WO2019131245A1 - 疾患発症リスク予測装置、方法およびプログラム - Google Patents

疾患発症リスク予測装置、方法およびプログラム Download PDF

Info

Publication number
WO2019131245A1
WO2019131245A1 PCT/JP2018/046240 JP2018046240W WO2019131245A1 WO 2019131245 A1 WO2019131245 A1 WO 2019131245A1 JP 2018046240 W JP2018046240 W JP 2018046240W WO 2019131245 A1 WO2019131245 A1 WO 2019131245A1
Authority
WO
WIPO (PCT)
Prior art keywords
information
change
sleep
user
blood pressure
Prior art date
Application number
PCT/JP2018/046240
Other languages
English (en)
French (fr)
Inventor
佐藤　博則
光春 小西
誠助 藤原
大輔 野崎
Original Assignee
オムロンヘルスケア株式会社
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
Application filed by オムロンヘルスケア株式会社 filed Critical オムロンヘルスケア株式会社
Priority to DE112018005922.7T priority Critical patent/DE112018005922T5/de
Priority to CN201880077109.1A priority patent/CN111417337B/zh
Publication of WO2019131245A1 publication Critical patent/WO2019131245A1/ja
Priority to US16/906,300 priority patent/US11963802B2/en

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/021—Measuring pressure in heart or blood vessels
    • A61B5/02108—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics
    • A61B5/02125—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics of pulse wave propagation time
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4812—Detecting sleep stages or cycles
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/021—Measuring pressure in heart or blood vessels

Definitions

  • One embodiment of the present invention relates to a disease onset risk prediction device, method, and program used to predict, for example, the risk of developing cerebral cardiovascular disease.
  • Biological information such as blood pressure and electrocardiogram may not only change due to external influences such as weather, excitement and stress, but may also cause characteristic changes depending on the time zone.
  • Biological information such as blood pressure and electrocardiogram may not only change due to external influences such as weather, excitement and stress, but may also cause characteristic changes depending on the time zone.
  • high blood pressure it is normal at the time of stay at home but blood pressure rises at the time of work at work, or normal at daytime but blood pressure at night
  • masked hypertension there is an early morning hypertension in which the blood pressure rises rapidly only in a time zone of about 1 to 2 hours before and after getting up.
  • adrenocorticotropic hormone causes a strong vasoconstriction to cause a sharp rise in blood pressure
  • cerebrovascular diseases such as stroke and myocardial infarction that occur in the early morning or in the morning.
  • Patent Document 1 predicts blood pressure fluctuation of a person based on external conditions such as weather, and informs that the risk of developing cardiovascular disease is increased when blood pressure rise is predicted. It has become. For this reason, it is not particularly dependent on external conditions, and it is impossible to predict the risk of developing a disease having a correlation with changes in biological information that are dependent on time zones.
  • the present invention in order to solve the above problems, according to one aspect thereof, a device for predicting a disease onset risk, which can predict a disease onset risk by focusing on a characteristic change depending on a time zone of biological information, It is an attempt to provide a method and program.
  • a first aspect of the disease onset prediction apparatus, method or program according to the present invention acquires biological information of the user measured by the measurement unit, and sets a plurality of prediction target periods set in advance for a plurality of times. By dividing the information into bands, generating information representing a change in the biological information among the plurality of time zones, and comparing the information representing the change with a predetermined determination reference in association with a specific disease. The risk of developing the specific disease in the user is predicted.
  • the period to be predicted is divided into a plurality of time zones, and changes in biological information among the divided plurality of time zones are compared with the determination criteria to obtain the specific disease condition.
  • Predicted risk of onset can be obtained. Therefore, characteristic changes depending on the time zone of the biological information can be detected relatively easily, and it is possible to predict the onset risk of a specific disease based on the detection results of the characteristic changes. It becomes.
  • blood pressure information is acquired as the biological information, and information representing a change in the acquired blood pressure information among the plurality of time zones is generated.
  • the risk of developing the specific disease in the user is predicted by comparing the information representing the change in the information with a predetermined reference in association with the specific disease.
  • the risk of developing a specific disease can be predicted by comparing the change in blood pressure information between divided time zones with a criterion. Therefore, it is possible to relatively easily detect a characteristic change depending on the blood pressure time zone, and it is possible to predict the onset risk of a specific disease based on the detection result of the characteristic change. Become.
  • the biological information includes blood pressure information and information representing an irregular pulse wave generation state, and the plurality of acquired blood pressure information While generating first change information representing a change between time zones, second change information representing a change in an occurrence state of the acquired irregular pulse wave among the plurality of time zones is generated. Then, the first change information and the second change information are weighted and combined, and third change information representing the combination result is set in advance in association with the specific disease, The comparison is made to predict the risk of developing the specific disease in the user.
  • both of the blood pressure information and the information representing the irregular pulse wave generation status are used as the biological information, and the change in the blood pressure information among the plurality of divided time zones,
  • the risk of onset of a specific disease is predicted by comparing the result of combining the change in the occurrence of irregular pulse waves between multiple time zones with a criterion. That is, in addition to changes in blood pressure between time zones, the risk of developing a specific disease is predicted in consideration of changes in the occurrence of irregular pulse waves. For this reason, it is possible to predict the onset risk of a specific disease with higher accuracy.
  • the information representing the sleep time zone of the user which is input at the input unit, is further acquired, and the information representing the sleep time zone
  • the sleep time zone of the user is set as the prediction target period based on the above, and the sleep time zone is divided into a plurality of time zones.
  • the sleep time zone is set as a prediction target period, and the sleep time zone is divided into a plurality of time zones. For this reason, it is possible to detect the characteristic change depending on the time zone of the biological information that occurs in the user's sleep time zone, and based on the characteristic change of the biological information depending on this time zone It is possible to predict the onset risk.
  • any one of the first to third aspects information representing the user's sleep status obtained by the measurement unit is acquired, and the user's A sleep time zone is estimated, and the sleep time zone is set as a prediction target period.
  • a division boundary point of the sleep time zone is set based on the information indicating the sleep state, and the sleep time zone is divided into a plurality of time zones based on the division boundary point. is there.
  • the actual sleep time zone of the user is set as the prediction target period, and the plurality of sleep time zones are divided by the division boundary point set based on the content of the user's sleep condition. It is divided into time zones. Therefore, it is possible to detect a characteristic change depending on the time zone of biological information in the actual sleep time of the user, and it is possible to predict the onset risk of a specific disease based on this characteristic change It becomes.
  • a statistical value of biological information measured a plurality of times in each of the plurality of time zones is calculated, and the calculated statistics Information is generated that represents changes in the value between the plurality of time zones.
  • the sixth aspect of the present invention when a plurality of biological information are measured in each of the plurality of divided time zones, statistical values of the plurality of biological information are calculated for each time zone, and these statistical information is calculated
  • the risk of developing a specific disease is predicted based on the change in the statistical value of the above-mentioned time zone. Therefore, it becomes possible to reduce the influence of the variation of the biological information and to detect the characteristic change depending on the time zone of the biological information with high accuracy, thereby enhancing the prediction accuracy of the onset risk of a specific disease. Is possible.
  • each aspect of the present invention it is possible to provide a device for predicting a disease onset risk, a method and a program capable of predicting a disease onset risk by focusing on a characteristic change depending on a time zone of biological information.
  • FIG. 1 is a block diagram for explaining one application example of the disease onset prediction apparatus according to the present invention.
  • FIG. 2 is a diagram showing an entire configuration of a system provided with a disease onset estimation apparatus according to the present invention.
  • FIG. 3 is a block diagram showing the configuration of the hardware of the prediction apparatus, for explaining an embodiment of the disease onset prediction apparatus according to the present invention.
  • FIG. 4 is for describing one embodiment of a disease onset prediction apparatus according to the present invention, and is a block diagram showing configurations of software and data memory of the prediction apparatus.
  • FIG. 5 is a flow chart showing the processing procedure and processing contents of the disease onset prediction processing by the disease onset prediction device shown in FIG. FIG.
  • FIG. 6 is a flowchart showing the processing procedure and processing contents of the estimation target period division processing of the disease onset prediction processing shown in FIG.
  • FIG. 7 is a flow chart showing the processing procedure and processing contents of the change information generation processing of the disease onset prediction processing shown in FIG.
  • FIG. 8 is a flow chart showing the processing procedure and processing contents of the risk prediction processing in the disease onset prediction processing shown in FIG.
  • FIG. 9A is a diagram showing an example of pulse wave data.
  • FIG. 9B is a diagram showing an example of a frequency analysis result of heartbeat interval fluctuation.
  • FIG. 9C is a diagram showing an example of a change in autonomic nervous balance.
  • FIG. 9D is a diagram illustrating an example of a time change of the sleep state.
  • FIG. 10 is a diagram showing an example of the sleep state determination result.
  • FIG. 11 is a diagram showing an example of fluctuations in blood pressure value and occurrence of irregular pulse wave generation in the sleeping time zone.
  • FIG. 1 schematically shows a configuration example of a disease onset risk prediction apparatus according to this application example.
  • the measuring device 2 is attached to the user US.
  • the measuring device 2 is, for example, a wearable terminal, and includes a biological information measuring unit and a wireless communication unit.
  • the biological information measurement unit has a blood pressure measurement unit and a pulse wave measurement unit.
  • the blood pressure measurement unit measures the blood pressure value of the user US (including the systolic blood pressure value and the diastolic blood pressure value) to generate blood pressure data.
  • the pulse wave measurement unit measures the pulse wave of the user US. Then, it is determined from the measurement timing of the measured pulse wave whether the pulse wave is a pulse wave having regularity or an irregular pulse wave, and data representing the generation status of the irregular pulse wave is generated.
  • the measurement operation of the blood pressure value and the pulse wave may be performed according to the measurement instruction operation of the user US, or may be automatically performed at preset time intervals.
  • the wireless communication unit stores the blood pressure data generated by the biological information measurement unit and data representing the irregular pulse wave generation status and biological information including the measurement time each time or for a predetermined time, and then performs wireless communication. It is transmitted to the disease onset risk prediction device 1 via the network.
  • the disease onset risk prediction apparatus 1 includes an acquisition unit 1a, a biological information storage unit 1b, a change information generation unit 1c, a risk prediction unit 1d, and a determination criterion storage unit 1e as components according to the present invention. There is.
  • the acquisition unit 1a receives the biological information transmitted from the measurement device 2 and stores the biological information in the biological information storage unit 1b.
  • the change information generation unit 1 c sets, for example, a sleeping time zone of the user US as a prediction target period, and divides this sleeping time zone into, for example, two time zones, a first half and a second half.
  • the sleeping time zone of the user US is input, for example, by the user US at a user terminal or an apparatus having an input function such as the measuring device 2 described above, and the disease onset risk predicting apparatus 1 acquires information representing the inputted sleeping time zone. It can be set by
  • the change information generation unit 1c reads the biological information from the biological information storage unit 1b, and performs, for example, an averaging process on the read biological information for each of the first half and the second half of the sleep time zone. Then, the degree of change between the time zones of the average value of the biological information obtained by the averaging process is determined.
  • the change information generation unit 1c since biological information includes blood pressure data and data representing the occurrence of irregular pulse waves, the change information generation unit 1c generates blood pressure data and data representing the occurrence of irregular pulse waves. For each of the above, an average value is calculated for each of the first half and the second half, and the degree of change between these averages of these averages is calculated. That is, the degree of change in blood pressure and the degree of change in the frequency of occurrence of irregular pulse waves are calculated respectively between the first half and the second half of the sleeping period.
  • the score indicates the magnitude of change in biological information between the two.
  • the change score is given to the risk prediction unit 1 d as information for determining the risk of developing a disease.
  • the risk prediction unit 1d compares the change score obtained by the change information generation unit 1c with the determination reference stored in advance in the determination reference storage unit 1e. Then, for example, when the change score exceeds the determination criterion, it is determined that there is a suspicion of early morning hypertension, for example. Furthermore, when the risk prediction unit 1d determines that the user US is suspected of having early morning hypertension, the risk prediction unit 1d creates a notification message for notifying that the risk of developing cardiovascular cardiovascular disease is high. Then, this notification message is transmitted to, for example, the terminal of the user US or the terminal of the general practitioner of the user US.
  • the sleep time zone is divided into the first half and the second half, and the degree of change in blood pressure data and the degree of change in the frequency of occurrence of irregular pulse waves between these time slots are calculated.
  • the change score of the biological information is integrated to calculate the change score, and the change score is compared with a preset criterion to determine whether the risk of developing cardiovascular disease is high or low. Therefore, it is possible to determine the onset risk of cerebrovascular disease caused by early morning hypertension by a relatively simple method, and the user or the attending physician takes early preventive measures based on the determination result of the onset risk. It will be possible to treat as needed.
  • FIG. 2 is a view showing an example of the entire configuration of a system provided with a disease onset risk prediction apparatus 1 according to an embodiment of the present invention.
  • This system includes a disease onset risk prediction device (hereinafter referred to as a prediction device) SV, for example, on the Web or on the cloud. And between this prediction device SV and terminals used by the user (hereinafter referred to as user terminals) UT1 to UTn, and between the prediction device SV and terminals used by medical personnel such as a doctor (hereinafter referred to as doctor terminals) DT1 ⁇ Communication with the DTm is enabled via the communication network NW.
  • a prediction device SV
  • user terminals used by the user
  • doctor terminals hereinafter referred to as doctor terminals
  • the doctor terminals DT1 to DTm include, for example, a fixed installation personal computer, a portable notebook personal computer, or a tablet terminal.
  • the doctor terminals DT1 to DTm also include at least a mailer and a browser. Then, using the mailer, it is possible to receive the notification mail sent from the prediction device SV, and to access the prediction device SV by using a browser.
  • the user terminals UT1 to UTn include, for example, wearable measuring devices BT1 to BTn and information terminals IT1 to ITn.
  • the measuring devices BT1 to BTn are attached to, for example, the wrist of the user, measure the blood pressure and pulse wave of the user at user operation or at preset timing or time intervals, and wirelessly acquire blood pressure data and pulse wave data obtained by measurement It wirelessly transmits to the information terminals IT1 to ITn through the interface.
  • the measurement time and user identification information (user ID) are added or inserted into the blood pressure data and pulse wave data.
  • the blood pressure fluctuation is estimated by the Beat by Beat method of measuring every beat of the heart rate or the Pulse Transit Time (PTT) method. It is also possible to use a trigger measurement method in which the blood pressure is measured spotwise in response to the fluctuation.
  • the type of the measuring devices BT1 to BTn is not limited to the wearable type worn on the wrist, but may be a type worn on the upper arm or the like or a stationary type.
  • the sphygmomanometer and the pulse wave meter may be provided as separate devices, and blood pressure data and pulse wave data measured by these devices may be transmitted to the information terminals IT1 to ITn.
  • the information terminals IT1 to ITn are, for example, portable information terminals such as smartphones and tablet terminals, or fixed installation type personal computers.
  • the information terminals IT1 to ITn receive blood pressure data and pulse wave data transmitted from the measuring devices BT1 to BTn, and temporarily store the data in the memory. Then, based on the pulse wave data, it is determined whether the pulse wave is a regular pulse wave or an irregular pulse wave based on the deviation amount of the measurement timing for each pulse wave, and the rule of this pulse wave Irregular determination data (hereinafter referred to as pulse wave determination data) is stored in the memory.
  • the information terminals IT1 to ITn read out the blood pressure data and pulse wave determination data stored in the memory from the memory, for example, for each fixed number of data or each fixed time, and transmit the data to the prediction device SV via the communication network NW.
  • the information terminals IT1 to ITn also transmit user's sleep information to the prediction device SV via the communication network NW.
  • the sleep information includes information representing a sleep period.
  • Information representing the sleeping time zone may be manually input by the user at the input unit of the information terminals IT1 to ITn, or information estimated from the pulse wave data may be used. In addition, the method of estimating a sleep time zone from pulse wave data will be described later.
  • each of the information terminals IT1 to ITn has a mailer and a browser, receives from the prediction device SV a message representing a predicted result of the risk of developing cardiovascular cardiovascular disease from either the mailer or the browser, and displays the received message on a display indicate.
  • a wireless interface used between the measuring devices BT1 to BTn and the information terminals IT1 to ITn for example, a wireless interface adopting a short distance wireless data communication standard such as Bluetooth (registered trademark) is used.
  • the present invention is not limited to this, and a wireless LAN (Local Area Network) or a public mobile communication network can also be used.
  • the prediction device SV includes, for example, a server computer or a personal computer, and is configured as follows.
  • FIG. 3 is a block diagram showing the hardware configuration.
  • the prediction device SV has a control unit using a hardware processor called a central control unit (CPU) or the like, and the control unit 10 communicates with the program memory 20, the data memory 30, and the communication via the bus 60.
  • the interface unit 40 is connected.
  • Reference numeral 50 denotes a power supply unit.
  • the program memory 20 uses a non-volatile memory such as a hard disk drive (HDD), a solid state drive (SSD), or a ROM, and stores a group of programs for realizing the process executed by the prediction device SV.
  • the data memory 30 is a volatile memory such as a DRAM or a non-volatile memory such as the HDD or SSD that can be written and read as needed, and biological information and sleep information acquired from the measuring devices BT1 to BTn Are used to store and to store judgment criteria.
  • the communication interface unit 40 performs data communication with the doctor terminals DT1 to DTm and the information terminals IT1 to ITn through the communication network NW.
  • FIG. 4 is a block diagram showing a software configuration and a memory configuration of the prediction device SV.
  • the data memory 30 is provided with a biological information storage unit 31, a sleep information storage unit 32, and a determination reference storage unit 33.
  • the biological information storage unit 31 is used to store blood pressure data and pulse wave determination data received from the information terminals IT1 to ITn of the respective users.
  • the sleep information storage unit 32 is used to store information representing a sleep time zone received from the information terminals IT1 to ITn of each user.
  • the determination criterion storage unit 33 stores, for example, a determination criterion set in advance to determine the risk of developing the cardiovascular cardiovascular disease.
  • the criterion is, for example, to determine the degree of change in the blood pressure value at the time of sleep stabilization and the frequency of occurrence of irregular pulse waves of morning hypertension and irregular pulse waves which are one of the causes of onset of cerebral cardiovascular disease. is there.
  • the determination criteria are set according to the criteria defined in the above-mentioned hypertension treatment guidelines, and stored in the determination criteria storage unit 33.
  • a biological information acquisition control program 11 a sleep information acquisition control program 12, a prediction target period division program 13, a change information generation program 14, and a prediction program 15 are stored.
  • the unit 10 implements the processing according to the embodiment by executing the programs 11 to 15 by the CPU.
  • the biological information acquisition control program 11 receives blood pressure data and pulse wave determination data transmitted from the information terminals IT1 to ITn of each user by the communication interface unit 40, and receives the received blood pressure data and pulse wave determination data In accordance with the user ID and the measurement time added or inserted in the process, processing is performed to be stored in the biological information storage unit 31 in order of measurement time separately for each user.
  • the sleep information acquisition control program 12 receives, by the communication interface unit 40, information representing the sleep time zone transmitted from the information terminals IT1 to ITn of each user or information representing the determination result of the sleep state, and the received information is received by the user A process of storing in the biometric information storage unit 31 in association with the ID is performed.
