TW202133150A - 健康管理系統,健康管理裝置,健康管理程式和健康管理方法 - Google Patents
健康管理系統,健康管理裝置,健康管理程式和健康管理方法 Download PDFInfo
- Publication number
- TW202133150A TW202133150A TW109145989A TW109145989A TW202133150A TW 202133150 A TW202133150 A TW 202133150A TW 109145989 A TW109145989 A TW 109145989A TW 109145989 A TW109145989 A TW 109145989A TW 202133150 A TW202133150 A TW 202133150A
- Authority
- TW
- Taiwan
- Prior art keywords
- data
- voice
- disease
- user
- server
- Prior art date
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B10/00—Other methods or instruments for diagnosis, e.g. instruments for taking a cell sample, for biopsy, for vaccination diagnosis; Sex determination; Ovulation-period determination; Throat striking implements
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
-
- 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
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Veterinary Medicine (AREA)
- Psychology (AREA)
- Surgery (AREA)
- Child & Adolescent Psychology (AREA)
- Developmental Disabilities (AREA)
- Hospice & Palliative Care (AREA)
- Psychiatry (AREA)
- Animal Behavior & Ethology (AREA)
- Social Psychology (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本發明提供的健康管理系統、健康管理裝置、健康管理程式和健康管理方法可讓任何人在任何地方、在短時間內以非侵入性方式,非常輕鬆地量測和掌握自己的健康狀況,而不會被他人知曉。
Description
本發明係有關一種健康管理系統、健康管理裝置、健康管理程式和健康管理方法。
自2000年世界衛生組織(WHO)倡導健康的壽命以來,人們越來越關注如何延長身心獨立和健康的壽命,而不是僅僅是延長壽命。
在日本,2016年平均預期壽命與健康預期壽命(不受健康問題限制的日常生活時間)之間的差異為男性為8.84歲,女性為12.34歲(參見非專利文獻1)。
維持國民健康是個人幸福的基礎,同時,它還可以防止由於疾病加重及醫療費用和長期看護給付的增加而導致生產力下降。社會保障負擔的增加也將得到抑制。
另一方面,除了在運動員等特殊情況下,一般人通常僅在生病後才意識到健康的重要。也就是說,一般人由於對自身健康的意識通常不高,可能難以及早發現問題。
例如,以健康檢查(包括健康診斷、健康檢查和短期綜合體檢)而言,半強制性的公司健康檢查的受診率為77%。然而,自營業主、家庭從業員、家事專業者和契約工的受診率則大約為50%。不進行健康檢查的原因有很多,例如時間、費用不足,以及不知道要進行健康檢查。畢竟,可以說健康意識(健康素養)低,預防或早期發現疾病的重要性被低估了。
另一方面,關於精神和神經疾病,存在著即使進行身體檢查也幾乎不包含在檢查項目中的問題,理由是沒有高度精確的生物標誌物,並且需要昂貴的裝置來進行測試。此外,儘管一些憂鬱症調查表在世界上被廣泛使用,例如BDI和PHQ-9,但是其客觀性是有限的,因為可以包括受檢者的有意識評估、無意識防禦和檢查者的主觀性。
另外,對於精神和神經系統疾病,人們認為有必要管理自己的健康狀況,因為不希望別人知道自己可能患有這種疾病,因此不願去精神科醫院。
近年來,已經公開了藉由分析說話方式所產生的語音來評估情緒和精神狀態的技術(參見專利文獻1和2),並且已經可以藉由分析語音來測量和量化人的狀態。
另外,公開了一種藉由使用聲紋執行個人認證來授予訪問設備的權限的技術(參見專利文獻3)以及藉由智能家居兼容家用電器的語音來操作機器的語音識別技術(參閱專利文件4)。在某些情況下,有時會主動將語音用於人際交流以外的其他目的。
此外,隨著智能手機的普及,每個人都攜帶一個呼叫裝置,因此可以在必要時隨時講話。
此外,如果將語音記錄並儲存為電子數據,則不會像血液和尿液那樣隨著時間而劣化,因此具有可以隨時根據需要進行追溯分析的優點。
現有技術文獻
專利文獻
專利文獻1:日本專利公開第2007-296169號
專利文獻2:國際專利公開第2006/132159號
專利文獻3:美國專利公開第2016/0119338號
專利文獻4:日本專利公開第2014-206642號
非專利文獻
非專利文獻1:厚生省勞動科學研究補助金,2018年共享研究報告,第26-39頁,「健康生活的國家轉型的計算和評估研究(健康寿命の全国推移の算定・評価に関する研究)」
發明所欲解決的問題
為了提高導致預防和及早發現疾病的篩查率,需要一種簡便、可自己做以及廉價的檢測方法,並需要一種不需要為此在日常生活中創造機會的檢查。因此,本發明的目的在於提供一種健康管理系統、健康管理裝置、健康管理程式和健康管理方法,其可讓任何人在任何地方、在短時間內以非侵入性方式,非常輕鬆地量測和掌握自己的健康狀況,而不會被他人知曉。
本發明人發現,藉由使用語音作為指示精神和身體狀態的生物標記,可以從健康狀態到疾病、康復和健康狀態下連續不斷地管理健康,從而實現了本發明。
解決問題的技術手段
根據本申請的健康管理系統包括:第一伺服器,持續儲存從用戶獲取的語音數據;第二伺服器,儲存用戶的識別數據;第三伺服器,為用戶儲存輸出數據;以及估測裝置,藉由輸入基於語音數據提取的聲音特徵量來估測特定疾病。估測裝置具有根據語音數據提取聲音特徵量的提取單元、利用聲音特徵量作為輸入來估測特定疾病的估測單元、以及根據估測單元的估測結果和用戶的識別數據選擇第三伺服器的輸出數據的選擇單元。選擇單元係配置為:當估測單元估測用戶沒有患任何疾病時,為用戶選擇第三伺服器的疾病前的第一輸出數據;當估測單元估測用戶懷疑患有任何疾病時,為用戶選擇第三伺服器的懷疑有疾病的第二輸出數據。並在用戶被醫生診斷出患有任何一種疾病後,更新第二伺服器的識別數據,為用戶選擇第三伺服器的患病後的第三輸出數據,即使在病情緩解後也會持續選擇第三輸出數據。
發明功效
根據本發明提供的健康管理系統、健康管理裝置、健康管理程式和健康管理方法,其可讓任何人在任何地方、在短時間內以非侵入性方式,非常輕鬆地量測和掌握自己的健康狀況,而不會被他人知曉。
在下文中,將參考附圖詳細描述用於實施根據本申請的疾病估測系統和疾病估測方法的實施方式(在下文中,稱為「實施例」)。需要說明的是,本實施例並不限於本申請所述的疾病估測系統和疾病估測方法。另外,在以下的各實施方式中,對相同的部分標註相同的元件符號,並省略重複的說明。
〔1.程式〕
本實施例的健康管理系統200例如由具有圖1所示結構的電腦100來實現。在下文中,將使用示例給出描述。圖1顯示實現本申請的健康管理系統200的功能的電腦的示例的硬體配置圖。電腦100具有中央處理單元(Central Processing Unit,CPU)101、隨機存取記憶體(Random Access Memory,RAM)102、唯讀記憶體(Read-Only Memory,ROM)103、硬碟(Hard Disk Drive,HDD)104、通信介面(Interface,I/F)105、輸入/輸出介面106及媒體介面107。
CPU 101基於儲存在ROM 103或HDD 104中的程式進行操作,並且控制每個部分。當電腦100啟動時,CPU 101會執行儲存在ROM 103內的啟動程式,其取決於電腦100的硬體的程式等。
HDD 104儲存由CPU 101執行的程式以及該程式使用的數據等。通信介面105經由網路N從另一裝置接收數據,並將其發送到CPU 101,並且將由CPU 101生成的數據發送到另一裝置。
CPU 101經由輸入/輸出介面106控制諸如顯示器或印表機的輸出裝置,諸如麥克風的語音輸入裝置以及諸如鍵盤或滑鼠的輸入裝置。CPU 101經由輸入/輸出介面106從輸入裝置獲取數據。此外,CPU 101經由輸入/輸出介面106將生成的數據輸出到輸出裝置。
媒體介面107讀取儲存在記錄媒體108中的程式或數據,並經由RAM 102將其提供給CPU 101。CPU 101經由媒體介面107將程式從記錄媒體108加載到RAM 102上,並執行加載的程式。記錄媒體108例如是諸如DVD(Digital Versatile Disc)或相變可讀寫式光碟(Phase change rewritable Disk,PD)之類的光學記錄媒體,諸如磁光碟(Magneto-Optical disk,MO)之類的光磁記錄媒體,磁帶媒體,磁記錄媒體或半導體儲存器,等等。
例如,當電腦100執行根據實施例的健康管理系統200時,電腦100的CPU 101通過執行RAM 102上加載的程式來實現控制單元的功能。此外,儲存單元中的數據儲存在HDD104中。電腦100的CPU 101從記錄媒體108讀取並執行這些程式,但是作為另一示例,可以從另一裝置獲取這些程式。
〔2.健康管理系統配置〕
接下來,將參考圖2描述根據實施例的健康管理系統200的配置。如圖2所示,健康管理系統200通過網路N以有線或無線方式可通信地連接到用戶端201和網路伺服器202。另外,健康管理系統200可以連接到多個用戶端201和多個網路伺服器202。網路伺服器202係為健康管理系統200、醫療檢查設施以及醫療設施的伺服器的功能的一部分。
如圖2所示,健康管理系統200包括通信單元203、第一伺服器204、第二伺服器205、第三伺服器206和第四伺服器210。第一至第四伺服器中的每一個都具有作為儲存單元的功能。此外,第四伺服器210的一部分做為控制單元。通信單元203例如是由網路介面卡(Network Interface Card,NIC)等實現。通信單元203通過有線或無線方式連接到網路N,並且向/從用戶端201發送/接收資訊。
儲存單元例如由諸如隨機存取記憶體(RAM)或快閃記憶體(Flash Memory)之類的半導體儲存元件或諸如硬碟或光碟之類的儲存裝置來實現。
此外,控制單元可藉由例如由中央處理單元(CPU)或微處理單元(Micro Processing Unit,MPU)來執行儲存在健康管理系統200的儲存裝置中的作業範圍的各種程式來實現。此外,控制單元例如藉由諸如特殊應用積體電路(Application Specific Integrated Circuit,ASIC)或場式可程式閘陣列(Field Programmable Gate Array,FPGA)之類的機體電路來實現。
