JP7322818B2 - 推定システム及びシミュレーションシステム - Google Patents
推定システム及びシミュレーションシステム Download PDFInfo
- Publication number
- JP7322818B2 JP7322818B2 JP2020099604A JP2020099604A JP7322818B2 JP 7322818 B2 JP7322818 B2 JP 7322818B2 JP 2020099604 A JP2020099604 A JP 2020099604A JP 2020099604 A JP2020099604 A JP 2020099604A JP 7322818 B2 JP7322818 B2 JP 7322818B2
- Authority
- JP
- Japan
- Prior art keywords
- information
- behavior information
- subject
- probability
- pseudo
- 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
Images
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Description
被験者の属性を表し属性情報と、当該被験者の行動状況を表す行動情報とから、当該被験者が軽度認知障害に該当する確率を推定可能な第1推定モデルと、時系列の特定時点における前記被験者に関する前記属性情報と、前記特定時点における前記被験者に関する前記行動情報とから、前記特定時点よりも後の時点における前記被験者に関する行動情報を推定可能な第2推定モデルと、を記憶可能なモデル記憶部と、
前記属性情報と、前記行動情報と、に基づいて、前記被験者が軽度認知障害に該当する確率を推定するMCI推定部と、
時系列の第1時点における前記被験者に関する前記属性情報と、前記第1時点における前記被験者に関する前記行動情報と、を前記第2推定モデルに適用して前記第1時点より後の第2時点における前記被験者に関する行動情報を推定することで、推定行動情報を生成する行動情報シミュレータと、を有し、
前記MCI推定部は、前記第2時点における前記被験者に関する前記属性情報と、前記行動情報シミュレータにより推定された前記第2時点における前記推定行動情報と、を前記第1推定モデルに適用することで、前記第2時点において、前記被験者が軽度認知障害に該当する確率を推定する。
被験者の属性を表す属性情報と、当該被験者の行動状況を表す行動情報とから、当該被験者が軽度認知障害に該当する確率を推定可能な第1推定モデルを記憶可能なモデル記憶部と、
前記行動情報の少なくとも一部を加工することで、仮想の行動を表す疑似行動情報を生成する疑似行動情報生成部と、
前記属性情報と、前記疑似行動情報と、を前記第1推定モデルに適用することで、前記疑似行動情報により表される仮想の行動を実行した場合に、前記被験者が軽度認知障害に該当する確率を表す第1の確率を推定するMCIシミュレータと、を備える。
図1に例示する構成において、MCI推定システム101は、データ入力部10と、モデル記憶部20と、MCI推定部30とを有する。図1に例示するMCI推定システム101の構成は一つの具体例であり、例示された構成要素のうち、一つ以上の構成要素が統合されてもよく、一つの構成要素が更に複数の構成要素に細分化されてもよい。
なお、以下においては、説明の便宜上、MCI推定システム101を利用する人(利用者、ユーザ)や、MCI推定システム101を用いて軽度認知障害の可能性を推定する対象となる人を、単にまとめて「ユーザ」あるいは「被験者」と記載することがある。
なお、MCI推定システム101は、データ入力部10を備えずともよい。その場合、被験者の属性情報、センサデータ等は、例えば、予めMCI推定システム101に提供されてもよく、MCI推定システム101がアクセス可能な記憶装置に記憶されてもよい。
被験者の行動情報は、被検者の行動状況を表す情報であり、例えば、センサデータに基づいた演算・加工処理により数値(データ)を算出することにより生成されてもよい。係る行動情報は、換言すると、センサデータに基づいて求められた、被験者の実際の行動を表すと推認される情報であってもよい。
センサデータは、例えば、特定の期間の間に測定された測定データを加工することで得られる値(例えば、測定データの平均値、中央値等)であってもよい。行動状況を表すデータは、例えば、身体的活動、環境変化等、被験者に関連する何らかの活動を表すデータを含んでもよい。
係る属性情報は、データ入力部10に入力データとして与えられてもよい。また、行動情報は、データ入力部10に入力データとして与えられたセンサデータから算出されてもよい。
具体的には、第1推定モデル21は、例えば、被験者の属性情報と、被験者の行動情報とから、当該被験者に関する軽度認知障害の推定に使用可能な情報として、当該被験者が軽度認知障害に該当する確率を推定するモデルを含んでもよい。
第1推定モデル21に含まれるモデルは、データ提供者の属性情報と、当該データ提供者の行動状況を表す行動情報とを用いて作成されてもよい。係る第1推定モデル21は、例えば、データ提供者の属性情報と、データ提供者の行動情報、及び、当該データ提供者が軽度認知障害に該当するかを表すラベル情報を少なくとも含むデータセットに基づいて作成(学習)されてもよい。係るモデルは、具体的には、このデータセットに含まれる属性情報と行動情報とを説明変数とし、ラベル情報を目的変数として用いる分析処理により作成されてもよい。
MCI推定システム101は、このように作成された第1推定モデル21と、被験者の属性情報と、被験者の行動情報とを用いることにより、当該被験者に関する軽度認知障害の推定に使用可能な情報(例えば、被験者が軽度認知障害に該当する確率)を推定してもよい。
要因情報算出モデルは、被験者の属性情報と、被験者の行動情報とから被験者の軽度認知障害の判定に影響する要因情報を推定可能なモデルである。推定情報算出モデルは、被験者の属性情報と、被験者の要因情報とから、当該被験者に関する軽度認知障害の推定に使用可能な情報を推定するモデルである。要因情報は、例えば、精神状態短時間検査(MMSE:Mini Mental State Examination)点数、脳糖代謝率、海馬体積、灰白質体積、アミロイドβ蓄積量等の情報のうち一つ以上の情報であってもよい。要因情報推定モデルは、例えば、MMSE点数推定モデル、脳糖代謝率推定モデル、海馬体積推定モデル、灰白質体積推定モデル、アミロイドβ蓄積量推定モデル等のモデルのうち一以上のモデルを含んでもよい。MCI推定システム101は、このモデルを用いることによって、例えば、ある被験者に関する軽度認知障害を推定する過程において、当該被験者に関する要因情報の推定値を算出してもよい。また、この要因情報算出モデルを含むMCI推定システムは、要因情報推定システムとして利用されてもよい。
さらに、ある態様として、第1推定モデル21は、例えば、上記要因情報の少なくとも一部を、データ提供者の属性情報として含むデータセットに基づいて作成されてもよい。
この場合、第1推定モデル21は、例えば、データ提供者の属性情報、データ提供者の行動情報、データ提供者から取得された軽度認知障害の判定に影響する要因情報と、データ提供者が軽度認知障害に該当するかを表すラベル情報と、を少なくとも含むデータセットに基づいて、当該データセットに含まれる上記属性情報と、上記行動情報と、上記要因情報と、を説明変数とし、上記ラベル情報を目的変数とした分析処理により作成されてもよい。換言すると、この場合、属性情報と、要因情報とは。特段区別されずにまとめて扱われてもよい。
図2に例示するMCI推定システム101aは、データ入力部10が属性情報入力部11及びセンサデータ入力部12を有する点と、データ加工部15を有する点と、表示部70を有する点において、図1に示すMCI推定システム101の構成と相違する。その他の図2に示すMCI推定システム101aの構成は、図1に示すMCI推定システム101の構成と同様としてもよいので、同一の符号を付して、説明を省略する。
なお、一態様として、行動情報変換部16に相当する構成がセンサ装置200に設けられてもよい。この場合は、行動情報3がセンサデータ2の少なくとも一部として、センサデータ入力部12に入力されてもよい。また、この場合、MCI推定システム101aは、行動情報変換部16を備えなくともよい。
ユーザインタフェース80は、第1コンポーネント81と、第2コンポーネント82と、第3コンポーネント83とを含んでもよい。第1コンポーネント81は、行動情報3を表示可能な領域であってもよい。第2コンポーネント82は、属性情報1を表示可能な領域であってもよい。第3コンポーネント83は、MCI推定部30で推定された軽度認知障害に該当する確率を表示可能な領域であってもよい。MCI推定部30が、被験者に関する要因情報の推定値を算出する場合、第3コンポーネント83は要因情報を表示可能に構成されてもよい。
また、表示部70の代わりに、あるいは、表示部70と共に、各コンポーネントに表示可能な情報を印刷するプリンタが用いられてもよいし、係る情報を電子情報として伝送する通信デバイスが用いられてもよい。
図3は、図2に例示するMCI推定システムにより実行される軽度認知障害の推定方法の処理を例示するフロー図である。
なお、上記処理とは別に、センサ装置200により、センサデータの取得処理(ステップS10)が実行されてもよい。
被験者が装着したセンサ装置200により、被験者に関するセンサデータが取得される(ステップS10)。この際、センサ装置200は、例えば、センサ素子201を用いて測定されたセンサデータを、センサデータ記憶部202に記憶してもよい。
属性情報入力部11に入力された属性情報1は、データ統合部17に提供されてもよい。また、センサデータ2は、行動情報変換部16に提供されてもよい。
MCI推定部30は、ステップS20において推定された確率に基づいて、被験者が軽度認知障害に該当するか否かを推定してもよい。例えば、MCI推定システム101aは、ステップS20において推定された軽度認知障害に該当する確率と、特定の閾値(例えば、特定のカットオフ値)と、を比較することにより、被験者が軽度認知障害であるか否かを推定してもよい。推定された軽度認知障害に該当する確率は、表示部70に送られてもよい。
まず、モデルの作成には、一人以上の人から収集されたデータが用いられる。以下、モデルの作成に用いられるデータの提供元となった人を、単にデータ提供者と記載することがある。また、データ提供者から収集されたデータを、単に収集データと記載することがある。データ提供者は、適切に選定された、被験者以外の第三者であってもよい。なお、場合によっては、データ提供者に被験者が含まれてもよい。
あるデータ提供者に関する行動情報は、例えば、データ提供者が装着したセンサ装置から取得されたセンサデータに基づいて算出されてもよく、その他の適切な手段(例えば、アンケートや問診等によるデータ提供者からの直接的な情報収集)を用いて収集されてもよい。あるデータ提供者に関する要因情報は、例えば、予め当該データ提供者について医学的な検査、測定、診断などを実施することにより収集されてもよい。
データ提供者に関する属性情報は、例えば、データ提供者に対して予め実施した問診票、アンケート、事前診断等から取得されてもよい。
データ提供者から収集された収集データが、健常者から収集されたデータと、それ以外のデータ(即ち、軽度認知障害(AD型軽度認知障害と非AD型軽度認知障害を含む)から収集されたデータ)とに分類される。この際、分類された収集データには、データ提供者が分類されるカテゴリを表す情報(例えば、「健常」、「軽度認知障害」などのラベル)が付与されてもよい。
