JP7543590B1 - 推奨量出力システム、推奨量出力方法及びプログラム - Google Patents
推奨量出力システム、推奨量出力方法及びプログラム Download PDFInfo
- Publication number
- JP7543590B1 JP7543590B1 JP2024068582A JP2024068582A JP7543590B1 JP 7543590 B1 JP7543590 B1 JP 7543590B1 JP 2024068582 A JP2024068582 A JP 2024068582A JP 2024068582 A JP2024068582 A JP 2024068582A JP 7543590 B1 JP7543590 B1 JP 7543590B1
- Authority
- JP
- Japan
- Prior art keywords
- amount
- equol
- user
- recommended
- isoflavone
- 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 abstract description 38
- 235000019126 equol Nutrition 0.000 claims abstract description 202
- ADFCQWZHKCXPAJ-GFCCVEGCSA-N equol Chemical compound C1=CC(O)=CC=C1[C@@H]1CC2=CC=C(O)C=C2OC1 ADFCQWZHKCXPAJ-GFCCVEGCSA-N 0.000 claims abstract description 202
- ADFCQWZHKCXPAJ-UHFFFAOYSA-N indofine Natural products C1=CC(O)=CC=C1C1CC2=CC=C(O)C=C2OC1 ADFCQWZHKCXPAJ-UHFFFAOYSA-N 0.000 claims abstract description 202
- CJWQYWQDLBZGPD-UHFFFAOYSA-N isoflavone Natural products C1=C(OC)C(OC)=CC(OC)=C1C1=COC2=C(C=CC(C)(C)O3)C3=C(OC)C=C2C1=O CJWQYWQDLBZGPD-UHFFFAOYSA-N 0.000 claims abstract description 99
- 235000008696 isoflavones Nutrition 0.000 claims abstract description 99
- 238000004519 manufacturing process Methods 0.000 claims abstract description 81
- GOMNOOKGLZYEJT-UHFFFAOYSA-N isoflavone Chemical compound C=1OC2=CC=CC=C2C(=O)C=1C1=CC=CC=C1 GOMNOOKGLZYEJT-UHFFFAOYSA-N 0.000 claims abstract description 69
- 230000007812 deficiency Effects 0.000 claims abstract description 36
- 239000013589 supplement Substances 0.000 claims description 62
- 150000002515 isoflavone derivatives Chemical class 0.000 claims description 30
- 239000008280 blood Substances 0.000 claims description 19
- 210000004369 blood Anatomy 0.000 claims description 19
- 235000005911 diet Nutrition 0.000 claims description 16
- 230000037213 diet Effects 0.000 claims description 13
- 230000029142 excretion Effects 0.000 claims description 11
- 210000004243 sweat Anatomy 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 6
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 4
- 230000036760 body temperature Effects 0.000 claims description 4
- 229910052760 oxygen Inorganic materials 0.000 claims description 4
- 239000001301 oxygen Substances 0.000 claims description 4
- 235000018823 dietary intake Nutrition 0.000 claims 2
- 238000004891 communication Methods 0.000 abstract description 7
- 238000005259 measurement Methods 0.000 description 43
- 230000008569 process Effects 0.000 description 25
- 238000010586 diagram Methods 0.000 description 19
- 235000013305 food Nutrition 0.000 description 17
- 238000007781 pre-processing Methods 0.000 description 13
- 238000012360 testing method Methods 0.000 description 12
- 230000000694 effects Effects 0.000 description 6
- 239000000047 product Substances 0.000 description 6
- ZQSIJRDFPHDXIC-UHFFFAOYSA-N daidzein Chemical compound C1=CC(O)=CC=C1C1=COC2=CC(O)=CC=C2C1=O ZQSIJRDFPHDXIC-UHFFFAOYSA-N 0.000 description 4
- 230000000968 intestinal effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 241000894006 Bacteria Species 0.000 description 3
- 238000009534 blood test Methods 0.000 description 3
- 238000009535 clinical urine test Methods 0.000 description 3
- 230000000378 dietary effect Effects 0.000 description 3
- 235000020805 dietary restrictions Nutrition 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 235000015097 nutrients Nutrition 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 235000007240 daidzein Nutrition 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 229930003935 flavonoid Natural products 0.000 description 2
- 235000017173 flavonoids Nutrition 0.000 description 2
- 150000002215 flavonoids Chemical class 0.000 description 2
- 230000037406 food intake Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 210000000936 intestine Anatomy 0.000 description 2
- 235000012054 meals Nutrition 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000002563 stool test Methods 0.000 description 2
- 230000035900 sweating Effects 0.000 description 2
- LHAWEKRFPAFKQN-UHFFFAOYSA-N 3-phenylchromen-4-one Chemical compound C=1OC2=CC=CC=C2C(=O)C=1C1=CC=CC=C1.C=1OC2=CC=CC=C2C(=O)C=1C1=CC=CC=C1 LHAWEKRFPAFKQN-UHFFFAOYSA-N 0.000 description 1
