JP2023048825A - 情報処理装置、情報処理方法及び情報処理プログラム - Google Patents
情報処理装置、情報処理方法及び情報処理プログラム Download PDFInfo
- Publication number
- JP2023048825A JP2023048825A JP2021158359A JP2021158359A JP2023048825A JP 2023048825 A JP2023048825 A JP 2023048825A JP 2021158359 A JP2021158359 A JP 2021158359A JP 2021158359 A JP2021158359 A JP 2021158359A JP 2023048825 A JP2023048825 A JP 2023048825A
- Authority
- JP
- Japan
- Prior art keywords
- information processing
- information
- user
- aggravation
- risk
- 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
- 230000010365 information processing Effects 0.000 title claims abstract description 73
- 238000003672 processing method Methods 0.000 title claims abstract description 7
- 201000010099 disease Diseases 0.000 claims abstract description 44
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 44
- 230000002159 abnormal effect Effects 0.000 claims abstract description 25
- 210000004369 blood Anatomy 0.000 claims description 56
- 239000008280 blood Substances 0.000 claims description 56
- 238000000034 method Methods 0.000 claims description 32
- 208000015181 infectious disease Diseases 0.000 claims description 19
- 208000035473 Communicable disease Diseases 0.000 claims description 17
- 230000006806 disease prevention Effects 0.000 claims description 11
- 230000003449 preventive effect Effects 0.000 claims description 9
- 230000036772 blood pressure Effects 0.000 claims description 7
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 5
- 229910052760 oxygen Inorganic materials 0.000 claims description 5
- 239000001301 oxygen Substances 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 5
- 238000009795 derivation Methods 0.000 description 17
- 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 15
- 239000008103 glucose Substances 0.000 description 15
- 238000012545 processing Methods 0.000 description 12
- 230000006399 behavior Effects 0.000 description 9
- 208000025721 COVID-19 Diseases 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000009471 action Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 4
- 201000002859 sleep apnea Diseases 0.000 description 4
- 208000024891 symptom Diseases 0.000 description 4
- 206010020772 Hypertension Diseases 0.000 description 3
- 206010003119 arrhythmia Diseases 0.000 description 3
- 230000006793 arrhythmia Effects 0.000 description 3
- 206010012601 diabetes mellitus Diseases 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 208000001528 Coronaviridae Infections Diseases 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 210000003722 extracellular fluid Anatomy 0.000 description 2
- 208000019622 heart disease Diseases 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000000422 nocturnal effect Effects 0.000 description 2
- 206010002383 Angina Pectoris Diseases 0.000 description 1
- 206010003658 Atrial Fibrillation Diseases 0.000 description 1
- 206010003662 Atrial flutter Diseases 0.000 description 1
- 206010007558 Cardiac failure chronic Diseases 0.000 description 1
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 208000017667 Chronic Disease Diseases 0.000 description 1
- 208000014085 Chronic respiratory disease Diseases 0.000 description 1
- 206010018429 Glucose tolerance impaired Diseases 0.000 description 1
- 208000013016 Hypoglycemia Diseases 0.000 description 1
- 208000001280 Prediabetic State Diseases 0.000 description 1
- 206010037660 Pyrexia Diseases 0.000 description 1
- 208000004756 Respiratory Insufficiency Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 208000008784 apnea Diseases 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000009534 blood test Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000003511 endothelial effect Effects 0.000 description 1
- 210000002216 heart Anatomy 0.000 description 1
- 210000003734 kidney Anatomy 0.000 description 1
- 208000017169 kidney disease Diseases 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 208000019423 liver disease Diseases 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 208000010125 myocardial infarction Diseases 0.000 description 1
- 230000008816 organ damage Effects 0.000 description 1
- 201000009104 prediabetes syndrome Diseases 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 201000004193 respiratory failure Diseases 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 241000712461 unidentified influenza virus Species 0.000 description 1
- 238000002255 vaccination Methods 0.000 description 1
- 230000009385 viral infection Effects 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
Landscapes
- Medical Informatics (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Health & Medical Sciences (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
【課題】疾病の重症化を予防できる情報処理装置、情報処理方法及び情報処理プログラムを得る。【解決手段】情報処理装置１０は、少なくとも１つのプロセッサを備え、プロセッサは、ユーザから経時的に測定されたバイタル情報を取得し、バイタル情報に瞬間的に発現する異常傾向に基づいて、疾病の重症化リスクの度合を導出する。【選択図】図３
Description
本開示は、情報処理装置、情報処理方法及び情報処理プログラムに関する。
従来、ユーザが各種疾病に罹患した場合の重症化リスクを推定する技術が知られている。例えば、特許文献１には、ユーザの生体情報に基づいて、各種疾患（例えばターミナルケア、糖尿病重症化低血糖症、慢性心不全、狭心症及び心筋梗塞等）について、重症化予測を実行することが記載されている。
また例えば、特許文献２には、ユーザの年齢、性別、容体（例えば発熱等の症状）、既往症、投薬歴、予防接種歴、検査結果等の属性情報に応じて、感染症への感染リスクを評価することが記載されている。また、感染リスクを、感染の可能性、感染後の発症の可能性、及び重症化の可能性の高いほど高くすることで、優先的に診察すべきユーザを特定し、感染症の発生の拡大を抑えることが記載されている。
近年流行している新型コロナウイルス感染症（ＣＯＶＩＤ－１９）は、感染した場合の症状の度合に個人差があり、特に基礎疾患（例えば糖尿病、並びに慢性の呼吸器、心臓、腎臓及び肝臓の病気）を有する者は重症化リスクが高い傾向にあることが知られている。基礎疾患を有すると診断済みであり、自覚しているユーザに関しては、ユーザ自身による感染予防の徹底、及び感染後の優先診療等により感染症の重症化対策がとれるといえる。換言すれば、感染症の重症化対策をとるためには、ユーザが基礎疾患を有するか否かを予め診断しておくことが求められるといえる。
一方、世間には、基礎疾患が有るとの診断には至らないものの、基礎疾患になる予兆がある（いわゆる「予備群」及び「未病」の状態の）ユーザがいると考えられる。また、慢性的に容体が悪いわけではないため基礎疾患が有るとは診断されないものの、一時的に基礎疾患の罹患者と同等に容体が悪化するユーザもいると考えられる。また、基礎疾患が有ると診断される容体にもかかわらず、自覚症状が無い等の理由により診断を受けていないユーザもいると考えられる。これらのユーザに関しても、感染症の重症化リスクは、基礎疾患を有すると診断済みのユーザと同等であると考えられる。
そこで、事前の診断によらず一時的な容体の変化も考慮して、感染症の重症化リスクを導出することで、感染症の重症化を予防できる技術が望まれている。しかしながら、特許文献１及び２に記載の技術では、事前の診断によらず一時的な容体の変化も考慮して、感染症の重症化リスクを導出することはできない。
本開示は、疾病の重症化を予防できる情報処理装置、情報処理方法及び情報処理プログラムを提供する。
本開示の第１の態様は、情報処理装置であって、少なくとも１つのプロセッサを備え、プロセッサは、ユーザから経時的に測定されたバイタル情報を取得し、バイタル情報に瞬間的に発現する異常傾向に基づいて、疾病の重症化リスクの度合を導出する。
上記第１の態様において、疾病は、感染症であり、ユーザは、感染症の検査を受け、検査結果が陽性だった者であってもよい。
上記第１の態様において、プロセッサは、ユーザの属性を示す属性情報を取得し、バイタル情報及び属性情報に基づいて、重症化リスクの度合を導出してもよい。
上記第１の態様において、属性情報は、ユーザの年齢、性別及び既往歴のうち少なくとも１つを示すものであってもよい。
上記第１の態様において、プロセッサは、ユーザから測定された異なる複数の種類のバイタル情報を取得し、複数の種類のバイタル情報に基づいて、重症化リスクの度合を導出してもよい。
上記第１の態様において、プロセッサは、重症化リスクの度合の導出に不足するバイタル情報がある場合、当該バイタル情報の取得方法を提示してもよい。
上記第１の態様において、プロセッサは、導出した重症化リスクの度合が予め定められた度合以上である場合、医療機関に設置された他装置に対して、ユーザに関する情報を通知してもよい。
上記第１の態様において、プロセッサは、疾病の予防法を提示してもよい。
上記第１の態様において、プロセッサは、ユーザの行動を示す行動情報を取得し、行動情報に基づいて、疾病の予防法をユーザが行っているか否かを判定し、ユーザが疾病の予防法を行っていないと判定した場合、警告を発してもよい。
上記第１の態様において、疾病の予防法は、プロセッサが導出した重症化リスクの度合の大きさに応じたものであってもよい。
上記第１の態様において、バイタル情報は、血糖値、血糖相当値、心電図、動脈血酸素飽和度及び血圧のうち少なくとも１つを示すものであってもよい。
本開示の第２の態様は、情報処理方法であって、ユーザから経時的に測定されたバイタル情報を取得し、バイタル情報に瞬間的に発現する異常傾向に基づいて、疾病の重症化リスクの度合を導出する処理を含む。
本開示の第３の態様は、情報処理プログラムであって、ユーザから経時的に測定されたバイタル情報を取得し、バイタル情報に瞬間的に発現する異常傾向に基づいて、疾病の重症化リスクの度合を導出する処理をコンピュータが実行させるためのものである。
上記態様によれば、本開示の情報処理装置、情報処理方法及び情報処理プログラムは、疾病の重症化を予防できる。
以下、図面を参照して、本開示の技術を実施するための形態例を詳細に説明する。まず、図１を参照して、本実施形態に係る情報処理システム１の構成の一例について説明する。図１に示すように、情報処理システム１は、情報処理装置１０と、測定装置３と、を備える。情報処理装置１０と測定装置３は、無線又は有線通信により接続される。この場合の無線通信の規格としては、例えばＷｉ－Ｆｉ（登録商標）及びＢｌｕｅｔｏｏｔｈ（登録商標）等を適宜適用できる。
測定装置３は、少なくとも１種類のユーザのバイタル情報を経時的に測定し、測定したバイタル情報を、有線又は無線通信により情報処理装置１０に送信する。「経時的に測定」とは、予め定められた時間間隔で、バイタル情報を継続的に測定することを意味する。また、情報処理装置１０に、互いに異なる種類のバイタル情報を測定する複数の測定装置３が接続されていてもよい。
バイタル情報とは、血糖値、血糖相当値、心電図、動脈血酸素飽和度（ＳｐＯ２）及び血圧のうち少なくとも１つを示す情報である。血糖値を測定する測定装置３としては、例えば、指先穿刺法を用いた血糖自己測定器を適用してもよい。血糖相当値とは、血糖値と相関があるバイタル情報であり、例えば間質液中又は血中のグルコース値である。血糖相当値を測定する測定装置３としては、例えば、フィラメントを皮下に挿入して間質液中のグルコース値を血糖相当値として測定する測定器、及び、赤外線を用いて血中のグルコース値を血糖相当値として測定する測定器等を適用してもよい。
また例えば、測定装置３として、心電図を測定する心電計、ＳｐＯ２を測定するパルスオキシメーター、及び血圧を測定する血圧計を適用してもよい。また例えば、測定装置３として、上記各種のバイタル情報を測定するセンサを備えたスマートウォッチ等のウェアラブル端末を適用してもよい。
情報処理装置１０は、測定装置３によって測定されたバイタル情報の異常傾向に基づいて、疾病の重症化リスクの度合を導出する。以下の形態例では、疾病の一例として、新型コロナウイルス感染症（ＣＯＶＩＤ－１９）を用いて説明するが、本開示の技術は、他の感染症（例えばインフルエンザウイルス感染症等）及び感染症以外の各種疾病にも適用可能である。以下、情報処理装置１０の構成及び機能について説明する。
まず、図２を参照して、本実施形態に係る情報処理装置１０のハードウェア構成の一例を説明する。図２に示すように、情報処理装置１０は、ＣＰＵ２１、不揮発性の記憶部２２、及び一時記憶領域としてのメモリ２３を含む。また、情報処理装置１０は、液晶ディスプレイ等のディスプレイ２４、キーボード、マウス、タッチパネル及びボタン等の入力部２５、並びにネットワークＩ／Ｆ（Interface）２６を含む。ネットワークＩ／Ｆ２６は、測定装置３及び外部のネットワーク（不図示）との有線又は無線通信を行う。ＣＰＵ２１、記憶部２２、メモリ２３、ディスプレイ２４、入力部２５及びネットワークＩ／Ｆ２６は、システムバス及びコントロールバス等のバス２８を介して相互に各種情報の授受が可能に接続されている。
記憶部２２は、例えば、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）及びフラッシュメモリ等の記憶媒体によって実現される。記憶部２２には、情報処理装置１０における情報処理プログラム２７が記憶される。ＣＰＵ２１は、記憶部２２から情報処理プログラム２７を読み出してからメモリ２３に展開し、展開した情報処理プログラム２７を実行する。ＣＰＵ２１が本開示のプロセッサの一例である。情報処理装置１０としては、例えば、スマートフォン、タブレット端末、ウェアラブル端末、パーソナルコンピュータ及びサーバコンピュータ等を適宜適用できる。
次に、図３を参照して、本実施形態に係る情報処理装置１０の機能的な構成の一例について説明する。図３に示すように、情報処理装置１０は、取得部３０、導出部３２及び制御部３４を含む。ＣＰＵ２１が情報処理プログラム２７を実行することにより、ＣＰＵ２１が取得部３０、導出部３２及び制御部３４として機能する。
取得部３０は、測定装置３から、測定装置３によってユーザから経時的に測定されたバイタル情報を取得する。導出部３２は、取得部３０が取得したバイタル情報に瞬間的に発現する異常傾向に基づいて、疾病の重症化リスクの度合を導出する。「瞬間的に発現する異常傾向」とは、基本的にはバイタル情報が正常であるが、一時的にバイタル情報に異常が見られるような現象をいう。すなわち、バイタル情報が正常である期間の方が長いため、異常を発見するにはバイタル情報の経時的なモニタリングを要するようなことをいう。
図４に、バイタル情報及びその異常傾向の一例を示す。以下、図４に示す各バイタル情報について、瞬間的に発現する異常傾向に応じた重症化リスクの度合の導出方法の具体例について説明する。
［血糖値又は血糖相当値］
図４に示すように、血糖値又は血糖相当値に瞬間的に発現する異常傾向の一例としては、血糖値スパイクが挙げられる。図５に、血糖値スパイクが見られる血糖値又は血糖相当値の日内変動を表す図を示す。「血糖値スパイク」とは、糖尿病の予備群に見られる症状であり、空腹時血糖値が正常範囲内であっても、食後約１～２時間で血糖値が一時的に急上昇及び急降下する症状である。
図４に示すように、血糖値又は血糖相当値に瞬間的に発現する異常傾向の一例としては、血糖値スパイクが挙げられる。図５に、血糖値スパイクが見られる血糖値又は血糖相当値の日内変動を表す図を示す。「血糖値スパイク」とは、糖尿病の予備群に見られる症状であり、空腹時血糖値が正常範囲内であっても、食後約１～２時間で血糖値が一時的に急上昇及び急降下する症状である。
導出部３２は、取得部３０が取得した血糖値又は血糖相当値が、予め定められた閾値ＴＨ１を一時的に超えた場合に、重度の血糖値スパイクが見られるとして、重症化リスクが高いと導出してもよい。一方、導出部３２は、取得部３０が取得した血糖値又は血糖相当値が、閾値ＴＨ１は超えないものの、予め定められた閾値ＴＨ２（ただしＴＨ１＞ＴＨ２）を一時的に超えた場合に、軽度の血糖値スパイクが見られるとして、重症化リスクが中程度であると導出してもよい。図５の例では、血糖値又は血糖相当値が、予め定められた閾値ＴＨ１を一時的に超えているので、導出部３２は、重症化リスクが高いと導出する。
また、図６に、現時点から４ヶ月前までの血糖値又は血糖相当値の長期変動を表す図を示す。一般に、糖尿病の診断では、血液検査により得られる血糖値及びＨｂＡ１ｃの値が用いられる。ＨｂＡ１ｃは、現時点に近いほど重みが大きい、過去数ヶ月間の血糖値の加重平均を表す値であり、図５に示すような血糖値の日内変動によらない値である。しかし、ＨｂＡ１ｃでは、図６に示すような、直近で血糖値が急降下するパターンＡ（点線で図示）と、直近で血糖値が急上昇するパターンＢ（実線で図示）と、血糖値に変動の無いパターンＣ（一点鎖線で図示）と、がそれぞれ同様の値となってしまう場合がある。すなわち、ＨｂＡ１ｃでは、血糖値又は血糖相当値の変動傾向を正確に捉えることは困難である。
そこで、導出部３２は、取得部３０が取得した経時的な血糖値又は血糖相当値が、パターンＡの急降下傾向にある場合は、血糖値が改善傾向にあるとして、重症化リスクが低いと導出してもよい。一方、導出部３２は、取得部３０が取得した血糖値又は血糖相当値が、パターンＢの急上昇傾向にある場合は、血糖値が悪化傾向にあるとして、重症化リスクが高いと導出してもよい。
［心電図］
図４に示すように、心電図に瞬間的に発現する異常傾向の一例としては、不整脈（例えば心房細動及び心房粗動等）が挙げられる。不整脈は、ＣＯＶＩＤ－１９の基礎疾患の一種であり、ＣＯＶＩＤ－１９の罹患時に心疾患を発症する可能性が高いことが知られている。そこで、導出部３２は、取得部３０が取得した心電図に、不整脈を示す動きが見られる場合に、重症化リスクが高いと導出してもよい。
図４に示すように、心電図に瞬間的に発現する異常傾向の一例としては、不整脈（例えば心房細動及び心房粗動等）が挙げられる。不整脈は、ＣＯＶＩＤ－１９の基礎疾患の一種であり、ＣＯＶＩＤ－１９の罹患時に心疾患を発症する可能性が高いことが知られている。そこで、導出部３２は、取得部３０が取得した心電図に、不整脈を示す動きが見られる場合に、重症化リスクが高いと導出してもよい。
［ＳｐＯ２］
図４に示すように、ＳｐＯ２に瞬間的に発現する異常傾向の一例としては、睡眠時無呼吸症候群が挙げられる。睡眠時無呼吸症候群は、ＣＯＶＩＤ－１９の基礎疾患の一種であり、ＣＯＶＩＤ－１９の罹患時に呼吸不全を発症する可能性が高いことが知られている。ＳｐＯ２の値は、無呼吸状態になると低下する。そこで、導出部３２は、取得部３０が取得した睡眠時のＳｐＯ２が、予め定められた閾値以下となった場合に、睡眠時無呼吸症候群の傾向が見られるとして、重症化リスクが高いと導出してもよい。
図４に示すように、ＳｐＯ２に瞬間的に発現する異常傾向の一例としては、睡眠時無呼吸症候群が挙げられる。睡眠時無呼吸症候群は、ＣＯＶＩＤ－１９の基礎疾患の一種であり、ＣＯＶＩＤ－１９の罹患時に呼吸不全を発症する可能性が高いことが知られている。ＳｐＯ２の値は、無呼吸状態になると低下する。そこで、導出部３２は、取得部３０が取得した睡眠時のＳｐＯ２が、予め定められた閾値以下となった場合に、睡眠時無呼吸症候群の傾向が見られるとして、重症化リスクが高いと導出してもよい。
［血圧］
図４に示すように、血圧に瞬間的に発現する異常傾向の一例としては、夜間高血圧が挙げられる。夜間高血圧であるユーザは、血管内皮障害及び臓器障害を有する可能性が高く、ＣＯＶＩＤ－１９の罹患時に心血管疾患を発症する可能性が高いことが知られている。そこで、導出部３２は、取得部３０が取得した夜間の血圧が、予め定められた閾値以上である場合に、夜間高血圧の傾向が見られるとして、重症化リスクが高いと導出してもよい。
図４に示すように、血圧に瞬間的に発現する異常傾向の一例としては、夜間高血圧が挙げられる。夜間高血圧であるユーザは、血管内皮障害及び臓器障害を有する可能性が高く、ＣＯＶＩＤ－１９の罹患時に心血管疾患を発症する可能性が高いことが知られている。そこで、導出部３２は、取得部３０が取得した夜間の血圧が、予め定められた閾値以上である場合に、夜間高血圧の傾向が見られるとして、重症化リスクが高いと導出してもよい。
また、導出部３２は、複数の種類のバイタル情報を複合的に用いて、重症化リスクの度合を導出してもよい。具体的には、取得部３０が、測定装置３から、ユーザから測定された異なる複数の種類のバイタル情報を取得する。導出部３２は、取得部３０が取得した複数の種類のバイタル情報に基づいて、重症化リスクの度合を導出する。例えば、導出部３２は、軽度の異常傾向が１種類のバイタル情報のみに見られる場合には重症化リスクが低いと導出し、軽度の異常傾向が複数の種類のバイタル情報に見られる場合には重症化リスクが高いと導出してもよい。
制御部３４は、重症化リスクの度合の導出に不足するバイタル情報がある場合、当該バイタル情報の取得方法を提示してもよい。図７に、バイタル情報の取得方法の一例として、バイタル情報を取得すべき期間が示された画面Ｄ１の一例を示す。画面Ｄ１は、制御部３４によってディスプレイ２４に表示される画面である。図７に示すように、制御部３４は、経時的に測定されたバイタル情報の一部が欠落している場合に、その旨を通知し、欠落しないよう注意してもよい。
図８に、バイタル情報の取得方法の一例として、バイタル情報を取得すべき測定装置３の指定が示された画面Ｄ２の一例を示す。画面Ｄ２は、制御部３４によってディスプレイ２４に表示される画面である。ＳｐＯ２の測定装置３としては、反射光を利用して血中酸素濃度を測定するセンサを備えたスマートウォッチ等のウェアラブル端末を用いることができる。しかし、ウェアラブル端末によるＳｐＯ２の測定精度は、透過光を利用して血中酸素濃度を測定するパルスオキシメーターよりも低いものである。そこで例えば、図８に示すように、ウェアラブル端末により測定されたＳｐＯ２に基づき睡眠時無呼吸症候群の可能性がある（すなわち重症化リスクがある）と導出部３２が導出した後、制御部３４は、パルスオキシメーターによるＳｐＯ２の取得を推奨してもよい。
また、制御部３４は、導出した重症化リスクの度合に応じて、各種制御を行う。図９に、ユーザが既に感染症の検査を受け、検査結果が陽性だった者である場合の、重症化リスクの度合に応じた制御内容を示す。ユーザが既に感染症に感染している場合は、重症化リスクに応じた適切な処置を行うことで、重症化を予防することが好ましい。そこで、図９に示すように、制御部３４は、入院手配又は療養手配、バイタル情報のモニタリング指示、並びに診察予約等、医療機関との連携を行うようにしてもよい。すなわち、制御部３４は、導出した重症化リスクの度合が予め定められた度合以上である場合、医療機関に設置された他装置に対して、ユーザに関する情報を通知してもよい。このような形態によれば、重症化リスクが高く優先的に診療すべきユーザを医療機関が把握できるので、効果的に重症化を予防できる。
図１０に、ユーザが既に感染症の検査を受け検査結果が陰性だった者である場合、及び感染症の検査を未実施の場合の、重症化リスクの度合に応じた制御内容を示す。制御部３４は、例えば、重症化リスクが高いユーザについては、感染時に迅速な処置ができるよう、医療機関でもバイタル情報をモニタリングするように指示してもよい。また例えば、図１０に示すように、制御部３４は、疾病の予防法を提示してもよい。この場合、疾病の予防法は、重症化リスクの度合の大きさに応じたものであってもよい。図９及び図１０に示す、重症化リスクの度合に応じた各種制御の内容は、例えば、記憶部２２に予め記憶されている。
また、制御部３４は、ユーザが疾病の予防法を実施しているかを監視してもよい。具体的には、制御部３４は、ユーザの行動を示す行動情報を取得し、行動情報に基づいて、疾病の予防法をユーザが行っているか否かを判定する。行動情報とは、例えば、ユーザの位置を示す情報、加速度センサ及びジャイロセンサ等のセンサにより得られる動作を示す情報、並びに、カメラで撮影した動画像を解析して得られるマスクの着用有無を示す情報等である。例えば、制御部３４は、ユーザの位置を示す情報に基づき、ユーザが飲食店に行ったり、混雑している場所に行ったりしたかを判定してもよい。また例えば、制御部３４は、センサにより得られる動作を示す情報に基づき、ユーザが手洗い及びうがいを実行したかを判定してもよい。
また、制御部３４は、ユーザが疾病の予防法を行っていないと判定した場合、警告を発する制御を行ってもよい。図１１に、ユーザが疾病の予防法の一例としてのマスクの着用を行っていない場合にディスプレイ２４に表示される画面Ｄ３の一例を示す。このように、ユーザが適切に予防法を実行しているか否かを監視し、実行していない場合は警告を発するようにすることで、感染症の感染拡大の防止、及び重症化の予防に寄与できる。
次に、図１２を参照して、本実施形態に係る情報処理装置１０の作用を説明する。情報処理装置１０において、ＣＰＵ２１が情報処理プログラム２７を実行することによって、図１２に示す情報処理が実行される。情報処理は、例えば、入力部２５を介してユーザから実行開始の指示があった場合に実行される。
ステップＳ１０で、取得部３０は、測定装置３から、測定装置３によってユーザから経時的に測定されたバイタル情報を取得する。ステップＳ１２で、導出部３２は、ステップＳ１０で取得したバイタル情報に瞬間的に発現する異常傾向に基づいて、疾病の重症化リスクの度合を導出する。ステップＳ１４で、制御部３４は、ステップＳ１２で導出した重症化リスクの度合に応じた各種制御（例えば、医療機関に設置された他装置に対するユーザに関する情報の通知、及び重症化リスクの度合の大きさに応じた疾病の予防法の提示等）を行う。
ステップＳ１６で、制御部３４は、ユーザの行動を示す行動情報を取得する。ステップＳ１８で、制御部３４は、ステップＳ１６で取得した行動情報に基づいて、疾病の予防法をユーザが行っているか否かを判定する。ユーザが疾病の予防法を行っていないと判定した場合（すなわちステップＳ１８がＮの場合）、ステップＳ２０で、制御部３４は、疾病の予防法を行うよう警告を発する制御を行い、本情報処理を終了する。一方、ユーザが疾病の予防法を行っていると判定した場合（すなわちステップＳ１８がＹの場合）は、ステップＳ２０の処理は行わず、そのまま本情報処理を終了する。
以上説明したように、本開示の好ましい一態様に係る情報処理装置１０は、少なくとも１つのプロセッサを備え、プロセッサは、ユーザから経時的に測定されたバイタル情報を取得し、バイタル情報に瞬間的に発現する異常傾向に基づいて、疾病の重症化リスクの度合を導出する。すなわち、本実施形態に係る情報処理装置１０によれば、事前の診断によらず一時的な容体の変化も考慮して、疾病の重症化リスクを導出できるので、疾病の重症化を予防できる。
なお、上記実施形態において、情報処理装置１０は、ユーザの属性を考慮して、重症化リスクの度合の導出方法を異ならせてもよい。具体的には、取得部３０は、ユーザの属性を示す属性情報を取得してもよい。属性情報とは、例えば、ユーザの年齢、性別及び既往歴のうち少なくとも１つを示す情報である。取得部３０は、例えば、ユーザが入力部２５を介して入力した属性情報を取得してもよいし、医療機関等に設置された外部の管理サーバ（不図示）にて管理されている電子カルテからネットワークを介して属性情報を取得してもよい。
導出部３２は、バイタル情報及び属性情報に基づいて、重症化リスクの度合を導出してもよい。例えば、導出部３２は、属性情報ごとに異なる、予め定められた複数の閾値を用いて、バイタル情報に異常傾向があるか否かを判定してもよい。すなわち、導出部３２は、属性情報ごとに異常傾向と判定するための閾値を異ならせることで、ユーザごとに異常傾向との判定されやすさを異ならせてもよい。例えば、ＣＯＶＩＤ－１９に関しては、若年者よりも高齢者、女性よりも男性、既往歴（例えば基礎疾患）の無い者よりも有る者、の方がそれぞれ、重症化リスクが高いことが知られている。これらの属性に応じて重症化リスクの度合の導出方法を異ならせることで、より適切に重症化リスクを導出できる。
また、上記実施形態においては、重症化リスクの度合を、高、中及び低の３段階で表現する形態（図９及び図１０参照）で説明したが、これに限らない。重症化リスクの度合は、例えば、数値で表現されていてもよい。
なお、上記各実施形態において、例えば、取得部３０、導出部３２及び制御部３４といった各種の処理を実行する処理部（processing unit）のハードウェア的な構造としては、次に示す各種のプロセッサ（processor）を用いることができる。上記各種のプロセッサには、前述したように、ソフトウェア（プログラム）を実行して各種の処理部として機能する汎用的なプロセッサであるＣＰＵに加えて、ＦＰＧＡ（Field Programmable Gate Array）等の製造後に回路構成を変更可能なプロセッサであるプログラマブルロジックデバイス（Programmable Logic Device：PLD）、ＡＳＩＣ（Application Specific Integrated Circuit）等の特定の処理を実行させるために専用に設計された回路構成を有するプロセッサである専用電気回路等が含まれる。
１つの処理部は、これらの各種のプロセッサのうちの１つで構成されてもよいし、同種又は異種の２つ以上のプロセッサの組み合わせ（例えば、複数のＦＰＧＡの組み合わせや、ＣＰＵとＦＰＧＡとの組み合わせ）で構成されてもよい。また、複数の処理部を１つのプロセッサで構成してもよい。
複数の処理部を１つのプロセッサで構成する例としては、第１に、クライアント及びサーバ等のコンピュータに代表されるように、１つ以上のＣＰＵとソフトウェアの組み合わせで１つのプロセッサを構成し、このプロセッサが複数の処理部として機能する形態がある。第２に、システムオンチップ（System on Chip：SoC）等に代表されるように、複数の処理部を含むシステム全体の機能を１つのＩＣ（Integrated Circuit）チップで実現するプロセッサを使用する形態がある。このように、各種の処理部は、ハードウェア的な構造として、上記各種のプロセッサの１つ以上を用いて構成される。
更に、これらの各種のプロセッサのハードウェア的な構造としては、より具体的には、半導体素子などの回路素子を組み合わせた電気回路（circuitry）を用いることができる。
また、上記各実施形態では、情報処理プログラム２７が記憶部２２に予め記憶（インストール）されている態様を説明したが、これに限定されない。情報処理プログラム２７は、ＣＤ－ＲＯＭ（Compact Disc Read Only Memory）、ＤＶＤ－ＲＯＭ（Digital Versatile Disc Read Only Memory）、及びＵＳＢ（Universal Serial Bus）メモリ等の記録媒体に記録された形態で提供されてもよい。また、情報処理プログラム２７は、ネットワークを介して外部装置からダウンロードされる形態としてもよい。さらに、本開示の技術は、情報処理プログラムに加えて、情報処理プログラムを非一時的に記憶する記憶媒体にもおよぶ。
本開示の技術は、上記形態例を適宜組み合わせることも可能である。以上に示した記載内容及び図示内容は、本開示の技術に係る部分についての詳細な説明であり、本開示の技術の一例に過ぎない。例えば、上記の構成、機能、作用及び効果に関する説明は、本開示の技術に係る部分の構成、機能、作用及び効果の一例に関する説明である。よって、本開示の技術の主旨を逸脱しない範囲内において、以上に示した記載内容及び図示内容に対して、不要な部分を削除したり、新たな要素を追加したり、置き換えたりしてもよいことはいうまでもない。
１ 情報処理システム
３ 測定装置
１０ 情報処理装置
２１ ＣＰＵ
２２ 記憶部
２３ メモリ
２４ ディスプレイ
２５ 入力部
２６ ネットワークＩ／Ｆ
２７ 情報処理プログラム
２８ バス
３０ 取得部
３２ 導出部
３４ 制御部
Ｄ１～Ｄ３ 画面
３ 測定装置
１０ 情報処理装置
２１ ＣＰＵ
２２ 記憶部
２３ メモリ
２４ ディスプレイ
２５ 入力部
２６ ネットワークＩ／Ｆ
２７ 情報処理プログラム
２８ バス
３０ 取得部
３２ 導出部
３４ 制御部
Ｄ１～Ｄ３ 画面
Claims (13)
- 少なくとも１つのプロセッサを備え、
前記プロセッサは、
ユーザから経時的に測定されたバイタル情報を取得し、
前記バイタル情報に瞬間的に発現する異常傾向に基づいて、疾病の重症化リスクの度合を導出する
情報処理装置。 - 前記疾病は、感染症であり、
前記ユーザは、前記感染症の検査を受け、検査結果が陽性だった者である
請求項１に記載の情報処理装置。 - 前記プロセッサは、
前記ユーザの属性を示す属性情報を取得し、
前記バイタル情報及び前記属性情報に基づいて、前記重症化リスクの度合を導出する
請求項１又は請求項２に記載の情報処理装置。 - 前記属性情報は、前記ユーザの年齢、性別及び既往歴のうち少なくとも１つを示す
請求項３に記載の情報処理装置。 - 前記プロセッサは、
前記ユーザから測定された異なる複数の種類のバイタル情報を取得し、
前記複数の種類のバイタル情報に基づいて、前記重症化リスクの度合を導出する
請求項１から請求項４の何れか１項に記載の情報処理装置。 - 前記プロセッサは、
前記重症化リスクの度合の導出に不足するバイタル情報がある場合、当該バイタル情報の取得方法を提示する
請求項１から請求項５の何れか１項に記載の情報処理装置。 - 前記プロセッサは、
導出した前記重症化リスクの度合が予め定められた度合以上である場合、医療機関に設置された他装置に対して、前記ユーザに関する情報を通知する
請求項１から請求項６の何れか１項に記載の情報処理装置。 - 前記プロセッサは、
前記疾病の予防法を提示する
請求項１から請求項７の何れか１項に記載の情報処理装置。 - 前記プロセッサは、
前記ユーザの行動を示す行動情報を取得し、
前記行動情報に基づいて、前記疾病の予防法を前記ユーザが行っているか否かを判定し、
前記ユーザが前記疾病の予防法を行っていないと判定した場合、警告を発する
請求項１から請求項８の何れか１項に記載の情報処理装置。 - 前記疾病の予防法は、前記プロセッサが導出した前記重症化リスクの度合の大きさに応じたものである
請求項８又は９に記載の情報処理装置。 - 前記バイタル情報は、血糖値、血糖相当値、心電図、動脈血酸素飽和度及び血圧のうち少なくとも１つを示す
請求項１から請求項１０の何れか１項に記載の情報処理装置。 - ユーザから経時的に測定されたバイタル情報を取得し、
前記バイタル情報に瞬間的に発現する異常傾向に基づいて、疾病の重症化リスクの度合を導出する
処理を含む情報処理方法。 - ユーザから経時的に測定されたバイタル情報を取得し、
前記バイタル情報に瞬間的に発現する異常傾向に基づいて、疾病の重症化リスクの度合を導出する
処理をコンピュータが実行させるための情報処理プログラム。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2021158359A JP2023048825A (ja) | 2021-09-28 | 2021-09-28 | 情報処理装置、情報処理方法及び情報処理プログラム |
| US17/942,722 US20230102301A1 (en) | 2021-09-28 | 2022-09-12 | Information processing device, information processing method, and information processing program |
| CN202211151208.4A CN115881299A (zh) | 2021-09-28 | 2022-09-21 | 信息处理装置、信息处理方法及信息处理程序 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2021158359A JP2023048825A (ja) | 2021-09-28 | 2021-09-28 | 情報処理装置、情報処理方法及び情報処理プログラム |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2023048825A true JP2023048825A (ja) | 2023-04-07 |
Family
ID=85721766
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2021158359A Pending JP2023048825A (ja) | 2021-09-28 | 2021-09-28 | 情報処理装置、情報処理方法及び情報処理プログラム |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US20230102301A1 (ja) |
| JP (1) | JP2023048825A (ja) |
| CN (1) | CN115881299A (ja) |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11056242B1 (en) * | 2020-08-05 | 2021-07-06 | Vignet Incorporated | Predictive analysis and interventions to limit disease exposure |
