WO2020203728A1 - 健康情報提供システム及び健康情報提供プログラム - Google Patents

健康情報提供システム及び健康情報提供プログラム Download PDF

Info

Publication number
WO2020203728A1
WO2020203728A1 PCT/JP2020/013915 JP2020013915W WO2020203728A1 WO 2020203728 A1 WO2020203728 A1 WO 2020203728A1 JP 2020013915 W JP2020013915 W JP 2020013915W WO 2020203728 A1 WO2020203728 A1 WO 2020203728A1
Authority
WO
WIPO (PCT)
Prior art keywords
biochemical test
test value
value
health
estimated
Prior art date
Application number
PCT/JP2020/013915
Other languages
English (en)
French (fr)
Inventor
児玉　美幸
Original Assignee
株式会社タニタ
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 株式会社タニタ filed Critical 株式会社タニタ
Publication of WO2020203728A1 publication Critical patent/WO2020203728A1/ja

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • 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

  • This disclosure relates to a health information providing system and a health information providing program that provide user's health information.
  • a body composition meter that measures body composition based on biological information such as height, weight, age, and gender and bioelectric impedance of each part of the human body obtained by measurement is known (for example, Japanese Patent Application Laid-Open No. 2017-23311).
  • biochemical test values such as HDL cholesterol, ⁇ -GTP, and blood glucose are measured by tests such as blood tests.
  • biometric information such as smoking habits and alcohol intake habits, health risk assessment and advice for maintaining or recovering health are given.
  • lifestyle-related habits such as smoking habits and alcohol intake habits, health risk assessment and advice for maintaining or recovering health are given.
  • the inventor of the present application has found that there is a correlation between body composition information and biochemical test values measured in health examinations.
  • One aspect of the health information providing system includes a body composition acquisition unit that acquires user's body composition information, a biochemical test value estimation unit that estimates biochemical test values based on body composition information, and a biochemical test value or biochemical test value. It is equipped with an output unit that outputs health information based on chemical test values.
  • the biochemical test value estimation unit estimates the biochemical test value based on the body composition information, so that the biochemical test value can be easily obtained without performing a relatively expensive test such as a blood test. Can be done.
  • the body composition information may be acquired using, for example, a body composition meter by the bioelectrical impedance method or a weight scale having a body composition measurement function, or may be acquired by using a subcutaneous fat thickness measurement by the caliper method or the like. ..
  • the user can know the estimated value of the biochemical test value by the same procedure as measuring the body composition.
  • the biochemical test value estimation unit may estimate the biochemical test value based on the biochemical information, further including a biometric information acquisition unit that acquires the biochemical information of the user.
  • biochemical test values can be estimated accurately based on biological information and body composition information.
  • the biometric information acquisition unit may acquire at least the user's bioelectrical impedance as biometric information
  • the body composition acquisition unit may acquire body composition information by calculation using the bioelectrical impedance
  • body composition information can be obtained by performing calculations using bioelectric impedance.
  • the biometric information acquisition unit may acquire bioelectrical impedance by measurement.
  • bioelectrical impedance It is relatively easy to measure the bioelectrical impedance, and therefore, with this configuration, body composition information can be easily obtained.
  • the body composition acquisition unit may acquire body composition information by accepting input of body composition information.
  • the biochemical test value can be estimated based on the body composition information.
  • the biometric information acquisition unit may acquire at least height, weight, age, and gender information of the user as biometric information.
  • the biochemical test value estimation unit can effectively estimate the biochemical test value based not only on the body composition information of the user but also on the biological information including the user's height, weight, age, and gender.
  • the biological information acquisition unit may acquire body weight information by measurement.
  • a health risk evaluation unit that evaluates health risks based on biochemical test values is further provided, and the output unit may output health risks as health information.
  • the health risk evaluated based on the biochemical test value can be provided as health information, and useful information can be provided to the user who cannot understand the health risk only by the estimated biochemical test value.
  • advice on health maintenance or health recovery determined based on biochemical test values can be provided as health information, and for users who do not know what to do with only the estimated biochemical test values. It can provide useful information.
  • the biochemical test value estimation unit may estimate the biochemical test value using a learning model that estimates the biochemical test value by inputting body composition information.
  • the learning model may be based on artificial intelligence such as machine learning or may be obtained by other statistical methods. For example, a combination of a plurality of sets of body composition information and biochemical test values is used as learning data. It may be a model obtained by learning, for example, a regression equation or an algorithm that defines the relationship between a plurality of types of body composition information and a certain biochemical test value, or if a plurality of types of body composition information is input, It may be a neural network that outputs a certain biochemical test value.
  • the biochemical test value estimation unit may estimate the biochemical test value by referring to a table that defines the relationship between the body composition information and the biochemical test value.
  • biochemical test values for body composition information can be estimated easily and quickly without complicated calculations.
  • the biochemical test value estimation unit uses the user's biochemical test value acquired by actual measurement as the actual measurement value, the biochemical test value estimated using the learning model as the standard estimated value, and is based on the measured value and the standard estimated value. You may adjust the learning model.
  • the biochemical test value can be estimated based on the measured value, and the biochemical test value according to the change in body composition or biological information can be estimated based on the measured value.
  • the reference estimated value is a biochemical test value estimated using the user's biological information and body composition information at the same time as the actual measurement.
  • the reference estimated value may be a biochemical test value estimated using the user's biometric information at the date and time closest to the actual measurement.
  • the biological information and body composition information at the same time as the actual measurement may be those estimated before the actual measurement, or may be estimated after the actual measurement.
  • the biochemical test value estimation unit may further adjust the learning model based on the elapsed time from the actual measurement.
  • the learning model can be adjusted so as to approach the original learning model with the passage of time.
  • the biochemical test value estimation unit may further adjust the learning model based on the difference between the measured value and the estimated biochemical test value.
  • the learning model can be adjusted so that the larger the difference between the measured value and the estimated biochemical test value, the closer to the original learning model.
  • the biochemical test value estimation unit may adjust the learning model based on a plurality of measured values acquired by actual measurements at a plurality of different times.
  • the learning model can be adjusted using them. For example, when the results of annual health examinations (measured values) are accumulated over several years, the learning model can be adjusted using these multiple measured values. At this time, weighting may be performed so that the new measured value is emphasized.
  • the biochemical test value estimation unit may statistically process a plurality of biochemical test values obtained by multiple estimations to determine a standard estimated value.
  • an appropriate standard estimate can be obtained. That is, the variation is suppressed by statistically processing the biochemical test values obtained by multiple estimations as compared with the case where the standard estimated values are obtained using the biochemical test values obtained by one estimation. It is possible to obtain a highly accurate reference estimate.
  • a simple averaging process may be performed, or an averaging process may be performed after excluding outliers.
  • the biochemical test value estimation unit uses the user's biochemical test value acquired by actual measurement as the actual measurement value, the biochemical test value estimated using the learning model as the standard estimated value, and is based on the measured value and the standard estimated value.
  • the biochemical test values estimated by the learning model may be adjusted.
  • the learning model is not adjusted based on the measured values, but the biochemical test values estimated by the learning model are adjusted. Similar to the above, the adjustment parameter for performing this adjustment may be reduced with the passage of time, may be reduced as the difference from the measured value increases, or may be determined based on a plurality of measured values. You may.
  • the biochemical test value estimation unit uses the user's biochemical test value acquired by actual measurement as the actual measurement value, the biochemical test value estimated by referring to the table as the standard estimated value, and is based on the measured value and the standard estimated value.
  • the estimated biochemical test values may be adjusted by referring to the table.
  • the estimated biochemical test values are adjusted based on the measured values. Similar to the above, the adjustment parameter for performing this adjustment may be reduced with the passage of time, may be reduced as the difference from the measured value increases, or is determined based on a plurality of measured values. You may.
  • One aspect of the health information providing system includes a bioelectrical impedance measuring unit that measures bioelectrical impedance as user's biometric information, a biochemical test value estimating unit that estimates biochemical test values based on bioelectrical impedance, and biochemistry. It is provided with an output unit that outputs health information based on the test value or the biochemical test value.
  • the biochemical test value can be estimated from the bioelectric impedance, and the biochemical test value can be easily estimated. That is, as a device capable of acquiring bioelectric impedance, a body composition meter or a weight scale with a body composition measurement function can be used, and the user estimates the biochemical test value by the same procedure as for measuring the body composition. You can get the value.
  • the biochemical test value estimation unit may estimate the biochemical test value using a learning model that estimates the biochemical test value by inputting the bioelectric impedance.
  • the biochemical test value is estimated from the bioelectrical impedance using the learning model.
  • One aspect of the health information providing program causes a computer to acquire the user's body composition information, estimate the biochemical test value based on the body composition information, and output the biochemical test value or the health information based on the biochemical test value. Let me.
  • the biochemical test value estimation unit estimates the biochemical test value based on the body composition information, so that the biochemical test value can be easily obtained without performing a relatively expensive test such as a blood test. Can be done.
  • a computer controls a bioelectric impedance measuring unit that measures bioelectric impedance to acquire bioelectric impedance as user's bioinformation, and biochemical test values are obtained based on the bioelectric impedance. Estimate and output health information based on biochemical test values or biochemical test values.
  • the biochemical test value can be estimated from the bioelectric impedance, and the biochemical test value can be easily estimated.
  • a system or program is configured to estimate a biochemical test value based on body composition information obtained by calculation from bioelectrical impedance
  • biochemistry utilizing the established calculation method of body composition information is used. It is possible to estimate the test value, and even when the system or program is configured to estimate the biochemical test value directly from the bioelectrical impedance, the bioelectricity common to the body composition meter or the weight scale with the body composition measurement function is common.
  • An impedance acquisition device can be used.
  • FIG. 1 is a diagram showing a health information providing system according to the first embodiment.
  • FIG. 2 is a diagram showing a usage mode of the measuring device according to the first embodiment.
  • FIG. 3 is a block diagram showing a hardware configuration of the health information providing system according to the first embodiment.
  • FIG. 4 is a block diagram showing a functional configuration of the health information providing system according to the first embodiment.
  • FIG. 5 is a graph showing the correlation between HDL cholesterol (vertical axis), which is a biochemical test value according to the first embodiment, and fat mass (kg) (horizontal axis), which is body composition information.
  • HDL cholesterol vertical axis
  • L fat mass
  • FIG. 6 is a graph showing the correlation between HDL cholesterol (vertical axis) and visceral fat mass (cm 2 ) (horizontal axis), which is body composition information, according to the first embodiment.
  • FIG. 7 is a graph showing the accuracy of estimation using a plurality of types of body composition information according to the first embodiment.
  • FIG. 8 is an image diagram of the internal risk evaluation according to the first embodiment.
  • FIG. 9 is a graph schematically showing the adjustment of the learning model according to the first embodiment.
  • FIG. 10 is a graph illustrating an example of adjusting the learning model based on the elapsed time from the time when the actual measurement according to the first embodiment is performed.
  • FIG. 11 is a graph illustrating an example of adjusting the learning model based on the difference between the measured value and the estimated value according to the first embodiment.
  • FIG. 12 is a graph illustrating an example of a learning model in which the degree of adjustment is reduced based on the difference between the measured value and the estimated value according to the first embodiment.
  • FIG. 13 is a graph showing an example in which the learning model is adjusted based on a plurality of actually measured values obtained by actually measuring the numbers at different times according to the first embodiment.
  • FIG. 14 is a graph showing an example in which a plurality of biochemical test values obtained by a plurality of estimations according to the first embodiment are statistically processed to determine a reference estimation value.
  • FIG. 15 is a graph showing an example of adjusting the biochemical test value estimated by the learning model based on the actually measured value and the estimated value according to the second embodiment.
  • FIG. 16 is a block diagram showing a functional configuration of the health information providing system according to the third embodiment.
  • FIG. 17 is a block diagram showing a functional configuration of the health information providing system according to the fourth embodiment.
  • FIG. 1 is a diagram showing a health information providing system 50 according to the first embodiment.
  • FIG. 2 is a diagram showing a usage mode of the measuring device 10 according to the first embodiment.
  • the health information providing system 50 includes a measuring device 10 and an information processing terminal (hereinafter, referred to as “user terminal”) 20.
  • the measuring device 10 is a body composition meter capable of measuring body composition such as body fat by measuring a weak current flowing in the body by applying a measurement principle called bioelectrical impedance analysis (BIA). is there.
  • BIOS bioelectrical impedance analysis
  • the measuring device 10 includes a main body 11 and a handle unit 12.
  • the main body 11 and the handle unit 12 are electrically connected by a connection cord 13.
  • the handle unit 12 can be accommodated in the accommodating portion 14 provided in the main body portion 11.
  • the connection cord 13 is wound by a winding mechanism (not shown) inside the main body portion 11 and is accommodated inside the main body portion 11.
  • the main body 11 is provided with an energizing electrode 111R and a measuring electrode 112R on the right side of the upper surface, and is provided with an energizing electrode 111L and a measuring electrode 112L on the right side of the upper surface.
  • the handle unit 12 has a substantially rod-like shape, a handle body 15 is provided in the center thereof, and grips 16R and 16L are provided on both sides of the handle body 15.
  • the handle body 15 is provided with a display panel 17 and operation buttons 18A to 18D.
  • the grip 16R includes an energizing electrode 161R and a measuring electrode 162R
  • the grip 16L includes an energizing electrode 161L and a measuring electrode 162L.
  • the user can measure the body composition by standing upright on the main body 11 barefoot and holding the handle unit 12 with both hands with both arms extended. ..
  • the base of the right toe is in contact with the energizing electrode 111R
  • the heel of the right foot is in contact with the measuring electrode 112R
  • the base of the left toe is in contact with the energizing electrode 111L
  • the measuring electrode 112L is contacted.
  • the heel of the left foot is in contact with, the finger of the right hand is in contact with the electrode 161R for energization, the palm of the right hand is in contact with the electrode 162R for measurement, and the finger of the left hand is in contact with the electrode 161L for energization.
  • the palm of the left hand comes into contact with the electrode 162L.
  • the main body 11 is provided with a load cell for measuring the body weight inside. As shown in FIG. 2, the weight of the user riding on the main body 11 can be measured.
  • the load cell is composed of a strain-causing body of a metal member that deforms according to a load and a strain gauge attached to the strain-causing body.
  • the strain gauge of the load cell bends due to the load of the user, and the strain gauge expands and contracts.
  • the resistance value (output value) of the strain gauge changes according to its expansion and contraction.
  • the measuring device 10 calculates the body weight from the difference between the output value (zero point) of the load cell when no load is applied and the output value when a load is applied.
  • the configuration for measuring the body weight using the load cell may be the same as that of a general weight scale.
  • the user terminal 20 is a portable terminal provided with a computer capable of executing an application program, an internal storage such as a flash memory, a touch panel, various connectors, and the like.
  • the user terminal 20 includes a wireless communication device for connecting to the Internet and a short-range communication device for connecting to another nearby device.
  • the measuring device 10 includes a short-range communication device for connecting to another device nearby. By pairing with each other, the measuring device 10 and the user terminal 20 can transmit and receive various information by short-range wireless communication (for example, Bluetooth (registered trademark)).
  • FIG. 3 is a block diagram showing a hardware configuration of the health information providing system 50 according to the first embodiment.
  • the health information providing system 50 includes an input unit 501, a weight measuring unit 502, a BI (bioelectric impedance) measuring unit 503, a storage unit 504, a control unit 505, and an output unit 506.
  • the weight measuring unit 502 and the BI measuring unit 503 are provided in the measuring device 10, but as described above, since the measuring device 10 and the user terminal 20 can communicate with each other, the input unit 501, The storage unit 504, the control unit 505, and the output unit 506 may be provided in either the measuring device 10 or the user terminal 20, or may be provided in both.
  • the input unit 501 accepts the user's operation input.
  • the height, age, and gender are input to the input unit 501, in particular, for each user.
  • the operation buttons 18A to 18D of the measuring device 20 and the touch panel of the user terminal 20 can all serve as the input unit 501.
  • the load cell of the measuring device 10 corresponds to the weight measuring unit 502.
  • the BI measuring unit 503 is weak to the electrodes 111R, 111L, 112R, 112L, 161R, 161L, 162R, 162L provided in the measuring device 10, the current energizing electrodes 161R, 161L, 111R, 111L, and the electrodes. It is equipped with a current control circuit that allows a constant AC current to flow.
  • the storage unit 504 stores the information input from the input unit 501, the weight measured by the weight measuring unit 502, the bioelectric impedance measured by the BI measuring unit 503, the body composition calculated by the control unit 505, and the like for each user.
  • the storage unit 504 also stores a measurement program for measuring weight and body composition and a health information providing program of the present embodiment, and the data generated by those programs and various information used for those programs. (For example, a learning model described later) is also stored.
  • the measurement program and the health information providing program may be stored in the storage unit 504 in advance at the time of sale of the measurement device 10 or the user terminal 20, and the measurement device 10 or the user terminal 20 provided with the storage unit 504 is a measurement program from the communication network.
  • the health information providing program may be stored in the storage unit 504 by downloading the measuring program or the health information providing program, or the measuring device 10 or the user terminal 20 provided with the storage unit 504 may provide the measuring program or the health information from a non-temporary recording medium. It may be stored in the storage unit 504 by reading the program.
  • the control unit 505 controls each part of the health information providing system 50 according to the measurement program, and according to the health information providing program, the information input to the input unit 501, the weight measured by the weight measuring unit 502, and the BI measuring unit 503.
  • the body composition is calculated based on the bioelectrical impedance measured in the above, and health information is obtained.
  • the output unit 506 corresponds to the display panel 17 of the measuring device 20 and the touch panel of the user terminal 20.
  • the output unit 506 displays a screen for inputting information to the input unit 501, a screen for controlling the control unit 505, a screen showing the result of calculation by the control unit 505, and the like according to the control of the control unit 505. ..
  • FIG. 4 is a block diagram showing a functional configuration of the health information providing system 50 according to the first embodiment.
  • various functions are realized by the control unit 505 executing various programs.
  • FIG. 4 shows, in particular, the functions realized by executing the health information providing program of the present embodiment.
  • the health information providing system 50 includes a height / age / gender acquisition unit 51, a weight acquisition unit 52, a BI (bioelectric impedance) acquisition unit 53, a body composition acquisition unit 54, and a biochemical test value estimation unit 55. It includes a health risk evaluation unit 56, a health advice determination unit 57, and an output unit 58.
  • the height / age / gender acquisition unit 51 acquires the height, age, and gender information, which is the user's biological information, by receiving the user's operation input in the input unit 501.
  • the weight acquisition unit 52 acquires the weight, which is the biometric information of the user, by measuring the weight of the user with the weight measurement unit 502.
  • the BI acquisition unit 53 measures the bioelectrical impedance of the whole body and each body part, which is the biometric information of the user.
  • the BI acquisition unit 53 measures the bioelectrical impedance as follows, for example.
  • a current is supplied using the current-carrying electrode 161L and the current-carrying electrode 111L, and the left hand is in the current path flowing through the left hand, left arm, chest, abdomen, left leg, and left foot.
  • the potential difference between the measurement electrode 162L in contact with the left foot and the measurement electrode 112L in contact with the left foot is measured.
  • the bioelectrical impedance of the right leg is measured by supplying an electric current using the energizing electrode 161R and the energizing electrode 111R, and using the current path flowing through the right hand, right arm, chest, abdomen, right leg, and right foot.
  • the potential difference between the measurement electrode 112L in contact with the left foot and the measurement electrode 112R in contact with the right foot is measured.
  • the bioelectrical impedance of the left leg is measured by supplying an electric current using the energizing electrode 161L and the energizing electrode 111L, and using the current path flowing through the left hand, left arm, chest, abdomen, left leg, and left foot.
  • the potential difference between the measurement electrode 112L in contact with the left foot and the measurement electrode 112R in contact with the right foot is measured.
  • a current is supplied using the current-carrying electrode 161R and the current-carrying electrode 111R, and the left hand is in the current path flowing through the right hand, right arm, chest, abdomen, right leg, and right foot.
  • the potential difference between the measuring electrode 162L in contact with the measuring electrode 162L and the measuring electrode 162R in contact with the right hand is measured.
  • a current is supplied using the energizing electrode 161L and the energizing electrode 111L, and the left hand is in the current path flowing through the left hand, the left arm, the chest, the abdomen, the left leg, and the left foot.
  • the potential difference between the measuring electrode 162L in contact with the measuring electrode 162L and the measuring electrode 162R in contact with the right hand is measured.
  • the BI acquisition unit 53 passes an AC constant current from each energizing electrode to a predetermined part of the user's body, and measures the potential difference generated in this current path. Then, the bioelectric impedance of the user's whole body or each body part is calculated based on each value of such current and potential difference.
  • the configuration for measuring the bioelectrical impedance the same configuration as that of a general body composition meter may be used.
  • the bioelectrical impedance for each of the whole body and each body part is when a constant AC current of a reference frequency (for example, 50 kHz) is passed or a constant AC current of a high frequency (for example, 250 kHz) is passed. , It is obtained for each when a low frequency (for example, 5 kHz) AC constant current is passed.
  • the height / age / gender acquisition unit 51 acquires biometric information by operation input, and the weight acquisition unit 52 and BI acquisition unit 53 acquire biometric information by measurement. However, since all of them acquire the biometric information of the user, they are also collectively referred to as a biometric information acquisition unit.
  • the body composition acquisition unit 54 uses biometric information including height, age, gender acquired by the height / age / gender acquisition unit 51, weight acquired by the weight acquisition unit 52, and bioelectric impedance acquired by the BI acquisition unit 53.
  • the user's body composition information is acquired by the calculated calculation.
  • the body composition acquisition unit 54 applies the biological information to a predetermined regression equation and performs a calculation to calculate the fat ratio, fat mass, defatted fat mass, muscle mass, visceral fat mass, visceral fat level, visceral fat area, and subcutaneous.
  • Acquires body composition information such as fat mass, basal metabolic rate, bone mass, body water content, BMI (Body Mass Index), intracellular fluid volume, and extracellular fluid volume.
  • BMI Body Mass Index
  • the biochemical test value estimation unit 55 includes biometric information including height, age, gender acquired by the height / age / gender acquisition unit 51, weight acquired by the weight acquisition unit 52, and bioelectric impedance acquired by the BI acquisition unit 53. And the biochemical test value is estimated based on the body composition information calculated by the body composition acquisition unit 54.
  • the biochemical test value refers to any test item of the biochemical test in the health examination.
  • the biochemical test estimated by the biochemical test value estimation unit 55 is not limited to this, and for example, triglyceride (TG), amylase, CRP (C-Reactive Protein), RF (Rheumatoid Factor) red blood cell count, leukocyte count, and hemoglobin.
  • TG triglyceride
  • CRP C-Reactive Protein
  • RF Rasteratoid Factor
  • the amount, hematocrit value, MCV (Mean Corpuscular Volume: mean corpuscular volume), MCH (Mean Corpuscular Hemoglobin: mean corpuscular hemoglobin), platelet count, and the like may be examined.
  • FIG. 5 is a graph showing the correlation between HDL cholesterol (vertical axis), which is a biochemical test value according to the first embodiment, and fat mass (kg) (horizontal axis), which is body composition information.
  • HDL cholesterol vertical axis
  • fat mass kg
  • FIG. 5 shows the correlation between HDL cholesterol and fat mass that the larger the fat mass, the smaller the HDL cholesterol, but the variation is relatively large and the fat mass. It is difficult to estimate HDL cholesterol with high accuracy.
  • FIG. 6 is a graph showing the correlation between HDL cholesterol (vertical axis) and visceral fat mass (cm2) (horizontal axis), which is body composition information, according to the first embodiment.
  • HDL cholesterol vertical axis
  • visceral fat mass horizontal axis
  • the square of HDL cholesterol and visceral fat mass seems to have a correlation, but the correlation is also weak in this case, and the variation is too large to estimate HDL cholesterol from the visceral fat mass.
  • FIG. 7 is a graph showing the accuracy of estimation using a plurality of types of body composition information according to the first embodiment.
  • the vertical axis of the graph of FIG. 7 is the measured HDL cholesterol
  • the horizontal axis is the estimated HDL cholesterol estimated by multiple regression analysis using a plurality of types of body composition information.
  • HDL cholesterol can be estimated accurately by performing an analysis method such as multiple regression analysis using a plurality of types of body composition information.
  • the biochemical test value estimation unit 55 uses the multiple regression equation obtained by performing multiple regression analysis on a large number of sets of biometric information and body composition information and biochemical test values, and uses the biochemical test value and body composition information. Estimate the biochemical test value from.
  • This multiple regression equation uses biological information and body composition information as explanatory variables and biochemical test values as objective variables.
  • this multiple regression equation can be said to be a learning model obtained by learning a large number of sets of biological information and body composition information and biochemical test values as teacher data.
  • the learning model is not limited to the multiple regression equation, and may be, for example, a learning model generated by learning using a decision tree or a neural network. Further, for age and gender, for example, different multiple regression equations may be prepared and used for each age and gender without using them as explanatory variables.
  • Biochemical examination value estimating unit 55 for example, fat amount (kg) and x 1, visceral fat amount (cm 2) of when the x 2, multiple regression analysis following multiple regression equation HDL cholesterol Y by ( Estimate in 1).
  • x visceral fat amount
  • HDL cholesterol Y using multiple regression equation were added as they are also explanatory variables You may estimate.
  • Y ax 1 / x 2 2 + b ... (1)
  • the biochemical test value estimation unit 55 stores a plurality of multiple regression equations as described above for estimating a plurality of types of biochemical test values.
  • the biometric information and body composition information used to estimate each biochemical test value are generally different.
  • the biochemical test value estimation unit 55 estimates each biochemical test value by substituting the biological information and body composition information required for this regression formula into the regression formula for estimating each biochemical test value.
  • the health risk evaluation unit 56 evaluates the health risk based on the biochemical test values estimated by the biochemical test value estimation unit 55. For this purpose, the health risk evaluation unit 56 stores a table that defines the relationship between the range of biochemical test values and the health risk. The health risk evaluation unit 56 extracts the health risk evaluation corresponding to the biochemical test value estimated by the biochemical test value estimation unit 55 by referring to the table.
  • a health risk assessment consists of a combination of possible illnesses and syndromes (eg, blood pressure) and their likelihood (risk) (eg, I: good, II: no change, III: bad). The evaluation unit 56 evaluates health risks such as "predicted blood pressure change I ( ⁇ Good!)".
  • the health advice determination unit 57 determines advice on health maintenance or health recovery based on the biochemical test values estimated by the biochemical test value estimation unit 55. Therefore, the health advice determination unit 57 stores a table that defines the relationship between the range of biochemical test values and health advice.
  • the health advice determination unit 57 extracts the health advice corresponding to the biochemical test value estimated by the biochemical test value estimation unit 55 by referring to the table.
  • Health advice is about possible diseases and syndromes (for example, metabolic syndrome), for example, " ⁇ Comment on evaluation of changes in the body> The risk of metabolic syndrome estimated from changes in body composition is on a downward trend and is changing for the better. There is a high possibility. Let's keep it in this condition! "
  • the output unit 58 displays the biochemical test value estimated by the biochemical test value estimation unit 56, and also displays the health risk evaluation obtained by the health risk evaluation unit 56 and the health advice obtained by the health advice determination unit 57. Display as health information.
  • the biochemical test value, the health risk assessment, and the health advice may be displayed by switching, or only one of them may be displayed.
  • FIG. 8 is an image diagram of the internal risk evaluation according to the first embodiment.
  • the health risk evaluation 601 obtained by the health risk evaluation unit 56 is " ⁇ predicted blood pressure change ...
  • the health information 602 obtained by the health advice decision unit 57 is " ⁇ Need for prevention of metabolic syndrome ... low (maintained as it is)", “ ⁇ Comment on evaluation of changes in the body> Body composition.
  • the risk of metabolic syndrome estimated from changes is on a downward trend, and it is highly likely that it is changing for the better. Let's keep it in this condition! "
  • the biochemical test value estimation unit 55 estimates the biochemical test value based on the body composition information, so that the cost of the blood test and the like is relatively large. Biochemical test values can be easily provided without performing tests.
  • the biometric information acquisition unit can acquire body composition information by performing an calculation using bioelectrical impedance. Since the bioelectrical impedance can be easily measured by using the existing body composition meter, the health information providing system 50 can easily acquire the body composition information. Further, the biochemical test value estimation unit 55 can effectively estimate the biochemical test value based not only on the body composition information of the user but also on the biological information including the user's height, weight, age, and gender.
  • the health information providing system 50 of the present embodiment only users who can provide health risk and health advice and cannot understand the health risk only by the estimated biochemical test value, or only the estimated biochemical test value. Can provide useful information to users who do not know what to do.
  • the above-mentioned health information providing system 50 can estimate biochemical test values from biological information and body composition information by using a learning model. However, there are cases where a biochemical test value (actual measurement value) is obtained by actually performing a health examination including a blood test or the like.
  • the biochemical test values can be estimated based on the measured values, and the biochemical test values can be estimated according to changes in body composition and biological information based on the measured values.
  • the reference estimated value is a biochemical test value estimated using the user's biological information and body composition information at the same time as the actual measurement.
  • the reference estimated value may be a biochemical test value estimated using the user's biometric information at the date and time closest to the actual measurement.
  • the biological information and body composition information at the same time as the actual measurement may be those estimated before the actual measurement, or may be estimated after the actual measurement.
  • the measured value can be input from the input unit 501 by the user, or if the input unit 501 has a communication module or a communication interface, it may be input from an external device through them.
  • FIG. 9 is a graph schematically showing the adjustment of the learning model according to the first embodiment.
  • the input data and the estimated value of HDL cholesterol have a linear relationship
  • the multiple regression analysis is actually performed as described above in the present embodiment, it will be described.
  • the input data is set as one variable, and the input data and HDL cholesterol are described as having a linear correlation.
  • the input data x (x 1 / x 2 2).
  • the regression equation 81 shown in FIG. 9 is obtained.
  • the result that HDL cholesterol is Yr has been obtained.
  • the HDL cholesterol estimated using the health information providing system 50 of the present embodiment is Ye.
  • the HDL cholesterol corresponding to the input data x obtained at the same time as the medical examination should be Yr. Therefore, the biochemical test value estimation unit 55 adjusts the learning model so that the HDL cholesterol Yr is calculated with respect to the input data x.
  • the adjusted learning model 82 is set by adjusting the learning model (regression equation) so that the output Ye becomes Yr without changing the profile of the learning model. ..
  • the body composition changes between the time when the input data x is obtained and the time when the health examination is performed, the above learning model cannot be adjusted correctly. Therefore, it is desirable to use the biochemical test value estimated from the input data x obtained as close as possible to the time of the health diagnosis as the reference estimated value.
  • the biochemical test values do not change significantly within a few days, so the two time points do not necessarily have to be the same day. For example, it is desirable to estimate the standard estimated value and actually measure it by a health diagnosis with a time difference of about one week.
  • the original learning model is shifted in order to adjust the learning model, which means that the measured value and the reference estimated value are added to the HDL cholesterol value estimated by the original learning model. It means adding or subtracting a constant value based on the difference. That is, the biochemical test value estimation unit 55 adds or subtracts a constant value (the difference itself may be used) based on the difference between the actual value and the reference estimated value to the estimated value estimated by the original learning model to obtain the accuracy of the estimation. May be increased.
  • FIG. 10 is a graph illustrating an example of adjusting the learning model based on the elapsed time from the actual measurement according to the first embodiment.
  • the biochemical test value estimation unit 55 gradually reduces the adjustment degree of the adjusted learning model with the passage of time from the actual measurement.
  • the adjustment degree of the learning model is reduced, and the adjusted learning model 82 is slightly closer to the original learning model 81 to be the adjusted learning model 83.
  • FIG. 11 is a graph illustrating an example of adjusting the learning model based on the difference between the measured value and the estimated value according to the first embodiment.
  • the estimated value here is not a biochemical test value estimated at the same time as the actual measurement and used as a standard estimated value, but after an adjusted learning model is set based on such a standard estimated value, This is an estimated value when estimating the biochemical test value using this adjusted learning model. In the vicinity of the measured value, this estimated value can be estimated with high accuracy based on the measured value by using a learning model that passes through the measured value. However, if the difference between the measured value and the estimated value becomes large, The influence of the measured value may be reduced, and conversely, the reliability of the original learning model learned by a large number of training data is considered to be high.
  • the biochemical test value estimation unit 55 arranges the learning model 82, the learning model 84, the learning model 85, and the learning model 86 in this order so that the farther from the measured value, the closer to the original learning data.
  • the degree of adjustment of the learning model is gradually reduced with, and finally the original learning model is adopted.
  • FIG. 12 is a graph illustrating an example of a learning model in which the degree of adjustment is reduced based on the difference between the measured value and the estimated value according to the first embodiment.
  • the biochemical test value estimation unit 55 has the largest degree of adjustment from the original learning model in the measured values when the reference estimated value is obtained, instead of the example of FIG.
  • the adjusted learning model 87 may be set by adjusting the learning model so that the degree of adjustment becomes smaller as the distance from the measured value increases.
  • FIG. 13 is a graph showing an example of adjusting the learning model based on a plurality of actually measured values acquired by actually measuring a plurality of different times according to the first embodiment.
  • the biochemical test value estimation unit 55 adjusts the learning model using them. For example, when the results of annual health examinations (measured values) are accumulated over several years, the learning model can be adjusted using these multiple measured values. In the example of FIG.
  • the biochemical test value estimation unit 55 may take the average (weight average) after weighting the new measured value to make the weight heavier.
  • FIG. 14 is a graph showing an example in which a plurality of biochemical test values obtained by a plurality of estimations according to the first embodiment are statistically processed to determine a reference estimation value.
  • the biochemical test value estimation unit 55 statistically processes them and adjusts the reference estimated value.
  • a simple averaging process may be performed, or an averaging process may be performed after excluding outliers.
  • the 1W average value 95 obtained by averaging after excluding the outlier 94 is used as a reference. Determined as an estimate.
  • FIG. 15 is a diagram showing an example of adjusting the biochemical test value estimated by the learning model based on the actually measured value and the estimated value according to the first embodiment.
  • the biochemical test value estimation unit 55 adjusted the learning model 81 based on the measured values, but in the example of FIG. 15, the raw estimated by the learning model 81 based on the measured values.
  • Adjust the chemical test value 96 Similar to the adjustments in FIGS. 10 to 13 above, the adjustment parameters for performing this adjustment may be reduced with the passage of time, may be reduced as the difference from the measured value becomes larger, or may be plurality of. It may be determined based on the measured value.
  • the health information providing system 50 can obtain the biochemical test value corresponding to the body composition information by inputting the user's body composition information into the learning model.
  • This learning model can be adjusted and used based on the measured values. As a result, even when the estimation of the learning model does not match due to individual differences, the influence of such individual differences can be reduced.
  • the adjustment of the learning model based on the measured values includes the elapsed time from the actual measurement, the difference between the measured value and the estimated biochemical test value, and the multiple measured values obtained by the actual measurement at multiple different times. Can be adjusted based on.
  • the learning model is adjusted so as to approach the original learning model with the passage of time, or the learning is made so that the larger the difference between the measured value and the estimated biochemical test value, the closer to the original learning model.
  • the model can be adjusted, or the learning model can be adjusted using multiple measured values, if any.
  • the health information providing system 50 can obtain an appropriate standard estimated value by statistically processing a plurality of biochemical test values obtained by a plurality of times of estimation to determine a standard estimated value. That is, although accurate estimation may not be possible depending on the estimation of the biochemical test value once, the biochemical test value that correctly reflects the biochemical test value and the body composition information can be obtained by estimating the biochemical test value multiple times. Obtainable. Further, the health information providing system 50 can adjust the biochemical test value estimated by the learning model instead of adjusting the learning model based on the actually measured value.
  • the basic configuration of the health information providing system 50 according to the second embodiment is the same as the configuration of the health information providing system 50 according to the first embodiment.
  • the biochemical test value estimation unit 55 refers to the table in which the relationship between the body composition information and the biochemical test value is defined, and obtains the biochemical test value. It differs from the health information providing system 50 according to the first embodiment in that it is estimated. Only this difference will be described below.
  • the biochemical test value estimation unit 55 has a table that defines the relationship between body composition information and biochemical test values.
  • the biochemical test value estimation unit 55 estimates the biochemical test value from the biological information and the body composition information with reference to the table.
  • the biochemical test value estimation unit 55 uses, for example, the user's biochemical test value acquired by actual measurement as the measured value, and the biochemical test value estimated by referring to the table as the reference estimated value, and this measured value and this standard. Based on the estimates, the estimated biochemical test values may be adjusted with reference to the table. Similar to the adjustments in FIGS. 10 to 13 above, the adjustment parameters for performing this adjustment may be reduced with the passage of time, may be reduced as the difference from the measured value becomes larger, or may be plural. It may be determined based on the measured value of.
  • the health information providing system 50 can estimate the biochemical test value by referring to the table provided in the biochemical test value estimation unit 55, it does not require complicated calculation. Can easily and quickly estimate biochemical test values for body composition information. In addition, the estimated biochemical test value can be adjusted based on the measured value.
  • the basic configuration of the health information providing system 50 according to the third embodiment is the same as the configuration of the health information providing system 50 according to the first embodiment.
  • the health information providing system 50 according to the third embodiment does not include the body composition acquisition unit 54, and acquires the height, age, and gender acquired by the height / age / gender acquisition unit 51 and the weight acquisition unit 52. It differs from the health information providing system 50 according to the first embodiment in that the biochemical test value is estimated based on the body weight obtained and the biochemical information including the bioelectric impedance acquired by the BI acquisition unit 53. Only this difference will be described below.
  • FIG. 16 is a block diagram showing a functional configuration of the health information providing system according to the third embodiment.
  • the health information providing system 50 includes a height / age / gender acquisition unit 51, a weight acquisition unit 52, a BI acquisition unit 53, a biochemical test value estimation unit 55, a health risk evaluation unit 56, and an output unit 58. I have.
  • the biochemical test value estimation unit 55 is not based on the body composition information calculated by the body composition acquisition unit 54 as in the health information providing system 50 of the first embodiment, but is a height / age / gender acquisition unit 51.
  • the biochemical test value is estimated based on the acquired height, age, and gender, the weight acquired by the weight acquisition unit 52, and the biochemical information including the bioelectric impedance acquired by the BI acquisition unit 53. That is, the biochemical test value estimation unit 55 estimates the biochemical test value by the bioelectrical impedance without using the body composition information.
  • the biochemical test value estimation unit 55 uses the bioelectric impedance as an input without being based on the body composition information calculated by the body composition acquisition unit 54 as in the health information providing system 50 of the first embodiment.
  • the biochemical test value may be estimated using a learning model for estimating the biochemical test value.
  • the health information providing system 50 can estimate the biochemical test value from the bioelectrical impedance, and can easily estimate the biochemical test value. That is, as a device capable of acquiring bioelectric impedance, a body composition meter or a weight scale with a body composition measurement function can be used, and the user estimates the biochemical test value by the same procedure as for measuring the body composition. You can get the value. Further, the health information providing system 50 according to the second embodiment can estimate the biochemical test value from the bioelectrical impedance using the learning model.
  • the basic configuration of the health information providing system 50 according to the fourth embodiment is the same as the configuration of the health information providing system 50 according to the first embodiment.
  • the health information providing system 50 according to the fourth embodiment does not have the BI acquisition unit 53, and has acquired the height, age, and gender acquired by the height / age / gender acquisition unit 51 and the weight acquisition unit 52. It differs from the health information providing system 50 according to the first embodiment in that the biochemical test value is estimated based on the body weight and the body composition information acquired by the body composition acquisition unit 54. Only this difference will be described below.
  • FIG. 17 is a block diagram showing a functional configuration of the health information providing system according to the fourth embodiment.
  • the health information providing system 50 includes a height / age / gender acquisition unit 51, a weight acquisition unit 52, a biochemical test value estimation unit 55, a health risk evaluation unit 56, an output unit 58, and a body composition acquisition unit 54. It has.
  • the body composition acquisition unit 54 acquires body composition information by receiving an input from the outside without using the bioelectric impedance acquired by the BI acquisition unit 53 as in the health information providing system 50 of the first embodiment. To do.
  • the acquired body composition information is used for estimating the biochemical test value as in the health information providing system 50 according to the first embodiment. That is, the biochemical test value estimation unit 55 is acquired by the body composition acquisition unit 54 and the biological information including the height, age, gender, and the weight acquired by the weight acquisition unit 52 acquired by the height / age / gender acquisition unit 51. Estimate biochemical test values based on body composition information.
  • the health information providing system 50 can estimate the biochemical test value based on the body composition information even when it does not have the function of measuring the bioelectrical impedance.

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Primary Health Care (AREA)
  • Biophysics (AREA)
  • Databases & Information Systems (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Epidemiology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

血液検査等によらずに、より簡易な方法で生化学検査値を推定し、あるいは健康リスクの評価や健康維持ないし健康回復のためのアドバイスを行うことができる健康情報提供システム及び健康情報提供プログラムを提供する。健康情報提供システム（５０）は、ユーザの体組成情報を取得する体組成取得部（５４）と、体組成情報に基づいて生化学検査値を推定する生化学検査値推定部（５５）と、生化学検査値又は生化学検査値に基づく健康情報を出力する出力部（５８）と、を備える。

Description

健康情報提供システム及び健康情報提供プログラム 関連出願の相互参照
　本出願では、２０１９年３月２９日に日本国に出願された特許出願番号２０１９－０６５７６１の利益を主張し、当該出願の内容は引用することによりここに組み込まれているものとする。
　本開示は、ユーザの健康情報を提供する健康情報提供システム及び健康情報提供プログラムに関する。
　従来、身長、体重、年齢、性別等の生体情報と測定により得られた人体の各部位の生体電気インピーダンスとに基づいて、体組成を計測する体組成計が知られている（例えば、特開２０１７－２３３１１号公報）。
　一方、健康診断では、血液検査等の検査によってＨＤＬコレステロール、γ－ＧＴＰ、血糖等の生化学検査値を測定する。健康診断では、さらに、これらの生化学検査値と、生体情報と、喫煙習慣、アルコール摂取習慣等の生活習慣とに基づいて、健康リスクの評価や健康維持ないし健康回復のためのアドバイスが行われることがある。
　従来の体組成計では、個人内の体水分変化や体脂肪、筋肉の相対変化によって、その人の健康状態に具体的にどのような影響が出ているのか、測定結果を見ただけでは分からなかった。
　また、生活習慣病や動脈硬化等の疾病リスクは、生活状態の変化に起因する体内の変化や体組成変化により、本来は日々変化して積み重なっていくものである。しかし、年１回の健康診断の結果や人間ドック等の検査を受けなければ、体内のリスクの変化が分からず気付く機会がないため、疾病への対応が手遅れになるおそれがあり、さらに疾病リスクに対処する意識づけもされてこなかった。
　また、過去の検診成績傾向と生活スタイルについての質問紙調査とを組み合わせた健康リスク評価やモデル計算による将来リスクの予測は、健診サービス等で顕在化しつつある。しかし、過去データの管理や質問紙回答の煩わしさがある上、主観が入るため評価の客観性に欠ける欠点もある。すなわち、従来の将来リスクの予測では、利便性、簡便性、客観性に欠ける。さらに、質問への返答が主体となるので、結局は自覚がなければ身体の変調を捉えることはできなかった。
　本願の発明者は、体組成情報と健康診断で測定する生化学検査値との間に相関関係があることを見出した。
　一態様の健康情報提供システムは、ユーザの体組成情報を取得する体組成取得部と、体組成情報に基づいて生化学検査値を推定する生化学検査値推定部と、生化学検査値又は生化学検査値に基づく健康情報を出力する出力部と、を備える。
　この構成により、生化学検査値推定部は、体組成情報に基づいて生化学検査値を推定するので、血液検査等のコストが比較的大きい検査を行うことなく簡易に生化学検査値を得ることができる。体組成情報は、例えば、生体電気インピーダンス法による体組成計ないし体組成計測機能付きの体重計を用いて取得してもよいし、キャリパー法による皮下脂肪厚測定等を用いて取得してもよい。ユーザは、体組成を測定するのと同様の手順によって生化学検査値の推定値を知ることができる。
　ユーザの生体情報を取得する生体情報取得部をさらに備え、生化学検査値推定部は、生体情報に基づいて生化学検査値を推定してよい。
　この構成により、生体情報と体組成情報とに基づいて、生化学検査値を精度よく推定できる。
　生体情報取得部は、生体情報として、少なくともユーザの生体電気インピーダンスを取得し、体組成取得部は、生体電気インピーダンスを用いた演算により、体組成情報を取得してよい。
　この構成により、体組成情報は生体電気インピーダンスを用いて演算をすることにより取得できる。
　生体情報取得部は、測定により生体電気インピーダンスを取得してよい。
　生体電気インピーダンスを測定することは比較的容易であり、よって、この構成により、容易に体組成情報を取得できる。
　体組成取得部は、体組成情報の入力を受け付けることにより、体組成情報を取得してよい。
　この構成により、健康情報提供システムが生体電気インピーダンスを測定する機能を備えていない場合でも、体組成情報に基づいて生化学検査値を推定できる。
　生体情報取得部は、生体情報として、少なくともユーザの身長、体重、年齢、性別の情報を取得してよい。
　この構成により、生化学検査値推定部は、ユーザの体組成情報のみならず、ユーザの身長、体重、年齢、性別を含む生体情報にも基づいて、有効に生化学検査値を推定できる。なお、生体情報取得部は、測定によって体重の情報を取得してよい。
　生化学検査値に基づいて健康リスクを評価する健康リスク評価部をさらに備え、出力部は、健康情報として健康リスクを出力してよい。
　この構成により、生化学検査値に基づいて評価された健康リスクを健康情報として提供でき、推定された生化学検査値のみでは健康リスクを理解できないユーザに対して有用な情報を提供できる。
　生化学検査値に基づいて健康維持ないし健康回復に関するアドバイスを決定する健康アドバイス決定部をさらに備え、出力部は、健康情報としてアドバイスを出力してよい。
　この構成により、生化学検査値に基づいて決定された健康維持ないし健康回復に関するアドバイスを健康情報として提供でき、推定された生化学検査値のみではどのような対処をしてよいか分からないユーザに対して有用な情報を提供できる。
　生化学検査値推定部は、体組成情報を入力として生化学検査値を推定する学習モデルを用いて生化学検査値を推定してよい。
　この構成により、ユーザの体組成情報を学習モデルに入力することで、その体組成情報に対応する生化学検査値を得ることができる。なお、学習モデルは、機械学習等の人工知能によるものでも、それ以外の統計的手法により得られるものでもよく、例えば、複数組の体組成情報と生化学検査値との組み合わせを学習用データとして学習して得られるモデルでもよいし、例えば、複数種類の体組成情報とある生化学検査値との関係を規定した回帰式又はアルゴリズムでもよいし、あるいは、複数種類の体組成情報を入力すると、ある生化学検査値を出力するニューラルネットワークでもよい。
　生化学検査値推定部は、体組成情報と生化学検査値との関係を規定したテーブルを参照して生化学検査値を推定してよい。
　この構成により、複雑な演算をしなくても簡易かつ迅速に体組成情報に対する生化学検査値を推定できる。
　生化学検査値推定部は、実測により取得したユーザの生化学検査値を実測値とし、学習モデルを用いて推定された生化学検査値を基準推定値とし、実測値と基準推定値とに基づいて学習モデルを調整してよい。
　この構成により、実測値（例えば、実際の健康診断において血液検査等によって測定された値）に基づいて学習モデルを調整して用いることができ、個人差によって学習モデルの推定が合わない場合にも、そのような個人差の影響を小さくできる。例えば、ある生化学検査値の実測値が１００であるが、生化学検査値推定部で推定された生化学検査値が９０である場合には、この９０を基準推定値として、元の値より１０（＝１００－９０）だけ大きい値が出るように学習モデルを調整できる。このように学習モデルを調整すると、実測値を踏まえて生化学検査値を推定でき、また、実測値を基準として体組成や生体情報の変化に応じた生化学検査値を推定できる。なお、このために、基準推定値は、実測時と同時期のユーザの生体情報及び体組成情報を用いて推定された生化学検査値であることが望ましい。例えば、基準推定値は、実測時と最も近い日時におけるユーザの生体情報を用いて推定された生化学検査値でよい。また、実測時と同時期の生体情報及び体組成情報は、実測時前に推定されたものでよく、あるいは実測後に推定されたものでもよい。
　生化学検査値推定部は、さらに、実測を行ったときからの経過時間にも基づいて学習モデルを調整してよい。
　この構成により、例えば、時間の経過に伴って元の学習モデルに近づくように学習モデルを調整できる。
　生化学検査値推定部は、さらに、実測値と推定された生化学検査値との差分にも基づいて学習モデルを調整してよい。
　この構成により、例えば、実測値と推定された生化学検査値との差分が大きくなるほど元の学習モデルに近づくように学習モデルを調整できる。
　生化学検査値推定部は、複数の異なる時期の実測により取得された複数の実測値に基づいて学習モデルを調整してよい。
　この構成により、複数の実測値がある場合に、それらを用いて学習モデルを調整できる。例えば、年に一度の健康診断の結果（実測値）が数年にわたって蓄積されている場合には、それらの複数の実測値を用いて学習モデルを調整できる。このとき、新しい実測値が重視されるように重みづけをしてもよい。
　生化学検査値推定部は、複数回の推定によって得られた複数の生化学検査値を統計処理して基準推定値を決定してよい。
　この構成により、適切な基準推定値を得ることができる。すなわち、１回の推定によって得られた生化学検査値を用いて基準推定値を得るときと比較して、複数回の推定によって得られた生化学検査値を統計処理することによって、ばらつきが抑えられた精度の高い基準推定値を得ることができる。ここで、統計処理としては、単純な平均処理をしてもよいし、外れ値を除外した上で平均処理をしてもよい。
　生化学検査値推定部は、実測により取得したユーザの生化学検査値を実測値とし、学習モデルを用いて推定された生化学検査値を基準推定値とし、実測値と基準推定値とに基づいて、学習モデルにより推定された生化学検査値を調整してよい。
　この構成により、実測値に基づいて、学習モデルが調整されるのではなく、学習モデルにより推定された生化学検査値が調整される。この調整を行うための調整パラメータは、上記と同様に、時間の経過に従って小さくしていってよいし、実測値からの差分が大きくなるほど小さくしてよいし、複数の実測値に基づいて決定してもよい。
　生化学検査値推定部は、実測により取得したユーザの生化学検査値を実測値とし、テーブルを参照して推定された生化学検査値を基準推定値とし、実測値と基準推定値とに基づいて、テーブルを参照して推定された生化学検査値を調整してよい。
　この構成によっても、実測値に基づいて、推定された生化学検査値が調整される。この調整を行うための調整パラメータも、上記と同様に、時間の経過に従って小さくしていってもよいし、実測値からの差分が大きくなるほど小さくしてよいし、複数の実測値に基づいて決定してもよい。
　一態様の健康情報提供システムは、ユーザの生体情報として生体電気インピーダンスを測定する生体電気インピーダンス測定部と、生体電気インピーダンスに基づいて生化学検査値を推定する生化学検査値推定部と、生化学検査値又は生化学検査値に基づく健康情報を出力する出力部と、を備える。
　この構成によれば、生体電気インピーダンスによって生化学検査値を推定することができ、簡易に生化学検査値を推定できる。すなわち、生体電気インピーダンスを取得可能な装置として、体組成計ないし体組成計測機能付きの体重計を用いることができ、ユーザは、体組成を測定するのと同様の手順によって生化学検査値の推定値を得ることができる。
　生化学検査値推定部は、生体電気インピーダンスを入力として生化学検査値を推定する学習モデルを用いて生化学検査値を推定してよい。
　この構成により、学習モデルを用いて生体電気インピーダンスから生化学検査値が推定される。
　一態様の健康情報提供プログラムは、コンピュータに、ユーザの体組成情報を取得させ、体組成情報に基づいて生化学検査値を推定させ、生化学検査値又は生化学検査値に基づく健康情報を出力させる。
　この構成により、生化学検査値推定部は、体組成情報に基づいて生化学検査値を推定するので、血液検査等のコストが比較的大きい検査を行うことなく簡易に生化学検査値を得ることができる。
　一態様の健康情報提供プログラムは、コンピュータに、生体電気インピーダンスを測定する生体電気インピーダンス測定部を制御してユーザの生体情報として生体電気インピーダンスを取得させ、生体電気インピーダンスに基づいて生化学検査値を推定させ、生化学検査値又は生化学検査値に基づく健康情報を出力させる。
　この構成によれば、生体電気インピーダンスによって生化学検査値を推定することができ、簡易に生化学検査値を推定できる。例えば、生体電気インピーダンスから演算により求められる体組成情報によって生化学検査値を推定するようにシステム又はプログラムを構成する場合は、確立している体組成情報の演算法を用いることを活かした生化学検査値の推定が可能になるし、生体電気インピーダンスから直接生化学検査値を推定するようにシステム又はプログラムを構成する場合も、体組成計ないし体組成計測機能付きの体重計と共通の生体電気インピーダンス取得装置を用いることができる。
図１は、第１の実施の形態に係る健康情報提供システムを示す図である。 図２は、第１の実施の形態に係る計測装置の使用態様を示す図である。 図３は、第１の実施の形態に係る健康情報提供システムのハードウェア構成を示すブロック図である。 図４は、第１の実施の形態に係る健康情報提供システムの機能的な構成を示すブロック図である。 図５は、第１の実施の形態に係る生化学検査値であるＨＤＬコレステロール（縦軸）と体組成情報である脂肪量（ｋｇ）（横軸）との相関関係を示すグラフである。 図６は、第１の実施の形態に係るＨＤＬコレステロール（縦軸）と体組成情報である内臓脂肪量（ｃｍ２）（横軸）との相関関係を示すグラフである。 図７は、第１の実施の形態に係る複数種類の体組成情報を用いた推定の精度を示すグラフである。 図８は、第１の実施の形態に係る体内リスク評価のイメージ図である。 図９は、第１の実施の形態に係る学習モデルの調整を模式的に示すグラフである。 図１０は、第１の実施の形態に係る実測を行ったときからの経過時間にも基づいて学習モデルを調整する例を説明するグラフである。 図１１は、第１の実施の形態に係る実測値と推定値との差分に基づいて学習モデルを調整する例を説明するグラフである。 図１２は、第１の実施の形態に係る実測値と推定値との差分に基づいて調整度合いが小さくなる学習モデルの例を説明するグラフである。 図１３は、第１の実施の形態に係る数の異なる時期の実測により取得された複数の実測値に基づいて学習モデルを調整する例を示すグラフである。 図１４は、第１の実施の形態に係る複数回の推定によって得られた複数の生化学検査値を統計処理して基準推定値を決定する例を示すグラフである。 図１５は、第２の実施の形態に係る実測値と推定値とに基づいて学習モデルにより推定された生化学検査値を調整する例を示すグラフである。 図１６は、第３の実施の形態に係る健康情報提供システムの機能的な構成を示すブロック図である。 図１７は、第４の実施の形態に係る健康情報提供システムの機能的な構成を示すブロック図である。
　以下、図面を参照して本開示の実施の形態を説明する。なお、以下に説明する実施の形態は、本開示を実施する場合の一例を示すものであって、本開示を以下に説明する具体的構成に限定するものではない。本開示の実施にあたっては、実施の形態に応じた具体的構成が適宜採用されてよい。
（第１の実施の形態）
　図１は、第１の実施の形態の健康情報提供システム５０を示す図である。また、図２は、第１の実施の形態の計測装置１０の使用態様を示す図である。本実施の形態では、健康情報提供システム５０は、計測装置１０と情報処理端末（以下、「ユーザ端末」という。）２０とからなる。計測装置１０は、生体電気インピーダンス法（Bioelectrical Impedance Analysis：ＢＩＡ）という測定原理を応用して体内に流される微弱な電流を測定することで、体脂肪等の体組成を測定可能な体組成計である。
　計測装置１０は、本体部１１とハンドルユニット１２とを備えている。本体部１１とハンドルユニット１２とは、接続コード１３により電気的に接続されている。ハンドルユニット１２は、本体部１１に設けられた収容部１４に収容可能である。ハンドルユニット１２が収容部１４に収容されるときは、接続コード１３は本体部１１内部の図示しない巻取り機構により巻き取られて、本体部１１の内部に収容される。
　本体部１１は、上面の右側に通電用電極１１１Ｒ及び測定用電極１１２Ｒを備え、上面の右側に通電用電極１１１Ｌ及び測定用電極１１２Ｌを備えている。
　ハンドルユニット１２は、概略棒状の形状を有し、その中央にはハンドル本体１５を備え、ハンドル本体１５の両側にグリップ１６Ｒ及び１６Ｌが設けられている。ハンドル本体１５には、表示パネル１７及び操作ボタン１８Ａ～１８Ｄが設けられている。また、グリップ１６Ｒは、通電用電極１６１Ｒ及び測定用電極１６２Ｒを備え、グリップ１６Ｌは、通電用電極１６１Ｌ及び測定用電極１６２Ｌを備えている。
　図２に示す使用態様において、ユーザは、裸足で本体部１１の上に乗って直立し、両腕を伸ばした状態でハンドルユニット１２を両手で握ることで、体組成の計測を行うことができる。このとき、通電用電極１１１Ｒには右足の指の付け根が接触し、測定用電極１１２Ｒには右足のかかとが接触し、通電用電極１１１Ｌには左足の指の付け根が接触し、測定用電極１１２Ｌには左足のかかとが接触し、通電用電極１６１Ｒには右手の指が接触し、測定用電極１６２Ｒには右手の掌が接触し、通電用電極１６１Ｌには左手の指が接触し、測定用電極１６２Ｌには左手の掌が接触する。
　また、本体部１１は、内部に体重を計測するためのロードセルを備えている。図２に示すように本体部１１に乗ったユーザの体重を測定できる。ロードセルは荷重に応じて変形する金属部材の起歪体と、起歪体に貼られる歪みゲージとによって構成される。ユーザが計測装置１０の上に乗ると、ユーザの荷重によってロードセルの起歪体が撓んで歪ゲージが伸縮する。歪みゲージの抵抗値（出力値）は、その伸縮に応じて変化する。計測装置１０は、荷重がかかっていないときのロードセルの出力値（ゼロ点）と荷重がかかったときの出力値との差から体重を演算する。なお、ロードセルを用いた体重の測定に関する構成は、一般の体重計と同様の構成を用いればよい。
　ユーザ端末２０は、アプリケーションプログラムを実行可能なコンピュータ、フラッシュメモリ等の内部ストレージ、タッチパネル、各種のコネクタ等を備えた携帯型の端末である。また、ユーザ端末２０は、インターネットに接続するための無線通信デバイス、近くの他のデバイスに接続するための近距離通信デバイスを備えている。計測装置１０は、近くの他のデバイスに接続するための近距離通信デバイスを備えている。計測装置１０とユーザ端末２０とは、互いにペアリングをすることで近距離無線通信（例えば、Bluetooth（登録商標））により各種の情報を送受信できる。
　図３は、第１の実施の形態に係る健康情報提供システム５０のハードウェア構成を示すブロック図である。健康情報提供システム５０は、入力部５０１と、体重測定部５０２と、ＢＩ（生体電気インピーダンス）測定部５０３と、記憶部５０４と、制御部５０５と、出力部５０６とを備えている。これらの構成要素のうち、体重測定部５０２及びＢＩ測定部５０３は、計測装置１０に設けられるが、上記のように、計測装置１０とユーザ端末２０とは、互いに通信できるので、入力部５０１、記憶部５０４、制御部５０５、出力部５０６は、計測装置１０及びユーザ端末２０のいずれに設けられてもよく、あるいは両方に設けられてもよい。
　入力部５０１は、ユーザの操作入力を受け付ける。本実施の形態では、入力部５０１には、特に、ユーザごとに、身長、年齢、性別を入力する。計測装置２０の操作ボタン１８Ａ～１８Ｄ、ユーザ端末２０のタッチパネルは、いずれも入力部５０１となり得る。体重測定部５０２は、計測装置１０のロードセルがこれに相当する。
　また、ＢＩ測定部５０３は、計測装置１０が備える各電極１１１Ｒ、１１１Ｌ、１１２Ｒ、１１２Ｌ、１６１Ｒ、１６１Ｌ、１６２Ｒ、１６２Ｌと、各通電用電極１６１Ｒ、１６１Ｌ、１１１Ｒ、１１１Ｌと、それらの電極に微弱の交流定電流を流す電流制御回路を備えている。
　記憶部５０４は、入力部５０１から入力された情報、体重測定部５０２にて測定された体重、ＢＩ測定部５０３で測定された生体電気インピーダンス、制御部５０５で演算された体組成等をユーザごとに記憶する。また、記憶部５０４は、体重や体組成を測定するための測定プログラムや本実施の形態の健康情報提供プログラムも記憶し、それらのプログラムによって生成されたデータやそれらのプログラムに使用する各種の情報（例えば、後述する学習モデル）も記憶する。測定プログラムや健康情報提供プログラムは、計測装置１０又はユーザ端末２０の販売時にあらかじめ記憶部５０４に記憶されていてもよく、記憶部５０４を備えた計測装置１０又はユーザ端末２０が通信ネットワークから測定プログラムや健康情報提供プログラムをダウンロードすることで記憶部５０４に記憶されてもよく、あるいは、記憶部５０４を備えた計測装置１０又はユーザ端末２０が、非一時的な記録媒体から測定プログラムや健康情報提供プログラムを読み出すことによって記憶部５０４に記憶されてもよい。
　制御部５０５は、測定用プログラムに従って健康情報提供システム５０の各部を制御するとともに、健康情報提供プログラムに従って、入力部５０１に入力された情報、体重測定部５０２で測定された体重、ＢＩ測定部５０３で測定された生体電気インピーダンスに基づいて体組成を算出したり、健康情報を求めたりする。出力部５０６は、測定装置２０の表示パネル１７やユーザ端末２０のタッチパネルがこれに相当する。出力部５０６は、制御部５０５の制御に従って、入力部５０１に情報を入力するための画面や、制御部５０５を制御するための画面や、制御部５０５による演算の結果を示す画面等を表示する。
　図４は、第１の実施の形態に係る健康情報提供システム５０の機能的な構成を示すブロック図である。健康情報提供システム５０では、制御部５０５が各種のプログラムを実行することにより各種の機能が実現される。図４では、特に、本実施の形態の健康情報提供プログラムを実行することにより実現される機能を示している。健康情報提供システム５０は、身長・年齢・性別取得部５１と、体重取得部５２と、ＢＩ（生体電気インピーダンス）取得部５３と、体組成取得部５４と、生化学検査値推定部５５と、健康リスク評価部５６と、健康アドバイス決定部５７と、出力部５８とを備えている。
　身長・年齢・性別取得部５１は、入力部５０１にてユーザの操作入力を受け付けることで、ユーザの生体情報である身長、年齢、性別の情報を取得する。体重取得部５２は、体重測定部５０２にてユーザの体重を測定することで、ユーザの生体情報である体重を取得する。ＢＩ取得部５３は、ユーザの生体情報である全身及び各身体部位の生体電気インピーダンスを測定する。
　ＢＩ取得部５３は、例えば、以下のようにして生体電気インピーダンスを測定する。
（１）全身の生体電気インピーダンスの測定は、通電用電極１６１Ｌ及び通電用電極１１１Ｌを用いて電流を供給し、左手、左腕、胸部、腹部、左脚部、左足を流れる電流経路において、その左手に接触している測定用電極１６２Ｌと左足に接触している測定用電極１１２Ｌとの間の電位差を測定する。
（２）右脚の生体電気インピーダンスの測定は、通電用電極１６１Ｒ及び通電用電極１１１Ｒを用いて電流を供給し、右手、右腕、胸部、腹部、右脚部、右足を流れる電流経路において、その左足に接触している測定用電極１１２Ｌと右足に接触している測定用電極１１２Ｒとの間の電位差を測定する。
（３）左脚の生体電気インピーダンスの測定は、通電用電極１６１Ｌ及び通電用電極１１１Ｌを用いて電流を供給し、左手、左腕、胸部、腹部、左脚部、左足を流れる電流経路において、その左足に接触している測定用電極１１２Ｌと右足に接触している測定用電極１１２Ｒとの間の電位差を測定する。
（４）右腕の生体電気インピーダンスの測定は、通電用電極１６１Ｒ及び通電用電極１１１Ｒを用いて電流を供給し、右手、右腕、胸部、腹部、右脚部、右足を流れる電流経路において、その左手に接触している測定用電極１６２Ｌと右手に接触している測定用電極１６２Ｒとの間の電位差を測定する。
（５）左腕の生体電気インピーダンスの測定は、通電用電極１６１Ｌ及び通電用電極１１１Ｌを用いて電流を供給し、左手、左腕、胸部、腹部、左脚部、左足を流れる電流経路において、その左手に接触している測定用電極１６２Ｌと右手に接触している測定用電極１６２Ｒとの間の電位差を測定する。
　このようにして、ＢＩ取得部５３は、各通電用電極からユーザの身体の所定部位に交流定電流を流し、この電流経路に生じる電位差を測定する。そして、このような電流及び電位差の各値に基づいて、ユーザの全身又は各身体部位の生体電気インピーダンスを算出する。生体電気インピーダンスの測定に関する構成は、一般の体組成計と同様の構成を用いればよい。なお、ここで、全身及び各身体部位のそれぞれについての生体電気インピーダンスは、基準周波数（例えば、５０ｋＨｚ）の交流定電流を流したとき、高周波数（例えば、２５０ｋＨｚ）の交流定電流を流したとき、低周波数（例えば、５ｋＨｚ）の交流定電流を流したときのそれぞれに対して求められる。
　なお、身長・年齢・性別取得部５１は操作入力によって生体情報を取得するものであり、体重取得部５２及びＢＩ取得部５３は、測定によって生体情報を取得するものである。しかし、いずれもユーザの生体情報を取得するものであるから、これらを合わせて生体情報取得部ともいう。
　体組成取得部５４は、身長・年齢・性別取得部５１で取得した身長、年齢、性別、体重取得部５２で取得した体重、及びＢＩ取得部５３で取得した生体電気インピーダンスを含む生体情報を用いた演算により、ユーザの体組成情報を取得する。体組成取得部５４は、生体情報を所定の回帰式に適用して演算をすることにより、脂肪率、脂肪量、除脂肪量、筋肉量、内臓脂肪量、内臓脂肪レベル、内蔵脂肪面積、皮下脂肪量、基礎代謝量、骨量、体水分率、ＢＭＩ（Body Mass Index）、細胞内液量、細胞外液量等の体組成情報を取得する。体組成情報の演算に関する構成も、一般の体組成計と同様の構成を用いることができる。
　生化学検査値推定部５５は、身長・年齢・性別取得部５１で取得した身長、年齢、性別、体重取得部５２で取得した体重、及びＢＩ取得部５３で取得した生体電気インピーダンスを含む生体情報と、体組成取得部５４で算出された体組成情報とに基づいて生化学検査値を推定する。ここで、生化学検査値とは、健康診断における生化学検査のいずれかの検査項目をいう。
　例えば、日本人間ドック学会（The Japan Society of Ningen Dock）の平成３０年度一日ドック基本検査項目表によれば、生化学検査として、総蛋白、アルブミン、クレアチニン、ｅＧＦＲ、尿酸、総コレステロール、ＨＤＬコレステロール、ＬＤＬコレステロール、Ｎｏｎ－ＨＤＬコレステロール、中性脂肪、総ビリルビン、ＡＳＴ（ＧＯＴ）、ＡＬＴ（ＧＰＴ）、γ－ＧＴ（γ－ＧＴＰ）、ＡＬＰ、血糖（空腹時）、ＨｂＡ１ｃがある。
　生化学検査値推定部５５が推定を行う生化学検査は、これに限られず、例えば、トリグリセライド（ＴＧ）、アミラーゼ、ＣＲＰ（C-Reactive Protein）、ＲＦ（Rheumatoid Factor）赤血球数、白血球数、ヘモグロビン量、ヘマトクリット値、ＭＣＶ（Mean Corpuscular Volume：平均赤血球容積）、ＭＣＨ（Mean Corpuscular Hemoglobin：平均赤血球ヘモグロビン量）、血小板数、等の検査でもよい。
　生化学検査値推定部５５の動作の説明に先立って、生体情報及び体組成情報と生化学検査値との関係について説明する。
　図５は、第１の実施の形態に係る生化学検査値であるＨＤＬコレステロール（縦軸）と体組成情報である脂肪量（ｋｇ）（横軸）との相関関係を示すグラフである。図５のグラフから分かるように、ＨＤＬコレステロールと脂肪量との間には、脂肪量が大きいほどＨＤＬコレステロールが小さいという直線的な相関があるようにみえるが、そのばらつきは比較的大きく、脂肪量からＨＤＬコレステロールを高精度に推定することは困難である。
　図６は、第１の実施の形態に係るＨＤＬコレステロール（縦軸）と体組成情報である内臓脂肪量（ｃｍ２）（横軸）との相関関係を示すグラフである。図６のグラフから分かるように、ＨＤＬコレステロールと内臓脂肪量の二乗とは相関があるようにみえるが、この場合も相関は弱く、内臓脂肪量からＨＤＬコレステロールを推定するにはばらつきが大きすぎる。
　図７は、第１の実施の形態に係る複数種類の体組成情報を用いた推定の精度を示すグラフである。図７のグラフの縦軸は実測ＨＤＬコレステロールであり、横軸は複数種類の体組成情報を用いて重回帰分析により推定した推定ＨＬＤコレステロールである。複数種類の体組成情報を用いて重回帰分析等の分析手法を行うことで、図７に示すように、精度よくＨＤＬコレステロールを推定ができる。
　生化学検査値推定部５５は、多数組の生体情報及び体組成情報と生化学検査値との組について重回帰分析を行うことで得られた重回帰式を用いて、生体情報及び体組成情報から、生化学検査値を推定する。この重回帰式は、生体情報及び体組成情報を説明変数とし、生化学検査値を目的変数とするものである。また、この重回帰式は、多数組の生体情報及び体組成情報と生化学検査値との組を教師データとして学習をして得られた学習モデルということもできる。なお、学習モデルは重回帰式に限られず、例えば、決定木やニューラルネットワークを用いた学習により生成される学習モデルでもよい。また、年齢や性別は、例えば、説明変数とせずに、年齢及び性別ごとに異なる重回帰式を用意して用いてもよい。
　生化学検査値推定部５５は、例えば、脂肪量（ｋｇ）をｘ１とし、内臓脂肪量（ｃｍ２）をｘ２としたときに、重回帰分析によりＨＤＬコレステロールＹを以下の重回帰式（１）で推定する。なお、生化学検査値の推定精度を高めるために、例えばｘ１、ｘ２の変化量及び／又は変化の方向を考慮し、それらも説明変数として加えた重回帰式を用いてＨＤＬコレステロールＹを推定してもよい。
Ｙ＝ａｘ１／ｘ２ ２＋ｂ　・・・（１）
　生化学検査値推定部５５は、複数種類の生化学検査値を推定するための上記のような重回帰式を複数記憶している。各生化学検査値を推定する際に用いる生体情報及び体組成情報は一般的には異なっている。生化学検査値推定部５５は、各生化学検査値を推定するための回帰式に、この回帰式に必要な生体情報及び体組成情報を代入することで、各生化学検査値を推定する。
　健康リスク評価部５６は、生化学検査値推定部５５で推定された生化学検査値に基づいて、健康リスクを評価する。このために、健康リスク評価部５６には、生化学検査値の範囲と健康リスクとの関係を規定したテーブルが記憶されている。健康リスク評価部５６は、テーブルを参照することで、生化学検査値推定部５５にて推定された生化学検査値に対応する健康リスク評価を抽出する。健康リスク評価は、可能性のある病気や症候群（例えば、血圧）とその可能性（リスク）の度合い（例えば、I：良い、II：変化なし、III：悪い）との組み合わせからなり、健康リスク評価部５６は、例えば、「予測血圧変化　I（↓Ｇｏｏｄ！）」等の健康リスクの評価を行う。
　健康アドバイス決定部５７は、生化学検査値推定部５５で推定された生化学検査値に基づいて、健康維持ないし健康回復に関するアドバイスを決定する。このため、健康アドバイス決定部５７には、生化学検査値の範囲と健康アドバイスとの関係を規定したテーブルが記憶されている。
　健康アドバイス決定部５７は、テーブルを参照することで、生化学検査値推定部５５にて推定された生化学検査値に対応する健康アドバイスを抽出する。健康アドバイスは、可能性のある病気や症候群（例えば、メタボリックシンドローム）について、例えば、「＜体内変化評価コメント＞　体組成変化から推定されるメタボリックシンドロームリスクは低下傾向で、良い方向に変化している可能性が高いです。この調子で維持しましょう！」等のコメントをする。
　出力部５８は、生化学検査値推定部５６で推定された生化学検査値を表示するとともに、健康リスク評価部５６で得られた健康リスク評価、健康アドバイス決定部５７で得られた健康アドバイスを健康情報として表示する。生化学検査値、健康リスク評価、健康アドバイスは切り替えてそれぞれ表示されてもよいし、いずれか一つのみが表示されてもよい。
　この健康リスク評価と健康情報とを、図８を用いて具体的に説明する。図８は、第１の実施の形態に係る体内リスク評価のイメージ図である。図８の例では、健康リスク評価部５６で得られた健康リスク評価６０１は、「☆予測血圧変化・・・・・・・I（↓Good!）　健診データ有（HBP120 LBP80）」、「☆予測血中脂質変化・・・・・I（↓Good!）　健診データ有（TC LDL HDL TG）」、「☆予測肝機能変化・・・・・・II（－変化無）　健診データ有（GOT GPT γGTP）」、「☆予測血糖（糖代謝）リスク・I（↓良方向）　健診データ有（FBS HbA1c）」と表示されている。
　また、図８の例では、健康アドバイス決定部５７で得られた健康情報６０２は、「◎メタボリックシンドロームの予防の必要性・・・低い（このまま維持）」、「＜体内変化評価コメント＞　体組成変化から推定されるメタボリックシンドロームリスクは低下傾向で、良い方向に変化している可能性が高いです。この調子で維持しましょう！」と表示されている。
　以上のように、本実施の形態の健康情報提供システム５０では、生化学検査値推定部５５が、体組成情報に基づいて生化学検査値を推定するので、血液検査等のコストが比較的大きい検査を行うことなく簡易に生化学検査値を提供できる。
　また、生体情報取得部は、生体電気インピーダンスを用いて演算をすることにより体組成情報を取得できる。既存の体組成計を用いることで生体電気インピーダンスは容易に測定できるので、健康情報提供システム５０は、容易に体組成情報を取得できる。さらに、生化学検査値推定部５５は、ユーザの体組成情報のみならず、ユーザの身長、体重、年齢、性別を含む生体情報にも基づいて、有効に生化学検査値を推定できる。
　さらに、本実施の形態の健康情報提供システム５０によれば、健康リスク及び健康アドバイスを提供でき、推定された生化学検査値のみでは健康リスクを理解できないユーザや、推定された生化学検査値のみではどのような対処をしてよいか分からないユーザに対して有用な情報を提供できる。
　上記の健康情報提供システム５０は、学習モデルを用いることにより、生体情報及び体組成情報から生化学検査値を推定できる。しかし、実際に血液検査等を含む健康診断を行って生化学検査値（実測値）が得られている場合がある。
　この場合には、この実測値を用いて精度の高い推定ができる。すなわち、健康診断を例えば年１回のペースで受けている者は、次の健康診断までの１年間、健康診断の結果を踏まえて生体情報及び体組成情報から生化学検査値を推定することで、精度の高い推定を行える。以下では、生化学検査値の実測値がある場合の生化学検査値の推定について説明する。
　生化学検査値推定部５５は、実測により取得したユーザの生化学検査値（実測値）と、学習モデルを用いて推定された生化学検査値（基準推定値）とに基づいて学習モデルを調整する。これにより、個人差によって学習モデルの推定が合わない場合にも、そのような個人差の影響を小さくできる。例えば、ある生化学検査値の実測値が１００であるが、生化学検査値推定部で推定された生化学検査値が９０である場合には、この９０を基準推定値として、元の値より１０（＝１００－９０）だけ大きい値が得られるように学習モデルを調整できる。
　このように学習モデルを調整すると、実測値を踏まえて生化学検査値を推定でき、また、実測値を基準として体組成や生体情報の変化に応じた生化学検査値を推定できる。なお、このために、基準推定値は、実測時と同時期のユーザの生体情報及び体組成情報を用いて推定された生化学検査値であることが望ましい。例えば、基準推定値は、実測時と最も近い日時におけるユーザの生体情報を用いて推定された生化学検査値でよい。また、実測時と同時期の生体情報及び体組成情報は、実測時前に推定されたものでよく、あるいは実測後に推定されたものでもよい。
　実測値は、ユーザによって入力部５０１より入力することができ、あるいは入力部５０１として通信モジュール又は通信インタフェイスを有する場合には、それらを通じて外部の機器から入力されてもよい。
　図９は、第１の実施の形態に係る学習モデルの調整を模式的に示すグラフである。図９の例では、入力データとＨＤＬコレステロールの推定値とが線形の関係にある例を示しているが、実際には本実施の形態では上記のように重回帰分析を行っているため、説明変数は複数である。しかし、以下では、説明の便宜上、入力データを１変数として、入力データとＨＤＬコレステロールとが線形の相関関係にあるものとして説明をする。なお、上記の式（１）の場合には、ｘ＝（ｘ１／ｘ２ ２）を入力データとすることができる。
　多数の学習データを学習した結果、図９に示す回帰式８１が得られているとする。また、健康診断を受けた結果、ＨＤＬコレステロールはＹｒであるとの結果が得られているとする。この健康診断と同時期に、本実施の形態の健康情報提供システム５０を利用して推定したＨＤＬコレステロールがＹｅであるとする。この場合には、健康診断と同時期に得られた入力データｘに対応するＨＤＬコレステロールはＹｒであるとすべきである。よって、生化学検査値推定部５５は、入力データｘに対してＨＤＬコレステロールＹｒが算出されるように学習モデルを調整する。本実施の形態では、具体的には、学習モデルのプロファイルを変更せずに、出力ＹｅがＹｒとなるように学習モデル（回帰式）をシフトする調整を行い、調整済学習モデル８２を設定する。
　なお、入力データｘを得た時点と健康診断の時点とで体組成が変化していると上記の学習モデルの調整が正しくできなくなる。このため、健康診断をした時点からなるべく近い時点で得た入力データｘによって推定される生化学検査値を基準推定値とすることが望ましい。その一方で、生化学検査値は数日程度で大きく変化するものでもないため、必ずしも両時点が同日である必要はない。例えば、１週間程度の時間差で基準推定値の推定と健康診断による実測とを行うことが望ましい。
　なお、図９の例では、学習モデルを調整するために元の学習モデルをシフトさせるが、このことは、元の学習モデルで推定されたＨＤＬコレステロールの値に、実測値と基準推定値との差分に基づく一定値を加減算することを意味している。すなわち、生化学検査値推定部５５は、元の学習モデルで推定された推定値に、実績値と基準推定値との差分に基づく一定値（差分自体でもよい）を加減算することで推定の精度を高めてもよい。
　図１０は、第１の実施の形態に係る実測を行ったときからの経過時間にも基づいて学習モデルを調整する例を説明するグラフである。この例では、生化学検査値推定部５５は、実測を行ってからの時間経過に伴って、調整された学習モデルの調整度合いを徐々に小さくする。図１０の例では、実測から所定の期間が経過した後に、学習モデルの調整度合いを小さくして、調整済み学習モデル８２を元の学習モデル８１に若干近づけて調整済み学習モデル８３としている。
　図１１は、第１の実施の形態に係る実測値と推定値との差分に基づいて学習モデルを調整する例を説明するグラフである。なお、ここでの推定値とは、実測と同時期に推定されて基準推定値とされる生化学検査値ではなく、そのような基準推定値に基づいて調整済み学習モデルが設定された後に、この調整済み学習モデルを用いて生化学検査値の推定を行う場合の推定値である。この推定値は、実測値近辺では、実測値を通る学習モデルを用いることで実測値を踏まえた高精度な推定が可能となるが、実測値と推定値との乖離が大きくなる場合には、実測値の影響を小さくしてもよく、逆に多数の学習データによって学習された元の学習モデルの信頼度が高くなると考えられる。
　そこで、生化学検査値推定部５５は、図１１に示すように、実測値から遠くなるほど元の学習データに近くなるように、学習モデル８２から学習モデル８４、学習モデル８５、学習モデル８６の順で学習モデルの調整の度合いを段階的に小さくし、最終的には元の学習モデルを採用する。
　図１２は、第１の実施の形態に係る実測値と推定値との差分に基づいて調整度合いが小さくなる学習モデルの例を説明するグラフである。生化学検査値推定部５５は、図１１の例に代えて、図１２に示すように、基準推測値が得られた時点で、実測値で最も元の学習モデルからの調整度合いが大きくなり、かつ、実測値から離れるほど調整度合いが小さくなるように学習モデルを調整して、調整済み学習モデル８７を設定してもよい。
　図１３は、第１の実施の形態に係る複数の異なる時期の実測により取得された複数の実測値に基づいて学習モデルを調整する例を示すグラフである。複数の実測値がある場合には、生化学検査値推定部５５は、それらを用いて学習モデルを調整する。例えば、年に一度の健康診断の結果（実測値）が数年にわたって蓄積されている場合には、それらの複数の実測値を用いて学習モデルを調整できる。図１３の例では、最新の実測値と最新の基準推測値との差分９１と、１年前の実測値と１年前の基準推定値との差分９２と、２年前の実測値と２年前の基準推定値との差分９３が得られている場合に、これらの差分９１～９３の平均値を算出し、この平均値をもって元の学習モデル８１を調整し、調整済み学習モデル８８を設定する。このとき、生化学検査値推定部５５は、新しい実測値ほど重みを重くする重みづけを行った上で平均（重み平均）をとってもよい。
　図１４は、第１の実施の形態に係る複数回の推定によって得られた複数の生化学検査値を統計処理して基準推定値を決定する例を示すグラフである。複数の生化学検査値がある場合には、生化学検査値推定部５５は、それらを統計処理して基準推定値を調整する。統計処理としては、単純な平均処理をしてもよいし、外れ値を除外した上で平均処理をしてもよい。図１４の例では、１週間（１Ｗ）の間に８回の推定によって得られた生化学検査値のうち、外れ値９４を除外した上で平均処理して得られた１Ｗ平均値９５を基準推定値として決定する。
　図１５は、第１の実施の形態に係る実測値と推定値とに基づいて学習モデルにより推定された生化学検査値を調整する例を示す図である。上記の図９の例では、生化学検査値推定部５５が、実測値に基づいて学習モデル８１を調整したが、図１５の例では、実測値に基づいて、学習モデル８１により推定された生化学検査値９６を調整する。この調整を行うための調整パラメータは、上記の図１０～１３の調整と同様に、時間の経過に従って小さくしていってよいし、実測値からの差分が大きくなるほど小さくしてよいし、複数の実測値に基づいて決定してもよい。
　以上のように、健康情報提供システム５０は、ユーザの体組成情報を学習モデルに入力することで、その体組成情報に対応する生化学検査値を得ることができる。この学習モデルは、実測値に基づいて調整して用いることができる。これにより、個人差によって学習モデルの推定が合わない場合にも、そのような個人差の影響を小さくできる。
　また、実測値に基づく学習モデルの調整は、実測を行ったときからの経過時間、実測値と推定された生化学検査値との差分、複数の異なる時期の実測により取得された複数の実測値に基づいて調整できる。これにより、時間の経過に伴って元の学習モデルに近づくように学習モデルを調整し、あるいは、実測値と推定された生化学検査値との差分が大きくなるほど元の学習モデルに近づくように学習モデルを調整し、あるいは、複数の実測値がある場合に、それらを用いて学習モデルを調整できる。
　さらに、健康情報提供システム５０は、複数回の推定によって得られた複数の生化学検査値を統計処理して基準推定値を決定することによって適切な基準推定値を得ることができる。すなわち、１回の生化学検査値の推定によっては正確な推定ができない場合があるが、生化学検査値の推定を複数回行うことで生体情報や体組成情報を正しく反映した生化学検査値を得ることができる。また、健康情報提供システム５０は、実測値に基づいて、学習モデルを調整するのではなく、学習モデルにより推定された生化学検査値を調整することもできる。
（第２の実施の形態）
　第２の実施の形態に係る健康情報提供システム５０の基本的な構成は、第１の実施の形態に係る健康情報提供システム５０の構成と同じである。ただし、第２の実施の形態に係る健康情報提供システム５０は、生化学検査値推定部５５が体組成情報と生化学検査値との関係を規定したテーブルを参照して、生化学検査値を推定する点で、第１の実施の形態に係る健康情報提供システム５０とは相違する。以下では、この相違点についてのみ説明する。
　生化学検査値推定部５５は、体組成情報と生化学検査値との関係を規定したテーブルを有する。生化学検査値推定部５５は、テーブルを参照して、生体情報及び体組成情報から、生化学検査値を推定する。
　生化学検査値推定部５５は、例えば、実測により取得したユーザの生化学検査値を実測値とし、テーブルを参照して推定された生化学検査値を基準推定値とし、この実測値とこの基準推定値とに基づいて、テーブルを参照して推定された生化学検査値を調整してよい。この調整を行うための調整パラメータも、上記の図１０～１３の調整と同様に、時間の経過に従って小さくしていってもよいし、実測値からの差分が大きくなるほど小さくしてよいし、複数の実測値に基づいて決定してもよい。
　以上のように、第２の実施の形態に係る健康情報提供システム５０は、生化学検査値推定部５５が備えるテーブルを参照して生化学検査値を推定できるため、複雑な演算をしなくても簡易かつ迅速に体組成情報に対する生化学検査値を推定できる。また、実測値に基づいて、推定された生化学検査値を調整できる。
（第３の実施の形態）
　第３の実施の形態に係る健康情報提供システム５０の基本的な構成は、第１の実施の形態に係る健康情報提供システム５０の構成と同じである。ただし、第３の実施の形態に係る健康情報提供システム５０は、体組成取得部５４を備えず、身長・年齢・性別取得部５１で取得した身長、年齢、性別と、体重取得部５２で取得した体重と、ＢＩ取得部５３で取得した生体電気インピーダンスを含む生体情報とに基づいて生化学検査値を推定する点で、第１の実施の形態に係る健康情報提供システム５０とは相違する。以下では、この相違点についてのみ説明する。
　図１６は、第３の実施の形態に係る健康情報提供システムの機能的な構成を示すブロック図である。健康情報提供システム５０は、身長・年齢・性別取得部５１と、体重取得部５２と、ＢＩ取得部５３と、生化学検査値推定部５５と、健康リスク評価部５６と、出力部５８とを備えている。
　生化学検査値推定部５５は、第１の実施の形態の健康情報提供システム５０のように体組成取得部５４で算出された体組成情報に基づくことなく、身長・年齢・性別取得部５１で取得した身長、年齢、性別と、体重取得部５２で取得した体重と、ＢＩ取得部５３で取得した生体電気インピーダンスを含む生体情報とに基づいて生化学検査値を推定する。すなわち、生化学検査値推定部５５は、体組成情報を用いることなく生体電気インピーダンスによって生化学検査値を推定する。
　同様に、生化学検査値推定部５５は、第１の実施の形態の健康情報提供システム５０のように体組成取得部５４で算出された体組成情報に基づくことなく、生体電気インピーダンスを入力として生化学検査値を推定する学習モデルを用いて生化学検査値を推定してよい。
　以上のように、第３の実施の形態に係る健康情報提供システム５０は、生体電気インピーダンスによって生化学検査値を推定することができ、簡易に生化学検査値を推定できる。すなわち、生体電気インピーダンスを取得可能な装置として、体組成計ないし体組成計測機能付きの体重計を用いることができ、ユーザは、体組成を測定するのと同様の手順によって生化学検査値の推定値を得ることができる。さらに、第２の実施の形態に係る健康情報提供システム５０は、学習モデルを用いて生体電気インピーダンスから生化学検査値が推定できる。
（第４の実施の形態）
　第４の実施の形態に係る健康情報提供システム５０の基本的な構成は、第１の実施の形態に係る健康情報提供システム５０の構成と同じである。ただし、第４の実施の形態に係る健康情報提供システム５０は、ＢＩ取得部５３を備えず、身長・年齢・性別取得部５１で取得した身長、年齢、性別と、体重取得部５２で取得した体重と、体組成取得部５４で取得された体組成情報とに基づいて生化学検査値を推定する点で、第１の実施の形態に係る健康情報提供システム５０とは相違する。以下では、この相違点についてのみ説明する。
　図１７は、第４の実施の形態に係る健康情報提供システムの機能的な構成を示すブロック図である。健康情報提供システム５０は、身長・年齢・性別取得部５１と、体重取得部５２と、生化学検査値推定部５５と、健康リスク評価部５６と、出力部５８と、体組成取得部５４とを備えている。
　体組成取得部５４は、第１の実施の形態の健康情報提供システム５０のようにＢＩ取得部５３が取得する生体電気インピーダンスを用いることなく、外部からの入力を受け付けることにより体組成情報を取得する。
　取得した体組成情報は、第１の実施の形態に係る健康情報提供システム５０と同様に、生化学検査値の推定に用いられる。すなわち、生化学検査値推定部５５は、身長・年齢・性別取得部５１で取得した身長、年齢、性別、体重取得部５２で取得した体重を含む生体情報と、体組成取得部５４で取得された体組成情報とに基づいて生化学検査値を推定する。
　以上のように、第４の実施の形態に係る健康情報提供システム５０は、生体電気インピーダンスを測定する機能を備えていない場合でも、体組成情報に基づいて生化学検査値を推定できる。
１０・・・計測装置
１１・・・本体部
１２・・・ハンドルユニット
１３・・・接続コード
１４・・・収容部
１５・・・ハンドル本体
１６Ｌ，Ｒ・・・グリップ
１７・・・表示パネル
１８Ａ～Ｄ・・・操作ボタン
２０・・・ユーザ端末
５０・・・健康情報提供システム
５１・・・身長・年齢・性別取得部
５２・・・体重取得部
５３・・・ＢＩ取得部
５４・・・体組成取得部
５５・・・生化学検査値推定部
５６・・・健康リスク評価部
５７・・・健康アドバイス決定部
５８・・・出力部
１１１Ｌ，Ｒ・・・通電用電極
１１２Ｌ，Ｒ・・・測定用電極
１６１Ｌ，Ｒ・・・通電用電極
１６２Ｌ，Ｒ・・・測定用電極
５０１・・・入力部
５０２・・・体重測定部
５０３・・・ＢＩ測定部
５０４・・・記憶部
５０５・・・制御部
５０６・・・出力部

Claims (21)

  1. 　ユーザの体組成情報を取得する体組成取得部と、
    　前記体組成情報に基づいて生化学検査値を推定する生化学検査値推定部と、
    　前記生化学検査値又は前記生化学検査値に基づく健康情報を出力する出力部と、
    　を備えた、健康情報提供システム。
  2. 　前記ユーザの生体情報を取得する生体情報取得部をさらに備え、
    　前記生化学検査値推定部は、前記生体情報に基づいて前記生化学検査値を推定する、請求項１に記載の健康情報提供システム。
  3. 　前記生体情報取得部は、前記生体情報として、少なくとも前記ユーザの生体電気インピーダンスを取得し、
    　前記体組成取得部は、前記生体電気インピーダンスを用いた演算により、前記体組成情報を取得する、請求項２に記載の健康情報提供システム。
  4. 　前記生体情報取得部は、測定により前記生体電気インピーダンスを取得する、請求項３に記載の健康情報提供システム。
  5. 　前記体組成取得部は、前記体組成情報の入力を受け付けることにより、前記体組成情報を取得する、請求項１又は２に記載の健康情報提供システム。
  6. 　前記生体情報取得部は、前記生体情報として、少なくとも前記ユーザの身長、体重、年齢、性別の情報を取得する、請求項２から５のいずれかに記載の健康情報提供システム。
  7. 　前記生化学検査値に基づいて健康リスクを評価する健康リスク評価部をさらに備え、
    　前記出力部は、前記健康情報として前記健康リスクを出力する、請求項１から６のいずれかに記載の健康情報提供システム。
  8. 　前記生化学検査値に基づいて健康維持ないし健康回復に関するアドバイスを決定する健康アドバイス決定部をさらに備え、
    　前記出力部は、前記健康情報として前記アドバイスを出力する、請求項１から７のいずれかに記載の健康情報提供システム。
  9. 　前記生化学検査値推定部は、前記体組成情報を入力として前記生化学検査値を推定する学習モデルを用いて前記生化学検査値を推定する、請求項１から８のいずれかに記載の健康情報提供システム。
  10. 　前記生化学検査値推定部は、前記体組成情報と前記生化学検査値との関係を規定したテーブルを参照して前記生化学検査値を推定する、請求項１から８のいずれかに記載の健康情報提供システム。
  11. 　前記生化学検査値推定部は、実測により取得した前記ユーザの前記生化学検査値を実測値とし、前記学習モデルを用いて推定された前記生化学検査値を基準推定値とし、前記実測値と前記基準推定値とに基づいて前記学習モデルを調整する、請求項９に記載の健康情報提供システム。
  12. 　前記生化学検査値推定部は、さらに、前記実測を行ったときからの経過時間にも基づいて前記学習モデルを調整する、請求項１１に記載の健康情報提供システム。
  13. 　前記生化学検査値推定部は、さらに、前記実測値と推定された前記生化学検査値との差分にも基づいて前記学習モデルを調整する、請求項１１又は１２に記載の健康情報提供システム。
  14. 　前記生化学検査値推定部は、複数の異なる時期の実測により取得された複数の前記実測値に基づいて前記学習モデルを調整する、請求項１１から１３のいずれかに記載の健康情報提供システム。
  15. 　前記生化学検査値推定部は、複数回の推定によって得られた複数の前記生化学検査値を統計処理して前記基準推定値を決定する、請求項１１から１４のいずれかに記載の健康情報提供システム。
  16. 　前記生化学検査値推定部は、実測により取得した前記ユーザの前記生化学検査値を実測値とし、前記学習モデルを用いて推定された前記生化学検査値を基準推定値とし、前記実測値と前記基準推定値とに基づいて、前記学習モデルにより推定された前記生化学検査値を調整する、請求項９に記載の健康情報提供システム。
  17. 　前記生化学検査値推定部は、実測により取得した前記ユーザの前記生化学検査値を実測値とし、前記テーブルを参照して推定された前記生化学検査値を基準推定値とし、前記実測値と前記基準推定値とに基づいて、前記テーブルを参照して推定された前記生化学検査値を調整する、請求項１０に記載の健康情報提供システム。
  18. 　ユーザの生体情報として生体電気インピーダンスを測定する生体電気インピーダンス測定部と、
    　前記生体電気インピーダンスに基づいて生化学検査値を推定する生化学検査値推定部と、
    　前記生化学検査値又は前記生化学検査値に基づく健康情報を出力する出力部と、
    　を備えた、健康情報提供システム。
  19. 　前記生化学検査値推定部は、前記生体電気インピーダンスを入力として前記生化学検査値を推定する学習モデルを用いて又はテーブルを参照して前記生化学検査値を推定する、請求項１８に記載の健康情報提供システム。
  20. 　コンピュータに、
    　ユーザの体組成情報を取得させ、
    　前記体組成情報に基づいて生化学検査値を推定させ、
    　前記生化学検査値又は前記生化学検査値に基づく健康情報を出力させる、
    　健康情報提供プログラム。
  21. 　コンピュータに、
    　生体電気インピーダンスを測定する生体電気インピーダンス測定部を制御してユーザの生体情報として生体電気インピーダンスを取得させ、
    　前記生体電気インピーダンスに基づいて生化学検査値を推定させ、
    　前記生化学検査値又は前記生化学検査値に基づく健康情報を出力させる、
    　健康情報提供プログラム。
PCT/JP2020/013915 2019-03-29 2020-03-27 健康情報提供システム及び健康情報提供プログラム WO2020203728A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2019-065761 2019-03-29
JP2019065761A JP2020162834A (ja) 2019-03-29 2019-03-29 健康情報提供システム及び健康情報提供プログラム

Publications (1)

Publication Number Publication Date
WO2020203728A1 true WO2020203728A1 (ja) 2020-10-08

Family

ID=72668410

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2020/013915 WO2020203728A1 (ja) 2019-03-29 2020-03-27 健康情報提供システム及び健康情報提供プログラム

Country Status (2)

Country Link
JP (1) JP2020162834A (ja)
WO (1) WO2020203728A1 (ja)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022025131A1 (en) * 2020-07-31 2022-02-03 Tanita Corporation Health level determination system, health level determination program, and health level detemination server
WO2022210570A1 (ja) * 2021-03-29 2022-10-06 日清食品ホールディングス株式会社 血糖値推定装置、血糖値推定方法及びプログラム
WO2022270098A1 (ja) * 2021-06-22 2022-12-29 日清食品ホールディングス株式会社 血中中性脂肪推定装置、血中中性脂肪推定方法及びプログラム
WO2023013167A1 (ja) * 2021-08-06 2023-02-09 日清食品ホールディングス株式会社 クレアチニンリスク推定装置、クレアチニンリスク推定方法及びプログラム
WO2023013164A1 (ja) * 2021-08-06 2023-02-09 日清食品ホールディングス株式会社 ＨｂＡ１ｃリスク推定装置、ＨｂＡ１ｃリスク推定方法及びプログラム
WO2023013166A1 (ja) * 2021-08-06 2023-02-09 日清食品ホールディングス株式会社 尿酸値推定装置、尿酸値推定方法及びプログラム
WO2024042757A1 (ja) * 2022-08-22 2024-02-29 国立研究開発法人医薬基盤・健康・栄養研究所 モデル決定装置、水分代謝指標推定装置、健康度推定装置、モデル決定方法、水分代謝指標推定方法、健康度推定方法、およびプログラム

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW202301379A (zh) * 2021-06-22 2023-01-01 日商日清食品控股股份有限公司 膽固醇風險推定裝置、膽固醇風險推定方法及程式
TW202307429A (zh) * 2021-08-06 2023-02-16 日商日清食品控股股份有限公司 γＧＴ推定裝置、γＧＴ推定方法及程式

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003111734A (ja) * 2001-10-05 2003-04-15 Yamato Scale Co Ltd 健康情報表示装置
JP2010250489A (ja) * 2009-04-14 2010-11-04 Hitachi Medical Corp メタボリックシンドローム改善情報演算システム、当該システムとして機能させるためのプログラム、及び、当該プログラムを記録した記録媒体

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003111734A (ja) * 2001-10-05 2003-04-15 Yamato Scale Co Ltd 健康情報表示装置
JP2010250489A (ja) * 2009-04-14 2010-11-04 Hitachi Medical Corp メタボリックシンドローム改善情報演算システム、当該システムとして機能させるためのプログラム、及び、当該プログラムを記録した記録媒体

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022025131A1 (en) * 2020-07-31 2022-02-03 Tanita Corporation Health level determination system, health level determination program, and health level detemination server
WO2022210570A1 (ja) * 2021-03-29 2022-10-06 日清食品ホールディングス株式会社 血糖値推定装置、血糖値推定方法及びプログラム
WO2022270098A1 (ja) * 2021-06-22 2022-12-29 日清食品ホールディングス株式会社 血中中性脂肪推定装置、血中中性脂肪推定方法及びプログラム
WO2023013167A1 (ja) * 2021-08-06 2023-02-09 日清食品ホールディングス株式会社 クレアチニンリスク推定装置、クレアチニンリスク推定方法及びプログラム
WO2023013164A1 (ja) * 2021-08-06 2023-02-09 日清食品ホールディングス株式会社 ＨｂＡ１ｃリスク推定装置、ＨｂＡ１ｃリスク推定方法及びプログラム
WO2023013166A1 (ja) * 2021-08-06 2023-02-09 日清食品ホールディングス株式会社 尿酸値推定装置、尿酸値推定方法及びプログラム
WO2024042757A1 (ja) * 2022-08-22 2024-02-29 国立研究開発法人医薬基盤・健康・栄養研究所 モデル決定装置、水分代謝指標推定装置、健康度推定装置、モデル決定方法、水分代謝指標推定方法、健康度推定方法、およびプログラム

Also Published As

Publication number Publication date
JP2020162834A (ja) 2020-10-08

Similar Documents

Publication Publication Date Title
WO2020203728A1 (ja) 健康情報提供システム及び健康情報提供プログラム
US8965497B2 (en) Electrophysiological analysis system and method
AU2022202574B2 (en) Body state classification
US20150223723A1 (en) Body condition information processing apparatus, non-transitory computer readable recording medium, and method for processing body condition information
US20100204601A1 (en) Respiration type evaluation apparatus
KR20190019397A (ko) 개인 맞춤형 건강 관리 시스템 및 방법
KR20070026559A (ko) 환자의 수화 및/또는 영양 상태를 측정하는 방법 및 장치
Machač et al. Validation of physical activity monitors in individuals with diabetes: energy expenditure estimation by the multisensor SenseWear Armband Pro3 and the step counter Omron HJ-720 against indirect calorimetry during walking
US20230178249A1 (en) Health level determination system, health level determination program, and health level determination server
JP4512379B2 (ja) 健康状態判定装置および健康状態判定用プログラム
Altini et al. Personalizing energy expenditure estimation using a cardiorespiratory fitness predicate
KR20160036954A (ko) 생체나이 측정 시스템 및 방법
JP2023171493A (ja) 指標の決定
Malinin Development of a non-invasive blood glucose monitor based on impedance measurements
JP4785294B2 (ja) 健康情報表示装置
WO2020196812A1 (ja) 情報提供システム、情報提供プログラム、及びコンピュータ読み取り可能な非一時的記憶媒体
US20210007666A1 (en) Body water content measurement device, method, and program
JP4132768B2 (ja) 健康情報表示装置
JP2022062321A (ja) 測定装置
WO2023132336A1 (ja) 身体判定システム及び身体判定プログラム
Ramezani An Implementation of Embedded Software for Real Time Monitoring of Bioimpedance
KR20160024083A (ko) 의학체력 생체나이 측정 시스템 및 단말기
Camargo-Gómez et al. Electronic Prototype for Heart Rate Measurement Oriented to Emotions Generated by Tasting Food
Turner et al. Generalizability of bioimpedance spectroscopy measures

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: 20783278

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20783278

Country of ref document: EP

Kind code of ref document: A1