- 235000010469 Glycine max Nutrition 0.000 description 1
- 244000068988 Glycine max Species 0.000 description 1
- 229930193653 Kudzuisoflavone Natural products 0.000 description 1
- 208000017657 Menopausal disease Diseases 0.000 description 1
- 206010041235 Snoring Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 239000002775 capsule Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 239000002552 dosage form Substances 0.000 description 1
- 210000003608 fece Anatomy 0.000 description 1
- 235000013376 functional food Nutrition 0.000 description 1
- TZBJGXHYKVUXJN-UHFFFAOYSA-N genistein Natural products C1=CC(O)=CC=C1C1=COC2=CC(O)=CC(O)=C2C1=O TZBJGXHYKVUXJN-UHFFFAOYSA-N 0.000 description 1
- 235000006539 genistein Nutrition 0.000 description 1
- 229940045109 genistein Drugs 0.000 description 1
- ZCOLJUOHXJRHDI-CMWLGVBASA-N genistein 7-O-beta-D-glucoside Chemical compound O[C@@H]1[C@@H](O)[C@H](O)[C@@H](CO)O[C@H]1OC1=CC(O)=C2C(=O)C(C=3C=CC(O)=CC=3)=COC2=C1 ZCOLJUOHXJRHDI-CMWLGVBASA-N 0.000 description 1
- 235000008466 glycitein Nutrition 0.000 description 1
- DXYUAIFZCFRPTH-UHFFFAOYSA-N glycitein Chemical compound C1=C(O)C(OC)=CC(C2=O)=C1OC=C2C1=CC=C(O)C=C1 DXYUAIFZCFRPTH-UHFFFAOYSA-N 0.000 description 1
- NNUVCMKMNCKPKN-UHFFFAOYSA-N glycitein Natural products COc1c(O)ccc2OC=C(C(=O)c12)c3ccc(O)cc3 NNUVCMKMNCKPKN-UHFFFAOYSA-N 0.000 description 1
- 239000008187 granular material Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 235000013402 health food Nutrition 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 235000018343 nutrient deficiency Nutrition 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 230000003860 sleep quality Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000003826 tablet Substances 0.000 description 1
- 238000002562 urinalysis Methods 0.000 description 1
- 210000002700 urine Anatomy 0.000 description 1
Images
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Abstract
【課題】個別のユーザのエクオール摂取量を改善する推奨量出力システム、方法及びプログラムを提供する。【解決手段】システム１００は、ユーザのエクオール産生量の予測値と、所定の目標量とを用いて、ユーザのエクオール不足量を算出することと、算出されたエクオール不足量と、ユーザのエクオール産生能の程度を表す指標値とに基づいて、ユーザが摂取すべきエクオール又はイソフラボンの推奨量を算出することと、算出された推奨量を出力することと、を実行する１以上のコンピュータ（サーバ１及び端末２Ａ～２Ｃ）を含む推奨量出力システムであって、サーバは、プロセッサ１１、記憶装置１２及び通信インターフェース（ＩＦ）１３を含み、端末は、プロセッサ、記憶装置、通信ＩＦ及びユーザに対して情報の入出力を行うための入出力インターフェース（ＩＦ）を含み、サーバと端末とは、ネットワーク３を介して通信可能に接続されている。【選択図】図１
Description
本開示は、推奨量出力システム、推奨量出力方法及びプログラムに関する。
従来、ユーザが摂取不足している栄養素を補う食品リストを提案するシステムが提案されていた（例えば特許文献１）。本システムでは、携帯端末から、ユーザの摂取した栄養素の過不足量を商品提案サーバに送信する。商品提案サーバは、受信した栄養素の過不足情報に応じて、各種栄養素を補う商品名を格納した商品データベースを参照して、ユーザが摂取すべき商品に関する情報を携帯端末に返信する。
イソフラボンから産生されるエクオールの産生能は、腸内環境に依存し、個人によって大きく異なる。しかしながら、エクオールやイソフラボンのサプリメントには、一律の摂取量が記載されることが一般的であり、個別のユーザに適量を提案することは困難であった。本開示は、個別のユーザのエクオール摂取量を改善するための技術を提供することを目的とする。
本開示は、以下の態様により実現することができる。
（態様１）
ユーザのエクオール産生量の予測値と、所定の目標量とを用いて、前記ユーザのエクオール不足量を算出することと、
算出されたエクオール不足量と、前記ユーザのエクオール産生能の程度を表す指標値とに基づいて、前記ユーザが摂取すべきエクオール及び／又はイソフラボンの推奨量を算出することと、
算出された推奨量を出力することと、
を実行する１以上のコンピュータを含む推奨量出力システム。
（態様２）
前記エクオール産生量の予測値は、前記ユーザのエクオール排出量を用いて予測される
態様１に記載の推奨量出力システム。
（態様３）
前記エクオール産生量の予測値は、前記ユーザのウェアラブル端末から取得されるバイタルデータを用いて予測される
態様１又は２に記載の推奨量出力システム。
なお、態様２を引用する場合、ユーザのエクオール産生量は、バイタルデータとエクオール産生量との関係を予測するためのモデル作成のために用いられる。
（態様４）
前記バイタルデータは、前記ユーザの心電図、心拍数、血中酸素濃度、睡眠の質を表す指標、体温、発汗量及び汗の成分の少なくとも何れかを含む
態様３に記載の推奨量出力システム。
（態様５）
前記指標値は、前記ユーザが所定期間以上、食事によるイソフラボンの摂取を控え、且
つ所定量のイソフラボン含有サプリメントを摂取してから所定時間経過後のエクオール排出量又は血中濃度に応じた値である
態様１から４の何れか一つに記載の推奨量出力システム。
（態様６）
前記エクオール産生量の予測値は、
前記ユーザが所定期間、食事によるイソフラボンの摂取を控えた後の前記バイタルデータ及びエクオール排出量と、
前記ユーザが所定期間、食事によるイソフラボンの摂取を控え、且つ所定量のイソフラボン含有サプリメントを摂取した後の前記バイタルデータ及びエクオール排出量と、
の関係を学習した予測モデルを用いて予測される
態様３又は４に記載の推奨量出力システム。
（態様７）
前記イソフラボンの推奨量を前記ユーザが摂取したことを示す情報を受信した後に算出される摂取後のエクオール不足量が所定の条件を満たす場合、前記目標量と摂取後のエクオール不足量との関係に基づいて、前記予測モデル、又は前記不足量若しくは前記推奨量の補正係数を修正する
態様６に記載の推奨量出力システム。
（態様８）
ユーザのエクオール産生量の予測値と、所定の目標量とを用いて、前記ユーザのエクオール不足量を算出することと、
算出されたエクオール不足量と、前記ユーザのエクオール産生能の程度を表す指標値とに基づいて、前記ユーザが摂取すべきエクオール及び／又はイソフラボンの推奨量を算出することと、
算出された推奨量を出力することと、
を１以上のコンピュータが実行する推奨量出力方法。
（態様９）
前記指標値は、前記ユーザが所定期間以上、食事によるイソフラボンの摂取を控え、且つ所定量のイソフラボン含有サプリメントを摂取してから所定時間経過後のエクオール排出量又は血中濃度に応じた値である
態様８に記載の推奨量出力方法。
（態様１０）
ユーザのエクオール産生量の予測値と、所定の目標量とを用いて、前記ユーザのエクオール不足量を算出することと、
算出されたエクオール不足量と、前記ユーザのエクオール産生能の程度を表す指標値とに基づいて、前記ユーザが摂取すべきエクオール及び／又はイソフラボンの推奨量を算出することと、
算出された推奨量を出力することと、
を１以上のコンピュータに実行させるためのプログラム。
