WO2019187933A1 - 健康支援システム、情報提供シート出力装置、方法およびプログラム - Google Patents

健康支援システム、情報提供シート出力装置、方法およびプログラム Download PDF

Info

Publication number
WO2019187933A1
WO2019187933A1 PCT/JP2019/007647 JP2019007647W WO2019187933A1 WO 2019187933 A1 WO2019187933 A1 WO 2019187933A1 JP 2019007647 W JP2019007647 W JP 2019007647W WO 2019187933 A1 WO2019187933 A1 WO 2019187933A1
Authority
WO
WIPO (PCT)
Prior art keywords
prediction
person
health
target person
test value
Prior art date
Application number
PCT/JP2019/007647
Other languages
English (en)
French (fr)
Inventor
博典 田中
俊宗 田尻
Original Assignee
Ｎｅｃソリューションイノベータ株式会社
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 Ｎｅｃソリューションイノベータ株式会社 filed Critical Ｎｅｃソリューションイノベータ株式会社
Priority to JP2020510477A priority Critical patent/JP7078291B2/ja
Priority to CN201980021881.6A priority patent/CN111971756A/zh
Priority to EP19776192.7A priority patent/EP3780001A4/en
Priority to US16/981,867 priority patent/US20210257072A1/en
Publication of WO2019187933A1 publication Critical patent/WO2019187933A1/ja

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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/70—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mental therapies, e.g. psychological therapy or autogenous training
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • 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
    • A61B5/72—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
    • 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
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients

Abstract

健康支援システム６０は、ある人物の現在または過去の生活習慣に関する１つ以上の項目に対応した複数の変数と、その人物の将来の検査値との関係が規定された予測モデルを用いて、指定された人物または所定の人物の予測対象者の将来の検査値を予測する検査値予測手段６１と、予測の結果に基づいて、予測対象者のうち支援の対象者とされた支援対象者ごとに１枚の情報提供シートであって、その支援対象者の生活習慣の改善、不調予防または健康増進のための情報を含む情報提供シートを作成して出力するシート出力手段６２とを備える。