  • the prediction target period division program 13 sets the sleep time period as a prediction target period based on the information representing the sleep time zone stored in the sleep information storage unit 32, for example, for each user, and the sleep time
  • the center time of the band is set as a division boundary point, and the above-mentioned sleep time zone is divided into a first half time zone and a second half time zone by this division boundary point.
  • the change information generation program 14 executes the following process.
  • the blood pressure data in which the measurement time is included in the time zone for each user in the first half and the second half of the sleep time zone set by the prediction target period division program 13 for each user is the biological information storage unit 31
  • calculating the degree of change (ratio) of the average value between the first and second halves of the average value may be performed for each of the systolic blood pressure and the diastolic blood pressure, or may be performed only for the systolic blood pressure.
  • pulse wave determination data in which the measurement time is included in the time zone is read out from the biological information storage unit 31 and the occurrence frequency of irregular pulse waves is calculated. And calculating the degree of change (ratio) of the occurrence frequency between the first and second time zones.
  • a weighting factor is attached to the degree of change in blood pressure data calculated in the above (1) and the degree of change in irregular pulse wave frequency calculated in the above (2), and the sleep time zone is synthesized. Processing of calculating a score (also referred to as a comprehensive risk) indicating the degree of temporal change of biological information in which the occurrence frequency of blood pressure and irregular pulse wave is integrated. Note that arithmetic processing by addition, multiplication, or a combination thereof is used for the weighting and combining processing.
  • the prediction program 15 executes the following process. (1) A process of comparing the score calculated by the change information generation program 14 with the determination criteria stored in the determination criteria storage unit 33 and using the comparison result as prediction data of the onset risk of cerebrovascular disease. (2) When the contents of the prediction data of the onset risk indicate "the onset risk is high", a notification message to that effect is created, and the notification message is transmitted from the communication interface unit 40 to the information terminal IT1 to ITn of the corresponding user or A process of transmitting, for example, an electronic mail to the terminals DT1 to DTm of the user's doctor of charge.
  • the information terminals IT1 to ITn receive blood pressure data and pulse wave data transmitted from the measuring devices BT1 to BTn, and temporarily store the data in the memory. Then, based on the pulse wave data, the amount of deviation from the original measurement timing is detected for each pulse wave, and if the amount of deviation is less than a predetermined amount, the pulse wave is determined as a regular pulse wave, and the amount of deviation is If it is more than a fixed amount, the pulse wave is determined to be an irregular pulse wave. For example, when the measurement timing of the pulse wave deviates by 25% or more of the average measurement interval, the pulse wave is determined to be an irregular pulse wave, and otherwise, the pulse wave is determined to be a regular pulse wave.
  • the pulse wave regular / irregular decision data (pulse wave decision data) is stored in the memory.
  • the information terminals IT1 to ITn read out the blood pressure data and the pulse wave determination data accumulated in the memory, for example, for a predetermined time, and transmit the data to the prediction device SV via the communication network NW.
  • the blood pressure data and the pulse wave determination data may be transmitted from the information terminals IT1 to ITn to the prediction device SV each time they are measured.
  • the information terminals IT1 to ITn generate information representing the sleep time of the user.
  • the following two can be considered as the generation method.
  • (Method 1) Self-reporting of the user The user manually inputs his / her sleeping time zone (bedtime and wake-up time) in his / her information terminals IT1 to ITn.
  • the information terminals IT1 to ITn store the information representing the inputted sleep time zone in the memory, read out the information at an arbitrary timing after getting up, and transmit the information as sleep information to the prediction device SV.
  • the measuring devices BT1 to BTn are provided with the input unit, the user may input the sleeping period at the input unit of the measuring devices BT1 to BTn.
  • the information terminals IT1 to ITn determine the sleep condition of the user, for example, by the following method based on the measured pulse wave data.
  • 9A to 9D are diagrams for explaining the processing contents. That is, first, the heart rate interval (RRI) is detected from pulse wave data (waveform data shown in FIG. 9A). Next, by performing frequency analysis of the fluctuation component of the heartbeat interval, as shown in FIG. 9B, a low frequency component (Low Frequency: LF) of around 0.1 Hz reflecting sympathetic nerve activity and parasympathetic nerve activity are reflected. The level of a high frequency component (HF) around 0.3 Hz is calculated. Then, based on the detection results of LF and HF, the autonomic nervous balance during the sleep time as shown in FIG. 9C is calculated.
  • LF low frequency component
  • HF high frequency component
  • the autonomic nervous activity has a certain correlation with the depth and type of sleep (REM sleep and non-REM sleep).
  • REM sleep and non-REM sleep occurs when the parasympathetic component predominates
  • rem sleep occurs when the sympathetic component predominates or the pulse wave is disrupted. Therefore, focusing on this relationship, the information terminals IT1 to ITn associate the autonomic nervous balance with the sleep state as shown in FIG. 9D, for example.
  • the information terminals IT1 to ITn define sleep stages, for example, four stages of REM sleep, deep non-REM sleep, shallow non-REM sleep, and awakening, and also the calculation result of the autonomic nervous balance. And map the sleep situation to the above four stages of sleep stage. Then, for example, the determination result of the sleep state shown in FIG. 10 is obtained.
  • the discrimination between REM sleep and awakening is performed by, for example, providing an acceleration sensor in each of the measuring devices BT1 to BTn, detecting the body movement of the user by the acceleration sensor, and determining awakening when body movement continues for a predetermined time or more. In this way, the determination can be made more accurately.
  • the information terminals IT1 to ITn store the information indicating the determination result of the sleep condition in the memory, read out at any timing after getting up and transmit the information as sleep information to the prediction device SV.
  • Method 2 Kenichi Kameyama et al., "Sleep judgment and sleep monitor system for a good sleep", Toshiba review Vol. 61 No. 10 (2006) p. 41 It is described in detail in -44.
  • FIG. 5 is a flowchart illustrating the processing procedure and the processing content of the prediction device SV.
  • (3-2-1) Acquisition of Biological Information The prediction device SV monitors the reception of biological information in step S10 under the control of the biological information acquisition control program 11. In this state, when biological information, that is, blood pressure data and pulse wave determination data are transmitted from the information terminals IT1 to ITn of the user, the blood pressure data and pulse wave determination data are received by the communication interface unit 40, and control is performed in step S11. It is taken into the unit 10 and stored in the biological information storage unit 31.
  • the above-described acquisition process of blood pressure data and pulse wave determination data is performed each time new blood pressure data and pulse wave determination data are transmitted from the information terminals IT1 to ITn.
  • the blood pressure data and the pulse wave determination data are separated for each user according to the user ID added to or inserted into the data and the clock time, and are arranged in the order of measurement time and stored in the biological information storage unit 31. Ru.
  • the prediction device SV monitors reception of sleep information in step S12 under the control of the sleep information acquisition control program 12.
  • sleep information that is, information representing a sleep time zone or information representing a determination result of the sleep condition
  • the information representing the sleep time zone or the determination result of the sleep condition Is received by the communication interface unit 40, and is taken into the control unit 10 in step S13 and stored in the sleep information storage unit 32. Since the sleep information sent from the information terminals IT1 to ITn may be updated daily, the received sleep information is stored in association with information representing a date.
  • the prediction device SV determines whether or not the onset risk estimation timing has come in step S14 while executing the acquisition processing of the biological information and the acquisition processing of the sleep information. I am monitoring.
  • the onset risk estimation timing is set, for example, to the awakening timing of the user.
  • the awakening timing is set based on the acquired sleep information.
  • the prediction device SV first activates the prediction target period division program 13 in step S15, and under control of the prediction target period division program 13, the prediction target period division is performed as follows: Execute the process
  • FIG. 6 is a flowchart showing an example of processing procedures and processing contents of the prediction target period division processing.
  • the prediction target period division program 13 reads sleep information corresponding to a date from the sleep information storage unit 32 in step S151. Then, in step S152, if the read sleep information is information representing a sleep time zone input by the user, the sleep time zone is directly set as a prediction target period.
  • the prediction target period division program 13 estimates the sleeping period from the information, and the estimated sleeping time Set the band as the forecast target period. For example, in the case of the information representing the determination result of the sleep state shown in FIG. 10, it is estimated that the sleep time zone is from the end time of the “wake up” state at bedtime to the start time of the “wake up” state at wake up.
  • the prediction target period division program 13 sets division boundary points based on the sleeping period set as the above-mentioned prediction target period. For example, the central time of the sleeping period is set as the division boundary point as it is. Alternatively, based on the information indicating the determination result of the sleep state, the timing of transition from the state where the appearance frequency of “deep non-REM sleep” is high to the state where it is low is detected, and this is set as the division boundary point. For example, in FIG. 10, the appearance frequency of “deep non-REM sleep” is calculated at one-hour intervals, and the timing at which the calculated value largely changes is set as a division boundary point.
  • step S154 the prediction target period division program 13 divides the sleeping period set as the prediction target period in step S152 into two time periods using the division boundary point set in step S154.
  • the first half time zone and the second half time zone are divided at AM 1:53.
  • FIG. 7 is a flow chart showing an example of a procedure of generation processing of biometric information change information and an example of processing content.
  • the change information generation program 14 reads, from the biological information storage unit 31, blood pressure data whose measurement time is included in the sleep time zone set as the prediction target period. At this time, the reading of the blood pressure data may be divided in advance into a first half and a second half of the sleep time zone.
  • the change information generation program 14 subsequently calculates the average value of the blood pressure data included in the first half of the read blood pressure data in step S162.
  • the average value of blood pressure data in the latter half of the time zone is calculated.
  • the average value of the blood pressure data is calculated for each of the systolic blood pressure value and the diastolic blood pressure value.
  • step S164 the change information generation program 14 calculates the ratio of the average value of the blood pressure data in the first half of the time zone calculated above to the average value of the blood pressure data in the second half of the time zone.
  • step S165 the change information generation program 14 reads pulse wave determination data in which the measurement time is included in the sleep time zone set as the prediction target period from the biological information storage unit 31.
  • the pulse wave determination data may be read in advance into the first half and the second half of the sleep time zone.
  • step S166 When the reading of the pulse wave determination data included in the sleep time zone is completed, the change information generation program 14 continues to step S166 to generate pulse wave determination data of the pulse wave determination data included in the first half of the read pulse wave determination data.
  • the average value that is, the occurrence frequency of the irregular pulse wave is calculated.
  • step S167 the average value of pulse wave determination data in the latter half of the time zone, that is, the occurrence frequency of irregular pulse waves is calculated.
  • step S168 the change information generation program 14 calculates the ratio of the irregular pulse wave occurrence frequency in the first half time zone calculated above to the irregular pulse wave occurrence frequency in the second half time zone.
  • the value of pulse wave determination data in the sleeping time zone is represented as shown in “0” (regular pulse wave) or “1” (irregular pulse wave) in FIG.
  • step S169 the change information generation program 14 determines the ratio riskbp of the average value of the blood pressure data bpi between the first half and the second half of the calculated sleep time zone and the disorder between the first and second half of the calculated sleep time zone. After assigning the weighting factors W1 and W2 to the ratio of occurrence frequency of pulse wave to riskirh, respectively Multiply by Then, the calculation result is output as a change information (also referred to as an integrated risk) risk indicating the degree of time change of the biological information obtained by integrating the occurrence frequency of the blood pressure and the irregular pulse wave.
  • a change information also referred to as an integrated risk
  • Weighting factors W1 and W2 are set in advance according to the ratio of the contribution of blood pressure and irregular pulse wave to early morning hypertension, respectively. By appropriately setting the weighting factors W1 and W2 in this manner, it is possible to further enhance the accuracy in the determination of early morning hypertension.
  • FIG. 8 is a flowchart showing an example of the prediction processing procedure and the processing content by the prediction program 15. That is, in step S171, the prediction program 15 reads out from the determination reference storage unit 33 the determination threshold of the onset risk of cerebrovascular disease, which is set in advance by combining both the occurrence frequency of the early morning hypertension and the irregular pulse wave. , Compare the above-mentioned integrated risk risk with the above-mentioned judgment threshold. Then, in step S172, it is determined whether the total risk risk is higher or lower than the determination threshold.
  • the prediction program 15 creates a message for notifying the user that the risk of development of cerebrovascular disease is high in step S173, and the notification message Are transmitted from the communication interface unit 40 to the information terminal ITi of the corresponding user.
  • the notification message may include a message that recommends that sudden exercise and the like be avoided.
  • the prediction program 15 may transmit the notification message to the terminal DTi of the relevant user's doctor, and the prediction program 15 may be used by a person who is closely related to the user such as the user's family or manager of the work place. It may be transmitted to an information terminal.
  • blood pressure data and irregular pulse wave determination data are obtained from the user terminals UT1 to UTn, respectively, and input data indicating a sleep time zone or a determination result of a sleep state Get information representing Then, based on the input data indicating the sleep time zone or the information indicating the determination result of the sleep condition, the user sets the sleep time zone as the prediction target period, and then divides the sleep time zone into the first half and the second half.
  • the sleep time zone is calculated by calculating the degree of change in blood pressure data between the first half and the second half and the degree of change in the occurrence frequency of irregular pulse waves, and multiplying these by weighting factors.
  • a score indicating the degree of temporal change of biological information obtained by integrating the occurrence frequency of blood pressure and irregular pulse wave is calculated. Then, the integrated risk is compared with the determination threshold to determine whether the development risk of the cerebrocardiovascular disease is high or low, and the result is notified to the user or the like.
  • the sleep time zone input by the user himself or the sleep time zone estimated from the determination result of the user's own sleep condition is set as the prediction target period, an accurate sleep time zone can be set. This makes it possible to accurately predict the risk of developing cardiovascular cardiovascular disease due to early morning hypertension.
  • the sleep time zone can be divided into the former half and the latter with optimal timing. By this, it is possible to further improve the prediction accuracy of the onset risk of cerebrovascular disease.
  • the central time is calculated from the sleep time zone and the sleep time zone is divided into the former half and the latter half at this central time, setting of division boundary points and time zone division processing can be easily performed.
  • the determination process may be performed by the measuring devices BT1 to BTn. Alternatively, it may be performed by the prediction device SV.
  • the above determination processing is performed by the measuring devices BT1 to BTn, there is no need to transmit pulse wave waveform data from the measuring devices BT1 to BTn to the information terminals IT1 to ITn. Therefore, the measuring devices BT1 to BTn and the information terminals IT1 to ITn The amount of communication data can be reduced.
  • the processing load on the measuring devices BT1 to BTn and the information terminals IT1 to ITn can be reduced.
  • the processing of analyzing the sleep state from pulse wave data is performed by the information terminals IT1 to ITn.
  • pulse wave data is transmitted from the information terminals IT1 to ITn to the prediction device SV, the prediction device SV determines the sleep situation based on the above pulse wave data, and estimates the sleep time zone from the determination result. Further, division boundary points may be set. In this way, the processing load on the information terminals IT1 to ITn can be reduced, and the battery life can be extended.
  • the sleeping time zone is divided into the first half and the second half.
  • the present invention is not limited thereto.
  • the sleep time zone is divided into three or more time zones, the average value of blood pressure data and the occurrence frequency of irregular pulse wave are calculated for each of these time zones, and the time zones of these calculated values.
  • the risk of developing cardiovascular cardiovascular disease may be predicted based on the degree of change between the two. In this way, for example, when a surge of blood pressure occurs due to the influence of sleep apnea syndrome etc. in the middle time zone of the sleep time zone, the occurrence of the surge is detected and the degree of the onset of cerebrovascular disease by the degree. Risk can be predicted.
  • the division boundary point of the sleep time zone may not be set to the central time of the sleep time zone, and may be set, for example, to a timing closer to the wake-up time than the central time. In this way, even if a blood pressure surge occurs due to, for example, the influence of sleep apnea syndrome in the middle time zone of the sleep time zone, it is possible to reduce the influence and accurately detect the onset of early morning hypertension .
  • a plurality of thresholds may be set. If the threshold is one, it can be determined whether the risk of developing cardiovascular cardiovascular disease is high. In the case of multiple thresholds, it is possible to determine how high the risk of developing cardiovascular cardiovascular disease is, and thereby notify the user of an appropriate message according to the high risk of developing cardiovascular cardiovascular disease. It is possible to
  • the configuration of the prediction device SV is provided on a server computer on the Web or in the cloud, but the configuration of the prediction device SV is provided to the information terminals IT1 to ITn owned by the user. If the measurement devices BT1 to BTn and the information terminals IT1 to ITn are configured as one device, such as a wearable terminal, the wearable terminal may be provided with the configuration of the prediction device SV. You may do so.
  • blood pressure data and pulse wave determination data are acquired as biological information, and both the blood pressure data and pulse wave determination data are used to predict the onset risk of cerebrovascular disease.
  • the present invention is not limited to this, and only blood pressure data may be acquired, and only the blood pressure data may be used to predict the onset risk of cerebral cardiovascular disease.
  • only pulse wave determination data may be acquired to predict the onset risk of the disease.
  • a disease onset risk prediction device comprising a hardware processor and a memory, comprising: The hardware processor is Acquiring the biometric information of the user measured by the measuring unit and storing the information in the memory; The prediction target period is divided into a plurality of time zones, and information representing a change in the biological information among the plurality of time zones is generated. A judgment criterion set in advance in association with a specific disease is stored in the memory, and information indicating the change is compared with the judgment criterion to predict the onset risk of the specific disease in the user. Risk prediction device.
  • a method for predicting the risk of developing a disease which is executed by a device having a hardware processor and a memory, comprising: A process in which the hardware processor acquires the user's biological information measured by the measurement unit and stores the biological information in the memory; The hardware processor dividing the prediction target period set in advance into a plurality of time zones and calculating information representing a change in the biological information among the plurality of time zones; The hardware processor stores, in the memory, a judgment criterion set in advance in association with a specific disease, and compares information representing the change with the judgment criterion to develop the specific disease in the user.
  • Risk onset prediction method comprising the steps of predicting risk.
  • An apparatus for predicting the risk of developing a disease comprising:

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Physics & Mathematics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Physiology (AREA)
  • Cardiology (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Psychiatry (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Vascular Medicine (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Pulmonology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

生体情報の時間帯に依存する特徴的な変化に着目して疾患発症リスクの予測を行えるようにする。予測装置（ＳＶ）において、血圧データおよび不規則脈波の判定データを取得すると共に、睡眠時間帯を示す入力データもしくは睡眠状況の判定結果を表す情報を取得する。そして、上記睡眠時間帯の入力データもしくは睡眠状況の判定結果を表す情報をもとに、予測対象期間として睡眠時間帯を設定してこれを前半と後半に分割し、この前半と後半の各時間帯間における血圧データの変化の度合い、および不規則脈波の発生頻度の変化の度合いをそれぞれ算出して、これらを乗算することにより睡眠時間帯における総合リスクを算出する。そして、この総合リスクを判定閾値と比較して脳心血管疾患の発症リスクの高低を判定する。

Description

疾患発症リスク予測装置、方法およびプログラム
　この発明の一実施形態は、例えば脳心血管疾患の発症リスクを予測するために用いられる疾患発症リスク予測装置、方法およびプログラムに関する。
　一般に、高血圧は自覚症状がない場合が多く、また症状があっても頭痛や頭重感といった比較的軽い症状しか自覚できない場合が多い。しかし、高血圧を放置すると、脳卒中や心筋梗塞などの重篤な疾患を突然発症するリスクが高くなり、非常に好ましくない。そこで、血圧を定期的に計測し、計測された血圧値の変化から上記のような重篤な疾患の発症リスクを予測する技術が提案されている（例えば、日本国特開２００７－８６９０６号公報を参照）。
　血圧や心電などの生体情報は、気象や興奮、ストレスなどの外部から受ける影響により変化するだけでなく、時間帯に依存して特徴的な変化を生じることがある。例えば、高血圧のタイプには、家庭に滞在している時間帯では正常であるが職場で仕事をしている時間帯になると血圧が上昇する職場高血圧や、昼間では正常であるが夜間になると血圧が上昇する仮面高血圧がある。さらに仮面高血圧には、起床前後の１～２時間程度の時間帯のみ血圧が急激に上昇する早朝高血圧がある。早朝高血圧は、睡眠中に低下した交感神経活動が覚醒前から亢進しはじめ、同時に副腎皮質刺激ホルモン（ＡＣＴＨ）の活性亢進が関与することで、強い血管収縮を生じて急峻な血圧上昇が発生するもので、特に早朝や午前中に発症する脳卒中や心筋梗塞などの重篤な脳心血管疾患との間で有意な関連性が指摘されている。
　ところが、特許文献１に記載された技術は、気象などの外部条件に基づいて人の血圧変動を予測し、血圧の上昇が予測される場合に循環器系疾患の発症リスクが高まることを知らせるものとなっている。このため、外部条件には特に依存せず、時間帯に依存する生体情報の変化と関連性を有する疾患の発症リスクまでは予測することができない。
　この発明は上記課題を解決するために、その一側面においては、生体情報の時間帯に依存する特徴的な変化に着目して疾患発症リスクの予測を行えるようにした疾患発症リスクの予測装置、方法およびプログラムを提供しようとするものである。
　上記課題を解決するためにこの発明に係る疾患発症予測装置、方法またはプログラムの第１の態様は、計測部により計測されたユーザの生体情報を取得し、予め設定した予測対象期間を複数の時間帯に分割して、前記生体情報の前記複数の時間帯間における変化を表す情報を生成し、当該変化を表す情報を、特定の疾患に対応付けて予め設定された判定基準と比較することで、前記ユーザにおける前記特定の疾患の発症リスクを予測するようにしたものである。
　この発明の第１の態様によれば、予測対象期間が複数の時間帯に分割され、この分割された複数の時間帯間における生体情報の変化を判定基準と比較することで、特定の疾患の発症リスクの予測結果が得られる。このため、生体情報の時間帯に依存する特徴的な変化を比較的簡単に検出することができ、この特徴的な変化の検出結果に基づいて、特定の疾患の発症リスクを予測することが可能となる。
　この発明の第２の態様は、前記第１の態様において、前記生体情報として血圧情報を取得し、この取得された血圧情報の前記複数の時間帯間における変化を表す情報を生成し、当該血圧情報の変化を表す情報を、前記特定の疾患に対応付けて予め設定された判定基準と比較することで、前記ユーザにおける前記特定の疾患の発症リスクを予測するようにしたものである。
　この発明の第２の態様によれば、分割された複数の時間帯間における血圧情報の変化を判定基準と比較することで、特定の疾患の発症リスクが予測される。このため、血圧の時間帯に依存する特徴的な変化を比較的簡単に検出することができ、この特徴的な変化の検出結果に基づいて、特定の疾患の発症リスクを予測することが可能となる。
　この発明の第３の態様は、前記第１の態様において、前記生体情報として、血圧情報と、不規則脈波の発生状況を表す情報をそれぞれ取得し、前記取得された血圧情報の前記複数の時間帯間における変化を表す第１の変化情報を生成すると共に、前記取得された不規則脈波の前記複数の時間帯間における発生状況の変化を表す第２の変化情報を生成する。そして、前記第１の変化情報と前記第２の変化情報とを重み付けして合成し、その合成結果を表す第３の変化情報を、前記特定の疾患に対応付けて予め設定された判定基準と比較することで、前記ユーザにおける前記特定の疾患の発症リスクを予測するようにしたものである。
　この発明の第３の態様によれば、生体情報として血圧情報と不規則脈波の発生状況を表す情報の両方を使用し、分割された複数の時間帯間における上記血圧情報の変化と、上記複数の時間帯間における不規則脈波の発生状況の変化とを合成した結果を判定基準と比較することで、特定の疾患の発症リスクが予測される。すなわち、時間帯間における血圧の変化に加え、不規則脈波の発生状況の変化を考慮して、特定の疾患の発症リスクが予測される。このため、特定の疾患の発症リスクをより高精度に予測することが可能となる。
　この発明の第４の態様は、前記第１乃至第３の態様のいずれかにおいて、入力部において入力された、前記ユーザの睡眠時間帯を表す情報をさらに取得し、この睡眠時間帯を表す情報に基づいて、ユーザの睡眠時間帯を予測対象期間として設定し、当該睡眠時間帯を複数の時間帯に分割するようにしたものである。
　この発明の第４の態様によれば、例えば、ユーザが自身の端末において自身の睡眠時間帯を表す情報を入力すると、この睡眠時間帯を表す情報が上記端末から取得される。そして、この取得された入力情報に基づいて上記睡眠時間帯が予測対象期間として設定され、当該睡眠時間帯が複数の時間帯に分割される。このため、ユーザの睡眠時間帯に発生する、生体情報の時間帯に依存する特徴的変化を検出することが可能となり、この時間帯に依存する生体情報の特徴的変化に基づいて特定の疾患の発症リスクを予測することが可能となる。
　この発明の第５の態様は、前記第１乃至第３の態様のいずれかにおいて、計測部により得られたユーザの睡眠状況を表す情報を取得し、当該睡眠状況を表す情報に基づいてユーザの睡眠時間帯を推定し、当該睡眠時間帯を予測対象期間として設定する。またそれと共に、前記睡眠状況を表す情報に基づいて前記睡眠時間帯の分割境界点を設定し、当該分割境界点をもとに前記睡眠時間帯を複数の時間帯に分割するようにしたものである。
　この発明の第５の態様によれば、ユーザの実際の睡眠時間帯が予測対象期間として設定され、さらにユーザの睡眠状況の内容に基づいて設定された分割境界点により上記睡眠時間帯が複数の時間帯に分割される。このため、ユーザの実際の睡眠時間帯における生体情報の時間帯に依存する特徴的な変化を検出することができ、この特徴的変化をもとに特定の疾患の発症リスクを予測することが可能となる。
　この発明の第６の態様は、前記第１乃至第５の態様のいずれかにおいて、前記複数の時間帯の各々において、複数回計測された生体情報の統計値を算出し、当該算出された統計値の前記複数の時間帯間における変化を表す情報を生成するようにしたものである。
　この発明の第６の態様によれば、分割された複数の時間帯の各々において複数の生体情報が計測された場合には、時間帯ごとに上記複数の生体情報の統計値が算出され、これらの統計値の上記時間帯間における変化をもとに、特定の疾患の発症リスクが予測される。従って、生体情報のバラツキの影響を低減して、生体情報の時間帯に依存する特徴的な変化を高精度に検出することが可能となり、これにより特定の疾患の発症リスクの予測精度を高めることが可能となる。
　すなわちこの発明の各態様によれば、生体情報の時間帯に依存する特徴的な変化に着目して疾患発症リスクの予測を行うことができる疾患発症リスクの予測装置、方法およびプログラムを提供することができる。
図１は、この発明に係る疾患発症予測装置の１つの適用例を説明するためのブロック図である。 図２は、この発明に係る疾患発症推定装置を備えたシステムの全体構成を示す図である。 図３は、この発明に係る疾患発症予測装置の一実施形態を説明するためのもので、当該予測装置のハードウェアの構成を示すブロック図である。 図４は、この発明に係る疾患発症予測装置の一実施形態を説明するためのもので、当該予測装置のソフトウェアとデータメモリの構成を示すブロック図である。 図５は、図４に示した疾患発症予測装置による疾患発症予測処理の処理手順と処理内容を示すフローチャートである。 図６は、図５に示した疾患発症予測処理のうち推定対象期間分割処理の処理手順と処理内容を示すフローチャートである。 図７は、図５に示した疾患発症予測処理のうち変化情報生成処理の処理手順と処理内容を示すフローチャートである。 図８は、図５に示した疾患発症予測処理のうちリスク予測処理の処理手順と処理内容を示すフローチャートである。 図９Ａは、脈波データの一例を示す図である。 図９Ｂは、心拍間隔揺らぎの周波数解析結果の一例を示す図である。 図９Ｃは、自律神経バランスの変化の一例を示す図である。 図９Ｄは、睡眠状況の時間変化の一例を示す図である。 図１０は、睡眠状況判定結果の一例を示す図である。 図１１は、睡眠時間帯における血圧値の変動と不規則脈波発生の有無の一例を示す図である。
　以下、図面を参照してこの発明に係わる実施形態を説明する。
　［適用例］
　まず、この発明が適用される場面の一例について説明する。　
　図１は、この適用例に係る疾患発症リスク予測装置の構成例を模式的に示したものである。図１において、ユーザＵＳには計測装置２が装着されている。計測装置２は、例えばウェアラブル端末からなり、生体情報計測ユニットと、無線通信ユニットとを備えている。
　生体情報計測ユニットは、血圧計測部と、脈波計測部とを有する。血圧計測部は、ユーザＵＳの血圧値（収縮期の血圧値および拡張期の血圧値を含む）を計測し、血圧データを生成する。脈波計測部は、ユーザＵＳの脈波を計測する。そして、計測された脈波の計測タイミングから当該脈波が規則性を持つ脈波であるか不規則な脈波であるかを判定し、不規則脈波の発生状況を表すデータを生成する。上記血圧値および脈波の計測動作は、ユーザＵＳの計測指示操作に応じて行ってもよく、また予め設定された時間間隔で自動的に行ってもよい。
　無線通信ユニットは、上記生体情報計測ユニットにより生成された血圧データおよび不規則脈波の発生状況を表すデータと、その計測時刻を含む生体情報を、その都度あるいは一定時間分蓄積した後、無線通信ネットワークを介して疾患発症リスク予測装置１へ送信する。
　疾患発症リスク予測装置１は、この発明に係る構成要素として、取得部１ａと、生体情報記憶部１ｂと、変化情報生成部１ｃと、リスク予測部１ｄと、判定基準記憶部１ｅとを備えている。
　取得部１ａは、上記計測装置２から送信された上記生体情報を受信し、生体情報記憶部１ｂに記憶させる。変化情報生成部１ｃは、予測対象期間として例えばユーザＵＳの睡眠時間帯を設定し、この睡眠時間帯を例えば前半と後半の２つの時間帯に分割する。ユーザＵＳの睡眠時間帯は、例えばユーザＵＳがユーザ端末または上記計測装置２等の入力機能を備える装置において入力し、この入力された睡眠時間帯を表す情報を疾患発症リスク予測装置１が取得することにより設定することができる。
　また変化情報生成部１ｃは、上記生体情報記憶部１ｂから生体情報を読み出し、この読み出した生体情報を上記睡眠時間帯の前半と後半の各時間帯ごとに例えば平均化処理する。そして、上記平均化処理により得られた上記生体情報の平均値の上記各時間帯間における変化の度合いを求める。
　一例を述べると、生体情報には血圧データと不規則脈波の発生状況を表すデータとが含まれているので、変化情報生成部１ｃは、血圧データと不規則脈波の発生状況を表すデータのそれぞれについて、上記前半と後半の各時間帯ごとに平均値を算出し、これらの平均値の上記各時間帯間における変化の度合いを算出する。つまり、睡眠時間帯の前半と後半との間における、血圧の変化の度合いと、不規則脈波の発生頻度の変化の度合いをそれぞれ算出する。
　そして、算出された血圧の変化の度合いと不規則脈波の発生頻度の変化の度合いとを重み係数を掛けて加算または乗算し、その算出結果をユーザＵＳの睡眠時間帯の前半と後半との間における生体情報の変化の大きさを示すスコアとする。この変化スコアは、疾患発症リスクを判定するための情報としてリスク予測部１ｄに与えられる。
　リスク予測部１ｄは、上記変化情報生成部１ｃにより求められた上記変化スコアを、判定基準記憶部１ｅに事前に記憶された判定基準と比較する。そして、例えば上記変化スコアが判定基準を超えている場合に、例えば早朝高血圧の疑いがあると判定する。さらにリスク予測部１ｄは、ユーザＵＳに早朝高血圧の疑いがあると判定すると、脳心血管疾患の発症リスクが高いことを通知するための通知メッセージを作成する。そして、この通知メッセージを、例えば、ユーザＵＳの端末、または当該ユーザＵＳの掛かり付け医の端末へ送信する。
　以上述べたように疾患発症予測装置１では、睡眠時間帯を前半と後半とに分割して、これらの時間帯間における血圧データの変化の度合いおよび不規則脈波の発生頻度の変化の度合いを総合して生体情報の変化スコアを算出し、この変化スコアを予め設定された判定基準と比較することで、脳心血管疾患の発症リスクが高いか低いかを判定するようにしている。従って、早朝高血圧が原因となる脳心血管疾患の発症リスクを比較的簡単な手法により判定することが可能となり、ユーザまたは掛かり付け医は上記発症リスクの判定結果に基づいて早期の予防対策を講じたり、必要に応じて治療を施すことが可能となる。
　［一実施形態］
　（１）システム
　図２は、この発明の一実施形態に係る疾患発症リスク予測装置１を備えたシステムの全体構成の一例を示す図である。　
　このシステムは、疾患発症リスク予測装置（以後予測装置と称する）ＳＶを、例えばＷｅｂ上またはクラウド上に備えている。そして、この予測装置ＳＶとユーザが使用する端末（以後ユーザ端末と云う）ＵＴ１～ＵＴｎとの間、および予測装置ＳＶと医師などの医療関係者が使用する端末（以後医師端末と云う）ＤＴ１～ＤＴｍとの間で、それぞれ通信ネットワークＮＷを介して通信可能としている。
　医師端末ＤＴ１～ＤＴｍは、例えば、固定設置型のパーソナルコンピュータ、携帯型のノート型パーソナルコンピュータ或いはタブレット型端末からなる。また医師端末ＤＴ１～ＤＴｍは少なくともメーラおよびブラウザを備える。そして、メーラを使用することで上記予測装置ＳＶから送信される通知メールを受信し、またブラウザを使用することで上記予測装置ＳＶに対しアクセスすることが可能となっている。
　ユーザ端末ＵＴ１～ＵＴｎは、例えば、ウェアラブル型の計測装置ＢＴ１～ＢＴｎと、情報端末ＩＴ１～ＩＴｎとを備えている。計測装置ＢＴ１～ＢＴｎは、例えばユーザの手首に装着され、ユーザの操作もしくは予め設定したタイミングまたは時間間隔でユーザの血圧と脈波を計測し、計測により得られた血圧データおよび脈波データを無線インタフェースにより上記情報端末ＩＴ１～ＩＴｎに無線送信する。上記血圧データおよび脈波データには、計測時刻とユーザ識別情報（ユーザＩＤ）が付加または挿入される。
　血圧の計測方法としては、例えばオシロメトリック法が用いられるが、その他に心拍の一拍ごとに計測するBeat by Beat方式や、Pulse Transit Time（ＰＴＴ）法により血圧変動を推定して当該推定された変動をトリガとしてスポット的に血圧を計測するトリガ計測方式を用いてもよい。また、計測装置ＢＴ１～ＢＴｎのタイプとしては、手首に装着されるウェアラブル型に限らず、上腕等に装着されるタイプのものや据置タイプであってもよい。さらに、血圧計と脈波計とを別の装置として設け、これらの装置によりそれぞれ計測された血圧データおよび脈波データを情報端末ＩＴ１～ＩＴｎへ送信するようにしてもよい。
　情報端末ＩＴ１～ＩＴｎは、例えば、スマートフォンやタブレット型端末などの携帯情報端末、または固定設置型のパーソナルコンピュータからなる。情報端末ＩＴ１～ＩＴｎは、上記計測装置ＢＴ１～ＢＴｎから送信された血圧データおよび脈波データを受信してメモリに一旦蓄積する。そして、脈波データに基づいて、脈波ごとにその計測タイミングのずれ量をもとに当該脈波が規則脈波であるか不規則脈波であるかを判定し、この脈波の規則／不規則の判定データ（以後脈波判定データと呼称する）を上記メモリに記憶する。情報端末ＩＴ１～ＩＴｎは、上記メモリに蓄積された血圧データおよび脈波判定データを、例えば一定データ数ごとあるいは一定時間分ごとにメモリから読み出し、通信ネットワークＮＷを介して予測装置ＳＶへ送信する。
　また情報端末ＩＴ１～ＩＴｎは、ユーザの睡眠情報を、通信ネットワークＮＷを介して予測装置ＳＶへ送信する。睡眠情報は睡眠時間帯を表す情報を含む。睡眠時間帯を表す情報はユーザ自身が情報端末ＩＴ１～ＩＴｎの入力部において手操作で入力したものを用いてもよく、また上記脈波データから推定したものを用いてもよい。なお、脈波データから睡眠時間帯を推定する方法については後述する。
　さらに情報端末ＩＴ１～ＩＴｎは、メーラおよびブラウザを有し、予測装置ＳＶから脳心血管疾患発症リスクの予測結果を表すメッセージを上記メーラおよびブラウザのいずれかにより受信し、受信したメッセージを表示器に表示する。
　なお、上記計測装置ＢＴ１～ＢＴｎと情報端末ＩＴ１～ＩＴｎとの間で使用される無線インタフェースとしては、例えばBluetooth（登録商標）等の近距離無線データ通信規格を採用した無線インタフェースが用いられるが、これに限るものではなく無線ＬＡＮ（Local Area Network）や公衆移動通信網を使用することもできる。
　（２）予測装置
　（２－１）ハードウェア構成
　予測装置ＳＶは、例えばサーバコンピュータまたはパーソナルコンピュータからなり、以下のように構成される。図３はそのハードウェア構成を示すブロック図である。　
　予測装置ＳＶは、中央制御ユニット（Central Processing Unit：ＣＰＵ）等と呼ばれるハードウェアプロセッサを用いた制御ユニットを有し、この制御ユニット１０にバス６０を介してプログラムメモリ２０、データメモリ３０、および通信インタフェースユニット４０を接続したものとなっている。なお、５０は電源ユニットである。
　プログラムメモリ２０は、ＨＤＤ（Hard Disk Drive）やＳＳＤ（Solid State Drive）、ＲＯＭなどの不揮発性メモリを使用したもので、予測装置ＳＶが実行する処理を実現するためのプログラム群を格納する。データメモリ３０は、ＤＲＡＭなどの揮発性メモリまたは上記ＨＤＤやＳＳＤなどの随時書込および読出しが可能な不揮発性メモリを使用したもので、計測装置ＢＴ１～ＢＴｎから取得される、生体情報や睡眠情報を記憶したり、判定基準を記憶するために用いられる。通信インタフェースユニット４０は、通信ネットワークＮＷを介して、医師端末ＤＴ１～ＤＴｍおよび情報端末ＩＴ１～ＩＴｎとの間でデータ通信を行う。
　（２－２）ソフトウェア構成
　図４は、予測装置ＳＶのソフトウェア構成とメモリ構成を示すブロック図である。　
　データメモリ３０には、生体情報記憶部３１、睡眠情報記憶部３２および判定基準記憶部３３が設けられている。
　生体情報記憶部３１は、各ユーザの情報端末ＩＴ１～ＩＴｎからそれぞれ受信した血圧データおよび脈波判定データを記憶するために用いられる。睡眠情報記憶部３２は、各ユーザの情報端末ＩＴ１～ＩＴｎからそれぞれ受信した睡眠時間帯を表す情報を記憶するために用いられる。
　判定基準記憶部３３は、例えば脳心血管疾患の発症リスクを判定するために予め設定された判定基準を記憶する。判定基準は、例えば、脳心血管疾患の発症原因の１つである早朝高血圧および不規則脈波の、睡眠安定時の血圧値および不規則脈波の発生頻度に対する変化の度合いを判定するものである。
　一例を述べると、高血圧治療ガイドライン等によれば、家庭において朝に計測された収縮期血圧／拡張期血圧が継続して１３５mmHg／８５mmHg以上の場合に早朝高血圧の疑いがあると定義され、また起床後の３時間以内の収縮期血圧が１７０～１８０mmHg以上でかつ起床前後の３時間の血圧上昇が３０～５０mmHgの場合に早朝高血圧であると定義されている。そこで一実施形態では、上記高血圧治療ガイドラインで定義された基準に従い判定基準を設定し、判定基準記憶部３３に記憶しておく。
　一方、プログラムメモリ２０には、生体情報取得制御プログラム１１と、睡眠情報取得制御プログラム１２と、予測対象期間分割プログラム１３と、変化情報生成プログラム１４と、予測プログラム１５とが記憶されており、制御ユニット１０はＣＰＵにより上記各プログラム１１～１５を実行することにより、一実施形態に係る処理を実現する。
　生体情報取得制御プログラム１１は、各ユーザの情報端末ＩＴ１～ＩＴｎから送信された血圧データおよび脈波判定データを通信インタフェースユニット４０により受信し、受信された血圧データおよび脈波判定データを、当該データに付加または挿入されているユーザＩＤおよび計測時刻に応じて、ユーザごとに別けて計測時刻順に生体情報記憶部３１に記憶させる処理を行う。
　睡眠情報取得制御プログラム１２は、各ユーザの情報端末ＩＴ１～ＩＴｎから送信された睡眠時間帯を表す情報または睡眠状況の判定結果を表す情報を通信インタフェースユニット４０により受信し、受信された情報をユーザＩＤと関連付けて生体情報記憶部３１に記憶させる処理を行う。
　予測対象期間分割プログラム１３は、ユーザごとに、例えば、上記睡眠情報記憶部３２に記憶された睡眠時間帯を表す情報をもとに当該睡眠時間帯を予測対象期間として設定し、かつ上記睡眠時間帯の中心時刻を分割境界点として設定して、上記睡眠時間帯をこの分割境界点により前半の時間帯と後半の時間帯とに分割する処理を行う。
　変化情報生成プログラム１４は、次のような処理を実行する。　
　(1) ユーザごとに、上記予測対象期間分割プログラム１３により設定された睡眠時間帯の前半と後半の各時間帯ごとに、当該時間帯に計測時刻が含まれる血圧データを上記生体情報記憶部３１から読み出してその平均値を算出し、当該平均値の上記前半および後半の各時間帯間における変化の度合い（比）を算出する処理。なお、上記血圧データの平均値および変化の度合いの算出は、収縮期血圧と拡張期血圧のそれぞれについて行ってもよいし、収縮期血圧についてのみ行ってもよい。
　(2) 上記睡眠時間帯の前半と後半の各時間帯ごとに、当該時間帯に計測時刻が含まれる脈波判定データを上記生体情報記憶部３１から読み出して不規則脈波の発生頻度を算出し、当該発生頻度の上記前半および後半の各時間帯間における変化の度合い（比）を算出する処理。