（態様１１）
前記指標値は、前記ユーザが所定期間以上、食事によるイソフラボンの摂取を控え、且つ所定量のイソフラボン含有サプリメントを摂取してから所定時間経過後のエクオール排出量又は血中濃度に応じた値である
態様１０に記載のプログラム。
（態様１）
ユーザのエクオール産生量の予測値と、所定の目標量とを用いて、前記ユーザのエクオール不足量を算出することと、
算出されたエクオール不足量と、前記ユーザのエクオール産生能の程度を表す指標値とに基づいて、前記ユーザが摂取すべきエクオール及び／又はイソフラボンの推奨量を算出することと、
算出された推奨量を出力することと、
を実行する１以上のコンピュータを含む推奨量出力システム。
（態様２）
前記エクオール産生量の予測値は、前記ユーザのエクオール排出量を用いて予測される
態様１に記載の推奨量出力システム。
（態様３）
前記エクオール産生量の予測値は、前記ユーザのウェアラブル端末から取得されるバイタルデータを用いて予測される
態様１又は２に記載の推奨量出力システム。
なお、態様２を引用する場合、ユーザのエクオール産生量は、バイタルデータとエクオール産生量との関係を予測するためのモデル作成のために用いられる。
（態様４）
前記バイタルデータは、前記ユーザの心電図、心拍数、血中酸素濃度、睡眠の質を表す指標、体温、発汗量及び汗の成分の少なくとも何れかを含む
態様３に記載の推奨量出力システム。
（態様５）
前記指標値は、前記ユーザが所定期間以上、食事によるイソフラボンの摂取を控え、且
つ所定量のイソフラボン含有サプリメントを摂取してから所定時間経過後のエクオール排出量又は血中濃度に応じた値である
態様１から４の何れか一つに記載の推奨量出力システム。
（態様６）
前記エクオール産生量の予測値は、
前記ユーザが所定期間、食事によるイソフラボンの摂取を控えた後の前記バイタルデータ及びエクオール排出量と、
前記ユーザが所定期間、食事によるイソフラボンの摂取を控え、且つ所定量のイソフラボン含有サプリメントを摂取した後の前記バイタルデータ及びエクオール排出量と、
の関係を学習した予測モデルを用いて予測される
態様３又は４に記載の推奨量出力システム。
（態様７）
前記イソフラボンの推奨量を前記ユーザが摂取したことを示す情報を受信した後に算出される摂取後のエクオール不足量が所定の条件を満たす場合、前記目標量と摂取後のエクオール不足量との関係に基づいて、前記予測モデル、又は前記不足量若しくは前記推奨量の補正係数を修正する
態様６に記載の推奨量出力システム。
（態様８）
ユーザのエクオール産生量の予測値と、所定の目標量とを用いて、前記ユーザのエクオール不足量を算出することと、
算出されたエクオール不足量と、前記ユーザのエクオール産生能の程度を表す指標値とに基づいて、前記ユーザが摂取すべきエクオール及び／又はイソフラボンの推奨量を算出することと、
算出された推奨量を出力することと、
を１以上のコンピュータが実行する推奨量出力方法。
（態様９）
前記指標値は、前記ユーザが所定期間以上、食事によるイソフラボンの摂取を控え、且つ所定量のイソフラボン含有サプリメントを摂取してから所定時間経過後のエクオール排出量又は血中濃度に応じた値である
態様８に記載の推奨量出力方法。
（態様１０）
ユーザのエクオール産生量の予測値と、所定の目標量とを用いて、前記ユーザのエクオール不足量を算出することと、
算出されたエクオール不足量と、前記ユーザのエクオール産生能の程度を表す指標値とに基づいて、前記ユーザが摂取すべきエクオール及び／又はイソフラボンの推奨量を算出することと、
算出された推奨量を出力することと、
を１以上のコンピュータに実行させるためのプログラム。
（態様１１）
前記指標値は、前記ユーザが所定期間以上、食事によるイソフラボンの摂取を控え、且つ所定量のイソフラボン含有サプリメントを摂取してから所定時間経過後のエクオール排出量又は血中濃度に応じた値である
態様１０に記載のプログラム。
なお、課題を解決するための手段の内容は、コンピュータ等の装置若しくは複数の装置を含むシステム、１以上のコンピュータが実行する方法、又は１以上のコンピュータに実行させるプログラムとして提供することができる。なお、プログラムを保持する記録媒体を提供するようにしてもよい。
開示の技術によれば、個別のユーザのエクオール摂取量を改善するための技術を提供することができる。
以下、図面を参照しつつ実施形態について説明する。
＜実施形態１＞
図１は、本実施形態に係るシステムの一例を表す図である。システム１００は、サーバ１と、端末２（２Ａ、２Ｂ、２Ｃ）とを含む。サーバ１は、ユーザについてのエクオールの不足量を推定すると共に、不足量及びユーザのエクオール産生能に応じて、イソフラボン及びエクオールの少なくとも何れかの摂取を推奨する処理を行う。端末２は、例えば、摂取すべき成分（すなわち、イソフラボン及びエクオールの少なくとも何れか）及び推奨量の提案を受ける対象のユーザが所持するコンピュータである。また、端末２は、排泄物中のエクオール量（以下「エクオール排出量」とする）の測定をユーザが依頼する検査機関に設けられるコンピュータを含んでいてもよい。サーバ１は、端末２を介してユーザのエクオール排出量を収集したり、端末２へ、摂取すべき成分の推奨量を出力したりする。また、サーバ１と端末２とは、ネットワーク３を介して通信可能に接続されている。ネットワーク３は、例えばＩＰ（Internet Protocol）ネットワークを含み、ネットワーク３
に接続された装置は所定の通信プロトコルに基づいて通信を行うことができる。ネットワーク３の一部は、電話網（固定電話網又は移動体通信網）、アドホック・ネットワーク（ad hoc network）、イントラネット、ＶＰＮ（Virtual Private Network）、ＬＡＮ（Local Area Network）、無線ＬＡＮ（Wireless LAN）、ＷＡＮ（Wide Area Network）、インターネットであってもよい。
図１は、本実施形態に係るシステムの一例を表す図である。システム１００は、サーバ１と、端末２（２Ａ、２Ｂ、２Ｃ）とを含む。サーバ１は、ユーザについてのエクオールの不足量を推定すると共に、不足量及びユーザのエクオール産生能に応じて、イソフラボン及びエクオールの少なくとも何れかの摂取を推奨する処理を行う。端末２は、例えば、摂取すべき成分（すなわち、イソフラボン及びエクオールの少なくとも何れか）及び推奨量の提案を受ける対象のユーザが所持するコンピュータである。また、端末２は、排泄物中のエクオール量（以下「エクオール排出量」とする）の測定をユーザが依頼する検査機関に設けられるコンピュータを含んでいてもよい。サーバ１は、端末２を介してユーザのエクオール排出量を収集したり、端末２へ、摂取すべき成分の推奨量を出力したりする。また、サーバ１と端末２とは、ネットワーク３を介して通信可能に接続されている。ネットワーク３は、例えばＩＰ（Internet Protocol）ネットワークを含み、ネットワーク３
に接続された装置は所定の通信プロトコルに基づいて通信を行うことができる。ネットワーク３の一部は、電話網（固定電話網又は移動体通信網）、アドホック・ネットワーク（ad hoc network）、イントラネット、ＶＰＮ（Virtual Private Network）、ＬＡＮ（Local Area Network）、無線ＬＡＮ（Wireless LAN）、ＷＡＮ（Wide Area Network）、インターネットであってもよい。
なお、本開示におけるイソフラボンとは、エクオール産生能を有する個人の腸内において、エクオールに変換される、イソフラボン（３－フェニルクロモン）を基本骨格とするフラボノイドを含むものである。このようなフラボノイドとしては、例えば、ダイゼイン等が挙げられる。ダイゼインは、エクオール産生能を有する個人の腸内において、エクオールに変換されるものである。また、本開示におけるイソフラボンは、ゲニステイン、グリシテイン等をさらに含んでよい。また、本開示におけるイソフラボンとしては、例えば、大豆イソフラボン、葛イソフラボン等が挙げられる。
サーバ１は、コンピュータであり、プロセッサ１１と、記憶装置１２と、通信インターフェース（ＩＦ）１３とを含む。プロセッサ１１は、ＣＰＵ（Central Processing Unit
）等の演算処理装置であり、プログラムを実行することにより本実施形態に係る各処理を行う。記憶装置１２は、ＲＡＭ（Random Access Memory）やＲＯＭ（Read Only Memory）等の主記憶装置、及びＨＤＤ（Hard-disk Drive）やＳＳＤ（Solid State Drive）、フラッシュメモリ等の補助記憶装置（二次記憶装置）である。主記憶装置は、プロセッサ１１が読み出したプログラムを一時的に記憶したり、プロセッサ１１の作業領域を確保したりする。補助記憶装置は、プロセッサ１１が実行するプログラムやその他のデータを記憶する。通信ＩＦ１３は、ネットワーク３を介して通信を行うためのネットワークモジュールであり、所定のプロトコルに基づいてデータを送受信する。
）等の演算処理装置であり、プログラムを実行することにより本実施形態に係る各処理を行う。記憶装置１２は、ＲＡＭ（Random Access Memory）やＲＯＭ（Read Only Memory）等の主記憶装置、及びＨＤＤ（Hard-disk Drive）やＳＳＤ（Solid State Drive）、フラッシュメモリ等の補助記憶装置（二次記憶装置）である。主記憶装置は、プロセッサ１１が読み出したプログラムを一時的に記憶したり、プロセッサ１１の作業領域を確保したりする。補助記憶装置は、プロセッサ１１が実行するプログラムやその他のデータを記憶する。通信ＩＦ１３は、ネットワーク３を介して通信を行うためのネットワークモジュールであり、所定のプロトコルに基づいてデータを送受信する。
端末２は、タブレットやスマートフォン、ＰＣ（Personal Computer）、ウェアラブル
端末等のコンピュータである。端末２は、プロセッサ、記憶装置、通信ＩＦの他、ユーザに対して情報の入出力を行うための入出力インターフェース（ＩＦ）を備える。
端末等のコンピュータである。端末２は、プロセッサ、記憶装置、通信ＩＦの他、ユーザに対して情報の入出力を行うための入出力インターフェース（ＩＦ）を備える。
図２は、実施形態の概略を説明するための図である。本実施形態では、ユーザ毎のエクオール産生能を測定しておき、摂取すべき成分及び推奨量を産生能に応じて決定する。具体的には、個々のユーザが、所定期間、食事によるイソフラボンの摂取を控え、且つ所定量のイソフラボン含有サプリメントを摂取した後のエクオール排出量等を測定する（図２：測定１）。なお、食事によるイソフラボンの摂取とは、イソフラボン含有食品を料理として摂取することを含む。サプリメントとは、所定の成分を含有する製品であり、錠剤、カプセル剤、顆粒剤、散剤等の剤形に加工されたもののほか、所定の成分の含有量が定まっている保健機能食品その他の健康食品を含むものとする。エクオールは、イソフラボンから腸内細菌（エクオール産生菌）により産生される。すなわち、個人の腸内環境に応じて、エクオール産生能には差が生じる。また、エクオール産生能の程度は、尿検査及び便検査の少なくとも何れか（以下、「検尿等」とする）で測定できるエクオール排出量、並びに血液検査で測定できるエクオールの血中濃度の少なくとも何れかに基づいて知ることができる。図３は、イソフラボンの摂取量とエクオールの産生量との関係を説明するための図である。図３のグラフは、横軸がイソフラボンの摂取量を示し、縦軸がエクオールの産生量を示す。図３のグラフには、所定量のイソフラボン含有サプリメントを摂取した場合のエクオールの産生量の模式的な例を丸印でプロットしている。エクオールの産生能が高いユーザほどエクオール産生量は大きく、産生能が低いユーザほどエクオール産生量は小さい。また、エクオール産生量は、イソフラボンの摂取量に比例して大きくなる。また、エクオール産生量は、ユーザの尿や便におけるエクオール排出量の大きさに表れると解される。図２の測定１においては、個々のユーザのエクオール産生能の程度を把握することができる。
その後、食事について制限せずに、エクオール排出量の測定を繰り返す（図２：測定２）。測定２によって、個々のユーザの直近のエクオール産生量を把握できるとともに、目安となる所定の基準値に対する過不足の量を算出できる。また、個々のユーザのエクオール産生能の程度に応じて、食品又はサプリメントにより摂取すべきイソフラボン等（すなわち、イソフラボン及びエクオールの少なくとも何れか）の量を算出できる。なお、エクオール産生能が所定の基準よりも低いユーザに対しては、イソフラボンに代えて摂取すべきエクオールの推奨量を算出できる。
＜事前処理＞
図４は、事前処理の一例を示す処理フロー図である。事前処理においては、ユーザ毎のエクオール産生能を表す指標値を記憶装置に記憶させる。まず、サーバ１のプロセッサ１１は、ネットワーク３を介し、ユーザが例えば検査機関等で測定したエクオール量の測定値を取得する（図４：Ｓ１）。測定値は、ユーザが、所定期間、食事によるイソフラボンの摂取を控えた後に、所定量のイソフラボン含有サプリメントを摂取し、その後のエクオールの血中濃度を血液検査により測定した値、又はその後のエクオール排出量を検尿等に
より測定した値のように、エクオールの産生能を直接的に測定した値のほか、検汗（発汗量若しくは汗の成分、又はこれらの組合せに関する検査）や心拍数の変化などエクオールの産生能を類推できる方法であれば特に限定されない方法により決定した値である。一般的に、エクオールは、イソフラボン含有食品の摂取後、８時間程度で血中濃度に表れ、１２から２４時間程度で血中濃度が最大となり、７２時間程度で体外に排出される。よって、血液検査、検尿及び検便は、それぞれ、ユーザがサプリメント等を摂取してから所定時間以上経過した後、且つそれよりも長い所定時間以内に行うことが好ましい。すなわち、エクオールの血中濃度及び排出量を測定すべき期間は、例えば血中濃度が最大となることが期待されるタイミングを基準として適宜定めることができる。また、測定値は、ユーザが端末２を操作して送信してもよいし、検査機関の端末２から送信してもよい。
図４は、事前処理の一例を示す処理フロー図である。事前処理においては、ユーザ毎のエクオール産生能を表す指標値を記憶装置に記憶させる。まず、サーバ１のプロセッサ１１は、ネットワーク３を介し、ユーザが例えば検査機関等で測定したエクオール量の測定値を取得する（図４：Ｓ１）。測定値は、ユーザが、所定期間、食事によるイソフラボンの摂取を控えた後に、所定量のイソフラボン含有サプリメントを摂取し、その後のエクオールの血中濃度を血液検査により測定した値、又はその後のエクオール排出量を検尿等に
より測定した値のように、エクオールの産生能を直接的に測定した値のほか、検汗（発汗量若しくは汗の成分、又はこれらの組合せに関する検査）や心拍数の変化などエクオールの産生能を類推できる方法であれば特に限定されない方法により決定した値である。一般的に、エクオールは、イソフラボン含有食品の摂取後、８時間程度で血中濃度に表れ、１２から２４時間程度で血中濃度が最大となり、７２時間程度で体外に排出される。よって、血液検査、検尿及び検便は、それぞれ、ユーザがサプリメント等を摂取してから所定時間以上経過した後、且つそれよりも長い所定時間以内に行うことが好ましい。すなわち、エクオールの血中濃度及び排出量を測定すべき期間は、例えば血中濃度が最大となることが期待されるタイミングを基準として適宜定めることができる。また、測定値は、ユーザが端末２を操作して送信してもよいし、検査機関の端末２から送信してもよい。
Ｓ１の後、プロセッサ１１は、ユーザの識別情報と対応付けて産生能の程度を表す指標値を記憶装置１２に記憶させる（図４：Ｓ２）。指標値は、Ｓ１で取得した測定値に応じた値であってもよいし、Ｓ１で取得した測定値そのものであってもよい。指標値は、例えば、イソフラボンの摂取量（ｍｇ）に対するエクオールの排出量（ｍｇ）の割合として算出してもよい。また、Ｓ２の後、事前処理を終了する。また、本実施形態においては、食事について制限せずに、エクオール排出量の測定（上記Ｓ１及びＳ２）を繰り返し実施するものとする。
＜推奨量出力処理＞
図５は、推奨量出力処理の一例を表す処理フロー図である。推奨量出力処理は、例えば定期的に、又はユーザの操作によって端末２から要求を受けた場合に開始される。また、本実施形態においては、ユーザが食事について制限せずに、エクオール排出量の測定（図４：Ｓ１及びＳ２）を繰り返し実施し、測定値が記憶装置１２に格納されているものとする。
図５は、推奨量出力処理の一例を表す処理フロー図である。推奨量出力処理は、例えば定期的に、又はユーザの操作によって端末２から要求を受けた場合に開始される。また、本実施形態においては、ユーザが食事について制限せずに、エクオール排出量の測定（図４：Ｓ１及びＳ２）を繰り返し実施し、測定値が記憶装置１２に格納されているものとする。
サーバ１のプロセッサ１１は、対象のユーザについて、所定の基準値以上の産生能があるか判断する（図５：Ｓ１１）。本ステップでは、プロセッサ１１は、対象のユーザの識別情報に対応付けて記憶されている指標値を記憶装置１２から読み出し、予め定められた閾値以上であるか判断する。なお、産生能の有無を判定するための閾値が、予め記憶装置１２に記憶されているものとする。例えば、指標値はイソフラボンの摂取量（ｍｇ）に対するエクオールの排出量（ｍｇ）の割合により定義され、閾値として例えば０に近い所定の値が記憶されているものとする。指標値が閾値未満である場合は、産生能がないと判断され（Ｓ１１：ＮＯ）、予め定められた目標量に相当するエクオール含有サプリメントを推奨する旨の情報が、ユーザの端末２へ送信される（図５：Ｓ１２）。エクオール産生能が基準よりも低いユーザに対しては、推奨量出力処理において、Ｓ１２の処理が繰り返し行われる。
一方、指標値が閾値以上である場合は、産生能があると判断され（Ｓ１１：ＹＥＳ）、プロセッサ１１は、対象のユーザについて、エクオール排出量の直近の測定値を取得する（図５：Ｓ１３）。なお、上述の通り、本実施形態においては、食事について制限しないで、エクオール排出量の測定（図４：Ｓ１及びＳ２）を繰り返し実施しているものとする。
Ｓ１３の後、プロセッサ１１は、イソフラボン含有食品、イソフラボン含有サプリメント、及びエクオール含有サプリメントの少なくとも何れかをユーザに提案する（図５：Ｓ１４）。本ステップでは、摂取すべきイソフラボン等の推奨量を決定する。推奨される摂取態様は、（１）エクオール含有サプリメントのみ、（２）イソフラボン含有サプリメントのみ、（３）イソフラボン含有食品のみ、（４）エクオール含有サプリメント及びイソフラボン含有サプリメント、（５）エクオール含有サプリメント及びイソフラボン含有食