Description

健康支援システム、情報提供シート出力装置、方法およびプログラム
　本発明は、健康支援システム、それに用いられる情報提供シート出力装置、健康支援方法および健康支援プログラムに関する。
　近年、少子高齢化が進む中で、国家全体として増加する医療費を削減しながら、健康寿命を延伸させていくことが重要な課題となっている。
　例えば、日本では、平成２６年３月に保健事業指針の一部が改正された。これに基づき、健康・医療情報を活用してＰＤＣＡサイクル（Plan-do-check-act cycle ）に沿った効果的かつ効率的な保健事業の実現が望まれている。すなわち、やみくもに保健事業を実施するのではなく、データを活用して科学的にアプローチすることにより、保健事業の実効性を高めていくことが求められている。
　しかし、個々人で自身の健康への興味を高めたり、生活習慣を見直したりすることは容易ではないとされている。例えば、個人が自身の健康や生活習慣に関して取得できる情報は限られている。例えば、個人が、毎年の健康診断結果のみから、生活習慣の見直しの必要性やその効果を具体的に見積もったり、不調予防や健康増進に向けた具体的行動を行ったりすることは困難である。
　健康予測や健康支援に関する技術として、非特許文献１には、健康診断の成績とライフスタイルを元に健康危険度を予知する健康危険度予測システムの例が記載されている。非特許文献１に記載の健康危険度予測システムは、検査値予測システムと、発症予測システムの２つのサブシステムを含む。検査値予測システムは、現時点で軽度の検査異常を伴っていてかつライフスタイルに問題がある人を対象に、ライフスタイルの改善に伴う検査成績の改善度合いを示すものである。また、発症予想システムは、現時点で検査異常を伴わないがライフスタイルに偏りがある人を対象に、望ましくないライフスタイルを継続した場合とライフスタイルを改善した場合の疾病発症率を予測するものである。非特許文献１によれば、いずれのサブシステムによる健康支援も医療従事者と受診者との間でインタラクティブに行われ、受診者は自分の行動変容の効果を認識することができるとされている。
　また、特許文献１には、健康管理や健康増進、あるいは疾病の予防や治療等のための健康プログラムであって、対象者が、負担を感じずに参加し続けられる健康プログラムの選択を支援する方法が記載されている。特許文献１に記載の方法は、参加者の健康プログラムの参加実績情報を利用して、複数の健康プログラムの中から、内容が対象者の行動実績に近いプログラムを提示する。
　また、特許文献２には、指導の参加者に生活習慣の改善行動を実行する自信（自己効力感）を持たせる目的で、生体指標と食事や行動との関係を提示する方法の一例が記載されている。特許文献２に記載の方法は、生体指標の値および実績量（食事の摂取量や行動数）が所定の条件を満たす実績データを対象にして、重回帰分析により、食品の摂取量および行動の有無に対する生体指標の変化率を算出する。そして、算出された変化率に基づいて、食品および行動を順位づけて出力する。
特開２０１５－１０３０３９号公報 特開２０１３－１９０９１５号公報
高橋　英孝、吉田　勝美、「ライフスタイル改善のためのＨＲＡ（健康危険度予測システム）」、日本人間ドッグ学会誌（ＪＨＤ）Ｖｏｌ．１１　Ｎｏ．４　１９９７年、ｐ．１２３－１２８．
　課題は、例えば検査自体から遠ざかっている人や、検査を受けてもその後の保険指導や改善プログラムに参加するところまでいかない人等に代表されるような自身の健康に興味が高くない人に対して、いかに行動変容を促すかという点にある。そのような人の場合、その人自身の検査実績やその後の改善プログラムへの参加実績が少ない、または全くないことも想定される。しかし、国家全体や組織全体における保健事業の実効性を高めていくためには、そのような人たちにこそ、自身の不調予防や健康増進のための行動変容（健康診断の受診、保健指導への参加、必要な場合には生活習慣の改善等）を促すことが重要となる。
　例えば、非特許文献１に記載の方法は、あくまでその人の検査値が取得できることを前提としている。このため、非特許文献１に記載の方法では、検査値を取得できない人に対して健康診断を受診させるよう行動変容を促すことはできない。すなわち、非特許文献１に記載の方法は、あくまで健康診断を受診後の保健指導等の現場において、受診者に現状を認識させてライフスタイル改善への動機付けを行おうというものにすぎない。このため、特に、自身の健康に関心が低かったり、低くなくても保健事業に関する適切な情報を持たなかったりする等の理由から、検査実績やその後の改善プログラムへの参加実績が少ない、または全くない人にも行動変容を起こさせようと考えた場合、非特許文献１に記載の方法では不十分である。
　特許文献１、２に記載の方法も同様、その人自身による行動の実績値を必要とすることから、上述したような人に行動変容を起こさせようと考えた場合、やはり不十分である。
　本発明は、上述した課題に鑑みて、自身の健康に関心が低かったり、低くなくても保健事業に関する適切な情報を持たなかったりするような人を含めた多くの人にとって適切に、不調予防や健康増進に向けた行動変容を支援することができる健康支援システム、情報提供シート出力装置、健康支援方法および健康支援プログラムを提供することを目的とする。
　本発明による健康支援システムは、ある人物の現在または過去の生活習慣に関する１つ以上の項目に対応した複数の変数と、その人物の将来の検査値との関係が規定された予測モデルを用いて、指定された人物または所定の人物を予測対象者として将来の検査値を予測する検査値予測手段と、予測の結果に基づいて、予測対象者のうち支援の対象者とされた支援対象者ごとに１枚の情報提供シートであって、その支援対象者の生活習慣の改善、不調予防または健康増進のための情報を含む情報提供シートを作成して出力するシート出力手段とを備えることを特徴とする。
　また、本発明による情報提供シート出力装置は、ある人物の現在または過去の生活習慣に関する１つ以上の項目に対応した複数の変数と、その人物の将来の検査値との関係が規定された予測モデルを用いて、指定された人物または所定の人物を予測対象者として将来の検査値を予測した結果を示す予測結果データを記憶する記憶手段と、予測の結果に基づいて、予測対象者のうち支援の対象者とされた支援対象者ごとに１枚の情報提供シートであって、その支援対象者の生活習慣の改善、不調予防または健康増進のための情報を含む情報提供シートを作成して出力するシート出力手段とを備えることを特徴とする。
　また、本発明による健康支援方法は、ある人物の現在または過去の生活習慣に関する１つ以上の項目に対応した複数の変数と、その人物の将来の検査値との関係が規定された予測モデルを用いて、指定された人物または所定の人物を予測対象者として将来の検査値を予測し、予測の結果に基づいて、予測対象者のうち支援の対象者とされた支援対象者ごとに１枚の情報提供シートであって、その支援対象者の生活習慣の改善、不調予防または健康増進のための情報を含む情報提供シートを作成して出力することを特徴とする。
　また、本発明による健康支援プログラムは、コンピュータに、ある人物の現在または過去の生活習慣に関する１つ以上の項目に対応した複数の変数と、その人物の将来の検査値との関係が規定された予測モデルを用いて、指定された人物または所定の人物を予測対象者として将来の検査値を予測する処理、および予測の結果に基づいて、予測対象者のうち支援の対象者とされた支援対象者ごとに１枚の情報提供シートであって、その支援対象者の生活習慣の改善、不調予防または健康増進のための情報を含む情報提供シートを作成して出力する処理を実行させることを特徴とする。
　本発明によれば、多くの人にとって適切に、不調予防や健康増進に向けた行動変容を支援することができる。
第１の実施形態の健康支援システムの構成例を示すブロック図である。 第１の実施形態の健康支援システムの動作の一例を示すフローチャートである。 第１の実施形態の健康支援システムの他の動作例を示すフローチャートである。 第１の実施形態の健康支援システムの他の構成例を示すブロック図である。 ユーザによる出力条件の指定方法の例を示す説明図である。 対象選択処理の処理フローの一例を示すフローチャートである。 対象選択処理の処理フローの一例を示すフローチャートである。 情報提供シートの利活用イメージを示す説明図である。 情報提供シートの概略イメージである。 ある検査項目の健診結果予測の表示例を示す説明図である。 各検査値と疾病との関係を示す情報の例を示す説明図である。 生活改善提案情報の１つとしての見直し前後の予測値変化の表示例を示す説明図である。 将来予測からシート出力までの一連の処理の利用シーンの例を示す説明図である。 本発明の実施形態にかかるコンピュータの構成例を示す概略ブロック図である。 本発明の健康支援システムの概要を示すブロック図である。 本発明の情報提供シート出力装置の概要を示すブロック図である。
　以下、図面を参照して本発明の実施形態について説明する。図１は、本実施形態の健康支援システムの構成例を示すブロック図である。図１に示す健康支援システム１００は、モデル学習部１１と、検査値予測部１２と、シート出力部１３と、データ記憶部１４とを備える。
　モデル学習部１１は、指定された対象者の将来の検査値を予測するための予測モデルを学習する。ここで、予測モデルは、少なくとも、ある対象者の現在または過去の生活習慣に関する１つ以上の項目（以下、生活習慣項目という）を含む複数の変数と、該対象者の将来の検査値との関係を規定するモデルであれば特に限定されない。予測モデルは、例えば、所定の検査項目に対して、該対象者の過去のある１時点における検査値（例えば、直近の健康診断で得られた検査値）と、該対象者の生活習慣に関する１つ以上の問診項目（生活習慣項目）とにそれぞれ対応した１つ以上の変数とを少なくとも説明変数とし、目的変数として対象者の将来の検査値を予測するモデルであってもよい。なお、説明変数は、上記に限定されず、例えば、過去の所定期間分（もしくは過去の所定回数分の健康診断で得られた）各検査値を示す１つ以上の変数や、対象者の属性に関する項目の値を示す変数をさらに含んでいてもよい。対象者の属性に関する項目の例としては、性別、年齢（または年代）等が挙げられる。
　モデル学習部１１は、例えば、支援対象者が属する組織（自治体、企業、健康保険組合等）で保有している実績データであって、健康診断とその際の問診結果とを少なくとも含む実績データに対して、ＡＩ（artificial intelligence ）技術を利用したビックデータ分析を行うことにより、予測モデルを生成、学習してもよい。
　モデル学習部１１が行う学習方法は、特に限定されないが、教師あり学習、教師なし学習、半教師あり学習、強化学習等様々考えられる。また、機械学習のアルゴリズムとしては、一般的な教師あり学習の一つであるニューラルネットワークが利用されてもよいし、他のアルゴリズム（例えば、サポートベクターマシン、ディープラーニング、ガウシアンプロセス、決定木、ランダムフォレスト）が利用されてもよい。また、予測モデルの例としては、線形モデル、区分線形モデル、回帰モデル、ロジスティック回帰モデル、重回帰モデル、場合分け付き重回帰モデル等が挙げられる。
　モデル学習部１１は、例えば、所定の訓練データ（実績データ）を用いた機械学習により目的変数に対する複数の説明変数の各々の寄与度を特定可能な学習器を利用して、予測モデルを学習してもよい。その際、モデル学習部１１は、スパース性および正則化のうち少なくともいずれかを制約に用いて、予測モデルを学習してもよい。一例として、モデル学習部１１は、場合分け付き重回帰分析に基づく学習器の１つであって、非線形でかつスパースな問題を高精度にホワイトボックスで解く異種混合学習を利用して、予測モデルの学習を行ってもよい。また、モデル学習部１１は、学習の結果、予測モデルの予測式の各変数の係数の大きさ（絶対値）を寄与度として特定してもよい。このとき、寄与度がゼロの変数を、説明変数から除外してもよい。
　モデル学習部１１によって得られた学習済みの予測モデルの情報（各種パラメータ）は、例えば、データ記憶部１４に記憶される。なお、モデル学習部１１によって学習される予測モデルは１つに限定されない。すなわち、予測したい検査値が複数ある場合、モデル学習部１１は、検査項目ごとに予測モデルを学習する。
　検査値予測部１２は、モデル学習部１１によって得られた学習済みの予測モデルを用いて、指定された予測対象者、または所定の予測対象者の将来の検査値を予測する。このとき、検査値予測部１２は、予測対象者ひいては予測モデルに入力する各説明変数の値を特定するための情報である対象者情報と予測条件とを受け付け、受け付けたこれらの情報に基づいて予測を行ってもよい。なお、予測対象者は複数であってもよい。このとき、ある組織に属する者全員等と、予測対象者の条件や該当範囲を予め指定することも可能である。なお、本システムのユーザがその都度、予測対象者の条件や該当範囲を指定することも可能である。
　対象者情報は、例えば、予測対象者の属性を示す属性データや実績データを特定可能な、個人ＩＤ（Identifier）や該組織内のユーザＩＤ等であってもよい。また、対象者情報として、直接、予測モデルに入力する各説明変数の値を指定することも可能である。予測条件の例として、検査値を予測する予測時点に関する指定（いつの時点の検査値を予測するかの指定や予測時点が複数ある場合は各予測時点の指定等）が挙げられる。また、予測条件の他の例としては、生活習慣に関して、実績データを利用するか否かの指定や、実績データを利用しない場合に各生活習慣項目に対して用いる値の指定等が挙げられる。なお、予測条件は、これらを組み合わせることも可能である。
