WO2019202707A1 - 情報処理装置及び情報処理方法 - Google Patents

情報処理装置及び情報処理方法 Download PDF

Info

Publication number
WO2019202707A1
WO2019202707A1 PCT/JP2018/016167 JP2018016167W WO2019202707A1 WO 2019202707 A1 WO2019202707 A1 WO 2019202707A1 JP 2018016167 W JP2018016167 W JP 2018016167W WO 2019202707 A1 WO2019202707 A1 WO 2019202707A1
Authority
WO
WIPO (PCT)
Prior art keywords
user
recognition function
information
insurance
physical strength
Prior art date
Application number
PCT/JP2018/016167
Other languages
English (en)
French (fr)
Inventor
圭祐 廣部
Original Assignee
ソニー株式会社
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 ソニー株式会社 filed Critical ソニー株式会社
Priority to EP18915195.4A priority Critical patent/EP3736761A1/en
Priority to US17/046,306 priority patent/US20210082056A1/en
Priority to PCT/JP2018/016167 priority patent/WO2019202707A1/ja
Priority to JP2020514867A priority patent/JP7060088B2/ja
Publication of WO2019202707A1 publication Critical patent/WO2019202707A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/08—Insurance
    • 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

Definitions

  • the present disclosure relates to an information processing apparatus and an information processing method.
  • Patent Document 1 discloses a technique for calculating insurance risk that reflects driving characteristics for car insurance.
  • the physical strength cognitive function is a concept including physical functions such as muscular strength, endurance, agility, lower limb coordination, and reaction speed, and cognitive functions such as memory, attention, judgment, and understanding.
  • the lower the physical fitness cognitive function the higher the risk of injury due to falling or the risk of driving errors.
  • the insurance risk is merely calculated based on basic information such as age and gender, driving characteristics referred to in Patent Document 1, and the like.
  • this disclosure provides an insurance system that takes into account the physical strength recognition function.
  • an information processing apparatus including a setting unit that sets a correlation between information indicating physical fitness recognition function and insurance risk.
  • an information processing method including setting a correlation between information indicating physical fitness recognition function and insurance risk by a processor.
  • an insurance mechanism that takes into account the physical strength recognition function.
  • the above effects are not necessarily limited, and any of the effects shown in the present specification, or other effects that can be grasped from the present specification, together with or in place of the above effects. May be played.
  • FIG. 1 is a diagram for describing an overview of an information processing system according to an embodiment of the present disclosure.
  • the information processing system according to the present embodiment includes a server 1, a user terminal 2, and a measurement facility 3 (in other words, a measurement apparatus described later).
  • the server 1, the user terminal 2, and the measurement facility 3 are connected via a network 9.
  • a measurement device for measuring physical fitness recognition function information is arranged in the measurement facility 3.
  • the measuring device arranged in the measurement facility 3 is an information processing device that measures physical strength recognition function information of a user (insurance contractor).
  • the physical strength recognition function information is information indicating physical strength recognition function, and includes information indicating physical function and information indicating cognitive function. Physical functions include muscular strength, endurance, agility, lower limb coordination, reaction speed, and the like. Cognitive functions are memory, attention, judgment and understanding.
  • the physical strength recognition function information is a set of continuous values or discrete values indicating the height of each function such as muscle strength. The measurement of physical strength recognition function information will be described with reference to FIG.
  • FIG. 2 is a diagram for explaining an example of a method for measuring physical strength recognition function information according to the present embodiment.
  • the measuring apparatus 4 includes a sensor information processing terminal 4A and a sensor device 4B.
  • the sensor information processing terminal 4A processes the sensor information detected by the sensor device 4B and measures physical strength recognition function information.
  • 4 A of sensor information processing terminals are implement
  • the sensor device 4B detects information indicating the user's behavior or state.
  • the sensor device 4B includes, for example, an acceleration sensor, a gyro sensor, a biological information sensor, and the like.
  • the sensor device 4B is realized as a wearable device, for example.
  • the sensor device 4B is attached to the user's leg.
  • the sensor information processing terminal 4A and the sensor device 4B are connected via an arbitrary communication path such as Bluetooth (registered trademark) or Wi-Fi (registered trademark).
  • the sensor information processing terminal 4A and the sensor device 4B may be separated as in the example shown in FIG. 2, or may be formed as a single device.
  • the sensor information processing terminal 4A displays or outputs a predetermined action instruction for measuring physical fitness cognitive function information.
  • the user repeats, for example, raising and lowering a leg while sitting on a chair, or standing and sitting. These behaviors are detected by the sensor device 4B attached to the user's legs as shown in FIG. 2, and sensor information indicating the detection result is transmitted to the sensor information processing terminal 4A.
  • the sensor information processing terminal 4A analyzes the sensor information received from the sensor device 4B, measures (for example, digitizes) the physical strength recognition function information, and records it.
  • the information processing terminal 4 ⁇ / b> A may display a screen for measuring the physical strength recognition function information and measure the physical strength recognition function information based on an input to the screen by the user.
  • the sensor information processing terminal 4 ⁇ / b> A transmits the measured cognitive function information to the server 1.
  • “Muscle strength” can be quantified by measuring the chair standing and sitting movements and the sitting-up leg duration.
  • “Agility” can be quantified by measuring the number of steps taken in the sitting position.
  • “Cooperativity” can be quantified by measuring the accuracy of moving a foot in a triangle in time with the tempo in a sitting position.
  • the “response speed” can be quantified by measuring the speed of moving the foot in response to an instruction displayed on the screen in the sitting position.
  • “Endurance” can be quantified by measuring the speed drop in the time to continue speaking in the sitting position and the time of the chair standing and sitting movement.
  • the “memory ability” can be quantified according to how many items displayed on the screen can be stored.
  • the “attention” can be quantified based on whether a button can be pressed quickly and accurately according to an instruction on the screen.
  • the user terminal 2 is an information processing apparatus that is worn by the user or possessed by the user.
  • the user terminal can be realized as a tablet terminal, a smartphone, or a wearable device.
  • the user terminal 2 includes, for example, a biosensor, a position measurement unit (indoor / outdoor positioning), various sensors such as an acceleration sensor and a gyro sensor, a communication unit that enables communication using an arbitrary communication standard, an input unit such as a touch panel, And an output unit such as a display.
  • the user terminal 2 measures (or acquires) information indicating daily life status such as meal contents, calorie intake, calorie consumption, number of steps, distance traveled, intensity and time of exercise, heart rate, and sleep time. That is, the information indicating the status of daily life includes information indicating the overall life of the user in addition to so-called activity amount information.
  • the situation of daily life may include activities such as the number of steps, exercise, sleep time, and meals.
  • the user terminal 2 may accept input of information indicating the daily life situation from the user.
  • the user terminal 2 transmits information indicating the state of daily life measured or input to the server 1.
  • the user terminal 2 displays or outputs a predetermined training instruction for improving the user's physical strength recognition function based on the information received from the server 1.
  • the user can improve the physical strength recognition function by performing training based on the training instruction.
  • the manner in which the user performs training is detected by the user terminal 2 and transmitted to the server 1.
  • the user terminal 2 is directly connected to the network 9, but may be connected to the network 9 via the measurement facility 3.
  • the server 1 is an information processing apparatus that performs various processes related to insurance contracted by the user. For example, the server 1 calculates a user's insurance risk, calculates an insurance premium reflecting the insurance risk, or calculates an insurance money paid to the user. In particular, the server 1 calculates insurance risk based on the physical strength recognition function information of the user.
  • Insurance risk is an index that indicates the risk of an event for which insurance claims are paid and the high probability of occurrence.
  • the events that are subject to the payment of insurance money are, for example, car accidents in car insurance, death in life insurance, and certification for long-term care in long-term care insurance.
  • Insurance risk is reflected in premiums. Typically, the higher the insurance risk, the higher the premium, and the lower the insurance risk, the lower the premium.
  • the insurance premium is money paid by the insurance company by the user. Insurance money is money paid to the user by the insurance company when an event occurs or when a contract expires.
  • the server 1 provides the user with advice such as a training instruction for improving the user's physical strength recognition function.
  • the proposed technology provides an insurance mechanism that takes into account the physical strength recognition function.
  • the server 1 clarifies the relationship between the physical strength recognition function and the insurance risk, and calculates the insurance risk and the insurance premium according to the physical strength recognition function. This makes it possible to appropriately calculate the insurance risk for the elderly in particular.
  • the server 1 provides the user with advice such as a training instruction for improving the physical strength recognition function.
  • advice such as a training instruction for improving the physical strength recognition function.
  • the user is an elderly person
  • the measurement facility 3 is a nursing facility or home
  • the insurance is car insurance.
  • FIG. 3 is a block diagram illustrating an example of a logical configuration of the server 1 according to the present embodiment.
  • the server 1 includes a communication unit 110, a storage unit 120, and a control unit 130.
  • the communication unit 110 transmits / receives information to / from other devices by wire / wireless.
  • the communication unit 110 is connected to Bluetooth, Wi-Fi, a LAN (Local Area Network), a telephone line, or the like, and communicates with the user terminal 2 and the measurement device 4 via the network 9.
  • the storage unit 120 temporarily or permanently stores a program for operating the server 1 and various data.
  • the storage unit 120 stores basic information of the user, physical strength recognition function information, information indicating the status of daily life, and various information for insurance risk calculation such as training implementation results.
  • the basic information is so-called attribute information such as age, sex, weight, height, body fat percentage, nationality, residence, and medical history.
  • the basic information is input by the user in advance and stored in the storage unit 120, for example.
  • Control unit 130 provides various functions of the server 1.
  • the control unit 130 includes a setting unit 131, an acquisition unit 132, a prediction unit 133, a calculation unit 134, a training support unit 135, and a learning unit 136.
  • the function of each component will be briefly described.
  • the setting unit 131 has a function of performing preprocessing for calculating insurance risk. Specifically, the setting unit 131 sets a relative relationship between the physical strength recognition function information and the insurance risk. The setting unit 131 outputs the setting content to the calculation unit 134.
  • the acquisition unit 132 has a function of acquiring user physical strength recognition function information. For example, the acquisition unit 132 acquires the measurement result of the physical strength recognition function information from the measurement device 4. The acquisition unit 132 may transmit an action instruction for measuring physical fitness cognitive function information to the measurement device 4. In addition, the acquisition unit 132 may notify the user of a notification that prompts measurement of physical strength recognition function information. The acquisition unit 132 outputs the acquired physical strength recognition function information to the calculation unit 134, the training support unit 135, and the learning unit 136, or accumulates it in the storage unit 120.
  • the prediction unit 133 has a function of predicting the future physical strength recognition function information of the user.
  • the prediction unit 133 determines the future physical strength recognition based on the current physical strength recognition function information of the user, the history of the physical strength recognition function information, the history of the training execution result, the basic information, and / or the information indicating the status of daily life. Predict functional information.
  • the prediction unit 133 outputs the prediction result to the calculation unit 134 and the learning unit 136. Note that a prediction model such as deep learning can be used for the prediction by the prediction unit 133.
  • the calculation unit 134 has a function of performing various calculations related to user insurance.
  • the calculation unit 134 calculates the insurance risk of the user and calculates an insurance premium based on the insurance risk.
  • the calculation result by the calculation unit 134 can be notified to the user.
  • the training support unit 135 (corresponding to the generation unit) provides a service that supports the user's training for improving the physical strength recognition function based on the physical strength recognition function information of the user. For example, the training support unit 135 generates a training menu (training event, intensity, frequency, etc.), notifies the user, and records the result of the user's implementation.
