサ２００から測定データを受け取り、受け取った測定データを記憶する。また、サーバ３００は、記憶している測定データを、判定装置１００に送信する。本実施形態では、判定システム１は、必ずしもサーバ３００を含んでいなくてもよい。

＜出力先装置４００＞
出力先装置４００は、例えば、表示装置、記憶装置、又は、情報処理装置などである。出力先装置４００は、判定装置１００からデータを受け取る。出力先装置４００が、表示装置、又は、表示装置を備えた情報処理装置である場合、出力先装置４００は、受け取ったデータを適宜設定された表示形式に従って表示してよい。出力先装置４００が、記憶装置、又は、記憶装置を備えた情報処理装置である場合、出力先装置４００は、受け取ったデータを適宜設定された形式に従って記憶してよい。

＜判定装置１００＞
図３に示す例では、判定装置１００は、取得部１１０と、生成部１２０と、認証部１３０と、特定部１４０と、推定部１５０と、判定部１６０と、出力部１７０と、データ記憶部１８０とを含む。

＜取得部１１０＞
取得部１１０は、センサ２００から、センサ２００によって得られた測定データを取得する。取得部１１０は、さらに、サーバ３００から、サーバ３００に格納されている測定データを取得する。取得部１１０は、取得した測定データを、生成部１２０に送出する。

取得部１１０によって取得された測定データ少なくとも一部が、上述の対象者データであってもよい。取得部１１０によって取得された測定データの少なくとも一部が、上述の対象者データを生成するための測定データであってもよい。言い換えると、測定データの少なくとも一部から、例えば後述の生成部１２０によって、上述の対象者データが生成される。

＜生成部１２０＞
生成部１２０は、取得部１１０から測定データを受け取る。生成部１２０は、受け取った測定データに基づいて、対象者データを生成する。例えば、取得した測定データが、対象者データを生成するための測定データを含む場合、生成部１２０は、対象者データを生成するための測定データから、対象者データを生成する。生成部１２０は、測定データの一部または全部を、対象者データとしてもよい。測定データに基づいて生成された対象者データを、測定データに基づく対象者データとも表記する。生成部１２０は、対象者データを、認証部１３０に送出する。

以下では、取得部１１０がセンサ２００又はサーバ３００から取得し、生成部１２０が取得部から受け取った対象者データを、特に、測定対象者データとも表記する。上述の「取得したデータ」が、測定対象者データである。生成部１２０によって生成された対象者データを、生成対象者データと表記する。測定対象者データのうち、生成対象者データの生成に使用されるデータを、生データと表記する。上述の、対象者データを生成するための測定データが、生データである。生成部１２０は、受け取った測定対象者データから、必ずしも生成対象者データを生成しなくてよい。言い換えると、測定対象者データは、必ずしも生データを含んでいなくてよい。生成部１２０が生成対象者データを生成する場合、生成部１２０は、生成対象者データを含む対象者データを認証部１３０に送出する。生成部１２０から認証部１３０に送出される対象者データは、生データの一部又は全部を含んでいなくてもよい。また、生成部１２０は、対象者データのうち、対象者の現在の状態の推定に使用されるデータの形式を、適宜定められた、推定部１５０が扱える形式に変換してもよい。

＜対象者データの具体例＞
測定データが、例えば、顔画像、指紋画像、静脈画像、虹彩画像、血圧、心拍数、呼気の成分などの測定対象の成分、又は、気温などの測定値等を表すデータである場合、生成部１２０は、測定データを対象者データとする。測定データが、例えば、冷蔵庫の内部の画像である場合、生成部１２０は、測定データである冷蔵庫の内部の画像から、既存の画像認識技術によって、冷蔵庫において冷蔵されている食材を認識する。そして、生成部１２０は、食材ごとに、認識した食材の成分としてあらかじめ得られている栄養の成分の割合を特定する。取得したデータが、例えば、食事の栄養成分と食事の重量とを含む場合、生成部１２０は、取得したデータから、栄養成分ごとの重量を対象者データとして生成する。取得したデータが、例えば、家庭用電気機器が使用された時間のデータを含む場合、生成部１２０は、取得したデータに含まれる家庭用電気機器が使用された時間のデータから、例えば、対象者の睡眠時間及び外出時間などの少なくともいずれかを、対象者データとして生成する。

＜認証部１３０＞
認証部１３０は、生成部１２０から、対象者データを受け取る。認証部１３０は、受け取った対象者データのうち、認証用の生体データを使用して、個人認証を行う。具体的には、認証部１３０は、受け取った対象者データのうち認証用の生体データから特徴量を抽出し、抽出した特徴量と、個人認証を行うための登録データ（例えば、登録されている特徴量）とを比較することによって、個人認証を行う。登録データは、対象者の識別子と関連付けられていてよい。個人認証の方法は、既存の方法のいずれかであってよい。個人認証を行うための登録データは、予め、認証部１３０に登録されている。上述のように、認証用生体データは、例えば、顔画像、指紋画像、静脈画像、又は、虹彩画像などである。認証用生体データは、例えば、声紋認証又は耳音響認証のための音声データであってもよい。認証部１３０は、対象者データに含まれる顔画像を使用して、顔認証を行う。認証部１３０は、対象者データに含まれる指紋画像を使用して、指紋認証を行ってもよい。認証部１３０は、対象者データに含まれる静脈画像を使用して、静脈認証を行ってもよい。認証部１３０は、対象者データに含まれる虹彩画像を使用して、虹彩認証を行ってもよい。認証部１３０は、声紋認証のための音声データを使用して、声紋認証を行ってもよい。認証部１３０は、耳音響認証のための音声データを使用して、耳音響認証を行ってもよい。認証部１３０は、例えば対象者データに含まれる認証部１３０が行う個人認証の種類は、あらかじめ定められていてよい。

個人認証によって、認証用の生体データが取得された対象者が、登録データが登録されている対象者の中から特定された場合、認証部１３０は、特定された対象者の対象者データと、受け取った対象者データとを、特定された対象者の対象者データは、成功した個人認証に使用された対象者データである。成功した個人認証は、対象者が特定された個人認証である。認証部１３０は、特定された対象者の対象者データとして、例えば、特定された対象者の識別子（以下、対象者識別子とも表記）が関連付けられた対象者データを送出する。

＜特定部１４０＞
特定部１４０は、対象者データと、特定された対象者を表すデータとを、認証部１３０から受け取る。特定部１４０は、受け取った対象者データのうち、特定された対象者の対象者データを特定する。対象者データにおいて、個人認証に使用される認証用の生体データが取得された対象者と同じ対象者の対象者データを表す情報は、予め特定部１４０に登録される。例えば、各センサ２００に異なる識別子が割り当てられ、センサ２００に割り当てられている識別子が、センサ２００によって得られた対象者データに関連付けられていてよい。そして、同一の対象者を測定するように配置された複数のセンサ２００に割り当てられている識別子が、互いに関連付けられていてよい。

特定部１４０は、例えば、同一の携帯端末に搭載されている複数のセンサによって取得された対象者データは、同一の対象者の対象者データとして特定する。特定部１４０は、例えば、車両の運転席に座っている対象者から複数のセンサによって取得された、認証用の生体データを含む複数の種類の対象者データを、認証用の生体データを使用した認証によって特定された対象者と同一の対象者の対象者データとして特定する。