　なお、予測対象者の実績データが存在しない場合等、対象者情報を受け付けても必ず全ての説明変数について予測対象者に該当する説明変数の値が特定できるわけではない。そこで、検査値予測部１２は、予測対象者に該当する値が特定できない説明変数があった場合には、特定できた情報を基に、予測対象者と似ている他者を検索し、検索された他者の値を利用してもよい。このとき、検査値予測部１２は、属性、過去の検査値の傾向または生活習慣のいずれか、またはそれらの組み合わせが似ている他者を検索するのが好ましい。なお、検索対象は特に限定されない。例えば、インターネット上のデータ等の外部データでもよいし、対象者支援者が属する組織内のデータベースに保持されているデータでもよい。
　検査値予測部１２による予測結果は、予測に用いた説明変数の値や予測条件とともに、予測対象者の情報と対応づけてデータ記憶部１４に記憶される。なお、予測したい検査値が複数ある場合、検査値予測部１２は、検査項目ごとに、その検査項目に対応した予測モデルを用いて、将来の検査値を予測する。なお、検査値予測部１２による予測の例（誰を対象に、どのタイミングで、何を予測するか等）については後述する。
　シート出力部１３は、検査値予測部１２による予測結果を基に、支援対象者ごとに１枚の情報提供シートを作成して出力する。ここで、情報提供シートは、予測結果を基に特定され支援対象者それぞれに向けられた、当該支援対象者の生活習慣の改善、不調予防または健康増進のための情報をまとめたシートである。なお、シート出力部１３による情報提供シート出力の例（情報提供シートの具体的な内容や、出力形式等）については後述する。
　また、検査値予測部１２による予測結果は、モデル学習部１１によるモデル検証に用いることも可能である。モデル学習部１１は、例えば、過去所定数分の実績データを、学習用と評価用に分割し、学習用データを利用して予測モデルを学習し、評価用データを利用して学習済みの予測モデルから得た予測値と実績値とを比較してモデル評価を行い、必要に応じて再学習してもよい。このとき、比較対象とする実績値として予測値を得た後に得られた検査値を含めることができる。
　次に、本実施形態の動作を説明する。図２は、本実施形態の健康支援システムの動作の一例を示すフローチャートである。図２に示す例では、まず、モデル学習部１１が、予測したい検査値ごとに予測モデルを学習する（ステップＳ１０１）。本例では、学習された予測モデルの情報はデータ記憶部１４に記憶される。
　次いで、検査値予測部１２が、対象者情報と予測条件とを受け付けて、受け付けた情報を基に、予測モデルを用いて予測対象者の将来の検査値を予測する（ステップＳ１０２）。本例では、検査値予測部１２による予測結果は、予測に用いた説明変数の値や予測条件とともに、予測対象者の情報と対応づけてデータ記憶部１４に記憶される。
　最後に、シート出力部１３が、検査値予測部１２による予測結果を基に、支援対象者ごとに１枚の情報提供シートを作成して出力する（ステップＳ１０３）。
　なお、上記では、モデル学習フェーズ（ステップＳ１０１）と、予測フェーズ（ステップＳ１０２）と、シート作成フェーズ（ステップＳ１０３）とを一連の動作として示しているが、これらをそれぞれ独立して動作させることも可能である。その場合において、モデル学習フェーズは、予測フェーズの前に少なくとも１度行われればよい。また、予測フェーズは、シート作成フェーズの前に少なくとも１度行われればよい。また、フェーズ間の情報のやりとりは、例えば、データ記憶部１４を介して行われればよい。
　また、図３は、本実施形態の健康支援システムの他の動作例を示すフローチャートである。なお、図３に示す例では、学習済みの予測モデルがデータ記憶部１４に記憶されているものとして、モデル学習フェーズ（ステップＳ１０１）が省略されている。
　本例では、対象者情報および予測条件を受け付けると（ステップＳ１０２ＡのＹｅｓ）、検査値予測部１２が、予測対象者の将来の検査値を予測する処理（ステップＳ１０２Ｂ）を、全ての予測対象者に対して全ての予測条件での予測が完了するまで繰り返す（ステップＳ１０２ＣのＮｏ）。
　全ての予測対象者に対して全ての予測条件での予測が完了すると（ステップＳ１０２ＣのＹｅｓ）、シート出力部１３が、検査値予測部１２による予測結果を基に、全ての支援対象者の情報提供シートを作成する（ステップＳ１０３Ａ）。このとき、検査値予測部１２は、複数の支援対象者の情報提供シートを、１つのファイルにまとめて作成してもよい。
　全ての支援者の情報提供シートが作成されると、それらを一括して出力（例えば、ファイル印刷）する（ステップＳ１０３Ｂ）。
　また、図４は、本実施形態の健康支援システムの他の構成例を示すブロック図である。図４に示すように、健康支援システム１００は、図１に示す構成に、さらに対象選択部１５を備えていてもよい。なお、図４に示す例では、検査項目ごとに学習された予測モデルの情報が予めデータ記憶部１４に記憶されているものとして、モデル学習部１１を省略しているが、第１の実施形態と同様、モデル学習部１１を備えることも可能である。
　対象選択部１５は、シート出力部１３に情報提供シートを作成される支援対象者や支援対象項目（例えば、検査項目とその改善のために変容を促す生活習慣項目等）を選択（特定）する。対象選択部１５は、シミュレーションとして、予測対象者または予測条件を変えながら、検査値予測部１２に所定の支援対象項目候補に対する予測を行わせ、その結果を基に、予測対象者や支援対象項目を選択する。シミュレーションの対象とする予測対象者や予測条件は、予め定められていてもよいし、ユーザが与えることも可能である。また、対象選択部１５は、支援対象項目候補の指定や、出力条件（支援対象者や支援対象項目を選ぶ際の条件等）を、ユーザから受け付けることも可能である。
　図５は、ユーザによる出力条件の指定方法の例を示す説明図である。図５に示すように、出力条件をユーザが指定するための画面を予め用意しておいてもよい。
　対象選択部１５における選択処理の一部または全部を、検査値予測部１２やシート出力部１３が行うことも可能である。
　図６および図７は、対象選択処理の処理フローの一例を示すフローチャートである。図６に示す例は、支援対象項目を選択するための処理の一例であり、図７に示す例は、支援対象者を選択するための処理の一例である。
　図６に示す例では、まず、対象選択部１５が、指定された予測対象者、または所定の予測対象者について、全ての検査項目を対象に、かつ現在（または直近）の生活習慣を維持したときの検査値が予測されるよう、予測条件を設定する（ステップＳ２０１）。
　ステップＳ２０１の結果、予測対象者を示す対象者情報と予測条件とが検査値予測部１２に出力される。以下、ステップＳ２０１で設定された予測条件を、第１の予測条件という場合がある。
　検査値予測部１２は、対象者情報と、予測条件（第１の予測条件）とを受け付けると、受け付けた情報を基に、予測モデルを用いて予測対象者の将来の検査値を予測する（ステップＳ２０２）。対象者情報および予測条件により予測モデルに入力される説明変数の値が変わるだけで、検査値予測部１２の予測処理自体はステップＳ１０２と同様である。
　続くステップＳ２０３では、対象者情報および予測条件が示す全ての予測が完了したか否かを判定する。全ての予測が完了した場合には（ステップＳ２０３のＹｅｓ）、ステップＳ２０４に進む。完了していなければ（ステップＳ２０３のＮｏ）、ステップＳ２０２に戻り、予測を繰り返す。予測の完了判定は、検査値予測部１２が行ってもよいし、予測結果として予測値を受け付けた対象選択部１５が行うことも可能である。
　ステップＳ２０４では、対象選択部１５が、第１の予測条件に基づく予測結果を基に、予測対象者ごとに、将来悪化が予測される検査値を支援対象項目とする検査項目に決定する。
　将来悪化が予測される検査値の特定は、例えば、予測を行った検査項目の各々について予測に用いた直近の検査値とステップＳ２０２で予測された検査値とを比較して求められる検査値の変化度合いに基づいて行われてもよい。例えば、求めた変化度合いが所定の閾値以上である検査項目を選択したり、該変化度合いが高い順に所定数の検査項目を選択したりすることにより、検査値が特定される。ここで、変化度合いは、直近の検査値に対する予測された検査値の悪化方向への変化量、もしくは当該検査項目が取り得る値域幅における該変化量の割合である変化率であってもよい。また、他の特定方法としては、予め検査項目ごとに悪化したと判定される基準値（上限基準値または下限基準値等）を定めておき、予測を行った検査項目の中から、予測された検査値が悪化状態のもの（上限基準値を上回るものや下限基準値を上回るもの）を選択したり、さらにその中から変化度合いの高い順に所定数を選択したりしてもよい。このとき、直近の検査値は悪化状態ではないが、予測された検査値は悪化状態となっているものを選択することも可能である。
　予測対象者ごとに支援対象項目とする検査項目が決定すると、対象選択部１５は、予測対象者の各々について、支援対象項目とされた検査項目を対象に、かつ生活習慣を変更した場合の変更パターンごとの検査値が予測されるよう、予測条件を再度設定する（ステップＳ２０５）。ステップＳ２０５では、生活習慣項目に対応する複数の変数の組合せに対し取り得る全ての変更パターンが予測対象になるよう、予測条件を設定する。
　ステップＳ２０５の結果、予測対象者を示す対象者情報と予測条件とが検査値予測部１２に出力される。以下、ステップＳ２０５で設定された予測条件を、第２の予測条件という場合がある。
　検査値予測部１２は、対象者情報と、予測条件（第２の予測条件）とを受け付けると、受け付けた情報を基に、予測モデルを用いて予測対象者の将来の検査値を予測する（ステップＳ２０６）。対象者情報および予測条件により予測モデルに入力される説明変数の値が変わるだけで、検査値予測部１２の予測処理自体はステップＳ１０２と同様である。
　続くステップＳ２０７では、予測情報および予測条件が示す全ての予測が完了したか否かを判定する。全ての予測が完了した場合には（ステップＳ２０７のＹｅｓ）、ステップＳ２０８に進む。完了していなければ（ステップＳ２０７のＮｏ）、ステップＳ２０６に戻り、予測を繰り返す。予測の完了判定は、ステップＳ２０３と同様、検査値予測部１２が行ってもよいし、予測結果として予測値を受け付けた対象選択部１５が行うことも可能である。
　ステップＳ２０８では、対象選択部１５が、第２の予測条件に基づく予測結果を基に、予測対象者の支援対象項目とされた検査項目ごとに、改善度合いが大きい生活習慣の変更パターンにおいて変更した生活習慣項目を、その支援対象項目における変容支援の対象に決定する。
　該生活習慣項目の特定は、例えば、予測を行った検査項目の各々について、ステップＳ２０２で予測された検査値（生活習慣を現状維持したときの予測値）と、生活習慣の各変更パターンでの予測値とをそれぞれ比較して求められる変更パターンごとの改善度合いに基づいて特定してもよい。例えば、改善度合いが所定の閾値以上である生活習慣の変更パターンを選択したり、改善度合いが高い順に所定数の変更パターンを選択したりすることにより、特定できる。ここで、改善度合いは、生活習慣を現状維持したときの予測値に対する、生活習慣を少なくとも一部変更したときの予測値（各変更パターンでの予測値）の良化方向への変化量、もしくは当該検査項目が取り得る値域幅における該変化量の割合である変化率であってもよい。
　また、図７に示す例では、まず、対象選択部１５が、指定された検査項目、または所定の検査項目について、指定された対象者候補、または所定の対象者候補の全てを予測対象者にして、かつ現在（または直近）の生活習慣を維持したときの検査値が予測されるよう、予測条件を設定する（ステップＳ２１１）。ここで、指定された対象者候補、または所定の対象者候補とは、ユーザから対象者候補集合として指定された任意の候補者の集合であってもよいし、予め対象者候補集合として定められている任意の候補者の集合（例えば、当該システムのユーザとされる組織に属する者の集合）であってもよい。また、それらの任意の候補者の集合の中から、ユーザが指定した抽出条件に合致する者からなる候補者の集合であってもよい。
　ステップＳ２１１の結果、予測対象者を示す対象者情報と予測条件とが検査値予測部１２に出力される。以下、ステップＳ２１１で設定された予測対象者を、第１の予測対象者という場合がある。
　検査値予測部１２は、対象者情報（第１の予測対象者を示す情報）と、予測条件とを受け付けると、受け付けた情報を基に、予測モデルを用いて予測対象者の将来の検査値を予測する（ステップＳ２１２）。
　続くステップＳ２１３では、対象者情報および予測条件が示す全ての予測が完了したか否かを判定する。全ての予測が完了した場合には（ステップＳ２１３のＹｅｓ）、ステップＳ２１４に進む。完了していなければ（ステップＳ２１３のＮｏ）、ステップＳ２１２に戻り、予測を繰り返す。
　ステップＳ２１４では、対象選択部１５が、第１の予測対象者の各々に対する予測結果を基に、支援対象者を決定する。
　対象選択部１５は、例えば、第１の予測対象者を予測値が悪い順（例えば、変化幅が大きい順、標準値との差が大きい順）に並び変えた上で、上位所定数の者や所定の条件を満たす者を支援対象者に決定してもよい。このとき、対象選択部１５は並び替えのみを行って、第１の予測対象者全員を支援対象者に決定することも可能である。
　並び替えに際し、対象選択部１５は、複数の検査項目の予測値がある場合は、それらの予測結果を総合的に判断して、予測結果が悪い順位に並び変えるのが好ましい。また、所定の条件の例としては、例えば、悪化状態とされる基準値を超える者、悪化状態でない状態から悪化状態に移行する者等が挙げられる。
　対象選択部１５は、例えばこのような処理により、支援対象者や、支援対象項目（検査項目とその改善のために変容支援の対象とする生活習慣項目）を選択してもよい。
　次に、検査値予測部１２による予測の例、およびシート出力部１３によるシート出力の例をいくつか示す。なお、以下の一部では、検査値予測部１２によって予測対象者が決定され、シート出力部１３によって支援対象者および支援対象項目が決定される例を示すが、対象選択部１５を備える構成の場合、これらの決定を対象選択部１５が行うことも可能である。