例えば、重回帰分析あるいはSVM回帰分析用いる場合、概略以下の式(1)、式(2)で表されるモデルが作成されてもよい。
Z=w0+w1×x1+w2×x3+w3×x3+・・・wN×xN (2)
これらのモデルを作成する際、周知の学習アルゴリズム(例えば、重回帰分析であれば二乗誤差最小化、SVMであればマージン最大化、ニューラルネットワークであればバックプロパゲーション等)が用いられてもよい。
図11に例示する構成において、MCI推定システム102は、データ入力部10と、モデル記憶部20と、MCI推定部30と、行動情報シミュレータ40と、を有する。モデル記憶部20は、第1推定モデル21と、第2推定モデル22とを記憶可能に構成される。図11に示すMCI推定システム102は、モデル記憶部20が第2推定モデル22を記憶可能に構成されている点と、行動情報シミュレータ40とを有する点において、図1に示すMCI推定システム101と相違する。また、図11に示すMCI推定システム102は、MCI推定部30にて被験者が軽度認知障害に該当する確率を推定する方法が、図1に示すMCI推定システム101と相違する。その他の図11に示すMCI推定システム102の構成に関しては、図1に示すMCI推定システム101の構成と同様としてもよいので、同一の符号を付して、説明を省略する。
時系列の複数の時点は、例えば、ある特定時点と、その特定時点より後の他の複数の時点とを含んでもよい。一つの具体例として第2データセットには、ある特定時点を基準として、所定期間ごとに収集されたデータが含まれてもよい。そのようなデータは、例えば、ある時点を基準として1日ごと、1週間ごと、1か月ごと、半年ごと、1年ごとに収集された複数のデータであってもよい。
第2推定モデル22は、また、第2データセットに含まれる時系列の特定時点におけるデータ提供者の属性情報とデータ提供者行動情報とを説明変数として、特定時点より後の他の時点における当該データ提供者の行動情報を目的変数として用いる分析処理により作成されてもよい。
例えば、第2データセットに、ある時点(以下「T0時点」と記載する)を基準として1年後(T1時点と記載)、2年後(T2時点と記載)、3年後(T3時点と記載)のデータ提供者の属性情報と、当該データ提供者の行動情報と、が含まれることを想定する。この場合、第2推定モデルは、例えば、説明変数としてT0時点におけるデータ提供者の属性情報と、データ提供者の行動情報が設定され、目的変数としてT1時点における当該データ提供者の行動情報が設定されたデータと、説明変数としてT1時点におけるデータ提供者の属性情報と、データ提供者の行動情報が設定され、目的変数としてT2時点における当該データ提供者の行動情報が設定されたデータと、説明変数としてT2時点におけるデータ提供者の属性情報と、データ提供者の行動情報が設定され、目的変数としてT3時点における当該データ提供者の行動情報が設定されたデータと、を用いた分析処理により作成されてもよい。
このようにして作成された第2推定モデルは、例えば、入力として与えられる被験者の属性情報と、被験者の行動情報から、1年後の当該被験者の行動情報の推定値を提供することが可能である。
具体例として、行動情報に歩行時間が含まれる場合、第2推定モデルを使用することで、ある特定の時点における被験者の歩行時間と、被験者の属性情報とから、1年後の当該被験者の歩行時間を推定することが可能となる。
なお、第2推定モデル22の作成に用いる属性情報及び行動情報のデータ提供者は、例えば、前述の第1推定モデル21の作成に用いる属性情報と行動情報のデータ提供者と同一の提供者を含んでもよく、異なるデータ提供者を含んでもよい。
第1時点は特に限定されない。第1時点は、例えば、センサデータが測定された時点であってもよい。また、第1時点は、例えば、センサデータに基づいて被験者の行動情報が生成された時点であってもよい。複数のセンサデータがMCI推定システム102に提供される場合、第1時点は、例えば、最も新しいセンサデータが測定された時点であってもよい。また、第1時点は、例えば、センサデータがMCI推定システム102に提供された時点であってもよい。また、第1時点は、例えば、被験者がMCI推定システム102を利用する時点であってもよい。この場合、被験者がMCI推定システム102を利用する時点において、MCI推定システム102に提供されている、最新のセンサデータに基づいて算出された行動情報が用いられてもよい。第1時点は、また、被験者が選択可能であってもよい。この場合、被験者が選択した第1時点に近いタイミングで測定されたセンサデータから生成された行動情報が用いられてもよい。
行動情報は、睡眠時間、会話時間、歩行時間、UV照射時間、脈拍、皮膚温度、体温などの時系列で変化する少なくとも一つの情報を含む。すなわち、行動情報シミュレータ40は、上記の行動情報が測定された第1時点における属性情報と行動情報と、第2推定モデル22とを用いて、将来(第1時点より後の第2時点)における被験者の行動情報を推定するように構成される。
第2時点における被験者の属性情報が、年齢などの時間の経過により変わる情報である場合、MCI推定部30は第2時点における属性情報を第1時点における属性情報に基づいて算出してもよい。一方、第2時点における被験者の属性情報が、性別、教育歴、既往歴、生活習慣年齢などの時系列で変わらない情報である場合、MCI推定部30は、第1時点における被験者の属性情報を第2時点における属性情報として用いてもよい。
図12に示すMCI推定システム102aは、データ入力部10が属性情報入力部11とセンサデータ入力部12を有する点と、データ加工部15を有する点と、表示部70を有する点において、図11に示すMCI推定システム102と相違する。その他の図12に示すMCI推定システム102の構成は、図11に示すMCI推定システム102の構成と同様としてもよいので、同一の符号を付して、説明を省略する。
行動情報変換部16は、センサデータ2に含まれる行動状況を表すデータに基づいて被験者の行動情報3を算出するように構成される。データ統合部17は、被験者の属性情報1と、被験者の行動情報3の少なくとも一部とから、MCI推定部30において利用されるデータを統合することにより、データセットを作成するように構成される。データクレンジング部18は、データセットに含まれるデータの重複や誤記などのエラーを検出し、検出されたエラーの削除あるいは修正するように構成される。なお、図12に示すMCI推定システム102aのデータ加工部15は、図2に示すMCI推定システム101aのデータ加工部15と同様に構成されてもよい。
ユーザインタフェース80は、行動情報3を表示可能な領域である第1コンポーネント81と、属性情報1を表示可能な領域である第2コンポーネント82と、MCI推定部30で推定された軽度認知障害に該当する確率を表示可能な領域である第3コンポーネント83とを含んでもよい。第1コンポーネント81は、推定行動情報4を表示可能であってもよい。また、MCI推定部30が第1時点において被験者が軽度認知障害に該当する確率を算出するように構成されている場合、第3コンポーネント83は、第1時点における軽度認知障害に該当する確率を表示するように構成されてもよい。
図13は、図12に示すMCI推定システムにより実行される軽度認知障害の推定方法の処理を例示するフロー図である。
センサ装置200において取得されたセンサデータ2が、MCI推定システム102aに提供される(ステップS12)。提供されるセンサデータには、例えば、ある時点(第1時点)以前において取得されたデータが含まれてもよい。
MCI推定システム102a(具体的には、データクレンジング部18)は、データセットに含まれるデータの重複や誤記などのエラーを削除あるいは修正することで、データをクレンジングする(ステップS15)。なお、以上のステップS11からステップS15までの処理は、図3に示すMCI推定システム101aにより実行される軽度認知障害の推定方法と同様としてもよい。
属性情報が時間の経過により変わる情報である場合(例えば、年齢等)、第2時点における被験者の属性情報として、第1時点における被験者の属性情報1に基づいてMCI推定部30により算出された値が使用されてもよい。一方、属性情報が時系列で変わらない情報である場合、第2時点における被験者の属性情報として、第1時点における被験者の属性情報1が使用されてもよい。MCI推定部30は、更に、第1時点における被験者の属性情報1と、行動情報3とを、第1推定モデル21に適用することで、第1時点における被験者が軽度認知障害に該当する確率を算出してもよい。
図14に示す具体例の場合、行動情報3及び推定行動情報4は、「歩行」、「睡眠」、「会話」に関する情報であり、例えば、これらの実行時間であってもよい。図14に示す具体例では、第1時点における行動情報3は「現行」、第2時点における推定行動情報4は、「1年後」、「2年後」、「3年後」、「4年後」と表示されている。
図15に例示する構成において、MCI推定システム103は、データ入力部10と、モデル記憶部20と、MCI推定部30と、を有する。モデル記憶部20は第1推定モデル21と、第3推定モデル23とが記憶される。また、MCI推定部30は、軽度認知障害確率推定部(以下、「MCI確率推定部」と記載することがある)31と、アルツハイマー型軽度認知障害確率推定部(以下、「AD型MCI確率推定部」と記載することがある)32とを有する。図15に示すMCI推定システム102は、モデル記憶部20が第3推定モデル23を記憶可能とされている点と、MCI推定部30がMCI確率推定部31と、AD型MCI確率推定部32とを有する点において、図1に示すMCI推定システム101と相違する。その他の図15に示すMCI推定システム102の構成は、図1に示すMCI推定システム101の構成と同様としてもよいので、同一の符号を付して、説明を省略する。
以下、説明の便宜上、特定の被験者に関する軽度認知障害の推定に使用可能な情報の具体例として、当該被験者が軽度認知障害に該当する確率が例示されるが、本開示に係る技術はこれに限定されない。
これにより、MCI推定システム101は、被験者の属性情報と、被験者の行動情報と、第3推定モデル23とを用いることで、被験者に関するAD型軽度認知障害の推定に使用可能な情報(例えば、被験者が軽度認知障害に該当する確率)を推定することができる。なお、第3推定モデル23を作成する際に用いられる分析の手法は特に制限されず、例えば、上記説明した第1推定モデル21、第2推定モデル22などと同様の方法が採用されてもよい。具体的には、第3推定モデル23は、例えば、二項ロジスティック回帰分析、サポートベクタマシーン(SVM)回帰分析、ランダムフォレスト回帰分析、ニューラルネットワーク等を用いて作成されてもよい。
なお、MCI確率推定部31は、例えば、被験者が非AD型の軽度認知障害に該当する確率を算出するよう構成されてもよく、被験者がAD型か否かによらず軽度認知障害に該当する確率を算出するよう構成されてもよい。これは、第1推定モデル21を作成する際に用いられるデータを適宜調整することで実現可能である。この場合、例えば、第1推定モデル21を作成する際に用いられるデータについて、AD型の軽度認知障害と、それ以外とを分類するようなラベルが予め付与されてもよい。
図16に示すMCI推定システム103aは、データ入力部10が、属性情報入力部11とセンサデータ入力部12を有する点、データ加工部15を有する点と、表示部70を有する点において、図15に示すMCI推定システム103と相違する。その他の図16に示すMCI推定システム103aの構成は、図15に示すMCI推定システム103の構成と同様としてもよいので、同一の符号を付して、説明を省略する。
行動情報変換部16は、センサデータ2に含まれる行動状況を表すデータに基づいて被験者の行動情報3を算出するように構成される。データ統合部17は、被験者の属性情報1と、被験者の行動情報3との少なくとも一部から、MCI推定部30において利用されるデータを統合することにより、データセットを作成するように構成される。データクレンジング部18は、データセットに含まれるデータの重複や誤記などのエラーを検出し、検出されたエラーの削除あるいは修正するように構成される。なお、図16に示すMCI推定システム103aのデータ加工部15は、図2に示すMCI推定システム101aのデータ加工部15と同様に構成されてもよい。
ユーザインタフェース80は、第1コンポーネント81と、第2コンポーネント82と、第3コンポーネント83とを含んでもよい。第1コンポーネント81は、被験者の行動情報3を表示可能な領域であってもよい。第1コンポーネント81は、推定行動情報4を表示可能であってもよい。第2コンポーネント82は、被験者の属性情報1を表示可能な領域であってもよい。第3コンポーネント83は、MCI推定部30で推定された、被験者が軽度認知障害に該当する確率、及び、AD型軽度認知障害に該当する確率を表示可能な領域であってもよい。
図17は、図16に示すMCI推定システム103aにより実行される軽度認知障害の推定方法の処理を例示するフロー図である。
なお、上記に限定されず、MCI推定システム102aは、例えば、ステップS40の処理に先立ってステップS42の処理を実行してもよく、ステップS40の処理と、ステップS42の処理とを併せて実行してもよい。
図18は、図17に示すMCI推定システム103aの処理により表示可能なユーザインタフェース80dの一例を示す説明図である。
第2コンポーネント82dには、属性情報1が表示されてもよい。図18に示す具体例の場合、ある特定時間(図18においては「現行」と表示されている)での「飲酒」、「喫煙」、「高血圧」に関する情報が表示されている。
第3コンポーネント83dには、被験者が軽度認知障害に該当する確率が表示されてもよい。また、第3コンポーネント83aには、被験者がAD型軽度認知障害に該当する確率とが表示されてもよい。
図19に例示する構成において、MCIシミュレーションシステム111は、データ入力部10と、第1推定モデル21を記憶するモデル記憶部20と、疑似行動情報生成部50と、MCIシミュレータ60とを有する。モデル記憶部20は、データを記憶可能な記憶部(記憶装置)である。モデル記憶部20を実現可能な記憶装置の構成は、特に限定されない。
図19に示すMCIシミュレーションシステム111は、疑似行動情報生成部50と、MCIシミュレータ60とを有する点とにおいて、図1に示すMCI推定システム101と相違する。その他の図19に示すMCIシミュレーションシステム111の構成は、図11に示すMCI推定システム102の構成と同様としてもよいので、同一の符号を付して、説明を省略する。
疑似行動情報生成部50は、例えば、複数の異なる行動情報を生成することで、疑似行動情報セットを作成するように構成されてもよい。疑似行動情報生成部50は、例えば、被験者に関する少なくとも一部の行動情報について、ある基準値を設定し、当該基準値をある差分ずつ増加または減少させた疑似行動情報を生成することで、一連の疑似行動情報セットを作成してもよい。基準値としては、例えば、あるタイミングにおける行動情報の値が選択されてもよい。基準値に対する差分の値は、行動情報に応じて適宜設定されてもよい。
第1の確率が第2の確率よりも低い場合、被験者が疑似行動情報により表される行動を採用することで、軽度認知障害に該当する確率が低減される可能性がある。即ち、上記のように生成された改善行動情報には、被験者が軽度認知障害に該当する確率を低減可能な行動情報の候補が含まれる。
一具体例として、行動情報に歩数が含まれることを想定する。センサデータより算出された被験者の実際の行動を表すと推認される行動情報(歩数)が、仮に、5000歩であると仮定する。これに対して、例えば、疑似行動として、複数の歩数(4600歩、4800歩、5000歩、5200歩、5400歩)を含む疑似行動情報セットが生成されたと仮定する。例えば、5200歩、5400歩の疑似行動情報について算出される第1の確率が、5000歩の行動情報について算出される第2の確率より低い場合、MCIシミュレータ60は、5200歩、5400歩を含む改善行動情報を生成することができる。この場合、例えば、被験者が、仮に歩数を5200歩や5400歩に変更する(増やす)ことで、軽度認知障害に該当する確率が低減される可能性がある。
一具体例として、行動情報に歩数が含まれ、疑似行動情報セットとして生成された複数の歩数(5000歩、5200歩、5400歩、5600歩)の疑似行動情報のうち、一部の歩数(5200歩、5400歩、5600歩)の疑似行動情報について算出される第1の確率が、第2の確率より低いと想定する。そのなかで、5600歩の疑似行動情報について算出される第1の確率のみが目標値よりも低い場合、MCIシミュレータ60は、歩数の疑似行動情報として(5600歩)を含む改善行動情報を生成する。これにより、MCIシミュレーションシステム111は、例えば、特定の改善目標を達成できる可能性がある行動の候補を提示することができる。
一具体例として、行動情報に歩数が含まれ、疑似行動情報セットとして生成された複数の歩数(5000歩、5200歩、5400歩、5600歩)の疑似行動情報のうち、一部の歩数(5200歩、5400歩、5600歩)の疑似行動情報について算出される第1の確率が、第2の確率より低いと想定する。仮に、第1の確率が、5400歩、5600歩、5200歩の順で低く、特定数が2(上位2つ)である場合、MCIシミュレータ60は、歩数の疑似行動情報として、5400歩、5600歩を含む改善行動情報を生成する。これにより、MCIシミュレーションシステム111は、例えば、軽度認知障害に該当する確率が低くなる順に、疑似行動情報を提示することができる。
一具体例として、(睡眠時間、会話時間、歩数)が行動情報に含まれる場合を想定する。この場合、MCIシミュレータ60は、第1の確率を低減可能な行動状況が1種類(例えば、睡眠時間のみ)である疑似行動情報よりも、第1の確率を低減可能な行動状況が2種類以上(例えば、睡眠時間と会話時間、睡眠時間と歩数、会話時間と歩数、等)の疑似行動情報を選択して、改善行動情報を生成してもよい。これにより、MCIシミュレーションシステム111は、例えば、軽度認知障害に該当する確率を低減するために採用可能な行動の候補のバリエーションを、より多く提示することができる。
例えば、疑似行動情報セットに、第1の確率を第2の確率よりも低減可能な行動状況として、歩数を共通に含む疑似行動情報の集合と、睡眠時間を共通に含む疑似行動情報の集合と、会話時間を共通に含む疑似行動情報の集合と、が含まれることを想定する。仮に、歩数を共通に含む疑似行動情報の集合が最大の集合である場合、MCIシミュレータ60は、その集合に含まれる疑似行動情報を選択して、改善行動情報を生成する。これにより、MCIシミュレーションシステム111は、例えば、被験者が軽度認知障害に該当する確率を低減可能な行動の候補を、より多く提示することができる。
さらに、行動情報が被験者に関する複数の異なる種類の行動状況を表すデータを含み、疑似行動情報セットに、上記第1の確率が上記第2の確率よりも高い上記疑似行動情報が複数含まれる場合を想定する。この場合、MCIシミュレータ60は、その複数の上記疑似行動情報から、含まれる行動状況を表す情報の種類が多い順に、特定数の上記疑似行動情報を更に選択して悪化行動情報を生成してもよい。これにより、MCIシミュレーションシステム111は、例えば、軽度認知障害に該当する確率の悪化を防ぐために、被験者が回避すべき行動の候補のバリエーションを、より多く提示することができる。
図20に示すMCIシミュレーションシステム111aは、データ入力部10が、属性情報入力部11とセンサデータ入力部12を有する点、データ加工部15を有する点と、表示部70を有する点において、図19に示すMCIシミュレーションシステム111と相違する。その他の図20に示すMCIシミュレーションシステム111aの構成は、図19に示すMCIシミュレーションシステム111の構成と同様としてもよいので、同一の符号を付して、説明を省略する。
行動情報変換部16は、センサデータ2に含まれる行動状況を表すデータに基づいて被験者の行動情報3を算出するように構成される。データ統合部17は、被験者の属性情報1と、被験者の行動情報3の少なくとも一部から、疑似行動情報生成部50において利用されるデータを統合することにより、データセットを作成するように構成される。データクレンジング部18は、データセットに含まれるデータの重複や誤記などのエラーを検出し、検出されたエラーの削除あるいは修正するように構成される。なお、図20に示すMCIシミュレーションシステム111aのデータ加工部15は、図2に示すMCI推定システム101aのデータ加工部15と同様に構成されてもよい。
ユーザインタフェース80は、被験者の行動情報3と、疑似行動情報生成部50にて作成された疑似行動情報5とを表示可能な領域である第1コンポーネント81を含んでもよい。ユーザインタフェース80は、また、被験者の属性情報1を表示可能な領域である第2コンポーネント82を含んでもよい。ユーザインタフェース80は、また、MCIシミュレータ60により推定された確率(第1の確率、第2の確率)を表示可能な領域である第3コンポーネント83を含んでもよい。
第1コンポーネント81は、推定行動情報4を表示可能であってもよい。また、MCIシミュレータ60が改善行動情報や悪化行動情報を生成する場合は、第3コンポーネント83は、これらを表示可能に構成されてもよい。
図21は、図20に示すMCIシミュレーションシステムにより実行されるMCIシミュレーションの処理を例示するフロー図である。
MCIシミュレータ60は、ステップS51において第1の確率に基づいて、被験者が軽度認知障害に該当するか否かを推定してもよい。例えば、MCIシミュレーションシステム111aは、ステップS51において第1の確率と、特定の閾値(例えば、特定のカットオフ値)と、を比較することにより、被験者が軽度認知障害であるか否かを推定してもよい。推定された軽度認知障害に該当する確率は、表示部70に送られてもよい。
図22に例示するように、ユーザインタフェース80eの第1コンポーネント81eには、行動情報3が表示されてもよい。図22に示す具体例においては、行動情報3として、例えば、実際のセンサデータから算出された「歩行」、「睡眠」、「会話」に関する情報(例えば、これらの行動の実行時間)が表示される。第1コンポーネント81eには、また、疑似行動情報として加工される数値の上限と下限とが表示されてもよい。この場合、例えば、上限と下限との間の範囲において、「歩行」、「睡眠」、「会話」の時間を適宜加工した疑似行動情報が生成されてもよい。
第2コンポーネント82eには、属性情報1が表示されてもよい。図22に示す具体例においては、属性情報1として、「飲酒」、「喫煙」、「高血圧」に関する情報が表示されている。なお、属性情報1についても、例えば、上限と下限などの範囲が表示されてもよい。第3コンポーネント83eには、第1の確率が表示されてもよい。
図23に例示するMCIシミュレーションのフローは、軽度認知障害に該当する確率(第2の確率)を推定する処理(ステップS53)と、第1の確率と第2の確率とを比較する処理(ステップS54)とを有する点において、図21に例示するMCIシミュレーションの処理と相違する。その他の図23に示すMCIシミュレーションのフローは、図21に示すMCIシミュレーションシステムの処理と同様としてもよいので、同一のステップ番号を付して、説明を省略する。
MCIシミュレーションシステム111a(具体的には、MCIシミュレータ60)は、センサデータに基づいて算出された行動情報に基づいて、被験者が軽度認知障害に該当する確率(第2の確率)を推定する(ステップS53)。具体的には、MCIシミュレータ60は、ステップS14で作成されたデータセットに含まれる属性情報1と、行動情報3とを、第1推定モデル21に適用することで、被験者が軽度認知障害に該当する確率を推定する。なお、第1の確率を推定する処理(ステップS50、ステップS51)と、第2の確率を推定する処理(ステップS53)とは、逐次処理されても、並列処理されてもよい。
第2コンポーネント82fには、属性情報1(図24に示す具体例の場合、「飲酒」、「喫煙」、「高血圧」に関する情報)が表示されてもよい。なお、属性情報1についても、例えば、上限と下限などの範囲が表示されてもよい。この場合、MCIシミュレーションシステム111aのユーザが適宜それらを調整することで、属性情報が変わった場合に、被験者が軽度認知障害に該当する確率を算出可能であってもよい。このような構成は、例えば、ユーザインタフェース80fに設定されたデータが、表示部70を介してMCIシミュレーションシステム111aに提供されることで、適宜実現可能である。
また、第3コンポーネント83fには、第1の確率、第2の確率、改善行動情報、悪化行動情報が表示されてもよい。これにより、例えば、MCIシミュレーションシステム111aを利用する被験者は、軽度認知障害に該当するリスクが低減する可能性がある行動の候補、あるいは、リスクが増大する可能性がある行動の候補、を簡便に理解することが可能である。
図25に例示する構成において、MCIシミュレーションシステム112は、データ入力部10と、モデル記憶部20と、行動情報シミュレータ40と、疑似行動情報生成部50と、MCIシミュレータ60と、を有する。モデル記憶部20は、第1推定モデル21と、第2推定モデル22とが記憶される。図25に示すMCIシミュレーションシステム112は、モデル記憶部20が第2推定モデル22を記憶可能とされている点と、行動情報シミュレータ40とを有する点において、図19に示すMCIシミュレーションシステム111と相違する。図25にその他の示すMCIシミュレーションシステム112の構成は、図19に示すMCIシミュレーションシステム111の構成と同様としてもよいので、同一の符号を付して、説明を省略する。
第2時点における被験者の属性情報が、年齢などの時間の経過に伴い変わる情報である場合、MCI推定部30は、第2時点における属性情報を、第1時点における属性情報に基づいて算出してもよい。一方、第2時点における被験者の属性情報が、性別、教育歴、既往歴、生活習慣年齢など、時間の経過によらず変わらない情報である場合、MCI推定部30は、第1時点における被験者の属性情報を第2時点における属性情報として用いてもよい。
また、第2の確率は、行動情報を用いることで推定された、第1時点において被験者が軽度認知障害に該当する確率を表す。係る行動情報は、上記説明したように、センサデータに基づいて算出された被験者の実際の行動を表すと推認される情報である。
また、第4の確率は、第2時点における推定行動情報を用いることで推定された、第2時点において被験者が軽度認知障害に該当する確率を表す。推定行動情報は、第1時点における被験者の行動情報から推定された、第2時点における被験者の行動情報である。
MCIシミュレータ60は、また、第3の確率と第4の確率とを比較することで、第3の確率が、第4の確率よりも高い疑似行動情報を選択し、選択された疑似行動情報に含まれる疑似行動情報を、被験者が軽度認知障害に該当する確率を高くする行動の候補として含む悪化行動情報を生成してもよい。
図26に示すMCIシミュレーションシステム112aは、データ入力部10が、属性情報入力部11とセンサデータ入力部12を有する点、データ加工部15を有する点と、表示部70を有する点において、図25に示すMCIシミュレーションシステム112と相違する。図26に示すその他のMCIシミュレーションシステム112aの構成は、図25に示すMCIシミュレーションシステム112の構成と同様としてもよいので、同一の符号を付して、説明を省略する。
行動情報変換部16は、センサデータ2に含まれる行動状況を表すデータに基づいて被験者の行動情報3を算出するように構成される。データ統合部17は、被験者の属性情報1と、被験者の行動情報3の少なくとも一部から、疑似行動情報生成部50において利用されるデータを統合することにより、データセットを作成するように構成される。データクレンジング部18は、データセットに含まれるデータの重複や誤記などのエラーを検出し、検出されたエラーの削除あるいは修正するように構成される。
なお、図26に示すMCIシミュレーションシステム112aのデータ加工部15は、図2に示すMCI推定システム101aのデータ加工部15と同様に構成されてもよい。
ユーザインタフェース80は、被験者の行動情報3と、疑似行動情報生成部50において作成された疑似行動情報5を表示可能な領域である第1コンポーネント81と、被験者の属性情報1を表示可能な領域である第2コンポーネント82と、MCIシミュレータ60により推定された確率(第1の確率、第2の確率、第3の確率、第4の確率)を表示可能な領域である第3コンポーネント83とを含んでもよい。第1コンポーネント81は、推定行動情報4を表示可能であってもよい。また、MCIシミュレータ60が改善行動情報や悪化行動情報を生成する場合、第3コンポーネント83は、改善行動情報や悪化行動情報を表示可能に構成されてもよい。
図27は、図26に示すMCIシミュレーションシステムにより実行されるMCIシミュレーションの処理を例示するフロー図である。
MCIシミュレーションシステム112a(具体的には、データ統合部17)は、第1時点における被験者の行動情報3と、被験者の属性情報1とを統合して、データセットを作成する(ステップS14)。MCIシミュレーションシステム112a(具体的には、データクレンジング部18)は、データセットに含まれるデータの重複や誤記などのエラーを削除あるいは修正することで、データをクレンジングする(ステップS15)。なお、以上のステップS11からステップS15までの処理は、図3に示すMCI推定システム101aにより実行される軽度認知障害の推定方法と同様の処理として実現されてもよい。
この際、MCIシミュレーションシステム112aは、第1推定モデルに対して、データセットに含まれる行動情報3と、属性情報1とを適用することで、被験者が第1時点において軽度認知障害に該当する確率(第1の確率)を、併せて算出してもよい。
MCIシミュレータ60は、ステップS62において推定された第3の確率に基づいて、被験者が軽度認知障害に該当するか否かを推定してもよい。例えば、MCIシミュレーションシステム112aは、ステップS62において第1の確率と、特定の閾値(例えば、特定のカットオフ値)と、を比較することにより、被験者が軽度認知障害であるか否かを推定してもよい。推定された軽度認知障害に該当する確率は、表示部70に送られてもよい。
なお、第1コンポーネント81gには、例えば、疑似行動情報として加工される数値の上限と下限とが更に表示されてもよい。この場合、例えば、上限と下限との間の範囲において、「歩行」、「睡眠」、「会話」の実行時間を適宜加工した疑似行動情報が生成されてもよい。
図28に示す具体例の場合、被験者が推定行動情報4(第2疑似行動情報)により表される仮想の行動を実行した場合に、第2時点において軽度認知障害に該当する確率(第3の確率)の時系列変化が表示される。
この場合、MCIシミュレーションシステム112aは、例えば、複数の第2の時点(例えば、1年後、2年後、3年後、4年後等)について推定行動情報4(第2疑似行動情報)を生成し、上記説明した処理を実行することで、軽度認知障害に該当する確率の変化を表示することが可能である。
図28に示す具体例の場合、「A」と表される系列は、例えば、被験者がある疑似行動情報により表される行動を採用した場合の確率の変化を表す。また、「B」と表される系列は、例えば、被験者が「A」の系列とは異なる疑似行動情報により表される行動を採用した場合の確率の変化を表す。また、「C」と表される系列は、例えば、軽度認知障害に該当するリスクが増大する疑似行動情報により表される行動を採用した場合の、確率の変化を表す。これにより、被験者は、例えば、軽度認知障害に該当するリスクを低減する行動、増大する行動を、簡便に理解することが可能である。
図29に例示するMCIシミュレーションは、第1時点における行動情報に基づいて、推定行動情報を生成する処理(ステップS64)と、軽度認知障害に該当する第4の確率を推定する処理(ステップS65)とを有する点において、図27に例示するMCIシミュレーションのフローと相違する。図29に示すその他の処理は、図27に示す処理と同様としてもよいので、同一のステップ番号を付して、説明を省略する。
MCIシミュレーションシステム112a(具体的には、行動情報シミュレータ40)は、被験者の推定行動情報4を生成する。具体的には、行動情報シミュレータ40は、データセットに含まれる第1時点における行動情報3を、モデル記憶部20に記憶された第2推定モデル22に適用することで、第2時点における被験者の推定行動情報4を推定する(ステップS64)。ステップS64において生成される推定行動情報は、センサデータから算出された、第1時点における被験者の実際の行動を表すと推認される行動情報に基づいて推定された、第2の時点における被験者の行動情報である。
なお、第4の確率を推定する処理(ステップS64、ステップS65)と、第3の確率を推定する処理(ステップS60、S61、S62)とは、逐次処理されてもよいし、並列処理されてもよい。
MCIシミュレータ60は、第3の確率と第4の確率とを比較して、第3の確率が第4の確率よりも低い疑似行動情報を選択してもよい。そして、この選択された疑似行動情報を、被験者が軽度認知障害に該当する確率を低減可能な行動の候補として含む改善行動情報を生成してもよい。また、MCIシミュレータ60は、第3の確率と第4の確率とを比較して、第3の確率が第4の確率よりも高くなる疑似行動情報を選択してもよい。そして、この選択された疑似行動情報を、被験者が軽度認知障害に該当する確率を上げる行動の候補として含む悪化行動情報を生成してもよい。
図30に例示するように、ユーザインタフェース80hの第1コンポーネント81hには、第1時点における行動情報3と、第2時点における推定行動情報4(第2疑似行動情報)が表示されてもよい。図30に示す具体例の場合、行動情報3及び推定行動情報は、「歩行」、「睡眠」、「会話」に関する情報、例えば、これらの実行時間であってもよい。図30に示す具体例では、第1時点における行動情報3は「現行」、第2時点における推定行動情報4は、「1年後」、「2年後」、「3年後」、「4年後」と表示されている。また、第1コンポーネント81g中の円グラフは、例えば、一つのデータセットに含まれる歩行、睡眠、会話の実行時間の割合を表してもよい。
なお、第1コンポーネント81hには、例えば、疑似行動情報として加工される数値の上限と下限とが更に表示されてもよい。この場合、例えば、上限と下限との間の範囲において、「歩行」、「睡眠」、「会話」の実行時間を適宜加工した疑似行動情報が生成されてもよい。
図30に示す具体例の場合、第3コンポーネント83hには、例えば、疑似行動情報5(第1疑似行動情報)を用いることで推定された、第1時点において被験者が軽度認知障害に該当する確率(第1の確率)と、被験者が推定行動情報4(第2疑似行動情報)により表される仮想の行動を実行した場合に、軽度認知障害に該当する確率(第3の確率)の時系列変化(図30における系列「A」「B」「C」)が表示される。
図30に示す具体例の場合、「A」と表される系列は、例えば、被験者がある疑似行動情報により表される行動を採用した場合の確率の変化を表す。また、「B」と表される系列は、例えば、被験者が「A」の系列とは異なる疑似行動情報により表される行動を採用した場合の確率の変化を表す。また、「C」と表される系列は、例えば、軽度認知障害に該当するリスクが増大する疑似行動情報により表される行動を採用した場合の、確率の変化を表す。これらの結果と、「Z」と表される系列とを比較することにより、被験者は、例えば、軽度認知障害に該当するリスクを低減する行動、増大する行動を、簡便に理解することが可能である。これにより、被験者は、例えば、ある特定の時点における行動を基準として、行動を変えた場合(仮想行動情報を採用した場合)と、変えなかった場合とについて、軽度認知障害に該当するリスクの変化を簡便に理解することが可能である。
MCI推定システムは、また、少なくとも一部がコンピュータなどにより実行可能なコンピュータ・プログラムとして実現されてもよい。この場合、MCI推定システムの少なくとも一部の機能や処理を実現可能なコンピュータ・プログラムが、コンピュータ読み取り可能な記録媒体に記録されてもよい。係るコンピュータ・プログラムがコンピュータシステムに読み込まれて実行されることで、MCI推定システムの少なくとも一部の機能が実行されてもよい。
なお、「コンピュータシステム」とは、オペレーティングシステム(OS:Operating System)や各種ミドルウェアなどのソフトウェアと、計算機及び周辺機器等のハードウェアを含んでもよい。
さらにインターネット等のネットワークあるいは電話回線等の通信回線を介してコンピュータ・プログラムが送信される場合、「コンピュータ読み取り可能な記録媒体」には、通信機能を有するコンピュータシステム内部のRAMのように、一定時間コンピュータ・プログラムを保持可能な媒体(装置)が含まれてもよい。記録媒体は、非一時的記録媒体であってもよい。
また、上記コンピュータ・プログラムと、コンピュータシステムに記録されている他のコンピュータ・プログラムとを組み合わせることにより、MIC推定システムの少なくとも一部の機能が実現されてもよい。この場合、上記コンピュータ・プログラムは、他のコンピュータ・プログラムに対する差分ファイル(差分プログラム)として提供されてもよい。
図31に例示する情報処理装置300は、プロセッサ(演算装置)301、メモリ302、ストレージ303、通信インタフェース304、及び、入出力インタフェース305を備えてもよい。これら情報処理装置300に含まれる構成要素は、通信バス等により適宜通信可能に接続されてもよい。
また、入出力インタフェース305は、記憶媒体306との間におけるデータの読み込み及び書き込みを実現するインタフェース機能を備えてもよい。この場合、入出力インタフェース305は、例えば、記憶媒体306に対するデータの読み込み及び書き込みを実現可能なドライブ装置に対するインタフェースとして機能してもよい。
記憶媒体306は、上記説明したコンピュータ読み取り可能な記録媒体であってもよい。
本開示に係るMCI予測システムの少なくとも一部は、例えば、一般的に利用可能な仮想化基盤において実現された仮想システムとして実現されてもよい。
本開示にかかるMCI推定システムは、例えば、以下に付記する態様として実現されてもよいが、これに限定されるものではない。
被験者の属性を表す属性情報と、当該被験者の行動状況を表す行動情報とから、当該被験者が軽度認知障害に該当する確率を推定可能な第1推定モデルを記憶可能なモデル記憶部と、
上記属性情報と、上記行動情報と、上記第1推定モデルを用いて、上記被験者が軽度認知障害に該当する可能性を推定するMCI推定部と、を有する、推定システム。
上記MCI推定部は、上記属性情報と、上記行動情報と、上記第1推定モデルを用いて、上記被験者が軽度認知障害に該当する確率を算出することにより、上記被験者が軽度認知障害に該当する可能性を推定する、付記1に記載の推定システム。
上記第1推定モデルは、健常者と軽度認知障害に該当する者との少なくとも一方を含む1以上のデータ提供者から提供された、当該データ提供者の属性を表す属性情報と、当該データ提供者の行動状況を表す行動情報とを用いて作成され、入力データとして与えられた上記被験者に関する上記属性情報と、上記被験者に関する上記行動情報とから、当該被験者が軽度認知障害に該当する確率を推定するモデルである、付記2に記載の推定システム。
上記第1推定モデルは、健常者と軽度認知障害に該当する者との少なくとも一方を含む1以上のデータ提供者から提供された、当該データ提供者に関する上記属性情報と、当該データ提供者に関する上記行動情報と、当該データ提供者が軽度認知障害に該当するかを表す上記ラベル情報と、を少なくとも含むデータセットに基づいて、当該データセットに含まれる上記属性情報と上記行動情報とを説明変数とし、上記ラベル情報を目的変数として用いる分析処理により作成されたモデルである、付記3に記載の推定システム。
上記第1推定モデルは、上記データ提供者から提供された、当該データ提供者に関する上記属性情報と、当該データ提供者に関する上記行動情報と、当該データ提供者から取得された軽度認知障害の判定に影響する要因情報と、当該データ提供者が軽度認知障害に該当するかを表すラベル情報と、を少なくとも含むデータセットに基づいて、当該データセットに含まれる上記属性情報と、上記行動情報と、上記要因情報と、を説明変数とし、上記ラベル情報を目的変数とした分析処理により作成されたモデルを含む、付記3に記載の推定システム。
上記第1推定モデルは、
上記被験者に関する上記属性情報と、上記被験者に関する上記行動情報とから上記被験者の軽度認知障害の判定に影響する要因情報の推定値を算出する要因情報算出モデルと、
上記被験者に関する上記属性情報と、上記要因情報とから当該被験者が軽度認知障害に該当する確率を推定する推定情報算出モデルと、を含む、付記3に記載の推定システム。
上記要因情報推定モデルは、上記データ提供者から提供された、当該データ提供者に関する上記属性情報と、当該データ提供者に関する上記行動情報と、上記データ提供者から取得された上記要因情報を少なくとも含むデータセットと、に基づいて、当該データセットに含まれる上記属性情報と、上記行動情報とを説明変数とし、上記要因情報を目的変数とした分析処理により作成されたモデルであり、
上記推定情報算出モデルは、当該データ提供者に関する上記属性情報と、上記データ提供者から取得された上記要因情報と、当該データ提供者が軽度認知障害に該当するかを表すラベル情報と、を少なくとも含む他のデータセットに基づいて、当該他のデータセットに含まれる上記属性情報と、上記要因情報とを説明変数とし、上記ラベル情報を目的変数とした分析処理により作成されたモデルであり、
上記MCI推定部は、
上記被験者に関する上記属性情報と、上記被験者に関する上記行動情報と、を上記要因情報推定モデルに適用することで、上記被験者に関する上記要因情報の推定値を算出し、
算出した要因情報の推定値と、上記被験者に関する上記属性情報と、を上記推定情報算出モデルに適用することで、当該被験者が軽度認知障害に該当する確率を推定する、付記6に記載の推定システム。
上記要因情報は、MMSE(Mini Mental State Examination)点数、脳糖代謝率、海馬体積、灰白質体積、アミロイドβ蓄積量のうち一つ以上の情報を含む、付記5から付記7のいずれか一つに記載の推定システム。
上記行動情報が、睡眠時間、会話時間、歩行時間、UV照射時間、脈拍、皮膚温度、体温のうちの少なくとも一つの情報を含む、付記1から付記8のいずれか一つに記載の推定システム。
上記行動情報は、上記被験者が装着したセンサ装置から取得された当該被験者に関する行動状況を表すデータを少なくとも一つ含むセンサデータに基づいて算出され、上記センサデータが、上記センサ装置が有する一つ以上のセンサ素子を用いて特定の期間の間に測定された測定データの平均値である、付記1から付記9のいずれか一つに記載の推定システム。
上記属性情報は、年齢、性別、教育歴、既往歴、生活習慣のうち少なくとも一つ以上の情報を含む個人に特有のデータである、付記1から付記10のいずれか一つに記載の推定システム。
上記被験者に関する上記行動情報を表示可能な領域である第1コンポーネントと、
上記被験者に関する上記属性情報を表示可能な領域である第2コンポーネントと、
上記MCI推定部で推定された確率を表示可能な領域である第3コンポーネントと、を少なくとも含むユーザインタフェースを表示可能な表示部を更に備える、付記1に記載の推定システム。
被験者の属性を表す属性情報と、当該被験者の行動状況を表す行動情報とから、当該被験者が軽度認知障害に該当する確率を推定可能な第1推定モデルと、時系列の特定時点における上記被験者に関する上記属性情報と、上記特定時点における上記被験者に関する上記行動情報とから、上記特定時点よりも後の時点における上記被験者に関する行動情報を推定可能な第2推定モデルと、を記憶可能なモデル記憶部と、
上記属性情報と、上記行動情報と、に基づいて、上記被験者が軽度認知障害に該当する確率を推定するMCI推定部と、
時系列の第1時点における上記被験者に関する上記属性情報と、上記第1時点における上記被験者に関する上記行動情報と、を上記第2推定モデルに適用して上記第1時点より後の第2時点における上記被験者に関する行動情報を推定することで、推定行動情報を生成する行動情報シミュレータと、を有し、
上記MCI推定部は、上記第2時点における上記被験者に関する上記属性情報と、上記行動情報シミュレータにより推定された上記第2時点における上記推定行動情報と、を上記第1推定モデルに適用することで、上記第2時点において、上記被験者が軽度認知障害に該当する確率を推定する、推定システム。
上記第1推定モデルは、健常者と軽度認知障害に該当する者との少なくとも一方を含む1以上のデータ提供者から提供された、上記データ提供者の属性を表す属性情報と、上記データ提供者の行動状況を表す行動情報と、当該データ提供者が軽度認知障害に該当するかを表すラベル情報と、を少なくとも含む第1データセットに基づいて、上記第1データセットに含まれる上記属性情報と上記行動情報とを説明変数とし、上記ラベル情報を目的変数として用いる分析処理により作成されたモデルである、
付記13に記載の推定システム。
上記第2推定モデルは、
健常者と軽度認知障害に該当する者との少なくとも一方を含む1以上のデータ提供者から提供された、少なくとも時系列の複数の時点における上記データ提供者の属性を表す属性情報と、上記複数の時点における当該データ提供者の行動状況を表す行動情報とを含む第2データセットに基づいて、
上記第2データセットに含まれる時系列の一つの時点における上記属性情報と、上記一つの時点における上記行動情報とを説明変数とし、
上記一つの時点における上記行動情報と、上記一つの時点より後の他の時点における上記行動情報との差分を目的変数として用いる分析処理により作成されるモデルである、付記13または付記14に記載の推定システム。
上記第2推定モデルは、
健常者と軽度認知障害に該当する者との少なくとも一方を含む1以上のデータ提供者から提供された、少なくとも時系列の複数の時点における上記データ提供者に関する上記属性情報と、上記複数の時点における上記データ提供者が装着したセンサ装置から取得された当該データ提供者の行動状況を表すデータを少なくとも一つ含むセンサデータとを含む第2データセットに基づいて、
上記第2データセットに含まれる時系列の第1の時点における上記属性情報と、上記第1の時点における上記センサデータに基づいて算出された行動情報とを説明変数とし、
第1の時点とは異なる第2の時点における上記センサデータに含まれる行動情報を目的変数として用いる分析処理により作成されるモデルである、付記13または付記14に記載の推定システム。
上記行動情報が、睡眠時間、会話時間、歩行時間、UV照射時間、脈拍、皮膚温度、体温のうちの少なくとも一つの情報を含む、付記13から付記16のいずれか一つに記載の推定システム。
上記被験者に関する上記行動情報を表示可能な領域である第1コンポーネントと、
上記被験者に関する上記属性情報を表示可能な領域である第2コンポーネントと、
上記MCI推定部で推定された確率を表示可能な領域である第3コンポーネントと、を少なくとも含むユーザインタフェースを表示可能な表示部を更に備え、
上記MCI推定部は、上記第1時点において被験者が軽度認知障害に該当する確率と、上記第2時点において被験者が軽度認知障害に該当する確率と、を上記表示部に提供し、
上記表示部は、上記被験者が軽度認知障害に該当する確率の、第1時点から第2時点への時系列変化を、上記第3コンポーネントに表示する、付記13から付記17のいずれか一つに記載の推定システム。
上記MCI推定部は、上記行動情報シミュレータにより推定された上記第2時点における推定行動情報を上記表示部に提供し、
上記表示部は、提供された上記推定行動情報を上記第1コンポーネントに更に表示する、付記18に記載の推定システム。
被験者の属性を表す属性情報と、当該被験者の行動状況を表す行動情報とから、当該被験者が軽度認知障害に該当する確率を推定可能な第1推定モデルを記憶可能なモデル記憶部と、
上記行動情報の少なくとも一部を加工することで、仮想の行動を表す疑似行動情報を生成する疑似行動情報生成部と、
上記属性情報と、上記疑似行動情報と、を上記第1推定モデルに適用することで、上記疑似行動情報により表される仮想の行動を実行した場合に、上記被験者が軽度認知障害に該当する確率を表す第1の確率を推定するMCIシミュレータと、を備える、シミュレーションシステム。
上記疑似行動情報生成部は、複数の異なる上記疑似行動情報を生成することで、疑似行動情報セットを作成する、付記20に記載のシミュレーションシステム。
上記疑似行動情報生成部は、上記被験者に関する少なくとも一部の行動情報について、当該行動情報を基準値とし、当該基準値に対して特定の差分ずつ増加または減少させた疑似行動情報を複数生成することで、一連の疑似行動情報セットを作成する、付記20に記載のシミュレーションシステム。
上記疑似行動情報生成部は、上記被験者に関する少なくとも一部の行動情報について、当該行動情報を基準値とし、当該基準値に対してランダムな数値を増加または減少させた疑似行動情報を複数生成することで、一連の疑似行動情報セットを作成する、付記21に記載のシミュレーションシステム。
上記MCIシミュレータは、上記属性情報と、上記行動情報と、を上記第1推定モデルに適用することで、上記行動情報により表される行動を上記被験者が実行した場合に、その被験者が軽度認知障害に該当する第2の確率を推定する、付記20から付記23のいずれか一つに記載のシミュレーションシステム。
上記MCIシミュレータは、
上記疑似行動情報セットに含まれるそれぞれの疑似行動情報について上記第1の確率を推定し、
上記第1の確率と、上記第2の確率とを比較することで、推定された上記第1の確率が上記第2の確率よりも低い上記疑似行動情報を選択し、
選択された上記疑似行動情報を、上記被験者が軽度認知障害に該当する確率を低減可能な行動の候補として含む改善行動情報を生成する、付記24に記載のシミュレーションシステム。
上記MCIシミュレータは、上記疑似行動情報セットに、推定された上記第1の確率が上記第2の確率よりも低い上記疑似行動情報が複数含まれる場合、その複数の上記疑似行動情報から、推定された上記第1の確率が特定の目標値よりも低い上記疑似行動情報を更に選択して上記改善行動情報を生成する、付記25に記載のシミュレーションシステム。
上記行動情報は、上記被験者に関する複数の異なる種類の行動状況を表すデータを含み、
上記MCIシミュレータは、
上記疑似行動情報セットに、推定された上記第1の確率が上記第2の確率よりも低い上記疑似行動情報が複数含まれる場合、
その複数の上記疑似行動情報から、推定された第1の確率が低い順に、特定数の上記疑似行動情報を更に選択して上記改善行動情報を生成する、付記25に記載のシミュレーションシステム。
上記行動情報は、上記被験者に関する複数の異なる種類の行動状況を表すデータを含み、
上記MCIシミュレータは、
上記疑似行動情報セットに、推定された上記第1の確率が上記第2の確率よりも低い上記疑似行動情報が複数含まれる場合、その複数の上記疑似行動情報から、含まれる行動状況を表すデータの種類が多い順に、特定数の上記疑似行動情報を更に選択して上記改善行動情報を生成する、付記25に記載のシミュレーションシステム。
上記行動情報は、上記被験者に関する複数の異なる種類の行動状況を表すデータを含み、
上記MCIシミュレータは、
上記疑似行動情報セットに、推定された上記第1の確率が上記第2の確率よりも低く、かつ、共通の上記行動状況を表すデータを含む上記疑似行動情報の集合が複数含まれる場合、
当該複数の集合のうち最大の集合を選択し、選択された集合に含まれる1以上の上記疑似行動情報について上記改善行動情報を生成する、付記25に記載のシミュレーションシステム。
上記行動情報は、上記被験者に関する複数の異なる種類の行動状況を表すデータを含み、
上記MCIシミュレータは、
上記疑似行動情報セットに、推定された上記第1の確率が上記第2の確率よりも低く、かつ、共通の上記行動状況を表すデータを含む上記疑似行動情報の集合が複数含まれる場合、
当該疑似行動情報の集合ごとに、その集合に含まれる各上記疑似行動情報について推定された上記第1の確率のばらつきを算出し、最もばらつきが小さい集合に含まれる1以上の上記疑似行動情報について上記改善行動情報を生成する、付記25に記載のシミュレーションシステム。
上記MCIシミュレータは、
上記疑似行動情報セットに含まれるそれぞれ上記疑似行動情報について上記第1の確率を推定し、
上記第1の確率と、上記第2の確率とを比較することで、複数の上記疑似行動情報のうち、上記第1の確率が上記第2の確率よりも高くなる上記疑似行動情報を選択し、
選択された上記疑似行動情報を、上記被験者が軽度認知障害に該当する確率を高くする行動の候補として含む悪化行動情報を生成する、付記24に記載のシミュレーションシステム。
上記MCIシミュレータは、
上記疑似行動情報セットに、推定された上記第1の確率が上記第2の確率よりも高い上記疑似行動情報が複数含まれる場合、その複数の上記疑似行動情報から、推定された上記第1の確率が特定の目標値よりも高い上記疑似行動情報を更に選択して上記悪化行動情報を生成する、付記31に記載のシミュレーションシステム。
上記行動情報は、上記被験者に関する複数の異なる種類の行動状況を表すデータを含み、
上記MCIシミュレータは、上記疑似行動情報セットに、推定された上記第1の確率が上記第2の確率よりも高い上記疑似行動情報が複数含まれる場合、その複数の上記疑似行動情報から、含まれる行動状況を表すデータの種類が多い順に、特定数の上記疑似行動情報を更に選択して上記悪化行動情報を生成する、付記31に記載のシミュレーションシステム。
上記被験者に関する行動情報を推定する行動情報シミュレータを更に有し、
上記モデル記憶部は、時系列の特定時点における、上記被験者に関する上記属性情報と、上記行動情報とから、上記特定時点よりも後の時点における上記被験者に関する行動情報を推定可能な第2推定モデルを更に記憶し、
上記行動情報シミュレータは、時系列の第1時点における上記被験者に関する上記属性情報と、当該第1時点における上記行動情報を用いて上記疑似行動情報生成部が生成した上記疑似行動情報と、を上記第2推定モデルに適用することで、上記第1時点よりも後の第2時点における上記被験者に関する疑似行動情報を推定し、
上記MCIシミュレータは、上記第2時点における上記被験者に関する上記属性情報と、上記行動情報シミュレータにより推定された上記第2時点における上記疑似行動情報とを上記第1推定モデルに適用することで、上記第2時点において上記被験者が上記疑似行動を実行した場合に、その被験者が軽度認知障害に該当する第3の確率を推定する、付記24に記載のシミュレーションシステム。
上記行動情報シミュレータは、更に、時系列の第1時点における上記被験者に関する上記属性情報と、第1時点における上記被験者に関する上記行動情報と、を上記第2推定モデルに適用して上記第1時点よりも後の第2時点における上記被験者に関する行動情報を推定することで、推定行動情報を生成し、
上記MCIシミュレータは、
上記第2時点における上記被験者に関する上記属性情報と、上記行動情報シミュレータにより推定された上記推定行動情報と、を上記第1推定モデルに適用することで、上記第2時点において上記被験者が軽度認知障害に該当する第4の確率を推定し、
上記第3の確率と、上記第4の確率と、を比較することで、上記第3の確率が、上記第4の確率よりも低い上記疑似行動情報を選択し、選択された上記疑似行動情報を、上記被験者が軽度認知障害に該当する確率を低減可能な行動の候補として含む改善行動情報を生成する、付記34に記載のシミュレーションシステム。
上記MCIシミュレータは、更に、上記第3の確率と、上記第4の確率と、を比較することで、上記第3の確率が、上記第4の確率よりも高い上記疑似行動情報を選択し、選択された疑似行動情報に含まれる上記疑似行動情報を、上記被験者が軽度認知障害に該当する確率を高くする行動の候補として含む悪化行動情報を生成する、付記34に記載のシミュレーションシステム。
上記行動情報と、上記疑似行動情報と、を表示可能な領域である第1コンポーネントと、
上記属性情報を表示可能な領域である第2コンポーネントと、
少なくとも上記MCIシミュレータにより推定された確率を表示可能な領域である第3コンポーネントと、を少なくとも含むユーザインタフェースを表示可能な表示部を更に備え、
上記MCIシミュレータは、上記第2の確率と、上記疑似行動情報セットに含まれるそれぞれ上記疑似行動情報について推定した上記第1の確率と、を上記表示部に提供し、
上記表示部は、上記疑似行動情報により表される行動を上記第1コンポーネントに表示し、上記第2の確率と、その疑似行動情報について推定された上記第1の確率と、を上記第3コンポーネントに表示する、付記24に記載のシミュレーションシステム。
上記行動情報と、上記疑似行動情報と、を表示可能な第1コンポーネントと、
上記属性情報を表示可能な第2コンポーネントと、
少なくとも上記MCIシミュレータにより推定された確率を表示可能な第3コンポーネントと、を少なくとも含むユーザインタフェースを表示可能な表示部を更に備え、
上記MCIシミュレータは、上記第2の確率と、上記第4の確率と、上記疑似行動情報セットに含まれるそれぞれ上記疑似行動情報について推定した上記第1の確率と、上記第3の確率と、を上記表示部に提供し、
上記表示部は、
上記疑似行動情報に含まれる疑似行動情報により表される行動を上記第1コンポーネントに表示し、
上記被験者が、上記行動により表される行動を実行した場合に、その被験者が軽度認知障害に該当する確率の、上記第1時点から第2時点への時系列変化を、上記第2の確率及び上記第4の確率を用いて上記第3コンポーネントに表示するとともに、
上記被験者が、上記疑似行動により表される行動を実行した場合に、その被験者が軽度認知障害に該当する確率の、上記第1時点から第2時点への時系列変化を、上記第1の確率及び上記第3の確率を用いて上記第3コンポーネントに表示する、付記34に記載のシミュレーションシステム。
被験者の属性を表す属性情報と、上記被験者が装着したセンサ装置から取得された当該被験者の行動状況を表すデータを少なくとも一つ含むセンサデータと、を入力データとして受け付け可能なデータ入力部と、
上記被験者に関する属性情報と、上記センサデータに基づいて算出された上記被験者に関する行動情報とから、当該被験者が軽度認知障害に該当する確率を推定可能な第1推定モデルと、上記属性情報と、上記行動情報とから、当該被験者がアルツハイマー型軽度認知障害に該当する確率を推定可能な第3推定モデルと、を記憶可能なモデル記憶部と、
上記属性情報と、上記行動情報と、上記第1推定モデルを用いて、上記被験者が軽度認知障害に該当する確率を推定するMCI確率推定部と、上記属性情報と、上記行動情報と、上記第3推定モデルを用いて、上記被験者がアルツハイマー型軽度認知障害に該当する確率を推定するAD型MCI確率推定部と、を有するMCI推定部と、を備える推定システム。
上記第3推定モデルは、アルツハイマー型軽度認知障害に該当する者と、非アルツハイマー型軽度認知障害に該当する者と、健常者と、の少なくともいずれかを含む複数のデータ提供者の属性情報と、上記データ提供者から取得された上記要因情報とを説明変数とし、少なくともアルツハイマー型軽度認知障害を表すカテゴリと、非アルツハイマー型軽度認知障害を表すカテゴリと、を目的変数とした分析処理により作成されたモデルである、付記39に記載の推定システム。
上記被験者に関する上記行動情報を表示可能な領域である第1コンポーネントと、
上記被験者に関する上記属性情報を表示可能な領域である第2コンポーネントと、
上記MCI推定部で推定された被験者が軽度認知障害に該当する確率とアルツハイマー型軽度認知障害に該当する確率とを表示可能な領域である第3コンポーネントと、を少なくとも含むユーザインタフェースを表示可能な表示部を更に備える、付記39に記載の推定システム。
2 センサデータ
3 行動情報
10 データ入力部
11 属性情報入力部
12 センサデータ入力部
15 データ加工部
16 行動情報変換部
17 データ統合部
18 データクレンジング部
20 モデル記憶部
21 第1推定モデル
22 第2推定モデル
23 第3推定モデル
30 MCI推定部
31 MCI確率推定部
32 AD型MCI確率推定部
40 行動情報シミュレータ
50 疑似行動情報生成部
60 MCIシミュレータ
70 表示部
80、80a、80b、80c、80d、80e ユーザインタフェース
81、81a、81b、81c、81d、81e 第1コンポーネント
82、82a、82b、82c、82d、82e 第2コンポーネント
83、83a、83b、83c、83d、83e 第3コンポーネント
101、101a、102、102a、103、103a MCI推定システム
111、111a、112、112a MCIシミュレーションシステム
200 センサ装置
201 センサ素子
202 センサデータ記憶部
203 データ提供部
Claims (21)
- 人の属性を表す情報を属性情報とし、
人の行動状況を表す情報を行動情報とし、
被験者の前記属性情報である被験者属性情報と、前記被験者の前記行動情報である被験者行動情報とから、前記被験者が軽度認知障害に該当する確率を推定可能な第1推定モデルと、時系列の特定時点における前記被験者属性情報と、前記特定時点における前記被験者行動情報とから、前記特定時点よりも後の時点における前記被験者行動情報を推定可能な第2推定モデルと、を記憶可能なモデル記憶部と、
前記被験者属性情報と、前記被験者行動情報と、に基づいて、前記被験者が軽度認知障害に該当する確率を推定するMCI推定部と、
時系列の第1時点における前記被験者属性情報と、前記第1時点における前記被験者行動情報と、を前記第2推定モデルに適用して前記第1時点より後の第2時点における前記被験者行動情報を推定することで、推定された前記被験者行動情報である推定被験者行動情報を生成する行動情報シミュレータと、を有し、
前記MCI推定部は、前記第2時点における前記被験者属性情報と、前記行動情報シミュレータにより推定された前記第2時点における前記推定被験者行動情報と、を前記第1推定モデルに適用することで、前記第2時点において、前記被験者が軽度認知障害に該当する確率を推定する、
推定システム。 - 前記第1推定モデルは、健常者と軽度認知障害に該当する者との少なくとも一方を含む1以上のデータ提供者から提供された、前記データ提供者の前記属性情報である提供者属性情報と、前記データ提供者の前記行動情報である提供者行動情報と、前記データ提供者が軽度認知障害に該当するかを表すラベル情報と、を少なくとも含む第1データセットに基づいて、前記第1データセットに含まれる前記提供者属性情報と前記提供者行動情報とを説明変数とし、前記ラベル情報を目的変数として用いる分析処理により作成されたモデルである、請求項1に記載の推定システム。
- 前記第2推定モデルは、
前記1以上のデータ提供者から提供された、少なくとも時系列の複数の時点における前記提供者属性情報と、前記複数の時点における前記提供者行動情報と、を含む第2データセットに基づいて、
前記第2データセットに含まれる時系列の一つの時点における前記提供者属性情報と、前記一つの時点における前記提供者行動情報とを説明変数とし、
前記一つの時点における前記提供者行動情報と、前記一つの時点より後の他の時点における前記提供者行動情報との差分を目的変数として用いる分析処理により作成されるモデルである、請求項2に記載の推定システム。 - 前記行動情報が、睡眠時間、会話時間、歩行時間、UV照射時間、脈拍、皮膚温度、体温のうちの少なくとも一つの情報を含む、
請求項1から請求項3のいずれか一項に記載の推定システム。 - 前記被験者行動情報を表示可能な領域である第1コンポーネントと、
前記被験者属性情報を表示可能な領域である第2コンポーネントと、
前記MCI推定部で推定された確率を表示可能な領域である第3コンポーネントと、を少なくとも含むユーザインタフェースを表示可能な表示部を更に備え、
前記MCI推定部は、前記第1時点において前記被験者が軽度認知障害に該当する確率と、前記第2時点において前記被験者が軽度認知障害に該当する確率と、を前記表示部に提供し、
前記表示部は、前記被験者が軽度認知障害に該当する確率の、前記第1時点から前記第2時点への時系列変化を、前記第3コンポーネントに表示する、
請求項1から請求項4のいずれか一項に記載の推定システム。 - 前記MCI推定部は、前記行動情報シミュレータにより推定された前記第2時点における前記推定被験者行動情報を前記表示部に提供し、
前記表示部は、提供された前記推定被験者行動情報を前記第1コンポーネントに更に表示する、
請求項5に記載の推定システム。 - 被験者の属性を表す属性情報と、前記被験者の行動状況を表す行動情報とから、前記被験者が軽度認知障害に該当する確率を推定可能な第1推定モデルを記憶可能なモデル記憶部と、
前記行動情報の少なくとも一部を加工することで、仮想の行動を表す疑似行動情報を生成する疑似行動情報生成部と、
前記属性情報と、前記疑似行動情報と、を前記第1推定モデルに適用することで、前記疑似行動情報により表される仮想の行動を実行した場合に、前記被験者が軽度認知障害に該当する確率を表す第1の確率を推定するMCIシミュレータと、を備え、
前記第1推定モデルは、健常者と軽度認知障害に該当する者との少なくとも一方を含む1以上のデータ提供者から提供された、前記データ提供者についての前記属性情報と、前記データ提供者についての前記行動情報と、前記データ提供者が軽度認知障害に該当するかを表すラベル情報と、を少なくとも含む第1データセットに基づいて、前記第1データセットに含まれる前記属性情報と前記行動情報とを説明変数とし、前記ラベル情報を目的変数として用いる分析処理により作成されたモデルである、シミュレーションシステム。 - 前記疑似行動情報生成部は、複数の異なる前記疑似行動情報を生成することで、疑似行動情報セットを作成する、
請求項7に記載のシミュレーションシステム。 - 前記疑似行動情報生成部は、前記被験者に関する少なくとも一部の前記行動情報について、前記行動情報を基準値とし、前記基準値に対して特定の差分ずつ増加または減少させた前記疑似行動情報を複数生成することで、一連の前記疑似行動情報セットを作成する、請求項8に記載のシミュレーションシステム。
- 前記MCIシミュレータは、前記属性情報と、前記行動情報と、を前記第1推定モデルに適用することで、前記行動情報により表される行動を前記被験者が実行した場合に、その前記被験者が軽度認知障害に該当する第2の確率を推定する、請求項8又は請求項9に記載のシミュレーションシステム。
- 前記MCIシミュレータは、
前記疑似行動情報セットに含まれるそれぞれの前記疑似行動情報について前記第1の確率を推定し、
前記第1の確率と、前記第2の確率とを比較することで、推定された前記第1の確率が前記第2の確率よりも低い前記疑似行動情報を選択し、
選択された前記疑似行動情報を、前記被験者が軽度認知障害に該当する確率を低減可能な行動の候補として含む改善行動情報を生成する、
請求項10に記載のシミュレーションシステム。 - 前記MCIシミュレータは、前記疑似行動情報セットに、推定された前記第1の確率が前記第2の確率よりも低い前記疑似行動情報が複数含まれる場合、その複数の前記疑似行動情報から、推定された前記第1の確率が特定の目標値よりも低い前記疑似行動情報を更に選択して前記改善行動情報を生成する、
請求項11に記載のシミュレーションシステム。 - 前記行動情報は、前記被験者に関する複数の異なる種類の行動状況を表すデータを含み、
前記MCIシミュレータは、前記疑似行動情報セットに、推定された前記第1の確率が前記第2の確率よりも低い前記疑似行動情報が複数含まれる場合、その複数の前記疑似行動情報から、含まれる行動状況を表すデータの種類が多い順に、特定数の前記疑似行動情報を更に選択して前記改善行動情報を生成する、
請求項11に記載のシミュレーションシステム。 - 前記MCIシミュレータは、
前記疑似行動情報セットに含まれるそれぞれ前記疑似行動情報について前記第1の確率を推定し、
前記第1の確率と、前記第2の確率とを比較することで、複数の前記疑似行動情報のうち、前記第1の確率が前記第2の確率よりも高くなる前記疑似行動情報を選択し、
選択された前記疑似行動情報を、前記被験者が軽度認知障害に該当する確率を高くする行動の候補として含む悪化行動情報を生成する、
請求項10に記載のシミュレーションシステム。 - 前記MCIシミュレータは、
前記疑似行動情報セットに、推定された前記第1の確率が前記第2の確率よりも高い前記疑似行動情報が複数含まれる場合、その複数の前記疑似行動情報から、推定された前記第1の確率が特定の目標値よりも高い前記疑似行動情報を更に選択して前記悪化行動情報を生成する、
請求項14に記載のシミュレーションシステム。 - 前記行動情報は、前記被験者に関する複数の異なる種類の行動状況を表すデータを含み、
前記MCIシミュレータは、前記疑似行動情報セットに、推定された前記第1の確率が前記第2の確率よりも高い前記疑似行動情報が複数含まれる場合、その複数の前記疑似行動情報から、含まれる行動状況を表すデータの種類が多い順に、特定数の前記疑似行動情報を更に選択して前記悪化行動情報を生成する、
請求項14に記載のシミュレーションシステム。 - 前記被験者に関する前記行動情報を推定する行動情報シミュレータを更に有し、
前記モデル記憶部は、時系列の特定時点における、前記被験者に関する前記属性情報と、前記行動情報とから、前記特定時点よりも後の時点における前記被験者に関する前記行動情報を推定可能な第2推定モデルを更に記憶し、
前記行動情報シミュレータは、時系列の第1時点における前記被験者に関する前記属性情報と、前記第1時点における前記行動情報を用いて前記疑似行動情報生成部が生成した前記疑似行動情報と、を前記第2推定モデルに適用することで、前記第1時点よりも後の第2時点における前記被験者に関する前記疑似行動情報を推定し、
前記MCIシミュレータは、前記第2時点における前記被験者に関する前記属性情報と、前記行動情報シミュレータにより推定された前記第2時点における前記疑似行動情報と、を前記第1推定モデルに適用することで、前記第2時点において前記被験者が前記疑似行動情報により表される仮想の行動を実行した場合に、その前記被験者が軽度認知障害に該当する第3の確率を推定する、請求項10に記載のシミュレーションシステム。 - 前記行動情報シミュレータは、更に、前記第1時点における前記被験者に関する前記属性情報と、前記第1時点における前記被験者に関する前記行動情報と、を前記第2推定モデルに適用して前記第2時点における前記被験者に関する前記行動情報を推定することで、推定行動情報を生成し、
前記MCIシミュレータは、
前記第2時点における前記被験者に関する前記属性情報と、前記行動情報シミュレータにより推定された前記推定行動情報と、を前記第1推定モデルに適用することで、前記第2時点において前記被験者が軽度認知障害に該当する第4の確率を推定し、
前記第3の確率と、前記第4の確率と、を比較することで、前記第3の確率が、前記第4の確率よりも低い前記疑似行動情報を選択し、選択された前記疑似行動情報を、前記被験者が軽度認知障害に該当する確率を低減可能な行動の候補として含む改善行動情報を生成する、
請求項17に記載のシミュレーションシステム。 - 前記MCIシミュレータは、更に、前記第3の確率と、前記第4の確率と、を比較することで、前記第3の確率が、前記第4の確率よりも高い前記疑似行動情報を選択し、選択された前記疑似行動情報を、前記被験者が軽度認知障害に該当する確率を高くする行動の候補として含む悪化行動情報を生成する、請求項18に記載のシミュレーションシステム。
- 前記行動情報と、前記疑似行動情報と、を表示可能な領域である第1コンポーネントと、
前記属性情報を表示可能な領域である第2コンポーネントと、
少なくとも前記MCIシミュレータにより推定された確率を表示可能な領域である第3コンポーネントと、を少なくとも含むユーザインタフェースを表示可能な表示部を更に備え、
前記MCIシミュレータは、前記第2の確率と、前記疑似行動情報セットに含まれるそれぞれ前記疑似行動情報について推定した前記第1の確率と、を前記表示部に提供し、
前記表示部は、前記疑似行動情報により表される行動を前記第1コンポーネントに表示し、前記第2の確率と、その前記疑似行動情報について推定された前記第1の確率と、を前記第3コンポーネントに表示する、
請求項10に記載のシミュレーションシステム。 - 前記行動情報と、前記疑似行動情報と、を表示可能な第1コンポーネントと、
前記属性情報を表示可能な第2コンポーネントと、
少なくとも前記MCIシミュレータにより推定された確率を表示可能な第3コンポーネントと、を少なくとも含むユーザインタフェースを表示可能な表示部を更に備え、
前記MCIシミュレータは、前記第2の確率と、前記第4の確率と、前記疑似行動情報セットに含まれるそれぞれ前記疑似行動情報について推定した前記第1の確率と、前記第3の確率と、を前記表示部に提供し、
前記表示部は、
前記疑似行動情報セットに含まれる前記疑似行動情報により表される行動を前記第1コンポーネントに表示し、
前記被験者が、前記行動情報により表される行動を実行した場合に、その前記被験者が軽度認知障害に該当する確率の、前記第1時点から前記第2時点への時系列変化を、前記第2の確率及び前記第4の確率を用いて前記第3コンポーネントに表示するとともに、
前記被験者が、前記疑似行動情報により表される仮想の行動を実行した場合に、その前記被験者が軽度認知障害に該当する確率の、前記第1時点から前記第2時点への時系列変化を、前記第1の確率及び前記第3の確率を用いて前記第3コンポーネントに表示する、請求項18に記載のシミュレーションシステム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020099604A JP7322818B2 (ja) | 2020-06-08 | 2020-06-08 | 推定システム及びシミュレーションシステム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020099604A JP7322818B2 (ja) | 2020-06-08 | 2020-06-08 | 推定システム及びシミュレーションシステム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021192754A JP2021192754A (ja) | 2021-12-23 |
JP7322818B2 true JP7322818B2 (ja) | 2023-08-08 |
Family
ID=79169004
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020099604A Active JP7322818B2 (ja) | 2020-06-08 | 2020-06-08 | 推定システム及びシミュレーションシステム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7322818B2 (ja) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018100797A1 (ja) | 2016-11-29 | 2018-06-07 | ソニーモバイルコミュニケーションズ株式会社 | 情報処理方法、情報処理装置、および情報処理端末 |
JP6679017B1 (ja) | 2019-12-20 | 2020-04-15 | 株式会社Splink | 認知症リスクの提示システムおよび方法 |
-
2020
- 2020-06-08 JP JP2020099604A patent/JP7322818B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018100797A1 (ja) | 2016-11-29 | 2018-06-07 | ソニーモバイルコミュニケーションズ株式会社 | 情報処理方法、情報処理装置、および情報処理端末 |
JP6679017B1 (ja) | 2019-12-20 | 2020-04-15 | 株式会社Splink | 認知症リスクの提示システムおよび方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2021192754A (ja) | 2021-12-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6502845B2 (ja) | アルツハイマー病に関する神経科医のワークフローを改良するシステム及び方法 | |
US10791978B2 (en) | Classifying individuals using finite mixture markov modelling and test trials with accounting for item position | |
JP2023544550A (ja) | 機械学習支援される認知的評価および処置のためのシステムおよび方法 | |
JP7299427B2 (ja) | 機械学習に基づいて心理指標データ及び身体指標データを学習することにより、精神健康を予測し、精神健康ソリューションを提供する方法及びそれを用いた精神健康評価装置 | |
JP2019084249A (ja) | 認知症診断装置、認知症診断方法、及び認知症診断プログラム | |
WO2020013302A1 (ja) | 精神・神経系疾患の推定システム、推定プログラムおよび推定方法 | |
JP6679017B1 (ja) | 認知症リスクの提示システムおよび方法 | |
KR102208759B1 (ko) | 생체 신호에 기반하여 건강상태 및 병리증상을 진단하기 위한 딥러닝 모델 생성방법 | |
CN108601566A (zh) | 一种精神压力评测方法和装置 | |
US11529105B2 (en) | Digital twin updating | |
US20210241909A1 (en) | Method and a system for evaluating treatment strategies on a virtual model of a patient | |
WO2020027213A1 (ja) | 認知症リスクの提示システムおよび方法 | |
WO2023112384A1 (ja) | 計算機システム及び情動推定方法 | |
Utianski et al. | A longitudinal evaluation of speech rate in primary progressive apraxia of speech | |
JP7293050B2 (ja) | 軽度認知障害判定システム | |
JP7322818B2 (ja) | 推定システム及びシミュレーションシステム | |
US20240180482A1 (en) | Systems and methods for digital speech-based evaluation of cognitive function | |
JP2022502201A (ja) | モバイルデバイスを用いたユーザの健康状態の継続的監視 | |
JP7509960B2 (ja) | 軽度認知障害判定システム | |
US20210005320A1 (en) | Method of inferring a need for medical test | |
KR20210084443A (ko) | 시공간 기억 및/또는 현출성의 자동 수동 평가를 위한 시스템 및 방법 | |
KR102650936B1 (ko) | 정신건강 위험신호 탐지 시스템, 그리고 이를 이용한 정신건강 위험신호 탐지 방법 | |
JP2022504288A (ja) | モバイルデバイスを用いる機械学習健康分析 | |
US20240145044A1 (en) | Contextual awareness for unsupervised administration of cognitive assessments remotely or in a clinical setting | |
EP4393398A1 (en) | Information processing method, information processing device, and information processing program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220721 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230328 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230418 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230616 |
|
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: 20230627 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230710 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7322818 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |