JP6912119B2 - 睡眠改善支援システム、方法およびプログラム - Google Patents

Description

本発明は、ユーザの睡眠改善活動の支援を行う睡眠改善支援システム、睡眠改善支援方法および睡眠改善支援プログラムに関する。

不眠に対する認知行動療法（ＣＢＴ−Ｉ：Cognitive Behavioral Therapy for Insomnia）の多くは、臨床の現場で睡眠日誌への記録などを基にした医師や療法士といった専門家のカウンセリングを通して行われる。ＣＢＴ−Ｉは、睡眠薬の減薬の効果も認められる、世界的に普及している技法であるが、日本では提供できる専門家が不足している現状がある。

ここで、認知行動療法（ＣＢＴ）とは、認知や行動の癖を見直し、コントロール可能にしていくことを目標とした心理療法であり、医師・療法士による教育の下、患者自身の課題の実践を通して行われる。慢性不眠障害（精神生理性不眠症）の潜在患者数は約３００万人とも言われている中で、ＣＢＴ−Ｉは、適用が有効と判断した患者の約７割に効果が認められたとのデータもあり、高い寛解率、持続性および減薬効果がある療法としてその普及が望まれている。

近年では、ＣＢＴ−Ｉを多くの人に提供できるようにＩＴツール化する研究開発が種々行われている。

図２２は、ＣＢＴ−Ｉのプロセスの一例を示す説明図である。ＣＢＴ−Ｉでは、例えば、図２２に示すように、医師からの教育の後、課題設定、課題実施、睡眠日誌への記録、フィードバックを所定期間中に繰り返し行う。その際、フィードバックにより、効果の確認や課題の追加・再設定が適宜行われることにより、不眠を招く認知や行動の癖が改善されて、睡眠の状態が改善されていく。

ＣＢＴ−ＩのプロセスをＩＴツール化する方法の一例として、専門家のノウハウをデータとして蓄積し、蓄積されたデータの中から条件に合致するデータを選択して提供することにより、全てのプロセスをＷｅｂやメールといった非対面で実施する方法が挙げられる。

このような専門家による活動をＩＴツール化する技術に関して、例えば、特許文献１には、専門家との対面で実施されていた健康指導サービスをＩＴ化して提供する健康管理サーバの一例が記載されている。

特許第６０１０７１９号公報

しかし、専門家の介入が一切必要ないような１００％のＩＴツール化を実施しようとした場合、次のような問題が生じる。

第一に、多数の課題の中から自動で個々のユーザに最適な課題を選択するためには、各課題がそのユーザにどれくらい適しているかを判断する明確な判断基準が必要となるところ、そのような明確な判断基準を適切に設定することが困難な点である。

臨床での課題の選択は専門家の経験に基づいて行われており、明確な判断基準は存在しない。そのような経験に基づく選択を機械で再現するためには膨大なサンプルを必要とするなどの問題がある。また、仮に膨大なサンプルを用意できたとしても、統計的に算出された判断基準を用いた判断が、個々のユーザにとって最適な判断とは限らない。

第二に、心理面の作用をいかに考慮するかという問題がある。ＣＢＴ−Ｉでは、課題の選択以外に、患者を心理面から支援するために専門家の知見に基づいて行われるアドバイス等がある。継続意欲向上のために患者を褒めたり、認知や行動上の問題を指摘するなどのメッセージ発信がその一例である。そのようなユーザの心理面の作用にかかわるアドバイス等については、特に明確な判断基準を適切に定めることが困難である。

なお、特許文献１に記載の方法は、端末から送信されたメッセージ情報から抽出された回答情報についてその確からしさを示す確信度を求め、その確信度に基づく評価を、ユーザの情報に基づいて補正した上でユーザに提供する。特許文献１に記載の方法によれば、そのユーザの過去の行動の傾向値から、例えばタスクの「負荷」の指標に対してマイナスの重み付けを行うなどして求めた補正値を利用して、各タスクの評価をユーザ毎に変更できる。

しかし、特許文献１に記載のような、ユーザの過去の行動の傾向値を基にタスクの評価を変更する方法は、そのユーザの過去の行動に関する情報が必要であり、最初に提示する課題に対して適用することができないといった問題がある。なお、特許文献１には、ユーザの生体の特徴値といずれかの指標の値の相関係数を求め、該相関係数をもって補正することもできる旨が記載されている。しかし、そのような相関係数を求めるのに用いる情報は過去のユーザの情報であり、求めた相関係数が必ずしもそのユーザに合致するとは限らない。

本発明は、上述した課題に鑑みて、睡眠改善活動において専門家によって行われていた種々のプロセスを、ユーザ毎に最適化して提供できる睡眠改善支援システム、睡眠改善支援方法および睡眠改善支援プログラムを提供することを目的とする。

本発明による睡眠改善支援システムは、ＣＢＴ−Ｉに基づく睡眠改善プログラムの対象ユーザの睡眠に関連する情報であるユーザ情報が入力されると、対象ユーザの睡眠改善プログラムのフェーズに応じて予め定められた出力集合の中から対象ユーザに適する出力を自動で判断して出力する自動判別モデルを用いて、対象ユーザに情報提供を行う情報提供部と、睡眠改善プログラムを終了した過去のユーザについて、ユーザ情報と、情報提供部が行った情報提供に関する情報とを少なくとも含む実績データを記憶する実績データ記憶部と、対象ユーザのユーザ情報と、実績データに含まれるユーザ情報とを比較して、その結果に基づいて、自動判別モデルがユーザに適する出力を判断する際に用いる基準を補正する基準補正部とを備え、情報提供部は、基準補正部によって基準が補正された後の自動判別モデルを用いて、対象ユーザに情報提供を行うことを特徴とする。

また、本発明による睡眠改善支援方法は、情報処理装置が、ＣＢＴ−Ｉに基づく睡眠改善プログラムの対象ユーザの睡眠に関連する情報であるユーザ情報が入力されると、対象ユーザの睡眠改善プログラムのフェーズに応じて予め定められた出力集合の中から対象ユーザに適する出力を自動で判断して出力する自動判別モデルを用いて、対象ユーザに情報提供を行い、睡眠改善プログラムを終了した過去のユーザについて、ユーザ情報と、睡眠改善プログラムにおいて情報処理装置が行った情報提供に関する情報とを少なくとも含む実績データを所定の実績データ記憶部に記憶し、自動判別モデルを用いる際に、対象ユーザのユーザ情報と、実績データに含まれるユーザ情報とを比較し、その結果に基づいて、自動判別モデルがユーザに適する出力を判断する際に用いる基準を補正することを特徴とする。

また、本発明による睡眠改善支援プログラムは、コンピュータに、ＣＢＴ−Ｉに基づく睡眠改善プログラムの対象ユーザの睡眠に関連する情報であるユーザ情報が入力されると、対象ユーザの睡眠改善プログラムのフェーズに応じて予め定められた出力集合の中から対象ユーザに適する出力を自動で判断して出力する自動判別モデルを用いて、対象ユーザに情報提供を行う処理、睡眠改善プログラムを終了した過去のユーザについて、ユーザ情報と、睡眠改善プログラムにおいてコンピュータが行った情報提供に関する情報とを少なくとも含む実績データを所定の実績データ記憶部に記憶する処理、および自動判別モデルを用いる際に、対象ユーザのユーザ情報と、実績データに含まれるユーザ情報とを比較し、その結果に基づいて、自動判別モデルがユーザに適する出力を判断する際に用いる基準を補正する処理を実行させることを特徴とする。

本発明によれば、睡眠改善活動において専門家によって行われていた種々のプロセスを、ユーザ毎に最適化して提供できる。

第１の実施形態の睡眠改善支援システムの概略構成図である。 第１の実施形態の睡眠改善支援システムの動作例を示すフローチャートである。 第２の実施形態の睡眠改善支援システムの構成例を示すブロック図である。 課題設定部２７の構成例を示すブロック図である。 通知部２８の構成例を示すブロック図である。 フィードバック部２９の構成例を示すブロック図である。 第２の実施形態の睡眠改善支援システムの動作の一例を示すフローチャートである。 課題の選択処理のより詳細な処理フローの一例を示すフローチャートである。 通知の判定処理のより詳細な処理フローの一例を示すフローチャートである。 フィードバックの判定処理のより詳細な処理フローの一例を示すフローチャートである。 個人ＤＢ２４に記憶される情報の一例を示す説明図である。 実績ＤＢ２６に記憶される情報の一例を示す説明図である。 ユーザの生活習慣および睡眠状態に関する質問事項の例を示す説明図である。 質問事項の各項目に対応する睡眠改善行動の例を示す説明図である。 課題ＤＢ２１に記憶される情報の一例を示す説明図である。 類似ユーザの探索例を示す説明図である。 類似ユーザの個別有効度の算出例を示す説明図である。 対象ユーザに対する課題の提示例を示す説明図である。 対象ユーザに対する課題の提示例を示す説明図である。 本発明の各実施形態にかかるコンピュータの構成例を示す概略ブロック図である。 本発明の睡眠改善支援システムの概要を示すブロック図である。 ＣＢＴ−Ｉのプロセスの一例を示す説明図である。

実施形態１．
以下、図面を参照して本発明の実施形態について説明する。図１は、第１の実施形態の睡眠改善支援システムの概略構成図である。図１に示すように、本実施形態の睡眠改善支援システムは、ＣＢＴ−Ｉのプロセスを専門家の介入なしにユーザのみによって行うプログラムである睡眠改善プログラムを提供するシステムであって、大きく５つの機能部、すなわちユーザ情報入力部１１、事例データ記憶部１２、運用データ記憶部１３、自動判別モデル部１４およびデータ出力部１５に分けられる。

ユーザ情報入力部１１は、ユーザの生活習慣に関する情報など、睡眠改善の対象とされるユーザの睡眠に関連する情報（以下、単にユーザ情報という）を入力する。

事例データ記憶部１２は、専門家が個人に対して行ったアウトプット（情報提供）の例などの事例データを記憶する。ここで、専門家が行うアウトプットには、例えば、個人の生活習慣に対する課題の提示や、課題の実施状況に対するコメント（助言、奨励、解説等）、課題実施後のコメントや次の課題の提示など、専門家の知見に基づいて行われるあらゆる情報提供が含まれる。

事例データ記憶部１２は、後述する自動判別モデルの入力に対応する個人の情報と、自動判別モデルの出力に対応する、専門家によるアウトプットの情報とを対応付けて記憶してもよい。

事例データ記憶部１２は、例えば、自動判別モデルが、ユーザの生活習慣に関する情報の入力に対してそのユーザに適した課題を出力するモデルであれば、ある個人の生活習慣に関する情報と対応づけて、その個人に対して専門家が提示した課題を、事例データとして記憶してもよい。

また、事例データ記憶部１２は、例えば、自動判別モデルが、課題の実施状況に関する情報の入力に対して、そのユーザに適したコメントを出力するモデルであれば、ある個人の課題の実施状況に関する情報と対応づけて、その個人に対して専門家が行ったコメントを、事例データとして記憶してもよい。

また、事例データ記憶部１２は、例えば、自動判別モデルが、課題実施後の状況に関する情報の入力に対して、そのユーザに適したコメントや次の課題を出力するモデルであれば、ある個人の課題実施後の状況に関する情報と対応づけて、その個人に対して専門家が行ったコメントや提示した次の課題を、事例データとして記憶してもよい。

運用データ記憶部１３は、システムがユーザに対して実際に行ったアウトプットに関する情報（以下、アウトプット情報という）とそのユーザから得られた情報を、実データ（運用データともいう）として記憶する。運用データ記憶部１３は、例えば、過去に入力されたユーザ情報と対応づけて、アウトプット情報を記憶してもよい。なお、ユーザ情報には、睡眠改善プログラムの各フェーズにおいてそのユーザから得られた情報、例えば、設定された課題、課題の実施状況に関する情報および睡眠改善状況に関する情報等が含まれていてもよい。また、アウトプット情報には、例えば、後述する自動判別モデルによって得られた出力内容（システムが提供した情報）、出力タイミング、それらを選択した際の基準等が含まれていてもよい。

自動判別モデル部１４は、専門家のアウトプットを学習して得られた自動判別モデルを保持しており、あるユーザのユーザ情報が入力されると、保持している自動判別モデルを用いて、そのユーザに適したアウトプットを決定する。自動判別モデルは、例えば、事例データ記憶部１２に記憶された事例データを基に構築される。

図１に示すように、本実施形態の自動判別モデル部１４は個別適応手段１４１を含んでおり、自動判別モデルを用いる際に、個別適応手段１４１が、入力されたユーザ情報と、運用データ記憶部１３に記憶された運用データとに基づいて自動判別モデルのパラメータを最適化（個別適応）する。これにより、自動判別モデルが、そのユーザに適したアウトプット（より具体的には、出力内容や出力タイミング等）を決定できるようにする。

個別適応手段１４１は、ユーザ情報が入力されると、入力されたユーザ情報と、運用データ記憶部１３に記憶された運用データとに基づいて、自動判別モデルのパラメータをそのユーザにとって最適化されるように補正する。個別適応手段１４１は、例えば、ユーザ情報と、運用データに含まれる過去のユーザのユーザ情報とを比較して得られた差分量（または類似の度合いである類似度）に基づいて、自動判別モデルのパラメータを補正する。このとき、個別適応手段１４１は、得られた差分量または類似度に応じて、補正に用いる過去のユーザの情報を選択したり、パラメータの補正量を調整してもよい。

ここで、自動判別モデルは、ユーザ情報が入力されると、予め定められた集合の中からそのユーザに適した出力内容を少なくとも選択して出力するモデルであってもよい。そのような場合、個別適応手段１４１は、自動判別モデルがパラメータとして有する、出力内容を選択するための基準（以下、選択基準という）を、入力されたユーザ情報のユーザに対して最適化する。

また、例えば、自動判別モデルは、ユーザ情報が入力されると、予め定められたある出力内容の出力条件を満たした場合に、その出力内容を選択して出力するモデルであってもよい。そのような場合、個別適応手段１４１は、自動判別モデルがパラメータとして有する、出力内容および出力タイミングを選択するための基準（以下、実行基準）を、入力されたユーザ情報のユーザに対して最適化する。

自動判別モデルが選択する出力内容は、例えば、本システムが提供する睡眠改善プログラムにおいてユーザが取り組む課題の候補や、課題の実施状況に対するコメントや、課題実施後の状況に対するコメントもしくは次の課題の候補である。

また、自動判別モデル部１４は、運用データ記憶部１３に記憶された運用データを用いて、適宜自動判別モデルを更新する。

データ出力部１５は、自動判別モデル部１４から出力された内容（自動判別モデルにより得られた出力内容）に基づいて、ユーザに情報提供を行う。

次に、本実施形態の動作を説明する。図２は、本実施形態の睡眠改善支援システムの動作例を示すフローチャートである。なお、図２に示す例では、既に事例データを基に、自動判別モデル（初期モデル）が構築されており、その後運用データを用いて自動判別モデルの学習が適宜行われる状態において、新たなユーザが本システムの利用を開始することを想定している。

なお、運用データ記憶部１３には、運用データとして、これまでに本システムを利用したユーザについて、少なくとも自動判別モデルに入力したユーザ情報と、アウトプット情報と、効果に関する情報（例えば、プログラム実施後の睡眠改善状況に関する情報）と、が実データとして記憶されている。また、アウトプット情報には、自動判別モデルにより得られた出力内容に加えて、その時に用いられたパラメータの情報が含まれているものとする。

本例では、まず、ユーザ情報入力部１１がユーザ情報を入力する（ステップＳ１１）。

次いで、個別適応手段１４１が、入力されたユーザ情報と、運用データのユーザ情報とを比較し、その差分量を算出する（ステップＳ１２）。ユーザ情報の比較方法としては、入力されたユーザ情報の各項目と、運用データのユーザ情報の各項目とをそれぞれ比較してそれらの差を各々求めたり、それらの差の合計を求める方法、ユーザ情報から特徴ベクトルを算出し、特徴ベクトル間の距離を求める方法などが挙げられる。

このとき、入力されたユーザ情報と比較する対象は、運用データの全てのユーザ情報であってもよいし、一部のユーザ情報であってもよい。例えば、個別適応手段１４１は、運用データのユーザ情報のうち、入力されたユーザ情報との類似度が一定以上のユーザ情報のみを比較対象としてもよい。

次いで、個別適応手段１４１は、求めた差分量に基づいて自動判別モデルのパラメータを補正する（ステップＳ１３）。補正の対象とされる自動判別モデルのパラメータは、特に限定されない。専門家の知見に基づいて設定された設定値（固定値）であっても、機械学習等により得られる変数等であってもよい。

ステップＳ１３で、個別適応手段１４１は、求めた差分量と、比較対象としたユーザの効果に関する情報とに基づいて、自動判別モデルのパラメータを補正することも可能である。

例えば、個別適応手段１４１は、自動判別モデルのパラメータに選択基準が含まれる場合に、その選択基準を補正してもよい。また、例えば、個別適応手段１４１は、自動判別モデルのパラメータに実行基準が含まれる場合に、その実行基準を補正してもよい。このとき、項目ごとに差分量を求めた場合には、パラメータ中のその項目に対応する値を、当該項目の差分量とその際比較対象としたユーザの効果に関する情報（改善度合い等）とに基づいて補正することも可能である。

なお、上記は、明示的に選択基準のようなパラメータが含まれる場合の例であるが、例えば、次のような補正も可能である。すなわち、自動判別モデルがパラメータとして状態間の遷移確率や状態遷移の際に関数を出力する場合に、それら遷移確率や関数を計算する際に用いられる計算式中の係数や重み等を、差分量や該差分量を求めたユーザにおける効果に基づいて補正してもよい。そのような明示的であるか否かを問わず、結果として判断基準に用いられる指標の値が補正される動作も、広義の選択基準または実行基準の補正に含む。

なお、上記の「差分量」を「類似度」と読み替えてもよい。その場合、差分量が小さいほど類似度が大きいと評価すればよい。

次いで、自動判別モデル部１４が、補正後の自動判別モデルに、入力されたユーザ情報を入力して、ユーザへのアウトプット情報（出力内容や出力タイミング）を得る（ステップＳ１４）。

最後に、データ出力部１５が、自動判別モデル部１４により得られたアウトプット情報に基づいて、ユーザへ情報提供を行う（ステップＳ１５）。

以上のように、本実施形態では、専門家のアウトプットを学習した自動判別モデルを用いる際に、そのパラメータをさらに個々のユーザに対して個別適応させた上で用いるので、ユーザに睡眠改善のための情報提供を行うことができる。最適な睡眠習慣はユーザによって異なることが多い。このため、本実施形態では、ユーザ毎に、少なくともそのユーザの情報と他のユーザの情報との差分量に基づいて自動判別モデルのパラメータを最適化している。

したがって、人手を介さずに、個々のユーザにより適した睡眠改善のための情報提供を行うことができる。結果として、専門家によって得られる効果と同様の効果、例えば、ユーザの睡眠の状態の改善、睡眠改善プログラムの継続意欲や睡眠改善プログラム終了後の生活習慣改善意欲の向上が期待できる。

実施形態２．
次に、本発明の第２の実施形態を説明する。図３は、第２の実施形態の睡眠改善支援システムの構成例を示すブロック図である。図３に示す睡眠改善支援システムは、課題ＤＢ（Database）２１と、通知ＤＢ２２と、フィードバックＤＢ２３と、個人ＤＢ２４と、ユーザ情報入力部２５と、実績ＤＢ２６と、課題設定部２７と、通知部２８と、フィードバック部２９とを備える。

課題ＤＢ２１は、本システムがユーザに提示する、睡眠改善のための課題に関する情報を記憶する。課題ＤＢ２１は、例えば、課題ごとに、ユーザ情報に対する標準的な選択基準（有効度や実施難易度等）を記憶する。ここでいう「標準的な」とは、専門家の知見や機械学習等によって広義の意味で統計的に処理されたものという意味であり、すなわち、ユーザごとの個別具体的な事情を考慮していないという程度の意味である。

ＣＢＴ−Ｉにおいて、課題の有効度は、個人の生活習慣に応じて定められる。そこで、専門家の知見のもと、ユーザから収集する生活習慣に関する情報の項目群に対して、それぞれの項目の値域別に、各課題の標準的な有効度を定め、課題ＤＢ２１に記憶してもよい。なお、課題の標準的な有効度は、ユーザに提示する際の優先度として利用される。

また、専門家の知見に基づいて、各課題の標準的な実施難易度を予め定め、課題ＤＢ２１に記憶する。

通知ＤＢ２２は、課題実施期間中等に本システムがユーザに対して行う通知に関する情報を記憶する。ここで、通知は、例えば、課題の実施を促したり、不眠などの改善状態を褒めるなど、睡眠改善プログラムの継続意欲を向上させる内容のメッセージの出力である。出力方法としては、画面への出力や、メール送信などが挙げられる。

通知ＤＢ２２は、例えば、課題実施期間中の課題の実施状況や睡眠の改善状況に対する標準的な通知内容および通知タイミングの判断基準を記憶する。通知ＤＢ２２は、例えば、課題ごとに、課題の実施状況や睡眠の改善状況に対する標準的な通知内容および通知タイミングの判断基準を記憶してもよい。また、例えば、通知ＤＢ２２は、通知内容ごとに、課題の実施状況や睡眠の改善状況に対する標準的な判断基準（実行基準）を記憶してもよい。

通知内容の標準的な判断基準は、その通知内容での通知を実行するかどうかを判断する基準であり、課題の実施状況や課題実施中の睡眠の改善状況から特定の通知内容の出力有無を決定するための情報であればよい。該基準は、例えば、実行中の課題に対して、予め定められた通知内容の集合から１つまたは複数の通知内容を選択するための、該課題の実施状況や該課題を実施中の睡眠の改善状況に対する条件（閾値や条件式等）であってもよい。

そのような基準の例としては、課題の実施を促す基準、不眠などの改善状況を褒める基準などが挙げられる。

また、通知タイミングの標準的な判断基準は、ある通知内容をいつ通知するかを判断する基準であり、実施状況や睡眠の改善状況から特定の通知内容の出力タイミングを決定するための情報であればよい。該基準は、実行中の課題に対して予め定められた特定の通知内容の出力タイミングを決定するための、該課題の実施状況や該課題を実施中の睡眠の改善状況に対する有効度や条件（閾値や条件式等）であってもよい。なお、該基準は、実行中の課題に関わらず、予め定められた通知タイミングを有する特定の通知内容の集合からその内容を選択するための、課題の実施状況や課題を実施中の睡眠の改善状況に対する条件であってもよい。

そのような基準の例としては、課題の実施や日誌の記録が何日途絶えたら通知するかを定めた継続期間に関する閾値や、睡眠の状況がどのくらい改善したら通知するかを定めた改善度に関する閾値等が挙げられる。

なお、通知内容の判断基準と通知タイミングの判断基準とは明確に区別されていなくてもよい。すなわち、ある通知内容の判断基準が満たされた時にその通知タイミングの判断基準が満たされたと判定することも可能である。

このような通知内容および通知タイミングの判断基準により、具体的な実施状況や改善状況に対して、どのようなメッセージがどのタイミングで通知されるかが具体的に定められる。

フィードバックＤＢ２３は、課題実施期間終了後等に本システムがユーザに対して行うフィードバックに関する情報を記憶する。ここで、フィードバックは、例えば、課題終了時の状況に対して、褒めたり、課題を指摘するなど、睡眠改善プログラム終了後の生活習慣改善意欲を継続させる内容のメッセージの出力や課題の提示である。

フィードバックＤＢ２３は、例えば、課題実施期間終了時の課題の実施状況や睡眠の改善状況に対する標準的なフィードバック内容（褒める項目、課題として指摘する項目等）の判断基準を記憶する。フィードバックＤＢ２３は、例えば、課題ごとに、その課題の実施状況や課題実施後の睡眠の改善状況に対する標準的なフィードバック内容の判断基準を記憶してもよい。また、例えば、フィードバックＤＢ２３は、フィードバック内容ごとに、課題の実施状況や睡眠の改善状況に対する標準的な判断基準（選択基準）を記憶してもよい。

フィードバック内容の標準的な判断基準は、そのフィードバック内容でのフィードバックを実行するかどうかを判断する基準であり、課題の実施状況や課題実施後の睡眠の改善状況から特定のフィードバック内容の出力有無を決定するための情報であればよい。該基準は、例えば、設定された課題に対して予め定められたフィードバック内容の集合から１つまたは複数のフィードバック内容を選択するための、該課題の実施状況や該課題を実施後の睡眠の改善状況に対する有効度や条件（閾値や条件式等）であってもよい。

そのような基準の例としては、褒める項目や課題として指摘する項目の判断基準、より具体的には、睡眠の改善状況に対して良し悪しを判断するための閾値等や、課題の実施状況に対して良し悪しを判断するための閾値等が挙げられる。

このようなフィードバック内容の判断基準により、具体的な実施状況や改善状況に対して、フィードバックとしてどのようなメッセージが出力されるかが具体的に定められる。

個人ＤＢ２４は、ユーザの個人データを記憶する。ユーザの個人データは、ユーザ個人の睡眠に関するデータを含む。本実施形態では、ユーザの個人データを、ユーザ情報と呼ぶ。ユーザ情報は、例えば、性別、年齢等の個人の属性の他に、（ａ）日々の睡眠の記録、（ｂ）睡眠に関する生活習慣、（ｃ）不眠度、（ｄ）睡眠に関する課題、（ｅ）日中の活動状況、（ｆ）なりたい自分の姿等を含んでいてもよい。

（ａ）日々の睡眠の記録の例としては、次のものが挙げられる。
・布団に入った時間
・寝た時間
・布団から出た時間
・途中で起きた回数
・途中で起きた合計時間
・日中昼寝した合計時間
・平日と休日の睡眠時間のずれ
・起きた時間のずれ
・寝た時間のずれ
・睡眠中の中心時間等のずれ

また、（ｂ）睡眠に関する生活習慣の例としては、次のものが挙げられる。
・朝、目覚めてから起きるまでの行動に関する情報
具体例：朝起きたらカーテンを開けたかどうか
・日光を浴びるための行動に関する情報
・日中の睡眠や仮眠等に関する情報
・休日の過ごし方に関する情報
・カフェインの入った飲料を摂取する習慣に関する情報

また、（ｃ）不眠度の例としては、国際的に利用される質問票などから算出される、アテネ不眠尺度（ＡＩＳ：Athenes Insomnia Scalse）や不眠症重症度（ＩＳＩ：Insomnia Severity Index）、等が挙げられる。

また、（ｄ）睡眠に関する課題の例としては、どの課題を選択中か、選択した課題の日毎の達成度などが挙げられる。なお、選択した課題は１つとは限らず、複数であってもよい。

また、（ｅ）日中の活動状況は、どの程度活動的に過ごしているかがわかるような指標であればよい。

また、（ｆ）なりたい自分の姿は、スローガンとして利用したり、ユーザ属性の分類等に利用される。

ユーザ情報入力部２５は、本システムが支援対象とするユーザの個人データ（ユーザ情報）を適宜入力し、個人ＤＢ２４を更新する。以下、本システムが支援対象とするユーザを対象ユーザという場合がある。

実績ＤＢ２６は、睡眠改善プログラムを終了したユーザの実績を示す実績データを記憶する。本実施形態の実績データは、例えば、ユーザの個人データに加えて、システムが提示した課題、システムが行った通知、システムが行ったフィードバック等に関する情報を含む。また、ユーザの個人データには、睡眠改善プログラムの各フェーズにおける当該ユーザの情報、例えば、課題設定前の生活習慣・睡眠状況、各課題実施期間における生活習慣・睡眠状況、選択された課題、その実施状況、課題終了後の改善状況に関する情報が含まれる。

ここで、課題終了後の改善状況の例としては、質問票による不眠度合いの改善状況や、睡眠記録による睡眠改善状況、日中の活動状況による睡眠改善状況、等が挙げられる。また、システムが提示した課題に関する情報には、提示した課題だけでなく、その課題の選択基準が含まれていてもよい。また、システムが行った通知に関する情報には、通知内容や通知タイミングだけでなく、その通知内容や通知タイミングの判断基準が含まれていてもよい。また、システムが行ったフィードバックに関する情報には、フィードバック内容だけでなく、該フィードバック内容の判断基準が含まれていてもよい。

課題設定部２７は、個人ＤＢ２４に記憶されているユーザ情報を取得し、課題ＤＢ２１に記憶されている課題の中からそのユーザにとって有効な課題を選択、提示して、ユーザが実施する課題を設定する。

図４は、課題設定部２７の構成例を示すブロック図である。図４に示すように、課題設定部２７は、課題ＤＢ個別適応部２７１と、課題提示部２７２とを含んでいてもよい。

課題ＤＢ個別適応部２７１は、対象ユーザに対する最適化処理として、個人ＤＢ２４に記憶されているユーザ情報と、実績ＤＢ２６に記憶されている実績データとに基づいて、課題ＤＢ２１に記憶されている課題の選択基準（より具体的には、それに用いられる指標である標準有効度や標準実施難易度等）を補正する。

課題提示部２７２は、課題ＤＢ個別適応部２７１による補正後の選択基準を用いて、課題ＤＢ２１に記憶されている課題の中から個人ＤＢ２４に記憶されているユーザ情報に対して有効な課題を選択して、提示する。また、課題提示部２７２は、提示した課題に対するユーザ入力を受け付けるなどして、最終的に該ユーザが実施する課題を設定する。

通知部２８は、個人ＤＢ２４に記憶されているユーザ情報を取得し、通知ＤＢ２２に記憶されている情報に基づいて、そのユーザにとって有効な通知を行う。

図５は、通知部２８の構成例を示すブロック図である。図５に示すように、通知部２８は、通知ＤＢ個別適応部２８１と、通知実行部２８２とを含んでいてもよい。

通知ＤＢ個別適応部２８１は、対象ユーザに対する最適化処理として、個人ＤＢ２４に記憶されているユーザ情報と、実績ＤＢ２６に記憶されている実績データとに基づいて、通知ＤＢ２２に記憶されている通知内容および通知タイミングの判断基準を補正する。

通知実行部２８２は、通知ＤＢ個別適応部２８１による補正後の判断基準を用いて、個人ＤＢ２４に記憶されているユーザ情報に基づき、通知ＤＢ２２に記憶されている通知内容の中からそのユーザに有効な通知内容とその通知タイミングを決定して、実際に通知を行う。

フィードバック部２９は、個人ＤＢ２４に記憶されているユーザ情報を取得し、フィードバックＤＢ２３に記憶されている情報に基づいて、そのユーザにとって有効なフィードバックを行う。

図６は、フィードバック部２９の構成例を示すブロック図である。図６に示すように、フィードバック部２９は、フィードバックＤＢ個別適応部２９１と、フィードバック実行部２９２とを含んでいてもよい。

フィードバックＤＢ個別適応部２９１は、対象ユーザに対する最適化処理として、個人ＤＢ２４に記憶されているユーザ情報と、実績ＤＢ２６に記憶されている実績データとに基づいて、フィードバックＤＢ２３に記憶されているフィードバック内容の判断基準を補正する。

フィードバック実行部２９２は、フィードバックＤＢ個別適応部２９１による補正後の判断基準を用いて、個人ＤＢ２４に記憶されているユーザ情報に基づき、フィードバックＤＢ２３に記憶されているフィードバック内容の中からそのユーザに有効なフィードバック内容を選択して、実際にフィードバックを行う。

なお、本実施形態では、課題提示部２７２、通知実行部２８２およびフィードバック実行部２９２の各々が第１の実施形態の自動判別モデルに相当し、それらが出力内容やそのタイミングを決定するために用いる上記基準（例えば、課題の選択基準、通知内容および通知タイミングの判断基準、フィードバック内容の判断基準）が、自動判別モデルのパラメータに相当する。

次に、本実施形態の動作を説明する。図７は、本実施形態の睡眠改善支援システムの動作の一例を示すフローチャートである。図７に示す動作は、あるユーザが本システムに参加して睡眠改善プログラムを終了するまでの動作の一例である。本例では、予め課題ＤＢ２１、通知ＤＢ２２およびフィードバックＤＢ２３に、課題、通知およびフィードバックに関して、専門家の知見または機械学習により得られた標準的な判断基準とされる情報が記憶されているものとする。

まず、ユーザ情報入力部２５が、ユーザからの要求を受けて、睡眠改善プログラム開始処理を行う（ステップＳ２０１）。ユーザ情報入力部２５は、例えば、プログラム開始用のユーザ情報入力画面等を利用して、ユーザの個人データ（ユーザ情報）を取得して、個人ＤＢ２４に登録する。このとき、ユーザ情報入力部２５は、そのユーザに対して、個人を識別するためのユーザＩＤを割り当て、割り当てたユーザＩＤと対応づけて、個人データを登録してもよい。

開始処理が完了すると、課題設定部２７が、課題の選択処理を行う（ステップＳ２０２）。詳細は後述するが、当該処理で、課題に関し、対象ユーザに対して最適化された基準に基づいて、課題が選択される。

次に、課題設定部２７の課題提示部２７２は、選択された課題をユーザに提示して、ユーザが本システムが提供する睡眠改善プログラムにおいて実施する課題を設定する（ステップＳ２０３）。課題提示部２７２は、例えば、課題の提示とともに、その是非を問い合わせ、それに対する入力を受け付ける等して、課題を設定すればよい。また、課題提示部２７２は、課題が設定されると、個人ＤＢ２４に記憶されているユーザ情報を更新するとともに、実績ＤＢ２６に対象ユーザのユーザ情報を実績データとして仮登録してもよい。

課題の設定が完了すると、睡眠改善プログラムはユーザによる課題の実施フェーズに移る。

課題の実施フェーズでは、ユーザが、課題の実施状況を日々入力する（ステップＳ２０４）。ステップＳ２０４では、ユーザ情報入力部２５は、例えば、実施フェーズ用のユーザ情報入力画面等を利用して、ユーザの課題の実施状況をユーザ情報の一部として取得して、個人ＤＢ２４に登録する。

次に、所定のタイミングで、通知部２８が通知の判定を行う（ステップＳ２０５）。ここで、所定のタイミングの例としては、一日ごとといった一定の周期や、実施状況が入力されるごとなどが挙げられる。詳細は後述するが、当該処理で、通知に関し、対象ユーザに対して最適化された基準に基づいて、通知の有無が判定されるとともに、通知有りの場合は通知内容とその通知タイミングが決定される。

次に、通知部２８の通知実行部２８２は、判定の結果、通知有りと判定された場合には（ステップＳ２０６のＹｅｓ）、決定された通知内容と通知タイミングに従って、通知の実行または予約を行う（ステップＳ２０７）。ここで、通知の予約は、指定したタイミングで通知内容のメッセージやメールが送信されるようにメッセージ送信やメール送信の予約を行うことである。また、通知実行部２８２は、通知の実行または予約を行うと、これまでに得られたユーザの課題の実施状況（継続状況）とともに、行った通知の情報（用いた基準の情報を含む）をそのユーザの実績データとして実績ＤＢ２６に仮登録する。その後、ステップＳ２０８に進む。

一方、通知無しと判定された場合は（ステップＳ２０６のＮｏ）、そのままステップＳ２０８に進む。

ステップＳ２０８では、課題実施期間が終了したか否かを判定し、終了していなければ（ステップＳ２０８のＮｏ）、ステップＳ２０４に戻り、次の実施状況の入力がされるまで待つ。一方、終了していれば（ステップＳ２０８のＹｅｓ）、ユーザ情報入力部２５は、これまでに得られたユーザの課題の実施状況（達成状況）や実施後の改善状況を、そのユーザの実績データとして実績ＤＢ２６に仮登録する。その後、ステップＳ２０９に進む。なお、睡眠改善プログラムは、課題実施期間が終了すると、評価フェーズに移行する。

評価フェーズでは、ユーザが、課題実施期間終了後の状況を入力する（ステップＳ２０９）。ステップＳ２０９では、ユーザ情報入力部２５は、例えば、評価フェーズ用のユーザ情報入力画面等を利用して、ユーザの課題実施期間終了後の状況を、ユーザ情報の一部として取得して、個人ＤＢ２４に登録する。

次に、フィードバック部２９がフィードバックの判定を行う（ステップＳ２１０）。詳細は後述するが、当該処理で、フィードバックに関し、ユーザに対して最適化された基準に基づいて、フィードバック有無およびフィードバック有りの場合はその内容が決定される。

次に、フィードバック部２９のフィードバック実行部２９２は、判定の結果、フィードバック有りと判定された場合には（ステップＳ２１１のＹｅｓ）、決定されたフィードバック内容に従って、フィードバックを実行する（ステップＳ２１２）。また、フィードバック実行部２９２は、フィードバックを実行すると、これまでに得られたユーザの課題実施後の状況（改善状況等）とともに、行ったフィードバックの情報（用いた基準の情報を含む）をそのユーザの実績データとして実績ＤＢ２６に仮登録する。その後、ステップＳ２１３に進む。

一方、通知無しと判定された場合は（ステップＳ２１１のＮｏ）、そのままステップＳ２１３に進む。

ステップＳ２１３では、そのユーザの睡眠改善プログラムが全て終了したか否かを判定し、終了していなければ（ステップＳ２１３のＮｏ）、ステップＳ２０２に戻り、次の課題の選択処理を行う。一方、終了していれば（ステップＳ２１３のＹｅｓ）、そのユーザに対する処理を終了する。

なお、実績ＤＢ２６に仮登録された対象ユーザに関する情報は、睡眠改善プログラムが終了した際に、実績データとして本登録されればよい。実績ＤＢ２６に実績データを登録するタイミング等は特に問わない。

次に、課題設定部２７による課題の選択処理（図７のステップＳ２０２）についてより詳細に説明する。図８は、課題の選択処理のより詳細な処理フローの一例を示すフローチャートである。

図８に示す例では、まず、課題ＤＢ個別適応部２７１が、個人ＤＢ２４からユーザ情報を取得する（ステップＳ３１１）。ここでは、例えば、ユーザが入力した該ユーザの属性や生活習慣や不眠度等を含むユーザ情報が取得される。なお、２回目以降の課題の選択処理であれば、取得するユーザ情報に、前回の課題実施中のユーザの睡眠の記録や、改善状況などが含まれていてもよい。

次に、課題ＤＢ個別適応部２７１は、取得したユーザ情報と、実績ＤＢ２６に記憶されている他のユーザの実績データにおけるユーザ情報とを比較して、課題ＤＢ２１中の課題の選択基準を補正する（ステップＳ３１２）。

以下、課題の選択基準の補正の一例を示す。本例では、課題の選択基準として、各課題の有効度を補正する例を示す。課題ＤＢ個別適応部２７１は、まず、取得したユーザ情報を基に、実績ＤＢ２６を参照し、対象ユーザに近い他のユーザ（以下、類似ユーザ）を検索する。ここでは、取得したユーザ情報と、実績ＤＢ２６に記憶されている他のユーザの実績データのユーザ情報とを比較して、その類似度が一定の範囲内にある他のユーザを抽出する。類似度は、例えば、各ユーザのユーザ情報を特徴ベクトルに変換した時に、特徴ベクトル間のコサイン類似度や、ユークリッド距離などを基に算出する。

類似度の算出に際して、例えば、不眠度に関する質問票の項目に対して影響力を上げるなど、項目ごとに重み付けを行ってもよい。

次に、課題ＤＢ個別適応部２７１は、課題ＤＢ２１を参照し、各課題に対応づけられている標準的な有効度のパラメータの、対象ユーザへの最適化を行う。以下は、課題ＤＢ個別適応部２７１による各課題の有効度の、対象ユーザへの最適化方法の一例である。

１．類似ユーザごとに、実績ＤＢ２６から選択した課題（選択課題）、課題終了後の改善状況、課題の実施状況などを参照する。

２．課題の実施状況が一定以上である選択課題について、課題終了後の改善状況に応じた個別有効度を算出する。

３．課題ＤＢ２１の標準的な有効度（標準有効度）に対して、類似ユーザの個別有効度に応じた補正を行う。有効度の補正は、例えば、類似ユーザの個別有効度の平均をとるなどにより行ってもよい。このとき、課題ＤＢ２１の標準有効度を含めて平均をとってもよい。また、対象ユーザとの類似度に基づいて各類似ユーザの個別有効度に対してさらに重み付けした上で、平均（加重平均）をとってもよい。なお、対象ユーザとの類似度を、平均をとる類似ユーザの足切りに用いることも可能である。すなわち、類似度が所定値以上の類似ユーザの個別有効度のみを用いて、標準有効度と平均をとることにより、補正を行ってもよい。なお、補正の方法はあくまで一例であって、これらの方法には限定されない。本例では、このようにして得られる、補正された標準的な有効度を、対象ユーザの個別有効度として扱う。

最後に、課題提示部２７２は、課題ＤＢ個別適応部２７１による各課題の補正後の有効度、すなわち対象ユーザの個別有効度を用いて、課題ＤＢ２１に記憶されている課題の中から個人ＤＢ２４に記憶されているユーザ情報に対して有効な課題を選択する（ステップＳ３１３）。課題提示部２７２は、例えば、有効度の高い順に、ユーザに課題を提示してもよい。また、課題提示部２７２は、その際に、有効度が一定以下の課題を提示しないようにしてもよい。

次に、通知部２８による通知の判定処理（図７のステップＳ２０５）についてより詳細に説明する。図９は、通知の判定処理のより詳細な処理フローの一例を示すフローチャートである。

図９に示す例では、まず通知ＤＢ個別適応部２８１が、個人ＤＢ２４からユーザ情報を取得する（ステップＳ３２１）。ここでは、例えば、ユーザが入力した該ユーザの属性や課題の実施状況や現在の改善状況等を含むユーザ情報が取得される。

次に、通知ＤＢ個別適応部２８１は、取得したユーザ情報と、実績ＤＢ２６に記憶されている他のユーザの実績データにおけるユーザ情報とを比較して、通知ＤＢ２２中の通知に関する基準を補正する（ステップＳ３２２）。

以下、通知に関する基準の補正の一例を示す。本例では、通知に関する基準として、課題の実施状況や不眠の改善状況に対する通知内容の判断基準を補正する例を示す。通知ＤＢ個別適応部２８１は、まず、取得したユーザ情報を基に、実績ＤＢ２６を参照し、類似ユーザを検索する。なお、類似ユーザの検索方法は、課題の選択基準を補正する場合と同様でよい。

次に、通知ＤＢ個別適応部２８１は、通知ＤＢ２２を参照し、現在実施中の課題に対応づけられている標準的な通知内容の判断基準のパラメータの、対象ユーザへの最適化を行う。以下は、通知ＤＢ個別適応部２８１による各課題に対する通知内容の判断基準の、対象ユーザへの最適化方法の一例である。

１．類似ユーザごとに、実績ＤＢ２６から通知内容と、該通知内容の基準、通知前と通知後の改善状況などを参照する。

２．類似ユーザの改善状況に応じて、類似ユーザの通知内容の判断基準に重み付けを行う。通知内容の判断基準の例としては、「課題の実施を促す基準（例えば、実施率○％未満等）」、「課題の実施状況を褒める基準（例えば、実施率○％以上等）」、「不眠の改善状況を褒める基準（例えば、ＩＳＩが○点改善等）」などが挙げられる。通知ＤＢ個別適応部２８１は、例えば、これら判断基準のそれぞれに対して、通知後の改善状況に応じた重みを付けてもよい。

一例として、通知後に改善状況が良い方に変化したものについては当該基準を選択するかの判断の際にプラスの評価となるよう重みを付ける。一方、通知後に改善状況が変化しなかったもしくは悪い方に変化したものについては当該基準を選択するかの判断の際にマイナスの評価となるように重みを付ける。その際、選ばれなかった基準に対しても、改善状況に応じて重み付けを行うことも可能である。

また、上記２．で改善状況に応じて基準の内容自体を補正することも可能である。例えば、通知後に改善状況が良い方に変化したものについては補正せず、改善状況が変化しなかったものについては当該基準における条件（閾値等）を引き下げて通知を早める、悪い方に変化したものについては条件を引き上げて通知されにくくするなど、基準そのものを改善状況に応じて変化させてもよい。以下、類似ユーザの改善状況に応じて重み付けした判断基準を、類似ユーザの個別判断基準という。

３．通知ＤＢ２２の通知内容の標準的な判断基準に対して、類似ユーザの個別判断基準とに応じた補正を行う。通知内容の標準的な判断基準の補正は、例えば、類似ユーザの個別判断基準と加重平均をとることにより行ってもよい。このとき、対象ユーザとの類似度に基づいて各類似ユーザの個別判断基準に対してさらに重み付けがされた上で、平均（加重平均）をとってもよい。なお、対象ユーザとの類似度を、平均をとる類似ユーザの足切りに用いることも可能である。なお、補正の方法はあくまで一例であって、これらの方法には限定されない。本例では、このようにして得られる、補正された標準的な判断基準を、対象ユーザの個別判断基準として扱う。

最後に、通知実行部２８２は、通知ＤＢ個別適応部２８１による補正後の通知内容の判断基準、すなわち対象ユーザの個別判断基準を用いて、通知ＤＢ２２に記憶されている通知内容の中から、適宜、個人ＤＢ２４に記憶されているユーザ情報に対して有効な通知内容を決定する（ステップＳ３２３）。なお、通知実行部２８２は、いずれの通知内容も判断基準を満たしていない場合は、通知なしと決定すればよい。

次に、フィードバック部２９によるフィードバックの判定処理（図７のステップＳ２１０）についてより詳細に説明する。図１０は、フィードバックの判定処理のより詳細な処理フローの一例を示すフローチャートである。

図１０に示す例では、まずフィードバックＤＢ個別適応部２９１が、個人ＤＢ２４からユーザ情報を取得する（ステップＳ３３１）。ここでは、例えば、ユーザが入力した該ユーザの属性や課題の実施状況や課題実施後の改善状況等を含むユーザ情報が取得される。

次に、フィードバックＤＢ個別適応部２９１は、取得したユーザ情報と、実績ＤＢ２６に記憶されている他のユーザの実績データにおけるユーザ情報とを比較して、フィードバックＤＢ２３中のフィードバックに関する基準を補正する（ステップＳ３３２）。

以下、フィードバックに関する基準の補正の一例を示す。本例では、フィードバックに関する基準として、課題実施後の不眠の改善状況に対するフィードバック内容の判断基準を補正する例を示す。フィードバックＤＢ個別適応部２９１は、まず、取得したユーザ情報を基に、実績ＤＢ２６を参照し、類似ユーザを検索する。なお、類似ユーザの検索方法は、課題の選択基準を補正する場合と同様でよい。

次に、フィードバックＤＢ個別適応部２９１は、フィードバックＤＢ２３を参照し、現在実施中の課題に対応づけられている標準的なフィードバック内容の判断基準のパラメータの、対象ユーザへの最適化を行う。以下は、通知ＤＢ個別適応部２８１による各課題に対する通知内容の判断基準の、対象ユーザへの最適化方法の一例である。

１．類似ユーザごとに、実績ＤＢ２６から通知内容と、該通知内容の基準、通知前と通知後の改善状況などを参照する。

２．類似ユーザの改善状況に応じて、類似ユーザのフィードバック内容の判断基準に重み付けを行う。フィードバック内容の判断基準の例としては、「課題の実施継続に関するアドバイスを行う基準（例えば、実施率○％未満等）」、「課題の実施状況を褒める基準（例えば、実施率○％以上等）」、「不眠の改善状況を褒める基準（例えば、ＩＳＩが○点改善等）」、「新たな課題を設定する基準（例えば、ＩＳＩが○点以下等）」などが挙げられる。フィードバックＤＢ個別適応部２９１は、例えば、これら判断基準のそれぞれに対して、フィードバック後の改善状況に応じた重みを付けてもよい。

類似ユーザのフィードバック内容の判断基準に対するフィードバック後の改善状況に応じた重み付け方法は、基本的には、通知内容の判断基準に対する場合と同様でよい。以下、類似ユーザの改善状況に応じて重み付けした判断基準を、類似ユーザの個別判断基準という。

３．フィードバックＤＢ２３のフィードバック内容の標準的な判断基準に対して、対象ユーザと類似ユーザとの類似度と、類似ユーザの個別判断基準とに応じた補正を行う。フィードバック内容の標準的な判断基準の補正方法は、基本的には、通知内容の標準的な判断基準に対する場合と同様でよい。本例でも、このようにして得られる、補正された標準的な判断基準を、対象ユーザの個別判断基準として扱う。

最後に、フィードバック実行部２９２は、フィードバックＤＢ個別適応部２９１による補正後のフィードバック内容の判断基準、すなわち対象ユーザの個別判断基準を用いて、フィードバックＤＢ２３に記憶されているフィードバック内容の中から、適宜、個人ＤＢ２４に記憶されているユーザ情報に対して有効なフィードバック内容を決定する（ステップＳ３３３）。なお、フィードバック実行部２９２は、いずれのフィードバック内容も判断基準を満たしていない場合は、フィードバックなしと決定すればよい。

次に、図１１〜図１９を参照して、課題提示処理の具体例を示す。図１１は、個人ＤＢ２４に記憶される情報の一例を示す説明図である。図１１に示す例では、ユーザを識別するユーザＩＤと対応づけて、生活習慣に関する所定の項目（図中の生活習慣Ａ，Ｂ等）ごとの達成度と、平均睡眠時間や睡眠効率といった睡眠に関する所定の項目（図中の睡眠データＡ，Ｂ等）ごとのデータとが少なくとも記憶される。本例では、生活習慣に関する達成度を、５段階で登録している。また、睡眠に関するデータも、例えば、数字の大きさに基づいて５段階に分けて登録している。

このように、全ての項目を５段階の数字で表現すれば、そのまま特徴ベクトルとして用いることができ、またユーザ間の類似度の算出が容易になる。

図１２は、実績ＤＢ２６に記憶される情報の一例を示す説明図である。図１２に示す例では、ユーザを識別するユーザＩＤと対応づけて、そのユーザのプログラム実施後の睡眠改善度と、各課題の個別有効度とが少なくとも記憶される。個別有効度は、例えば、プログラム実施後のそのユーザの睡眠改善度に対して、そのユーザのそれぞれの実施状況を掛け合わせるなどして算出された値である。その課題が実施しやすく、かつ効果が高ければ、個別有効度が高くなるように設定される。なお、未実施の課題については評価対象外とされる。

または、課題の有効度と課題難易度とを分けて登録することも可能である。その場合は、実施状況が一定以下の課題については有効度を評価対象外としてもよい。

なお、上記動作の一例において、類似ユーザの個別有効度を都度求める方法を示したが、このように実績ＤＢ２６にユーザ情報を登録する際に各ユーザの個別有効度を算出し、登録することも可能である。

図１３は、ユーザの生活習慣および睡眠状態に関する質問事項の例を示す説明図である。本システムでは、例えば、図１３に示すような質問事項を予め用意しておき、質問事項に対するユーザからの回答入力を受け付けることにより、ユーザの生活習慣に関するデータや睡眠状態に関するデータを得る。

また、図１４は、ユーザの生活習慣や睡眠状態に関する質問事項の各項目に対応する睡眠改善行動の例を示す説明図である。例えば、質問事項の各項目に対して、対応する改善行動を予め用意しておき、その項目が出来ていない場合は、課題の候補としてもよい。なお、各項目に対して１週目の改善行動、２週目以降の改善行動といったように、提案する時期等を定めて登録することも可能である。

図１５は、課題ＤＢ２１に記憶される情報の一例を示す説明図である。図１５に示す例では、各課題の標準的な有効度（標準有効度）が記憶される。

図１６は、類似ユーザの探索例を示す説明図である。今、新規ユーザであるユーザＡと、実績ＤＢ内に４人のユーザ（ユーザＢ、Ｃ、Ｄ、Ｅ）とがいたとする。そして、各ユーザのユーザ情報がそれぞれ図１６に示すとおりであったとする。

このような場合、ユーザＢ，Ｃ，Ｄ，Ｅそれぞれについて、ユーザＡとの相関係数を計算し、その結果に基づいて類似ユーザか否かを判定してもよい。本例では、ユーザＡとの相関係数が、それぞれ、ユーザＢ：０．９８、ユーザＣ：０．９７、ユーザＤ：−０．４１、ユーザＥ：−０．５７と計算されたとする。このような場合において、例えば、類似ユーザとみなす閾値を０．８とした場合、ユーザＢとユーザＣが、ユーザＡの類似ユーザであると判定される。

次に、類似ユーザの個別有効度の算出例、および類似ユーザの個別有効度を用いて課題ＤＢ２１中の標準有効度を最適化する例を説明する。図１７は、実績ＤＢ２６に記憶される情報の他の例を示す説明図である。今、図１７に示すように、実績データによって示されるユーザＢの課題Ａの個別有効度は２であり、ユーザＣの課題Ａの個別有効度は３であったとする。なお、図１５に示したように、課題Ａの標準有効度は４である。

このような場合において、ユーザＡに対する課題Ａの個別有効度を算出することを考える。この場合、ユーザＡに対する課題Ａの個別有効度を、標準有効度と類似ユーザの個別有効度とで平均をとることにより、算出してもよい。すなわち、ユーザＡに対する課題Ａの個別有効度を、例えば（４＋２＋３）／３＝３と算出してもよい。また、その際、例えば、標準有効度に対して特定の重みを付したり、類似ユーザの個別有効度に対してユーザＡとの類似度に応じた重みを付すことも可能である。

このようにして、課題ＤＢ個別適応部２７１は、各課題に対して対象ユーザの個別有効度を算出する。そして、課題提示部２７２が、このようにして算出された各課題の対象ユーザの個別有効度に基づいて、課題を選択する。

図１８および図１９は、対象ユーザに対する課題の提示例を示す説明図である。例えば、課題提示部２７２は、図１８に示すように、標準的な有効度に加えて、対象ユーザの個別有効度を「あなたへの有効度」として表示するとともに、個別有効度の高いものから順に提示することで、ユーザが自分にあった課題を選択しやすくなる。なお、標準的な有効度は必ずしも必要でないが、ユーザが２種類の有効度を比較することで、課題選択の参考とすることができる。

また、課題提示部２７２は、図１９に示すように、補正後の有効度（対象ユーザの個別有効度）が一定以下のものをグレーアウトしたり、表示せず選択肢から外すことも可能である。

なお、上記は課題選択の際に、類似ユーザに対して実際の効果に基づき個別的に求めた有効度を基に標準有効度を対象ユーザの個別有効度に補正する例を示したが、通知やフィードバックに関しても基本的には同様である。すなわち、類似ユーザに対して実際の効果に基づき個別的に求めた基準やその有効性を基に、標準的に定められた基準やその有効性を対象ユーザの個別的な基準やその有効性に補正すればよい。

以上のように、本実施形態によれば、ユーザの状況に合わせた課題の提示や、通知や、フィードバックをより適切にかつ自動で行うことができる。したがって、非対面であっても、ユーザにとって最適な睡眠改善活動を、より多くのユーザに提供することができる。

特に、本実施形態によれば、各ユーザに適した（実施しやすくかつ効果が見込める）課題がどれであるかを適切に判断できるので、例えば、効果の低い課題を提示しないことによって、ユーザにとってより効果的な睡眠改善プログラムを提供できる。

最適な睡眠習慣はユーザによって異なり、したがって一般に適するとされる睡眠改善方法であってもユーザによっては実施する価値がないものもある。このようなユーザごとの性質・特徴に基づく有効度等を、そのユーザの類似ユーザの効果を基に推定することで、そのユーザにとってより効果的な睡眠改善プログラムを提供できる。

また、睡眠改善プログラムはユーザが課題を実施することによって効果を生じるが、自主的に課題の実施を継続できるユーザは一部である。このため、課題の実施を促す施策など、ユーザの心理面での作用を重視した施策を適切な内容かつタイミングで行うことが重要である。本実施形態では、通知やフィードバックに対しても、過去のユーザの効果に基づいてユーザ毎に基準を最適化するので、一律的な対応と異なり、心理面での作用の向上も見込まれる。

また、図２０は、本発明の各実施形態にかかるコンピュータの構成例を示す概略ブロック図である。コンピュータ１０００は、ＣＰＵ１００１と、主記憶装置１００２と、補助記憶装置１００３と、インタフェース１００４と、ディスプレイ装置１００５と、入力デバイス１００６とを備える。

上述の各実施形態の睡眠改善支援システムが備えるサーバその他の装置等は、コンピュータ１０００に実装されてもよい。その場合、各装置の動作は、プログラムの形式で補助記憶装置１００３に記憶されていてもよい。ＣＰＵ１００１は、プログラムを補助記憶装置１００３から読み出して主記憶装置１００２に展開し、そのプログラムに従って各実施形態における所定の処理を実施する。なお、ＣＰＵ１００１は、プログラムに従って動作する情報処理装置の一例であり、ＣＰＵ（Central Processing Unit）以外にも、例えば、ＭＰＵ（Micro Processing Unit）やＭＣＵ（Memory Control Unit）やＧＰＵ（Graphics Processing Unit）などを備えていてもよい。

補助記憶装置１００３は、一時的でない有形の媒体の一例である。一時的でない有形の媒体の他の例として、インタフェース１００４を介して接続される磁気ディスク、光磁気ディスク、ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ、半導体メモリ等が挙げられる。また、このプログラムが通信回線によってコンピュータ１０００に配信される場合、配信を受けたコンピュータは１０００がそのプログラムを主記憶装置１００２に展開し、各実施形態における所定の処理を実行してもよい。

また、プログラムは、各実施形態における所定の処理の一部を実現するためのものであってもよい。さらに、プログラムは、補助記憶装置１００３に既に記憶されている他のプログラムとの組み合わせで各実施形態における所定の処理を実現する差分プログラムであってもよい。

インタフェース１００４は、他の装置との間で情報の送受信を行う。また、ディスプレイ装置１００５は、ユーザに情報を提示する。また、入力デバイス１００６は、ユーザからの情報の入力を受け付ける。

また、実施形態における処理内容によっては、コンピュータ１０００の一部の要素は省略可能である。例えば、コンピュータ１０００がユーザに情報を提示しないのであれば、ディスプレイ装置１００５は省略可能である。例えば、コンピュータ１０００がユーザから情報入力を受け付けないのであれば、入力デバイス１００６は省略可能である。

また、上記の各実施形態の各構成要素の一部または全部は、汎用または専用の回路（Circuitry）、プロセッサ等やこれらの組み合わせによって実施される。これらは単一のチップによって構成されてもよいし、バスを介して接続される複数のチップによって構成されてもよい。また、上記の各実施形態各構成要素の一部又は全部は、上述した回路等とプログラムとの組み合わせによって実現されてもよい。

上記の各実施形態の各構成要素の一部又は全部が複数の情報処理装置や回路等により実現される場合には、複数の情報処理装置や回路等は、集中配置されてもよいし、分散配置されてもよい。例えば、情報処理装置や回路等は、クライアントアンドサーバシステム、クラウドコンピューティングシステム等、各々が通信ネットワークを介して接続される形態として実現されてもよい。

次に、本発明の概要を説明する。図２１は、本発明の睡眠改善支援システムの概要を示すブロック図である。図２１に示す睡眠改善支援システム６００は、特に、ＣＢＴ−Ｉに基づく睡眠改善プログラムのユーザによる実施の支援を通してユーザの睡眠状態の改善を支援する睡眠改善支援システムであって、情報提供部６０１と、実績データ記憶部６０２と、基準補正部６０３とを備える。

情報提供部６０１（例えば、自動判別モデル部１４、課題設定部２７、通知部２８、フィードバック部２９）は、ＣＢＴ−Ｉに基づく睡眠改善プログラムの対象ユーザの睡眠に関連する情報であるユーザ情報が入力されると、対象ユーザの睡眠改善プログラムのフェーズに応じて予め定められた出力集合の中から対象ユーザに適する出力を自動で判断して出力する自動判別モデルを用いて、対象ユーザに情報提供を行う。

実績データ記憶部６０２（例えば、運用データ記憶部１３、実績ＤＢ２６）は、睡眠改善プログラムを終了した過去のユーザについて、ユーザ情報と、情報提供部が行った情報提供に関する情報とを少なくとも含む実績データを記憶する。

基準補正部６０３（例えば、個別適応手段１４１、課題ＤＢ個別適応部２７１、通知ＤＢ個別適応部２８１、フィードバックＤＢ個別適応部２９１）は、対象ユーザのユーザ情報と、実績データに含まれるユーザ情報とを比較して、その結果に基づいて、自動判別モデルがユーザに適する出力を判断する際に用いる基準を補正する。

また、情報提供部６０１は、基準補正部６０３によって基準が補正された後の自動判別モデルを用いて、対象ユーザに情報提供を行う。

このような構成によって、睡眠改善活動において専門家によって行われていた種々のプロセスを、ユーザ毎に最適化して提供できる。

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

この出願は、２０１７年１０月１７日に出願された日本特許出願２０１７−２００９３３を基礎とする優先権を主張し、その開示の全てをここに取り込む。

産業上の利用の可能性

本発明は、ＣＢＴ−Ｉに基づく睡眠改善プログラムに限らず、ユーザの性質や特徴や状況によって最適なアウトプットが異なるプログラムに好適に適用可能である。

１１ ユーザ情報入力部
１２ 事例データ記憶部
１３ 運用データ記憶部
１４ 自動判別モデル部
１４１ 個別適応手段
１５ データ出力部
２１ 課題ＤＢ
２２ 通知ＤＢ
２３ フィードバックＤＢ
２４ 個人ＤＢ
２５ ユーザ情報入力部
２６ 実績ＤＢ
２７ 課題設定部
２７１ 課題ＤＢ個別適応部
２７２ 課題提示部
２８ 通知部
２８１ 通知ＤＢ個別適応部
２８２ 通知実行部
２９ フィードバック部
２９１ フィードバックＤＢ個別適応部
２９２ フィードバック実行部
１０００ コンピュータ
１００１ ＣＰＵ
１００２ 主記憶装置
１００３ 補助記憶装置
１００４ インタフェース
１００５ ディスプレイ装置
１００６ 入力デバイス
６００ 睡眠改善支援システム
６０１ 情報提供部
６０２ 実績データ記憶部
６０３ 基準補正部

Claims (10)

1. ＣＢＴ−Ｉに基づく睡眠改善プログラムの対象ユーザの睡眠に関連する情報であるユーザ情報が入力されると、前記対象ユーザの睡眠改善プログラムのフェーズに応じて予め定められた出力集合の中から前記対象ユーザに適する出力を自動で判断して出力する自動判別モデルを用いて、前記対象ユーザに情報提供を行う情報提供部と、
   睡眠改善プログラムを終了した過去のユーザについて、ユーザ情報と、前記情報提供部が行った情報提供に関する情報とを少なくとも含む実績データを記憶する実績データ記憶部と、
   対象ユーザのユーザ情報と、前記実績データに含まれるユーザ情報とを比較して、その結果に基づいて、前記自動判別モデルがユーザに適する出力を判断する際に用いる基準を補正する基準補正部とを備え、
   前記情報提供部は、前記基準補正部によって前記基準が補正された後の前記自動判別モデルを用いて、前記対象ユーザに情報提供を行う
   ことを特徴とする睡眠改善支援システム。
2. 前記実績データ記憶部は、睡眠改善プログラムの効果を示す情報を含む実績データを記憶し、
   前記基準補正部は、前記対象ユーザのユーザ情報と、前記実績データに含まれるユーザ情報とを比較して、それらの差分量または類似度と、前記差分量または前記類似度を求めた過去のユーザの睡眠改善プログラムの効果に関する情報とに基づいて、前記基準を補正する
   請求項１に記載の睡眠改善支援システム。
3. 前記基準補正部は、前記対象ユーザのユーザ情報と、前記実績データに含まれるユーザ情報とを比較して、その類似度に基づいて前記実績データの中から類似ユーザを抽出し、抽出した類似ユーザの睡眠改善プログラムの効果に関する情報に基づいて、前記基準を補正する
   請求項２に記載の睡眠改善支援システム。
4. 前記基準補正部は、前記対象ユーザのユーザ情報と、前記実績データに含まれるユーザ情報とを比較して、その類似度に基づいて前記実績データの中から類似ユーザを抽出し、抽出した類似ユーザの、睡眠改善プログラムの効果に関する情報と、前記対象ユーザとの類似度とに基づいて、前記基準を補正する
   請求項２または請求項３に記載の睡眠改善支援システム。
5. 前記情報提供部は、
   前記対象ユーザの生活習慣に関する情報を含むユーザ情報が入力されると、予め定められた課題の集合の中から所定の選択基準を基に前記対象ユーザに適する課題を自動で判断して出力する課題自動判別モデルを用いて、前記対象ユーザに、睡眠改善プログラム中に取り組む課題またはその候補の提示を行う課題提示部、
   前記対象ユーザの課題実施状況に関する情報を含むユーザ情報が入力されると、予め定められた通知内容の集合の中から所定の判断基準を基に前記対象ユーザに適する通知内容を自動で判断して出力する通知自動判別モデルを用いて、前記対象ユーザに通知を行う通知実行部、および
   前記対象ユーザの課題実施状況または課題実施後の改善状況に関する情報を含むユーザ情報が入力されると、予め定められたフィードバック内容の集合の中から所定の判断基準を基に前記対象ユーザに適するフィードバック内容を自動で判断して出力するフィードバック自動判別モデルを用いて、前記対象ユーザにフィードバックを行うフィードバック実行部、の少なくとも１つを含み、
   前記基準補正部は、前記対象ユーザのユーザ情報と、前記実績データに含まれるユーザ情報とを比較した結果に基づいて、前記課題自動判別モデルに用いられる前記選択基準、前記通知自動判別モデルに用いられる前記判断基準、およびフィードバック自動判別モデルに用いられる前記判断基準の少なくとも１つを補正する
   請求項１から請求項４のうちのいずれかに記載の睡眠改善支援システム。
6. 前記情報提供部は、前記課題提示部を含み、
   前記課題自動判別モデルに用いられる前記選択基準は、課題の有効度または課題の実施難易度を少なくとも含む
   請求項５に記載の睡眠改善支援システム。
7. 前記情報提供部は、前記通知実行部を含み、
   前記通知内容の集合には、課題の実施状況を褒める通知内容または課題の実施を促す通知内容が少なくとも含まれる
   請求項５または請求項６に記載の睡眠改善支援システム。
8. 前記情報提供部は、前記フィードバック実行部を含み、
   前記フィードバック自動判別モデルに用いられる前記判断基準は、課題の実施状況の良し悪しを判断する基準または課題実施後の改善状況の良し悪しを判断する基準を少なくとも含む
   請求項５から請求項７のうちのいずれかに記載の睡眠改善支援システム。
9. 情報処理装置が、
   ＣＢＴ−Ｉに基づく睡眠改善プログラムの対象ユーザの睡眠に関連する情報であるユーザ情報が入力されると、前記対象ユーザの睡眠改善プログラムのフェーズに応じて予め定められた出力集合の中から前記対象ユーザに適する出力を自動で判断して出力する自動判別モデルを用いて、前記対象ユーザに情報提供を行い、
   睡眠改善プログラムを終了した過去のユーザについて、ユーザ情報と、睡眠改善プログラムにおいて前記情報処理装置が行った情報提供に関する情報とを少なくとも含む実績データを所定の実績データ記憶部に記憶し、
   前記自動判別モデルを用いる際に、対象ユーザのユーザ情報と、前記実績データに含まれるユーザ情報とを比較し、その結果に基づいて、前記自動判別モデルがユーザに適する出力を判断する際に用いる基準を補正する
   ことを特徴とする睡眠改善支援方法。
10. コンピュータに、
    ＣＢＴ−Ｉに基づく睡眠改善プログラムの対象ユーザの睡眠に関連する情報であるユーザ情報が入力されると、前記対象ユーザの睡眠改善プログラムのフェーズに応じて予め定められた出力集合の中から前記対象ユーザに適する出力を自動で判断して出力する自動判別モデルを用いて、前記対象ユーザに情報提供を行う処理、
    睡眠改善プログラムを終了した過去のユーザについて、ユーザ情報と、睡眠改善プログラムにおいて前記コンピュータが行った情報提供に関する情報とを少なくとも含む実績データを所定の実績データ記憶部に記憶する処理、および
    前記自動判別モデルを用いる際に、対象ユーザのユーザ情報と、前記実績データに含まれるユーザ情報とを比較し、その結果に基づいて、前記自動判別モデルがユーザに適する出力を判断する際に用いる基準を補正する処理
    を実行させるための睡眠改善支援プログラム。

Images