　(3) 上記(1) で算出された血圧データの変化の度合いと、上記(2) により算出された不規則脈波発生頻度の変化の度合いとを重み係数を付けて合成し、睡眠時間帯における、血圧および不規則脈波の発生頻度を総合した生体情報の時間変化の度合いを示すスコア（総合リスクともいう）を算出する処理。なお、上記重み付け合成処理には、加算または乗算、或いはその組み合わせによる演算処理が用いられる。
　予測プログラム１５は、次のような処理を実行する。　
　(1) 上記変化情報生成プログラム１４により算出されたスコアを、判定基準記憶部３３に記憶された判定基準と比較し、その比較結果を脳心血管疾患の発症リスクの予測データとする処理。　
　(2) 上記発症リスクの予測データの内容が「発症リスクが高い」を示す場合に、その旨の通知メッセージを作成し、当該通知メッセージを通信インタフェースユニット４０から該当ユーザの情報端末ＩＴ１～ＩＴｎまたは当該ユーザの掛かり付け医師の端末ＤＴ１～ＤＴｍへ、例えば電子メールを用いて送信する処理。
　（３）動作例
　次に、以上のように構成されたシステムの動作の一例を説明する。　
　（３－１）ユーザ端末ＵＴ１～ＵＴｎの動作
　計測装置ＢＴ１～ＢＴｎでは、例えばユーザの操作もしくは予め設定したタイミングまたは時間間隔でユーザの血圧（収縮期血圧と拡張期血圧を含む）および脈波の計測が行われ、計測された血圧データおよび脈波データは情報端末ＩＴ１～ＩＴｎへ無線送信される。このとき、血圧データおよび脈波データには、計測時刻とユーザ識別情報（ユーザＩＤ）が付加または挿入される。なお、この動作例では、１時間間隔で自動的に血圧および脈波が計測される場合を例にとって説明する。
　情報端末ＩＴ１～ＩＴｎは、上記計測装置ＢＴ１～ＢＴｎから送信された血圧データおよび脈波データを受信してメモリに一旦蓄積する。そして、脈波データに基づいて、脈波ごとにその本来の計測タイミングに対するずれ量を検出し、ずれ量が所定量未満の場合には当該脈波を規則脈波と判定し、ずれ量が所定量以上の場合は当該脈波を不規則脈波と判定する。例えば、脈波の計測タイミングが平均的な計測間隔の２５％以上ずれた場合に当該脈波を不規則脈波と判定し、そうでない場合には当該脈波を規則脈波と判定する。この脈波の規則／不規則の判定データ（脈波判定データ）は、上記メモリに記憶される。
　情報端末ＩＴ１～ＩＴｎは、上記メモリに蓄積された血圧データおよび脈波判定データを、例えば一定時間分ずつ読み出して、通信ネットワークＮＷを介して予測装置ＳＶへ送信する。なお、上記血圧データおよび脈波判定データは、計測されるごとにその都度情報端末ＩＴ１～ＩＴｎから予測装置ＳＶへ送信されるようにしてもよい。
　また情報端末ＩＴ１～ＩＴｎは、ユーザの睡眠時間を表す情報を生成する。その生成方法としては次の２つが考えられる。　
　（方法１）ユーザの自己申告
　ユーザが自身の情報端末ＩＴ１～ＩＴｎにおいて、自身の睡眠時間帯（就寝時刻と起床時刻）を手操作で入力する。情報端末ＩＴ１～ＩＴｎは、上記入力された睡眠時間帯を表す情報をメモリに保存した後、起床後の任意のタイミングで読み出して、睡眠情報として予測装置ＳＶへ送信する。なお、計測装置ＢＴ１～ＢＴｎが入力部を備えている場合には、ユーザは睡眠時間帯を計測装置ＢＴ１～ＢＴｎの入力部において入力するようにしてもよい。
　（方法２）脈波データからの推定
　情報端末ＩＴ１～ＩＴｎは、計測された脈波データをもとに、例えば以下の方法によりユーザの睡眠状況を判定する。図９Ａ～図９Ｄはその処理内容を説明するための図である。　
　すなわち、先ず脈波データ（図９Ａに示す波形データ）から心拍間隔（ＲＲＩ）を検出する。次に、上記心拍間隔の揺らぎ成分を周波数解析することで、図９Ｂに示すように、交感神経活動を反映する０．１Hz前後の低周波成分（Low Frequency：ＬＦ）と、副交感神経活動を反映する０．３Hz前後の高周波成分（High Frequency：ＨＦ）のレベルを算出する。そして、上記ＬＦおよびＨＦの検出結果をもとに、図９Ｃに示すような睡眠時間中における自律神経バランスを算出する。
　自律神経の活性状況は、睡眠の深さや種類（レム睡眠とノンレム睡眠）との間に一定の相関があることが知られている。一般的に、副交感神経成分が優位であるときはノンレム睡眠であり、交感神経成分が優位であるかあるいは脈波が乱れているときはレム睡眠であることが多い。そこで、この関係に着目して、情報端末ＩＴ１～ＩＴｎは、上記自律神経バランスを例えば図９Ｄに示すように睡眠状況に対応付ける。
　より具体的には、情報端末ＩＴ１～ＩＴｎは、睡眠段階を、例えば、レム睡眠と、深いノンレム睡眠と、浅いノンレム睡眠と、覚醒の４段階で定義し、上記自律神経バランスの算出結果をもとに睡眠状況を上記４段階の睡眠段階に対応付ける。そうすると、例えば図１０に示す睡眠状況の判定結果が得られる。なお、レム睡眠と覚醒との識別は、例えば計測装置ＢＴ１～ＢＴｎに加速度センサを設け、この加速度センサによりユーザの体動を検出して、体動が所定時間以上連続した場合に覚醒と判定するようにすれば、より正確に判定できる。
　情報端末ＩＴ１～ＩＴｎは、上記睡眠状況の判定結果を表す情報をメモリに保存した後、起床後の任意のタイミングで読み出して睡眠情報として予測装置ＳＶへ送信する。　
　なお、以上の（方法２）として述べた睡眠状況の判定方法については、亀山研一ほか、「快眠のための睡眠判定と睡眠モニタシステム」、東芝レビュー Vol.61 No.10 (2006) p.41-44に詳しく記載されている。
　（３－２）予測装置ＳＶの動作
　予測装置ＳＶは、次のように動作する。図５は予測装置ＳＶの処理手順および処理内容を例示するフローチャートである。　
　（３－２－１）生体情報の取得
　予測装置ＳＶは、生体情報取得制御プログラム１１の制御の下、ステップＳ１０において生体情報の受信を監視している。この状態で、ユーザの情報端末ＩＴ１～ＩＴｎから生体情報、つまり血圧データおよび脈波判定データが送信されると、この血圧データおよび脈波判定データを通信インタフェースユニット４０により受信し、ステップＳ１１により制御ユニット１０に取り込んで生体情報記憶部３１に記憶させる。
　以上の血圧データおよび脈波判定データの取得処理は、情報端末ＩＴ１～ＩＴｎから新たな血圧データおよび脈波判定データが送信されるごとに実行される。このとき、血圧データおよび脈波判定データは、当該データに付加または挿入されているユーザＩＤおよび計時時刻に従って、ユーザごとに別けられ、かつ計測時刻順に並べられて、生体情報記憶部３１に記憶される。
　（３－２－２）睡眠情報の取得
　予測装置ＳＶは、睡眠情報取得制御プログラム１２の制御の下、ステップＳ１２において睡眠情報の受信を監視している。この状態で、ユーザの情報端末ＩＴ１～ＩＴｎから睡眠情報、つまり睡眠時間帯を表す情報または睡眠状況の判定結果を表す情報が送信されると、この睡眠時間帯を表す情報または睡眠状況の判定結果を表す情報を通信インタフェースユニット４０により受信し、ステップＳ１３により制御ユニット１０に取り込んで睡眠情報記憶部３２に記憶させる。なお、情報端末ＩＴ１～ＩＴｎから送られる睡眠情報は毎日更新される場合があるため、受信した睡眠情報には日付を表す情報が対応付けられて記憶される。
　（３－２－３）予測対象期間の設定とその分割
　予測装置ＳＶは、上記生体情報の取得処理および睡眠情報の取得処理を実行しながら、ステップＳ１４において発症リスク推定タイミングになったか否かを監視している。発症リスク推定タイミングは、例えばユーザの覚醒タイミングに設定される。覚醒タイミングは、取得された睡眠情報をもとに設定される。
　この状態で、発症リスク推定タイミングになると、予測装置ＳＶは先ずステップＳ１５において予測対象期間分割プログラム１３を起動し、この予測対象期間分割プログラム１３の制御の下で、以下のように予測対象期間分割処理を実行する。
　図６は、予測対象期間分割処理の処理手順と処理内容の一例を示すフローチャートである。　
　予測対象期間分割プログラム１３は、先ずステップＳ１５１により睡眠情報記憶部３２から日付が対応する睡眠情報を読み込む。そして、ステップＳ１５２において、上記読み込んだ睡眠情報が、ユーザにより入力された睡眠時間帯を表す情報であれば、当該睡眠時間帯をそのまま予測対象期間として設定する。
　これに対し、推定情報が、脈波データから生成された睡眠状況の判定結果を表す情報であれば、予測対象期間分割プログラム１３は、当該情報から睡眠時間帯を推定し、この推定した睡眠時間帯を予測対象期間として設定する。例えば、図１０に示した睡眠状況の判定結果を表す情報の場合には、就寝時の「覚醒」状態の終了時点から起床時の「覚醒」状態の開始時点までを睡眠時間帯と推定する。
　予測対象期間分割プログラム１３は、次にステップＳ１５３において、上記予測対象期間として設定された睡眠時間帯をもとに分割境界点を設定する。例えば、睡眠時間帯の中心時刻をそのまま分割境界点として設定する。または、睡眠状況の判定結果を表す情報をもとに、「深いノンレム睡眠」の出現頻度が高い状態から低くなる状態に移行するタイミングを検出し、これを分割境界点として設定する。例えば図１０において、１時間間隔で「深いノンレム睡眠」の出現頻度を算出し、その算出値が大きく変化したタイミングを分割境界点として設定する。
　予測対象期間分割プログラム１３は、続いてステップＳ１５４において、上記ステップＳ１５４で設定された分割境界点を用いて、ステップＳ１５２により予測対象期間として設定された睡眠時間帯を２つの時間帯に分割する。例えば図１０に示す睡眠状況判定結果の場合には、AM 1:53の時点で前半時間帯と後半時間帯とに分割する。
　（３－２－４）変化情報の生成
　予測装置ＳＶは、上記予測対象期間の設定とその分割処理が終了すると、次にステップＳ１６において変化情報生成プログラム１４を起動し、この変化情報生成プログラム１４の制御の下、以下のように生体情報変化情報の生成処理を実行する。
　図７は、生体情報変化情報の生成処理の手順と処理内容の一例を示すフローチャートである。　
　変化情報生成プログラム１４は、先ずステップＳ１６１において、生体情報記憶部３１から、上記予測対象期間として設定された睡眠時間帯に計測時間が含まれる血圧データを読み込む。このとき、上記血圧データの読み込みは、予め睡眠時間帯の前半の時間帯と後半の時間帯とに分けて行ってもよい。
　上記睡眠時間帯に含まれる血圧データの読み込みを終了すると、変化情報生成プログラム１４は、続いてステップＳ１６２において、上記読み込んだ血圧データの前半の時間帯に含まれる血圧データの平均値を算出する。またそれと共にステップＳ１６３において、後半の時間帯の血圧データの平均値を算出する。この血圧データの平均値は、収縮期の血圧値と拡張期の血圧値のそれぞれについて算出する。
　変化情報生成プログラム１４は、続いてステップＳ１６４において、上記算出された前半の時間帯における血圧データの平均値と、後半の時間帯における血圧データの平均値との比を算出する。　
　例えば、いま睡眠時間帯における血圧データの値が図１１のＢＰに示すようなものだったとする。この場合、変化情報生成プログラム１４は、前半の時間帯の計測時刻ｉ＝Ｍ，Ｍ＋１，…，－１に計測された各血圧データｂｐi　(i=M,M+1,…,-1)の平均値と、後半の時間帯の計測時刻ｉ＝０，１，…，Ｎに計測された各血圧データｂｐi　(i=0,1,…,N)の平均値との比ｒｉｓｋbpを、
Figure JPOXMLDOC01-appb-M000001
 により算出する。
　変化情報生成プログラム１４は、次にステップＳ１６５において、上記生体情報記憶部３１から、上記予測対象期間として設定された睡眠時間帯に計測時間が含まれる脈波判定データを読み込む。このとき、上記脈波判定データの読み込みは、上記血圧データの場合と同様に、予め睡眠時間帯の前半の時間帯と後半の時間帯とに分けて行ってもよい。
　上記睡眠時間帯に含まれる脈波判定データの読み込みを終了すると、変化情報生成プログラム１４は、続いてステップＳ１６６において、上記読み込んだ脈波判定データの前半の時間帯に含まれる脈波判定データの平均値、つまり不規則脈波の発生頻度を算出する。またそれと共にステップＳ１６７において、後半の時間帯の脈波判定データの平均値、つまり不規則脈波の発生頻度を算出する。
　変化情報生成プログラム１４は、続いてステップＳ１６８において、上記算出された前半の時間帯における不規則脈波の発生頻度と、後半の時間帯における不規則脈波の発生頻度との比を算出する。　
　例えば、いま睡眠時間帯における脈波判定データの値が図１１の“０”（規則脈波）または“１”（不規則脈波）に示すように表されているとする。この場合、変化情報生成プログラム１４は、前半の時間帯の計測時刻ｉ＝Ｍ，Ｍ＋１，…，－１に計測され判定された各脈波判定データｉｒｈi　(i=M,M+1,…,-1)に基づく不規則脈波の発生頻度と、後半の時間帯の計測時刻ｉ＝０，１，…，Ｎに計測および判定された各脈波判定データｉｒｈi
　(i=0,1,…,N) に基づく不規則脈波の発生頻度との比ｒｉｓｋirhを、
Figure JPOXMLDOC01-appb-M000002
 により算出する。
　変化情報生成プログラム１４は、最後にステップＳ１６９において、上記算出された睡眠時間帯の前後半間における血圧データｂｐiの平均値の比ｒｉｓｋbpと、上記算出された睡眠時間帯の前後半間における不規則脈波の発生頻度の比ｒｉｓｋirhとを、それぞれ重み係数Ｗ１，Ｗ２を付した上で、
Figure JPOXMLDOC01-appb-M000003
 により乗算する。そして、その算出結果を、血圧および不規則脈波の発生頻度を総合した生体情報の時間変化の度合いを示す変化情報（総合リスクともいう）ｒｉｓｋとして出力する。
　なお、重み係数Ｗ１，Ｗ２は、それぞれ早朝高血圧に対する血圧および不規則脈波の寄与の比率に応じて予め設定される。このように重み係数Ｗ１，Ｗ２を適宜設定することで、早朝高血圧の判定精度をよりさらに高めることができる。
　（３－２－５）発症リスクの判定
　予測装置ＳＶは、上記総合リスクｒｉｓｋが算出されると、次にステップＳ１７において、予測プログラム１５を起動し、この予測プログラム１５の制御の下で、以下のように脳心血管疾患の発症リスクの判定処理を実行する。
　図８は、予測プログラム１５による予測処理手順と処理内容の一例を示すフローチャートである。　
　すなわち、予測プログラム１５は、ステップＳ１７１において、判定基準記憶部３３から、早朝高血圧および不規則脈波の発生頻度の両方を総合して予め設定された脳心血管疾患の発症リスクの判定閾値を読み出し、上記総合リスクｒｉｓｋを上記判定閾値と比較する。そして、ステップＳ１７２において、総合リスクｒｉｓｋが判定閾値より高いか低いかを判定する。
　この判定の結果、総合リスクｒｉｓｋが判定閾値より高い場合には、予測プログラム１５はステップＳ１７３において、脳心血管疾患の発症リスクが高い旨をユーザに通知するためのメッセージを作成し、当該通知メッセージを通信インタフェースユニット４０から該当ユーザの情報端末ＩＴｉへ送信する。またこのとき、上記通知メッセージには、脳心血管疾患の発症リスクが高い旨に加え、急激な運動等を控えることを勧めるメッセージを含めるようにしてもよい。
　なお、予測プログラム１５は、上記通知メッセージを該当ユーザの掛かり付け医師の端末ＤＴｉへ送信するようにしてもよく、さらには上記ユーザの家族や職場の管理者等のユーザと関わりが深い人が使用する情報端末に送信するようにしてもよい。
　（作用・効果）
　以上述べたように一実施形態では、予測装置ＳＶにおいて、ユーザ端末ＵＴ１～ＵＴｎからそれぞれ血圧データおよび不規則脈波の判定データを取得すると共に、睡眠時間帯を示す入力データもしくは睡眠状況の判定結果を表す情報を取得する。そして、上記睡眠時間帯を示す入力データもしくは睡眠状況の判定結果を表す情報をもとに、予測対象期間としてユーザの睡眠時間帯を設定した後当該睡眠時間帯を前半と後半に分割し、この前半と後半の各時間帯間における血圧データの変化の度合い、および不規則脈波の発生頻度の変化の度合いをそれぞれ算出して、これらを重み係数を付して乗算することにより、睡眠時間帯における、血圧および不規則脈波の発生頻度を総合した生体情報の時間変化の度合いを示すスコア（総合リスク）を算出する。そして、上記総合リスクを判定閾値と比較することにより、脳心血管疾患の発症リスクの高低を判定し、その結果をユーザなどに通知するようにしている。
　従って、睡眠時間帯の中で起床前後の時間帯において血圧値が急激に上昇する早朝高血圧の状態を比較的簡単な処理手法により検出することができ、その検出結果から脳心血管疾患の発症リスクを判定してその結果をユーザに通知することができる。すなわち、１日ごとの短期的な脳心血管疾患の発症リスクを予測することができる。このため、ユーザは、例えば起床後の急激な運動や、入浴、排泄動作を控えるようにすることが可能となり、これにより脳心血管疾患の発症を防止することが可能となる。
　また、ユーザ自身が入力した睡眠時間帯、またはユーザ自身の睡眠状況の判定結果から推定した睡眠時間帯を予測対象期間として設定するようにしているので、正確な睡眠時間帯を設定することができ、これにより早朝高血圧による脳心血管疾患の発症リスクを精度良く予測することが可能となる。
　さらに、睡眠状況の判定データをもとに分割境界点を推定して睡眠時間帯を前後半に分割するようにすれば、睡眠時間帯を最適なタイミングで前後半に分割することができ、これにより脳心血管疾患の発症リスクの予測精度をさらに高めることが可能となる。一方、睡眠時間帯からその中心時刻を算出してこの中心時刻で睡眠時間帯を前後半に分割する場合には、分割境界点の設定および時間帯の分割処理を簡単に行うことができる。
　［変形例］
　（１）前記一実施形態では、脈波の規則／不規則の判定処理を情報端末ＩＴ１～ＩＴｎが行う場合を例にとって説明したが、当該判定処理を計測装置ＢＴ１～ＢＴｎで行うようにしてもよく、また予測装置ＳＶで行うようにしてもよい。上記判定処理を計測装置ＢＴ１～ＢＴｎで行うと、計測装置ＢＴ１～ＢＴｎから情報端末ＩＴ１～ＩＴｎへ脈波の波形データを伝送する必要がなくなるので、計測装置ＢＴ１～ＢＴｎと情報端末ＩＴ１～ＩＴｎとの間の通信データ量を減らすことができる。また、上記判定処理を予測装置ＳＶで行うようにすれば、計測装置ＢＴ１～ＢＴｎと情報端末ＩＴ１～ＩＴｎの処理負荷を軽減することができる。
　（２）前記一実施形態では、脈波データから睡眠状況を解析する処理を、情報端末ＩＴ１～ＩＴｎで行う場合について述べた。しかしそれに限らず、情報端末ＩＴ１～ＩＴｎから予測装置ＳＶへ脈波データを送信し、予測装置ＳＶが上記脈波データをもとに睡眠状況を判定し、その判定結果から睡眠時間帯を推定し、さらに分割境界点を設定するようにしてもよい。このようにすると、情報端末ＩＴ１～ＩＴｎの処理負荷が軽減され、バッテリ寿命の延命を図ることができる。
　（３）前記一実施形態では、睡眠時間帯を前半と後半の２つに分割する場合を例示した。しかしそれに限らず、例えば睡眠時間帯を３以上の時間帯に分割し、これらの時間帯ごとに血圧データの平均値および不規則脈波の発生頻度を算出して、これらの算出値の時間帯間における変化の度合いをもとに脳心血管疾患の発症リスクを予測するようにしてもよい。このようにすると、例えば睡眠時間帯の中間時間帯において、睡眠時無呼吸症候群等の影響で血圧のサージが発生した場合に、当該サージの発生を検出してその程度により脳心血管疾患の発症リスクを予測することができる。
　（４）また、睡眠時間帯の分割境界点は睡眠時間帯の中心時刻に設定せず、例えば中心時刻より起床時刻に近いタイミングに設定するようにしてもよい。このようにすると、睡眠時間帯の中間時間帯に例えば睡眠時無呼吸症候群の影響で血圧サージが発生した場合でも、その影響を軽減して早朝高血圧の発症を精度良く検出することが可能となる。
　（５）前記一実施形態では、判定基準として閾値を１個のみ設定した場合を例にとって説明したが、閾値を複数個設定してもよい。閾値が１個の場合には、脳心血管疾患の発症リスクが高いか否かを判定することができる。閾値が複数の場合には、脳心血管疾患の発症リスクがどの程度高いかを判定することができ、これによりユーザに対し脳心血管疾患の発症リスクの高さに応じた適切なメッセージを通知することが可能となる。
　（６）前記一実施形態では、予測装置ＳＶの構成をＷｅｂ上またはクラウド上などのサーバコンピュータに設けた場合を例示したが、予測装置ＳＶの構成をユーザが所有する情報端末ＩＴ１～ＩＴｎに設けるようにしてもよく、また計測装置ＢＴ１～ＢＴｎと情報端末ＩＴ１～ＩＴｎとが例えばウェアラブル端末のように１個の装置として構成されている場合には、このウェアラブル端末に予測装置ＳＶの構成を設けるようにしてもよい。
　（７）前記一実施形態では、生体情報として血圧データと脈波判定データを取得し、この血圧データと脈波判定データの両方を用いて脳心血管疾患の発症リスクを予測するようにした。しかし、これに限らず、血圧データのみを取得し、この血圧データのみを用いて脳心血管疾患の発症リスクを予測するようにしてもよい。また、疾患の症状が不規則脈波の時間変動に顕著に現れる疾患を予測対象とする場合には、脈波判定データのみを取得して疾患の発症リスクを予測するようにしてもよい。
　（８）以上、本発明の実施形態を詳細に説明してきたが、前述までの説明はあらゆる点において本発明の例示に過ぎない。本発明の範囲を逸脱することなく種々の改良や変形を行うことができることは言うまでもない。つまり、本発明の実施にあたって、実施形態に応じた具体的構成が適宜採用されてもよい。
　［付記］
　上記各実施形態の一部または全部は、特許請求の範囲のほか以下の付記に示すように記載することも可能であるが、これに限られない。　
　（付記１）
　ハードウェアプロセッサとメモリとを有する疾患発症リスク予測装置であって、
　前記ハードウェアプロセッサが、
　　計測部により計測されたユーザの生体情報を取得して前記メモリに格納し、
　　予測対象期間を複数の時間帯に分け、前記生体情報の前記複数の時間帯間における変化を表す情報を生成し、
　　特定の疾患に対応付けて予め設定された判定基準を前記メモリに記憶し、前記変化を表す情報を前記判定基準と比較することで、前記ユーザにおける前記特定の疾患の発症リスクを予測する
　疾患発症リスク予測装置。
　（付記２）
　ハードウェアプロセッサとメモリとを有する装置が実行する疾患発症リスク予測方法であって、
　前記ハードウェアプロセッサが、計測部により計測されたユーザの生体情報を取得して前記メモリに格納する過程と、
　前記ハードウェアプロセッサが、予め設定した予測対象期間を複数の時間帯に分け、前記生体情報の前記複数の時間帯間における変化を表す情報を算出する過程と、
　前記ハードウェアプロセッサが、特定の疾患に対応付けて予め設定された判定基準を前記メモリに記憶し、前記変化を表す情報を前記判定基準と比較することで、前記ユーザにおける前記特定の疾患の発症リスクを予測する過程と
　を備える疾患発症リスク予測方法。
　（付記３）
　計測部により計測されたユーザの生体情報を取得する生体情報取得部（１ａ，１１）と、
　予測対象期間を複数の時間帯に分け、前記生体情報の前記複数の時間帯間における変化を表す情報を生成する生成部（１ｃ，１４）と、
　特定の疾患に対応付けて予め設定された判定基準を保持し、前記変化を表す情報を前記判定基準と比較することで、前記ユーザにおける前記特定の疾患の発症リスクを予測する予測部（１ｄ，１５）と
　を具備する疾患発症リスク予測装置。
　ＵＳ…ユーザ
　１…疾患発症リスク予測装置
　２…計測装置
　１ａ…生体情報の取得部
　１ｂ…生体情報記憶部
　１ｃ…変化情報生成部
　１ｄ…リスク予測部
　１ｅ…判定基準記憶部
　ＳＶ…予測装置
　ＵＴ１～ＵＴｎ…ユーザ端末
　ＢＴ１～ＢＴｎ…計測装置
　ＩＴ１～ＩＴｎ…情報端末
　ＤＴ１～ＤＴｍ…医師端末
　ＮＷ…通信ネットワーク
　１０…制御ユニット
　２０…プログラムメモリ
　３０…データメモリ
　４０…通信インタフェースユニット
　５０…電源ユニット
　６０…バス
　１１…生体情報取得制御プログラム
　１２…睡眠情報取得制御プログラム
　１３…予測対象期間分割プログラム
　１４…変化情報生成プログラム
　１５…予測プログラム
　３１…生体情報記憶部
　３２…睡眠情報記憶部
　３３…判定基準記憶部。

Claims (8)

  1. 　計測部により計測されたユーザの生体情報を取得する生体情報取得部と、
    　予測対象期間を複数の時間帯に分け、前記生体情報の前記複数の時間帯間における変化を表す情報を生成する生成部と、
    　特定の疾患に対応付けて予め設定された判定基準を保持し、前記変化を表す情報を前記判定基準と比較することで、前記ユーザにおける前記特定の疾患の発症リスクを予測する予測部と
    　を具備する疾患発症リスク予測装置。
  2. 　前記生体情報取得部は、前記生体情報として血圧情報を取得し、
    　前記生成部は、前記取得された血圧情報の前記複数の時間帯間における変化を表す情報を生成し、
    　前記予測部は、前記特定の疾患に対応付けて予め設定された閾値を前記判定基準として保持し、前記血圧情報の変化を表す情報を前記閾値と比較することで、前記ユーザにおける前記特定の疾患の発症リスクを予測する、
    　請求項１に記載の疾患発症リスク予測装置。
  3. 　前記生体情報取得部は、前記生体情報として、血圧情報と、不規則脈波の発生状況を表す情報をそれぞれ取得し、
    　前記生成部は、
    　　前記取得された血圧情報の前記複数の時間帯間における変化を表す第１の変化情報を生成する第１の生成部と、
    　　前記取得された不規則脈波の発生状況を表す情報の前記複数の時間帯間における変化を表す第２の変化情報を生成する第２の生成部と、
    　　前記第１の生成部により生成された第１の変化情報と、前記第２の生成部により生成された第２の変化情報とを、予め設定された係数で重み付けして合成し、その合成結果を表す第３の変化情報を、前記変化を表す情報として生成する第３の生成部と
    　を備え、
    　前記予測部は、前記特定の疾患に対応付けて予め設定された閾値を前記判定基準として保持し、前記第３の生成部により生成された第３の変化情報を前記閾値と比較することで、前記ユーザにおける前記特定の疾患の発症リスクを予測する、
    　請求項１に記載の疾患発症リスク予測装置。
  4. 　入力部において入力された、前記ユーザの睡眠時間帯を表す情報を取得する睡眠時間帯取得部を、さらに具備し、
    　前記生成部は、
    　　前記睡眠時間帯を表す情報に基づいて、前記ユーザの睡眠時間帯を前記予測対象期間として設定する設定部と、
    　　前記睡眠時間帯を複数の時間帯に分割する分割部と
    　を備える、請求項１乃至３のいずれかに記載の疾患発症リスク予測装置。
  5. 　前記計測部により計測された、前記ユーザの睡眠状況を表す情報を取得する睡眠情報取得部を、さらに具備し、
    　前記生成部は、
    　　前記睡眠状況を表す情報に基づいて、前記ユーザの睡眠時間帯を推定して当該睡眠時間帯を前記予測対象期間として設定する設定部と、
    　　前記睡眠状況を表す情報に基づいて、前記睡眠時間帯の分割境界点を設定し、当該分割境界点をもとに前記睡眠時間帯を複数の時間帯に分割する分割部と
    　を備える、請求項１乃至３のいずれかに記載の疾患発症リスク予測装置。
  6. 　前記生成部は、前記複数の時間帯の各々において、複数回計測された前記生体情報の統計値を算出し、当該算出された統計値の前記複数の時間帯間における変化を表す情報を生成する、
    　請求項１乃至５のいずれかに記載の疾患発症リスク予測装置。
  7. 　少なくとも１つのハードウェアプロセッサとメモリとを有する装置が実行する疾患発症リスク予測方法であって、
    　前記少なくとも１つのハードウェアプロセッサが、計測部により計測されたユーザの生体情報を取得して前記メモリに格納する過程と、
    　前記少なくとも１つのハードウェアプロセッサが、予め設定した予測対象期間を複数の時間帯に分け、前記生体情報の前記複数の時間帯間における変化を表す情報を算出する過程と、
    　前記少なくとも１つのハードウェアプロセッサが、特定の疾患に対応付けて予め設定された判定基準を保持し、前記変化を表す情報を前記判定基準と比較することで、前記ユーザにおける前記特定の疾患の発症リスクを予測する過程と
    　を備える疾患発症リスク予測方法。
  8. 　請求項１乃至６のいずれかに記載の疾患発症リスク予測装置が備える各部の処理をプロセッサに実行させる疾患発症リスク予測プログラム。
PCT/JP2018/046240 2017-12-27 2018-12-17 疾患発症リスク予測装置、方法およびプログラム WO2019131245A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
DE112018005922.7T DE112018005922T5 (de) 2017-12-27 2018-12-17 Vorrichtung, verfahren und programm für die vorhersage eineskrankheitsausbruchsrisikos
CN201880077109.1A CN111417337B (zh) 2017-12-27 2018-12-17 疾病发作风险预测装置、方法以及程序
US16/906,300 US11963802B2 (en) 2017-12-27 2020-06-19 Disease onset risk prediction device, method, and non-fugitive recording medium for storing program

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2017-252655 2017-12-27
JP2017252655A JP6881289B2 (ja) 2017-12-27 2017-12-27 疾患発症リスク予測装置、方法およびプログラム

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US16/906,300 Continuation US11963802B2 (en) 2017-12-27 2020-06-19 Disease onset risk prediction device, method, and non-fugitive recording medium for storing program

Publications (1)

Publication Number Publication Date
WO2019131245A1 true WO2019131245A1 (ja) 2019-07-04

Family

ID=67067144

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2018/046240 WO2019131245A1 (ja) 2017-12-27 2018-12-17 疾患発症リスク予測装置、方法およびプログラム

Country Status (5)

Country Link
US (1) US11963802B2 (ja)
JP (1) JP6881289B2 (ja)
CN (1) CN111417337B (ja)
DE (1) DE112018005922T5 (ja)
WO (1) WO2019131245A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110974215A (zh) * 2019-12-20 2020-04-10 首都医科大学宣武医院 基于无线心电监护传感器组的预警系统及方法
CN116052889A (zh) * 2023-03-31 2023-05-02 四川无限智达科技有限公司 一种基于血液常规指标检测的sFLC预测系统

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7476514B2 (ja) 2019-10-29 2024-05-01 オムロンヘルスケア株式会社 血圧計、血圧計の作動方法、およびプログラム
JP7084002B2 (ja) * 2020-09-30 2022-06-14 ダイキン工業株式会社 温度推定装置、空調制御装置、空調制御システム
JP7520680B2 (ja) 2020-10-13 2024-07-23 株式会社東芝 健康支援装置及び健康支援プログラム
US20220310270A1 (en) * 2021-03-26 2022-09-29 Asahi Kasei Microdevices Corporation Infection risk determination system, infection risk determination method and computer-readable medium
CN113940640B (zh) * 2021-11-12 2023-04-18 清华大学 心血管疾病风险控制方法、系统及存储介质
CN114098655B (zh) * 2022-01-25 2022-04-26 慕思健康睡眠股份有限公司 一种智能睡眠风险监测方法及系统
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
CN115775630A (zh) * 2023-02-10 2023-03-10 北京海思瑞格科技有限公司 一种术前基于睡眠阶段数据的术后肺部并发症概率预测方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008054580A2 (en) * 2006-10-31 2008-05-08 Cardiac Pacemakers, Inc. Monitoring of chronobiological rhythms for health management
WO2016043299A1 (ja) * 2014-09-19 2016-03-24 シナノケンシ株式会社 脳血管疾患の発症危険度予測システム
JP2017131495A (ja) * 2016-01-29 2017-08-03 芙蓉開発株式会社 病気診断装置

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8398546B2 (en) * 2000-06-16 2013-03-19 Bodymedia, Inc. System for monitoring and managing body weight and other physiological conditions including iterative and personalized planning, intervention and reporting capability
JP5192125B2 (ja) 2005-09-20 2013-05-08 テルモ株式会社 血圧予報装置
JP5613922B2 (ja) * 2012-02-23 2014-10-29 株式会社タニタ 血圧測定装置および血圧測定方法
CN104970778A (zh) * 2014-04-13 2015-10-14 唐伟钊 一种具有预警癌症和疾病功能的电子仪器
JP2016064125A (ja) * 2014-09-19 2016-04-28 シナノケンシ株式会社 脳血管疾患の発症危険度予測システム
US20180078199A1 (en) * 2016-09-16 2018-03-22 Wayne State University Detection of sleep disordered breathing using cardiac autonomic responses

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008054580A2 (en) * 2006-10-31 2008-05-08 Cardiac Pacemakers, Inc. Monitoring of chronobiological rhythms for health management
WO2016043299A1 (ja) * 2014-09-19 2016-03-24 シナノケンシ株式会社 脳血管疾患の発症危険度予測システム
JP2017131495A (ja) * 2016-01-29 2017-08-03 芙蓉開発株式会社 病気診断装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110974215A (zh) * 2019-12-20 2020-04-10 首都医科大学宣武医院 基于无线心电监护传感器组的预警系统及方法
CN110974215B (zh) * 2019-12-20 2022-06-03 首都医科大学宣武医院 基于无线心电监护传感器组的预警系统及方法
CN116052889A (zh) * 2023-03-31 2023-05-02 四川无限智达科技有限公司 一种基于血液常规指标检测的sFLC预测系统
CN116052889B (zh) * 2023-03-31 2023-07-04 四川无限智达科技有限公司 一种基于血液常规指标检测的sFLC预测系统

Also Published As

Publication number Publication date
JP6881289B2 (ja) 2021-06-02
JP2019115614A (ja) 2019-07-18
DE112018005922T5 (de) 2020-07-30
CN111417337A (zh) 2020-07-14
US11963802B2 (en) 2024-04-23
CN111417337B (zh) 2023-03-24
US20200315548A1 (en) 2020-10-08

Similar Documents

Publication Publication Date Title
WO2019131245A1 (ja) 疾患発症リスク予測装置、方法およびプログラム
US11568993B2 (en) System and method of predicting a healthcare event
EP3440995B1 (en) Biological information analysis device, system, and program
US9962104B2 (en) Stress-measuring device and method
KR102219913B1 (ko) 내장된 알람 피로도 감소 특성을 이용한 지속적인 스트레스 측정
RU2634680C2 (ru) Оценка уровня кортизола и психологического равновесия или нарушения психологического равновесия
JP6531161B2 (ja) 健康リスク指標決定
US20180008191A1 (en) Pain management wearable device
US10376207B2 (en) Calculating a current circadian rhythm of a person
US11191483B2 (en) Wearable blood pressure measurement systems
EP3508119A1 (en) Activity amount processing device, activity amount processing method, and activity amount processing program
JP2018064900A (ja) 眠気判定装置および眠気判定方法並びに運転支援装置
JP2022541110A (ja) 薬剤服用に伴う甲状腺機能モニタリング方法、これを実行するモニタリングサーバーおよび使用者端末
CN115802931A (zh) 检测用户温度和评估呼吸系统病症的生理症状
JP2023522838A (ja) ウイルス感染の非侵襲的予測、検出、及びモニタリングを行う方法及びシステム
US20210068736A1 (en) Method and device for sensing physiological stress
Lakudzode et al. Review on human stress monitoring system using wearable sensors
JP2016154623A (ja) 運動効果提示装置、運動効果提示システム及び運動効果情報生成方法
US20220125376A1 (en) Sleep apnea syndrome determination apparatus, sleep apnea syndrome determination method, and sleep apnea syndrome determination program
JP2022159825A (ja) 生体状態判定装置、生体状態判定方法及び生体状態判定プログラム
JP2018149175A (ja) 血圧関連情報表示装置および方法
WO2022103410A1 (en) System and methods for indicating pre-symptomatic adverse conditions in a human
EP4385402A1 (en) Hypnodensity-based sleep apnea monitoring system and method of operation thereof
US20220160243A1 (en) Pulse determination apparatus, stress determination apparatus, pulse determination method, and computer-readable recording medium
WO2023058200A1 (ja) 疲労度算出装置、疲労度算出方法及び記憶媒体

Legal Events

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

Ref document number: 18895974

Country of ref document: EP

Kind code of ref document: A1

122 Ep: pct application non-entry in european phase

Ref document number: 18895974

Country of ref document: EP

Kind code of ref document: A1