JP7410794B2

JP7410794B2 - スコア算出装置

Info

Publication number: JP7410794B2
Application number: JP2020085341A
Authority: JP
Inventors: 尚志濱谷; 茂樹田中
Original assignee: NTT Docomo Inc
Current assignee: NTT Docomo Inc
Priority date: 2020-05-14
Filing date: 2020-05-14
Publication date: 2024-01-10
Anticipated expiration: 2040-05-14
Also published as: JP2021179847A

Description

本開示は、スコア算出装置に係り、とりわけ、生活習慣改善行動に関する定量的なスコアを算出するスコア算出装置に関する。

従来より、健康診断等の結果を踏まえて生活習慣を改善するために、例えば「飲酒を控えましょう」、「日頃の運動を習慣づけましょう」等のフィードバック（即ち、生活習慣改善行動の提案）がユーザに対し行われる。

ところが、提案された各生活習慣改善行動の良し悪しをユーザが判断するための定量的な指標が存在しないため、ユーザは、例えば飲酒を控えると健康指標がどれだけ改善するか、日頃の運動を習慣づけると健康指標がどれだけ改善するかといった改善後の健康状態を定量的に予測することが困難であった。

国際公開２０１７／２０４２３３号公報

特許文献１には、空腹時血糖値、中性脂肪などの個別の指標が生活習慣変化によって将来どうなるかを予測する技術が提案されているものの、ユーザがとりうる様々な生活習慣の改善プランそれぞれをスコア化してユーザに提示するものではなく、ユーザが複数の改善プランそれぞれをスコアに基づいて定量的に比較可能とするものではなかった。

そこで、本開示は、生活習慣に関する複数の改善プランを定量的に比較可能とすることを目的とする。

本開示に係るスコア算出装置は、生活習慣の問診データおよび健康指標データを含む、複数人の健康診断データを収集するデータ収集部と、前記データ収集部により収集された健康診断データにおける前記問診データを説明変数とし前記健康指標データを目的変数とする、生活習慣から健康指標を予測するための予測モデルを学習する学習部と、生活習慣の改善プランを網羅的に生成する改善プラン生成部と、前記改善プラン生成部により生成された改善プランそれぞれを、前記学習部による学習で得られた前記予測モデルに適用することで、各改善プランの健康指標を予測するとともに、前記データ収集部により収集された対象ユーザの現在の健康診断データを前記予測モデルに適用することで、前記対象ユーザが現在の生活習慣を続けた場合の健康指標を基準指標として予測する健康指標予測部と、前記健康指標予測部による予測で得られた各改善プランの健康指標と前記基準指標との差分に基づき、前記対象ユーザ向けの各改善プランのスコアを算出するスコア算出部と、を備える。

上記のスコア算出装置では、まず、データ収集部が、生活習慣の問診データおよび健康指標データを含む複数人の健康診断データを収集し、学習部が、収集された健康診断データにおける問診データを説明変数とし健康指標データを目的変数とする予測モデルを学習する。これにより、生活習慣から健康指標を予測するための予測モデルが得られる。そして、データ収集部が、対象ユーザの現在の健康診断データを収集するともに、改善プラン生成部が、生活習慣の改善プランを網羅的に生成し、さらに、健康指標予測部が、生成された改善プランそれぞれを予測モデルに適用することで、各改善プランの健康指標を予測するとともに、対象ユーザの現在の健康診断データを予測モデルに適用することで、対象ユーザが現在の生活習慣を続けた場合の健康指標を基準指標として予測する。これにより、各改善プランの健康指標、および、基準指標となる「現在の生活習慣を続けた場合の健康指標」が得られる。ここで、スコア算出部が、各改善プランの健康指標と基準指標との差分に基づき、対象ユーザ向けの各改善プランのスコアを算出する。以上により、対象ユーザ向けの複数の改善プランそれぞれについてのスコアが得られるため、対象ユーザにとっては、各改善プランを定量的に比較可能となる。