品、（６）イソフラボン含有サプリメント及びイソフラボン含有食品、（７）エクオール含有サプリメント、イソフラボン含有サプリメント及びイソフラボン含有食品、の何れであってもよい。エクオール含有サプリメントの推奨量は、予め定められたエクオールの目標値とユーザのエクオール産生量との差であるエクオール不足量として算出される。イソフラボン含有サプリメントの推奨量は、エクオール不足量を、ユーザのエクオール生産能の指標値に基づいて換算することによりイソフラボン不足量として算出される。イソフラボン含有食品の推奨量は、イソフラボン不足量を、あらかじめ定められた食品の単位量あたりの標準的なイソフラボン含有量を用いて換算することにより算出される。また、上記（４）から（７）に示す組み合わせの場合は、任意の構成比率で、エクオール含有サプリメントの推奨量、イソフラボン含有サプリメントの推奨量、イソフラボン含有食品の推奨量を含む組合せを作成できる。なお、目標値として、理想とされる所定のエクオール産生量が予め記憶装置１２に記憶されているものとする。また、エクオール産生量は、エクオール排出量の測定量に基づいて予測される予測値である。例えば排出量に所定の係数を乗じてエクオール産生量を予測してもよいし、エクオール排出量そのものをエクオール産生量と予測してもよい。指標値による調整は、例えば指標値がイソフラボンの摂取量（ｍｇ）に対するエクオールの排出量（ｍｇ）の割合である場合は、不足量に指標値の逆数を乗じることにより、エクオールの不足量を補うことが期待できるイソフラボン等の推奨量を求めることができる。そして、プロセッサ１１は、上記（１）から（７）の少なくとも何れかの推奨量を提案する旨の情報を、ネットワークＩＦ１３及びネットワーク３を介して、ユーザの端末２へ送信する。端末２に出力される情報は、上記（１）から（７）の少なくとも何れかであり、複数であってもよい。
品、（６）イソフラボン含有サプリメント及びイソフラボン含有食品、（７）エクオール含有サプリメント、イソフラボン含有サプリメント及びイソフラボン含有食品、の何れであってもよい。エクオール含有サプリメントの推奨量は、予め定められたエクオールの目標値とユーザのエクオール産生量との差であるエクオール不足量として算出される。イソフラボン含有サプリメントの推奨量は、エクオール不足量を、ユーザのエクオール生産能の指標値に基づいて換算することによりイソフラボン不足量として算出される。イソフラボン含有食品の推奨量は、イソフラボン不足量を、あらかじめ定められた食品の単位量あたりの標準的なイソフラボン含有量を用いて換算することにより算出される。また、上記（４）から（７）に示す組み合わせの場合は、任意の構成比率で、エクオール含有サプリメントの推奨量、イソフラボン含有サプリメントの推奨量、イソフラボン含有食品の推奨量を含む組合せを作成できる。なお、目標値として、理想とされる所定のエクオール産生量が予め記憶装置１２に記憶されているものとする。また、エクオール産生量は、エクオール排出量の測定量に基づいて予測される予測値である。例えば排出量に所定の係数を乗じてエクオール産生量を予測してもよいし、エクオール排出量そのものをエクオール産生量と予測してもよい。指標値による調整は、例えば指標値がイソフラボンの摂取量（ｍｇ）に対するエクオールの排出量（ｍｇ）の割合である場合は、不足量に指標値の逆数を乗じることにより、エクオールの不足量を補うことが期待できるイソフラボン等の推奨量を求めることができる。そして、プロセッサ１１は、上記（１）から（７）の少なくとも何れかの推奨量を提案する旨の情報を、ネットワークＩＦ１３及びネットワーク３を介して、ユーザの端末２へ送信する。端末２に出力される情報は、上記（１）から（７）の少なくとも何れかであり、複数であってもよい。
＜効果＞
以上の実施形態によれば、ユーザについてエクオールの不足量を推定し、個々のユーザの不足量に基づく提案ができる。また、ユーザの産生能に応じて適量を提案することができる。したがって、個別のユーザのエクオール摂取量を改善できるようになる。
以上の実施形態によれば、ユーザについてエクオールの不足量を推定し、個々のユーザの不足量に基づく提案ができる。また、ユーザの産生能に応じて適量を提案することができる。したがって、個別のユーザのエクオール摂取量を改善できるようになる。
＜実施形態２＞
次に、第２の実施形態について説明する。本実施形態では、ユーザがスマートウォッチや活動量計などのウェアラブル端末である端末２を所持し、ウェアラブル端末から得られるデータに基づいてユーザのエクオール産生量及びその不足量を推定する。ウェアラブル端末は、生体センサを備え、ユーザの心電図、心拍数、血中酸素濃度、睡眠の質に関する情報、体温（皮膚温度）、発汗量等の少なくとも何れかを含むバイタルデータを出力する。バイタルデータは、エクオールによる改善が期待できる、更年期障害の影響が表れるデータであることが好ましい。また、所定時間安静にした後等、ユーザがバイタルデータを測定する際の条件をできるだけ統一することが望ましい。
次に、第２の実施形態について説明する。本実施形態では、ユーザがスマートウォッチや活動量計などのウェアラブル端末である端末２を所持し、ウェアラブル端末から得られるデータに基づいてユーザのエクオール産生量及びその不足量を推定する。ウェアラブル端末は、生体センサを備え、ユーザの心電図、心拍数、血中酸素濃度、睡眠の質に関する情報、体温（皮膚温度）、発汗量等の少なくとも何れかを含むバイタルデータを出力する。バイタルデータは、エクオールによる改善が期待できる、更年期障害の影響が表れるデータであることが好ましい。また、所定時間安静にした後等、ユーザがバイタルデータを測定する際の条件をできるだけ統一することが望ましい。
図６は、実施形態の概略を説明するための図である。本実施形態では、個々のユーザが、所定期間、食事によるイソフラボンの摂取を控え、その後のエクオール排出量を検査機関等で測定するとともに、ウェアラブル端末等でバイタルデータを測定する（図６：測定０）。所定期間は、ユーザの体内からエクオールが排出されるまでに要する十分な時間であり、例えば過去にイソフラボン含有食品を摂取してから７２時間程度である。さらに、食事によるイソフラボンの摂取を控え、且つ所定量のイソフラボン含有サプリメントを摂取した後のエクオール排出量を検査機関等で測定するとともに、ウェアラブル端末等でバイタルデータを測定する（図６：測定１）。本実施形態では、イソフラボンを摂取していない状態（測定０）及び所定量のイソフラボンを摂取した状態（測定１）におけるバイタルデータの特徴を学習し、バイタルデータからイソフラボンの摂取量を予測できるようにする。なお、測定０と測定１とを繰り返して学習データを増やし、予測モデルの予測精度を向上させてもよい。その後、食事について制限せずにバイタルデータを測定し（測定２）、バイタルデータに基づいてユーザのエクオール産生量を予測する。このとき、検査機
関等による測定は行わない。また、測定２において目標量のエクオールが産生されたと予測された場合は、食事を制限せずに測定２を繰り返す。一方、測定２において目標量のエクオールが産生されていないと予測された場合は、ユーザは食事に加え推奨量のサプリメントを摂取する。なお、エクオール産生能を有するユーザに対しては、イソフラボンのサプリメントが提案され、エクオール産生能を有しないユーザに対しては、エクオールのサプリメントが提案される。また、サプリメントの摂取後、例えば所定の期間を空けてバイタルデータを測定する（測定２’）。ここでは、サプリメントの効果が表れるために十分な所定の期間を空けて測定２’が行われる。例えば、イソフラボン含有サプリメントを摂取した場合は、イソフラボンがエクオールに変換されるまでに要する４８時間程度を空けて測定２’が行われる。測定２’において目標量のエクオールが産生されたと予測された場合は、例えば食事を制限せずに測定２へ戻る。一方、測定２’において、推奨量のサプリメントを摂取したにも関わらず目標量のエクオールが産生されていないと予測された場合は、バイタルデータから予測されるエクオール産生量を修正してもよい。例えば、機械学習により作成した予測モデルそのものを修正したり、予測モデルが出力する予測値を補正するための補正値を設定したりする。
関等による測定は行わない。また、測定２において目標量のエクオールが産生されたと予測された場合は、食事を制限せずに測定２を繰り返す。一方、測定２において目標量のエクオールが産生されていないと予測された場合は、ユーザは食事に加え推奨量のサプリメントを摂取する。なお、エクオール産生能を有するユーザに対しては、イソフラボンのサプリメントが提案され、エクオール産生能を有しないユーザに対しては、エクオールのサプリメントが提案される。また、サプリメントの摂取後、例えば所定の期間を空けてバイタルデータを測定する（測定２’）。ここでは、サプリメントの効果が表れるために十分な所定の期間を空けて測定２’が行われる。例えば、イソフラボン含有サプリメントを摂取した場合は、イソフラボンがエクオールに変換されるまでに要する４８時間程度を空けて測定２’が行われる。測定２’において目標量のエクオールが産生されたと予測された場合は、例えば食事を制限せずに測定２へ戻る。一方、測定２’において、推奨量のサプリメントを摂取したにも関わらず目標量のエクオールが産生されていないと予測された場合は、バイタルデータから予測されるエクオール産生量を修正してもよい。例えば、機械学習により作成した予測モデルそのものを修正したり、予測モデルが出力する予測値を補正するための補正値を設定したりする。
＜事前処理＞
図７は、第２の実施形態に係る事前処理の一例を示す処理フロー図である。事前処理においては、ユーザ毎のエクオール産生能を表す指標値及びバイタルデータとエクオール量との関係を記憶装置に記憶させる。まず、サーバ１のプロセッサ１１は、ネットワーク３を介し、ユーザが例えば検査機関等で測定したエクオール量の測定値、及びウェアラブル端末で測定したバイタルデータを取得する（図７：Ｓ２１）。本ステップでは、図６の測定０及び測定１における情報を取得する。すなわち、ユーザが、所定期間、食事によるイソフラボンの摂取を控え、その後のエクオール排出量を検査機関等で測定した測定値、及び、食事によるイソフラボンの摂取を控え、且つ所定量のイソフラボン含有サプリメントを摂取した後のエクオール排出量を測定した測定値が取得される。また、測定値は、ユーザが端末２を操作してサーバ１へ送信してもよいし、検査機関の端末２からサーバ１へ送信してもよい。バイタルデータは、心電図、心拍数、血中酸素濃度、睡眠の質に関する情報、体温（皮膚温度）、発汗量、汗の成分等の少なくとも何れかを含む。睡眠の質に関する情報は、睡眠時間、睡眠の深さと対応付けされた睡眠時間、いびきをかいている時間等であってもよい。また、心拍数は、所定時間の心拍数に加え、又は所定時間の心拍数に代えて、その規則性を表す心拍変動指標であってもよい。
図７は、第２の実施形態に係る事前処理の一例を示す処理フロー図である。事前処理においては、ユーザ毎のエクオール産生能を表す指標値及びバイタルデータとエクオール量との関係を記憶装置に記憶させる。まず、サーバ１のプロセッサ１１は、ネットワーク３を介し、ユーザが例えば検査機関等で測定したエクオール量の測定値、及びウェアラブル端末で測定したバイタルデータを取得する（図７：Ｓ２１）。本ステップでは、図６の測定０及び測定１における情報を取得する。すなわち、ユーザが、所定期間、食事によるイソフラボンの摂取を控え、その後のエクオール排出量を検査機関等で測定した測定値、及び、食事によるイソフラボンの摂取を控え、且つ所定量のイソフラボン含有サプリメントを摂取した後のエクオール排出量を測定した測定値が取得される。また、測定値は、ユーザが端末２を操作してサーバ１へ送信してもよいし、検査機関の端末２からサーバ１へ送信してもよい。バイタルデータは、心電図、心拍数、血中酸素濃度、睡眠の質に関する情報、体温（皮膚温度）、発汗量、汗の成分等の少なくとも何れかを含む。睡眠の質に関する情報は、睡眠時間、睡眠の深さと対応付けされた睡眠時間、いびきをかいている時間等であってもよい。また、心拍数は、所定時間の心拍数に加え、又は所定時間の心拍数に代えて、その規則性を表す心拍変動指標であってもよい。
Ｓ１の後、プロセッサ１１は、イソフラボンを摂取していない状態（図６：測定０）におけるバイタルデータの特徴及びエクオール産生量（又は排出量）と、所定量のイソフラボン含有サプリメントを摂取した状態（図６：測定１）におけるバイタルデータの特徴及びエクオール産生量（又は排出量）との関係を機械学習する（図７：Ｓ２２）。本ステップでは、回帰学習、深層学習等の手法により、入力されるバイタルデータからエクオール産生量を予測する予測モデルを作成する。なお、バイタルデータやエクオール産生量は、適宜正規化又は標準化して扱う。また、測定１におけるエクオール排出量が所定の閾値に満たない場合は、予測モデルの作成を行わなくてもよい。
Ｓ２の後、プロセッサ１１は、ユーザの識別情報と対応付けて産生能の程度を表す指標値及び予測モデルを記憶装置１２に記憶させる（図７：Ｓ２３）。指標値は、第１の実施形態と同様である。また、Ｓ３の後、事前処理を終了する。なお、ユーザの腸内細菌は将来的に変化する可能性があるため、予測モデルは適宜作成し直すようにしてもよい。また、図６の測定０及び測定１を繰り返し行うことにより学習データを増やし、予測モデルの予測精度を向上させるようにしてもよい。測定０においては、図３に示したグラフにおいてイソフラボン摂取量が０のときのエクオール産生量及びバイタルデータが得られる。また、測定１においては、図３に示したグラフにおいてイソフラボンセ摂取量がサプリメン
トにより摂取する規定量のときのエクオール産生量及びバイタルデータが得られる。また、イソフラボンの摂取量を増加させた場合、図３のようにイソフラボンの摂取量に比例してエクオール産生量が増え続けるのではなく、個人ごとにエクオール産生量の上限（閾値）で頭打ちになる。学習データとして利用する、特に測定１の測定値を増やすことで、図３に示したグラフの傾きの精度が向上すると共に、バイタルデータとエクオール産生量との関係を予測する予測モデルの精度も向上する。
トにより摂取する規定量のときのエクオール産生量及びバイタルデータが得られる。また、イソフラボンの摂取量を増加させた場合、図３のようにイソフラボンの摂取量に比例してエクオール産生量が増え続けるのではなく、個人ごとにエクオール産生量の上限（閾値）で頭打ちになる。学習データとして利用する、特に測定１の測定値を増やすことで、図３に示したグラフの傾きの精度が向上すると共に、バイタルデータとエクオール産生量との関係を予測する予測モデルの精度も向上する。
＜推奨量出力処理＞
図８、図９は、推奨量出力処理の一例を表す処理フロー図である。本実施形態においても、推奨量出力処理は、例えば定期的に、又はユーザの操作によって端末２から要求を受けた場合に開始される。また、本実施形態においては、ウェアラブル端末である端末２はバイタルデータを継続的に測定し（図６：測定２、測定２’）、所定のタイミングでサーバ１へ送信する。サーバ１の記憶装置１２には、端末２から受信したバイタルデータが蓄積されているものとする。また、記憶装置１２には、図７の事前処理において作成された予測モデルが格納されているものとする。
図８、図９は、推奨量出力処理の一例を表す処理フロー図である。本実施形態においても、推奨量出力処理は、例えば定期的に、又はユーザの操作によって端末２から要求を受けた場合に開始される。また、本実施形態においては、ウェアラブル端末である端末２はバイタルデータを継続的に測定し（図６：測定２、測定２’）、所定のタイミングでサーバ１へ送信する。サーバ１の記憶装置１２には、端末２から受信したバイタルデータが蓄積されているものとする。また、記憶装置１２には、図７の事前処理において作成された予測モデルが格納されているものとする。
サーバ１のプロセッサ１１は、対象のユーザについて、所定の基準値以上の産生能があるか判断する（図８：Ｓ３１）。本ステップは、図５のＳ１１と同様である。指標値が閾値未満である場合は、産生能がないと判断され（Ｓ３１：ＮＯ）、予め定められた目標量に相当するエクオールのサプリメントを推奨する旨の情報が、ユーザの端末２へ送信され（図８：Ｓ３２）、図８の処理を終了する。エクオールの産生能が基準よりも低いユーザに対しては、予め定められた目標量に相当するエクオール含有サプリメントを摂取することを推奨する。すなわち、Ｓ３２が繰り返し行われる。
一方、指標値が閾値以上である場合は、産生能があると判断され（Ｓ３１：ＹＥＳ）、プロセッサ１１は、対象のユーザについて、直近のバイタルデータからエクオール産生量を予測する（図８：Ｓ３３）。本ステップでは、測定２で測定されたバイタルデータを予測モデルに入力し、エクオール産生量の予測値を算出する。
Ｓ３３の後、プロセッサ１１は、イソフラボン含有食品、イソフラボンのサプリメント、及びエクオール含有サプリメントの少なくとも何れか（以下、「サプリメント等」とする）をユーザに提案する（図８：Ｓ３４）。本ステップは、図５のＳ１４と同様である。図１０は、実施形態の説明をするための図である。図１０のグラフは、横軸が時間を表し、縦軸がエクオール産生量の予測値を表す。例えば、時刻ｔにおいて、Ｓ３３の予測値は、丸印でプロットされた値ｅ１であったとする。このとき、目標値と予測値ｅ１との差ｄ１に相当する不足量を補うことが期待できるイソフラボンの推奨量がＳ３４においてユーザに提案される。
Ｓ３４の後、ユーザが推奨された量のサプリメント等を摂取したか、端末２を介してユーザからの入力を受け付ける（図９：Ｓ３５）。本実施形態では、事前処理の後は基本的にエクオール排出量を測定せずに、予測モデルを修正しつつバイタルデータからエクオール量を予測する。後に学習モデルの修正の要否の判断に用いるため、本ステップでは、推奨量のサプリメント等をユーザが摂取したか否かについて入力を受け付ける。また、サーバ１からユーザの端末２へ問い合わせを行い、Ｓ３４において回答を得るようにしてもよいし、端末２にインストールされたアプリケーションソフトが所定のタイミングでユーザに入力を促し、Ｓ３４においてサーバ１が回答を得るようにしてもよい。
Ｓ３５の後、所定時間の経過後に、プロセッサ１１は、対象のユーザについて、直近のバイタルデータからエクオール産生量を予測する（図９：Ｓ３６）。本ステップの処理は、図８のＳ３３と同様であるが、図６における測定２’の測定値を用いて予測が行われる
。上述した通り、一般的に、エクオールは、イソフラボン含有食品の摂取後、８時間程度で血中濃度に表れ、１２から２４時間程度で血中濃度が最大となり、７２時間程度で体外に排出される。よって、図８のＳ３４の後、ユーザがサプリメント等の摂取をした場合、エクオールが産生されるまで所定時間の間隔をあけてからＳ３６においてエクオール量の予測を行う。すなわち、バイタルデータを測定すべき期間は、例えばイソフラボン含有サプリメントを摂取してから４８時間後等、血中濃度が最大となることが期待されるタイミングを基準として適宜定めることができる。
。上述した通り、一般的に、エクオールは、イソフラボン含有食品の摂取後、８時間程度で血中濃度に表れ、１２から２４時間程度で血中濃度が最大となり、７２時間程度で体外に排出される。よって、図８のＳ３４の後、ユーザがサプリメント等の摂取をした場合、エクオールが産生されるまで所定時間の間隔をあけてからＳ３６においてエクオール量の予測を行う。すなわち、バイタルデータを測定すべき期間は、例えばイソフラボン含有サプリメントを摂取してから４８時間後等、血中濃度が最大となることが期待されるタイミングを基準として適宜定めることができる。
また、Ｓ３６の後、プロセッサ１１は、サプリメント等をユーザに提案する（図９：Ｓ３７）。本ステップは、図５のＳ１４及び図８のＳ３４と同様である。
Ｓ３７の後、プロセッサ１１は、予測モデル等の修正を行うか判断する（図９：Ｓ３８）。具体的には、プロセッサ１１は、ユーザが推奨量のサプリメント等を摂取し、且つエクオール産生量の予測値が所定の閾値未満であるか判断する。ユーザが推奨量のサプリメント等を摂取したかは、Ｓ３５の回答に基づいて判断する。所定の閾値は、エクオール産生量の目標値であってもよいし、目標値を基準として所定の許容範囲を加味した値であってもよい。すなわち、ユーザがエクオールの不足を補うためのサプリメント等の推奨量を摂取したにも関わらず、その後、エクオールの産生量が目標値に満たないような場合に、予測モデルを修正すると判断する。
例えば、ユーザが推奨量のサプリメント等を摂取することにより、図１０の時刻ｔ＋１に示すように、エクオール産生量の予測値が期待通り目標値に届いた場合は、予測モデルは想定通り機能しているため修正する必要はない。一方、ユーザが推奨量のサプリメント等を摂取したにもかかわらず、図１０の時刻ｔ＋１’に示すように、エクオール産生量の予測値が目標値に満たない場合、目標値と予測値ｅ２との差ｄ２に応じて予測モデルを修正する。なお、ユーザが推奨量のサプリメント等を摂取し、且つエクオール産生量の予測値が所定の閾値未満であると複数回判断された場合に、予測モデルを修正すると判断してもよい。また、ユーザが推奨量のサプリメント等を摂取し、且つエクオール産生量の予測値が目標値から大きく外れると判断された場合に、予測モデルを修正すると判断してもよい。また、エクオール産生量の予測値は、直近の所定期間の移動平均を用いて判断を行ってもよい。また、エクオール産生量の予測値が目標値よりも大きい方向に、許容範囲を超えて外れるような場合にも、予測モデルを修正してもよい。
予測モデルを修正すると判断された場合（Ｓ３８：ＹＥＳ）、プロセッサ１１は、目標値と予測値との差に応じて、予測モデル等を修正する（図９：Ｓ３９）。なお、予測モデルによる予測結果、エクオールの不足量、又は摂取すべきサプリメント等の推奨量を補正するための係数を調整するようにしてもよい。本ステップにより、ユーザが推奨量のイソフラボンを摂取した場合には、エクオール産生量の予測値が目標値により近づくように、予測モデル（又は補正係数）が修正される。例えば、図１０の時刻ｔにおいて目標量とエクオール産生量との差ｄ１に基づいて推奨量を決定し、その後にユーザが推奨量のサプリメント等を摂取したにもかかわらず、時刻ｔ＋１’において目標量とエクオール産生量との差ｄ２が生じた場合、時刻ｔにおける推奨量では、エクオール産生量はｄ１－ｄ２しか増加しないことがわかる。換言すれば、時刻ｔにおいては算出された推奨量の（ｄ１／ｄ１－ｄ２）倍のイソフラボンを摂取すべきであったと解されるため、例えば補正係数を（ｄ１／ｄ１－ｄ２）と設定する。なお、所定の学習率に基づいて、補正係数を少しずつ（ｄ１／ｄ１－ｄ２）に近づけるように調整してもよい。また、エクオール産生量をより少ないと予測するように、予測モデル自体を修正してもよい。
Ｓ３７において予測モデルを修正しないと判断された場合（Ｓ３８：ＮＯ）又はＳ３９の後、Ｓ３５に戻ってプロセッサ１１は処理を繰り返す。なお、図６の測定２において、
例えばユーザが検査機関等においてエクオール排出量の測定を行った場合、実測値を用いて予測モデルを修正してもよい。
例えばユーザが検査機関等においてエクオール排出量の測定を行った場合、実測値を用いて予測モデルを修正してもよい。
＜効果＞
本実施形態では、事前処理の後は、エクオール排出量を検査機関等で測定することなく、予測モデルを修正しつつバイタルデータからエクオール産生量を予測できる。また、個々のユーザの不足量及び産生能に基づいて適量を提案することができる。したがって、個別のユーザのエクオール摂取量を改善できるようになる。
本実施形態では、事前処理の後は、エクオール排出量を検査機関等で測定することなく、予測モデルを修正しつつバイタルデータからエクオール産生量を予測できる。また、個々のユーザの不足量及び産生能に基づいて適量を提案することができる。したがって、個別のユーザのエクオール摂取量を改善できるようになる。
＜変形例＞
各実施形態における各構成及びそれらの組み合わせ等は、一例であって、本開示の主旨から逸脱しない範囲内で、適宜、構成の付加、省略、置換、及びその他の変更が可能である。本開示は、実施形態によって限定されることはなく、クレームの範囲によってのみ限定される。また、本明細書に開示された各々の態様は、本明細書に開示された他のいかなる特徴とも組み合わせることができる。
各実施形態における各構成及びそれらの組み合わせ等は、一例であって、本開示の主旨から逸脱しない範囲内で、適宜、構成の付加、省略、置換、及びその他の変更が可能である。本開示は、実施形態によって限定されることはなく、クレームの範囲によってのみ限定される。また、本明細書に開示された各々の態様は、本明細書に開示された他のいかなる特徴とも組み合わせることができる。
サーバ１の機能の少なくとも一部は、複数の装置に分散して実現するようにしてもよいし、同一の機能を複数の装置が並列に提供するようにしてもよい。また、第２の実施形態で説明した予測モデルは、機械学習により作成されるものでなく、ルールベースで予測するモデルとしてもよい。
また、本開示は、上述した処理を実行する方法やコンピュータプログラム、当該プログラムを記録した、コンピュータ読み取り可能な記録媒体を含む。当該プログラムが記録された記録媒体は、プログラムをコンピュータに実行させることにより、上述の処理が可能となる。
ここで、コンピュータ読み取り可能な記録媒体とは、データやプログラム等の情報を電気的、磁気的、光学的、機械的、または化学的作用によって蓄積し、コンピュータから読み取ることができる記録媒体をいう。このような記録媒体のうちコンピュータから取り外し可能なものとしては、フレキシブルディスク、光磁気ディスク、光ディスク、磁気テープ、メモリカード等がある。また、コンピュータに固定された記録媒体としては、ＨＤＤやＳＳＤ（Solid State Drive）、ＲＯＭ等がある。
１００：システム
１：サーバ、１１：プロセッサ、１２：記憶装置、１３：通信ＩＦ
２：端末
３：ネットワーク
１：サーバ、１１：プロセッサ、１２：記憶装置、１３：通信ＩＦ
２：端末
３：ネットワーク
Claims (11)
- ユーザのエクオール産生量の予測値と、所定の目標量とを用いて、前記ユーザのエクオール不足量を算出することと、
算出されたエクオール不足量と、前記ユーザのエクオール産生能の程度を表す指標値とに基づいて、前記ユーザが摂取すべきエクオール及び／又はイソフラボンの推奨量を算出することと、
算出された推奨量を出力することと、
を実行する１以上のコンピュータを含む推奨量出力システム。 - 前記エクオール産生量の予測値は、前記ユーザのエクオール排出量を用いて予測される
請求項１に記載の推奨量出力システム。 - 前記エクオール産生量の予測値は、前記ユーザのウェアラブル端末から取得されるバイタルデータを用いて予測される
請求項１又は２に記載の推奨量出力システム。 - 前記バイタルデータは、前記ユーザの心電図、心拍数、血中酸素濃度、睡眠の質を表す指標、体温、発汗量及び汗の成分の少なくとも何れかを含む
請求項３に記載の推奨量出力システム。 - 前記指標値は、前記ユーザが所定期間以上、食事によるイソフラボンの摂取を控え、且つ所定量のイソフラボン含有サプリメントを摂取してから所定時間経過後のエクオール排出量又は血中濃度に応じた値である
請求項１に記載の推奨量出力システム。 - 前記エクオール産生量の予測値は、
前記ユーザが所定期間、食事によるイソフラボンの摂取を控えた後の前記バイタルデータ及びエクオール排出量と、
前記ユーザが所定期間、食事によるイソフラボンの摂取を控え、且つ所定量のイソフラボン含有サプリメントを摂取した後の前記バイタルデータ及びエクオール排出量と、
の関係を学習した予測モデルを用いて予測される
請求項３に記載の推奨量出力システム。 - 前記イソフラボンの推奨量を前記ユーザが摂取したことを示す情報を受信した後に算出される摂取後のエクオール不足量が所定の条件を満たす場合、前記目標量と摂取後のエクオール不足量との関係に基づいて、前記予測モデル、又は前記不足量若しくは前記推奨量の補正係数を修正する
請求項６に記載の推奨量出力システム。 - ユーザのエクオール産生量の予測値と、所定の目標量とを用いて、前記ユーザのエクオール不足量を算出することと、
算出されたエクオール不足量と、前記ユーザのエクオール産生能の程度を表す指標値とに基づいて、前記ユーザが摂取すべきエクオール及び／又はイソフラボンの推奨量を算出することと、
算出された推奨量を出力することと、
を１以上のコンピュータが実行する推奨量出力方法。 - 前記指標値は、前記ユーザが所定期間以上、食事によるイソフラボンの摂取を控え、且つ所定量のイソフラボン含有サプリメントを摂取してから所定時間経過後のエクオール排
出量又は血中濃度に応じた値である
請求項８に記載の推奨量出力方法。 - ユーザのエクオール産生量の予測値と、所定の目標量とを用いて、前記ユーザのエクオール不足量を算出することと、
算出されたエクオール不足量と、前記ユーザのエクオール産生能の程度を表す指標値とに基づいて、前記ユーザが摂取すべきエクオール及び／又はイソフラボンの推奨量を算出することと、
算出された推奨量を出力することと、
を１以上のコンピュータに実行させるためのプログラム。 - 前記指標値は、前記ユーザが所定期間以上、食事によるイソフラボンの摂取を控え、且つ所定量のイソフラボン含有サプリメントを摂取してから所定時間経過後のエクオール排出量又は血中濃度に応じた値である
請求項１０に記載のプログラム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2024068582A JP7543590B1 (ja) | 2024-04-19 | 2024-04-19 | 推奨量出力システム、推奨量出力方法及びプログラム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2024068582A JP7543590B1 (ja) | 2024-04-19 | 2024-04-19 | 推奨量出力システム、推奨量出力方法及びプログラム |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP7543590B1 true JP7543590B1 (ja) | 2024-09-02 |
Family
ID=92588198
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2024068582A Active JP7543590B1 (ja) | 2024-04-19 | 2024-04-19 | 推奨量出力システム、推奨量出力方法及びプログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7543590B1 (ja) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014021723A (ja) | 2012-07-18 | 2014-02-03 | Hitachi Solutions Ltd | 食事メニュー提供方法及びプログラム |
| CN107845414A (zh) | 2012-02-17 | 2018-03-27 | 好措施有限责任公司 | 用于营养物摄取量的用户特定调节的系统和方法 |
| JP2018049393A (ja) | 2016-09-20 | 2018-03-29 | ヤフー株式会社 | 健康管理装置、健康管理システム、及び健康管理方法 |
| CN110782971A (zh) | 2019-10-09 | 2020-02-11 | 南京麦澜德医疗科技有限公司 | 一种膳食推荐方法及系统 |
| JP2021043721A (ja) | 2019-09-11 | 2021-03-18 | 東京瓦斯株式会社 | メニュー管理の方法、システム、プログラム、記録媒体、サーバーおよび端末 |
| WO2023017857A1 (ja) | 2021-08-13 | 2023-02-16 | 大塚製薬株式会社 | 生活者の健康状態を予測し、健康維持、増進をサポートするための情報提供方法 |
-
2024
- 2024-04-19 JP JP2024068582A patent/JP7543590B1/ja active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107845414A (zh) | 2012-02-17 | 2018-03-27 | 好措施有限责任公司 | 用于营养物摄取量的用户特定调节的系统和方法 |
| JP2014021723A (ja) | 2012-07-18 | 2014-02-03 | Hitachi Solutions Ltd | 食事メニュー提供方法及びプログラム |
| JP2018049393A (ja) | 2016-09-20 | 2018-03-29 | ヤフー株式会社 | 健康管理装置、健康管理システム、及び健康管理方法 |
| JP2021043721A (ja) | 2019-09-11 | 2021-03-18 | 東京瓦斯株式会社 | メニュー管理の方法、システム、プログラム、記録媒体、サーバーおよび端末 |
| CN110782971A (zh) | 2019-10-09 | 2020-02-11 | 南京麦澜德医疗科技有限公司 | 一种膳食推荐方法及系统 |
| WO2023017857A1 (ja) | 2021-08-13 | 2023-02-16 | 大塚製薬株式会社 | 生活者の健康状態を予測し、健康維持、増進をサポートするための情報提供方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6141293B2 (ja) | 行動傾向の特定方法および行動傾向の特定システム | |
| Suvd et al. | Glucose intolerance and associated factors in Mongolia: results of a national survey | |
| US20140316220A1 (en) | Personal Health Monitoring System | |
| KR20180126911A (ko) | 건강 관리 방법 및 장치 | |
| KR20190008770A (ko) | 건강 컨설팅의 성공 예측 방법 | |
| Kraft et al. | Integrating epidemiology and genetic association: the challenge of gene–environment interaction | |
| Van Hook et al. | Healthy eating among Mexican immigrants: migration in childhood and time in the United States | |
| US20190006040A1 (en) | Cognitive diabetic regulator | |
| JP2000503556A (ja) | 患者の血液サンプルの血糖値測定と予測による患者の健康状態のモニター方法 | |
| WO2011091353A2 (en) | Comprehensive management of human health | |
| CN113383395A (zh) | 用于睡眠障碍识别的决策支持软件系统 | |
| Sauerbrei et al. | A new strategy for meta‐analysis of continuous covariates in observational studies | |
| US11587672B1 (en) | Tiered time-in-range guiding interfaces for diabetes management | |
| US20210358628A1 (en) | Digital companion for healthcare | |
| WO2020189251A1 (ja) | 食事情報管理装置、食事情報管理方法、及びプログラム | |
| KR20170143298A (ko) | 그룹 기반의 당뇨 정보 공유 지원 장치 및 방법 | |
| Fernández‐Verdejo et al. | Predictive equations for energy expenditure in adult humans: From resting to free‐living conditions | |
| JP7543590B1 (ja) | 推奨量出力システム、推奨量出力方法及びプログラム | |
| Strahan et al. | Video game playing effects on obesity in an adolescent with autism spectrum disorder: a case study | |
| US20120245446A1 (en) | Automatic user-specific spot bg measuring routine based on user continuous bg measurements | |
| US20090262988A1 (en) | What you will look like in 10 years | |
| Presseller et al. | Continuous glucose monitoring as an objective measure of meal consumption in individuals with binge‐spectrum eating disorders: A proof‐of‐concept study | |
| CN117292792A (zh) | 一种基于智能算法的个体化健康饮食的推荐方法 | |
| Rosenbaum et al. | Energy intake highs and lows: how much does consistency matter in weight control? | |
| Wassertheil-Smoller et al. | Mostly about epidemiology |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20240508 |
|
| A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20240508 |
|
| 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: 20240723 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240821 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7543590 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |