WO2015050174A1 - 健康情報処理装置、健康情報表示装置及び方法 - Google Patents

健康情報処理装置、健康情報表示装置及び方法 Download PDF

Info

Publication number
WO2015050174A1
WO2015050174A1 PCT/JP2014/076332 JP2014076332W WO2015050174A1 WO 2015050174 A1 WO2015050174 A1 WO 2015050174A1 JP 2014076332 W JP2014076332 W JP 2014076332W WO 2015050174 A1 WO2015050174 A1 WO 2015050174A1
Authority
WO
WIPO (PCT)
Prior art keywords
information
user
health
health information
unit
Prior art date
Application number
PCT/JP2014/076332
Other languages
English (en)
French (fr)
Inventor
靖久 根本
末永 智一
高山 卓三
Original Assignee
国立大学法人東北大学
株式会社東芝
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Family has litigation
First worldwide family litigation filed litigation Critical https://patents.darts-ip.com/?family=52778762&utm_source=google_patent&utm_medium=platform_link&utm_campaign=public_patent_search&patent=WO2015050174(A1) "Global patent litigation dataset” by Darts-ip is licensed under a Creative Commons Attribution 4.0 International License.
Application filed by 国立大学法人東北大学, 株式会社東芝 filed Critical 国立大学法人東北大学
Priority to SG11201502141RA priority Critical patent/SG11201502141RA/en
Priority to JP2015508354A priority patent/JP6212784B2/ja
Priority to EP14843220.6A priority patent/EP3054412A4/en
Priority to CN201480002440.9A priority patent/CN104704526A/zh
Priority to US14/661,785 priority patent/US20150193588A1/en
Publication of WO2015050174A1 publication Critical patent/WO2015050174A1/ja

Links

Images

Classifications

    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16ZINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
    • G16Z99/00Subject matter not provided for in other main groups of this subclass

Definitions

  • Embodiments described herein relate generally to a health information processing apparatus, a health information display apparatus, and a method.
  • preemptive medicine is to prevent or delay the onset by predicting onset or making a diagnosis before onset with high accuracy before the onset of the disease, and implementing therapeutic intervention at an appropriate time before onset.
  • individualization prevention means prevention of the disease suitable for each individual.
  • the present invention has been made in view of the above, and is a health information processing apparatus and a health information display capable of accurately estimating future health risks and performing individual health guidance based on a personal constitution It is an object to provide an apparatus and a method.
  • the health information processing apparatus includes an accumulation unit, an analysis unit, and an estimation unit.
  • the storage unit stores genome information, which is health information of each user, and biological information and behavior information collected continuously for a plurality of users.
  • the analysis unit analyzes the accumulated health information for a plurality of users.
  • the estimation unit estimates a future health risk of the predetermined user using the analysis result and the health information of the predetermined user.
  • the effect is that it is possible to accurately estimate future health risks and to provide individual health guidance based on the individual's constitution.
  • FIG. 1 is a diagram for explaining a motivational improvement society realized by this embodiment.
  • FIG. 2A is a diagram for explaining an example of the present embodiment.
  • FIG. 2B is a diagram for explaining the outline of the present embodiment.
  • FIG. 3 is a diagram for explaining PHR (Personal Health Record) data in the present embodiment.
  • FIG. 4 is a diagram for explaining collection of life log information in the present embodiment.
  • FIG. 5 is a diagram for explaining analysis of PHR big data in the present embodiment.
  • FIG. 6 is a diagram for explaining a lifestyle type in the present embodiment.
  • FIG. 7 is a diagram for explaining a health risk estimation table T in the present embodiment.
  • FIG. 8 is a diagram for explaining health risk estimation in the present embodiment.
  • FIG. 1 is a diagram for explaining a motivational improvement society realized by this embodiment.
  • FIG. 2A is a diagram for explaining an example of the present embodiment.
  • FIG. 2B is a diagram for explaining the outline of the present embodiment.
  • FIG. 3
  • FIG. 9 is a diagram for explaining a spirit forecast portal site in the present embodiment.
  • FIG. 10 is a diagram showing a daily human dock processing procedure in the present embodiment.
  • FIG. 11 is a diagram showing screen transition of the attending physician portal site in the present embodiment.
  • FIG. 12 is a diagram showing screen transition of the user portal site in the present embodiment.
  • FIG. 13 is a diagram for explaining a health risk simulation in the present embodiment.
  • FIG. 14 is a diagram for explaining a health risk graph displayed to the attending physician and the user in the present embodiment.
  • FIG. 15 is a diagram for explaining an example (first example) of a secondary usage service in the present embodiment.
  • FIG. 16 is a diagram for explaining an example (first example) of a secondary usage service in the present embodiment.
  • FIG. 17 is a diagram for explaining an example (second example) of the secondary usage service in the present embodiment.
  • FIG. 18 is a diagram for explaining an example (third example) of the secondary usage service in the present embodiment.
  • FIG. 19 is a diagram for explaining an incentive mechanism 1 in the present embodiment.
  • FIG. 20 is a diagram for explaining an incentive mechanism 2 in the present embodiment.
  • FIG. 21A is a diagram for explaining comparison analysis between users in the present embodiment.
  • FIG. 21B is a diagram for explaining comparison analysis between users in the present embodiment.
  • FIG. 22 is a diagram for explaining comparison analysis between groups in the present embodiment.
  • FIG. 23A is a diagram for explaining a comparative analysis of individuals at a predetermined time in the present embodiment.
  • FIG. 23A is a diagram for explaining a comparative analysis of individuals at a predetermined time in the present embodiment.
  • FIG. 23B is a diagram for explaining a comparative analysis at a predetermined time of an individual in this embodiment.
  • FIG. 24A is a diagram for explaining a comparative analysis of a predetermined period of an individual in this embodiment.
  • FIG. 24B is a diagram for explaining a comparative analysis of a predetermined period of an individual in this embodiment.
  • FIG. 24C is a diagram for explaining comparative analysis of a predetermined period of an individual in this embodiment.
  • FIG. 25 is a functional block diagram of the PHR processing apparatus according to the present embodiment.
  • FIG. 26 is a diagram showing a hardware configuration of a PHR processing device (or PHR display device) in the present embodiment.
  • a health information processing apparatus for example, a primary use service, a secondary use service, etc.
  • a health information display apparatus for example, a health information display apparatus, and a method according to embodiments.
  • a plurality of functions for example, a primary use service, a secondary use service, etc.
  • Realizing the function is not an essential configuration.
  • the health information processing apparatus and the health information display apparatus may be configured to realize a part of a plurality of functions.
  • FIG. 1 is a diagram for explaining a motivational society realized by the present embodiment.
  • Today it is ideal for everyone to live a healthy life in the family and the community, work and hobbies, but concerns about future illness, dementia, depression, loneliness, concerns about distant families, etc.
  • Today's aging society people are threatened and eroded. In such a situation, the motivation for daily life is lowered, not the future image, and it does not become strong.
  • “Innovative PHR data” is collected by “Unconscious Sensing” technology in “Daily Ningen Dock”.
  • the sensing data includes, for example, heart rate, stress, blood pressure, hormone, blood concentration, sympathetic nerve, drug dose, and the like.
  • Sensing data includes, for example, sugar, salt, stomach acid, agricultural chemicals, microorganisms, and environmental substances.
  • a PHR processing apparatus 100 is constructed on the healthcare cloud 10. The PHR processing device 100 collects and accumulates life log information in association with each person's biological information and behavior information. Then, as shown in FIG. 1, the PHR processing device 100 stores PHR big data obtained by integrating a large amount of life log information collected in time series and a constitution database based on genome information for a plurality of users on the healthcare cloud 10. Centralized management.
  • the PHR processing apparatus 100 analyzes the PHR big data to analyze the risk of developing a future disease based on the genome information, the amount of meal, the amount of exercise, or the response response of the body to the exercise load in an advanced and detailed manner. Eventually, it will be possible to design daily life aiming at an ideal image, such as the risk of disease onset, signs of seizures, personal constitution, diet content optimal for lifestyle, exercise, lifestyle, selection of medicines and supplements, etc.
  • the PHR processing apparatus 100 applies, for example, big data mining, integrated genome analysis, simulation, communication visualization and quantification technology, and the like.
  • the PHR data collected from each individual in this way is not only used for “primary use” that is fed back to the person by the “daily human dock” mechanism, but also “ It is also used for “next use”. Therefore, in the following, how PHR data is used, the outline of healthcare informatics realized on the healthcare cloud in this embodiment is divided into “primary use” and “secondary use”. I will explain.
  • the PHR processing device 100 displays the result of the analysis of the PHR big data on a wearable information terminal worn by the subject, and feeds it back to the subject.
  • An example of the feedback is “Notice of future health risks”.
  • Target users can use the “Notice of Future Health Risk” service provided on wearable information terminals to understand their future health risks and receive information on how to deal with them.
  • the subject can receive encouragement from a doctor or a family (or a virtual family) on the wearable information terminal. For example, in FIG. 1, the subject is receiving guidance from the attending physician (“Reserve salt!”).
  • each individual obtains his / her health condition with a wearable information terminal or the like based on information collected casually and accurately, and is obtained by the attending physician, family doctor, or health support staff. Can receive guidance and encouragement. In addition, it is possible to check the mental and physical state management of oneself and family, and the behavior and life.
  • the PHR processing apparatus 100 can not only feed back such information to the target person but also feed it back to the medical institution. Based on the analysis result fed back from the PHR processing apparatus 100, the doctor recognizes, for example, a high-risk disease reserve and actively accesses these persons as necessary.
  • the sensing data transmitted from the subject is also useful for detecting abnormalities in the subject's body.
  • the PHR processing device 100 constantly monitors sensing data transmitted daily for a subject of a high-risk disease-causing reserve army, and immediately feeds back to a medical institution when an abnormality is detected.
  • the PHR processing device 100 provides the results of PHR big data analysis to medical institutions, various companies, etc. It can contribute to industry creation. A specific example will be described later.
  • FIG. 1 For example, a motivational society will be realized in 5 to 10 years.
  • “virtual clone”, “notice of future health risks”, and “family watching service” are listed as technical keywords for realizing a motivated society.
  • “virtual clone” and “notice of future health risks” are examples of “primary use”.
  • the “family watching service” is an example of “secondary use”.
  • the PHR processing apparatus 100 sets a “virtual clone” for each target person and realizes health promotion based on the “virtual clone”.
  • the PHR processing apparatus 100 presents each subject with a self-image that reflects a characteristic appearance predicted from a future health state as a “virtual clone” in his / her face and appearance. Intuitively, it is possible to display the future image of X years later, which is influenced by the current life.
  • an ideal self-image can be set in the “virtual clone”.
  • the “virtual clone” is presented in “Notice of future health risk”.
  • the PHR processing apparatus 100 presents “notice of future health risk” to each target person.
  • this “Notice of Future Health Risk” a virtual family and the virtual self-image (virtual clone) described above are displayed.
  • “Notice of future health risks” reflects the degree of divergence from the ideally designed one and the future of yourself when you continue to live, and provides guidance for the ideal.
  • those who see the “Notice of Future Health Risks” are able to receive encouragement, encouragement, and health guidance at all times through dialogue with virtual persons and their families. Can improve the willingness to work toward self-realization.
  • a “family watching service” is realized as an example of a secondary usage service.
  • a distant family can be watched at any time.
  • the ubiquitous life log information is a bond tool for monitoring and communicating so that the elderly who are living alone who are distantly ill can take their meals and drugs properly and understand that they are spending their lives. It can also be used as a reminder when you are not feeling well. As a result, he / she was reluctant and caring about his relatives, and he was unable to be overlooked without noticing the onset of his surroundings. Will also ease. This not only strengthens ties with families and society, but also strengthens itself in a vibrant aging society.
  • the achievement degree to the effort target the comparison function with the future image of the competing friends, the public function by their SNS (Social Networking Service), etc.
  • SNS Social Networking Service
  • functions such as giving local currency points as rewards, for example, it is possible to improve everyone's motivation with the goal of earning points.
  • a medical condition is always observed, a sign of a seizure is detected, and a caregiver or rescuer rushes immediately in case of a bad physical condition or emergency, and care for the mind and body. Willing to.
  • FIG. 2A is a diagram for explaining an example of the present embodiment.
  • the solution system according to the present embodiment includes biological information based on a DNA chip / genome sequence information utilization platform, behavior information that is a real-time life log, and health (self) check by checking the brain and mind. Is implemented, and information is collected in the healthcare cloud 10.
  • information on electronic medical records is collected from a hospital or clinic.
  • receipt information, work information, health checkup results, etc. in companies and health insurance are collected.
  • Cohort data and sequence data are collected from research institutions and universities. Then, the sensing data collected unconsciously from the user A is collected (PHR input in the figure).
  • Such a personal health record (PHR) is managed for each user (for example, user A), and a PHR group in which PHRs of many people are aggregated is managed as PHR big data in the healthcare cloud 10.
  • PHR big data are managed and managed by a data trust bank (also called a data trust company).
  • the data trust bank analyzes the PHR big data (big data analysis), thereby enabling future prediction of each individual and a lifestyle proposal based on the analysis data of the PHR data.
  • a family doctor who is a health concierge that provides life support proposes lifestyles based on analysis data of PHR data, and “virtual clones” and “notice of future health risks” based on analysis data. Or provide. That is, it is possible to feed back the individual health guidance such as the energy forecast reflecting the personal constitution and lifestyle, lifestyle change, risk diagnosis, etc. to the data inputted with the PHR data.
  • the data trust bank gives the manufacturers and sales / distributors the right to sell and access the PHR data or analysis data to be managed. It becomes possible.
  • the PHR data and the analysis data are personal information that requires careful handling, the PHR data and the analysis data are anonymized as necessary as illustrated.
  • Examples of various manufacturers and distributors that receive PHR data and analysis data include "security”, “pharmaceuticals”, “food”, and “cosmetics”.
  • Various manufacturers, distributors and distributors Can develop high-value-added products and provide services based on healthcare information such as PHR data and analysis data provided.
  • product development and services carried out by various manufacturers and distributors / distributors include, for example, drug development, clinical trials (clinical trials) to obtain approval under the Pharmaceutical Affairs Law, movies and programs It covers a very wide range of fields, such as mere marketing that collects biological information that appears in the body from viewers.
  • the solution system of the present embodiment is used in such a wide field, and it is possible to cause a chain of innovation in each field.
  • the solution system of the present embodiment enables each individual to construct and provide a new sensor for the individual by utilizing the “daily human dock” (for example, based on the user's genome information and lifestyle information). It is also possible to promote the development of a new DNA chip from the analysis data of the PHR data.
  • PHR data including genome information is aggregated on the healthcare cloud 10 to form a large-scale genome / cohort database 114a, and the PHR big data accumulated in the large-scale genome / cohort database 114a is collected.
  • a mechanism for accurately estimating future health risks for example, the probability of occurrence of each disease
  • a system that feeds back individual health guidance that reflects the individual's constitution and lifestyle to this individual (daily human dock) Build up.
  • a mechanism for secondary use (use for others and commercial use) of PHR big data aggregated on the healthcare cloud 10 is constructed.
  • FIG. 2B is a diagram for explaining an outline of the present embodiment.
  • a PHR processing device 100 (also referred to as a “health information processing device”) is constructed on the healthcare cloud 10, and the PHR processing device 100 implements the various mechanisms described above.
  • the operation management of the healthcare cloud service including the operation of the PHR processing apparatus 100 is performed by the data trust company 11.
  • the data trust company 11 provides various services for providing services to users and medical institutions 13 that receive provision of primary usage services (daily health docks), medical institutions and various companies 15 that receive provision of secondary usage services, etc.
  • the procedure is performed online or offline (see dotted line in FIG. 2B).
  • the PHR processing apparatus 100 includes a PHR accumulation unit 110 that collects and accumulates PHR data, and a PHR operation management unit 120 that performs operation management of PHR data accumulated in the PHR accumulation unit 110.
  • the PHR accumulating unit 110 collects PHR data related to this individual (PHR data 12 in FIG. 2B) from not only individuals but also from research institutions, medical institutions, companies, etc., and aggregates them as individual PHR data.
  • PHR data includes life log information continuously collected from individuals, personal genomic information obtained from research institutions, electronic medical record information obtained from medical institutions, and health insurance obtained from companies and health insurance associations. There are union information (receipt information, work information, examination notebook information), mother and child notebook information, school health examination information, and the like. That is, the PHR data is collected not only from individuals but also from various institutions as information related to the health of individuals, and the type is not limited.
  • the PHR accumulation unit 110 collects such PHR data on a large scale (for example, on a scale of 150,000 people) and forms a large-scale genome cohort database 114a.
  • the large-scale genome cohort database 114a expands the scale of each individual by accumulating new information every day, and also expands the scale by expanding the scope of the collection target person.
  • PHR big data when the entire PHR data of the large-scale genome / cohort database 114a is meant, it is referred to as “PHR big data” and distinguished from personal PHR data.
  • the PHR data is also called “health information”.
  • the PHR operation management unit 120 includes a PHR big data analysis unit 121, a primary usage service providing unit 122 (also referred to as “estimating unit”), and a secondary usage service providing unit 123 (also referred to as “output unit”).
  • the PHR big data analysis unit 121 analyzes the PHR big data stored in the large-scale genome cohort database 114a according to a predetermined purpose, and derives the relationship between the genome information, the lifestyle, and the health risk. Then, the PHR big data analysis unit 121 obtains an analysis result indicating some relationship with the combination of the individual constitution and the lifestyle.
  • the PHR big data analysis unit 121 performs a cohort analysis on PHR big data, and combines a combination of a genome type and a lifestyle type with a risk of a disease that may develop in the future (referred to as “disease onset risk”). To derive the relevance of Then, the primary use service providing unit 122 applies the relationship derived by the PHR big data analysis unit 121 to the PHR data of each individual, thereby determining the risk of disease onset according to the person's constitution and lifestyle. Then, the primary use service providing unit 122 performs feedback to the person himself / herself by, for example, registering the information on the determined disease onset risk in the portal site 14a of the user.
  • the portal site 14a can be browsed by the family and the attending physician in addition to the person himself / herself, and communication between the three parties can be achieved through the portal site 14a. This is the outline of the “daily human dock” in the present embodiment. Details of the “daily human dock” will be described later.
  • the PHR big data analysis unit 121 performs a cohort analysis on the PHR big data and derives an analysis result for the secondary use service.
  • the secondary usage service providing unit 123 outputs the analysis result derived by the PHR big data analysis unit 121, and various companies (medical institutions, food / supplement sales companies, pharmaceutical companies, medical device manufacturers, distribution companies, To security companies). A specific example of the secondary usage service will be described later.
  • the user, the user's family and other related parties, and the user's attending physician are provided by the PHR display device 200 (also referred to as “health information display device”), for example, by the primary use service providing unit 122.
  • the PHR display device 200 is a smartphone, a PC (Personal Computer), an Internet TV, a wearable information terminal, or the like.
  • the PHR display device 200 includes a display control unit 210 and a display unit 220, and the display control unit 210 displays the future health risk of the user on the display unit 220.
  • FIG. 3 is a diagram for explaining PHR data in the present embodiment.
  • the PHR data is collected not only from individuals but also from various institutions as information related to the health of individuals, and the type is not limited. Therefore, in the present embodiment, what information is collected as PHR data is considered to be different for each individual.
  • the lifestyle type of the person is determined from the personal PHR data. In this embodiment, the lifestyle type is determined by evaluating 10 items (smoking, drinking, sleep, stress, exercise, diet, medicine / supplement, mental state, fatigue, immunity). . Therefore, in this embodiment, it is assumed that PHR data that can evaluate these 10 items is collected from each individual.
  • FIG. 3 conceptually shows only genome information and life log information in the PHR data of user A.
  • genome information is genetic information of user A.
  • a chromosome exists in the nucleus of the cell, and a substance called deoxyribonucleic acid constituting the chromosome is DNA.
  • DNA has a double-helical structure with two strands, as well as a series of nucleotides that are the structural unit.
  • a gene is a compartment on DNA.
  • Nucleotides are those in which deoxyribose sugars are linked by phosphoric acid, and any one of four types of bases binds to deoxyribose sugars. Between the two chains, a base pair of adenine (A) and thymine (T) and a base pair of guanine (G) and cytosine (C) are bound.
  • Human genome information is composed of about 3 billion base pairs.
  • genome information is the sequence information of about 3 billion base pairs, or the sequence information of about 1 million base pairs that determines the individuality of human beings.
  • the PHR accumulating unit 110 may accumulate the base pair sequence information as it is, or accumulate it in the form of a difference from standard genome information (eg, Japanese standard SNP (Single Nucleotide Polymorphism)). Also good. For example, when user A provides his / her blood to a research institution, and the entire base sequence (sequence information) of the genome extracted from user A is specified by the research institution, the sequence information is used as the genome information of user A. Treat as.
  • the genome information is not limited to the above-described sequence information, and includes analysis results by various assumed methods such as a DNA chip.
  • a DNA chip For example, when user A provides his / her blood to a research institution and analysis is performed using a DNA chip at the research institution, the analysis result is handled as user A's genome information.
  • SNP analysis using a DNA chip CNV (Copy Number Variation) analysis, microsatellite analysis, epigenome analysis, gene expression level analysis, etc., for specific diseases (eg, hypertension, hyperlipidemia, obesity, diabetes, etc.)
  • CNV Codonuent Analysis
  • the life log information is information representing the lifestyle (lifestyle) of the user A.
  • biological information and action information are collectively referred to as life log information, and it is considered that accurate life log information can be obtained by associating both as necessary. .
  • the acceleration sensor detects the user's posture from the DC component, and identifies the user's action (walking, running, moving by bicycle, moving by car, moving by train, etc.) from the AC component.
  • the acceleration sensor obtains the user's momentum from the user's posture and the user's motion.
  • the action history is obtained from schedule information input to a wearable information terminal or an information terminal such as a smartphone or a PC.
  • the biological information obtained from the biological sensor and the behavior information obtained from the acceleration sensor and other information terminals are associated with each other by time information included in each information, or each information Are related by being recorded in the same record.
  • the blood pressure which is biometric information
  • this rise is due to stress caused by the meeting. It turns out to be a thing.
  • the blood pressure has been lowered after the evening, but when the behavior history associated with this biological information is referred to, it is found that this drop is due to drinking.
  • the relationship between blood pressure and exercise is also clarified.
  • the biological information and the behavior information are basically handled in association with each other.
  • the PHR processing apparatus 100 appropriately selects information necessary for evaluating the lifestyle type and the current health condition as biological information and behavior information to be collected.
  • the biological information is various numerical information indicating the current health state, information indicating the amount of components taken into the body, and the presence or absence of a substance.
  • the biological information includes blood pressure, heart rate, pulse, body temperature, body component, ion, pH concentration, and the like.
  • the biological information includes the amount of components such as sugar and salt, the concentration of gastric acid, the presence of agricultural chemicals, environmental substances, food additives, the intake of alcohol, nicotine, and drug components.
  • the behavior information is position information such as exercise amount, sleep amount, schedule information, and GPS (Global Positioning System).
  • position information such as exercise amount, sleep amount, schedule information, and GPS (Global Positioning System).
  • all or part of the life log information is collected from sensors and various information terminals.
  • information obtained from a smartphone exercise system application, schedule application, etc.
  • SNS electronic receipt, or the like may be used.
  • FIG. 4 is a diagram for explaining the collection of life log information in the present embodiment.
  • the wearable information terminal for example, a wristwatch type, a glasses type, a ring type, or the like can be considered.
  • This wearable information terminal has a function as a sensor and can collect biological information.
  • the wearable information terminal also has a function as a so-called information terminal, and can collect behavior information. Therefore, the wearable information terminal serves as a dock for life log information, and as shown in FIG. 4, the biometric information and behavior information collected individually from the user are associated (paired), and pairing is performed. Later life log information is uploaded to the healthcare cloud 10.
  • the wearable information terminal can also receive biological information and behavior information from a sensor or information terminal worn by the user separately from the wearable information terminal. Also in this case, the wearable information terminal associates (pairs) the biological information and behavior information individually collected from the user and uploads the life log information after pairing to the healthcare cloud 10. The pairing may be performed not on the wearable information terminal side but on the healthcare cloud 10 side.
  • the wearable information terminal performs personal authentication. That is, the wearable information terminal performs personal authentication as to whether or not the person wearing the terminal is indeed the person.
  • the wearable information terminal performs personal authentication by wrist vein authentication.
  • the wearable information terminal performs personal authentication by face authentication.
  • the wearable information terminal performs personal authentication by retina authentication or iris authentication.
  • the wearable information terminal performs personal authentication by finger vein authentication.
  • the method of personal authentication is not limited to the method described above.
  • this embodiment demonstrated the method of uploading life log information from a wearable information terminal embodiment is not restricted to this.
  • life log information may be uploaded from a portable information terminal or a stationary information terminal.
  • the large-scale genome cohort database 114a is formed and used as the base data.
  • the PHR big data analysis unit 121 performs association with information on the outcome, the outcome, and the life and environment at that time in the lifetime PHR data from birth to death. .
  • the PHR big data analysis unit 121 performs a long-term follow-up survey on a specific region cohort in a cohort analysis to be described later, and further performs a comparative analysis with another region cohort to examine differences between regions. .
  • Such an analysis can be realized only by targeting the large-scale genome / cohort database 114a, and it is difficult to realize it by a small-scale database, and it is limited to those targeting a specific disease.
  • the life log information included in the PHR big data is collected by a sensing technique or the like, so that an accurate and precise analysis can be performed unlike a response by a conventional inquiry.
  • the formation of a large-scale genome cohort database 114a enables further acquisition of Japanese low-frequency alleles, construction of comprehensive Japanese original standard SNP databases, standardization of typing arrays, etc. Become.
  • the PHR big data analysis unit 121 performs a cohort analysis on the PHR big data accumulated in the large-scale genome / cohort database 114a, and combines the combination of the genome type and the lifestyle type, Deriving an association with risk (ie, risk of developing disease).
  • the cohort analysis in the present embodiment refers to a group exposed to a specific factor (a group that applies to a combination of a specific genome type and lifestyle type) and a group that is not exposed (a group that does not correspond to the combination) )
  • a group that is not exposed a group that does not correspond to the combination
  • the PHR big data analysis unit 121 includes standard data of healthy persons accumulated in the large-scale genome / cohort database 114a, divergence data between healthy persons and unaffected persons, divergence data between healthy persons and affected persons, and life logs. Categorize abnormal signs on information, etc., and clarify the relationship with genome types.
  • the method used by the PHR big data analysis unit 121 for analysis is not limited to the above-described cohort analysis, and other methods may be used.
  • FIG. 5 is a diagram for explaining the analysis of PHR big data in the present embodiment.
  • life log information which is PHR data of each individual
  • new PHR data of a new individual is a target for new operation management.
  • the scale is expanding every day.
  • personal lifetime PHR data is accumulated, so that PHR data of healthy persons, unaffected persons, and affected persons are accumulated when the view is changed. It will be.
  • the PHR big data analysis unit 121 performs a cohort analysis on the large-scale genome / cohort database 114a, and estimates a health risk for each combination of genome type and lifestyle type.
  • a health risk estimation table T is created.
  • the PHR accumulating unit 110 expands the scale of the large-scale genome cohort database 114a by newly accumulating PHR data. Therefore, the PHR big data analysis unit 121 performs a new analysis with the daily expansion of the large-scale genome / cohort database 114a, and obtains a “health risk estimation table T” that is a new analysis result.
  • the primary use service providing unit 122 estimates the health risk using the newly obtained analysis result. For this reason, the accuracy of the “health risk estimation table T” is improved day by day, and the accuracy of health risk estimation by the primary use service providing unit 122 is also improved day by day.
  • the PHR big data analysis unit 121 includes one base pair of 3 billion base pairs or a combination pattern of a plurality of base pairs, or one million base pairs that represent human personality.
  • One of the base pairs or a combination pattern of a plurality of base pairs is set as a genome type.
  • FIG. 6 is a diagram for explaining a lifestyle type in the present embodiment.
  • the PHR big data analysis unit 121 classifies the 10 items obtained from the life log information into three levels from “level I” to “level III”, and all combinations (for example, 3) is a lifestyle type.
  • the lifestyle type in this embodiment is merely an example, and items and levels can be arbitrarily changed. In addition, the way of guiding the lifestyle type itself can be arbitrarily changed.
  • the PHR big data analysis unit 121 holds in advance an algorithm for deriving 10 items based on the life log information. For example, the PHR big data analysis unit 121 derives the level of smoking such as the presence / absence of the user's smoking and how much the user has smoked from the “nicotine intake” obtained from the sensor as biometric information. In addition, for example, the PHR big data analysis unit 121 derives the level of alcohol consumption such as whether or not the user has drunk or how much alcohol has been drunk from the “alcohol intake” obtained from the sensor as biometric information.
  • the PHR big data analysis unit 121 includes a “heart rate” obtained from a sensor as biometric information, an “alarm setting time” and an “alarm time” obtained from a smartphone as behavior information,
  • the sleep level such as the user's sleep time and sleep quality is derived from the life sound obtained from the sensor.
  • the PHR big data analysis unit 121 determines how much stress the user has from the “blood pressure” and “heart rate” obtained from the sensor as biometric information, “schedule information” obtained from the smartphone as behavior information, and the like. Derive the level of stress that you feel.
  • the PHR big data analysis unit 121 obtains “heart rate” obtained from the sensor as biological information, the posture and action of the user obtained from the sensor as behavior information, and the exercise system application of the smartphone as behavior information. The level of exercise such as how much exercise the user has performed is derived from the obtained “exercise information” or the like.
  • the degree of mental tension and relaxation can be derived.
  • the PHR big data analysis unit 121 uses the “sugar content”, “salt content”, “stomach acid”, “alcohol intake”, and the like obtained from the sensor as biometric information, and what kind of eating habits the user is sending. Deriving the level of eating habits like Taka. Further, for example, the PHR big data analysis unit 121 derives the level of medicine supplement such as what kind of medicine or supplement the user is taking from the “drug component” obtained from the sensor as biometric information.
  • the algorithm described above is merely an example.
  • the PHR big data analysis unit 121 obtains the values of the 10 items described above from only one of the biological information and the behavior information in the life log information, or from the combination of both, and uses this value. Based on the level of each item.
  • the genome type does not change in principle for the same subject, while the lifestyle type may change over time.
  • FIG. 7 is a diagram for explaining the health risk estimation table T in the present embodiment.
  • the type and order of diseases having a high onset risk are different if the genome type is different.
  • the types and order of diseases with a high risk of onset differ if lifestyle types are different.
  • the method of expressing the health risk estimation table T illustrated in FIG. 7 is merely an example, and the types and order of diseases illustrated in FIG. 7 are merely examples for convenience of description.
  • the PHR big data analysis unit 121 creates a health risk graph indicating the risk of developing a disease for each combination of genome type and lifestyle type.
  • the vertical axis of each health risk graph represents the ratio of lifestyle factors and genomic factors in the risk of developing disease, and the horizontal axis shows diseases. The further to the right of the horizontal axis, the more the disease is affected by lifestyle factors, and the further to the left of the horizontal axis, the more the disease is affected by genomic factors. That is, the health risk graph is a list of diseases that are likely to develop in the future, ordered according to whether they are strongly influenced by genomic factors or lifestyle factors for each combination of genomic type and lifestyle type. .
  • the horizontal axis displays the official name of the disease and an ICD (International Classification of Diseases) code based on the international disease classification as the name of the disease.
  • ICD International Classification of Diseases
  • embodiment is not restricted to this, For example, you may display only the formal name of a disease, or an ICD code.
  • alcoholic liver disease (K70) is common in that it is a disease with a strong influence of lifestyle factors, while “goutiness” is a disease with a strong influence of lifestyle factors for Genome type 2 users.
  • Arthritis (M1009) is positioned as a disease in which the influence of genomic factors is rather strong for genome type 3 users.
  • diabetic nephropathy which is a disease that has a strong influence on lifestyle factors for genome type 3 users, is positioned as a disease on which the influence of genomic factors is rather strong for genome type 2 users. ing.
  • the lifestyle type 3 is a user with a high level of drinking
  • the lifestyle type 2 is a user with a high level of smoking.
  • spinal cerebellar degeneration (G319)”, “gouty arthritis (M1009)”, etc. are positioned as diseases that are strongly influenced by genomic factors. .
  • the PHR big data analysis unit 121 refers to the medical history information (for example, obtained from electronic medical record information) of a user having genome type 3 as genomic information, and “ “Disease A, Disease B, Disease C, Disease D” are identified.
  • the PHR big data analysis unit 121 refers to the medical history information of a user who has lifestyle type 3 as life log information, and “disease D, disease E, disease” “F, disease G”. Then, the PHR big data analysis unit 121 compares the identified diseases, determines that “disease A, disease B, and disease C” included only in diseases that have a high risk of onset for users of genome type 3 are “effects of genetic factors”.
  • the PHR big data analysis unit 121 classifies “disease E, disease F, disease G” included only in diseases having a high risk of onset for lifestyle type 3 users as “diseases that are strongly influenced by lifestyle factors”. To do. Further, the PHR big data analysis unit 121 classifies “disease D” included in both of them into “disease that is strongly influenced by lifestyle factors and genetic factors”.
  • the PHR big data analysis unit 121 refers to the medical history information of the user of the combination of the genome type 3 and the lifestyle 3 type, and selects a disease having a high risk of onset for the user of the combination of the genome type 3 and the lifestyle 3 type. Identify.
  • the PHR big data analysis unit 121 specifies “disease A, disease C, disease F, disease G” as a disease having a high risk of onset for a user of a combination of genome 3 type and lifestyle 3 type. To do.
  • the PHR big data analysis unit 121 calculates “disease A” and “disease C” that are common to “disease A, disease B, and disease C” previously classified as “disease with strong influence of genetic factors”. It is determined that the disease has a strong influence of genetic factors, and is positioned in the left direction on the horizontal axis in the “health risk graph” shown in FIG. In addition, the PHR big data analysis unit 121 calculates “disease F” and “disease G” common to “disease E, disease F, and disease G” previously classified as “diseases with a strong influence of lifestyle factors”. It is determined that the disease has a strong influence of lifestyle factors, and is positioned on the right side of the horizontal axis in the “health risk graph” shown in FIG.
  • the PHR big data analysis unit 121 creates the health risk estimation table T shown in FIG. 7 under a certain standard.
  • the PHR big data analysis unit 121 has a criterion of “health risk after 10 years (probability of onset of 30%) when a person in a normal state of health continues life of the same lifestyle type for one year”, for example.
  • a health risk estimation table T is created.
  • the lifestyle type of an actual user varies depending on the length of the period, such as one day, one week, one month, one year, or the like. For example, the amount of drinking increased specially this week because there were many welcome and farewell parties, but the amount of drinking was not so high when considered in one month.
  • the primary use service providing unit 122 estimates the health risk of a certain user using the health risk estimation table T
  • individual use corresponding to the period of PHR data used for estimation (referred to as an estimation target period) is used. Estimate and make adjustments according to current health conditions.
  • the PHR big data analysis unit 121 can appropriately change the above-described criteria. Further, the PHR big data analysis unit 121 can set a plurality of estimated future “time points” among the above-described criteria (for example, one day, one week, one month, one year, five years). Later, 10 years later, 20 years later, etc.). In this case, the PHR big data analysis unit 121 creates a health risk estimation table T corresponding to each criterion. When comparing the health risk estimation tables T at different “time points”, for example, the health risk estimation table T after one month lists the diseases that develop immediately, while the health risk estimation table T after 10 years. May show differences such as listing diseases that develop after a long period of time.
  • FIG. 8 is a diagram for explaining health risk estimation in the present embodiment.
  • the primary use service providing unit 122 extracts life log information from the PHR data of the user A according to the estimation target period.
  • the primary usage service providing unit 122 determines, for example, the life log information D1 of this week, the life log of the current month from the PHR data of the user A according to the estimation target period specified by the operator.
  • Information D2 and this year's life log information D3 are extracted.
  • the primary use service providing unit 122 obtains values of 10 items (smoking, drinking, sleep, stress, exercise, dietary life, medicine supplement, mental condition, fatigue, immunity) for each estimation target period. Based on this value, the level of each item is derived. Then, for each estimation target period, the primary usage service providing unit 122 converts the lifestyle type that is one of the combination patterns of the levels of each item to the lifestyle type of the user A (the lifestyle type of this week, This month's lifestyle type, this year's lifestyle type). For example, as shown in FIG. 8, the primary usage service providing unit 122 determines the lifestyle type “3” of this week based on this week's life log information D1, and based on this month's life log information D2. The lifestyle type “30 type” of this month is determined, and the lifestyle type “30 type” of this year is determined based on this year's life log information D3.
  • the primary use service providing unit 122 refers to the health risk estimation table T using the determined lifestyle type, and identifies the corresponding health risk graph for each estimation target period.
  • the lifestyle type 3 health risk graph “alcoholic liver disease (K70)”, “hepatocellular carcinoma (C220)”, and “diabetic nephropathy (E142)”
  • the lifestyle type 30 health risk graph “alcoholic liver disease (K70)” and “hepatocellular carcinoma (C220)” are excluded from diseases with a high risk of onset. Only “diabetic nephropathy (E142)” is listed as a disease with a high risk of onset.
  • the primary use service providing unit 122 performs adjustment according to the current health state for each health risk graph specified for each estimation target period. For example, the primary use service providing unit 122 changes the content of each health risk graph to the content according to the current health status of each individual user in consideration of the biometric information included in the life log information. For example, when the primary use service providing unit 122 analyzes the biometric information of the user A, it is assumed that the liver function of the user A is in a very good state. Then, the primary use service providing unit 122 displays “alcoholic liver disease (K70)”, “hepatocellular carcinoma (C220)”, “diabetic nephropathy” in the health risk graph of the combination of genome type 3 and lifestyle type 3.
  • K70 alcoholic liver disease
  • C220 hepatocellular carcinoma
  • diabetic nephropathy in the health risk graph of the combination of genome type 3 and lifestyle type 3.
  • the primary use service providing unit 122 estimates the health risk
  • the individual estimation according to the estimation target period as described above and the adjustment according to the current health state are performed.
  • this week”, “this month”, and “this year” are given as the estimation target period, but the embodiment is not limited thereto. It may be a period divided by a fixed unit, such as “for the past one day”, “for the past one week”, “for the past one month”, “for the past one year”, etc., or set appropriately by the user It may be an arbitrary period according to the user's request.
  • the PHR big data analysis unit 121 generates a “health risk estimation table T” indicating the ratio of genomic factors and lifestyle factors in the risk of developing disease according to the combination of the genomic type and the lifestyle type. Explained as what to do.
  • the PHR big data analysis unit 121 can also generate information indicating a lifestyle that is a factor that further increases the risk of developing a disease for “diseases that are strongly influenced by genomic factors”.
  • the PHR big data analysis unit 121 searches a genome type user having an SNP in a certain gene from the genome information. Then, the PHR big data analysis unit 121 identifies a disease having a high risk of onset by referring to the history information of a user of a genome type having an SNP in a certain gene (for example, obtained from electronic medical record information). Subsequently, the PHR big data analysis unit 121 refers to the life log information of a genome type user having an SNP in a certain gene, and identifies a lifestyle that increases the risk of developing the identified disease.
  • the health risk graph is created on the assumption of “a person in a standard health state”, but the embodiment is not limited to this.
  • diabetes has complications such as renal disorder, retinal disorder, and neuropathy.
  • high blood pressure is known to have complications such as stroke, various heart diseases, and kidney damage.
  • influenza has complications such as bacterial pneumonia, influenza encephalopathy and myocarditis.
  • the risk of developing these complications is increased in the health risk graph of a person suffering from the disease.
  • the PHR big data analysis unit 121 classifies persons suffering from complications and performs a cohort analysis, for example, “persons suffering from diabetes”, “ It is possible to create a health risk graph only for affected persons, assuming "persons” and "persons suffering from influenza”. Further, in this case, the primary use service providing unit 122 provides the “daily human dock” service to “a person suffering from diabetes”, “a person suffering from hypertension”, and “a person suffering from influenza”. Can identify a disease with a high risk of onset by referring to a health risk graph dedicated to the affected person.
  • the primary usage service providing unit 122 provides the “daily human dock” as the primary usage service by using the health risk estimation table T to provide feedback to the user who provided the PHR data.
  • the providing method Various methods are conceivable as the providing method, but one method will be described below with reference to FIG.
  • FIG. 9 is a diagram for explaining the spirit forecast portal site in the present embodiment.
  • the primary use service providing unit 122 starts up the portal site 14 a for the user A on the healthcare cloud 10 and permits the user A and family members to access the portal site 14 a.
  • the primary use service providing unit 122 starts up the portal site 14b for the attending physician on the healthcare cloud 10, and the portal site 14a for the user A is sent to the attending physician via the portal site 14b for the attending physician. Allow access to In this way, by receiving the access of the user A, the family, and the attending physician via the portal site 14a for the user A, feedback to the user A himself and information sharing among the three parties are realized.
  • the range that can be browsed through the portal site 14a is different between the attending physician and the user A (and family). That is, the attending physician can view both the user A's PHR data itself and the health risk estimation result based on the PHR data. On the other hand, the user A himself or his / her family cannot browse the user A's PHR data itself.
  • the disclosure of genome information to the person should be restricted as appropriate. Note that such a limitation on the viewing range is merely an example, and other limitations may be provided, but it is generally considered that the viewing range of the attending physician is often wider than the viewing range of the person himself / herself.
  • the viewing range for the user A himself or her family may be adjusted based on the opinion of the attending physician.
  • the primary use service providing unit 122 receives, from the attending physician, designations of items that the user A himself / herself wants to browse and items that should not be browsed among the health risk estimation results. Then, the primary use service providing unit 122 adjusts the viewing range that the user A himself / herself browses according to the designation from the attending physician. For example, the primary usage service providing unit 122 hides some of the diseases that were displayed when displaying the health risk graph for the attending physician when displaying the health risk graph for the user. In the present embodiment, a disease that is strongly influenced by the user's genomic factors may be identified as a disease with a high risk of onset.
  • the primary use service providing unit 122 can hide a part of the disease when displaying the health risk graph for the user.
  • the primary use service providing unit 122 receives a designation of a disease to be hidden from the attending physician, and reflects the designation when displaying the health risk graph, and hides the designation.
  • the present invention is not limited to such intractable diseases.
  • the attending physician considers the person's personality not desirable in consideration of the person's personality.
  • the primary use service providing unit 122 receives a designation of a disease to be hidden from the attending physician, and reflects the designation in the display of the health risk graph and hides the designation.
  • the viewing range is different between the attending doctor and the user A himself / her and the family, and the viewing purpose is also different between the attending physician and the user A himself / her and the family.
  • the content 14c for the attending physician and the content 14d for the user A himself / herself and the family are prepared separately. This point will be described in detail when the screen transition is described below.
  • the primary use service providing unit 122 displays the health risk estimation result as a “health risk graph”, “virtual clone”, “health status”, “mark that visually represents the health risk”, Presented as one or more of “character information”.
  • the primary use service providing unit 122 presents the health risk estimation result by a “virtual clone” associated with the PHR data of the user A himself / herself.
  • the “virtual clone” is set in association with each time point from the past to the future, and holds the health state at each time point in the form of a health status scored for each part.
  • the primary use service providing unit 122 appropriately extracts diseases that are strongly influenced by lifestyle factors from the health risk graph, performs weighting according to the type of disease, and calculates a score for each part. When a disease at a certain part affects other parts, the primary use service providing unit 122 calculates the score by taking that point into consideration.
  • the “virtual clone” holds an image of a facial expression corresponding to the health status. In this way, a sense of distance to the disease can be visualized.
  • the past “virtual clone” holds information on the past health status and the health status according to the type of lifestyle, which is found from the past PHR data, and past disease.
  • the current “virtual clone” holds information on the current health status and lifestyle type determined from the current PHR data, and on the disease currently being affected.
  • the future “virtual clone” holds information on the future health status in which the current lifestyle type is added to the current health state determined from the current PHR data, and information on diseases with a high risk of onset in the future.
  • an ideal “virtual clone” for the user A himself / herself is set and presented.
  • the user A or the attending physician can grasp the health status of the user A himself from the past to the future by accessing the portal site 14a for the user A and browsing the “virtual clone” of the user A.
  • the user A and the attending physician can grasp the patient's medical history and its severity by moving the “virtual clone” time in the past.
  • the user A and the attending physician can display the future health risk based on the current lifestyle of the person by moving the time of the “virtual clone” to the future.
  • the primary use service providing unit 122 presents the health risk estimation result as a “mark that visually represents the health risk”.
  • This mark is, for example, a mark corresponding to the health status, and it is desirable that the mark be easily recognized by the user, such as “devil” if the health status is bad and “angel” if the health status is good.
  • the primary use service providing unit 122 presents the health risk estimation result as “character information”.
  • the primary use service providing unit 122 appropriately extracts diseases that are strongly influenced by lifestyle factors from the health risk graph, and displays the extracted disease names side by side.
  • presenting a self-image that reflects the characteristic appearance predicted from the future health state in one's face and appearance intuitively affects the current life, You may display your future image after X years.
  • FIG. 10 is a diagram illustrating a processing procedure of “daily human dock” in the present embodiment. As shown in FIG. 10, it is assumed that the user A has previously registered genome information in the PHR processing apparatus 100 (step S101). In addition, the process of step S101 is a process which should be performed at least once in principle, and the process after step S102 is a process performed repeatedly.
  • the user A transmits life log information collected by the sensor and other information terminals to the PHR processing apparatus 100 from the wearable information terminal every day (step S102).
  • the PHR accumulation unit 110 of the PHR processing apparatus 100 accumulates the received life log information as PHR data of the user A every day and centrally manages it.
  • the primary use service providing unit 122 performs the processing after step S103, for example, at a frequency of once a week.
  • the primary use service providing unit 122 determines the lifestyle type of the user A for each health risk estimation target period (step S103). For example, the primary use service providing unit 122 extracts the life log information D1 of this week, the life log information D2 of this month, and the life log information D3 of this year from the PHR data of the user A, and for each estimation target period, the user A Determine the type of lifestyle.
  • the primary use service providing unit 122 estimates the health risk for each estimation period of the health risk using the genome type of the user A that has been identified in advance and the lifestyle type determined in step S103.
  • the table T is referred to (step S104).
  • the primary use service providing unit 122 refers to the health risk estimation table T, and when the genome type of the user A is type 3 and the lifestyle type of this week is type 3, FIG. Identify health risk graphs.
  • the primary use service providing unit 122 identifies a health risk graph for each estimation target period.
  • the primary usage service providing unit 122 adjusts the health risk graph obtained in step S104 according to the current health state of the user A for each estimation target period (step S105). For example, the primary use service providing unit 122 determines that the risk of developing “hepatocellular carcinoma (C220)” is low when it is determined from the biological information of the user A that the liver function of the user A is extremely good. And remove it from this week's health risk graph.
  • C220 hepatocellular carcinoma
  • the primary use service providing unit 122 calculates the health status from the present to the future for each estimation target period (step S106), and registers it in the “virtual clone” from the present to the future prepared for each estimation target period. (Step S107). For example, the primary use service providing unit 122 calculates the current health status of the user A based on the current health status calculated in the previous week and the biological information of the current week, and uses this to calculate the current health status of the user A. Register in association with “virtual clone”. Further, the primary use service providing unit 122 calculates the future health status by combining the deduction associated with aging and the deduction associated with the future health risk found in step S105 based on the current health status.
  • the primary use service providing unit 122 calculates the health status at a certain time in the future, the health status at an intermediate time between the current time and the current time or a future time after that time is appropriately interpolated. (If there are multiple health risk estimation tables T prepared, use them). For example, the primary use service providing unit 122 calculates the health status at each time point from 1 day, 1 week, 1 month, 1 year, 5 years, 10 years, or 20 years later. In addition, the primary use service providing unit 122 calculates such a health status for each estimation target period.
  • the primary use service providing unit 122 updates the health risk ranking list held by the attending doctor of the user A (step S107).
  • the primary use service providing unit 122 may be able to obtain a plurality of users who are in charge of the attending physician from, for example, those who have a high risk of developing a disease based on the health status after 10 years when the estimation target period is “this year”.
  • a health risk ranking list is created in order. Therefore, the primary use service providing unit 122 updates the health risk ranking list based on the health status of “this year” calculated in step S106.
  • the primary use service providing unit 122 reflects the result of the above-described processing on the content for the attending physician and the content for the user A (step S108). For example, the primary use service providing unit 122 reflects the updated health risk ranking in the content for the attending physician. Further, in the content for user A, the primary use service providing unit 122 reflects the lifestyle type for each estimation target period, the health risk graph for each estimation target period, and the health status for each estimation target period.
  • the primary use service providing unit 122 notifies registration to the attending physician (step S109).
  • the attending physician first browses the health risk ranking on the attending physician's portal site. For example, if user A is ranked higher in the health risk ranking, the attending physician further browses the portal site for user A, records his / her comments, and portal site for user A (Step S110).
  • the comment is not limited to the moving image data, and may be a comment using text data.
  • the primary use service providing unit 122 notifies the user A himself / herself of registration (step S111), and the user A browses the portal site for the user A (step S112).
  • the user A can also reproduce this moving image as the comment of the attending physician.
  • the processing procedure shown in FIG. 10 is merely an example.
  • the processing procedure that allows the user A himself / herself to browse after waiting for the comment by the attending physician is described, but the embodiment is not limited thereto.
  • the primary use service providing unit 122 may notify the registration of the portal site to the three users, the family, and the attending physician at the same time.
  • the processing procedure shown in FIG. 10 may be performed without assuming the intervention of the attending physician.
  • the setting of the estimation target period, the calculation of the health status, and the like can be arbitrarily changed or omitted depending on the service provision form.
  • FIG. 11 is a diagram showing screen transition of the attending physician portal site in the present embodiment
  • FIG. 12 is a diagram showing screen transition of the user portal site in the present embodiment. Note that the screen transitions shown in FIGS. 11 and 12 are merely examples, and the order of the screen transitions, the configuration of the screens, and the like can be arbitrarily changed.
  • the screen transition exemplified below is displayed on the PHR display device 200 of the attending physician or the PHR display device 200 of the user A himself. This is realized by control by the primary use service providing unit 122 and at the same time by display control by the display control unit 210 on the PHR display device 200 side.
  • the attending physician accesses the portal site for the attending physician through the PHR display device 200. Then, as shown in the screen P1 in FIG. 11, it is notified that the health risk ranking list has been updated. Therefore, the attending physician presses the “Enter” button and browses the health risk ranking list.
  • the primary use service providing unit 122 displays the health risk ranking on the PHR display device 200 of the attending physician.
  • the health risk ranking the name of the user, the health risk score, and the name of the disease with a higher risk of onset are displayed in order of increasing health risk score. For example, it is assumed that the name of the user A is included at the top of the health risk ranking.
  • the attending physician selects the name of the user A on the health risk ranking and accesses the portal site for the user A.
  • the primary use service providing unit 122 displays the portal site for the user A on the PHR display device 200 of the attending physician.
  • the primary use service providing unit 122 displays the current “virtual clone” of the user A.
  • tabs for selecting an estimation target period tabs for “this week”, “this month”, and “this year” are set on the screen.
  • the attending physician has selected “this week” as the estimation target period.
  • a bar is displayed under “virtual clone” as a tool for receiving the time point to be confirmed. For example, the attending physician adjusts the position of this bar to “2023” 10 years later, and presses the “Check health risk graph” button.
  • the primary use service providing unit 122 displays the genome type of the user A and the lifestyle type of this week on the attending physician's PHR display device 200, and displays the corresponding health risk graph. indicate.
  • the primary usage service providing unit 122 may specifically display the contents of each item of the lifestyle type as necessary. Then, for example, the attending physician presses the “PHR confirmation” button after confirming the health risk graph.
  • the primary use service providing unit 122 displays the PHR data of the user A.
  • the example which displays life log information in a graph format is shown on screen P5, embodiment is not restricted to this.
  • the primary use service providing unit 122 can process and display the PHR data designated by the attending physician into a format desired by the attending physician (for example, a table format). For example, the attending physician presses the “comment” button after confirming the health risk graph and PHR data for each estimation target period.
  • the attending physician records a comment video using, for example, the recording function of the PHR display device 200, and uploads the comment video by pressing the “Send” button.
  • the attending physician's PHR display device 200 includes a display control unit 210 that displays a user's future health risk estimated based on the user's PHR data on the display unit 220.
  • the display control unit 210 displays a health risk ranking list based on comparison among a plurality of users, and when a predetermined user is designated for the health risk ranking list, the future health risk and PHR of the designated user.
  • Display data The future health risk is displayed, for example, as a virtual clone, a health risk graph, or other character information.
  • the PHR data is displayed in a graph format, a table format, other character information, or the like.
  • the display control unit 210 displays the genome type and the lifestyle type as the PHR data of the user.
  • illustration is abbreviate
  • User A uses the PHR display device 200 to access the portal site for user A. Then, the screen shown in the screen P7 of FIG. 12 is displayed, and the user A presses the “Enter” button to start browsing.
  • the primary use service providing unit 122 displays the current “virtual clone” of the user A.
  • tabs for selecting an estimation target period (tabs for “this week”, “this month”, and “this year”) are set on the screen.
  • the user A has selected “this week” as the estimation target period.
  • a bar is displayed under “virtual clone” as a tool for receiving the time point to be confirmed. For example, the user A sets the position of this bar to “2023” 10 years later and presses the “details” button.
  • the primary use service providing unit 122 displays the “virtual clone” at the time point designated by the user A and the health status at that point. Further, the primary use service providing unit 122 displays a health risk estimation result “the risk of developing“ alcoholic liver disease ”and“ diabetes ”is increasing in 10 years (2023)”. The primary use service providing unit 122 displays a mark that visually represents the health risk. In the example of the screen P9, a “devil” mark is displayed in order to visually express that the risk of developing a serious disease is increasing. Here, for example, the user presses a “simulation” button.
  • FIG. 13 is a diagram for explaining a health risk simulation in the present embodiment.
  • the primary usage service providing unit 122 has a GUI (Graphical User Interface) that can select three levels from “level I” to “level III” for 10 items obtained from life log information. ) Is displayed.
  • GUI Graphic User Interface
  • each level of each item is a button that can be selected by pressing the user.
  • the primary usage service providing unit 122 initially displays the current lifestyle type of the user A in a selected state as shown on the left side of FIG. 13, but from the user A as shown on the right side of FIG.
  • the user A has lowered the level of the item “drinking” from “level III” to “level II”, and has lowered the level of the item “fatigue” from “level II” to “level I”. . It is also displayed that the lifestyle type has been changed to 30 as a result of selection by user A. Further, the GUI for simulation is not limited to the example of FIG. For example, it may be changed by a pull-down menu or the like.
  • the primary use service providing unit 122 specifies a health risk graph corresponding to the simulated lifestyle type, adjusts the health risk graph according to the current health state of the user A, and displays the screen P11. As shown, a simulated health risk graph is displayed.
  • the primary use service providing unit 122 changes the display form between displaying the health risk graph for the doctor such as the attending physician and displaying the health risk graph for the user.
  • FIG. 14 is a diagram for explaining a health risk graph displayed to the attending physician and the user in the present embodiment.
  • the points for changing the display form are mainly the following two points.
  • the first point is the display form of the disease name.
  • the primary use service providing unit 122 displays the official name of the disease and the ICD code when displaying the health risk graph for the attending physician.
  • the primary use service providing unit 122 displays the common name of the disease when displaying the health risk graph for the user.
  • the primary use service providing unit 122 displays a disease that has been displayed as “hepatocellular carcinoma (C220)” in the health risk graph for the attending physician, and “liver cancer” in the health risk graph for the user. .
  • the primary use service providing unit 122 displays the disease that is displayed as “diabetic nephropathy (E142)” in the health risk graph for the attending physician, and simply “diabetes” in the health risk graph for the user. Is displayed. Note that the primary use service providing unit 122 holds the association between the formal name, the ICD code, and the common name in advance, and refers to this association when displaying the health risk graph, and performs appropriate replacement.
  • E142 diabetic nephropathy
  • the primary use service providing unit 122 does not display a part of the disease displayed when displaying the health risk graph for the attending physician when displaying the health risk graph for the user.
  • a disease that is strongly influenced by the user's genomic factors may be identified as a disease with a high risk of onset.
  • diseases that are strongly affected by such genomic factors cannot be avoided even by lifestyle changes. For example, in the case of intractable diseases for which treatment methods cannot be established, notification to the person does not make sense ( (Alternatively, an adverse situation is assumed). Therefore, the primary use service providing unit 122 can hide a part of the disease when displaying the health risk graph for the user.
  • the primary use service providing unit 122 displays the disease “spinal cerebellar degeneration (G319)” displayed when displaying the health risk graph for the attending physician as non-display when displaying the health risk graph for the user. Display.
  • the primary use service providing unit 122 holds in advance a list of intractable diseases that are strongly influenced by genomic factors, and refers to this list when displaying the health risk graph and appropriately hides the list.
  • the primary use service providing unit 122 receives a designation of a disease to be hidden from the attending doctor, and reflects the designation in the display of the health risk graph to hide the designation.
  • the primary use service providing unit 122 displays the “virtual clone” after the simulation and the health status.
  • the user A can recognize that the health risk and the health status are improved by executing the contents of the simulation by checking the expression of the “virtual clone” after the simulation and the health status.
  • the user A can recognize that the onset of “alcoholic liver disease” and “liver cancer” can be avoided by switching to a lifestyle that refrains from drinking a little and takes sufficient rest.
  • the primary use service providing unit 122 displays an “angel” mark as a mark that visually represents that the risk of developing a serious illness has decreased. For example, when a comment from the attending physician has been uploaded, the primary use service providing unit 122 displays a “comment from attending physician” button on the screen P12. User A can confirm the comment of the attending physician by pressing the “comment from attending physician” button.
  • the PHR display device 200 of the user A himself / herself includes a display control unit 210 that displays the future health risk of the user estimated based on the user's PHR data on the display unit 220.
  • the display control unit 210 displays at least one of the target health state of the user A and the guidance information for reaching the target health state together with the future health risk.
  • the future health risk is displayed by, for example, “virtual clone”, health status, health risk graph, and other character information.
  • the target health state is displayed as an ideal “virtual clone”, an ideal health status, a health risk graph after simulation, and other character information.
  • the guidance information is displayed as comments from the attending physician, text information prepared in advance, or the like.
  • the display control unit 210 displays a future health risk corresponding to the received time point. Moreover, if the display control part 210 receives the width
  • the display control part 210 displays the name of the disease which the user A may develop in the future with a common name as a future health risk. Moreover, when displaying the names of diseases for the user A or the family of the user A, the display control unit 210 hides some of the names of diseases as necessary.
  • the primary use service providing unit 122 can present an ideal “virtual clone” to the user A together with the lifestyle to be proposed, and can automatically suggest the lifestyle improvement to the user A.
  • the family and the attending physician can monitor the physical and mental health of the user through the “virtual clone”. They can also give appropriate encouragement and guidance towards the ideal. For the user himself / herself, the method and progress for making health can be grasped specifically, and motivation can be further enhanced.
  • dialogue and response with the “virtual clone” are not assumed. However, for example, by using simulation technology together, it is possible to realize dialogue and response with the “virtual clone”. Is possible.
  • the present embodiment it is possible to accurately present the lifestyle of each individual and the future health risk by continuing the lifestyle using PHR data including genomic information.
  • an optimal diet, exercise, lifestyle change, and estimation of medicines and supplements that are effective for individuals can provide a healthier and more ideal environment close to self.
  • the achievement check for the ideal self embodies the results of efforts where it is difficult to see the goal, and changes it into motivation and joy.
  • this embodiment is also capable of dealing with disaster resilience by remotely grasping and managing the location, survival status, and physical condition when the patient is isolated due to a disaster or the like and the physical condition deteriorates in the evacuation area.
  • Health Risk Estimation Table T (Other uses of “Health Risk Estimation Table T”) Further, in the above-described embodiment, as a specific example, the “health risk estimation table T” is referred to by using the user's genome type and lifestyle type, and information on diseases whose lifestyle factors have a strong influence is obtained. An example of feedback as an estimation result has been described. However, the use form of the information obtained from the “health risk estimation table T” is not limited to this.
  • the items of life log information collected from the user may be narrowed down to items related to the disease having a high risk of onset, and collected intensively.
  • the types and items of sensors used on the user side can be changed in accordance with the user's genome type and lifestyle type.
  • the “health risk estimation table T” using the type of the user's genome and the type of lifestyle, information on diseases that are strongly influenced by genomic factors, that is, genetically high risk by the user. It is also possible to estimate the disease.
  • the primary use service providing unit 122 may provide a mechanism for quickly supplementing a sign of a disease having a high risk of onset for the user from PHR data transmitted from the user every day.
  • the primary use service providing unit 122 provides a threshold value that matches a specific disease, and sequentially checks the PHR data transmitted from the user with the threshold value.
  • the PHR processing device 100 is The provision of secondary usage services for PHR data is also assumed.
  • the PHR processing apparatus 100 analyzes the large-scale genome cohort database 114a in order to derive a relationship between a combination of a genome type and a lifestyle type and a specific purpose, and an analysis result indicating a certain relationship. And provide it to medical institutions and various companies.
  • the PHR big data accumulated in the large-scale genome cohort database 114a is originally PHR data collected from each individual, that is, personal information. For this reason, with regard to the use of PHR data, each individual such as “Allows primary use of PHR data but not secondary use” and “Allows primary use or secondary use of PHR data”. May have different intentions. Therefore, in the present embodiment, the PHR processing device 100 accepts a usage license indicating which usage is permitted in advance with each individual who provides the PHR data, and appends usage permission information to the PHR data. Are managed. The use permission is accepted in the whole PHR data or in units of subdivided items in the PHR data.
  • a specific example of the secondary use service will be described on the assumption that this use permission is obtained. The specific examples described below are merely examples, and the secondary usage service is not limited to the following specific examples.
  • 15 and 16 are diagrams for explaining an example (first example) of the secondary use service in the present embodiment.
  • life log information that is PHR data of each individual is newly accumulated every day, and new individual PHR data is accumulated as a new operation management target.
  • the scale is expanding every day.
  • the PHR big data analysis unit 121 accepts an input for the purpose of analysis of the efficacy of a specific drug, performs a cohort analysis on the PHR big data accumulated in the large-scale genome cohort database 114a, and determines the type and lifestyle of the genome.
  • the relationship between the combination of types and the efficacy of a specific drug is derived.
  • the PHR data includes electronic medical record information, and the electronic medical record information includes information on medicines prescribed for the individual and information indicating the subsequent progress.
  • the PHR data includes life log information, and the life log information includes information indicating a change in the physical condition of the individual after the medicine is prescribed, and information indicating a life situation of the individual. ing.
  • the PHR big data analysis unit 121 performs a cohort analysis on the PHR big data including these pieces of information, thereby deriving the relationship between the combination of the genome type and the lifestyle type, and the drug efficacy and side effects. Then, as shown in FIG. 15, the PHR big data analysis unit 121 classifies the combination of the genome type and the lifestyle type according to the medicinal effect and the presence or absence of side effects.
  • the PHR big data analysis unit 121 includes a group exposed to a specific factor (a group that applies to a combination of a specific genome type and a lifestyle type) and a group that is not exposed (a group that does not correspond to the combination). Are followed for a certain period of time, and the efficacy and side effects are compared, and the relationship between the factor (a combination of a specific genome type and lifestyle type) and the efficacy and side effects is derived. Then, the PHR big data analysis unit 121 converts the combination of genome type and lifestyle type into “medicine effect ( ⁇ ), side effect (+)”, “medicine effect ( ⁇ ), side effect ( -) ",” Drug efficacy (+), side effects (+) “and” Drug efficacy (+), side effects (-) ".
  • the drug can be prescribed, but side effects need to be considered.
  • the drug can be prescribed to those who have a combination of types classified into the group of “medicine efficacy (+), side effect ( ⁇ )”.
  • the secondary use service providing unit 123 utilizes the relationship between the combination of the genome type and the lifestyle type, the medicinal effect, and the side effect based on the contract previously made with the medical institution.
  • Various methods are conceivable as the providing method. In the following, one method will be described with reference to FIG.
  • the secondary usage service providing unit 123 starts up a portal site 14 e for secondary usage services on the healthcare cloud 10, and accesses the portal site 14 e for doctors of medical institutions. Allow. Further, the secondary use service providing unit 123 allows the doctor to access each individual's PHR data and also allows access to the classification result of the combination of the genome type and the lifestyle type. Then, for example, the doctor browses the PHR data of the patient B via the portal site 14e and confirms the combination of the patient B's genome type and lifestyle type. Further, the doctor confirms the classification result via the portal site 14e.
  • the doctor collates the patient B's genome type and lifestyle type with the classification result, and should determine whether or not a specific medicine should be prescribed for this patient B, or consider side effects when prescribing. Determine whether or not. Then, the doctor creates a prescription for patient B based on this determination.
  • the method of providing the secondary usage service is not limited to the method described above.
  • the secondary use service providing unit 123 creates, for example, a real name list including information on an individual's genome type and lifestyle type, and a classification result regarding a specific medicine, and transmits these to a medical institution or the like. Also good.
  • the real name list and the classification result may be provided offline.
  • FIG. 17 is a diagram for explaining an example (second example) of the secondary usage service in the present embodiment.
  • the PHR big data analysis unit 121 accepts an input for an analysis purpose of deriving a relationship with an effect by a component (or a similar component) included in a specific health drink, and is stored in the large-scale genome cohort database 114a. Cohort analysis is performed on the PHR big data, and the association between the combination of genome type and lifestyle type with a specific health drink is derived.
  • the PHR data includes life log information, and the life log information includes information indicating the physical condition of the person and information indicating the intake status of foods and supplements.
  • the PHR big data analysis unit 121 performs a cohort analysis on the PHR big data including such information, thereby deriving the relationship between the combination of the genome type and the lifestyle type and the specific health drink.
  • the PHR big data analysis unit 121 includes a group exposed to a specific factor (a group that applies to a combination of a specific genome type and a lifestyle type) and a group that is not exposed (a group that does not correspond to the combination). By comparing the presence or absence of effects of components (or similar components) contained in a specific health drink to be analyzed for a certain period, factors (combinations of specific genome types and lifestyle types) ) And a specific health drink.
  • the PHR big data analysis part 121 is a group which has the effect with respect to the component (or its similar component) contained in a specific health drink by combining the combination of the genome type and the lifestyle type based on the derived relationship. And a group having no effect. Furthermore, the PHR big data analysis unit 121 classifies the groups having effects into two groups in view of eating together with the food / supplement being consumed.
  • the secondary use service providing unit 123 determines the relationship between the combination of the genome type and the lifestyle type and the health drink based on the contract made in advance with the food and supplement sales company.
  • a secondary use service for use is provided to the food / supplement sales company 15a.
  • Various methods are conceivable as the providing method. In the following, one method will be described with reference to FIG.
  • the secondary use service providing unit 123 is classified into a group capable of selling or recommending a specific health drink from a group of users who are providers of PHR data. Users who have a combination of different types. Then, the secondary use service providing unit 123 creates a real name list including points to be noted for these users, and transmits the real name list to the food / supplement sales company 15a.
  • the real name list may be provided by browsing through the portal site or may be provided offline.
  • the food / supplement sales company 15a performs sales promotion activities by direct mail (Direct Mail: DM) using this real name list.
  • the food / supplement sales company 15a refers to points to be noted as necessary in sales promotion activities.
  • the secondary usage service providing unit 123 tracks PHR data corresponding to a user who can sell a specific health drink or has a combination of types classified into a recommended group for a certain period of time. . Then, the secondary use service providing unit 123 uses the life log information to determine the user who would have purchased this specific health drink, and transmits the purchased user's PHR data to the food / supplement sales company. Note that the purchaser's PHR data may be provided by browsing through a portal site or may be provided offline.
  • the food / supplement sales company 15a verifies the effect of the health drink using the PHR data. For example, the food / supplement sales company 15a calculates a quantitative numerical value indicating the effect. Then, the food / supplement sales company 15a is able to sell a specific health drink, or out of the users having combinations of types classified into recommended groups, the calculated numerical value is given to non-purchased users. Provide feedback on the underlying effect.
  • the secondary usage service providing unit 123 uses the PHR data to determine a user who would have purchased a specific health drink, and the purchased user's PHR data itself is sent to the food / supplement sales company 15a.
  • the example to provide was demonstrated, embodiment is not restricted to this.
  • the secondary use service providing unit 123 determines the users who will have purchased a specific health drink, analyzes the PHR data, narrows down the users who have actually obtained the effect, and narrows down the real names of the narrowed down users
  • the list may be provided to the food / supplement sales company 15a.
  • such narrowing down is effective when the food / supplement sales company 15a desires to conduct sales activities with a target focused on a user who is significantly effective.
  • the secondary usage service providing unit 123 narrows down the lifestyle type of the user who has actually obtained the effect, and specifies the lifestyle associated with the effect.
  • the secondary use service providing unit 123 can also provide the identified lifestyle information to the food / supplement sales company 15a. In this case, the food / supplement sales company 15a can also make a lifestyle proposal at the time of sales.
  • FIG. 18 is a diagram for explaining an example (third example) of the secondary usage service in the present embodiment.
  • the secondary use service providing unit 123 accepts a use permission in advance with each user who provides PHR data.
  • This usage permission includes, for example, which items in the life log information are permitted to be disclosed (disclosure items) and who is the disclosure partner (disclosure destination).
  • the secondary use service providing unit 123 accepts a use permission from the elderly user E on the user E portal site 14f.
  • the secondary use for the family watching service is permitted, and the information disclosure partner is the daughter user A or the son user. D.
  • the life log information regarding the amount of exercise and the amount of sleep, permitting secondary use to the family watching service, and the information disclosure partner may be the daughter user A or the son user D. It is shown.
  • position information of life log information indicates that secondary use for family watching services is not permitted.
  • the secondary usage service providing unit 123 notifies the PHR accumulating unit 110 of the usage permission information received for the secondary usage. Then, the PHR accumulating unit 110 appends the usage permission information describing the above-described content to the PHR data transmitted from the user E and stores it.
  • the usage permission information may be attached to the entire PHR data, or may be attached to each subdivision item data. Any method can be adopted as long as it is an accompanying method that allows the user license information to be confirmed on the side using the PHR data.
  • the secondary use service providing unit 123 provides the security information 15b providing the family watching service by processing the PHR data provided in this way into a form suitable for the family watching service.
  • the secondary use service providing unit 123 has a form such as a graph in which each value is plotted in chronological order so that one week's tendency can be easily grasped about blood pressure, heart rate, exercise amount, and sleep amount for one week.
  • the processed PHR data is provided to the security company 15b.
  • the providing method may be either online or offline.
  • the secondary use service providing unit 123 may provide the corresponding PHR data itself to the security company 15b. In this case, the above-described processing is performed by the security company 15b as necessary.
  • the security company 15b operates a family watching service.
  • the subscriber of the family watching service is the daughter user A of the elderly user E.
  • User A in the contract with security company 15b, is that elderly user E is the object of monitoring, and that user D who is the son of user E wants to use this service as well. Decide. Note that the subscriber of the family watching service and the user of the service provided on the PHR processing apparatus 100 side do not necessarily have to match.
  • the security company 15b sets up a monitoring portal site 14g for the elderly user E on its own site. Access to the watching portal site 14g is permitted only to the user A and the user D. Then, the user A and the user D can check, for example, the health condition of the mother, the state of exercise, the sleep state, and the like in this week on the watch portal site.
  • the secondary usage service providing unit 123 accepts a usage permission regarding a disclosure item and a disclosure destination for the PHR data transmitted from the user. Then, the secondary use service providing unit 123 outputs the user's PHR data or processing information of the PHR data according to the accepted use permission.
  • a service can be provided in which the situation of the family can be understood even if they are away. Further, at that time, it is possible to realize a mechanism that can disclose only specified information in the life log information only to a specific partner.
  • each life log information is accompanied by usage permission information, and the data is held in such a way that it can be disclosed to a specific partner.
  • the first, second, and third examples have been described as secondary use of PHR big data.
  • secondary use progresses, not only support services for returning future health risk assessment results to PHR data providers, but also distribution, product sales and service provision, lifestyle design, local currency It is possible to construct a new business model that returns various economic benefits to individuals, local governments, and society, such as a point reduction system that can be used as
  • the verification cycle and the evidence are accumulated, and the performance is improved as a system with higher certainty and reliability. Further, since it is composed of various data, its usefulness is also high. By processing these databases and promoting their secondary use in various forms, it has become a basic data based on lifelog big data and genomic information that have been accumulated up to now but have not been able to find sufficient value. It will be possible to give new and innovative value, and it will be possible to create new and innovative industries using them.
  • the PHR processing apparatus 100 further constructs an incentive mechanism for continuously transmitting PHR data to each individual.
  • Mechanism 1 is cooperation with the secondary usage service.
  • the PHR data transmitted by each user is also provided to the secondary usage service when the permission of the user is obtained. Therefore, the PHR processing apparatus 100 is in some form such as a point system (points, mileage, distribution money, etc.) based on the profits obtained by the data trust company 11 in relation to this secondary usage service. Build a mechanism for feedback to each user.
  • Mechanism 2 is competition between users. Each user can increase motivation for health by competing with a competitor such as a friend or family. Therefore, the PHR processing device 100 compares, for example, the amount of PHR data and the number of types, biological information such as weight and blood pressure, and behavior information such as the distance and the number of steps walked in a day with each other. , Build a mechanism to compete for wins and losses.
  • the competitor may be a virtual friend, lover, family, or the like that is virtually set.
  • Mechanism 3 is the energy forecast already described in the above embodiment. That is, each user can receive the future health risk estimated based on the PHR data as an energetic forecast by providing the PHR data to the PHR processing apparatus 100.
  • spirit forecasts present future health risks in various ways. For example, if the user can perform estimation according to the estimation target period such as this week, this month, this year, the past one day, the past one week, the past one month, the past one year, or the like, It can also be estimated by selecting an arbitrary time point such as one week later, one month later, one year later, five years later, ten years later, twenty years later, and the like.
  • FIG. 19 is a diagram for explaining the incentive mechanism 1 in the present embodiment.
  • the primary usage service providing unit 122 includes an incentive processing unit 122 a (also referred to as a “presentation unit”).
  • the incentive processing unit 122a evaluates the PHR data of a predetermined user and presents the evaluation result to the predetermined user. For example, the incentive processing unit 122a cooperates with the secondary usage service providing unit 123, and the PHR utilized for the secondary usage is provided from the secondary usage service providing unit 123 with respect to a predetermined user who permits the secondary usage of the PHR data. Utilization information such as the amount of data, the type, the number of types, and the usefulness of the secondary usage service using this PHR data is received. Then, the incentive processing unit 122a calculates points based on the utilization information, and provides information related to the calculated points (for example, the points themselves, the services returned to the user according to the points, the amount of the distribution money, etc.) To present.
  • the incentive processing unit 122a presents the public offering information on the portal site 14h of the user A.
  • This public offering information includes, for example, an outline of the purpose of secondary use, such as “Please cooperate in the development of pharmaceuticals,” the value of points, and the amount of PHR data required for that purpose (for example, the transmission frequency, the transmission period, and the like) and the type (for example, specific items of biological information and behavior information) are described.
  • the user A browses the public offering information and performs an application (use permission) procedure.
  • the user A transmits the PHR data to the PHR processing device 100 every day in accordance with the provisions of the PHR data described in the public offering information.
  • the PHR data of the user A transmitted and stored in the PHR processing apparatus 100 is eventually provided for the above-mentioned secondary use according to the usage permission.
  • the incentive processing unit 122a receives utilization information from the secondary usage service providing unit 123, calculates points based on the utilization information, and presents information regarding the calculated points to the user. For example, as shown in FIG. 19, the incentive processing unit 122 a displays “user A's acquired points OOpts” on the portal site 14 i. Note that the calculation of points does not necessarily have to be performed after secondary use, and may be performed before being provided for secondary use.
  • This point system is managed and managed by the data trust company 11, and the data trust company 11 performs a specific return based on the points to the user A.
  • the data trust company 11 has earned money related to this secondary usage service, the data trust company 11 is affiliated with a company or a store based on this profit, and the user A We will receive points from companies and products of this partner.
  • the point reduction may be in any form such as a service or a free gift.
  • the data trust company 11 may remit part of the proceeds to the user A in the form of distribution money.
  • the purpose of secondary use services is highly socially significant, such as the development of pharmaceuticals and clinical trials (clinical trials) for obtaining approval under the Pharmaceutical Affairs Law. Some of them are simply part of marketing, such as collecting biometric information that appears on the body from viewers.
  • the data trust company 11 can arbitrarily set what purpose is a highly useful purpose and what purpose is a low useful purpose. Can be set to be highly useful and low for marketing purposes. Alternatively, the data trust company 11 may set the usefulness in accordance with the ratio of the profit actually obtained (or the profit expected to be obtained) to the total profit.
  • the embodiment is not limited to this.
  • the point system by the incentive processing unit 122a may be operated based on the data amount, type, and number of types of PHR data transmitted from the user, separately from the secondary usage service. In this case, for example, for each user's PHR data, the incentive processing unit 122a calculates points based on at least one of the data amount, the type, and the number of types, and presents information about the calculated points to the user. To do.
  • the incentive processing unit 122a may calculate points based on some criteria for evaluating the transmission status of PHR data.
  • FIG. 20 is a diagram for explaining the incentive mechanism 2 in this embodiment.
  • the incentive processing unit 122a evaluates the PHR data of a predetermined user and presents the evaluation result to the predetermined user. For example, as shown in FIG. 20, the incentive processing unit 122a sets a competitive relationship among a plurality of users who are transmitting PHR data, and performs a comparison regarding life log information among the users. Then, the incentive processing unit 122a presents the result to each user who has a competitive relationship.
  • the incentive processing unit 122a receives an application from the user A to set the user C as a competitor. Then, the incentive processing unit 122a sets a portal site 14j for performing a competition between the user A and the user C on the healthcare cloud 10, and each of the portal sites of the user A and the user C has a competition site. Link to the portal site 14j. In this way, each of the user A and the user C can browse the two portal sites 14j for competition via their portal sites.
  • the incentive processing unit 122a is used for competition between two users at a frequency (for example, once a week, once a month, once a year, etc.) according to a request from the user A and the user C.
  • the portal site 14j is updated. For example, it is assumed that the requests from the user A and the user C are once a week.
  • the incentive processing unit 122a extracts the information of the competition item designated as the competition target in advance from the PHR data of the user A once a week for the past one week, and similarly, from the PHR data of the user C, Information on competition items designated in advance as competition targets is extracted. And the incentive process part 122a compares the information of the competition item extracted from each PHR data, and determines a win or a loss.
  • the incentive processing unit 122a specifies the amount of data and the number of types for each user's PHR data, and from the life log information, the weight information, blood pressure information, and daily average Get the number of steps.
  • the user A transmits PHR data for 7 days in one week and transmits 20 items.
  • User A succeeds in weight loss of 0.5 kg, blood pressure is normal, and the average number of steps per day is as high as 7,500.
  • the user C transmits PHR data for 5 days in one week, and transmits 19 items.
  • User C has a weight of 1.0 kg, blood pressure is normal, and the average number of steps per day is as small as 5,000 steps.
  • the incentive processing unit 122a evaluates these pieces of information according to a predetermined criterion and determines whether or not the player has won or lost. Then, the incentive processing unit 122a displays the determination result as, for example, a mark visually representing winning or losing, character information, or the like, as shown in FIG. In the example of FIG. 20, the incentive processing unit 122a also gives points to the result of this competition. Note that the competition items and competition standards, the GUI of the competition portal site 14j, the competition feedback method, and the like can be arbitrarily changed. For example, the incentive processing unit 122a may send the competition result to each user's mail address.
  • Biometric information includes biomarkers such as proteins, peptides, lipids, and sugar chains.
  • biomarkers include, for example, proteins, peptides, lipids, sugar chains and the like contained in body fluids such as serum, urine, tears, saliva, cerebrospinal fluid, pancreatic juice, joint fluid, mammary aspirate, bile, etc. Yes, it reflects the physiological state of the body. Therefore, for example, using a biomarker related to a certain disease leads to early detection of the disease, and early treatment can be performed.
  • biomarker information may be collected by, for example, a biosensor, or may be collected by periodic inspection.
  • biomarkers include, for example, “total protein”, “GOT (glutamate oxaloacetate transaminase)”, “GPT (glutamate pyruvate transaminase)”, “ALP (alkaline phosphatase)”, which are generally measured by blood tests. , “ ⁇ -GTP ( ⁇ -glutamyl transpeptidase)”, “LDH (lactate dehydrogenase)”, “total bilirubin”, “amylase”, “total cholesterol”, “neutral fat”, “HDL cholesterol” and “hemoglobin” Or the like.
  • the biomarkers listed here are merely examples, and biomarkers as biological information are not limited thereto. Currently, biomarkers related to diseases are actively searched using various body fluids, and various biomarkers have been identified. Many biomarkers will be identified in the future. All the biomarkers can be used as the biomarkers in the present embodiment.
  • the PHR processing apparatus 100 performs various types of analysis on each piece of biological information and provides the result to the user. For example, the PHR processing apparatus 100 compares the collected data for each type of biological information and derives a comparison result. For example, the PHR processing apparatus 100 analyzes the data of biological information collected every day (for example, blood pressure) by comparing the data of others or comparing the data of individuals. Or Hereinafter, these comparative analyzes will be described.
  • the PHR processing apparatus 100 analyzes how the biometric information of a predetermined user is compared with the biometric information of other users.
  • the PHR processing apparatus 100 divides a plurality of users into groups, and analyzes how the biometric information of each group is compared with the biometric information of other groups.
  • the PHR processing apparatus 100 performs a comparison by grouping a plurality of users based on genome information and attribute information.
  • the PHR processing apparatus 100 groups a plurality of users based on the genome information and attribute information. Then, biometric information is compared and analyzed between users in the group. Further, for example, when analyzing how the biometric information of each group is compared with the biometric information of other groups, the PHR processing apparatus 100 groups a plurality of users based on the genome information and attribute information. Divide and analyze biometric information between groups.
  • the PHR big data analysis unit 121 includes a function as a comparison unit that compares biological information and a function as an analysis unit that analyzes which position is based on the comparison result. Although described as an example, the embodiment is not limited to this, and the PHR processing apparatus 100 may include a comparison unit and an analysis unit.
  • the PHR big data analysis unit 121 stores information stored in the PHR storage unit 110. Based on the above, biometric information continuously collected by each user is compared among predetermined biometric information in a group formed by combining genome information and attribute information of each user. And the PHR big data analysis part 121 shows in which position in the said group the value of the biometric information of each user exists based on the comparison result. In addition, when analyzing how the biometric information of each group is compared with the biometric information of other groups, the PHR big data analysis unit 121 is based on the information accumulated in the PHR accumulation unit 110.
  • biometric information continuously collected by each user belonging to the group is aggregated and biometric information between the groups is compared.
  • the PHR big data analysis part 121 shows where the value of the biometric information of each group exists between groups based on the comparison result.
  • the PHR big data analysis unit 121 indicates the position in the distribution of the value of the biological information as the position. That is, the PHR big data analysis unit 121 derives the position of each user value in the distribution of the predetermined biometric information value of each user belonging to the group as the position of each user, and sets the predetermined value of each group as the position of each group. The position of the average value of each group in the distribution of the average value of the biometric information values is derived.
  • the attribute information described above includes information on the user's residence area, age, gender, race, and the health insurance association to which the user belongs
  • the PHR big data analysis unit 121 includes the genome information of each user as a group. A group is formed by combining the above attribute information.
  • the above-described positions include ranks, deviation values, and the like, and the PHR big data analysis unit 121 derives the ranks and deviation values of users in the group or the ranks and deviation values of each group as positions. To do.
  • the PHR big data analysis unit 121 classifies a plurality of users into groups G 1 to G 4 according to “genome information: genome type 2” and “attribute information: age”. Then, the PHR big data analysis unit 121 compares, for example, blood pressure for each classified group, and indicates where the blood pressure value of each user is in the group. For example, the PHR big data analysis unit 121 aggregates information on blood pressures (diastolic blood pressure and systolic blood pressure) of all users belonging to the group G 1 of “genome type 2, age: ⁇ 40 years”. Then, as shown in FIG. 21A, histograms are generated for each of the diastolic blood pressure and the systolic blood pressure, and the position of the blood pressure of the user belonging to the group G 1 is derived.
  • blood pressures diastolic blood pressure and systolic blood pressure
  • the PHR big data analysis unit 121 performs group G 2 of “genome type 2 and age: 40 to 50 years”, and group G 2 of “genome type 2 and age: 50 to 60 years”. 3.
  • a blood pressure histogram is generated for each group G 4 of “genome type 2, age: 60 years old” to derive the position of each user's blood pressure for each group.
  • the PHR big data analysis unit 121 shows a group formed by “genome information: genome type 2” and “attribute information: age”, but this is merely an example, and the PHR big data analysis unit 121 is configured as other Similarly, in the same type of genome, group multiple users by genome type and age, compare the biometric information for each group, and determine the position of the biometric information value of each user in the group. Show.
  • the attribute information is not only age but also gender and residential area.
  • the PHR big data analysis unit 121 forms a group of “genome information: genome type 2 and attribute information: male” and a group of “genome information: genome type 2 and attribute information: female”.
  • the attribute information used for grouping is not limited to one, and two or more attribute information may be used.
  • the PHR processing apparatus 100 forms a group according to “age” of “genome type 2” in “predetermined residential area”.
  • the PHR big data analysis unit 121 divides users into groups using “genome information” and “attribute information”, and performs comparative analysis between users for each group. Thereby, the user can grasp
  • FIG. 21B a comparative analysis in group G 1 shown in FIG. 21A is taken as an example.
  • the measurement value of the blood pressure of the user A belonging to the group G 1 is to derive whether located in which position of the histogram of the group G 1.
  • the histogram of the group G 1 may be an aggregate of blood pressure values of each user at one time point, or may be an aggregate of average values in a predetermined period.
  • the blood pressure value may be averaged and the average value of each user may be aggregated.
  • the blood pressure at the time of waking up is determined based on the heart rate and pulse measured by the biosensor worn by the user, and whether or not the user has woken up is determined. It is.
  • the PHR big data analysis unit 121 performs a weekly blood pressure value “systolic blood pressure: 110-125, average value 119” of user A, “diastolic blood pressure: 75-84, average
  • the position of the value 81 ”in the histogram in which the average values of the users belonging to the group G 1 are aggregated is derived. That is, the PHR big data analysis unit 121 derives the position of the average value of the systolic blood pressure of the user A in the histogram of the systolic blood pressure, and the average value of the diastolic blood pressure of the user A is the histogram of the diastolic blood pressure. The position of the position is derived.
  • the PHR big data analysis unit 121 not only derives the position of the user A in the histogram, but also compares the reference value provided for each group with the measured values of the users belonging to the group.
  • the histogram of each group is a collection of biometric information of users having the same genome type and similar attribute information. Therefore, the distribution state of the histogram is considered to reflect the type and attribute information of each genome. Therefore, the average value of the histogram in each group is set as an ideal value (reference value) of the group, and ranking of users and assignment of deviation values are performed based on the degree of deviation from the reference value. For example, the PHR big data analysis unit 121 calculates a difference value between the “average value of 119” of the systolic blood pressure of the user A and the average value (reference value) of the systolic blood pressure of the group G 1 .
  • the PHR big data analysis unit 121 calculates a difference value between the “average value: 81” of the diastolic blood pressure of the user A and the average value (reference value) of the diastolic blood pressure of the group G 1 . Then, the PHR big data analysis unit 121 derives the divergence degree based on the difference values respectively calculated for the systolic blood pressure and the diastolic blood pressure. For example, the PHR big data analysis unit 121 derives the sum of absolute values of two difference values as a divergence degree.
  • PHR big data analysis unit 121 derives the degree of deviation for all users belonging to the group G 1, ranking and the user A in the group G 1 based on the derived deviation degree, and applying the deviation Do. For example, the PHR big data analysis unit 121 ranks the user so that the degree of deviation from the reference value (average value of the histogram) is smaller and assigns a deviation value. As described above, when the PHR big data analysis unit 121 ranks and assigns a deviation value, the primary use service providing unit 122 provides the result to each user.
  • the primary use service providing unit 122 provides blood pressure rank and deviation value information to the mobile terminal that is the PHR display device 200 of the user A.
  • the primary use service providing unit As shown in FIG. 21B, 122 shows the result of one point “rank: 232/12543, deviation value: 65” and the average result “rank: 301/12543, deviation value: 62” of user A.
  • the display control unit 210 of the portable terminal displays the information provided on the display unit 220 as shown in FIG. 21B. Note that the user A can arbitrarily select a desired date result.
  • the PHR big data analysis unit 121 not only assigns ranks and deviation values based on the reference value, but also determines whether the user's measurement value is within the allowable value range. You can also. For example, the PHR big data analysis unit 121 sets the allowable range “ab” for diastolic blood pressure and the allowable range “cd” for systolic blood pressure shown in FIG. It is determined whether or not each is within an allowable range.
  • the primary use service providing unit 122 provides the determination result to the user A's mobile terminal.
  • the display control unit 210 of the portable terminal displays the determination result on the display unit 220.
  • the allowable range set by the PHR big data analysis unit 121 for example, a predetermined value provided by various academic societies, organizations, organizations, or the like can be used.
  • the allowable range set by the PHR big data analysis unit 121 may be set based on a histogram.
  • the PHR big data analysis unit 121 sets an arbitrary range based on the minimum value and the maximum value of the histogram.
  • the PHR big data analysis unit 121 sets a value that reaches 30% of the number of users from the minimum value in ascending order and sets the lower limit value, and counts in descending order from the maximum value. The value reaching 30% is set as the upper limit value.
  • the PHR big data analysis unit 121 forms a group in which genome information and attribute information are combined, compares the biometric information in the group, and the biometric information value of each user is within the group. Analyze where it is.
  • the above-described blood pressure example is merely an example, and other biological information (for example, heart rate, pulse, body temperature, body component, ion, pH concentration, sugar, salt and other component amounts, gastric acid concentration, A comparative analysis is similarly performed for agrochemicals, environmental substances, presence or absence of food additives, alcohol and nicotine, drug components, biomarkers, and the like.
  • FIG. 22 is a diagram for explaining comparison analysis between groups in the present embodiment.
  • FIG. 22 shows a case where a plurality of users are divided into groups G 1 to G n by a combination of “attribute information: genome type 2” and “attribute information: residential area” and blood pressure is compared.
  • the PHR big data analysis unit 121 calculates average values of blood pressure (diastolic blood pressure, systolic blood pressure) in the groups G 1 to G n , respectively. Then, the PHR big data analysis unit 121 generates a histogram using the average value of diastolic blood pressure and the average value of systolic blood pressure calculated for each group, and the average value of each group is in which position of the histogram. To derive. For example, the PHR big data analysis unit 121 sets the average value of the histogram as a reference value, ranks groups based on the degree of deviation from the reference value, and assigns a deviation value.
  • the PHR big data analysis unit 121 calculates a difference value between the average value of the systolic blood pressure of the group G 1 and the average value of the systolic blood pressure of the entire group. Similarly, the PHR big data analysis unit 121 calculates a difference value between the average value of the diastolic blood pressure of the group G 1 and the average value of the diastolic blood pressure of the entire group. Then, the PHR big data analysis unit 121 derives the divergence degree based on the difference values respectively calculated for the systolic blood pressure and the diastolic blood pressure. For example, the PHR big data analysis unit 121 derives the sum of absolute values of two difference values as a divergence degree.
  • the PHR big data analysis unit 121 derives the divergence degree for all the groups G 2 to G n , and ranks groups and assigns deviation values based on the derived divergence degree. For example, the PHR big data analysis unit 121 ranks and assigns a deviation value so that a group having a smaller degree of deviation from the reference value (average value of the histogram) is higher. Thus, when the PHR big data analysis unit 121 ranks and assigns a deviation value, the primary usage service providing unit 122 or the secondary usage service providing unit 123 provides the result to a user, a company, an organization, or the like. .
  • the secondary use service providing unit 123 provides blood pressure rank information to a terminal such as a company or an organization that desires the result.
  • the user who refers to the terminal to which the information is provided can grasp that “area A 5 ” is ranked first and “area A 21 ” is ranked lowest in blood pressure. Thereby, for example, the best measure can be performed for each region.
  • the example shown in FIG. 22 is merely an example, and genome information and attribute information are arbitrarily combined to form a group, and arbitrary biometric information is compared. Is shown.
  • the average value calculated for each group may be an average value of values at one time point, or may be a value obtained by calculating an average value for a predetermined period for each user and averaging the calculated average values.
  • the PHR processing device 100 analyzes how the measurement value of the biological information of a predetermined user changes. For example, the PHR processing apparatus 100 analyzes how the biological information is at a certain point in time, and analyzes how the biological information changes in a predetermined period. Here, the PHR processing apparatus 100 analyzes how the measurement value is relative to the reference value derived based on the genome information.
  • the PHR big data analysis unit 121 derives a comparison result between a reference value derived based on genome information and a measurement value collected from a user corresponding to the genome information for predetermined biological information. More specifically, the PHR big data analysis unit 121 compares the result of comparison between the reference value and the measurement value at a predetermined time point, the tendency of the change in the measurement value collected from the user over a predetermined period, and the predetermined value. At least one of the comparison results with the tendency of change in the reference value corresponding to the period width is derived.
  • FIG. 23A and FIG. 23B are diagrams for explaining a comparative analysis of individuals at a predetermined point in the present embodiment. For example, as shown in FIG. 23A, when performing a comparative analysis on the blood pressure at the time of rising of the user A of “genome type 2”, the PHR big data analysis unit 121 first sets a reference value based on the type 2 genome.
  • a value obtained by aggregating measurement values of users of the same genome type is a value reflecting the genome type, and can be considered as a reference value. Therefore, for example, the PHR big data analysis unit 121 obtains blood pressure data (diastolic blood pressure, systolic blood pressure) of other genome 2 type users from the PHR accumulation unit 110 and generates a histogram. Set an arbitrary range based on the minimum and maximum values. For example, the PHR big data analysis unit 121 sets, as the lower limit, a value that reaches 30% of the number of other users of the genome type 2 and counts in ascending order from the minimum value.
  • the PHR big data analysis unit 121 sets the “diastolic blood pressure range (genome type 2)” and “systolic blood pressure range (genome type 2)” shown in FIG. 23A by the method described above.
  • the PHR big data analysis part 121 compares the value of the blood pressure of the user A measured at the time of getting up with the set range, as shown in FIG. 23A. That is, the PHR big data analysis unit 121 analyzes whether or not the diastolic blood pressure when the user A gets up is within the diastolic blood pressure range (genome type 2). Similarly, the PHR big data analysis unit 121 analyzes whether the systolic blood pressure when the user A wakes up falls within the systolic blood pressure range (genome type 2). The PHR big data analysis unit 121 performs the above-described analysis on the blood pressure when waking up, which is measured every day. The reference value may be set for each analysis, or may be set every time a certain period elapses.
  • the primary use service providing unit 122 provides the result to each user.
  • the primary use service providing unit 122 provides the user A's mobile terminal with a comparison result between the daily blood pressure transition and the reference value (range).
  • the display control unit 210 of the portable terminal displays the comparison result provided on the display unit 220.
  • the display control unit 210 emphasizes the plot indicating the measured value on the day of outage by coloring or blinking, as shown in FIG. 23A. Thereby, the user A can confirm at a glance the measured value deviating from the reference value.
  • the mobile terminal communicates with the PHR processing device 100, and the primary use service providing unit 122 performs the action on the previous day of the user A.
  • the display control unit 210 displays information on the display unit 220 as shown in FIG. 23A.
  • the measurement value to be provided with emphasis to the user is not limited to a value that deviates from the reference value (range), but may be a value that falls within the reference value.
  • the display control unit 210 colors or blinks a plot indicating the measurement value of the day when the measurement value of the previous day is out of the reference value and the measurement value of the current day falls within the reference value. Make them emphasize. Thereby, the user A can confirm at a glance the measured value falling within the reference value.
  • the mobile terminal communicates with the PHR processing device 100, and the primary use service providing unit 122 performs the action information “exercise” on the previous day of the user A and the action information on the previous week. , Provide action information of a month ago. That is, the display control unit 210 displays information on the display unit 220 as shown in FIG. 23B. Thereby, the user A can estimate the reason why the measured value is within the reference value.
  • the PHR big data analysis unit 121 may use an average value of the blood pressure (diastolic blood pressure, systolic blood pressure) at the time of waking up by other users of the genome type 2 as a reference value. In such a case, for example, when the measured value exceeds the reference value (or falls below the reference value), the display control unit 210 highlights and displays the plot indicating the measured value.
  • the measurement value at one time point in the day is analyzed has been described.
  • the measurement value may be measured a plurality of times a day and analyzed at each time point.
  • each measurement value may be analyzed.
  • the timing which provides a result to a user can be set arbitrarily.
  • the primary use service providing unit 122 may provide the result at the same time when providing the above-mentioned “notice of future health risk” or providing the result to the user every time the analysis is executed. There may be.
  • the measurement value when the measurement value is out of the reference value (range), when the measurement value exceeds the reference value, or when the measurement value falls below the reference value, the result is provided to the user. Good. Thereby, for example, when the body temperature changes greatly, a change in body temperature can be immediately notified to the user.
  • FIG. 24A to FIG. 24C are diagrams for explaining a comparative analysis of an individual for a predetermined period in the present embodiment.
  • FIGS. 24A to FIG. 24C are diagrams for explaining a comparative analysis of an individual for a predetermined period in the present embodiment.
  • FIG. 24A to 24C show a case where the tendency of the change in systolic blood pressure of “genome type 2” user A is analyzed.
  • FIG. 24A shows a case where the predetermined period is one day
  • FIG. 24B shows a case where the predetermined period is one week
  • FIG. 24C shows a case where the predetermined period is one year.
  • the PHR big data analysis unit 121 acquires measured values of systolic blood pressure collected over time from a plurality of genome type 2 users from the PHR accumulation unit 110, and calculates an average value for each time. Then, the PHR processing apparatus 100 sets the tendency of change of the average value for each time as the tendency of change of the reference value. For example, as shown in FIG. 24A, the PHR big data analysis unit 121 changes the average value of systolic blood pressure collected over time from 0 o'clock to 24 o'clock for a plurality of genome type 2 users. Is set as an ideal pattern. Then, the PHR big data analysis unit 121 derives a comparison result between the tendency of the measurement value change of the user A from 0:00 to 24:00 and the ideal pattern.
  • the primary use service providing unit 122 provides the comparison result derived by the PHR big data analysis unit 121 to the mobile terminal of the user A as a graph as illustrated in FIG. 24A.
  • the display control unit 210 of the portable terminal displays the provided comparison result on the display unit 220.
  • the user A refers to his / her today's measurement values “user A (today)” and “ideal pattern” shown in FIG. 24A, and the systolic blood pressure for today changes to be higher all day than the ideal pattern. You can understand what you were doing and be aware of your blood pressure.
  • the PHR processing apparatus 100 can derive not only the trend of today's measurement value but also the trend of the average value obtained by averaging the daily measurement values measured by the user A in the past.
  • the primary usage service providing unit 122 displays a graph of “user A (average)” in addition to today's measurement values “user A (today)” and “ideal pattern”.
  • the user A can confirm at a glance what kind of situation the today's systolic blood pressure value was compared with a normal value.
  • the user A can confirm at a glance what kind of state his / her systolic blood pressure tends to be compared with the ideal pattern. For example, the user A can see not only today's systolic blood pressure but also that the blood pressure has increased normally from the graph shown in FIG. 24A, and can take early measures. .
  • the PHR big data analysis unit 121 derives the trend of the systolic blood pressure of the user A for one week and the trend of the systolic blood pressure for one year for the primary use.
  • the service providing unit 122 provides each graph to the user A.
  • User A can grasp at a glance how his / her systolic blood pressure changes in each period with reference to the graphs shown in FIGS. 24B and 24C.
  • the user A tends to become higher in the systolic blood pressure on Friday in one week, but also in the ideal pattern, so that the user A becomes anxious. I can think of it not.
  • the user A tends to increase systolic blood pressure in the winter in one year, which is different from the ideal pattern. I can be conscious. Needless to say, the examples shown in FIGS. 23A, 23B, and 24A to 24B are merely examples, and comparative analysis is performed on arbitrary biological information.
  • the PHR big data analysis unit 121 derives a comparison result comparing the tendency of changes in biological information with a period of various widths and the tendency of changes in ideal patterns or past measurement values.
  • the user can make the state of the body more ideal by referring to the comparison result and living so as to bring the tendency of change in each period closer to the ideal pattern for various biological information.
  • the timing which shows the comparison result mentioned above can be set arbitrarily.
  • the primary use service providing unit 122 may provide the result at the same time when providing the above-mentioned “notice of future health risk”, or may provide it to the user every time a predetermined period elapses. Also good.
  • the PHR big data analysis unit 121 can derive the comparison result between the value derived based on the user attribute information and the measurement value together with the comparison result between the reference value and the measurement value.
  • the PHR big data analysis unit 121 includes a range of specified values provided by various academic societies, organizations, organizations, etc. in addition to a range derived from genomic information. May be set.
  • the primary use service providing unit 122 provides the user with a comparison result indicating the range derived from the genome information and the range of the specified value.
  • the embodiment is not limited thereto, and the analysis result is provided to the attending doctor. Also good. In such a case, the attending physician may send a comment to the user with reference to the analysis result.
  • PHR processing apparatus 100 So far, the “daily human dock” service and the “secondary use service” of PHR data provided in this embodiment have been described in detail.
  • the basic configuration of the PHR processing apparatus 100 has been described.
  • the configuration of the PHR processing apparatus 100 will be described in more detail.
  • the PHR accumulation unit 110, the PHR big data analysis unit 121, the primary usage service providing unit 122, and the secondary usage service providing unit 123 described below are all the PHR accumulation unit 110 described in the above-described embodiment, It corresponds to the PHR big data analysis unit 121, the primary usage service providing unit 122, and the secondary usage service providing unit 123, respectively.
  • the PHR processing apparatus 100 does not necessarily have to include each unit described below, and the equipment can be omitted as appropriate. Further, the PHR processing apparatus 100 can further include other units.
  • FIG. 25 is a functional block diagram of the PHR processing apparatus 100 according to the present embodiment.
  • the PHR processing apparatus 100 can be realized by one or more general-purpose computers, and includes a processor, a memory, and an input / output interface. Each unit illustrated in FIG. 25 is appropriately assigned to a processor, a memory, and an input / output interface.
  • the PHR processing apparatus 100 includes a PHR accumulation unit 110, a PHR operation management unit 120, and a system control unit 130.
  • the system control unit 130 performs overall control of the PHR processing apparatus 100.
  • the system control unit 130 accepts the operation of the operator of the data trust company 11, and medical institutions and various companies that receive PHR data management targets, their family members, the account registration of the attending physician, and secondary usage services. Register an account.
  • the PHR accumulation unit 110 includes a security function unit 111, a data format conversion / normalization unit 112, an unstructured data processing unit 113, and a PHR data accumulation unit 114.
  • the security function unit 111 performs various processes for ensuring the security of the PHR data.
  • the PHR data is personal information that requires extremely sensitive handling. Therefore, the security function unit 111 authenticates the connection destination and authorizes access authority as an input / output interface (API: Application Programming Interface) of PHR data. Further, the security function unit 111 anonymizes the PHR data as necessary in order to provide for utilization after performing processing that cannot identify an individual. In addition, the security function unit 111 performs encryption using an appropriately managed encryption key for PHR data that is not anonymized. In addition, when providing the PHR data outside the healthcare cloud 10, the security function unit 111 performs durable data distribution against illegal infringement and the like.
  • API Application Programming Interface
  • the security function unit 111 is a function for performing appropriate personal authentication for all data access users such as system administrators, researchers who analyze PHR big data, and individual users who register and refer to PHR data. I will provide a.
  • the security function unit 111 provides a multi-factor authentication technique capable of ensuring security higher than ID / password authentication.
  • the security function unit 111 provides a name identification function for identifying and specifying the owner of data input from various devices and systems.
  • the data format conversion / normalization unit 112 flexibly corresponds to the PHR data being transmitted in various data formats by the device, so that the data change / normalization function and the converted normalized data are set in a predetermined format.
  • the PHR accumulation unit 110 complements images such as social media, tweets text information, and voices, images, text information, and the like from smartphone applications for analysis related to personal medical / health. Collect information.
  • the unstructured data processing unit 113 has an interface function and functions such as speech recognition, natural language analysis, image recognition, and data mining for processing the unstructured data.
  • the PHR data storage unit 114 is a large-scale genome cohort database 114a in which PHR big data is stored.
  • the PHR operation management unit 120 includes a PHR big data analysis unit 121, a primary usage service providing unit 122, and a secondary usage service providing unit 123.
  • the PHR big data analysis unit 121 includes an analysis engine unit 121a, a distributed processing database 121b, and an event processing unit 121c.
  • the analysis engine unit 121a performs cohort analysis or the like on the PHR big data stored in the PHR data storage unit 114.
  • the analysis by the analysis engine unit 121a may be performed using a distributed processing technique.
  • the PHR data storage unit 114 and the distributed processing database 121b cooperate with each other, and the analysis engine unit 121a sets the PHR big data stored in the distributed processing database 121b as a processing target.
  • the event processing unit 121c performs event processing in response to the distributed processing by the analysis engine unit 121a.
  • the primary usage service providing unit 122 provides the “daily health checkup” service as the primary usage service. Further, the primary use service providing unit 122 includes an incentive processing unit 122a. Incentives are important for individual users to wear sensors and continue to input their own health information and supplementary information for a long time.
  • the incentive processing unit 122a provides functions of a point system that can be an incentive, various rankings, game elements, and an advertising model.
  • the secondary usage service providing unit 123 provides a secondary usage service.
  • FIG. 26 is a diagram illustrating a hardware configuration of the PHR processing device 100 (or the PHR display device 200) in the present embodiment.
  • the PHR processing device 100 (or PHR display device 200) includes a central processing unit (CPU) 310, a read only memory (ROM) 320, a random access memory (RAM) 330, a display unit 340, and an input unit 350.
  • CPU central processing unit
  • ROM read only memory
  • RAM random access memory
  • the CPU 310, the ROM 320, the RAM 330, the display unit 340, and the input unit 350 are connected via the bus line 301.
  • the PHR processing program (or PHR display program) for performing various processes in the above-described embodiment is stored in the ROM 320 and loaded into the RAM 330 via the bus line 301.
  • the CPU 310 executes a PHR processing program (or PHR display program) loaded in the RAM 330.
  • the CPU 310 reads a PHR processing program (or PHR display program) from the ROM 320 and stores the program in the RAM 330 in accordance with an instruction input from the input unit 350 by the operator. Expand to the area and execute various processes.
  • the CPU 310 temporarily stores various data generated in the various processes in a data storage area formed in the RAM 330.
  • the PHR processing program (or PHR display program) executed by the PHR processing device 100 is a PHR big data analysis unit 121, a primary usage service providing unit 122, and a secondary usage service providing unit 123 (or , The display control unit 210), and these are loaded on the main storage device, and these are generated on the main storage device.
  • the PHR processing device 100 can also build all or part of its functions on a network in the data trust company 11, for example. Further, the PHR processing apparatus 100 does not necessarily have to be constructed at one base. The PHR processing apparatus 100 may be realized by cooperation of functions distributed and arranged at a plurality of bases.

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Child & Adolescent Psychology (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)

Abstract

 実施形態に係る健康情報処理装置(100)は、蓄積部(110)と、解析部(121)と、推定部(122)とを備える。前記蓄積部(110)は、各ユーザの健康情報である、ゲノム情報と、継続的に収集される生体情報及び行動情報とを、複数ユーザ分蓄積する。前記解析部(121)は、蓄積された複数ユーザ分の健康情報を解析する。前記推定部(122)は、前記解析の結果と所定のユーザの健康情報とを用いて、当該所定のユーザの将来の健康リスクを推定する。

Description

健康情報処理装置、健康情報表示装置及び方法
 本発明の実施形態は、健康情報処理装置、健康情報表示装置及び方法に関する。
 従来、先制医療や個別化予防の実現に向けて、世の中では様々な取り組みが進められている。ここで、先制医療とは、疾病の発症前に、高い精度で発症の予測若しくは発症前の診断を行い、発症前の適切な時期に治療的介入を実施して、発症を防止若しくは遅らせることをいう。また、個別化予防とは、各個人に適した疾病の予防をいう。
 しかしながら、健康状態の評価や疾病の発症に至る前の未病状態の判別を厳密且つ客観的に行うことは、未だ困難である。例えば、個人のライフログを収集し、本人にフィードバックする取り組みは数多く試みられているが、健康状態の評価や未病状態の判別に必要な基盤データとの連携がないものや、個人の体質に基づいた個別の健康指導には至らないものが大半である。
特開2001-327472号公報 特開2006-320735号公報
 本発明は、上記に鑑みてなされたものであって、将来の健康リスクを精度良く推定し、個人の体質に基づいた個別の健康指導を行うことが可能な、健康情報処理装置、健康情報表示装置及び方法を提供することを課題とする。
 実施形態に係る健康情報処理装置は、蓄積部と、解析部と、推定部とを備える。前記蓄積部は、各ユーザの健康情報である、ゲノム情報と、継続的に収集される生体情報及び行動情報とを、複数ユーザ分蓄積する。前記解析部は、蓄積された複数ユーザ分の健康情報を解析する。前記推定部は、前記解析の結果と所定のユーザの健康情報とを用いて、当該所定のユーザの将来の健康リスクを推定する。
 将来の健康リスクを精度良く推定し、個人の体質に基づいた個別の健康指導を行うことが可能になるという効果を奏する。
図1は、本実施形態によって実現されるモチベーション向上社会を説明するための図。 図2Aは、本実施形態の一例を説明するための図。 図2Bは、本実施形態の概要を説明するための図。 図3は、本実施形態におけるPHR(Personal Health Record)データを説明するための図。 図4は、本実施形態におけるライフログ情報の収集を説明するための図。 図5は、本実施形態におけるPHRビッグデータの解析を説明するための図。 図6は、本実施形態におけるライフスタイルの型を説明するための図。 図7は、本実施形態における健康リスク推定テーブルTを説明するための図。 図8は、本実施形態における健康リスクの推定を説明するための図。 図9は、本実施形態における元気予報ポータルサイトを説明するための図。 図10は、本実施形態における日常人間ドックの処理手順を示す図。 図11は、本実施形態における主治医用ポータルサイトの画面遷移を示す図。 図12は、本実施形態におけるユーザ用ポータルサイトの画面遷移を示す図。 図13は、本実施形態における健康リスクのシミュレーションを説明するための図。 図14は、本実施形態において主治医及びユーザに表示される健康リスクグラフを説明するための図。 図15は、本実施形態における二次利用サービスの一例(第1の例)を説明するための図。 図16は、本実施形態における二次利用サービスの一例(第1の例)を説明するための図。 図17は、本実施形態における二次利用サービスの一例(第2の例)を説明するための図。 図18は、本実施形態における二次利用サービスの一例(第3の例)を説明するための図。 図19は、本実施形態におけるインセンティブの仕組みその1を説明するための図。 図20は、本実施形態におけるインセンティブの仕組みその2を説明するための図。 図21Aは、本実施形態におけるユーザ間の比較解析を説明するための図。 図21Bは、本実施形態におけるユーザ間の比較解析を説明するための図。 図22は、本実施形態におけるグループ間の比較解析を説明するための図。 図23Aは、本実施形態における個人の所定の時点の比較解析を説明するための図。 図23Bは、本実施形態における個人の所定の時点の比較解析を説明するための図。 図24Aは、本実施形態における個人の所定の期間の比較解析を説明するための図。 図24Bは、本実施形態における個人の所定の期間の比較解析を説明するための図。 図24Cは、本実施形態における個人の所定の期間の比較解析を説明するための図。 図25は、本実施形態に係るPHR処理装置の機能ブロック図。 図26は、本実施形態におけるPHR処理装置(又はPHR表示装置)のハードウェア構成を示す図。
 以下、図面を参照しながら、実施形態に係る健康情報処理装置、健康情報表示装置及び方法を説明する。なお、以下の実施形態においては、健康情報処理装置や、健康情報表示装置が、複数の機能(例えば、一次利用サービス、二次利用サービス等)を実現する例を説明するが、必ずしも、複数の機能を実現することが必須の構成ではない。健康情報処理装置や、健康情報表示装置は、複数の機能のうちの一部の機能を実現する構成でもよい。
(本実施形態によって実現されるモチベーション向上社会)
 以下に説明する実施形態によれば、生きることへのモチベーションが高まる、モチベーション向上社会が実現される。そこで、実施形態の具体的な構成の説明に入る前に、まずは、我々が提案する、モチベーション向上社会の実現について述べる。
 図1は、本実施形態によって実現されるモチベーション向上社会を説明するための図である。今日、誰もが、家族と地域の中で健康快活に、仕事や趣味に生きるのが理想だが、将来の病気への不安、痴呆、うつ、孤独感、離れた家族への心配等が、少子高齢化の進む現代社会において人々を脅かし、安寧な生活を蝕んでいる。そのような状況では、将来像どころか、日々の生きることへのモチベーションすら低下し、強い心持ちにはなれない。もし、さりげなく自分や家族の日常生活や心身の健康状態がわかり、想い描いた自己実現に向けていつでも支援してくれるツールや、家族や自分が健康で且つ活力ある生活を実現するための取り組みに向けて意欲を高めてくれる仕組みが世の中にあれば、誰もが、自己実現の結果、生きることへのモチベーションを高め、現在の暮らしや将来への不安、ストレスから解放され、安心安寧な心持ちで強くなれる。このような理想の自己を獲得し、家族との強い絆に裏打ちされた、不安・ストレスのない強い個々人が、かつての昭和の様な活力と成長力みなぎる経済や社会を取戻す。そこで、以下の実施形態では、半導体・通信・エネルギー・素材・医療技術の輝ける創意を一つに結集して、生きることへのモチベーションを取戻すためのソリューションシステムを開発し、社会実装することを提案した。
 図1に示すように、『現代社会』においては、将来の健康や生活に対する不安が蔓延し、家族や社会との絆すら消失しかけている。少子高齢化社会が迫り来るなか、人は、病気にならないか、痴呆やうつにならないか、孤独な生活にならないか、離れた家族は大丈夫か、どうすれば自信を持てるのか等、不安感や孤独感、そして家族の心配に苛まれている。不安、うつ、ストレス、脳疾患、心疾患を抱え、やる気やモチベーションを喪失しかけている。
 このような『現代社会』において、誰もが、家族と社会の中で健康快活に、仕事や趣味に生きることを理想としている。その実現手段の1つが、図1に示す『日常人間ドック』である。この『日常人間ドック』では、生体情報と行動情報とが紐付けられた真のバイタルデータと、個人のゲノム情報から解析された体質データベースとを統合した革新的なPHR(Personal Health Record)ビッグデータを基盤に、理想のライフスタイルを創造する。
 また、『日常人間ドック』では、この革新的なPHRデータを、非意識(Unconscious Sensing)技術により収集する。なお、センシングデータには、図1に示すように、例えば、心拍数、ストレス、血圧、ホルモン、血中濃度、交感神経、薬剤の服用量等がある。また、センシングデータには、例えば、糖分、塩分、胃酸、農薬、微生物、環境物質等がある。また、図1に示すように、ヘルスケアクラウド10上にはPHR処理装置100が構築される。PHR処理装置100は、各個人の生体情報と行動情報とを関連付けてライフログ情報として収集、蓄積する。そして、PHR処理装置100は、図1に示すように、時系列で収集した膨大なライフログ情報とゲノム情報に基づく体質データベースとを複数ユーザについて統合化したPHRビッグデータを、ヘルスケアクラウド10上で一元管理する。
 PHR処理装置100は、かかるPHRビッグデータを解析することで、ゲノム情報に基づく将来の疾病発症リスク、食事量、運動量、又は運動負荷に対する体の応答反応等を高度且つ詳細に分析する。ひいては、疾病発症リスクや発作の予兆、自分の体質、ライフスタイルに最適な食事内容、運動、ライフスタイル、薬やサプリメントの選択等、理想像を目指した日々の生活の設計も可能になる。なお、PHR処理装置100は、例えば、ビッグデータマイニング、統合ゲノム解析、シミュレーション、コミュニケーションの可視化定量化技術等を適用する。
 ところで、本実施形態においては、このように各個人から収集されたPHRデータを、『日常人間ドック』の仕組みで本人にフィードバックする「一次利用」に活用するだけでなく、様々なサービスへの「二次利用」にも活用する。そこで、以下では、PHRデータがどのように活用されるか、本実施形態において、ヘルスケアクラウド上にて実現されるヘルスケアインフォマティクスの概要を、「一次利用」と「二次利用」とに分けて説明する。
 まず、「一次利用」である、『日常人間ドック』の仕組みを簡単に説明する。例えば、PHR処理装置100は、PHRビッグデータの解析の結果を、対象者が装着する装着型情報端末に表示することで、対象者にフィードバックする。そのフィードバックの一例が、「将来の健康リスクのお知らせ」である。対象者は、装着型情報端末上に提供される「将来の健康リスクのお知らせ」サービスで、自らの将来の健康リスクを把握するとともにその対処法の告知を受け、更に、見える化された目標を持つことができる。また、対象者は、この装着型情報端末上で、医師の指導や家族(若しくは、仮想の家族)等の激励を受けることができる。例えば、図1では、対象者は、主治医の指導(「塩分を控えて!」)を受けている。このように、「将来の健康リスクのお知らせ」は、実在の人物や仮想人物による応答システムとしても機能する。こうして、本実施形態によれば、各個人は、日常、さりげなく精度良く収集した情報に基づいて、装着型情報端末等で、各自の健康状態を得て、主治医や家庭医、健康支援スタッフによる指導、激励を受けることができる。また、自分や家族の心身の状態管理や、行動及び生活を確認することができる。
 また、『日常人間ドック』の仕組みの中で、PHR処理装置100は、これらの情報を、対象者にフィードバックするだけでなく医療機関にフィードバックすることもできる。医師は、PHR処理装置100からフィードバックされた解析の結果をもとに、例えば、ハイリスクな疾病発症予備軍を認識し、必要に応じ積極的にこれらの者にアクセスする。なお、対象者から送信されたセンシングデータは、対象者の身体の異常検知にも役立てられる。例えば、PHR処理装置100は、ハイリスクな疾病発症予備軍の対象者について日々送信されるセンシングデータを常時監視し、その中で異常を検知すると、直ちに医療機関等にフィードバックする。
 また、「二次利用」について説明すると、例えば、PHR処理装置100が、PHRビッグデータの解析の結果を医療機関や各種企業等に提供することで、様々なサービスへの二次利用や、新産業創出に貢献することができる。具体例については、後述する。
 こうして、図1に示すように、例えば、5~10年後には、モチベーション向上社会が実現される。図1では、モチベーション向上社会を実現するための技術のキーワードとして、「バーチャルクローン」、「将来の健康リスクのお知らせ」、及び「家族見守りサービス」を挙げている。このうち、「バーチャルクローン」及び「将来の健康リスクのお知らせ」は、「一次利用」の例である。また、「家族見守りサービス」は、「二次利用」の例である。
 例えば、PHR処理装置100は、各対象者に「バーチャルクローン」を設定し、「バーチャルクローン」に基づく健康づくりを実現している。例えば、PHR処理装置100は、各対象者に対して、「バーチャルクローン」として、将来の健康状態から予測される特徴的な風貌を自分の顔や容姿に反映させた自己像を提示することで、直感的に、現状生活の及ぼす、X年後の自分の将来像を表示させることができる。なお、「バーチャルクローン」には、理想の自己像を設定することもできる。また、本実施形態において、「バーチャルクローン」は、「将来の健康リスクのお知らせ」の中で提示される。
 また、例えば、PHR処理装置100は、各対象者に、「将来の健康リスクのお知らせ」を提示する。この「将来の健康リスクのお知らせ」では、仮想的な家族や、上述した仮想的な自己像(バーチャルクローン)が映し出される。また、「将来の健康リスクのお知らせ」では、理想的に設計した自分との乖離度や、今の生活を続けた場合の将来の自分の姿を映し出し、理想に向けた指導もしてくれる。また、「将来の健康リスクのお知らせ」を見る者は、仮想的な人物や家族との対話を図ることで、常時励ましや元気づけ、健康指導を受けることができ、意欲・気力が高揚し、理想の自己実現に向けた取り組み意欲を向上させることができる。即ち、対象者は、この「将来の健康リスクのお知らせ」を通して、医師や家族(若しくは、仮想の家族)、友達(仮想の友達)や恋人(仮想の恋人)の指導や激励を受けて、やる気をアップすることができる。更に、「将来の健康リスクのお知らせ」では、健康度を確認することもできる。
 また、例えば、本実施形態では、二次利用サービスの一例として「家族見守りサービス」を実現する。この「家族見守りサービス」によれば、離れた家族をいつでも見守ることができる。ユビキタスなライフログ情報は、離れた病気がちの独居高齢者が、きちんと食事や薬を服用し、つつがなく過ごしていることを、その家族が手に取るように分かるための見守り、コミュニケーションを図る絆ツールとしても活用でき、体調が悪い時は知らせてくれる。その結果、身内に遠慮や気遣いをして無理な我慢や気丈な振る舞いをしたがために、周囲が発症に気づかずに見過して手遅れとなるようなことも防げ、家族の心配や不安までをも和らげてくれる。家族や社会との絆が強化されるばかりでなく、活気ある高齢化社会における自身の強化にもつながる。
 更に、図1では図示を省略しているが、本実施形態によれば、努力目標への到達度、競い合う友人の将来像との比較機能、それらのSNS(Social Networking Service)等による公開機能、報償としての地域通貨ポイント付与等の機能によって、例えば、ポイント獲得を目標に、更に、皆の意欲を向上させることができる。また、本実施形態によれば、病気持ちの人にとっては、常時病状が見守られ、発作の予兆が検知され、体調が悪い時や緊急時にはすぐに介助者や救護者が駆けつけ、心身のケアをしてくれる。
 例えば、上述してきた「日常人間ドック」を誰もが活用できれば、自分や家族の心身の状態や行動、生活の状況を把握し、管理することができ、誰もが、病気の発症を遠ざける先制医療・個別化予防を享受できるようになる。その結果、理想的な自己目標も明確化され、健全な心身の実現に向けて意欲が高揚し、理想自己実現による達成感は、生きることへのモチベーションを高め、一人一人が強くなることができる。また、「家族見守りサービス」によれば、離れた家族の心身の状態や、行動、生活状況を具体的に把握できることで、不安と心配から解放され、自分と家族の絆を常に身近に感じることで、安心安寧な社会を実現することができる。それは現在十分ではない、日々のきめ細やかな健康維持、食事や体調の管理、高齢者や子供の見守りを支援し、家族と社会の強い絆を取り戻し、健全快活で安心安寧な生活が送れる夢の社会像でもある。このようなモチベーション向上社会が実現すれば、現代社会に蔓延していた、不安、うつ、ストレス、脳疾患、心疾患からも解放される。
 上述したように、「日常人間ドック」を活用することで実現される「バーチャルクローン」、「将来の健康リスクのお知らせ」及び「家族見守りサービス」などが提供されるモチベーション向上社会は、個人の生きることへのモチベーションを高め、一人一人を強くすることができる。さらに、多数の人が「日常人間ドック」を活用して、膨大なPHRビッグデータが蓄積されることで、様々なサービスへの二次利用や新産業の創出を導き、幅広い分野においてイノベーションが連鎖していくことが期待される。本実施形態では、このようなヘルスケアのソリューションシステムの構築が可能となる。
 図2Aは、本実施形態の一例を説明するための図である。図2Aに示すように、本実施形態におけるソリューションシステムは、DNAチップ・ゲノム配列情報活用基盤に基づく生体情報や、リアルタイムのライフログである行動情報、脳とこころのチェックなどによる健康(セルフ)チェックが実施され、ヘルスケアクラウド10に情報が集約される。例えば、ユーザAについて、病院や診療所から電子カルテの情報などが集約される。また、ユーザAについて、企業や健康保険におけるレセプト情報、勤労情報、健康診断結果などが集約される。また、研究機関や大学からコホートデータやシーケンスデータなどが集約される。そして、ユーザAから非意識で収集されたセンシングデータが集約される(図中PHR入力)。
 このようなパーソナルヘルスレコード(PHR)は、ユーザ(例えば、ユーザA)ごとに管理され、多数の人のPHRが集約されたPHR群がPHRビッグデータとしてヘルスケアクラウド10で管理される。これらPHRビッグデータは、データ信託銀行(データ信託会社とも呼ぶ)によって運用管理される。例えば、データ信託銀行は、PHRビッグデータを解析(ビッグデータ解析)することで、PHRデータの解析データに基づく、各個人の将来予測や、ライフスタイルの提案を可能にする。一例を挙げると、ライフサポートを行なう健康コンシェルジュであるかかりつけ医がPHRデータの解析データに基づくライフスタイルの提案を行なったり、解析データに基づいて「バーチャルクローン」や、「将来の健康リスクのお知らせ」を提供したりする。すなわち、PHRデータを入力したデータに対して、本人の体質及びライフスタイルを反映した元気予報、ライフスタイル変革、リスク診断などの個別の健康指導をフィードバックすることができる。
 ユーザは、PHRデータを入力するインセンティブとして、上記フィードバックを授受することができることから、継続してPHRデータを入力するようになる(PHRデータ入力の常態化)。さらに、ユーザがそれらPHRデータの二次利用を許諾するようになれば、データ信託銀行は、管理するPHRデータ、或いは、解析データを各種メーカーや、販売・流通業者に販売やアクセス権を付与することが可能になる。ここで、PHRデータ及び解析データは、慎重な取り扱いが求められる個人情報であることから、図示するように、必要に応じて匿名化させる。
 PHRデータや解析データの提供を受ける各種メーカーや、販売・流通業者としては、例えば、「セキュリティ」、「製薬」、「食品」、「化粧品」などが挙げられ、各種メーカーや、販売・流通業者は、提供を受けたPHRデータや解析データなどのヘルスケア情報に基づいて、高付加価値な製品開発や、サービス提供を行なうことが可能となる。ここで、各種メーカーや、販売・流通業者によって行なわれる製品開発や、サービスは、例えば、医薬品の開発や、薬事法上の承認を得るために行われる臨床試験(治験)、或いは、映画や番組の視聴者から身体に現れた生体情報を集めるといった単なるマーケティングなど、非常に幅広い分野に亘る。本実施形態のソリューションシステムは、このような幅広い分野で利用され、各分野において、イノベーションの連鎖を引き起こすことが可能である。
 また、本実施形態のソリューションシステムは、各個人が「日常人間ドック」を活用することで、その人向けの新規センサを構築して提供したり(例えば、ユーザのゲノム情報やライフスタイルの情報に基づいて、その人に最適なセンサを提供)、PHRデータの解析データから新たなDNAチップの開発を促進させたりすることも可能である。
(本実施形態の概要)
 本実施形態では、まず、ゲノム情報を含むPHRデータをヘルスケアクラウド10上に集約して大規模ゲノム・コホートデータベース114aを形成し、この大規模ゲノム・コホートデータベース114aに蓄積されたPHRビッグデータを基盤データとすることで、将来の健康リスク(例えば、各疾病の発症確率)を精度良く推定する仕組みを構築する。また、個人のPHRデータを、各方面から継続的に収集して一元管理することで、この個人に対して、本人の体質及びライフスタイルを反映した個別の健康指導をフィードバックする仕組み(日常人間ドック)を構築する。更に、ヘルスケアクラウド10上に集約されたPHRビッグデータの二次利用(他人のための利用や商業的利用)の仕組みを構築する。
 図2Bは、本実施形態の概要を説明するための図である。図2Bに示すように、ヘルスケアクラウド10上にPHR処理装置100(「健康情報処理装置」とも呼ばれる)が構築され、PHR処理装置100が、上述した各種の仕組みを実現する。なお、図2Bに示すように、PHR処理装置100のオペレーションを含むヘルスケアクラウドサービスの運用管理は、データ信託会社11によって行われる。例えば、データ信託会社11は、一次利用サービス(日常人間ドック)の提供を受けるユーザや医療機関13、二次利用サービスの提供を受ける医療機関や各種企業等15に対して、サービス提供のための各種手続きを、オンライン若しくはオフラインで行う(図2Bの点線を参照)。
 PHR処理装置100は、PHRデータの収集及び蓄積を行うPHR蓄積部110と、PHR蓄積部110に蓄積されたPHRデータの運用管理を行うPHR運用管理部120とを備える。
 PHR蓄積部110は、個人のみならず、研究機関、医療機関、企業等からも、この個人に関するPHRデータ(図2Bにおいて、PHRデータ12)を収集し、これを個人のPHRデータとして集約、個別に一元管理する。例えば、PHRデータには、個人から継続的に収集されるライフログ情報の他、研究機関から得られる本人のゲノム情報、医療機関から得られる電子カルテ情報、企業や健康保険組合から得られる健康保険組合情報(レセプト情報、勤務情報、検診手帳情報)、母子手帳情報、学校の健康診断の情報等がある。即ち、PHRデータは、個人の健康に関連する情報として、個人のみならず各種機関等から収集されるものであり、その種類に限定はない。また、PHR蓄積部110は、かかるPHRデータを大規模に収集し(例えば、15万人規模)、大規模ゲノム・コホートデータベース114aを形成する。この大規模ゲノム・コホートデータベース114aは、各個人については、新たな情報が日々蓄積されることでその規模を拡大し、また、収集対象者の範囲を拡大することでもその規模を拡大する。なお、以下では、大規模ゲノム・コホートデータベース114aのPHRデータ全体を意味する場合には、これを「PHRビッグデータ」と呼び、個人のPHRデータと区別する。また、PHRデータは、「健康情報」とも呼ばれる。
 PHR運用管理部120は、PHRビッグデータ解析部121と、一次利用サービス提供部122(「推定部」とも呼ばれる)と、二次利用サービス提供部123(「出力部」とも呼ばれる)とを備える。PHRビッグデータ解析部121は、所定の目的に従って、大規模ゲノム・コホートデータベース114aに蓄積されたPHRビッグデータを解析し、ゲノム情報と、ライフスタイルと、健康リスクとの関連性を導き出す。そして、PHRビッグデータ解析部121は、個人の体質及びライフスタイルの組み合わせとの何らかの関連性が示された解析結果を得る。
 例えば、PHRビッグデータ解析部121は、PHRビッグデータを対象にコホート分析を行い、ゲノムの型及びライフスタイルの型の組み合わせと、将来発症し得る疾病のリスク(「疾病発症リスク」と呼ばれる)との関連性を導き出す。すると、一次利用サービス提供部122は、PHRビッグデータ解析部121によって導き出されたこの関連性を各個人のPHRデータに適用することで、本人の体質及びライフスタイルに応じた疾病発症リスクを割り出す。そして、一次利用サービス提供部122は、割り出した疾病発症リスクの情報をユーザのポータルサイト14aに登録する等して本人へのフィードバックを行う。このポータルサイト14aは、本人の他、家族及び主治医による閲覧が可能であり、ポータルサイト14aを通じて3者間でコミュニケーションを図ることができる。これが、本実施形態における「日常人間ドック」の概要である。「日常人間ドック」の詳細については、後述する。
 また、例えば、PHRビッグデータ解析部121は、PHRビッグデータを対象にコホート分析を行い、二次利用サービス用の解析結果を導き出す。また、二次利用サービス提供部123は、PHRビッグデータ解析部121によって導き出された解析結果を出力し、各種企業等(医療機関、食品・サプリメント販売会社、製薬会社、医療機器メーカー、流通会社、セキュリティ会社等)に提供する。二次利用サービスの具体例については、後述する。
 また、図2Bに示すように、ユーザやユーザの家族等の関係者、ユーザの主治医は、PHR表示装置200(「健康情報表示装置」とも呼ばれる)によって、例えば、一次利用サービス提供部122によって提供されるポータルサイト14aを閲覧する。PHR表示装置200は、スマートフォン、PC(Personal Computer)、インターネットテレビ、装着型情報端末等である。また、PHR表示装置200は、表示制御部210と、表示部220とを備え、表示制御部210は、ユーザの将来の健康リスクを表示部220に表示する。
(PHRデータ)
 次に、図3は、本実施形態におけるPHRデータを説明するための図である。上述したように、PHRデータは、個人の健康に関連する情報として個人のみならず各種機関等から収集されるものであり、その種類に限定はない。したがって、本実施形態では、PHRデータとして何の情報を収集するかという点も個人毎に異なると考える。もっとも、以下に説明するように、本実施形態の「日常人間ドック」では、個人のPHRデータから本人のライフスタイルの型を割り出す。また、このライフスタイルの型は、本実施形態では、10の項目(喫煙、飲酒、睡眠、ストレス、運動、食生活、薬・サプリメント、精神状態、疲れ、免疫)を評価することで割り出される。よって、本実施形態では、この10の項目を評価することが可能なPHRデータが、各個人から収集されることを想定する。なお、図3では、ユーザAのPHRデータのうち、ゲノム情報及びライフログ情報のみを概念的に示す。
 まず、ゲノム情報は、ユーザAの遺伝情報である。図3に示すように、細胞の核の中には染色体が存在し、この染色体を構成するデオキシリボ核酸(Deoxyribonucleic acid)という物質がDNAである。DNAは、その構成単位であるヌクレオチドが鎖状に連なるとともに、2本の鎖による2重螺旋構造となっている。また、遺伝子は、DNA上の区画である。ヌクレオチドは、デオキシリボース糖がリン酸によって連結されたものであり、デオキシリボース糖に、4種類の塩基のうちのいずれかが結合する。2本の鎖の間では、アデニン(A)とチミン(T)との塩基対、グアニン(G)とシトシン(C)との塩基対が結合される。ヒトのゲノム情報は、約30億塩基対から構成される。
 本実施形態において、ゲノム情報は、この約30億塩基対の配列情報、若しくは、ヒトの個性を決定する約100万塩基対の配列情報である。なお、PHR蓄積部110は、塩基対の配列情報をそのまま蓄積してもよいし、あるいは、標準ゲノム情報(例えば、日本人の標準SNP(Single Nucleotide Polymorphism))との差分の形で蓄積してもよい。例えば、ユーザAが研究機関に自身の血液を提供し、研究機関にてユーザAから抽出されたゲノムの全塩基配列(配列情報)が特定された場合、その配列情報を、ユーザAのゲノム情報として取り扱う。
 なお、ゲノム情報は、上述した配列情報に限られるものではなく、DNAチップ等想定される種々の手法による解析結果も含む。例えば、ユーザAが研究機関に自身の血液を提供し、研究機関にてDNAチップによる解析が行われた場合、その解析結果を、ユーザAのゲノム情報として取り扱う。例えば、DNAチップによるSNP解析、CNV(Copy Number Variation)解析、マイクロサテライト解析、エピゲノム解析、あるいは遺伝子発現量解析等によって、特定の疾病(例えば、高血圧、高脂血症、肥満、糖尿病等)に関する遺伝子の型や、特定の薬剤の代謝、アルコール分解に関する遺伝子の型が判明した場合には、その解析結果が、ユーザAのゲノム情報となる。
 次に、ライフログ情報は、ユーザAのライフスタイル(生活様式)を表す情報である。図3に示すように、本実施形態では、生体情報及び行動情報を合わせてライフログ情報と呼び、必要に応じてその両者が関連付けられることで、正確なライフログ情報を得ることができると考える。
 ここで、図3を用いて、生体情報である「血圧」と、行動情報である「運動量」及び「行動履歴」とが関連付けられることで、正確なライフログ情報が得られる点を説明する。例えば、ユーザAは、生体センサと、加速度センサとを装着しているものとする。これらのセンサは、後述する装着型情報端末に備えられてもよいし、装着型情報端末とは別に、ユーザAに装着(例えば、貼付)されてもよい。生体センサは、例えば、指、手首、耳等の末梢血管における血流変化を検出し、検出した血流変化に基づいて、血圧、心拍数、脈拍等を得る。一方、加速度センサは、直流成分から、ユーザの姿勢を検知し、交流成分から、ユーザの動作(歩行、走行、自転車で移動中、自動車で移動中、電車で移動中等)を識別する。そして、加速度センサは、ユーザの姿勢とユーザの動作とから、ユーザの運動量を得る。更に、行動履歴は、装着型情報端末、若しくは、スマートフォン、PC等の情報端末に入力されたスケジュール情報から得られる。
 そして、本実施形態において、生体センサから得られた生体情報、及び、加速度センサやその他の情報端末から得られた行動情報は、それぞれの情報が有する時間情報によって関連付けられるか、若しくは、それぞれの情報が同じレコードに記録されることで、関連付けられる。改めて図3を参照すると、例えば、生体情報である血圧は、日中に一旦上昇しているが、この生体情報と関連付けられた行動履歴を参照すると、この上昇は、会議を起因とするストレスによるものであることが判明する。また、同じく血圧は、夕方以降に下降しているが、この生体情報と関連付けられた行動履歴を参照すると、この下降は、飲酒によるものであることが判明する。更に、血圧と運動量との関連も、明らかとなる。
 このように、本実施形態においては、生体情報及び行動情報を、相互に関連付けて取り扱うことを基本としている。なお、本実施形態において、PHR処理装置100は、ライフスタイルの型や現在の健康状態の評価に必要な情報を、収集すべき生体情報及び行動情報として適宜選択することになる。例えば、生体情報は、現在の健康状態を表す各種数値情報や、体内に取り込まれた成分の量、物質の有無を表す情報である。例えば、生体情報は、血圧、心拍数、脈拍、体温、体成分、イオン、pH濃度等である。また、例えば、生体情報は、糖分、塩分等の成分量、胃酸の濃度、農薬、環境物質、食品添加物の有無、アルコールやニコチン、薬剤成分の摂取量等である。また、例えば、行動情報は、運動量や睡眠量、スケジュール情報、GPS(Global Positioning System)等の位置情報である。本実施形態では、かかるライフログ情報の全部若しくは一部を、センサや各種情報端末から収集する。また、例えば、スマートフォン(運動系アプリケーション、スケジュールアプリケーション等)や、SNS、電子レシート等から得られた情報を用いてもよい。
 図4は、本実施形態におけるライフログ情報の収集を説明するための図である。本実施形態においては、一例として、ユーザが、装着型情報端末を装着していることを想定する。装着型情報端末としては、例えば、腕時計型のものや、眼鏡型のもの、指輪型のもの等が考えられる。この装着型情報端末は、センサとしての機能を備えて生体情報を収集することができる。また、この装着型情報端末は、いわゆる情報端末としての機能も備えて、行動情報を収集することもできる。そこで、装着型情報端末は、ライフログ情報のドックとしての役割を果たし、図4に示すように、ユーザから個別に収集された生体情報と行動情報との関連付け(ペアリング)を行い、ペアリング後のライフログ情報を、ヘルスケアクラウド10にアップロードする。個別に収集される生体情報や行動情報は、1日の中で定期的あるいは不定期に収集される一方で、ヘルスケアクラウド10へのアップロードは、例えば1日に1回といった頻度で行われる。また、この装着型情報端末は、装着型情報端末とは別にユーザに装着されたセンサや情報端末から、生体情報や行動情報を受信することもできる。この場合も、装着型情報端末は、ユーザから個別に収集された生体情報と行動情報との関連付け(ペアリング)を行い、ペアリング後のライフログ情報を、ヘルスケアクラウド10にアップロードする。なお、ペアリングは、装着型情報端末の側ではなく、ヘルスケアクラウド10側で行われてもよい。
 更に、本実施形態において、装着型情報端末は、個人認証を行う。即ち、装着型情報端末は、当該端末を装着している者が確かに本人であるか否かの個人認証を行う。例えば、腕時計型の場合、装着型情報端末は、手首の静脈認証によって個人認証を行う。また、例えば、カメラを備えている場合、装着型情報端末は、顔認証によって個人認証を行う。また、例えば、眼鏡型の場合、装着型情報端末は、網膜認証や虹彩認証によって個人認証を行う。また、例えば、指輪型の場合、装着型情報端末は、指の静脈認証によって個人認証を行う。なお、個人認証の手法は、上述した手法に限られるものではない。なお、本実施形態では、装着型情報端末からライフログ情報をアップロードする手法を説明したが、実施形態はこれに限られるものではない。例えば、携帯型情報端末や、据付型情報端末から、ライフログ情報をアップロードしてもよい。
(PHRビッグデータの解析及び解析結果を用いた健康リスクの推定)
 続いて、大規模ゲノム・コホートデータベース114aのPHRビッグデータを対象に行われるコホート分析を説明する。ここで、上述したように、本実施形態では、健康状態の評価や健康リスクの推定を精度良く行うために、大規模ゲノム・コホートデータベース114aを形成し、これを基盤データとする。例えば、PHRビッグデータ解析部121は、後述するコホート分析において、生まれてから亡くなるまでの一生涯のPHRデータの中で、疾病発症から転帰、その際の生活や環境に関する情報との紐付けを行う。また、例えば、PHRビッグデータ解析部121は、後述するコホート分析において、特定地域コホートについて長期間の追跡調査を行い、更に他地域コホートとの間で比較解析を行い、地域間の差を検討する。このような解析は、大規模ゲノム・コホートデータベース114aを対象とするからこそ実現可能であり、小規模なものではその実現は困難であり、特定の疾患を対象にしたもの等に限局される。更に、本実施形態において、PHRビッグデータに含まれるライフログ情報は、センシング技術等によって収集されたものであるので、従来の問診による回答とは異なり正確且つ精密な解析が可能となる。なお、大規模ゲノム・コホートデータベース114aが形成されることで、更には、日本人の低頻度アレルの取得、網羅的な日本人のオリジナルの標準SNPデータベースの構築、タイピングアレイの標準化等も可能となる。
 さて、本実施形態において、PHRビッグデータ解析部121は、大規模ゲノム・コホートデータベース114aに蓄積されたPHRビッグデータを対象にコホート分析を行い、ゲノムの型及びライフスタイルの型の組み合わせと、健康リスク(即ち、疾病発症リスク)との関連性を導き出す。
 ここで、本実施形態におけるコホート分析とは、特定の要因に曝露された集団(特定のゲノムの型及びライフスタイルの型の組み合わせにあてはまる集団)と曝露されていない集団(その組み合わせにあてはまらない集団)とを一定期間追跡し、所定の疾病の発症確率を比較することで、要因(特定のゲノムの型及びライフスタイルの型の組み合わせ)と、疾病発症との関連性を導き出す手法である。例えば、PHRビッグデータ解析部121は、大規模ゲノム・コホートデータベース114aに蓄積される健常者の標準データ、健常者と未病者との乖離データ、健常者と発症者との乖離データ、ライフログ情報上の異常サイン等を類型化し、ゲノムの型との関連性を明らかにする。なお、PHRビッグデータ解析部121が解析に用いる手法は、上述したコホート分析に限られるものではなく、他の手法でもよい。
 図5は、本実施形態におけるPHRビッグデータの解析を説明するための図である。図5に示すように、大規模ゲノム・コホートデータベース114aは、各個人のPHRデータであるライフログ情報等が日々新たに蓄積されるとともに、新たな個人のPHRデータが新たな運用管理の対象として蓄積されることで、その規模を日々拡大している。なお、この大規模ゲノム・コホートデータベース114aには、例えば、個人の一生涯のPHRデータが蓄積されるので、見方を変えると、健常者、未病者、及び発症者のPHRデータが蓄積されることになる。
 図5に示すように、PHRビッグデータ解析部121は、この大規模ゲノム・コホートデータベース114aを対象にコホート分析を行い、ゲノムの型及びライフスタイルの型の組み合わせ毎に健康リスクを推定する、「健康リスク推定テーブルT」を作成する。なお、上述したように、PHR蓄積部110は、PHRデータを新たに蓄積することで、大規模ゲノム・コホートデータベース114aの規模を拡大する。そこで、PHRビッグデータ解析部121は、大規模ゲノム・コホートデータベース114aの日々の拡大に伴い、新たに解析を行い、新たな解析結果である「健康リスク推定テーブルT」を得る。一次利用サービス提供部122は、新たに得られた解析結果を用いて健康リスクを推定する。このため、「健康リスク推定テーブルT」の精度は日々向上し、一次利用サービス提供部122による健康リスクの推定の精度も日々向上する。
 まず、本実施形態において、PHRビッグデータ解析部121は、30億塩基対のうちの1つの塩基対若しくは複数の塩基対の組み合わせパターン、又は、ヒトの個性を表すとされる100万塩基対のうちの1つの塩基対若しくは複数の塩基対の組み合わせパターンを、ゲノムの型とする。
 また、図6は、本実施形態におけるライフスタイルの型を説明するための図である。図6に示すように、PHRビッグデータ解析部121は、ライフログ情報から得られる10の項目を、「レベルI」から「レベルIII」までの3段階に分類し、それら全ての組み合わせ(例えば、3の10乗分の組み合わせ)のパターンを、ライフスタイルの型とする。なお、本実施形態におけるライフスタイルの型は一例に過ぎず、項目やレベルを任意に変更することができる。また、ライフスタイルの型の導き方自体も、任意に変更することができる。
 このようなことから、ゲノムの型及びライフスタイルの型の組み合わせの数は、膨大な数となるが、PHRビッグデータ解析部121によるコホート分析によって疾病発症との関連性が明らかになる型の組み合わせは、当初、その一部に留まると考えられる。大規模ゲノム・コホートデータベース114aの日々の拡大や、その他個別に進む研究の成果等が徐々に反映されることで、疾病発症との関連性が明らかになる型の組み合わせは、徐々に増え、健康リスク推定テーブルT内の空欄も、徐々に結果を反映して埋められていく。
 さて、コホート分析にあたり、PHRビッグデータ解析部121は、ライフログ情報に基づいて10の項目を導き出すためのアルゴリズムを、予め保持している。例えば、PHRビッグデータ解析部121は、生体情報としてセンサから得られた「ニコチンの摂取量」から、ユーザの喫煙の有無や、どの程度喫煙したかといった喫煙のレベルを導き出す。また、例えば、PHRビッグデータ解析部121は、生体情報としてセンサから得られた「アルコールの摂取量」から、ユーザの飲酒の有無や、どの程度飲酒したかといった飲酒のレベルを導き出す。また、例えば、PHRビッグデータ解析部121は、生体情報としてセンサから得られた「心拍数」や、行動情報としてスマートフォンから得られた「アラームの設定を行った時刻」及び「アラームの時刻」、その他、センサから得られた生活音等から、ユーザの睡眠時間や睡眠の質といった睡眠のレベルを導き出す。
 また、例えば、PHRビッグデータ解析部121は、生体情報としてセンサから得られた「血圧」、「心拍数」や、行動情報としてスマートフォンから得られた「スケジュール情報」等から、ユーザがどの程度ストレスを感じているかといったストレスのレベルを導き出す。また、例えば、PHRビッグデータ解析部121は、生体情報としてセンサから得られた「心拍数」や、行動情報としてセンサから得られたユーザの姿勢や動作、行動情報としてスマートフォンの運動系アプリケーションから得られた「運動情報」等から、ユーザがどの程度の運動を行ったかといった運動のレベルを導き出す。また、例えばセンサで計測した末梢の体温の変動や発汗の度合いから交感神経・副交感神経のバランスを計測することで、精神の緊張や弛緩度合が導き出される。また、例えば、PHRビッグデータ解析部121は、生体情報としてセンサから得られた「糖分」、「塩分」、「胃酸」、「アルコール摂取量」等から、ユーザがどのような食生活を送っていたかといった食生活のレベルを導き出す。また、例えば、PHRビッグデータ解析部121は、生体情報としてセンサから得られた「薬剤成分」等から、ユーザがどのような薬やサプリメントを服用しているかといった薬サプリのレベルを導き出す。なお、上述したアルゴリズムは一例に過ぎない。
 このように、PHRビッグデータ解析部121は、ライフログ情報のうち生体情報及び行動情報のいずれか一方のみで、あるいは、両者の組み合わせから、上述した10の項目の値を得て、この値に基づいて各項目のレベルを導き出す。なお、ゲノムの型は、同一の対象者に関しては原則変化しない一方で、ライフスタイルの型は、時間経過とともに変化する可能性がある。
 図7は、本実施形態における健康リスク推定テーブルTを説明するための図である。本実施形態では、同一のライフスタイルの型のユーザであっても、ゲノムの型が異なれば、発症リスクの高い疾病の種類や順序は異なると考える。また、同一のゲノムの型のユーザであっても、ライフスタイルの型が異なれば、発症リスクの高い疾病の種類や順序は異なると考える。なお、図7に示す健康リスク推定テーブルTの表現方法は一例に過ぎず、図7に例示される疾病の種類や順序も、説明の便宜上の一例に過ぎない。
 例えば、PHRビッグデータ解析部121は、ゲノムの型及びライフスタイルの型の組み合わせ毎に、疾病発症リスクを示す健康リスクグラフを作成する。各健康リスクグラフの縦軸は、疾病発症リスクにおけるライフスタイル要因及びゲノム要因の割合を表し、横軸には疾病が並ぶ。横軸の右方向へ行くほど、ライフスタイル要因の影響が強い疾病であること、横軸の左方向へ行くほど、ゲノム要因の影響が強い疾病であることを表す。即ち、健康リスクグラフは、ゲノムの型及びライフスタイルの型の組み合わせ毎に、ゲノム要因及びライフスタイル要因のいずれの影響を強く受けるかに応じて順序付けされた、将来発症し得る疾病のリストである。なお、横軸には、疾病の名称として、疾病の正式名称と、国際疾病分類に基づくICD(International Classification of Diseases)コードとが表示される。なお、実施形態はこれに限られるものではなく、例えば、疾病の正式名称か、ICDコードのいずれかのみを表示してもよい。
 例えば、図7の(A)と(B)とを比較すると、同一のライフスタイル3型のユーザであっても、ゲノムの型が2型と3型とで異なれば、発症リスクの高い疾病の種類や順序が異なることが分かる。例えば、「アルコール性肝疾患(K70)」がライフスタイル要因の影響が強い疾病であることについては共通する一方で、ゲノム2型のユーザにとって、ライフスタイル要因の影響が強い疾病である「痛風性関節炎(M1009)」が、ゲノム3型のユーザにとっては、むしろゲノム要因の影響が強い疾病に位置付けられている。反対に、ゲノム3型のユーザにとって、ライフスタイル要因の影響が強い疾病である「糖尿病性腎症(E142)」が、ゲノム2型のユーザにとっては、むしろゲノム要因の影響が強い疾病に位置付けられている。
 また、例えば、図7の(B)と(C)とを比較すると、同一のゲノム3型のユーザであっても、ライフスタイルの型が3型と2型とで異なれば、発症リスクの高い疾病の種類や順序が異なることが分かる。例えば、ライフスタイル3型のユーザについては、「アルコール性肝疾患(K70)」、「肝細胞癌(C220)」、「糖尿病性腎症(E142)」等が、ライフスタイル要因の影響が強い疾病として位置付けられている一方で、ライフスタイル2型のユーザについては、「肺胞性肺気腫(J43)」、「肺門部腺癌(C340)」、「急性右室梗塞(I212)」等が、ライフスタイル要因の影響が強い疾病として位置付けられている。例えば、同一のゲノム3型のユーザの中でも、ライフスタイル3型は、飲酒のレベルが高いユーザで、ライフスタイル2型は、喫煙のレベルが高いユーザである場合等が考えられる。なお、同じゲノム3型のユーザでは、ライフスタイルの型に関わらず、「脊髄小脳変性症(G319)」や「痛風性関節炎(M1009)」等がゲノム要因の影響が強い疾病として位置付けられている。
 ここで、PHRビッグデータ解析部121による「健康リスクグラフ」作成処理の一例を説明する。また、具体的な一例として、ゲノム3型及びライフスタイル3型の組み合わせに対する「健康リスクグラフ」を作成する場合を説明する。
 例えば、PHRビッグデータ解析部121は、ゲノム情報としてゲノム3型を有するユーザの病歴情報(例えば、電子カルテ情報から得られる)を参照して、ゲノム3型のユーザにとって発症リスクの高い疾病として「疾病A,疾病B,疾病C,疾病D」を特定する。また、PHRビッグデータ解析部121は、ライフログ情報としてライフスタイル3型を有するユーザの病歴情報を参照して、ライフスタイル3型のユーザにとって発症リスクの高い疾病として「疾病D,疾病E,疾病F,疾病G」を特定する。そして、PHRビッグデータ解析部121は、特定した疾病を比較して、ゲノム3型のユーザにとって発症リスクの高い疾病にのみ含まれる「疾病A,疾病B,疾病C」を、「遺伝子要因の影響が強い疾病」に分類する。また、PHRビッグデータ解析部121は、ライフスタイル3型のユーザにとって発症リスクの高い疾病にのみ含まれる「疾病E,疾病F,疾病G」を、「ライフスタイル要因の影響が強い疾病」に分類する。また、PHRビッグデータ解析部121は、その両方に含まれる「疾病D」を、「ライフスタイル要因及び遺伝子要因の影響が強い疾病」に分類する。
 続いて、PHRビッグデータ解析部121は、ゲノム3型及びライフスタイル3型の組み合わせのユーザの病歴情報を参照して、ゲノム3型及びライフスタイル3型の組み合わせのユーザにとって発症リスクの高い疾病を特定する。ここで、例えば、PHRビッグデータ解析部121が、ゲノム3型及びライフスタイル3型の組み合わせのユーザにとって発症リスクの高い疾病として「疾病A,疾病C,疾病F,疾病G」を特定したものとする。かかる場合、PHRビッグデータ解析部121は、先に「遺伝子要因の影響が強い疾病」に分類された「疾病A,疾病B,疾病C」と共通する「疾病A」及び「疾病C」を、「遺伝子要因の影響が強い疾病」であると判定し、図7に示す「健康リスクグラフ」において、横軸の左方向へ位置付ける。また、PHRビッグデータ解析部121は、先に「ライフスタイル要因の影響が強い疾病」に分類された「疾病E,疾病F,疾病G」と共通する「疾病F」及び「疾病G」を、「ライフスタイル要因の影響が強い疾病」であると判定し、図7に示す「健康リスクグラフ」において、横軸の右方向へ位置付ける。
 ところで、PHRビッグデータ解析部121は、ある基準のもとで、図7に示した健康リスク推定テーブルTを作成する。例えば、PHRビッグデータ解析部121は、「標準の健康状態にある者が、例えば1年間同じライフスタイルの型の生活を継続した場合の10年後の健康リスク(発症確率30%)」という基準のもとで、健康リスク推定テーブルTを作成する。この点、実際のユーザのライフスタイルの型は、一般に、1日、1週間、1ヶ月、1年等、期間の長さに応じて異なると考えられる。例えば、今週は歓送迎会が多かったために特別に飲酒の量が増えたが、1ヶ月で考えたときには、それほど飲酒の量が多いわけではないという場合である。そこで、一次利用サービス提供部122が、この健康リスク推定テーブルTを用いてあるユーザの健康リスクを推定する際には、推定に用いるPHRデータの期間(推定対象期間と呼ぶ)に応じた個別の推定と、現在の健康状態に応じた調整とを行う。なお、PHRビッグデータ解析部121は、上述した基準を、適宜変更することができる。また、PHRビッグデータ解析部121は、上述した基準のうち、推定する将来の「時点」を複数設定することができる(例えば、1日後、1週間後、1ヶ月後、1年後、5年後、10年後、20年後等)。この場合、PHRビッグデータ解析部121は、それぞれの基準に対応する健康リスク推定テーブルTを作成する。なお、異なる「時点」の健康リスク推定テーブルTを比較すると、例えば、1ヶ月後の健康リスク推定テーブルTには、直ぐに発症する疾病が列挙される一方で、10年後の健康リスク推定テーブルTには、長期経過後に発症する疾病が列挙されるといった違いが現れる場合がある。
 図8は、本実施形態における健康リスクの推定を説明するための図である。例えば、一次利用サービス提供部122は、ユーザAの健康リスクを推定する際に、ユーザAのPHRデータから、推定対象期間に応じてライフログ情報を抽出する。例えば、一次利用サービス提供部122は、図8に示すように、操作者から指定された推定対象期間に応じて、ユーザAのPHRデータから、例えば、今週のライフログ情報D1、今月のライフログ情報D2、今年のライフログ情報D3をそれぞれ抽出する。
 続いて、一次利用サービス提供部122は、推定対象期間毎に、それぞれ10の項目(喫煙、飲酒、睡眠、ストレス、運動、食生活、薬サプリ、精神状態、疲れ、免疫)の値を得て、この値に基づいて、各項目のレベルを導き出す。そして、一次利用サービス提供部122は、推定対象期間毎に、各項目のレベルの組み合わせのパターンの1つであるライフスタイルの型を、ユーザAのライフスタイルの型(今週のライフスタイルの型、今月のライフスタイルの型、今年のライフスタイルの型)として判定する。例えば、一次利用サービス提供部122は、図8に示すように、今週のライフログ情報D1に基づいて、今週のライフスタイルの型「3型」を判定し、今月のライフログ情報D2に基づいて、今月のライフスタイルの型「30型」を判定し、今年のライフログ情報D3に基づいて、今年のライフスタイルの型「30型」を判定する。
 次に、一次利用サービス提供部122は、判定したライフスタイルの型を用いて健康リスク推定テーブルTを参照し、該当の健康リスクグラフを、推定対象期間毎にそれぞれ特定する。例えば、図8の例では、ライフスタイル3型の健康リスクグラフにおいて、「アルコール性肝疾患(K70)」、「肝細胞癌(C220)」、「糖尿病性腎症(E142)」が、発症リスクの高い疾病として列挙されているのに対し、ライフスタイル30型の健康リスクグラフにおいては、「アルコール性肝疾患(K70)」及び「肝細胞癌(C220)」が、発症リスクの高い疾病から外れ、「糖尿病性腎症(E142)」のみが、発症リスクの高い疾病として列挙されている。これはあくまで説明の便宜上の一例に過ぎないが、このように、推定対象期間によってライフスタイルの型が異なれば、推定対象期間によって、発症リスクの高い疾病の種類や順序も異なってくる。推定対象期間に応じて個別の推定を行い、例えば、今週、今月、今年の間で比較を行うことで、健康リスクの方向性(例えば、良い方向に向かっているのか、あるいは悪い方向に向かっているのか等)を提示することができる。
 更に、一次利用サービス提供部122は、推定対象期間毎に特定された各健康リスクグラフについて、現在の健康状態に応じた調整を行う。例えば、一次利用サービス提供部122は、ライフログ情報に含まれる生体情報を考慮して、各健康リスクグラフの内容を、個別のユーザの現在の健康状態に応じた内容に変更する。例えば、一次利用サービス提供部122がユーザAの生体情報を解析したところ、ユーザAの肝機能が極めて良好な状態であることが判明したとする。すると、一次利用サービス提供部122は、ゲノム3型及びライフスタイル3型の組み合わせの健康リスクグラフにおいて、「アルコール性肝疾患(K70)」、「肝細胞癌(C220)」、「糖尿病性腎症(E142)」のうち、「肝細胞癌(C220)」の発症リスクは低いと判定して、これを削除する。なお、これはあくまで説明の便宜上の一例に過ぎないが、このように、現在の健康状態によって、発症リスクの高い疾病の種類や順序も異なってくる。
 本実施形態において一次利用サービス提供部122が健康リスクの推定を行う際には、上述したような推定対象期間に応じた個別の推定と、現在の健康状態に応じた調整とを行う。なお、上述の例では、推定対象期間として、「今週」、「今月」、「今年」の例を挙げたが、実施形態はこれに限られるものではない。「過去1日分」、「過去1週間分」、「過去1ヶ月分」、「過去1年分」等のように、一定の単位で区切られた期間でもよいし、あるいは、ユーザから適宜設定を受け付け、ユーザの要望に応じた任意の期間であってもよい。
 なお、これまで、PHRビッグデータ解析部121が、ゲノムの型及びライフスタイルの型の組み合わせに応じて、疾病発症リスクにおけるゲノム要因及びライフスタイル要因の割合を示す「健康リスク推定テーブルT」を生成するものとして説明した。これに加えて、PHRビッグデータ解析部121は、「ゲノム要因の影響が強い疾病」について、疾病発症リスクを更に増加させる要因となるライフスタイルを示す情報を生成することも可能である。
 これまでに、ALDH2遺伝子にSNPを有する場合、喫煙習慣、飲酒習慣がある場合に食道癌の発症リスクが高くなることが知られている。このようなことから、例えば、ある遺伝子にSNPを有するゲノムの型のユーザについて、ライフスタイル別に発症リスクの高い疾病を解析することで、SNPを有することで発症する疾病とライフスタイルとの相関を推定することが可能となる。
 かかる場合、例えば、PHRビッグデータ解析部121は、ある遺伝子にSNPを有するゲノムの型のユーザをゲノム情報から検索する。そして、PHRビッグデータ解析部121は、ある遺伝子にSNPを有するゲノムの型のユーザの病歴情報(例えば、電子カルテ情報等から得られる)を参照して、発症リスクの高い疾病を特定する。続いて、PHRビッグデータ解析部121は、ある遺伝子にSNPを有するゲノムの型のユーザのライフログ情報を参照して、特定した疾病の発症リスクを高めるライフスタイルを特定する。
 また、上述した実施形態では、健康リスクグラフが「標準の健康状態にある者」を想定して作成されると述べたが、実施形態はこれに限られるものではない。例えば、糖尿病には、腎障害、網膜障害、神経障害等の合併症があることが知られている。また、高血圧には、脳卒中、各種心臓病、腎障害等の合併症があることが知られている。また、インフルエンザには、細菌性肺炎、インフルエンザ脳症、心筋炎等の合併症があることが知られている。このように、ある疾病に合併症がある場合、その疾病に罹患した者の健康リスクグラフにおいては、これらの合併症の発症リスクが高まると考えられる。そこで、例えば、PHRビッグデータ解析部121は、合併症を有する疾病に罹患している者を分類した上でコホート分析を行うことで、例えば、「糖尿病に罹患している者」、「高血圧の者」、「インフルエンザに罹患している者」を想定した罹患者専用の健康リスクグラフを作成することができる。また、この場合、一次利用サービス提供部122は、「糖尿病に罹患している者」、「高血圧の者」、「インフルエンザに罹患している者」に対して「日常人間ドック」サービスを提供する場合には、罹患者専用の健康リスクグラフを参照して、発症リスクの高い疾病を特定することができる。
(日常人間ドック-将来の健康リスクのお知らせ)
 さて、本実施形態において、一次利用サービス提供部122は、健康リスク推定テーブルTを用いて、PHRデータを提供したユーザ本人に対するフィードバックを行うことで、「日常人間ドック」を一次利用サービスとして提供する。その提供の手法としては様々な手法が考えられるが、以下では、図9を用いて1つの手法を説明する。
 図9は、本実施形態における元気予報ポータルサイトを説明するための図である。図9に示すように、例えば、一次利用サービス提供部122は、ヘルスケアクラウド10上にユーザA用のポータルサイト14aを立ち上げ、ユーザA及び家族に対してポータルサイト14aへのアクセスを許可する。また、例えば、一次利用サービス提供部122は、ヘルスケアクラウド10上に主治医用のポータルサイト14bを立ち上げ、主治医に対しては、主治医用のポータルサイト14b経由で、ユーザA用のポータルサイト14aへのアクセスを許可する。このように、ユーザA用のポータルサイト14aを介して、ユーザA、家族、主治医のアクセスを受け付けることで、ユーザA本人に対するフィードバックと、3者間の情報共有とを実現する。
 また、図9に示すように、本実施形態において、ポータルサイト14aを通じて閲覧可能な範囲は、主治医とユーザA本人(及び家族)とで異なっている。即ち、主治医であれば、ユーザAのPHRデータ自体、並びに、PHRデータに基づく健康リスクの推定結果の両方を閲覧することができる。一方、ユーザA本人や家族は、ユーザAのPHRデータ自体を閲覧することはできない。例えば、ゲノム情報の本人に対する開示は適宜制限されるべきだからである。なお、このような閲覧範囲の制限は一例に過ぎず、他の制限を設けてもよいが、一般に、本人の閲覧範囲よりも主治医の閲覧範囲が広くなる場合が多いと考えられる。
 また、主治医の意見に基づいて、ユーザA本人や家族に対する閲覧範囲を調整してもよい。例えば、一次利用サービス提供部122は、健康リスクの推定結果のうち、ユーザA本人に閲覧させた方が望ましい項目、閲覧させない方が望ましい項目の指定を、主治医から受け付ける。そして、一次利用サービス提供部122は、主治医からの指定に従って、ユーザA本人に対して閲覧させる閲覧範囲を調整する。例えば、一次利用サービス提供部122は、主治医用の健康リスクグラフを表示する場合に表示していた疾病の一部を、ユーザ用の健康リスクグラフを表示する場合には非表示とする。本実施形態においては、ユーザのゲノム要因の影響を強く受ける疾病についても、発症リスクの高い疾病として判明する可能性がある。しかしながら、このようなゲノム要因の影響を強く受ける疾病は、ライフスタイルの変更によっても避けられないこと、且つ、例えば治療法が確立しない難病の場合には、本人への告知が意味をなさない(若しくは、かえって悪影響を与える)事態が想定される。そこで、一次利用サービス提供部122は、ユーザ用の健康リスクグラフを表示する場合には、疾病の一部を非表示とすることができる。例えば、一次利用サービス提供部122は、主治医から、非表示とすべき疾病の指定を受け付け、健康リスクグラフの表示にあたり、この指定を反映して、非表示とする。また、このような難病に限られず、例えば、主治医が、本人の性格を考慮して、本人への告知が望ましくないと考える場合も想定される。このような場合も、例えば、一次利用サービス提供部122は、主治医から、非表示とすべき疾病の指定を受け付け、健康リスクグラフの表示にあたり、この指定を反映して、非表示とする。
 このように、主治医と、ユーザA本人や家族とでは閲覧範囲が異なること、また、そもそも、主治医と、ユーザA本人や家族とでは閲覧の目的も異なることから、本実施形態においては、図9に示すように、主治医用のコンテンツ14cと、ユーザA本人や家族用のコンテンツ14dとが、別々に準備される。この点については、以下で画面遷移を説明する際に詳しく述べる。
 また、本実施形態において、一次利用サービス提供部122は、健康リスクの推定結果を、「健康リスクグラフ」、「バーチャルクローン」、「健康ステータス」、「健康リスクを視覚的に表現したマーク」、「文字情報」のうちの1つ若しくは複数で提示する。
 例えば、一次利用サービス提供部122は、健康リスクの推定結果を、ユーザA本人のPHRデータと紐付いた、「バーチャルクローン」によって提示する。例えば、「バーチャルクローン」は、過去から未来までの各時点に対応付けて設定されており、各時点における健康状態を、部位毎に点数化された健康ステータスの形で保持する。例えば、一次利用サービス提供部122は、健康リスクグラフからライフスタイル要因の影響が強い疾病を適宜抽出し、疾病の種類に応じた重み付けを行い、部位毎に点数を算出する。なお、ある部位の疾病が他の部位にも影響を及ぼす場合には、一次利用サービス提供部122は、その点を加味して点数を算出する。また、例えば、「バーチャルクローン」は、健康ステータスに応じた表情の画像を保持する。こうして、病気への距離感の見える化が実現される。
 例えば、過去の「バーチャルクローン」は、過去のPHRデータから判明する過去の健康状態やライフスタイルの型に応じた健康ステータス、及び、既往症の情報を保持する。現在の「バーチャルクローン」は、現在のPHRデータから判明する現在の健康状態やライフスタイルの型に応じた健康ステータス、及び、現在罹患中の疾病の情報を保持する。未来の「バーチャルクローン」は、現在のPHRデータから判明する現在の健康状態に、現在のライフスタイルの型を加味した未来の健康ステータス、及び、未来において発症リスクの高い疾病の情報を保持する。更に、本実施形態においては、ユーザA本人にとって理想の「バーチャルクローン」も設定、提示される。
 例えば、ユーザAや主治医は、ユーザA用のポータルサイト14aにアクセスしてユーザAの「バーチャルクローン」を閲覧することで、ユーザA本人の健康状態を過去から未来に亘るまで把握することができる。例えば、ユーザAや主治医は、「バーチャルクローン」の時間を過去に移動させることで、本人の病歴やその重症度を把握することができる。また、例えば、ユーザAや主治医は、「バーチャルクローン」の時間を未来に移動させることで、本人の現在のライフスタイルを前提とした未来の健康リスクを表示させることができる。
 また、例えば、一次利用サービス提供部122は、健康リスクの推定結果を、「健康リスクを視覚的に表現したマーク」で提示する。このマークは、例えば、健康ステータスに応じたマークとなっており、健康ステータスが悪ければ「悪魔」、健康ステータスが良ければ「天使」のように、ユーザにとって認識し易いものが望ましい。また、例えば、一次利用サービス提供部122は、健康リスクの推定結果を、「文字情報」で提示する。例えば、一次利用サービス提供部122は、健康リスクグラフからライフスタイル要因の影響が強い疾病を適宜抽出し、抽出した疾病の名称を並べて提示する。あるいは、先に述べた「バーチャルクローン」において、将来の健康状態から予測される特徴的な風貌を自分の顔や容姿に反映させた自己像を提示することで、直感的に現状生活の及ぼす、X年後の自分の将来像を表示させることでもよい。
 図10は、本実施形態における「日常人間ドック」の処理手順を示す図である。図10に示すように、ユーザAは、PHR処理装置100に対して、予めゲノム情報を登録しているものとする(ステップS101)。なお、このステップS101の処理は、原則として少なくとも1回行われればよい処理であり、ステップS102以降の処理が、繰り返し行われる処理である。
 また、図10に示すように、ユーザAは、PHR処理装置100に対して、センサやその他の情報端末によって収集されたライフログ情報を、装着型情報端末から、日々送信する(ステップS102)。PHR処理装置100のPHR蓄積部110は、受信したライフログ情報を、ユーザAのPHRデータとして日々蓄積し、一元管理する。
 一次利用サービス提供部122は、例えば、1週間に1回の頻度で、ステップS103以降の処理を行う。まず、一次利用サービス提供部122は、健康リスクの推定対象期間毎に、ユーザAのライフスタイルの型を判定する(ステップS103)。例えば、一次利用サービス提供部122は、ユーザAのPHRデータから、今週のライフログ情報D1、今月のライフログ情報D2、今年のライフログ情報D3をそれぞれ抽出し、推定対象期間毎に、ユーザAのライフスタイルの型を判定する。
 続いて、一次利用サービス提供部122は、予め判明しているユーザAのゲノムの型と、ステップS103で判定したライフスタイルの型とを用いて、健康リスクの推定対象期間毎に、健康リスク推定テーブルTを参照する(ステップS104)。例えば、一次利用サービス提供部122は、健康リスク推定テーブルTを参照し、ユーザAのゲノムの型が3型で、今週のライフスタイルの型が3型である場合、図7の(B)の健康リスクグラフを特定する。このように、一次利用サービス提供部122は、推定対象期間毎に、健康リスクグラフを特定する。
 次に、一次利用サービス提供部122は、ユーザAの現在の健康状態に応じて、ステップS104で得られた健康リスクグラフを、推定対象期間毎に調整する(ステップS105)。例えば、一次利用サービス提供部122は、ユーザAの生体情報から、ユーザAの肝機能が極めて良好な状態であると判明した場合、「肝細胞癌(C220)」の発症リスクは低いと判定して、今週の健康リスクグラフからこれを削除する。
 そして、一次利用サービス提供部122は、現在から未来までの健康ステータスを推定対象期間毎に算出し(ステップS106)、推定対象期間毎に準備された、現在から未来までの「バーチャルクローン」に登録する(ステップS107)。例えば、一次利用サービス提供部122は、前の週に算出された現在の健康ステータスと今週の生体情報とに基づいて、ユーザAの現在の健康ステータスを算出し、これを、ユーザAの現在の「バーチャルクローン」に対応付けて登録する。また、一次利用サービス提供部122は、現在の健康ステータスを基準に、加齢に伴う減点や、ステップS105で判明した未来の健康リスクに伴う減点等を組み合わせて未来の健康ステータスを算出し、これを、ユーザAの未来の「バーチャルクローン」に対応付けて登録する。なお、一次利用サービス提供部122は、未来のある時点について健康ステータスを算出すると、現在からその時点までの間の中間の時点や、その時点以降の更に未来の時点の健康ステータスを、適宜補間により(複数の時点の健康リスク推定テーブルTが準備されている場合は、それを用いて)算出する。例えば、一次利用サービス提供部122は、1日後、1週間後、1ヶ月後から、1年後、5年後、10年後、あるいは20年後まで、各時点の健康ステータスを算出する。また、一次利用サービス提供部122は、このような健康ステータスの算出を、推定対象期間毎に行う。
 また、一次利用サービス提供部122は、ユーザAの主治医が保持する健康リスクランキングリストを更新する(ステップS107)。例えば、一次利用サービス提供部122は、主治医が担当する複数のユーザに関して、例えば、推定対象期間を「今年」とした場合の10年後の健康ステータスに基づいて、疾病の発症リスクが高い者から順に並べた、健康リスクランキングリストを作成している。そこで、一次利用サービス提供部122は、ステップS106で算出された「今年」の健康ステータスに基づいて、この健康リスクランキングリストを更新する。
 そして、一次利用サービス提供部122は、上述した処理の結果を、主治医用のコンテンツ、ユーザA用のコンテンツにそれぞれ反映する(ステップS108)。例えば、一次利用サービス提供部122は、主治医用のコンテンツにおいては、更新された健康リスクランキングを反映する。また、一次利用サービス提供部122は、ユーザA用のコンテンツにおいては、推定対象期間毎のライフスタイルの型、推定対象期間毎の健康リスクグラフ、推定対象期間毎の健康ステータスを反映する。
 そして、一次利用サービス提供部122は、主治医に対して登録を通知する(ステップS109)。主治医は、まず、主治医用のポータルサイトにおいて健康リスクランキングを閲覧する。そして、例えば、健康リスクランキングでユーザAが上位に位置付けられていた場合には、主治医は、更に、ユーザA用のポータルサイトを閲覧し、自身のコメントを録画して、ユーザA用のポータルサイトにアップロードする(ステップS110)。なお、コメントは、動画データに限られるものではなく、テキストデータによるコメント等でもよい。
 続いて、一次利用サービス提供部122は、ユーザA本人に登録を通知し(ステップS111)、ユーザAが、ユーザA用のポータルサイトを閲覧する(ステップS112)。ステップS110において既に主治医のコメントが録画されている場合、ユーザAは、主治医のコメントとしてこの動画を再生することもできる。
 なお、図10に示した処理手順は一例に過ぎない。例えば、図10では、主治医によるコメント付与を待って、ユーザA本人による閲覧を可能とする処理手順としたが、実施形態はこれに限られるものではない。例えば、一次利用サービス提供部122は、ユーザ、家族、主治医の3者に対して同時に、ポータルサイトの登録を通知してもよい。また、図10に示した処理手順は、主治医の介在を前提とせずに行われてもよい。その他、推定対象期間の設定や健康ステータスの算出等は、サービスの提供形態に応じて、任意に変更することや、省略することが可能である。
 次に、主治医用のポータルサイトやユーザA用のポータルサイトにおいて、どのようなコンテンツを閲覧することができるか、その一例を画面遷移によって説明する。図11は、本実施形態における主治医用ポータルサイトの画面遷移を示す図であり、図12は、本実施形態におけるユーザ用ポータルサイトの画面遷移を示す図である。なお、図11や図12に示す画面遷移はあくまで一例に過ぎず、その画面遷移の順序や、画面の構成等は、任意に変更することが可能である。
 ここで、以下に例示する画面遷移は、主治医のPHR表示装置200、又は、ユーザA本人のPHR表示装置200において表示されるものである。これは、一次利用サービス提供部122による制御により実現されるものであると同時に、PHR表示装置200側の表示制御部210による表示制御により実現されるものである。
 まず、主治医側の画面遷移を説明する。主治医は、PHR表示装置200によって主治医用のポータルサイトにアクセスする。すると、図11の画面P1に示すように、健康リスクランキングリストの更新があったことが通知されている。そこで、主治医は、『Enter』ボタンを押下して、健康リスクランキングリストを閲覧する。
 すると、画面P2に示すように、一次利用サービス提供部122は、主治医のPHR表示装置200に、健康リスクランキングを表示する。健康リスクランキングには、健康リスクスコアが低い順に、ユーザの氏名と、健康リスクスコアと、発症リスクが高い疾病の名称とが表示される。例えば、この健康リスクランキングの上位に、ユーザAの氏名が含まれていたとする。
 この場合、主治医は、健康リスクランキング上でユーザAの名前を選択し、ユーザA用のポータルサイトにアクセスする。すると、画面P3に示すように、一次利用サービス提供部122は、主治医のPHR表示装置200に、ユーザA用のポータルサイトを表示する。例えば、一次利用サービス提供部122は、ユーザAの現在の「バーチャルクローン」を表示する。なお、画面P3に示すように、画面上には、推定対象期間を選択するためのタブ(「今週」、「今月」、「今年」のタブ)が設定されている。ここでは、主治医が、推定対象期間として「今週」を選択したものとして説明する。また、「バーチャルクローン」の下には、確認したい時点を受け付けるためのツールとして、バーが表示されている。例えば、主治医は、このバーの位置を10年後の「2023年」に合わせ、『健康リスクグラフを確認』のボタンを押下する。
 すると、画面P4に示すように、一次利用サービス提供部122は、主治医のPHR表示装置200に、ユーザAのゲノムの型と今週のライフスタイルの型とを表示するとともに、該当する健康リスクグラフを表示する。また、図示を省略するが、一次利用サービス提供部122は、必要に応じて、ライフスタイルの型の各項目の内容を具体的に表示してもよい。そして、例えば、主治医は、健康リスクグラフを確認後、『PHR確認』のボタンを押下する。
 すると、画面P5に示すように、一次利用サービス提供部122は、ユーザAのPHRデータを表示する。なお、画面P5においては、ライフログ情報をグラフ形式で表示する例を示すが、実施形態はこれに限られるものではない。一次利用サービス提供部122は、主治医によって指定されたPHRデータを主治医が望む形式(例えば、表形式)に加工して表示することができる。例えば、主治医は、推定対象期間毎の健康リスクグラフやPHRデータをひと通り確認すると、『コメント』のボタンを押下する。
 そして、画面P6に示すように、主治医は、例えば、PHR表示装置200の録画機能を用いてコメント動画を録画し、『送信』ボタンを押下することで、コメント動画をアップロードする。
 上述してきた画面遷移について、PHR表示装置200の表示制御部210による表示制御の観点から説明すると、以下の通りである。例えば、主治医のPHR表示装置200は、ユーザのPHRデータに基づいて推定されたユーザの将来の健康リスクを表示部220に表示する表示制御部210を備える。表示制御部210は、複数のユーザ間の比較に基づく健康リスクランキングリストを表示し、健康リスクランキングリストに対して所定のユーザが指定された場合に、指定されたユーザの将来の健康リスク及びPHRデータを表示する。将来の健康リスクは、例えば、バーチャルクローンや、健康リスクグラフ、その他の文字情報等で表示される。また、PHRデータは、グラフ形式や、表形式、その他の文字情報等で表示される。また、表示制御部210は、ユーザのPHRデータとして、ゲノムの型、及び、ライフスタイルの型を表示する。なお、図11においては図示を省略するが、表示制御部210は、疾病の名称を表示する場合に、正式名称やICDコードで表示する。
 次に、ユーザA側の画面遷移を説明する。ユーザAは、PHR表示装置200によって、ユーザA用のポータルサイトにアクセスする。すると、図12の画面P7に示す画面が表示されるので、ユーザAは、『Enter』ボタンを押下して、閲覧を開始する。
 すると、画面P8に示すように、一次利用サービス提供部122は、ユーザAの現在の「バーチャルクローン」を表示する。なお、画面P8に示すように、画面上には、推定対象期間を選択するためのタブ(「今週」、「今月」、「今年」のタブ)が設定されている。ここでは、ユーザAが、推定対象期間として「今週」を選択したものとして説明する。また、「バーチャルクローン」の下には、確認したい時点を受け付けるためのツールとして、バーが表示されている。例えば、ユーザAは、このバーの位置を10年後の「2023年」に合わせ、『詳細』のボタンを押下する。
 すると、画面P9に示すように、一次利用サービス提供部122は、ユーザAによって指定された時点の「バーチャルクローン」と、その時点の健康ステータスとを表示する。また、一次利用サービス提供部122は、健康リスクの推定結果「10年後(2023年)に、「アルコール性肝疾患」、「糖尿病」を発症するリスクが高まっています」を表示する。また、一次利用サービス提供部122は、健康リスクを視覚的に表現したマークを表示する。画面P9の例では、重い疾病を発症するリスクが高まっていることを視覚的に表現する意味で、「悪魔」のマークが表示されている。ここで、例えば、ユーザは、『シミュレーション』のボタンを押下する。
 すると、画面P10に示すように、一次利用サービス提供部122は、ライフスタイルの変更を受け付けて健康リスクをシミュレーションするシミュレーション画面を表示する。図13は、本実施形態における健康リスクのシミュレーションを説明するための図である。例えば、一次利用サービス提供部122は、図13に示すように、ライフログ情報から得られる10の項目について、「レベルI」から「レベルIII」までの3段階を選択可能なGUI(Graphical User Interface)を表示する。図13に示すGUIにおいて、各項目の各レベルは、ユーザの押下によって選択可能なボタンとなっている。一次利用サービス提供部122は、初めは、図13の左側に示すように、ユーザAの現在のライフスタイルの型を選択状態にして表示するが、図13の右側に示すように、ユーザAからの押下を受け付けて、そのライフスタイルの型を変更する。ここでは、例えば、ユーザAが、項目「飲酒」のレベルを「レベルIII」から「レベルII」に引き下げ、項目「疲れ」のレベルを「レベルII」から「レベルI」に引き下げた例を示す。なお、ユーザAによる選択の結果、ライフスタイルの型が30型に変更されたことも表示されている。また、シミュレーションのためのGUIは、図13の例に限られるものではない。例えば、プルダウンメニュー等で変更するものでもよい。
 こうして、シミュレーションしたいライフスタイルの型を選択すると、ユーザAは、図12の画面P10において、『実行』のボタンを押下する。すると、一次利用サービス提供部122は、シミュレーションされたライフスタイルの型に対応する健康リスクグラフを特定するとともに、ユーザAの現在の健康状態に応じて、この健康リスクグラフを調整し、画面P11に示すように、シミュレーション後の健康リスクグラフを表示する。
 ここで、一次利用サービス提供部122は、主治医等の医師に対して健康リスクグラフを表示する場合と、ユーザに対して健康リスクグラフを表示する場合とで、その表示形態を変更する。図14は、本実施形態において主治医及びユーザに表示される健康リスクグラフを説明するための図である。表示形態を変更するポイントは、主に次の2点である。
 まず1点目は、疾病の名称の表示形態である。図14に示すように、一次利用サービス提供部122は、主治医用の健康リスクグラフを表示する場合には、疾病の正式名称と、ICDコードとを表示する。一方で、一次利用サービス提供部122は、ユーザ用の健康リスクグラフを表示する場合には、疾病の通称を表示する。例えば、一次利用サービス提供部122は、主治医用の健康リスクグラフにおいて、「肝細胞癌(C220)」と表示していた疾病を、ユーザ用の健康リスクグラフにおいては、「肝臓癌」と表示する。また、例えば、一次利用サービス提供部122は、主治医用の健康リスクグラフにおいて、「糖尿病性腎症(E142)」と表示していた疾病を、ユーザ用の健康リスクグラフにおいては、単に「糖尿病」と表示する。なお、一次利用サービス提供部122は、正式名称及びICDコードと、通称との対応付けを予め保持し、健康リスクグラフの表示にあたり、この対応付けを参照して、適宜置き換えを行う。
 次に2点目は、疾病の非表示である。図14に示すように、一次利用サービス提供部122は、主治医用の健康リスクグラフを表示する場合に表示していた疾病の一部を、ユーザ用の健康リスクグラフを表示する場合には非表示とする。即ち、上述したように、本実施形態においては、ユーザのゲノム要因の影響を強く受ける疾病についても、発症リスクの高い疾病として判明する可能性がある。しかしながら、このようなゲノム要因の影響を強く受ける疾病は、ライフスタイルの変更によっても避けられないこと、且つ、例えば治療法が確立しない難病の場合には、本人への告知が意味をなさない(若しくは、かえって悪影響を与える)事態が想定される。そこで、一次利用サービス提供部122は、ユーザ用の健康リスクグラフを表示する場合には、疾病の一部を非表示とすることができる。例えば、一次利用サービス提供部122は、主治医用の健康リスクグラフを表示する場合に表示していた疾病「脊髄小脳変性症(G319)」を、ユーザ用の健康リスクグラフを表示する場合には非表示とする。なお、例えば、一次利用サービス提供部122は、ゲノム要因の影響が強い難病のリストを予め保持し、健康リスクグラフの表示にあたり、このリストを参照して、適宜非表示とする。あるいは、例えば、一次利用サービス提供部122は、主治医から、非表示とすべき疾病の指定を受け付け、健康リスクグラフの表示にあたり、この指定を反映して、非表示とする。
 例えば、ユーザAは、シミュレーション後の健康リスクグラフを確認すると、『健康ステータス』のボタンを押下する。すると、画面P12に示すように、一次利用サービス提供部122は、シミュレーション後の「バーチャルクローン」と、健康ステータスとを表示する。例えば、ユーザAは、シミュレーション後の「バーチャルクローン」の表情や、健康ステータスを確認することで、シミュレーションの内容を実行することにより、健康リスクや健康ステータスが改善することを認識することができる。例えば、ユーザAは、飲酒をやや控え、十分に休養をとる生活に切り換えることで、「アルコール性肝疾患」や「肝臓癌」の発症を回避できることを認識することができる。また、一次利用サービス提供部122は、重い疾病を発症するリスクが低まったことを視覚的に表現したマークとして、「天使」のマークを表示する。なお、例えば、主治医からのコメントがアップロードされていた場合、一次利用サービス提供部122は、画面P12上に、『主治医からのコメント』のボタンを表示する。ユーザAは、この『主治医からのコメント』のボタンを押下することで、主治医のコメントを確認することもできる。
 上述してきた画面遷移について、PHR表示装置200の表示制御部210による表示制御の観点から説明すると、以下の通りである。例えば、ユーザA本人のPHR表示装置200は、ユーザのPHRデータに基づいて推定されたユーザの将来の健康リスクを表示部220に表示する表示制御部210を備える。表示制御部210は、将来の健康リスクとともに、ユーザAの目標の健康状態及び当該目標の健康状態に到達するための指導情報のうち、少なくとも1つを表示する。将来の健康リスクは、例えば、「バーチャルクローン」や、健康ステータス、健康リスクグラフ、その他の文字情報等で表示される。また、目標の健康状態は、理想の「バーチャルクローン」や、理想の健康ステータス、シミュレーション後の健康リスクグラフ、その他の文字情報等で表示される。また、指導情報は、主治医からのコメントや、予め準備された文字情報等で表示される。
 また、表示制御部210は、操作者から推定の時点の指定を受け付けると、受け付けた時点に応じた将来の健康リスクを表示する。また、表示制御部210は、操作者から、推定に用いるユーザのPHRデータの期間の幅を受け付けると、受け付けた期間の幅に応じた将来の健康リスクを表示する。受け付けた期間の幅に応じた将来の健康リスクは、予め期間毎に準備されるものでもよいし、ユーザの指定を受け付けてから準備されるものでもよい。また、表示制御部210は、操作者からライフスタイルの変更指示を受け付けると、受け付けた変更指示に応じてシミュレーションされた将来の健康リスクを更に表示する。また、表示制御部210は、将来の健康リスクとして、ユーザAが将来発症し得る疾病の名称を、通称で表示する。また、表示制御部210は、ユーザA若しくはユーザAの家族に対して疾病の名称を表示する場合には、必要に応じて、一部の疾病の名称を非表示とする。
 また、図12の例においては、ユーザA自身がライフスタイルを変更するシミュレーションを行って、シミュレーション後の健康リスクグラフや健康ステータスを確認する例を説明したが、実施形態はこれに限られるものではない。例えば、一次利用サービス提供部122は、理想の「バーチャルクローン」をユーザAに提案するライフスタイルとともに提示し、ユーザAに対して、ライフスタイルの改善を自動的に提案することもできる。
 このように、「将来の健康リスクのお知らせ」によれば、家族や主治医は、「バーチャルクローン」を通じて、ユーザ本人の体や心の健康をモニターすることができる。そして、適切な励ましや理想に向けた指導をすることもできる。ユーザ本人にとっては、健康作りのための手法や進捗状況を具体的に把握することができ、モチベーションを更に高めることができる。なお、上述した実施形態では、「バーチャルクローン」との対話や応答を想定していないが、例えば、シミュレーション技術を併せて活用することで、「バーチャルクローン」との対話や応答も実現することが可能である。この場合、ユーザ本人の「バーチャルクローン」のみならず、家族の「バーチャルクローン」や、主治医の「バーチャルクローン」を設定してもよい。これらの「バーチャルクローン」には、想定される会話や指導内容を、予め設定しておく。すると、実際に家族や主治医からコメントが付与されていない状況でも、ユーザは、コメントを得ることができる。更に、ユーザは、自分自身の「バーチャルクローン」と対話してもよい。
 上述してきたように、本実施形態によれば、ゲノム情報を含むPHRデータを活用し、各個人のライフスタイルとそのライフスタイルを続けることによる将来の健康リスクとを精度良く提示することができる。また、本実施形態によれば、最適な食事、運動、ライフスタイルの変革、個人に有効な医薬やサプリメントの推定をすることで、より健康で理想的な自己に近付く環境をもたらすことができる。また、理想の自己への到達度チェックは、目標が見えづらい努力の成果を具体化し、意欲や喜びに変える。なお、本実施形態は、災害等で孤立し、避難地で体調が悪化した際に、所在、生存状況、体調を遠隔で把握し管理する災害レジリエント対応も可能である。
(「健康リスク推定テーブルT」のその他の利用)
 また、上述した実施形態では、具体例として、ユーザのゲノムの型及びライフスタイルの型を用いて「健康リスク推定テーブルT」を参照し、ライフスタイル要因の影響が強い疾病の情報を、健康リスクの推定結果としてフィードバックする例を説明した。しかしながら、「健康リスク推定テーブルT」から得られる情報の利用形態はこれに限られるものではない。
 例えば、ユーザにとって発症リスクの高い疾病が判明したのであるから、例えば、ユーザから収集するライフログ情報の項目を発症リスクの高い疾病に関する項目に絞り込み、集中的に収集するようにしてもよい。例えば、ユーザ側で利用するセンサの種類や項目を、ユーザのゲノムの型及びライフスタイルの型に合わせて変更することができる。
 また、例えば、ユーザのゲノムの型及びライフスタイルの型を用いて「健康リスク推定テーブルT」を参照することにより、ゲノム要因の影響が強い疾病の情報、即ち、ユーザによって遺伝的にハイリスクな疾病を推定することも可能である。
 また、例えば、一次利用サービス提供部122は、ユーザにとって発症リスクの高い疾病の予兆を、日々ユーザから送信されるPHRデータから、いち早く補足する仕組みを設けてもよい。例えば、一次利用サービス提供部122は、特定の疾病に合わせた閾値を設け、ユーザから送信されるPHRデータを、逐次その閾値で確認する。
 例えば、ハイリスクな疾病が判明したユーザに対しては、例えば、脳や心疾患等、重篤な疾患での予兆の補足を全センサが集中することで、サインを捉えて本人に警告して休憩を促し、早期受診を手配することで発作を抑え、発作が生じても、軽度のうちに迅速な対応や治療が可能となる等、新たな予防・先制医療革命をもたらす波及効果がある。あるいは、心突然死の発症リスクが高いユーザをゲノム情報で選別し、センサで常時自動監視し、発作を未然に防ぐためのライフスタイルの指示や、不整脈の発作時のみ補助的にペースメーカーを作動させたり、抗不整脈薬や抗血栓剤を充填した電子ピルをONにしたり、体調が悪化した際には即座に近隣医療機関や救急要請連絡、心停止の際には近隣のAED(Automated External Defibrillator)の所在場所の指示や救護対応支援等の緊急対応システムが構築可能となる。その結果、突然死や発作後の重症化に伴う長期に亘る後遺症、リハビリテーション、二次障害による寝たきりや痴呆症を予防低減することができ、高齢化社会でも誰もが健康に不安なく趣味や仕事、家事に取り組み、快活で安寧な人生を送ることができる。
 また、ストレス時の不整脈に伴う脳梗塞発症サイン等、遺伝的にハイリスクな発症予備軍に対して、日常のデータ監視を強化するなかから、これらを見逃すことなく異常ログを捕捉することで、精度良く早期警戒情報や発症予防措置を各個人や医療機関へフィードバックすることが可能となる。これは、予め登録した離れた家族の情報も同様にフィードバック可能である。その結果、個人にとって最適なエビデンスに基づく個別化のための健康指導法や食、運動のより相応しい選択や生活様式の選択までをも通じて、具体的且つ、無理なく楽しく理想自己の実現が可能となるとともに、家族の見守りをまるで傍らにいるかのように常時行い、安寧な生活を実現できる。
(二次利用サービス)
 さて、これまで、PHRデータの一次利用サービスの一例として、「日常人間ドック」や、「将来の健康リスクのお知らせ」を説明してきたが、上述したように、本実施形態において、PHR処理装置100は、PHRデータの二次利用サービスの提供も想定している。例えば、PHR処理装置100は、ゲノムの型及びライフスタイルの型の組み合わせとある特定の目的との関連性を導き出すべく大規模ゲノム・コホートデータベース114aを解析し、ある一定の関連性を示す解析結果を得て、これを医療機関や各種企業等に提供する。
 なお、大規模ゲノム・コホートデータベース114aに蓄積されたPHRビッグデータは、元々は各個人から収集されたPHRデータであり、即ち、個人情報である。このため、PHRデータの利用に関しては、「PHRデータの一次利用は許諾できるが二次利用は許諾できない」、「PHRデータの一次利用、二次利用のいずれも許諾できる」といったように、各個人の意思が異なる場合がある。そこで、本実施形態において、PHR処理装置100は、PHRデータを提供する各個人との間で予め、どの利用までを許諾するかを示す利用許諾を受け付け、利用許諾の情報をPHRデータに付帯させて管理している。利用許諾は、PHRデータ全体、あるいは、PHRデータ内の細分化項目の単位で受け付けられる。以下では、この利用許諾が得られていることを前提に、二次利用サービスの具体例を説明する。なお、以下に説明する具体例は一例に過ぎず、二次利用サービスは以下の具体例に限られるものではない。
 まず、第1の例として、ゲノムの型及びライフスタイルの型の組み合わせと、「薬効」との関連性を導き出し、これを医薬品の処方に活用する例を説明する。
 図15及び図16は、本実施形態における二次利用サービスの一例(第1の例)を説明するための図である。上述したように、大規模ゲノム・コホートデータベース114aは、各個人のPHRデータであるライフログ情報等が日々新たに蓄積されるとともに、新たな個人のPHRデータが新たな運用管理の対象として蓄積されることで、その規模を日々拡大している。
 PHRビッグデータ解析部121は、特定の医薬品の薬効という解析の目的の入力を受け付け、大規模ゲノム・コホートデータベース114aに蓄積されたPHRビッグデータを対象にコホート分析を行い、ゲノムの型及びライフスタイルの型の組み合わせと、特定の医薬品の薬効との関連性を導き出す。例えば、PHRデータには、電子カルテ情報が含まれており、電子カルテ情報には、当該個人に処方された医薬品の情報や、その後の経過を表す情報が含まれている。また、PHRデータには、ライフログ情報が含まれており、ライフログ情報には、医薬品が処方された後の当該個人の体調変化を表す情報や、当該個人の生活状況を表す情報が含まれている。
 そこで、PHRビッグデータ解析部121は、これらの情報を含むPHRビッグデータを対象にコホート分析を行うことで、ゲノムの型及びライフスタイルの型の組み合わせと、薬効及び副作用との関連性を導き出す。そして、PHRビッグデータ解析部121は、図15に示すように、ゲノムの型及びライフスタイルの型の組み合わせを、薬効及び副作用の有無によって分類する。
 例えば、PHRビッグデータ解析部121は、特定の要因に曝露された集団(特定のゲノムの型及びライフスタイルの型の組み合わせにあてはまる集団)と曝露されていない集団(その組み合わせにあてはまらない集団)とを一定期間追跡し、薬効及び副作用の有無を比較することで、要因(特定のゲノムの型及びライフスタイルの型の組み合わせ)と、薬効及び副作用との関連性を導き出す。そして、PHRビッグデータ解析部121は、導き出した関連性に基づいて、ゲノムの型及びライフスタイルの型の組み合わせを、「薬効(-)、副作用(+)」、「薬効(-)、副作用(-)」、「薬効(+)、副作用(+)」、及び「薬効(+)、副作用(-)」の各グループに分類する。
 ここで、「薬効(-)、副作用(+)」及び「薬効(-)、副作用(-)」のグループに分類された型の組み合わせを有する者に対しては、その医薬品を処方することは不可である。また、「薬効(+)、副作用(+)」のグループに分類された型の組み合わせを有する者に対しては、その医薬品を処方することができるが、副作用を考慮する必要がある。また、「薬効(+)、副作用(-)」のグループに分類された型の組み合わせを有する者に対しては、その医薬品を処方することができる。この情報を医師に提供することで、医師は、患者に対して医薬品を処方する前に、その患者の型の組み合わせに応じた判断を行うことができる。
 そこで、例えば、二次利用サービス提供部123は、医療機関との間で予め交わされた契約に基づいて、ゲノムの型及びライフスタイルの型の組み合わせと、薬効及び副作用との関連性を活用するための二次利用サービスを、医療機関の医師に対して提供する。その提供の手法としては様々な手法が考えられるが、以下では、図16を用いて1つの手法を説明する。
 図16に示すように、例えば、二次利用サービス提供部123は、ヘルスケアクラウド10上に二次利用サービス用のポータルサイト14eを立ち上げ、医療機関の医師に対してポータルサイト14eへのアクセスを許可する。また、二次利用サービス提供部123は、医師に対して各個人のPHRデータへのアクセスを許可するとともに、ゲノムの型及びライフスタイルの型の組み合わせの分類結果へのアクセスを許可する。すると、医師は、ポータルサイト14eを介して、例えば、患者BのPHRデータを閲覧し、患者Bのゲノムの型及びライフスタイルの型の組み合わせを確認する。また、医師は、ポータルサイト14eを介して、分類結果を確認する。そして、医師は、患者Bのゲノムの型及びライフスタイルの型と、分類結果とを照合し、この患者Bに、特定の医薬品を処方すべきか否か、あるいは処方にあたり副作用を考慮する必要があるか否かを判断する。そして、医師は、この判断に基づいて、患者Bに対する処方箋を作成する。
 なお、二次利用サービスの提供の手法は、上述した手法に限られるものではない。二次利用サービス提供部123は、例えば、個人のゲノムの型及びライフスタイルの型の情報を含む実名リストと、特定の医薬品に関する分類結果とを作成し、これらを、医療機関等に送信してもよい。また、実名リストや分類結果は、オフラインで提供されてもよい。
 続いて、第2の例として、ゲノムの型及びライフスタイルの型の組み合わせと、「食品・サプリメントの効果」との関連性を導き出し、これを食品・サプリメントの販売や宣伝等に活用する例を説明する。
 図17は、本実施形態における二次利用サービスの一例(第2の例)を説明するための図である。PHRビッグデータ解析部121は、特定の健康飲料に含まれる成分(若しくは、その類似成分)による効果との関連性を導き出すという解析の目的の入力を受け付け、大規模ゲノム・コホートデータベース114aに蓄積されたPHRビッグデータを対象にコホート分析を行い、ゲノムの型及びライフスタイルの型の組み合わせと、特定の健康飲料との関連性を導き出す。例えば、PHRデータには、ライフログ情報が含まれており、ライフログ情報には、当該個人の体調を表す情報や、食品・サプリメントの摂取状況を表す情報が含まれている。
 そこで、PHRビッグデータ解析部121は、これらの情報を含むPHRビッグデータを対象にコホート分析を行うことで、ゲノムの型及びライフスタイルの型の組み合わせと、特定の健康飲料との関連性を導き出す。例えば、PHRビッグデータ解析部121は、特定の要因に曝露された集団(特定のゲノムの型及びライフスタイルの型の組み合わせにあてはまる集団)と曝露されていない集団(その組み合わせにあてはまらない集団)とを一定期間追跡し、解析の対象とする特定の健康飲料に含まれる成分(若しくは、その類似成分)による効果の有無を比較することで、要因(特定のゲノムの型及びライフスタイルの型の組み合わせ)と、特定の健康飲料との関連性を導き出す。
 そして、PHRビッグデータ解析部121は、導き出した関連性に基づいて、ゲノムの型及びライフスタイルの型の組み合わせを、特定の健康飲料に含まれる成分(若しくは、その類似成分)に対する効果を有するグループと、効果を有しないグループとに分類する。更に、PHRビッグデータ解析部121は、効果を有するグループを、摂取中の食品・サプリメントとの食べ合わせに鑑みて、2つのグループに分類する。
 即ち、特定の健康飲料に対して効果を有しないグループに分類された型の組み合わせを有する者に対しては、その健康飲料を販売することは推奨されない。また、特定の健康飲料に対して効果を有するグループのうち、摂取中の食品・サプリメントとの食べ合わせに留意しなければならないグループに分類された型の組み合わせを有する者に対しては、その健康飲料を販売することは可能であるが、摂取にあたって食べ合わせの留意点を伝えることが望ましい。また、残りのグループに分類された型の組み合わせを有する者に対しては、その健康飲料を販売することが推奨される。
 そこで、例えば、二次利用サービス提供部123は、食品・サプリメント販売会社との間で予め交わされた契約に基づいて、ゲノムの型及びライフスタイルの型の組み合わせと、健康飲料との関連性を活用するための二次利用サービスを、食品・サプリメント販売会社15aに対して提供する。その提供の手法としては様々な手法が考えられるが、以下では、図17を用いて1つの手法を説明する。
 図17に示すように、例えば、二次利用サービス提供部123は、PHRデータの提供者であるユーザ群の中から、特定の健康飲料を販売することが可能、若しくは推奨されるグループに分類された型の組み合わせを有するユーザを抽出する。そして、二次利用サービス提供部123は、これらのユーザについて、留意点を含む実名リストを作成し、この実名リストを食品・サプリメント販売会社15aに送信する。なお、実名リストは、ポータルサイト経由の閲覧で提供されてもよいし、オフラインで提供されてもよい。すると、図17に示すように、食品・サプリメント販売会社15aは、この実名リストを用いて、ダイレクトメール(Direct Mail:DM)等による販売促進活動を行う。また、食品・サプリメント販売会社15aは、販売促進活動において、必要に応じて留意点に言及する。
 次に、例えば、二次利用サービス提供部123は、特定の健康飲料を販売することが可能、若しくは推奨されるグループに分類された型の組み合わせを有するユーザに対応するPHRデータを一定期間追跡する。そして、二次利用サービス提供部123は、ライフログ情報を用いて、この特定の健康飲料を購入したであろうユーザを割り出し、購入ユーザのPHRデータを、食品・サプリメント販売会社に送信する。なお、購入ユーザのPHRデータは、ポータルサイト経由の閲覧で提供されてもよいし、オフラインで提供されてもよい。
 すると、図17に示すように、食品・サプリメント販売会社15aは、PHRデータを用いて健康飲料の効果を検証する。例えば、食品・サプリメント販売会社15aは、効果を示す定量的な数値を算出する。そして、食品・サプリメント販売会社15aは、特定の健康飲料を販売することが可能、若しくは推奨されるグループに分類された型の組み合わせを有するユーザのうち、非購入ユーザに対して、算出した数値を根拠とする効果のフィードバックを行う。
 なお、上述した例では、二次利用サービス提供部123は、PHRデータを用いて特定の健康飲料を購入したであろうユーザを割り出し、購入ユーザのPHRデータ自体を、食品・サプリメント販売会社15aに提供する例を説明したが、実施形態はこれに限られるものではない。
 例えば、二次利用サービス提供部123は、特定の健康飲料を購入したであろうユーザを割り出すとともに、そのPHRデータを解析して、実際に効果が得られたユーザを絞り込み、絞り込んだユーザの実名リストを、食品・サプリメント販売会社15aに提供することもできる。例えば、食品・サプリメント販売会社15aが、顕著に効果が現れるユーザにターゲットを絞って販売活動を行うことを望む場合には、このような絞り込みが有効である。また、例えば、二次利用サービス提供部123は、実際に効果が得られたユーザのライフスタイルの型を絞り込み、効果に結び付くライフスタイルを特定する。そして、二次利用サービス提供部123は、特定したライフスタイルの情報を、食品・サプリメント販売会社15aに提供することもできる。この場合、食品・サプリメント販売会社15aは、販売時にライフスタイルの提案を併せて行うことができる。
 続いて、第3の例として、ユーザから送信されたPHRデータ自体を、遠く離れた家族の家族見守りサービス等に活用する例を説明する。
 図18は、本実施形態における二次利用サービスの一例(第3の例)を説明するための図である。図18に示すように、例えば、二次利用サービス提供部123は、PHRデータを提供する各ユーザとの間で予め、利用許諾を受け付ける。この利用許諾は、例えば、ライフログ情報のうちどの項目について開示を許諾するか(開示項目)、また、その開示相手は誰か(開示先)、という内容である。
 例えば、二次利用サービス提供部123は、ユーザE用のポータルサイト14f上で、高齢者のユーザEから利用許諾を受け付ける。例えば、図18の例では、ライフログ情報のうち、血圧や心拍数について、家族見守りサービスへの二次利用を許諾すること、そして、情報の開示相手は、娘のユーザAや、息子のユーザDであることが示されている。同様に、ライフログ情報のうち、運動量や睡眠量について、家族見守りサービスへの二次利用を許諾すること、そして、情報の開示相手は、娘のユーザAや、息子のユーザDであることが示されている。一方、ライフログ情報のうち、位置情報については、家族見守りサービスへの二次利用を許諾しないことが示されている。
 二次利用サービス提供部123は、二次利用に関して受け付けたこのような利用許諾の情報を、PHR蓄積部110に伝える。すると、PHR蓄積部110は、ユーザEから送信されたPHRデータに対して、上述した内容が記述された利用許諾の情報を付帯させた上で記憶する。なお、利用許諾情報の付帯のさせ方は、PHRデータ全体に対して付帯させる手法でもよいし、あるいは、各細分化項目のデータそれぞれに対して付帯させる手法でもよい。このPHRデータを利用する側でこの利用許諾情報を確認可能な付帯のさせ方であれば、任意の手法を採用することができる。
 また、二次利用サービス提供部123は、このように提供されたPHRデータを家族見守りサービスに適した形態に加工する等して、家族見守りサービスを提供するセキュリティ会社15bに提供する。例えば、二次利用サービス提供部123は、1週間分の血圧や心拍数、運動量や睡眠量について、1週間の傾向を容易に把握できるように、各値を時系列順にプロットしたグラフ等の形態に加工し、加工後のPHRデータを、セキュリティ会社15bに提供する。なお、提供の手法は、オンライン若しくはオフラインのいずれでもよい。なお、二次利用サービス提供部123は、該当のPHRデータ自体をセキュリティ会社15bに提供してもよい。この場合、上述した加工は、必要に応じて、セキュリティ会社15bが行う。
 例えば、セキュリティ会社15bは、家族見守りサービスを運用している。例えば、家族見守りサービスの加入者は、高齢者ユーザEの娘のユーザAである。ユーザAは、セキュリティ会社15bとの契約の中で、高齢者ユーザEが見守りの対象であること、また、自分の他に、ユーザEの息子であるユーザDも、このサービスを利用したいこと等を決める。なお、この家族見守りサービスの加入者と、PHR処理装置100側で提供するサービスのユーザとは必ずしも一致しなくてもよい。
 こうして、例えば、セキュリティ会社15bは、高齢者のユーザE用の見守りポータルサイト14gを、自らのサイトに立ち上げる。この見守りポータルサイト14gへのアクセスは、ユーザA及びユーザDに対してのみ許可されている。そして、ユーザAやユーザDは、見守りポータルサイト上で、例えば、この1週間における母親の健康状態や、運動の様子、睡眠の状況等を確認することができる。
 上述したように、第3の例において、二次利用サービス提供部123は、ユーザから送信されたPHRデータに対して、開示項目及び開示先に関する利用許諾を受け付ける。そして、二次利用サービス提供部123は、受け付けた利用許諾に従って、ユーザのPHRデータ若しくはこのPHRデータの加工情報を出力する。こうして、遠くに離れた家族のライフログ情報に基づいて、離れていても家族の状況がわかるサービスを提供することができる。また、その際に、特定の相手にだけ、ライフログ情報の中でも指定した情報のみを開示できる仕組みを実現することができる。また、各ライフログ情報には、利用許諾の情報が付帯されており、特定の相手には開示してもよい旨の印をつけることが可能なデータの持ち方になっている。
 以上、PHRビッグデータの二次利用として、第1、第2及び第3の例を説明してきた。このような二次利用が進むことで、PHRデータの提供者に対して単に将来の健康リスク評価結果を返すための支援サービスのみならず、流通や商品販売・サービス提供、ライフスタイル設計、地域通貨として使用できるポイント還元制度等、個人や自治体、社会に種々の経済的なメリットも返ってくる新たなビジネスモデル構築が可能となる。
 上述してきたように、本実施形態は、参加者や規模が増大するにつれ、検証サイクルやエビデンスの蓄積がなされ、より確実性と信頼性の高いシステムとして性能が向上する。また、多様なデータから構成されるためにその有用性も高い。これらのデータベースを加工し、産業への二次利用を様々な形で推進することで、今まで蓄積される一方で価値を十分に見出せなかったライフログ・ビッグデータやゲノム情報に基づく基礎データに、新しい画期的な価値を持たせることが可能となり、それらを活用した新たな革新的な産業創出が可能となる。
(PHRデータ収集のためのインセンティブ)
 さて、これまで、PHRデータの一次利用サービスの一例として、「日常人間ドック」や、「将来の健康リスクのお知らせ」を説明してきた。また、PHRデータの二次利用サービスについても、具体例を挙げて説明してきた。いずれの場合も、一次利用や二次利用に必要なデータ量や種類を満たすPHRデータが、各個人から継続的に送信されることが望ましい。そこで、本実施形態において、PHR処理装置100は、各個人に対してPHRデータを継続的に送信させるためのインセンティブの仕組みも更に構築する。
 仕組みその1は、二次利用サービスとの連携である。各ユーザが送信したPHRデータは、当該ユーザの許諾が得られた場合には、二次利用サービスにも提供される。そこで、PHR処理装置100は、例えば、この二次利用サービスに関連してデータ信託会社11にて得られた収益金に基づいて、ポイント制度(ポイント、マイレージ、分配金等)等、何らかの形で各ユーザにフィードバックする仕組みを構築する。
 仕組みその2は、ユーザ間の競争である。各ユーザは、友人や家族等の競争相手との間で勝ち負けを競うことで、健康への意欲を高めることができる。そこで、PHR処理装置100は、例えば、PHRデータのデータ量や種類の数、あるいは、体重や血圧等の生体情報、一日に歩いた距離や歩数等の行動情報に関して、競争相手同士で比較し、勝ち負けを競う仕組みを構築する。なお、この競争相手は、仮想的に設定された、仮想の友人、恋人や家族等でもよい。
 仕組みその3は、上述した実施形態で既に説明した、元気予報である。即ち、各ユーザは、PHRデータをPHR処理装置100に提供することで、このPHRデータに基づいて推定された自らの将来の健康リスクを元気予報として受け取ることができる。上述したように、元気予報は、様々な形で将来の健康リスクを提示する。例えば、ユーザは、今週、今月、今年や、過去1日、過去1週間、過去1ヶ月、過去1年等、推定対象期間に応じた推定を行うこともできれば、将来の時点として、1日後、1週間後、1ヶ月後、1年後、5年後、10年後、20年後等、任意の時点を選択して推定することもできる。
 それでは、以下では、上述した仕組みその1及び仕組みその2を、詳細に説明する。
 図19は、本実施形態におけるインセンティブの仕組みその1を説明するための図である。図19に示すように、一次利用サービス提供部122は、インセンティブ処理部122a(「提示部」とも呼ばれる)を備える。インセンティブ処理部122aは、所定のユーザのPHRデータを評価し、評価の結果を当該所定のユーザに提示する。例えば、インセンティブ処理部122aは、二次利用サービス提供部123と連携し、PHRデータの二次利用を許諾した所定のユーザに関して、二次利用サービス提供部123から、二次利用に活用されたPHRデータのデータ量、種類、種類の数、及びこのPHRデータが活用された二次利用サービスの有用性等の活用情報を受け取る。そして、インセンティブ処理部122aは、これらの活用情報に基づいてポイントを算出し、算出したポイントに関する情報(例えば、ポイント自体、ポイントに応じてユーザに還元されるサービス、分配金の金額等)をユーザに提示する。
 例えば、インセンティブ処理部122aは、ユーザAのポータルサイト14hに、公募情報を提示する。この公募情報には、例えば、「医薬品の開発にご協力をお願いします。」といった二次利用の目的の概要や、ポイントの値、その目的のために必要とされるPHRデータのデータ量(例えば、送信頻度、送信期間等)及び種類(例えば、生体情報や行動情報の具体的な項目等)が記載される。例えば、ユーザAは、この公募情報を閲覧し、応募(利用許諾)の手続を行う。また、ユーザAは、公募情報に記載のPHRデータの規定に従い、PHRデータを、PHR処理装置100に向けて、日々送信する。
 こうして、PHR処理装置100に送信され、蓄積されたユーザAのPHRデータは、その利用許諾に従い、やがて上述した目的の二次利用に提供されることになる。そして、上述したように、インセンティブ処理部122aは、二次利用サービス提供部123から活用情報を受け取り、これらの活用情報に基づいてポイントを算出し、算出したポイントに関する情報をユーザに提示する。例えば、インセンティブ処理部122aは、図19に示すように、ポータルサイト14iに、「ユーザAさんの獲得ポイント○○○pts」を表示する。なお、ポイントの算出は、必ずしも二次利用後である必要はなく、二次利用に提供される前に行われてもよい。
 このポイント制度は、データ信託会社11によって運用管理されており、データ信託会社11が、ポイントに基づいた具体的な還元をユーザAに対して行う。例えば、データ信託会社11がこの二次利用サービスに関連して収益金を得ている場合、データ信託会社11は、この収益金をもとに企業や商店と提携しており、ユーザAが、この提携先の企業や商品からポイント還元を受けるようにする。ポイント還元は、例えば、サービスや景品等、どのような形態であってもよい。あるいは、データ信託会社11は、収益金の一部を分配金という形でユーザAに送金してもよい。
 ところで、ポイントは、二次利用サービスの有用性にも基づいて算出されると述べた。この点について補足説明を行う。二次利用サービスの目的には、医薬品の開発や、薬事法上の承認を得るために行われる臨床試験(治験)のように、社会的意義の高いものがある一方で、例えば、映画や番組の視聴者から身体に現れた生体情報を集めるといったように、単なるマーケティングの一環として行われるものもある。どのような目的を有用性が高い目的であるとし、またどのような目的を有用性が低い目的であるとするかは、データ信託会社11側で任意に設定可能であるが、例えば、医療目的は有用性が高く、マーケティング目的は有用性が低いといった設定をすることができる。又は、データ信託会社11は、実際に得られた収益金(若しくは、得られるであろう見込みの収益金)の全体の収益金に対する比率に応じて、有用性を設定してもよい。
 なお、上述した例においては、ユーザから送信されたPHRデータが二次利用サービスにも提供されることを前提に、この二次利用サービスに関連して、ポイント制度等何らかの形で各ユーザにフィードバックが行われる仕組みを説明したが、実施形態はこれに限られるものではない。インセンティブ処理部122aによるポイント制度は、二次利用サービスとは切り離して、単にユーザから送信されたPHRデータのデータ量、種類、種類の数に基づいて運用されてもよい。この場合、例えば、インセンティブ処理部122aは、各ユーザのPHRデータについて、データ量、種類、及び種類の数のうち、少なくとも1つに基づいてポイントを算出し、算出したポイントに関する情報をユーザに提示する。
 また、上述した例においては、PHRデータのデータ量、種類、種類の数、及びこのPHRデータが活用された二次利用サービスの有用性等に基づいてポイントを算出する例を説明したが、実施形態はこれに限られるものではない。インセンティブ処理部122aは、PHRデータの送信状況を評価するための何らかの基準に基づいてポイントを算出すればよい。
 次に、図20は、本実施形態におけるインセンティブの仕組みその2を説明するための図である。仕組みその2においても、インセンティブ処理部122aは、所定のユーザのPHRデータを評価し、評価の結果を当該所定のユーザに提示する。例えば、図20に示すように、インセンティブ処理部122aは、PHRデータを送信している複数のユーザ間に競争関係を設定し、そのユーザ間で、ライフログ情報に関する比較を行う。そして、インセンティブ処理部122aは、競争関係にあるユーザそれぞれにその結果を提示する。
 例えば、インセンティブ処理部122aは、ユーザAから、競争相手としてユーザCを設定する旨の申請を受け付ける。すると、インセンティブ処理部122aは、ユーザAとユーザCとの間で競争を行うためのポータルサイト14jをヘルスケアクラウド10上に設定するとともに、ユーザA及びユーザCのポータルサイトそれぞれにこの競争用のポータルサイト14jへのリンク付けを行う。こうして、ユーザA及びユーザCのそれぞれは、自らのポータルサイトを経由して、2人の競争用のポータルサイト14jを閲覧することができる。
 また、例えば、インセンティブ処理部122aは、ユーザA及びユーザCからの希望に応じた頻度(例えば、毎日、週に1回、月に1回、年に1回等)で、2人の競争用のポータルサイト14jの更新を行う。例えば、ユーザA及びユーザCからの希望が、週に1回の頻度であったとする。すると、インセンティブ処理部122aは、週に1回、過去1週間分のユーザAのPHRデータから、予め競争対象として指定された競争項目の情報を抽出し、同様に、ユーザCのPHRデータから、予め競争対象として指定された競争項目の情報を抽出する。そして、インセンティブ処理部122aは、それぞれのPHRデータから抽出した競争項目の情報を比較し、勝ち負けを判定する。
 図20の例でいうと、例えば、インセンティブ処理部122aは、各ユーザのPHRデータについて、そのデータ量や種類の数を特定するとともに、ライフログ情報から、体重情報や血圧情報、1日の平均歩数等を得る。図20の例では、ユーザAは、1週間のうち、7日間PHRデータの送信を行い、また、20項目について送信を行っている。ユーザAは、0.5kgの減量に成功し、血圧は普通であり、1日の平均歩数は7,500歩と多い。一方、ユーザCは、1週間のうち、5日間PHRデータの送信を行い、また、19項目について送信を行っている。ユーザCは、1.0kgの体重が増えており、血圧は普通であり、1日の平均歩数は5,000歩と少なめである。
 インセンティブ処理部122aは、これらの情報を予め定めた基準で評価し、勝ち負けを判定する。そして、インセンティブ処理部122aは、その判定結果を、例えば、図20に示すように、勝ち負けを視覚的に表現したマークや、文字情報等で表示する。また、図20の例では、インセンティブ処理部122aは、この競争の結果に対してもポイントを付与している。なお、ここで説明した競争項目や競争の基準、競争用のポータルサイト14jのGUI、競争の結果のフィードバック法等は、いずれも任意に変更することが可能である。例えば、インセンティブ処理部122aは、競争の結果をそれぞれのユーザのメールアドレスに送付してもよい。
(生体情報解析)
 さて、これまで、ゲノム情報と日々収集されるライフログ情報とを用いてユーザの健康リスクを推定する例などについて説明してきた。しかしながら、ゲノム情報とライフログ情報の利用は上記した例に限られるものではなく、種々の解析に用いられる場合であってもよい。例えば、ライフログ情報において行動情報と関連付けられた生体情報に着目して解析する場合であってもよい。上述したように、各ユーザから日々収集される生体情報は、血圧、心拍数、脈拍、体温、体成分、イオン、pH濃度、糖分、塩分等の成分量、胃酸の濃度、農薬、環境物質、食品添加物の有無、アルコールやニコチン、薬剤成分などが挙げられる。また、生体情報として、タンパク質、ペプチド、脂質、糖鎖などのバイオマーカーなども挙げられる。
 ここで、上述したバイオマーカーは、例えば、血清、尿、涙液、唾液、脳脊髄液、膵液、関節液、乳腺吸引液、胆汁などの体液に含まれるタンパク質、ペプチド、脂質、糖鎖などであり、体内の生理状態を反映するものである。従って、例えば、ある疾患に関連するバイオマーカーを利用することで疾患の早期発見に繋がり、早期治療を行うことができる。このようなバイオマーカーの情報は、例えば、生体センサによって収集される場合であってもよく、定期的な検査によって収集される場合であってもよい。
 バイオマーカーの一例としては、例えば、血液検査によって一般的に計測される「総蛋白」、「GOT(グルタミン酸オキサロ酢酸トランスアミナーゼ)」、「GPT(グルタミン酸ピルビン酸トランスアミナーゼ)」、「ALP(アルカリフォスファターゼ)」、「γ‐GTP(γグルタミルトランスペプチダーゼ)」、「LDH(乳酸脱水素酵素)」、「総ビリルビン」、「アミラーゼ」、「総コレステロール」、「中性脂肪」、「HDLコレステロール」及び「ヘモグロビン」などが挙げられる。なお、ここで挙げたバイオマーカーはあくまでも一例であり、生体情報としてのバイオマーカーはこれに限定されるものではない。現在、種々の体液を用いて、疾患に関連するバイオマーカーの探索が盛んに行われ、様々なバイオマーカーが同定されている。そして、今後も多数のバイオマーカーが同定されると考えられる。本実施形態におけるバイオマーカーは、それらすべてのバイオマーカーを利用することができる。
 このような種々の生体情報は、ユーザが日常生活を送る中で日々収集され、PHRビッグデータとして蓄積されていく。PHR処理装置100は、各生体情報について各種解析を実行して、結果をユーザなどに提供する。例えば、PHR処理装置100は、生体情報の種類ごとに、収集したデータを比較して比較結果を導出する。一例を挙げると、PHR処理装置100は、日々収集される生体情報のデータ(例えば、血圧など)について、他者のデータ間を比較して解析したり、個人のデータ間を比較して解析したりする。以下、これらの比較解析について説明する。
 まず、他者のデータ間を比較して解析する場合について説明する。他者のデータ間を比較して解析する場合、PHR処理装置100は、例えば、所定のユーザの生体情報がその他のユーザの生体情報と比較してどのようになっているかを解析する。また、PHR処理装置100は、複数のユーザをグループ分けして、各グループの生体情報が他のグループの生体情報と比較してどのようになっているかを解析する。ここで、PHR処理装置100は、複数のユーザをゲノム情報と属性情報に基づいてグループ分けして比較を行う。
 例えば、所定のユーザの生体情報が他のユーザの生体情報と比較してどのようになっているかを解析する場合、PHR処理装置100は、ゲノム情報と属性情報に基づいて複数のユーザをグループ分けし、グループ内のユーザ間で生体情報を比較して解析する。また、例えば、各グループの生体情報が他のグループの生体情報と比較してどのようになっているかを解析する場合、PHR処理装置100は、ゲノム情報と属性情報に基づいて複数のユーザをグループ分けし、グループ間で生体情報を比較して解析する。なお、以下の例では、PHRビッグデータ解析部121が、生体情報を比較する比較部としての機能と、比較結果に基づいてどの位置にあるかを解析する解析部としての機能とを含む場合を例に挙げて説明するが、実施形態はこれに限定されるものではなく、PHR処理装置100が、比較部と解析部とをそれぞれ備える場合であってもよい。
 具体的には、所定のユーザの生体情報が他のユーザの生体情報と比較してどのようになっているかを解析する場合、PHRビッグデータ解析部121は、PHR蓄積部110に蓄積された情報に基づいて、所定の生体情報について、ゲノム情報と各ユーザの属性情報とを組み合わせて形成されるグループの中で、各ユーザの継続的に収集される生体情報を比較する。そして、PHRビッグデータ解析部121は、比較した結果に基づき、各ユーザの生体情報の値が当該グループの中のどの位置にあるかを示す。また、各グループの生体情報が他のグループの生体情報と比較してどのようになっているかを解析する場合、PHRビッグデータ解析部121は、PHR蓄積部110に蓄積された情報に基づいて、ゲノム情報と各ユーザの属性情報とを組み合わせて形成されるグループごとに、当該グループに属する各ユーザの継続的に収集される生体情報を集約して、グループ間の生体情報を比較する。そして、PHRビッグデータ解析部121は、比較した結果に基づき、各グループの生体情報の値がグループ間でどの位置にあるかを示す。
 ここで、PHRビッグデータ解析部121は、位置として、生体情報の値の分布においてどの位置にあるかを示す。すなわち、PHRビッグデータ解析部121は、各ユーザの位置として、グループに属する各ユーザの所定の生体情報の値の分布における各ユーザの値の位置を導き出し、各グループの位置として、各グループの所定の生体情報の値の平均値の分布における各グループの平均値の位置を導き出す。ここで、上記した属性情報には、ユーザの居住地域、年齢、性別、人種、所属する健康保険組合の情報が含まれ、PHRビッグデータ解析部121は、グループとして、各ユーザのゲノム情報と上記した属性情報とを組み合わせたグループを形成させる。また、上記した位置には、順位や、偏差値などが含まれ、PHRビッグデータ解析部121は、グループ内のユーザの順位や偏差値、或いは、各グループの順位や偏差値などを位置として導出する。
 図21A及び図21Bは、本実施形態におけるユーザ間の比較解析を説明するための図である。例えば、PHRビッグデータ解析部121は、図21Aに示すように、複数のユーザを「ゲノム情報:ゲノム2型」、「属性情報:年齢」でグループG1~グループG4に分類する。そして、PHRビッグデータ解析部121は、分類したグループごとに、例えば、血圧を比較して、各ユーザの血圧の値がグループの中でどの位置にあるのかを示す。一例を挙げると、PHRビッグデータ解析部121は、「ゲノム2型、年齢:~40歳」のグループG1に属するすべてのユーザの血圧(拡張期血圧及び収縮期毛血圧)の情報を集約して、図21Aに示すように、拡張期血圧及び収縮期血圧それぞれについてヒストグラムを生成して、グループG1に属するユーザの血圧がどの位置にあるのかを導出する。
 同様に、PHRビッグデータ解析部121は、図21Aに示すように、「ゲノム2型、年齢:40~50歳」のグループG2、「ゲノム2型、年齢:50~60歳」のグループG3、「ゲノム2型、年齢:60歳~」のグループG4について、それぞれ血圧のヒストグラムを生成して、グループごとに各ユーザの血圧がどの位置にあるのかを導出する。ここで、図21Aにおいては、「ゲノム情報:ゲノム2型」、「属性情報:年齢」で形成されたグループについて示しているが、これはあくまでも一例であり、PHRビッグデータ解析部121は、その他のゲノムの型でも同様に、ゲノムの型と年齢で複数のユーザをグループ分けし、グループごとに生体情報を比較して、各ユーザの生体情報の値がグループの中でどの位置にあるのかを示す。また、属性情報も年齢だけではなく、性別や居住地域などが用いられる。一例を挙げると、PHRビッグデータ解析部121は、「ゲノム情報:ゲノム2型、属性情報:男性」のグループと「ゲノム情報:ゲノム2型、属性情報:女性」のグループなどを形成させる。
 また、グループ分けに用いられる属性情報は、1つには限られず、2つ以上の属性情報が用いられる場合であってもよい。一例を挙げると、PHR処理装置100は、「所定の居住地域」における「ゲノム2型」の「年齢」別のグループをそれぞれ形成させる。このように、PHRビッグデータ解析部121は、「ゲノム情報」と「属性情報」とを用いてユーザをグループに分け、グループごとにユーザ間の比較解析を行う。これにより、ユーザは、自身と同じゲノムの型を有し、同様の属性情報を有する他のユーザと比較して、自分がどのような位置にあるのかを把握することができる。以下、図21Bを用いて比較解析の一例を説明する。なお、図21Bにおいては、図21Aに示すグループG1での比較解析を一例に挙げる。
 例えば、PHRビッグデータ解析部121は、図21Bに示すように、グループG1に属するユーザAの血圧の計測値が、グループG1のヒストグラムのどの位置にあるのかを導出する。ここで、グループG1のヒストグラムは、1時点における各ユーザの血圧値を集約したものであってもよく、或いは、所定の期間での平均値を集約したものであってもよい。一例を挙げて説明すると、グループG1に属するすべてのユーザのある日の起床時の血圧値を集約したヒストグラムであってもよく、グループG1に属するすべてのユーザにおいて、1週間分の起床時の血圧値を平均し、各ユーザの平均値を集約したヒストグラムであってもよい。なお、起床時の血圧は、ユーザが装着する生体センサによって計測される心拍数や脈拍に基づいてユーザが起床したか否かが判定され、ユーザが起床したと判定された時点で計測された血圧である。
 例えば、PHRビッグデータ解析部121は、図21Bに示すように、ユーザAの1週間分の血圧値「収縮期血圧:110-125、平均値119」、「拡張期血圧:75-84、平均値81」が、グループG1に属する各ユーザの平均値を集約したヒストグラムのどの位置にあるのかを導出する。すなわち、PHRビッグデータ解析部121は、ユーザAの収縮期血圧の平均値が収縮期血圧のヒストグラムのどの位置にあるのかを導出し、ユーザAの拡張期血圧の平均値が拡張期血圧のヒストグラムのどの位置にあるのかを導出する。ここで、PHRビッグデータ解析部121は、ヒストグラムにおけるユーザAの位置を導出するだけではなく、グループごとに設けられる基準値と、グループに属するユーザの計測値との比較を行う。
 各グループのヒストグラムは、それぞれ同じゲノムの型で同様の属性情報を有するユーザの生体情報を集約したものである。従って、ヒストグラムの分布状態は、各ゲノムの型と属性情報とを反映したものであると考えられる。そこで、各グループにおけるヒストグラムの平均値を当該グループの理想値(基準値)として設定し、基準値からの乖離度に基づいてユーザの順位付け、及び、偏差値の付与を行う。例えば、PHRビッグデータ解析部121は、ユーザAの収縮期血圧の「平均値:119」とグループG1の収縮期血圧の平均値(基準値)との差分値を算出する。同様に、PHRビッグデータ解析部121は、ユーザAの拡張期血圧の「平均値:81」とグループG1の拡張期血圧の平均値(基準値)との差分値を算出する。そして、PHRビッグデータ解析部121は、収縮期血圧及び拡張期血圧でそれぞれ算出した差分値に基づいて乖離度を導出する。一例を挙げると、PHRビッグデータ解析部121は、2つの差分値の絶対値の和を乖離度として導出する。
 同様に、PHRビッグデータ解析部121は、グループG1に属するすべてのユーザについて乖離度を導出し、導出した乖離度に基づいてグループG1におけるユーザAの順位付けや、偏差値の付与などを行う。例えば、PHRビッグデータ解析部121は、基準値(ヒストグラムの平均値)からの乖離度が小さいユーザほど上位になるように順位付け、及び、偏差値の付与を行う。このように、PHRビッグデータ解析部121が順位付け、及び、偏差値の付与を行うと、一次利用サービス提供部122は、結果を各ユーザに提供する。
 例えば、一次利用サービス提供部122は、図21Bに示すように、ユーザAのPHR表示装置200である携帯端末に対して、血圧の順位及び偏差値の情報を提供する。ここで、PHRビッグデータ解析部121が、1時点(例えば、起床時)における血圧の順位及び偏差値と、1週間分の血圧の平均値の順位及び偏差値を導出すると、一次利用サービス提供部122は、図21Bに示すように、1時点の結果「順位:232/12543位、偏差値:65」と、平均値の結果「順位:301/12543、偏差値:62」とをユーザAの携帯端末に提供する。携帯端末の表示制御部210は、図21Bに示すように表示部220に提供された情報を表示する。なお、ユーザAは、所望の日付の結果を任意に選択することができる。
 また、PHRビッグデータ解析部121は、上述したように、基準値に基づいて順位や偏差値を付与するだけではなく、ユーザの計測値が許容値の範囲内であるか否かを判定することもできる。例えば、PHRビッグデータ解析部121は、図21Bに示す拡張期血圧の許容範囲「a-b」と、収縮期血圧の許容範囲「c-d」とを設定して、ユーザAの計測値がそれぞれ許容範囲内であるか否かを判定する。一次利用サービス提供部122は、判定結果をユーザAの携帯端末に提供する。携帯端末の表示制御部210は、判定結果を表示部220に表示する。
 ここで、PHRビッグデータ解析部121によって設定される許容範囲は、例えば、種々の学会や、団体、機構などによって設けられた規定値を用いることができる。また、PHRビッグデータ解析部121によって設定される許容範囲は、ヒストグラムに基づいて設定される場合であってもよい。例えば、PHRビッグデータ解析部121は、ヒストグラムの最小値と最大値に基づいて任意の範囲を設定する。一例を挙げると、PHRビッグデータ解析部121は、全ユーザ数のうち、最小値から昇順にカウントして30%の人数に達した値を下限値として設定し、最大値から降順にカウントして30%に達した値を上限値として設定する。
 上述したように、PHRビッグデータ解析部121は、ゲノム情報と属性情報とを組み合わせたグループを形成させ、グループ内での生体情報を比較して、各ユーザの生体情報の値がグループの中でどの位置にあるのかを解析する。なお、言うまでもなく、上述した血圧の例はあくまでも一例であり、その他の生体情報(例えば、心拍数、脈拍、体温、体成分、イオン、pH濃度、糖分、塩分等の成分量、胃酸の濃度、農薬、環境物質、食品添加物の有無、アルコールやニコチン、薬剤成分、バイオマーカーなど)についても、同様に比較解析が実行される。
 さて、上述した例では、他者のデータ間の比較におけるユーザ間の比較について説明した。次に、他者のデータ間の比較におけるグループ間の比較について説明する。上述したように、PHRビッグデータ解析部121は、複数のユーザをゲノム情報と属性情報とを組み合わせたグループに分ける。本実施形態におけるPHR処理装置100は、所定の生体情報について、これらのグループ間で比較を行う。図22は、本実施形態におけるグループ間の比較解析を説明するための図である。ここで、図22においては、複数のユーザを「属性情報:ゲノム2型」と「属性情報:居住地域」との組み合わせによってグループG1~グループGnに分け、血圧について比較する場合について示す。
 例えば、PHRビッグデータ解析部121は、図22に示すように、グループG1~グループGnにおける血圧(拡張期血圧、収縮期血圧)の平均値をそれぞれ算出する。そして、PHRビッグデータ解析部121は、グループごとに算出した拡張期血圧の平均値と収縮期血圧の平均値とを用いてヒストグラムをそれぞれ生成し、各グループの平均値がヒストグラムのどの位置にあるのかを導出する。例えば、PHRビッグデータ解析部121は、ヒストグラムの平均値を基準値として設定し、基準値からの乖離度に基づいてグループの順位付け、及び、偏差値の付与を行う。例えば、PHRビッグデータ解析部121は、グループG1の収縮期血圧の平均値とグループ全体の収縮期血圧の平均値との差分値を算出する。同様に、PHRビッグデータ解析部121は、グループG1の拡張期血圧の平均値とグループ全体の拡張期血圧の平均値との差分値を算出する。そして、PHRビッグデータ解析部121は、収縮期血圧及び拡張期血圧でそれぞれ算出した差分値に基づいて乖離度を導出する。一例を挙げると、PHRビッグデータ解析部121は、2つの差分値の絶対値の和を乖離度として導出する。
 同様に、PHRビッグデータ解析部121は、グループG2~グループGnのすべてのグループについて乖離度を導出し、導出した乖離度に基づいてグループの順位付けや、偏差値の付与などを行う。例えば、PHRビッグデータ解析部121は、基準値(ヒストグラムの平均値)からの乖離度が小さいグループほど上位になるように、順位付け及び偏差値の付与を行う。このように、PHRビッグデータ解析部121が順位付け及び偏差値の付与を行うと、一次利用サービス提供部122又は二次利用サービス提供部123は、結果をユーザや、会社、機関などに提供する。
 例えば、二次利用サービス提供部123は、図22に示すように、結果を所望する会社や機関などの端末に対して、血圧の順位の情報を提供する。情報が提供された端末を参照するユーザは、血圧において「エリアA5」が1位であり、「エリアA21」が最下位であることを把握することができる。これにより、例えば、地域ごとに最良の施策を行うことができる。なお、言うまでもなく、図22に示す例はあくまでも一例であり、ゲノム情報及び属性情報は任意に組み合わせてグループが形成され、任意の生体情報について比較し、各グループが複数のグループの中でどの位置にあるのかが示される。また、グループごとに算出される平均値は、1時点の値の平均値でもよく、或いは、ユーザごとに所定の期間の平均値を算出し、算出した平均値を平均した値であてもよい。
 さて、上述した例では、他者のデータ間を比較して解析する場合について説明した。次に、個人のデータ間を比較して解析する場合について説明する。個人のデータ間を比較して解析する場合、PHR処理装置100は、所定のユーザの生体情報の計測値がどのように推移しているかを解析する。例えば、PHR処理装置100は、ある時点における生体情報がどのようになっているかを解析するとともに、所定の期間の幅における生体情報の変化の傾向がどのようになっているかを解析する。ここで、PHR処理装置100は、ゲノム情報に基づいて導出される基準値に対して計測値がどのようになっているかを解析する。
 具体的には、PHRビッグデータ解析部121は、所定の生体情報について、ゲノム情報に基づいて導出される基準値と、ゲノム情報に対応するユーザから収集された計測値との比較結果を導き出す。より具体的には、PHRビッグデータ解析部121は、所定の時点における基準値と計測値との比較結果、及び、所定の期間の幅でユーザから収集された計測値の変化の傾向と所定の期間の幅に対応する基準値の変化の傾向との比較結果のうち、少なくとも1つを導き出す。
 以下、所定の時点における基準値と計測値との比較解析について説明する。かかる場合、PHRビッグデータ解析部121は、まず、解析の対象となるユーザのゲノム情報に基づく基準値を設定する。そして、PHRビッグデータ解析部121は、設定した基準値に対して、ユーザの計測値がどのようになっているかを導出する。図23A及び図23Bは、本実施形態における個人の所定の時点の比較解析を説明するための図である。例えば、図23Aに示すように、「ゲノム2型」のユーザAの起床時の血圧について比較解析する場合、PHRビッグデータ解析部121は、まず、ゲノム2型に基づく基準値を設定する。
 上述したように、同じゲノムの型のユーザの計測値を集約した値は、当該ゲノムの型を反映した値であり、基準の値として考えることができる。そこで、例えば、PHRビッグデータ解析部121は、ゲノム2型のその他のユーザの起床時の血圧(拡張期血圧、収縮期血圧)のデータをPHR蓄積部110から取得してヒストグラムを生成し、ヒストグラムの最小値と最大値に基づいて任意の範囲を設定する。一例を挙げると、PHRビッグデータ解析部121は、ゲノム2型のその他のユーザ数のうち、最小値から昇順にカウントして30%の人数に達した値を下限値として設定し、最大値から降順にカウントして30%に達した値を上限値として設定した範囲を基準値として設定する。PHRビッグデータ解析部121は、上記した手法によって、図23Aに示す「拡張期血圧範囲(ゲノム2型)」及び「収縮期血圧範囲(ゲノム2型)」を設定する。
 そして、PHRビッグデータ解析部121は、図23Aに示すように、起床時に計測されるユーザAの血圧の値を、設定した範囲と比較する。すなわち、PHRビッグデータ解析部121は、ユーザAの起床時の拡張期血圧が拡張期血圧範囲(ゲノム2型)に収まっているか否かを解析する。同様に、PHRビッグデータ解析部121は、ユーザAの起床時の収縮期血圧が収縮期血圧範囲(ゲノム2型)に収まっているか否かを解析する。PHRビッグデータ解析部121は、毎日計測される起床時の血圧について、上記した解析を行う。なお、基準値の設定は、解析ごとに行われる場合であってもよく、一定の期間が経過するごとに行われる場合であってもよい。
 このように、PHRビッグデータ解析部121によって比較解析が実行されると、一次利用サービス提供部122は、結果を各ユーザに提供する。例えば、一次利用サービス提供部122は、図23Aに示すように、日々の血圧の推移と、基準値(範囲)との比較結果をユーザAの携帯端末に提供する。携帯端末の表示制御部210は、表示部220に提供された比較結果を表示する。ここで、計測値が範囲から外れた場合、表示制御部210は、図23Aに示すように、外れた日の計測値を示すプロットに色をつけたり、点滅させたりすることによって強調させる。これにより、ユーザAは、基準値から外れた計測値を一目で確認することができる。
 さらに、基準値から外れた計測値を示すプロットに対してユーザAがタッチ操作などを行うと、携帯端末がPHR処理装置100と通信を行い、一次利用サービス提供部122がユーザAの前日の行動情報「通勤、仕事、飲酒」や、一週間前の行動情報、一か月前の行動情報などを提供する。すなわち、表示制御部210が、図23Aに示すように、情報を表示部220に表示する。これにより、ユーザAは、計測値が基準値から外れた理由を推定することができ、その後、推定した理由について注意しながら生活することもできる。
 ここで、ユーザに対して強調して提供する計測値は、基準値(範囲)から外れた値だけではなく、基準値に収まった値でもよい。例えば、表示制御部210は、図23Bに示すように、前日の計測値が基準値を外れており、当日の計測値が基準値に収まった日の計測値を示すプロットに色をつけたり、点滅させたりすることによって強調させる。これにより、ユーザAは、基準値に収まった計測値を一目で確認することができる。さらに、ユーザAがタッチ操作などを行うと、携帯端末がPHR処理装置100と通信を行い、一次利用サービス提供部122は、ユーザAの前日の行動情報「運動」や、一週間前の行動情報、一か月前の行動情報などを提供する。すなわち、表示制御部210が、図23Bに示すように、情報を表示部220に表示する。これにより、ユーザAは、計測値が基準値に収まった理由を推定することができる。
 なお、上述した例では、基準値として範囲を用いる場合を例に挙げて説明したが、基準値として1つの値を用いる場合であってもよい。例えば、PHRビッグデータ解析部121は、ゲノム2型のその他のユーザの起床時の血圧(拡張期血圧、収縮期血圧)の平均値を基準値として用いる場合であってもよい。かかる場合には、表示制御部210は、例えば、計測値が基準値を上回った場合(或いは、基準値を下回った)に計測値を示すプロットを強調して表示する。
 また、上述した例では、1日の1時点の計測値を解析する場合について説明したが、1日に複数回計測され、その時点ごとに解析する場合であってもよい。例えば、1日に複数回の体温が計測される場合に、各計測値についてそれぞれ解析する場合であってもよい。また、結果をユーザに提供するタイミングは、任意に設定することができる。例えば、一次利用サービス提供部122は、上述した「将来の健康リスクのお知らせ」を提供する際に、同時に結果を提供してもよく、或いは、解析が実行されるごとにユーザに提供する場合であってもよい。また、計測値が基準値(範囲)から外れた場合、計測値が基準値を上回った場合、或いは、計測値が基準値を下回った場合に、ユーザに対して結果を提供するようにしてもよい。これにより、例えば、体温が大きく変化した場合に、体温の変化を即座にユーザに通知することができる。
 次に、所定の期間の幅でユーザから収集された計測値の変化の傾向と所定の期間の幅に対応する基準値の変化の傾向との比較について説明する。かかる場合においても、PHRビッグデータ解析部121は、まず、解析の対象となるユーザのゲノム情報に基づく基準値の変化の傾向を設定する。そして、PHRビッグデータ解析部121は、設定した基準値の変化の傾向に対して、ユーザの計測値の変化の傾向がどのようになっているかを導出する。図24A~図24Cは、本実施形態における個人の所定の期間の比較解析を説明するための図である。ここで、図24A~図24Cにおいては、「ゲノム2型」のユーザAの収縮期血圧の変化の傾向を解析する場合について示す。また、図24Aは、所定の期間が1日である場合を示し、図24Bは、所定の期間が1週間である場合を示し、図24Cは、所定の期間が1年である場合を示す。
 例えば、PHRビッグデータ解析部121は、ゲノム2型の複数のユーザから経時的に収集された収縮期血圧の計測値をPHR蓄積部110から取得して、時間ごとに平均値を算出する。そして、PHR処理装置100は、時間ごとの平均値の変化の傾向を基準値の変化の傾向として設定する。一例を挙げると、PHRビッグデータ解析部121は、図24Aに示すように、ゲノム2型の複数のユーザについて、0時~24時までに経時的に収集された収縮期血圧の平均値の変化の傾向を理想パターンとして設定する。そして、PHRビッグデータ解析部121は、ユーザAの0時~24時までの計測値の変化の傾向と理想パターンとの比較結果を導出する。
 例えば、一次利用サービス提供部122は、PHRビッグデータ解析部121によって導出された比較結果を、図24Aに示すようなグラフとしてユーザAの携帯端末に提供する。携帯端末の表示制御部210は、提供された比較結果を表示部220に表示する。これにより、ユーザAは、図24Aに示す自身の本日の計測値「ユーザA(本日)」と「理想パターン」とを参照して、本日の収縮期血圧が理想パターンよりも終日高めに推移していたことを把握することができ、血圧に注意するように意識することができる。
 また、PHR処理装置100は、本日の計測値の傾向だけではなく、ユーザAが過去に計測した1日の計測値を時間ごとに平均した平均値の傾向を導出することもできる。かかる場合には、一次利用サービス提供部122は、図24Aに示すように、本日の計測値「ユーザA(本日)」と「理想パターン」に加えて、「ユーザA(平均)」のグラフをユーザAに提供する。これにより、ユーザAは、本日の収縮期血圧の値が通常の値と比較して、どのような状況であったのかを一目で確認することができる。また、ユーザAは、自身の1日の収縮期血圧の傾向は理想パターンと比較してどのような状態にあるのかを一目で確認することができる。例えば、ユーザAは、図24Aに示すグラフを見て、本日の収縮期血圧だけでなく、普段から血圧が高めに推移していることを把握することができ、早めの対策を講じることができる。
 同様に、例えば、図24B及び図24Cに示すように、PHRビッグデータ解析部121は、ユーザAの1週間の収縮期血圧の傾向及び1年の収縮期血圧の傾向を導出して、一次利用サービス提供部122は、それぞれのグラフをユーザAに提供する。ユーザAは、図24B及び図24Cに示すグラフを参照して、自身の収縮期血圧が各期間でどのように推移しているかを一目で把握することができる。例えば、ユーザAは、図24Bのグラフを参照して、1週間のうちで金曜日の収縮期血圧が高くなる傾向にあるが、理想パターンでも同様に高くなっていることから、不安になることはないと考えることができる。また、ユーザAは、図24Cのグラフを参照して、1年間で冬場に収縮期血圧が高くなる傾向にあり、これは理想パターンとは異なっていることから、冬場の血圧に注意するように意識することができる。なお、言うまでもなく、図23A、図23B、及び図24A~図24Bに示す例はあくまでも一例であり、任意の生体情報について比較解析が実行される。
 このように、PHRビッグデータ解析部121は、種々の幅の期間における生体情報の変化の傾向と、理想パターン、或いは、過去の計測値の変化の傾向とを比較した比較結果を導出する。ユーザは、比較結果を参照して、種々の生体情報について、各期間における変化の傾向を理想パターンに近づけるように生活することで、体の状態をより理想の状態にすることができる。なお、上述した比較結果を提示するタイミングは、任意に設定することができる。例えば、一次利用サービス提供部122は、上述した「将来の健康リスクのお知らせ」を提供する際に、同時に結果を提供してもよく、或いは、所定の期間が経過するごとにユーザに提供してもよい。
 また、上述した例では、ゲノムの型が同一の複数のユーザの計測値を用いて基準値(範囲や、平均値、理想パターンなど)を設定する場合について説明したが、ユーザの計測値と種々の学会や、団体、機構などによって設けられた規定値とを組み合わせて基準値を設定する場合であってもよい。また、例えば、PHRビッグデータ解析部121は、基準値と計測値との比較結果とともに、ユーザの属性情報に基づいて導出される値と計測値との比較結果を導き出すこともできる。一例を挙げると、PHRビッグデータ解析部121は、図23Aに示す起床時血圧の比較において、ゲノム情報から導出した範囲に加えて、種々の学会、団体、機構などによって設けられた規定値の範囲を設定してもよい。かかる場合には、一次利用サービス提供部122は、ユーザに対して、ゲノム情報から導出した範囲と、規定値の範囲とが示された比較結果を提供する。
 また、上述した例では、一次利用サービス提供部122が解析結果をユーザに提供する場合について説明したが、実施形態はこれに限定されるものではなく、解析結果を主治医に提供する場合であってもよい。かかる場合には、主治医は、解析結果を参照して、ユーザに対してコメントを送るようにしてもよい。
(PHR処理装置100の詳細な構成)
 これまで、本実施形態において提供される「日常人間ドック」サービスやPHRデータの「二次利用サービス」を詳細に説明してきた。また、PHR処理装置100の基本的な構成を説明してきたが、以下では、PHR処理装置100の構成をより詳細に説明する。なお、以下に説明するPHR蓄積部110、PHRビッグデータ解析部121、一次利用サービス提供部122、二次利用サービス提供部123は、いずれも、上述した実施形態において説明した、PHR蓄積部110、PHRビッグデータ解析部121、一次利用サービス提供部122、二次利用サービス提供部123に、それぞれ対応する。また、PHR処理装置100は、必ずしも以下に説明する各部を備えなければならないものではなく、適宜装備を省略することができる。また、PHR処理装置100は、他の部を更に備えることもできる。
 図25は、本実施形態に係るPHR処理装置100の機能ブロック図である。PHR処理装置100は、1つ又は複数の汎用コンピュータによって実現されることが可能であり、プロセッサ(processor)、メモリ(memory)、入出力インタフェースを備える。図25に示す各部は、プロセッサ、メモリ、入出力インタフェースに、適宜割り当てられる。
 PHR処理装置100は、PHR蓄積部110と、PHR運用管理部120と、システム制御部130とを備える。システム制御部130は、PHR処理装置100の全体制御を行う。例えば、システム制御部130は、データ信託会社11のオペレータの操作を受け付け、PHRデータの管理対象となるユーザや、その家族、主治医のアカウント登録、二次利用サービスの提供を受ける医療機関や各種企業等のアカウント登録を行う。
 PHR蓄積部110は、セキュリティ機能部111と、データフォーマット変換・正規化部112と、非構造化データ処理部113と、PHRデータ蓄積部114とを備える。
 セキュリティ機能部111は、PHRデータのセキュリティを確保するための各種処理を行う。PHRデータは、極めてセンシティブな取り扱いが求められる個人情報である。このため、セキュリティ機能部111は、PHRデータの入出力インタフェース(API:Application Programming Interface)として、接続先の認証、及び、アクセス権限の認可を行う。また、セキュリティ機能部111は、個人を特定できない処理を施した上で利活用に提供するために、必要に応じて、PHRデータの匿名化を行う。また、セキュリティ機能部111は、匿名化を行わないPHRデータについては、適切に管理された暗号鍵による暗号化を行う。また、セキュリティ機能部111は、PHRデータをヘルスケアクラウド10外に提供する場合には、不正侵害等に対する耐久性のあるデータ配信を行う。
 また、セキュリティ機能部111は、システム管理者、PHRビッグデータを解析する研究者、及び、PHRデータを登録し、参照する個人ユーザ等、全てのデータアクセスユーザに対し、適切な個人認証を行う機能を提供する。ヘルスケアクラウド10上では、センシティブな個人の健康情報を扱うため、セキュリティ機能部111は、ID/パスワード認証以上のセキュリティを担保できる多要素認証技術を提供する。また、セキュリティ機能部111は、様々なデバイスやシステムから入力されるデータの所有者を識別・特定するための名寄せの機能を提供する。
 データフォーマット変換・正規化部112は、PHRデータが、デバイスにより様々なデータフォーマットで送信されることに柔軟に対応するため、データ変更・正規化の機能及び、変換された正規化データを所定のシステムへ配送するサービスバス機能を提供する。また、本実施形態において、PHR蓄積部110は、個人の医療・健康に関わる解析のため、ソーシャルメディア等の画像、つぶやきテキスト情報、また、スマートフォンアプリ等からの音声、画像、テキスト情報等の補完情報を収集する。このため、非構造化データ処理部113は、インタフェース機能を有し、またそれらの非構造化データを処理するための、音声認識、自然言語解析、画像認識、データマイニングといった機能を有する。
 PHRデータ蓄積部114は、PHRビッグデータが蓄積された大規模ゲノム・コホートデータベース114aである。
 一方、PHR運用管理部120は、PHRビッグデータ解析部121と、一次利用サービス提供部122と、二次利用サービス提供部123とを備える。また、PHRビッグデータ解析部121は、解析エンジン部121aと、分散処理データベース121bと、イベント処理部121cとを備える。解析エンジン部121aは、PHRデータ蓄積部114に蓄積されたPHRビッグデータを対象に、コホート分析等を行う。解析エンジン部121aによる解析は、分散処理技術を用いて行われる場合がある。この場合には、PHRデータ蓄積部114と、分散処理データベース121bとが連携し、解析エンジン部121aは、分散処理データベース121bに蓄積されたPHRビッグデータを処理の対象とする。また、イベント処理部121cは、解析エンジン部121aによる分散処理に対応してイベント処理を行う。
 一次利用サービス提供部122は、一次利用サービスとして、「日常人間ドック」サービスを提供する。また、一次利用サービス提供部122は、インセンティブ処理部122aを備える。個人のユーザがセンサを着用し、自身の健康情報やその補完情報の入力を長期にわたって続けるには、インセンティブが重要となる。インセンティブ処理部122aは、インセンティブとなり得るポイント制度や各種ランキング、ゲーム要素、広告モデルの機能を提供する。二次利用サービス提供部123は、二次利用サービスを提供する。
(ハードウェア構成)
 図26は、本実施形態におけるPHR処理装置100(又はPHR表示装置200)のハードウェア構成を示す図である。PHR処理装置100(又はPHR表示装置200)は、CPU(Central Processing Unit)310と、ROM(Read Only Memory)320と、RAM(Random Access Memory)330と、表示部340と、入力部350とを備える。また、PHR処理装置100(又はPHR表示装置200)では、CPU310、ROM320、RAM330、表示部340、及び入力部350が、バスライン301を介して接続されている。
 上述した実施形態における各種処理を行うPHR処理プログラム(又はPHR表示プログラム)は、ROM320内に格納されており、バスライン301を介して、RAM330へロードされる。CPU310は、RAM330内にロードされたPHR処理プログラム(又はPHR表示プログラム)を実行する。例えば、PHR処理装置100(又はPHR表示装置200)では、操作者による入力部350からの指示入力に従って、CPU310が、ROM320内からPHR処理プログラム(又はPHR表示プログラム)を読み出してRAM330内のプログラム格納領域に展開し、各種処理を実行する。CPU310は、この各種処理に際して生じる各種データをRAM330内に形成されるデータ格納領域に一時的に記憶させておく。
 PHR処理装置100(又はPHR表示装置200)で実行されるPHR処理プログラム(又はPHR表示プログラム)は、PHRビッグデータ解析部121、一次利用サービス提供部122、及び二次利用サービス提供部123(又は、表示制御部210)を含むモジュール構成となっており、これらが主記憶装置上にロードされ、これらが主記憶装置上に生成される。
(その他の実施形態)
 実施形態は、上述した実施形態に限られるものではない。
(構成)
 上述した実施形態では、クラウド上にPHR処理装置100が構築される構成を説明したが、実施形態はこれに限られるものではない。PHR処理装置100は、その機能の全部若しくは一部を、例えば、データ信託会社11内のネットワーク上に構築することもできる。また、PHR処理装置100は、必ずしも1つの拠点に構築されなければならないものではない。複数の拠点に分散配置された機能が連携することで、PHR処理装置100を実現してもよい。
 また、上述した実施形態で例示した物理的な構成は、あくまで一例に過ぎない。上述した実施形態で例示した各部は、運用の形態や負荷に応じて適宜統合若しくは分散される。
 本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、請求の範囲に記載された発明とその均等の範囲に含まれるものである。

Claims (46)

  1.  各ユーザの健康情報である、ゲノム情報と、継続的に収集される生体情報及び行動情報とを、複数ユーザ分蓄積する蓄積部と、
     蓄積された複数ユーザ分の健康情報を解析する解析部と、
     前記解析の結果と所定のユーザの健康情報とを用いて、当該所定のユーザの将来の健康リスクを推定する推定部と
     を備えた、健康情報処理装置。
  2.  前記解析部は、前記複数ユーザ分の健康情報を解析することで、ゲノム情報と、生体情報及び行動情報から導き出されるライフスタイルと、健康リスクとの関連性を導き出す、請求項1に記載の健康情報処理装置。
  3.  前記解析部は、前記複数ユーザ分の健康情報を解析することで、ゲノム情報から導き出されるゲノムの型、及び、生体情報及び行動情報から導き出されるライフスタイルの型の組み合わせと、将来発症し得る疾病との関連性を導き出す、請求項1又は2に記載の健康情報処理装置。
  4.  前記解析部は、前記解析の結果として、ゲノムの型及びライフスタイルの型の組み合わせ毎に、ゲノム要因及びライフスタイル要因のいずれの影響を強く受けるかに応じて順序付けされた、前記将来発症し得る疾病のリストを得、
     前記推定部は、所定のユーザの健康情報から導き出された当該所定のユーザのゲノムの型及びライフスタイルの型の組み合わせを用いて前記リストを参照することで、当該所定のユーザにて将来発症し得る疾病を推定する、請求項3に記載の健康情報処理装置。
  5.  前記推定部は、前記所定のユーザの将来の健康リスクを推定する場合に、当該所定のユーザの健康情報から判明する当該所定のユーザの現在の健康状態に応じて、推定の結果を調整する、請求項1又は2に記載の健康情報処理装置。
  6.  前記蓄積部は、前記健康情報を新たに蓄積することで、複数ユーザ分の健康情報の規模を拡大し、
     前記解析部は、前記複数ユーザ分の健康情報の規模の拡大に伴い、新たに解析を行い、新たな解析の結果を得、
     前記推定部は、新たに得られた前記解析の結果と所定のユーザの健康情報とを用いて、当該所定のユーザの将来の健康リスクを推定する、請求項1又は2に記載の健康情報処理装置。
  7.  前記ゲノムの情報は、略30億塩基対の配列情報、略100万塩基対の配列情報、及び、標準ゲノム情報との差分のうち、少なくとも1つを含む、請求項1又は2に記載の健康情報処理装置。
  8.  前記健康リスクは、各疾病の発症確率である、請求項1又は2に記載の健康情報処理装置。
  9.  各ユーザの健康情報である、ゲノム情報と、継続的に収集される生体情報及び行動情報とを、複数ユーザ分蓄積する蓄積部と、
     蓄積された複数ユーザ分の健康情報を解析する解析部と、
     前記蓄積部に蓄積され、前記解析部によって解析された所定のユーザの健康情報を評価し、評価の結果を当該所定のユーザに提示する提示部と
     を備えた、健康情報処理装置。
  10.  前記提示部は、各ユーザから収集される前記健康情報のデータ量、種類、及び種類の数のうち、少なくとも1つに基づいてポイントを算出し、算出したポイントに関する情報を該当のユーザに提示する、請求項9に記載の健康情報処理装置。
  11.  前記健康情報は、将来の健康リスクの推定と、当該将来の健康リスクの推定とは異なる他の目的の二次利用とに活用されるものであり、
     前記提示部は、前記健康情報が活用される二次利用の有用性にも基づいて前記ポイントを算出する、請求項10に記載の健康情報処理装置。
  12.  前記提示部は、前記健康情報を送信する複数のユーザ間に競争関係を設定し、競争関係が設定されたユーザ間で健康情報に関する比較を行い、比較の結果を各ユーザに提示する、請求項9に記載の健康情報処理装置。
  13.  表示部と、
     ユーザの健康情報である、ゲノム情報と、継続的に収集された生体情報及び行動情報とに基づいて推定された、当該ユーザの将来の健康リスクを前記表示部に表示する表示制御部とを備え、
     前記表示制御部は、前記将来の健康リスクとともに、前記ユーザの目標の健康状態及び当該目標の健康状態に到達するための指導情報のうち、少なくとも1つを表示する、健康情報表示装置。
  14.  前記表示制御部は、操作者から前記推定の時点の指定を受け付けると、受け付けた時点に応じた将来の健康リスクを表示する、請求項13に記載の健康情報表示装置。
  15.  前記表示制御部は、操作者から、前記推定に用いる前記ユーザの健康情報の期間の幅を受け付けると、受け付けた期間の幅に応じた将来の健康リスクを表示する、請求項13又は14に記載の健康情報表示装置。
  16.  前記表示制御部は、操作者からライフスタイルの変更指示を受け付けると、受け付けた変更指示に応じてシミュレーションされた将来の健康リスクを、更に表示する、請求項13又は14に記載の健康情報表示装置。
  17.  前記表示制御部は、前記将来の健康リスクとして、前記ユーザが将来発症し得る疾病の名称を表示する、請求項13又は14に記載の健康情報表示装置。
  18.  前記表示制御部は、前記ユーザ若しくは前記ユーザの関係者に対して前記疾病の名称を表示する場合には、通称で表示する、請求項17に記載の健康情報表示装置。
  19.  前記表示制御部は、前記ユーザ若しくは前記ユーザの関係者に対して前記疾病の名称を表示する場合には、一部の疾病の名称を非表示とする、請求項17に記載の健康情報表示装置。
  20.  表示部と、
     ユーザの健康情報である、ゲノム情報と、継続的に収集された生体情報及び行動情報とに基づいて推定された、当該ユーザの将来の健康リスクを前記表示部に表示する表示制御部とを備え、
     前記表示制御部は、前記将来の健康リスクとともに、前記ユーザの健康情報を表示する、健康情報表示装置。
  21.  前記表示制御部は、前記ユーザの健康情報として、ゲノム情報から導き出されるゲノムの型、及び、生体情報及び行動情報から導き出されるライフスタイルの型を表示する、請求項20に記載の健康情報表示装置。
  22.  前記表示制御部は、前記将来の健康リスクとして、前記ユーザが将来発症し得る疾病の名称を表示する、請求項20又は21に記載の健康情報表示装置。
  23.  前記表示制御部は、医療従事者に対して前記疾病の名称を表示する場合には、正式名称及びICD(International Classification of Diseases)コードのうち、少なくとも1つで表示する、請求項22に記載の健康情報表示装置。
  24.  前記表示制御部は、前記ユーザとは異なる他のユーザとの比較に基づいた複数ユーザの健康リスクランキングリストを表示し、当該健康リスクランキングリストに対して所定のユーザが指定された場合に、指定されたユーザの将来の健康リスク及び健康情報を表示することを特徴とする請求項20又は21に記載の健康情報表示装置。
  25.  各ユーザの健康情報である、ゲノム情報と、継続的に収集される生体情報及び行動情報とを、複数ユーザ分蓄積する蓄積部と、
     所定の目的の入力を受け付け、蓄積された複数ユーザ分の健康情報を解析することで、ゲノム情報から導き出されるゲノムの型、及び、生体情報及び行動情報から導き出されるライフスタイルの型の組み合わせと、前記所定の目的との関連性を導き出す解析部と、
     前記解析の結果を出力する出力部と
     を備えた、健康情報処理装置。
  26.  前記解析部は、ゲノムの型及びライフスタイルの型の組み合わせを所定の目的との関連性で分類した分類結果を得、
     前記出力部は、前記解析の結果として、前記分類結果を出力する、請求項25に記載の健康情報処理装置。
  27.  前記出力部は、前記分類結果で得られた所定のグループに属するユーザの実名リストを出力する、請求項26に記載の健康情報処理装置。
  28.  前記出力部は、第1に、前記分類結果で得られた所定のグループに属するユーザの実名リストを出力し、第2に、前記所定のグループに属するユーザのうち一部のユーザの健康情報を出力する、請求項27に記載の健康情報処理装置。
  29.  各ユーザの健康情報である、ゲノム情報と、継続的に収集される生体情報及び行動情報とを、複数ユーザ分蓄積する蓄積部と、
     前記ユーザから、前記健康情報の開示項目、及び、前記健康情報の開示先の利用許諾を受け付け、受け付けた利用許諾の内容に応じて前記健康情報を出力する出力部とを備え、
     前記蓄積部は、前記健康情報に前記利用許諾の情報を付帯させて蓄積する、健康情報処理装置。
  30.  各ユーザの健康情報である、ゲノム情報と、継続的に収集される生体情報とを、複数ユーザ分蓄積する蓄積部と、
     前記蓄積部に蓄積された情報に基づいて、所定の生体情報について、前記ゲノム情報と前記各ユーザの属性情報とを組み合わせて形成されるグループの中で、各ユーザの継続的に収集される生体情報を比較する比較部と、
     前記比較部で比較した結果に基づき、各ユーザの生体情報の値が当該グループの中のどの位置にあるかを示す解析部と
     を備えた、健康情報処理装置。
  31.  各ユーザの健康情報である、ゲノム情報と、継続的に収集される生体情報とを、複数ユーザ分蓄積する蓄積部と、
     前記蓄積部に蓄積された情報に基づいて、前記ゲノム情報と前記各ユーザの属性情報とを組み合わせて形成されるグループごとに、当該グループに属する各ユーザの継続的に収集される生体情報を集約して、グループ間の生体情報を比較する比較部と、
     前記比較部で比較した結果に基づき、各グループの生体情報の値がグループ間でどの位置にあるかを示す解析部と
     を備えた、健康情報処理装置。
  32.  前記解析部は、前記位置として、前記生体情報の値の分布においてどの位置にあるかを示す、請求項30又は31に記載の健康情報処理装置。
  33.  前記解析部は、前記各ユーザの継続的に収集される生体情報を用いて導出した順位及び偏差値のうち少なくとも一方によって、前記生体情報の値がどの位置にあるかを示す、請求項30又は31に記載の健康情報処理装置。
  34.  前記属性情報は、前記ユーザの居住地域、年齢、性別、人種、所属する健康保険組合の情報を含み、
     前記解析部は、前記グループとして、前記各ユーザのゲノム情報と前記属性情報とを組み合わせたグループを形成させる、請求項30又は31に記載の健康情報処理装置。
  35.  各ユーザの健康情報である、ゲノム情報と、継続的に収集される生体情報とを、複数ユーザ分蓄積する蓄積部と、
     所定の生体情報について、前記ゲノム情報に基づいて導出される基準値と、前記ゲノム情報に対応するユーザから収集された計測値との比較結果を導き出す解析部と、
     を備えた、健康情報処理装置。
  36.  前記解析部は、所定の時点における前記基準値と前記計測値との比較結果、及び、所定の期間の幅で前記ユーザから収集された計測値の変化の傾向と前記所定の期間の幅に対応する前記基準値の変化の傾向との比較結果のうち、少なくとも1つを導き出す、請求項35に記載の健康情報処理装置。
  37.  前記解析部は、前記基準値と前記計測値との比較結果とともに、前記ユーザの属性情報に基づいて導出される値と前記計測値との比較結果を導き出す、請求項35又は36に記載の健康情報処理装置。
  38.  健康情報処理装置が、
     各ユーザの健康情報である、ゲノム情報と、継続的に収集される生体情報及び行動情報とを、各ユーザから収集し、
     前記各ユーザの健康情報を、複数ユーザ分蓄積し、
     蓄積した複数ユーザ分の健康情報を解析し、
     前記解析の結果と所定のユーザの健康情報とを用いて、当該所定のユーザの将来の健康リスクを推定し、
     前記将来の健康リスクを、健康情報表示装置に送信する、
     健康情報処理方法。
  39.  健康情報処理装置が、
     各ユーザの健康情報である、ゲノム情報と、継続的に収集される生体情報及び行動情報とを、各ユーザから収集し、
     前記各ユーザの健康情報を、複数ユーザ分蓄積し、
     蓄積した複数ユーザ分の健康情報を解析し、
     解析した所定のユーザの健康情報を評価し、
     前記評価の結果を当該所定のユーザに提示する、
     健康情報処理方法。
  40.  健康情報表示装置が、
     ユーザの健康情報である、ゲノム情報と、継続的に収集された生体情報及び行動情報とに基づいて推定された、当該ユーザの将来の健康リスクを表示部に表示し、
     前記将来の健康リスクとともに、前記ユーザの目標の健康状態及び当該目標の健康状態に到達するための指導情報のうち、少なくとも1つを表示する、
     健康情報表示方法。
  41.  健康情報表示装置が、
     ユーザの健康情報である、ゲノム情報と、継続的に収集された生体情報及び行動情報とに基づいて推定された、当該ユーザの将来の健康リスクを表示部に表示し、
     前記将来の健康リスクとともに、前記ユーザの健康情報を表示する、
     健康情報表示方法。
  42.  健康情報処理装置が、
     各ユーザの健康情報である、ゲノム情報と、継続的に収集される生体情報及び行動情報とを、各ユーザから収集し、
     前記各ユーザの健康情報を、複数ユーザ分蓄積し、
     所定の目的の入力を受け付け、蓄積した複数ユーザ分の健康情報を解析することで、ゲノム情報から導き出されるゲノムの型、及び、生体情報及び行動情報から導き出されるライフスタイルの型の組み合わせと、前記所定の目的との関連性を導き出し、
     前記解析の結果を出力する、
     健康情報処理方法。
  43.  健康情報処理装置が、
     各ユーザの健康情報である、ゲノム情報と、継続的に収集される生体情報及び行動情報とを、各ユーザから収集し、
     前記各ユーザの健康情報を、複数ユーザ分蓄積し、
     前記ユーザから、前記健康情報の開示項目、及び、前記健康情報の開示先の利用許諾を受け付け、受け付けた利用許諾の内容に応じて前記健康情報を出力し、
     前記健康情報に前記利用許諾の情報を付帯させて蓄積する、
     健康情報処理方法。
  44.  健康情報処理装置が、
     ユーザの健康情報である、ゲノム情報と、継続的に収集される生体情報とを、各ユーザから収集し、
     前記各ユーザの健康情報を、複数ユーザ分蓄積し、
     蓄積した情報に基づいて、所定の生体情報について、前記ゲノム情報と前記各ユーザの属性情報とを組み合わせて形成されるグループの中で、各ユーザの継続的に収集される生体情報を比較し、
     比較した結果に基づき、各ユーザの生体情報の値が当該グループの中のどの位置にあるかを示す、
     健康情報処理方法。
  45.  健康情報処理装置が、
     各ユーザの健康情報である、ゲノム情報と、継続的に収集される生体情報とを、各ユーザから収集し、
     前記各ユーザの健康情報を、複数ユーザ分蓄積し、
     蓄積した情報に基づいて、前記ゲノム情報と前記各ユーザの属性情報とを組み合わせて形成されるグループごとに、当該グループに属する各ユーザの継続的に収集される生体情報を集約して、グループ間の生体情報を比較し、
     比較した結果に基づき、各グループの生体情報の値がグループ間でどの位置にあるかを示す、
     健康情報処理方法。
  46.  健康情報処理装置が、
     各ユーザの健康情報である、ゲノム情報と、継続的に収集される生体情報とを、各ユーザから収集し、
     前記各ユーザの健康情報を、複数ユーザ分蓄積し、
     所定の生体情報について、前記ゲノム情報に基づいて導出される基準値と、前記ゲノム情報に対応するユーザから収集された計測値との比較結果を導き出す、
     健康情報処理方法。
PCT/JP2014/076332 2013-10-01 2014-10-01 健康情報処理装置、健康情報表示装置及び方法 WO2015050174A1 (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
SG11201502141RA SG11201502141RA (en) 2013-10-01 2014-10-01 Health information processing apparatus, health information display apparatus, and method
JP2015508354A JP6212784B2 (ja) 2013-10-01 2014-10-01 健康情報処理装置及び方法
EP14843220.6A EP3054412A4 (en) 2013-10-01 2014-10-01 Health information processing device, health information display device, and method
CN201480002440.9A CN104704526A (zh) 2013-10-01 2014-10-01 健康信息处理装置、健康信息显示装置以及方法
US14/661,785 US20150193588A1 (en) 2013-10-01 2015-03-18 Health information processing apparatus and method, and health information display apparatus and method