本開示によれば、生活習慣に関する複数の改善プランを定量的に比較可能となる。

第１実施形態に係るスコア算出装置の構成を示す機能ブロック図である。収集された健康診断データの一例を示す図である。生活習慣の問診データに係る問診項目例を示す図である。対象ユーザの現在（今年）の健康診断データの一例を示す図である。生活習慣の改善プランの生成を説明するための図である。各改善プランの健康指標の予測を説明するための図である。基準指標の予測を説明するための図である。各改善プランのスコアの算出を説明するための図である。（ａ）は、スコア算出装置において実行される予測モデル構築のための処理を示すフロー図であり、（ｂ）は、スコア算出装置において実行されるスコア算出のための処理を示すフロー図である。第２実施形態に係るスコア算出装置の構成を示す機能ブロック図である。第２実施形態に係る処理を説明するための図である。第３実施形態に係るスコア算出装置の構成を示す機能ブロック図である。第３実施形態に係る処理を説明するための図である。スコア算出装置のハードウェア構成例を示す図である。

以下、図面を参照しながら、本開示に係るスコア算出装置の各種の実施形態について順に説明する。

［第１実施形態］
第１実施形態では、本開示に係るスコア算出装置の基本機能（予測モデル構築およびスコア算出）について説明する。図１に示すように、スコア算出装置１０は、データ収集部１１、学習部１２、改善プラン生成部１３、健康指標予測部１４、およびスコア算出部１５を備える。以下、各部の機能・動作について説明する。

データ収集部１１は、生活習慣の問診データおよび健康指標データを含む、複数人の健康診断データを収集する機能部である。図２に示すように、収集される健康診断データは、例えば、ユーザＩＤに紐付けされた、さまざまな問診項目への回答情報（１（はい）、２（いいえ）など）および健康指標（１（要注意）、０（異常なし）など）を含む。また、上記の問診項目としては、例えば、図３に示すように「現在、たばこを習慣的に吸っている」などの生活習慣に関する項目が多く含まれ、回答としては「はい」と「いいえ」の二択に限定されることなく、「速い」、「普通」、「遅い」といった３つ以上の選択肢を想定した項目が含まれる。また、データ収集部１１は、対象ユーザのスコア算出を行う処理において、図４に示すような対象ユーザ（ユーザＩＤ：＃１）の現在の健康診断データ（ここでは今年の健康診断データ）を収集する。同データの形式は前述した図２のデータ形式と同様である。なお、データ収集部１１により収集される健康診断データは、問診データ以外に、計測データ（体重、血圧の値など）を含んでもよい。

図１へ戻り、学習部１２は、データ収集部１１により収集された健康診断データにおける問診データを説明変数とし、健康指標データを目的変数とする、生活習慣から健康指標を予測するための予測モデルを学習する機能部である。学習部１２は、学習により構築された予測モデルＭを内蔵メモリに保管する。なお、学習部１２は、問診データ以外に、計測データ（体重、血圧の値など）を説明変数としてもよい。

改善プラン生成部１３は、生活習慣の改善プランを網羅的に生成する機能部であり、対象ユーザのスコア算出を行う処理において、図５に例示する網羅的な生活習慣の改善プランを生成する。各改善プランは、さまざまな問診項目への回答情報（１（はい）、２（いいえ）など）の組合せにより構成される。なお、生活習慣の改善プランを網羅的に生成する際に、前述した計測データを含めてもよいし、含めずに生成してもよい。

健康指標予測部１４は、改善プラン生成部１３により生成された改善プランそれぞれを、学習部１２による学習で得られた予測モデルＭに適用することで、各改善プランの健康指標を予測する機能部である。具体的には、図５に例示した網羅的な生活習慣の改善プラン１、２、…のそれぞれについて健康指標を予測し、図６の表の右端に示す健康指標予測結果0.1、0.2、…を得る。また、健康指標予測部１４は、対象ユーザのスコア算出を行う処理において、データ収集部１１により収集された対象ユーザの現在の健康診断データ（ここでは今年の健康診断データ）を予測モデルＭに適用することで、対象ユーザが現在の生活習慣を続けた場合の健康指標を基準指標として予測する。具体的には、図４に例示した対象ユーザの現在の健康診断データについて健康指標を予測し、対象ユーザの基準指標となる図７の表の右端に示す健康指標予測結果0.4を得る。

スコア算出部１５は、健康指標予測部１４による予測で得られた各改善プランの健康指標と基準指標との差分に基づき、対象ユーザ向けの各改善プランのスコアを算出する機能部である。この例では、スコア算出部１５は、各改善プランの健康指標「0.1、0.2、…」から基準指標「0.4」を減算することで得られた差分を、対象ユーザ向けの各改善プランのスコアとして算出し、図８の表の右端に示す各改善プランのスコア「-0.3、-0.2、…」を得る。上記の算出方法は一例であり、各改善プランのスコアは、基準指標から各改善プランの健康指標を減算することで得られた差分を採用してもよいし、上記のような減算結果に所定の定数を加算又は乗算して得られた値を採用してもよい。

（スコア算出装置において実行される処理）
以下、図９（ａ）、図９（ｂ）を用いて、スコア算出装置１０において実行される処理の一例を概説する。図９（ａ）の処理は予測モデル構築のための処理であり、図９（ｂ）の処理は対象ユーザのスコア算出のための処理である。図９（ａ）の処理により構築される予測モデルは図９（ｂ）の処理で用いられるため、図９（ａ）の処理は、図９（ｂ）の処理の前提となる処理である。

図９（ａ）の処理では、データ収集部１１が、生活習慣の問診データおよび健康指標データを含む、複数人の健康診断データを収集し（ステップＳ１）、学習部１２が、収集された健康診断データにおける問診データを説明変数とし、健康指標データを目的変数とする、生活習慣から健康指標を予測するための予測モデルを学習する（ステップＳ２）。学習により構築された予測モデルＭは、学習部１２の内蔵メモリに保管される。

図９（ｂ）の処理では、データ収集部１１が、対象ユーザの現在の健康診断データ（ここでは今年の健康診断データ）を収集し（ステップＳ１１）、改善プラン生成部１３が、生活習慣の改善プランを網羅的に生成し（ステップＳ１２）、そして、健康指標予測部１４が、ステップＳ１２で生成された改善プランそれぞれを、学習部１２による学習で得られ保管された予測モデルＭに適用することで、各改善プランの健康指標を予測する（ステップＳ１３）。また、健康指標予測部１４は、ステップＳ１２で収集された対象ユーザの現在の健康診断データ（ここでは今年の健康診断データ）を予測モデルＭに適用することで、対象ユーザが現在の生活習慣を続けた場合の健康指標を基準指標として予測する（ステップＳ１４）。ステップＳ１４により、基準指標となる「現在の生活習慣を続けた場合の健康指標」が得られる。さらに、スコア算出部１５は、ステップＳ１３で得られた各改善プランの健康指標とステップＳ１４で得られた基準指標との差分に基づき、対象ユーザ向けの各改善プランのスコアを算出する（ステップＳ１５）。ここでは、一例として、スコア算出部１５は、各改善プランの健康指標から基準指標を減算することで得られた差分を、対象ユーザ向けの各改善プランのスコアとして算出し、図８の表の右端に示す各改善プランのスコアを得る。

以上のような第１実施形態により、対象ユーザ向けの複数の改善プランそれぞれについてのスコアが得られるため、対象ユーザにとっては、各改善プランを定量的に比較可能となる。

なお、図９（ｂ）の処理において、対象ユーザの基準指標の予測に関連するステップＳ１１とＳ１４の処理群と、各改善プランの健康指標の予測に関連するステップＳ１２とＳ１３の処理群とは、同時並行で実行してもよく、両処理群の実行後にステップＳ１５を実行すればよい。

［第２実施形態］
第２実施形態では、ユーザの生活習慣改善に資するように、算出されたスコアをユーザの視界画像に重畳して表示させる利用シーンについて説明する。図１０に示すように、第２実施形態のスコア算出装置１０Ａは、第１実施形態で説明した図１のスコア算出装置１０の構成に、制御部１６を追加した構成とされている。制御部１６は、対象ユーザの視界を撮像して得られる視界画像データに基づき、対象ユーザの生活習慣改善に繋がるシナリオを認識し、認識されたシナリオに対応する生活習慣改善行動を対象ユーザが行った場合のスコアを算出するように、健康指標予測部１４およびスコア算出部１５を制御する機能部である。

具体的には、制御部１６は、対象ユーザが身に着けているカメラ付きメガネ等（例えばAR（Augmented Reality）グラス、MR（Mixed Reality）グラス等）から、対象ユーザの視界を撮像して得られる視界画像データを取得し、取得された視界画像データから、対象ユーザの生活習慣改善に繋がるシナリオを認識する。例えば、図１１の左上に示すように、上りエスカレータと階段とを含む視界画像データが取得された場合、制御部１６は、「対象ユーザの視界に上りエスカレータと階段が有る」と判断し、「この状況では、対象ユーザの生活習慣のうちの運動習慣の項目を改善可能である」と判断する。このような判断が、対象ユーザの生活習慣改善に繋がるシナリオの認識に相当する。そして、制御部１６は、対象ユーザの生活習慣のうちの運動習慣の項目を改善した場合（即ち、認識されたシナリオに対応する生活習慣改善行動を対象ユーザが行った場合）のスコアを算出するように、健康指標予測部１４およびスコア算出部１５に指示する。

ここでのスコアとしては、対象ユーザにとって、例えば、複数の問診項目のうち「日常的に運動する習慣が有る」、「日常的に階段を利用する」といった問診項目が「いいえ」である場合のスコアが、運動習慣なしの場合（日常的にエスカレータを利用する場合）のスコアとして算出され、上記の問診項目が「はい」である場合のスコアが、運動習慣ありの場合（日常的に階段を利用する場合）のスコアとして算出される。このとき、例えば、対象ユーザが日常的に運動する習慣を有していない場合には、図１１の左下に示すように、運動習慣なしの場合（日常的にエスカレータを利用する場合）のスコアとして「±0.0」が得られ、運動習慣ありの場合（日常的に階段を利用する場合）のスコアとして「＋0.4」が得られる。

さらに、制御部１６は、スコア算出部１５から、上記例のようなスコア「±0.0」と「＋0.4」を示す画像（図１１の左下）を重畳させた図１１の右側の視界画像を、例えば、対象ユーザが身に着けているカメラ付きメガネ等（例えばARグラス、MRグラス等）に表示出力させる。これにより、対象ユーザは、生活習慣に関する複数の改善プラン（ここでは、運動習慣なしの場合（日常的にエスカレータを利用する場合）のスコア「±0.0」と、運動習慣ありの場合（日常的に階段を利用する場合）のスコア「＋0.4」）を視認することができ、定量的に比較することができる。

また、日常的に運動する習慣を有していない上記対象ユーザは、現在の状況（駅構内でホームへ昇ろうとする状況）で、エスカレータでなく階段を利用することで、定量的な「＋0.4」の生活習慣改善効果が得られると認識することができ、これに伴い、対象ユーザにとって、積極的に階段を利用して生活習慣を改善しようというモチベーションが向上する。

なお、上記のように対象ユーザが日常的に運動する習慣を有していない場合には、第１実施形態で述べた基準指標となる「現在の生活習慣を続けた場合の健康指標」が低い値となるため、運動習慣なしの場合（日常的にエスカレータを利用する場合）のスコアとして「±0.0」（現状と変わらない）が得られる。もし対象ユーザが日常的に運動する習慣を有している場合には、基準指標となる「現在の生活習慣を続けた場合の健康指標」が高い値となるため、運動習慣なしの場合（日常的にエスカレータを利用する場合）のスコアとして「マイナスの値」が得られる。この場合、このような対象ユーザは、現在の状況（駅構内でホームへ昇ろうとする状況）で、エスカレータを利用すると、自分にとって生活習慣改善効果がマイナスになると認識することができ、これに伴い、対象ユーザにとって、積極的に階段を利用して生活習慣を改善しようというモチベーションが向上する。

［第３実施形態］
第３実施形態では、ボタン操作の起動によって、生活習慣改善に係るアドバイス画面を表示させる利用シーンについて説明する。図１２に示すように、スコア算出装置１０Ｂは、第１実施形態で説明した図１のスコア算出装置１０の構成に、対象ユーザが動作指示を入力するための指示入力部１７を追加した構成とされており、スコア算出装置１０Ｂは、指示入力部１７から動作指示が入力されたことをトリガーとして、動作が起動され、スコア算出部１５は、算出されたスコアが高い方から上位所定数の改善プランを対象ユーザに提示する構成とされている。

具体的には、図１３に示すように、指示入力部１７は、スコア算出装置１０Ｂのユーザ入力画面における「アドバイスボタン」により構成され、アドバイスボタンが操作（例えば指でタッチ）されたことをトリガーとして、スコア算出装置１０Ｂにおいて、前述した図９（ｂ）の対象ユーザのスコア算出処理が起動される。そして、スコア算出部１５は、算出されたスコアが高い方から上位所定数の改善プランを対象ユーザに提示する。提示方法としては、例えば、対象ユーザが身に着けているカメラ付きメガネ等（例えばARグラス、MRグラス等）に表示出力させる。例えば、図１３に例示するように、算出されたスコアが高い方から上位所定数（ここでは上位３つ）の改善プランが対象ユーザに提示される。

これにより、対象ユーザは、自分の所望のタイミングで、指示入力部１７（アドバイスボタン）を操作することで、自分にとって生活習慣改善効果が高い上位所定数（ここでは上位３つ）の改善プランを速やかに参照して、定量的に比較することができる。

［用語、変形態様などについて］
なお、上記実施形態の説明に用いたブロック図は、機能単位のブロックを示している。これらの機能ブロック（構成部）は、ハードウェア及びソフトウェアの少なくとも一方の任意の組み合わせによって実現される。また、各機能ブロックの実現方法は特に限定されない。すなわち、各機能ブロックは、物理的又は論理的に結合した１つの装置を用いて実現されてもよいし、物理的又は論理的に分離した２つ以上の装置を直接的又は間接的に（例えば、有線、無線などを用いて）接続し、これら複数の装置を用いて実現されてもよい。機能ブロックは、上記１つの装置又は上記複数の装置にソフトウェアを組み合わせて実現されてもよい。

機能には、判断、決定、判定、計算、算出、処理、導出、調査、探索、確認、受信、送信、出力、アクセス、解決、選択、選定、確立、比較、想定、期待、見做し、報知（broadcasting）、通知（notifying）、通信（communicating）、転送（forwarding）、構成（configuring）、再構成（reconfiguring）、割り当て（allocating、mapping）、割り振り（assigning）などがあるが、これらに限られない。たとえば、送信を機能させる機能ブロック（構成部）は、送信部（transmitting unit）、送信機（transmitter）と呼称される。いずれも、上述したとおり、実現方法は特に限定されない。

例えば、一実施の形態におけるスコア算出装置は、本実施形態における処理を行うコンピュータとして機能してもよい。図１４は、スコア算出装置１０のハードウェア構成例を示す図である。上述のスコア算出装置１０は、物理的には、プロセッサ１００１、メモリ１００２、ストレージ１００３、通信装置１００４、入力装置１００５、出力装置１００６、バス１００７などを含むコンピュータ装置として構成されてもよい。

なお、以下の説明では、「装置」という文言は、回路、デバイス、ユニットなどに読み替えることができる。スコア算出装置１０のハードウェア構成は、図に示した各装置を１つ又は複数含むように構成されてもよいし、一部の装置を含まずに構成されてもよい。

スコア算出装置１０における各機能は、プロセッサ１００１、メモリ１００２などのハードウェア上に所定のソフトウェア（プログラム）を読み込ませることによって、プロセッサ１００１が演算を行い、通信装置１００４による通信を制御したり、メモリ１００２及びストレージ１００３におけるデータの読み出し及び書き込みの少なくとも一方を制御したりすることによって実現される。

プロセッサ１００１は、例えば、オペレーティングシステムを動作させてコンピュータ全体を制御する。プロセッサ１００１は、周辺装置とのインターフェース、制御装置、演算装置、レジスタなどを含む中央処理装置（ＣＰＵ：Central Processing Unit）によって構成されてもよい。

また、プロセッサ１００１は、プログラム（プログラムコード）、ソフトウェアモジュール、データなどを、ストレージ１００３及び通信装置１００４の少なくとも一方からメモリ１００２に読み出し、これらに従って各種の処理を実行する。プログラムとしては、上述の実施の形態において説明した動作の少なくとも一部をコンピュータに実行させるプログラムが用いられる。上述の各種処理は、１つのプロセッサ１００１によって実行される旨を説明してきたが、２以上のプロセッサ１００１により同時又は逐次に実行されてもよい。プロセッサ１００１は、１以上のチップによって実装されてもよい。なお、プログラムは、電気通信回線を介してネットワークから送信されても良い。

メモリ１００２は、コンピュータ読み取り可能な記録媒体であり、例えば、ＲＯＭ（Read Only Memory）、ＥＰＲＯＭ（Erasable Programmable ＲＯＭ）、ＥＥＰＲＯＭ（Electrically Erasable Programmable ＲＯＭ）、ＲＡＭ（Random Access Memory）などの少なくとも１つによって構成されてもよい。メモリ１００２は、レジスタ、キャッシュ、メインメモリ（主記憶装置）などと呼ばれてもよい。メモリ１００２は、本開示の一実施の形態に係る無線通信方法を実施するために実行可能なプログラム（プログラムコード）、ソフトウェアモジュールなどを保存することができる。

ストレージ１００３は、コンピュータ読み取り可能な記録媒体であり、例えば、ＣＤ－ＲＯＭ（Compact Disc ＲＯＭ）などの光ディスク、ハードディスクドライブ、フレキシブルディスク、光磁気ディスク(例えば、コンパクトディスク、デジタル多用途ディスク、Ｂｌｕ－ｒａｙ（登録商標）ディスク)、スマートカード、フラッシュメモリ(例えば、カード、スティック、キードライブ)、フロッピー（登録商標）ディスク、磁気ストリップなどの少なくとも１つによって構成されてもよい。ストレージ１００３は、補助記憶装置と呼ばれてもよい。上述の記憶媒体は、例えば、メモリ１００２及びストレージ１００３の少なくとも一方を含むデータベース、サーバその他の適切な媒体であってもよい。

通信装置１００４は、有線ネットワーク及び無線ネットワークの少なくとも一方を介してコンピュータ間の通信を行うためのハードウェア（送受信デバイス）であり、例えばネットワークデバイス、ネットワークコントローラ、ネットワークカード、通信モジュールなどともいう。

入力装置１００５は、外部からの入力を受け付ける入力デバイス（例えば、キーボード、マウス、マイクロフォン、スイッチ、ボタン、センサなど）である。出力装置１００６は、外部への出力を実施する出力デバイス（例えば、ディスプレイ、スピーカー、LEDランプなど）である。なお、入力装置１００５及び出力装置１００６は、一体となった構成（例えば、タッチパネル）であってもよい。また、プロセッサ１００１、メモリ１００２などの各装置は、情報を通信するためのバス１００７によって接続される。バス１００７は、単一のバスを用いて構成されてもよいし、装置間ごとに異なるバスを用いて構成されてもよい。なお、第２、第３実施形態に係るスコア算出装置１０Ａ、１０Ｂも、上記のスコア算出装置１０と同様のハードウェア構成とされている。

本開示において説明した各態様／実施形態は単独で用いてもよいし、組み合わせて用いてもよいし、実行に伴って切り替えて用いてもよい。また、所定の情報の通知（例えば、「Ｘであること」の通知）は、明示的に行うものに限られず、暗黙的（例えば、当該所定の情報の通知を行わない）ことによって行われてもよい。

以上、本開示について詳細に説明したが、当業者にとっては、本開示が本開示中に説明した実施形態に限定されるものではないということは明らかである。本開示は、請求の範囲の記載により定まる本開示の趣旨及び範囲を逸脱することなく修正及び変更態様として実施することができる。したがって、本開示の記載は、例示説明を目的とするものであり、本開示に対して何ら制限的な意味を有するものではない。

本開示において説明した各態様／実施形態の処理手順、シーケンス、フローチャートなどは、矛盾の無い限り、順序を入れ替えてもよい。例えば、本開示において説明した方法については、例示的な順序を用いて様々なステップの要素を提示しており、提示した特定の順序に限定されない。

入出力された情報等は特定の場所（例えば、メモリ）に保存されてもよいし、管理テーブルを用いて管理してもよい。入出力される情報等は、上書き、更新、又は追記され得る。出力された情報等は削除されてもよい。入力された情報等は他の装置へ送信されてもよい。

本開示において使用する「に基づいて」という記載は、別段に明記されていない限り、「のみに基づいて」を意味しない。言い換えれば、「に基づいて」という記載は、「のみに基づいて」と「に少なくとも基づいて」の両方を意味する。

本開示において、「含む（include）」、「含んでいる（including）」及びそれらの変形が使用されている場合、これらの用語は、用語「備える（comprising）」と同様に、包括的であることが意図される。さらに、本開示において使用されている用語「又は（or）」は、排他的論理和ではないことが意図される。

本開示において、例えば、英語でのa, an及びtheのように、翻訳により冠詞が追加された場合、本開示は、これらの冠詞の後に続く名詞が複数形であることを含んでもよい。

本開示において、「ＡとＢが異なる」という用語は、「ＡとＢが互いに異なる」ことを意味してもよい。なお、当該用語は、「ＡとＢがそれぞれＣと異なる」ことを意味してもよい。「離れる」、「結合される」などの用語も、「異なる」と同様に解釈されてもよい。

１０、１０Ａ、１０Ｂ…スコア算出装置、１１…データ収集部、１２…学習部、Ｍ…予測モデル、１３…改善プラン生成部、１４…健康指標予測部、１５…スコア算出部、１６…制御部、１７…指示入力部、１００１…プロセッサ、１００２…メモリ、１００３…ストレージ、１００４…通信装置、１００５…入力装置、１００６…出力装置、１００７…バス。

Claims

生活習慣の問診データおよび健康指標データを含む、複数人の健康診断データを収集するデータ収集部と、
前記データ収集部により収集された健康診断データにおける前記問診データを説明変数とし前記健康指標データを目的変数とする、生活習慣から健康指標を予測するための予測モデルを学習する学習部と、
生活習慣の改善プランを網羅的に生成する改善プラン生成部と、
前記改善プラン生成部により生成された改善プランそれぞれを、前記学習部による学習で得られた前記予測モデルに適用することで、各改善プランの健康指標を予測するとともに、前記データ収集部により収集された対象ユーザの現在の健康診断データを前記予測モデルに適用することで、前記対象ユーザが現在の生活習慣を続けた場合の健康指標を基準指標として予測する健康指標予測部と、
前記健康指標予測部による予測で得られた各改善プランの健康指標と前記基準指標との差分に基づき、前記対象ユーザ向けの各改善プランのスコアを算出するスコア算出部と、
を備えるスコア算出装置。
前記対象ユーザの視界を撮像して得られる視界画像データに基づき、前記対象ユーザの生活習慣改善に繋がるシナリオを認識し、認識されたシナリオに対応する生活習慣改善行動を前記対象ユーザが行った場合のスコアを算出するように、前記健康指標予測部および前記スコア算出部を制御する制御部、
をさらに備える請求項１に記載のスコア算出装置。
前記スコア算出装置は、前記対象ユーザが動作指示を入力するための指示入力部をさらに備え、前記指示入力部から動作指示が入力されたことをトリガーとして、動作が起動され、
前記スコア算出部は、算出されたスコアが高い方から上位所定数の改善プランを前記対象ユーザに提示する、
請求項１又は２に記載のスコア算出装置。