  • a training menu training event, intensity, frequency, etc.
  • the learning unit 136 has a function of performing learning for improving the prediction accuracy of the prediction unit 133.
  • the learning unit 136 learns the parameters of the prediction model used by the prediction unit 133 and outputs the learning result to the prediction unit 133 to update the prediction model.
  • the learning data is information indicating a plurality of users' physical strength recognition function information, a history of physical strength recognition function information, a history of training results, basic information, and / or a situation of daily life.
  • the learning unit 136 may update the prediction model of the prediction unit 133 based on the difference between the physical strength recognition function information predicted by the prediction unit 133 and the physical strength recognition function information actually acquired by the acquisition unit 132 thereafter. Good.
  • the learning unit 136 may learn the prediction model every time the difference is obtained. Prediction accuracy can be further improved by such additional learning.
  • FIG. 4 is a graph for explaining an example of the insurance risk calculation method based on the physical strength recognition function information according to the present embodiment.
  • the vertical axis of this graph is physical fitness recognition function information.
  • the physical strength recognition function information is a uniaxial scalar value, and the higher the value, the higher the physical strength recognition function (that is, the better), and the lower the value, the lower the physical strength recognition function. (That is, bad).
  • the horizontal axis of this graph is time, and time flows from left to right.
  • Setting of relative relationship between physical strength recognition function information and insurance risk Server 1 sets a correlation between physical strength recognition function information and insurance risk.
  • the correlation is information indicating a correspondence relationship such as how much physical fitness cognitive function information is and how much insurance risk is.
  • the correlation may be regarded as a model (function) having the health cognitive function information as an input and the insurance risk as an output.
  • the server 1 sets the correlation by statistically processing the physical strength recognition function information of the plurality of users, the occurrence / non-occurrence of the automobile accident of the plurality of users, and the actual contents of the accident contents. Note that a plurality of users who are acquisition sources of results used for setting the correlation are typically different from users who are subject to insurance risk and premium calculation.
  • the server 1 may set the correlation based on the basic information of the user. For example, the server 1 statistically processes the physical strength recognition information of other users having basic information similar to the basic information of the user, and the occurrence / non-occurrence of the other user's car accident and the history of the accident content, Set the correlation.
  • the server 1 may construct a correlation for each category of basic information (for example, a correlation for elderly men) in advance, and set a correlation of categories corresponding to the basic information of the user.
  • setting the correlation is equivalent to setting threshold values Th 1 and Th 2 of physical fitness recognition function information that classifies low / medium / high insurance risk.
  • the server 1 calculates insurance risk.
  • the server 1 may calculate the insurance risk by combining a plurality of calculation methods described below.
  • the server 1 (for example, the calculation unit 134) is based on the current physical strength recognition function information of the user who is the target of insurance risk calculation and the above-described correlation. Calculate insurance risk. For example, the server 1, in the example shown in FIG. 4, insurance risk is calculated to lower long strength cognitive information threshold Th 1 or more, if strength cognitive information threshold Th 2 equal to or larger than the threshold Th is less than 1 insurance risk is calculated to moderate, insurance risk if strength cognitive information is less than the threshold Th 2 is calculated to be high. As shown in FIG. 4, since the strength cognitive information 11 at the current time T 1 is less than the threshold value Th 2 or more threshold Th 1, the server 1, insurance risk of the user is calculated to be moderate.
  • the server 1 (for example, the prediction unit 133) predicts the future physical fitness cognitive function information of the user.
  • the server 1 inputs the current physical strength recognition function information of the user, the history of physical strength recognition function information, the history of the training execution results, the basic information, and / or the information indicating the daily life status, etc., into the prediction model. , Get future physical fitness recognition function information.
  • the server 1 calculates the user's insurance risk based on the prediction result of the user's future physical fitness cognitive function information, which is the insurance risk calculation target, and the correlation described above.
  • a method for calculating the future insurance risk of the user a method similar to the method for calculating the insurance risk based on the current physical strength cognitive function information may be used. As a result, it is possible to calculate the future insurance risk in anticipation of the degree of decrease or improvement in the user's future physical fitness recognition function.
  • the server 1 calculates the user's insurance risk based on the prediction result of the user's physical fitness recognition function information corresponding to the training implementation assumption for improving the physical fitness recognition function by the user.
  • the training implementation assumption is an assumption of the imposed training load and the imposed training implementation degree (frequency, completion rate, etc.). As the implementation assumption is higher (that is, the load is higher and / or the implementation degree is higher), the improvement effect of physical fitness cognitive function by training is higher, and as a result, insurance risk is expected to decrease greatly in the future. On the other hand, the lower the implementation assumption (that is, the lower the load and / or the lower the implementation level), the lower the improvement effect of physical fitness perception by training, and as a result, the insurance risk is not expected to decrease much in the future.
  • the server 1 may show the training implementation assumption and the insurance risk calculated based on the implementation assumption in association with each other. Thereby, it is possible to prompt the user to perform the training. Furthermore, the server 1 may show a plurality of training implementation assumptions and insurance risks calculated based on the plurality of implementation assumptions to the user in association with each other. Since it is clearly indicated to the user that the insurance risk in the future decreases as the training assumption increases, it is possible to prompt the user to increase the training load and improve the degree of implementation.
  • the server 1 determines whether or not a user's physical fitness cognitive function information is predicted based on each user's physical fitness cognitive function information when training is performed for improving physical fitness cognitive function. Insurance risk may be calculated.
  • the server 1 refers to the prediction result 12 of the physical strength recognition function information when the user performs training, and the physical strength recognition function information 13 at the future time T 2 is equal to or greater than the threshold Th 1. from, insurance risk at a future time T 2 is calculated to be low.
  • the server 1 refers to the prediction result 14 of the physical strength recognition function information when the user does not perform training, and the physical strength recognition function information 15 at the future time T 2 is less than the threshold Th 2 , so that the future time T Calculate that the insurance risk in 2 is high.
  • the server 1 can present each calculated insurance risk to the user. Therefore, it is possible to prompt the user to perform the training by presenting the difference in insurance risk between when the training is performed and when the training is not performed.
  • the server 1 may calculate the insurance risk of the user based on the history of the physical strength recognition function information of the user.
  • the history of the user's physical strength recognition function information is, for example, a time-series change of physical strength recognition function information measured from the past to the present.
  • the server 1 predicts the future decline rate of the physical fitness recognition function based on the time series change 16 of the physical fitness recognition function information of the user shown in FIG. 4, and calculates the insurance risk of the user based on the prediction. Can do.
  • the history of the user's physical strength recognition function information may be used to predict the user's future physical strength recognition function information.
  • the improvement / decrease rate of physical fitness recognition function may vary depending on the user.
  • by calculating the insurance risk based on the history of the physical strength recognition function information of the user it becomes possible to reflect individual differences in the improvement / decrease rate of the physical strength recognition function in the insurance risk.
  • the server 1 may calculate the user's insurance risk based on the history of the training results by the user.
  • the history of training results is a history of the imposed training load and the degree of implementation of the imposed training (frequency, completion rate, etc.).
  • the server 1 predicts the improvement effect of the physical fitness recognition function by the training imposed on the user in the future based on the history of the training result of the user and the history of the physical fitness recognition function information.
  • the server 1 calculates a user's insurance risk based on this prediction. In other words, for the prediction of the user's future physical fitness cognitive function information, the history of the user's training results may be used.
  • the server 1 may calculate insurance risk based on the basic information of the user in addition to the physical strength recognition function information.
  • the server 1 may calculate the insurance risk based on information indicating the status of the daily life.
  • Information indicating the status of daily life is detected by, for example, the user terminal 2 and stored in the storage unit 120.
  • the server 1 (for example, the calculation unit 134) sets the insurance premium based on the calculated insurance risk. Typically, the server 1 sets the insurance premium higher as the insurance risk is higher, and sets the insurance premium lower as the insurance risk is lower.
  • the insurance risk is at least one of current physical fitness recognition function information, prediction results of future physical fitness recognition function information, history of physical fitness recognition function information, basic information, and information indicating the status of daily life. Calculated based on
  • the server 1 may set a grade for the user based on the calculated insurance risk. Typically, the server 1 sets the grade lower as the insurance risk is higher, and sets the grade higher as the insurance risk is lower.
  • the grade is information reflecting the user's insurance risk, and the insurance premium is discounted or increased according to the grade.
  • the server 1 may discount the insurance premium in advance based on a prior commitment to training for improving physical fitness recognition function. For example, when the user pledges in advance to perform training for improving physical fitness cognitive function, the server 1 insures based on the degree of improvement of physical fitness cognitive function predicted when the training is performed. The risk may be calculated, and the user may be charged an insurance premium corresponding to the insurance risk. Thereby, the user can receive a discount on the insurance premium before the training is performed.
  • the prior commit may be, for example, an application for a training course provided at an arbitrary facility such as the measurement facility 3 or a sports gym, or provided through a web service or the like. Further, for example, a training course and insurance (insured premium discounted) may be sold as a package.
  • the server 1 may return a degree of improvement by discounting the insurance premium when an improvement in the physical strength recognition function is predicted while temporarily setting a higher insurance premium. For example, first, the server 1 sets an insurance premium based on the insurance risk when the user does not perform training for improving the physical fitness recognition function, and bills the user. Then, the server 1 calculates the insurance risk that anticipates the future improvement of the physical strength recognition function while acquiring the execution result of the training for the improvement of the physical strength recognition function by the user. Then, the server 1 returns to the user the difference between the insurance risk that is expected to improve the future physical fitness recognition function and the insurance premium that has been charged.
  • the server 1 (for example, the training support unit 135) provides a service that supports the execution of training for improving the physical strength recognition function by the user.
  • the server 1 generates information (hereinafter also referred to as training instruction information) that instructs the user to perform training for improving the user's physical strength recognition function based on the physical strength recognition function information of the user.
  • the training instruction information is information indicating a training menu for instructing the user to perform the training instruction information, and includes information indicating the type, intensity, frequency, and the like of the training to be performed by the user.
  • the server 1 generates a training menu having a load suitable for the user's current physical strength recognition function information.
  • the server 1 may generate a training menu that is presumed to have a high effect of improving the physical strength recognition function for the user based on the history of the training results of the user and the history of the physical strength recognition function information of the user. Thereby, it becomes possible to strengthen the improvement effect of the physical strength recognition function by training.
  • the server 1 transmits training instruction information to the user terminal 2.
  • the user terminal 2 displays or outputs a training instruction based on the received training instruction information.
