JP2023061516A - 感染リスク情報提供サーバ装置、プログラム及びシステム - Google Patents

感染リスク情報提供サーバ装置、プログラム及びシステム Download PDF

Info

Publication number
JP2023061516A
JP2023061516A JP2021171443A JP2021171443A JP2023061516A JP 2023061516 A JP2023061516 A JP 2023061516A JP 2021171443 A JP2021171443 A JP 2021171443A JP 2021171443 A JP2021171443 A JP 2021171443A JP 2023061516 A JP2023061516 A JP 2023061516A
Authority
JP
Japan
Prior art keywords
user
infection risk
infection
risk information
answer
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2021171443A
Other languages
English (en)
Inventor
孝文 栢
Takafumi Kashiwa
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to JP2021171443A priority Critical patent/JP2023061516A/ja
Publication of JP2023061516A publication Critical patent/JP2023061516A/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Medical Treatment And Welfare Office Work (AREA)

Abstract

【課題】今後流行し得る新たな感染症に対しても、一定の効果的な情報を早期に提供し、後遺症リスクなどを含む事後的に提供する情報の質を高めていく、感染リスク情報提供サーバ装置、プログラム及びシステムを提供する。【解決手段】感染リスク情報提供サーバ装置２００は、ユーザに対する、少なくとも、生活習慣と、所定の病気についての既往歴と、特定の感染症に感染した場合に現れやすいとされている複数の症状のうち当該ユーザが実際に発症した症状と、についての質問に対するユーザの回答を受信する回答受信手段２２０と、複数人に対して調査した、前記感染症の感染歴と、生活習慣と、前記既往歴と、前記症状と、の組を学習用データとして学習されたＡＩ装置を用いて推定され、回答受信手段２２０が受信した回答に対応する当該ユーザの前記感染症についての感染リスクの推定結果を送信する結果送信手段２３０と、を備える。【選択図】図３