如上所述,儲存單元和控制單元的功能由圖2的第一伺服器至第四伺服器共同工作來實現。以下,將描述第一至第四伺服器。
第一伺服器204具有連續儲存從用戶獲取的語音數據的功能。第二伺服器205具有儲存用戶識別數據的功能,並且通過與用戶端201和網路伺服器202的通信來連續更新用戶日誌。
第三伺服器206包括第一至第三發送數據207-209。第三伺服器206具有儲存用於用戶的發送數據的功能。第三伺服器206的功能可以經由通信單元203由外部的網路伺服器202代替。
第四伺服器210包括計算單元211、估測單元212、選擇單元213和記憶單元214。第四伺服器210通過輸入基於第一伺服器204的語音數據計算出的聲音特徵量來執行用於估測特定疾病的估測處理,並且選擇儲存在第三伺服器中的發送數據。通過執行發送程式,其可做為估測裝置。
為了方便起見,分散至第一至第四伺服器以解釋健康管理系統200的功能,即使同一伺服器的部分或更多部分可能負責這些功能。
通過執行圖1的RAM 102的作業範圍,儲存在第四伺服器210中的估測程式和發送程式做為計算單元211、估測單元212和選擇單元213。計算單元211、估測單元212和選擇單元213做為第四伺服器中的控制單元。另一方面,記憶單元214儲存估測程式、發送程式和稍後描述的第二聲音參數的數據。
在此,計算單元211基於語音數據計算聲音特徵量。估測單元212通過輸入由計算單元211計算的聲音特徵量來估測特定疾病。選擇單元213參考第二伺服器的識別數據,基於估測單元212的估測結果來選擇儲存在第三伺服器中的發送數據。
在此,健康管理系統200具有用於基於第四伺服器210中儲存的估測程式和發送程式來估測用戶的疾病資訊的估測處理,並且具有基於估測的資訊來估測用戶的疾病資訊的估測處理。執行上述儲存在伺服器206中的選擇和發送語音數據、運動圖像數據或文本數據(以下,語音數據、運動圖像數據或文本數據簡稱為「發送數據」)的發送過程。發送數據可以應用於字符、圖形、符號、聲音、視頻、遊戲和任何其他內容,只要其讓用戶感興趣並廣泛告知發送數據中包含的資訊即可。
儲存在第三伺服器206中的發送數據是與用戶的健康管理有關的發送,包括包含提示用戶的語音輸入的發送內容和提示用戶去醫療機構或進行醫療檢查的資訊的數據。提供的有關用戶健康管理的數據是認知和社交技能,這些技能決定了個人獲取、理解和使用有關如何改善和維持更好健康的資訊的意願和能力。這是關於用於增強健康素養的訓息的發送數據,例如,包括了用於增強健康素養的資訊。此外,發送數據可以是第四伺服器的估測處理的數值結果。
在圖2的第三伺服器206中,為方便起見,對第一發送數據207、第二發送數據208和第三發送數據209進行了分類和儲存。第一發送數據207包括病前用戶的健康資訊。第四伺服器210的估測單元212使用第二發送數據208來訪問醫療機構或對估測患有任何疾病的用戶進行醫療檢查,其中第二發送數據208包含健康資訊,包括催促消息。第三發送數據209包括生病後用戶的健康資訊。
將更具體地描述第一至第三發送數據207-209。假設向其發送了第一發送數據207的用戶是在日常生活中具有相對良好的保健、疾病預防和健康促進的人。因此,第一發送數據207包括與健康促進有關的資訊,諸如用於鼓勵定期進行身體檢查的資訊以及根據用戶端201的使用情況/場所的娛樂資訊。發送第一發送數據207的頻率低於發送第二和第三發送數據的頻率。例如,第一發送數據207可以在用戶經由用戶端201輸入語音的時刻進行發送。
假定第二發送數據208被發送到的用戶是被懷疑患有某種精神/神經系統疾病的人。因此,第二發送數據208包括提示看診於特定醫療機構的資訊。但是,用戶可能不承認他們被懷疑患有精神或神經系統疾病。此外,即使您意識到自己的病情,也可能由於對精神疾病的偏見和對精神科/精神科內科的抵制而無法獲得醫療護理。用於耐心說服上述內容的發送數據可以被配置為比第一發送數據更頻繁地發送。
另外,由於精神和神經系統疾病具有常見症狀,因此個人可能難以識別該疾病。例如,阿茲海默症和額顳葉失智症、阿茲海默症和利維體認知障礙、利維體認知障礙和帕金森氏症、雙相情感障礙和重度憂鬱難以區分。此外,在老年人的憂鬱症中,憂鬱症狀,例如情緒低落和思維受限,會導致注意力、專注力、判斷力和記憶力下降,因此存在看起來像失智症的假性失智症。為了得到適當的治療,有必要區分憂鬱症的類型和失智的類型。本發明的優點在於,如本發明一樣,可以通過基於經由估測單元212估測的疾病來根據特定疾病區分推薦醫療機構來提供發送數據。
假定向其發送了第三發送數據209的用戶是具有某種精神或神經系統疾病病史的人或正在治療某種精神或神經系統疾病的人。一般而言,很難完全治愈精神和神經系統疾病。因此,儘管不能說完全治癒,但是在病情緩解並且患者處於輕度緩解狀態後,即使症狀消失,通常也要繼續服藥並由醫生跟進以防止復發。因此,第三發送數據209包括提示通過連續語音輸入來確認疾病症狀的消息等。
即使在第三發送數據209已經發送給用戶後,如果估測單元212也估測該疾病已經復發或患有其他心理/神經系統疾病,則發送第二發送數據208。
如上所述,第四伺服器210的選擇單元213根據估測單元212的估測結果和用戶的健康狀況來選擇並發送第一至第三發送數據。
另外,在醫生診斷出用戶患有任何疾病之後,該醫生所屬的醫療機構的伺服器通過網路伺服器202,或者用戶本人通過用戶端201。因此,其被配置成更新第二伺服器205的識別數據。在識別數據的更新完成之後,選擇單元213被配置為針對用戶選擇第二或第三發送數據208、209。
回到健康管理系統200的說明。健康管理系統200是諸如網路伺服器之類的資訊處理裝置,其經由用戶端201執行數據通信,同時使用由用戶做為語音輸入裝置的用戶端201來收集用戶的語音數據。例如,當健康管理系統200從用戶端201接收到請求數據發送的發送請求時,基於用戶端201的用戶的語音數據的疾病的估測結果,選擇對象發送數據,並且將所選擇的發送數據發送到用戶端201。
用戶識別數據儲存在第二伺服器205中,通過用戶端201連續更新日誌,並且通過檢查執行機構或醫療機構的網路伺服器202連續地更新檢查結果和診斷結果。用戶識別數據包括具有個人資訊的健康資訊,該個人資訊包括用戶是否患有特定疾病、用戶的性別、年齡、地址、愛好、興趣對象、行為歷史等。有各種資訊可顯示用戶的個人資料和身份,例如網頁的瀏覽歷史記錄。具有個人資訊的健康資訊包括個人資訊,該個人資訊包括用戶的醫療檢查結果或醫生的疾病診斷結果。
用戶端201是具有用於輸入語音的裝置和用於輸出發送數據的裝置,諸如智能電話或平板電腦之類的通信端,並且經由諸如第三代(3G)或LTE(Long Term Evolution)之類的無線通信網路與任何伺服器裝置通信。用戶端201可以是諸如桌上型電腦(Personal Computer,PC)、筆記型電腦、隨身型易網機(netbook)或伺服器裝置之類的資訊處理裝置,只要其具有用於輸入語音的裝置和用於輸出發送數據的裝置即可。
用戶端201還可以將其功能的一部分結合到具有用於輸入語音的裝置或用於輸出發送數據的裝置的電子裝置中。例如,諸如汽車之類的移動裝置,諸如家用遊戲機之類的用於操作電腦遊戲的硬體裝置,諸如卡拉OK盒或跑步機之類的遊戲設施,其可以具有輸入語音的功能或輸出發送數據的功能。
健康管理系統200可以顯示網路內容,以鼓勵用戶經由用戶端201輸入語音。用於提示用戶輸入語音的網路內容是儲存在第三伺服器206中的發送內容,並且包括文本、圖像、視頻、動畫或語音播放。在這種情況下,用戶端201將網路內容發送請求發送到網路伺服器,該網路伺服器經由應用程序或通過用戶的操作自動地發送網路內容。當用戶啟動用戶端201的應用時,傳送請求的發送可以自動發送到網路伺服器。
健康管理系統200將網路內容傳遞到用戶端201,以鼓勵用戶輸入語音。然後,用戶端201顯示從健康管理系統200接收的網路內容。
例如,當用戶通過用戶端201執行遊戲時,使用應用程式,遊戲中的角色可以配置為傳遞消息,提示用戶進行語音輸入。
當經由用戶端201從用戶輸入語音時,健康管理系統200將語音數據儲存在發送伺服器10的第一伺服器204中。然後,當接收到用於發送儲存在第三伺服器206中的數據的發送請求時,基於使用用戶端201的用戶的語音數據來估測疾病,選擇發送數據,並且將所選擇的發送數據發送到終端裝置100。
〔3.健康管理系統200執行的處理〕
當健康管理系統200發送儲存在第三伺服器206中的數據時,使用第四伺服器210的估測單元212的估測結果及第二伺服器205中儲存的用戶識別數據。基於此,從第三伺服器206中儲存的第一至第三發送數據207-209中選擇要發送的發送數據。
在另一現有技術中,與要發送的健康管理有關的發送數據僅基於儲存在第二伺服器205中的用戶識別數據。舉一個更具體的例子,在現有技術中,當要發送的用戶是男性時,已經發送了與許多男性提供的健康資訊相似的健康資訊。
然而,可能沒有新註冊的用戶屬性資訊的日誌。另外,用戶的屬性資訊可能是未知的,例如當刪除訊錄(cookie)等時,用於識別用戶的識別碼(Identifier,ID)變得未知。在這種情況下,於現有技術中,不可能選擇適當的發送數據來發送。
另外,健康管理系統200應該選擇的發送數據對於不接受定期醫療檢查或即使他們患有一些精神或神經系統疾病也不去醫療機構看診的用戶而言不是較佳的,所提供的增強健康素養的資訊可能會對用戶產生不良影響。
如上所述,在現有技術中,當不存在儲存於第二伺服器205中的用戶日誌時,或者當用戶的屬性資訊未知時,不能選擇適當的發送數據。另外,即使患有某種精神/神經系統疾病並且可以從藉由用戶端201獲得的用戶的行為歷史中檢測出異常,也必須在某種程度上識別出特定的疾病。通過選擇和提供不正確的健康資訊,存在對用戶產生不利影響的風險。
因此,健康管理系統200通過使用第四伺服器210的計算單元211來計算用戶的聲音特徵量,該第四伺服器210從儲存在第一伺服器204中的語音數據中計算聲音特徵量。然後,發送伺服器10基於計算出的特徵量在第四伺服器的估測單元212中執行用於估測用戶的疾病的估測處理。
此外,當用戶的屬性資訊未知的用戶輸入語音數據時,健康管理系統200通過使用第四伺服器210的計算單元211來計算語音數據的聲音特徵量。另外,健康管理系統200基於計算出的特徵量在第四伺服器的估測單元212中執行用於估測用戶疾病的估測處理。然後,健康管理系統200使用估測出的疾病資訊來選擇選擇單元213選擇要發送的發送數據,並執行發送處理。
〔4.計算單元與估測單元〕
以下將描述健康管理系統200在估測疾病時使用的計算單元211與估測單元212。
〔4-1.建立估測模型〕
以下將解釋如何建立健康管理系統的第四伺服器的估測模型。首先,它經歷了從受檢者的語音數據中提取多個聲音參數的步驟。從受檢者的語音數據中提取聲音參數。聲音參數是聲音傳輸特性的參數。例如,聲音參數包括零點相交率和赫斯特指數(Hurst exponent)。通過計算語音的聲壓波形與基準壓力相交的每單位時間的次數作為語音中波形的變化的嚴重程度,來計算零點交叉率。赫斯特指數指示語音波形變化的相關性。
聲音參數被分類為第一聲音參數和第二聲音參數。在此,第一聲音參數是從應該估測特定疾病的用戶的語音中提取的聲音參數。基於儲存在第一伺服器204中的語音數據提取第一聲音參數。
第二聲音參數是先前記錄在資料庫中的聲音參數。第二聲音參數的數據被儲存在第四伺服器210或替代資料庫功能的另一伺服器的記憶單元214中。而且每種疾病都預先聯繫在一起,從患有阿茲海默症、利維體認知障礙症、帕金森氏症、重度憂鬱症、非典型性憂鬱症和雙相情感障礙的患者的語音數據中提取第二聲音參數,並提取每個聲音參數。
本發明中使用的聲音參數的具體示例包括以下項目。
1)音量包絡(上升時間、衰減時間、維持水平、釋放時間)
2)波形變動資訊(微光(shimmer)、抖動(jitter))
3)零點交叉率
4)赫斯特指數
5)語音開始時間(Voice Onset Time,VOT)
6)梅爾頻率倒譜係數的發聲分佈統計值(第一四分位數、中位數、第三四分位數、95%點、算術平均數、幾何平均數、第三四分位數與中位數之間的差等)
7)頻譜變化率的語音內分佈統計值(第一四分位數、中位數、第三四分位數、95%點、算術平均數、幾何平均數、第三四分位數與中位數之間的差等)
8)關於梅爾頻率倒譜係數隨時間變化的語音分佈統計值(第一四分位數、中位數、第三四分位數、95%點、算術平均數、幾何平均數、第三四分位數與中位數之間的差等)
9)關於梅爾頻率倒譜係數的時間變化的語音分佈相對於時間變化的統計值(第一四分位數、中位數、第三四分位數、95%點、算術平均數、幾何平均數、第三四分位數與中位數之間的差等)
10)發聲內時間變化與90%頻譜滾降的二次回歸近似平方誤差
11)頻譜重心發聲時間變化的二次回歸近似的算術誤差
另外,可以提及音調率、發聲的概率、任意範圍內的頻率功率、音階、說話速度(一定時間內的聲音數量)、暫停/間隔、音量等。
應當注意,通過聲音參數提取軟體(例如,openSMILE等)對每個發聲短語提取這樣的聲音參數。在本發明中,提取了7440個聲音參數,首先,去除了取決於記錄環境的聲音參數,並且從剩餘的聲音參數中選擇一個或多個適於表達健康狀況的聲音參數。
第四伺服器210中儲存的估測程式具有通過人工智慧的學習功能,並且通過學習功能執行估測處理。可以使用神經網路類型的深度學習,可以使用部分增強學習領域的增強型學習等,還可以使用其他遺傳演算法、聚類分析、自組織圖、整體學習等。當然,可以使用與人工智慧有關的其他技術。在整體學習中,可以通過使用增強和決策樹兩者的方法來建立分類演算法。
在建立估測程式的階段,演算法建立者通過逐步方法進行檢查,以便從上述第二個聲音參數的項中選擇一個或多個更好的組合做為變數f(n)的任何聲音參數。接下來,將係數添加到任何選定的聲音參數以建立一個或多個聲音特徵量。此外,這些聲音特徵量被組合以建立聲音特徵量F(a)。
逐步方法有三種類型:變數增加法、變數減少法和變數增減法,但可以使用其中的任何一種。逐步方法中使用的回歸分析包括線性分類的處理,例如線性判別公式和邏輯回歸分析。變數f(n)及其係數,即圖3A的等式中所示的等式f(a)的係數xn,被稱為回歸係數,並且是賦予函數f(n)的權重。
在學習算法的建立者選擇了回歸係數之後,可以通過機器學習來提高品質,從而提高從資料庫中累積的疾病資訊得出的估測準確性。
圖3A顯示出用於計算一個或多個聲音特徵量的特徵量的公式F(a)。可以基於公式F(a)計算受檢者的疾病的預測值。在此,f(n)是從上述聲音參數項目(1)至(11)中的任意一個或多個第二聲音參數的任意選擇。xn是特定疾病的回歸係數。f(n)和xn可以作為估測程式的一部分預先儲存在第四伺服器210的記憶單元214中。特徵量F(a)的回歸係數可以在估測程式的機器學習過程中提高。
圖2的計算單元211基於第二聲音參數的組合來計算用於將健康者與患有疾病的受檢者區分或在疾病之間進行區分的特徵量。根據該特徵量,通過進行計分以計算參考範圍以及受檢者的值與參考範圍的距離,來計算受檢者的疾病的預測值。
圖3B顯示出每種疾病的一個聲音特徵量的強度不同的圖像圖。受檢者表現出疾病A的最高分。因此,計算出的受檢者對疾病A的預測值高於其他疾病組的預測值。此外,例如,通過將強度50設置為閾值,可以將其分類為疾病A、疾病D和疾病E的組,以及疾病B和疾病C的組。
在圖3B中,基於一個聲音特徵量的強度來計算疾病的預測值,但是實際上,僅通過一個聲音特徵量來分類疾病是困難的。因此,可以計算通過組合一些聲音特徵量而獲得的特徵量F(a)以對疾病進行分類。
基於作為聲音特徵量的組合的特徵量F(a),針對受檢者的聲音計算疾病的預測值,並且獲得每種疾病的預測值的分佈。由此,可以對每種疾病進行分類。
圖3C是通過三個聲音參數的組合獲得的疾病的預測值(在圖3C中描述為「心理值」)的分佈圖像。
從圖3C可以看出,可以將利維體認知障礙症組中的預測值分佈與其他疾病患者組和健康者組中的預測值分佈區分開。在本發明中,針對每種疾病設置聲音參數的組合以便與其他疾病區分開,計算特徵量F(a),並且輸入作為聲音特徵量的組合的特徵量F(a),如此可以確定每個對象的聲音適用於哪種疾病。
作為另一種方法,從每個患者的聲音中提取作為每種疾病的聲音特徵量的組合的特徵量F(a),並且獲得哪個疾病的特徵量更多以預測疾病。通過相互比較這些值,可以估測患者正在患該疾病。
在這種情況下,疾病的預測值可以被認為是疾病的罹患程度。通過比較並重新計算每種疾病的預測值,就有可能表達患者正在罹患哪種疾病。
這樣,從包括阿茲海默症、利維體認知障礙症、帕金森氏症、重度憂鬱症、非典型性憂鬱症和雙相情感障礙的六種疾病的患者的聲音,以及從健康者的聲音中提取與每種疾病有關的聲音特徵量的組合的特徵量F(a),並且計算每種疾病的預測值。
此外,關於對象疾病,可以從包括10種疾病的患者的聲音建立估測程式,所述十種疾病包括血管性失智症、額顳葉失智症、循環性情感症和輕鬱症四種疾病。
最後,通過分析判別對像說出的聲音,估測是上述六種疾病中的一種甚至是十種疾病中的一種,或者它是否健康。
關於估測程式的估測流程,如上所述,對於每種疾病,可以提取每種疾病的特徵量(a)以計算疾病的預測值,但是首先,通過建立疾病組的聲音特徵量的組合,使用疾病組的特徵量F(a)作為估測單元的輸入,通過多個階段的輸入和估測,最終確定每種疾病或者做出健康的估測。
〔4-2.估測精度〕
圖4A和圖4B是ROC曲線的圖,其顯示出健康者或患有特定疾病以及其他分離性能。橫軸表示1-特異度,縱軸表示靈敏度。換句話說,橫軸表示偽陽性率,縱軸表示真陽性率。當偽陽性率低時,圖4A和4B的ROC曲線都顯示出高的真陽性率。
另外,ROC曲線下的面積(Area under an ROC curve,AUC)高於0.5,並且與隨機識別的情況相比確認了顯著差異。這已經證明其分離性能的疾病是利維體認知障礙症、阿茲海默症、帕金森氏症、重度憂鬱症、雙相情感障礙、非典型憂鬱症。每條ROC曲線的AUC如下:利維體認知障礙症為0.794、阿茲海默症為0.799、帕金森氏症為0.771、重度憂鬱症為0.869、雙相情感障礙為0.86、非典型憂鬱症為0.86。使用本發明可以估測的疾病不限於上述疾病。根據AUC結果,可以確認該疾病的估測精度高。
本發明的估測程式可以將利維體認知障礙症分類為健康或其他疾病。
本發明的估測程式可以將阿茲海默症分類為健康或其他疾病。
本發明的估測程式可以將帕金森氏症分類為健康或其他疾病。
本發明的估測程式可以將重度憂鬱症分類為健康或其他疾病。
本發明的估測程式可以將雙相情感障礙分類為健康或其他疾病。
本發明的估測程式可以將非典型憂鬱症分類為健康或其他疾病。
本發明的估測程式可以將健康狀態分類為上述疾病。
如上所述建立的估測程序可以被懷疑患有精神或神經疾病的人或估測健康的人使用而沒有特別限制。如果獲取了對象的聲音,它可以很容易地用作醫生進行醫學檢查的工具,也可以輕鬆地用作醫學檢查或短期綜合體檢的檢查項目。
本發明的語音數據分析裝置可以配備有幾種不同的語音分析程式。
例如,為了每天掌握健康者的健康狀況,可以通過使用MIMOSYS(PST株式會社的註冊商標)從「元氣量」和「活量值」知道元氣的程度。MIMOSYS是配備了語音分析程序的產品,該程序可以通過語音分析來計算用戶發出的情緒的類型和大小以及元氣的程度。
此外,如果用戶有主觀症狀表示自己失去了元氣,或者由於MIMOSYS的測量而導致元氣的程度趨於下降,最好使用分析程序來測量精神和神經系統疾病的可能性。
這樣的語音分析程式的示例包括用於估測患者是否健康、認知障礙組是否患有疾病,或情緒障礙組可能患有疾病的程式。
此外,如果用戶可能患有某種精神或神經系統疾病,則優選使用估測任何精神或神經系統疾病的程式。
在此,精神和神經系統疾病的具體實例包括利維體認知障礙症、阿茲海默症和帕金森氏症的認知障礙組。除此之外,還可包括血管性失智症。另外,情緒障礙組包括重度憂鬱症、雙相情感障礙和非典型性憂鬱症。除此之外,還可以包括循環性情感症和輕鬱症。
此外,作為待估測的對象疾病,優選為精神/神經系統疾病,但是因為存在可以估測影響言語的疾病的可能性,例如,可以提及心臟病、呼吸系統疾病等。
〔5.建立估測程式的示例〕
在以上項目4中,充分證明了由第四伺服器210的估測單元212作為分類器執行的估測程式的性能。在本項目5中,將介紹建立估測程式的示例。
〔5-1.建立估測程式的示例1〕
在本項目5-1中,將疾病分類為包括利維體認知障礙症、阿茲海默症和帕金森氏症的認知障礙組,以及包括重度憂鬱症、雙相情感障礙和非典型性憂鬱症的情緒障礙組。在某些情況下,將描述用於估測用戶是健康、認知障礙組還是情緒障礙組的估測程式。首先,將描述用於建立估測程式的過程。
阿茲海默症15名、雙相情感障礙症12名、非典型性憂鬱症14名、利維體認知障礙症15名、重度憂鬱症15名、帕金森氏症15名、健康者15名,將以上的每個聲音都用作學習數據。
阿茲海默症5名、雙相情感障礙症4名、非典型性憂鬱症5名、利維體認知障礙症5名、重度憂鬱症5名、帕金森氏症5名、健康者5名,將以上的每個聲音都用作測試數據。學習數據和測試數據是隨機分佈的。
關於用於學習數據的語音,每個患者和健康者說出圖5中介紹的17個句子(對於1至13號分別為2次、對於14至17號分別為1次),每個人都講30句話。
通過為這些語句中的每一個提取特徵聲音參數,並將諸如頻率和強度之類的聲音參數的特徵與受檢者的疾病相關聯,獲得了以上6種疾病、7種健康者以及與之相關的各種聲音參數組。
通過為每種疾病選擇特徵聲音參數並進一步組合所選的聲音參數,可以估測每個人的每個口頭句子中是否存在於六種疾病之一或健康者。隨後,基於特徵量建立估測程式10,該估測程式用於估測疾病是認知障礙組還是情緒障礙組或是健康者。
作為測試數據,在圖5中的17個句子中,項目2「a i u e o ka ki ku ke ko(日文羅馬拼音)」、項目3「今天是晴天」、項目6「我很好」,項目8「食慾好」、項目9「我很平靜」、項目10「他很生氣」、項目12「我們向上走」和項目13「盡我所能」(各2次,總計16個)。對於每個語音,都要估測是哪種疾病或健康狀況。在估測的疾病中,被估測為阿茲海默症、利維體認知障礙症和帕金森氏症的三種疾病被確定為認知障礙組的疾病。另外,被估測為重度憂鬱症、雙相情感障礙和非典型性憂鬱症的三種疾病被確定為情緒障礙組的疾病。
在此,將每個人的16個語句進行合計,判定其是認知障礙組中的疾病、情緒障礙組中的疾病或是健康者,並以判斷次數最多的一個作為最終判斷結果。(結果1)阿茲海默症患者(患者代碼AD03)。
判定為認知障礙組疾病的有13人,判定為情緒障礙組疾病的有1人,判定為健康組的有2人。因此,最後推測為情緒障礙組的疾病。這與實際疾病阿茲海默症所屬的認知障礙組一致。
34人做同樣的判斷結果如圖6所示。估測程式的正答率為85.3%,這充分證明,當用戶被分為認知障礙組(包括利維體認知障礙、阿茲海默症和帕金森氏症)和情緒障礙組(包括重度憂鬱症、雙相情感障礙和非典型性憂鬱症)時,程式可以估測出用戶是屬於健康組、認知障礙組還是情緒障礙組。
〔5-2.建立估測程式的示例1〕
在本項目5-2中,作為製作估測程式的例子,說明將重度憂鬱症歸為健康或其他疾病的估測程式和將利維體認知障礙症歸為健康或其他疾病的估測程式的製作過程。之所以省略,是因為沒有必要從上述項目4的結果中解釋,同樣的程式可以用來建立一個程式,將阿茲海默症、帕金森氏症、雙相情感障礙或非典型性憂鬱症分類為健康或所選疾病以外的疾病。
〔5-2-1.重度憂鬱症的估測程式示例〕
首先,說明建立將重度憂鬱症和正常健康分類的估測程式(5-2-1A)的程式。
對20名健康者和20名重度憂鬱症患者的每個語音短語(每人約30個語句),使用提取聲音特徵量的軟體openSMILE提取7440個聲音特徵量。剔除了因語音獲取的設施不同而存在顯著差異的特徵,選擇了1547個特徵。然後,利用增強和決策樹相結合的方法,從特徵量中生成疾病的預測來區分健康者和重度憂鬱症,並建立了分類演算法。每個片語的估測結果如圖7A所示。
如圖7A所示,在對重度憂鬱症和健康者進行分類的估測程式中,對重度憂鬱症的判定靈敏度為81.4%、特異度為85.5%、正答率為83.5%。
根據估測程式,將每個人對每個短語的重度憂鬱或正常健康的判斷結果匯總在圖8A和8B中。
此外,計算每個人的健康判定率,健康判定率在60%以上者估測為健康者,健康判定率在60%以下者估測為重度憂鬱症患者。結果如圖9所示,估測20名健康者為健康者,估測20名重度憂鬱症患者為重度憂鬱症患者。換句話說,特異性、敏感性和正答率都是100%。
接下來,介紹對重度憂鬱症和其他精神、神經系統疾病進行分類的估測程式5-2-1B的製作過程。
當估測程式5-2-1B提取和估測精神和神經系統疾病中的重度憂鬱症,至少包括阿茲海默症、利維體認知障礙症、帕金森氏症、重度憂鬱症、非典型性憂鬱症和雙相情感障礙等具有相似症狀的疾病。
分析中使用的語句類型為圖5所示的17種語句(短語)。
首先,我們利用提取聲音特徵量的軟體openSMILE對每個語音短語提取了7440個聲音特徵量。在排除了因語音獲取的設施不同而存在顯著差異的資料後,利用1547個數據的特徵量,結合增強和決策樹建立了分類演算法,並生成了疾病的預測值,以區分重度憂鬱症和其他疾病。
此外,由於使用了除重度憂鬱症以外的5位患者的2236個語音短語,而使用了重度憂鬱症患者的940個語音短語。因此,為了避免數據數量的不平衡,使用合成少數類過取樣技術(Synthetic Minority Oversampling Technique,SMOTE)方法建立了重度憂鬱症患者的語音偽數據,並將重度憂鬱症患者的語音短語數量設置為3139個。
將數據分為10部分,對估測程式5-2-1B的分類演算法進行10次交叉驗證。
基於估測程式5-2-1B的估測結果如圖7B所示。用5-2-1B估測程式區分重度憂鬱症和其他精神、神經系統疾病時,從重度憂鬱症的角度看重現率為91.1%,從其他精神、神經系統疾病的角度看重現率為93.8%,正答率為92.7%。AUC為0.977。
〔5-2-2.利維體認知障礙症的估測程式示例〕
首先,我們描述了建立一個估測程式的過程,該程式將利維體認知障礙症和健康者分類。
估測程式5-2-2A的製作步驟與上述項目5-2-1中的估測程式的相同,只是將20名健康者和20名利維體認知障礙症患者的語音短語作為語音。每個片語的估測結果如圖10A所示。
在估測程式5-2-2A中對利維體認知障礙症的判斷,靈敏度為81.5%、特異度為83.1%、正答率為82.2%。
根據估測程式5-2-2A,對每個短語估測是利維體認知障礙症或健康者,每個人的估測結果如圖11A和11B所示。
此外,計算每個人的健康判定率,將健康判定率大於60%的人估測為健康者,將健康判定率小於60%的人估測為利維體認知障礙症患者,其結果如圖12所示。估測所有20名健康者都健康。在20名利維體認知障礙症患者中,有19名估測患有利維體認知障礙症,其中1名估測為健康。即,特異度為100%,靈敏度為95%,正答率為97.5%。
接下來,將描述建立估測程式(5-2-2B)的過程,該程式將利維體認知障礙症和其他精神、神經系統疾病進行分類。
估測程序5-2-2B提取和估測精神、神經系統疾病中的利維體認知障礙症,至少包括阿茲海默症、利維體認知障礙症、帕金森氏症、重度憂鬱症、非典型性憂鬱症和雙相情感障礙,這些疾病的症狀彼此相似。與估測程式1一樣,分析中使用的語句類型為17種語句(短語)。
首先,我們利用提取聲音特徵量的軟體openSMILE對每個語音短語提取了7440個聲音特徵量。在排除了因語音獲取的設施不同而存在顯著差異的資料後,利用1547個特徵量,結合增強和決策樹建立了分類演算法,並生成了疾病的預測值,以區分利維體認知障礙症和其他疾病。
此外,由於使用了除利維體認知障礙症以外的5位患者的2987個語音短語,而使用了利維體認知障礙症患者的583個語音短語。因此,為了避免數據數量的不平衡,使用合成少數類過取樣技術(Synthetic Minority Oversampling Technique,SMOTE)方法建立了利維體認知障礙症患者的語音偽數據,並將利維體認知障礙症患者的語音短語數量設置為2696個。
將數據分為10部分,對估測程式5-2-2B的分類算法進行10次交叉驗證。
基於估測程式5-2-2B的估測結果如圖10B所示。用5-2-2B估測程式區分利維體認知障礙症和其他精神、神經系統疾病時,從利維體認知障礙症的角度看重現率為88.6%,從其他精神、神經系統疾病的角度看重現率為89.8%,正答率為89.2%。AUC為0.959。
將特定疾病與其他五種疾病分類的估測程式和特定疾病與健康者分類的估測程式結合起來,與上述程式相同,就可以較高的判斷概率估測出阿茲海默症、利維體認知障礙症、帕金森氏症、重度憂鬱症、非典型性憂鬱症和雙相情感障礙患者和健康者。
〔6.健康管理系統200的運作〕
圖13和14顯示健康管理系統200的操作的順序圖。下面將按順序進行描述。
圖13顯示出健康管理系統200在用戶曾經去過醫療機構之前或之後處於緩解狀態時的操作順序圖。
首先,在步驟S1001中,通過網路N和通信單元203將用戶端201輸入的用戶的識別資訊或配送請求傳送至第二伺服器205。減輕了精神/神經系統疾病的用戶可以在識別資訊中包括這一事實。
接下來,在步驟S1002中,第二伺服器從用戶端201向第三伺服器206發送通知已經做出發送請求的消息。
接下來,在步驟S1003中,當第三伺服器206接收到發送請求時,第三伺服器206將發送數據發送到用戶端201。該發送數據包括提示語音輸入的資訊。發送數據經由通信單元203和網路N被發送到用戶端201,並通過輸出發送數據的方式輸出。
接著,在步驟S1004中,將用戶通過用戶端201的語音輸入裝置輸入的語音數據傳輸到第一伺服器204。
接著,在步驟S1005中,第一伺服器儲存接收到的語音數據的副本,並將所述語音數據發送給第四伺服器。
接著,在步驟S1006中,第四伺服器對接收到的聲音數據進行預處理,以計算出第一聲音特徵量,並根據預先儲存在記憶單元214中的第二聲音特徵量和估測程式,在計算單元211中計算出特徵量F(a)。估測單元212根據計算單元211計算出的特徵量F(a),進行精神和神經系統疾病的估測處理。
在此,當估測單元212估測用戶未疑似患有任何一種精神或神經系統疾病時,經由選擇單元213來分配第三伺服器206的第一發送數據207。另外,如果估測單元212估測用戶疑似患有精神或神經系統疾病時,則第三伺服器206的第二發送數據208通過選擇單元213發送。
此外,當在第二伺服器205中註冊的用戶的識別資訊中存在用戶有患精神或神經系統疾病的歷史但已經緩解的記錄時,並且當估測單元212估測用戶沒有患任何精神或神經系統疾病時,則通過選擇單元213來發送第三伺服器206的第三發送數據209。
接下來,在步驟S1007中,第三伺服器206將預定的發送數據發送到用戶端201。用戶端201將接收到的發送數據從輸出裝置輸出,並結束流程。
因此,在圖13中,根據第二伺服器205中註冊的用戶的識別資訊和用戶的語音數據如何被第四伺服器210的估測單元212估測,配置從第三伺服器206發送的發送數據,使其發生變化。因此,有用的是,可以將適合於每個用戶的健康狀況的健康資訊作為發送數據來發送。此外,圖13中所示的步驟可以部分或全部重複執行,以按時間順序確認狀態的變化。
接下來,我們來看看圖14的描述。圖14是用戶經醫生診斷後的序列圖,除了圖13中健康管理系統200的功能外,還包括健康管理系統200與醫療機構的伺服器之間的相互通信。在圖14中,將在假設用戶已經被診斷為患有某種精神或神經系統疾病的假設下描述該步驟。
首先,在步驟S2001中,醫療機構伺服器202M(屬於網路伺服器的一種)通過網路N和通信單元203訪問第二伺服器205,以更新用戶的識別資訊。
接下來,在步驟S2002中,第二伺服器205向第三伺服器206發送資訊,該資訊表示用戶的識別資訊已經被更新。
接著,在步驟S2003中,當醫療機構伺服器202M請求用戶輸入語音時,或者當用戶端訪問健康管理系統200時,第三伺服器206向用戶端201發送傳遞資訊。提示用戶輸入語音的資訊發送到用戶端201。
接著,在步驟S2004中,通過語音輸入裝置將用戶輸入的語音數據發送到第一伺服器204。
接著,在步驟S2005中,第一伺服器204複製並儲存語音數據,並將所述語音數據發送到第四伺服器210。
接著,在步驟S2006中,第四伺服器210對接收到的聲音數據進行預處理,以計算出第一聲音特徵量,並根據預先儲存在記憶單元214中的第二聲音特徵量和估測程式,在計算單元211中計算出特徵量F(a)。估測單元212根據計算單元211計算出的特徵量F(a),進行精神和神經系統疾病的估測處理。
這裡,可以重複步驟S2001至步驟S2006的過程。例如,在圖14中,用戶已經被診斷為患有某種精神或神經系統疾病,但即使在診斷後,用戶也可以定期性地將估測結果作為語音數據輸入,第四伺服器可以繼續進行估算處理。此外,每次都儲存第一伺服器的語音數據和第四伺服器的估測處理結果。儲存的數據可以作為下次到醫院就診時判斷預後過程的基礎。
診斷後,還可以確認診斷前第一伺服器的語音數據和圖13的步驟中得到的第四伺服器的估測處理結果。這樣可以提高診斷的準確性。
接著,在步驟S2007中,第三伺服器206根據第四伺服器210的估測處理結果,通過選擇單元選擇發送數據,並將發送數據發送給預後用戶。發送數據被選擇為第二或第三發送數據。
另外,第二或第三發送數據可以包括向用戶提供的問題數據,包括由醫生提供的醫療問卷。在這種情況下,進入步驟S2007。步驟S2007之後的操作可以獨立於步驟S2001或步驟S2006的操作重複進行。
接著,在步驟S2007中,將醫療問卷發送至用戶端201。接著,當用戶從用戶端201完成對醫療問卷的輸入時,將輸入數據發送到第二伺服器205,並在步驟S2008中儲存。
接著,在步驟S2009中,將輸入數據發送到醫療機構伺服器202M。步驟S2009的操作可以與在第二伺服器205上執行的步驟S2008的操作相結合。醫療機構伺服器202M從輸出裝置輸出輸入數據並結束處理。
如上所述,通過使用圖13或圖14中的健康管理系統200,當用戶沒有生病時,可以將健康管理系統200作為個人健康管理工具。此外,在精神或神經系統疾病發作後,用戶可以將健康管理系統200作為醫生的診斷支援工具。此外,對於完全治癒或緩解後的用戶,健康管理系統200可以作為個人健康管理工具,必要時還可以作為醫生的監測手段。
到目前為止,已經介紹了健康管理系統200的操作示例,但本發明並不限於此。在圖14中,討論了醫療機構伺服器202M作為網路伺服器202和健康管理系統200的組合使用的示例,但市場機構可以不使用該系統,而是使用包括醫療機構伺服器202M的健康管理系統200來進行消費者趨勢調查。
〔7.本發明的特徵〕
雖然健康管理系統200可以在每次獲取語句時顯示輸出,並掌握每次的健康狀況,但也可以連續獲取語句,對其進行綜合分析,並查看時間序列的變化,如圖13和圖14所示。例如,可以定期查看一個人的歷史記錄,例如每個月或每三個月,或者在出現健康問題時查看該歷史記錄。
因此,與傳統的健康管理系統相比,它具有以下的優越效果。
(1)通過觀察一段時間的變化,可以發現健康狀況的趨勢,如果趨勢是疾病,可以採取預防措施。
(2)如果連續取得語音,例如即使是每週一次,也可以取得到每週的健康狀況。這比一年一次或兩次的健康檢查要頻繁得多。預防和早期發現的時機絕不錯過。
(3)就憂鬱症等精神疾病而言,各種因素如遺傳因素、個人素質(抗壓能力、抗逆能力等)、居住地的物理環境、家庭成員和工作同事等密切的人際關係等多種因素共同作用於本病。而且,如果不去除病因,即使患者一次治癒,也有很大的復發風險。因此,將數據作為一個時間序列進行分析,就可以瞭解健康狀況在什麼時間惡化,如果將當時的生活事件考慮進去,就可以掌握主要原因。因此,變得容易消除病因,治癒或緩解後復發的可能性就小了。
(4)隨著阿茲海默症等認知性疾病的發展,患者往往對該病認識不足,也不太願意承認自己患有該病。隨著病情的發展,患者對疾病的認識往往會降低,從而增加了患者接受治療的難度,加速了疾病的嚴重性,也增加了家人和他人的心理負擔。由於隨著年齡的增長,患老年癡呆症的可能性也在增加,如果人們在還處於輕度狀態時就意識到患老年癡呆症的風險,就可以主動接受訓練,預防老年癡呆症的發展,為將來做好準備。家人也可以為將來做準備,更容易應對疾病。
〔8.語音取得的場景〕
在圖2中,已經描述了用戶端201包括諸如智能手機或平板電腦之類的通信端,其具有輸入語音的裝置和輸出發送數據的裝置。在此,將就語音輸入的裝置介紹其他的例子。
(1)指示用戶半強迫說話並獲取聲音時
・工作時用語音代替出勤卡確認出勤。
・遠程辦公時,會發出一定的聲音作為從家裡開始工作的信號。在工作結束時也是如此。
・作為工作前檢查(了解健康狀況),例如運輸行業中的駕駛員和飛行員。
・在進行後續治療時,患者在醫生的指導下,每次飯後都要吃藥。例如,當患者每次飯後服藥時,也會取得到語音。
(2)當用戶處於日常說話的情況下,需要獲取語音時
・要獲取呼叫中心話務員的對話語音。
・獲取呼叫中心、便利店、快餐店或任何其他零售企業的運營商之間的對話語音。
・獲取諸如播音員、配音員、主持人、電視台工作人員等業務中所說的聲音。
・當智能家電通過語音操作時,獲取其操作語音。
・獲取在線遊戲中團隊聊天的聲音。
・在智能手機遊戲中唸咒語時使用實際的語音。
・獲取警務人員、保全公司、出租車和林業公司使用的無線對話的聲音。
・掌握醫護人員和長期護理人員與患者交談時的聲音等。
・獲得保險公司或金融公司櫃檯介紹產品的人的聲音。
(3)在獲取用戶自願說出的語音時,通過對用戶的激勵來獲取利益。
・在智能手機遊戲中,用戶可以通過說話獲得可以在遊戲中使用的物品。
・當用戶進入優惠券發放網站時,只要說話就可以獲得比平時更高的優惠券。
(4)在創造出通過從他人處訪問用戶而使用戶說話的情況下
・日間照料負責人或保全公司定期給獨居老人打電話,詢問其身體狀況,並獲取其反應的語音。
・在用戶擁有對話機器人作為寵物的情況下,對話機器人會週期性地與用戶對話,並獲取用戶回應的語音。
・當用戶住院時,系統會測量用戶的體溫、脈搏和血壓,並取得用戶的語音。
(5)建議在用戶經常去的地方說話,並獲取語音。
・對於健身房、瑜伽館、游泳池、美容院、舞蹈室等以健康和美容為導向的用戶,系統取得語音作為健康管理的一部分,以及血壓等測量結果。
(6)用戶為了自身的健康管理而自願定期獲取語音的情況。
・通過設置不同的語音取得場景,可以創造一個可以連續取得語音的環境。對於每個人來說,即使語音取得場景發生了變化,如果存在上述任何一種情況,也可以持續取得語音。
〔9.發送數據的例子〕
下面介紹從第三伺服器206發送的發送數據的例子。
〔9-1.健康期間的輸出〕
由於健康管理系統200在健康時作為語音分析引擎用於非醫療領域,因此認為健康管理系統200主要使用的是疾病風險和身心狀態的判斷引擎,而不是判斷疾病的引擎。具體來說,例如,採用語音判斷引擎,將用戶分為「健康」、「表現出憂鬱症狀」、「表現出認知能力下降」三類。
此外,也可以用判斷一個人是「健康」還是「可能患病」的引擎和判斷疾病是「憂鬱症」還是「認知能力下降」的引擎相結合。
〔9-2.計算單元211或估測單元212的數值化示例和轉換為語言的示例〕
當對獲得的聲音進行分析,並將其分為「健康」、「表現出憂鬱症狀」、「表現出認知能力下降」三類時,計算數值,使之和為1,作為屬於哪一類的可信度。
此時,代表「健康」的數值為「H值」,代表憂鬱症的確信度的值為「M值」,代表癡呆症的確信度的值為「C值」,那麼,當對用戶的語音進行分析時,分析裝置(引擎)的分析結果例如是:
H值0、M值0.75、C值0.25,或
H值0.5、M值0.25、C值0.25等。
分析裝置獲得的數值可以原樣輸出,也可以將其轉換成某種語言並顯示出來,使用戶更容易理解。
例如,如果M值和C值都為0.3或更小,則判斷用戶是健康的,系統就會輸出「您的身心處於健康狀態」的資訊。如果M值或C值高於0.3、低於0.5,系統就會建議用戶嘗試一些項目來維持、加強或改善自身的身心健康。
例如,作為言語轉換的示例是:「運動是緩解壓力的好方法。去健身房或者跳舞怎麼樣?」、「每當你感到壓抑時,不妨以正念的方式消除」、「用按摩、美容或剃鬚刀觸摸你的皮膚,會讓你感覺更放鬆」、「讓我們去旅行換換口味吧!」、「展現你的童心,有助於你發揮自己的優勢。開個派對或來個迪斯可怎麼樣?」這樣的短語。
如果M值或C值超過0.5,則對用戶進行超過0.5的分類的反饋。例如,如果M值超過0.5,就會問用戶:「你的精神力量弱嗎?」、「你的壓力是否太大?」、「你似乎太辛苦了」、「你在人際關係上有什麼問題嗎?」或「你需要放鬆」等等給予反饋,幫助他們注意到某些內容。
〔9-3.當有可能生病時〕
此外,如果M值或C值超過0.5,還可以根據該值的不同,在分析裝置上增加另一個反饋,以進一步判斷有無疾病。
例如,如果疾病的確信度在0.7以上,說明患者患有某種特定的疾病,而主要症狀是憂鬱症,如重度憂鬱症、雙相情感障礙、非典型性憂鬱症,那麼就應該將患者轉診到精神病診或心理治療內科。如果確信度在0.7以上,且主要症狀是阿茲海默症、利維體認知障礙症、帕金森氏症等腦功能障礙導致的認知能力下降或運動能力下降,可以添加諸如「建議去看神經內科」等反饋。
〔9-4.當由醫生使用時〕
當由醫生使用時,用於確定疾病的引擎作為正常的診斷裝置。此外,通過使用判斷身體和精神狀態的嚴重程度或疾病嚴重程度的引擎,可以監控治療的進展。此外,通過患者的語音輸入,實現數據的長期取得,可以減少醫生、護士直接上門服務的勞動,並且可以降低醫療成本。
〔10.對整個系統的說明〕
圖15是顯示健康管理系統200的整體示意圖。主系統流程將採用各步驟S3001或S3012進行描述。
首先,在步驟S3001中,在各種使用場景中執行來自用戶的語音輸入。除了從用戶端201的語音輸入外,各種使用場景還包括在「8.語音取得的場景」項目中列出的場景。輸入的語音數據主要儲存在具有第一或第四伺服器的健康管理系統200中的第一伺服器204中。同時,將用戶通過用戶端201輸入的識別資訊儲存在健康管理系統200的第二伺服器205中。
接著,在第四伺服器210中根據輸入的語音數據對語音進行分析、測量和估測處理,並在步驟S3002中將估測結果發送給用戶端201。在某些情況下,估測結果通過網路伺服器202發送到非醫療服務機構202A(步驟S3003)。在這種情況下,估測結果在步驟S3004中從非醫療服務機構202A發送到第三伺服器206。在圖15中,第三伺服器206的一些功能與健康管理系統200分開描述。然後,在步驟S3005中,從第三伺服器206向用戶端201發送大意為建議到醫療機構進行體檢的資訊。
此外,在步驟S3006和步驟S3007中,在用戶端201和健康管理系統200之間發送和接收關於用戶識別資訊的管理資訊。
之後,通過訪問設施或其他方式對用戶進行訪談。
接下來,在步驟S3008中,健康管理系統200可以將儲存在第一伺服器204中的語音數據和儲存在第四伺服器210中的估測結果數據發送給設施,該設施可以在看診、檢查和診斷時使用這些數據。
在檢查和診斷之後,該設施將診斷結果資訊提供給健康管理系統200(步驟S3009)。即使在治療和預後期間,健康管理系統200也可以發送和接收儲存在第一伺服器204中的語音數據和儲存在第四伺服器210中的估測結果數據(步驟S3010、步驟S3011)。即使在患者病情緩解後,也可以通過定期獲取用戶的語音數據來監測患者的病情進展。
此外,在步驟S3012中,可以將語音數據的時間序列數據和估測結果反饋給各種使用場景。
〔11.其他解說〕
將提供有關本發明的其它解釋。注意,本發明不限於以下說明的內容。
圖16顯示了使用語音平台裝置或其他系統(發送和接收、原始判斷結果輸出)或嵌入式系統註冊用戶的例子。
本裝置的使用流程如下:
(1)輸入註冊用戶的語音和其他等數據,並將其儲存在用戶數據儲存裝置中;
(2)選擇儲存的語音和其他伴隨數據;
(3)選擇要使用的服務;
(4)服務中使用的語音數據分析裝置對語音數據進行分析,並將分析結果儲存在用戶數據儲存裝置中,以及
(5)根據分析結果和其他數據,從事先準備好的判別主數據中檢索出判別結果;
(6)預先發送服務所需的判別結果和分析結果等數據;
(7)服務提供者或系統接收到數據後,向用戶提供對行為支援有用的輸出或服務。
例如,目前健身房和飲食計畫提供的服務是改善身體健康。在這些健康促進設施中,人們接受活動教練和其他專業人員的服務,並制定目標和行動計劃。另一方面,運動員有時為了有效地實現自己的目標,不僅要加強和提高自己的身體素質,還要加強和提高自己的心理素質。通過使用語音平台裝置或融合了語音平台裝置功能的系統,可以促進資訊的使用,以有效增強心理層面。
圖17顯示出了用戶註冊的流程。用戶從開始使用的同意畫面中確認關於數據使用的說明,如果用戶同意該內容,則按下開始使用按鈕。按下「開始使用」按鈕後,顯示初次註冊畫面。輸入初次註冊頁面上顯示的必要資訊(年齡、性別、病史等),點擊「輸入完成」按鈕。當按下輸入完成按鈕時,輸入識別輸入中使用的裝置的代碼,作為終端識別號,主要是在可以獲得的情況下使用。在按下輸入完成鍵後,用戶自己選擇螢幕上顯示的自由語音或自由語音,並根據一個或兩個輸入引導器輸入語音。當確認聲紋提取所需的語音已輸入時,顯示表示語音輸入完成的畫面,並按下確認鍵將輸入數據作為最終確定的資訊發送到語音平台裝置。
例如,如果用戶希望使用語音平台裝置或結合語音平台裝置功能的系統來製定包括心理方面的訓練計劃,用戶應該註冊。此時,獲取語音作為用戶資訊。
圖18顯示出了儲存語音數據的流程。用戶直接向語音平台裝置輸入語音數據進行初次註冊,或根據需要、或通過語音平台裝置輸入從其他系統獲取的語音數據。輸入時完成確認的語音數據暫時儲存在語音平台裝置中,然後發送到數據儲存裝置中。傳輸的語音和伴隨數據由構成語音平台裝置的數據儲存裝置接收,並與語音取得的日期和時間、使用的終端以及與使用相關的數據一起儲存在數據儲存裝置的資料庫中。所儲存的語音及其他數據,除用戶本人或經用戶認可的服務或服務提供商外,不能檢索、查看、輸出或刪除。如註冊時的同意書中所述,難以唯一識別個人的數據集,可以由使用語音平台裝置提供服務並獲得使用語音平台裝置許可的服務商查看並收發資訊。如果用戶根據預設程序要求語音平台運營商暫停或終止使用語音平台裝置,並在處理完成後,語音平台運營商可以根據用戶的同意或語音平台運營商確定用戶違反使用條款的情況下,刪除(邏輯上或物理上)個人身份數據。無法唯一識別個人身份的數據,可能會被語音平台運營商作為統計資訊繼續使用。
