JP2023157365A - プログラム、情報処理装置、方法及びシステム - Google Patents

Abstract

【課題】蓄積される健康診断の結果から、被験者の健康状態を高精度に予測するプログラム、情報処理装置、方法及びシステムを提供する。【解決手段】システムによる処理フローは、不特定多数の個人が受けた健康診断に関する第１情報を取得するステップと、不特定多数の個人が医療機関において受診した診断に関する第２情報を取得するステップと、取得した第１情報と第２情報とを解析し、第１情報に含まれる検査項目と、第２情報に含まれる診断結果との関連性を取得するステップと、任意の個人についての第１情報の少なくとも一部を取得し、取得した情報と、関連性とに基づき、個人の健康状態を予測するステップとを実行させる。【選択図】図９

Description

本開示は、プログラム、情報処理装置、方法及びシステムに関する。

被験者の健康診断の結果を利用し、被験者の疾病の種類を予測する技術が存在する（特許文献１参照）。

特開２００８－２３７３７７号公報

健康診断を受ける被験者は複数存在する。また、被験者が医療機関において診療を受ける機会も複数存在する。複数の被験者について、健康診断の結果に関する情報は健康診断の度に蓄積され、また、診療結果に関する情報は、診療の度に蓄積される。しかしながら、蓄積されていく情報が、所定の被験者の健康状態を予測するのに効率的に利用されていない。

本開示の目的は、蓄積される健康診断に関する情報、および診断に関する情報を活用し、被験者の健康状態を高精度に予測することである。

プロセッサとメモリとを備えるコンピュータを動作させるためのプログラムである。プログラムは、プロセッサに、不特定多数の個人が受けた健康診断に関する第１情報を取得するステップと、不特定多数の個人が医療機関において受診した診断に関する第２情報を取得するステップと、取得した第１情報と第２情報とを解析し、第１情報に含まれる検査項目と、第２情報に含まれる診断結果との関連性を取得するステップと、任意の個人についての第１情報の少なくとも一部を取得し、取得した情報と、関連性とに基づき、個人の健康状態を予測するステップとを実行させる。

本開示によれば、蓄積される健康診断の結果から、被験者の健康状態を高精度に予測できる。

システムの動作の概要を説明するための図である。 システムの全体の構成を示す図である。 端末装置の機能的な構成を示す図である。 解析装置の機能的な構成を示す図である。 データベースのデータ構造を示す図である。 データベースのデータ構造を示す図である。 データベースのデータ構造を示す図である。 データベースのデータ構造を示す図である。 システムにおける処理流れの一例を示すフローチャートである。 システムにおける処理流れの一例を示すフローチャートである。 端末装置で表示される画面の一例を表す模式図である。 端末装置で表示される画面の別の一例を表す模式図である。 端末装置で表示される画面の別の一例を表す模式図である。

以下、本開示の実施形態について図面を参照して説明する。実施形態を説明する全図において、共通の構成要素には同一の符号を付し、繰り返しの説明を省略する。なお、以下の実施形態は、特許請求の範囲に記載された本開示の内容を不当に限定するものではない。また、実施形態に示される構成要素のすべてが、本開示の必須の構成要素であるとは限らない。また、各図は模式図であり、必ずしも厳密に図示されたものではない。

また、以下の説明において、「プロセッサ」は、１以上のプロセッサである。少なくとも１つのプロセッサは、典型的には、ＣＰＵ（Central Processing Unit）のようなマイクロプロセッサであるが、ＧＰＵ（Graphics Processing Unit）のような他種のプロセッサでもよい。少なくとも１つのプロセッサは、シングルコアでもよいしマルチコアでもよい。

また、少なくとも１つのプロセッサは、処理の一部又は全部を行うハードウェア回路（例えばＦＰＧＡ（Field-Programmable Gate Array）又はＡＳＩＣ（Application Specific Integrated Circuit））といった広義のプロセッサでもよい。

また、以下の説明において、「ｘｘｘテーブル」といった表現により、入力に対して出力が得られる情報を説明することがあるが、この情報は、どのような構造のデータでもよいし、入力に対する出力を発生するニューラルネットワークのような学習モデルでもよい。従って、「ｘｘｘテーブル」を「ｘｘｘ情報」と言うことができる。

また、以下の説明において、各テーブルの構成は一例であり、１つのテーブルは、２以上のテーブルに分割されてもよいし、２以上のテーブルの全部又は一部が１つのテーブルであってもよい。

また、以下の説明において、「プログラム」を主語として処理を説明する場合があるが、プログラムは、プロセッサによって実行されることで、定められた処理を、適宜に記憶部及び／又はインタフェース部などを用いながら行うため、処理の主語が、プロセッサ（或いは、そのプロセッサを有するコントローラのようなデバイス）とされてもよい。

プログラムは、計算機のような装置にインストールされてもよいし、例えば、プログラム配布サーバ又は計算機が読み取り可能な（例えば非一時的な）記録媒体にあってもよい。また、以下の説明において、２以上のプログラムが１つのプログラムとして実現されてもよいし、１つのプログラムが２以上のプログラムとして実現されてもよい。

また、以下の説明において、種々の対象の識別情報として、識別番号が使用されるが、識別番号以外の種類の識別情報（例えば、英字や符号を含んだ識別子）が採用されてもよい。

また、以下の説明において、同種の要素を区別しないで説明する場合には、参照符号（又は、参照符号のうちの共通符号）を使用し、同種の要素を区別して説明する場合は、要素の識別番号（又は参照符号）を使用することがある。

また、以下の説明において、制御線や情報線は、説明上必要と考えられるものを示しており、製品上必ずしも全ての制御線や情報線を示しているとは限らない。全ての構成が相互に接続されていてもよい。

＜０ システムの概要＞
図１は、本開示に係るシステムの動作の概要を示す図である。本開示のシステム１は、不特定多数の個人が受けた健康診断に関する第１情報と、健康診断を受けた不特定多数の個人が医療機関において受診した診断に関する第２情報とを取得する。システム１は、第１情報と、第２情報とを解析することで、第１情報と第２情報との関連性を取得する。例えば、システム１は、第１情報に含まれる検査項目と、第２情報に含まれる診断結果との相関関係を取得する。システム１は、取得した相関関係に基づき、所定の被験者の健康診断の結果を入力とし、その被験者の状態を予測する。

システム１、またはシステム１外の所定のシステムは、不特定多数の個人の健康診断に関する第１情報を取得する。第１情報は、例えば、個人単位で取得する。

第１情報は、特定の個人が健康診断を受診した結果この健康診断を実施した機関が記録した情報であり、血液検査、血圧等各種検査の検査数値、心電図、Ｘ線診断、超音波診断等の複数の検査項目に関する情報を含む。健康診断に含まれる検査項目は、予め設定されていなくても構わない。医療機関毎に、または、個人毎に検査項目が異なっていてもよい。また、新たな検査項目が時代の変遷、技術の進歩に応じて追加されてもよい。第１情報は、年齢、身長、体重、人種、出生地、居住地等、その個人に特有の情報を含んでもよい。

また、システム１、またはシステム１外の所定のシステムは、不特定多数の個人が医療機関において受診した診断に関する第２情報を取得する。第２情報は、例えば、個人単位で取得する。

第２情報は、例えば、特定の個人が医療機関を受診した結果この医療機関が個人に対する診断を行った結果に関する情報であり、例えば、糖尿病、高血圧等の疾患の名称を含む。個人が複数の疾患を診断されることもあり得る。第２情報は、年齢、身長、体重、人種、出生地、居住地等、その個人に特有の情報を含んでもよい。

第１情報に含まれる検査項目は、バイオマーカーと呼ばれる指標が含まれていてもよい。バイオマーカーとは、個人の疾患病態や生物的特徴の説明に役立つ測定指標であり、体重、血圧などの身体測定値や、コレステロールや尿酸等の血液検査値が含まれる。

なお、図１では、第１情報を特定、区別するためのアルファベットと、第２情報を特定、区別するためのアルファベットを共通にしている。従って、第１情報を有する個人と第２情報を有する個人は同一人物である。このように、第１情報を提供した個人と第２情報を提供した個人との関連性を特定する特定情報（この場合はアルファベット）を持つことで、後述する第１情報と第２情報との関連性の解析をより明確に行うことができる。なお、特定情報は図１に示すアルファベットに限定されない。

次いで、システム１は、取得した第１情報と第２情報とを解析することで、第１情報と、第２情報との相関関係を取得する。解析手法の詳細については後述する。相関関係は、検査項目と、診断結果とが関連性を有していることを表す。例えば図１に示す例では、検査項目１、検査項目２、検査項目３に異常がある個人は疾患Ｄ１と診断されることが多い、ということが表されている。相関関係には、将来的に対応する疾患に罹患する可能性はあるものの、現時点では罹患していない場合も含まれる。

そして、システム１は、取得した第１情報と第２情報との相関関係に、入力される個人の第１情報を適用し、この個人が現在患っている疾患、または将来的に患う可能性がある疾患を予測する。

＜１ システム全体の構成図＞
図２は、システム１の全体構成の例を示すブロック図である。図２に示すシステム１は、例えば、端末装置１０、サーバ２０、データサーバ３０を含む。端末装置１０、サーバ２０及びデータサーバ３０は、例えば、ネットワーク８０を介して通信接続する。

図２において、システム１が端末装置１０を１台含む例を示しているが、システム１に含まれる端末装置１０の数は、１台に限定されない。端末装置１０は、所有者自身の第１情報を提供し、この第１情報に基づいて予測される疾患の提示を希望する者が所持する端末である。

本実施形態において、複数の装置の集合体を１つのサーバとしてもよい。１つ又は複数のハードウェアに対して本実施形態に係るサーバ２０を実現することに要する複数の機能の配分の仕方は、各ハードウェアの処理能力及び／又はサーバ２０に求められる仕様等に鑑みて適宜決定することができる。

図１に示す端末装置１０は、例えば、スマートフォン、タブレット等の携帯端末でもよいし、据え置き型のＰＣ（Personal Computer）、ラップトップＰＣであってもよい。また、ＨＭＤ（Head Mount Display）、腕時計型端末等のウェアラブル端末であってもよい。

端末装置１０は、通信ＩＦ（Interface）１２と、入力装置１３と、出力装置１４と、メモリ１５と、ストレージ１６と、プロセッサ１９とを備える。

通信ＩＦ１２は、端末装置１０が、例えば、サーバ２０等のシステム１内の装置と通信するため、信号を入出力するためのインタフェースである。

入力装置１３は、ユーザからの入力操作を受け付けるための装置（例えば、タッチパネル、タッチパッド、マウス等のポインティングデバイス、キーボード等）である。

出力装置１４は、ユーザに対して情報を提示するための装置（ディスプレイ、スピーカー等）である。

メモリ１５は、プログラム、及びプログラム等で処理されるデータ等一時的に記憶するためのものであり、例えばＤＲＡＭ（Dynamic Random Access Memory）等の揮発性のメモリである。

ストレージ１６は、データを保存するためのものであり、例えばフラッシュメモリ、ＨＤＤ（Hard Disc Drive）である。

プロセッサ１９は、プログラムに記述された命令セットを実行するためのハードウェアであり、演算装置、レジスタ、周辺回路等により構成される。

データサーバ３０は、例えば、ネットワーク８０に接続されたコンピュータにより実現される。データサーバ３０は、不特定多数の個人について実施された健康診断に関する第１情報を有する。また、データサーバ３０は、不特定多数の個人が医療機関において受診した診断に関する第２情報を有する。

図１において、データサーバ３０は単体で設けられているが、ゲノム情報を有するサーバと身体情報を有するサーバとを別体にしてもよいし、複数の装置の集合体を１つのデータサーバ３０としてもよい。

本実施形態において、データサーバ３０は、不特定多数の個人から提供される第１情報受け取って格納してもよい。また、データサーバ３０は、健康診断を実施した医療機関から提供される第１情報を受け取って格納してもよい。また、データサーバ３０は、他のサーバが保持する第１情報を受け取って格納してもよい。データサーバ３０は、受け取った第１情報を順次蓄積していく。

また、データサーバ３０は、不特定多数の個人から提供される第２情報を受け取って格納してもよい。また、データサーバ３０は、診断を行った医療機関から提供される第２情報を受け取って格納してもよい。また、データサーバ３０は、他のサーバが保持する第２情報を受け取って格納してもよい。データサーバ３０は、受け取った第２情報を順次蓄積していく。

データサーバ３０は、また、第１情報を提供した個人と第２情報を提供した個人との間の関係性を特定する特定情報を有する。個人情報保護の観点から、この特定情報は個人が特定可能な情報（例えば氏名）ではなく、第１情報と第２情報との関係を一意に特定できる、匿名性を有する情報であることが好ましい。加えて、この特定情報には、第１情報及び／または第２情報を提供した個人間の血縁関係を示す情報が含まれる。特定情報についても、他のサーバから受け取ってもよいし、データサーバ３０、またはサーバ２０が、第１情報に紐付けられた、この第１情報を提供した個人に関する情報と、第２情報に紐付けられた、この第２情報を提供した個人に関する情報とに基づいて生成してもよい。

サーバ２０は、データサーバ３０に格納された第１情報と第２情報とを解析し、第１情報と第２情報との相関関係を取得する。この際、サーバ２０は、特定情報に基づいて第１情報と第２情報とを解析し、これらの情報の関連性を取得することが好ましい。

本実施形態では、第１情報、第２情報及び特定情報はデータサーバ３０に格納されているが、第１情報と第２情報もサーバ２０に格納しておく構成も可能である。

サーバ２０は、例えば、ネットワーク８０に接続されたコンピュータ（情報処理装置）により実現される。図１に示すように、サーバ２０は、通信ＩＦ２２と、入出力ＩＦ２３と、メモリ２５と、ストレージ２６と、プロセッサ２９とを備える。

通信ＩＦ２２は、サーバ２０が、例えば、端末装置１０等のシステム１内の装置と通信するため、信号を入出力するためのインタフェースである。

入出力ＩＦ２３は、ユーザからの入力操作を受け付けるための入力装置、及び、ユーザに対して情報を提示するための出力装置とのインタフェースとして機能する。

メモリ２５は、プログラム、及び、プログラム等で処理されるデータ等を一時的に記憶するためのものであり、例えばＤＲＡＭ等の揮発性のメモリである。

ストレージ２６は、データを保存するためのものであり、例えばフラッシュメモリ、ＨＤＤである。

プロセッサ２９は、プログラムに記述された命令セットを実行するためのハードウェアであり、演算装置、レジスタ、周辺回路等により構成される。

＜１．１ 端末装置の機能的な構成＞
図３は、図２に示す端末装置１０の機能的な構成の例を表すブロック図である。図３に示す端末装置１０は、例えば、ＰＣ、携帯端末、またはウェアラブル端末により実現される。図３に示すように、端末装置１０は、通信部１２０と、入力装置１３と、出力装置１４と、音声処理部１７と、マイク１７１と、スピーカー１７２と、カメラ１６１と、位置情報センサ１５０と、記憶部１８０と、制御部１９０とを備える。端末装置１０に含まれる各ブロックは、例えば、バス等により電気的に接続される。

通信部１２０は、端末装置１０が他の装置と通信するための変復調処理等の処理を行う。通信部１２０は、制御部１９０で生成された信号に送信処理を施し、外部（例えば、サーバ２０）へ送信する。通信部１２０は、外部から受信した信号に受信処理を施し、制御部１９０へ出力する。

入力装置１３は、端末装置１０を操作するユーザが指示、または情報を入力するための装置である。入力装置１３は、例えば、キーボード、マウス、リーダー等により実現されてもよい。端末装置１０が携帯端末等である場合には、操作面へ触れることで指示が入力されるタッチ・センシティブ・デバイス１３１等により実現される。入力装置１３は、ユーザから入力される指示を電気信号へ変換し、電気信号を制御部１９０へ出力する。なお、入力装置１３には、例えば、外部の入力機器から入力される電気信号を受け付ける受信ポートが含まれてもよい。

出力装置１４は、端末装置１０を操作するユーザへ情報を提示するための装置である。出力装置１４は、例えば、ディスプレイ１４１等により実現される。ディスプレイ１４１は、制御部１９０の制御に応じたデータを表示する。ディスプレイ１４１は、例えば、ＬＣＤ（Liquid Crystal Display）、または有機ＥＬ（Electro-Luminescence）ディスプレイ等によって実現される。

音声処理部１７は、例えば、音声信号のデジタル－アナログ変換処理を行う。音声処理部１７は、マイク１７１から与えられる信号をデジタル信号に変換して、変換後の信号を制御部１９０へ与える。また、音声処理部１７は、音声信号をスピーカー１７２へ与える。音声処理部１７は、例えば音声処理用のプロセッサによって実現される。マイク１７１は、音声入力を受け付けて、当該音声入力に対応する音声信号を音声処理部１７へ与える。スピーカー１７２は、音声処理部１７から与えられる音声信号を音声に変換して当該音声を端末装置１０の外部へ出力する。

カメラ１６１は、受光素子により光を受光し、撮影信号として出力するためのデバイスである。

位置情報センサ１５０は、端末装置１０の位置を検出するセンサであり、例えばＧＰＳ（Global Positioning System）モジュールである。ＧＰＳモジュールは、衛星測位システムで用いられる受信装置である。衛星測位システムでは、少なくとも３個または４個の衛星からの信号を受信し、受信した信号に基づいて、ＧＰＳモジュールが搭載される端末装置１０の現在位置を検出する。位置情報センサ１５０は、端末装置１０が接続する無線基地局の位置から、端末装置１０の現在の位置を検出してもよい。

記憶部１８０は、例えば、メモリ１５、およびストレージ１６等により実現され、端末装置１０が使用するデータ、およびプログラムを記憶する。記憶部１８０は、例えば、健康診断情報１８１を記憶する。健康診断情報１８１は、端末装置１０を所有する個人の健康診断に関する第１情報である。

制御部１９０は、プロセッサ１９が記憶部１８０に記憶されるプログラムを読み込み、プログラムに含まれる命令を実行することにより各種機能を実現する。制御部１９０は、端末装置１０の動作を制御する。制御部１９０は、プログラムに従って動作することにより、操作受付部１９１と、送受信部１９２と、提示制御部１９３としての機能を発揮する。

操作受付部１９１は、入力装置１３から入力される指示、または情報を受け付けるための処理を行う。具体的には、例えば、操作受付部１９１は、キーボード、マウス等から入力される指示に基づく情報を受け付ける。

また、操作受付部１９１は、マイク１７１から入力される音声指示を受け付ける。具体的には、例えば、操作受付部１９１は、マイク１７１から入力され、音声処理部１７でデジタル信号に変換された音声信号を受信する。操作受付部１９１は、例えば、受信した音声信号を分析して所定の名詞を抽出することで、ユーザからの指示を取得する。

送受信部１９２は、端末装置１０が、サーバ２０等の外部の装置と、通信プロトコルに従ってデータを送受信するための処理を行う。具体的には、例えば、送受信部１９２は、ユーザから入力された業務内容をサーバ２０へ送信する。また、送受信部１９２は、ユーザに関する情報を、サーバ２０から受信する。

提示制御部１９３は、サーバ２０から提供された情報をユーザに対して提示するため、出力装置１４を制御する。具体的には、例えば、提示制御部１９３は、サーバ２０から送信される情報をディスプレイ１４１に表示させる。また、提示制御部１９３は、サーバ２０から送信される情報をスピーカー１７２から出力させる。

＜１．２ サーバ２０の機能的な構成＞
図４は、サーバ２０の機能的な構成の例を示す図である。図４に示すように、サーバ２０は、通信部２０１と、記憶部２０２と、制御部２０３としての機能を発揮する。

通信部２０１は、サーバ２０が外部の装置と通信するための処理を行う。

記憶部２０２は、例えば、第１情報データベース（ＤＢ）２０２１と、第２情報ＤＢ２０２２と、特定情報ＤＢ２０２３と、関連性ＤＢ２０２４等とを有する。

第１情報ＤＢ２０２１は、データサーバ３０から提供された第１情報を保持するためのデータベースである。詳細は後述する。

第２情報ＤＢ２０２２は、データサーバ３０から提供された第２情報を保持するためのデータベースである。詳細は後述する。

特定情報ＤＢ２０２３は、データサーバ３０から提供された特定情報を保持するためのデータベースである。詳細は後述する。

関連性ＤＢ２０２４は、制御部２０３の解析モジュール２０３６による解析で取得された、第１情報と第２情報との関連性を保持するためのデータベースである。詳細は後述する。

制御部２０３は、プロセッサ２９が記憶部２０２に記憶されるプログラムを読み込み、プログラムに含まれる命令を実行することにより各種機能を実現する。制御部２０３は、例えば、プログラムに従って動作することにより、受信制御モジュール２０３１、送信制御モジュール２０３２、第１情報取得モジュール２０３３、第２情報取得モジュール２０３４、特定情報取得モジュール２０３５、解析モジュール２０３６、及び、提示モジュール２０３７として示す機能を発揮する。

受信制御モジュール２０３１は、サーバ２０が外部の装置から通信プロトコルに従って信号を受信する処理を制御する。

送信制御モジュール２０３２は、サーバ２０が外部の装置に対し通信プロトコルに従って信号を送信する処理を制御する。

第１情報取得モジュール２０３３は、データサーバ３０から第１情報を取得する。第１情報取得モジュール２０３３は、取得した第１情報を第１情報ＤＢ２０２１に格納する。

第１情報取得モジュール２０３３による第１情報取得の時間間隔は任意であり、例えば定期的にデータサーバ３０にアクセスし、前回アクセスして以降に第１情報が更新されていれば更新された第１情報を取得する、データサーバ３０から第１情報更新の通知があったらデータサーバ３０にアクセスし、更新された第１情報を取得する等、種々の手法がある。また、更新された第１情報のみならず、データサーバ３０にアクセスする毎に、データサーバ３０に格納されている第１情報を全て取得してもよい。