Description

本発明は、感染リスク情報提供サーバ装置、プログラム及びシステムに関し、特に、コロナウイルスを含む種々の感染症の感染リスク情報提供サーバ装置、プログラム及びシステムに関する。
特許文献１には、感染者の行動履歴の特定および感染者から感染症がうつった可能性が高い者の抽出を容易に確実に行う情報処理システムが開示されている。この情報処理システムは、第一の情報処理装置から発信された信号を受信する機能を有する第二の情報処理装置と、少なくとも第二の情報処理装置とインターネットを介して接続可能なサーバ装置とを備える情報処理システムであって、サーバ装置は、記憶部、抽出部、推定部及び特定部を備える。特定部は、推定部により推定された位置と略同一の位置に、特定の第一の情報処理装置が存在した日時よりも後に存在したと推定される、他の第一の情報処理装置を有する他のユーザを接触感染可能性者として特定する、とされている。
特許第６９２５０７１号公報
しかし、特許文献１に開示された情報処理システムは、感染者の行動履歴の特定および感染者から感染症がうつった可能性が高い者の抽出を行えるとしても、感染予防については検討されていない。
近年、世界中で流行している新型コロナウイルス感染症（ＣＯＶＩＤ－１９）はもとより、重症急性呼吸器症候群（ＳＡＲＳ）、中東呼吸器症候群（ＭＥＲＳ）など、２０００年代になってからも種々の感染症が確認されてきた。感染症の感染リスクを軽減するためには、個々の感染症に固有の対策も見受けられるが、共通する対策も見受けられる。
したがって、例えば、コロナウイルス感染症についての一定の効果的な情報を早期に提供すること、その後遺症リスク、今後流行し得る新たな感染症などの事後的に提供する情報の質を高めていくことは有益である。
そこで、本発明は、このような情報提供をするとともに、これらに貢献するような態様でデータ収集をすることができるようにすることを課題とする。
上記課題を解決するために、本発明の感染リスク情報提供サーバ装置は、
ユーザに対する、少なくとも、生活習慣と、所定の病気についての既往歴と、特定の感染症に感染した場合に現れやすいとされている複数の症状のうち当該ユーザが実際に発症した症状と、についての質問に対するユーザの回答を受信する回答受信手段と、
複数人に対して調査した、前記感染症の感染歴と、生活習慣と、前記既往歴と、前記症状と、の組を学習用データとして学習された人工知能装置を用いて推定される、前記回答受信手段によって受信された回答に対応する当該ユーザの前記感染症についての感染リスクの推定結果を送信する結果送信手段と、
を備える。
なお、前記生活習慣に含まれる飲食習慣を示す情報は、恒常的に摂取している複数の飲食物の各々の原材料と前記複数の飲食物の各々の摂取頻度とを示す情報とすることができる。
また、前記質問には、前記感染症の感染歴の有無も含まれてもよい。
さらに、本発明の感染リスク情報提供システムは、
上記感染リスク情報提供サーバ装置と、
前記質問を受信する質問受信手段と、
前記質問受信手段によって受信された質問に対するユーザの回答を受け付ける受付手段と、
前記受付手段によって受け付けた回答を前記感染リスク情報提供サーバ装置に送信する回答送信手段と、
前記結果送信手段によって送信される推定結果を前記ユーザに提示する提示手段と、
を備える感染リスク情報提供クライアント装置と、
がネットワークを通じて接続されている。
また、前記質問手段によって特定の生活習慣に対して異なる形式で複数の質問が行われた場合に、前記各質問に対する各回答間に矛盾があるときには当該ユーザの回答結果を更新対象としないと決定する決定手段を備えるとよい。
また、前記回答受信手段によって受信されたユーザの回答を格納媒体に格納する格納手段と、前記格納媒体に格納されたユーザの回答を学習用データとして前記人工知能装置を学習する学習手段と、を備えることもでき、その場合、前記格納媒体に格納されている情報に基づいて前記ユーザに飲食することを推奨する飲食物を購入可能なＥＣサイトに誘導するページを作成する作成手段を備えることもでき、更に、前記学習手段は、特定の生活習慣に対して異なる形式で複数の質問が行われた場合に、前記各質問に対する各回答間に矛盾があるときには当該ユーザの回答を学習用データに含めないことを決定する決定手段を備えることもできる。
本発明の感染リスク情報提供プログラムは、
ユーザに対して、少なくとも、生活習慣と、所定の病気についての既往歴と、特定の感染症に感染した場合に現れやすいとされている複数の症状のうち当該ユーザが実際に発症した症状と、について問う質問を受け付ける機能と、
前記受け付けた質問に対するユーザの回答を送信する機能と、
複数人に対して調査した、前記感染症の感染歴と、生活習慣と、前記既往歴と、前記症状と、の組の情報を学習用データとして学習された人工知能装置を用いて推定される、前記送信した回答に対応する当該ユーザの前記感染症についての感染リスクの推定結果を受信する機能と、
前記受信した推定結果を前記ユーザに提示する機能と、
を感染リスク情報提供クライアント装置に実行させる。
本発明によれば、例えば、コロナウイルス感染症についての一定の効果的な情報を早期に提供すること、その後遺症リスク、今後流行し得る新たな感染症などの事後的に提供する情報の質を高めていくこと、これらに貢献するような態様でデータ収集をすることが可能となる。
発明の実施の形態
以下、本発明の実施形態について、図面を参照して説明する。
本発明の感染リスク情報提供システムは、新型コロナウイルス感染症を含む種々の感染症に関する情報を、ユーザが有効活用することができるようにするものである。具体的には、例えば、コロナウイルス感染症についての一定の効果的な情報を早期に提供すること、その後遺症リスク、今後流行し得る新たな感染症などの事後的に提供する情報の質を高めていくこと、これらに貢献するような態様でデータ収集をすることを実現する。
本実施形態では、主として新型コロナウイルス感染症に着目し、その感染予防に寄与する可能性がある飲食物についての情報を提供するとともに、そのような飲食商品の購入を行うことが可能な感染リスク情報提供システムを例に感染リスク情報提供システムについて説明する。
（概要の説明）
まず、本実施形態の感染リスク情報提供システムの概要について説明する。この感染リスク情報提供システムが実行する主要な各処理は、典型的には以下のものが挙げられる。
（１）複数人に対して行った新型コロナウイルス及び生活習慣等に関する種々の調査結果と、公的機関が発表しているデータ及び／又は専門家の知見とを学習用データとして、人工知能装置を学習すること。
（２）ユーザに対して、上記の複数人に対して行った調査に対応する質問を行い、その回答に対応するユーザの新型コロナウイルス感染症についての感染リスクを、公的機関が発表しているデータ及び／又は専門家の知見をも学習した人工知能装置を用いて推定し、その推定結果をユーザに提示すること。
（３）処理（２）の実行によって得られたユーザからの回答を、データベース（以下、「ＤＢ」と称する）等に格納し、ＤＢに格納されている情報を学習用データとして人工知能装置の学習状態を適宜更新すること。
（４）特に、複数人に対する調査及びユーザに対する質問として、恒常的に摂取している複数の飲食物の原材料と前記複数の飲食物の各々の摂取頻度とを示す情報を回答させるようにして、コロナウイルス感染症の感染予防に寄与する可能性がある飲食物を紹介するとともに、そのような飲食商品をＥＣサイトから購入できるようにすること。
（構成の説明）
図１は、本発明の実施形態の感染リスク情報提供システムの模式的な構成図である。図１には、以下説明する、感染リスク情報提供クライアント装置１００と、感染リスク情報提供サーバ装置２００と、人工知能（Artificial Intelligence）装置（以下、「ＡＩ装置」と称する。）３００と、ＤＢ４００と、管理者端末５００とを示している。
感染リスク情報提供クライアント装置１００は、主として、図４等を用いて後述する質問を受信し、当該ユーザによる質問に対する回答を受け付け、当該回答を感染リスク情報提供サーバ装置２００に対して適宜送信し、感染リスク情報提供サーバ装置２００から返信される感染症の感染リスクの推定結果を受信し、当該推定結果をユーザに提示するものである。なお、当該質問は、管理者端末５００によって作成され、感染リスク情報提供サーバ装置２００又は図示しないウェブサーバに格納されるようにしている。
また、感染リスク情報提供クライアント装置１００は、ユーザによって操作される端末であり、感染リスク情報提供サーバ装置２００又はウェブサーバとの間で無線通信又は有線通信を行うことが可能なものであることが必要である。感染リスク情報提供クライアント装置１００としては、例えば、携帯電話機、スマートフォン、パーソナルコンピュータなどを用いることができる。
感染リスク情報提供サーバ装置２００は、ユーザに対する後述の質問が自装置に格納されている場合には当該質問を感染リスク情報提供クライアント装置１００に送信し、感染リスク情報提供クライアント装置１００から当該当該質問に対するユーザの回答を受信し、ＡＩ装置３００を用いて推定される当該ユーザの感染症についての感染リスクの推定結果を、感染リスク情報提供クライアント装置１００に送信するものである。
また、感染リスク情報提供サーバ装置２００は、本実施形態の感染リスク情報提供システムの管理者によって管理されるものである。感染リスク情報提供サーバ装置２００としては、例えば、計算機能、通信機能などを備える業務用コンピュータなどを用いることができる。
ＡＩ装置３００は、人工ニューラルネットワークといった数学モデルを活用して、ユーザの感染症の感染リスクを推定するものである。ＡＩ装置３００は、複数人に対する後述の調査結果や公的機関の発表データ及び専門家の知見を学習用データとして学習されており、感染リスク情報提供サーバ装置２００から入力されたユーザの回答に対応する推定結果を、感染リスク情報提供サーバ装置２００に出力する。
ここで、公的機関が発表しているデータとは、厚生労働省、国立感染研究所、ＷＨＯなどが公表している各種データなどをいう。また、専門家の知見とは、感染症を専門とする医師、大学教授などによる著書・論文に掲載されているものなどをいう。
なお、人工ニューラルネットワークとしては、経時的処理に強みのあるリカレントニューラルネットワークを用いることが好ましいが、これに限定されず、他の人工ニューラルネットワークを用いることもできる。
ＤＢ４００は、感染リスク情報提供クライアント装置１００から送信されるユーザの回答、ユーザに飲食することを提案する飲食品の商品名、原材料などの情報、各種評価情報、ＥＣサイトの該当ページに割り当てられているＵＲＬ等の各種データ／情報、原材料名の表記ゆれに対応するための変換リストが登録されるものである。
上記変換リストを用いる理由は、例えば、同一原材料に対して、「Ｎａ」、「ナトリウム」、「塩」など複数態様の表記、「ビタミン」、「Ｖ．」などの複数態様の表記が認められていることから、これらの表記が相互に同一物を意味するとして扱うためである。
管理者端末５００は、本実施形態の感染リスク情報提供システムの管理者によって操作される端末である。当該管理者は、管理者端末５００を操作することによって、例えば図４～図１１に示す質問が記載されてページ、図１２～図１３に示す新型コロナウイルスの感染リスクの推定結果等を示すページ、図１４に示すＥＣサイトへ誘導するページを作成することができる。管理者端末５００としては、これに限定されるものではないが、例えば、ノート型又はデスクトップ型のパーソナルコンピュータなどを用いることができる。
なお、感染リスク情報提供クライアント装置１００と感染リスク情報提供サーバ装置２００とは、インターネットなどのネットワークを介して接続される。また、ＡＩ装置３００とＤＢ４００との少なくとも一方は、感染リスク情報提供サーバ装置２００に内蔵されていてもよい。
図２は、図１に示す感染リスク情報提供クライアント装置１００の模式的な内部構成図である。図２には、以下説明する、質問受信手段１１０と、受付手段１２０と、回答送信手段１３０と、提示手段１４０と、発注手段１５０と、を示している。
質問受信手段１１０は、感染リスク情報提供サーバ装置２００の質問送信手段２１０（図３）又は図示しないウェブサーバから送信される質問を受信するものである。ここでいう質問は、図４等を用いて後述するが、少なくとも、新型コロナウイルスの感染歴と、飲食生活を含む生活習慣と、所定の病気についての既往歴と、新型コロナウイルス感染症に感染した場合に現れやすいとされている複数の症状のうち実際に発症した症状とを含む。質問受信手段１１０は、感染リスク情報提供クライアント装置１００が有する通信機能によって実現できる。
受付手段１２０は、質問受信手段１１０によって受信した質問をユーザに示すことによって、ユーザからの当該質問に対する回答を受け付けるものである。受付手段１２０は、例えば、感染リスク情報提供クライアント装置１００のディスプレイに質問を表示することによって、回答させるようにすることができる。
回答送信手段１３０は、受付手段１２０によって受け付けられた当該回答を、感染リスク情報提供サーバ装置２００に対して適宜送信するものである。回答送信手段１３０は、感染リスク情報提供クライアント装置１００が有する通信機能によって実現できる。