特定部１４０は、測定時の複数のセンサ２００の配置を、それらの複数のセンサ２００とは異なるセンサ２００の測定データに基づいて特定した配置データに基づいて、同一の対象者を測定するように配置された複数のセンサ２００の組み合わせを特定してもよい。

例えば、食器にセンサ２００が搭載されている場合、食器に搭載されているセンサ２００の対象者データには、例えばテーブルにおける食器の位置の情報が付加されていてもよい。そのような位置の情報は、例えば、ＲＦＩＤ（Ｒａｄｉｏ Ｆｒｅｑｕｅｎｃｙ ＩＤｅｎｔｉｆｉｅｒ）と呼ばれるＩＣ（Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｑｕｉｔ）タグを使用して取得することができる。この場合、例えば、ＲＦＩＤが個々の食器に付加され、テーブルには座席ごとのＲＦＩＤタグを読み取るアンテナがセンサ２００の１つとして配置され、センサ２００であるアンテナが、座席ごとのＲＦＩＤタグの情報が読み取る。センサ２００は、読み取った座席ごとのＲＦＩＤタグの情報を、対象者データの一部として、取得部１１０、生成部１２０、認証部１３０を介して、特定部１４０に送られる。この場合、食器の位置は、その食器のＲＦＩＤタグが読み取ったセンサ２００が配置されている座席に定められる。また、認証部１３０が、テーブルに着席する対象者の顔を撮像した画像に対して顔認証を行うことによって、テーブルごとの利用者を特定する。特定部１４０は、特定した対象者が座っていた座席に位置していた食器の対象者データを、その対象者の対象者データとする。また、個々の食器に、ＲＦＩＤの代わりにバーコードが描かれていてもよい。バーコードの位置は、例えば、食物に隠されにくく、テーブルを撮像する撮像装置であるセンサ２００によって撮像されやすい場所に描かれる。１つの食器に同じ複数のバーコードが描かれていてもよい。この場合、テーブルが撮像された画像が、対象者情報の一部として、取得部１１０、生成部１２０、認証部１３０を介して、特定部１４０に送られる。特定部１４０は、画像のバーコードを読み取り、その画像のテーブルの領域における、読み取られたバーコードが存在する領域がどの座席の領域であるかを特定する。ことによって、読み取られたバーコードが描かれている食器のテーブルにおける配置を特定する。認証部１３０が、テーブルに着席する対象者の顔を撮像した画像に対して顔認証を行うことによって、テーブルごとの利用者を特定する。特定部１４０は、特定した対象者が座っていた座席に位置していた食器の対象者データを、その対象者の対象者データとする。

例えば、自動車の運転席に座っている対象者を測定した複数のセンサ２００（言い換えると、それらの複数のセンサ２００の識別子）は、予め、互いに関連付けられる。そして、自動車の運転席に座っている対象者の顔が登録されている場合、認証部１３０は、それらの複数のセンサ２００によって得られた対象者データのうち、その対象者の顔を撮像した画像に対する個人認証によって、運転席に座っている対象者を特定する。そのような対象者データを受け取った場合、特定部１４０は、例えば、それらの複数のセンサ２００によって得られた対象者データを、その対象者データのうち顔を撮像した画像に対する顔認証によって特定された対象者の対象者データとして特定する。

特定部１４０は、対象者を特定した対象者データを、対象者ごとに、データ記憶部１８０に格納する。言い換えると、特定部１４０は、対象者を特定した対象者データを、その対象者の識別子を関連付け、対象者の識別子が関連付けられた対象者データを、データ記憶部１８０に格納する。

上述のセンサ２００は、例えば、測定データが得られると、測定データを取得部１１０に送信する。言い換えると、センサ２００は、複数の時点において得られた測定データを、取得部１１０に送信する。センサ２００は、例えば継続的に、得られた測定データを、取得部１１０に送信する。また、サーバ３００には、複数の時点において得られた、測定データを保持する。サーバ３００には、例えば継続的に得られた、測定データを保持する。生成部１２０は、そのような測定データに基づいて、複数の時点における（言い換えると、継続的な）対象者データを生成する。認証部１３０は、複数の時点における（言い換えると、継続的に得られる）対象者データの対象者を特定する。特定部１４０は、複数の時点における（言い換えると、継続的に得られる）対象者データを、対象者ごとに、データ記憶部１８０に格納する。

＜データ記憶部１８０＞
データ記憶部１８０は、対象者ごとに、対象者データを記憶する。さらに具体的には、データ記憶部１８０は、対象者ごとに、複数の時点における（言い換えると、継続的に得られた）対象者データを記憶する。データ記憶部１８０が記憶する対象者データは、その対象者データが、状態及び行動の状態等の少なくともいずれかを表す、対象者の識別子と関連付けられている。

＜推定部１５０＞
推定部１５０は、対象者ごとに、データ記憶部１８０に格納されている対象者データに基づいて、対象者の現在の状態を推定する。推定部１５０は、例えば学習の結果に基づいて、対象者の対象者データから、その対象者の現在の状態を推定する。学習の結果は、例えば、予め学習等によって得られている、対象者データと対象者の現在の状態との関係である。学習の結果は、入力として対象データを受け取り、出力として対象者の現在の状態を出力する推定器であってもよい。対象者の現在の状態は、例えば、対象者の状態の現在までの推移であってもよい。対象者の状態は、例えば、対象者の心身の状態、及び、対象者の行動の状態の少なくともいずれかである。対象者の心身の状態は、対象者の身体の健康に関連する状態、及び、対象者の精神の健康に関係する状態の少なくともいずれかを含んでいてよい。対象者の行動の状態は、例えば、対象者の心身の健康の状態に関連する行動の状態を表していてよい。

対象者の現在の状態は、例えば、所定の疾病を罹患する可能性に影響する要因としてあらかじめ判明している、対象者の状態である。所定の疾病は、予め適宜定められていてもよい。所定の疾病は、罹患した人物の治療において支出される医療費が増加する疾病としてあらかじめ判明している疾病であってもよい。対象者の現在の状態は、例えば、医療費が増加する要因としてあらかじめ判明している、対象者の状態であってもよい。

推定部１５０は、対象者ごとの、推定された現在の状態を表すデータを、判定部１６０に送出する。

＜判定部１６０＞
判定部１６０は、推定された、対象者ごとの現在の状態を表すデータを、推定部１５０から受け取る。判定部１６０は、対象者ごとに、現在の状態と将来の状態との関係と、受け取った、推定された対象者の現在の状態とに基づいて、対象者がハイリスク者であるか否かを判定する、ハイリスク判定を行う。将来の状態は、例えば、所定の方法によって定められた将来の時期において、所定の疾病の罹患に関する評価値（例えば、可能性を表す値、又は、確率等）によって表される。ハイリスク者は、例えば、所定の方法によって定められた将来の時期において、所定の疾病の罹患に関する評価値であるハイリスクポイントが所定基準よりも大きい対象者である。現在の状態と所定の方法によって定められた将来の時期におけるハイリスクポイントとの関係は、予め、例えば学習によって導出され、判定部１６０に与えられている。判定部１６０は、現在の状態とハイリスクポイントとの関係と、推定された、対象者の現在の状況とに基づいてハイリスクポイントを算出し、算出したハイリスクポイントを使用して、ハイリスク判定を行ってよい。将来の時期は、例えば、対象者と同じ年齢の人の平均余命であってもよい。将来の時期は、予め定められた期間後の時期であってもよい。

ハイリスクポイントは、例えば、前述の所定の疾病を罹患する可能性を表す数値であってもよい。この場合、ハイリスク者は、例えば、所定の方法によって定められた将来の時期において、前述の所定の疾病を罹患する可能性が所定基準よりも大きい対象者である。上述のように、将来の時期は、例えば、対象者の年齢が平均余命に達する時期であってもよい。この場合、所定の方法は、現在から対象者の平均余命が経過した時期を算出する方法であってよい。将来の時期は、現在から所定期間が経過した時期であってもよい。ハイリスクポイントは、例えば、上述の将来の時期までに要する医療費の推定金額を表す値であってもよい。この場合、ハイリスク者は、例えば、上述の将来の時期における、医療費の推定金額が所定金額よりも大きい対象者である。

判定部１６０は、複数の種類のハイリスクポイントを算出してもよい。判定部１６０は、例えば、第１のハイリスクポイントとして前述の所定の疾病を罹患する可能性を表す数値を算出し、第２のハイリスクポイントとして上述の将来の時期における医療費の推定金額を算出してよい。判定部１６０は、複数のハイリスクポイントの少なくともいずれかのハイリスクポイントが、そのハイリスクポイントについての閾値を超えた場合に、対象者がハイリスク者であると判定してよい。判定部１６０は、複数のハイリスクポイントに関する条件式を用いて、ハイリスク判定を行ってもよい。ハイリスクポイントは、以上の例に限られない。

ハイリスク判定において、判定部１６０は、判定の内容を生成してもよい。判定の内容は、疾病ごとの罹患する可能性の程度を表す値（例えば、確率などのリスクの高さを表す数値）であってもよい。判定の内容は、対象者ごとの、罹患する可能性が所定の基準よりも大きい疾病のリストであってもよい。判定の内容は、対象者ごとの、罹患する可能性が所定の基準よりも大きい疾病とその疾病を罹患する可能性の程度を表す値との組み合わせのリストであってもよい。判定の内容は、対象者ごとの、罹患する可能性のある疾病の治療に必要な医療費の推定金額及び推定金額の合計の少なくともいずれかであってもよい。判定の内容は、対象者ごとの、罹患する可能性が所定基準よりも高い疾病の治療に必要な医療費の推定金額及び推定金額の合計の少なくともいずれかであってもよい。

なお、判定部１６０は、現在の状態と、所定の方法によって定められた将来の時期における、前述の所定の疾病の罹患の状態（言い換えると、罹患した疾病の程度）の分布との関係に基づいて、対象者の現在の状態から、所定の疾病の罹患の状態の分布を判定してもよい。判定部１６０は、現在の状態と、所定の方法によって定められた将来の時期における、前述の所定の疾病の罹患の状態（言い換えると、罹患した疾病の程度）の分布との関係として、例えば、予め学習によって求められている関係を使用する。疾病の罹患の状態の分布は、例えば、疾病の重さを表す複数の疾病ランクと、所定の方法によって定められた将来の時期において対象者がその疾病を罹患し、罹患した疾病の重さが疾病ランクである可能性の程度と、によって表されていてよい。可能性の程度は、確率であってよい。さらに、複数の疾病ランクの各々について、一般的に必要な医療費の金額があらかじめ求められていてよい。判定部１６０は、例えば、所定の方法によって定められた将来の時期における、対象者の所定の疾病の重さとして、最も可能性の程度が高い疾病ランクを特定する。判定部１６０は、さらに、所定の方法によって定められた将来の時期において、所定の疾病を罹患し、その疾病の重さが特定した疾病ランクである場合の、一般的に必要な医療費の金額が、その対象者がその疾病のために必要な医療費の推定金額であると判定してよい。必要な医療費の金額を判定する方法は、以上の例に限られない。例えば、判定部１６０は、可能性の程度として確率を使用する。そして、判定部１６０は、所定の疾病を罹患しその疾病の重さが所定ランクである場合に一般的に必要な医療費の金額と、対象者の所定の疾病の重さが疾病ランクである確率と、の積を、複数の疾病ランクの各々について算出する。さらに、判定部１６０は、複数の疾病ランクについて算出した積の総和を算出する。所定の疾病が１つである場合、算出した総和を、対象者に必要な医療費の推定金額とする。複数の疾病が所定の疾病として定められている場合、判定部１６０は、複数の疾病について算出した総和の合計を算出する。そして、判定部１６０は、算出した総和の合計を、対象者に必要な医療費の推定金額とする。

判定の内容は、上述の、所定の方法によって定められた将来の時期における、前述の所定の疾病の罹患の状態（例えば、疾病の罹患の状態の分布、言い換えると、所定の疾病の疾病ランクごとの可能性の程度）であってもよい。判定の内容は、疾病ランクごとの、必要な医療費の金額であってもよい。判定の内容は、対象者に必要な医療費の推定金額であってもよい。判定の内容は、所定の疾病ごとの、対象者に必要な医療費の推定金額であってもよい。判定の内容は、所定の方法によって定められた将来の時期における、前述の所定の疾病の罹患の状態と、対象者に必要な医療費の推定金額との組み合わせであってもよい。

判定部１６０は、生成した判定の内容に基づいて、上述のハイリスク判定を行ってよい。

判定部１６０は、ハイリスク判定の結果を、出力部１７０に送出する。ハイリスク判定の結果は、対象者ごとの、対象者がハイリスク者であるか否かを表す情報であってよい。ハイリスク判定の結果は、ハイリスク者であると判定された対象者のリストであってもよい。ハイリスク判定の結果は、ハイリスク者であると判定された対象者とその対象者の判定の内容との組み合わせのリストであってもよい。

＜出力部１７０＞
出力部１７０は、判定部１６０から、ハイリスク判定の結果を受け取る。出力部１７０は、ハイリスク判定の結果を、出力先装置４００に送出する。

＜動作＞
次に、本開示の第２の実施形態に係る判定装置１００の動作について、図面を使用して詳細に説明する。

図４は、本開示の第２の実施形態に係る判定装置１００の動作の例を表すフローチャートである。図４に示す例では、まず、取得部１１０が、センサ２００及びサーバ３００の少なくともいずれかから、測定データを取得する（ステップＳ２０１）。次に、生成部１２０が、測定データから対象者データを生成する（ステップＳ２０２）。次に、認証部１３０が、対象者データのうち生体データを使用して、個人認証を行う（ステップＳ２０３）。特定部１４０は、個人認証の結果に基づいて、対象者の対象者データを特定する（ステップＳ２０４）。特定部１４０は、特定した対象者データを、対象者ごとに、データ記憶部１８０に格納する。

推定部１５０は、データ記憶部１８０から対象者データを読み出し、読み出した対象者データに基づいて、対象者の現在の状態を推定する（ステップＳ２０５）。さらに、判定部１６０が、現在の状態と将来の状態との関係に基づいて、対象者がハイリスク者であるか否かを判定するハイリスク判定を行う（ステップＳ２０６）。そして、出力部１７０が、ハイリスク判定の結果を出力する（ステップＳ２０７）。そして、判定装置１００は、図４に示す動作を終了する。

＜効果＞
本開示には、第１の実施形態の効果と同じ効果がある。その理由は、第１の実施形態の効果が生じる理由と同じである。

＜第２の実施形態の第１の変形例＞
センサ２００が設置されている場所において生体認証が行われる場合、取得部１１０は、生体認証の際に生体データから抽出された特徴量をセンサ２００又はサーバ３００から取得してもよい。取得部１１０は、生成部１２０を介して、特徴量を認証部１３０に送出する。取得部１１０は、特徴量を生成部１２０に送出し、生成部１２０は、受け取った特徴量を認証部１３０に送出する。認証部１３０は、受け取った特徴量と、登録されている認証用の特徴量と、を比較することによって、認証を行う。

＜第２の実施形態の第２の変形例＞
判定装置１００は、データ記憶部１８０を含んでいなくてもよい。その場合、特定部１４０は、対象者データを推定部１５０に送出する。推定部１５０は、特定部１４０から、対象者データを受け取る。

＜第２の実施形態の第３の変形例＞
上述のように、推定部１５０は、例えば学習の結果に基づいて、対象者ごとに、対象者データに基づいて、対象者の現在の状態を推定する。また、判定部１６０は、例えば予め学習によって得られた現在の状態と将来の状態との関係と、推定された現在の状態と、に基づいて、対象者がハイリスク者であるか否かを判定するハイリスク判定を行う。この「学習の結果」は、対象者の状態を推定するための学習モデルであると言える。また「予め学習によって得られた現在の状態と将来の状態との関係」は、対象者がハイリスク者であるか否かを判定するハイリスク判定を行うための学習モデルであると言える。これらの学習モデルの作成は、例えば、適宜選択された適切なＡＩ（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ）エンジンを使用して、対象者データの各種形式の組み合わせパターンから精度の高い学習モデルを選出することによって行われる。また、対象者データ、対象者の状態を表すデータ、及び、対象者がハイリスク者であるか否かを表すデータの蓄積に伴って、継続的に、例えば適宜定められたタイミングで、学習モデルの更新及び新たな学習モデルの作成が行われる。それにより、対象者の現在の状態の推定の制度及びハイリスク判定の制度を向上できる。なお、本変形例は、本開示の他の実施形態にも適用できる。

＜第２の実施形態の第４の変形例＞
判定部１６０は、ハイリスク者であると判定された対象者の、現在の状態及び将来の状態の少なくともいずれかに基づいて、対象者がハイリスク者となる可能性を低減できる対策を判定してもよい。対象者がハイリスク者となる可能性を低減できる対策は、例えば、現在の状態及び将来の状態の少なくともいずれかに関する条件に当てはまる対象者への対策として、医師などによってあらかじめ定められていてよい。判定部１６０は、現在の状態及び将来の状態の少なくともいずれかが予め定められている条件を満たすか判定してよい。判定部１６０は、現在の状態及び将来の状態の少なくともいずれかが予め定められている条件を満たす場合に、その条件に足して定められている対策を、象者がハイリスク者となる可能性を低減できる対策と判定してもよい。対象者がハイリスク者となる可能性を低減できる対策の判定の方法は、この例に限られない。判定部１６０は、対象者がハイリスク者となる可能性を低減できる対策の情報を、ハイリスク判定の結果の一部として出力部１７０に送出する。出力部１７０は、対象者がハイリスク者となる可能性を低減できる対策の情報を含む、ハイリスク判定の結果を出力する。なお、本変形例は、本開示の他の実施形態にも適用できる。

＜第３の実施形態＞
次に、本開示の第３の実施形態について、図面を使用して詳細に説明する。

＜構成＞
本開示の第３の実施形態に係る判定システム１の構成は、図３に示す、本開示の第２の実施形態に係る判定システム１の構成と同じである。また、本実施形態に係る判定装置１００の構成は、図３に示す、第２の実施形態の判定装置１００と同じである。以下では、本実施形態と第２の実施形態との相違点を中心に説明する。本実施形態の判定装置１００に含まれる部は、以下で説明する相違点を除いて、第２の実施形態の判定装置１００に含まれ、同じ名称及び同じ符号が付与されている部と同じである。本実施形態の判定装置１００に含まれる部は、以下で説明する相違点を除いて、第２の実施形態の判定装置１００に含まれ、同じ名称及び同じ符号が付与されている部の動作と同様の動作を行う。

＜センサ２００＞
本実施形態では、センサ２００は、監視カメラ等（例えば、街頭に設置されている街頭カメラ、及び、施設内に設置されている施設内カメラ等）の撮像装置である。センサ２００は、施設及び部屋等の入り口に設置されているカメラ、及び、コンピュータなどの情報処理端末に搭載されているカメラ等であってもよい。また、認証のための生体データを取得するセンサ２００は、上述の監視カメラ、又は、上述の監視カメラの少なくともいずれかによって撮像されている対象者の生体情報を取得できる他のセンサであってよい。他のセンサは、例えば、指紋センサ、静脈センサ、マイクロホンなどである。

センサ２００のうち撮像装置は、対象者の顔、又は、対象者の顔を含む全身を撮像できるように構成されている。測定データは、対象者の顔又は顔を含む全身が撮像された画像を含む。認証のための生体データが画像ではない場合、測定データは、さらに、認証のための生体データを含む。

センサ２００は、第２の実施形態において例示したセンサ２００を含んでいてもよい。

＜推定部１５０＞
推定部１５０は、撮像装置であるセンサ２００によって得られた、対象者データに含まれる画像（動画像を含む）から、対象者の現在の状態を推定してもよい。推定部１５０は、対象者データに含まれる全身画像から、対象者の現在の状態として、肥満の程度、又は、肥満の程度の推移を推定してもよい。推定部１５０は、対象者データに含まれる顔画像から、対象者の現在の状態として、顔色、又は、顔色の推移を推定してもよい。推定部１５０は、対象者データに含まれる顔画像又は身体の画像から、対象者の現在の状態として、対象者の、震えなどの異常状態の有無、又は、異常状態の有無の推移を推定してもよい。推定部１５０は、対象者データに含まれる、複数の時点における顔画像（言い換えると、顔画像の経年変化）から、対象者の現在の状態として、疾病の有無、又は、疾病の有無の推移を推定してもよい。推定部１５０は、対象者データに含まれる、複数の時点における顔画像（言い換えると、顔画像の経年変化）から、対象者の現在の状態として、老化の度合い、又は、老化の度合いの推移を推定してもよい。

＜判定部１６０＞
本実施形態の判定部１６０は、対象者の現在の状態として、上で例示した対象者の現在の状態を使用することを除いて、第２の実施形態の判定部１６０と同じである。

＜動作＞
図４は、本開示の第３の実施形態に係る判定装置１００の動作の例を表すフローチャートである。本実施形態の判定装置１００の動作は、図４に示す、第２の実施形態の判定装置１００の動作と同じである。

＜効果＞
本実施形態には、第１の実施形態の効果と同じ効果がある。その理由は、第１の実施形態の効果が生じる理由と同じである。

＜第４の実施形態＞
次に、本開示の第４の実施形態について、図面を使用して詳細に説明する。

＜構成＞
図５は、本開示の第４の実施形態に係る判定システム２の構成の例を表すブロック図である。本実施形態の判定システム２の構成は、判定装置１００と、センサ２００と、サーバ３００と、出力先装置４００と、に加えて、センサ２００を含むユーザ端末５００を含む。本実施形態の判定装置１００の構成は、第２の実施形態の判定装置１００の構成と同じである。以下では、本実施形態と第２の実施形態との相違点を中心に説明する。本実施形態の判定装置１００に含まれる部は、以下で説明する相違点を除いて、第２の実施形態の判定装置１００に含まれ、同じ名称及び同じ符号が付与されている部と同じである。本実施形態の判定装置１００に含まれる部は、以下で説明する相違点を除いて、第２の実施形態の判定装置１００に含まれ、同じ名称及び同じ符号が付与されている部の動作と同様の動作を行う。

＜取得部１１０＞
本実施形態では、取得部１１０は、質問事項（例えば、アンケート、問診票など）を、ユーザ端末５００に送信し、ユーザ端末５００から、質問事項に対する対象者の回答を表すデータを受け取る。取得部１１０は、さらに、対象者による回答の動作を表す情報を取得してもよい。回答の動作を表す情報は、例えば、回答の入力のタイミング及びスピードである。

取得部１１０は、１つの質問（具体的には、質問を表すデータ）の送信と、その質問に対する回答（具体的には、回答を表すデータ）の受信とを繰り返すように構成されていてもよい。言い換えると、取得部１１０は、質問を表すデータを送信し、送信した質問に対する回答を受け取ってから、次の質問を表すデータを送信するように構成されていてもよい。

質問を表すデータは、テキスト情報を含むデータであってもよい。テキスト情報は、テキストデータ、及び、テキストを含む他の形式のデータなどである。テキストを含む他の形式のデータは、例えば、マークアップ言語などによって記述されたデータ、及び、画像などである。

質問を表すデータは、音声データであってもよい。回答を表すデータも、音声データであってもよい。質問を表すデータが音声データでない場合であっても、回答データが、音声データであってよい。

＜ユーザ端末５００＞
ユーザ端末５００は、センサ２００を搭載し、通信機能を備えた情報処理装置である。ユーザ端末５００は、表示装置と入力装置とを備える。ユーザ端末５００は、例えば、スマートフォン、タブレット端末、及び、パーソナルコンピュータ等である。ユーザ端末５００が、センサ２００によって得られた測定データをセンサ２００から受け取り、通信機能を使用して判定装置１００に送信する。なお、判定装置１００の取得部１１０は、センサ２００によって得られた測定データを、ユーザ端末５００から受け取る。言い換えると、判定装置１００の取得部１１０は、測定データを、ユーザ端末５００を介してセンサ２００から取得する。

ユーザ端末５００は、例えば、取得部１１０から、質問の情報を受け取り、受け取った質問の情報に従って、対象者に質問を提示する。ユーザ端末５００は、例えば、受け取った質問の情報によって表される質問を、ユーザ端末５００の表示装置に表示する。ユーザ端末５００は、例えば、受け取った質問の情報を表す音声データを生成し、生成した音声データによって表される音声を、ユーザ端末５００が備えるスピーカによって出力してもよい。

ユーザ端末５００は、提示した質問に対するユーザによる回答を受け取る。ユーザ端末５００は、ユーザ端末５００が備える入力装置（例えば、タッチパネル、キーボード及びマウスなど）を用いて対象者によって入力された回答をその入力装置から受け取る。入力装置は、マイクロホンであってもよい。ユーザ端末５００は、提示した質問に対して、ユーザが音声によってユーザ端末５００マイクロホンを用いて行った回答を、音声信号として受け取ってもよい。ユーザ端末５００は、受け取った音声信号を判定装置１００が認識できる形式の音声データに変換し、得られた音声データを測定データとして判定装置１００に送信する。

また、ユーザ端末５００は、ユーザ端末５００を使用して行ったオンラインの通信販売によって、対象者が購入した品物の購入履歴を保持し、保持している購入履歴のデータを、判定装置１００に送信してもよい。以下の説明では、判定装置１００が取得する、測定データ以外の対象者のデータ及び対象者の行動のデータを、記録データと表記する。記録データとして送信される購入履歴は、健康に悪影響を及ぼす可能性がある嗜好品（例えば、菓子、タバコ、アルコールなど）の購入履歴であってもよい。

ユーザ端末５００は、対象者が利用した飲食店の情報を、記録データの少なくとも一部として判定装置１００に送信してもよい。ユーザ端末５００は、例えば、ユーザ端末５００を利用して予約を行った、飲食店（例えば、アルコールを提供する飲食店）の利用履歴を、記録データの少なくとも一部として判定装置１００に送信する。

＜センサ２００＞
本実施形態では、センサ２００は、対象者が自身を撮像することができる撮像装置である。センサ２００は、例えば、スマートフォン、タブレット端末、及び、パーソナルコンピュータ等の、通信機能を備えた、上述のユーザ端末５００に搭載されている撮像装置である。その情報処理端末が、センサ２００によって撮像された画像を、判定装置１００に送信する。

本実施形態のセンサ２００は、認証のための生体データを取得するセンサ２００を含んでいなくてよい。センサ２００によって撮像された画像を判定装置１００に送信する情報処理装置が、対象者の対象者識別子を保持する。そして、その情報処理装置が、測定データと、測定データに関連付けられた対象者識別子とを、判定装置１００に送信する。

また、本実施形態のセンサ２００は、認証のための生体データを取得するセンサ２００を含んでいてもよい。その場合の例を、第４の実施形態の第１の変形例として後述する。

センサ２００のうち撮像装置は、対象者の顔、又は、対象者の顔を含む全身を撮像できるように構成されている。測定データは、対象者の顔又は顔を含む全身が撮像された画像を含む。

センサ２００は、加速度センサ及び位置センサの少なくともいずれかを含んでいてもよい。位置センサは、例えば、ＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎ Ｓｙｓｔｅｍ）又は類似のシステムを使用して、緯度及び経度などによって表される位置の情報を取得する装置であってもよい。この場合、測定データは、加速度の推移及び位置の推移の少なくともいずれかを含んでいてよい。

＜サーバ３００＞
サーバ３００は、測定データに加えて、上述の記録データを記憶する。記録データは、例えば対象者による操作によって、ユーザ端末５００からサーバ３００に送信され、記憶されてもよい。記録データは、例えば対象者による操作によって、オンライン通信販売のサーバから、サーバ３００に送信され、記憶されてもよい。記録データは、例えば対象者による操作によって、飲食店の予約サイトのサーバからサーバ３００に送信され、記憶されてもよい。