  • the user terminal 2 detects the state of training performed by the user based on the training instruction, and reports the detection result to the server 1.
  • the server 1 records the training execution result based on the reported information.
  • the server 1 may control the content of the training, such as increasing or decreasing the training load, based on the recording of the training execution result.
  • the training instruction information may include information other than a training instruction for improving physical fitness cognitive function.
  • the training instruction information may include instructions regarding meals and sleep. Thereby, it becomes possible to further strengthen the effect of promoting the health of the user and making it less likely to cause an accident.
  • FIG. 5 is a flowchart illustrating an example of a flow of a correlation setting process between physical fitness recognition function information and insurance risk executed in the server 1 according to the present embodiment. The process shown in FIG. 5 is executed as a pre-process for calculating insurance risk.
  • the server 1 acquires basic information of a user who is an insurance risk calculation target (step S102).
  • the server 1 sets the correlation between the physical strength recognition function information and the insurance risk based on the basic information of the user (step S106).
  • FIG. 6 is a sequence diagram showing an example of the flow of insurance risk calculation processing executed in the information processing system according to this embodiment.
  • the server 1, the user terminal 2, and the measurement device 4 are involved in this sequence.
  • the user terminal 2 collects information indicating the status of daily life of the user (step S202), and transmits the collected information indicating the status of daily life to the server 1 (step S204). ).
  • the server 1 notifies the user of a message requesting to measure the physical strength recognition function information (step S206). Such a message may be transmitted to the user terminal 2 and output to the user, or may be notified by any other means such as an e-mail.
  • the measuring device 4 measures the physical strength recognition function information (step S208), and transmits the measured physical strength recognition function information to the server 1 (step S210).
  • the server 1 generates training instruction information for instructing the user to perform training for improving the physical strength recognition function of the user based on the received physical strength recognition function information (step S212).
  • the server 1 notifies the user of the generated training instruction information (step S214).
  • the training instruction information may be transmitted to the user terminal 2 and output to the user, or may be notified by other arbitrary means such as e-mail.
  • the user terminal 2 detects the state of training by the user, and transmits the detected training execution result to the server 1 (step S216).
  • the server 1 calculates insurance risk (step S218).
  • the server 1 calculates the insurance risk based on the physical strength recognition function information, the training execution result, and the basic information of the user.
  • the server 1 may calculate an insurance premium or the like based on the calculated insurance risk.
  • the server 1 notifies the user of the calculation result (step S220).
  • the calculation result may be transmitted to the user terminal 2 and output to the user, or may be notified by other arbitrary means such as e-mail.
  • FIG. 7 is a sequence diagram illustrating an example of the flow of insurance premium return processing executed in the server 1 according to the present embodiment. As shown in FIG. 7, first, the server 1 acquires and records the user's physical strength recognition function information (step S302). Next, the server 1 calculates the user's insurance risk and insurance premium based on the recorded physical strength recognition function information (step S304).
  • the server 1 generates training instruction information and notifies it to the user, and records the result of the training performed by the user (step S306).
  • the server 1 predicts future physical fitness cognitive function information when it is assumed that the user will continue the training based on the history of the training implementation result and the change in physical fitness cognitive function information resulting from the training (Ste S308).
  • the server 1 calculates the insurance premium to return according to the improvement prediction of a physical strength recognition function (step S310). For example, the server 1 calculates the difference between the premium calculated in step S304 and the premium corresponding to the future physical strength recognition function information as the premium to be returned to the user.
  • the proposed technology has been described by taking car insurance as an example, but the application destination of the proposed technology is not limited to car insurance.
  • the proposed technology can be applied to any type of insurance such as life insurance or nursing care insurance.
  • the type of physical fitness cognitive function information used for calculating insurance risk is set for each type of insurance for which insurance risk is calculated.
  • the server 1 calculates the insurance risk and the insurance premium based on the physical strength recognition function information related to the reaction speed, the lower limb coordination, and the attention. In this way, it is possible to calculate the insurance risk with higher accuracy by switching the physical strength recognition function information used for calculating the insurance risk for each type of insurance.
  • FIG. 8 is a block diagram illustrating an example of a hardware configuration of the information processing apparatus according to the present embodiment.
  • the information processing apparatus 900 illustrated in FIG. 8 can realize the server 1 illustrated in FIG. 3, for example.
  • Information processing by the server 1 according to the present embodiment is realized by cooperation between software and hardware described below.
  • the information processing apparatus 900 includes a CPU (Central Processing Unit) 901, a ROM (Read Only Memory) 902, a RAM (Random Access Memory) 903, and a host bus 904a.
  • the information processing apparatus 900 includes a bridge 904, an external bus 904b, an interface 905, an input device 906, an output device 907, a storage device 908, a drive 909, a connection port 911, and a communication device 913.
  • the information processing apparatus 900 may include a processing circuit such as an electric circuit, a DSP, or an ASIC instead of or in addition to the CPU 901.
  • the CPU 901 functions as an arithmetic processing unit and a control unit, and controls the overall operation in the information processing apparatus 900 according to various programs. Further, the CPU 901 may be a microprocessor.
  • the ROM 902 stores programs used by the CPU 901, calculation parameters, and the like.
  • the RAM 903 temporarily stores programs used in the execution of the CPU 901, parameters that change as appropriate during the execution, and the like.
  • the CPU 901 can form the control unit 130 shown in FIG.
  • the CPU 901, ROM 902, and RAM 903 are connected to each other by a host bus 904a including a CPU bus.
  • the host bus 904 a is connected to an external bus 904 b such as a PCI (Peripheral Component Interconnect / Interface) bus via a bridge 904.
  • an external bus 904 b such as a PCI (Peripheral Component Interconnect / Interface) bus
  • PCI Peripheral Component Interconnect / Interface
  • the host bus 904a, the bridge 904, and the external bus 904b do not necessarily have to be configured separately, and these functions may be mounted on one bus.
  • the input device 906 is realized by a device in which information is input by the user, such as a mouse, a keyboard, a touch panel, a button, a microphone, a switch, and a lever.
  • the input device 906 may be, for example, a remote control device using infrared rays or other radio waves, or may be an external connection device such as a mobile phone or a PDA that supports the operation of the information processing device 900.
  • the input device 906 may include, for example, an input control circuit that generates an input signal based on information input by the user using the above-described input means and outputs the input signal to the CPU 901.
  • a user of the information processing apparatus 900 can input various data and instruct a processing operation to the information processing apparatus 900 by operating the input device 906.
  • the output device 907 is formed of a device that can notify the user of the acquired information visually or audibly. Examples of such devices include CRT display devices, liquid crystal display devices, plasma display devices, EL display devices, display devices such as laser projectors, LED projectors and lamps, audio output devices such as speakers and headphones, printer devices, and the like. .
  • the output device 907 outputs results obtained by various processes performed by the information processing device 900. Specifically, the display device visually displays results obtained by various processes performed by the information processing device 900 in various formats such as text, images, tables, and graphs.
  • the audio output device converts an audio signal composed of reproduced audio data, acoustic data, and the like into an analog signal and outputs it aurally.
  • the storage device 908 is a data storage device formed as an example of a storage unit of the information processing device 900.
  • the storage apparatus 908 is realized by, for example, a magnetic storage device such as an HDD, a semiconductor storage device, an optical storage device, a magneto-optical storage device, or the like.
  • the storage device 908 may include a storage medium, a recording device that records data on the storage medium, a reading device that reads data from the storage medium, a deletion device that deletes data recorded on the storage medium, and the like.
  • the storage device 908 stores programs executed by the CPU 901, various data, various data acquired from the outside, and the like.
  • the storage device 908 can form, for example, the storage unit 120 shown in FIG.
  • the drive 909 is a storage medium reader / writer, and is built in or externally attached to the information processing apparatus 900.
  • the drive 909 reads information recorded on a removable storage medium such as a magnetic disk, an optical disk, a magneto-optical disk, or a semiconductor memory, and outputs the information to the RAM 903.
  • the drive 909 can also write information to a removable storage medium.
  • connection port 911 is an interface connected to an external device, and is a connection port with an external device capable of transmitting data by USB (Universal Serial Bus), for example.
  • USB Universal Serial Bus
  • the communication device 913 is a communication interface formed by a communication device or the like for connecting to the network 920, for example.
  • the communication device 913 is, for example, a communication card for wired or wireless LAN (Local Area Network), LTE (Long Term Evolution), Bluetooth (registered trademark), or WUSB (Wireless USB).
  • the communication device 913 may be a router for optical communication, a router for ADSL (Asymmetric Digital Subscriber Line), a modem for various communication, or the like.
  • the communication device 913 can transmit and receive signals and the like according to a predetermined protocol such as TCP / IP, for example, with the Internet and other communication devices.
  • the communication device 913 can form, for example, the communication unit 110 illustrated in FIG.
  • the network 920 is a wired or wireless transmission path for information transmitted from a device connected to the network 920.
  • the network 920 may include a public line network such as the Internet, a telephone line network, and a satellite communication network, various LANs including the Ethernet (registered trademark), a wide area network (WAN), and the like.
  • the network 920 may include a dedicated line network such as an IP-VPN (Internet Protocol-Virtual Private Network).
  • IP-VPN Internet Protocol-Virtual Private Network
  • each of the above components may be realized using a general-purpose member, or may be realized by hardware specialized for the function of each component. Therefore, it is possible to change the hardware configuration to be used as appropriate according to the technical level at the time of carrying out this embodiment.
  • a computer program for realizing each function of the information processing apparatus 900 according to the present embodiment as described above can be produced and mounted on a PC or the like.
  • a computer-readable recording medium storing such a computer program can be provided.
  • the recording medium is, for example, a magnetic disk, an optical disk, a magneto-optical disk, a flash memory, or the like.
  • the above computer program may be distributed via a network, for example, without using a recording medium.
  • the server 1 sets a correlation between physical strength recognition function information and insurance risk. Thereby, it is possible to calculate the insurance risk and the insurance premium based on the physical strength recognition function information of the user. That is, the basis of an insurance mechanism that takes into account the physical strength recognition function is provided.
  • the server 1 calculates the user's insurance risk based on the set correlation and physical strength recognition function information. This makes it possible to reflect the physical strength recognition function in insurance risk. In particular, it is possible to appropriately reflect the increased risk of car accidents due to a decline in the ability of the elderly to recognize the physical risk.
  • a setting unit that sets the correlation between the information indicating the physical fitness recognition function and the insurance risk An information processing apparatus comprising: (2) An acquisition unit for acquiring information indicating the physical strength recognition function of the user; Based on information indicating the physical fitness recognition function of the user and the correlation, a calculation unit that calculates the insurance risk of the user; The information processing apparatus according to (1), further including: (3) The information processing apparatus according to (2), wherein the calculation unit calculates an insurance risk of the user based on a prediction result of information indicating the physical strength recognition function of the user.
  • the calculation unit calculates the insurance risk of the user based on a prediction result of information indicating the physical fitness recognition function of the user corresponding to an implementation assumption of training for improving the physical fitness recognition function. ).
  • the calculation unit is configured to provide insurance for the user based on a prediction result of information indicating the physical strength recognition function of the user when the user performs training for improving the physical strength recognition function and when the training is not performed.
  • the information processing apparatus according to (4) wherein a risk is calculated.

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Technology Law (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

【課題】体力認知機能を加味した保険の仕組みを提供する。 【解決手段】体力認知機能を示す情報と保険リスクとの相関関係を設定する設定部、 を備える情報処理装置。

Description

情報処理装置及び情報処理方法
　本開示は、情報処理装置及び情報処理方法に関する。
　近年、自動車保険や介護保険といった多種多様な保険商品が提供されている。保険商品の提供の際には、ユーザの保険リスクが計算され、保険リスクに応じた保険料が設定される。保険商品の提供者とユーザの双方の利益のために、保険リスクをより適切に計算し、適切な保険料を設定するための技術が求められている。
　例えば、下記特許文献１では、自動車保険に関し、運転特性を反映した保険リスクを算出する技術が開示されている。
特開２０１５－２２５４９８号公報
　加齢と共に、人の体力認知機能は低下することが知られている。体力認知機能とは、筋力、持久力、敏捷性、下肢協調性、及び反応速度等の身体機能、並びに記憶力、注意力、判断力及び理解力等の認知機能を含む概念である。体力認知機能が低下するほど、転倒等して怪我をするリスクや自動車の運転ミスのリスクが高まる。しかし、既存の保険の仕組みでは、年齢や性別といった基礎情報や、特許文献１で言及されている運転特性等に基づいて保険リスクが計算されるに留まっていた。
　そこで、本開示では、体力認知機能を加味した保険の仕組みを提供する。
　本開示によれば、体力認知機能を示す情報と保険リスクとの相関関係を設定する設定部、を備える情報処理装置が提供される。
　また、本開示によれば、プロセッサにより、体力認知機能を示す情報と保険リスクとの相関関係を設定すること、を含む情報処理方法が提供される。
　以上説明したように本開示によれば、体力認知機能を加味した保険の仕組みが提供される。なお、上記の効果は必ずしも限定的なものではなく、上記の効果とともに、または上記の効果に代えて、本明細書に示されたいずれかの効果、または本明細書から把握され得る他の効果が奏されてもよい。
本開示の一実施形態に係る情報処理システムの概要を説明するための図である。 本実施形態に係る体力認知機能情報の測定方法の一例を説明するための図である。 本実施形態に係るサーバの論理的な構成の一例を示すブロック図である。 本実施形態に係る体力認知機能情報に基づく保険リスクの計算方法の一例を説明するためのグラフである。 本実施形態に係るサーバにおいて実行される体力認知機能情報と保険リスクとの相関関係の設定処理の流れの一例を示すフローチャートである。 本実施形態に係る情報処理システムにおいて実行される保険リスク計算処理の流れの一例を示すシーケンス図である。 本実施形態に係るサーバにおいて実行される保険料の還元処理の流れの一例を示すシーケンス図である。 本実施形態に係る情報処理装置のハードウェア構成の一例を示すブロック図である。
　以下に添付図面を参照しながら、本開示の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。
　なお、説明は以下の順序で行うものとする。
　　１．提案技術の概要
　　　１．１．情報処理システムの概要
　　　１．２．自動車保険への適用
　　２．構成例
　　３．技術的特徴
　　　３．１．体力認知機能情報に基づく保険リスクの計算
　　　３．２．トレーニングの支援サービス
　　　３．３．処理の流れ
　　　３．４．補足
　　４．ハードウェア構成例
　　５．まとめ
　＜＜１．提案技術の概要＞＞
　＜１．１．情報処理システムの概要＞
　図１は、本開示の一実施形態に係る情報処理システムの概要を説明するための図である。図１に示すように、本実施形態に係る情報処理システムは、サーバ１、ユーザ端末２及び測定施設３（換言すると、後述する測定装置）を含む。サーバ１、ユーザ端末２及び測定施設３は、ネットワーク９を介して接続される。測定施設３には、体力認知機能情報を測定するための測定装置が配置される。
　（１）測定装置
　測定施設３に配置される測定装置は、ユーザ（保険の契約者）の体力認知機能情報を測定する情報処理装置である。体力認知機能情報とは、体力認知機能を示す情報であり、身体機能を示す情報及び認知機能を示す情報から成る。身体機能とは、筋力、持久力、敏捷性、下肢協調性、及び反応速度等である。認知機能とは、記憶力、注意力、判断力及び理解力である。体力認知機能情報は、筋力等の各機能の高さを示す連続値又は離散値の集合である。体力認知機能情報の測定について、図２を参照しながら説明する。
　図２は、本実施形態に係る体力認知機能情報の測定方法の一例を説明するための図である。本実施形態に係る測定装置４は、センサ情報処理端末４Ａ及びセンサデバイス４Ｂを含む。センサ情報処理端末４Ａは、センサデバイス４Ｂにより検出されたセンサ情報を処理して、体力認知機能情報を測定する。センサ情報処理端末４Ａは、例えばＰＣ、ノートＰＣ、タブレット端末又はスマートフォン等の任意の情報処理装置として実現される。センサデバイス４Ｂは、ユーザの行動又は状態を示す情報を検出する。センサデバイス４Ｂは、例えば、加速度センサ、ジャイロセンサ、及び生体情報センサ等を含む。センサデバイス４Ｂは、例えばウェアラブルデバイスとして実現される。図２に示した例では、センサデバイス４Ｂはユーザの脚部に装着されている。センサ情報処理端末４Ａ及びセンサデバイス４Ｂは、例えばＢｌｕｅｔｏｏｔｈ（登録商標）又はＷｉ-Ｆｉ（登録商標）等の任意の通信路を介して接続される。センサ情報処理端末４Ａ及びセンサデバイス４Ｂは、図２に示した例のように分離していてもよいし、ひとつの装置として形成されてもよい。
　センサ情報処理端末４Ａは、体力認知機能情報を測定するための所定の行動指示を表示又は音声出力する。ユーザは、かかる行動指示に応じて、例えば椅子に座った状態で足を上げ下げ、又は立ち座り等を繰り返す。これらの行動は、図２に示すようにユーザの脚部等に装着されたセンサデバイス４Ｂにより検出され、検出結果を示すセンサ情報がセンサ情報処理端末４Ａに送信される。センサ情報処理端末４Ａは、センサデバイス４Ｂから受信したセンサ情報を解析し、体力認知機能情報を測定（例えば、数値化）し、記録する。他にも、情報処理端末４Ａは、体力認知機能情報を測定するための画面を表示し、ユーザによる画面への入力に基づいて、体力認知機能情報を測定してもよい。また、センサ情報処理端末４Ａは、測定した認知機能情報をサーバ１へ送信する。
　体力認知機能情報の各項目の測定方法の一例を説明する。「筋力」は、椅子立ち座り運動および座位足上げ継続時間を測定することで数値化され得る。「敏捷性」は、座位で足踏みを行うステップ数を測定することで数値化され得る。「協調性」は、座位でテンポに合わせて三角形に足を動かす精度を測定することで数値化され得る。「反応速度」は、座位で画面上に表示される指示に反応して足を動かす速さを測定することで数値化され得る。「持久力」は、座位で発声を継続する時間、および椅子立ち座り運動の時間における速度低下を測定することで数値化され得る。また、「記憶力」は、画面上に表示される項目をどれだけ記憶できるかで数値化され得る。「注意力」は、画面上の指示に従い素早く正確にボタンを押せるかで数値化され得る。
　（２）ユーザ端末
　ユーザ端末２は、ユーザに装着される又はユーザにより所持される情報処理装置である。ユーザ端末は、タブレット端末、スマートフォン、又はウェアラブルデバイスとして実現され得る。ユーザ端末２は、例えば生体センサ、位置計測部（屋内／屋外測位）、加速度センサ、ジャイロセンサ等の各種センサ、任意の通信規格を用いた通信を可能にする通信部、タッチパネル等の入力部、及びディスプレイ等の出力部を含む。
　ユーザ端末２は、食事内容、摂取カロリー、消費カロリー、歩数、移動距離、運動の強度及び時間、心拍数、並びに睡眠時間等の日常生活の状況を示す情報を測定（又は取得）する。即ち、日常生活の状況を示す情報は、いわゆる活動量情報の他、ユーザの生活全般を示す情報を含む。日常生活の状況には、歩数や運動や睡眠時間、食事のような活動を含んでも良い。ユーザ端末２は、ユーザからの日常生活の状況を示す情報の入力を受け付けてもよい。ユーザ端末２は、測定した又は入力された日常生活の状況を示す情報をサーバ１へ送信する。
　ユーザ端末２は、サーバ１から受信した情報に基づき、ユーザの体力認知機能を向上するための所定のトレーニング指示を表示又は音声出力する。ユーザは、かかるトレーニング指示に基づいてトレーニングを実施することで、体力認知機能の向上を図ることができる。ユーザがトレーニングを実行する様子はユーザ端末２により検出されて、サーバ１へ送信される。なお、図１では、ユーザ端末２は、ネットワーク９に直接接続されているが、測定施設３を経由してネットワーク９に接続されてもよい。
　（３）サーバ
　サーバ１は、ユーザが契約する保険に関する各種処理を行う情報処理装置である。例えば、サーバ１は、ユーザの保険リスクを計算したり、保険リスクを反映した保険料を計算したり、ユーザに支払う保険金を計算したりする。とりわけ、サーバ１は、ユーザの体力認知機能情報に基づいて保険リスクを計算する。
　保険リスクとは、保険金の支払い対象となる事象の危険性及び発生確率の高さを示す指標である。保険金の支払い対象となる事象とは、例えば自動車保険における自動車事故、生命保険における死亡、介護保険における要介護認定である。保険リスクは保険料に反映される。典型的には、保険リスクが高いほど保険料は高くなり、保険リスクが低いほど保険料は低くなる。なお、保険料とは、ユーザが保険会社の支払う金銭である。また、保険金とは、事象発生時や契約満期時等に保険会社がユーザに支払う金銭である。
　また、サーバ１は、ユーザの体力認知機能の向上のためのトレーニングの指示等のアドバイスをユーザに提供する。
　＜１．２．自動車保険への適用＞
　提案技術は、自動車保険、生命保険又は介護保険等の任意の種類の保険に適用可能である。以下では、一例として自動車保険について説明する。
　自動車保険の分野では、特に高齢者向けの保険のあり方について盛んに議論されている。人は、加齢するにつれて体力認知機能が低下する傾向にあり、体力認知機能が低下するほど自動車事故が発生する危険性は高まる。そのため、体力認知機能に応じた保険の仕組みが構築されることが望ましい。
　一方で、高齢者の健康のために、高齢者は自動車の運転を継続すべきであるという声もある。自動車の運転には体力認知機能が要されるところ、自動車の運転が日常的に行われることで体力認知機能の低下を抑制することができると考えられているためである。近年の少子高齢化や社会保障費用の増大等を鑑みれば、高齢者ができるだけ健康的に生きることが望ましいと言える。その一案として、高齢者が自動車の運転を継続できる仕組みが構築されることが望ましい。
　そこで、提案技術は、体力認知機能を加味した保険の仕組みを提供する。例えば、サーバ１は、体力認知機能と保険リスクとの関係を明らかにした上で、体力認知機能に応じた保険リスク及び保険料を計算する。これにより、特に高齢者の保険リスクを適切に計算することが可能となる。
　また、サーバ１は、体力認知機能の向上のためのトレーニングの指示等のアドバイスをユーザに提供する。これにより、ユーザの体力認知機能の向上を図ることが可能となる。その結果、体力認知機能の低下に起因する自動車事故を起こしにくくして、保険リスクを低減することが可能となる。さらに、体力認知機能を向上させることで、特に高齢者の健康を促進することも可能となる。
　以上、提案技術の概要について説明した。以下では、ユーザは高齢者であり、測定施設３は介護施設又は自宅であり、保険は自動車保険であるものとして説明する。
　＜＜２．構成例＞＞
　図３は、本実施形態に係るサーバ１の論理的な構成の一例を示すブロック図である。図３に示すように、サーバ１は、通信部１１０、記憶部１２０及び制御部１３０を含む。
　（１）通信部１１０
　通信部１１０は、有線／無線により他の装置との間で情報の送受信を行う。通信部１１０は、Ｂｌｕｅｔｏｏｔｈ、Ｗｉ-Ｆｉ、ＬＡＮ（Local　Area　Network）又は電話回線等に接続されて、ネットワーク９を介してユーザ端末２及び測定装置４と通信する。
　（２）記憶部１２０
　記憶部１２０は、サーバ１の動作のためのプログラム及び様々なデータを一時的に又は恒久的に記憶する。記憶部１２０は、ユーザの基礎情報、体力認知機能情報、日常生活の状況を示す情報、及びトレーニングの実施結果等の保険リスク計算のための各種情報を記憶する。なお、基礎情報とは、基礎情報とは、年齢、性別、体重、身長、体脂肪率、国籍、居住地、及び病歴等のいわゆる属性情報である。基礎情報は、例えば予めユーザにより入力されて、記憶部１２０に格納される。
　（３）制御部１３０
　制御部１３０は、サーバ１の様々な機能を提供する。例えば、制御部１３０は、設定部１３１、取得部１３２、予測部１３３、計算部１３４、トレーニング支援部１３５及び学習部１３６を含む。以下、各構成要素の機能を簡単に説明する。
　設定部１３１は、保険リスクを計算するための前処理を行う機能を有する。詳しくは、設定部１３１は、体力認知機能情報と保険リスクとの相対関係を設定する。設定部１３１は、設定内容を計算部１３４に出力する。
　取得部１３２は、ユーザの体力認知機能情報を取得する機能を有する。例えば、取得部１３２は、測定装置４から体力認知機能情報の測定結果を取得する。取得部１３２は、体力認知機能情報を測定するための行動指示を測定装置４に送信してもよい。また、取得部１３２は、体力認知機能情報の測定を促す通知をユーザに通知してもよい。取得部１３２は、取得した体力認知機能情報を計算部１３４、トレーニング支援部１３５及び学習部１３６に出力したり、記憶部１２０に蓄積したりする。
　予測部１３３は、ユーザの将来の体力認知機能情報の予測を行う機能を有する。予測部１３３は、ユーザの現在の体力認知機能情報、体力認知機能情報の履歴、トレーニングの実施結果の履歴、基礎情報、及び／又は日常生活の状況を示す情報等に基づいて、将来の体力認知機能情報を予測する。予測部１３３は、予測結果を計算部１３４及び学習部１３６に出力する。なお、予測部１３３による予測には、ディープラーニング等の予測モデルが用いられ得る。
　計算部１３４は、ユーザの保険に関する各種計算を行う機能を有する。計算部１３４は、ユーザの保険リスクを計算し、保険リスクに基づいて保険料を計算する。計算部１３４による計算結果は、ユーザに通知され得る。
　トレーニング支援部１３５（生成部に相当）は、ユーザの体力認知機能情報に基づいて、ユーザによる体力認知機能の向上のためのトレーニングの実施を支援するサービスを提供する。例えば、トレーニング支援部１３５は、トレーニングメニュー（トレーニングの種目、強度及び頻度等）を生成してユーザに通知し、ユーザによる実施結果を記録する。
　学習部１３６は、予測部１３３の予測精度を向上させるための学習を行う機能を有する。学習部１３６は、予測部１３３により用いられる予測モデルのパラメータを学習し、学習結果を予測部１３３に出力することで、予測モデルを更新する。学習データは、複数のユーザの体力認知機能情報、体力認知機能情報の履歴、トレーニングの実施結果の履歴、基礎情報、及び／又は日常生活の状況を示す情報である。学習部１３６は、予測部１３３により予測された体力認知機能情報と、その後実際に取得部１３２により取得された体力認知機能情報との差分に基づいて、予測部１３３の予測モデルを更新してもよい。学習部１３６は、当該差分が得られる度に、予測モデルの学習を行ってもよい。このような追加的な学習により、予測精度をさらに向上させることが可能である。
　＜＜３．技術的特徴＞＞
　＜３．１．体力認知機能情報に基づく保険リスクの計算＞
　以下、図４を参照しながら、体力認知機能情報に基づく保険リスクの計算方法について説明する。図４は、本実施形態に係る体力認知機能情報に基づく保険リスクの計算方法の一例を説明するためのグラフである。本グラフの縦軸は体力認知機能情報である。ここでは説明を簡易にするために、体力認知機能情報とは１軸のスカラ値であり、高い値であるほど体力認知機能が高く（即ち、良い）、低い値であるほど体力認知機能が低い（即ち、悪い）ものとする。本グラフの横軸は時間であり、時間は左から右へ流れるものとする。
　（１）体力認知機能情報と保険リスクとの相対関係の設定
　サーバ１（例えば、設定部１３１）は、体力認知機能情報と保険リスクとの相関関係を設定する。ここでの相関関係とは、体力認知機能情報がどの程度であれば、保険リスクがどの程度であるか、という対応関係を示す情報である。相関関係は、体力認知機能情報を入力として保険リスクを出力とするモデル（関数）として捉えられてもよい。例えば、サーバ１は、複数のユーザの体力認知機能情報、及び当該複数のユーザの自動車事故の発生有無及び事故内容の実績を統計的に処理することで、相関関係を設定する。なお、相関関係を設定するために用いられる実績の取得元である複数のユーザと、保険リスク及び保険料の計算対象となるユーザとは、典型的には異なる。
　サーバ１は、ユーザの基礎情報に基づいて相関関係を設定してもよい。例えば、サーバ１は、ユーザの基礎情報と類似する基礎情報を有する他のユーザの体力認知情報、及び当該他のユーザの自動車事故の発生有無及び事故内容の実績を統計的に処理することで、相関関係を設定する。サーバ１は、基礎情報のカテゴリごとの相関関係（例えば、高齢男性用の相関関係）を予め構築しておき、ユーザの基礎情報に対応するカテゴリの相関関係を設定してもよい。
　ここで、図４に示したグラフにおいて、相関関係を設定することは、保険リスクの低／中／高を区分する、体力認知機能情報の閾値Ｔｈ１及びＴｈ２を設定することに相当する。
　体力認知機能情報と保険リスクとの相関関係が設定されることで、後述するようにユーザの体力認知機能情報に基づく保険リスク及び保険料の計算を行うことが可能となる。
　（２）保険リスクの計算
　サーバ１（例えば、計算部１３４）は、保険リスクを計算する。以下、保険リスクの計算方法の一例を説明する。なお、サーバ１は、以下に説明する計算方法を複数組み合わせて、保険リスクを計算してもよい。
　・現在の体力認知機能情報に基づく保険リスクの計算
　サーバ１（例えば、計算部１３４）は、保険リスクの計算対象であるユーザの現在の体力認知機能情報、及び上述した相関関係に基づいて、ユーザの保険リスクを計算する。例えば、サーバ１は、図４に示した例において、体力認知機能情報が閾値Ｔｈ１以上であれば保険リスクは低いと計算し、体力認知機能情報が閾値Ｔｈ２以上閾値Ｔｈ１未満であれば保険リスクは中程度と計算し、体力認知機能情報が閾値Ｔｈ２未満であれば保険リスクは高いと計算する。図４に示すように、現在の時刻Ｔ１における体力認知機能情報１１は閾値Ｔｈ２以上閾値Ｔｈ１未満であるから、サーバ１は、ユーザの保険リスクは中程度であると計算する。
　このように、ユーザの現在の体力認知機能情報に基づき保険リスクが計算されることで、ユーザの現在の体力認知機能に則した保険リスクを把握することが可能となる。とりわけ、高齢者の体力認知機能の低下による自動車事故の危険性の高まりを、適切に保険リスクに反映することが可能となる。
　・将来の体力認知機能情報の予測結果に基づく保険リスクの計算
　サーバ１（例えば、予測部１３３）は、ユーザの将来の体力認知機能情報を予測する。サーバ１は、予測モデルに、ユーザの現在の体力認知機能情報、体力認知機能情報の履歴、トレーニングの実施結果の履歴、基礎情報、及び／又は日常生活の状況を示す情報等を入力することで、将来の体力認知機能情報を得る。
　サーバ１（例えば、計算部１３４）は、保険リスクの計算対象であるユーザの将来の体力認知機能情報の予測結果、及び上述した相関関係に基づいて、ユーザの保険リスクを計算する。ユーザの将来の保険リスクの計算方法としては、現在の体力認知機能情報に基づく保険リスクの計算方法と同様の方法が利用され得る。これにより、ユーザの将来の体力認知機能の低下度合い又は向上度合いを見越した、将来の保険リスクを計算することが可能となる。
　サーバ１は、ユーザによる体力認知機能の向上のためのトレーニングの実施想定に対応するユーザの体力認知機能情報の予測結果に基づいて、ユーザの保険リスクを計算する。トレーニングの実施想定とは、課されるトレーニングの負荷及び課されるトレーニングの実施度合い（頻度や完遂率等）の想定である。実施想定が高い（即ち、負荷が高い及び／又は実施度合いが高い）ほど、トレーニングによる体力認知機能の向上効果は高く、その結果、保険リスクは将来大きく低下すると予測される。一方で、実施想定が低い（即ち、負荷が低い及び／又は実施度合いが低い）ほど、トレーニングによる体力認知機能の向上効果は低く、その結果、保険リスクは将来あまり低下しないと予測される。この点、トレーニングの実施想定を加味して保険リスクを計算することで、より精度よく将来の保険リスクを計算することが可能となる。また、サーバ１は、トレーニングの実施想定と、当該実施想定に基づいて計算した保険リスクとを、対応付けてユーザに提示してもよい。これにより、トレーニング実施をユーザに促すことが可能となる。さらに、サーバ１は、複数通りのトレーニングの実施想定と、当該複数通りの実施想定に基づいて計算した保険リスクとを、対応付けてユーザに提示してもよい。トレーニングの実施想定が高いほど将来の保険リスクが低下することがユーザに明示されるので、トレーニングの高負荷化及び実施度合いの向上を、ユーザに促すことが可能となる。
　複数通りの実施想定の一例として、サーバ１は、ユーザが体力認知機能の向上のためのトレーニングを実施する場合及び実施しない場合の各々のユーザの体力認知機能情報の予測結果に基づいて、ユーザの保険リスクを計算してもよい。図４に示した例では、サーバ１は、ユーザがトレーニングを実施する場合の体力認知機能情報の予測結果１２を参照し、将来の時刻Ｔ２における体力認知機能情報１３は閾値Ｔｈ１以上であるから、将来の時刻Ｔ２における保険リスクは低いと計算する。また、サーバ１は、ユーザがトレーニングを実施しない場合の体力認知機能情報の予測結果１４を参照し、将来の時刻Ｔ２における体力認知機能情報１５は閾値Ｔｈ２未満であるから、将来の時刻Ｔ２における保険リスクは高いと計算する。サーバ１は、計算した各々の保険リスクをユーザに提示し得る。従って、トレーニングを実施する場合としない場合との保険リスクの差をユーザに提示することで、トレーニングの実施を、ユーザに促すことが可能となる。
　・体力認知機能情報の履歴に基づく保険リスクの計算
　サーバ１（例えば、計算部１３４）は、ユーザの体力認知機能情報の履歴に基づいて、ユーザの保険リスクを計算してもよい。ユーザの体力認知機能情報の履歴とは、例えば、過去から現在にかけて測定された体力認知機能情報の時系列変化である。例えば、サーバ１は、図４に示したユーザの体力認知機能情報の時系列変化１６に基づいて、将来の体力認知機能の低下速度を予測し、かかる予測に基づいて、ユーザの保険リスクを計算し得る。換言すると、ユーザの将来の体力認知機能情報の予測のために、ユーザの体力認知機能情報の履歴が用いられ得る。
　ユーザによって体力認知機能の向上／低下速度は異なり得る。この点、ユーザの体力認知機能情報の履歴に基づいて保険リスクを計算することで、体力認知機能の向上／低下速度の個人差を保険リスクに反映することが可能となる。
　さらに、サーバ１は、ユーザによるトレーニングの実施結果の履歴に基づいて、ユーザの保険リスクを計算してもよい。トレーニングの実施結果の履歴とは、課されたトレーニングの負荷及び課されたトレーニングの実施度合い（頻度や完遂率等）の履歴である。例えば、サーバ１は、ユーザのトレーニングの実施結果の履歴と体力認知機能情報の履歴とに基づいて、今後ユーザに課されるトレーニングによる体力認知機能の向上効果を予測する。そして、サーバ１は、かかる予測に基づいて、ユーザの保険リスクを計算する。換言すると、ユーザの将来の体力認知機能情報の予測のために、ユーザのトレーニングの実施結果の履歴が用いられ得る。
　複数のユーザが同一のトレーニングを同一の実施度合いで実施した場合でも、体力認知機能の向上効果には個人差が生じ得る。この点、ユーザのトレーニングの実施結果の履歴に基づいて保険リスクを計算することで、トレーニングによる体力認知機能の向上効果の個人差を保険リスクに反映することが可能となる。
　・基礎情報に基づく保険リスクの計算
　サーバ１（例えば、計算部１３４）は、体力認知機能情報に加えて、ユーザの基礎情報に基づいて保険リスクを計算してもよい。
　基礎情報に基づいて保険リスクが計算されることで、より適切に保険リスクを計算することが可能となる。例えば、高齢者であるほど体力認知機能の低下が自動車事故の発生に結びつきやすいと考えられる。従って、高齢者であるほど体力認知機能情報に重みを持たせて保険リスクを計算することで、より適切に保険リスクを計算することが可能となる。また、体重及び身長から計算されるＢＭＩ（Body　Mass　Index）が高すぎる場合には生活習慣病等のリスクが高く、低すぎる場合には免疫力低下等のリスクが高いことが知られている。従って、体重及び身長に基づいて保険リスクを計算することで、例えば生命保険に対応する保険リスクを適切に計算することが可能となる。
　・日常生活の状況を示す情報に基づく保険リスクの計算
　サーバ１（例えば、計算部１３４）は、日常生活の状況を示す情報に基づいて保険リスクを計算してもよい。日常生活の状況を示す情報は、例えばユーザ端末２により検出されて、記憶部１２０に格納される。
　日常生活の状況を示す情報に基づいて保険リスクが計算されることで、より適切に保険リスクを計算することが可能となる。体力認知機能の向上／低下速度は、日常生活に影響を受けるためである。
　（３）保険料の設定
　サーバ１（例えば、計算部１３４）は、計算した保険リスクに基づいて保険料を設定する。典型的には、サーバ１は、保険リスクが高いほど保険料を高く設定し、保険リスクが低いほど保険料を低く設定する。なお、保険リスクは、上述したように、現在の体力認知機能情報、将来の体力認知機能情報の予測結果、体力認知機能情報の履歴、基礎情報、又は日常生活の状況を示す情報の少なくともいずれかに基づいて計算される。
　換言すると、サーバ１は、計算した保険リスクに基づいてユーザに等級を設定してもよい。典型的には、サーバ１は、保険リスクが高いほど等級を低く設定し、保険リスクが低いほど等級を高く設定する。等級とは、ユーザの保険リスクを反映した情報であり、等級に応じて保険料が割引又は割増される。
　サーバ１は、体力認知機能の向上のためのトレーニングに対する事前のコミットに基づいて、保険料を事前に割り引いてもよい。例えば、ユーザが、体力認知機能の向上のためのトレーニングを実施することを事前に誓約した場合に、サーバ１は、トレーニングが実施された場合に予測される体力認知機能の向上幅に基づいて保険リスクを計算し、当該保険リスクに応じた保険料をユーザに請求してもよい。これにより、ユーザは、トレーニングの実施前から、保険料の割引を受けることが可能となる。なお、事前のコミットは、例えば、測定施設３若しくはスポーツジム等の任意の施設で提供される、又はＷｅｂサービス等で提供される、トレーニングコースへの申し込みであってもよい。また、例えば、トレーニングコースと保険（保険料の割引済み）とが、パッケージとして販売されてもよい。
　また、サーバ１は、一旦高めの保険料を設定しつつ、体力認知機能の向上が予測される場合にはその向上幅を保険料の割引により還元してもよい。例えば、まず、サーバ１は、ユーザが体力認知機能の向上のためのトレーニングを実施しない場合の保険リスクに基づいて保険料を設定し、ユーザに請求する。その後、サーバ１は、ユーザによる体力認知機能の向上のためのトレーニングの実施結果を取得しながら、将来の体力認知機能の向上を見込んだ保険リスクを計算する。そして、サーバ１は、将来の体力認知機能の向上を見込んだ保険リスクと請求済みの保険料との差額を、ユーザに還元する。
　＜３．２．トレーニングの支援サービス＞
　サーバ１（例えば、トレーニング支援部１３５）は、ユーザによる体力認知機能の向上のためのトレーニングの実施を支援するサービスを提供する。
　サーバ１は、ユーザの体力認知機能情報に基づき、ユーザの体力認知機能の向上のためのトレーニングの実施をユーザに指示する情報（以下、トレーニング指示情報とも称する）を生成する。トレーニング指示情報は、ユーザに実施するよう指示するトレーニングメニューを示す情報であり、例えば、ユーザが実施すべきトレーニングの種目、強度、及び頻度等を示す情報を含む。サーバ１は、ユーザの現在の体力認知機能情報に対して適した負荷のトレーニングメニューを生成する。サーバ１は、ユーザのトレーニングの実施結果の履歴、及びユーザの体力認知機能情報の履歴に基づいて、ユーザにとって体力認知機能の向上効果が高いと推測されるトレーニングメニューを生成してもよい。これにより、トレーニングによる体力認知機能の向上効果をより強化することが可能となる。
　サーバ１は、トレーニング指示情報をユーザ端末２に送信する。ユーザ端末２は、受信したトレーニング指示情報に基づいてトレーニング指示を表示又は音声出力する。ユーザ端末２は、かかるトレーニング指示に基づいてユーザが実施するトレーニングの様子を検出し、検出結果をサーバ１に報告する。そして、サーバ１は、報告された情報に基づいて、トレーニングの実施結果を記録する。サーバ１は、トレーニングの実施結果の記録に基づいて、トレーニングの負荷を上げ下げする等、トレーニングの内容を制御してもよい。
　このようなトレーニングの支援サービスが提供されることで、ユーザは、日常的に体力認知機能の向上に励むことができる。これにより、ユーザの健康を促進するだけでなく、事故を起こしにくくし、保険リスクを低減することが可能となる。
　トレーニング指示情報は、体力認知機能を向上させるためのトレーニングの指示以外の情報も含み得る。例えば、トレーニング指示情報は、食事や睡眠に関する指示を含んでいてもよい。これにより、ユーザの健康を促進及び事故を起こしにくくする効果をより強化することが可能となる。
　＜３．３．処理の流れ＞
　以下、図５～図７を参照して、本実施形態に係る情報処理システムにおいて実行される処理の流れを説明する。
　（１）前処理
　図５は、本実施形態に係るサーバ１において実行される体力認知機能情報と保険リスクとの相関関係の設定処理の流れの一例を示すフローチャートである。図５に示した処理は、保険リスクを計算するための前処理として、実行される。
　図５に示すように、まず、サーバ１は、保険リスクの計算対象であるユーザの基礎情報を取得する（ステップＳ１０２）。次いで、サーバ１は、ユーザの基礎情報に基づいて、体力認知機能情報と保険リスクとの相関関係を設定する（ステップＳ１０６）。
　（２）保険リスク計算処理
　図６は、本実施形態に係る情報処理システムにおいて実行される保険リスク計算処理の流れの一例を示すシーケンス図である。本シーケンスには、サーバ１、ユーザ端末２、及び測定装置４が関与する。
　図６に示すように、まず、ユーザ端末２は、ユーザの日常生活の状況を示す情報を収集して（ステップＳ２０２）、収集した日常生活の状況を示す情報をサーバ１に送信する（ステップＳ２０４）。次いで、サーバ１は、体力認知機能情報を測定するよう依頼するメッセージをユーザに通知する（ステップＳ２０６）。かかるメッセージは、ユーザ端末２に送信されてユーザに出力されてもよいし、電子メール等の他の任意の手段で通知されてもよい。ユーザが通知されたメッセージに基づき測定施設３に訪れると、測定装置４は、体力認知機能情報を測定し（ステップＳ２０８）、測定した体力認知機能情報をサーバ１に送信する（ステップＳ２１０）。
　サーバ１は、受信した体力認知機能情報に基づいて、ユーザの体力認知機能を向上させるためのトレーニングの実施をユーザに指示するための、トレーニング指示情報を生成する（ステップＳ２１２）。次いで、サーバ１は、生成したトレーニング指示情報をユーザに通知する（ステップＳ２１４）。トレーニング指示情報は、ユーザ端末２に送信されてユーザに出力されてもよいし、電子メール等の他の任意の手段で通知されてもよい。ユーザがトレーニング指示情報に基づいてトレーニングを実施すると、ユーザ端末２は、ユーザによるトレーニングの様子を検出し、検出したトレーニングの実施結果をサーバ１に送信する（ステップＳ２１６）。
　その後、サーバ１は、保険リスクを計算する（ステップＳ２１８）。例えば、サーバ１は、体力認知機能情報、トレーニング実施結果、及びユーザの基礎情報に基づいて、保険リスクを計算する。サーバ１は、計算した保険リスクに基づいて保険料等を計算してもよい。そして、サーバ１は、計算結果をユーザに通知する（ステップＳ２２０）。計算結果は、ユーザ端末２に送信されてユーザに出力されてもよいし、電子メール等の他の任意の手段で通知されてもよい。
　（３）保険料の還元処理
　図７は、本実施形態に係るサーバ１において実行される保険料の還元処理の流れの一例を示すシーケンス図である。図７に示すように、まず、サーバ１は、ユーザの体力認知機能情報を取得し、記録する（ステップＳ３０２）。次いで、サーバ１は、記録された体力認知機能情報に基づいて、ユーザの保険リスク及び保険料を計算する（ステップＳ３０４）。
　次に、サーバ１は、トレーニング指示情報を生成してユーザに通知し、ユーザによるトレーニングの実施結果を記録する（ステップＳ３０６）。次いで、サーバ１は、トレーニングの実施結果の履歴及びトレーニング実施に起因する体力認知機能情報の変化に基づいて、ユーザがトレーニングの実施を継続すると想定した場合の将来の体力認知機能情報を予測する（ステップＳ３０８）。そして、サーバ１は、体力認知機能の向上予測に応じて、還元する保険料を計算する（ステップＳ３１０）。例えば、サーバ１は、ステップＳ３０４において計算された保険料と、将来の体力認知機能情報に対応する保険料との差額を、ユーザに還元する保険料として計算する。
　＜３．４．補足＞
　上記では、自動車保険を一例に挙げて提案技術を説明したが、提案技術の適用先は自動車保険に限定されない。例えば、提案技術は、生命保険又は介護保険等の任意の種類の保険に適用可能である。ただし、保険リスクの計算対象となる保険の種類ごとに、保険リスクの計算に用いられる体力認知機能情報の種類が設定される。例えば、自動車を安全に運転するためには、反応速度、下肢協調性及び注意力が重要であると考えられる。そのため、自動車保険に関する保険リスクを計算する際には、サーバ１は、反応速度、下肢協調性及び注意力に関する体力認知機能情報に基づいて、保険リスク及び保険料を計算する。このように、保険の種類ごとに保険リスクの計算に用いる体力認知機能情報を切り替えることで、保険リスクをより精度よく計算することが可能となる。
　＜＜４．ハードウェア構成例＞＞
　最後に、図８を参照して、本実施形態に係る情報処理装置のハードウェア構成について説明する。図８は、本実施形態に係る情報処理装置のハードウェア構成の一例を示すブロック図である。なお、図８に示す情報処理装置９００は、例えば、図３に示したサーバ１を実現し得る。本実施形態に係るサーバ１による情報処理は、ソフトウェアと、以下に説明するハードウェアとの協働により実現される。
　図８に示すように、情報処理装置９００は、ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）９０１、ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）９０２、ＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）９０３及びホストバス９０４ａを備える。また、情報処理装置９００は、ブリッジ９０４、外部バス９０４ｂ、インタフェース９０５、入力装置９０６、出力装置９０７、ストレージ装置９０８、ドライブ９０９、接続ポート９１１及び通信装置９１３を備える。情報処理装置９００は、ＣＰＵ９０１に代えて、又はこれとともに、電気回路、ＤＳＰ若しくはＡＳＩＣ等の処理回路を有してもよい。
　ＣＰＵ９０１は、演算処理装置および制御装置として機能し、各種プログラムに従って情報処理装置９００内の動作全般を制御する。また、ＣＰＵ９０１は、マイクロプロセッサであってもよい。ＲＯＭ９０２は、ＣＰＵ９０１が使用するプログラムや演算パラメータ等を記憶する。ＲＡＭ９０３は、ＣＰＵ９０１の実行において使用するプログラムや、その実行において適宜変化するパラメータ等を一時記憶する。ＣＰＵ９０１は、例えば、図３に示す制御部１３０を形成し得る。
　ＣＰＵ９０１、ＲＯＭ９０２及びＲＡＭ９０３は、ＣＰＵバスなどを含むホストバス９０４ａにより相互に接続されている。ホストバス９０４ａは、ブリッジ９０４を介して、ＰＣＩ（Ｐｅｒｉｐｈｅｒａｌ　Ｃｏｍｐｏｎｅｎｔ　Ｉｎｔｅｒｃｏｎｎｅｃｔ／Ｉｎｔｅｒｆａｃｅ）バスなどの外部バス９０４ｂに接続されている。なお、必ずしもホストバス９０４ａ、ブリッジ９０４および外部バス９０４ｂを分離構成する必要はなく、１つのバスにこれらの機能を実装してもよい。
　入力装置９０６は、例えば、マウス、キーボード、タッチパネル、ボタン、マイクロフォン、スイッチ及びレバー等、ユーザによって情報が入力される装置によって実現される。また、入力装置９０６は、例えば、赤外線やその他の電波を利用したリモートコントロール装置であってもよいし、情報処理装置９００の操作に対応した携帯電話やＰＤＡ等の外部接続機器であってもよい。さらに、入力装置９０６は、例えば、上記の入力手段を用いてユーザにより入力された情報に基づいて入力信号を生成し、ＣＰＵ９０１に出力する入力制御回路などを含んでいてもよい。情報処理装置９００のユーザは、この入力装置９０６を操作することにより、情報処理装置９００に対して各種のデータを入力したり処理動作を指示したりすることができる。
　出力装置９０７は、取得した情報をユーザに対して視覚的又は聴覚的に通知することが可能な装置で形成される。このような装置として、ＣＲＴディスプレイ装置、液晶ディスプレイ装置、プラズマディスプレイ装置、ＥＬディスプレイ装置、レーザープロジェクタ、ＬＥＤプロジェクタ及びランプ等の表示装置や、スピーカ及びヘッドホン等の音声出力装置や、プリンタ装置等がある。出力装置９０７は、例えば、情報処理装置９００が行った各種処理により得られた結果を出力する。具体的には、表示装置は、情報処理装置９００が行った各種処理により得られた結果を、テキスト、イメージ、表、グラフ等、様々な形式で視覚的に表示する。他方、音声出力装置は、再生された音声データや音響データ等からなるオーディオ信号をアナログ信号に変換して聴覚的に出力する。
　ストレージ装置９０８は、情報処理装置９００の記憶部の一例として形成されたデータ格納用の装置である。ストレージ装置９０８は、例えば、ＨＤＤ等の磁気記憶デバイス、半導体記憶デバイス、光記憶デバイス又は光磁気記憶デバイス等により実現される。ストレージ装置９０８は、記憶媒体、記憶媒体にデータを記録する記録装置、記憶媒体からデータを読み出す読出し装置および記憶媒体に記録されたデータを削除する削除装置などを含んでもよい。このストレージ装置９０８は、ＣＰＵ９０１が実行するプログラムや各種データ及び外部から取得した各種のデータ等を格納する。ストレージ装置９０８は、例えば、図３に示す記憶部１２０を形成し得る。
　ドライブ９０９は、記憶媒体用リーダライタであり、情報処理装置９００に内蔵、あるいは外付けされる。ドライブ９０９は、装着されている磁気ディスク、光ディスク、光磁気ディスク、または半導体メモリ等のリムーバブル記憶媒体に記録されている情報を読み出して、ＲＡＭ９０３に出力する。また、ドライブ９０９は、リムーバブル記憶媒体に情報を書き込むこともできる。
　接続ポート９１１は、外部機器と接続されるインタフェースであって、例えばＵＳＢ（Ｕｎｉｖｅｒｓａｌ　Ｓｅｒｉａｌ　Ｂｕｓ）などによりデータ伝送可能な外部機器との接続口である。
　通信装置９１３は、例えば、ネットワーク９２０に接続するための通信デバイス等で形成された通信インタフェースである。通信装置９１３は、例えば、有線若しくは無線ＬＡＮ（Ｌｏｃａｌ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）、ＬＴＥ（Ｌｏｎｇ　Ｔｅｒｍ　Ｅｖｏｌｕｔｉｏｎ）、Ｂｌｕｅｔｏｏｔｈ（登録商標）又はＷＵＳＢ（Ｗｉｒｅｌｅｓｓ　ＵＳＢ）用の通信カード等である。また、通信装置９１３は、光通信用のルータ、ＡＤＳＬ（Ａｓｙｍｍｅｔｒｉｃ　Ｄｉｇｉｔａｌ　Ｓｕｂｓｃｒｉｂｅｒ　Ｌｉｎｅ）用のルータ又は各種通信用のモデム等であってもよい。この通信装置９１３は、例えば、インターネットや他の通信機器との間で、例えばＴＣＰ／ＩＰ等の所定のプロトコルに則して信号等を送受信することができる。通信装置９１３は、例えば、図３に示す通信部１１０を形成し得る。
　なお、ネットワーク９２０は、ネットワーク９２０に接続されている装置から送信される情報の有線、または無線の伝送路である。例えば、ネットワーク９２０は、インターネット、電話回線網、衛星通信網などの公衆回線網や、Ｅｔｈｅｒｎｅｔ（登録商標）を含む各種のＬＡＮ（Ｌｏｃａｌ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）、ＷＡＮ（Ｗｉｄｅ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）などを含んでもよい。また、ネットワーク９２０は、ＩＰ－ＶＰＮ（Ｉｎｔｅｒｎｅｔ　Ｐｒｏｔｏｃｏｌ－Ｖｉｒｔｕａｌ　Ｐｒｉｖａｔｅ　Ｎｅｔｗｏｒｋ）などの専用回線網を含んでもよい。
　以上、本実施形態に係る情報処理装置９００の機能を実現可能なハードウェア構成の一例を示した。上記の各構成要素は、汎用的な部材を用いて実現されていてもよいし、各構成要素の機能に特化したハードウェアにより実現されていてもよい。従って、本実施形態を実施する時々の技術レベルに応じて、適宜、利用するハードウェア構成を変更することが可能である。
　なお、上述のような本実施形態に係る情報処理装置９００の各機能を実現するためのコンピュータプログラムを作製し、ＰＣ等に実装することが可能である。また、このようなコンピュータプログラムが格納された、コンピュータで読み取り可能な記録媒体も提供することができる。記録媒体は、例えば、磁気ディスク、光ディスク、光磁気ディスク、フラッシュメモリ等である。また、上記のコンピュータプログラムは、記録媒体を用いずに、例えばネットワークを介して配信されてもよい。
　＜＜５．まとめ＞＞
　以上、図１～図８を参照して、本開示の一実施形態について詳細に説明した。上記説明したように、本実施形態に係るサーバ１は、体力認知機能情報と保険リスクとの相関関係を設定する。これにより、ユーザの体力認知機能情報に基づく保険リスク及び保険料の計算を行うことが可能となる。即ち、体力認知機能を加味した保険の仕組みの基礎が提供される。
　また、本実施形態に係るサーバ１は、設定された相関関係、及び体力認知機能情報に基づいて、ユーザの保険リスクを計算する。これにより、体力認知機能を保険リスクに反映することが可能となる。とりわけ、高齢者の体力認知機能の低下による自動車事故の危険性の高まりを、適切に保険リスクに反映することが可能となる。
　以上、添付図面を参照しながら本開示の好適な実施形態について詳細に説明したが、本開示の技術的範囲はかかる例に限定されない。本開示の技術分野における通常の知識を有する者であれば、請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本開示の技術的範囲に属するものと了解される。
　また、本明細書においてフローチャート及びシーケンス図を用いて説明した処理は、必ずしも図示された順序で実行されなくてもよい。いくつかの処理ステップは、並列的に実行されてもよい。また、追加的な処理ステップが採用されてもよく、一部の処理ステップが省略されてもよい。
　また、本明細書に記載された効果は、あくまで説明的または例示的なものであって限定的ではない。つまり、本開示に係る技術は、上記の効果とともに、または上記の効果に代えて、本明細書の記載から当業者には明らかな他の効果を奏しうる。
　なお、以下のような構成も本開示の技術的範囲に属する。
（１）
　体力認知機能を示す情報と保険リスクとの相関関係を設定する設定部、
を備える情報処理装置。
（２）
　ユーザの前記体力認知機能を示す情報を取得する取得部と、
　前記ユーザの前記体力認知機能を示す情報及び前記相関関係に基づいて、前記ユーザの保険リスクを計算する計算部と、
をさらに備える、前記（１）に記載の情報処理装置。
（３）
　前記計算部は、前記ユーザの前記体力認知機能を示す情報の予測結果に基づいて、前記ユーザの保険リスクを計算する、前記（２）に記載の情報処理装置。
（４）
　前記計算部は、前記体力認知機能の向上のためのトレーニングの実施想定に対応する前記ユーザの前記体力認知機能を示す情報の予測結果に基づいて、前記ユーザの保険リスクを計算する、前記（３）に記載の情報処理装置。
（５）
　前記計算部は、前記ユーザが前記体力認知機能の向上のためのトレーニングを実施する場合及び実施しない場合の各々の前記ユーザの前記体力認知機能を示す情報の予測結果に基づいて、前記ユーザの保険リスクを計算する、前記（４）に記載の情報処理装置。
（６）
　前記計算部は、前記ユーザの前記体力認知機能を示す情報の履歴に基づいて、前記ユーザの保険リスクを計算する、前記（２）～（５）のいずれか一項に記載の情報処理装置。
（７）
　前記計算部は、前記ユーザによる前記体力認知機能の向上のためのトレーニングの実施結果の履歴に基づいて、前記ユーザの保険リスクを計算する、前記（２）～（６）のいずれか一項に記載の情報処理装置。
（８）
　前記ユーザの前記体力認知機能を示す情報に基づき、前記体力認知機能の向上のためのトレーニングの実施を前記ユーザに指示する情報を生成する生成部、をさらに備える、前記（２）～（７）のいずれか一項に記載の情報処理装置。
（９）
　保険リスクの計算対象となる保険の種類ごとに、保険リスクの計算に用いられる前記体力認知機能を示す情報の種類が設定される、前記（１）～（８）のいずれか一項に記載の情報処理装置。
（１０）
　プロセッサにより、
　体力認知機能を示す情報と保険リスクとの相関関係を設定すること、
を含む情報処理方法。
　１　　　サーバ
　２　　　ユーザ端末
　３　　　測定施設
　４　　　測定装置
　９　　　ネットワーク
　１００　　装置
　１１０　　通信部
　１２０　　記憶部
　１３０　　制御部
　１３１　　設定部
　１３２　　取得部
　１３３　　予測部
　１３４　　計算部
　１３５　　トレーニング支援部

Claims (10)

  1. 　体力認知機能を示す情報と保険リスクとの相関関係を設定する設定部、
    を備える情報処理装置。
  2. 　ユーザの前記体力認知機能を示す情報を取得する取得部と、
    　前記ユーザの前記体力認知機能を示す情報及び前記相関関係に基づいて、前記ユーザの保険リスクを計算する計算部と、
    をさらに備える、請求項１に記載の情報処理装置。
  3. 　前記計算部は、前記ユーザの前記体力認知機能を示す情報の予測結果に基づいて、前記ユーザの保険リスクを計算する、請求項２に記載の情報処理装置。
  4. 　前記計算部は、前記体力認知機能の向上のためのトレーニングの実施想定に対応する前記ユーザの前記体力認知機能を示す情報の予測結果に基づいて、前記ユーザの保険リスクを計算する、請求項３に記載の情報処理装置。
  5. 　前記計算部は、前記ユーザが前記体力認知機能の向上のためのトレーニングを実施する場合及び実施しない場合の各々の前記ユーザの前記体力認知機能を示す情報の予測結果に基づいて、前記ユーザの保険リスクを計算する、請求項４に記載の情報処理装置。
  6. 　前記計算部は、前記ユーザの前記体力認知機能を示す情報の履歴に基づいて、前記ユーザの保険リスクを計算する、請求項２に記載の情報処理装置。
  7. 　前記計算部は、前記ユーザによる前記体力認知機能の向上のためのトレーニングの実施結果の履歴に基づいて、前記ユーザの保険リスクを計算する、請求項２に記載の情報処理装置。
  8. 　前記ユーザの前記体力認知機能を示す情報に基づき、前記体力認知機能の向上のためのトレーニングの実施を前記ユーザに指示する情報を生成する生成部、をさらに備える、請求項２に記載の情報処理装置。
  9. 　保険リスクの計算対象となる保険の種類ごとに、保険リスクの計算に用いられる前記体力認知機能を示す情報の種類が設定される、請求項１に記載の情報処理装置。
  10. 　プロセッサにより、
    　体力認知機能を示す情報と保険リスクとの相関関係を設定すること、
    を含む情報処理方法。
PCT/JP2018/016167 2018-04-19 2018-04-19 情報処理装置及び情報処理方法 WO2019202707A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
EP18915195.4A EP3736761A1 (en) 2018-04-19 2018-04-19 Information processing device and information processing method
US17/046,306 US20210082056A1 (en) 2018-04-19 2018-04-19 Information processing apparatus and information processing method
PCT/JP2018/016167 WO2019202707A1 (ja) 2018-04-19 2018-04-19 情報処理装置及び情報処理方法
JP2020514867A JP7060088B2 (ja) 2018-04-19 2018-04-19 情報処理装置及び情報処理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2018/016167 WO2019202707A1 (ja) 2018-04-19 2018-04-19 情報処理装置及び情報処理方法

Publications (1)

Publication Number Publication Date
WO2019202707A1 true WO2019202707A1 (ja) 2019-10-24

Family

ID=68239139

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2018/016167 WO2019202707A1 (ja) 2018-04-19 2018-04-19 情報処理装置及び情報処理方法

Country Status (4)

Country Link
US (1) US20210082056A1 (ja)
EP (1) EP3736761A1 (ja)
JP (1) JP7060088B2 (ja)
WO (1) WO2019202707A1 (ja)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021262609A1 (en) * 2020-06-22 2021-12-30 Hi.Q, Inc. Computing system implementing a cognitive-based risk assessment service for motor vehicle risk determination
US11380442B2 (en) 2014-11-14 2022-07-05 Hi.Q, Inc. Computing system predicting health using correlated health assertion library
US11380423B2 (en) 2014-11-14 2022-07-05 Hi.Q, Inc. Computing system implementing a health service for correlating health knowledge and activity data with predictive health outcomes
US11568364B2 (en) 2014-11-14 2023-01-31 Hi.Q, Inc. Computing system implementing morbidity prediction using a correlative health assertion library
US11574714B2 (en) 2014-11-14 2023-02-07 Hi. Q, Inc. Remote health assertion verification and mortality prediction system

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002373257A (ja) * 2001-06-14 2002-12-26 Hitachi Ltd 健康情報の取込みにより保険料を再計算する方法およびシステム
JP2015225498A (ja) 2014-05-28 2015-12-14 ソニーフィナンシャルホールディングス株式会社 情報処理装置、情報処理システム、情報処理方法、及びプログラム
JP2016197308A (ja) * 2015-04-03 2016-11-24 株式会社日立製作所 運転診断方法および運転診断装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150025917A1 (en) * 2013-07-15 2015-01-22 Advanced Insurance Products & Services, Inc. System and method for determining an underwriting risk, risk score, or price of insurance using cognitive information
US20150161738A1 (en) * 2013-12-10 2015-06-11 Advanced Insurance Products & Services, Inc. Method of determining a risk score or insurance cost using risk-related decision-making processes and decision outcomes
US10650474B2 (en) * 2014-11-14 2020-05-12 Hi.Q, Inc. System and method for using social network content to determine a lifestyle category of users

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002373257A (ja) * 2001-06-14 2002-12-26 Hitachi Ltd 健康情報の取込みにより保険料を再計算する方法およびシステム
JP2015225498A (ja) 2014-05-28 2015-12-14 ソニーフィナンシャルホールディングス株式会社 情報処理装置、情報処理システム、情報処理方法、及びプログラム
JP2016197308A (ja) * 2015-04-03 2016-11-24 株式会社日立製作所 運転診断方法および運転診断装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP3736761A4

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11380442B2 (en) 2014-11-14 2022-07-05 Hi.Q, Inc. Computing system predicting health using correlated health assertion library
US11380423B2 (en) 2014-11-14 2022-07-05 Hi.Q, Inc. Computing system implementing a health service for correlating health knowledge and activity data with predictive health outcomes
US11568364B2 (en) 2014-11-14 2023-01-31 Hi.Q, Inc. Computing system implementing morbidity prediction using a correlative health assertion library
US11574714B2 (en) 2014-11-14 2023-02-07 Hi. Q, Inc. Remote health assertion verification and mortality prediction system
WO2021262609A1 (en) * 2020-06-22 2021-12-30 Hi.Q, Inc. Computing system implementing a cognitive-based risk assessment service for motor vehicle risk determination

Also Published As

Publication number Publication date
EP3736761A4 (en) 2020-11-11
JP7060088B2 (ja) 2022-04-26
JPWO2019202707A1 (ja) 2020-12-17
EP3736761A1 (en) 2020-11-11
US20210082056A1 (en) 2021-03-18

Similar Documents

Publication Publication Date Title
WO2019202707A1 (ja) 情報処理装置及び情報処理方法
JP6717913B2 (ja) 情報処理システム、情報処理サーバ、情報処理プログラム、および疲労評価方法
US11521748B2 (en) Health risk score for risk stratification and compliance monitoring for next best action
US10722172B1 (en) Fitness systems and methods
US20210035067A1 (en) Method to increase efficiency, coverage, and quality of direct primary care
US20200135334A1 (en) Devices and methods for remotely managing chronic medical conditions
US20180301220A1 (en) Wearable Sensor Packages and Health Score Analytics for Athletic Performance and Training
US20180096738A1 (en) Method for providing health therapeutic interventions to a user
US10360343B2 (en) Facilitating integrated behavioral support through personalized adaptive data collection
US8612363B2 (en) Avatar individualized by physical characteristic
JP6662535B2 (ja) 生活習慣管理支援装置および生活習慣管理支援方法
US20140085077A1 (en) Sedentary activity management method and apparatus using data from a data-capable band for managing health and wellness
KR20180110100A (ko) 심부전을 평가하기 위한 장치 및 방법
Goyal et al. Automation of stress recognition using subjective or objective measures
US20210358628A1 (en) Digital companion for healthcare
US20200194125A1 (en) Method and System for Tracking, Storing, and Processing Data to Identify Risk Factors and Predict Health-Related Conditions
JP6244476B2 (ja) 健康管理サーバおよび健康管理サーバ制御方法並びに健康管理プログラム
Jeong et al. Visual scheme monitoring of sensors for fault tolerance on wireless body area networks with cloud service infrastructure
US20140297300A1 (en) Disease management system and method using a wired/wireless communication network
JP6265277B2 (ja) 情報処理装置、情報処理システム、情報処理方法、及びプログラム
US20240008784A1 (en) System and Method for Prevention, Diagnosis, and Treatment of Health Conditions
WO2020170375A1 (ja) 情報処理装置、情報処理方法及び記録媒体
JP7135521B2 (ja) 行動変容支援装置、端末およびサーバ
KR102033063B1 (ko) 개인 히스토리 데이터 기반 맞춤형 건강 관리 시스템 및 방법
KR20090048083A (ko) 다중 사용자 기반 건강 관리 서비스

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: 18915195

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2020514867

Country of ref document: JP

Kind code of ref document: A

ENP Entry into the national phase

Ref document number: 2018915195

Country of ref document: EP

Effective date: 20200808

NENP Non-entry into the national phase

Ref country code: DE