第２情報取得モジュール２０３４は、データサーバ３０から第２情報を取得する。第２情報取得モジュール２０３４は、取得した第２情報を第２情報ＤＢ２０２２に格納する。

第２情報取得モジュール２０３４による第２情報取得の時間間隔は任意であり、例えば定期的にデータサーバ３０にアクセスし、前回アクセスして以降に第２情報が更新されていれば更新された第２情報を取得する、データサーバ３０から第２情報更新の通知があったらデータサーバ３０にアクセスし、更新された第２情報を取得する等、種々の手法がある。また、更新された第２情報のみならず、データサーバ３０にアクセスする毎に、データサーバ３０に格納されている第２情報を全て取得してもよい。

特定情報取得モジュール２０３５は、データサーバ３０から特定情報を取得する。特定情報取得モジュール２０３５は、取得した特定情報を特定情報ＤＢ２０２３に格納する。

解析モジュール２０３６は、第１情報取得モジュール２０３３、第２情報取得モジュール２０３４及び特定情報取得モジュール２０３５がデータサーバ３０から取得し、第１情報ＤＢ２０２１、第２情報ＤＢ２０２２及び特定情報ＤＢ２０２３に格納した第１情報、第２情報及び特定情報に基づき、第１情報と第２情報とを解析する。解析モジュール２０３６は、この解析により、第１情報に含まれる検査項目と、第２情報に含まれる疾患との関連性（相関関係）を取得し、取得した関連性を関連性ＤＢ２０２４に格納する。

解析モジュール２０３６による、第１情報と第２情報と解析手法としては、周知かつ任意の手法から適宜選択されればよい。

第１情報と第２情報を解析する際に注意すべきことは、複数の検査項目が複数の疾患と関連し得ること、つまり、多次元の関連性を有することである。一例として、複数の検査項目が単一の疾患と関連することがある。逆に、単一の検査項目が複数の疾患と関連することもある。

古典的な、つまり機械学習を用いない、多次元の関連性を解析する多変量解析法として、主成分分析（ＰＣＡ）、多次元尺度解析法（ＭＤＳ）、正準相関分析（ＣＣＡ）などが知られている。多変量解析法そのものは周知であるので、ここでの詳細な説明は行わない。

機械学習を用いた多次元の関連性を解析する手法も知られている。この場合、多次元の関連性をそのまま機械学習モデルに適用しても適切な推論結果が得られない可能性があるので、適切な（かつ公知の）次元削減手法を用いて、機械学習モデルに適用可能な（例えば２次元）次元にまで削減した後、機械学習モデルを用いて機械学習を行わせ、学習済みモデルを生成すればよい。なお、上述した主成分分析等も次元削減手法の一例である。

ここで、学習済みモデルは、モデル学習プログラムに従い、機械学習モデルに機械学習を行わせることで生成されるモデルである。学習済みモデルは、例えば、入力されるデータに基づき、所定の推論を実施する、複数の関数が合成されたパラメータ付き合成関数である。パラメータ付き合成関数は、複数の調整可能な関数およびパラメータの組合せにより定義される。本実施形態に係る学習済みモデルは、上記の要請を満たす如何なるパラメータ付き合成関数であってもよい。

例えば、学習済みモデルが順伝播型の多層化ネットワークを用いて生成される場合、パラメータ付き合成関数は、例えば、重み行列を用いた各層間の線形関係、各層における活性化関数を用いた非線形関係（または線形関係）、およびバイアスの組み合わせとして定義される。重み付行列、およびバイアスは、多層化ネットワークのパラメータと呼ばれる。パラメータ付き合成関数は、パラメータをどのように選ぶかで、関数としての形を変える。多層化ネットワークでは、構成するパラメータを適切に設定することで、出力層から好ましい結果を出力することが可能な関数を定義することができる。

本実施形態に係る多層化ネットワークとしては、例えば、深層学習（Deep Learning）の対象となる多層ニューラルネットワークである深層ニューラルネットワーク（Deep Neural Network：ＤＮＮ）が用いられ得る。

本実施形態に適用されて好適な学習済みモデルは、適切に次元が削減された第１情報と第２情報とに基づいて、これら第１情報と第２情報との関連性を出力するように学習されたモデルである。

さらに、解析モジュール２０３６は、特定情報に基づいて第１情報と第２情報とを解析し、相関関係を取得してもよい。つまり、解析モジュール２０３６は、個人単位での第１情報と第２情報との関連性を解析することができる。

さらに、解析モジュール２０３６は、個人間の血縁関係に関する情報に基づいて、第１情報と第２情報との相関関係を取得してもよい。つまり、血縁関係があることで遺伝により特徴が共通する（引き継がれる）可能性が高いので、解析モジュール２０３６は、血縁関係にある個人の第１情報と第２情報との関連性が共通することを考慮し、第１情報と第２情報との関連性を取得することができる。

上述したように、第１情報取得モジュール２０３３及び第２情報取得モジュール２０３４は、データサーバ３０に格納されている情報を所定周期で取得する。解析モジュール２０３６は、情報を取得する周期と同周期、または長い周期で、取得した第１情報と第２情報とを解析し、第１情報と第２情報との相関関係を取得する。また、解析モジュール２０３６は、所定の暦、所定容量の第１情報または第２情報が取得されたら、解析を実施してもよい。この際、解析モジュール２０３６は、新たに取得した第１情報と第２情報のみを解析するのではなく、新たに取得した第１情報と第２情報とを含めたすべての情報を解析することが好ましい。なお、演算量の削減を目的として、新たに取得した身体情報とゲノム情報との関連性を解析してもよい。

解析モジュール２０３６が取得する関連性は、１種類に限定されない。解析モジュール２０３６は、世代、性別等の全ての属性を含むように第１情報と第２情報との関連性を取得してもよいが、属性毎に関連性を取得してもよい。解析モジュール２０３６は、世代、性別等の属性毎に第１情報と第２情報とを解析し、その属性における第１情報と第２情報との関連性を取得してもよい。

提示モジュール２０３７は、端末装置１０から提供された健康診断情報１８１に基づき、端末装置１０を操作する個人の疾患又は将来発生し得る疾患を予測する。具体的には、例えば、提示モジュール２０３７は、端末装置１０から個人の健康診断情報１８１を受け付け、この健康診断情報１８１を関連性ＤＢ２０２４と照合させることで、個人の疾患又は将来発生し得る疾患を予測する。また、解析モジュール２０３６により、第１情報と第２情報との相関関係に基づく学習済みモデルが作成されている場合、提示モジュール２０３７は、提供された健康診断情報１８１を学習済みモデルに入力し、個人の疾患又は将来発生し得る疾患を出力させる。提示モジュール２０３７は、予測した疾患に関する情報を、健康診断情報１８１を提供した個人に提示する。提示手法は周知の手法が好適に適用可能であり、一例として、端末装置１０の出力装置１４（ディスプレイ１４１）に疾患に関する情報を表示させる手法がある。

＜２ データ構造＞
図５～図８は、サーバ２０が記憶するデータベースのデータ構造を示す図である。なお、図５～図８は一例であり、記載されていないデータを除外するものではない。

図５は、第１情報ＤＢ２０２１のデータ構造を示す図である。図５に示すように、第１情報ＤＢ２０２１のレコードの各々は、例えば、項目「第１情報ＩＤ」と、項目「健診日」と、項目「検査項目１」と、項目「検査項目２」とを含む。第１情報ＤＢ２０２１に記憶された情報は、データサーバ３０から取得した情報である。第１情報ＤＢ２０２１が記憶する情報は、適宜変更・更新することが可能である。第１情報ＤＢ２０２１には、個人の属性を記憶する項目が含まれていてもよい。

項目「第１情報ＩＤ」は、健康診断を受信した個人を特定するためのＩＤである。ここで、個人情報保護の観点から、第１情報ＤＢ２０２１には、個人を特定するＩＤ（第１情報ＩＤ）として、個人情報に直接的に繋がらない、例えば、図５に示すような番号（あるいはアルファベット）のみを用いている。項目「健診日」は、個人が健康診断を行った日を特定するための情報である。項目「検査項目１」～項目「検査項目３」は、健康診断において検査された項目の値を記憶する項目である。

図６は、第２情報ＤＢ２０２２のデータ構造を示す図である。図６に示すように、第２情報ＤＢ２０２２のレコードの各々は、例えば、項目「第２情報ＩＤ」と、項目「診断日」と、項目「診断結果」とを含む。第２情報ＤＢ２０２２に記憶された情報も、データサーバ３０から取得した情報である。第２情報ＤＢ２０２２が記憶する情報は、適宜変更・更新することが可能である。第２情報ＤＢ２０２２には、個人の属性を記憶する項目が含まれていてもよい。

項目「第２情報ＩＤ」は、診断を受けた個人を特定するためのＩＤである。ここで、個人情報保護の観点から、第２情報ＤＢ２０２２には、個人を特定するＩＤ（第２情報ＩＤ）として、個人情報に直接的に繋がらない、例えば、図６に示すような番号（あるいはアルファベット）のみを用いている。項目「診断日」は、個人が医療機関で所定の診断を受けた日を特定するための情報である。項目「診断結果」は、診断された疾患を記憶する項目である。診断される疾患としては、例えば、糖尿病、高血圧、癌、心筋梗塞等、種々の疾患が該当する。

図７は、特定情報ＤＢ２０２３のデータ構造を示す図である。図７に示すように、特定情報ＤＢ２０２３のレコードの各々は、例えば、項目「特定情報ＩＤ」と、項目「第１情報ＩＤ」と、「第２情報ＩＤ」と、「血縁関係ＩＤ」とを含む。特定情報ＤＢ２０２３に記憶された情報も、データサーバ３０から取得した情報である。特定情報ＤＢ２０２３が記憶する情報は、適宜変更・更新することが可能である。

項目「特定情報ＩＤ」は、第１情報ＩＤと第２情報ＩＤとの繋がりを特定するための情報である。項目「第１情報ＩＤ」は第１情報ＤＢ２０２１の「第１情報ＩＤ」と同一の情報である。項目「第２情報ＩＤ」は第２情報ＤＢ２０２２の「第２情報ＩＤ」と同一の情報である。項目「血縁関係ＩＤ」は、第１情報ＩＤにより特定される個人に対して血縁関係にある個人の第１情報ＩＤである。

図８は、関連性ＤＢ２０２４のデータ構造を示す図である。図８に示すように、関連性ＤＢ２０２４のレコードの各々は、例えば、項目「検査項目」と、項目「疾患」と、項目「関連度」とを含む。関連性ＤＢ２０２４に記憶された情報は、第１情報ＤＢ２０２１、第２情報ＤＢ２０２２及び特定情報ＤＢ２０２３に基づいて解析モジュール２０３６が解析した結果が登録された情報である。関連性ＤＢ２０２４が記憶する情報は、適宜変更・更新することが可能である。

項目「検査項目」は、第１情報ＤＢ２０２１の「検査項目」のいずれかと同一の情報である。図８に示す例では、例えば、「項目１」のように、項目名が記憶されているが、「検査項目」で記憶される情報は、項目名に限定されない。項目名に加え、該当する検査項目の検査値についての条件が記憶されてもよい。例えば、「項目１、Ｘ以上」のように、記憶されてもよい。項目「疾患」は、解析モジュール２０３６による解析の結果、項目「検査項目」により特定される検査項目と相関関係があると判断された疾患に関する情報を記憶する。図８に示す例では、検査項目と疾患とが一対一で対応する場合を示しているが、これに限定されない。複数の検査項目と単一の疾患とが相関関係にある場合もあり得る。また、単一の検査項目と複数の疾患とが相関関係にある場合もあり得る。項目「関連度」は、解析モジュール２０３６による解析の結果として求められた、項目「検査項目」により特定される検査項目と項目「疾患」により特定される疾患との関連性を百分率（％）で表した情報である。

＜３ 動作例＞
以下、サーバ２０の動作の一例について説明する。

図９は、サーバ２０の動作の一例を表すフローチャートである。図９は、データサーバ３０に格納された第１情報、第２情報及び特定情報に基づいて、第１情報と第２情報との相関関係を取得する際の動作の例を表すフローチャートである。

ステップＳ１１において、制御部２０３は、データサーバ３０に格納された第１情報を取得する処理を行う。具体的には、例えば、制御部２０３は、第１情報取得モジュール２０３３によりデータサーバ３０から複数の第１情報を取得し、取得した複数の第１情報を記憶部２０２の第１情報ＤＢ２０２１に格納する。好ましくは、ステップＳ１１において、制御部２０３は、前回のステップＳ１１で取得した第１情報と比較して、データサーバ３０に新たに蓄積された第１情報を取得し、第１情報ＤＢ２０２１に格納する。

ステップＳ１２において、制御部２０３は、データサーバ３０に格納された第２情報を取得する処理を行う。具体的には、例えば、制御部２０３は、第２情報取得モジュール２０３４によりデータサーバ３０から複数の第２情報を取得し、取得した複数の第２情報を記憶部２０２の第２情報ＤＢ２０２２に格納する。好ましくは、ステップＳ１２において、制御部２０３は、前回のステップＳ１２で取得した第２情報と比較して、データサーバ３０に新たに蓄積された第２情報を取得し、第２情報ＤＢ２０２２に格納する。

ステップＳ１３において、制御部２０３は、データサーバ３０に格納された特定情報を取得する処理を行う。具体的には、例えば、制御部２０３は、特定情報取得モジュール２０３５によりデータサーバ３０から複数の特定情報を取得し、取得した複数の特定情報を記憶部２０２の特定情報ＤＢ２０２３に格納する。

ステップＳ１４において、制御部２０３は、学習データを作成する。具体的には、例えば、制御部２０３は、解析モジュール２０３６により、第１情報を入力データ、第２情報を正解出力データとした学習データを作成する。制御部２０３は、第１情報と、第２情報とを、特定情報により関連付ける。制御部２０３は、学習データに基づき、学習済みモデルのディープニューラルネットワークを学習させるための訓練データ、テストデータ、及び検証データ等のデータセットを作成する。

ステップＳ１５において、制御部２０３は、第１情報と、第２情報とを解析し、第１情報と、第２情報との関連性を取得する。具体的には、例えば、制御部２０３は、解析モジュール２０３６（学習モジュールと称してもよい）により、ステップＳ１４で作成した、学習済みモデルを学習させるためのデータセットに基づき、学習済みモデルのディープニューラルネットワークの学習パラメータを深層学習により学習させる。これにより、第１情報と第２情報とが関連付けられた学習済みモデルが生成される。なお、学習済みモデルが生成される場合、関連性ＤＢ２０２４は、学習済みモデルを格納してもよい。
学習済みモデルは、世代、性別等の全ての属性を含むような単一の学習済みモデルでもよいが、属性毎に生成されてもよい。例えば、制御部２０３は、データベースに記憶される第１情報と第２情報から、属性に関する第１情報と第２情報とを抽出する。制御部２０３は、抽出した第１情報と第２情報とに基づき、学習データを作成し、作成した学習データに基づき、学習済みモデルのディープニューラルネットワークを学習させる。これにより、取得される関連性の精度が向上することになる。

制御部２０３は、第１情報ＤＢ２０２１に記憶されている全ての第１情報と、第２情報ＤＢ２０２２に記憶されている全ての第２情報とを用いて学習データを作成し、この学習データを用いて学習済みモデルを生成してもよい。また、更新された第１情報、または第２情報が順次提供される場合、更新された情報を学習データとして、生成済みの学習済みモデルを再学習してもよい。

ステップＳ１６において、制御部２０３は、ステップＳ１５で関連性を取得してから一定時間経過したか否かを判定する。判定の結果、一定時間を経過したと判定したら（ステップＳ１６においてＹＥＳ）、制御部２０３はステップＳ１１に戻り、第１情報を再度取得する。一方、一定時間を経過していないと判定したら（ステップＳ１６においてＮＯ）、ステップＳ１６を繰り返す。

なお、図９に示す例では一定時間を経過したか否かをステップＳ１６の判定基準としていたが、判定基準はこの例に限定されない。一例として、制御部２０３は第１情報ＤＢ２０２１または第２情報ＤＢ２０２２を参照し、前回、関連性取得処理を実施した日付以降の取得日に係る第１情報または第２情報が存在するか否か（つまり第１情報または第２情報が追加取得されたか否か）を判定基準としてもよい。

また、ステップＳ１１～Ｓ１６の動作を繰り返す際に、ステップＳ１１、Ｓ１２、Ｓ１３を全て実行する必要はなく、少なくとも一つのステップを実行してもよい。また、ステップＳ１４、ステップＳ１５についても、サンプルが所定数蓄積された場合に実施するようにしてもよい。

図１０は、サーバ２０の動作の他の例を表すフローチャートである。図１０は、特定の個人に対して、その個人が所有する端末装置１０に格納された健康診断情報１８１に対し、現在罹患中の疾患または将来罹患し得る疾患を予測して個人に提示する際の動作の例を表すフローチャートである。

ステップＳ２１において、制御部２０３は、端末装置１０からの健康診断情報１８１の提供（入力）を待つ。そして、判定の結果、端末装置１０から健康診断情報１８１の提供があったら（ステップＳ２１においてＹＥＳ）、ステップＳ２２に進む。

ステップＳ２２では、制御部２０３は、ステップＳ２１で提供された健康診断情報１８１に基づいて、現在罹患中の疾患または将来罹患し得る疾患を予測する。例えば、制御部２０３は、提示モジュール２０３７により端末装置１０から提供された健康診断情報１８１を受け入れ、この健康診断情報１８１を、第１情報と第２情報との解析により生成した学習済みモデルに入力する。学習済みモデルから、入力された健康診断情報１８１に含まれる検査項目の値に応じた疾患に関する情報が出力される。つまり、学習済みモデルから、個人の健康状態に関する情報が出力される。

ステップＳ２３では、制御部２０３は、予測した情報を、健康診断情報１８１を提供した個人が所有する端末装置１０に提示する。具体的には、例えば、制御部２０３は、学習済みモデルから出力された情報を、健康診断情報１８１を提供した個人に提示する。

＜４ 画面例＞
以下、端末装置１０から出力される画面の一例を、図１１～図１４を参照して説明する。

図１１は、端末装置１０を操作する個人が受けた健康診断に関する第１情報、及び当該個人が医療機関において受診した診断に関する第２情報をシステム１へ提供することに同意するか否かの判断を入力するための画面である。

端末装置１０を操作する個人が自ら希望して、または、システム１からの要望に応じて、自身の第１情報、第２情報をシステム１に提供する際には、図１１に示す画面１２００が端末装置１０のディスプレイ１４１に表示される。個人が第１情報及び第２情報の提供を希望する場合、個人は「はい」ボタン１２０１をタッチする等して入力操作を行う。

一方、個人が第１情報及び第２情報の提供を希望しない場合、個人は「キャンセル」ボタン１２０２をタッチする等して入力操作を行う。「はい」ボタン１２０１に対するタッチ等の入力操作があると、端末装置１０を操作する個人の第１情報及び第２情報がサーバ２０に送出され、それぞれ第１情報ＤＢ２０２１及び第２情報ＤＢ２０２２に格納される。あるいは、第１情報及び第２情報を格納する外部のサーバからデータサーバ３０へ第１情報と第２情報とが提供される。サーバ２０は、図９のステップＳ１１、Ｓ１２で示したように、データサーバ３０から第１情報と第２情報とを取得する。

図１１では、第１情報（健康診断情報）と第２情報（診断情報）との提供に対して同意するか否かを入力するための画面を示したが、同意に関する入力の画面は、これに限定されない。第１情報の提供について同意するか否かを入力する画面と、第２情報の提供について同意するか否かを入力する画面とが別々であってもよい。

また、提供する情報についての指定には言及していないが、端末装置１０を操作する個人は、提供する情報の範囲、例えば、時期、情報の種類等を指定できるようにしてもよい。具体的には、例えば、個人は、健康診断結果における所定の検査項目の値について提供しないように選択できてもよい。また、所定の期間に作成された第１情報または第２情報について提供しないように選択できてもよい。また、診断結果に含まれる所定の疾患について提供しないように選択できてもよい。

図１２は、端末装置１０のディスプレイ１４１で表示される画面の一例を表す模式図である。図１２に示す画面は、端末装置１０に格納されている、端末装置１０を操作する個人の健康診断情報１８１をサーバ２０に提供して解析を希望する際に、この端末装置１０のディスプレイ１４１に表示される画面の一例である。

端末装置１０の所有者が、端末装置１０（の記憶部１８０）に格納されているアプリケーションソフトウェアを立ち上げると、図１２に示す画面１３００が表示される。所有者が、自身の健康診断情報１８１に基づき、健康状態の予測を希望する場合、所有者は「はい」ボタン１３０１をタッチする等して入力操作を行う。一方、所有者が健康状態の予測を希望しない場合、所有者は「キャンセル」ボタン１３０２をタッチする等して入力操作を行う。

「はい」ボタン１３０１に対するタッチ等の入力操作があると、端末装置１０は記憶部１８０に格納されている健康診断情報１８１をサーバ２０に送信し、自身の健康診断情報１８１をサーバ２０に提供する。なお、第１情報は、必ずしも端末装置１０に記憶されている必要はない。第１情報は、外部サーバに記憶されていてもよい。「はい」ボタン１３０１に対するタッチ等の入力操作があると、外部サーバに記憶されている第１情報が、サーバ２０に提供されるか、データサーバ３０を介してサーバ２０に提供される。 をサーバ２０に送信し、自身の健康診断情報１８１をサーバ２０に提供する。

図１３は、端末装置１０で表示される画面の別の一例を表す模式図である。図１３に示す画面は、図１２において端末装置１０の所有者の第１情報がサーバ２０に提供され、この第１情報に基づいて出力された健康状態の予測結果が端末装置１０のディスプレイ１４１に表示される画面の一例である。

図１３に示す画面１４００には、健康状態の予測結果として、将来的に罹患の可能性がある疾患の一例（図示例では「糖尿病」「高血圧」）が表示されている。

なお、図１１～図１３に示す画面例はあくまでも一例であり、端末装置１０のディスプレイ１４１に表示される内容はこれら画面例のものに限定されない。

以上のように、本実施形態に係るサーバ２０の制御部２０３は、第１情報取得モジュール２０３３により、不特定多数の個人が受けた健康診断に関する第１情報を取得する。制御部２０３は、第２情報取得モジュール２０３４により、不特定多数の個人が医療機関において受診した診断に関する第２情報を取得する。制御部２０３は、解析モジュール２０３６により、取得した第１情報と第２情報とを解析し、第１情報に含まれる検査項目と、第２情報に含まれる診断結果との関連性を取得する。制御部２０３は、提示モジュール２０３７により、任意の個人についての第１情報の少なくとも一部を取得し、取得した情報と、関連性とに基づき、個人の健康状態を予測する。これにより、サーバ２０は、医療機関等で取得されて蓄積される第１情報と、第２情報とに基づき、第１情報と第２情報との関連性を取得し、取得した関連性を用いて個人の健康状態を予測することが可能となる。

また、上記実施形態では、第１情報、および前記第２情報には、個人の属性を表す情報が含まれている。解析モジュール２０３６は、属性に応じた関連性を取得する。これにより、精度の高い関連性を取得できるため、健康状態の予測精度が向上する。

また、上記実施形態では、解析モジュール２０３６は、個人の血縁関係を参照して関連性を取得する。これにより、精度の高い関連性を取得できるため、健康状態の予測精度が向上する。

また、上記実施形態では、第１情報取得モジュール２０３３は、第１のタイミングで、新たに追加された第１情報を取得する処理を繰り返す。第２情報取得モジュール２０３４は、第２のタイミングで、新たに追加された第２情報を取得する処理を繰り返す。解析モジュール２０３６は、第３タイミングで、新たに取得した情報を含む第１情報と第２情報とを解析し、関連性を繰り返し取得する。第３タイミングは、第１情報または第２情報を取得したタイミング、所定周期、所定の暦、または所定容量の情報を蓄積したタイミングを含む。これにより、サーバ２０は、最新の関連性を取得することが可能となり、健康状態の予測精度が向上する。

また、上記実施形態では、第１情報取得モジュール２０３３は、健康診断を受けた個人からの同意があると、当該個人についての第１情報を取得する。第２情報取得モジュール２０３４は、診断された個人からの同意があると、当該個人についての第２情報を取得する。これにより、個人の情報が保護されることになり、蓄積された情報が不当に利用されることを防ぐことが可能になる。

また、上記実施形態では、解析モジュール２０３６は、取得した第１情報を入力データ、第２情報を正解出力データとして学習させた学習済みモデルを生成することで、関連性を取得する。これにより、健康状態を予測する精度が向上する。

＜５ 実施形態の効果＞
以上詳細に説明したように、本実施形態のシステム１によれば、蓄積される健康診断に関する情報、および診断に関する情報を活用し、被験者の健康状態を高精度に予測できる。また、第１情報と、第２情報との解析を繰り返して、関連性を取得するようにしている。このため、検査項目と、疾患との新たな関連性を取得することが可能となり、健康診断における種々の検査の重要性が高まることになる。

＜６ 変形例＞
上記実施形態では、提示モジュール２０３７が、サーバ２０で実現される場合を説明した。しかしながら、提示モジュール２０３７は、端末装置１０で実現されてもよい。この場合、関連性ＤＢ２０２４で記憶される関連性、または、解析に基づいて生成された学習済みモデルが端末装置１０に記憶されるようになる。端末装置１０の制御部１９０は、健康診断情報に、記憶部１８０に記憶する関連性または学習済みモデルを適用し、操作者の健康状態を予測する。

また、上記実施形態では、学習済みモデルから、現在罹患していると予測される疾患、または将来罹患するおそれのある疾患が出力される。学習済みモデルから出力されるのは、この出力に限定されない。学習済みモデルからは、疾患が予測される確度、またはその疾患が予測されると判断された原因としての検査項目が出力されてもよい。このような出力が可能であれば、学習済みモデルの学習手法は限定されない。

＜７ 付記＞
なお、上記した実施形態は本開示を分かりやすく説明するために構成を詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、各実施形態の構成の一部について、他の構成に追加、削除、置換することが可能である。また、上記実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものとする。

また、上記の各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等によりハードウェアで実現してもよい。また、本発明は、実施例の機能を実現するソフトウェアのプログラムコードによっても実現できる。この場合、プログラムコードを記録した記憶媒体をコンピュータに提供し、そのコンピュータが備えるプロセッサが記憶媒体に格納されたプログラムコードを読み出す。この場合、記憶媒体から読み出されたプログラムコード自体が前述した実施例の機能を実現することになり、そのプログラムコード自体、及びそれを記憶した記憶媒体は本発明を構成することになる。このようなプログラムコードを供給するための記憶媒体としては、例えば、フレキシブルディスク、ＣＤ－ＲＯＭ、ＤＶＤ－ＲＯＭ、ハードディスク、ＳＳＤ、光ディスク、光磁気ディスク、ＣＤ－Ｒ、磁気テープ、不揮発性のメモリカード、ＲＯＭなどが用いられる。

また、本実施例に記載の機能を実現するプログラムコードは、例えば、アセンブラ、Ｃ／Ｃ＋＋、ｐｅｒｌ、Ｓｈｅｌｌ、ＰＨＰ、Ｊａｖａ（登録商標）等の広範囲のプログラム又はスクリプト言語で実装できる。

さらに、実施例の機能を実現するソフトウェアのプログラムコードを、ネットワークを介して配信することによって、それをコンピュータのハードディスクやメモリ等の記憶手段又はＣＤ－ＲＷ、ＣＤ－Ｒ等の記憶媒体に格納し、コンピュータが備えるプロセッサが当該記憶手段や当該記憶媒体に格納されたプログラムコードを読み出して実行するようにしてもよい。

以上の各実施形態で説明した事項を以下に付記する。

（付記１）
プロセッサとメモリとを備えるコンピュータを動作させるためのプログラムであって、プログラムは、プロセッサに、不特定多数の個人が受けた健康診断に関する第１情報を取得するステップと、不特定多数の個人が医療機関において受診した診断に関する第２情報を取得するステップと、取得した第１情報と第２情報とを解析し、第１情報に含まれる検査項目と、第２情報に含まれる診断結果との関連性を取得するステップと、任意の個人についての第１情報の少なくとも一部を取得し、取得した情報と、関連性とに基づき、個人の健康状態を予測するステップとを実行させるプログラム。
（付記２）
第１情報、および第２情報には、個人の属性を表す情報が含まれており、関連性を取得するステップにおいて、属性に応じた関連性を取得する（付記１）に記載のプログラム。
（付記３）
関連性を取得するステップにおいて、個人の血縁関係を参照して関連性を取得する（付記１）又は（付記２）に記載のプログラム。
（付記４）
第１情報を取得するステップにおいて、第１のタイミングで、新たに追加された第１情報を取得する処理を繰り返し、第２情報を取得するステップにおいて、第２のタイミングで、新たに追加された第２情報を取得する処理を繰り返し、関連性を取得するステップにおいて、第３タイミングで、新たに取得した情報を含む第１情報と第２情報とを解析し、関連性を繰り返し取得する（付記１）乃至（付記３）のいずれかに記載のプログラム。
（付記５）
第３タイミングは、第１情報または第２情報を取得したタイミング、所定周期、所定の暦、または所定容量の情報を蓄積したタイミングである（付記４）に記載のプログラム。
（付記６）
第１情報を取得するステップにおいて、健康診断を受けた個人からの同意があると、当該個人についての第１情報を取得し、第２情報を取得するステップにおいて、診断された個人からの同意があると、当該個人についての第２情報を取得する（付記１）乃至（付記５）のいずれかに記載のプログラム。
（付記７）
関連性を取得するステップにおいて、取得した第１情報を入力データ、第２情報を正解出力データとして学習させた学習済みモデルを生成することで、関連性を取得する（付記１）乃至（付記６）のいずれかに記載のプログラム。
（付記８）
プロセッサとメモリとを備えたコンピュータにより実行される方法であって、プロセッサは、不特定多数の個人が受けた健康診断に関する第１情報を取得するステップと、不特定多数の個人が医療機関において受診した診断に関する第２情報を取得するステップと、取得した第１情報と第２情報とを解析し、第１情報に含まれる検査項目と、第２情報に含まれる診断結果との関連性を取得するステップと、任意の個人についての第１情報の少なくとも一部を取得し、取得した情報と、関連性とに基づき、個人の健康状態を予測するステップとを実行する方法。
（付記９）
プロセッサとメモリとを備えた情報処理装置であって、プロセッサは、不特定多数の個人が受けた健康診断に関する第１情報を取得するステップと、不特定多数の個人が医療機関において受診した診断に関する第２情報を取得するステップと、取得した第１情報と第２情報とを解析し、第１情報に含まれる検査項目と、第２情報に含まれる診断結果との関連性を取得するステップと、任意の個人についての第１情報の少なくとも一部を取得し、取得した情報と、関連性とに基づき、個人の健康状態を予測するステップとを実行する情報処理装置。
（付記１０）
不特定多数の個人が受けた健康診断に関する第１情報を取得する手段と、不特定多数の個人が医療機関において受診した診断に関する第２情報を取得する手段と、取得した第１情報と第２情報とを解析し、第１情報に含まれる検査項目と、第２情報に含まれる診断結果との関連性を取得する手段と、任意の個人についての第１情報の少なくとも一部を取得し、取得した情報と、関連性とに基づき、個人の健康状態を予測する手段とを具備するシステム。

１…システム、１０…端末装置、２０…サーバ、２９…プロセッサ、３０…データサーバ、８０…ネットワーク、１８１…健康診断情報、２０２…記憶部、２０３…制御部、２０２１…第１情報ＤＢ、２０２２…第２情報ＤＢ、２０２４…関連性ＤＢ、２０２３…特定情報ＤＢ、２０３１…受信制御モジュール、２０３２…送信制御モジュール、２０３３…第１情報取得モジュール、２０３４…第２情報取得モジュール、２０３５…特定情報取得モジュール、２０３６…解析モジュール、２０３７…提示モジュール

Claims (10)

1. プロセッサとメモリとを備えるコンピュータを動作させるためのプログラムであって、
   前記プログラムは、前記プロセッサに、
   不特定多数の個人が受けた健康診断に関する第１情報を取得するステップと、
   不特定多数の個人が医療機関において受診した診断に関する第２情報を取得するステップと、
   取得した前記第１情報と前記第２情報とを解析し、前記第１情報に含まれる検査項目と、前記第２情報に含まれる診断結果との関連性を取得するステップと、
   任意の個人についての前記第１情報の少なくとも一部を取得し、取得した情報と、前記関連性とに基づき、前記個人の健康状態を予測するステップと
   を実行させるプログラム。
2. 前記第１情報、および前記第２情報には、個人の属性を表す情報が含まれており、
   前記関連性を取得するステップにおいて、前記属性に応じた関連性を取得する請求項１記載のプログラム。
3. 前記関連性を取得するステップにおいて、前記個人の血縁関係を参照して前記関連性を取得する請求項１記載のプログラム。
4. 前記第１情報を取得するステップにおいて、第１のタイミングで、新たに追加された第１情報を取得する処理を繰り返し、
   前記第２情報を取得するステップにおいて、第２のタイミングで、新たに追加された第２情報を取得する処理を繰り返し、
   前記関連性を取得するステップにおいて、第３タイミングで、新たに取得した情報を含む前記第１情報と前記第２情報とを解析し、前記関連性を繰り返し取得する請求項１記載のプログラム。
5. 前記第３タイミングは、第１情報または第２情報を取得したタイミング、所定周期、所定の暦、または所定容量の情報を蓄積したタイミングである請求項４記載のプログラム。
6. 前記第１情報を取得するステップにおいて、健康診断を受けた個人からの同意があると、当該個人についての第１情報を取得し、
   前記第２情報を取得するステップにおいて、診断された個人からの同意があると、当該個人についての第２情報を取得する請求項１記載のプログラム。
7. 前記関連性を取得するステップにおいて、取得した前記第１情報を入力データ、前記第２情報を正解出力データとして学習させた学習済みモデルを生成することで、前記関連性を取得する請求項１記載のプログラム。
8. プロセッサとメモリとを備えたコンピュータにより実行される方法であって、
   前記プロセッサは、
   不特定多数の個人が受けた健康診断に関する第１情報を取得するステップと、
   不特定多数の個人が医療機関において受診した診断に関する第２情報を取得するステップと、
   取得した前記第１情報と前記第２情報とを解析し、前記第１情報に含まれる検査項目と、前記第２情報に含まれる診断結果との関連性を取得するステップと、
   任意の個人についての前記第１情報の少なくとも一部を取得し、取得した情報と、前記関連性とに基づき、前記個人の健康状態を予測するステップと
   を実行する方法。
9. プロセッサとメモリとを備えた情報処理装置であって、
   前記プロセッサは、
   不特定多数の個人が受けた健康診断に関する第１情報を取得するステップと、
   不特定多数の個人が医療機関において受診した診断に関する第２情報を取得するステップと、
   取得した前記第１情報と前記第２情報とを解析し、前記第１情報に含まれる検査項目と、前記第２情報に含まれる診断結果との関連性を取得するステップと、
   任意の個人についての前記第１情報の少なくとも一部を取得し、取得した情報と、前記関連性とに基づき、前記個人の健康状態を予測するステップと
   を実行する情報処理装置。
10. 不特定多数の個人が受けた健康診断に関する第１情報を取得する手段と、
    不特定多数の個人が医療機関において受診した診断に関する第２情報を取得する手段と、
    取得した前記第１情報と前記第２情報とを解析し、前記第１情報に含まれる検査項目と、前記第２情報に含まれる診断結果との関連性を取得する手段と、
    任意の個人についての前記第１情報の少なくとも一部を取得し、取得した情報と、前記関連性とに基づき、前記個人の健康状態を予測する手段と
    を具備するシステム。