提示手段１４０は、感染リスク情報提供サーバ装置２００から返信される感染症の感染リスクの推定結果をユーザに提示するものである。提示手段１４０は、例えば、感染リスク情報提供クライアント装置１００のディスプレイに、推定結果を表示することによって、ユーザに提示することができる。
発注手段１５０は、図１４のリンク先のＥＣサイトを通じてユーザが購入を希望する飲食商品についての注文を発するものである。発注手段１５０は、感染リスク情報提供クライアント装置１００のディスプレイに候補となる飲食商品群が表示されることによって、ユーザが適宜選択したものを発注できるようにしている。
図３は、図１に示す感染リスク情報提供サーバ装置２００の模式的な内部構成図である。図３には、以下説明する、質問送信手段２１０と、回答受信手段２２０と、結果送信手段２３０と、格納手段２４０と、学習手段２５０と、を示している。
質問送信手段２１０は、ユーザに対する質問が格納されている場合に当該質問を感染リスク情報提供クライアント装置１００に対して送信するものである。質問送信手段２１０は、感染リスク情報提供サーバ装置２００が有する通信機能によって実現できる。
回答受信手段２２０は、質問送信手段２１０等によって送信された質問に対する、感染リスク情報提供クライアント装置１００から送信されるユーザの回答を受信するものである。回答受信手段２２０も、感染リスク情報提供サーバ装置２００が有する通信機能によって実現できる。
結果送信手段２３０は、ＡＩ装置３００を用いて推定される、回答受信手段２２０によって受信された回答に対応する当該ユーザの新型コロナウイルス感染症についての感染リスクの推定結果を、感染リスク情報提供クライアント装置１００に対して送信するものである。
格納手段２４０は、回答受信手段２２０によって受信されたユーザの回答、管理者端末５００から出力された各種情報をＤＢ４００に格納するものである。また、後述するユーザの登録情報を格納することもできる。
学習手段２５０は、格納手段２４０によってＤＢ４００に格納されたユーザの回答を、学習用データとしてＡＩ装置３００を学習するものである。ＡＩ装置３００は、既に、複数人に対する調査結果などを用いて学習されているが、推定結果の信頼性を高めたり、後遺症についての有益情報を提供できるようにしたり、今後流行し得る新たな感染症などの事後的に提供する情報の質を高めたり、するために、定期的に又は不定期に、ユーザの回答も学習用データとして用いて、ＡＩ装置３００の学習状態を適宜更新するものである。
なお、図１～図３用いて説明した構成は単なる一例に過ぎず、例えば、格納手段２４０、学習手段２５０を、感染リスク情報提供サーバ装置２００とは別のハードウェアによって実現することもできる。
（表示画面及び動作の説明）
図４～図１１は、感染リスク情報提供クライアント装置１００のディスプレイに表示される各種質問等の画面例を示す図である。ここでは、感染リスク情報提供クライアント装置１００であるところのスマートフォンの表示画面例を示しているが、感染リスク情報提供クライアント装置１００として例えばパーソナルコンピュータを用いる場合であっても同じ質問内容とすればよい。
なお、図４に示す画面を表示に先立って又はその後に、ユーザ登録を行うようにしてもよい。ユーザ登録は、これに限定されるものではないが、既知のように、ユーザＩＤとパスワードとを割り当て、さらにこれらに紐づけて固有の会員番号（会員Ｎｏ）を割り当て、これらを一組でＤＢ４００に登録するという処理とすることができる。
まず、ユーザが上記ユーザ登録をした後にログインした状態であれば、感染リスク情報提供サーバ装置２００では、質問送信手段２１０によって、図４（ａ）に示す画面のページを、ユーザに割り当てた会員番号又はユーザＩＤなど、送信元を特定する情報に紐づけて送信する。
感染リスク情報提供クライアント装置１００では、感染リスク情報提供サーバ装置２００等から図４（ａ）に示す画面のページが送信されると、質問受信手段１１０によって受信し、受付手段１２０によってディスプレイに表示される。
図４（ａ）には、ＡＩ技術を用いてユーザの新型コロナウイルス感染症の感染生リスクを推定する旨などの説明が記載された画面例を示している。ユーザが図４（ａ）に示す「はじめる」ボタンの表示領域をタップした場合には、図４（ｂ）に示す画面に遷移する。
図４（ｂ）には、上記タップをトリガーとして感染リスク情報提供クライアント装置１００のカメラ機能がオンされ、ユーザが恒常的に摂取している例えば３個～１０個の飲食物の原材料を撮像可能な状態に遷移した画面例を示している。図４（ｂ）に示す撮影領域内にユーザが恒常的に摂取している飲食物の原材料を表示させた状態で撮影すると、図４（ｃ）に示す画面に遷移する。
なお、感染リスク情報提供クライアント装置１００としてユーザが例えばパーソナルコンピュータを用いる場合には、ユーザがパーソナルコンピュータを通じて恒常的に摂取している飲食物の原材料を入力すればよい。
もっとも、感染リスク情報提供クライアント装置１００がスマートフォンの場合に説明した商品の特定手法を、感染リスク情報提供クライアント装置１００がパーソナルコンピュータである場合にもパーソナルコンピュータに接続したウェブカメラなど用いて行えるようにしてもよいし、その逆にスマートフォンである場合に原材料を入力できるようにしてもよい。
図４（ｃ）には、上記の撮影を行って取り込まれた飲食物の原材料の文字部分が文字認識されたテキストが表示され、かつ、ユーザに対して当該飲食物の接種頻度を回答させるための質問等が表示された画面例を示している。なお、このテキストは、文字の誤認識があった場合に編集できるようにしている。
ユーザが、図４（ｃ）に示す質問に回答してから、「さらに撮影する」ボタンの表示領域をタップした場合には、図４（ｂ）に示す画面に遷移する。この例では、ユーザが少なくとも恒常的に摂取している例えば３個以上の飲食物の原材料の撮影及び質問に対する回答をしてから、図４（ｃ）に示す「撮影を完了し、次へ」ボタンの表示領域をタップした場合には、図５に示す画面に遷移する。
また、感染リスク情報提供クライアント装置１００では、ユーザが撮影した原材料を質問に対する回答として受付手段１２０が受け取り、当該ユーザに割り当てた会員番号又はユーザＩＤなど、送信元を特定する情報とともに、回答送信手段１３０によって感染リスク情報提供サーバ装置２００に送信する。
感染リスク情報提供サーバ装置２００では、感染リスク情報提供クライアント装置１００から回答が送信されると、回答受信手段２２０によって受信し、格納手段２４０によって当該ユーザに割り当てられる会員番号等と対応付けた状態でＤＢ４００に登録する。