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2013-206834 2013-10-01
JP2013206834 2013-10-01

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US14/661,785 Continuation US20150193588A1 (en) 2013-10-01 2015-03-18 Health information processing apparatus and method, and health information display apparatus and method

Publications (1)

Publication Number Publication Date
WO2015050174A1 true WO2015050174A1 (ja) 2015-04-09

Family

ID=52778762

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2014/076332 WO2015050174A1 (ja) 2013-10-01 2014-10-01 健康情報処理装置、健康情報表示装置及び方法

Country Status (6)

Country Link
US (1) US20150193588A1 (ja)
EP (1) EP3054412A4 (ja)
JP (3) JP6212784B2 (ja)
CN (1) CN104704526A (ja)
SG (1) SG11201502141RA (ja)
WO (1) WO2015050174A1 (ja)

Cited By (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017010486A (ja) * 2015-06-26 2017-01-12 Rizap株式会社 情報処理システム、情報処理方法、および、情報処理プログラム
JP2017059261A (ja) * 2013-10-01 2017-03-23 国立大学法人東北大学 健康情報処理装置及び方法
WO2017191847A1 (ja) * 2016-05-04 2017-11-09 理香 大熊 将来像予測装置
JP2017204199A (ja) * 2016-05-12 2017-11-16 ヤフー株式会社 情報提供装置、情報提供方法および情報提供プログラム
JP2018120351A (ja) * 2017-01-24 2018-08-02 富士通株式会社 情報処理装置、情報処理システム、プログラム及び情報処理方法
JP2018530069A (ja) * 2015-10-01 2018-10-11 ディーエヌエーナッジ リミテッド 生体情報を安全に転送するための方法、装置、およびシステム
JP2018195217A (ja) * 2017-05-19 2018-12-06 ヤフー株式会社 情報提供装置、情報提供方法および情報提供装置プログラム
JP2018195187A (ja) * 2017-05-19 2018-12-06 ヤフー株式会社 情報提供装置、情報提供方法および情報提供装置プログラム
JP2018195198A (ja) * 2017-05-19 2018-12-06 ヤフー株式会社 提供装置、提供方法及び提供プログラム
JP2019048061A (ja) * 2018-09-26 2019-03-28 株式会社メディプリーム 発病予知ネットワークシステム
WO2019087787A1 (ja) * 2017-10-30 2019-05-09 マクセル株式会社 異常データ処理システムおよび異常データ処理方法
JP2019097977A (ja) * 2017-12-05 2019-06-24 倉敷紡績株式会社 体調管理システム
KR20190119838A (ko) * 2018-04-13 2019-10-23 유한회사 지에스케이테크놀로지 교육용 건강상태 시뮬레이션 장치
JP2020501278A (ja) * 2016-12-12 2020-01-16 コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. 健康状態の計算解析を容易化するシステム及び方法
WO2020013000A1 (ja) * 2018-07-13 2020-01-16 オムロンヘルスケア株式会社 行動変容支援装置、端末およびサーバ
JP2020013230A (ja) * 2018-07-13 2020-01-23 木村 裕一 構成員健康状態管理システム、構成員健康状態管理方法、及び構成員健康状態管理プログラム
US10811140B2 (en) 2019-03-19 2020-10-20 Dnanudge Limited Secure set-up of genetic related user account
JP2020185382A (ja) * 2019-05-10 2020-11-19 キヤノンメディカルシステムズ株式会社 診断支援装置
US10861594B2 (en) 2015-10-01 2020-12-08 Dnanudge Limited Product recommendation system and method
US10922397B2 (en) 2018-07-24 2021-02-16 Dnanudge Limited Method and device for comparing personal biological data of two users
JPWO2021084747A1 (ja) * 2019-11-01 2021-05-06
CN112802565A (zh) * 2019-11-14 2021-05-14 丰田自动车株式会社 记录介质、信息处理装置、信息处理系统以及信息处理方法
JP2021077313A (ja) * 2019-10-31 2021-05-20 安博 市村 健康状態予測システム、健康状態予測方法、及び、健康状態予測システム用のプログラム
JP6887194B1 (ja) * 2020-09-14 2021-06-16 株式会社Arblet 情報処理システム、サーバ、情報処理方法及びプログラム
JP2021515631A (ja) * 2018-03-13 2021-06-24 株式会社メニコン 健康データの収集および利用システム
JP6949277B1 (ja) * 2021-01-15 2021-10-13 三菱電機株式会社 未病診断装置、未病診断方法及び学習モデル生成装置
KR102319095B1 (ko) * 2020-11-26 2021-10-28 부산대학교병원 맞춤형 헬스케어 시스템
JP2022024105A (ja) * 2020-03-02 2022-02-08 東芝テック株式会社 レシートデータ管理装置及びそのプログラム並びにレシートデータ管理方法
JP7075162B1 (ja) * 2021-08-13 2022-05-25 株式会社プラニス 情報処理システム、情報処理方法、コンピュータプログラムおよび情報処理装置
US11403382B2 (en) 2019-07-24 2022-08-02 Dnanudge Limited Method and device for comparing personal biological data of two users
JP7122048B1 (ja) 2022-01-31 2022-08-19 春樹 鳥海 未病パラメータ測定システム
JP2023033052A (ja) * 2021-08-27 2023-03-09 長佳智能股▲分▼有限公司 遺伝子診断リスク判定システム
WO2024042613A1 (ja) * 2022-08-23 2024-02-29 日本電気株式会社 端末、端末の制御方法及び記憶媒体

Families Citing this family (50)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130191157A1 (en) * 2012-01-17 2013-07-25 Optuminsight, Inc. Unified healthcare intelligence, analytics, and care management
US10614502B2 (en) * 2015-10-16 2020-04-07 International Business Machines Corporation In-store real-time food item selection recommendations
CN105232063B (zh) * 2015-10-22 2017-03-22 广东小天才科技有限公司 用户心理健康检测方法及智能终端
CN105496136B (zh) * 2015-12-10 2018-03-06 嘉兴学院 一种智能水杯的信息网络化方法
KR102534850B1 (ko) 2016-02-03 2023-05-18 삼성전자주식회사 사용자의 건강 상태 모니터링 장치 및 방법과 사용자의 건강 상태 관리 장치
CN105743989A (zh) * 2016-03-31 2016-07-06 宇龙计算机通信科技(深圳)有限公司 运动信息的推送方法、推送装置和终端
US20200321129A1 (en) * 2016-05-23 2020-10-08 Nec Solution Innovators, Ltd. Health condition prediction apparatus, health condition prediction method, and computer-readable recording medium
US20180012242A1 (en) * 2016-07-06 2018-01-11 Samsung Electronics Co., Ltd. Automatically determining and responding to user satisfaction
US11087235B2 (en) * 2016-08-02 2021-08-10 International Business Machines Corporation Cohort consensus approach to manufacturing watson Q and A pipeline training cases from historical data
JP6974029B2 (ja) * 2017-05-02 2021-12-01 ポーラ化成工業株式会社 画像表示装置、肌状態サポートシステム、画像表示プログラム及び画像表示方法
JP6914743B2 (ja) * 2017-06-19 2021-08-04 オムロンヘルスケア株式会社 健康管理装置、健康管理方法、及び健康管理プログラム
JP6587660B2 (ja) * 2017-08-17 2019-10-09 ヤフー株式会社 推定装置、推定方法、及び推定プログラム
JP6512648B1 (ja) * 2017-11-15 2019-05-15 前田商事株式会社 ソフトウェア、健康状態判定装置及び健康状態判定方法
JP7131904B2 (ja) * 2017-12-18 2022-09-06 オムロンヘルスケア株式会社 生活習慣管理装置、方法およびプログラム
US11855971B2 (en) * 2018-01-11 2023-12-26 Visa International Service Association Offline authorization of interactions and controlled tasks
JP6342095B1 (ja) * 2018-01-31 2018-06-13 豊田通商株式会社 健康管理システム、健康管理方法、プログラム、及び記録媒体
JP7016740B2 (ja) * 2018-03-19 2022-02-07 日本光電工業株式会社 検査支援方法、当該検査支援方法をプロセッサに実行させるプログラム、ならびに当該検査支援方法を実行するための検査装置および支援装置
CN111971756A (zh) * 2018-03-26 2020-11-20 日本电气方案创新株式会社 健康援助系统、信息提供表格输出设备、方法和程序
JP2021114005A (ja) * 2018-04-12 2021-08-05 ソニーグループ株式会社 情報処理装置および情報処理方法
CN108597577A (zh) * 2018-04-20 2018-09-28 深圳市科迈爱康科技有限公司 八段锦运动方法、装置及计算机可读存储介质
JP6678201B2 (ja) * 2018-06-05 2020-04-08 日清食品ホールディングス株式会社 食品情報提供システム、装置、方法及びプログラム
JP7135511B2 (ja) * 2018-07-04 2022-09-13 オムロンヘルスケア株式会社 健康管理支援装置、方法、及びプログラム
KR102069979B1 (ko) 2018-08-07 2020-01-23 주식회사 바디프랜드 마사지 장치 기반 사용자 정보 거래 방법 및 시스템
KR102427879B1 (ko) * 2018-08-07 2022-08-01 주식회사 바디프랜드 마사지 장치 기반 사용자 정보 거래 방법 및 시스템
JP2020027577A (ja) * 2018-08-17 2020-02-20 株式会社Pontely ペット購入支援サービスシステム
CN113168918A (zh) * 2018-11-02 2021-07-23 国立研究开发法人理化学研究所 作成健康定位映射及健康函数的方法、系统及程序、以及它们的使用方法
JP2020078373A (ja) * 2018-11-12 2020-05-28 啓太郎 横山 情報処理装置及びコンピュータプログラム
JP7247432B2 (ja) * 2018-11-28 2023-03-29 独立行政法人国立高等専門学校機構 疾病・障害コードを用いた被験者の行動支援システム及び行動支援方法
CN109559243A (zh) * 2018-12-13 2019-04-02 泰康保险集团股份有限公司 保险核保方法、装置、介质及电子设备
CN112955963A (zh) 2018-12-21 2021-06-11 爱平世股份有限公司 健康风险信息管理装置、健康风险信息管理方法及程序
JP7263095B2 (ja) * 2019-04-22 2023-04-24 ジェネシスヘルスケア株式会社 研究支援システム、研究支援装置、研究支援方法及び研究支援プログラム
US20220246259A1 (en) * 2019-04-26 2022-08-04 Nec Solution Innovators, Ltd. Lifestyle improvement specific measure presenting device, lifestyle improvement specific measure presenting method, recording medium, and lifestyle improvement specific measure presenting system
KR102075152B1 (ko) * 2019-05-14 2020-02-07 김형운 건강 분석 서비스 제공 장치 및 방법
KR102072815B1 (ko) * 2019-06-14 2020-02-03 주식회사 마크로젠 마이크로바이옴을 이용한 건강 상태 분류 방법 및 장치
KR102565460B1 (ko) * 2019-12-16 2023-08-09 주식회사 바디프랜드 마사지 장치 기반 사용자 정보 거래 방법 및 시스템
US20230058760A1 (en) * 2020-02-03 2023-02-23 Mizkan Holdings Co., Ltd. Program, information processing method, and information processing device
US11157823B2 (en) 2020-02-04 2021-10-26 Vignet Incorporated Predicting outcomes of digital therapeutics and other interventions in clinical research
US11151462B2 (en) 2020-02-04 2021-10-19 Vignet Incorporated Systems and methods for using machine learning to improve processes for achieving readiness
JP7339182B2 (ja) * 2020-02-21 2023-09-05 Kddi株式会社 成果報酬判定サーバ、成果報酬判定方法、及びコンピュータプログラム
US11328796B1 (en) * 2020-02-25 2022-05-10 Vignet Incorporated Techniques for selecting cohorts for decentralized clinical trials for pharmaceutical research
US11605038B1 (en) 2020-05-18 2023-03-14 Vignet Incorporated Selecting digital health technology to achieve data collection compliance in clinical trials
US11461216B1 (en) 2020-05-18 2022-10-04 Vignet Incorporated Monitoring and improving data collection using digital health technology
WO2022124014A1 (ja) * 2020-12-07 2022-06-16 ソニーグループ株式会社 情報処理装置、データの生成方法、グループ化モデルの生成方法、グループ化モデルの学習方法、情動推定モデルの生成方法及びグループ化用ユーザ情報の生成方法
US11789837B1 (en) 2021-02-03 2023-10-17 Vignet Incorporated Adaptive data collection in clinical trials to increase the likelihood of on-time completion of a trial
US11316941B1 (en) 2021-02-03 2022-04-26 Vignet Incorporated Remotely managing and adapting monitoring programs using machine learning predictions
US11296971B1 (en) 2021-02-03 2022-04-05 Vignet Incorporated Managing and adapting monitoring programs
US11196656B1 (en) 2021-02-03 2021-12-07 Vignet Incorporated Improving diversity in cohorts for health research
US11521714B1 (en) 2021-02-03 2022-12-06 Vignet Incorporated Increasing diversity of participants in health research using adaptive methods
US11361846B1 (en) 2021-02-03 2022-06-14 Vignet Incorporated Systems and methods for customizing monitoring programs involving remote devices
WO2023157606A1 (ja) * 2022-02-15 2023-08-24 ソニーグループ株式会社 情報処理装置、情報処理方法及びプログラム

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000099605A (ja) * 1998-09-24 2000-04-07 Fujitsu Ltd 健診情報分析サーバおよびネットワーク健康情報システム
JP2001268548A (ja) * 2000-03-21 2001-09-28 Sony Corp 情報処理装置および方法、情報処理システム、並びに記録媒体
JP2001327472A (ja) 2000-03-14 2001-11-27 Toshiba Corp 身体装着型生活支援装置および方法
JP2002342492A (ja) * 2001-05-21 2002-11-29 Hitachi Ltd 医療情報管理システム、医療情報管理方法、医療情報管理プログラムを記録した記録媒体及び医療情報管理プログラム
JP2006320735A (ja) 2000-03-14 2006-11-30 Toshiba Corp 身体装着型生活支援装置および方法
JP2007310632A (ja) * 2006-05-18 2007-11-29 Taito Corp 分身健康・体型予測システム
JP2011134106A (ja) * 2009-12-24 2011-07-07 Hitachi Ltd 医療情報収集システム、医療情報収集処理方法及び医療情報収集画面表示制御方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6102856A (en) * 1997-02-12 2000-08-15 Groff; Clarence P Wearable vital sign monitoring system
JP4785294B2 (ja) * 2001-08-08 2011-10-05 勝三 川西 健康情報表示装置
JP2006011494A (ja) * 2004-06-22 2006-01-12 Synergies Jp:Kk 健康管理支援装置、健康管理支援方法、健康管理支援用プログラム、および、健康管理支援システム
JP2012502398A (ja) * 2008-09-12 2012-01-26 ナビジェニクス インコーポレイティド 複数の環境的リスク因子及び遺伝的リスク因子を組み込む方法及びシステム
JP2010231308A (ja) * 2009-03-26 2010-10-14 Olympus Corp 生活習慣病予防装置および生活習慣病予防プログラム
US20110224505A1 (en) * 2010-03-12 2011-09-15 Rajendra Padma Sadhu User wearable portable communicative device
CN103020747A (zh) * 2011-09-22 2013-04-03 生命遗传株式会社 个人定制健康及美容系统
EP3054412A4 (en) * 2013-10-01 2017-03-01 Tohoku University Health information processing device, health information display device, and method

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000099605A (ja) * 1998-09-24 2000-04-07 Fujitsu Ltd 健診情報分析サーバおよびネットワーク健康情報システム
JP2001327472A (ja) 2000-03-14 2001-11-27 Toshiba Corp 身体装着型生活支援装置および方法
JP2006320735A (ja) 2000-03-14 2006-11-30 Toshiba Corp 身体装着型生活支援装置および方法
JP2001268548A (ja) * 2000-03-21 2001-09-28 Sony Corp 情報処理装置および方法、情報処理システム、並びに記録媒体
JP2002342492A (ja) * 2001-05-21 2002-11-29 Hitachi Ltd 医療情報管理システム、医療情報管理方法、医療情報管理プログラムを記録した記録媒体及び医療情報管理プログラム
JP2007310632A (ja) * 2006-05-18 2007-11-29 Taito Corp 分身健康・体型予測システム
JP2011134106A (ja) * 2009-12-24 2011-07-07 Hitachi Ltd 医療情報収集システム、医療情報収集処理方法及び医療情報収集画面表示制御方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
KATSUYUKI OGAWARA: "Big Data o Tsukatte 'Tonyobyo' o Yosoku Dekiru!?", ZUKAI BIG DATA HAYAWAKARI, 29 January 2013 (2013-01-29), pages 104, XP008183027 *
See also references of EP3054412A4

Cited By (65)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017059261A (ja) * 2013-10-01 2017-03-23 国立大学法人東北大学 健康情報処理装置及び方法
JP2017010486A (ja) * 2015-06-26 2017-01-12 Rizap株式会社 情報処理システム、情報処理方法、および、情報処理プログラム
JP2018530069A (ja) * 2015-10-01 2018-10-11 ディーエヌエーナッジ リミテッド 生体情報を安全に転送するための方法、装置、およびシステム
US11133095B2 (en) 2015-10-01 2021-09-28 Dnanudge Limited Wearable device
US10861594B2 (en) 2015-10-01 2020-12-08 Dnanudge Limited Product recommendation system and method
JPWO2017191847A1 (ja) * 2016-05-04 2019-05-16 理香 大熊 将来像予測装置
WO2017191847A1 (ja) * 2016-05-04 2017-11-09 理香 大熊 将来像予測装置
JP2017204199A (ja) * 2016-05-12 2017-11-16 ヤフー株式会社 情報提供装置、情報提供方法および情報提供プログラム
JP7010946B2 (ja) 2016-12-12 2022-01-26 コーニンクレッカ フィリップス エヌ ヴェ 健康状態の計算解析を容易化するシステム及び方法
JP2020501278A (ja) * 2016-12-12 2020-01-16 コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. 健康状態の計算解析を容易化するシステム及び方法
JP2018120351A (ja) * 2017-01-24 2018-08-02 富士通株式会社 情報処理装置、情報処理システム、プログラム及び情報処理方法
WO2018139205A1 (ja) * 2017-01-24 2018-08-02 富士通株式会社 情報処理装置、情報処理システム、プログラム及び情報処理方法
JP2018195217A (ja) * 2017-05-19 2018-12-06 ヤフー株式会社 情報提供装置、情報提供方法および情報提供装置プログラム
JP2018195187A (ja) * 2017-05-19 2018-12-06 ヤフー株式会社 情報提供装置、情報提供方法および情報提供装置プログラム
JP2018195198A (ja) * 2017-05-19 2018-12-06 ヤフー株式会社 提供装置、提供方法及び提供プログラム
WO2019087787A1 (ja) * 2017-10-30 2019-05-09 マクセル株式会社 異常データ処理システムおよび異常データ処理方法
JP7296495B2 (ja) 2017-10-30 2023-06-22 マクセル株式会社 異常データ処理システムおよび異常データ処理方法
US11607153B2 (en) 2017-10-30 2023-03-21 Maxell, Ltd. Abnormal data processing system and abnormal data processing method
JP2022059078A (ja) * 2017-10-30 2022-04-12 マクセル株式会社 異常データ処理システムおよび異常データ処理方法
JP7029513B2 (ja) 2017-10-30 2022-03-03 マクセル株式会社 異常データ処理システムおよび異常データ処理方法
JPWO2019087787A1 (ja) * 2017-10-30 2020-10-22 マクセル株式会社 異常データ処理システムおよび異常データ処理方法
JP2021051758A (ja) * 2017-10-30 2021-04-01 マクセル株式会社 異常データ処理システムおよび異常データ処理方法
JP2019097977A (ja) * 2017-12-05 2019-06-24 倉敷紡績株式会社 体調管理システム
JP6993857B2 (ja) 2017-12-05 2022-01-14 倉敷紡績株式会社 体調管理システム
JP7174061B2 (ja) 2018-03-13 2022-11-17 株式会社メニコン 健康モニタリング方法
JP2021515631A (ja) * 2018-03-13 2021-06-24 株式会社メニコン 健康データの収集および利用システム
US12064237B2 (en) 2018-03-13 2024-08-20 Menicon Co., Ltd. Determination system, computing device, determination method, and program
KR102049307B1 (ko) 2018-04-13 2019-11-27 유한회사 지에스케이테크놀로지 교육용 건강상태 시뮬레이션 장치
KR20190119838A (ko) * 2018-04-13 2019-10-23 유한회사 지에스케이테크놀로지 교육용 건강상태 시뮬레이션 장치
WO2020013000A1 (ja) * 2018-07-13 2020-01-16 オムロンヘルスケア株式会社 行動変容支援装置、端末およびサーバ
JP2020013208A (ja) * 2018-07-13 2020-01-23 オムロンヘルスケア株式会社 行動変容支援装置、端末およびサーバ
JP7135521B2 (ja) 2018-07-13 2022-09-13 オムロンヘルスケア株式会社 行動変容支援装置、端末およびサーバ
JP7082809B2 (ja) 2018-07-13 2022-06-09 BioICT株式会社 構成員健康状態管理システム、構成員健康状態管理方法、及び構成員健康状態管理プログラム
JP2020013230A (ja) * 2018-07-13 2020-01-23 木村 裕一 構成員健康状態管理システム、構成員健康状態管理方法、及び構成員健康状態管理プログラム
US11720659B2 (en) 2018-07-24 2023-08-08 Dnanudge Limited Method and device for comparing personal biological data of two users
US10922397B2 (en) 2018-07-24 2021-02-16 Dnanudge Limited Method and device for comparing personal biological data of two users
JP2019048061A (ja) * 2018-09-26 2019-03-28 株式会社メディプリーム 発病予知ネットワークシステム
US10811140B2 (en) 2019-03-19 2020-10-20 Dnanudge Limited Secure set-up of genetic related user account
US11901082B2 (en) 2019-03-19 2024-02-13 Dnanudge Limited Secure set-up of genetic related user account
JP2020185382A (ja) * 2019-05-10 2020-11-19 キヤノンメディカルシステムズ株式会社 診断支援装置
JP7568423B2 (ja) 2019-05-10 2024-10-16 キヤノンメディカルシステムズ株式会社 診断支援装置
US11403382B2 (en) 2019-07-24 2022-08-02 Dnanudge Limited Method and device for comparing personal biological data of two users
JP2021077313A (ja) * 2019-10-31 2021-05-20 安博 市村 健康状態予測システム、健康状態予測方法、及び、健康状態予測システム用のプログラム
JP7420145B2 (ja) 2019-11-01 2024-01-23 日本電気株式会社 リスク予測装置、リスク予測方法、及びコンピュータプログラム
JPWO2021084747A1 (ja) * 2019-11-01 2021-05-06
WO2021084747A1 (ja) * 2019-11-01 2021-05-06 日本電気株式会社 リスク予測装置、リスク予測方法、及びコンピュータプログラム
JP7302445B2 (ja) 2019-11-14 2023-07-04 トヨタ自動車株式会社 プログラム、情報処理装置、情報処理システム、および情報処理方法
CN112802565A (zh) * 2019-11-14 2021-05-14 丰田自动车株式会社 记录介质、信息处理装置、信息处理系统以及信息处理方法
US11715567B2 (en) 2019-11-14 2023-08-01 Toyota Jidosha Kabushiki Kaisha Storage medium, information processing apparatus, information processing system, and information processing method
JP2021081802A (ja) * 2019-11-14 2021-05-27 トヨタ自動車株式会社 プログラム、情報処理装置、情報処理システム、および情報処理方法
JP7339315B2 (ja) 2020-03-02 2023-09-05 東芝テック株式会社 レシートデータ管理装置及びそのプログラム、レシートデータ管理方法、レシートデータ管理システム
JP2022024105A (ja) * 2020-03-02 2022-02-08 東芝テック株式会社 レシートデータ管理装置及びそのプログラム並びにレシートデータ管理方法
JP7516636B2 (ja) 2020-03-02 2024-07-16 東芝テック株式会社 レシートデータ管理装置及びそのプログラム、レシートデータ管理方法、レシートデータ管理システム
JP6887194B1 (ja) * 2020-09-14 2021-06-16 株式会社Arblet 情報処理システム、サーバ、情報処理方法及びプログラム
JP2022048069A (ja) * 2020-09-14 2022-03-25 株式会社Arblet 情報処理システム、サーバ、情報処理方法及びプログラム
KR102319095B1 (ko) * 2020-11-26 2021-10-28 부산대학교병원 맞춤형 헬스케어 시스템
JP6949277B1 (ja) * 2021-01-15 2021-10-13 三菱電機株式会社 未病診断装置、未病診断方法及び学習モデル生成装置
WO2022153469A1 (ja) * 2021-01-15 2022-07-21 三菱電機株式会社 未病診断装置、未病診断方法及び学習モデル生成装置
WO2023017619A1 (ja) * 2021-08-13 2023-02-16 株式会社ビキタン 情報処理システム、情報処理方法、コンピュータプログラムおよび情報処理装置
JP7075162B1 (ja) * 2021-08-13 2022-05-25 株式会社プラニス 情報処理システム、情報処理方法、コンピュータプログラムおよび情報処理装置
JP7376878B2 (ja) 2021-08-27 2023-11-09 長佳智能股▲分▼有限公司 遺伝子診断リスク判定システム
JP2023033052A (ja) * 2021-08-27 2023-03-09 長佳智能股▲分▼有限公司 遺伝子診断リスク判定システム
JP2023111371A (ja) * 2022-01-31 2023-08-10 春樹 鳥海 未病パラメータ測定システム
JP7122048B1 (ja) 2022-01-31 2022-08-19 春樹 鳥海 未病パラメータ測定システム
WO2024042613A1 (ja) * 2022-08-23 2024-02-29 日本電気株式会社 端末、端末の制御方法及び記憶媒体

Also Published As

Publication number Publication date
JP6212784B2 (ja) 2017-10-18
JP6212786B2 (ja) 2017-10-18
EP3054412A4 (en) 2017-03-01
JP2017059261A (ja) 2017-03-23
US20150193588A1 (en) 2015-07-09
CN104704526A (zh) 2015-06-10
JP6212787B2 (ja) 2017-10-18
JPWO2015050174A1 (ja) 2017-03-09
EP3054412A1 (en) 2016-08-10
JP2017097895A (ja) 2017-06-01
SG11201502141RA (en) 2015-05-28

Similar Documents

Publication Publication Date Title
JP6212787B2 (ja) 健康情報処理装置及び方法
JP6248326B2 (ja) 食事型センサ、及びセンシング方法
AU2021221774B2 (en) Database management and graphical user interfaces for managing blood glucose levels
JP6360998B2 (ja) 健康情報処理装置
US20210319887A1 (en) Method of treating diabetes informed by social determinants of health
Corsonello et al. Concealed renal insufficiency and adverse drug reactions in elderly hospitalized patients
Sullivan et al. Protein-energy undernutrition among elderly hospitalized patients: a prospective study
US11621090B2 (en) Platform for assessing and treating individuals by sourcing information from groups of resources
US20170262609A1 (en) Personalized adaptive risk assessment service
Budhiraja et al. The role of big data in the management of sleep-disordered breathing
Heredia et al. Coaction between physical activity and fruit and vegetable intake in racially diverse, obese adults
KR20220068594A (ko) 챗봇 기반의 질의응답 및 생체표지자 데이터를 이용한 맞춤형 영양 관리 시스템
Leeds et al. Assessing clinical discharge data preferences among practicing surgeons
Portius Wish or Truth: Can Digital Interventions Stop the Obesity Crisis?

Legal Events

Date Code Title Description
ENP Entry into the national phase

Ref document number: 2015508354

Country of ref document: JP

Kind code of ref document: A

REEP Request for entry into the european phase

Ref document number: 2014843220

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 2014843220

Country of ref document: EP

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 14843220

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE