JP6878260B2 - 異常判定装置、プログラム - Google Patents

Description

本発明は、異常判定装置等に関する。

従来から患者の異常を判定し、通報する装置やシステムが知られている。例えば、特許文献１のように、非侵襲型バイタルセンサにより対象者の生活行動や生命活動を検知して複数に分類し、分類ごとの許容継続時間を順次積算し、その積算時間が閾値を超えると通報する発明が知られている。

特許第３５５７７７５号公報

従来は、心拍数や呼吸数といった生体情報値が異常を示している場合には、アラートを出すことにより、患者の異変を報知していた。

この場合、例えば生体情報値が通常の範囲に収まった場合、回復期にあると判定されることなり、その後に患者の容体が更に悪化するような場合は報知できないという問題が生じていた。

とくに、患者の異常が継続することで死期がせまっている場合、生体情報値が必ずしも異常値を示すとは限らないため、結果として適切に報知が出来ないという問題が生じていた。

上述した課題に鑑み、本発明は、取得された生体情報に基づいて適切に患者の異常状態を判定することが可能な異常判定装置等を提供することである。

本発明の異常判定装置は、対象者の生体信号を取得する生体信号取得部と、制御部とを備えた異常判定装置であって、前記制御部は、前記生体信号取得部から取得された生体信号に基づいて、前記対象者の生体情報値を算出し、前記生体信号から、前記対象者の活動量を算出し、前記生体情報値と、前記活動量とに基づいて、前記対象者の異常が継続していると判定する、ことを特徴とする。

本発明の異常判定装置は、対象者の生体信号を取得する生体信号取得部と、制御部とを備えた異常判定装置であって、前記制御部は、前記生体信号取得部から取得された生体信号に基づいて、前記対象者の生体情報値を算出し、前記生体信号から、前記対象者の活動量を算出し、前記生体情報値と、前記活動量とに基づき、機械学習によって前記対象者の異常が継続していると判定する、ことを特徴とする。

本発明のプログラムは、対象者の生体信号を取得する生体信号取得部が接続されたコンピュータに、前記生体信号取得部から取得された生体信号に基づいて、前記対象者の生体情報値を算出する機能と、前記生体信号から、前記対象者の活動量を算出する機能と、
前記生体情報値と、前記活動量とに基づいて、前記対象者の異常が継続していると判定する機能と、を実現させることを特徴とする。

本発明のプログラムは、対象者の生体信号を取得する生体信号取得部が接続されたコンピュータに、前記生体信号取得部から取得された生体信号に基づいて、前記対象者の生体情報値を算出する機能と、前記生体信号から、前記対象者の活動量を算出する機能と、
前記生体情報値と、前記活動量とに基づき、機械学習によって前記対象者の異常が継続していると判定する機能と、を実現させることを特徴とする。

対象者の生体信号から生体情報値と、活動量とを算出し、当該生体情報値及び活動量に基づいて対象者の状態を判定することができる。とくに、対象者の異常が継続している状態判定することができる。

第１実施形態における全体を説明するための図である。 第１実施形態における機能構成を説明するための図である。 第１実施形態における患者推測処理を説明するための動作フローである。 第２実施形態における患者推測部の機能構成を説明するための図である。 第３実施形態における機能構成を説明するための図である。 第３実施形態におけるニューラルネットワークを説明するための図である。 実施例として患者日誌（睡眠日誌）を説明するための図である。 実施例として患者日誌（心拍日誌）を説明するための図である。 実施例として患者日誌（呼吸日誌）を説明するための図である。 実施例として患者日誌（睡眠日誌）を説明するための図である。 実施例として患者日誌（心拍日誌）を説明するための図である。 実施例として患者日誌（呼吸日誌）を説明するための図である。 実施例として患者日誌（睡眠日誌）を説明するための図である。 実施例として患者日誌（呼吸日誌）を説明するための図である。 実施例として患者日誌（心拍日誌）を説明するための図である。 実施例として患者日誌（睡眠日誌）を説明するための図である。 実施例として患者日誌（呼吸日誌）を説明するための図である。 実施例として患者日誌（心拍日誌）を説明するための図である。

以下、図面を参照して本発明を実施するための一つの形態について説明する。具体的には、本発明の異常判定装置を適用した場合について説明するが、本発明が適用される範囲は当該実施形態に限定されるものではない。

［１．第１実施形態］
［１．１ システム全体］
図１は、本発明の異常判定装置を適用した異常判定システム１の全体概要について説明するための図である。図１に示すように、異常判定システム１は、ベッド１０の床部と、マットレス２０の間に載置される検出装置３と、検出装置３より出力される値を処理するため処理装置５を備えて構成されている。この検出装置３、処理装置５とで異常判定システム（異常判定装置）を構成している。

マットレス２０に、対象者（以下、一例として「患者Ｐ」とする）が在床すると、対象者である患者Ｐの生体信号として体振動（人体から発せられる振動）を検出装置３が検出する。そして、検出された振動に基づいて、患者Ｐの生体情報値が算出される。本実施形態においては、算出された生体情報値（少なくとも、呼吸数、心拍数、活動量）を、患者Ｐの生体情報値として出力・表示することができる。なお、例えば検出装置３に記憶部、表示部等を設けることにより一体に形成されてもよい。また、処理装置５は、汎用的な装置で良いため、コンピュータ等の情報処理装置に限られず、例えばタブレッドやスマートフォン等といった装置で構成されてもよい。

また、対象者としては、病気療養中の者であったり、介護が必要なものであったりしてもよい。また、介護が必要でない健康な者であっても、高齢者でも子供でも、障害者でも、人でなくても動物でも良い。

ここで、検出装置３は、厚さが薄くなるようにシート状に構成されている。これにより、ベッド１０と、マットレス２０の間に載置されたとしても、患者Ｐに違和感を覚えさせることなく使用できるため、寝床での生体情報値を長期間測定できることとなる。すなわち、対象者が臥床時、安静時に患者の状態として生体情報値等を取得することとなる。

なお、検出装置３は、患者Ｐの生体信号（体動や呼吸運動や心弾動等）を取得できればよい。本実施形態においては、体振動に基づいて心拍数や呼吸数を算出しているが、例えば赤外線センサを用いて検出したり、取得された映像等により患者Ｐの生体信号を取得したり、歪みゲージ付きアクチュエータを利用したりしても良い。また、内蔵された加速度センサ等を利用することにより、例えばベッド１０上に載置されたスマートフォンや、タブレット等で実現してもよい。

［１．２ 機能構成］
つづいて、異常判定システム１の機能構成について、図２を用いて説明する。本実施形態における異常判定システム１は、検出装置３と、処理装置５とを含む構成となっており、各機能部（処理）は、生体信号取得部２００以外についてはどちらで実現されても良い。すなわち、これらの装置を組み合わせることにより、異常判定装置として機能する。

なお、異常判定システム１は、異常状態であることを判定した後、通報（報知）動作を行ってもよい。このとき、通報する先はスタッフであったり、家族であったりしても良い。また、通報する方法としては、単に音や画面表示で通報（報知）しても良いし、メール等で携帯端末装置に通報しても良い。また、他の端末装置等に通報（通知）をしても良い。

異常判定システム１（異常判定装置）は、制御部１００と、生体信号取得部２００と、生体情報値算出部３００と、睡眠状態判定部３５０と、入力部４００と、出力部４５０と、記憶部５００と、患者状態取得部６００と、患者状態推測部７００と、アラート出力部８００とを含んで構成されている。図１の場合であれば、制御部１００、生体信号取得部２００及び記憶部５００は検出装置３に備えられており、それ以外は処理装置５に備えられている。また、患者状態取得部６００は、生体信号取得部２００を利用しても良いし、ベッド１０に別に設けられても良い。

制御部１００は、異常判定システム１の動作を制御するための機能部である。例えば、ＣＰＵ等の制御装置により構成されても良いし、コンピュータ等の制御装置で構成されても良い。制御部１００は、記憶部５００に記憶されている各種プログラムを読み出して実行することにより各種処理を実現することとなる。なお、本実施形態においては、制御部１００は全体として動作しているが、検出装置３、処理装置５のそれぞれに設けることもできるものである。

生体信号取得部２００は、患者Ｐの生体信号を取得するための機能部である。本実施形態では、一例として、圧力変化を検出するセンサを利用して生体信号の一種である体振動が取得される。そして取得された体振動は、生体情報値算出部３００において、呼吸数、心拍数、活動量などの生体情報値データに変換されて出力される。更に、体振動データに基づいて患者の臥床状態（例えば、患者Ｐが臥床しているか否か、在床、離床や端座位等）を取得したり、後述するように睡眠状態（睡眠、覚醒）を取得したりすることも可能である。

なお、本実施形態における生体信号取得部２００は、例えば、圧力センサにより患者の体振動を取得し、体振動から呼吸や心拍を取得するが、荷重センサにより、患者の重心位置（体動）の変化により生体信号を取得することとしても良いし、レーダーにより、体表面や寝具の変位に基づいて生体信号を取得することとしても良いし、マイクロフォンを設けることにより、マイクロフォンが拾う音に基づいて生体信号を取得しても良い。何れかのセンサを用いて、患者の生体信号を取得出来れば良い。

すなわち、生体信号取得部２００は、検出装置３のような装置が接続されても良いし、外部の装置から生体信号を受信する構成としても良い。

生体情報値算出部３００は、患者Ｐの生体情報値（呼吸数・心拍数・活動量等）を算出するための機能部である。本実施形態では、生体信号取得部２００より取得された体動から呼吸成分・心拍成分を抽出し、呼吸間隔、心拍間隔に基づいて呼吸数、心拍数を求めても良い。また、体動の周期性を分析（フーリエ変換等）し、ピーク周波数から呼吸数、心拍数を算出してもよい。また、生体信号取得部２００から、サンプリング単位時間当たりに体振動を検出し、検出された体振動の回数や、体振動の回数を活動量と算出してもよい。

睡眠状態判定部３５０は、患者の睡眠状態を判定するための機能部である。例えば、生体情報値算出部３００により取得された生体信号に基づいて、患者の睡眠状態を判定する。睡眠状態としては「覚醒」「睡眠」と判定しても良いし、更に睡眠を「レム睡眠」「ノンレム睡眠」と判定しても良いし、眠りの深さを判定しても良い。

入力部４００は、測定者が種々の条件を入力したり、測定開始の操作入力をしたりするための機能部である。例えば、ハードウェアキーや、ソフトウェアキーといった何れかの入力手段により実現される。

出力部４５０は、睡眠状態や、心拍数、呼吸数といった生体情報値を出力したり、異常を報知したりするための機能部である。出力部４５０としては、ディスプレイ等の表示装置であっても良いし、警報等を報知する報知装置（音出力装置）であっても良い。また、データを記憶する外部記憶装置や、データを通信路で送信する送信装置等であっても良い。また、他の装置に対して通報する場合の通信装置であっても良い。

記憶部５００は、異常判定システム１が動作するための各種データ及びプログラムを記憶しておく機能部である。制御部１００は、記憶部５００に記憶されているプログラムを読み出して実行することにより、各種機能を実現することとなる。ここで、記憶部５００は、例えば半導体メモリや、磁気ディスク装置等により構成されている。ここで、記憶部５００には、生体情報データ５１０が記憶されている。

生体情報データ５１０は、取得された生体信号（体動）から求められる呼吸数や、心拍数が記憶されている。なお、本実施形態では、呼吸数と心拍数と体動とが記憶されるが、この中で少なくとも１つは記憶されればよい。また、生体情報値算出部３００により算出可能な生体情報値であれば他の情報（例えば、呼吸振幅の変動等にもとづく呼吸イベント指数、体動の周期性にもとづく周期性体動指数）をさらに記憶しても良い。

睡眠状態データ５２０は、患者の睡眠状態が記憶されている。睡眠状態判定部３５０により判定された睡眠状態として、「睡眠」「覚醒」や、患者状態取得部６００により取得された「在床」「離床」といった状態が記憶されている。

患者状態取得部６００は、患者の状態を取得する為の機能部である。例えば、ベッド１０に設けられた荷重センサ等により、患者の状態（離床・在床等）を取得する。なお、上述したように、生体信号取得部２００において実現しても良い。

患者状態推測部７００は、生体情報値等のパラメータから患者の状態を推測するための機能部である。患者状態推測部７００により、患者の状態が異常と推測された場合は、アラート出力部８００によりアラートが出力（報知）される。なお、患者状態推測部７００は、患者の異常が継続していることを推測する。

また、本実施形態においては、患者の状態が異常である状態が継続していることを判定（推測）することができる。すなわち、患者の状態が異常である状態が継続しているため、例えば死期が迫っている（近づいている）ことを推測して報知する。

ここで、患者の死期が迫っているとは、患者が死亡するときが近づいている状態のことをいう。ここで、一つの基準としては、例えば患者が所定時間（例えば、３時間、６時間、１２時間、２４時間）以内に死亡するタイミングについて死期が迫った状態（時期）と言う。本実施形態では、概ね１２〜２４時間程度を想定しているが、パラメータの設定により当該所定時間も変更される。

また、本実施形態における患者状態推測部７００における患者の状態が異常と推測される方法について説明する。

図３は、患者の状態を推測する患者状態推測処理を説明するための動作フローである。本実施形態においては、図３の患者状態推測処理が実行されている間、
・生体情報値算出部３００により患者の生体情報値が取得（算出）
・睡眠状態判定部３５０により患者の睡眠状態が取得
されている。

すなわち、生体情報値としては、呼吸数、心拍数、活動量が重要であるが、さらに睡眠・覚醒（在床）・離床といった患者の状態を取得することによって眠れなくなった、寝床にいる時間が増えた、寝床にいない時間が増えた、などの変化、連続在床時間や連続離床時間なども加味したより詳細な患者状態推測が可能となる。

さらに、生体情報値の１つとして、患者に関する指数（生体指数）である、呼吸障害指数、周期性体動指数を取得することによって、これらの絶対値、日々の平均値の変化、２４時間の時系列分布の変化、などから更に詳細な患者状態推測が可能となる。また、生体情報値の履歴を取得し、過去の値や、平均値、標準偏差、変動係数、直近の所定時間の変化の値・割合が取得されても良い。

生体情報値は、生体情報値として直接取得されても良いし、生体信号から所定の演算を実行することにより算出されたとしてもよい。また、複数の生体情報値から、他の生体情報値や、指数を算出してもよい。

つづいて、第１判定時間継続して生体情報値が異常値を示したか否かを判定する。ここで、第１判定時間としては、好ましくは１５分以上であり、より好ましくは３０分以上である。すなわち、第１判定時間を超えて生体情報値が異常値を示しているか否かを判定する。また、継続して異常値を示しているとは、好ましくは連続していることであるが、第１判定時間の平均値が異常値を示している場合、僅かな時間（例えば、数秒程度）だけ正常範囲に含まれた場合なども、異常値が連続していると判定されてもよい。

また、生体情報値としては、本実施形態では呼吸数及び心拍数を利用するが、血圧、酸素飽和度など他の生体情報値を利用しても良い。また、呼吸数、心拍数の何れかを利用してもよい。ここで、各生体情報値の正常範囲の一例としては、
呼吸数 ８〜２５回／分
心拍数 ５０〜１１０回／分
であり、この範囲から外れた場合は、異常値として判定する。なお、この正常範囲は患者の年齢、体重等によって変化してもよい。また、患者毎に通常の生体情報値を正常範囲と設定してもよい。

すなわち、正常範囲とは、生体情報値として患者が正常なときに示す値の範囲であり、正常値（正常範囲）を示すものであってもよい。

上述した内容から、一例を説明すると、生体情報値として、呼吸数及び心拍数が異常値を示し、この異常値を示している状態が第１判定時間である３０分以上継続した後、生体情報値が異常値を示さなくなった場合、この生体情報値が異常値を示さなくなった状態が第２判定時間継続しているか否かが判定される。

具体的には、第２判定時間超える迄の間、生体情報値が再び異常値を示した場合（ステップＳ１０２；Ｙｅｓ→ステップＳ１０４；Ｎｏ）は、異常状態ではない（死期が近くない）と判定され、ステップＳ１０２から処理が繰り返し実行される。

また、この第２判定時間の間に患者が一定時間以上離床している場合にも（ステップＳ１０６；Ｎｏ）、異常状態ではない（死期が近くない）と判定され、ステップＳ１０２から処理が繰り返し実行される。

このように、第２判定時間の間、生体情報値（呼吸数及び心拍数）が正常範囲に含まれており、かつ、この第２判定時間の間、離床判定が一度もない場合を検出する。

ここで、第２判定時間としては、好ましくは１２時間以上であるが、６時間以上であればよい。また、生体情報値が正常範囲に含まれていると説明しているが、好ましくは第２判定時間の間継続して正常範囲に含まれるが、例えば、所定時間未満（例えば、１分間や、検出タイミングが数回分）の間、生体情報値が異常範囲に含まれても、誤差として判定し、正常範囲に引き続き含まれていると判定されてもよい。

そして、更に活動量判定条件に一致した場合には（ステップＳ１０８；Ｙｅｓ→ステップＳ１１０；Ｙｅｓ）、患者の死期が迫ったと判定される（ステップＳ１１２）。

活動量判定条件とは、患者の活動量や、動きに応じて死期が迫っているか否かを判定する条件である。本実施形態の場合、例えば、第２判定時間における平均活動量が５回／分以下の場合や、１２時間を超える（好ましくは１２時間であるが、例えば６時間であってもよい）無体動持続時間がある場合に、死期が迫っていると判定される。

このように、患者の死期が迫っている状態では、呼吸数及び心拍数が異常値を示さなくなった後、体動が長時間に亘って殆どなく、離床することがないという特徴がみられる。すなわち、活動量が低い場合は、死期が迫ったと判定される。活動量が低いか否かは上述した判定条件や、睡眠状態が連続している（睡眠と判定されない位活動量が低い）か否かで判定される。

したがって、本実施形態において、当該特徴の有無により、体調不良が回復したのか、異常が継続することにより、体調がさらに悪化し、死期が迫っている状態なのを判別することが可能となる。これにより、体調が更に悪化して、死期が迫っている状態を体調が軽快したと誤判定することを防ぐことが可能となる。

なお、上述した実施形態において、ステップＳ１０６で離床があったか否かを判定しているが、当該判定は行わなくてもよい。すなわち、生体情報値が第１判定時間継続して異常値であった後、第２判定時間生体情報値が正常範囲に含まれている場合に、活動量判定条件に一致するか否かを判定してもよい。

また、死期が迫っている場合は、呼吸イベント、周期性体動が著明に減少することとなる。したがって、呼吸イベントや周期性体動は、看護師、介護者、付き添いの家族などの本人以外の体動が入る場合に特に有用である。

［２．第２実施形態］
つづいて、第２実施形態について説明する。第１実施形態では、患者状態推測部７００において、入力された生体情報を、生体情報値及び「患者の動き（活動量）」「呼吸振幅の変動（呼吸イベント指数）」「周期的な患者の動き（周期性体動指数）」の全部、いずれか一つ又はそれらの組合せに基づいて判定することで患者の異常状態、とくに患者の死期を判定することとして説明した。

本実施形態は、患者状態推測部７００が、人工知能（機械学習）を用いて患者の状態を推測する場合について説明する。

本実施形態は、図３の患者状態推測処理の代わりに、図４の患者状態推測部７０５に基づいて患者状態を推測する。

ここで、本実施形態における患者状態推測部７０５の動作について説明する。患者状態推測部７０５は、生体情報や、患者の状態を入力値（入力データ）とし、人工知能や各種統計指標を利用することにより、患者の状態を推測する。

図３に示すように、患者状態推測部７０５は、特徴抽出部７１０と、識別部７２０と、識別辞書７３０と、患者状態出力部７４０とが含まれている。

まず、患者状態推測部７０５に入力される入力データとしては、種々のパラメータが入力され、利用される。例えば、本実施形態においては、生体信号取得部２００により取得された体振動データに基づき、生体情報算出部が算出する「呼吸数」「心拍数」「活動量」や、睡眠状態判定部３５０により判定される「睡眠状態」等が利用されている。これらの生体情報値から算出される「呼吸数のばらつき」「心拍数のばらつき」、同じ体振動データから算出された「呼吸障害指数」「周期性体動指数」も利用可能である。

ここで、「睡眠状態」は、「在床」と「離床」の状態が含まれており、在床時には「覚醒」「睡眠」の状態が特定可能である。

そして、特徴抽出部７１０により、各特徴点が抽出され、特徴ベクトルとして出力される。ここで、特徴点として抽出されるものは、例えば以下のものが考えられる。

（１）呼吸数３０［回／分］以上又は８［回／分］以下が一定時間以上継続
（２）心拍数１２０［回／分］以上又は４０［回／分］以下が一定時間以上継続
（３）夜間睡眠の開始から終了にかけて心拍数または呼吸数のトレンドが上昇（１０％以上）
（４）夜間（２１：００〜６：５９）の呼吸数または心拍数のばらつき（標準偏差、変動係数）が一定値以上
（５）呼吸障害指数もしくは周期性体動指数が有意に減少
（６）呼吸障害指数もしくは周期性体動指数が有意に増加、もしくは一定値以上（夜間）
（７）活動量が有意に増加もしくは減少
（８）睡眠判定が一定時間以上継続、夜間の覚醒判定が９５％以上
これらの特徴点を１又は複数組み合わせることにより、特徴ベクトルが出力される。なお、特徴点として説明したものは１例であり、当該値に限定されるものではない。例えば、（１）を例に取ると、呼吸数２５［回／分］以上であってもよいし、１０［回／分］以下であってもよい。このように、各値は、説明の都合上の値である。そして、該当する特徴点は「１」、非該当の特徴点は「０」が出力されでも良いし、確率変数が出力されても良い。

そして、上述した特徴点を全て含まれる場合は、特徴空間は８次元であり、８次元の特徴ベクトルとして識別部７２０に出力される。

識別部７２０は、入力された特徴ベクトルから、患者状態に対応するクラスを識別する。このとき、識別辞書７３０として、事前に用意した複数のプロトタイプと照合することにより、クラスを識別する。プロトタイプは、各クラスに対応する特徴ベクトルとして記憶していても良いし、クラスを代表する特徴ベクトルを記憶していてもよい。

クラスを代表する特徴ベクトルが記憶されている場合には、最も近いプロトタイプの属するクラスを決定する。このとき、最近傍決定則により決定してもよいし、ｋ近傍法により識別してもよい。

なお、識別部７２０が利用する識別辞書７３０は、予めプロトタイプを記憶してもよいし、機械学習を利用して記憶することとしても良い。

そして、識別部７２０により識別されたクラスに対応して、患者状態出力部７４０により患者状態が出力される。出力される患者の状態としては、「正常」又は「異常」であり、異常と判定された後に、「死期が迫っている」「回復した」等が識別されてもよいし、確率変数が出力されても良い。

これにより、本実施形態によれば、「呼吸数」「心拍数」「活動量」「離床」「在床」を含んだ生体情報を取得し、これらの生体情報から、患者の死期が迫っているか否かを推測することが可能となる。

［３．第３実施形態］
つづいて、第３実施形態について説明する。第３実施形態は、第１実施形態の図２の機能構成を、図５に置き換えたものである。

第１実施形態の機能構成に加えて、患者日誌出力部６５０を更に備えている。また、患者状態推測部７００の代わりに、ニューラルネットワークを利用して患者の状態を推測する患者状態推測部７５０を備えている。

患者日誌出力部６５０は、取得された生体情報値や、睡眠状態（０：離床、１：在床・覚醒、２：睡眠）を、１行を２４時間とした１分毎の画素値の値とした画像データ（「１４４０ピクセル×日数分のピクセル」の画像データ）として出力する機能部である。患者日誌としては、患者の呼吸数を表す呼吸日誌、患者の心拍数を表す心拍日誌、患者の睡眠状態を表す睡眠日誌、患者の体動を表す活動量日誌、呼吸障害イベント回数を表す呼吸障害日誌、周期性体動イベント回数を表す周期性体動日誌等が出力可能である。なお、これらのパラメータは組み合わせて一つの患者日誌として出力されても良い。これらの患者日誌のグラフを、画像データである日誌データとして出力可能である。

患者状態推測部７５０は、入力された日誌データから患者状態を推測するための機能部である。ここで、患者状態を推測する処理としては、最近はディープラーニング（ディープニューラルネットワーク）が特に画像認識において高い精度を出しており、本実施形態でも一例として当該方法を利用する。このディープラーニングにおける処理について、図６を用いて簡単に説明する。

まず、患者状態推測部７５０は、患者日誌出力部６５０から出力される日誌データ（画像データ）の信号を、複数の層と、各層に含まれるニューロンによって構成されるニューラルネットワークに入力する。各ニューロンは別の複数のニューロンから信号を受け取り、演算を施した信号を別の複数のニューロンへ出力する。ニューラルネットワークが多層構造の場合、信号が流れる順に、入力層、中間層（隠れ層）、出力層と呼ばれる。

ニューラルネットワークの中間層が複数の層からなっているものはディープニューラルネットワーク（例えば、畳み込み演算を持つConvolutional Neural Network（畳み込みニューラルネットワーク））と呼ばれ、これを用いた機械学習の手法をディープラーニングと呼ぶ。

日誌データはニューラルネットワークの各層のニューロンに各種演算（畳み込み演算、プーリング演算、正規化演算、行列演算等）が施され、形を変えながら流れ、出力層から複数の信号が出力される。

ニューラルネットワークからの複数の出力値は、それぞれ、患者の状態に紐づいていて、値が最も大きい出力値に紐づく患者の状態と推測する、というような処理を行う。または、患者の状態を直接出力しなくとも、一又は複数の出力値を分類器に通して、分類器の出力から患者の状態を推測してもよい。

ニューラルネットワークの各種演算に用いる係数であるパラメータは、事前にニューラルネットワークへ数多くの日誌データと、当該日誌データの患者の状態とを入力し、出力値と正解値との誤差を、誤差逆伝播法により、ニューラルネットワークを逆方向に伝搬し、各層のニューロンのパラメータを何度も更新することによって決まる。このように、パラメータを更新し、決める工程を学習と呼ぶ。

ニューラルネットワークの構造や、個々の演算については、書籍や論文で解説された公知技術であり、その何れかの技術を利用すれば良い。

患者状態推測部７５０を利用することにより、患者の生体情報等の入力データから、患者の状態として、死期が迫っているか否かについて出力される。

なお、上述した実施形態では、1行を２４時間とした日誌データを入力してニューラルネットワークを利用しているが、週単位のリズム性を考慮して1行を7日間とし日誌データ、概ね月単位のリズム性を考慮して1行を２８日間とした日誌データ、年単位のリズム性を考慮して１行を３６５日間とした日誌データ、などとしても良いし、リズム性をあらかじめ考慮しない生体情報値を入力してニューラルネットワークを利用しても良い。すなわち、「心拍数」「呼吸数」「活動量」「離床」「在床」「呼吸イベント回数」「周期性体動回数」といった情報をそれぞれの時間軸を同期させてニューラルネットワークに入力し、学習させることで患者状態を推測してもよい。

［４．実施例］
上述した実施形態を利用することにより、患者の状態（死期が迫っていること）を判定する実施例について説明する。図７〜図１８は、患者日誌の一例を説明するための図である。ここで、図７〜図９及び図１０〜図１２は患者が回復した場合の患者日誌であり、図１３〜図１５及び図１６〜図１８は患者が死亡した場合の患者日誌の一例である。

本図では、対象者の睡眠状態を日毎に表した患者日誌の例であり、縦方向に日毎に睡眠状態を示すグラフが表示されている。

全ての患者日誌は、１行が２４時間であり、グラフ中央が午前０時を示している。また、例えば、生体情報値として、呼吸数、心拍数については、通常の範囲は緑色（グレースケールの図では淡い色）で示されている。ここで、異常値に近づくと、赤色や、青色に変化する。また、ハッチング部は非測定区間（電源OFF）である。

すなわち、正常範囲から高い値になれば、緑色→黄色→赤色と変化する。また、正常範囲から低い値になれば、緑色→水色→青色と変化する。グレースケールの場合、淡い色→濃い色に変化する。

また、睡眠状態についても、各種色分けして表示可能である。例えば、離床を白色、覚醒（在床）を橙色、睡眠（在床）を青色で表してもよい。各図では、離床、覚醒（在床）、睡眠（在床）と色が濃く表示されている。

また、睡眠状態を示す場合、併せて活動量の表示も可能である。例えば、活動量を示すグラフを重畳表示する黒縦棒で重畳表示する）ことにより、睡眠状態と活動量とを併せて確認することができる。

生体情報値は２４時間、１週間などの周期的な変動を示すことが通常であるため、このように、患者日誌を利用することにより、対象者の長期的変動が見やすくなり、体調不良に早く気がつけるというメリットがある。これら複数の日誌データにより、患者の状態を精度良く推測することが可能となる。例えば、心拍数が異常値を示している時間帯に呼吸数など他の生体情報値に変化がない場合、毎日一定の時間帯に異常値を示している場合などは異常と判定しない、などが可能となる。

患者日誌としては、複数利用可能である。通常、患者日誌を利用して人手で患者の異常を視認判定するが、本実施形態のシステムを利用することにより、判定の個人差や能力によらない一定の基準で適切かつ視認判定の労力かけることなく患者の異常を自動で推測し、報知することが可能となる。

［４．１ 回復例１］
まず、第１の例として回復例１について説明する。例えば、図７、図８、図９は、ある介護施設で生活している要介護高齢者の患者日誌である。図７が睡眠日誌、図８が心拍日誌、図９が呼吸日誌である。図７の患者日誌のグラフには、上段に活動量（黒縦棒）、下段に睡眠状態が示されている。また、図８の心拍日誌には、上段に心拍数の変動、下段に睡眠状態が示され、図９の呼吸日誌には、上段に呼吸数の変動、下段に睡眠状態が示されている。

ここで、患者日誌は、１行が２４時間であり、グラフ中央が午前０時を示しているため、グラフ中央で日付が変わる。２／１２（日）から患者日誌が示されており、２／１６（木）の９：００頃に回復して退院している状態を示している。

図９の呼吸数を参照すると、２／１２〜２／１４にかけて濃い色（異常値）が多く検出されている。また、図８の心拍数を参照すると、２／１４の朝方から濃い色（異常値）が多く検出されている。

したがって、この時点で患者の体調は悪かったことが判定可能である。その後、２／１４〜２／１６を参照すると、呼吸数、心拍数とも通常の範囲に収まってきている。また、図７の睡眠日誌を見ると、２／１４〜２／１６にかけて、多くの活動量が算出されている。すなわち、この時点において、活動量判定条件に一致しない状態となっている。

生体情報値が正常範囲に含まれてきており、患者の動きも多く見られることから、当該患者は回復傾向にあると判定される。

［４．２ 回復例２］
つづいて、第２の例として回復例２について説明する。回復例２は、図１０が睡眠日誌、図１１が心拍日誌、図１２が呼吸日誌である。

ここで、患者日誌は、１行が２４時間であり、グラフ中央が午前０時を示している。２／１２（日）から在床しており、患者日誌が示されており、２／１７（金）の午後に回復して退院している状態を示している。

図１１を参照すると、２／１１（土）から２／１６（木）の午前中迄は、心拍数の異常値が大きく出ている。しかし、２／１６（水）の午後から２／１７（金）にかけて、心拍数は通常の範囲に含まれるようになっている。

また、２／１６（木）以降は、呼吸数も落ち着いており、生体情報値（心拍数及び呼吸数）ともに通常の範囲に含まれるようになってきている。また、活動量については、図１０を参照すると、２／１６（木）以降においても、多く検出されている。

したがって、生体情報値が通常の範囲に含まれているが、活動量判定条件の一つである活動量（平均活動量）が、定められた閾値以上となっているため、死期が迫っているとは判定されない。したがって、本図の患者の場合は回復傾向であると判定される。

［４．３ 死亡例１］
つづいて、第３の例として、死亡例１について説明する。死亡例１は、図１３が睡眠／活動量日誌、図１４が呼吸日誌、図１５が心拍日誌である。図１３では、睡眠状態と活動量とが重畳して表示されている。すなわち、黒縦棒が活動量を示している。

ここで、図１４の呼吸日誌においては、１／２１（金）の午後から呼吸が多くなっており、異常値が検出されている。この異常値は、１／２６（火）の午前３時頃まで傾向が見られるが、それ以降は通常の範囲に含まれるようになっている。

また、図１５の心拍日誌においては、１／２３（土）頃から心拍数が低くなっており、異常値が検出される。そして、１／２６（火）の午前３時頃から通常の範囲に含まれるようになっている。

１／２６（火）の午前３時頃から、生体情報値が通常の範囲に含まれているが、図１３の睡眠日誌を参照すると、当該時刻以降離床は検知されていない。また、活動量も低く、患者は殆ど動いていないことが解る。

したがって、活動量判定条件に一致することから、患者の死期が迫っていると判定される。このとき、患者の死期が迫っていることを報知する処理を行ってもよい。例えば、死期が迫っていることを表示装置に表示したり、光や音によりアラートを出力しても良い。また、医療従事者の端末装置に対して、メールを送信したり、通知信号を送信したりしてもよい。

［４．４ 死亡例２］
つづいて、第４の例として、死亡例２について説明する。死亡例２は、図１６が睡眠／活動量日誌、図１７が呼吸日誌、図１８が心拍日誌である。図１６では、睡眠状態と活動量とが重畳して表示されている。すなわち、黒縦棒で表示されているのが活動量である。

図１８の心拍日誌では、１／２１（木）頃から、異常値が目立ち始め、体調が悪いことが判定できる。ここで、２／１４（日）午後から心拍数が通常の範囲に含まれるようになっている。

また、図１７の呼吸日誌は、２／２（火）以降は通常の範囲に概ね含まれるようになっている。したがって、２／１４（日）の午後からは心拍数及び呼吸数が通常の範囲に含まれるようになっていることから、回復傾向にあるようにも思える。

しかし、図１６の睡眠／活動量日誌をみると、離床がなく、睡眠状態が連続し、活動量も低い状態（一部に認められる活動量は本人のものではなく介助者によるものが主と考えられる）である。すなわち、第２判定時間である１２時間の間、生体情報値は通常の範囲に含まれており、離床判定もない。また、活動量が低いことから、活動量判定条件に一致している。

したがって、死期が迫ったと判定され、報知されることとなる。このように、本実施形態によれば、生体情報値からだけでは患者の状態として回復状態（回復傾向）と判定される場合であっても、死期が迫っているということを正しく判定することができる。

また、死期が迫っていると判定されたことを報知することで、例えば医療従事者や家族が患者を看取ることができるようになる。

［５．変形例］
以上、この発明の実施形態について図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計等も特許請求の範囲に含まれる。

また、本実施形態においては、検出装置３で出力された結果に基づき、処理装置５において生体情報を出力しているが、検出装置３で全て算出してもよい。また、端末装置（例えばスマートフォン、タブレット、コンピュータ）にアプリケーションをインストールして実現するだけでなく、例えばサーバ側で処理をして、処理結果を端末装置に返しても良い。

例えば、検出装置３から、生体情報をサーバにアップロードすることで、サーバ側で上述した処理を実現してもよい。この検出装置３は、例えば加速度センサ、振動センサを内蔵したスマートフォンのような装置で実現してもよい。

また、実施形態において各装置で動作するプログラムは、上述した実施形態の機能を実現するように、ＣＰＵ等を制御するプログラム（コンピュータを機能させるプログラム）である。そして、これら装置で取り扱われる情報は、その処理時に一時的に一時記憶装置（例えば、ＲＡＭ）に蓄積され、その後、各種ＲＯＭやＨＤＤ、ＳＳＤの記憶装置に格納され、必要に応じてＣＰＵによって読み出し、修正・書き込みが行なわれる。

また、市場に流通させる場合には、可搬型の記録媒体にプログラムを格納して流通させたり、インターネット等のネットワークを介して接続されたサーバコンピュータに転送したりすることができる。この場合、サーバコンピュータの記憶装置も本発明に含まれるのは勿論である。

１ 異常判定システム
３ 検出装置
５ 処理装置
１００ 制御部
２００ 生体信号取得部
３００ 生体情報値算出部
３５０ 睡眠状態判定部
４００ 入力部
４５０ 出力部
５００ 記憶部
５１０ 生体情報データ
５２０ 睡眠状態データ
６００ 患者状態取得部
６５０ 患者日誌出力部
７００、７０５、７５０ 患者状態推測部
７１０ 特徴抽出部
７２０ 識別部
７３０ 識別辞書
７４０ 患者状態出力部
８００ アラート出力部
１０ ベッド
２０ マットレス

Claims (5)

1. 対象者の生体信号を取得する生体信号取得部と、制御部とを備えた異常判定装置であって、
   前記制御部は、
   前記生体信号取得部から取得された前記生体信号に基づいて、前記対象者の生体情報値を算出し、
   前記生体信号から、前記対象者の活動量を算出し、
   前記生体情報値と、前記活動量とに基づいて、前記対象者の異常が継続していると判定し、
   前記生体情報値と、前記活動量とに基づいて、前記生体情報値が異常値となる状態が第１判定時間継続した後に、当該生体情報値が正常範囲となる状態が第２判定時間継続した場合に、前記第２判定時間において、前記活動量が低い場合に、前記対象者の死期が迫った状態であると判定する、
   ことを特徴とする異常判定装置。
2. 前記第２判定時間において、更に前記対象者が離床していない場合に、前記対象者の死期が迫った状態であると判定する、
   ことを特徴とする請求項１に記載の異常判定装置。
3. 前記生体情報値は、前記取得された前記生体信号から、前記対象者の心拍数及び呼吸数が算出されることを特徴とする請求項１又は２に記載の異常判定装置。
4. 前記制御部は、
   前記対象者の活動量、呼吸障害指数、周期性体動指数の少なくとも何れか１つ又はこれらの組み合わせに基づいて、前記対象者の異常が継続していると判定することを特徴とする請求項１から３の何れか一項に記載の異常判定装置。
5. 対象者の生体信号を取得する生体信号取得部が接続されたコンピュータに、
   前記生体信号取得部から取得された前記生体信号に基づいて、前記対象者の生体情報値を算出する機能と、
   前記生体信号から、前記対象者の活動量を算出する機能と、
   前記生体情報値と、前記活動量とに基づいて、前記対象者の異常が継続していると判定する機能と、
   前記生体情報値と、前記活動量とに基づいて、前記生体情報値が異常値となる状態が第１判定時間継続した後に、当該生体情報値が正常範囲となる状態が第２判定時間継続した場合に、前記第２判定時間において、前記活動量が低い場合に、前記対象者の死期が迫った状態であると判定する機能と、
   を実現させることを特徴とするプログラム。

Images