JP7173651B1 - リハビリ支援システム、リハビリ支援方法、およびリハビリ支援プログラム - Google Patents

Abstract

【課題】より質の高いリハビリができるように支援する。【解決手段】リハビリ支援システムは、リハビリを支援するシステムであって、ユーザーの座る動作から立ち上がる動作までの座面圧データＤｚを取得する取得部５１と、人工知能を用いることで、取得部５１により取得された座面圧データＤｚに基づいてユーザーに関するリハビリ支援データを推定する推定部５２と、推定部５２により推定されたリハビリ支援データを出力する出力部５３とを備える。【選択図】図５

Description

本発明は、リハビリテーション（以下、リハビリ）を支援するリハビリ支援システム、リハビリ支援方法、およびリハビリ支援プログラムに関し、特に、リハビリの対象者自身がリハビリ方法を学ぶことを目的としたリハビリ技術に関する。

現在、６５歳以上の人口が２０％近くを占める超高齢化少子化社会を迎え、病気や足腰の弱りを”予防”することが重要な時代を迎えている。しかし、医療や介護事業者が十分に整っていない離島や過疎地においては、「足腰が弱って、出かけたり人と会う機会が減ってしまった」という悩みがありながらも「運動を指導してくれる人がいない」「リハビリを受けられる場所ない」という問題がある。

そこで、リハビリとＩＴ（Information Technology）を融合させることによってリハビリを支援するリハビリ支援装置が知られている（例えば、特許文献１）。特許文献１に開示されるリハビリ支援装置によれば、ユーザーにリハビリ動画を視聴させ、視聴後に「体の変化の実感あり／なし」を選択させる。これにより、ユーザーに合ったリハビリ動画が自動的に選択されるため、ユーザー自身がリハビリ方法を学ぶことができる。

特許第６９４２９３２号公報

上記したように、特許文献１に開示されるリハビリ支援装置によれば、ユーザーに合ったリハビリ動画が自動的に選択されるため、ユーザー自身がリハビリ方法を学ぶことができる。しかし、自動的に選択されるリハビリ動画の順番には画一的な点もあり、必ずしも体に合った最適なリハビリ動画が選択されていない問題点がある。

リハビリ現場の側面からの問題点もある。例えば、リハビリ現場では、身体機能や生活動作能力を評価することがあるが、その評価法には個人的判断が入るため、評価結果が一定にならない問題点がある。また、このように評価法が一定しないことで、リハビリメニュー選定が不適切になる問題点がある。更に、このように評価法やリハビリメニュー選定が一定しないことで、対象者のリハビリ目標設定（予後予測）の質が一定しない問題点がある。

高齢者の側面からの問題点もある。例えば、高齢者は自分の調子の悪さに気がつかず対処が遅れることで健康寿命が縮まる問題点がある。また、高齢者は自分でリハビリしようとしても何をしたら良いかわからない問題点がある。

本発明は、このような問題点を解決するものであり、より質の高いリハビリができるように支援するリハビリ支援システム、リハビリ支援方法、およびリハビリ支援プログラムを提供することを目的とする。

本発明の一態様は、リハビリを支援するリハビリ支援システムであって、ユーザーの座る動作から立ち上がる動作までの座面圧データを取得する取得部と、人工知能を用いることで、前記取得部により取得された座面圧データに基づいて前記ユーザーに関するリハビリ支援データを推定する推定部と、前記推定部により推定されたリハビリ支援データを出力する出力部とを備える。

また、本発明の他の一態様は、リハビリを支援するリハビリ支援方法であって、コンピュータが、ユーザーの座る動作から立ち上がる動作までの座面圧データを取得する取得ステップと、人工知能を用いることで、前記取得ステップで取得された座面圧データに基づいて前記ユーザーに関するリハビリ支援データを推定する推定ステップと、前記推定ステップで推定されたリハビリ支援データを出力する出力ステップとを実行する。

また、本発明の他の一態様は、リハビリを支援するためのリハビリ支援プログラムであって、コンピュータに、ユーザーの座る動作から立ち上がる動作までの座面圧データを取得する取得ステップと、人工知能を用いることで、前記取得ステップで取得された座面圧データに基づいて前記ユーザーに関するリハビリ支援データを推定する推定ステップと、前記推定ステップで推定されたリハビリ支援データを出力する出力ステップとを実行させる。

本発明によれば、より質の高いリハビリができるように支援するリハビリ支援システム、リハビリ支援方法、およびリハビリ支援プログラムを提供することが可能である。

本発明の実施の形態におけるリハビリ支援システムの概要を示す概念図である。 本発明の実施の形態におけるリハビリ支援システムのネットワーク構成図である。 本発明の実施の形態における座面圧データの計測方法の説明図である。 臀部、大腿、足裏にかかる力の関係性を示す模式図である。 本発明の実施の形態における人工知能学習装置の機能ブロック図である。 本発明の実施の形態におけるリハビリ支援システムのシーケンス図である。 第１の実施例におけるリハビリ支援装置の機能ブロック図である。 第１の実施例におけるリハビリ動画の管理情報の説明図である。 第１の実施例におけるシナリオの管理情報の説明図である。 第１の実施例におけるリハビリ支援装置のシーケンス図である。 第１の実施例におけるシナリオの概念図である。 一般的な評価法の説明図である。 本発明の実施の形態におけるリハビリ支援装置および人工知能学習装置のハードウェア構成図である。

以下、図面を参照して本発明の実施の形態を説明する。ただし、以下に説明する実施の形態は、あくまでも例示である。すなわち、以下に説明する実施の形態は、その趣旨を逸脱しない範囲で種々変形して実施することができる。

［一般的なリハビリ技術との違い］
一般的なリハビリ技術と本発明のリハビリ技術とは、目的、手段、目標の全ての点で異なる。すなわち、一般的なリハビリ技術は、リハビリをしてあげることを目的とし、対象者の体を触る／揉むこと（手段）により身体機能を改善させることを目標としている。それに対して、本発明のリハビリ技術は、対象者自身がリハビリ方法を学ぶことを目的とし、声かけを行うこと（手段）により対象者が一人でリハビリできるようになることを目標としている。

［概要］
図１は、本発明の実施の形態におけるリハビリ支援システムの概要を示す概念図である。このリハビリ支援システムでは、図１に示すように、座る～立ち上がりの座面圧データＤｚを椅子３０などに内蔵された圧力センサーで計測し、その座面圧データＤｚをＡＩ（Artificial Intelligence，人工知能）で解析し、ＡＩの解析結果をリハビリ支援に用いる。すなわち、リハビリとＡＩ、ＩｏＴ（Internet of Things）の技術を融合したシステムである。

本発明者らは、長年のリハビリ指導経験の結果、座る動作から立ち上がる動作までを見るだけでその対象者に必要なリハビリメニューやその対象者の身体機能等を推測できるようになった。そこで、座る～立ち上がりの座面圧データＤｚとその対象者に必要なリハビリメニューとの組（または、その対象者の身体機能等との組）を教師データとしてＡＩに学習させる。これにより、座る～立ち上がりの座面圧データを取得して学習済のＡＩで解析すれば、その対象者に必要なリハビリメニュー等を推定することが可能である。

第１の実施例では、図１の左側領域に示すように、リハビリ支援サービス利用中の座面圧データＤｚを計測し、その座面圧データＤｚをＡＩで解析し、ＡＩの解析結果をリハビリ支援サービスで用いる。リハビリ支援サービスとは、特許文献１（特許第６９４２９３２号公報）のリハビリ支援装置により提供されるサービスである。また、リハビリ支援サービス利用中に得られた実感データと点数データをＡＩに与え、ＡＩの解析精度を上げる。これにより、ユーザーの体に適した声かけ（リハビリ動画を含む）を選定することが可能である。その結果、対象者が一人でリハビリできるようになり、健康寿命が延伸する効果がある。

第２の実施例では、図１の右側領域に示すように、ユーザーの生活場面の座面圧データＤｚを計測し、その座面圧データＤｚをＡＩで解析し、ＡＩの解析結果をリハビリ現場で用いる。また、ユーザーの基本データと個人データをＡＩに与え、ＡＩの解析精度を上げる。これにより、リハビリ現場において客観的なデータが得られ、個人的判断が入らないため、評価の質が一定する。また、その評価結果を用いてリハビリ計画、予後予測の質も一定する。生活場面のデータを計測しているため、高齢者が自分の調子の悪さに早く気がつく効果もある。

［リハビリ支援システム］
図２は、本発明の実施の形態におけるリハビリ支援システムのネットワーク構成図である。図２に示すように、ユーザー端末１０、リハビリ支援装置２０、指導員端末４０、人工知能学習装置５０、外部サーバ６０がインターネット網Ｎなどのネットワークを介して接続されている。ユーザー端末１０と無線通信可能な範囲内には、圧力センサー３１が内蔵された椅子３０が置かれているものとする。

ユーザー端末１０は、リハビリの対象者であるユーザーが操作するタブレット、スマートフォン、ウェアラブル端末などのコンピュータである。また、デジタル機器を介してテレビなどに出力する場合は、テレビもユーザー端末１０に該当する。リハビリ支援装置２０は、オンラインでリハビリを支援するコンピュータであり、特許文献１（特許第６９４２９３２号公報）のリハビリ支援装置２０に相当する。指導員端末４０は、リハビリ現場において理学療法士や作業療法士などのリハビリの指導員が操作するノートパソコンなどのコンピュータである。人工知能学習装置５０は、ＡＩを用いることで、より質の高いリハビリができるように支援するコンピュータである。これらの各装置が情報連携することでユーザーのリハビリを支援するようになっている。医療機関などに設置された外部サーバ６０と情報連携することも可能である。

もちろん、このネットワーク構成は、あくまでも例示である。例えば、リハビリ支援装置２０と人工知能学習装置５０とは、物理的に同じコンピュータであってもよい。また、人工知能学習装置５０とは物理的に別のコンピュータ（クラウド上）にＡＩを備え、そのＡＩを人工知能学習装置５０が用いる構成であってもよい。更に、圧力センサー３１だけでなく、カメラなどの各種センサーがインターネット網Ｎに接続されていてもよい。

［圧力センサー］
図３は、本発明の実施の形態における座面圧データＤｚの計測方法の説明図である。本発明の実施の形態では、座る～立ち上がりの座面圧データＤｚを圧力センサー３１で計測する。座る～立ち上がりの座面圧データＤｚとは、言い換えると、ユーザーの座る動作から立ち上がる動作までの間にユーザーの座面にかかる体圧分布を表したデータである。このように動きのある座面圧データＤｚを精度よく解析するには、同時に足底圧データも計測するのが望ましい。

例えば、図３（Ａ）に示すように、椅子３０の座面部分に圧力センサー３１を内蔵するとともに、椅子３０の前方のスペースにマット３２を敷き、そのマット３２に圧力センサー３１を内蔵してもよい。圧力センサー３１は、圧力信号を電気信号に変換して出力する装置であり、圧力を検知するとBluetooth（登録商標）などの無線通信で信号を送信するようになっている。これにより、無線信号を受信したユーザー端末１０などにおいて座面圧データＤｚなどを計測することが可能である。

また、図３（Ｂ）に示すように、トイレの便座３０Ｔの部分に圧力センサー３１を内蔵するとともに、便座３０Ｔの前方のスペースにマット３２を敷き、そのマット３２に圧力センサー３１を内蔵してもよい。便座３０Ｔの部分の圧力センサー３１は、大腿と臀部が接する部分をカバーするように配置している。この図では、左右に２つの圧力センサー３１Ｌ，３１Ｒを配置しているが、便座３０Ｔの形状に合わせてＵ字状の１つの圧力センサー３１を配置してもよい。これにより、ユーザーが日常生活でトイレを利用する度、無意識のうちに座面圧データＤｚなどを計測することが可能である。

なお、ここでは、椅子３０と便座３０Ｔに座る場合を例示しているが、どのような環境における座面圧データＤｚであるかは特に限定されるものではない。例えば、車のシートに座る場合やベッドに座る場合などでも同様に座面圧データＤｚや足底圧データを計測できる。

［臀部、大腿、足裏の関係性］
図４は、臀部、大腿（後面）、足裏にかかる力（重み）の関係性を示す模式図である。この模式図は発明の理解のために簡略化しているが、実際には多くのデータに基づいて左右のバランスなども含め詳細な関係性を特定する。

座った状態から立ち上がるまでの動作においては、臀部、大腿、足裏の順に重みが段階的に移動する。このとき、図４（Ａ）に示すように、臀部および大腿の全体に強い力がかかる場合、足裏全体に強い力がかかる傾向がある。また、図４（Ｂ）に示すように、臀部および大腿の全体に弱い力がかかる場合、足裏全体に弱い力がかかる傾向がある。また、図４（Ｃ）に示すように、臀部および大腿の外側に強い力がかかる場合、足裏全体の外側に強い力がかかる傾向がある。また、図４（Ｄ）に示すように、臀部および大腿の内側に強い力がかかる場合、足裏全体の内側に強い力がかかる傾向がある。また、図４（Ｅ）に示すように、臀部に強い力がかかる場合、足裏の踵部分に強い力がかかる傾向がある。また、図４（Ｆ）に示すように、大腿に強い力がかかる場合、足裏のつま先部分に強い力がかかる傾向がある。

このような臀部と足裏にかかる力の関係性は、座面圧データＤｚと足底圧データの一方がわかっている状況で他方を推定する場合に有用である。本発明者らは「足裏を意識させるリハビリメニュー」も提案しているため、座面圧データＤｚだけを計測して足底圧データを推定し、そのユーザーに合った「足裏を意識させるリハビリメニュー」を提案することも可能である。

［人工知能学習装置］
図５は、本発明の実施の形態における人工知能学習装置５０の機能ブロック図である。この人工知能学習装置５０は、機能的には、取得部５１と、推定部５２と、出力部５３と、第１の受信部５４と、第２の受信部５５と、記憶部５６とを備える。

例えば、取得部５１は、インターネット網Ｎを通じて接続されたユーザー端末１０から、座る～立ち上がりの座面圧データＤｚを取得する機能部である。座面圧データＤｚに加え、足底圧データを取得してもよい。推定部５２は、取得部５１により取得された座面圧データＤｚなどに基づいてユーザーに関するリハビリ支援データを推定する機能部である。この推定ではＡＩを用いるのが望ましいが、ＡＩを用いない手法で推定してもよい。出力部５３は、インターネット網Ｎを通じて接続されたリハビリ支援装置２０や指導員端末４０などに向けて、推定部５２により推定されたリハビリ支援データを出力する機能部である。第１の受信部５４および第２の受信部５５は、インターネット網Ｎを通じて接続されたリハビリ支援装置２０、ユーザー端末１０、指導員端末４０、外部サーバ６０などから各種データを受信する機能部である。記憶部５６は、各種データを記憶する機能部である。推定部５２は、これらの各種データを用いてリハビリ支援データを推定することができる。

なお、本明細書でいう「リハビリ」の用語は広い意味に解釈するものとし、能力低下やその状態を改善するためのあらゆる手段を含むだけでなく、健康なものに対して予防を目的にするあらゆる手段も含む。また、リハビリ支援データは、リハビリを支援するうえで活用できるあらゆるデータを含む。例えば、リハビリ支援データは、ユーザーの体に適した声かけを示すデータであってもよいし、ユーザーの身体機能や生活動作能力を示すデータであってもよいし、ユーザーの体に適した商品の広告データであってもよい。「声かけ」の内容は特に限定されるものではないが、一般にリハビリ現場で行われる声かけや、リハビリ動画の中で使用される音声の内容が相当する。

［基本動作］
図６は、本発明の実施の形態におけるリハビリ支援システムの基本動作を示すシーケンス図である。以下、図６を用いて本システムの構成をその動作とともに説明する。もちろん、以下の動作は例示であり、細部については適宜変更することが可能である。

まず、ユーザーが椅子３０を利用すると、座る～立ち上がりの座面圧データＤｚが計測される。この座面圧データＤｚは、ユーザー端末１０を通じて人工知能学習装置５０に送信され、人工知能学習装置５０に取得される（ステップＳ１０１→Ｓ１０２→Ｓ１０３→Ｓ１０４）。もちろん、座面圧データＤｚの流れはこれに限定されるものではない。例えば、ユーザーがユーザー端末１０を保有していない場合、座面圧データＤｚは、ユーザー端末１０を経由することなく人工知能学習装置５０に取得されてもよい。

次いで、人工知能学習装置５０が座面圧データＤｚに基づいてリハビリ支援データを推定すると（ステップＳ１０５）、このリハビリ支援データは、リハビリ支援装置２０に送信され、リハビリ支援装置２０に受信される（ステップＳ１０６→Ｓ１０７）。これにより、リハビリ支援装置２０がリハビリ支援データに基づいてユーザーに適したリハビリ支援サービスを提供する。具体的には、リハビリ支援サービス利用中、ユーザーに適した声かけ（リハビリ動画）を選定する（ステップＳ１０８）。リハビリ終了時には、そのユーザーが学習したリハビリ方法の要約を作成するようになっている（ステップＳ１０９）。

このとき、リハビリ支援サービス利用中に得られた実感データと点数データ（一括して「自己評価データ」という）をリハビリ支援装置２０から人工知能学習装置５０に送信してもよい（ステップＳ１２１）。実感データは、声かけを受けたユーザーがその効果を実感できたかどうかを示すデータであり、点数データは、その効果測定のためにユーザーに入力させた点数データである。これにより、座面圧データＤｚに加え、自己評価データにも基づいてリハビリ支援データを推定することができる（ステップＳ１２２→Ｓ１０４→Ｓ１０５）。

一方、人工知能学習装置５０が座面圧データＤｚに基づいてリハビリ支援データを推定すると（ステップＳ１０５）、このリハビリ支援データは、指導員端末４０に送信され、指導員端末４０に受信される（ステップＳ１０６→Ｓ１１０）。これにより、リハビリ現場において指導員がリハビリ支援データを活用する。具体的には、客観的なデータであるリハビリ支援データに基づいてリハビリ評価やリハビリ計画を行うようになっている（ステップＳ１１１）。

このとき、ユーザーの基本データと個人データ（一括して「身体データ」という）をユーザー端末１０から人工知能学習装置５０に送信してもよい（ステップＳ１３１）。基本データとは、年齢、慎重、体重、病歴などのデータである。基本データは、ユーザー端末１０や指導員端末４０から手入力してもよいし、医療機関などの外部サーバ６０から取得してもよい。個人データとは、血圧、脈拍、体温などのデータである。個人データは、ユーザーの手首などに装着されたウェアラブル端末から取得するのが便利である。この場合は、座面圧データＤｚに加え、身体データにも基づいてリハビリ支援データを推定することができる（ステップＳ１３２→Ｓ１０４→Ｓ１０５）。

なお、上記の説明では、座る～立ち上がりの座面圧データＤｚが計測された場合を想定して説明したが、座る～立ち上がりの足底圧データも計測されるのが望ましい。足底圧データも計測されれば、どの段階で臀部から足裏に重みがかかったかということや、その段階に至るまでの左右のバランスがわかる。

また、座面圧データＤｚに基づいてユーザーが立ち上がった時点を推定し、その時点の足底圧データに基づいてユーザーに必要なリハビリメニュー等を推定してもよい。ユーザーが立ち上がった時点は、所定領域の座面圧データＤｚの値が閾値以下になった時点（座面圧が計測できなくなった時点）で特定することができる。立ち上がった時点の足底圧データは、ユーザーに必要なリハビリメニュー等を推定するうえで有用である。

［第１の実施例］
以下、第１の実施例について詳しく説明する。以下では、主にリハビリ支援装置２０とユーザー端末１０との間で実施されるリハビリ支援処理について説明するが、これらの装置と人工知能学習装置５０とが情報連携することは既に説明した通りである。

図７は、リハビリ支援装置２０の機能ブロック図である。このリハビリ支援装置２０は、機能的には、通信部２１と、シナリオ選択部２２と、動画選択部２３と、リハビリ支援部２４と、記憶部２５とを備える。

記憶部２５は、各種データを記憶する機能部である。例えば、記憶部２５には、会員情報記憶部２５Ａと、動画記憶部２５Ｂと、シナリオ記憶部２５Ｃとが含まれる。会員情報記憶部２５Ａは、会員（ユーザー）に関する情報を記憶する。動画記憶部２５Ｂは、複数のリハビリ動画を記憶する。リハビリ動画は、リハビリの内容を紹介する動画など、リハビリを支援する動画である。ここでは、リハビリ動画を例示して説明するが、少なくともリハビリを支援する音声データ（声かけ）が含まれていればよい。シナリオ記憶部２５Ｃは、リハビリ動画を視聴する順番を規定した複数のシナリオを記憶する。

通信部２１は、ネットワークを介してユーザー端末１０との間の通信の制御等を行う。例えば、ユーザー端末１０におけるユーザーの操作内容を受け付ける。また、ユーザー端末１０に対してリハビリ動画などの各種データを送信する。

シナリオ選択部２２は、ユーザーに合った適切なシナリオを選択する機能部である。例えば、通信部２１によって受け付けられたユーザーの悩みに基づいて、シナリオ記憶部２５Ｃに記憶されている複数のシナリオの中から所定のシナリオを選択する。ここでいう「ユーザーの悩み」とは、典型的には「歩く悩み」や「手の悩み」であるが、リハビリを必要とする各種の悩みが含まれるものとする。また、これらの悩みの症状（例えば内反）も、ここでいう「ユーザーの悩み」に含まれるものとする。

動画選択部２３は、ユーザーに合った適切なリハビリ動画を選択する機能部である。例えば、シナリオ選択部２２によって選択されたシナリオに基づいて、動画記憶部２５Ｂに記憶されている複数のリハビリ動画の中から所定のリハビリ動画を選択する。また、人工知能学習装置５０からリハビリ支援データを受信すると、そのリハビリ支援データに基づいてユーザーに合ったリハビリ動画を選定する。すなわち、シナリオ通りの画一的な順番でリハビリ動画を選択するのではなく、体に合った最適なリハビリ動画を選定するようになっている。

リハビリ支援部２４は、ユーザー端末１０に各種データを提供することによってユーザーのリハビリを支援する機能部である。例えば、動画選択部２３によって選択されたリハビリ動画をユーザーに視聴させることによってリハビリを支援する。

図８は、動画記憶部２５Ｂに記憶されているリハビリ動画の管理情報Ｔ１の説明図である。例えば、図８に示すように、動画記憶部２５Ｂには、リハビリ動画の管理情報Ｔ１として、動画番号、タイトル、説明などが対応付けて記憶されていてもよい。

図９は、シナリオ記憶部２５Ｃに記憶されているシナリオの管理情報Ｔ２の説明図である。例えば、図９に示すように、シナリオ記憶部２５Ｃには、シナリオの管理情報Ｔ２として、シナリオ番号、タイトル、説明などが対応付けて記憶されていてもよい。シナリオは、ユーザーの悩みごとに用意されているのが望ましい。

ここでは図示していないが、会員情報記憶部２５Ａには、会員（ユーザー）の管理情報として、ユーザー番号、性別、生年月日などが対応付けて記憶されていてもよい。リハビリ動画による体の変化が点数で入力された場合には、その点数も対応付けて記憶されていてもよい。

図１０は、リハビリ支援装置２０がリハビリ支援サービスを提供する動作を示すシーケンス図である。以下、ユーザー端末１０と情報連携する動作を詳しく説明する。

まず、ユーザー端末１０において本システムの利用開始が指示され、ＩＤとパスワードの認証に成功すると、会員画面が表示される（ステップＳ１→Ｓ２→Ｓ３→Ｓ４→Ｓ５→Ｓ６）。これにより、会員画面においてユーザーの悩みが選択されると、リハビリ支援装置２０においてユーザーの悩みに合ったシナリオが選択され、ユーザー端末１０に会員画面が返される（ステップＳ７→Ｓ８→Ｓ９）。

次いで、ユーザー端末１０においてリハビリ開始が指示されると、リハビリ支援処理が開始される（ステップＳ１０→Ｓ１１）。リハビリ支援処理では、シナリオに基づいてリハビリ動画を選択するが、シナリオ通りの画一的な順番でリハビリ動画を選択するのではなく、体に合った最適なリハビリ動画を視聴させる（ステップＳ１２）。

すなわち、ユーザーの悩みにかかわらず、リハビリ動画として最初に座る動画を視聴させ、その後はユーザーに合ったリハビリ動画を視聴させる。リハビリ支援処理中は、椅子３０に内蔵された圧力センサー３１で座面圧データＤｚを検知する（ステップＳ１３）。また、ユーザーにリハビリ動画による効果（体の変化）を実感できたかどうかを選択させ（ステップＳ１４）、効果測定のために点数を入力させる（ステップＳ１５）。このような座面圧データＤｚと自己評価データ（実感データおよび点数データ）を人工知能学習装置５０に送信することで、そのユーザーに合ったリハビリ動画が選定される。

最後に、ユーザー端末１０に表示された会員画面においてリハビリ終了が指示されると、ユーザーに視聴させたリハビリ動画の内容に基づいてそのユーザーが学習したリハビリ方法の要約が作成され、ユーザー端末１０に表示される（ステップＳ１６→Ｓ１７）。これにより、リハビリ支援装置２０とユーザー端末１０との間で実施していたリハビリ支援処理が終了する。

なお、ここでは、本システムがＷｅｂサービスとして実現される場合を想定して説明したが、アプリケーションとして実現されてもよい。すなわち、本システムを利用可能とするアプリケーションプログラムをユーザー端末１０にインストールするようにしても、同様の効果を得ることができる。このようにアプリケーションとして実現される場合は、ＩＤとパスワードの認証（ステップＳ１→Ｓ２→Ｓ３→Ｓ４→Ｓ５）などは不要である。本発明の趣旨を逸脱しない範囲で種々変形して実施することができることは言うまでもない。

図１１は、シナリオ記憶部２５Ｃに記憶されているシナリオの概念図である。ここでは、歩く悩みを解決したい場合のリハビリのシナリオを例示している。リハビリ動画（以下、単に「動画」という）は、複数の動画をまとめたパッケージとして構成されている。以下、図１１を参照しながら、動画パッケージ構成のポイントについて説明する。

本実施例では、図１１に示すように、基礎（メイン）の動画パッケージとして、レベルの低い（１）から（４）へと順番に実施させる「積み上げ型」を採用している。ユーザーによってリハビリの成果には濃淡があるが、オンラインでリハビリを支援する場合は、誰もがリハビリの成果を出せるものからスタートするのが効果的である。そのため、歩く悩みを解決したい場合でも、手の悩みを解決したい場合でも、まずは座ることからスタートする。

ただし、このような「積み上げ型」の動画パッケージ構成にすると、「座る動画を見てリハビリしても、歩きやすさにつながる実感がない」という危険性がある。そのため、（１）から（４）の動画を見る前後で、「歩く状態」をチェックするようにユーザーに促す。これにより、「座る動画でリハビリした後は、歩きやすいのが実感できた」という体験へつなげることができる。また、（１）から（４）では、それぞれ「良い側の手足を１０点としたら、麻痺側は何点か？」という基準をユーザーに提示し、点数（数値）で入力させていく。これにより、「徐々にレベルアップしてきた」実感が得られやすくなる。

図１１に示すように、（１）から（４）のリハビリがうまくいかなかった場合、（１）から（４）それぞれに「うまくいくための練習の小動画パッケージ」を設定している。図１１中の符号でいうと、（１－１）、（２－１）、（３－１）、（４－１）の部分が相当する。

一方、（１）から（４）のリハビリがうまくいった場合、ユーザーに見てもらいたい（１）から（４）それぞれにおける「生活場面の小動画パッケージ」を設定している。図１１中の符号でいうと、（１－２）、（２－２）、（３－２）、（４－２）の部分が相当する。

「うまくいくための練習の小動画パッケージ」としては、４～５本の動画を順番に実施する小パッケージを設定している。この小動画パッケージでうまくいった場合は、基礎の動画パッケージへ戻り、上記の点数を確認して効果を実感させる（Ａ）。一方、この小動画パッケージでもうまくいかなかった場合は、「一つ前に戻って復習」することを提案する（Ｂ）。「一つ前に戻る」とは、（３）にいたら（２）、（２）にいたら（１）に戻るという意味である。このとき、一つ前が設定されていない（１）の場合は、「無料電話相談」を提案する。

「生活場面の小動画パッケージ」としては、１～５本の動画（最大１５本）を順番に実施する小パッケージを設定している。もちろん、このような動画の数は適宜変更することが可能である。「座る」の場合、リビングで座る、トイレで座る、風呂で座るなどを順番に提示する内容としている。その内容でうまくいった場合は、基礎の動画パッケージへ戻り、上記の点数を確認して効果を実感させる（Ｃ）。一方、その内容でうまくいかなかった場合は、「うまくいくための練習の小動画パッケージ」を提示し（Ｄ）、それがうまくいった場合は、「生活場面の小動画パッケージ」の該当の小パッケージに戻り、うまくいくようになっているか確認し（Ｅ）、うまくいくようになっていれば、上記の点数を確認して効果を実感させる（Ｃ）。

なお、（Ｅ）の後で「生活場面の小動画パッケージ」の該当の小パッケージがうまくいかなかった場合は、「一つ前に戻って復習」することを提案してもよい。また、このとき、一つ前が設定されていない（１）の場合は、「無料電話相談」を提案してもよい。

このようにシナリオに基づいてリハビリ動画を視聴させながら、座る～立ち上がりの座面圧データＤｚをＡＩで解析し、ＡＩの解析結果とシナリオとに基づいてリハビリ動画を遷移させる。例えば、ユーザーの実感とＡＩの解析結果が異なる場合は、ＡＩの解析結果とシナリオとに基づいてシナリオの進行速度を変化させてもよい。具体的には、ユーザーは体の変化を実感しているが、ＡＩは「うまくいっていない」と解析している場合、そのリハビリ動画のレベルが高すぎる可能性があるため、レベルの低いリハビリ動画に遷移させるのが望ましい。逆に、ユーザーは体の変化を実感していないが、ＡＩは「うまくいっている」と解析している場合、ユーザーに体の変化を実感させるため、再度、同じリハビリ動画を視聴させるのが望ましい。このようにユーザーの実感とＡＩの解析結果が異なる場合、そのことを通知するメッセージ画面を表示してもよいことは勿論である。

以上のように、第１の実施例によれば、ユーザーに合ったリハビリ動画が自動的に選択されるため、多くのユーザーに質の高いリハビリを提供することが可能である。特に、ユーザーの悩みにかかわらず（手の悩みであっても）、リハビリ動画として最初に座る動画を視聴させる点は、誰もがリハビリの成果を出しやすくするための工夫であり、オンラインでリハビリを支援する場合には特に効果的である。加えて、座る～立ち上がりの座面圧データＤｚをＡＩで解析するようにしているので、ＡＩの解析結果とシナリオとに基づいてリハビリ動画を複合的かつ個別的に遷移させ、体に合った最適なリハビリ動画を視聴させることが可能である。

なお、ここでは、ユーザーの悩みに基づいて、シナリオ記憶部２５Ｃに記憶されている複数のシナリオの中から所定のシナリオを選択することとしているが、本発明はこれに限定されるものではない。すなわち、健康なものに対して予防を目的にする場合であるか、能力低下やその状態を改善することを目的にする場合であるかにかかわらず、全ての場合において、ユーザーが悩みを選択するのではなく、座面圧データＤｚに基づいてＡＩが自動的にリハビリ動画を選定してもよい。この場合は、最初からＡＩが座る動画以外の動画を選定することもあり得る。

［第２の実施例］
以下、第２の実施例について第１の実施例と異なる点を中心に説明する。既に説明したように、リハビリ現場では、身体機能や生活動作能力を評価することがある。例えば、図１２に示すように、一般的な評価法としてＢＩ（Barthel Index）がある。ＢＩは、食事、移乗、整容、トイレ動作などの１０項目を複数段階の自立度で評価するものであり、自立度に応じて点数を設定している。このトータルの点数が１００点の場合は完全に自立しており、６０点以下では起居移動動作において介助が必要であり、４０点以下ならほぼすべての項目で介助が必要であると評価する。ここでは、ＢＩを例示しているが、ＦＩＭ（Functional Independence Measure）などの他の評価法を採用してもよいことは勿論である。

第２の実施例では、ユーザーの生活場面の座面圧データＤｚ（＋足底圧データ）を計測し、その座面圧データＤｚをＡＩで解析し、ＡＩの解析結果をリハビリ現場で用いる。また、ユーザーの基本データと個人データをＡＩに与え、ＡＩの解析精度を上げる。

座面圧データＤｚは、トイレの便座（リハビリスマート便座）３０Ｔから取得するのが望ましいが、リビングのクッションや職場の椅子３０から取得してもよい。リハビリスマート便座３０Ｔの利用シーンとしては、高齢者の自宅、病院、介護施設などが考えられる。高齢者の自宅で利用すれば、今後の生活状況がわかり、やるべきリハビリメニューもわかる。病院で利用すれば、早期退院に向けた目標が立てやすくなり、やるべきリハビリメニューもわかる。介護施設で利用すれば、調子が崩れてもすぐにわかり、やるべきリハビリメニューもわかる。

多くのユーザーがリハビリスマート便座３０Ｔを利用する環境では、誰のデータであるかを判別する必要がある。そのため、リハビリスマート便座３０Ｔからの無線信号を受信可能な範囲をトイレ内に限定してもよい。これにより、トイレを利用したユーザーが装着するウェアラブル端末にて無線信号を受信し、ユーザー識別情報を付与することが可能である。

このようにリハビリスマート便座３０Ｔをユーザーが利用する一方、リハビリ現場では、指導員が指導員端末４０を用いている。この指導員端末４０においてＡＩの解析結果を受ければ、ユーザーのトイレ動作などを自動的に評価できる。例えば、座面圧データＤｚに基づいて排便排尿時の姿勢を評価してもよい。また、座面圧データＤｚに基づいて立ち上がりや座る動作の質を評価してもよい。また、座面圧データＤｚと足底圧データとに基づいてトイレ動作一連の作業時間を評価してもよい。また、足底圧データ（または作業時間）に基づいてズボン上げ下げのバランスを評価してもよい。ここでは、座面圧データＤｚと足底圧データを計測することとしているが、カメラなどの各種センサーを利用して計測対象を増やしていけば、多くの評価項目について自動的に評価することが可能である。

このような評価結果を用いてリハビリ計画、予後予測もできる。例えば、膝が悪化することが予測される場合は、ユーザー端末１０に膝の悪化を予防するリハビリメニューを表示することもできるし、膝サポーターの広告を表示することもできる。

以上のように、第２の実施例では、ユーザーの生活場面の座面圧データＤｚを計測し、その座面圧データＤｚをＡＩで解析し、ＡＩの解析結果をリハビリ現場で用いる。また、ユーザーの基本データと個人データをＡＩに与え、ＡＩの解析精度を上げる。これにより、リハビリ現場において客観的なデータが得られ、個人的判断が入らないため、評価の質が一定する。また、その評価結果を用いてリハビリ計画、予後予測の質も一定する。生活場面のデータを計測しているため、高齢者が自分の調子の悪さに早く気がつく効果もある。

［ハードウェア構成例］
図１３は、リハビリ支援装置２０のハードウェア構成図である。ここでは、リハビリ支援装置２０を例に説明するが、人工知能学習装置５０についても同様である。

既に説明したように、リハビリ支援装置２０はコンピュータである。例えば、図１３に示すように、プロセッサ２０Ａ、メモリ２０Ｂ、記憶部２０Ｃ、ＩＦ（Interface）部２０Ｄ、入出力部２０Ｅ、読取部２０Ｆがバス２０Ｉを介して相互に通信可能に接続されている。プロセッサ２０Ａは、種々の制御や演算を行なう演算処理装置である。メモリ２０Ｂは、種々のデータやプログラムを記憶する揮発性メモリである。記憶部２０Ｃは、種々のデータやプログラムを記憶する不揮発性メモリである。ＩＦ部２０Ｄは、他の端末との間の通信の制御等を行う機能部である。入出力部２０Ｅは、データを入力する入力装置、及びデータを出力する出力装置である。読取部２０Ｆは、コンピュータ読取可能な記録媒体に記録されたデータやプログラムを読み出す装置である。ここでは図示していないが、カメラ機能部などのその他の機能部を備えていてもよいことはもちろんである。

［本発明の特徴的な構成とその効果］
以上説明したように、本発明の実施の形態におけるリハビリ支援システムは、リハビリを支援するシステムであって、ユーザーの座る動作から立ち上がる動作までの座面圧データＤｚを取得する取得部５１と、人工知能を用いることで、取得部５１により取得された座面圧データＤｚに基づいてユーザーに関するリハビリ支援データを推定する推定部５２と、推定部５２により推定されたリハビリ支援データを出力する出力部５３とを備える。これにより、ユーザーに必要なリハビリメニューやユーザーの身体機能等を精度よく推定することが可能となるため、より質の高いリハビリができるようになる。

また、リハビリ支援データに基づいてユーザーに適した声かけを行うことでユーザーにリハビリ方法を学習させるリハビリ支援サービスを提供するサービス提供サーバ（リハビリ支援装置２０）を備え、取得部５１は、リハビリ支援サービス利用中のユーザーの座面圧データＤｚを取得し、推定部５２は、ユーザーに適した声かけを推定してもよい。これにより、ユーザーが一人でリハビリできるようになり、健康寿命が延伸する効果がある。

また、リハビリ支援サービス利用中に声かけを受けたユーザーがその声かけによる効果を自己評価した自己評価データ（実感データおよび点数データ）を受信する第１の受信部５４を備え、推定部５２は、座面圧データＤｚに加え、第１の受信部５４により受信された自己評価データにも基づいてユーザーに適した声かけを推定してもよい。これにより、推定部５２の推定精度が上がり、より質の高いリハビリができるようになる。

また、ユーザーに声かけを行った内容に基づいてそのユーザーが学習したリハビリ方法の要約を作成し、その要約をリハビリ終了時にユーザーに提示してもよい。これにより、リハビリ終了時に復習を促すことができるため、ユーザーが一人でリハビリできる可能性が高まる。

また、取得部５１は、ユーザーの生活場面の座面圧データＤｚを取得し、推定部５２は、ユーザーの身体機能および／または生活動作能力を推定してもよい。これにより、リハビリ現場において客観的なデータが得られ、個人的判断が入らないため、評価の質が一定する。また、その評価結果を用いてリハビリ計画、予後予測の質も一定する。生活場面のデータを計測しているため、高齢者が自分の調子の悪さに早く気がつく効果もある。

また、ユーザーの身体に関する身体データを受信する第２の受信部５５を備え、推定部５２は、座面圧データＤｚに加え、第２の受信部５５により受信された身体データにも基づいてユーザーの身体機能および／または生活動作能力を推定してもよい。これにより、推定部５２の推定精度が上がり、より質の高いリハビリができるようになる。

また、取得部５１は、ユーザーの座る動作から立ち上がる動作までの足底圧データを取得し、推定部５２は、座面圧データＤｚに加え、足底圧データにも基づいてリハビリ支援データを推定してもよい。これにより、どの段階で臀部から足裏に重みがかかったかということや、その段階に至るまでの左右のバランスがわかる。

また、推定部５２は、座面圧データＤｚに基づいてユーザーが立ち上がった時点を推定し、その時点の足底圧データに基づいてリハビリ支援データを推定してもよい。立ち上がった時点の足底圧データは、ユーザーに必要なリハビリメニュー等を推定するうえで有用である。

なお、本発明は、このようなリハビリ支援システムが備える特徴的な各機能部を各ステップとするリハビリ支援方法として実現したり、それらのステップをコンピュータに実行させるためのリハビリ支援プログラムとして実現したりすることもできる。もちろん、このようなリハビリ支援プログラムは、コンピュータ読取可能な記録媒体を介して、あるいはインターネット網Ｎなどのネットワークを介してコンピュータにインストールすることが可能である。

［その他の実施の形態］
以上のように、本発明の実施の形態について記載したが、開示の一部をなす論述および図面は例示的なものであり、限定するものであると理解すべきではない。この開示から当業者には様々な代替実施の形態、実施例および運用技術が明らかとなろう。

１０ ユーザー端末
２０ リハビリ支援装置（サービス提供サーバ）
３０ 椅子
３０Ｔ 便座
３１ 圧力センサー
４０ 指導員端末
５０ 人工知能学習装置
５１ 取得部
５２ 推定部
５３ 出力部
５４ 第１の受信部
５５ 第２の受信部
５６ 記憶部
６０ 外部サーバ
Ｄｚ 座面圧データ
Ｎ インターネット網

Claims (10)

1. リハビリを支援するリハビリ支援システムであって、
   ユーザーの座る動作から立ち上がる動作までの座面圧データを取得する取得部と、
   人工知能を用いることで、前記取得部により取得された座面圧データに基づいて前記ユーザーに関するリハビリ支援データを推定する推定部と、
   前記推定部により推定されたリハビリ支援データを出力する出力部と
   を備えることを特徴とするリハビリ支援システム。
2. 前記リハビリ支援データに基づいて前記ユーザーに適した声かけを行うことで前記ユーザーにリハビリ方法を学習させるリハビリ支援サービスを提供するサービス提供サーバを備え、
   前記取得部は、前記リハビリ支援サービス利用中のユーザーの前記座面圧データを取得し、
   前記推定部は、前記ユーザーに適した声かけを推定する
   請求項１に記載のリハビリ支援システム。
3. 前記リハビリ支援サービス利用中に前記声かけを受けたユーザーがその声かけによる体の変化を自己評価した自己評価データを受信する第１の受信部を備え、
   前記推定部は、前記座面圧データに加え、前記第１の受信部により受信された自己評価データにも基づいて前記ユーザーに適した声かけを推定する
   請求項２に記載のリハビリ支援システム。
4. 前記ユーザーに声かけを行った内容に基づいてそのユーザーが学習したリハビリ方法の要約を作成し、その要約をリハビリ終了時に前記ユーザーに提示する請求項２に記載のリハビリ支援システム。
5. 前記取得部は、前記ユーザーの生活場面の前記座面圧データを取得し、
   前記推定部は、前記ユーザーの身体機能および／または生活動作能力を推定する
   請求項１に記載のリハビリ支援システム。
6. 前記ユーザーの身体に関する身体データを受信する第２の受信部を備え、
   前記推定部は、前記座面圧データに加え、前記第２の受信部により受信された身体データにも基づいて前記ユーザーの身体機能および／または生活動作能力を推定する
   請求項５に記載のリハビリ支援システム。
7. 前記取得部は、前記ユーザーの座る動作から立ち上がる動作までの足底圧データを取得し、
   前記推定部は、前記座面圧データに加え、前記足底圧データにも基づいて前記リハビリ支援データを推定する
   請求項１から６のいずれか１項に記載のリハビリ支援システム。
8. 前記推定部は、前記座面圧データに基づいて前記ユーザーが立ち上がった時点を推定し、その時点の前記足底圧データに基づいて前記リハビリ支援データを推定する請求項７に記載のリハビリ支援システム。
9. リハビリを支援するリハビリ支援方法であって、
   コンピュータが、
   ユーザーの座る動作から立ち上がる動作までの座面圧データを取得する取得ステップと、
   人工知能を用いることで、前記取得ステップで取得された座面圧データに基づいて前記ユーザーに関するリハビリ支援データを推定する推定ステップと、
   前記推定ステップで推定されたリハビリ支援データを出力する出力ステップと
   を実行することを特徴とするリハビリ支援方法。
10. リハビリを支援するためのリハビリ支援プログラムであって、
    コンピュータに、
    ユーザーの座る動作から立ち上がる動作までの座面圧データを取得する取得ステップと、
    人工知能を用いることで、前記取得ステップで取得された座面圧データに基づいて前記ユーザーに関するリハビリ支援データを推定する推定ステップと、
    前記推定ステップで推定されたリハビリ支援データを出力する出力ステップと
    を実行させることを特徴とするリハビリ支援プログラム。

Images