| JP2022071523A (ja) * | 2020-10-28 | 2022-05-16 | キヤノンメディカルシステムズ株式会社 | 健康管理装置および健康管理システム |
-
2021
- 2021-09-28 JP JP2021158359A patent/JP2023048825A/ja active Pending
-
2022
- 2022-09-12 US US17/942,722 patent/US20230102301A1/en active Pending
- 2022-09-21 CN CN202211151208.4A patent/CN115881299A/zh active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| US20230102301A1 (en) | 2023-03-30 |
| CN115881299A (zh) | 2023-03-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5584413B2 (ja) | 患者監視システム及び監視する方法 | |
| JP6018623B2 (ja) | 患者モニタのための段階式アラーム方法 | |
| Byun et al. | Entropy analysis of heart rate variability and its application to recognize major depressive disorder: A pilot study | |
| RU2655443C2 (ru) | Система и способ обнаружения значимых аритмических событий посредством фотоплетизмограммы(ppg) и акселерометра | |
| Nadler et al. | The value of noninvasive measurement of the compensatory reserve index in monitoring and triage of patients experiencing minimal blood loss | |
| US11051768B1 (en) | Determining when to emit an alarm | |
| EP3188655B1 (en) | User feedback to control ischemia monitoring ecg algorithm | |
| JP7071343B2 (ja) | 脳卒中検出及び予防システム及び方法 | |
| Mahri et al. | Utilization of second derivative photoplethysmographic features for myocardial infarction classification | |
| JP6547838B2 (ja) | 診断支援装置、診断支援方法、診断支援プログラム | |
| Hubner et al. | Surveillance of patients in the waiting area of the department of emergency medicine | |
| Temple et al. | Wearable sensor-based detection of influenza in presymptomatic and asymptomatic individuals | |
| JP2024100764A (ja) | 健康状態判定システム、健康状態判定方法及びプログラム | |
| JP2019201886A (ja) | 心房細動の検出装置、心房細動の検出方法およびコンピュータプログラム | |
| Mestrom et al. | Validation of heart rate extracted from wrist-based photoplethysmography in the perioperative setting: prospective observational study | |
| JP2023048825A (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
| JP2016040693A (ja) | 疾病予測装置、疾病予測方法、及びプログラム | |
| JP7325576B2 (ja) | 端末装置、出力方法及びコンピュータプログラム | |
| TW201733521A (zh) | 基於生物訊號或生物識別之檢傷與後續升級之方法與系統、及其非暫時性機器可讀取媒體 | |
| WO2018168804A1 (ja) | 血圧関連情報表示装置および方法 | |
| Schmitzberger et al. | Detection of hemodynamic status using an analytic based on an electrocardiogram lead waveform | |
| US10610160B1 (en) | Stream-based alarm filtering | |
| JP7476508B2 (ja) | 健康状態判定システム、健康状態判定方法及びプログラム | |
| Kim et al. | Hyperkalemia Detection in Emergency Departments Using Initial ECGs: A Smartphone AI ECG Analyzer vs. Board-Certified Physicians | |
| Baig et al. | A wireless patient monitoring system for hospitalized older adults: Acceptability, reliability and accuracy evaluation |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20240606 |