　図８は、情報提供シートの利活用イメージを示す説明図である。図８に示すように、本実施形態の健康支援システム１００では、過去の蓄積された健康診断の実績データから導き出された予測モデル（各検査項目に対応した予測モデル）を用いて、個人の将来の健康状態を予測して、予測結果データを生成する。その上で、予測結果およびそれを基に導き出される生活習慣の改善項目等を示す情報提供シートを、当該個人に提供する。情報提供シートは、例えば、印刷されて当該個人に郵送される。このような情報提供シートにより、今のままの生活習慣を続けたときの将来の予測やそれを改善するための具体的な改善項目およびその効果等、具体的な将来像を予測で提示することにより、生活改善や保健事業参加の動機付けを行う。
　また、図９は、情報提供シートの概略イメージである。図９に示すように、情報提供シートは、郵送を行うための郵送先情報Ｄ１１を含んでいてもよい。郵送先情報Ｄ１１は、例えば、支援対象者の住所と氏名とを含み、窓付き封筒の該窓枠に合わせた位置に配置される。
　また、情報提供シートは、今の生活習慣を維持した場合の支援対象者の健康診断結果の予測を示す健診結果予測Ｄ１２を含んでいてもよい。健診結果予測Ｄ１２は、健康診断で検査される検査項目ごとに、１年先、２年先といった将来の複数時点の予測値を含む検査値の推移を示すグラフＤ１２１を含んでいてもよい。なお、グラフＤ１２１には、予測値または実績値を得た各時点に対応づけて、その時点における健康度合いに応じた顔マークＤ１２２を表示してもよい。各検査値の健康度合いは、例えば、厚生労働省の「健診検査項目の健診判定値」に基づいて３段階（正常域／保健指導判定値を満たした保健指導域／受診勧奨判定値を満たした受診勧奨域）に分類してもよい。また、顔マークＤ１２２を表示する他、例えば、当該判定値に基づいてグラフ背景を色分け表示してもよい（図中のグラフ内の網かけ表示等参照）。
　健診結果予測Ｄ１２では、例えば、今後自身がどのような健康状態になるかを直感的にイメージできるように、検査項目毎に、昨年と今年の健診結果（実績値）と、１～ｎ年後の各年の検査値（予測値）とを連続してグラフ表示してもよい。なお、本例では、ｎ＝３としている。図１０に、情報提供シート内のある検査項目の健診結果予測の表示例を示す。図１０に示すように、健診結果予測Ｄ１２では、支援対象者の実績値および予測値の推移をグラフ表示するだけでなく、対象組織内等における同年代の平均値等も併せてグラフ表示してもよい。
　また、健診結果予測Ｄ１２では、予測値を含む検査値およびその推移に対する医学的見地や各検査値と疾病との関係等を示す情報Ｄ１２３を提示してもよい。情報Ｄ１２３は、例えば、悪化が予測された検査値について、当該検査値が悪化することに伴う生活習慣病や疾病のリスクを説明するメッセージや、具体的な疾病リスク名のリスト等を含んでいてもよい。図１１に、各検査値と疾病との関係を示す情報Ｄ１２３の例を示す。このような情報を含むことにより、各検査値が悪化するとどのような病気につながるかを支援対象者が知ることができる。
　また、情報提供シートは、基準値との乖離が大きい検査値を対象としたシミュレーションの結果特定される、当該検査値に対して見直し後の改善率の高い生活習慣項目とその内容を、改善効果とともに示す生活改善提案情報Ｄ１３を含んでいてもよい。なお、図９に示す例では、基準値との乖離が１番目に高かった第１の検査値と２番目に高かった第２の検査値の２つの検査値についてシミュレーションを行って、生活改善提案情報Ｄ１３を提示している。
　生活改善提案情報Ｄ１３では、例えば、生活習慣（運動、食事、飲酒、睡眠等）をどう見直すと予測値がどう変化するかが具体的にわかるような表示を行う。例えば、生活改善提案情報Ｄ１３では、第１の検査値および第２の検査値についてそれぞれ、当該検査値に対して見直し後の改善度合いの大きい生活習慣項目を上位所定数特定した上で、各生活習慣項目について、現在の内容（問診に対する回答）と見直し後の内容と、見直し前後の予測値の変化を示すグラフと、お勧め度合いとを表示してもよい。図１２に、生活改善提案情報Ｄ１３の１つとしての見直し前後の予測値変化の表示例を示す。図１２に示す例では、支援対象者が見直し前と見直し後でどのように検査値が変化するかを比較確認できるように、見直し前と見直し後の予測値を１つのグラフで表示している。このように見直し後の検査値も併せて提示することで、生活習慣の改善を取り組み続けた場合の効果を示すことができる。
　このとき、提示する生活習慣項目を、改善度合いの程度をスコア化したお勧め度の高い順にランキング形式で表示してもよい。そのようにすることで、生活改善に向けたプラン作成の参考にすることができる。
　また、情報提供シートは、上記以外にも、健康増進のヒント（対象組織での取り組みの紹介等）や連絡先等が提示される備考欄Ｄ１４を含んでいてもよい。
　情報提供シートは、これらの情報を、出力した際に支援対象者１人につき１枚の用紙で出力されるようサイズを調整した上で作成する。情報提供シートは、例えば、見開き時にＡ３サイズ（折りたたんだ時にＡ４サイズ）となる大きさであってもよい。
　このような情報提供シートによれば、実績データやビッグデータに基づいた予測値や改善前後の予測値の変化等を提供できるので、対象支援者は客観的に自身の状態を把握できる。例えば、支援対象者が、将来の状況も含めて健康課題を把握することができるので、それにより危機感を演出できる。さらに、ＡＩによって特定された効果的かつ具体的な取り組み（検査項目を良化するための具体的な生活習慣の見直し内容）を提示することにより、効率性を向上できる。さらに、生活習慣を見直した際の将来予測も併せて提示することにより、支援対象者が、自身の取り組み後の将来像を把握することができるので、期待感を演出できる。このような危機感の演出、効率性の向上、期待感の演出を通して、行動変容のきっかけを提供して、行動に着手するのを後押しする（行動変容を加速させる）。
　また、図１３は、将来予測からシート出力までの一連の処理の利用シーンの例を示す説明図である。図１３に示すように、当該処理は、健康診断の開催時期の前または最中に、受診対象者のうち未受診者を予測対象者（支援対象者候補）として行ってもよい。健康診断の開催時期に併せて未受診者に情報提供を行うことにより、健康診断への受診勧奨となり、受診率の向上効果が見込まれる。また、図１３に示すように、当該処理は、保健指導呼出し時期に、その対象者を予測対象者（支援対象者候補）として行ってもよい。保健指導の呼出し時期に情報提供を行うことにより、保健指導への受診勧奨となり、受診率の向上効果が見込まれる。また、図１３に示すように、健康診断や保健指導が実施された後の任意のタイミングで行うことも可能である。例えば、健康診断や保健指導の実施時期でないタイミングで情報提供を行うことにより、指導内容の継続意欲の向上や、健康診断や保健指導以外の手段で自身の生活を見直すきっかけを与える等生活改善への勧奨となり、健康増進を促進できる。
　健康診断開催のタイミングに併せて情報提供を行う際、例えば、その受診対象者が直近の過去数年（過去１～２年）の健康診断を受診している場合には、その受診対象者の過去の健康診断結果を基に予測を行い、得られた予測情報（シミュレーションによる予測結果やその分析結果を含む）を情報提供シートにして出力してもよい。一方、その受診対象者が過去数年の健康診断を受診していない場合や受診していても不定期受診の場合には、その対象者の予測に必要な過去の健康診断結果に欠損が生じていることが考えられる。その場合は、当該欠損部分を同年齢・同性の平均値で補完した上で予測を行い、得られた予測情報を情報提供シートにして出力してもよい。また、当該タイミングで出力される情報提供シートは、受診票（受診資格を表すチケット）に同封されて対象者に送付されてもよい。このとき、同封を容易にするために、各支援対象者のシートがその支援対象者の受診票とともに印刷されるように出力制御をしてもよい。
　健康診断の受診率が高い人でも、直近の検査値は悪化状態ではないが予測された検査値は悪化状態となっている場合も考えられるため、そのような人に将来予測を用いた情報提供を行うことで、不調予防効果が期待できる。また、過去の健康診断への受診率が低い人には、将来予測を用いた情報提供を行って自身の健康への興味を高めることで、受診率向上効果が期待できる。
　また、保健指導開催のタイミングに併せて情報提供を行う際、例えば、その指導対象者（今回の健康診断結果が所見ありと判定された有所見者等）を対象に、その対象者の過去の健康診断結果を基に予測を行い、得られた予測情報を情報提供シートにして出力してもよい。このとき、過去の健康診断結果に欠損がある場合には、上記と同様、欠損部分を同年齢・同性の平均値で補完した上で予測を行えばよい。また、指導対象者の全てを対象にする以外にも、指導対象者であってかつ将来検査値が悪化傾向にある人を対象にすることも可能である。また、当該タイミングで出力される情報提供シートは、保健指導の呼出し通知に同封されて対象者に送付されてもよい。このとき、同封を容易にするために、各支援対象者のシートがその支援対象者の呼出し通知とともに印刷されるように出力制御をしてもよい。また、このとき出力された情報提供シートの内容は、指導の際、画面に出力する等、保健指導を行う指導員にも提供されるのが好ましい。
　健康診断受診後、保健指導対象者への呼出しの時期に、将来予測を用いた情報提供を行って自身の状況理解を深めることで、保健指導の参加率向上が期待できる。
　また、任意のタイミングでの情報提供を行う際には、例えば、将来の高リスク者（現在は悪化状態になくても将来悪化状態になることが予測された者）を対象に、その対象者の過去の健康診断結果を基に予測を行い、得られた予測情報を情報提供シートにして出力してもよい。このとき、過去の健康診断結果に欠損がある場合には、上記と同様、欠損部分を同年齢・同性の平均値で補完した上で予測を行えばよい。なお、過去の健康診断結果が全て揃っている人や少なくとも直近の健康診断結果が登録されている人を対象にすることも可能である。
　例えば、今回の健康診断結果は基準値以下で保健指導の対象ではないが、近い将来基準値を超える可能性が高い者を、予測結果を基に抽出して、情報提供を行ってもよい。これにより、次の健診等を待たずに早期に支援対象者は自身の健康課題を把握できるので、生活習慣の見直しのきっかけとなることができ、健康増進効果が期待できる。
　以下は、本実施形態の健康支援システムの他の利活用の例である。
・（利活用例１）
　個人に向けて健康支援を行う側の組織（管理組織という）で保有している各個人の健康診断結果を示す健診データを基に、ＡＩでビックデータ分析して得られた予測モデルであって、過去の検査値、１つ以上の生活習慣項目、性別および年代を説明変数として将来の検査値を予測する予測モデルを利用して、個人の将来を予測した結果を１枚のシートとして出力し、個人に提供する。
・（利活用例２）
　個人の直近２年分の健康診断結果から得られる説明変数（検査値、生活習慣項目、性別、年齢）を入力とし、将来３年後までの予測を行った結果得られた情報を１枚のシートにして出力する。
　このとき、現在の生活習慣を続けた場合の予測を行ってもよい。また、予測の結果、将来の検査値が悪いと予測される人を少なくとも出力対象としてもよい。また、シートには、将来悪化すると予測された検査値について、どのような生活改善を行えばどれくらいの改善効果が得られるか等、生活改善の見直し内容とその効果とを対応づけて示す情報を含んでいてもよい。
・（利活用例３）
　また、シートには、健康増進のヒントとして、管理組織で推進している具体的な生活習慣改善のための手段を示す情報を含んでいてもよい（例えば、備考欄Ｄ１４）。運動や食事の見直しを推奨するといった一般的な生活改善の見直し内容だけでなく、具体的に身近に存在する手段を提示することで、生活改善の着手率を向上できる。
・（利活用例４）
　また、シートには、将来悪化すると予測される検査値について、最大ｎ個（例えば、２個）の検査値までを抽出して、改善効果が高いと予測される生活改善の見直し内容を示す情報を含んでいてもよい（例えば、生活改善提案情報Ｄ１３）。抽出されるｎ個の検査値は、現在の検査値と将来の時点（１つおよび直近に限定されない。例えば、３年後でもよい）の検査値とを比較し、最も悪化の割合が大きいものから順に選択されたものであってもよい。割合を用いて評価することで、単位や値域が異なる検査値を同等に評価できる。
　また、このとき抽出対象とされる検査値は、体重、腹囲、ＬＤＬ（Low-density lipoprotein ）コレステロール、ＨＤＬ（High-density lipoprotein）コレステロール、中性脂肪、最低血圧（拡張期血圧）、最高血圧（収縮期血圧）、ＨｂＡ１ｃ（Hemoglobin A1c）、空腹時血糖の９検査値であってもよい。
・（利活用例５）
　また、ある検査値について改善効果が高いと予測される生活改善の見直し内容を示す際、生活改善に関する項目の組み合わせとして取り得る全ての見直しパターンについて予測を行い、最も改善効果が高い（例えば、改善度合いが大きい）と計算された順に、その改善の程度とともにその見直し内容を提示してもよい。
・（利活用例６）
　また、シートは、国民健康保健加入者における定期健診等、所定の健康診断の受診対象者を対象にして行った予測の結果を基に作成、出力されてもよい。また、シートは、過去所定回数の健康診断における未受診者や不定期受診者を対象に作成、出力されてもよい。また、当該シートは、送付用に住所および氏名が記載された欄や、受診対象者の識別番号が記載された欄を有していてもよく、また受診券と一緒に送付されてもよい。
・（利活用例７）
　また、シートは、所定の健康診断受診後、所見ありとなった保健指導対象者を対象に作成、出力されてもよい。また、当該シートは、送付用に住所および氏名が記載された欄や、受診対象者の識別番号が記載された欄を有していてもよく、また保健指導の呼出し通知と一緒に送付されてもよい。
・（利活用例８）
　また、シートは、所定の健康診断を受診していて現時点で検査値に問題がないが、将来検査値が悪くなる（例えば、いずれ有所見者となる）と予測される人を対象に作成、出力されてもよい。
　健康診断を受診していて現時点で検査値に問題がない人の場合、たとえ、その人の生活習慣が悪くいずれ有所見者となる可能性が高かったとしても、該当者へアプローチするきっかけがないことが多いが、そのような人にもシートを送付できるようにする。これにより、該当者への意識付け、注意喚起を行うことができるようにする。
・（利活用例９）
　また、シート出力の対象者とされる支援対象者を、より将来検査値が悪化すると予測される人に限定してもよい。例えば、全ての候補者について現在の検査値と将来の検査値を評価して、悪化方向への増加の割合（悪化率）が高い順から所定数の者を対象者としてもよい。なお、そのような限定は、例えば、ユーザ（管理組織における利用者）から出力条件の設定を受け付けることにより、実現できる。
・（利活用例１０）
　また、シート出力の対象者とされる支援対象者を、年代、性別または悪化する検査値等の所定の条件で絞り込んでもよい。これにより、例えば「２０代、３０代の若年層の生活改善に力を入れたい」、「糖尿病患者の発生率を下げるため、血糖関連検査値にフォーカスしたい」等の、管理組織における健康課題に応じた柔軟な支援を行うことができる。
・（利活用例１１）
　また、支援対象者が数千、数万といった大きな数になった場合でもシートを大量出力可能なように、各支援対象者につき１枚のシートに収まるようにするとともに、１頁にシート１枚が配置された複数頁からなるファイルにして出力してもよい。このとき、条件の設定等により、１ファイルに収める最大頁数が定められていてもよく、最大頁数を超える場合には、自動でファイルを分割（別ファイルにして生成）することも可能である。
　以上のように、本実施形態によれば、自身の健康に対して興味を高めたり、危機感を演出したり、改善効果による期待感を演出するような予想情報をコンパクトに１枚のシートに纏めて出力したりすることができる。このため、自身の健康に関心が低かったり、低くなくても保健事業に関する適切な情報を持たなかったりするような人を含めた多くの人の不調予防や健康増進に向けた行動変容を適切に支援することができる。
　また、図１４は、本発明の実施形態にかかるコンピュータの構成例を示す概略ブロック図である。コンピュータ１０００は、ＣＰＵ１００１と、主記憶装置１００２と、補助記憶装置１００３と、インタフェース１００４と、ディスプレイ装置１００５と、入力デバイス１００６とを備える。
　上述した実施形態の健康支援システムは、コンピュータ１０００に実装されてもよい。その場合、該装置の動作は、プログラムの形式で補助記憶装置１００３に記憶されていてもよい。ＣＰＵ１００１は、プログラムを補助記憶装置１００３から読み出して主記憶装置１００２に展開し、そのプログラムに従って実施形態における所定の処理を実施する。なお、ＣＰＵ１００１は、プログラムに従って動作する情報処理装置の一例であり、ＣＰＵ（Central Processing Unit ）以外にも、例えば、ＭＰＵ（Micro Processing Unit ）やＭＣＵ（Memory Control Unit）やＧＰＵ（Graphics Processing Unit ）等を備えていてもよい。
　補助記憶装置１００３は、一時的でない有形の媒体の一例である。一時的でない有形の媒体の他の例として、インタフェース１００４を介して接続される磁気ディスク、光磁気ディスク、ＣＤ－ＲＯＭ、ＤＶＤ－ＲＯＭ、半導体メモリ等が挙げられる。また、このプログラムが通信回線によってコンピュータ１０００に配信される場合、配信を受けたコンピュータ１０００がそのプログラムを主記憶装置１００２に展開し、各実施形態における所定の処理を実行してもよい。
　また、プログラムは、実施形態における所定の処理の一部を実現するためのものであってもよい。さらに、プログラムは、補助記憶装置１００３に既に記憶されている他のプログラムとの組み合わせで実施形態における所定の処理を実現する差分プログラムであってもよい。
　インタフェース１００４は、他の装置との間で情報の送受信を行う。また、ディスプレイ装置１００５は、ユーザに情報を提示する。また、入力デバイス１００６は、ユーザからの情報の入力を受け付ける。
　また、実施形態における処理内容によっては、コンピュータ１０００の一部の要素は省略可能である。例えば、コンピュータ１０００がユーザに情報を提示しないのであれば、ディスプレイ装置１００５は省略可能である。例えば、コンピュータ１０００がユーザから情報入力を受け付けないのであれば、入力デバイス１００６は省略可能である。
　また、上記の各構成要素の一部または全部は、汎用または専用の回路（Circuitry ）、プロセッサ等やこれらの組み合わせによって実施される。これらは単一のチップによって構成されてもよいし、バスを介して接続される複数のチップによって構成されてもよい。また、上記の各構成要素の一部又は全部は、上述した回路等とプログラムとの組み合わせによって実現されてもよい。
　上記の各構成要素の一部又は全部が複数の情報処理装置や回路等により実現される場合には、複数の情報処理装置や回路等は、集中配置されてもよいし、分散配置されてもよい。例えば、情報処理装置や回路等は、クライアントアンドサーバシステム、クラウドコンピューティングシステム等、各々が通信ネットワークを介して接続される形態として実現されてもよい。
　次に、本発明の概要を説明する。図１５は、本発明の健康支援システムの概要を示すブロック図である。図１５に示す健康支援システム６０は、検査値予測手段６１と、シート出力手段６２とを備える。
　検査値予測手段６１（例えば、検査値予測部１２）は、ある人物の現在または過去の生活習慣に関する１つ以上の項目に対応した複数の変数と、その人物の将来の検査値との関係が規定された予測モデルを用いて、指定された人物または所定の人物を予測対象者として将来の検査値を予測する。
　シート出力手段６２（例えば、シート出力部１３）は、上記の予測の結果に基づいて、予測対象者のうち支援の対象者とされた支援対象者ごとに１枚の情報提供シートであって、その支援対象者の生活習慣の改善、不調予防または健康増進のための情報を含む情報提供シートを作成して出力する。
　このような構成によれば、多くの人にとっての不調予防や健康増進に向けた行動変容を適切に支援することができる。
　また、図１６は、本発明の情報提供シート出力装置の概要を示すブロック図である。図１６に示す情報提供シート出力装置６３は、上記のシート出力手段６２と、記憶手段６４とを備える。
　記憶手段６４（例えば、データ記憶部１４）は、ある人物の現在または過去の生活習慣に関する１つ以上の項目に対応した複数の変数と、その人物の将来の検査値との関係が規定された予測モデルを用いて、指定された人物または所定の人物を予測対象者として将来の検査値を予測した結果を示す予測結果データを記憶する。
　このような構成によっても、多くの人にとっての不調予防や健康増進に向けた行動変容を適切に支援することができる。
　なお、上記の実施形態は以下の付記のようにも記載できる。
　（付記１）ある人物の現在または過去の生活習慣に関する１つ以上の項目に対応した複数の変数と、前記人物の将来の検査値との関係が規定された予測モデルを用いて、指定された人物または所定の人物を予測対象者として将来の検査値を予測する検査値予測手段と、前記予測の結果に基づいて、予測対象者のうち支援の対象者とされた支援対象者ごとに１枚の情報提供シートであって、その支援対象者の生活習慣の改善、不調予防または健康増進のための情報を含む情報提供シートを作成して出力するシート出力手段とを備えることを特徴とする健康支援システム。
　（付記２）前記予測モデルは、ある人物の過去所定期間分の検査値と、現在または過去の生活習慣に関する１つ以上の項目とに対応した複数の変数と、前記人物の将来の検査値との関係が規定された予測モデルであり、前記検査値予測手段は、予測対象者の実績データから少なくとも前記予測モデルに用いられる前記過去所定期間分の検査値を取得して、前記予測対象者の将来の検査値を予測し、前記検査値予測手段は、予測対象者の実績データにおいて前記予測モデルに用いられる前記過去所定期間分の検査値に欠損があった場合に、欠損箇所をその予測対象者と同年代および同性の他の者の検査値で補完する付記１に記載の健康支援システム。
　（付記３）前記検査値予測手段は、複数の検査項目にそれぞれ対応した複数の予測モデルを用いて、予測対象者の将来の前記複数の検査項目のそれぞれの検査値を予測する手段であって、前記検査値予測手段は、予測対象者が現在の生活習慣を続けた場合の当該予測対象者の将来の検査値である第１の検査値を予測するとともに、将来悪化すると予測された検査値があった場合に、その検査項目である高リスク検査項目に対して、さらに、生活習慣を見直した場合の当該予測対象者の将来の検査値である第２の検査値を予測し、前記情報提供シートは、支援対象者の前記複数の検査項目の前記第１の検査値を含むとともに、その支援対象者の予測結果に前記高リスク検査項目が含まれていた場合に、前記高リスク検査項目に対して改善効果が高い見直し項目について、見直し後の当該項目の内容および見直し後の前記第２の検査値を少なくとも含む付記１または付記２に記載の健康支援システム。
　（付記４）前記高リスク検査項目は、２以下であり、前記シート出力手段は、現在の検査値と将来の検査値とを比較して、最も悪化の割合の大きいものから順に前記高リスク検査項目を選択する付記３に記載の健康支援システム。
　（付記５）前記検査値予測手段は、前記高リスク検査項目について、前記生活習慣に関する１つ以上の項目に対する全ての見直しパターンの将来の検査値を予測し、前記シート出力手段は、前記全ての見直しパターンの中から改善度合いの大きい順に所定数の見直しパターンを特定し、特定された見直しパターンにおいて変更された項目を、前記高リスク検査項目に対して改善効果が高い見直し項目とする付記３または付記４に記載の健康支援システム。
　（付記６）前記支援対象者または前記支援対象者の候補とされる予測対象者が、定期的に実施される所定の健康診断の過去所定回数分の受診率に基づいて決定される付記１から付記５のうちのいずれか１項に記載の健康支援システム。
　（付記７）前記情報提供シートは、支援対象者が属する組織が推進している具体的な生活習慣改善のための手段を示す情報を含む付記１から付記６のうちのいずれか１項に記載の健康支援システム。
　（付記８）前記情報提供シートは、所定の窓付き封筒の窓枠に合わせた位置に、支援対象者の住所と氏名とが記載されている付記１から付記７のうちのいずれか１項に記載の健康支援システム。
　（付記９）前記検査値予測手段は、複数の検査項目にそれぞれ対応した複数の予測モデルを用いて、複数の予測対象者を対象に、各予測対象者の将来の前記複数の検査項目のそれぞれの検査値を予測し、前記シート出力手段は、前記複数の予測対象者のうち支援の対象者とされた支援対象者ごとに１枚の情報提供シートを作成する際、１頁ごとに一人の支援対象者の前記情報提供シートが配置されたファイルとして作成する付記１から付記８のうちのいずれか１項に記載の健康支援システム。
　（付記１０）ある人物の現在または過去の生活習慣に関する１つ以上の項目に対応した複数の変数と、前記人物の将来の検査値との関係が規定された予測モデルを用いて、指定された人物または所定の人物を予測対象者として将来の検査値を予測した結果を示す予測結果データを記憶する記憶手段と、前記予測の結果に基づいて、予測対象者のうち支援の対象者とされた支援対象者ごとに１枚の情報提供シートであって、その支援対象者の生活習慣の改善、不調予防または健康増進のための情報を含む情報提供シートを作成して出力するシート出力手段とを備えることを特徴とする情報提供シート出力装置。
　（付記１１）ある人物の現在または過去の生活習慣に関する１つ以上の項目に対応した複数の変数と、前記人物の将来の検査値との関係が規定された予測モデルを用いて、指定された人物または所定の人物を予測対象者として将来の検査値を予測し、前記予測の結果に基づいて、予測対象者のうち支援の対象者とされた支援対象者ごとに１枚の情報提供シートであって、その支援対象者の生活習慣の改善、不調予防または健康増進のための情報を含む情報提供シートを作成して出力することを特徴とする健康支援方法。
　（付記１２）コンピュータに、ある人物の現在または過去の生活習慣に関する１つ以上の項目に対応した複数の変数と、前記人物の将来の検査値との関係が規定された予測モデルを用いて、指定された人物または所定の人物を予測対象者として将来の検査値を予測する処理、および前記予測の結果に基づいて、予測対象者のうち支援の対象者とされた支援対象者ごとに１枚の情報提供シートであって、その支援対象者の生活習慣の改善、不調予防または健康増進のための情報を含む情報提供シートを作成して出力する処理を実行させるための健康支援プログラム。
　以上、本実施形態および実施例を参照して本願発明を説明したが、本願発明は上記実施形態および実施例に限定されるものではない。本願発明の構成や詳細には、本願発明のスコープ内で当業者が理解し得る様々な変更をすることができる。
　この出願は、２０１８年３月２６日に出願された日本特許出願２０１８－０５８５３５を基礎とする優先権を主張し、その開示の全てをここに取り込む。
産業上の利用の可能性
　本発明は、組織単位での健康支援に好適に適用可能である。
　１００　健康支援システム
　１１　モデル学習部
　１２　検査値予測部
　１３　シート出力部
　１４　データ記憶部
　１５　対象選択部
　１０００　コンピュータ
　１００１　ＣＰＵ
　１００２　主記憶装置
　１００３　補助記憶装置
　１００４　インタフェース
　１００５　ディスプレイ装置
　１００６　入力デバイス
　６０　健康支援システム
　６１　検査値予測手段
　６２　シート出力手段
　６３　情報提供シート出力装置
　６４　記憶手段

Claims (12)

  1. 　ある人物の現在または過去の生活習慣に関する１つ以上の項目に対応した複数の変数と、前記人物の将来の検査値との関係が規定された予測モデルを用いて、指定された人物または所定の人物を予測対象者として将来の検査値を予測する検査値予測手段と、
    　前記予測の結果に基づいて、予測対象者のうち支援の対象者とされた支援対象者ごとに１枚の情報提供シートであって、その支援対象者の生活習慣の改善、不調予防または健康増進のための情報を含む情報提供シートを作成して出力するシート出力手段とを備える
    　ことを特徴とする健康支援システム。
  2. 　前記予測モデルは、ある人物の過去所定期間分の検査値と、現在または過去の生活習慣に関する１つ以上の項目とに対応した複数の変数と、前記人物の将来の検査値との関係が規定された予測モデルであり、
    　前記検査値予測手段は、予測対象者の実績データから少なくとも前記予測モデルに用いられる前記過去所定期間分の検査値を取得して、前記予測対象者の将来の検査値を予測し、
    　前記検査値予測手段は、予測対象者の実績データにおいて前記予測モデルに用いられる前記過去所定期間分の検査値に欠損があった場合に、欠損箇所をその予測対象者と同年代および同性の他の者の検査値で補完する
    　請求項１に記載の健康支援システム。
  3. 　前記検査値予測手段は、複数の検査項目にそれぞれ対応した複数の予測モデルを用いて、予測対象者の将来の前記複数の検査項目のそれぞれの検査値を予測する手段であって、
    　前記検査値予測手段は、予測対象者が現在の生活習慣を続けた場合の当該予測対象者の将来の検査値である第１の検査値を予測するとともに、将来悪化すると予測された検査値があった場合に、その検査項目である高リスク検査項目に対して、さらに、生活習慣を見直した場合の当該予測対象者の将来の検査値である第２の検査値を予測し、
    　前記情報提供シートは、支援対象者の前記複数の検査項目の前記第１の検査値を含むとともに、その支援対象者の予測結果に前記高リスク検査項目が含まれていた場合に、前記高リスク検査項目に対して改善効果が高い見直し項目について、見直し後の当該項目の内容および見直し後の前記第２の検査値を少なくとも含む
    　請求項１または請求項２に記載の健康支援システム。
  4. 　前記高リスク検査項目は、２以下であり、
    　前記シート出力手段は、現在の検査値と将来の検査値とを比較して、最も悪化の割合の大きいものから順に前記高リスク検査項目を選択する
    　請求項３に記載の健康支援システム。
  5. 　前記検査値予測手段は、前記高リスク検査項目について、前記生活習慣に関する１つ以上の項目に対する全ての見直しパターンの将来の検査値を予測し、
    　前記シート出力手段は、前記全ての見直しパターンの中から改善度合いの大きい順に所定数の見直しパターンを特定し、特定された見直しパターンにおいて変更された項目を、前記高リスク検査項目に対して改善効果が高い見直し項目とする
    　請求項３または請求項４に記載の健康支援システム。
  6. 　前記支援対象者または前記支援対象者の候補とされる予測対象者が、定期的に実施される所定の健康診断の過去所定回数分の受診率に基づいて決定される
    　請求項１から請求項５のうちのいずれか１項に記載の健康支援システム。
  7. 　前記情報提供シートは、支援対象者が属する組織が推進している具体的な生活習慣改善のための手段を示す情報を含む
    　請求項１から請求項６のうちのいずれか１項に記載の健康支援システム。
  8. 　前記情報提供シートは、所定の窓付き封筒の窓枠に合わせた位置に、支援対象者の住所と氏名とが記載されている
    　請求項１から請求項７のうちのいずれか１項に記載の健康支援システム。
  9. 　前記検査値予測手段は、複数の検査項目にそれぞれ対応した複数の予測モデルを用いて、複数の予測対象者を対象に、各予測対象者の将来の前記複数の検査項目のそれぞれの検査値を予測し、
    　前記シート出力手段は、前記複数の予測対象者のうち支援の対象者とされた支援対象者ごとに１枚の情報提供シートを作成する際、１頁ごとに一人の支援対象者の前記情報提供シートが配置されたファイルとして作成する
    　請求項１から請求項８のうちのいずれか１項に記載の健康支援システム。
  10. 　ある人物の現在または過去の生活習慣に関する１つ以上の項目に対応した複数の変数と、前記人物の将来の検査値との関係が規定された予測モデルを用いて、指定された人物または所定の人物を予測対象者として将来の検査値を予測した結果を示す予測結果データを記憶する記憶手段と、
    　前記予測の結果に基づいて、予測対象者のうち支援の対象者とされた支援対象者ごとに１枚の情報提供シートであって、その支援対象者の生活習慣の改善、不調予防または健康増進のための情報を含む情報提供シートを作成して出力するシート出力手段とを備える
    　ことを特徴とする情報提供シート出力装置。
  11. 　ある人物の現在または過去の生活習慣に関する１つ以上の項目に対応した複数の変数と、前記人物の将来の検査値との関係が規定された予測モデルを用いて、指定された人物または所定の人物を予測対象者として将来の検査値を予測し、
    　前記予測の結果に基づいて、予測対象者のうち支援の対象者とされた支援対象者ごとに１枚の情報提供シートであって、その支援対象者の生活習慣の改善、不調予防または健康増進のための情報を含む情報提供シートを作成して出力する
    　ことを特徴とする健康支援方法。
  12. 　コンピュータに、
    　ある人物の現在または過去の生活習慣に関する１つ以上の項目に対応した複数の変数と、前記人物の将来の検査値との関係が規定された予測モデルを用いて、指定された人物または所定の人物を予測対象者として将来の検査値を予測する処理、および
    　前記予測の結果に基づいて、予測対象者のうち支援の対象者とされた支援対象者ごとに１枚の情報提供シートであって、その支援対象者の生活習慣の改善、不調予防または健康増進のための情報を含む情報提供シートを作成して出力する処理
    　を実行させるための健康支援プログラム。
PCT/JP2019/007647 2018-03-26 2019-02-27 健康支援システム、情報提供シート出力装置、方法およびプログラム WO2019187933A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2020510477A JP7078291B2 (ja) 2018-03-26 2019-02-27 健康支援システム、情報提供シート出力装置、方法およびプログラム
CN201980021881.6A CN111971756A (zh) 2018-03-26 2019-02-27 健康援助系统、信息提供表格输出设备、方法和程序
EP19776192.7A EP3780001A4 (en) 2018-03-26 2019-02-27 HEALTH ASSISTANCE SYSTEM, DEVICE, METHOD AND PROGRAM FOR DISTRIBUTION OF INFORMATION SHEETS
US16/981,867 US20210257072A1 (en) 2018-03-26 2019-02-27 Health assistance system, information providing sheet output device, method, and program

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2018-058535 2018-03-26
JP2018058535 2018-03-26

Publications (1)

Publication Number Publication Date
WO2019187933A1 true WO2019187933A1 (ja) 2019-10-03

Family

ID=68061194

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2019/007647 WO2019187933A1 (ja) 2018-03-26 2019-02-27 健康支援システム、情報提供シート出力装置、方法およびプログラム

Country Status (5)

Country Link
US (1) US20210257072A1 (ja)
EP (1) EP3780001A4 (ja)
JP (1) JP7078291B2 (ja)
CN (1) CN111971756A (ja)
WO (1) WO2019187933A1 (ja)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6935118B1 (ja) * 2021-04-15 2021-09-15 ケイスリー株式会社 行動支援システム、行動支援方法及び行動支援プログラム
WO2022176886A1 (ja) * 2021-02-17 2022-08-25 株式会社アシックス 情報通知装置
WO2022254625A1 (ja) * 2021-06-02 2022-12-08 日本電信電話株式会社 予測装置、学習装置、予測方法、学習方法およびプログラム
WO2022269909A1 (ja) * 2021-06-25 2022-12-29 日本電気株式会社 秘密計算システム、事業者サーバ、情報処理システム、秘密計算方法、及び記録媒体
JP7199486B1 (ja) 2021-08-31 2023-01-05 アニコム ホールディングス株式会社 予測装置、予測システム及び予測方法
JP2023026082A (ja) * 2021-08-12 2023-02-24 株式会社三菱総合研究所 情報処理装置、情報処理方法及びプログラム
WO2023162958A1 (ja) * 2022-02-25 2023-08-31 株式会社Preferred Networks 情報処理装置、方法、およびプログラム
JP7337316B2 (ja) 2020-01-20 2023-09-04 株式会社AncientTree 治療に伴う検査データの予測、記録、比較装置
JP7410794B2 (ja) 2020-05-14 2024-01-10 株式会社Ｎｔｔドコモ スコア算出装置

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7048796B1 (ja) * 2021-05-31 2022-04-05 大塚製薬株式会社 生活者の健康状態を把握、健康予測モデルでの生活者の健康維持、増進をサポートする方法及び情報提供方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002203199A (ja) * 2000-12-28 2002-07-19 Mitsubishi Kagaku Bio-Clinical Laboratories Inc 検査報告書及び検査報告書作成システム及びそのシステムのためのサーバ及び出力端末並びにコンピュータ読み取り可能な記録媒体
JP2013190915A (ja) 2012-03-13 2013-09-26 Hitachi Ltd 生活習慣改善支援システム及び生体指標の分析方法
JP2014119817A (ja) * 2012-12-13 2014-06-30 Hitachi Systems Ltd 健康管理予測システム
JP2015103039A (ja) 2013-11-26 2015-06-04 株式会社日立製作所 健康プログラム分析システム及びプラットフォームサービス提供方法
JP2016030336A (ja) * 2014-07-25 2016-03-07 理想科学工業株式会社 印刷装置
WO2016181490A1 (ja) * 2015-05-12 2016-11-17 株式会社日立製作所 分析システム及び分析方法
JP2017021725A (ja) * 2015-07-14 2017-01-26 株式会社スタージェン 健康管理支援装置、健康管理支援システム及び健康管理支援方法
WO2017204233A1 (ja) * 2016-05-23 2017-11-30 Ｎｅｃソリューションイノベータ株式会社 健康状態予測装置、健康状態予測方法、及びコンピュータ読み取り可能な記録媒体
JP2018058535A (ja) 2016-10-07 2018-04-12 横浜ゴム株式会社 空気入りタイヤ

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020184056A1 (en) * 2001-05-30 2002-12-05 Toshiaki Tsuboi Health promotion practitioner support apparatus and computer readable medium storing health promotion practitioner support program
JP4062910B2 (ja) * 2001-11-29 2008-03-19 株式会社日立製作所 健康管理支援方法及び装置と健康余命予測データ生成方法及び装置
JP2012155179A (ja) * 2011-01-27 2012-08-16 Toshiba Corp 欠陥検査支援装置、欠陥検査支援方法
CN104704526A (zh) * 2013-10-01 2015-06-10 国立大学法人东北大学 健康信息处理装置、健康信息显示装置以及方法
US20150193583A1 (en) * 2014-01-06 2015-07-09 Cerner Innovation, Inc. Decision Support From Disparate Clinical Sources

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002203199A (ja) * 2000-12-28 2002-07-19 Mitsubishi Kagaku Bio-Clinical Laboratories Inc 検査報告書及び検査報告書作成システム及びそのシステムのためのサーバ及び出力端末並びにコンピュータ読み取り可能な記録媒体
JP2013190915A (ja) 2012-03-13 2013-09-26 Hitachi Ltd 生活習慣改善支援システム及び生体指標の分析方法
JP2014119817A (ja) * 2012-12-13 2014-06-30 Hitachi Systems Ltd 健康管理予測システム
JP2015103039A (ja) 2013-11-26 2015-06-04 株式会社日立製作所 健康プログラム分析システム及びプラットフォームサービス提供方法
JP2016030336A (ja) * 2014-07-25 2016-03-07 理想科学工業株式会社 印刷装置
WO2016181490A1 (ja) * 2015-05-12 2016-11-17 株式会社日立製作所 分析システム及び分析方法
JP2017021725A (ja) * 2015-07-14 2017-01-26 株式会社スタージェン 健康管理支援装置、健康管理支援システム及び健康管理支援方法
WO2017204233A1 (ja) * 2016-05-23 2017-11-30 Ｎｅｃソリューションイノベータ株式会社 健康状態予測装置、健康状態予測方法、及びコンピュータ読み取り可能な記録媒体
JP2018058535A (ja) 2016-10-07 2018-04-12 横浜ゴム株式会社 空気入りタイヤ

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
HIDETAKA TAKAHASHIKATSUMI YOSHIDA: "Health Risk Appraisal (HRA) for Lifestyle Improvemen", JOURNAL OF JAPAN SOCIETY OF NINGEN DOCK (JHD, vol. 11, no. 4, 1997, pages 123 - 128

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7337316B2 (ja) 2020-01-20 2023-09-04 株式会社AncientTree 治療に伴う検査データの予測、記録、比較装置
JP7410794B2 (ja) 2020-05-14 2024-01-10 株式会社Ｎｔｔドコモ スコア算出装置
WO2022176886A1 (ja) * 2021-02-17 2022-08-25 株式会社アシックス 情報通知装置
JP2022163957A (ja) * 2021-04-15 2022-10-27 ケイスリー株式会社 行動支援システム、行動支援方法及び行動支援プログラム
JP6935118B1 (ja) * 2021-04-15 2021-09-15 ケイスリー株式会社 行動支援システム、行動支援方法及び行動支援プログラム
WO2022254625A1 (ja) * 2021-06-02 2022-12-08 日本電信電話株式会社 予測装置、学習装置、予測方法、学習方法およびプログラム
WO2022269909A1 (ja) * 2021-06-25 2022-12-29 日本電気株式会社 秘密計算システム、事業者サーバ、情報処理システム、秘密計算方法、及び記録媒体
JP2023026082A (ja) * 2021-08-12 2023-02-24 株式会社三菱総合研究所 情報処理装置、情報処理方法及びプログラム
JP7270005B2 (ja) 2021-08-12 2023-05-09 株式会社三菱総合研究所 情報処理装置、情報処理方法及びプログラム
JP2023035074A (ja) * 2021-08-31 2023-03-13 アニコム ホールディングス株式会社 予測装置、予測システム及び予測方法
WO2023032836A1 (ja) * 2021-08-31 2023-03-09 アニコム ホールディングス株式会社 予測装置、予測システム及び予測方法
JP7199486B1 (ja) 2021-08-31 2023-01-05 アニコム ホールディングス株式会社 予測装置、予測システム及び予測方法
WO2023162958A1 (ja) * 2022-02-25 2023-08-31 株式会社Preferred Networks 情報処理装置、方法、およびプログラム

Also Published As

Publication number Publication date
CN111971756A (zh) 2020-11-20
EP3780001A1 (en) 2021-02-17
JPWO2019187933A1 (ja) 2021-04-08
JP7078291B2 (ja) 2022-05-31
EP3780001A4 (en) 2021-05-26
US20210257072A1 (en) 2021-08-19

Similar Documents

Publication Publication Date Title
WO2019187933A1 (ja) 健康支援システム、情報提供シート出力装置、方法およびプログラム
Singh et al. Effective heart disease prediction system using data mining techniques
Joel et al. Is romantic desire predictable? Machine learning applied to initial romantic attraction
Owen et al. Good-enough level and dose-effect models: Variation among outcomes and therapists
Elliott et al. Psychometrics of the Personal Questionnaire: A client-generated outcome measure.
Narain et al. Cardiovascular risk prediction: a comparative study of Framingham and quantum neural network based approach
Zarchi et al. SCADI: A standard dataset for self-care problems classification of children with physical and motor disability
Scioli et al. The positive contributions of hope to maintaining and restoring health: An integrative, mixed-method approach
Saltzman et al. Post-combat adaptation: Improving social support and reaching constructive growth
KR20170061222A (ko) 건강데이터 패턴의 일반화를 통한 건강수치 예측 방법 및 그 장치
JP2016520228A (ja) 医療システムにおけるコンテキスト意識予測
JP2016197330A (ja) 分析システム、リハビリテーション支援システム、方法およびプログラム
CN107180283A (zh) 一种基于最优特征组合的再住院行为预测系统及方法
JP7430295B2 (ja) 個体慢性疾患進行リスク可視化評価方法及びシステム
KR102304563B1 (ko) 사용자 맞춤형 비만 관리 서비스 제공 방법 및 장치
Spalter et al. Improvements and decline in the physical functioning of Israeli older adults
Li et al. A process model of emotional labor of nursing: case study of two Chinese public hospitals
Fasihi et al. Artificial intelligence used to diagnose osteoporosis from risk factors in clinical data and proposing sports protocols
Pocnet et al. Personality, tobacco consumption, physical inactivity, obesity markers, and metabolic components as risk factors for cardiovascular disease in the general population
Grant et al. Machine learning versus traditional methods for the development of risk stratification scores: a case study using original Canadian Syncope Risk Score data
JP2011128922A (ja) 美容サポートシステム及び美容サポート方法
US20140164012A1 (en) System and methods for simulating future medical episodes
US8666766B2 (en) System and methods for simulating future medical episodes
JP2017037406A (ja) 提示装置
White et al. Patients’ perceptions of and attitudes toward voice therapy: a pilot study

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: 19776192

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2020510477

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2019776192

Country of ref document: EP

Effective date: 20201026