WO2020059789A1 - 情報処理方法、コンピュータプログラム、学習済みモデル及び情報処理装置 - Google Patents

情報処理方法、コンピュータプログラム、学習済みモデル及び情報処理装置 Download PDF

Info

Publication number
WO2020059789A1
WO2020059789A1 PCT/JP2019/036723 JP2019036723W WO2020059789A1 WO 2020059789 A1 WO2020059789 A1 WO 2020059789A1 JP 2019036723 W JP2019036723 W JP 2019036723W WO 2020059789 A1 WO2020059789 A1 WO 2020059789A1
Authority
WO
WIPO (PCT)
Prior art keywords
user
information
mental state
providing
improving
Prior art date
Application number
PCT/JP2019/036723
Other languages
English (en)
French (fr)
Inventor
壽亮 古川
堀越　勝
崇 片山
Original Assignee
国立大学法人京都大学
国立研究開発法人国立精神・神経医療研究センター
田辺三菱製薬株式会社
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 国立大学法人京都大学, 国立研究開発法人国立精神・神経医療研究センター, 田辺三菱製薬株式会社 filed Critical 国立大学法人京都大学
Priority to JP2020548587A priority Critical patent/JP7448125B2/ja
Publication of WO2020059789A1 publication Critical patent/WO2020059789A1/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

Definitions

  • the present invention relates to an information processing method, a computer program, and an information processing device for realizing cognitive behavior therapy using ICT (Information and Communication Technology).
  • ICT Information and Communication Technology
  • CBT cognitive behavioral therapy
  • Recognition and behavior such as how to receive reality, how to see things, etc., affect human emotions and feelings.
  • Cognitive-behavioral therapy treats mental illness by correcting cognitive bias and behavioral habits. It is difficult to directly change a person's feelings, but conscious changes in cognition and behavior can improve a person's mental state by indirectly adjusting negative emotions.
  • cognitive behavioral therapy has an effect of improving mental stress not only in patients with mental illness but also in people without mental illness.
  • cognitive-behavioral therapy was not widely available and did not become widely available.
  • cognitive behavior therapy using a smartphone application utilizing an ICT platform has been proposed.
  • This smartphone app provides a session that explains cognitive behavioral therapy step by step in a conversational manner.
  • the user can learn the basic knowledge of cognitive-behavioral therapy without burden by reading a session in which a story is interactively developed between the healer's character and the user's own avatar.
  • a user can create a mental diagram used in cognitive behavior therapy, activate behavior and practice cognitive reconstruction, and perform stress checking on a smartphone application anytime and anywhere. Even in cognitive behavior therapy using such a smartphone app, its safety and effectiveness have been recognized in randomized trials.
  • users can easily work on cognitive behavioral therapy.
  • An object of the present disclosure is to provide an information processing method, a computer program, a learned model, and an information processing device capable of performing cognitive behavior therapy in a manner according to a user's attribute and mental state.
  • An information processing method is an information processing method for providing information for improving a mental state of a user by cognitive behavior therapy performed via a communication network, and relates to an attribute and a mental state of the user. Acquiring information, a learned model that has been machine-learned such that a method of providing information for improving the mental state according to the attribute and mental state of the user is calculated, and the acquired attribute and mental state By inputting such information, a method of providing information is calculated, and information for improving the mental state of the user is provided to the user via the communication network based on the method of calculation calculated by the learned model. I do.
  • a computer program according to the present invention is a computer program for causing a computer to provide information for improving a mental state of a user by cognitive behavior therapy performed through a communication network. Acquired information related to the attribute and mental state, acquired to a learned model that has been machine-learned so that a method of providing information for improving the mental state according to the attribute and mental state of the user is calculated. A method for providing information is calculated by inputting the information on the attribute and the mental state, and information for improving the mental state of the user is transmitted to the communication network based on the providing method calculated by the learned model. Process to be provided to the user via the server.
  • the learned model according to the present invention outputs an expected value for improving the mental state of the user when the information for improving the mental state of the user is provided by the specific providing method by the cognitive behavior therapy.
  • a learned model for operating a computer based on an input layer in which information relating to the attribute and mental state of the user is input, and a weight coefficient learned for the information input to the input layer.
  • the mental state of the user is improved.
  • An output layer that outputs the expected value to be obtained, based on information on attributes and mental states of a plurality of users, and a method for improving the mental state of the users based on a providing method according to the information.
  • a neural network that is made to learn a weighting factor, the computer performs an operation based on the information and the weighting factor relating to the attribute and mental state of the user input to the input layer, and the mental state of the user. Output the expected value to improve
  • An information processing apparatus is an information processing apparatus that provides information for improving a mental state of a user by cognitive behavior therapy performed via a communication network, and relates to an attribute and a mental state of the user.
  • An acquisition unit that acquires information, a learned model that has been machine-learned such that a method of providing information for improving the mental state according to the attribute and mental state of the user is calculated, and an acquisition unit that acquires the acquired information.
  • a processing unit that inputs the information related to the attribute and the mental state to the learned model and calculates a method of providing information, and based on the calculated providing method, information for improving a mental state of the user.
  • a providing unit for providing to a user via a communication network is an information processing apparatus that provides information for improving a mental state of a user by cognitive behavior therapy performed via a communication network, and relates to an attribute and a mental state of the user.
  • An acquisition unit that acquires information, a learned model that has been machine-learned such that a method of providing information for improving the mental state according
  • cognitive-behavioral therapy can be performed in a manner depending on the attribute and mental state of the user.
  • FIG. 2 is a schematic diagram illustrating a configuration example of an information processing system.
  • FIG. 2 is a block diagram illustrating a configuration example of an information processing device. It is a conceptual diagram showing an example of a record layout of a user DB.
  • FIG. 3 is a block diagram illustrating a configuration example of a user terminal. It is a schematic diagram which shows an example of a session selection screen and a session provision screen. It is a mimetic diagram showing an example of a mind mechanism diagram list screen, and an example of a mind mechanism diagram screen. It is a schematic diagram which shows an example of the activity target setting screen concerning action activation. It is a schematic diagram which shows an example of an activity target list. It is a schematic diagram which shows an example of the input screen of an activity result.
  • FIG. 1 is a schematic diagram illustrating a configuration example of an information processing system.
  • the information processing system includes an information processing device 1, a user terminal 2, and an administrator terminal 3, and each terminal is connected to the information processing device 1 via a communication network N such as the Internet.
  • the information processing system improves a user's mental state (including a user's stress state) by cognitive behavior therapy using an ICT base.
  • the users include not only patients with mental illness but also people without mental illness. Mental illnesses are depression, panic disorder and the like. Needless to say, the present information processing system may be used for the purpose of prevention as well as remission of mental illness.
  • the present information processing system can also be used for the purpose of improving the stress state of a user who does not have a mental illness.
  • the administrator is a person related to the user. If the user is a psychiatric patient, the healthcare professional is the administrator. In the case of a user who does not have a mental illness, the administrator is the family, friend, etc. of the user. The presence of an administrator is not mandatory.
  • the information processing device 1 can communicate with the user terminal 2 and the manager terminal 3, and manages user attribute information, mental state information, manager information, and the like.
  • the information processing apparatus 1 generates information for improving a mental state (including a stress state) of a user (for example, a session explaining cognitive behavior therapy, creation of a mental scheme used in cognitive behavior therapy, activation of behavior) And information necessary for practicing cognitive reconstruction, etc.) to the user terminal 2.
  • the user can perform his / her own stress check using the user terminal 2.
  • the information processing apparatus 1 executes a process of transmitting information for controlling a session to be learned in an order and at a speed according to the attribute and mental state of the user to the user terminal 2.
  • the information processing device 1 selects an activity target suitable for the attribute and mental state of the user from a plurality of activity targets related to the activity activation, and sends information indicating the selected activity target to the user terminal 2. Execute the transmission process. Further, the information processing device 1 encourages the user practicing the cognitive behavioral therapy and improves the mental state by encouraging the user terminal 2 with contents and timing according to the attribute and the mental state of the user. Execute processing to send to. Furthermore, the information processing apparatus 1 communicates with the administrator terminal 3 to obtain information on the stress state of the user from an administrator related to the user, and information on the mental state of the user. Can be provided to the administrator.
  • FIG. 2 is a block diagram illustrating a configuration example of the information processing apparatus 1.
  • the information processing device 1 is a computer including a control unit 11, a main storage unit 12, a communication unit 13, and an auxiliary storage unit 14.
  • the control unit 11 includes an arithmetic processing device such as one or a plurality of CPUs (Central Processing Unit), MPUs (Micro-Processing Unit), and GPUs (Graphics Processing Unit).
  • the computer program P1 stored in the auxiliary storage unit 14 By reading and executing, various information processing, control processing, and the like are performed.
  • the main storage unit 12 is a temporary storage area such as an SRAM (Static Random Access Memory), a DRAM (Dynamic Random Access Memory), or a flash memory, and temporarily stores data necessary for the control unit 11 to execute arithmetic processing.
  • the communication unit 13 includes a processing circuit for performing processing related to communication, a communication circuit, and the like, and transmits and receives information to and from the user terminal 2 and the administrator terminal 3.
  • the auxiliary storage unit 14 is a large-capacity memory, a hard disk, or the like, and stores the computer program P1 and other data necessary for the control unit 11 to execute a process related to providing information necessary for cognitive behavior therapy.
  • the auxiliary storage unit 14 stores a user DB 14a, an activity target DB 14b, a encouragement mail DB 14c, and the like.
  • the user DB 14a is a database that stores information on users who use the present system.
  • the activity goal DB 14b is a database that stores a plurality of activity goals related to activity activation.
  • the encouragement mail DB 14c is a database that stores a plurality of messages that encourage users who practice cognitive behavioral therapy.
  • the auxiliary storage unit 14 may be an external storage device connected to the information processing device 1. Further, the information processing device 1 may be a multicomputer including a plurality of computers, or may be a virtual machine virtually constructed by software.
  • FIG. 3 is a conceptual diagram showing an example of a record layout of the user DB 14a.
  • the user DB 14a includes a user ID column, a name column, an age column for storing attribute information, a gender column, an occupation column, a stress state column for storing mental state information, a session history column, a comment character string, an activity history column, and a stress column. It includes a check result sequence, an audio sequence, an image sequence, and the like.
  • the user ID column stores an ID for identifying each user.
  • the name column stores the name, nickname, and the like of each user in association with the user ID.
  • the age column, gender column, and occupation column store the user's age, gender, and occupation, respectively.
  • the stress state column stores the user's stress state data determined by the administrator in association with the user ID.
  • the administrator can confirm the stress state of the user using the administrator terminal 3 and transmit the confirmed stress state data to the information processing device 1.
  • the information processing device 1 receives the stress state data transmitted from the administrator terminal 3, and stores the received stress state data in the stress state column of the user DB 14a.
  • the user is a patient having a mental illness
  • the manager is a medical doctor.
  • Send to Medical personnel include doctors, nurses, psychologists, and the like. Doctors include not only the attending physician, but also doctors who are not the attending physician.
  • an administrator such as a family member, a friend, or an acquaintance determines the stress state of the user from the viewpoint of a third party, and uses the determination result as stress state data from the administrator terminal 3. It can also be transmitted to the information processing device 1.
  • the session history column stores the attendance history of the session by the user in association with the user ID.
  • the attendance history includes, for example, information such as the ID of the session attended by the user and the attendance date and time.
  • the comment character string stores the comment character and comment date and time of the user for the session for which learning has been completed, in association with the user ID.
  • a user who has attended the session can transmit comment characters for the session to the information processing device 1 using the user terminal 2.
  • the information processing device 1 receives the comment character transmitted from the user terminal 2 and stores the received comment character together with the comment date and time in a comment character string.
  • the comment date and time is the date and time when a comment character is input to the user terminal 2 and transmitted to the information processing device 1.
  • the comment character may not be stored as it is in the comment character string, but the result of language analysis by semantic analysis such as syntax analysis such as morphological analysis, thesaurus analysis, or vector space analysis may be stored in the character comment string.
  • the activity history column stores an activity history related to activation of an action in association with a user ID.
  • the activity history includes information such as the ID of the activity target set by the user for activity activation, the ID of the executed activity, the date and time when the activity was performed, and the activity result.
  • the activity result is information that is input by the user using the user terminal 2 and is numerical information indicating a sense of accomplishment and joy obtained after executing the activity set as the goal.
  • the stress check result column stores the history of the results of the stress check performed by the user himself, in association with the user ID, using a stress check method called K6 or the like.
  • the voice string stores voice data of the user recorded by the microphone 27 of the user terminal 2 and information of the recording date and time in association with the user ID.
  • the image sequence stores image data obtained by imaging the face of the user with the imaging unit 26 of the user terminal 2 and information on the date and time of imaging in association with the user ID.
  • the user terminal 2 transmits the user's stress check result, voice data, and image data to the information processing device 1.
  • the information processing device 1 receives the stress check result, the voice data, and the image data transmitted from the user terminal 2 and stores them in the stress check result column, the voice column, and the image column of the user DB 14a.
  • FIG. 4 is a block diagram showing a configuration example of the user terminal 2.
  • the user terminal is a portable wireless communication device such as a smartphone, a mobile phone, a tablet terminal, and a PDA (Personal Digital Assistant).
  • a portable wireless communication device such as a smartphone, a mobile phone, a tablet terminal, and a PDA (Personal Digital Assistant).
  • the user terminal 2 includes a control unit 21 for controlling the operation of each component of the user terminal 2, a main storage unit 22, a communication unit 23, a display unit 24, an input unit 25, an imaging unit 26, a microphone 27, and a speaker 28. And an auxiliary storage unit 29.
  • the control unit 21 has one or more arithmetic processing units such as a CPU and an MPU, and performs various information processing, control processing, and the like by reading and executing the computer program P2 stored in the auxiliary storage unit 29.
  • the main storage unit 22 is a temporary storage area such as a RAM, and temporarily stores data necessary for the control unit 21 to execute arithmetic processing.
  • the communication unit 23 includes an antenna for performing communication, a processing circuit, a communication circuit, and the like, and transmits and receives information to and from the information processing device 1.
  • the display unit 24 is a display device such as a liquid crystal display or an organic EL (Electro Luminescence) display, and displays an image given from the control unit 21.
  • the input unit 25 is an operation interface such as a touch panel and a mechanical key, and inputs operation contents to the control unit 21.
  • the imaging unit 26 is an imaging mechanism having an imaging device such as a CMOS (Complementary Metal-Oxide-Semiconductor) image sensor and a CCD (Charge Coupled Device) image sensor, and performs imaging according to an operation input by a user.
  • CMOS Complementary Metal-Oxide-Semiconductor
  • CCD Charge Coupled Device
  • the speaker 28 converts the sound data provided from the control unit 21 into a sound wave and outputs the sound wave.
  • the microphone 27 converts the sound wave into audio data, and provides the converted audio data to the control unit 21.
  • the auxiliary storage unit 29 is a nonvolatile semiconductor memory, and stores a computer program P2 and other data necessary for the control unit 21 to execute processing. In the present embodiment, it is assumed that the auxiliary storage unit 29 stores information of a plurality of sessions for learning cognitive behavior therapy as a computer program P2. Note that the information processing apparatus 1 may transmit the session information to the user terminal 2 each time.
  • FIG. 5 is a schematic diagram illustrating an example of the session selection screen 5a and the session providing screen 5b.
  • the user terminal 2 displays the session selection screen 5a as shown in the left diagram of FIG.
  • the user clicks on the item name of the session the corresponding session providing screen 5b is displayed as shown in the right diagram of FIG. The user can learn the contents of the session in the form of a conversation between the instructor character and his / her avatar.
  • the user terminal 2 is configured to release the session step by step according to the attribute and mental state of the user. Even if the user clicks on an item name of a session that has not been released, that is, a locked session, the session providing screen 5b is not displayed.
  • the timing of releasing the session and the order of releasing the sessions are managed by the information processing apparatus 1.
  • the information processing apparatus 1 determines the timing and order of releasing the sessions according to the attributes and mental state of the user, and transmits the ID of the session to be released and the release instruction to the user terminal 2.
  • the user terminal 2 that has received the ID and the release instruction releases the session corresponding to the ID to the user. A method of determining a session to be opened to a user and an opening order will be described later.
  • FIG. 6 is a schematic diagram showing an example of the mind mechanism diagram list screen 6a and the mind mechanism diagram screen 6b.
  • the user terminal 2 displays a heart mechanism diagram list screen 6a as shown in the left diagram of FIG.
  • the user operates the additional button, and inputs the situation at the moment when his / her emotion moves due to trouble, trouble, and the like, as well as his / her behavior, thought, physical condition, feeling, and strength thereof.
  • “Situation” is an objective fact that has occurred around the user himself.
  • “Action” is an action performed by the user on his / her own will. For example, actions such as running, sleeping, eating, etc. are “actions”.
  • Body state is a change in the body that occurs naturally, independent of the will of the user. For example, a change such as tearing or motivation is a “body state”. "Feelings” are sadness, joy, anger, fear, and the like. The strength of the "feeling" is input, for example, in five stages.
  • the user terminal 2 accepts the input information and displays it on the mental mechanism diagram list screen 6a.
  • the user terminal 2 can display a mental mechanism diagram screen 6b shown in the right diagram of FIG. 6 based on information such as the user's situation, behavior, thoughts, physical condition, and feelings.
  • the feelings of the user are displayed in the center.
  • the user's feeling is displayed by icons representing sadness, joy, anger, fear, and the like.
  • the strength of feeling is represented by the number of icons.
  • "situation" as an objective fact is displayed at the top
  • “action” and “thought” are displayed at the left and right
  • body state is displayed at the bottom.
  • the user terminal 2 corrects a negative "think" of the user, that is, a bias of cognition such as a negative mindset and a habit of receiving.
  • a negative "think" of the user that is, a bias of cognition such as a negative mindset and a habit of receiving.
  • Provide four objections (not shown).
  • a counter item that prompts the user to write out only the facts and objectively capture the facts
  • a counter item that allows the user to determine what percentage of his / her thoughts are correct
  • FIG. 7 is a schematic diagram illustrating an example of an activity target setting screen 7a related to activation of an action
  • FIG. 8 is a schematic diagram illustrating an example of an activity target list screen 7b.
  • the “activate action” icon 4c at the bottom of the screen is operated, the user terminal 2 displays an activity target setting screen 7a on which a list of scheduled activity targets is displayed as shown in FIG.
  • the add button is operated, as shown in FIG. 8, the user terminal 2 displays an activity target list screen 7b in which a list of activity targets suitable for the user's attribute and mental state is displayed.
  • the activity targets to be listed are managed by the information processing device 1.
  • the information processing device 1 determines the activity goals to be listed in order from the top according to the attribute and the mental state of the user, and generates a plurality of activity goals and activity goal list information indicating the order of listing the activity goals.
  • the user terminal 2 that has received the activity target list information displays a list of activity targets based on the activity target list information. A method of selecting an activity goal suitable for the user will be described later.
  • FIG. 9 is a schematic diagram showing an example of the activity result input screen 8.
  • the user can input a sense of accomplishment and joy by acting on the user terminal 2 from the activity result input screen 8 shown in FIG.
  • the user terminal 2 transmits the received sense of achievement and joy and the activity target information to the information processing device 1.
  • the information processing device 1 receives the information transmitted from the user terminal 2 and stores the information as an activity history.
  • FIG. 10 is a schematic diagram illustrating an example of the stress check screen 9.
  • the user terminal 2 periodically checks the user for stress. Specifically, the user terminal 2 displays a stress check screen 9 as shown in FIG.
  • the stress check screen 9 displays a plurality of questions and check boxes for selecting an answer.
  • the user inputs an answer to the question to the user terminal 2 by checking the check box.
  • the user terminal 2 displays the stress level based on the input answer information. Further, the user terminal 2 transmits the input answer information to the information processing device 1.
  • the information processing device 1 receives the response information and stores the received response information as a stress check result.
  • FIG. 11 is a functional block diagram of the information processing device 1.
  • the information processing apparatus 1 includes, as functional units, a first learned model (session order) 101, a second learned model (session speed) 102, a third learned model (activity target selection) 103, and a fourth learned model (encouragement).
  • the acquisition unit 105 acquires the user attribute information and the mental state information stored in the auxiliary storage unit 14 of the information processing device 1, and stores the acquired various information in the first to fourth learned models 101,. Input.
  • the first to fourth trained models 101,..., 104 calculate and provide a method of providing information related to cognitive behavior therapy by arithmetic processing using the input attribute information and mental state information, and the learned weighting coefficients. Outputs information about the method.
  • the information providing unit 106 transmits information on the cognitive behavior therapy to the user terminal 2 based on the information on the providing method output from the first to fourth learned models 101,..., 104.
  • the learning processing unit 107 is configured to improve the mental state of the user based on the information stored in the auxiliary storage unit 14 of the information processing device 1 so as to effectively improve the mental state of the user. ,..., 104 are additionally processed.
  • FIG. 12 is a schematic diagram showing a neural network of the first learned model 101.
  • the first trained model 101 includes a first neural network 101a.
  • the first neural network 101a includes an input layer 101b to which various information related to the attribute and mental state of the user is input, and an intermediate layer that performs an operation based on learned weighting factors for the information input to the input layer 101b.
  • 101c and an output layer 101d that outputs an expected value that improves the mental state of the user when a specific session is provided to the user.
  • attribute information such as a user's age, gender, and occupation, stress state, session history, comment characters, activity history, stress check result, and voice and image information are input.
  • the audio information may be image data representing an audio waveform, or may be time-series data.
  • image information is input to the input layer 101b via a convolution layer and a convolution layer (not shown).
  • the output layer 101d has a plurality of neurons. Each neuron corresponds to, for example, each of a plurality of sessions provided by the information processing apparatus 1, and outputs an expected value at which a mental state is improved by providing each session to a user.
  • the expected value output from the output layer 101d indicates which session should be opened to the user at the present time by a numerical value of 0% to 100%. The higher the expected value, the more the session should be opened to the user.
  • the information providing unit 106 executes a process of selecting a session having the highest expected value from among sessions not yet opened to the user, and transmitting information for opening the session to the user to the user terminal 2. I do.
  • the configuration and type of the first neural network 101a are not particularly limited, and a deep neural network such as CNN (Convolutional Neural Network), RNN (Recurrent Neural Network), LSTM (Long Short-Term Memory), or a combination thereof. It may be a combined deep neural network.
  • CNN Convolutional Neural Network
  • RNN Recurrent Neural Network
  • LSTM Long Short-Term Memory
  • the learning method of the first neural network 101a is as follows.
  • the learning processing unit 107 obtains information on attributes and mental states of a plurality of users from the auxiliary storage unit 14 and results of improvement of the mental states of the users when providing session information based on a certain session providing order. Is read.
  • the improvement result can be calculated from the history of the stress check.
  • the learning processing unit 107 sets the weighting coefficient so that the expected value output from the output layer 101d when the information regarding the attribute and the mental state of the user is input to the input layer 101b corresponds to the improvement result.
  • the first neural network 101a can be learned by, for example, reinforcement learning. If the order of providing sessions suitable for the attributes and mental states of the user is known, supervised initial learning data may be prepared, and the first neural network 101a may be learned by supervised learning.
  • FIG. 13 is a schematic diagram showing a neural network of the second learned model 102.
  • the second trained model 102 includes a second neural network 102a.
  • the second neural network 102a includes an input layer 102b to which various types of information relating to the attribute and mental state of the user are input, and an intermediate layer that performs an operation based on learned weighting factors for the information input to the input layer 102b. 102c, and an output layer 102d that outputs an expected value that improves the mental state of the user when the session information is provided at a specific providing speed.
  • the information input to the input layer 102b and the details of the network configuration are the same as those of the first learned model 101.
  • the output layer 102d has a plurality of neurons.
  • Each neuron corresponds to, for example, a plurality of providing speeds of a session provided by the information processing apparatus 1, and outputs an expected value at which a mental state is improved by providing a user with a session at each providing speed.
  • the expected value output from the output layer 102d indicates whether the session should be provided to the user at the current providing speed by a numerical value of 0% to 100%. The higher the expected value, the more appropriate the providing speed for the user.
  • the learning method of the second neural network 102a is as follows.
  • the learning processing unit 107 stores, from the auxiliary storage unit 14, information on attributes and mental states of a plurality of users and an improvement result of the mental states of the users when providing session information based on a certain provision speed. read out. Then, the learning processing unit 107 adjusts the weight coefficient so that the expected value output from the output layer 102d when the information regarding the attribute and the mental state of the user is input to the input layer 102b corresponds to the improvement result.
  • the second neural network 102a can be learned by, for example, reinforcement learning. If the session providing speed suitable for the user's attribute and mental state is known, supervised initial learning data may be prepared, and the second neural network 102a may be learned by supervised learning.
  • FIG. 14 is a schematic diagram illustrating a neural network of the third learned model 103.
  • the third learned model 103 includes a third neural network 103a.
  • the third neural network 103a includes an input layer 103b to which various types of information relating to the attributes and mental states of the user are input, and an intermediate layer that performs an operation based on learned weighting factors for the information input to the input layer 103b.
  • 103c and an output layer 103d that outputs an expected value that improves the mental state of the user when a list of specific activity items is provided.
  • Information input to the input layer 103b and details of the network configuration are the same as those of the first learned model 101.
  • the output layer 103d has a plurality of neurons.
  • Each neuron corresponds to, for example, an activity goal provided by the information processing apparatus 1, and outputs an expected value at which a mental state is improved by a user practicing each activity goal. It is expected that the mental state will be improved more effectively by acting according to the activity goal suitable for the current user's attribute and mental state.
  • the expected value output from the output layer 103d indicates whether the current activity goal should be provided to the user by a numerical value of 0% to 100%. The higher the expected value, the more appropriate the activity goal for the user.
  • the learning method of the third neural network 103a is as follows.
  • the learning processing unit 107 reads, from the auxiliary storage unit 14, information on the attributes and mental states of a plurality of users and an improvement result of the mental states of the users when a certain activity goal is provided. Then, the learning processing unit 107 sets the weighting coefficient so that the expected value output from the output layer 103d when the information regarding the attribute and the mental state of the user is input to the input layer 103b corresponds to the improvement result.
  • the third neural network 103a can be learned by, for example, reinforcement learning. If the activity goal suitable for the user's attribute and mental state is known, supervised initial learning data may be prepared, and the third neural network 103a may be learned by supervised learning.
  • FIG. 15 is a schematic diagram showing a neural network of the fourth learned model 104.
  • the fourth learned model 104 includes a fourth neural network 104a.
  • the fourth neural network 104a includes an input layer 104b to which various types of information relating to the attribute and mental state of the user are input, and an intermediate layer that performs an operation based on learned weighting factors for the information input to the input layer 104b. 104c, and an output layer 104d that outputs an expected value that improves the mental state of the user when a specific encouragement mail is provided.
  • Information input to the input layer 104b and details of the network configuration are the same as those of the first learned model 101.
  • the output layer 104d has a plurality of neurons.
  • Each neuron corresponds to, for example, the content of the encouragement mail provided by the information processing apparatus 1, and outputs an expected value for improving the mental state by receiving the encouragement mail by the user. It is expected that the mental state will be improved more effectively by sending the encouragement mail suitable for the attribute and the mental state of the user at the present time.
  • the expected value output from the output layer 104d is a numerical value from 0% to 100% indicating whether or not the present encouragement mail should be provided to the user. The larger the expected value is, the better the encouragement mail is for the user.
  • the learning method of the fourth neural network 104a is as follows.
  • the learning processing unit 107 reads, from the auxiliary storage unit 14, information on the attributes and mental states of a plurality of users and an improvement result of the mental states of the users when a certain encouragement mail is transmitted. Then, the learning processing unit 107 sets the weight coefficient so that the expected value output from the output layer 104d when the information regarding the attribute and the mental state of the user is input to the input layer 104b corresponds to the improvement result.
  • the fourth neural network 104a can be learned by, for example, reinforcement learning. If the content of the encouragement mail suitable for the attribute and mental state of the user is known, supervised initial learning data may be prepared, and the fourth neural network 104a may be learned by supervised learning.
  • the first to fourth trained models 101,..., 104 are individually configured.
  • the order of providing sessions, the providing speed, the activity target, the encouragement mail May be configured to output an expected value for selecting the content of (1).
  • the learned model using the neural network is illustrated, other known machine learning models such as a reinforcement learning model without using a neural network, a support vector machine, and clustering may be used.
  • the learning processing unit 107 can additionally learn the first to fourth learned models 101,..., 104 using the data.
  • the learning processing unit 107 reads the attribute information and the mental state information of the user stored in the user DB 14a, as in the initial learning of the first to fourth learned models 101,.
  • Each of the learning models is additionally learned so that the information input to the fourth to fourth learned models 101,..., And 104 corresponds to the improved state of the mental state of each user.
  • the timing for executing the additional learning is not particularly limited.
  • cognitive behavior therapy can be performed according to the attributes and mental state of a mentally ill patient such as depression and a general user who is feeling stress.
  • cognitive behavior therapy can be advanced in a more appropriate manner according to the state of the user.
  • the first to fourth learned models 101,..., 104 can be additionally learned, and the cognitive behavior therapy can be more appropriately executed.
  • a more appropriate session can be selected and opened to the user according to the user's attributes and mental state, and cognitive behavior therapy can be more effectively performed.
  • the session can be opened to the user at a more appropriate speed according to the user's attribute and mental state, and cognitive behavior therapy can be more effectively performed.
  • a more appropriate activity goal can be selected and displayed according to the user's attributes and mental state, and cognitive behavior therapy can be more effectively performed.

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

利用者の精神状態を、通信網を介して行う認知行動療法により改善させるための情報を提供する情報処理方法であって、利用者の属性及び精神状態に係る情報を取得し、利用者の属性及び精神状態に応じて該精神状態を改善させるための情報の提供方法が算出されるように機械学習させた学習済みモデルに、取得した前記属性及び精神状態に係る情報を入力して情報の提供方法を算出し、前記学習済みモデルによって算出された提供方法に基づいて、利用者の精神状態を改善させるための情報を、通信網を介して利用者に提供する。

Description

情報処理方法、コンピュータプログラム、学習済みモデル及び情報処理装置
　本発明は、ＩＣＴ（Information and Communication Technology）を活用した認知行動療法を実現するための情報処理方法、コンピュータプログラム及び情報処理装置に関する。
　うつ病等の精神疾患及びその予防に対して認知行動療法（Cognitive Behavioral Therapy: CBT）と呼ばれる精神療法が有効であることが知られている。現実の受け取り方、ものの見方等の認知のあり方や行動は、人の感情や気持ちに影響を与えている。認知行動療法は、認知の偏りや行動の癖を修正することよって、精神疾患を治療するものである。人の気持ちを直接変えることは難しいが、認知と行動を意識的に変化させることによって、ネガティブな感情を間接的に整えていくことによって、人の精神状態を改善させることができる。認知行動療法は、精神疾患を有する患者のみならず、精神疾患を有しない人においてもメンタルストレスを改善する効果があることが知られている。しかし、認知行動療法を一般に広く提供する方法がなく、普及しなかった。
　この問題を解決するものとして、ＩＣＴ基盤を活用し、スマートフォンアプリを用いた認知行動療法が提案されている。このスマートフォンアプリは、認知行動療法を会話形式で段階的に説明するセッションを提供する。利用者は、治療者のキャラクターと、利用者自身のアバターの間で会話的にストーリー展開するセッションを読むことによって、認知行動療法の基礎知識を負担なく学習することができる。また、利用者は、認知行動療法で用いられるこころの仕組み図の作成、行動活性化及び認知再構成の実践、ストレスチェックをスマートフォンアプリ上で、いつでもどこでも行うことができる。
　このようなスマートフォンアプリを用いた認知行動療法においても、ランダム化試験でその安全性と有効性が認められている。スマートフォンアプリを用いることにより、利用者は気軽に認知行動療法に取り組むことができる。
今井　必生、古川　壽亮、堀越　勝、川西　直、長谷川　晃朗、武内　良男、大橋　正良、スマートフォンによる認知行動療法アプリの効果、２０１４年電子情報通信学会
　しかしながら、従来のスマートフォンアプリにおいては、認知行動療法の進め方はおおよそ固定的なものであり、必ずしも個々の利用者に最適な方法で認知行動療法が実施されるものではなかった。
　本開示の目的は、利用者の属性及び精神状態に応じた進め方で認知行動療法を実施することができる情報処理方法、コンピュータプログラム、学習済みモデル及び情報処理装置を提供することにある。
　本発明に係る情報処理方法は、利用者の精神状態を、通信網を介して行う認知行動療法により改善させるための情報を提供する情報処理方法であって、利用者の属性及び精神状態に係る情報を取得し、利用者の属性及び精神状態に応じて該精神状態を改善させるための情報の提供方法が算出されるように機械学習させた学習済みモデルに、取得した前記属性及び精神状態に係る情報を入力して情報の提供方法を算出し、前記学習済みモデルによって算出された提供方法に基づいて、利用者の精神状態を改善させるための情報を、通信網を介して利用者に提供する。
　本発明に係るコンピュータプログラムは、利用者の精神状態を、通信網を介して行う認知行動療法により改善させるための情報をコンピュータに提供させるためのコンピュータプログラムであって、前記コンピュータに、利用者の属性及び精神状態に係る情報を取得し、利用者の属性及び精神状態に応じて該精神状態を改善させるための情報の提供方法が算出されるように機械学習させた学習済みモデルに、取得した前記属性及び精神状態に係る情報を入力して情報の提供方法を算出し、前記学習済みモデルによって算出された提供方法に基づいて、利用者の精神状態を改善させるための情報を、通信網を介して利用者に提供する処理を実行させる。
　本発明に係る学習済みモデルは、認知行動療法により利用者の精神状態を改善させるための情報を特定の提供方法で提供した場合に、利用者の精神状態が改善される期待値を出力するように、コンピュータを機能させる学習済みモデルであって、前記利用者の属性及び精神状態に係る情報が入力される入力層と、該入力層に入力された情報に対して学習済みの重み係数に基づく演算を行う中間層と、前記利用者の属性及び精神状態に応じた提供方法に基づいて、該利用者の精神状態を改善させるための情報を提供した場合に、該利用者の精神状態が改善される期待値を出力する出力層とを有し、複数の利用者の属性及び精神状態に係る情報と、該情報に応じた提供方法に基づいて、該利用者の精神状態を改善させるための情報を提供したときの該利用者の精神状態の改善結果とに基づいて、前記入力層に入力された前記属性及び精神状態に応じて前記出力層から出力される期待値が前記改善結果に対応するように、前記重み係数を学習させてなるニューラルネットワークを備え、前記コンピュータに、前記入力層に入力された前記利用者の属性及び精神状態に係る情報及び前記重み係数に基づく演算を行い、前記利用者の精神状態を改善させる期待値を出力させる。
　本発明に係る情報処理装置は、利用者の精神状態を、通信網を介して行う認知行動療法により改善させるための情報を提供する情報処理装置であって、利用者の属性及び精神状態に係る情報を取得する取得部と、利用者の属性及び精神状態に応じて該精神状態を改善させるための情報の提供方法が算出されるように機械学習させた学習済みモデルと、前記取得部が取得した前記属性及び精神状態に係る情報を前記学習済みモデルに入力して情報の提供方法を算出する処理部と、算出された提供方法に基づいて、利用者の精神状態を改善させるための情報を、通信網を介して利用者に提供する提供部とを備える。
　本開示によれば、利用者の属性及び精神状態に応じた進め方で認知行動療法を実施することができる。
情報処理システムの構成例を示す模式図である。 情報処理装置の構成例を示すブロック図である。 利用者ＤＢのレコードレイアウトの一例を示す概念図である。 利用者端末の構成例を示すブロック図である。 セッション選択画面及びセッション提供画面の一例を示す模式図である。 こころの仕組み図リスト画面、こころの仕組み図画面の一例を示す模式図である。 行動活性化に係る活動目標設定画面の一例を示す模式図である。 活動目標リストの一例を示す模式図である。 活動結果の入力画面の一例を示す模式図である。 ストレスチェック画面の一例を示す模式図である。 情報処理装置の機能ブロック図である。 第１学習済みモデルのニューラルネットワークを示す模式図である。 第２学習済みモデルのニューラルネットワークを示す模式図である。 第３学習済みモデルのニューラルネットワークを示す模式図である。 第４学習済みモデルのニューラルネットワークを示す模式図である。
　以下、本発明をその実施形態を示す図面に基づいて詳述する。
　図１は、情報処理システムの構成例を示す模式図である。本実施形態に係る情報処理システムは、情報処理装置１、利用者端末２及び管理者端末３を備え、各端末はインターネット等の通信網Ｎを介して情報処理装置１に接続されている。情報処理システムは、ＩＣＴ基盤を活用した認知行動療法により、利用者の精神状態（利用者のストレス状態を含む）を改善させるものである。利用者には、精神疾患を有する患者のみならず、精神疾患を有しない人も含むものとする。精神疾患はうつ病、パニック障害等である。なお、言うまでもなく精神疾患の寛解はもちろん予防を目的として本情報処理システムを利用してもよい。本情報処理システムは、精神疾患を有しない利用者のストレス状態を改善させる目的で利用することもできる。
　管理者は、利用者に関係する者をいう。利用者が精神疾患患者である場合、医療者が管理者である。精神疾患を有しない利用者の場合、管理者は当該利用者の家族、友人等である。管理者の存在は必須ではない。
　情報処理装置１は、利用者端末２及び管理者端末３と通信を行うことができ、利用者の属性情報、精神状態情報、管理者の情報等を管理している。情報処理装置１は、利用者の精神状態（ストレス状態を含む）を改善させるための情報（例えば、認知行動療法を説明するセッション、認知行動療法で用いられるこころの仕組み図の作成、行動活性化及び認知再構成の実践等に必要な情報）を利用者端末２へ送信する。また、利用者は利用者端末２を用いて自身のストレスチェックを行うことができる。
　特に本実施形態に係る情報処理装置１は、利用者の属性及び精神状態に応じた順序及び速度でセッションを学習できるように制御するための情報を利用者端末２へ送信する処理を実行する。
　また、情報処理装置１は、行動活性化に係る複数の活動目標の中から利用者の属性及び精神状態に適した活動目標を選択し、選択された活動目標を示す情報を利用者端末２へ送信する処理を実行する。
　更に、情報処理装置１は、認知行動療法を実践している利用者を励まし、精神状態を改善させるため、利用者の属性及び精神状態に応じた内容及びタイミングで、励ましメールを利用者端末２へ送信する処理を実行する。
　更にまた、情報処理装置１は、管理者端末３と通信を行うことにより、利用者に関係する管理者から、当該利用者のストレス状態に係る情報を取得したり、利用者の精神状態に関する情報を管理者に提供したりすることができる。
　図２は、情報処理装置１の構成例を示すブロック図である。情報処理装置１は、制御部１１、主記憶部１２、通信部１３、補助記憶部１４を備えたコンピュータである。制御部１１は、一又は複数のＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro-Processing Unit）、ＧＰＵ（Graphics Processing Unit）等の演算処理装置を有し、補助記憶部１４に記憶されたコンピュータプログラムＰ１を読み出して実行することにより、種々の情報処理、制御処理等を行う。主記憶部１２は、ＳＲＡＭ（Static Random Access Memory）、ＤＲＡＭ（Dynamic Random Access Memory）、フラッシュメモリ等の一時記憶領域であり、制御部１１が演算処理を実行するために必要なデータを一時的に記憶する。通信部１３は、通信に関する処理を行うための処理回路、通信回路等を含み、利用者端末２及び管理者端末３との間で情報の送受信を行う。
　補助記憶部１４は大容量メモリ、ハードディスク等であり、制御部１１が、認知行動療法に必要な情報提供に係る処理を実行するために必要なコンピュータプログラムＰ１、その他のデータを記憶している。また、補助記憶部１４は、利用者ＤＢ１４ａ、活動目標ＤＢ１４ｂ、励ましメールＤＢ１４ｃ等を記憶している。
　利用者ＤＢ１４ａは、本システムを利用する利用者の情報を格納するデータベースである。活動目標ＤＢ１４ｂは、行動活性化に係る複数の活動目標を格納するデータベースである。励ましメールＤＢ１４ｃは、認知行動療法を実践する利用者を励ます複数のメッセージを格納するデータベースである。
　なお、補助記憶部１４は情報処理装置１に接続された外部記憶装置であってもよい。また、情報処理装置１は複数のコンピュータからなるマルチコンピュータであってもよく、ソフトウェアによって仮想的に構築された仮想マシンであってもよい。
　図３は、利用者ＤＢ１４ａのレコードレイアウトの一例を示す概念図である。利用者ＤＢ１４ａは、利用者ＩＤ列、名前列、属性情報を格納する年齢列、性別列、職業列、精神状態情報を格納するストレス状態列、セッション履歴列、コメント文字列、活動履歴列、ストレスチェック結果列、音声列、画像列等を含む。利用者ＩＤ列は、各利用者を識別するためのＩＤを記憶している。名前列は、利用者ＩＤと対応付けて、各利用者の氏名、ニックネーム等を記憶している。年齢列、性別列、職業列には、それぞれ利用者の年齢、性別及び職業が格納されている。
　ストレス状態列は、利用者ＩＤと対応付けて、管理者によって判断された利用者のストレス状態データを記憶している。管理者は、管理者端末３を用いて利用者のストレス状態を確認し、確認されたストレス状態データを情報処理装置１へ送信することができる。情報処理装置１は管理者端末３から送信されたストレス状態データを受信し、受信したストレス状態データを利用者ＤＢ１４ａのストレス状態列に格納する。
　例えば、利用者が精神疾患を有する患者、管理者は医療者であり、医療者は問診等によって利用者のストレス状態を判断し、問診結果をストレス状態データとして管理者端末３から情報処理装置１へ送信する。医療者には、医師、看護師、心理士等が含まれる。医師は主治医のみならず、主治医でない医師も含む。利用者が精神疾患を有しない者である場合、家族、友人、知人等の管理者が第三者の視点で利用者のストレス状態を判断し、判断結果をストレス状態データとして管理者端末３から情報処理装置１へ送信することもできる。
　セッション履歴列は、利用者によるセッションの受講履歴を、利用者ＩＤと対応付けて記憶している。受講履歴には、例えば利用者が受講したセッションのＩＤ、受講日時等の情報が含まれる。
　コメント文字列は、学習を終えたセッションに対する利用者のコメント文字及びコメント日時を、利用者ＩＤと対応付けて記憶している。セッションを受講した利用者は、セッションに対するコメント文字を、利用者端末２を用いて情報処理装置１へ送信することができる。情報処理装置１は利用者端末２から送信されたコメント文字を受信し、受信したコメント文字をコメント日時と共にコメント文字列に格納する。コメント日時は、コメント文字が利用者端末２に入力され、情報処理装置１へ送信された日時である。なお、コメント文字をそのままコメント文字列に格納せず、形態素解析等の構文解析、シソーラス解析、ベクトル空間解析等の意味解析による言語解析結果を文字コメント列に格納するように構成してもよい。
　活動履歴列は、行動活性化に係る活動履歴を、利用者ＩＤと対応付けて記憶している。活動履歴には、行動活性化のために利用者が設定した活動目標のＩＤ、実行した活動のＩＤ、活動を行った日時、活動結果等の情報が含まれる。活動結果は、利用者が利用者端末２を用いて入力する情報であり、目標として設定した活動を実行した後に得られた達成感、喜びを数値で表した情報である。
　ストレスチェック結果列は、Ｋ６と呼ばれるストレスチェック方法等を用いて、利用者が自身で行ったストレスチェック結果の履歴を、利用者ＩＤと対応付けて記憶している。音声列は、利用者端末２のマイク２７にて録音した利用者の音声データ及び録音日時の情報を、利用者ＩＤと対応付けて記憶している。画像列は、利用者端末２の撮像部２６にて利用者の顔を撮像した画像データ及び撮像日時の情報を、利用者ＩＤと対応付けて記憶している。
　利用者端末２は、利用者のストレスチェック結果、音声データ、画像データを情報処理装置１へ送信する。情報処理装置１は、利用者端末２から送信されたストレスチェック結果、音声データ、画像データを受信し、利用者ＤＢ１４ａのストレスチェック結果列、音声列、画像列に格納する。
　図４は、利用者端末２の構成例を示すブロック図である。利用者末機は、例えばスマートフォン、携帯電話、タブレット端末、ＰＤＡ（Personal Digital Assistant）等の可搬型の無線通信装置である。
　利用者端末２は、当該利用者端末２の各構成部の動作を制御する制御部２１、主記憶部２２、通信部２３、表示部２４、入力部２５、撮像部２６、マイク２７、スピーカ２８及び補助記憶部２９を備える。
　制御部２１は、一又は複数のＣＰＵ、ＭＰＵ等の演算処理装置を有し、補助記憶部２９に記憶されたコンピュータプログラムＰ２を読み出して実行することにより、種々の情報処理、制御処理等を行う。主記憶部２２は、ＲＡＭ等の一時記憶領域であり、制御部２１が演算処理を実行するために必要なデータを一時的に記憶する。通信部２３は、通信を行うためのアンテナ、処理回路、通信回路等を含み、情報処理装置１と情報の送受信を行う。表示部２４は、液晶ディスプレイ、有機ＥＬ（Electro Luminescence）ディスプレイ等の表示装置であり、制御部２１から与えられた画像を表示する。入力部２５は、タッチパネル、メカニカルキー等の操作インターフェイスであり、操作内容を制御部２１に入力する。撮像部２６は、ＣＭＯＳ（Complementary Metal-Oxide-Semiconductor）イメージセンサ、ＣＣＤ（Charge Coupled Device）イメージセンサ等の撮像素子を有する撮像機構であり、利用者による操作入力に従って撮像する。スピーカ２８は、制御部２１から与えられた音声データを音波に変換して出力する。マイク２７は、音波を音声データに変換し、変換した音声データを制御部２１に与える。補助記憶部２９は不揮発性の半導体メモリであり、制御部２１が処理を実行するために必要なコンピュータプログラムＰ２、その他のデータを記憶している。本実施形態では、認知行動療法を学習するための複数のセッションの情報をコンピュータプログラムＰ２として補助記憶部２９が記憶しているものとする。なお、セッションの情報を情報処理装置１が利用者端末２へ都度送信するように構成してもよい。
　以下、本実施形態に係る情報処理システムにて実施される認知行動療法の概要をまず説明し、次いで認知行動療法の進行制御方法を説明する。
＜セッションの提供＞
　図５は、セッション選択画面５ａ及びセッション提供画面５ｂの一例を示す模式図である。利用者端末２は、画面下の「セッション」のアイコン４ａが操作された場合、図５左図に示すようにセッション選択画面５ａを表示する。セッション選択画面５ａには、「認知行動療法＝ＣＢＴとは」、「ストレスチェック（Ｋ６）とは」、「こころの仕組み図とは」等、複数のセッションの項目名リストが表示される。利用者は、セッションの項目名をクリックすると、対応するセッション提供画面５ｂが図５右図のように表示される。利用者は、インストラクターのキャラクターと、自身のアバターとの間で行われる会話の形式で当該セッションの内容を学ぶことができる。
　ただし、利用者端末２は、利用者の属性及び精神状態に応じて、段階的にセッションを開放するように構成されている。開放されていないセッション、つまりロックされているセッションの項目名を利用者がクリックしてもセッション提供画面５ｂは表示されない。セッションを開放するタイミング、セッションを開放する順序は情報処理装置１によって管理されている。情報処理装置１は利用者の属性及び精神状態に応じて、セッションを開放するタイミング、開放順序を決定し、開放するセッションのＩＤ及び開放指示を利用者端末２へ送信する。当該ＩＤ及び開放指示を受信した利用者端末２は、当該ＩＤに対応するセッションを利用者に開放する。利用者に開放するセッション、開放順序の決定方法は後述する。
＜こころの仕組み図＞
　図６は、こころの仕組み図リスト画面６ａ、こころの仕組み図画面６ｂの一例を示す模式図である。利用者端末２は、画面下の「こころの仕組み図」のアイコン４ｂが操作された場合、図６左図に示すようにこころの仕組み図リスト画面６ａを表示する。利用者は、追加ボタンを操作し、悩みやトラブル等で自身の感情が動いた瞬間の状況と、行動、考え、体の状態、気持ち及びその強さを入力する。「状況」は、利用者自身のまわりで起こった客観的事実である。「行動」は、利用者が自分の意志で行った動作である。例えば、走る、寝る、食事をする等の動作が「行動」である。「考え」は、ある状況にある利用者が考えたこと、例えば、「検定試験に落ちた私はダメロボットだ。」、「同期から落ちこぼれてしまった。」等、文章で表現できるものである。「体の状態」は、利用者の意志とは無関係に自然に生じる体の変化である。例えば、涙が出る、動機がする等の変化が「体の状態」である。「気持ち」は、悲しみ、喜び、怒り、恐怖等である。また、「気持ち」の強さは、例えば５段階で入力される。
　利用者端末２は入力された上記情報を受け付け、こころの仕組み図リスト画面６ａに表示する。また、利用者端末２は、利用者の状況、行動、考え、体の状態、気持ち等の情報に基づいて図６右図に示すこころの仕組み図画面６ｂを表示することができる。こころの仕組み図には、利用者の気持ちが中央に表示される。利用者の気持ちは、悲しみ、喜び、怒り、恐怖等を表したアイコンで表示される。気持ちの強さは、アイコンの個数で表される。こころの仕組み図の上部には、客観的事実としての「状況」が上部に表示され、左右に「行動」及び「考え」が表示され、下部に「体の状態」が表示される。
　画面下の「認知再構成」のアイコン４ｄが操作された場合、利用者端末２は、利用者のネガティブな「考え」つまり、ネガティブな考え方、受け取り方の癖といった認知の偏りを修正するための４つの反論アイテムを提供する（不図示）。例えば、利用者に事実のみを書き出し、客観的に事実を捉えることを促す反論アイテム、自身の考えが何％正しいかを割合で判断させる反論アイテム、同じ悩みを抱えている友達を想定し、アドバイスを考えさせる反論アイテム、「今できることは何か？」を自身にインタビューして考えさせる反論アイテム等がある。利用者は、これらの反論アイテムを用いることによって認知の偏りを修正することができる。
＜行動活性化法＞
　図７は、行動活性化に係る活動目標設定画面７ａの一例を示す模式図、図８は、活動目標リスト画面７ｂの一例を示す模式図である。利用者端末２は、画面下の「行動活性化」のアイコン４ｃが操作された場合、図７に示すように活動目標の予定がリスト表示された活動目標設定画面７ａを表示する。追加ボタンが操作された場合、利用者端末２は図８に示すように、利用者の属性及び精神状態に適した活動目標がリスト表示された活動目標リスト画面７ｂを表示する。リストアップする活動目標は情報処理装置１によって管理されている。情報処理装置１は利用者の属性及び精神状態に応じて、上から順にリストアップする活動目標を決定し、複数の活動目標と、当該活動目標をリストアップする順序を示した活動目標リスト情報を利用者端末２へ送信する。活動目標リスト情報を受信した利用者端末２は、当該活動目標リスト情報に基づいて行動目標をリスト表示する。利用者に適した活動目標の選択方法は後述する。
　図９は、活動結果入力画面８の一例を示す模式図である。利用者は活動目標に従って行動した場合、図９に示す活動結果入力画面８から、行動したことによる達成感、よろこびを１０段階評価で利用者端末２に入力することができる。利用者端末２は、受け付けた達成感及びよろこびの情報と、活動目標情報とを情報処理装置１へ送信する。情報処理装置１は、利用者端末２から送信された情報を受信し、活動履歴として記憶する。
＜ストレスチェック＞
　図１０は、ストレスチェック画面９の一例を示す模式図である。利用者端末２は、定期的に利用者のストレスチェックを行う。具体的には、利用者端末２は図１０に示すようなストレスチェック画面９を表示する。ストレスチェック画面９には、複数の質問内容と、回答を選択するためのチェックボックスとが表示される。利用者は、チェックボックスにチェックを入れることで質問に対する回答を利用者端末２に入力する。利用者端末２は入力された回答情報に基づいてストレス度を表示する。また、利用者端末２は入力された回答情報を情報処理装置１へ送信する。情報処理装置１は、回答情報を受信し、受信した回答情報をストレスチェック結果として記憶する。
＜利用者の精神状態を改善させるための情報の提供方法＞
　利用者の精神状態を改善させるための情報としては、例えば、セッション順序、セッション速度、活動目標の選択、励ましメール選択等を挙げることができる。
　図１１は、情報処理装置１の機能ブロック図である。情報処理装置１は、機能部として第１学習済みモデル（セッション順序）１０１、第２学習済みモデル（セッション速度）１０２、第３学習済みモデル（活動目標選択）１０３、第４学習済みモデル（励ましメール選択）１０４、取得部１０５、情報提供部１０６及び学習処理部１０７を備える。取得部１０５は、情報処理装置１の補助記憶部１４に蓄積された利用者の属性情報及び精神状態情報を取得し、取得した各種情報を第１乃至第４学習済みモデル１０１，…，１０４に入力させる。第１乃至第４学習済みモデル１０１，…，１０４は入力された属性情報及び精神状態情報、学習済みの重み係数を用いた演算処理により、認知行動療法に係る情報の提供方法を算出し、提供方法に係る情報を出力する。情報提供部１０６は、第１乃至第４学習済みモデル１０１，…，１０４から出力された提供方法に係る情報に基づいて、認知行動療法に係る情報を利用者端末２へ送信する。
　学習処理部１０７は、情報処理装置１の補助記憶部１４に蓄積された情報に基づいて、利用者の精神状態を効果的に改善させることができるように、第１乃至第４学習済みモデル１０１，…，１０４を追加学習させる処理部である。
　図１２は、第１学習済みモデル１０１のニューラルネットワークを示す模式図である。第１学習済みモデル１０１は第１ニューラルネットワーク１０１ａを備える。第１ニューラルネットワーク１０１ａは、利用者の属性及び精神状態に係る各種情報が入力される入力層１０１ｂと、入力層１０１ｂに入力された情報に対して学習済みの重み係数に基づく演算を行う中間層１０１ｃと、特定のセッションを利用者に提供した場合に利用者の精神状態が改善される期待値を出力する出力層１０１ｄとを有する。
　入力層１０１ｂには、例えば、利用者の年齢、性別、職業等の属性情報、ストレス状態、セッション履歴、コメント文字、活動履歴、ストレスチェック結果、音声及び画像の情報が入力される。音声の情報は音声波形を表した画像データであってもよいし、時系列データであってもよい。なお、画像の情報は、図示しない畳み込み層、コンボリューション層を介して入力層１０１ｂに入力される。
　出力層１０１ｄは複数のニューロンを有する。各ニューロンは、例えば情報処理装置１が提供する複数のセッションそれぞれに対応しており、各セションを利用者に提供することによって、精神状態が改善される期待値を出力する。現時点の利用者の属性及び精神状態に適したセッションを学習することによって、利用者は認知行動療法をより効率的に正しく理解することができ、認知再構成や、活性化行動に係る活動をより効率的に実践し、その結果、精神状態がより効果的に改善されることが期待される。出力層１０１ｄから出力される期待値は、現時点でどのセッションを利用者に開放すべきかを０％～１００％の数値で示したものである。期待値が大きい程、利用者に開放すべきセッションであることになる。
　情報提供部１０６は、未だ利用者に開放されていないセッションの内、最も期待値が高いセッションを選択し、当該セッションを利用者に開放するための情報を利用者端末２へ送信する処理を実行する。
　第１ニューラルネットワーク１０１ａの構成及び種類は、特に限定されるものでは無く、ＣＮＮ（Convolutional Neural Network）、ＲＮＮ（Recurrent Neural Network）、ＬＳＴＭ（Long Short-Term Memory）等のディープニューラルネットワーク、又はこれらを組み合わせたディープニューラルネットワークであってもよい。
　第１ニューラルネットワーク１０１ａの学習方法は次の通りである。学習処理部１０７は、補助記憶部１４から、複数の利用者の属性及び精神状態に係る情報と、あるセッション提供順序に基づいてセッション情報を提供したときの当該利用者の精神状態の改善結果とを読み出す。改善結果は、ストレスチェックの履歴から算出することができる。そして、学習処理部１０７は、利用者の属性及び精神状態に係る情報が入力層１０１ｂに入力されたときに出力層１０１ｄから出力される期待値が、当該改善結果と対応するように重み係数を機械学習させる。第１ニューラルネットワーク１０１ａは例えば、強化学習によって学習させることができる。また、利用者の属性及び精神状態に適したセッションの提供順序が既知である場合、教師付の初期学習用データを用意し、教師あり学習によって第１ニューラルネットワーク１０１ａを学習させてもよい。
　図１３は、第２学習済みモデル１０２のニューラルネットワークを示す模式図である。第２学習済みモデル１０２は第２ニューラルネットワーク１０２ａを備える。第２ニューラルネットワーク１０２ａは、利用者の属性及び精神状態に係る各種情報が入力される入力層１０２ｂと、入力層１０２ｂに入力された情報に対して学習済みの重み係数に基づく演算を行う中間層１０２ｃと、特定の提供速度でセッション情報を提供した場合に、利用者の精神状態が改善される期待値を出力する出力層１０２ｄとを有する。入力層１０２ｂに入力される情報、ネットワーク構成の詳細は第１学習済みモデル１０１と同様である。
　出力層１０２ｄは複数のニューロンを有する。各ニューロンは、例えば情報処理装置１が提供するセッションの複数の提供速度に対応しており、各提供速度でセッションを利用者に提供することによって、精神状態が改善される期待値を出力する。現時点の利用者の属性及び精神状態に適した速度でセッションを学習することによって、利用者は認知行動療法をより効率的に正しく理解することができ、認知再構成や、活性化行動に係る活動をより効率的に実践し、その結果、精神状態がより効果的に改善されることが期待される。出力層１０２ｄから出力される期待値は、現時点である提供速度でセッションを利用者に提供すべきかを０％～１００％の数値で示したものである。期待値が大きい程、利用者に適した提供速度であることになる。
　第２ニューラルネットワーク１０２ａの学習方法は次の通りである。学習処理部１０７は、補助記憶部１４から、複数の利用者の属性及び精神状態に係る情報と、ある提供速度に基づいてセッション情報を提供したときの当該利用者の精神状態の改善結果とを読み出す。そして、学習処理部１０７は、利用者の属性及び精神状態に係る情報が入力層１０２ｂに入力されたときに出力層１０２ｄから出力される期待値が、当該改善結果と対応するように重み係数を機械学習させる。第２ニューラルネットワーク１０２ａは例えば、強化学習によって学習させることができる。また、利用者の属性及び精神状態に適したセッションの提供速度が既知である場合、教師付の初期学習用データを用意し、教師あり学習によって第２ニューラルネットワーク１０２ａを学習させてもよい。
　図１４は、第３学習済みモデル１０３のニューラルネットワークを示す模式図である。第３学習済みモデル１０３は第３ニューラルネットワーク１０３ａを備える。第３ニューラルネットワーク１０３ａは、利用者の属性及び精神状態に係る各種情報が入力される入力層１０３ｂと、入力層１０３ｂに入力された情報に対して学習済みの重み係数に基づく演算を行う中間層１０３ｃと、特定の活動項目のリストを提供した場合に、利用者の精神状態が改善される期待値を出力する出力層１０３ｄとを有する。入力層１０３ｂに入力される情報、ネットワーク構成の詳細は第１学習済みモデル１０１と同様である。
　出力層１０３ｄは複数のニューロンを有する。各ニューロンは、例えば情報処理装置１が提供する活動目標に対応しており、各活動目標を利用者が実践することによって、精神状態が改善される期待値を出力する。現時点の利用者の属性及び精神状態に適した活動目標に従って行動することによって、精神状態がより効果的に改善されることが期待される。出力層１０３ｄから出力される期待値は、現時点である活動目標を利用者に提供すべきかを０％～１００％の数値で示したものである。期待値が大きい程、利用者に適した活動目標であることになる。
　第３ニューラルネットワーク１０３ａの学習方法は次の通りである。学習処理部１０７は、補助記憶部１４から、複数の利用者の属性及び精神状態に係る情報と、ある活動目標を提供したときの当該利用者の精神状態の改善結果とを読み出す。そして、学習処理部１０７は、利用者の属性及び精神状態に係る情報が入力層１０３ｂに入力されたときに出力層１０３ｄから出力される期待値が、当該改善結果と対応するように重み係数を機械学習させる。第３ニューラルネットワーク１０３ａは例えば、強化学習によって学習させることができる。また、利用者の属性及び精神状態に適した活動目標が既知である場合、教師付の初期学習用データを用意し、教師あり学習によって第３ニューラルネットワーク１０３ａを学習させてもよい。
　図１５は、第４学習済みモデル１０４のニューラルネットワークを示す模式図である。第４学習済みモデル１０４は第４ニューラルネットワーク１０４ａを備える。第４ニューラルネットワーク１０４ａは、利用者の属性及び精神状態に係る各種情報が入力される入力層１０４ｂと、入力層１０４ｂに入力された情報に対して学習済みの重み係数に基づく演算を行う中間層１０４ｃと、特定の励ましメールを提供した場合に、利用者の精神状態が改善される期待値を出力する出力層１０４ｄとを有する。入力層１０４ｂに入力される情報、ネットワーク構成の詳細は第１学習済みモデル１０１と同様である。
　出力層１０４ｄは複数のニューロンを有する。各ニューロンは、例えば情報処理装置１が提供する励ましメールの内容に対応しており、各励ましメールを利用者が受信することによって、精神状態が改善される期待値を出力する。現時点の利用者の属性及び精神状態に適した励ましメールを送信することによって、精神状態がより効果的に改善されることが期待される。出力層１０４ｄから出力される期待値は、現時点である励ましメールを利用者に提供すべきかを０％～１００％の数値で示したものである。期待値が大きい程、利用者に適した励ましメールであることになる。
　第４ニューラルネットワーク１０４ａの学習方法は次の通りである。学習処理部１０７は、補助記憶部１４から、複数の利用者の属性及び精神状態に係る情報と、ある励ましメールを送信したときの当該利用者の精神状態の改善結果とを読み出す。そして、学習処理部１０７は、利用者の属性及び精神状態に係る情報が入力層１０４ｂに入力されたときに出力層１０４ｄから出力される期待値が、当該改善結果と対応するように重み係数を機械学習させる。第４ニューラルネットワーク１０４ａは例えば、強化学習によって学習させることができる。また、利用者の属性及び精神状態に適した励ましメールの内容が既知である場合、教師付の初期学習用データを用意し、教師あり学習によって第４ニューラルネットワーク１０４ａを学習させてもよい。
　なお、上記の例では、第１乃至第４学習済みモデル１０１，…，１０４を各別に構成してあるが、１つのニューラルネットワークを用いて、セッションの提供順序、提供速度、活動目標、励ましメールの内容を選択するための期待値を出力するように構成してもよい。なお、ニューラルネットワークを用いた学習済みモデルを例示したが、ニューラルネットワークを用いない強化学習モデル、サポートベクタマシン、クラスタリング等、その他の公知の機械学習モデルを利用してもよい。
＜追加学習＞
　学習処理部１０７は、利用者ＤＢ１４ａに一定量の新たなデータが蓄積されると、当該データを用いて第１乃至第４学習済みモデル１０１，…，１０４を追加学習させることができる。学習処理部１０７は、第１乃至第４学習済みモデル１０１，…，１０４の初期学習と同様、利用者ＤＢ１４ａに蓄積された利用者の属性情報及び精神状態情報を読み出し、読み出した情報を第１乃至第４学習済みモデル１０１，…，１０４に入力させ、出力される情報が、各利用者の精神状態の改善状態と対応するように、各学種モデルを追加学習させる。追加学習を実行するタイミングは特に限定されるものではない。
　このように構成された情報処理システムによれば、うつ病等の精神疾患患者、ストレスを感じている一般の利用者の属性及び精神状態に応じた認知行動療法を実施することができる。
　また、深層学習された第１乃至第４学習済みモデル１０１，…，１０４を用いることにより、利用者の状態に合わせたより適切な方法で認知行動療法を進行させることができる。
　更に、認知行動療法を実施する過程で、第１乃至第４学習済みモデル１０１，…，１０４を追加学習させることができ、認知行動療法をより適切に実行することが可能になる。
　具体的には、利用者の属性及び精神状態に応じて、より適切なセッションを選択して利用者に開放するができ、より効果的に認知行動療法を実施することができる。
　また、利用者の属性及び精神状態に応じて、より適切な速度でセッションを利用者に開放するができ、より効果的に認知行動療法を実施することができる。
　更に、利用者の属性及び精神状態に応じて、より適切な活動目標を選択し、リスト表示させることができ、より効果的に認知行動療法を実施することができる。
　更にまた、利用者の属性及び精神状態に応じて、より適切な励ましメールを選択して利用者に送信することができ、より効果的に認知行動療法を実施することができる。
　更にまた、利用者の年齢、性別、職業等の属性情報を加味して、認知行動療法の進行方法を決定することができる。
　更にまた、過去に実行した利用者の活動、活動結果、精神状態の改善状態を加味して、認知行動療法の進行方法を決定することができる。
　更にまた、利用者の声、顔つきを加味して、認知行動療法の進行方法を決定することができる。
　更にまた、利用者が書き込むコメントの文字内容を加味して、認知行動療法の進行方法を決定することができる。
　今回開示された実施形態はすべての点で例示であって、制限的なものではないと考えられるべきである。本発明の範囲は、上記した意味ではなく、請求の範囲によって示され、請求の範囲と均等の意味及び範囲内でのすべての変更が含まれることが意図される。
　１　情報処理装置
　２　利用者端末
　３　管理者端末
　４ａ　「セッション」のアイコン
　４ｂ　「こころの仕組み図」のアイコン
　４ｃ　「行動活性化」のアイコン
　４ｄ　「認知再構成」のアイコン
　５ａ　セッション選択画面
　５ｂ　セッション提供画面
　６ａ　こころの仕組み図リスト画面
　６ｂ　こころの仕組み図画面
　７ａ　活動目標設定画面
　７ｂ　活動目標リスト画面
　８　活動結果入力画面
　９　ストレスチェック画面
　１１　制御部
　１２　主記憶部
　１３　通信部
　１４　補助記憶部
　１４ａ　利用者ＤＢ
　１４ｂ　活動目標ＤＢ
　１４ｃ　励ましメールＤＢ
　２１　制御部
　２２　主記憶部
　２３　通信部
　２４　表示部
　２５　入力部
　２６　撮像部
　２７　マイク
　２８　スピーカ
　２９　補助記憶部
　１０１　第１学習済みモデル
　１０１ａ　第１ニューラルネットワーク
　１０２　第２学習済みモデル
　１０２ａ　第２ニューラルネットワーク
　１０３　第３学習済みモデル
　１０３ａ　第３ニューラルネットワーク
　１０４　第４学習済みモデル
　１０４ａ　第４ニューラルネットワーク
　１０５　取得部
　１０６　情報提供部
　１０７　学習処理部
　Ｐ１，Ｐ２　コンピュータプログラム
 
 

Claims (12)

  1. 　利用者の精神状態を、通信網を介して行う認知行動療法により改善させるための情報を提供する情報処理方法であって、
    　利用者の属性及び精神状態に係る情報を取得し、
    　利用者の属性及び精神状態に応じて該精神状態を改善させるための情報の提供方法が算出されるように機械学習させた学習済みモデルに、取得した前記属性及び精神状態に係る情報を入力して情報の提供方法を算出し、
    　前記学習済みモデルによって算出された提供方法に基づいて、利用者の精神状態を改善させるための情報を、通信網を介して利用者に提供する
    　情報処理方法。
  2. 　利用者の精神状態を、通信網を介して行う認知行動療法により改善させるための情報をコンピュータに提供させるためのコンピュータプログラムであって、
    　前記コンピュータに、
    　利用者の属性及び精神状態に係る情報を取得し、
    　利用者の属性及び精神状態に応じて該精神状態を改善させるための情報の提供方法が算出されるように機械学習させた学習済みモデルに、取得した前記属性及び精神状態に係る情報を入力して情報の提供方法を算出し、
    　前記学習済みモデルによって算出された提供方法に基づいて、利用者の精神状態を改善させるための情報を、通信網を介して利用者に提供する
    　処理を実行させるためのコンピュータプログラム。
  3. 　認知行動療法により利用者の精神状態を改善させるための情報を特定の提供方法で提供した場合に、利用者の精神状態が改善される期待値を出力するように、コンピュータを機能させる学習済みモデルであって、
    　前記利用者の属性及び精神状態に係る情報が入力される入力層と、
    　該入力層に入力された情報に対して学習済みの重み係数に基づく演算を行う中間層と、
    　前記利用者の属性及び精神状態に応じた提供方法に基づいて、該利用者の精神状態を改善させるための情報を提供した場合に、該利用者の精神状態が改善される期待値を出力する出力層と
    　を有し、
    　複数の利用者の属性及び精神状態に係る情報と、該情報に応じた提供方法に基づいて、該利用者の精神状態を改善させるための情報を提供したときの該利用者の精神状態の改善結果とに基づいて、前記入力層に入力された前記属性及び精神状態に応じて前記出力層から出力される期待値が前記改善結果に対応するように、前記重み係数を学習させてなるニューラルネットワークを備え、
    　前記コンピュータに、
    　前記入力層に入力された前記利用者の属性及び精神状態に係る情報及び前記重み係数に基づく演算を行い、前記利用者の精神状態を改善させる期待値を出力させるための学習済みモデル。
  4. 　利用者の精神状態を、通信網を介して行う認知行動療法により改善させるための情報を提供する情報処理装置であって、
    　利用者の属性及び精神状態に係る情報を取得する取得部と、
    　利用者の属性及び精神状態に応じて該精神状態を改善させるための情報の提供方法が算出されるように機械学習させた学習済みモデルと、
    　前記取得部が取得した前記属性及び精神状態に係る情報を前記学習済みモデルに入力して情報の提供方法を算出する処理部と、
    　算出された提供方法に基づいて、利用者の精神状態を改善させるための情報を、通信網を介して利用者に提供する提供部と
    　を備える情報処理装置。
  5. 　前記学習済みモデルにて算出される提供方法は、
    　該提供方法に基づいて、該利用者の精神状態を改善させるための情報を提供した場合に、該利用者の精神状態が改善される期待値を含み、
    　前記学習済みモデルは、
    　前記利用者の属性及び精神状態に係る情報が入力される入力層と、
    　該入力層に入力された情報に対して学習済みの重み係数に基づく演算を行う中間層と、
    　前記利用者の属性及び精神状態に応じた提供方法に基づいて、該利用者の精神状態を改善させるための情報を提供した場合に、該利用者の精神状態が改善される期待値を出力する出力層と
    　を有し、
    　複数の利用者の属性及び精神状態に係る情報と、該情報に応じた提供方法に基づいて、該利用者の精神状態を改善させるための情報を提供したときの該利用者の精神状態の改善結果とに基づいて、前記入力層に入力された前記属性及び精神状態に応じて前記出力層から出力される期待値が前記改善結果に対応するように、前記重み係数を学習させてなるニューラルネットワークを備える
    　請求項４に記載の情報処理装置。
  6. 　前記取得部にて複数の前記利用者の属性及び精神状態に係る情報を収集し、収集した情報に基づいて前記ニューラルネットワークを追加学習させる追加学習処理部を備える
    　請求項５に記載の情報処理装置。
  7. 　前記利用者の通信端末及び該利用者に関係する管理者の通信端末との間で通信を行う通信部を備え、
    　前記取得部は、
    　前記通信部を介して、前記利用者の属性及び精神状態に係る情報を取得する
    　請求項４～請求項６までのいずれか一項に記載の情報処理装置。
  8. 　前記提供方法は、
    　認知行動療法における複数の活動目標から、利用者の行動を活性化させる前記活動目標を選択するための情報を含み、
    　前記提供部は、
    　前記提供方法に基づいて前記複数の活動目標から選択された活動目標のリストを利用者に提供する
    　請求項４～請求項７までのいずれか一項に記載の情報処理装置。
  9. 　前記提供方法は、
    　認知行動療法に係る説明情報の提供速度又は提供順序を示す情報を含み、
    　前記提供部は、
    　前記提供方法に含まれる情報が示す提供速度又は提供順序に従って前記説明情報を前記利用者に提供する
    　請求項４～請求項８までのいずれか一項に記載の情報処理装置。
  10. 　前記提供方法は、
    　利用者を励ます複数のメッセージ情報から、利用者の精神状態を改善させる前記メッセージ情報を選択するための情報を含み、
    　前記提供部は、
    　前記提供方法に基づいて前記複数のメッセージ情報から選択されたメッセージ情報を利用者に提供する
    　請求項４～請求項９までのいずれか一項に記載の情報処理装置。
  11. 　前記精神状態に係る情報は、
    　前記利用者の音声情報及び画像情報の少なくとも一つを含む
    　請求項４～請求項１０までのいずれか一項に記載の情報処理装置。
  12. 　前記取得部は、
    　利用者から送信される文字情報を取得するようにしてあり、
    　前記精神状態に係る情報は前記文字情報を含む
    　請求項４～請求項１１までのいずれか一項に記載の情報処理装置。
PCT/JP2019/036723 2018-09-21 2019-09-19 情報処理方法、コンピュータプログラム、学習済みモデル及び情報処理装置 WO2020059789A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2020548587A JP7448125B2 (ja) 2018-09-21 2019-09-19 情報処理方法、コンピュータプログラム、学習済みモデル及び情報処理装置

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2018177688 2018-09-21
JP2018-177688 2018-09-21

Publications (1)

Publication Number Publication Date
WO2020059789A1 true WO2020059789A1 (ja) 2020-03-26

Family

ID=69888479

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2019/036723 WO2020059789A1 (ja) 2018-09-21 2019-09-19 情報処理方法、コンピュータプログラム、学習済みモデル及び情報処理装置

Country Status (2)

Country Link
JP (1) JP7448125B2 (ja)
WO (1) WO2020059789A1 (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2022190967A (ja) * 2021-06-15 2022-12-27 ヤフー株式会社 提供装置、提供方法及び提供プログラム
EP4111970A1 (en) * 2021-07-01 2023-01-04 Koa Health B.V. Administering exposure treatments of a cognitive behavioral therapy using a smartphone app
JP7487872B2 (ja) 2020-09-01 2024-05-21 学校法人早稲田大学 医療システム及びそれを実行する方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS631573B2 (ja) * 1979-10-08 1988-01-13 Canon Kk
WO2017210214A1 (en) * 2016-05-31 2017-12-07 Pierian Holdings, Inc. Methods of drug therapy selection for breast cancer patients based on her2 and her3 pathway subtyping

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016085703A (ja) 2014-10-29 2016-05-19 沖電気工業株式会社 行動支援システム、端末、装置、方法及びプログラム
WO2017199505A1 (ja) 2016-05-17 2017-11-23 ソニー株式会社 情報処理装置、情報処理方法およびプログラム
JP6301573B1 (ja) 2017-08-14 2018-03-28 サスメド株式会社 治療支援装置および治療支援用プログラム

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS631573B2 (ja) * 1979-10-08 1988-01-13 Canon Kk
WO2017210214A1 (en) * 2016-05-31 2017-12-07 Pierian Holdings, Inc. Methods of drug therapy selection for breast cancer patients based on her2 and her3 pathway subtyping

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7487872B2 (ja) 2020-09-01 2024-05-21 学校法人早稲田大学 医療システム及びそれを実行する方法
JP2022190967A (ja) * 2021-06-15 2022-12-27 ヤフー株式会社 提供装置、提供方法及び提供プログラム
JP7394510B2 (ja) 2021-06-15 2023-12-08 Ｌｉｎｅヤフー株式会社 提供装置、提供方法及び提供プログラム
EP4111970A1 (en) * 2021-07-01 2023-01-04 Koa Health B.V. Administering exposure treatments of a cognitive behavioral therapy using a smartphone app
US11756671B2 (en) 2021-07-01 2023-09-12 Koa Health Digital Solutions S.L.U. Administering exposure treatments of a cognitive behavioral therapy using a smartphone app

Also Published As

Publication number Publication date
JPWO2020059789A1 (ja) 2021-08-30
JP7448125B2 (ja) 2024-03-12

Similar Documents

Publication Publication Date Title
Leite et al. The influence of empathy in human–robot relations
Louie et al. Acceptance and attitudes toward a human-like socially assistive robot by older adults
US20220392625A1 (en) Method and system for an interface to provide activity recommendations
Picard et al. Toward agents that recognize emotion
Picard Toward machines with emotional intelligence
WO2020059789A1 (ja) 情報処理方法、コンピュータプログラム、学習済みモデル及び情報処理装置
Denecke et al. Self-anamnesis with a conversational user interface: concept and usability study
Meier et al. FeelFit-Design and Evaluation of a Conversational Agent to Enhance Health Awareness.
US20190013092A1 (en) System and method for facilitating determination of a course of action for an individual
US20180350259A1 (en) Systems, Computer Readable Program Products, and Computer Implemented Methods to Facilitate On-Demand, User-Driven, Virtual Sponsoring Sessions for One or More User-Selected Topics Through User-Designed Virtual Sponsors
Lindner Molecular politics, wearables, and the aretaic shift in biopolitical governance
Cruz-Sandoval et al. Semi-autonomous conversational robot to deal with problematic behaviors from people with dementia
Huq et al. Dialogue agents for artificial intelligence-based conversational systems for cognitively disabled: A systematic review
Kenny et al. Embodied conversational virtual patients
Griol et al. A multimodal conversational coach for active ageing based on sentient computing and m‐health
Cudney et al. Forging partnerships between rural women with chronic conditions and their health care providers
Awada et al. Mobile@ old-an assistive platform for maintaining a healthy lifestyle for elderly people
AU2022361223A1 (en) Mental health intervention using a virtual environment
JP2009168951A (ja) 医療問診トレーニングシステム
Moulik DIL-A Conversational Agent for Heart Failure Patients
Lim et al. Artificial intelligence concepts for mental health application development: Therapily for mental health care
US20220084673A1 (en) Information processing apparatus, information processing method and information processing program
KR102446138B1 (ko) 의료인을 위한 상호작용적 의사소통 교육 방법, 장치 및 프로그램
Pan The Roles of Familiarity Design in Active Ageing
Bickmore et al. Future of caring machines

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: 19862360

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2020548587

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19862360

Country of ref document: EP

Kind code of ref document: A1