つぎに、感染リスク情報提供サーバ装置２００では、質問送信手段２１０によって、図５に示す画面のページを、ユーザに割り当てた会員番号等に紐づけて送信する。感染リスク情報提供クライアント装置１００では、感染リスク情報提供サーバ装置２００等から図５に示す画面のページが送信されると、質問受信手段１１０によって受信し、受付手段１２０によってディスプレイに表示される。
感染リスク情報提供クライアント装置１００及び感染リスク情報提供サーバ装置２００のこれらの一連の動作は、ユーザが図５～図１１に示す質問に付帯する「次へ」ボタンの表示領域をタップする毎に実行される。
図５には、新型コロナウイルス感染症の感染リスクが、年齢、性別、ＢＭＩによる高低があることが知られていることから、ユーザの生年月日、性別、身長、体重について回答させるための質問等が表示された画面例を示している。ユーザが図５に示す「次へ」ボタンの表示領域をタップした場合には、図６（ａ）に示す画面に遷移する。
図６には、新型コロナウイルス（新型コロナ）に関し、感染歴の有無、ＰＣＲ検査の有無及び有りの場合の結果（図６（ａ））、新型コロナ感染症に感染した場合に現れやすいとされている複数の症状のうち実際に発症した症状、新型コロナの感染症の感染者との濃厚接触の有無、新型コロナに感染した場合に現れやすいとされている複数の後遺症のうち実際に発症した症状（図６（ｂ））、ワクチン接種の有無及び有りの場合の製薬会社名（図６（ｃ））、について回答させるための質問等が表示された画面例を示している。
ここで、図６（ａ）に示す画面を下側にスクロールした場合に図６（ｂ）に示す画面が表示され、さらに下側にスクロールした場合に図６（ｃ）に示す画面が表示される例を示しているが、図６（ｃ）に示すような「次へ」ボタンを図６（ａ）、図６（ｂ）にも用意して、それらの表示領域がタップされた場合に、次のページに遷移するように構成してもよい図７以降の画面例についても同様である。ユーザが図６（ｃ）に示す「次へ」ボタンの表示領域をタップした場合には、図７（ａ）に示す画面に遷移する。
図７には、生活習慣のうち食生活に関し、ジャンクフード、インスタント食品、コンビニエンスストアで販売されている弁当等（図７（ａ））、キャンディー（飴）、揚げ物、飲むヨーグルト（図７（ｂ））、について、それぞれ、例えば、毎日、週５回以上、週に３回以上、週に１回、月に１回、食べない、のいずれであるかを回答させるための質問等が表示された画面例を示している。
図７に記載された質問は、腸内環境に悪影響を及ぼすと指摘されている飲食物の接種の有無乃至頻度について尋ねるものであり、このような飲食物を恒常的に摂取しているか否かを回答させることで、ユーザの腸内環境に関する情報を取得することを意図している。腸内環境が悪くなると免疫力が低下して、一般に感染症の感染リスクは高くなるので、この種の質問をすることは、感染リスクを推定するためには有益である。ユーザが図７（ｂ）に示す「次へ」ボタンの表示領域をタップした場合には、図８（ａ）に示す画面に遷移する。
図８～図９には、生活習慣全般に関し、日光浴、入浴態様（図８（ａ））、運動頻度、歩行量及び速度、階段利用態様（図８（ｂ））、筋力トレーニングの実行頻度、笑いの回数、喫煙の有無及び有りの場合の本数（図８（ｃ））、経口薬の接種態様、外出時のマスク着用の有無、帰宅時の手洗い並びにうがいの有無及び有りの場合の方法（図９（ａ））、（外出頻度、家族以外との会食頻度、いわゆる３密環境で過ごす頻度（図９（ｂ））、について回答させるための質問等が表示された画面例を示している。
図８～図９に記載された質問は、新型コロナウイルス感染症の感染リスクに直接又は間接に相関関係があるもの、免疫力の高低に相関関係があるものであり、これらに対する回答と新型コロナウイルスの感染の有無についての回答とから、ユーザの新型コロナウイルスの感染リスクを割り出すことを意図している。ユーザが図９（ｂ）に示す「次へ」ボタンの表示領域をタップした場合には、図１０（ａ）に示す画面に遷移する。
図１０には、慢性的な疾患、定期的な発病、性別特有の症状、及び、既往歴に関し、発熱、鼻水、咳などの諸症状の有無（図１０（ａ））、花粉症、風邪、インフルエンザについての発病の有無、男性／女性に特有の症状の有無（図１０（ｂ））、肺炎、新型コロナ、喘息などの既往歴（図１０（ｃ））について回答させるための質問等が表示された画面例を示している。
図１０に記載された質問は、公的機関が発表しているデータ及び／又は専門家の知見として、新型コロナウイルス感染症の感染リスクに直接又は間接に相関関係がある可能性、又は、免疫力の高低に相関関係がある可能性が多岐とされたものであり、これらに対する回答と新型コロナウイルスの感染の有無についての回答とから、ユーザの新型コロナウイルスの感染リスクを割り出すことを意図している。ユーザが図１０（ｃ）に示す「次へ」ボタンの表示領域をタップした場合には、図１１（ａ）に示す画面に遷移する。
図１１には、図１０の回答結果に基づいて更に詳細な回答をさせるための質問等が表示された画面例を示している。この画面例は、図１０において、ユーザが、慢性的な疾患として発熱あり、定期的な発病として花粉症あり、既往歴として肺炎あり、と回答していた場合に表示されるものである。
したがって、図１１には、例えば、発熱の頻度、花粉症の発症頻度、肺炎の罹患時期（図１１（ａ）～図１１（ｂ））ついて回答させるための質問等、更には、臓器移植、血液移植、骨髄移植等の有無（図１１（ｂ）～図１１（ｃ））について回答させるための質問等を表示するようにしている。これにより、疾患等が新型コロナウイルスの感染に及ぼす影響をより緻密に特定することを意図している。
このように、ユーザに対して種々の質問をする結果、例えば、当該ユーザが、飴を沢山食べる傾向にあるとか、ジャンクフードをよく食べる傾向にあるといったユーザの食生活に関する情報と、当該ユーザの既往歴などの健康情報とを取得することが可能となる。
なお、図４～図１１に示す質問はあくまで例示であり、これらとともに又はこれらの少なくとも一部に代えて、仮に、血圧、血糖値などが新型コロナウイルス感染症の感染リスクとの相関関係が不明であるとしても、そのような事項について尋ねるようにしてもよい。こうすると、例えば、血糖値が高いならば摂取を推奨するが、そうでなければ摂取を推奨しない飲食物の情報を提供することも可能となるし、未だ判明していない相関関係が発見できる可能性がある。ユーザが図１１（ｃ）に示す「カウンセリング結果へ」ボタンの表示領域をタップした場合には、図１２（ａ）に示す画面に遷移する。
ここで、ユーザが図１１（ｃ）に示す「カウンセリング結果へ」ボタンの表示領域をタップすると、感染リスク情報提供サーバ装置２００では、感染リスク情報提供クライアント装置１００からの全ての質問に対する全て回答を受信して、それらのＤＢ４００への格納が完了する。
したがって、当該ユーザの全回答をＡＩ装置３００に入力すれば、ＡＩ装置３００が後述する手法によって、対応する当該ユーザの新型コロナウイルス感染症についての感染リスクの推定することができるので、その推定結果を結果送信手段２３０によって感染リスク情報提供クライアント装置１００に対して送信する。
感染リスク情報提供クライアント装置１００では、感染リスク情報提供サーバ装置２００から送信される推定結果を受信すると、提示手段１４０によって、ディスプレイに表示される。
図１２～図１３は、図４～図１１に示す質問に対するユーザの回答に対応するユーザの新型コロナウイルスの感染リスクの推定結果等を表示する画面例である。本実施形態では、例えばＡ～Ｅランクという５段階評価でユーザの感染リスクの判定結果（推定結果）を示すようにしている（図１２（ａ））。この評価は、例えば、以下の感染リスクの増加要因及び感染リスクの低下要因の各欄内の数値の加減算から割り出すことができる。
更に、ユーザの新型コロナウイルス感染症の感染リスクの増加要因及び感染リスクの低下要因（図１２（ａ）～図１３（ａ））、感染リスクを減らすための当該ユーザ向けの情報及びＥＣサイトへユーザを誘導するページである「Ｈｅａｌｔｈｙフードリスト」へリンク（図１３（ａ））、種々の参考情報等（図１３（ａ）～図１３（ｂ））、についても示している。ユーザが図１３（ａ）に示す「Ｈｅａｌｔｈｙフードリストはこちら」という表示領域をタップした場合に、図１４に示す商品群が表示されたページへ遷移する。
ここで、ＡＩ装置３００における感染リスクの推定手法の考え方について説明する。例えば、複数人に対する調査として、「キャンディー（飴）」をよく食べる人には、一定程度の割合で恒常的に「腹痛」があることが判明したとする。一方、例えば複数の専門家のうち多くの専門家の知見として、例えば、腸内環境が悪くなると免疫力が低下するという情報とがあったとする。
ＡＩ装置３００は、このような情報が学習用データとして学習手段２５０によって入力されていくと、原材料に砂糖を含む商品が、腹痛の原因であり、ひいては、腸内環境が悪化して感染症の感染リスクが高まる可能性があるということが学習されていく。したがって、「キャンディー（飴）」をよく食べるというユーザの回答を、学習済みのＡＩ装置３００に入力した場合には、図１２（ａ）に例示するように、「砂糖」が「リスク増加要因」として当該ユーザに提示されることになる。
なお、本実施形態では、ここでいう複数人の調査及び複数の専門家の知見については、例えば、異なる集団の母比率の差の検定（ｚ検定）、同一集団の母比率の差の検定（カイ２乗検定）、同一カテゴリの項目の母比率の差の検定（ｚ検定）、全体と一部カテゴリの母比率の差の検定（ｚ検定）などの仮説検定を用いて、統計上の一定程度の信頼性があると判断できるものを用いている。
また、本実施形態では、特定の生活習慣に対して異なる形式で複数の質問を行うようにして、それらの質問に対する回答間に矛盾があるので、当該ユーザの回答を学習用データに含めないようにしている。
具体的には、例えば、図８（ｃ）における「たばこは吸いますか？」という質問に対して「吸わない」と回答したにも拘らず、その次の質問に対して「５本以上」と回答された場合には、それらの質問に対する回答間に矛盾があるときには、当該ユーザの回答を学習用データに含めないと決定する。
図１４は、ユーザに飲食することを推奨する飲食物を購入可能なＥＣサイトに誘導するページ（Ｈｅａｌｔｈｙフードリスト）である。図１４には、ユーザに飲食することを提案する飲食品の商品名、パッケージ画像、ａｍａｚｏｎ（登録商標）、Ｒａｋｕｔｅｎ（楽天市場）（登録商標）などの商品購入のためのＥＣサイトへのリンク、「健康度」、「美味しさ」、「原材料」、「口コミ」等の各種情報などを表示する画面例である。
なお、「健康度」とは、飲食習慣についての回答と慢性的な疾患及び／又は定期的な発病についての回答等に基づいて算出したものであり、その数値が属するＡ～Ｅの５段階の評価情報も示している。「美味しさ」は図１４に示すサイト等を通じて当該商品を購入したユーザがした評価の平均値である。
また、ＥＣサイトのリンクは、例えば毎月１日など定期的に各ＥＣサイトにアクセスして、商品名を検索キーワードとして用いて検索をした結果得られるウェブページに割り当てられているＵＲＬを用いればよい。
ユーザが購入したい飲食商品を決定したら、感染リスク情報提供クライアント装置１００のディスプレイ等を操作することによって、その商品に対応するＥＣサイトにアクセスして、当該ＥＣサイトを通じて飲食商品についての注文を発すればよい。
本発明の実施形態の感染リスク情報提供システムの模式的な構成図である。 図１に示す感染リスク情報提供クライアント装置１００の模式的な内部構成図である。 図１に示す感染リスク情報提供サーバ装置２００の模式的な内部構成図である。 感染リスク情報提供クライアント装置１００のディスプレイに表示される各種質問等の画面例を示す図である。 感染リスク情報提供クライアント装置１００のディスプレイに表示される各種質問等の画面例を示す図である。 感染リスク情報提供クライアント装置１００のディスプレイに表示される各種質問等の画面例を示す図である。 感染リスク情報提供クライアント装置１００のディスプレイに表示される各種質問等の画面例を示す図である。 感染リスク情報提供クライアント装置１００のディスプレイに表示される各種質問等の画面例を示す図である。 感染リスク情報提供クライアント装置１００のディスプレイに表示される各種質問等の画面例を示す図である。 感染リスク情報提供クライアント装置１００のディスプレイに表示される各種質問等の画面例を示す図である。 感染リスク情報提供クライアント装置１００のディスプレイに表示される各種質問等の画面例を示す図である。 図４～図１１に示す質問に対するユーザの回答に対応するユーザの新型コロナウイルスの感染リスクの推定結果等を表示する画面例である。 図４～図１１に示す質問に対するユーザの回答に対応するユーザの新型コロナウイルスの感染リスクの推定結果等を表示する画面例である。 ユーザに飲食することを推奨する飲食物を購入可能なＥＣサイトに誘導するページである。
１００ 感染リスク情報提供クライアント装置
１１０ 質問受信手段
１２０ 受付手段
１３０ 回答送信手段
１４０ 提示手段
１５０ 発注手段
２００ 感染リスク情報提供サーバ装置
２１０ 質問送信手段
２２０ 回答受信手段
２３０ 結果送信手段
２４０ 格納手段
２５０ 学習手段
３００ 人工知能装置（ＡＩ装置）
４００ データベース（ＤＢ）
５００ 管理者端末

Claims (8)

  1. ユーザに対する、少なくとも、生活習慣と、所定の病気についての既往歴と、特定の感染症に感染した場合に現れやすいとされている複数の症状のうち当該ユーザが実際に発症した症状と、についての質問に対するユーザの回答を受信する回答受信手段と、
    複数人に対して調査した、前記感染症の感染歴と、生活習慣と、前記既往歴と、前記症状と、の組を学習用データとして学習された人工知能装置を用いて推定される、前記回答受信手段によって受信された回答に対応する当該ユーザの前記感染症についての感染リスクの推定結果を送信する結果送信手段と、
    を備える、感染リスク情報提供サーバ装置。
  2. 前記生活習慣に含まれる飲食習慣を示す情報は、恒常的に摂取している複数の飲食物の各々の原材料と前記複数の飲食物の各々の摂取頻度とを示す情報である、請求項１記載の感染リスク情報提供サーバ装置。
  3. 前記質問には、前記感染症の感染歴の有無も含まれる、請求項１又は２記載の感染リスク情報提供サーバ装置。
  4. 請求項１～３のいずれか記載の感染リスク情報提供サーバ装置と、
    前記質問を受信する質問受信手段と、
    前記質問受信手段によって受信された質問に対するユーザの回答を受け付ける受付手段と、
    前記受付手段によって受け付けた回答を前記感染リスク情報提供サーバ装置に送信する回答送信手段と、
    前記結果送信手段によって送信される推定結果を前記ユーザに提示する提示手段と、
    を備える感染リスク情報提供クライアント装置と、
    がネットワークを通じて接続されている感染リスク情報提供システム。
  5. 前記回答受信手段によって受信されたユーザの回答を格納媒体に格納する格納手段と、
    前記格納媒体に格納されたユーザの回答を学習用データとして前記人工知能装置を学習する学習手段と、
    を備える、請求項４記載の感染リスク情報提供システム。
  6. さらに、前記格納媒体に格納されている情報に基づいて前記ユーザに飲食することを推奨する飲食物を購入可能なＥＣサイトに誘導するページを作成する作成手段を備える、請求項５記載の感染リスク情報提供システム。
  7. 前記学習手段は、特定の生活習慣に対して異なる形式で複数の質問が行われた場合に、前記各質問に対する各回答間に矛盾があるときには当該ユーザの回答を学習用データに含めないことを決定する決定手段を備える、
    請求項５記載の感染リスク情報提供システム。
  8. ユーザに対して、少なくとも、生活習慣と、所定の病気についての既往歴と、特定の感染症に感染した場合に現れやすいとされている複数の症状のうち当該ユーザが実際に発症した症状と、について問う質問を受け付ける機能と、
    前記受け付けた質問に対するユーザの回答を送信する機能と、
    複数人に対して調査した、前記感染症の感染歴と、生活習慣と、前記既往歴と、前記症状と、の組の情報を学習用データとして学習された人工知能装置を用いて推定される、前記送信した回答に対応する当該ユーザの前記感染症についての感染リスクの推定結果を受信する機能と、
    前記受信した推定結果を前記ユーザに提示する機能と、
    を感染リスク情報提供クライアント装置に実行させる、感染リスク情報提供プログラム。

JP2021171443A 2021-10-20 2021-10-20 感染リスク情報提供サーバ装置、プログラム及びシステム Pending JP2023061516A (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2021171443A JP2023061516A (ja) 2021-10-20 2021-10-20 感染リスク情報提供サーバ装置、プログラム及びシステム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2021171443A JP2023061516A (ja) 2021-10-20 2021-10-20 感染リスク情報提供サーバ装置、プログラム及びシステム

Publications (1)

Publication Number Publication Date
JP2023061516A true JP2023061516A (ja) 2023-05-02

Family

ID=86249817

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021171443A Pending JP2023061516A (ja) 2021-10-20 2021-10-20 感染リスク情報提供サーバ装置、プログラム及びシステム

Country Status (1)

Country Link
JP (1) JP2023061516A (ja)

Similar Documents

Publication Publication Date Title
Tiggemann et al. ‘Strong is the new skinny’: A content analysis of# fitspiration images on Instagram
Anderson et al. iObjectify: Self‐and other‐objectification on Grindr, a geosocial networking application designed for men who have sex with men
Kratz et al. Community-based outbreak of Neisseria meningitidis serogroup C infection in men who have sex with men, New York City, New York, USA, 2010− 2013
Keller et al. Designing effective health communications: a meta-analysis
Mall et al. Changing patterns in HIV/AIDS stigma and uptake of voluntary counselling and testing services: the results of two consecutive community surveys conducted in the Western Cape, South Africa
Wandera et al. Efficacy of a single, brief alcohol reduction intervention among men and women living with HIV/AIDS and using alcohol in Kampala, Uganda: a randomized trial
Nesbitt et al. Increasing awareness and education on health disparities for health care providers
Rogak et al. Practice of consensual BDSM and relationship satisfaction
Koball et al. Content and accuracy of nutrition-related posts in bariatric surgery Facebook support groups
CN110870023A (zh) 信息处理装置、信息处理方法和程序
Mennicke et al. Sexual minority high school boys’ and girls’ risk of sexual harassment, sexual violence, stalking, and bullying
Washington et al. Factors associated with HIV-testing history among Black men who have sex with men (BMSM) in Los Angeles County
Garg et al. Message framing effects on food consumption: A social marketing perspective
Preston et al. Improving human papillomavirus-related knowledge and attitudes among ethnically diverse young adults
Yoshida et al. Limited functional health literacy, health information sources, and health behavior among community‐dwelling older adults in Japan
MacDougall et al. Knowledge, attitudes, beliefs, and behaviors of university students, faculty, and staff during a meningococcal serogroup B outbreak vaccination program
Borzekowski et al. A six country study of young children’s media exposure, logo recognition, and dietary preferences
Milic et al. Patterns of condom use in a university student population residing in a high-risk area for HIV infection
Steijvers et al. Social networks and infectious diseases prevention behavior: a cross-sectional study in people aged 40 years and older
Marini et al. Ethnic, gender, and contact differences in intimacy attitudes toward wheelchair users
Voith et al. How trauma, depression, and gender roles lead to intimate partner violence perpetration among a sample of predominately low-income black, indigenous, men of color: a mixed methods study
Eastman-Mueller et al. Get yourself tested (GYT) campaign: investigating campaign awareness and behaviors among high school and college students
Downing Jr et al. Self-presentation, desired partner characteristics, and sexual behavior preferences in online personal advertisements of men seeking non-gay-identified men.
Hayes et al. A comprehensive examination of the health knowledge, attitudes and behaviors of students attending historically black colleges and universities
Weil Applying research methods to a gerontological population: Matching data collection to characteristics of older persons