サーバ３００は、測定データと記録データとを、判定装置１００の取得部１１０に送信する。

＜生成部１２０＞
生成部１２０は、測定データおよび記録データから、対象者データを生成する。生成部１２０は、測定データおよび記録データのうち、推定部１５０によって対象者の現在の状態の推定のために使用されるデータの形式を、あらかじめ定められた、推定部１５０が扱える形式に変更してもよい。また、生成部１２０は、測定データ及び記録データの形式の変更は、例えば、記録データである状態又は行動の状態に関する履歴を、対象者データとしての頻度又は量の推移に変更することであってもよい。生成部１２０は、例えば、記録データである嗜好品の購入履歴から、対象者データとしての、嗜好品ごとの購入量の推移を生成してもよい。生成部１２０は、例えば、記録データであるアルコールを提供する飲食店の利用の履歴から、対象者データとしての、アルコールを提供する飲食店の利用の頻度の推移を生成してもよい。

＜認証部１３０＞
本実施形態では、判定装置１００は、認証部１３０を含まなくてよい。判定装置１００が認証部１３０を含まない場合、生成部１２０は、対象者データを、特定部１４０に送出する。特定部１４０は、生成部１２０から対象データを受け取る。

＜推定部１５０＞
推定部１５０は、以下で説明する本実施形態の対象者データに対する動作を除いて、第３の実施形態の推定部１５０の動作と同様の動作を行う。

推定部１５０は、対象者データのうち、加速度の推移から、対象者の現在の状態として、運動の負荷及び運動の時間の長さの少なくともいずれかを推定してもよい。その際、推定部１５０は、加速度の推移から、歩行時及び走行時における加速度の変化のパターンを抽出してよい。そして、推定部１５０は、パターンが抽出された部分の長さに対応する時間の長さを、対象者の運動の時間の長さと推定してよい。推定部１５０は、パターンが抽出された部分における加速度の大きさ委に基づいて、対象者の運動の強度を推定してもよい。推定部１５０は、対象者データのうち、位置の推移から、移動距離を推定してもよい。推定部１５０は、対象者データのうち、加速度の推移と位置の推移とから、運動の強度として、対象者の運動による移動の距離を推定してもよい。具体的には、推定部１５０は、例えば、加速度の推移において、歩行時及び走行時における加速度の変化のパターンが抽出された部分における、位置の変化の大きさから、対象者の運動による移動の距離を推定する。上述のように、対象者の現在の状態は、対象者の現在までの状態の推移を含む。推定部１５０は、対象者の現在の状態として、運動の負荷及び長さの現在までの推移を推定してもよい。

推定部１５０は、嗜好品の購入の履歴（具体的には、嗜好品の購入の数量の推移）と、嗜好品の単位数量当たりの健康への負荷の大きさとから、対象者の現在の状態として、健康への負荷の大きさの推移を推定してもよい。嗜好品の単位数量当たりの健康への負荷の大きさは、嗜好品の種類ごとにあらかじめ定められていてよい。単位数量は、嗜好品の種類ことに予め適宜定められていてよい。推定部１５０は、アルコールを提供する飲食店の１回の利用による健康への負荷の大きさはと、アルコールを提供する飲食店の利用頻度の推移とから、対象者の現在の状態として、健康への負荷の大きさの推移を推定してもよい。アルコールを提供する飲食店の１回の利用による健康への負荷の大きさは、例えば、対象者によって入力された、対象者が飲食店の１回の利用で摂取するアルコールの標準的な量に基づいて定められていてよい。

対象者データが、例えば問診票又はアンケートなどに対する回答の音声データである場合、推定部１５０は、音声データに基づいて、対象者の健康状態を推定してよい。推定部１５０は、例えば、既存の呂律の判定方法のいずれかを用いて対象者の音声における呂律の状態を判定してよい。推定部１５０は、さらに、発声の呂律の状態から発声者の状態を推定する既存の方法を用いて、判定された呂律の状態から対象者の健康状態及び認知症の程度の少なくともいずれかを推定してよい。

また、推定部１５０は、問診票又はアンケートの質問に対する、対象者による回答の内容の適切性に基づいて、対象者の認知症の程度を推定してもよい。推定部１５０は、例えば、回答が音声データである場合は、回答の音声データに対して一般的な音声認識を行うことによって、回答のテキストデータを生成する。推定部１５０は、質問に対する回答の適切性を判定する判定器を用いて、問診票又はアンケートの質問に対する、対象者の回答の適切性を判定してよい。この判定器は、例えば機械学習などによって予め構成されていてよい。

＜判定部１６０＞
本実施形態の判定部１６０は、対象者の現在の状態として、上で例示した対象者の現在の状態を使用することを除いて、第２の実施形態の判定部１６０と同じである。

＜動作＞
本実施形態の判定装置１００の動作は、図３に示す、第２の実施形態の判定装置１００の動作と同じである。本実施形態の判定装置１００は、第２の実施形態の判定装置１００と同様に動作する。

＜効果＞
本実施形態には、第１の実施形態と同じ効果がある。その理由は第１の実施形態の効果が生じる理由と同じである。

＜第４の実施形態の第１の変形例＞
第４の実施形態の第１の変形例では、センサ２００の少なくとも１つとして、個人認証のための生体情報を取得するセンサ２００を含む。認証のための生体データを取得するセンサ２００は、撮像装置、又は、対象者が上述の撮像装置の少なくともいずれかによって撮像されている間に生体情報を取得できる他のセンサであってもよい。他のセンサは、例えば、指紋センサ、静脈センサ、マイクロホンなどである。本変形例では、ユーザ端末５００は、対象者の対象者識別子を、判定装置１００に送信しない。認証のための生体データが画像ではない場合、測定データは、さらに、認証のための生体データを含む。

本変形例では、判定装置１００は、認証部１３０を含む。認証部１３０は、第３の実施形態の認証部１３０と同様に動作する。

他の点において、本変形例は、第４の実施形態と同じである。

＜第４の実施形態の第２の変形例＞
第４の実施形態の第２の変形例では、センサ２００は、通信機能を備えない、デジタルカメラ等の撮像装置である。その場合、例えば対象者が、センサ２００とユーザ端末５００とを接続する通信ケーブルを介して、センサ２００によって撮像された画像を、通信機能を備えたコンピュータなどのユーザ端末５００に転送させる。センサ２００は、記録媒体に測定データを書き込む機能を備えていてもよい。その場合、例えば対象者が、測定データが格納された記録媒体を介して、センサ２００によって撮像された画像を、測定データとして、通信機能を備えたコンピュータなどのユーザ端末５００に転送させる。

他の点において、本変形例は、第４の実施形態と同じである。

＜第５の実施形態＞
次に、本開示の第５の実施形態について、図面を使用しながら詳細に説明する。

＜構成＞
図６は、本開示の第５の実施形態に係る判定システム３の構成の例を表すブロック図である。図６に示す例では、本実施形態の判定システム３は、判定装置１００と、サーバ３００と、出力先装置４００とを含む。本実施形態の判定システム３は、以下で説明する相違点を除いて、第２の実施形態の判定システム１と同じである。本実施形態の判定装置１００は、以下で説明する相違点を除いて、第２の実施形態の判定装置１００と同じである。本実施形態の判定装置１００は、以下で説明する相違点を除いて、第２の実施形態の判定装置１００と同様に動作する。本実施形態の判定装置１００が含む部は、以下で説明する相違点を除いて、第２の実施形態の判定装置１００が含む、同じ名称及び同じ符号が付与されている部と同じである。

＜サーバ３００＞
サーバ３００は、対象者が利用した、健康保険及び介護保険などの保険のデータ（保険データ）を記憶する。保険データは、上述の記録データの１種である。保険データは、例えば、保険を利用した日付、検査の内容、診断された病名などを含む。保険データは、対象者ごとにサーバ３００に格納されている。例えば、サーバ３００は、保険データを、対象者の識別子が関連付けられている記録データとして記憶する。記録データに関連付けられている対象者の識別子は、第２の実施形態の対象者識別子と同じであってもよい。記録データに関連付けられている対象者の識別子は、第２の実施形態の対象者識別子と関連付けられていてもよい。

＜取得部１１０＞
取得部１１０は、サーバ３００に格納されている記録データを取得する。

＜生成部１２０＞
生成部１２０は、記録データから対象者データを生成する。生成部１２０は、例えば、保険データから、記録データとして、例えば、病名ごとの受診の所定期間ごとの頻度の履歴を生成してよい。所定期間は、予め適宜定められていてよい。

＜推定部１５０＞
本実施形態の推定部１５０は、対象者データと対象者の現在の状態との関係に基づいて、得られた対象者データに基づいて対象者の現在の状態を推定する。本実施形態では、対象者データは、例えば、病名ごとの受診の所定期間ごとの頻度の履歴である。また、対象者の現在の状態は、例えば、対象者の現在までの健康状態の推移である。健康状態の推移は、例えば、疾病の罹患の履歴である。本実施形態の健康状態の推移における疾病は、上述の特定の疾病に限られない。

＜判定部１６０＞
本実施形態の判定部１６０は、対象者の現在の状態として、上で例示した対象者の現在の状態を使用することを除いて、第２の実施形態の判定部１６０と同じである。

＜動作＞
図４は、本開示の第５の実施形態に係る判定装置１００の動作の例を表すフローチャートである。本実施形態の判定装置１００は、第２の実施形態の判定装置１００と同様に動作する。

＜効果＞
本実施形態には、第１の実施形態と同じ効果がある。その理由は第１の実施形態の効果が生じる理由と同じである。

＜第５の実施形態の変形例＞
本変形例では、推定部１５０は、対象者の現在の状態を、保険のデータ（例えば、病名ごとの受診の所定期間ごとの頻度の履歴、すなわち、記録データから生成された対象者データの前述の例）とする。判定部１６０は、予め学習によって得られた、保険データ（例えば、病名ごとの受診の所定期間ごとの頻度の履歴）と将来の健康の状態との関係と、得られた対象者の保険データと、に基づいて、ハイリスク者を抽出する。

＜他の実施形態＞
上述の実施形態に係る判定装置１０及び判定装置１００は、メモリにロードされたプログラムを実行するプロセッサを含むコンピュータによって実現できる。判定装置１０及び判定装置１００は、専用のハードウェアによっても実現できる。判定装置１０及び判定装置１００は、前述のコンピュータと専用のハードウェアとの組み合わせによっても実現できる。

図７は、本開示の実施形態に係る判定装置を実現することができる、コンピュータ１０００のハードウェア構成の一例を表す図である。図７に示す例では、コンピュータ１０００は、プロセッサ１００１と、メモリ１００２と、記憶装置１００３と、Ｉ／Ｏ（Ｉｎｐｕｔ／Ｏｕｔｐｕｔ）インタフェース１００４とを含む。また、コンピュータ１０００は、記憶媒体１００５にアクセスすることができる。メモリ１００２と記憶装置１００３は、例えば、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ハードディスクなどの記憶装置である。記憶媒体１００５は、例えば、ＲＡＭ、ハードディスクなどの記憶装置、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、可搬記憶媒体である。記憶装置１００３が記憶媒体１００５であってもよい。プロセッサ１００１は、メモリ１００２と、記憶装置１００３に対して、データやプログラムの読み出しと書き込みを行える。プロセッサ１００１は、Ｉ／Ｏインタフェース１００４を介して、例えば、センサ２００、サーバ３００、出力先装置４００、及び、ユーザ端末５００にアクセスできる。プロセッサ１００１は、記憶媒体１００５にアクセスできる。記憶媒体１００５には、コンピュータ１０００を、本開示の実施形態に係る判定装置として動作させるプログラムが格納される。

プロセッサ１００１は、記憶媒体１００５に格納されている、コンピュータ１０００を、本開示の実施形態に係る判定装置として動作させるプログラムを、メモリ１００２にロードする。そして、プロセッサ１００１が、メモリ１００２にロードされたプログラムを実行することにより、コンピュータ１０００は、本開示の実施形態に係る判定装置として動作する。

取得部１１０、生成部１２０、認証部１３０、特定部１４０、推定部１５０、判定部１６０、出力部１７０は、例えば、メモリ１００２にロードされたプログラムを実行するプロセッサ１００１により実現できる。データ記憶部１８０は、コンピュータ１０００が含むメモリ１００２やハードディスク装置等の記憶装置１００３により実現できる。取得部１１０、生成部１２０、認証部１３０、特定部１４０、推定部１５０、判定部１６０、出力部１７０、データ記憶部１８０の一部又は全部を、各部の機能を実現する専用の回路によっても実現できる。

また、上記の実施形態の一部又は全部は、以下の付記のようにも記載されうるが、以下には限られない。

（付記１）
対象者を表す対象者データに基づいて、前記対象者の現在の状態を推定する推定手段と、
現在の状態と将来の状態との関係と、推定された前記現在の状態と、に基づいて、前記対象者がハイリスク者であるか否かを判定するハイリスク判定を行う判定手段と、
前記ハイリスク判定の結果を出力する出力手段と、
を備える判定装置。

（付記２）
前記対象者データは、測定された前記対象者の生体データを含み、
前記判定装置は、
前記生体データを用いて前記対象者を特定する個人認証を行う認証手段と、
前記個人認証の結果に基づいて、前記対象者の前記対象者データを特定する特定手段と、
を備え、
前記推定手段は、前記対象者の前記対象者データとして特定された前記対象者データを用いて、前記対象者の前記現在の状態を推定する
付記１に記載の判定装置。

（付記３）
前記判定手段は、前記将来の状態として、前記対象者のための医療費を推定し、推定された前記医療費が所定金額を超える前記対象者が前記ハイリスク者であると判定する
付記１又は２に記載の判定装置。

（付記４）
前記判定手段は、前記将来の状態として、前記対象者が所定の疾病に罹患する可能性を推定し、推定された当該可能性が所定基準を超える場合、前記対象者が前記ハイリスク者であると判定する
付記１乃至３のいずれか１項に記載の判定装置。

（付記５）
前記対象者データは、前記対象者の行動の内容を表す行動内容データを含む
付記１乃至４のいずれか１項に記載の判定装置。

（付記６）
前記対象者データは、複数の時点において測定された前記対象者の測定データを含む
付記１乃至５のいずれか１項に記載の判定装置。

（付記７）
前記対象者データは、質問に対する前記対象者の行動の状態を表す行動状態データを含む
付記１乃至６のいずれか１項に記載の判定装置。

（付記８）
前記対象者データは、前記対象者の保険の利用データを含む
付記１乃至７のいずれか１項に記載の判定装置。

（付記９）
対象者を表す対象者データに基づいて、前記対象者の現在の状態を推定し、
現在の状態と将来の状態との関係と、推定された前記現在の状態と、に基づいて、前記対象者がハイリスク者であるか否かを判定するハイリスク判定を行い、
前記ハイリスク判定の結果を出力する、
判定方法。

（付記１０）
前記対象者データは、測定された前記対象者の生体データを含み、
前記生体データを用いて前記対象者を特定する個人認証を行い、
前記個人認証の結果に基づいて、前記対象者の前記対象者データを特定し、
前記対象者の前記対象者データとして特定された前記対象者データを用いて、前記対象者の前記現在の状態を推定する
付記９に記載の判定方法。

（付記１１）
前記将来の状態として、前記対象者のための医療費を推定し、推定された前記医療費が所定金額を超える前記対象者が前記ハイリスク者であると判定する
付記９又は１０に記載の判定方法。

（付記１２）
前記将来の状態として、前記対象者が所定の疾病に罹患する可能性を推定し、推定された当該可能性が所定基準を超える場合、前記対象者が前記ハイリスク者であると判定する
付記９乃至１１のいずれか１項に記載の判定方法。

（付記１３）
前記対象者データは、前記対象者の行動の内容を表す行動内容データを含む
付記９乃至１２のいずれか１項に記載の判定方法。

（付記１４）
前記対象者データは、複数の時点において測定された前記対象者の測定データを含む
付記９乃至１３のいずれか１項に記載の判定方法。

（付記１５）
前記対象者データは、質問に対する前記対象者の行動の状態を表す行動状態データを含む
付記９乃至１４のいずれか１項に記載の判定方法。

（付記１６）
前記対象者データは、前記対象者の保険の利用データを含む
付記９乃至１５のいずれか１項に記載の判定方法。

（付記１７）
対象者を表す対象者データに基づいて、前記対象者の現在の状態を推定する推定処理と、
現在の状態と将来の状態との関係と、推定された前記現在の状態と、に基づいて、前記対象者がハイリスク者であるか否かを判定するハイリスク判定を行う判定処理と、
前記ハイリスク判定の結果を出力する出力処理と、
をコンピュータに実行させるプログラム。

（付記１８）
前記対象者データは、測定された前記対象者の生体データを含み、
前記プログラムは、
前記生体データを用いて前記対象者を特定する個人認証を行う認証処理と、
前記個人認証の結果に基づいて、前記対象者の前記対象者データを特定する特定処理と、
をさらにコンピュータに実行させ、
前記推定処理は、前記対象者の前記対象者データとして特定された前記対象者データを用いて、前記対象者の前記現在の状態を推定する
付記１７に記載のプログラム。

（付記１９）
前記判定処理は、前記将来の状態として、前記対象者のための医療費を推定し、推定された前記医療費が所定金額を超える前記対象者が前記ハイリスク者であると判定する
付記１７又は１８に記載のプログラム。

（付記２０）
前記判定処理は、前記将来の状態として、前記対象者が所定の疾病に罹患する可能性を推定し、推定された当該可能性が所定基準を超える場合、前記対象者が前記ハイリスク者であると判定する
付記１７乃至１９のいずれか１項に記載のプログラム。

（付記２１）
前記対象者データは、前記対象者の行動の内容を表す行動内容データを含む
付記１７乃至２０のいずれか１項に記載のプログラム。

（付記２２）
前記対象者データは、複数の時点において測定された前記対象者の測定データを含む
付記１７乃至２１のいずれか１項に記載のプログラム。

（付記２３）
前記対象者データは、質問に対する前記対象者の行動の状態を表す行動状態データを含む
付記１７乃至２２のいずれか１項に記載のプログラム。

（付記２４）
前記対象者データは、前記対象者の保険の利用データを含む
付記１７乃至２３のいずれか１項に記載のプログラム。

以上、実施形態を参照して本発明を説明したが、本発明は上記実施形態に限定されるものではない。本発明の構成や詳細には、本発明のスコープ内で当業者が理解し得る様々な変更をすることができる。

１ 判定システム
２ 判定システム
３ 判定システム
１０ 判定装置
１００ 判定装置
１１０ 取得部
１２０ 生成部
１３０ 認証部
１４０ 特定部
１５０ 推定部
１６０ 判定部
１７０ 出力部
１８０ データ記憶部
２００ センサ
３００ サーバ
４００ 出力先装置
５００ ユーザ端末
１０００ コンピュータ
１００１ プロセッサ
１００２ メモリ
１００３ 記憶装置
１００４ Ｉ／Ｏインタフェース
１００５ 記憶媒体

Claims (10)

1. 対象者を表す対象者データに基づいて、前記対象者の現在の状態を推定する推定手段と、
   現在の状態と将来の状態との関係と、推定された前記現在の状態と、に基づいて、前記対象者がハイリスク者であるか否かを判定するハイリスク判定を行う判定手段と、
   前記ハイリスク判定の結果を出力する出力手段と、
   を備える判定装置。
2. 前記対象者データは、測定された前記対象者の生体データを含み、
   前記判定装置は、
   前記生体データを用いて前記対象者を特定する個人認証を行う認証手段と、
   前記個人認証の結果に基づいて、前記対象者の前記対象者データを特定する特定手段と、
   を備え、
   前記推定手段は、前記対象者の前記対象者データとして特定された前記対象者データを用いて、前記対象者の前記現在の状態を推定する
   請求項１に記載の判定装置。
3. 前記判定手段は、前記将来の状態として、前記対象者のための医療費を推定し、推定された前記医療費が所定金額を超える前記対象者が前記ハイリスク者であると判定する
   請求項１又は２に記載の判定装置。
4. 前記判定手段は、前記将来の状態として、前記対象者が所定の疾病に罹患する可能性を推定し、推定された当該可能性が所定基準を超える場合、前記対象者が前記ハイリスク者であると判定する
   請求項１乃至３のいずれか１項に記載の判定装置。
5. 前記対象者データは、前記対象者の行動の内容を表す行動内容データを含む
   請求項１乃至４のいずれか１項に記載の判定装置。
6. 前記対象者データは、複数の時点において測定された前記対象者の測定データを含む
   請求項１乃至５のいずれか１項に記載の判定装置。
7. 前記対象者データは、質問に対する前記対象者の行動の状態を表す行動状態データを含む
   請求項１乃至６のいずれか１項に記載の判定装置。
8. 前記対象者データは、前記対象者の保険の利用データを含む
   請求項１乃至７のいずれか１項に記載の判定装置。
9. 対象者を表す対象者データに基づいて、前記対象者の現在の状態を推定し、
   現在の状態と将来の状態との関係と、推定された前記現在の状態と、に基づいて、前記対象者がハイリスク者であるか否かを判定するハイリスク判定を行い、
   前記ハイリスク判定の結果を出力する、
   判定方法。
10. 対象者を表す対象者データに基づいて、前記対象者の現在の状態を推定する推定処理と、
    現在の状態と将来の状態との関係と、推定された前記現在の状態と、に基づいて、前記対象者がハイリスク者であるか否かを判定するハイリスク判定を行う判定処理と、
    前記ハイリスク判定の結果を出力する出力処理と、
    をコンピュータに実行させるプログラム。

Images