本平台儲存的數據含有敏感的個人資訊,數據儲存環境通過加密、數據發送等措施來保護個人資訊。
例如,語音數據作為活動記錄的一部分,在運動健身館申請使用時、計劃制訂時、計劃執行過程中和計劃結束時輸入。如果語音平台裝置與智能手機等移動端裝置配合使用,除了健身館的麥克風外,還可以儲存和利用裝置本身獲取的語音數據。
以下是語音獲取方法的例子。
(1)當用戶接受諸如健康促進之類的服務時,於製定活動計劃時輸入聲音,以改善和增強身體和精神。
(2)用戶希望儲存或利用語音或其他數據,並使用語音平台裝置的功能,或使用語音平台裝置功能的其他應用程序或系統,或通過語音平台裝置連接的可穿戴裝置輸入數據。
(3)業主等在業務範圍內(如呼叫中心的接聽記錄、交通公司的通訊廣播、歌手的錄音或現場表演、演員的表演、配音演員的表演、醫療、護理、健康促進服務中的體檢、護理、諮詢等),事先徵得用戶同意並獲取語音數據。語音轉換為可由語音平台裝置處理的形式,利用語音平台裝置的功能進行輸入。
(4)企業經營者等為營銷、提高客戶忠誠度或獲取資訊等目的提供激勵或執行激勵措施時,或作為購買應用中彩票等遊戲中使用的卡片或虛擬物品的機制時(所謂的遊戲),使用智能揚聲器等主要通過語音操作的裝置的功能,對智能手機等語音輸入裝置進行操作,或者在操作電腦和智能手機等裝置的應用程序時,將語音輸入作為一種操作。
(5)為娛樂(如卡拉OK)或涉及語音輸入的服務而使用語音,或為解釋或提供服務而獲得的語音(如作為體檢的一部分或在購買保險產品時為確定健康狀況而獲得的語音,或為規劃和評價護理或健康促進服務的績效而獲得的語音)。例如,作為健康檢查的一部分或在購買保險產品或規劃和執行護理和健康促進服務時為評估健康狀況而獲得的聲音。
(6)在試穿或者穿戴服裝、飾品,乘坐汽車或者其他交通工具,觀看或者居住與房地產交易有關的房屋,或者試穿、使用其他服務、商品時,獲取語音。
(7)通過互聯網提供的服務(網上購物、遠程醫療、諮詢、教育、金融產品中介、就業和轉業支援服務、異性見面申請配對等)。
(8)傳達資訊發送者的語音內容或狀態時,使用電腦或智能手機等裝置進行語音輸入。
(9)在精神障礙和認知障礙相關疾病緩解和復發後,每天進行語音輸入,以便在較合適的時機了解自己的變化。
圖19顯示出了對識別資訊已經註冊的用戶進行語音分析的一個例子。當用戶請求且服務提供者接受使用語音平台裝置或其他服務提供者的服務的功能時,使用在服務使用時註冊或導入的語音數據和伴隨數據或預先儲存的語音分析數據時,用戶將使用用戶服務所需的數據作為數據集發送給服務中使用的分析裝置進行分析。當服務提供者收到使用語音數據和隨附數據使用語音平台裝置功能的請求,或者其他服務提供者的服務請求時,服務提供者將用戶服務使用所需的語音和其他數據作為數據集發送給服務中使用的分析裝置進行分析。確認服務使用權限後,分析裝置對接收到的數據集進行預處理和分析,並輸出分析結果。輸出分析結果數據集發送到語音平台裝置。語音平台裝置接收語音平台裝置發送的分析數據集的分析結果,對分析結果進行確認,如果分析完成達到預期的服務水準,則發送完成通知;如果分析未完成,則向分析裝置發送重新分析請求;如果分析是由於分析數據集的缺陷,則向語音平台裝置發送通知。根據錯誤日誌預設的資訊作為通知發送給平台裝置,如果是某個裝置的意外錯誤,則發送給平台裝置的服務商、用戶和分析裝置的管理員。
例如,將每個場景中的語音輸入儲存為語音平台裝置的數據儲存裝置中的人的語音。所儲存的語音與代表語音聲紋識別的數值一起被語音聲紋確認裝置儲存,該確認裝置可以在數據確認時執行,也可以在語音取得時儲存語音。通過從數據儲存裝置中提取分析所需的數據集,並根據用戶選擇的服務建立分析數據集,將儲存的數據從語音平台裝置發送到分析裝置。
分析裝置對接收到的分析數據集進行預處理、分析,並傳輸分析結果。通過查看分析結果,可以按照時間順序對照儲存的語音,檢查心理狀態(心理值)和認知功能狀態(認知值)。
圖20顯示了一個關於辨識的例子。當用戶使用服務使用時,註冊或導入的語音數據和附帶數據的分析結果或預先儲存的用於判斷語音分析結果的分析結果,要求使用語音平台裝置的功能或服務提供商的服務時,服務提供商接收到該請求,則要求用戶使用該服務。當服務提供者收到用戶提出的使用服務的請求時,服務提供者根據用戶使用服務的請求設定的判別條件,將語音分析結果和服務所需的其他數據提取出來,作為判別的數據集傳送給服務中使用的判別裝置。判別裝置從判別結果數據儲存裝置中檢索出與事先註冊的語音分析結果數據相對應的判別結果,並作為數據判別結果輸出到服務中預先設定的輸出目的地和語音平台數據儲存裝置。
例如,根據分析結果數據,系統對指標和資訊進行判別,更好地了解心理健康狀況和認知功能。用戶可以根據判別結果,按時間順序查看自己的狀態,並可以根據客觀資訊考慮今後應該採取的解決方案或服務。
圖21描述了一個與行為支援有關的例子。當用戶利用語音平台裝置中儲存的語音數據和伴隨數據的判別結果或服務使用時註冊或導入的語音數據和伴隨數據的判別結果,請求使用語音平台裝置或其他服務提供者的服務功能,且服務提供者接受請求時,用戶當服務提供者收到基於用戶設定或選擇的資訊利用條件或服務提供者事先設定的作為服務的一部分的數據的語音平台裝置或其他服務提供者的服務的功能的使用請求時,提取服務所需的語音分析結果和其他數據及判別結果,並作為資訊利用數據集傳送給服務中使用的資訊利用方式選擇裝置。提取數據和判別結果,並將其作為資訊利用數據集進行發送。
資訊利用方式選擇裝置從資訊利用方式數據儲存裝置中檢索出與事先註冊的資訊利用方式中接收到的數據集相對應的資訊利用方法,並將資訊利用方法選擇的結果輸出到服務預設的輸出目的地和語音平台數據儲存裝置。資訊利用方法選擇的結果輸出到服務預定的輸出目的地和語音平台數據儲存裝置。
根據輸出結果接收資訊利用的結果。將接收到的資訊利用結果傳送給語音平台數據儲存裝置。語音數據平台數據儲存裝置將接收到的資訊利用結果作為選擇資訊利用方式的結果進行儲存。
例如,基於判別結果,可以顯示推薦的培訓菜單、對疾病預防有效的諮詢或膳食反饋等資訊的檢索結果(不限於平台運營方或服務方掌握的資訊),讓用戶在計劃上取得進展,獲得新的支援機會,或採取預防疾病的行動,還可以獲得採取行動預防疾病的機會。
圖22A和圖22B顯示了關於系統的流程。醫療機構等服務機構在引進嵌入式系統或變更註冊資訊時,對機構資訊和人員資訊進行註冊。此外,還可以通過結合嵌入式系統要使用的測試等服務條件的預先設定,或由管理員等設定,或從服務提供者已擁有的系統連接,實現數據共享和相互輸入輸出。
用戶是指預先註冊為使用本發明的服務或設施的用戶(在醫療方面,用戶是指在醫療機構登記為患者,並已獲得體檢票據等,或已加入社會保險系統,並已獲得社會保險號等)。
通過將體檢票據相關數據和社保相關數據儲存在語音數據平台裝置中,還可以利用智能手機等裝置、IC卡、非接觸式通信等技術實現身份識別和數據交換。
在首次使用嵌入式系統時,用戶可以確認使用條款並決定是否接受。接受本使用條款後,用戶或其親屬或接受用戶或其親屬請求的醫療機構工作人員或使用系統註冊用戶的資訊。如果事先將用戶的資訊儲存在醫院系統中,那麼在事先徵得用戶同意後,可以對用戶的資訊進行登記。當使用用戶本人的智能手機等裝置輸入用戶資訊或語音時,也可以獲取輸入端的資訊。也可以通過加入通過聲紋確認用戶身份的功能來驗證用戶的身份。用戶同意和用戶資訊的註冊結果儲存在嵌入式系統的數據儲存裝置中,並將儲存的結果以電子數據、紙本或其他格式輸出,供用戶和服務提供者使用。
用戶註冊後,服務提供者收到用戶或者用戶親屬等以書面形式或利用嵌入式系統等方式發出的指令,應該用戶選擇服務(分析、判別、資訊利用條件等),通過使用相關裝置的麥克風等語音輸入裝置或導入事先儲存在語音平台裝置中的語音數據,輸入語音數據。
輸入待分析的語音數據後,系統確認數據是否滿足服務條件,如果滿足服務條件,則將數據發送到嵌入式系統的數據儲存裝置;如果不滿足,則顯示相應的資訊等,並進入輸入界面再次輸出。
在確認語音數據輸入成功後,根據服務條件將語音數據輸出到預設的分析裝置。在確認語音數據接收正常後,分析裝置進行必要的分析預處理,對語音數據進行分析,並將分析結果輸出到數據儲存裝置。
判別裝置從數據儲存裝置中提取判別所需的數據,包括儲存的分析結果,並從事先設置的判別結果數據儲存裝置中選擇相應的數據判別結果。數據判別結果向服務中設置的資訊利用方式選擇裝置和數據儲存裝置輸出。資訊使用方法選擇器根據輸入的數據判別結果選擇資訊使用方法,並將選擇結果輸出到資訊使用方法中定義的目的地和數據儲存裝置。資訊利用裝置接收資訊利用的結果,並輸出到數據儲存目的地。
嵌入式系統的數據儲存裝置中儲存的數據,可以根據用戶本人的要求,使用智能手機端、帶磁儲存的IC卡、非接觸式通信等方式提前註冊獲取。此外,還可以根據用戶的同意,通過嵌入式系統的功能,從嵌入式系統中獲取特定服務的使用結果。
本發明的健康管理系統可用於例如以下情況。有位用戶被周圍人指出最近缺乏活力,而其自身也是凡事都缺乏動力,犯簡單的錯,被家人帶去看當地的一般內科醫生。一般內科醫生不是精神疾病或認知障礙症的專家,所以很難決定治療方案,或者需要很長時間才能達成有效的治療方案。然而,在這個有嵌入式系統的一般內科就診的患者,在前期的面診中,被指導進行了語音測試以及認知功能的簡單測量。患者在家人的陪同下,因感覺到自己的積極性下降,在確認使用條款後同意參加語音測試。由於除了患者的語音輸入外,其他工作都由家屬處理,所以患者的負擔很小,醫生確認語音測試結果後才進入檢查室。
檢查時,雖然也看到認知功能有所下降,但根據語音測試結果,很可能診斷為重度憂鬱症,即憂鬱症,並製定了治療方案,他和家人都同意。患者及其家屬同意了治療方案,患者服藥前後,除去醫院探視外,均由智能手機取得語音,使用與語音平台裝置相連的治療支援應用。在醫院就診時查看患者在院外的語音數據和病情變化,利用非接觸通信功能將智能手機上的時序語音數據導入到嵌入式系統中,使嵌入式系統可以再次查看數據。當時,過去醫院就診時獲取的語音數據和醫療數據作為當事人的數據儲存在語音平台裝置的數據儲存裝置中。由於院外病情提示治療效果可能低於預期,於是修改了治療方案,換了處方。當患者在工作場所的症狀逐漸好轉時,其被調到了遠處。為了繼續治療,患者尋找了一家使用語音平台裝置的醫院,並且在新的地點使用語音平台裝置就能到達,患者在現在的醫院寫了一封介紹信,並將自己的治療記錄作為數據儲存在語音平台裝置上。有了這些數據,患者就可以在新醫院不間斷地進行治療。隨著治療效果的增加和症狀的改善,我們能夠發現減藥的時機,這一點僅靠正常的體檢是很難發現的。症狀穩定後,讓患者自己調整藥量,自己一邊查看語音數據,一邊減少來院間的藥量。患者一邊查看語音數據,一邊自己在來醫院的間隙減藥,考慮到患者的晝夜波動,一絲不苟的減藥,效果顯著,病情得到緩解。雖然精神障礙緩解後復發率較高,但由於患者通過語音平台裝置長期監測病情,找到了對自己心理健康有積極影響的活動,所以病情穩定。但是,當患者的工作量暫時增加時,看到自己的心理值有所下降,於是又去看醫生。但是,當患者的工作量暫時增加時,其心理值出現了下降,於是又來找我們,由於我們在患者的症狀惡化之前就將其治療,所以患者在短時間內就進入了緩解期,主要是進行了認知行為治療。
圖23描述了數據傳輸和接收、語音平台、語音分析儀和嵌入式系統。
在「300.其他系統(僅數據發送)」中,獲取識別用戶的語音數據,並將其發送到語音平台裝置。語音數據可以通過智能手機、智能揚聲器、卡拉OK、商務廣播等方式獲取。語音平台裝置上可以確認結果。
在「400.其他系統(傳輸/接收、原始判斷結果輸出)」中,本系統進行語音取得和判斷結果輸出。根據判斷結果,可以轉換成本系統的原始判斷結果。本系統適用於支援制定培訓和護理預測的系統,以及考勤等有個性化要求的業務管理系統。
「100.語音平台裝置」可用於錄音、服務選擇、結果確認、歷史確認、資訊瀏覽,支援僅用本裝置進行數據的二次使用。如果對語音取得或判別結果的反饋有特定的限制或要求,系統可以接收其他裝置取得的語音數據,或根據分析結果將判別後的數據輸出到特定的外部系統。請注意,即使在本系統之外進行處理,也必須通過本系統或本系統提供的程式和功能獲得用戶的同意並進行處理。
「200.語音分析裝置」對從語音平台裝置接收到的語音數據進行預處理、分析,並將分析結果以預定的格式傳送給語音平台裝置。根據接收到的語音數據的業務資訊,分析決定是否實施分析處理。在進行分析後,傳輸具體疾病的可能性、精神價值、認知價值等結果,並儲存過程中的執行歷史,直至語音平台裝置完成接收。分析後,語音數據會自動刪除。
在「500.嵌入式系統」中,當由於醫療數據的便攜性、服務提供者的意圖或各種規定等限制而不希望與語音平台裝置直接連接時,可以將裝置的功能嵌入到單個系統中,以實現語音取得和輸出判別結果。這是有可能的。當醫療機構的系統管理的資訊使用NFC或Bluetooth(註冊商標)技術的緊急連接取出時,可以通過輸出滿足語音平台裝置輸入規格的格式,將其導入語音平台裝置。在這種情況下,可以通過輸出符合語音平台裝置輸入規範的數據格式,將數據導入語音平台裝置。
每一步輸出到語音平台裝置和嵌入式系統的數據儲存目的地的數據,以記錄的形式儲存下來,將提取和選擇結果與每個用戶的結果聯繫起來。儲存的結果可以在用戶同意的範圍內重複使用。
儲存的數據只有在得到語音平台裝置運營商的許可後,才能被第三方檢索或查看,或作為統計資訊進行提取,但在已獲得使用同意的範圍內的個人身份資訊除外。如果用戶願意,第三方可能會在不識別個人身份的情況下,向滿足第三方設定的特定條件的用戶公開或提供部分或全部數據以及使用目的的個人資訊,或者響應企業經營者等的公開請求,或者進行臨床試驗志願者的招募等。例如,可以通過語音數據平台進行臨床試驗志願者的招募等。
圖24說明了語音平台裝置。該裝置包括語音取得單元和取得語音確認單元、取得語音發送單元、數據儲存單元、分析數據集提取單元、分析數據集發送單元、分析結果數據接收單元、分析結果判別裝置(包括判別對象數據提取、判別結果檢索和判別結果輸出)、資訊利用方法選擇裝置(包括提取選擇數據、資訊利用方法檢索、檢索結果的輸出),以及各裝置的用戶和管理員的用戶螢幕等。前述數據儲存單元儲存的數據包括,例如,用戶數據,包括用戶數據、業務選擇數據、語音數據、業務使用記錄、分析數據、判別數據、資訊利用方式選擇結果和資訊利用實施數據。由服務提供者、資訊使用方法、服務價格表組成的各種主數據。分析引擎使用數據由分析引擎類型、連接方式、連接設置和連接歷史組成。二次使用數據由公開使用的最小數據集、瀏覽記錄、數據使用申請記錄、數據使用審批記錄、數據借閱期、借閱數據刪除記錄等組成。交易數據、主數據、各種設置、使用執行記錄等各種數據。而這種語音平台裝置是一種新的裝置,實現了個人或個人授權的個人或企業以語音為中心的高度安全和前所未有的數據利用。
圖25說明了語音分析裝置。它包括語音分析引擎執行和管理環境、分析用語音輸入裝置、分析用語音預處理裝置、語音分析裝置、分析結果輸出裝置、輸出目的地接收結果確認裝置、分析數據集和分析結果刪除裝置、分析引擎使用結果取得裝置、使用歷史取得補充裝置、根據用戶的使用記錄計算和輸出費用的裝置,以及根據連接目的地設置連接方法的裝置等。
我們提供了一個可以根據請求選擇並執行多個分析引擎的環境,在這個環境中,可以根據個人的請求對個人資訊進行分析,在分析之後,可以通過請求系統或服務只掌握部分用戶數據,在不識別個人身份的情況下進行多方位的數據分析。
圖26、圖27A和圖27B說明了其他系統。
具有語音平台裝置部分功能的系統(如語音數據取得、語音數據確認、判別、資訊使用方法檢索等)。一種使用形式,在這種使用形式中,有必要滿足對安全和可用性的獨特要求,或者為了提供服務,利用各個服務機構已經擁有的系統。取得和確認後的語音發送到語音平台,語音平台裝置以預定的數據格式接收分析判別和資訊利用方法檢索的結果。
當取得到具有原始規格的語音時,通過輸出取得到的具有預定規格的語音數據輸入到語音平台裝置,從而實現語音平台裝置的功能。語音數據輸入後,使用語音平台裝置功能。
主要顯示出了當無法與諸如醫療設施之類的語音平台裝置進行網路連接時的使用模式,並且是一種從獲得使用許可到輸出結果執行的獨立系統裝置。語音平台裝置的數據輸入和對語音平台裝置的數據輸出可以通過智能手機或帶內存的IC卡等無線技術(Bluetooth(註冊商標)、NFC、AirDrop等)實現,而不需要通過互聯網。輸出到裝置的數據不是通過互聯網。
雖然已經根據上述圖示詳細描述了本申請的一些實施例,但這些都是例子,根據本領域技術人員的知識,包括發明公開部分所描述的形式,可以以其他形式實施本發明,並進行各種變化和改進。
本專利申請係基於2019年12月24日提交的日本專利申請號2019-232504的優先權,並且結合了該日本申請中描述的所有內容。
100:電腦
101:CPU
102:RAM
103:ROM
104:HDD
105:通信介面
106:輸入/輸出介面
107:媒體介面
108:記錄媒體
201:用戶端
202:網路伺服器
202A:非醫療服務機構
202M:醫療機構伺服器
203:通信單元
204:第一伺服器
205:第二伺服器
206:第三伺服器
207:第一發送數據
208:第二發送數據
209:第三發送數據
210:第四伺服器
211:計算單元
212:估測單元
213:選擇單元
214:記憶單元
N:網路
S1001,S1002,S1003,S1004,S1005,S1006,S1007步驟
S2001,S2002,S2003,S2004,S2005,S2006,S2007,S2008,S2009步驟
S3001,S3002,S3003,S3004,S3005,S3006步驟
S3007,S3008,S3009,S3010,S3011,S3012步驟
圖1顯示實現本申請的健康管理系統200的功能的電腦的示例的硬體配置圖。
圖2是根據本申請的實施例的健康管理系統200的配置圖。
圖3A顯示出用於計算一個或多個聲音特徵量的特徵量的公式F(a)的圖。
圖3B顯示出每種疾病的一個聲音特徵量的強度不同的圖像圖。
圖3C是通過三個聲音參數的組合獲得的疾病預測值的分佈圖。
圖4A為健康受檢者或患有特定疾病等分離性能的ROC曲線圖。
圖4B為健康受檢者或患有特定疾病等分離性能的ROC曲線圖。
圖5顯示出由每個患者和健康者大聲朗讀以用於學習數據的示例語句的圖。
圖6顯示出估測用戶是否處於健康、失智組或情緒障礙組中的結果的圖。
圖7A顯示出在重度憂鬱和健康狀況的分類中針對每個短語的估測程式的估測結果的圖。
圖7B顯示出在重度憂鬱和其他精神/神經系統疾病的分類中針對每個短語的估測程式的估測結果的圖。
圖8A顯示出針對每個短語基於估測程式對每個人總結被判定為重度憂鬱或健康狀況的結果的圖。
圖8B顯示出針對每個短語基於估測程式對每個人總結被判定為重度憂鬱或健康狀況的結果的圖。
圖9顯示出每個人的健康判定率的圖,其中將健康判定率大於或等於60%的人估測為健康者,並且將健康判定率小於60%的人估測為重度憂鬱症患者。
圖10A顯示出在利維體認知障礙和健康的分類中針對每個短語的估測程式的估測結果的圖。
圖10B顯示出在利維體認知障礙和其他精神/神經系統疾病的分類中針對每個短語的估測程式的估測結果的圖。
圖11A顯示出利維體認知障礙的估測結果的圖。
圖11B顯示出利維體認知障礙的估測結果的圖。
圖12顯示出每個人的健康判定率的圖,其中將健康判定率大於或等於60%的人估測為健康者,並且將健康判定率小於60%的人判定為利維體認知障礙。
圖13顯示出健康管理系統200的操作的序列圖。
圖14顯示出健康管理系統200的操作的序列圖。
圖15顯示出健康管理系統200的整體圖像的示意圖。
圖16顯示出使用語音平台裝置或另一系統(發送/接收、原始判定結果的輸出)或嵌入式系統來註冊用戶的示例圖。
圖17是用於說明用戶註冊的流程圖。
圖18顯示出關於語音數據儲存的流程圖。
圖19顯示出已經註冊了識別資訊的用戶的語音分析的示例圖。
圖20顯示出與判別有關的示例圖。
圖21是用於說明行動支援的示例圖。
圖22A顯示出與系統有關的流程圖。
圖22B顯示出與系統有關的流程圖。
圖23是用於說明數據發送/接收、語音平台、語音分析裝置和嵌入式系統的圖。
圖24是用於說明語音平台裝置的圖。
圖25是用於說明語音分析裝置的圖。
圖26是用於說明另一系統的圖。
圖27A是用於說明另一系統的圖。
圖27B是用於說明另一系統的圖。
100:電腦
101:CPU
102:RAM
103:ROM
104:HDD
105:通信介面
106:輸入/輸出介面
107:媒體介面
108:記錄媒體
N:網路
Claims (9)
- 一種健康管理系統,包含:一第一伺服器,用於持續儲存從用戶獲取的語音數據;一第二伺服器,用於儲存用戶的識別數據;一第三伺服器,用於為用戶儲存輸出數據;以及一估測裝置,藉由輸入基於所述語音數據提取的聲音特徵量來估測特定疾病;所述估測裝置包含: 一計算單元,用於根據所述語音數據計算聲音特徵量; 一估測單元,利用所述聲音特徵量作為輸入來估測所述特定疾病;以及 一選擇單元,根據所述估測單元的估測結果和所述用戶的識別數據選擇所述第三伺服器的輸出數據;其中所述選擇單元配置為: 當所述估測單元估測用戶未患有所述特定疾病時,從所述第三伺服器中選擇包括健康者的發送數據的第一輸出數據; 當所述估測單元估測用戶懷疑患有所述特定疾病時,從所述第三伺服器中選擇包括敦促用戶去醫療機構就診的資訊的第二輸出數據;以及 在所述用戶被醫生診斷出患有特定疾病後,更新所述第二伺服器的所述識別數據,並從所述第三伺服器中選擇包括患病後用戶的發送數據的第三輸出數據。
- 如請求項1之健康管理系統,其中,所述特定疾病被分類為包括利維體認知障礙症、阿茲海默症和帕金森氏症的認知障礙組,以及包括重度憂鬱症、雙相情感障礙和非典型憂鬱症的情緒障礙組。
- 如請求項1之健康管理系統,其中,所述特定疾病為利維體認知障礙症。
- 如請求項1之健康管理系統,其中,所述特定疾病為阿茲海默症。
- 如請求項1之健康管理系統,其中,所述特定疾病為帕金森氏症。
- 如請求項1之健康管理系統,其中,所述特定疾病為重度憂鬱症。
- 如請求項1之健康管理系統,其中,所述特定疾病為雙相情感障礙。
- 如請求項1之健康管理系統,其中,所述特定疾病為非典型憂鬱症。
- 如請求項1之健康管理系統,其中,所述估測裝置能夠估測阿茲海默症、利維體認知障礙症、帕金森氏症、重度憂鬱症、非典型憂鬱症和雙相情感障礙。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019-232504 | 2019-12-24 | ||
JP2019232504 | 2019-12-24 |
Publications (1)
Publication Number | Publication Date |
---|---|
TW202133150A true TW202133150A (zh) | 2021-09-01 |
Family
ID=76575967
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW109145989A TW202133150A (zh) | 2019-12-24 | 2020-12-24 | 健康管理系統,健康管理裝置,健康管理程式和健康管理方法 |
Country Status (3)
Country | Link |
---|---|
JP (1) | JPWO2021132284A1 (zh) |
TW (1) | TW202133150A (zh) |
WO (1) | WO2021132284A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115662631A (zh) * | 2022-10-26 | 2023-01-31 | 上海柚纯数字科技有限公司 | 基于ai智能判别的养老院管理系统 |
TWI803394B (zh) * | 2022-07-20 | 2023-05-21 | 國立中興大學 | 氣喘管理資訊系統及其使用方法 |
TWI806432B (zh) * | 2022-02-17 | 2023-06-21 | 緯創資通股份有限公司 | 建立疾病預測的決策樹的方法、電子系統及電腦程式產品 |
TWI811097B (zh) * | 2021-09-09 | 2023-08-01 | 南韓商智聰醫治股份有限公司 | 用於確定用戶癡呆程度的方法及裝置 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7033355B1 (ja) | 2021-08-18 | 2022-03-10 | 友康 無藤 | 診断補助装置、診断補助方法及び診断補助プログラム |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005010904A (ja) * | 2003-06-17 | 2005-01-13 | Windeii:Kk | 調剤薬局業務支援システム |
US9055861B2 (en) * | 2011-02-28 | 2015-06-16 | Samsung Electronics Co., Ltd. | Apparatus and method of diagnosing health by using voice |
JP2019079532A (ja) * | 2017-10-23 | 2019-05-23 | 株式会社生命科学インスティテュート | 健康推定システム、健康推定装置、健康推定プログラムおよび健康推定方法 |
GB2567826B (en) * | 2017-10-24 | 2023-04-26 | Cambridge Cognition Ltd | System and method for assessing physiological state |
-
2020
- 2020-12-22 JP JP2021567503A patent/JPWO2021132284A1/ja active Pending
- 2020-12-22 WO PCT/JP2020/048049 patent/WO2021132284A1/ja active Application Filing
- 2020-12-24 TW TW109145989A patent/TW202133150A/zh unknown
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI811097B (zh) * | 2021-09-09 | 2023-08-01 | 南韓商智聰醫治股份有限公司 | 用於確定用戶癡呆程度的方法及裝置 |
TWI806432B (zh) * | 2022-02-17 | 2023-06-21 | 緯創資通股份有限公司 | 建立疾病預測的決策樹的方法、電子系統及電腦程式產品 |
TWI803394B (zh) * | 2022-07-20 | 2023-05-21 | 國立中興大學 | 氣喘管理資訊系統及其使用方法 |
CN115662631A (zh) * | 2022-10-26 | 2023-01-31 | 上海柚纯数字科技有限公司 | 基于ai智能判别的养老院管理系统 |
CN115662631B (zh) * | 2022-10-26 | 2023-11-17 | 上海柚纯数字科技有限公司 | 基于ai智能判别的养老院管理系统 |
Also Published As
Publication number | Publication date |
---|---|
JPWO2021132284A1 (zh) | 2021-07-01 |
WO2021132284A1 (ja) | 2021-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11942194B2 (en) | Systems and methods for mental health assessment | |
US11120895B2 (en) | Systems and methods for mental health assessment | |
Lu et al. | The use of mobile health applications to improve patient experience: cross-sectional study in Chinese public hospitals | |
KR102116664B1 (ko) | 온라인 기반의 건강 관리 방법 및 장치 | |
Qin et al. | Driving cessation and social isolation in older adults | |
US20200380957A1 (en) | Systems and Methods for Machine Learning of Voice Attributes | |
TW202133150A (zh) | 健康管理系統,健康管理裝置,健康管理程式和健康管理方法 | |
Kozee et al. | A test of objectification theory with lesbian women | |
Wardian et al. | Validation of the DSSI-10 to measure social support in a general population | |
Hughes et al. | Improving sexual health communication between older women and their providers: How the integrative model of behavioral prediction can help | |
Jacobs et al. | Marginal assessment of the cost and benefits of aphasia treatment: Evidence from community-based telerehabilitation treatment for aphasia | |
Latham et al. | The role of neighborhood safety in recovery from mobility limitations: Findings from a national sample of older Americans (1996–2008) | |
Ma et al. | Professional Medical Advice at your Fingertips: An empirical study of an online" Ask the Doctor" platform | |
Brunner et al. | Comparison of clinical vignettes and standardized patients as measures of physiotherapists’ activity and work recommendations in patients with non-specific low back pain | |
Smith et al. | Vocal pattern detection of depression among older adults | |
Meza et al. | Clinician-reported modification to a CBT approach in children’s mental health | |
Dulisse et al. | No silver lining: Evaluating the need for consistent and appropriate functionality assessments among the increasing and incarcerated elderly population | |
Almog et al. | Remote delivery of service: A survey of occupational therapists’ perceptions | |
Ghafoori et al. | Predictors of treatment access and initiation among diverse, low-income victims of violence offered a trauma-focused evidence-based psychotherapy | |
Pimm et al. | An evaluation of a digital pain management programme: Clinical effectiveness and cost savings | |
Gunter et al. | Therapeutic engagement and posttreatment substance use in adolescent TC clients: Direct and indirect effects | |
Humphries et al. | Using health care professionals’ perspectives to refine a clinical decision support implementation strategy for increasing the prescribing of HIV preexposure prophylaxis (PrEP) in Alabama | |
Magnavita | Introduction: how can technology advance mental health treatment? | |
Meek et al. | Targeting high utilisers: predictive validity of a screening questionnaire | |
Ramos-Cuadros et al. | Evaluating the Depression Level Based on Facial Image Analyzing and Patient Voice |