JP7266807B1 - Lifestyle prediction device, lifestyle prediction system, lifestyle prediction method, lifestyle prediction program, and recording medium - Google Patents
Lifestyle prediction device, lifestyle prediction system, lifestyle prediction method, lifestyle prediction program, and recording medium Download PDFInfo
- Publication number
- JP7266807B1 JP7266807B1 JP2022570215A JP2022570215A JP7266807B1 JP 7266807 B1 JP7266807 B1 JP 7266807B1 JP 2022570215 A JP2022570215 A JP 2022570215A JP 2022570215 A JP2022570215 A JP 2022570215A JP 7266807 B1 JP7266807 B1 JP 7266807B1
- Authority
- JP
- Japan
- Prior art keywords
- data
- lifestyle
- brain
- index value
- user
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 12
- 210000004556 brain Anatomy 0.000 claims abstract description 264
- 230000014509 gene expression Effects 0.000 claims abstract description 117
- 238000013075 data extraction Methods 0.000 claims abstract description 25
- 238000009795 derivation Methods 0.000 claims abstract description 8
- 230000035488 systolic blood pressure Effects 0.000 claims description 51
- 210000004884 grey matter Anatomy 0.000 claims description 28
- 230000006870 function Effects 0.000 claims description 21
- 238000007917 intracranial administration Methods 0.000 claims description 11
- 230000003925 brain function Effects 0.000 claims description 9
- 239000000284 extract Substances 0.000 claims description 6
- 230000035487 diastolic blood pressure Effects 0.000 claims description 5
- 238000002603 single-photon emission computed tomography Methods 0.000 claims description 4
- 230000000391 smoking effect Effects 0.000 claims description 4
- 230000035622 drinking Effects 0.000 claims description 3
- 238000002595 magnetic resonance imaging Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 6
- 201000010099 disease Diseases 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 238000002591 computed tomography Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000002600 positron emission tomography Methods 0.000 description 3
- 206010012289 Dementia Diseases 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
生活習慣予測装置は、脳状態画像データ取得部と、脳体積関連データ抽出部と、生活習慣指標値データ導出部と、を含む。相関関係データは、脳の体積に関するデータと生活習慣指標値データとの関係を表す第1関係式データと、過去の第1時点において実測した生活習慣指標値データと、第1関係式データに基づいて第1時点における脳の体積に関するデータから生活習慣指標値データを予測した予測データと、の差分である第1差分データと、第1時点において実測した生活習慣指標値データと、第1時点よりも後の第2時点において実測した生活習慣指標値データとの差分である第2差分データと、第1差分データと第2差分データとの関係を表す第2関係式データと、を含む。生活習慣指標値データ導出部は、第2関係式データに基づいて、脳の体積に関するデータから将来のユーザの生活習慣指標値データを導出する。The lifestyle prediction device includes a brain state image data acquisition unit, a brain volume-related data extraction unit, and a lifestyle index value data derivation unit. The correlation data is based on the first relational expression data representing the relationship between the brain volume data and the lifestyle index value data, the lifestyle index value data actually measured at a first point in time in the past, and the first relational expression data. Predicted data obtained by predicting lifestyle index data from data related to brain volume at the first time point, and first difference data that is the difference between the data, the lifestyle index value data actually measured at the first time point, and the data from the first time point It includes second difference data that is the difference from the lifestyle index value data actually measured at a later second time point, and second relational expression data representing the relationship between the first difference data and the second difference data. The lifestyle index value data deriving unit derives the future user's lifestyle index value data from the brain volume data based on the second relational expression data.
Description
本開示は、生活習慣予測装置、生活習慣予測システム、生活習慣予測方法、生活習慣予測プログラムおよび記録媒体に関するものである。 The present disclosure relates to a lifestyle prediction device, a lifestyle prediction system, a lifestyle prediction method, a lifestyle prediction program, and a recording medium.
認知症を予防するためのシステムが開示されている(例えば、特許文献1参照)。特許文献1によると、認知症の進行に関して被験者をグループ分けし、被験者が属するグループに基づいて問題を決定し、決定された問題を被験者に提示することとしている。 A system for preventing dementia has been disclosed (see Patent Document 1, for example). According to Patent Document 1, subjects are grouped with respect to the progression of dementia, problems are determined based on the group to which the subject belongs, and the determined problem is presented to the subject.
昨今、健康診断等において、身体に対する種々の検査や測定が行われる。このような検査結果や測定結果を用いて将来的な生活習慣の指標に関するデータを正確に導出することができれば、生活習慣を正確に予測することができる。そうすると、将来、生活習慣病に罹患しないように効果的な予防対策を立てたり、生活習慣の効率的な改善を促すことができ、好ましい。 2. Description of the Related Art Recently, various physical examinations and measurements are performed in health checkups and the like. If it is possible to accurately derive data relating to indicators of future lifestyle habits using such test results and measurement results, it is possible to accurately predict lifestyle habits. This is preferable because effective preventive measures can be taken so as not to suffer from lifestyle-related diseases in the future, and efficient improvement of lifestyle habits can be promoted.
そこで、将来的な生活習慣を正確に予測することができる生活習慣予測装置を提供することを本開示の目的の1つとする。 Accordingly, one object of the present disclosure is to provide a lifestyle prediction device that can accurately predict future lifestyle habits.
本開示に従った生活習慣予測装置は、将来のユーザの生活習慣を予測するための生活習慣予測装置である。生活習慣予測装置は、ユーザの脳の形態に関する画像データまたはユーザの脳の機能に関する画像データである脳状態画像データを取得する脳状態画像データ取得部と、脳状態画像データ取得部により取得されたユーザの脳状態画像データから、ユーザの脳の体積に関するデータを抽出する脳体積関連データ抽出部と、脳体積関連データ抽出部により抽出されたユーザの脳の体積に関するデータから、脳の体積に関するデータと生活習慣に関するデータである生活習慣指標値データとの相関関係データに基づき、将来のユーザの生活習慣指標値データを導出する生活習慣指標値データ導出部と、を含む。相関関係データは、過去の脳の体積に関するデータおよび過去に実測した生活習慣指標値データに基づいて作成された脳の体積に関するデータと生活習慣指標値データとの関係を表す第1関係式データと、過去の第1時点において実測した生活習慣指標値データと、第1関係式データに基づいて第1時点における脳の体積に関するデータから生活習慣指標値データを予測した予測データと、の差分である第1差分データと、第1時点において実測した生活習慣指標値データと、第1時点よりも後の第2時点において実測した生活習慣指標値データとの差分である第2差分データと、第1差分データと第2差分データとの関係を表す第2関係式データと、を含む。生活習慣指標値データ導出部は、第2関係式データに基づいて、脳の体積に関するデータから将来のユーザの生活習慣指標値データを導出する。 A lifestyle prediction device according to the present disclosure is a lifestyle prediction device for predicting a future lifestyle of a user. The lifestyle prediction device includes a brain state image data acquisition unit that acquires brain state image data that is image data related to the form of the user's brain or image data related to the function of the user's brain, and the brain state image data acquired by the brain state image data acquisition unit. A brain volume-related data extraction unit for extracting data related to the user's brain volume from the user's brain state image data; and a lifestyle index value data deriving unit for deriving lifestyle index value data of the future user based on correlation data between and lifestyle index value data, which is data relating to lifestyle habits. Correlation data includes first relational expression data representing the relationship between brain volume data and lifestyle index data created based on past brain volume data and lifestyle index value data actually measured in the past. , the difference between the lifestyle index value data actually measured at the first time point in the past and the prediction data obtained by predicting the lifestyle index value data from the data related to the brain volume at the first time point based on the data of the first relational expression. first difference data, second difference data that is the difference between the lifestyle index value data actually measured at the first time point and the lifestyle index value data actually measured at the second time point after the first time point; and second relational expression data representing a relationship between the difference data and the second difference data. The lifestyle index value data deriving unit derives the future user's lifestyle index value data from the brain volume data based on the second relational expression data.
上記生活習慣予測装置によれば、将来的な生活習慣を正確に予測することができる。 According to the lifestyle prediction device, it is possible to accurately predict a future lifestyle.
[本開示の実施形態の説明]
最初に本開示の実施態様を列記して説明する。本開示に係る生活習慣予測装置は、将来のユーザの生活習慣を予測するための生活習慣予測装置である。生活習慣予測装置は、ユーザの脳の形態に関する画像データまたはユーザの脳の機能に関する画像データである脳状態画像データを取得する脳状態画像データ取得部と、脳状態画像データ取得部により取得されたユーザの脳状態画像データから、ユーザの脳の体積に関するデータを抽出する脳体積関連データ抽出部と、脳体積関連データ抽出部により抽出されたユーザの脳の体積に関するデータから、脳の体積に関するデータと生活習慣に関するデータである生活習慣指標値データとの相関関係データに基づき、将来のユーザの生活習慣指標値データを導出する生活習慣指標値データ導出部と、を含む。相関関係データは、過去の脳の体積に関するデータおよび過去に実測した生活習慣指標値データに基づいて作成された脳の体積に関するデータと生活習慣指標値データとの関係を表す第1関係式データと、過去の第1時点において実測した生活習慣指標値データと、第1関係式データに基づいて第1時点における脳の体積に関するデータから生活習慣指標値データを予測した予測データと、の差分である第1差分データと、第1時点において実測した生活習慣指標値データと、第1時点よりも後の第2時点において実測した生活習慣指標値データとの差分である第2差分データと、第1差分データと第2差分データとの関係を表す第2関係式データと、を含む。生活習慣指標値データ導出部は、第2関係式データに基づいて、脳の体積に関するデータから将来のユーザの生活習慣指標値データを導出する。[Description of Embodiments of the Present Disclosure]
First, the embodiments of the present disclosure are listed and described. A lifestyle prediction device according to the present disclosure is a lifestyle prediction device for predicting a future lifestyle of a user. The lifestyle prediction device includes a brain state image data acquisition unit that acquires brain state image data that is image data related to the form of the user's brain or image data related to the function of the user's brain, and the brain state image data acquired by the brain state image data acquisition unit. A brain volume-related data extraction unit for extracting data related to the user's brain volume from the user's brain state image data; and a lifestyle index value data deriving unit for deriving lifestyle index value data of the future user based on correlation data between and lifestyle index value data, which is data relating to lifestyle habits. Correlation data includes first relational expression data representing the relationship between brain volume data and lifestyle index data created based on past brain volume data and lifestyle index value data actually measured in the past. , the difference between the lifestyle index value data actually measured at the first time point in the past and the prediction data obtained by predicting the lifestyle index value data from the data related to the brain volume at the first time point based on the data of the first relational expression. first difference data, second difference data that is the difference between the lifestyle index value data actually measured at the first time point and the lifestyle index value data actually measured at the second time point after the first time point; and second relational expression data representing a relationship between the difference data and the second difference data. The lifestyle index value data deriving unit derives the future user's lifestyle index value data from the brain volume data based on the second relational expression data.
将来的な生活習慣に起因する生活習慣病の発生を予防したり、効率的な生活習慣の改善を図るには、将来の収縮期血圧値データや喫煙量値データといった生活習慣指標値データをできるだけ正確に予測することが望ましい。そこで本発明者らは、以下のように考えた。まず、生活習慣指標値データについて吟味し、ユーザの生活習慣指標値データとユーザの脳の形態に関する画像データまたは脳の機能に関する画像データである脳状態画像データとが相関関係を有することを見出した。そしてさらに、脳の形態に関する画像データや脳の機能に関する画像データから単に将来の生活習慣指標値データを導出するのではなく、実測した生活習慣指標値データと実測前の脳状態画像データに基づいて予測した生活習慣指標値データとの関係性を考慮し、予測した生活習慣指標値データに修正を加えることができれば、より正確に将来のユーザの生活習慣指標値データを導出し、正確な生活習慣の予測ができると考えた。 In order to prevent the occurrence of lifestyle-related diseases caused by lifestyle habits in the future and to improve lifestyle habits efficiently, it is necessary to gather as much lifestyle index data as possible, such as future systolic blood pressure data and smoking amount data. Accurate prediction is desirable. Therefore, the present inventors considered as follows. First, the lifestyle index value data was examined, and it was found that there is a correlation between the lifestyle index value data of the user and the brain state image data, which is image data regarding the form of the user's brain or image data regarding the function of the brain. . Furthermore, instead of simply deriving future lifestyle index value data from image data on brain morphology and image data on brain function, it is based on actually measured lifestyle index value data and brain state image data before measurement. If the relationship with the predicted lifestyle index value data can be taken into consideration and the predicted lifestyle index value data can be corrected, the future user's lifestyle index value data can be derived more accurately and accurate lifestyle habits can be obtained. I thought it was possible to predict the
そこで本発明者らは鋭意検討し、ユーザの脳状態画像データと将来の生活習慣指標値データとの関係性において、過去に実測した生活習慣指標値データとその時の脳状態画像データから予測した生活習慣指標値データとのずれ(第1のずれ)、そして過去に実測した生活習慣指標値データとその時より後に実測した生活習慣指標値データとのずれ(第2のずれ)との間に相関関係があることを見出し、この相関関係に基づく修正を予測した生活習慣指標値データに対して行えば、より正確に将来の生活習慣指標値データを導出できると考え、本願発明の構成を着想するに至った。 Therefore, the present inventors have made intensive studies to find out about the relationship between the user's brain state image data and future lifestyle index value data. Correlation between deviation from habit index value data (first deviation) and deviation between lifestyle index value data actually measured in the past and lifestyle index value data actually measured after that time (second deviation) It is thought that future lifestyle index value data can be derived more accurately if correction based on this correlation is performed on predicted lifestyle index value data, and the configuration of the present invention is conceived. Arrived.
本開示における生活習慣予測装置によると、生活習慣指標値データ導出部は、脳体積関連データ抽出部により抽出されたユーザの脳の体積に関するデータから、脳の体積に関するデータと生活習慣に関するデータである生活習慣指標値データとの相関関係データに基づき、将来のユーザの生活習慣指標値データを導出することとしている。そして、相関関係データは、過去の脳の体積に関するデータおよび過去に実測した生活習慣指標値データに基づいて作成された脳の体積に関するデータと生活習慣指標値データとの関係を表す第1関係式データと、過去の第1時点において実測した生活習慣指標値データと、第1関係式データに基づいて第1時点における脳の体積に関するデータから生活習慣指標値データを予測した予測データと、の差分である第1差分データと、第1時点において実測した生活習慣指標値データと、第1時点よりも後の第2時点において実測した生活習慣指標値データとの差分である第2差分データと、第1差分データと第2差分データとの関係を表す第2関係式データと、を含む。このようにすることにより、上記第1のずれに対応する第1差分データおよび第2のずれに対応する第2差分データを考慮した修正を反映して、ユーザの脳状態画像データから将来の生活習慣指標値データを導出することができる。したがって、上記生活習慣予測装置によれば、将来的な生活習慣を正確に予測することができる。 According to the lifestyle prediction device according to the present disclosure, the lifestyle index value data derivation unit obtains the brain volume data and the lifestyle habit data from the user's brain volume data extracted by the brain volume related data extraction unit. Future user's lifestyle index value data is derived based on correlation data with lifestyle index value data. The correlation data is the first relational expression representing the relationship between the brain volume data created based on the past brain volume data and the lifestyle index value data actually measured in the past, and the lifestyle index value data. difference between the data, the lifestyle index value data actually measured at the first point in time in the past, and the prediction data obtained by predicting the lifestyle index value data from the brain volume data at the first point in time based on the data of the first relational expression and the second difference data, which is the difference between the lifestyle index value data actually measured at the first time point and the lifestyle index value data actually measured at the second time point after the first time point, and second relational expression data representing the relationship between the first difference data and the second difference data. By doing so, the user's brain state image data can be used to determine the future lifestyle, reflecting the correction considering the first difference data corresponding to the first deviation and the second difference data corresponding to the second deviation. Habit indicator value data can be derived. Therefore, according to the said lifestyle prediction apparatus, a future lifestyle can be correctly predicted.
上記生活習慣予測装置において、脳の形態に関する画像データは、脳のMRI(Magnetic Resonance Imaging)画像データおよび脳のX線CT(Computed Tomography)画像データのうちの少なくともいずれか一つを含んでもよい。脳の機能に関する画像データは、脳のPET(Positron Emission Tomography)画像データおよび脳のSPECT(Single Photon Emission Computed Tomography)画像データのうちの少なくともいずれか一つを含んでもよい。このような脳の形態に関する画像データまたは脳の機能に関する画像データを脳状態画像データとして利用することにより、将来的な生活習慣の正確な予測をより確実に行うことができる。 In the lifestyle prediction device described above, the image data relating to the morphology of the brain may include at least one of MRI (Magnetic Resonance Imaging) image data of the brain and X-ray CT (Computed Tomography) image data of the brain. The image data on brain function may include at least one of brain PET (Positron Emission Tomography) image data and brain SPECT (Single Photon Emission Computed Tomography) image data. By using such image data on brain morphology or image data on brain function as brain state image data, it is possible to accurately predict future lifestyle habits more reliably.
上記生活習慣予測装置において、脳体積に関するデータは、頭蓋内容積に対する全脳灰白質の体積の割合に関するデータを含んでもよい。このような全脳灰白質の体積の割合に関するデータを用いることにより、さらに正確に将来のユーザの生活習慣指標値データを導出して、将来的な生活習慣を予測することができる。 In the lifestyle prediction device described above, the data on brain volume may include data on the ratio of the volume of total brain gray matter to the intracranial volume. By using such data related to the volume ratio of total brain gray matter, future lifestyle index value data of the user can be more accurately derived, and future lifestyle can be predicted.
上記生活習慣予測装置において、生活習慣指標値データは、収縮期血圧(SBP)(Systolic Blood Pressure)値データ、拡張期血圧(DBP)(Diastolic Blood Pressure)値データ、喫煙量値データ、飲酒量値データおよびBMI(Body Mass Index)値データのうちの少なくともいずれか一つを含んでもよい。このような生活習慣指標値は、将来的に罹患する可能性の高い生活習慣病と密接に関連しているため、より効果的な生活習慣の予測に基づく生活習慣の見直し等を促進することができる。 In the lifestyle prediction device, the lifestyle index value data includes systolic blood pressure (SBP) value data, diastolic blood pressure (DBP) value data, smoking amount value data, and drinking amount value. At least one of data and BMI (Body Mass Index) value data may be included. Such lifestyle index values are closely related to lifestyle-related diseases that are likely to occur in the future. can.
上記生活習慣予測装置において、第1関係式データおよび第2関係式データのうちの少なくともいずれか一方は、線形の関係式を含んでもよい。このようにすることにより、第1関係式データおよび第2関係式のうちの少なくともいずれか一方を単純化して、容易に生活習慣指標値データを導出することができる。 In the lifestyle prediction device described above, at least one of the first relational expression data and the second relational expression data may include a linear relational expression. By doing so, at least one of the first relational expression data and the second relational expression can be simplified to easily derive the lifestyle index value data.
上記生活習慣予測装置は、第1差分データ、第2差分データ、第1関係式データおよび第2関係式データのうちの少なくともいずれか一つを記憶する記憶部をさらに含んでもよい。このようにすることにより、記憶部に記憶されたデータを利用して、効率的に将来の生活習慣指標値データを導出することができる。 The lifestyle prediction device may further include a storage unit that stores at least one of the first difference data, the second difference data, the first relational expression data, and the second relational expression data. By doing so, the future lifestyle index value data can be efficiently derived using the data stored in the storage unit.
本開示に係る生活習慣予測システムは、サーバーを備え、将来のユーザの生活習慣を予測するための生活習慣予測システムである。サーバーは、外部からユーザの脳の形態に関する画像データまたはユーザの脳の機能に関する画像データである脳状態画像データを取得する脳状態画像データ取得部と、脳状態画像データ取得部により取得されたユーザの脳状態画像データから、ユーザの脳の体積に関するデータを抽出する脳体積関連データ抽出部と、脳体積関連データ抽出部により抽出されたユーザの脳の体積に関するデータから、脳の体積に関するデータと生活習慣に関するデータである生活習慣指標値データとの相関関係データに基づき、将来のユーザの生活習慣指標値データを導出する生活習慣指標値データ導出部と、を含む。相関関係データは、過去の脳の体積に関するデータおよび過去に実測した生活習慣指標値データに基づいて作成された脳の体積に関するデータと生活習慣指標値データとの関係を表す第1関係式データと、過去の第1時点において実測した生活習慣指標値データと、第1関係式データに基づいて第1時点における脳の体積に関するデータから生活習慣指標値データを予測した予測データと、の差分である第1差分データと、第1時点において実測した生活習慣指標値データと、第1時点よりも後の第2時点において実測した生活習慣指標値データとの差分である第2差分データと、第1差分データと第2差分データとの関係を表す第2関係式データと、を含む。生活習慣指標値データ導出部は、第2関係式データに基づいて、脳の体積に関するデータから将来のユーザの生活習慣指標値データを導出する。 A lifestyle prediction system according to the present disclosure includes a server and is a lifestyle prediction system for predicting a user's future lifestyle. The server externally acquires brain state image data, which is image data related to the form of the user's brain or image data related to the function of the user's brain. a brain volume-related data extraction unit for extracting data related to the user's brain volume from the brain state image data of the brain volume-related data extraction unit; a lifestyle index value data deriving unit that derives the future user's lifestyle index value data based on the correlation data with the lifestyle index value data, which is data related to lifestyle habits. Correlation data includes first relational expression data representing the relationship between brain volume data and lifestyle index data created based on past brain volume data and lifestyle index value data actually measured in the past. , the difference between the lifestyle index value data actually measured at the first time point in the past and the prediction data obtained by predicting the lifestyle index value data from the data related to the brain volume at the first time point based on the data of the first relational expression. first difference data, second difference data that is the difference between the lifestyle index value data actually measured at the first time point and the lifestyle index value data actually measured at the second time point after the first time point; and second relational expression data representing a relationship between the difference data and the second difference data. The lifestyle index value data deriving unit derives the future user's lifestyle index value data from the brain volume data based on the second relational expression data.
このような生活習慣予測システムによれば、将来的な生活習慣を正確に予測することができる。 According to such a lifestyle prediction system, a future lifestyle can be accurately predicted.
本開示に係る生活習慣予測方法は、将来のユーザの生活習慣を予測するための生活習慣予測方法であって、ユーザの脳の形態に関する画像データまたはユーザの脳の機能に関する画像データである脳状態画像データを取得する工程と、取得されたユーザの脳状態画像データから、ユーザの脳の体積に関するデータを抽出する工程と、抽出されたユーザの脳の体積に関するデータから、脳の体積に関するデータと生活習慣に関するデータである生活習慣指標値データとの相関関係データに基づき、将来のユーザの生活習慣指標値データを導出する工程と、を含む。相関関係データは、過去の脳の体積に関するデータおよび過去に実測した生活習慣指標値データに基づいて作成された脳の体積に関するデータと生活習慣指標値データとの関係を表す第1関係式データと、過去の第1時点において実測した生活習慣指標値データと、第1関係式データに基づいて第1時点における脳の体積に関するデータから生活習慣指標値データを予測した予測データと、の差分である第1差分データと、第1時点において実測した生活習慣指標値データと、第1時点よりも後の第2時点において実測した生活習慣指標値データとの差分である第2差分データと、第1差分データと第2差分データとの関係を表す第2関係式データと、を含む。将来のユーザの生活習慣指標値データを導出する工程は、第2関係式データに基づいて、脳の体積に関するデータから将来のユーザの生活習慣指標値データを導出する。 A lifestyle prediction method according to the present disclosure is a lifestyle prediction method for predicting a future lifestyle of a user, and includes image data relating to the form of the user's brain or image data relating to the function of the user's brain. a step of obtaining image data; a step of extracting data about the volume of the user's brain from the obtained brain state image data of the user; and deriving lifestyle index value data of the future user based on correlation data with lifestyle index value data, which is data related to lifestyle habits. Correlation data includes first relational expression data representing the relationship between brain volume data and lifestyle index data created based on past brain volume data and lifestyle index value data actually measured in the past. , the difference between the lifestyle index value data actually measured at the first time point in the past and the prediction data obtained by predicting the lifestyle index value data from the data related to the brain volume at the first time point based on the data of the first relational expression. first difference data, second difference data that is the difference between the lifestyle index value data actually measured at the first time point and the lifestyle index value data actually measured at the second time point after the first time point; and second relational expression data representing a relationship between the difference data and the second difference data. The step of deriving the lifestyle index value data of the future user derives the lifestyle index value data of the future user from the brain volume data based on the second relational expression data.
このような生活習慣予測方法によれば、将来的な生活習慣を正確に予測することができる。 According to such a lifestyle prediction method, a future lifestyle can be accurately predicted.
本開示に係る生活習慣予測プログラムは、サーバーを備え、将来のユーザの生活習慣を予測するための生活習慣予測システムに用いられる生活習慣予測システム用プログラムであって、サーバーを、ユーザの脳の形態に関する画像データまたはユーザの脳の機能に関する画像データである脳状態画像データを取得する脳状態画像データ取得部、脳状態画像データ取得部により取得されたユーザの脳状態画像データから、ユーザの脳の体積に関するデータを抽出する脳体積関連データ抽出部、および脳体積関連データ抽出部により抽出されたユーザの脳の体積に関するデータから、脳の体積に関するデータと生活習慣に関するデータである生活習慣指標値データとの相関関係データに基づき、将来のユーザの生活習慣指標値データを導出する生活習慣指標値データ導出部として機能させる。相関関係データは、過去の脳の体積に関するデータおよび過去に実測した生活習慣指標値データに基づいて作成された脳の体積に関するデータと生活習慣指標値データとの関係を表す第1関係式データと、過去の第1時点において実測した生活習慣指標値データと、第1関係式データに基づいて第1時点における脳の体積に関するデータから生活習慣指標値データを予測した予測データと、の差分である第1差分データと、第1時点において実測した生活習慣指標値データと、第1時点よりも後の第2時点において実測した生活習慣指標値データとの差分である第2差分データと、第1差分データと第2差分データとの関係を表す第2関係式データと、を含む。生活習慣指標値データ導出部は、第2関係式データに基づいて、脳の体積に関するデータから将来のユーザの生活習慣指標値データを導出する。 A lifestyle prediction program according to the present disclosure is a program for a lifestyle prediction system that includes a server and is used in a lifestyle prediction system for predicting future lifestyle habits of a user, wherein the server is a form of the user's brain. a brain state image data acquisition unit that acquires brain state image data that is image data related to or image data related to the function of the user's brain; A brain volume-related data extraction unit for extracting data related to volume, and from the data related to brain volume of the user extracted by the brain volume-related data extraction unit, data related to brain volume and lifestyle index value data that is data related to lifestyle habits It functions as a lifestyle index value data deriving unit that derives the future lifestyle index value data of the user based on the correlation data with the . Correlation data includes first relational expression data representing the relationship between brain volume data and lifestyle index data created based on past brain volume data and lifestyle index value data actually measured in the past. , the difference between the lifestyle index value data actually measured at the first time point in the past and the prediction data obtained by predicting the lifestyle index value data from the data related to the brain volume at the first time point based on the data of the first relational expression. first difference data, second difference data that is the difference between the lifestyle index value data actually measured at the first time point and the lifestyle index value data actually measured at the second time point after the first time point; and second relational expression data representing a relationship between the difference data and the second difference data. The lifestyle index value data deriving unit derives the future user's lifestyle index value data from the brain volume data based on the second relational expression data.
このような生活習慣予測プログラムによれば、将来的な生活習慣を正確に予測することができる。 According to such a lifestyle prediction program, a future lifestyle can be accurately predicted.
本開示に係る記憶媒体は、サーバーを備え、将来のユーザの生活習慣を予測するための生活習慣予測システムに用いられ、コンピューター読み取り可能な記録媒体であって、サーバーを、ユーザの脳の形態に関する画像データまたはユーザの脳の機能に関する画像データである脳状態画像データを取得する脳状態画像データ取得部、脳状態画像データ取得部により取得されたユーザの脳状態画像データから、ユーザの脳の体積に関するデータを抽出する脳体積関連データ抽出部、および脳体積関連データ抽出部により抽出されたユーザの脳の体積に関するデータから、脳の体積に関するデータと生活習慣に関するデータである生活習慣指標値データとの相関関係データに基づき、将来のユーザの生活習慣指標値データを導出する生活習慣指標値データ導出部として機能させる。相関関係データは、過去の脳の体積に関するデータおよび過去に実測した生活習慣指標値データに基づいて作成された脳の体積に関するデータと生活習慣指標値データとの関係を表す第1関係式データと、過去の第1時点において実測した生活習慣指標値データと、第1関係式データに基づいて第1時点における脳の体積に関するデータから生活習慣指標値データを予測した予測データと、の差分である第1差分データと、第1時点において実測した生活習慣指標値データと、第1時点よりも後の第2時点において実測した生活習慣指標値データとの差分である第2差分データと、第1差分データと第2差分データとの関係を表す第2関係式データと、を含む。生活習慣指標値データ導出部は、第2関係式データに基づいて、脳の体積に関するデータから将来のユーザの生活習慣指標値データを導出する。 A storage medium according to the present disclosure includes a server, is used in a lifestyle prediction system for predicting future lifestyle habits of a user, and is a computer-readable recording medium, wherein the server relates to the morphology of the user's brain. a brain state image data acquisition unit for acquiring image data or brain state image data that is image data relating to the functions of the user's brain; a brain volume-related data extraction unit that extracts data related to the brain volume, and from the data related to the user's brain volume extracted by the brain volume-related data extraction unit, data related to brain volume and lifestyle index value data that is data related to lifestyle habits Based on the correlation data, it functions as a lifestyle index value data deriving unit that derives the future lifestyle index value data of the user. Correlation data includes first relational expression data representing the relationship between brain volume data and lifestyle index data created based on past brain volume data and lifestyle index value data actually measured in the past. , the difference between the lifestyle index value data actually measured at the first time point in the past and the prediction data obtained by predicting the lifestyle index value data from the data related to the brain volume at the first time point based on the data of the first relational expression. first difference data, second difference data that is the difference between the lifestyle index value data actually measured at the first time point and the lifestyle index value data actually measured at the second time point after the first time point; and second relational expression data representing a relationship between the difference data and the second difference data. The lifestyle index value data deriving unit derives the future user's lifestyle index value data from the brain volume data based on the second relational expression data.
このような記憶媒体によれば、将来的な生活習慣を正確に予測することができる。 According to such a storage medium, it is possible to accurately predict future lifestyle habits.
[本願発明の実施形態の詳細]
次に、本開示の生活習慣予測装置を含む生活習慣予測システムの一実施形態を、図面を参照しつつ説明する。以下の図面において同一または相当する部分には同一の参照符号を付しその説明は繰り返さない。[Details of the embodiment of the present invention]
Next, an embodiment of a lifestyle prediction system including the lifestyle prediction device of the present disclosure will be described with reference to the drawings. In the following drawings, the same reference numerals are given to the same or corresponding parts, and the description thereof will not be repeated.
(実施の形態1)
本開示の実施の形態1における生活習慣予測システムの構成について説明する。図1は、実施の形態1における生活習慣予測システムの外観を概略的に示す図である。図2は、図1に示す生活習慣予測システムの構成を示すブロック図である。(Embodiment 1)
The configuration of the lifestyle prediction system according to Embodiment 1 of the present disclosure will be described. FIG. 1 is a diagram schematically showing the appearance of a lifestyle prediction system according to Embodiment 1. FIG. FIG. 2 is a block diagram showing the configuration of the lifestyle prediction system shown in FIG.
図1および図2を参照して、実施の形態1における生活習慣予測システム11は、サーバー13と、ネットワーク12を介してサーバー13に接続可能な端末装置14と、を含む。ネットワーク12は、インターネットでもよいし、イントラネット等、社内向けに構築された閉塞された環境における内部ネットワークであってもよい。ネットワーク12は、有線であってもよいし、無線であってもよい。
1 and 2,
まず、端末装置14の構成について説明する。端末装置14は、本実施形態においては、例えば、スマートフォンといった携帯型の端末装置14が用いられる。もちろん、タブレットPCやノートPCであってもよいし、据え置き型のデスクトップPCであってもよい。端末装置14は、ネットワーク12と接続するための端末装置ネットワークインターフェース部31と、端末装置14自身を制御する端末装置制御部32と、データを記憶する端末装置メモリ33と、ユーザとのインターフェースとなるタッチパネル15と、を含む。端末装置14は、タッチパネル15を介してサーバー13へのデータや情報の入力およびサーバー13から送信されたデータや情報の出力を行う。
First, the configuration of the
次に、サーバー13の構成について説明する。サーバー13は、生活習慣予測装置として機能する。サーバー13は、ネットワーク12と接続するためのサーバーネットワークインターフェース部21と、サーバー13自身を制御するサーバー制御部22と、データを記憶する記憶部としてのサーバーハードディスク23と、を含む。サーバー13には、データを表示するディスプレイと、データを入力するキーボードおよびマウス(いずれも図示せず)が接続されており、これらがサーバー13のインターフェースとなる。サーバーハードディスク23は、後述する第1差分データ、第2差分データ、第1関係式データおよび第2関係式データを記憶する。
Next, the configuration of the
次に、サーバー制御部22の具体的な構成について説明する。サーバー制御部22は、脳状態画像データ取得部41と、脳体積関連データ抽出部42と、生活習慣指標値データ導出部43と、を含む。脳状態画像データ取得部41は、ユーザの脳の形態に関する画像データまたはユーザの脳の機能に関する画像データである脳状態画像データを取得する。脳体積関連データ抽出部42は、脳状態画像データ取得部41により取得されたユーザの脳状態画像データから、ユーザの脳の体積に関するデータを抽出する。生活習慣指標値データ導出部43は、脳体積関連データ抽出部42により抽出されたユーザの脳の体積に関するデータから、脳の体積に関するデータと生活習慣に関するデータである生活習慣指標値データとの相関関係データに基づき、将来のユーザの生活習慣指標値データを導出する。これらの構成については、後に詳述する。
Next, a specific configuration of the
なお、本実施形態においては、脳状態画像データ取得部41によって取得される脳状態画像データは、脳の形態に関する画像データである脳のMRI画像データである。また、本実施形態においては、脳体積関連データ抽出部42により抽出される脳の体積に関するデータは、頭蓋内容積に対する全脳灰白質の体積の割合に関するデータである。
In this embodiment, the brain state image data acquired by the brain state image data acquisition unit 41 is MRI image data of the brain, which is image data relating to the morphology of the brain. Further, in the present embodiment, the brain volume-related data extracted by the brain volume-related
ここで、相関関係データの構成について説明する。図3は、相関関係データに含まれる詳細なデータを示す概念図である。図3を参照して、相関関係データ51は、第1関係式データ52、第1差分データ53、第2差分データ54および第2関係式データ55を含む。
Here, the configuration of correlation data will be described. FIG. 3 is a conceptual diagram showing detailed data included in the correlation data. Referring to FIG. 3 ,
まず第1関係式データ52について説明する。第1関係式データ52は、過去の脳の体積に関するデータおよび過去に実測した生活習慣指標値データに基づいて作成された脳の体積に関するデータと生活習慣指標値データとの関係を表す。
First, the first
図4は、過去の脳の体積に関するデータである頭蓋内容積に対する全脳灰白質の体積の割合に関するデータと、過去に実測した生活習慣指標値の一つである収縮期血圧値(以下、単に「SBP値」と称する場合もある)データとの関係を示すグラフである。図4に示すグラフは、第1関係式を示している。図4において、横軸は全脳灰白質の体積の割合(%)を示し、縦軸は実測のSBP値(mmHg)を示す。全脳灰白質の体積の割合は、脳のMRI画像データにより抽出されている。すなわち、MRI画像データ中の頭蓋内容積に対する全脳灰白質の体積の割合から算出されている。 Figure 4 shows past data on the volume of the brain, which is the ratio of the total brain gray matter volume to the intracranial volume, and systolic blood pressure, which is one of the lifestyle index values actually measured in the past (hereinafter simply referred to as It is a graph showing the relationship with the data (sometimes referred to as "SBP value"). The graph shown in FIG. 4 shows the first relational expression. In FIG. 4, the horizontal axis indicates the volume ratio (%) of total brain gray matter, and the vertical axis indicates the measured SBP value (mmHg). The percentage of total brain gray matter volume has been extracted from brain MRI imaging data. That is, it is calculated from the ratio of the volume of the whole brain gray matter to the intracranial volume in the MRI image data.
図4を参照して、過去の全脳灰白質の体積の割合と実測のSBP値データとは、傾きが線β1で表され、切片がe1で表される相関関係を有する。この相関関係は、線形の関係式であり、以下の式1によって表される。Referring to FIG. 4, past total brain gray matter volume ratio and actually measured SBP value data have a correlation represented by a line β1 with a slope and e1 with an intercept. This correlation is a linear relational expression and is represented by Equation 1 below.
SBP値=全脳灰白質×β1+e1・・・(1)SBP value = whole brain gray matter × β 1 + e 1 (1)
本実施形態においては、この式(1)のデータが、相関関係データ51に含まれる第1関係式データ52となる。なお、図4に示すグラフにおけるp値は、例えば4.01×10-24である。この値は十分に小さいものであり、信頼性の高いものである。In this embodiment, the data of this formula (1) is the first
次に、第1差分データ53について説明する。第1差分データ53は、過去の第1時点において実測した生活習慣指標値データと、第1関係式データ52に基づいて第1時点における脳の体積に関するデータから生活習慣指標値データを予測した予測データと、の差分である。すなわち、第1関係式データ52に基づいて第1時点における脳の体積に関するデータから生活習慣指標値データを予測した予測データは、上記した式(1)を用いて傾きβ1、切片e1により算出したSBP値の予測データである。
Next, the
図5は、第1時点における実測のSBP値データと、第1時点における全脳灰白質の体積の割合に関するデータから第1関係式データ52を用いて予測されたSBP値データとの関係を示すグラフである。図5において、横軸は予測のSBP値(mmHg)を示し、縦軸は実測のSBP値(mmHg)を示す。予測のSBP値は、上記した式(1)を用いて算出されている。
FIG. 5 shows the relationship between the actually measured SBP value data at the first time point and the SBP value data predicted using the first
図5を参照して、実測のSBP値データと予測のSBP値データとは、僅かのずれ(第1のずれ)が生じている。このずれを第1差分データとして算出する。第1差分データは、以下の式(2)によって表される。 Referring to FIG. 5, there is a slight deviation (first deviation) between the actually measured SBP value data and the predicted SBP value data. This deviation is calculated as the first difference data. The first difference data is represented by the following formula (2).
第1差分データ=予測SBP値-実測SBP値・・・(2) First difference data = Predicted SBP value - Measured SBP value (2)
本実施形態においては、この式(2)によって算出されるデータが、相関関係データ51に含まれる第1差分データ53となる。なお、図5に示すグラフにおけるp値は、例えば9.82×10-8である。この値は十分に小さいものであり、信頼性の高いものである。In this embodiment, the data calculated by this formula (2) is the
次に、第2差分データ54について説明する。第2差分データ54は、第1時点において実測した生活習慣指標値データと、第1時点よりも後の第2時点において実測した生活習慣指標値データとの差分である。
Next, the
すなわち、第2差分データ54=実測SBP値(第2時点)-実測SBP値(第1時点)である。なお、この関係式から、実測SBP値(第2時点)は、実測SBP値(第1時点)+第2差分データ54であることが導出される。
That is, the
次に、第2関係式データ55について説明する。第2関係式データ55は、第1差分データ53と第2差分データ54との関係を表す。
Next, the second
図6は、第1差分データ53と第2差分データ54との関係を示すグラフである。図6に示すグラフは、第2関係式を示している。図6において、横軸は第1差分データ53(mmHg)を示し、縦軸は第2差分データ54(mmHg)を示す。
FIG. 6 is a graph showing the relationship between the
図6を参照して、第1差分データ53と第2差分データ54とは、傾きが線β2で表され、切片がe2で表される相関関係を有する。この相関関係は、線形の関係式であり、以下の式(3)によって表される。Referring to FIG. 6,
第2差分データ=第1差分データ×β2+e2・・・(3)Second difference data=First difference data×β 2 +e 2 (3)
本実施形態においては、この式(4)のデータが、相関関係データ51に含まれる第2関係式データ55となる。なお、図6に示すグラフにおけるp値は、例えば4.86×10-9である。この値は十分に小さいものであり、信頼性の高いものである。In this embodiment, the data of this formula (4) is the second
次に、このような生活習慣予測システム11を用いて、将来のユーザの生活習慣を予測する場合について説明する。図7は、実施の形態1における生活習慣予測システム11を用いて将来のユーザの生活習慣指標値データを導出する際の概略的な工程を示すフローチャートである。
Next, a case of predicting a user's future lifestyle using such a
図7を参照して、まず、脳状態画像データ取得部41は、ユーザの脳の形態に関する画像データまたはユーザの脳の機能に関する画像データである脳状態画像データを取得する(図7において、ステップS11においてYES、以下、「ステップ」を省略する)。本実施形態においては、脳状態画像データ取得部41は、ユーザの脳の形態に関する画像データとして、脳のMRI画像データを取得する。この場合、例えば、端末装置14から送信された脳のMRI画像データを取得する。次に、脳体積関連データ抽出部42は、取得した脳状態画像データ、この場合、脳のMRI画像データから脳の体積に関するデータを抽出する(S12)。この場合、脳のMRI画像データにおいて、頭蓋内容積のデータを抽出すると共に、全脳灰白質のデータも抽出する。そして、頭蓋内容積のデータに対する全脳灰白質の体積の割合を算出し、脳体積関連データとして抽出する。
Referring to FIG. 7, first, brain state image data acquisition unit 41 acquires brain state image data that is image data relating to the morphology of the user's brain or image data relating to the function of the user's brain (step YES in S11, hereinafter "step" is omitted). In this embodiment, the brain state image data acquisition unit 41 acquires MRI image data of the brain as image data relating to the morphology of the user's brain. In this case, for example, brain MRI image data transmitted from the
その後、生活習慣指標値データ導出部43は、抽出されたユーザの脳の体積に関するデータである脳体積関連データから、脳の体積に関するデータと生活習慣に関するデータである生活習慣指標値データとの相関関係データ51に基づき、将来のユーザの生活習慣指標値データを導出する(S13)。この場合、生活習慣指標値データ導出部43は、第2関係式データ55に基づいて、脳の体積に関するデータから将来のユーザの生活習慣指標値データを導出する。具体的には、例えば、現在におけるユーザの全脳灰白質の割合をMRI画像データから求め、この全脳灰白質の割合から式(1)により生活習慣指標値データであるSBP値データの予測データを導出する。そして、式(2)により得られた第1差分データ53および式(3)、第2差分データは、第1時点での実測のSBP値データと第2時点でのSBP値データとの差分である。そこで、第1時点を現在とし、第2時点を将来とすると、第2時点でのSBP値=第1時点でのSBP値+第2差分データとなる。この関係式より、ユーザの将来のSBP値データの予測データが導出される。すなわち、実測の第1時点のSBP値データおよび実測の第2時点のSBP値データに基づいて第2差分データ54が導出され、この第2差分データ54と第1差分データ53とを利用することにより、将来のユーザのSBP値データが正確に導出される。なお、導出された将来のユーザのSBP値データを利用して、ユーザの将来の生活習慣を予測する。
After that, the lifestyle index value
本開示の生活習慣予測システム11によると、上記第1差分データおよび第2差分データを考慮した修正を反映して、ユーザの脳状態画像データから将来の生活習慣指標値データを導出することができる。したがって、上記生活習慣予測システム11によれば、将来的な生活習慣を正確に予測することができる。
According to the
また、上記した生活習慣予測装置としてのサーバー13によると、上記第1のずれに対応する第1差分データおよび第2のずれに対応する第2差分データを考慮した修正を反映して、ユーザの脳状態画像データから将来の生活習慣指標値データを導出することができる。したがって、上記生活習慣予測装置によれば、将来的な生活習慣を正確に予測することができる。
Further, according to the
上記の実施の形態によれば、サーバー13は、第1差分データ、第2差分データ、第1関係式データおよび第2関係式データを記憶するサーバーハードディスク23を含む。よって、サーバーハードディスク23に記憶されたデータを利用して、効率的に将来の生活習慣指標値データを導出することができる。
According to the above embodiment, the
上記の実施の形態によれば、脳体積に関するデータは、頭蓋内容積に対する全脳灰白質の体積の割合に関するデータを含む。このような全脳灰白質の体積の割合に関するデータを用いることにより、さらに正確に将来のユーザの生活習慣指標値データを導出して、将来的な生活習慣を予測することができる。 According to the above embodiments, the data on brain volume includes data on the ratio of total brain gray matter volume to intracranial volume. By using such data related to the volume ratio of total brain gray matter, future lifestyle index value data of the user can be more accurately derived, and future lifestyle can be predicted.
(他の実施の形態)
なお、上記の実施の形態においては、脳状態画像データ取得部は、脳の形態に関する画像データとして、脳のMRI画像データを取得することとしたが、これに限らず、脳状態画像データ取得部によって取得される脳の形態に関する画像データは、脳のMRI画像データおよび脳のX線CT画像データのうちの少なくともいずれか一つを含んでもよい。また、脳状態画像データ取得部によって取得される脳の機能に関する画像データは、脳のPET画像データおよび脳のSPECT画像データのうちの少なくともいずれか一つを含んでもよい。このような脳の形態に関する画像データまたは脳の機能に関する画像データを脳状態画像データとして利用することにより、将来的な生活習慣の正確な予測をより確実に行うことができる。(Other embodiments)
In the above embodiment, the brain state image data acquisition unit acquires MRI image data of the brain as image data related to brain morphology. The brain morphology-related image data acquired by may include at least one of brain MRI image data and brain X-ray CT image data. Further, the image data relating to brain function acquired by the brain state image data acquisition unit may include at least one of PET image data of the brain and SPECT image data of the brain. By using such image data on brain morphology or image data on brain function as brain state image data, it is possible to accurately predict future lifestyle habits more reliably.
上記生活習慣予測装置において、生活習慣指標値データは、SBP値データを含むこととしたが、これに限らず、生活習慣指標値データは、拡張期血圧(DBP)(Diastolic Blood Pressure)値データ、喫煙量値データ、飲酒量値データおよびBMI(Body Mass Index)値データのうちの少なくともいずれか一つを含んでもよい。このような生活習慣指標値は、将来的に罹患する可能性の高い生活習慣病と密接に関連しているため、より効果的な生活習慣の予測に基づく生活習慣の見直し等を促進することができる。 In the lifestyle prediction device, the lifestyle index value data includes SBP value data, but is not limited to this, and the lifestyle index value data includes diastolic blood pressure (DBP) value data, At least one of smoking amount value data, drinking amount value data, and BMI (Body Mass Index) value data may be included. Such lifestyle index values are closely related to lifestyle-related diseases that are likely to occur in the future. can.
なお、上記の実施の形態においては、第1関係式データおよび第2関係式データの双方が線形の関係式を有することとしたが、これに限らず、第1関係式データおよび第2関係式データのうちの少なくともいずれか一方は、線形の関係式を含んでもよい。このようにすることにより、第1関係式データおよび第2関係式のうちの少なくともいずれか一方を単純化して、容易に生活習慣指標値データを導出することができる。また、第1関係式データおよび第2関係式データのうちの少なくともいずれか一方は、非線形の関係式データであってもよい。具体的には例えば、一方が線形の関係式データであり、他方が非線形の関係式データであってもよい。非線形の関係式データを用いることにより、関係式を精緻化し、より精度の高い生活習慣指標値データを導出することができる。なお、このような関係式は、深層学習を用いて各パラメータを深度深く解析して、導出することができる。 In the above embodiment, both the first relational expression data and the second relational expression data have linear relational expressions. At least one of the data may include a linear relational expression. By doing so, at least one of the first relational expression data and the second relational expression can be simplified to easily derive the lifestyle index value data. At least one of the first relational expression data and the second relational expression data may be non-linear relational expression data. Specifically, for example, one may be linear relational expression data and the other may be nonlinear relational expression data. By using the non-linear relational expression data, the relational expression can be refined and more accurate lifestyle index value data can be derived. Note that such a relational expression can be derived by deeply analyzing each parameter using deep learning.
図8は、過去の脳の体積に関するデータである頭蓋内容積に対する全脳灰白質の体積の割合のLog10のデータと、過去に実測した生活習慣指標値の一つである収縮期血圧値(SBP値)データとの関係を示すグラフである。図8において、横軸は全脳灰白質の体積の割合(%)を100倍した値のLog10、すなわち、全脳灰白質の体積の割合(%)の100倍値の常用対数値を示し、縦軸は実測のSBP値(mmHg)を示す。全脳灰白質の体積の割合(%)の常用対数値は、脳のMRI画像データに基づいて導出されている。なお、図8に示すグラフにおけるp値は、例えば8.88×10-24である。この値は十分に小さいものであり、信頼性の高いものである。FIG. 8 shows Log 10 data of the ratio of the total brain gray matter volume to the intracranial volume, which is data on the past brain volume, and systolic blood pressure (SBP), which is one of the lifestyle index values actually measured in the past. Value) is a graph showing the relationship with the data. In FIG. 8, the horizontal axis represents Log 10 of the value obtained by multiplying the ratio (%) of the total brain gray matter volume by 100, that is, the common logarithm value of 100 times the ratio (%) of the total brain gray matter volume. , the vertical axis indicates the measured SBP value (mmHg). The common logarithmic value of the percentage of total brain gray matter volume has been derived based on brain MRI imaging data. Note that the p-value in the graph shown in FIG. 8 is, for example, 8.88×10 −24 . This value is sufficiently small and highly reliable.
図9は、この場合における第1時点における実測のSBP値データと、第1時点における全脳灰白質の体積の割合のLog10のデータから予測されたSBP値データとの関係を示すグラフである。図9において、横軸は予測のSBP値(mmHg)を示し、縦軸は実測のSBP値(mmHg)を示す。予測のSBP値は、上記した図8に示す相関関係を基に算出したデータである。図9は、上記した図5に対応するグラフである。なお、図9に示すグラフにおけるp値は、例えば5.21×10-8である。この値は十分に小さいものであり、信頼性の高いものである。FIG. 9 is a graph showing the relationship between the actually measured SBP value data at the first time point in this case and the SBP value data predicted from the Log 10 data of the ratio of the total brain gray matter volume at the first time point. In FIG. 9, the horizontal axis indicates the predicted SBP value (mmHg), and the vertical axis indicates the actually measured SBP value (mmHg). The predicted SBP value is data calculated based on the correlation shown in FIG. FIG. 9 is a graph corresponding to FIG. 5 described above. Note that the p-value in the graph shown in FIG. 9 is, for example, 5.21×10 −8 . This value is sufficiently small and highly reliable.
図10は、この場合における第1差分データと第2差分データとの関係を示すグラフである。図10において、横軸は第1差分データ53(mmHg)を示し、縦軸は第2差分データ54(mmHg)を示す。図10は、上記した図6に対応するグラフである。なお、図10に示すグラフにおけるp値は、例えば5.39×10-9である。この値は十分に小さいものであり、信頼性の高いものである。FIG. 10 is a graph showing the relationship between the first difference data and the second difference data in this case. In FIG. 10, the horizontal axis indicates the first difference data 53 (mmHg), and the vertical axis indicates the second difference data 54 (mmHg). FIG. 10 is a graph corresponding to FIG. 6 described above. Note that the p-value in the graph shown in FIG. 10 is, for example, 5.39×10 −9 . This value is sufficiently small and highly reliable.
図8~図10を参照して、過去の全脳灰白質の体積の割合の100倍値のLog10と実測のSBP値データとは、線形の関係式によって表される相関関係を有する。そうすると、過去の全脳灰白質の体積の割合と、実測のSBP値データとは、非線形の関係式によって表される相関関係を有するといえる。そして、第1差分データおよび第2差分データについても、非線形の関係式によって表される相関関係を有するといえる。Referring to FIGS. 8 to 10, Log 10 of 100 times the past total brain gray matter volume ratio and actually measured SBP value data have a correlation represented by a linear relational expression. Then, it can be said that the ratio of the past total brain gray matter volume and the actually measured SBP value data have a correlation represented by a nonlinear relational expression. It can be said that the first difference data and the second difference data also have a correlation represented by a nonlinear relational expression.
本開示に係る生活習慣予測方法は、将来のユーザの生活習慣を予測するための生活習慣予測方法であって、ユーザの脳の形態に関する画像データまたはユーザの脳の機能に関する画像データである脳状態画像データを取得する工程と、取得されたユーザの脳状態画像データから、ユーザの脳の体積に関するデータを抽出する工程と、抽出されたユーザの脳の体積に関するデータから、脳の体積に関するデータと生活習慣に関するデータである生活習慣指標値データとの相関関係データに基づき、将来のユーザの生活習慣指標値データを導出する工程と、を含む。相関関係データは、過去の脳の体積に関するデータおよび過去に実測した生活習慣指標値データに基づいて作成された脳の体積に関するデータと生活習慣指標値データとの関係を表す第1関係式データと、過去の第1時点において実測した生活習慣指標値データと、第1関係式データに基づいて第1時点における脳の体積に関するデータから生活習慣指標値データを予測した予測データと、の差分である第1差分データと、第1時点において実測した生活習慣指標値データと、第1時点よりも後の第2時点において実測した生活習慣指標値データとの差分である第2差分データと、第1差分データと第2差分データとの関係を表す第2関係式データと、を含む。将来のユーザの生活習慣指標値データを導出する工程は、第2関係式データに基づいて、脳の体積に関するデータから将来のユーザの生活習慣指標値データを導出する。 A lifestyle prediction method according to the present disclosure is a lifestyle prediction method for predicting a future lifestyle of a user, and includes image data relating to the form of the user's brain or image data relating to the function of the user's brain. a step of obtaining image data; a step of extracting data about the volume of the user's brain from the obtained brain state image data of the user; and deriving lifestyle index value data of the future user based on correlation data with lifestyle index value data, which is data related to lifestyle habits. Correlation data includes first relational expression data representing the relationship between brain volume data and lifestyle index data created based on past brain volume data and lifestyle index value data actually measured in the past. , the difference between the lifestyle index value data actually measured at the first time point in the past and the prediction data obtained by predicting the lifestyle index value data from the data related to the brain volume at the first time point based on the data of the first relational expression. first difference data, second difference data that is the difference between the lifestyle index value data actually measured at the first time point and the lifestyle index value data actually measured at the second time point after the first time point; and second relational expression data representing a relationship between the difference data and the second difference data. The step of deriving the lifestyle index value data of the future user derives the lifestyle index value data of the future user from the brain volume data based on the second relational expression data.
このような生活習慣予測方法によれば、将来的な生活習慣を正確に予測することができる。 According to such a lifestyle prediction method, a future lifestyle can be accurately predicted.
本開示に係る生活習慣予測プログラムは、サーバーを備え、将来のユーザの生活習慣を予測するための生活習慣予測システムに用いられる生活習慣予測システム用プログラムであって、サーバーを、ユーザの脳の形態に関する画像データまたはユーザの脳の機能に関する画像データである脳状態画像データを取得する脳状態画像データ取得部、脳状態画像データ取得部により取得されたユーザの脳状態画像データから、ユーザの脳の体積に関するデータを抽出する脳体積関連データ抽出部、および脳体積関連データ抽出部により抽出されたユーザの脳の体積に関するデータから、脳の体積に関するデータと生活習慣に関するデータである生活習慣指標値データとの相関関係データに基づき、将来のユーザの生活習慣指標値データを導出する生活習慣指標値データ導出部として機能させる。相関関係データは、過去の脳の体積に関するデータおよび過去に実測した生活習慣指標値データに基づいて作成された脳の体積に関するデータと生活習慣指標値データとの関係を表す第1関係式データと、過去の第1時点において実測した生活習慣指標値データと、第1関係式データに基づいて第1時点における脳の体積に関するデータから生活習慣指標値データを予測した予測データと、の差分である第1差分データと、第1時点において実測した生活習慣指標値データと、第1時点よりも後の第2時点において実測した生活習慣指標値データとの差分である第2差分データと、第1差分データと第2差分データとの関係を表す第2関係式データと、を含む。生活習慣指標値データ導出部は、第2関係式データに基づいて、脳の体積に関するデータから将来のユーザの生活習慣指標値データを導出する。 A lifestyle prediction program according to the present disclosure is a program for a lifestyle prediction system that includes a server and is used in a lifestyle prediction system for predicting future lifestyle habits of a user, wherein the server is a form of the user's brain. a brain state image data acquisition unit that acquires brain state image data that is image data related to or image data related to the function of the user's brain; A brain volume-related data extraction unit for extracting data related to volume, and from the data related to brain volume of the user extracted by the brain volume-related data extraction unit, data related to brain volume and lifestyle index value data that is data related to lifestyle habits It functions as a lifestyle index value data deriving unit that derives the future lifestyle index value data of the user based on the correlation data with the . Correlation data includes first relational expression data representing the relationship between brain volume data and lifestyle index data created based on past brain volume data and lifestyle index value data actually measured in the past. , the difference between the lifestyle index value data actually measured at the first time point in the past and the prediction data obtained by predicting the lifestyle index value data from the data related to the brain volume at the first time point based on the data of the first relational expression. first difference data, second difference data that is the difference between the lifestyle index value data actually measured at the first time point and the lifestyle index value data actually measured at the second time point after the first time point; and second relational expression data representing a relationship between the difference data and the second difference data. The lifestyle index value data deriving unit derives the future user's lifestyle index value data from the brain volume data based on the second relational expression data.
このような生活習慣予測プログラムによれば、将来的な生活習慣を正確に予測することができる。 According to such a lifestyle prediction program, a future lifestyle can be accurately predicted.
本開示に係る記憶媒体は、サーバーを備え、将来のユーザの生活習慣を予測するための生活習慣予測システムに用いられ、コンピューター読み取り可能な記録媒体であって、サーバーを、ユーザの脳の形態に関する画像データまたはユーザの脳の機能に関する画像データである脳状態画像データを取得する脳状態画像データ取得部、脳状態画像データ取得部により取得されたユーザの脳状態画像データから、ユーザの脳の体積に関するデータを抽出する脳体積関連データ抽出部、および脳体積関連データ抽出部により抽出されたユーザの脳の体積に関するデータから、脳の体積に関するデータと生活習慣に関するデータである生活習慣指標値データとの相関関係データに基づき、将来のユーザの生活習慣指標値データを導出する生活習慣指標値データ導出部として機能させる。相関関係データは、過去の脳の体積に関するデータおよび過去に実測した生活習慣指標値データに基づいて作成された脳の体積に関するデータと生活習慣指標値データとの関係を表す第1関係式データと、過去の第1時点において実測した生活習慣指標値データと、第1関係式データに基づいて第1時点における脳の体積に関するデータから生活習慣指標値データを予測した予測データと、の差分である第1差分データと、第1時点において実測した生活習慣指標値データと、第1時点よりも後の第2時点において実測した生活習慣指標値データとの差分である第2差分データと、第1差分データと第2差分データとの関係を表す第2関係式データと、を含む。生活習慣指標値データ導出部は、第2関係式データに基づいて、脳の体積に関するデータから将来のユーザの生活習慣指標値データを導出する。 A storage medium according to the present disclosure includes a server, is used in a lifestyle prediction system for predicting future lifestyle habits of a user, and is a computer-readable recording medium, wherein the server relates to the morphology of the user's brain. a brain state image data acquisition unit for acquiring image data or brain state image data that is image data relating to the functions of the user's brain; a brain volume-related data extraction unit that extracts data related to the brain volume, and from the data related to the user's brain volume extracted by the brain volume-related data extraction unit, data related to brain volume and lifestyle index value data that is data related to lifestyle habits Based on the correlation data, it functions as a lifestyle index value data deriving unit that derives the future lifestyle index value data of the user. Correlation data includes first relational expression data representing the relationship between brain volume data and lifestyle index data created based on past brain volume data and lifestyle index value data actually measured in the past. , the difference between the lifestyle index value data actually measured at the first time point in the past and the prediction data obtained by predicting the lifestyle index value data from the data related to the brain volume at the first time point based on the data of the first relational expression. first difference data, second difference data that is the difference between the lifestyle index value data actually measured at the first time point and the lifestyle index value data actually measured at the second time point after the first time point; and second relational expression data representing a relationship between the difference data and the second difference data. The lifestyle index value data deriving unit derives the future user's lifestyle index value data from the brain volume data based on the second relational expression data.
このような記憶媒体によれば、将来的な生活習慣を正確に予測することができる。 According to such a storage medium, it is possible to accurately predict future lifestyle habits.
今回開示された実施の形態はすべての点で例示であって、どのような面からも制限的なものではないと理解されるべきである。本発明の範囲は上記した意味ではなく、請求の範囲によって示され、請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。 It should be understood that the embodiments disclosed this time are illustrative in all respects and are not restrictive in any aspect. The scope of the present invention is not defined in the above-described sense, but is indicated by the scope of the claims, and is intended to include all modifications within the meaning and scope equivalent to the scope of the claims.
11 生活習慣予測システム、12 ネットワーク、13 サーバー、14 端末装置、15 タッチパネル、21 サーバーネットワークインターフェース部、22 サーバー制御部、23 サーバーハードディスク、31 端末装置ネットワークインターフェース部、32 端末装置制御部、33 端末装置メモリ、41 脳状態画像データ取得部、42 脳体積関連データ抽出部、43 生活習慣指標値データ導出部、51 相関関係データ、52 第1関係式データ、53 第1差分データ、54 第2差分データ、55 第2関係式データ。
11
Claims (10)
前記ユーザの脳の形態に関する画像データまたは前記ユーザの脳の機能に関する画像データである脳状態画像データを取得する脳状態画像データ取得部と、
前記脳状態画像データ取得部により取得された前記ユーザの脳状態画像データから、前記ユーザの脳の体積に関するデータを抽出する脳体積関連データ抽出部と、
前記脳体積関連データ抽出部により抽出された前記ユーザの脳の体積に関するデータから、前記脳の体積に関するデータと生活習慣に関するデータである生活習慣指標値データとの相関関係データに基づき、将来の前記ユーザの前記生活習慣指標値データを導出する生活習慣指標値データ導出部と、を含み、
前記相関関係データは、
過去の前記脳の体積に関するデータおよび過去に実測した前記生活習慣指標値データに基づいて作成された前記脳の体積に関するデータと前記生活習慣指標値データとの関係を表す第1関係式データと、
過去の第1時点において実測した前記生活習慣指標値データと、前記第1関係式データに基づいて前記第1時点における前記脳の体積に関するデータから前記生活習慣指標値データを予測した予測データと、の差分である第1差分データと、
前記第1時点において実測した前記生活習慣指標値データと、前記第1時点よりも後の第2時点において実測した前記生活習慣指標値データとの差分である第2差分データと、
前記第1差分データと前記第2差分データとの関係を表す第2関係式データと、を含み、
前記生活習慣指標値データ導出部は、前記第2関係式データに基づいて、前記脳の体積に関するデータから将来の前記ユーザの前記生活習慣指標値データを導出する、生活習慣予測装置。 A lifestyle prediction device for predicting a future user's lifestyle,
a brain state image data acquisition unit that acquires brain state image data that is image data related to the user's brain morphology or image data related to the user's brain function;
a brain volume-related data extraction unit that extracts data related to the brain volume of the user from the brain state image data of the user acquired by the brain state image data acquisition unit;
Based on correlation data between the brain volume-related data and lifestyle index value data, which is data related to lifestyle habits, from the user's brain volume-related data extracted by the brain volume-related data extraction unit, the future a lifestyle index value data deriving unit that derives the lifestyle index value data of the user;
The correlation data are
first relational expression data representing the relationship between the brain volume data and the lifestyle index value data created based on the past brain volume data and the lifestyle index value data actually measured in the past;
the lifestyle index value data actually measured at the first point in time in the past; prediction data obtained by predicting the lifestyle index value data from the data related to the brain volume at the first point in time based on the first relational expression data; the first difference data, which is the difference between
Second difference data, which is the difference between the lifestyle index value data actually measured at the first time point and the lifestyle index value data actually measured at a second time point after the first time point;
and second relational expression data representing the relationship between the first difference data and the second difference data,
The lifestyle prediction device, wherein the lifestyle index value data deriving unit derives the future lifestyle index value data of the user from the brain volume data based on the second relational expression data.
前記脳の機能に関する画像データは、前記脳のPET画像データおよび前記脳のSPECT画像データのうちの少なくともいずれか一つを含む、請求項1に記載の生活習慣予測装置。 the image data on the morphology of the brain includes at least one of the MRI image data of the brain and the X-ray CT image data of the brain;
2. The lifestyle prediction device according to claim 1, wherein said image data relating to brain function includes at least one of PET image data of said brain and SPECT image data of said brain.
前記サーバーは、
外部から前記ユーザの脳の形態に関する画像データまたは前記ユーザの脳の機能に関する画像データである脳状態画像データを取得する脳状態画像データ取得部と、
前記脳状態画像データ取得部により取得された前記ユーザの脳状態画像データから、前記ユーザの脳の体積に関するデータを抽出する脳体積関連データ抽出部と、
前記脳体積関連データ抽出部により抽出された前記ユーザの脳の体積に関するデータから、前記脳の体積に関するデータと生活習慣に関するデータである生活習慣指標値データとの相関関係データに基づき、将来の前記ユーザの前記生活習慣指標値データを導出する生活習慣指標値データ導出部と、を含み、
前記相関関係データは、
過去の前記脳の体積に関するデータおよび過去に実測した前記生活習慣指標値データに基づいて作成された前記脳の体積に関するデータと前記生活習慣指標値データとの関係を表す第1関係式データと、
過去の第1時点において実測した前記生活習慣指標値データと、前記第1関係式データに基づいて前記第1時点における前記脳の体積に関するデータから前記生活習慣指標値データを予測した予測データと、の差分である第1差分データと、
前記第1時点において実測した前記生活習慣指標値データと、前記第1時点よりも後の第2時点において実測した前記生活習慣指標値データとの差分である第2差分データと、
前記第1差分データと前記第2差分データとの関係を表す第2関係式データと、を含み、
前記生活習慣指標値データ導出部は、前記第2関係式データに基づいて、前記脳の体積に関するデータから将来の前記ユーザの前記生活習慣指標値データを導出する、生活習慣予測システム。 A lifestyle prediction system comprising a server for predicting a future user's lifestyle,
Said server
a brain state image data acquisition unit that externally acquires brain state image data, which is image data relating to the form of the user's brain or image data relating to the function of the user's brain;
a brain volume-related data extraction unit that extracts data related to the brain volume of the user from the brain state image data of the user acquired by the brain state image data acquisition unit;
Based on correlation data between the brain volume-related data and lifestyle index value data, which is data related to lifestyle habits, from the user's brain volume-related data extracted by the brain volume-related data extraction unit, the future a lifestyle index value data deriving unit that derives the lifestyle index value data of the user;
The correlation data are
first relational expression data representing the relationship between the brain volume data and the lifestyle index value data created based on the past brain volume data and the lifestyle index value data actually measured in the past;
the lifestyle index value data actually measured at the first point in time in the past; prediction data obtained by predicting the lifestyle index value data from the data related to the brain volume at the first point in time based on the first relational expression data; the first difference data, which is the difference between
Second difference data, which is the difference between the lifestyle index value data actually measured at the first time point and the lifestyle index value data actually measured at a second time point after the first time point;
and second relational expression data representing the relationship between the first difference data and the second difference data,
The lifestyle prediction system, wherein the lifestyle index value data deriving unit derives the future lifestyle index value data of the user from the brain volume data based on the second relational expression data.
前記ユーザの脳の形態に関する画像データまたは前記ユーザの脳の機能に関する画像データである脳状態画像データを取得する工程と、
取得された前記ユーザの脳状態画像データから、前記ユーザの脳の体積に関するデータを抽出する工程と、
抽出された前記ユーザの脳の体積に関するデータから、前記脳の体積に関するデータと生活習慣に関するデータである生活習慣指標値データとの相関関係データに基づき、将来の前記ユーザの前記生活習慣指標値データを導出する工程と、を含み、
前記相関関係データは、
過去の前記脳の体積に関するデータおよび過去に実測した前記生活習慣指標値データに基づいて作成された前記脳の体積に関するデータと前記生活習慣指標値データとの関係を表す第1関係式データと、
過去の第1時点において実測した前記生活習慣指標値データと、前記第1関係式データに基づいて前記第1時点における前記脳の体積に関するデータから前記生活習慣指標値データを予測した予測データと、の差分である第1差分データと、
前記第1時点において実測した前記生活習慣指標値データと、前記第1時点よりも後の第2時点において実測した前記生活習慣指標値データとの差分である第2差分データと、
前記第1差分データと前記第2差分データとの関係を表す第2関係式データと、を含み、
将来の前記ユーザの前記生活習慣指標値データを導出する工程は、前記第2関係式データに基づいて、前記脳の体積に関するデータから将来の前記ユーザの前記生活習慣指標値データを導出する、生活習慣予測装置が実行する生活習慣予測方法。 A lifestyle prediction method for predicting a future user's lifestyle, comprising:
a step of acquiring brain state image data, which is image data relating to the morphology of the user's brain or image data relating to the function of the user's brain;
a step of extracting data related to the volume of the user's brain from the acquired brain state image data of the user;
Future lifestyle index value data of the user based on correlation data between the brain volume data and the lifestyle index value data, which is data about lifestyle habits, from the extracted brain volume data of the user. and deriving
The correlation data are
first relational expression data representing the relationship between the brain volume data and the lifestyle index value data created based on the past brain volume data and the lifestyle index value data actually measured in the past;
the lifestyle index value data actually measured at the first point in time in the past; prediction data obtained by predicting the lifestyle index value data from the data related to the brain volume at the first point in time based on the first relational expression data; the first difference data, which is the difference between
Second difference data, which is the difference between the lifestyle index value data actually measured at the first time point and the lifestyle index value data actually measured at a second time point after the first time point;
and second relational expression data representing the relationship between the first difference data and the second difference data,
The step of deriving the future lifestyle index value data of the user derives the future lifestyle index value data of the user from the brain volume data based on the second relational expression data . A lifestyle prediction method executed by a habit prediction device .
前記サーバーを、
前記ユーザの脳の形態に関する画像データまたは前記ユーザの脳の機能に関する画像データである脳状態画像データを取得する脳状態画像データ取得部、
前記脳状態画像データ取得部により取得された前記ユーザの脳状態画像データから、前記ユーザの脳の体積に関するデータを抽出する脳体積関連データ抽出部、および
前記脳体積関連データ抽出部により抽出された前記ユーザの脳の体積に関するデータから、前記脳の体積に関するデータと生活習慣に関するデータである生活習慣指標値データとの相関関係データに基づき、将来の前記ユーザの前記生活習慣指標値データを導出する生活習慣指標値データ導出部として機能させ、
前記相関関係データは、
過去の前記脳の体積に関するデータおよび過去に実測した前記生活習慣指標値データに基づいて作成された前記脳の体積に関するデータと前記生活習慣指標値データとの関係を表す第1関係式データと、
過去の第1時点において実測した前記生活習慣指標値データと、前記第1関係式データに基づいて前記第1時点における前記脳の体積に関するデータから前記生活習慣指標値データを予測した予測データと、の差分である第1差分データと、
前記第1時点において実測した前記生活習慣指標値データと、前記第1時点よりも後の第2時点において実測した前記生活習慣指標値データとの差分である第2差分データと、
前記第1差分データと前記第2差分データとの関係を表す第2関係式データと、を含み、
前記生活習慣指標値データ導出部は、前記第2関係式データに基づいて、前記脳の体積に関するデータから将来の前記ユーザの前記生活習慣指標値データを導出する、生活習慣予測システム用プログラム。 A lifestyle prediction system program comprising a server and used in a lifestyle prediction system for predicting the lifestyle of a future user,
the server,
a brain state image data acquisition unit that acquires brain state image data that is image data related to the user's brain morphology or image data related to the user's brain function;
a brain volume-related data extraction unit for extracting data related to the volume of the user's brain from the brain state image data of the user acquired by the brain state image data acquisition unit; From the data on the brain volume of the user, the future lifestyle index value data of the user is derived based on the correlation data between the data on the brain volume and the lifestyle index value data that is the data on the lifestyle. Function as a lifestyle index value data derivation unit,
The correlation data are
first relational expression data representing the relationship between the brain volume data and the lifestyle index value data created based on the past brain volume data and the lifestyle index value data actually measured in the past;
the lifestyle index value data actually measured at the first point in time in the past; prediction data obtained by predicting the lifestyle index value data from the data related to the brain volume at the first point in time based on the first relational expression data; the first difference data, which is the difference between
Second difference data, which is the difference between the lifestyle index value data actually measured at the first time point and the lifestyle index value data actually measured at a second time point after the first time point;
and second relational expression data representing the relationship between the first difference data and the second difference data,
A program for a lifestyle prediction system, wherein the lifestyle index value data deriving unit derives the future lifestyle index value data of the user from the brain volume data based on the second relational expression data.
前記サーバーを、
前記ユーザの脳の形態に関する画像データまたは前記ユーザの脳の機能に関する画像データである脳状態画像データを取得する脳状態画像データ取得部、
前記脳状態画像データ取得部により取得された前記ユーザの脳状態画像データから、前記ユーザの脳の体積に関するデータを抽出する脳体積関連データ抽出部、および
前記脳体積関連データ抽出部により抽出された前記ユーザの脳の体積に関するデータから、前記脳の体積に関するデータと生活習慣に関するデータである生活習慣指標値データとの相関関係データに基づき、将来の前記ユーザの前記生活習慣指標値データを導出する生活習慣指標値データ導出部として機能させ、
前記相関関係データは、
過去の前記脳の体積に関するデータおよび過去に実測した前記生活習慣指標値データに基づいて作成された前記脳の体積に関するデータと前記生活習慣指標値データとの関係を表す第1関係式データと、
過去の第1時点において実測した前記生活習慣指標値データと、前記第1関係式データに基づいて前記第1時点における前記脳の体積に関するデータから前記生活習慣指標値データを予測した予測データと、の差分である第1差分データと、
前記第1時点において実測した前記生活習慣指標値データと、前記第1時点よりも後の第2時点において実測した前記生活習慣指標値データとの差分である第2差分データと、
前記第1差分データと前記第2差分データとの関係を表す第2関係式データと、を含み、
前記生活習慣指標値データ導出部は、前記第2関係式データに基づいて、前記脳の体積に関するデータから将来の前記ユーザの前記生活習慣指標値データを導出する、生活習慣予測システム用プログラムを記録したコンピューター読み取り可能な記録媒体。
A computer-readable recording medium comprising a server and used in a lifestyle prediction system for predicting the lifestyle of a future user,
the server,
a brain state image data acquisition unit that acquires brain state image data that is image data related to the user's brain morphology or image data related to the user's brain function;
a brain volume-related data extraction unit for extracting data related to the volume of the user's brain from the brain state image data of the user acquired by the brain state image data acquisition unit; From the data on the brain volume of the user, the future lifestyle index value data of the user is derived based on the correlation data between the data on the brain volume and the lifestyle index value data that is the data on the lifestyle. Function as a lifestyle index value data derivation unit,
The correlation data are
first relational expression data representing the relationship between the brain volume data and the lifestyle index value data created based on the past brain volume data and the lifestyle index value data actually measured in the past;
the lifestyle index value data actually measured at the first point in time in the past; prediction data obtained by predicting the lifestyle index value data from the data related to the brain volume at the first point in time based on the first relational expression data; the first difference data, which is the difference between
Second difference data, which is the difference between the lifestyle index value data actually measured at the first time point and the lifestyle index value data actually measured at a second time point after the first time point;
and second relational expression data representing the relationship between the first difference data and the second difference data,
The lifestyle index value data derivation unit records a lifestyle prediction system program for deriving the future lifestyle index value data of the user from the brain volume data based on the second relational expression data. computer-readable recording medium.
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2022/034376 WO2024057436A1 (en) | 2022-09-14 | 2022-09-14 | Lifestyle prediction device, lifestyle prediction system, lifestyle prediction method, lifestyle prediction program, and recording medium |
Publications (2)
Publication Number | Publication Date |
---|---|
JP7266807B1 true JP7266807B1 (en) | 2023-05-01 |
JPWO2024057436A1 JPWO2024057436A1 (en) | 2024-03-21 |
Family
ID=86239426
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022570215A Active JP7266807B1 (en) | 2022-09-14 | 2022-09-14 | Lifestyle prediction device, lifestyle prediction system, lifestyle prediction method, lifestyle prediction program, and recording medium |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7266807B1 (en) |
WO (1) | WO2024057436A1 (en) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018191722A (en) * | 2017-05-12 | 2018-12-06 | 株式会社Splink | Server system, and method and program executed by server system |
JP2021099608A (en) * | 2019-12-20 | 2021-07-01 | 株式会社Splink | System and method of presenting risk of dementia |
JP7116445B1 (en) * | 2021-10-01 | 2022-08-10 | 株式会社CogSmart | Dementia prevention support device, dementia prevention support program, and dementia prevention support method |
-
2022
- 2022-09-14 WO PCT/JP2022/034376 patent/WO2024057436A1/en unknown
- 2022-09-14 JP JP2022570215A patent/JP7266807B1/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018191722A (en) * | 2017-05-12 | 2018-12-06 | 株式会社Splink | Server system, and method and program executed by server system |
JP2021099608A (en) * | 2019-12-20 | 2021-07-01 | 株式会社Splink | System and method of presenting risk of dementia |
JP7116445B1 (en) * | 2021-10-01 | 2022-08-10 | 株式会社CogSmart | Dementia prevention support device, dementia prevention support program, and dementia prevention support method |
Also Published As
Publication number | Publication date |
---|---|
JPWO2024057436A1 (en) | 2024-03-21 |
WO2024057436A1 (en) | 2024-03-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210322102A1 (en) | Systems and methods of processing images to determine patient-specific plaque progression based on the processed images | |
KR102358996B1 (en) | Systems and methods for estimating blood flow characteristics from vessel geometry and physiology | |
JP5185785B2 (en) | Health condition judgment device | |
JP7509960B2 (en) | Mild cognitive impairment assessment system | |
CN105138813B (en) | Patient data is mapped as another system and method from a kind of physiological status | |
JP6635507B2 (en) | Mental state determination method and mental state determination program | |
US11529105B2 (en) | Digital twin updating | |
IL280428A (en) | Dementia risk presentation system and method | |
WO2020187987A1 (en) | Population-level gaussian processes for clinical time series forecasting | |
WO2017055958A1 (en) | Challenge value icons for radiology report selection | |
JP7008017B2 (en) | Systems and methods to generate accurate radiology recommendations | |
JP7266807B1 (en) | Lifestyle prediction device, lifestyle prediction system, lifestyle prediction method, lifestyle prediction program, and recording medium | |
CN110911011A (en) | Sepsis early warning device, equipment and storage medium | |
JP5388564B2 (en) | Diabetes care support system, computer program, and recording medium | |
JP5033541B2 (en) | Waist circumference estimation device | |
KR102378093B1 (en) | System, method and computer readable medium for generating disease prediction | |
CN118020111A (en) | Medical assessment system and method using add-on modules | |
Tomlinson et al. | Smoothing effect in vital sign recordings: fact or fiction? A retrospective cohort analysis of manual and continuous vital sign measurements to assess data smoothing in postoperative care | |
WO2021009088A1 (en) | Model to dynamically predict patient's discharge readiness in general ward | |
JP2021532445A (en) | Incorporating contextual data into clinical assessments | |
JP2010097476A (en) | Image retrieval apparatus and image retrieval method | |
JP7322818B2 (en) | Estimation system and simulation system | |
US20220319650A1 (en) | Method and System for Providing Information About a State of Health of a Patient | |
JP2021119786A (en) | INFORMATION PROVIDING DEVICE, INFORMATION PROVIDING METHOD, AND miRNA IMPORTANCE TABLE GENERATING METHOD | |
KR20220053382A (en) | Apparatus for diagnosing parkinson's disease and method thereof |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221116 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20221116 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230228 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230303 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230328 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230407 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7266807 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |