WO2021176622A1

WO2021176622A1 - センサ決定装置およびセンサ決定方法

Info

Publication number: WO2021176622A1
Application number: PCT/JP2020/009274
Authority: WO
Inventors: 野中　修; 智子後町; 弘達藤原; 亮櫻井
Original assignee: オリンパス株式会社
Priority date: 2020-03-04
Filing date: 2020-03-04
Publication date: 2021-09-10
Also published as: CN114930464A

Abstract

健診を受けた本人が手軽に検査データを継続的に取得することができ、また本人に限らず家族等についても、検査データを継続的に取得できるように、検査データを取得するためのセンサを決定することができるセンサ決定装置およびセンサ決定方法を提供する。　特定人物の健診結果を入力し（Ｓ３）、健診結果のうち、特定の診断がなされた特定診断結果を判定し、特定診断結果のうち、遺伝や生活習慣に依存する症状を抽出し（Ｓ５）、抽出された症状に対応する見守りセンサを決定する（Ｓ６）。さらに、特定人物の被扶養者の判定を行い、この判定された被扶養者について、抽出された症状に対応する見守りセンサを決定する（Ｓ９、Ｓ１１）。

Description

センサ決定装置およびセンサ決定方法

　本発明は、日常の検査装置による検査や健康診断等において、遺伝や生活習慣に依存する症状を抽出した際に、日常生活において健康状態を見守るセンサを決定するセンサ決定装置およびセンサ決定方法に関する。

　従来より、信頼性が高い診断結果を報知するデータ分析装置が提案されている。例えば、特許文献１には、未判断の健診データが新たに取得された場合、医師によって当該所定の症状と関係するか否かが判断された既判断健診データに基づいて、当該未判断健診データと当該所定の症状との関係性を評価し、未判断健診データを病気の予測診断需要者に報知するデータ分析装置が開示されている。

国際公開２０１６／００６０４２号公報

　上述のデータ分析装置は、健診データに基づいて、健診を受けた本人の症状について診断結果を知ることができる。診断結果を受けた本人は、医療機関や検査機関において、検査データを定期的に取得して経過を観察し、また生活習慣の改善の指導を受ける、また治療を受けるようにすればよい。また、日々の生活の中で、きめ細やかにユーザを見守ることによって、さらに健康を増進することが出来ることが知られている。例えば、スマートフォンのアプリ等を用いて、禁煙を促進し、また高血圧の対策を行うようなサービスがあり、このサービスによる効果が認知されている。

　しかし、上述の特許文献１には、健診を受けた本人に対して、病気の診断を行うことしか記載されておらず、健康診断を受けた本人が手軽に検査データを取得することについては、何ら記載されていいない。また、健診を受けた本人以外の者が検査を受けることについても、何ら考慮されていない。

　本発明は、このような事情を鑑みてなされたものであり、健診結果を利用して、多くの人が健康になるための技術を提供することを目的とする。

　上記目的を達成するため第１の発明に係るセンサ決定装置は、特定人物の健診結果を入力する入力部と、上記健診結果のうち、特定の診断がなされた特定診断結果を判定する判定部と、上記特定診断結果のうち、遺伝や生活習慣に依存する症状を抽出する症状抽出部と、上記抽出された症状に対応する見守りセンサを決定する決定部と、を有する。

　第２の発明に係るセンサ決定装置は、上記第１の発明において、上記特定診断結果は、上記健診時に特定の検査項目に対して正常とならなかった診断結果である。

　第３の発明に係るセンサ決定装置は、上記第１の発明において、上記症状抽出部は、上記特定診断結果とその原因などを関連付けたデータベースから検索することによって抽出を行う。
　第４の発明に係るセンサ決定装置は、上記第１の発明において、上記見守りセンサは、上記特定診断結果とその原因などを関連付けたデータベースから検索することによって抽出を行う。

　第５の発明に係るセンサ決定装置は、上記第１の発明において、上記見守りセンサによって検出された情報を、上記特定人物に関連した情報端末にグラフ化して表示可能な情報提供部を有する。
　第６の発明に係るセンサ決定装置は、上記第１の発明において、上記見守りセンサの検知結果に基づいて健康アドバイスを推論する推論部と、　上記推論した結果を表示可能にするための表示制御部を有する。

　第７の発明に係るセンサ決定装置は、上記第１の発明において、上記見守りセンサの検知結果に基づいて健康アドバイスを推論する推論部を有し、上記推論部は、上記症状抽出部によって抽出された上記症状に対応する生活情報を、上記推論の際に反映させる。
　第８の発明に係るセンサ決定装置は、上記第１の発明において、上記特定人物の被扶養者の判定を行う被扶養者判定部を有し、上記決定部は、上記被扶養者判定部によって判定された上記被扶養者について、上記抽出された症状に対応する見守りセンサを決定する。

　第９の発明に係るセンサ決定装置は、上記第８の発明において、上記特定人物および上記被扶養者が使用可能な検査機器を記録する第１記録部を有し、上記決定部は、上記第１記録部に記録された検査機器の中から上記見守りセンサを決定する。
　第１０の発明に係るセンサ決定装置は、上記第１の発明において、上記特定人物の血縁関係を有する者を検索する血縁者判定部を有し、上記決定部は、上記血縁者判定部によって検索された血縁者について、上記抽出された症状に対応する見守りセンサを決定する。
　第１１の発明に係るセンサ決定装置は、上記第１０の発明において、上記特定人物および上記血縁者が使用可能な検査機器を記録する第２記録部を有し、上記決定部は、上記第２記録部に記録された検査機器の中から上記見守りセンサを決定する。

　第１２の発明に係るセンサ決定装置は、上記第１の発明において、上記入力部は、上記特定人物が受けた健診または診察に基づく健診結果を入力する。
　第１３の発明に係るセンサ決定装置は、上記第１の発明において、上記入力部は、上記特定人物が健康状態を測定するために検査機器からの検査データを入力する。

　第１４の発明に係るセンサ決定方法は、特定人物の健診結果を入力する入力ステップと、上記健診結果のうち、特定の診断がなされた特定診断結果を判定する判定ステップと、上記特定診断結果のうち、遺伝や生活習慣に依存する症状を抽出する症状抽出ステップと、上記抽出された症状に対応する見守りセンサを決定する決定ステップと、を有する。

　第１５の発明に係る記録媒体は、特定人物の健診結果を入力する入力ステップと、上記健診結果のうち、特定の診断がなされた特定診断結果を判定する判定ステップと、上記特定診断結果のうち、遺伝や生活習慣に依存する症状を抽出する症状抽出ステップと、上記抽出された症状に対応する見守りセンサを決定する決定ステップと、を有するセンサ決定プログラムをコンピュータに実行させるために、上記センサ決定プログラムを記録する。

　第１６の発明に係るセンサ決定システムは、健診結果を取得して特定の診断がなされた特定診断結果を判定する判定ステップと、上記特定診断結果のうち、遺伝や生活習慣に依存する症状を抽出する症状抽出ステップと、上記抽出された症状に対応する見守りセンサを決定する決定ステップと、を有するプログラムを有し、該プログラムを実行する情報処理装置に対して、特定人物の健診結果を入力した結果を送信する情報端末を有する。

　本発明によれば、健診を受けた本人が手軽に検査データを継続的に取得することができ、また本人に限らず家族等についても、検査データを継続的に取得できるように、検査データを取得するためのセンサを決定することができるセンサ決定装置およびセンサ決定方法を提供することができる。

本発明の一実施形態に係る推論システムの構成を示すブロック図である。本発明の一実施形態に係る推論システムにおいて、ＤＢ部８に記憶されるＩＤ別の利用可能な機器の一覧表を示す図表である。本発明の一実施形態に係る推論システムにおいて、ＤＢ部８に記録されている個人ＩＤ毎の履歴データの一例を示す図表である。本発明の一実施形態に係る推論システムにおいて、対象者の検査データの時系列的変化を示すグラフである。本発明の一実施形態に係る推論システムにおいて、制御部の動作を示すフローチャートである。本発明の一実施形態に係る推論システムにおいて、制御部の動作を示すフローチャートである。本発明の一実施形態に係る推論システムにおいて、対応推論モデル指定の動作を示すフローチャートである。本発明の一実施形態に係る推論システムにおいて、制御部から送信されてきた情報が端末に表示される閲覧する様子を示す図である。本発明の一実施形態に係る推論システムにおいて、制御部の動作の変形例を示すフローチャートである。本発明の一実施形態に係る推論システムにおいて、制御部の動作の変形例を示すフローチャートである。本発明の一実施形態に係る推論システムにおいて、推論モデルの入力と出力の関係の一例を示す図である。本発明の一実施形態に係る推論システムにおいて、センサ設定の動作の一例を示すフローチャートである。本発明の一実施形態に係る推論システムにおいて、推論モデルの入力と出力の関係の他の例を示す図である。本発明の一実施形態に係る推論システムにおいて、センサ設定の動作の他の例を示すフローチャートである。

　以下、本発明の一実施形態として、推論システムに本発明を適用した例について説明する。本実施形態に係る推論システムの制御部は、推論システムの制御部は、ユーザが日々、日常生活の中で使用可能な第１機器等から、ユーザの健康に関する検査データを入力することができ、ユーザの検査データを収集することができる。また、制御部は、診断・検査機関における診断結果を入力でき、ユーザが受けた健診に関する情報を収集することができる。

　本実施形態に係る推論システムの制御部は、多数の装置の出力データを収集し、この収集したデータを教師データとして学習することによって生成された推論モデルを用いて推論を行うことができる。また、本実施形態においては、ユーザ（対象者）の状況を考慮することによって正確な健康状態を把握し、カスタマイズ情報を提供することも可能である。すなわち、日々、健康状態に関する検査データを第１機器や第２機器等の検査機器によってモニタリングし、これらのデータを収集する。そして、この収集したデータに基づいて、健康に関する情報を提供することができる。

　このモニタリングによって取得した履歴データを用いて、ユーザに健康に関するアドバイスを表示することができる。また、アドバイスを提示するにあたっては、モニタリングで収集したデータを、推論モデルが設定された推論エンジンに入力し、推論エンジンの推論結果に基づいてアドバイスを表示することもできる。

　ところで、ユーザとその家族が使用する検査機器としては、家庭、勤務先（通学している学校等も含む）に設置されている場合がある。家庭等に設置される検査機器としては、電子血圧計、電子体温計、トイレに設置された大便・尿の検査機器等がある。また家庭等以外にも、定期健康診断や人間ドック、献血等の際の健診等においても種々の検査機器が用いられる。さらに、ユーザが医療機関を受診した際にも種々の検査機器が用いられる。このように、種々の検査機器が使用されることが多く、通常、ユーザとその家族毎に、検査機器は決まっていることが多い。このように、ユーザとその家族は、種々の検査機器によって、健康に関する検査データを取得することが可能である。また検査機器によって、検査できる内容が異なっている。

　本実施形態においては、診断・検査機関等において健診を受け、診断結果がでた場合には、その診断結果に関連する症状を抽出し、この症状を検査できる検査機器を指定し、見守り検査を継続するようにしている。検査機器が決定されると、推論システムの制御部は、継続的に検査データを収集し、十分な履歴データを収集すると、推論モデルを使用して、健康に関するアドバイスをユーザに出力する。

　なお、健康診断は、特定の病気や健康状態の症状を判定しているとも言える。その症状によって、いくつかの疾病が疑われる場合があり、症状はいくつかの疾病を判断する際の材料になる。つまり、健康診断によって、症状が数値化されたりデータ化されたりするので、そこから病理診断、臨床診断がなされ、その結果で、何らかの見守りが必要であるか否かが判定される。例えば、単純に体重が身長に比べて多い場合には、運動不足や過食、偏食が考えられ、特に病理診断等を行わなくても見守りセンサを決めることも出来る。この場合には、歩数や食事のアンケートや食べた料理の写真等をデータとすればよく、このために、歩数計や情報入力用の情報端末のユーザーインターフェースやカメラ等を、見守りセンサに設定されればよい。したがって、症例（体重増加）から機器、センサを決めても良いし、実際に他の情報を含めて、過食症などの病気と診断した上で機器、センサを決めてもよい。

　さらに、本実施形態に係る推論システムは、ユーザ本人のみならず、状況に応じて家族にも、家族の検査データを継続的に取得する検査機器（センサ）を決定している。特定の疾病等は、生活習慣に依存して発症する場合があり、ユーザ本人の家族はユーザと同様の生活習慣の可能性がある。そこで、生活習慣に依存した疾病等の場合には、家族も検査を行うことが望ましい。また遺伝に依存した疾病に罹患する場合がある。この遺伝に依存した疾病の場合には、血縁関係のある家族も検査を受けることが望ましい。本人やその家族等を検査する検査機器が決定されると、推論システムの制御部は、継続的に検査データを収集し、十分な履歴データを収集すると、推論モデルを使用して、健康に関するアドバイスをユーザに出力する。

　この遺伝という考え方には、人種や性別（なりやすい病気が異なる）による違いを考慮するという観点も含まれる。また、生活習慣は、その人の嗜好や職業や家族構成その他の制約によって決まった通常の生活パターンのようなものである。生活習慣は、広義には、長期間に亘る習慣に限らず、短期間の生活パターンも含まれる。例えば、その時々における勤務超過や休養状態など、短いスパンでの影響を受けやすい疾病の場合は、一日、二日から一週間、二週間といった単位での生活のパターンを含めて生活習慣と呼んでもよい。

　次に、図１を用いて、本発明の一実施形態にかかわる推論システムの構成を説明する。本実施形態をはじめ、本願では、個々人に寄り添い、日々の生活の中で健康状態を見守ることによって、健康を増進したり、病状を改善したりすることができるシステムや装置、方法を提供することを目的としている。このために、健康診断の結果等を反映させることによって、より効果的な見守りが出来るようにしている。例えば、すでに生活習慣が良好で、何の症状も見られない人にアドバイスしても、煩わしさしか与えない。また、症状が生活習慣に関連している場合には、家族等も同じ生活習慣である可能性があり、本人同様に検査データを継続的に取得して経過を観察し、また生活習慣の改善の指導を受けたり、また治療を受けたりすることが望ましい。さらに、その症状が遺伝病に関連している場合には、血縁の家族も同じ症状を発症する可能性があり、本人同様に健診データを継続的に取得して経過を観察し、また生活習慣の改善の指導を受ける、また治療を受けることが望ましい。

　また、家族以外の者に対しても、生活習慣について同様の改善指導を行うことが有効な場合もある。例えば、同じ学校（クラス）の人、同じ職場の人、同じサークルや同じ趣味を有し同じ場所に集まる人に対しても、広義の意味で生活習慣が一緒であり、あるいはある局面で生活習慣が一緒であることから、同様の改善指導を行うことが可能である。このような関係があるか否かは、家族であれば扶養関係について健康保険など公的な情報によって判定でき、また医療機関の有する情報、ＳＮＳ（ソーシャル・ネットワーキング・サービス）の情報等によっても判定することができる。また自己申告にて端末で設定できるようにしてもよく、また、同じ職場であるか否か、学校・サークル等における参加状況は、各自が持つ端末のＧＰＳ情報やＳＮＳなどの情報から判定でき、自分で申告できるようにしてもよい。

　図１に示す推論システムは、制御部１、第１機器２ａ、第２機器２ｂ、第３機器３、端末４、学習部５、学習依頼部６、推論エンジン７、データベース（ＤＢ）部８、診断・検査機関（医療機関等を含む）９、ユーザ情報部１０とからなる。この推論システムは、ユーザの健康状態に関する検査データを収集し、推論モデルに収集した検査データを入力し、疾病等の健康に関する情報を推論する。

　推論システムの各部の内、制御部１は、サーバ内に配置され、第１機器２ａ、第２機器２ｂ、第３機器３、端末４、学習部５、学習依頼部６、推論エンジン７、ＤＢ部８（記録部、ストレージ部とも表現できる）、診断・検査機関９、およびユーザ情報部１０とは、インターネット等のネットワークを通じてサーバに接続可能としている。しかし、本実施形態は、この構成に限定されることなく、例えば、制御部１、第１機器２ａ、第２機器２ｂ、第３機器３、学習部５、学習依頼部６、推論エンジン７、ＤＢ部８、ユーザ情報部１０の内のいずれか１つまたは複数が、サーバ内に配置され、他は別のサーバやパーソナルコンピュータ等の電子機器に、配置されていてもよい。更に、診断・検査機関９が、サーバの機能を有してもよい。

　また、第１機器２ａ、第２機器２ｂ、第３機器３、端末４が、制御部１と同様の機能を有し、ＤＢ部８と同様の記録機能を有して、以下、制御部１が行うとして説明する制御を実行してもよい。例えば、クラウド上にある制御部１とエッジ（端末）としての第１機器２ａ、第２機器２ｂ、第３機器３、端末４などと連携して制御部１が行うとして説明する制御を実行してもよい。これは、連携時の通信スピードや各エッジのハード構成や消費電力などに限界等のために、システムごとに最適化されることが多い。しかし、ここでは、単純化して説明できるように、制御部１が集中して以下の制御を行うとして記載している。

　制御部１は、本実施形態に係る情報伝達システムを制御するコントローラ（プロセッサ）であり、サーバ等や、ネットワークを通じて他の端末にファイルやデータなどを提供するＣＰＵ（Central Processor Unit）、メモリ、ＨＤＤ（Hard Disc Drive）等から構成されているＩＴ機器を想定している。しかし、制御部１は、この構成に限らず、小規模なシステムとして構築する場合は、パーソナルコンピュータのようなものでも構成は可能である。制御部１は、各種のインターフェース回路を有し、他の機器と連携することができ、プログラムによってさまざまな演算制御が可能である。

　制御部１は、連携する各装置から情報を受け取り、情報を整理し、必要な情報を生み出し、この情報をユーザに提供する。制御部１は、連携する各装置に依頼を出力し、また各装置を操作するような機能も有している。本実施形態においては、システムの自由度の高さや使い勝手を想定し、第１機器２ａ等の機器やユーザが有する端末４等と制御部１の間は、無線通信や有線通信で接続可能となっている。このための通信としては、無線ＬＡＮや携帯電話通信網を想定し、状況に応じてブルートゥース（登録商標）や赤外通信などの近距離無線などを併用してもよい。通信回路、アンテナや接続端子等からなる通信部の記載は煩雑になるので図１においては省略してあるが、図中の通信を示す矢印の部分には、通信回路等を有する通信部が設けられている。

　制御部１は、通信制御部１ａ、ＩＤ判定部１ｂ、情報提供部１ｃ、推論モデル仕様決定部１ｄ、推論依頼部１ｅ、検索部１ｆ、扶養者判定部１ｇを有する。これらの各部は、制御部１内のＣＰＵおよびプログラム等による、ソフトウエアによって実現してもよく、またハードウエア回路によって実現してもよく、またソフトウエアとハードウエア回路を協働させることによって実現してもよい。また、制御部１は、前述したように、ＣＰＵ等を有するプロセッサで構成されており、通信制御部１ａ、ＩＤ判定部１ｂ、情報提供部１ｃ、推論モデル仕様決定部１ｄ、推論依頼部１ｅ、検索部１ｆ、扶養者判定部１ｇが有する機能（例えば、入力部、判定部、症状抽出部、決定部、推論部、被扶養者判定部、血縁者判定部等）を実現する。また、プロセッサは、１つに限らず複数に分割され、それぞれが協調して動作することによって、各部の機能を実現してもよい。

　なお、図１において、制御部１内の各部は、互いに連携してそれぞれの機能を果たすため信号の方向は省略しているが、これは、別途、フローチャートで説明する。例えば、図５ＡのＳ１や図８ＡのＳ６１において、ＩＤ判定部１ｂは、第１機器２ａ、第２機器２ｂ等から、同一のユーザ毎に情報を収集している。

　通信制御部１ａは、通信回路等を有し、第１機器２ａ、第２機器２ｂ、第３機器３、端末４、学習部５、学習依頼部６、推論エンジン７、データベース（ＤＢ）部８、診断・検査機関９、ユーザ情報部１０内に設けられた通信部と、データ等の送受信を行う。なお、第１、第２機器２ａ、２ｂ、第３機器３、端末４等の各機器・各部もそれぞれ通信部を有しているが、図１においては煩雑になるため、図示を省略している。

　通信制御部１ａは、様々な連携機器との通信を切り替えるために、図示していない有線ＬＡＮ、無線ＬＡＮ、必要に応じて携帯電話回線その他の通信回路と連携し、通信プロトコルや回路電源や相手機器を制御している。また、通信制御部１ａは、第１機器２ａ～第３機器３、診断・検査機関９、端末４等の外部連携機器類から入力がある否かを判定して、制御部１内の各部との連携を開始してもよい。また、通信制御部１は、どのような通信を外部機器が求めているか、またその要求内容を解析する機能を有させる等によって、情報提供部１ｃ等と連携してもよい。また、通信制御部１は、情報提供部１ｃと連携してＤＢ部８やユーザ情報部１０、診断・検査機関９やその他のサーバ類と適宜通信を行うことによって、情報をやり取りし、通信先にある情報を取得したり選択したりする機能を有してもよい。

　また、通信制御部１は、最終的にユーザを見守るセンサを決めるために、情報提供部１ｃと連携して、端末４や第１機器２ａ～第３機器３等のセンサを利用可能にするための通信を行う。ユーザが保有している機器の情報やユーザの生活環境やその他の健康情報をユーザ情報部１０ａなどから取得して、抽出された症状に対応する見守りセンサを決定する場合、これらの機器との連携するための通信を行う。しかし、これに限らず、必要に応じて診断・検査機関９や端末４や第１機器２ａ～第３機器３の情報を利用してもよいので、通信制御部１は、この場合の通信制御も行う。このように、どのような情報に基づいて通信制御の内容を決定していくかは、このサービスを行う事業主が決めたルールによるものでもよく、またユーザの申告によって適宜、通信する外部機器や情報などを切り替えられるようにしてもよい。

　ＩＤ判定部１ｂは、第１機器２ａ等や診断・検査機関９から、同一のユーザ毎に情報を収集する。情報としては、第１機器２ａ、第２機器２ｂ、第３機器３からは個々のユーザの検査データを取得する。また診断・検査機関９からは、個々のユーザの健診結果や検査データを収集する。

　第１機器２ａ、第２機器２ｂ、第３機器３、診断・検査機関９、およびユーザ情報部１０によって情報が取得された個人を特定するため、個人毎にＩＤが割り当てられている。本実施形態においては、ユーザ個々のデータを取り扱うので、どのユーザの情報を受け取って、どのユーザにガイドを出すかの管理は、ＩＤ判定部１ｂが行っている。この特定ユーザの判定は、第１機器２ａ、第２機器２ｂ、第３機器３が生体認証機能を有したり、ユーザが端末４によってＩＤを入力したり、ユーザが第１、第２機器２ａ、２ｂ内の通信部を通じてＩＤを送信したり、また端末４が固有のコードを読み取ったりすることによって行う。なお、個人情報を保護するために、必要な部分を暗号化することによって管理を厳しくするが、これらは汎用的な技術であることから、詳しい説明を省略する。

　各機器のＩＤとしては、後述するように、各機器は種別情報を記憶しており、種別情報によって、その機器の機種名に関する情報やどの個体であるかを示す固有の情報等を判別するようにしてもよい。機種名から搭載するセンサの機能、性能などを、また個体情報から設置場所や利用環境などを分かるようにしてもよく、またこれらの情報を、ネットワークなどを通じて検索可能にしてもよい。機種名が分かれば、類似機器の情報を判定することが可能であり、また設置場所、利用環境から、緯度経度や室内室外、季節、天候、温度特性などを判定し、この判定結果を加味して、その機器の出力情報の補正を行ってもよい。

　情報提供部１ｃは、ユーザに正しい情報を提供するために、ユーザの情報を取得（他の装置が取得してあった結果を参照してもよい）する機能を有する。この機能を担うために、通信制御部１ａと連携した様々な外部機器からの情報を入力する入力部１ｃａを有し、特定人物の健診結果を取得できるようにしている。また、健診結果が入力された場合はその内容を例えばデータベースなどと連携して、特定の診断がなされた特定診断結果を判定する判定部１ｃｂを具備する。また、データベース部８やユーザ情報部１０、関連検査機関９やその他のサーバ類と適宜通信して情報をやり取りし、そこにある情報を取得したり選択したりする機能を通信制御部１ａと連携して有し、特定診断結果のうち、遺伝や生活習慣に依存する症状を抽出する症状抽出部１ｃｃを具備する。

　また、情報提供部１ｃは、ユーザが持っている機器の情報やユーザの生活環境やその他の健康情報をユーザ情報部１０ａなどから取得して、抽出された症状に対応する見守りセンサを決定する。もちろん、この時、医療従事者やセンサメーカの推奨もあるので、必要に応じて診断・検査機関９や端末４や第１機器２ａ～第３機器３の情報を利用してもよい。このような情報連携によってセンサを決定する時には、特定の条件分岐やＤＢ（データベース）検索など、ロジック・ルールベースで行ってもよく、また類似のユーザの情報などを使って学習した推論モデルを使って決定してもよい。

　この見守りセンサの決定のために、情報提供部１ｃは、第１機器２ａ等や診断・検査機関９から取得したユーザ（ＩＤによって特定される）の検査データを取得する。情報提供部１ｃは、ユーザが診断・検査機関９において、健康診断を受けると、その時の健診結果を受信する。健診結果は、診断・検査機関９と制御部１が連携している場合には、診断・検針期間９から自動的に制御部１に送信してもよい。この連携がない場合にはユーザが端末４等を通じて健診結果を送信してもよい。

　情報提供部１ｃは、ユーザが診断・検査機関９において、健診や診察を受け、このときの健診結果を受信すると、特定診断がなされているか否かを判定し（例えば、図５ＡのＳ３参照）、この特定の診断結果が生活習慣や遺伝に依存するか症状であるか否かについても判定する。特定診断は、健診データが健康状態と異なる数値になっている場合や、問診等によって健康状態と異なっていると判断した場合をいう。

　上述の特定の診断結果は、健診時の特定の検査項目に対して正常と診断されなかった場合を想定している。例えば、血液検査をした場合に、脂質検査として、血液中の総コレステロール、中性脂肪、ＨＤＬコレステロール、ＬＤＬコレステロールの検査があり、脂質異常症（高脂血症）の疑いを判定するための基準値が設けられている。測定値と基準値の比較や、問診や画像検査等によって、正常か否かを判定することが出来る。健康診断事業などを展開している法人、健康保険組合や学会、医療機関、医師などがその判定方法や推定される原因と合わせて対策方法もインターネットなどで公開している。また、このような情報を集めたりまとめたりしてインターネットで検索できる「その症状、この病気かも」といった検索が可能なサービスがＩＴ企業によって行われている。判定の結果、正常でない場合には、何らかの症状が出現しているとする。

　何らかの症状の原因となっている疾患をはっきりさせる診断を確定診断（病理診断）と呼ぶ。また、どのような症状か、どのようなタイプの症状かについて、問診、神経心理検査、画像検査などから推定することを臨床診断と呼ぶこともある。このような診断の推定は、特定のロジックに沿って行うことにより、いくつかの候補に絞ることができる。併せて、症状が、どのような原因によるものであるか、例えば、遺伝や生活習慣に依存するかどうか等も、例えばデータベース等によって管理することが出来る。

　症状の原因は、インターネット上で公開されているものを検索してもよいし、本実施形態に係るシステムでは、診断・検査機関９のＤＢ部９ａ（後述）や、ＤＢ部８ａなどに記録しておき、診断結果から関連付けて検索可能にしておいてもよい。つまり、遺伝や生活習慣に依存する症状を抽出する症状抽出部は、特定の診断結果とその原因などを関連付けたデータベースから検索することによって抽出を行うことが出来る。このデータベースは、随時更新を可能とし、未知の感染症などの場合にも新たに可能性がある症状の原因を追記できるようにしてもよ。これの情報はデータベースに記録しなくとも、その関係を指定可能としてもよい。また、診断の結果で得られた疾病等の症状の例を症例と呼ぶ。したがって、特定の病気によって生じる生体情報の異常なども症例の一部と考えてもよい。症例と書いた部分は、疾病別とか診断結果別とか症状別とか、他の表現を行ってもよい。

　また、症例は、上位概念的には、所見（ファインディングス）を得るためのデータであるので、症例別機器は、ファインディングス用データ取得機器と書き換えてもよい。この機器によって、診断時に有効な情報が、生体情報以外からも得られるようになる。例えば、特定地域に行ったかどうかで、診断が変わる伝染病もあり得る。この場合は、ユーザが持ち歩いたＧＰＳ機器がファインディングス用データ取得機器となり、訪問地を特定することができる。これらの機器は特定の診断を行うためには必要ということから、症例別機器に分類することもできる。なお、データベースから参照できるデータは参考情報であって、正確な診断は医師によって行われる。この情報の参考にして、ユーザが診察を受けるようにすることが好ましい。

　情報提供部１ｃは、上述の特定診断がなされているか否かの判定の結果、生活習慣や遺伝に依存する疾病に関係していれば、この疾病に応じて収集すべきユーザの症状（生体情報、検査データ）を決め（例えば、図５ＡのＳ５参照）、症状が決まれば、症状に関する情報を取得するための機器（第１機器２ａ等）を決定する（例えば、図５ＡのＳ６参照）。この機器を決定すると、情報提供部１ｃは、積極的に、これらの機器から情報を収集する（例えば、Ｓ７参照）。すなわち、情報提供部１ｃはユーザの健康状態を見守るための機器（センサ）を決定し、情報を収集する。

　特定の集会などが感染のリスクがある場合は、ＧＰＳの情報などが見守りセンサとなり得る。例えば、いつも同じようなイベントに行き、同様の生活習慣を持つ人に対しては、一括して同様の見守りを行えばよい。すなわち、何かのイベントに行った特定患者が、診察（健診）結果によって、特定の診断がなされた特定診断結果と判定された場合に、その生活習慣（行動パターン）に依存する症状が、特定のイベント参加に依存する症状である場合には、抽出された症状に対応する見守りセンサを決定すればよい。このセンサが検出するものは、生体情報であってもよく、行動を判定する情報であってもよい。

　場所に対するセンサとしては、公共交通機関利用のための決済カードや特定アプリを利用する端末であってもよく、あるいは、電子マネーがどこのどの店舗で使われたかといった情報でも、場所に対するセンサとして使用できる。これらの場合、見守っているセンサは据え置きで多くの人が利用するものであり、利用者が特定されれば、その場所に利用者が行ったことを検出できるので、これらのセンサが利用者を見守っているとも言える。買ったものを検出することも、センシングしているとも言え、それをもとに情報提供も可能である。また、食品を買ったタイミングが分かれば、規則的な食生活を行っているか否かのセンシングができ、また生活パターンのセンシングも出来る。

　健診結果は医療従事者によって入力される必要はなく、診察・診療を受けた本人が自発的に端末等で行ってもよく、また、診察結果が出たというインターネット上のブログ記事、ツイートなどを入力としてもよい。この場合、ＳＮＳシステムが診察・診療結果を入力してもよく、あるいは、ＳＮＳシステムと連携したシステムが診察・診療結果を入力してもよい。ＡＩが、これらの情報を総合して推論によって判断し、診察・診療結果を入力するシステムを構築してもよい。

　特定の情報についての発信傾向をインターネット経由で判定し、過去の感染症等に関する発症ニュースがあれば、当時のＳＮＳ情報を教師データ化し、どのような発信があった場合に、将来そのような疾病が流行するかを予測できる。したがって、現状のＳＮＳ情報をモニタリングすることによって、何らかの診断・診察の傾向を予測でき、この予測結果を特定診断結果としてもよい。

　このように、見守りセンサは、生体情報や生検情報を取得可能なセンサであってもよいが、これに限らず、個々の対象物の活動を判定したりするものでもよく、また適宜行われるアンケートに対する回答を行うシステムの入力部でも、見守りセンサと呼ぶことが出来る。日常的に、適切な時刻における情報を取得できればよく、時系列情報になるとさらに情報量が増えて効果的である。

　情報提供部１ｃ内の入力部１ｃａは、特定人物の健診結果を入力する入力部として機能する（例えば、図５ＡのＳ３、図８ＡのＳ６１参照）。この入力部は、特定人物が受けた健診または診察に基づく健診結果を入力する（例えば、図５ＡのＳ３、図８ＡのＳ６１参照）。また入力部は、特定人物が健康状態を測定するために検査機器からの検査データを入力する（例えば、図５ＡのＳ１、図５ＢのＳ２３、図８ＡのＳ６７、Ｓ７１参照）。

　情報提供部１ｃ内の判定部１ｃｂは、健診結果のうち、特定の診断がなされた特定診断結果を判定する判定部として機能する（例えば、図５ＡのＳ３、図８ＡのＳ６１参照）。特定判断結果は、健診時に特定の検査項目に対して正常とならなかった診断結果である。情報提供部１ｃ内の症状抽出部１ｃｃは、特定診断結果のうち、遺伝や生活習慣に依存する症状を抽出する症状抽出部として機能する（例えば、Ｓ５ＡのＳ５、図８ＡのＳ６１参照）。症状抽出部は、特定診断結果とその原因などを関連付けたデータベースから検索することによって抽出を行う。情報提供部１ｃは、抽出された症状に対応する見守りセンサを決定する決定部として機能する（例えば、図５ＡのＳ６、図８ＡのＳ６５、Ｓ６９参照）。見守りセンサは、特定診断結果とその原因などを関連付けたデータベースから検索することによって抽出を行う（例えば、図５ＡのＳ６参照）。

　決定部は、被扶養者判定部によって判定された被扶養者について、抽出された症状に対応する見守りセンサを決定する（例えば、図５ＡのＳ６、図８ＡのＳ６５参照）。決定部は、第１記録部に記録された検査機器の中から見守りセンサを決定する（例えば、図５ＡのＳ９、Ｓ１１、図８Ａの６５、Ｓ６７参照）。決定部は、血縁者判定部によって検索された血縁者について、抽出された症状に対応する見守りセンサを決定する（例えば、図５ＡのＳ１３、Ｓ１５参照）。決定部は、第２記録部に記録された検査機器の中から見守りセンサを決定する（図５ＡのＳ１３、Ｓ１５参照）。

　なお、生活習慣や遺伝に依存する症状は、健診結果に限らず、第１機器２ａ等の検査機器から日常送信されてくる検査データに基づいて、発見される場合がある（例えば、図５ＡのＳ１、Ｓ３参照）。この場合にも、診断・検査機関９からの健診結果から症状を発見した場合と同様に、収集すべきユーザの症状（生体情報、検査データ）を決め（例えば、図５ＡのＳ５参照）、症状が決まれば、取得するための機器（第１機器２ａ等）を決定する（例えば、図５ＡのＳ６参照）。この機器を決定すると、情報提供部１ｃは、積極的に、これらの機器から情報を収集する（例えば、Ｓ７参照）。

　さらに情報提供部１ｃは、取得した検査データや、診断・検査機関９から取得した種々の情報、およびＤＢ部８ａに記憶された保有機器に関する情報やユーザのプロフィール情報等を用いて、ユーザの健康状態に関するアドバイスを行う（例えば、図７参照）。健康に関するアドバイスとしては、現在か罹患している疾病や、将来、発症する可能性のある疾病を含み、健康状態を判断すると、ユーザに健康状態に関連する情報を提供する。また、ユーザの疾病等を判断した場合には、必要に応じて検査や治療を受けるべき施設に関する情報をユーザに提供する。

　本実施形態においては、特定診断結果がなさ、生活習慣病や遺伝性病に関連する症状が有る場合には、見守り検査を開始している（例えば、図５ＡのＳ７、Ｓ１１、Ｓ１５等参照）。この見守り検査で収集した検査データ等は、情報提供部１ｃが端末４の表示部に表示するようにしている（例えば、図７参照）。情報提供部１ｃは、見守りセンサによって検出された情報を、特定人物に関連した情報端末にグラフ化して表示可能な情報提供部として機能する。情報提供部１ｃは、推論した結果を表示可能にするための表示制御部として機能する。

　また、特定の状況の利用者の健康状態を確認するために、制御部１が、利用者のＩＤ等に基づいて、現在の通院状況や、処方薬などの情報、過去の健康診断結果などを、診断・検査機関９に照会できるようにしておけば、機器データとの関連付けの判定が容易になる。これは、端末４を操作するユーザがその連携を許可してもよく、また診断・検査機関（のＩＴ機器）９を操作する医師が、連携を許諾するような操作を行うようにしてもよく、この操作等によって、セキュリティ上の問題を対策することが出来る。

　すなわち、情報提供部１ｃは、ユーザに健康に関する情報、例えば、いつ頃、検査や治療を受けるために施設を訪問することになるという情報や、検査や治療を受けるに適した施設を推奨するための情報を提供してもよい。情報提供部１ｃは、第１機器２ａ等や診断・検査機関９から送信されてきた検査データを取得する。このデータは、後述するように、時間情報が付された検査データ（時系列情報）であり、図４に示すようなグラフにできるようなデータ構造で蓄積される。なお、本実施形態においては、第１機器２ａ等や診断・検査機関９等における機器からの情報を用いて制御部１がユーザへ情報提供を行うことを想定しているが、診断・検査機関９を有するサーバが、同様に情報を収集するような変形例であってもよい。

　また、これらの情報を提供するために、情報提供部１ｃは、第１機器２ａ、第２機器２ｂ等から検査データを収集し、ＤＢ部８ａに記録する。第１機器２ａや第２機器２ｂ等によって、情報取得の頻度やデータ数は異なっていてもよい。つまり様々な機器で得られた特定の健康関連数値の増減が時系列で整理されており、機器を変えて測定した数値は機器ごとに整理が可能となっている。

　情報提供部１ｃは、ユーザ情報部１０から、ユーザの住所や勤務する場所における行動様式や食生活や就寝時間や食事のタイミングなど生活習慣等を取得してもよく、またこれらの情報をインターネット上に蓄積されている情報から取得してもよい。情報提供部１ｃは、この取得した情報も考慮して、ユーザに提供する施設等の情報を生成してもよい。これらの情報の取得は、汎用または広く知られた技術で補完が可能である。これらの情報を取得することによって生成した施設等の情報のカスタマイズも、情報提供部１ｃが行ってもよい。この施設に関するプロフィール情報は、診断・検査機関９から医療機関情報として取得すればよい。

　情報提供部１ｃは、ユーザの特定期間の時系列パターンとなる検査データを取得する。この取得する時系列パターンは、単に１回だけの測定によって得たデータではなく、複数の異なるタイミングに測定によって取得した個々の検査データによって構成され、検査データのパターンの変化までを情報として利用する。複数の検査データからなる時系列パターンを使用することよって、測定環境や状況の変化によって生ずる誤差の影響を受け難くしている。さらに、特定期間の終了時期から将来の時期（特定期間の延長時）における健康状態を推論し、将来に対する予測を可能にしている。

　また、取得した時系列パターンに対して、ユーザの検査・医療機関への来院のタイミング情報をアノテーション情報として付与すれば教師データができる。この教師データを用いて学習することによって生成された推論モデルを有する推論部があれば、特定期間（時系列変化パターンを取得するための期間）から先のタイミング（特定期間の延長時）に何が起こるかの推論ができる。また、ユーザの病名等が分かれば、この情報をアノテーション情報として付与した教師データを生成することができる。この教師データを用いて学習することによって、病気等の健康情報を推論する推論モデルを生成することができる。なお、ここで使用される推論モデルを生成する際には、特定の入出力情報の仕様を規定し、学習を行う。

　したがって、本実施形態においては、ユーザの検査データの時系列変化パターンを、推論部に入力し、推論部が推論を行い、この推論結果に基づいて、特定期間から先のタイミングにおける伝達情報を決定する伝達情報決定部を設けている。このため、時系列パターンの検査取得時から先のタイミングにおける予測情報を伝達することができるシステム、装置、方法、プログラム等が提供できる。

　本実施形態において情報提供部１ｃは、学習部５によって生成された推論モデルが設定された推論エンジン７に、検査データの変化パターンを入力し、アドバイスに関する推論結果を得て、入力された検査データに対応するユーザに提供する。このサービスは個人情報を利用する場合があり、アドバイス等の提供を受けるために個人情報利用の契約などが必要な場合がある。その意味で、ユーザのプロフィール情報が重要な場合もある。また、ユーザが幼児や高齢の場合は、そのユーザの世話をする人、介助者などにアドバイスを届けてもよい。これもユーザのプロフィール情報で管理した情報に従ってアドバイスなどの有効情報が届く。

　推論モデル仕様決定部１ｄは、推論依頼部１ｅが学習依頼部６を通じて学習部５に推論モデルの生成を依頼する際に、生成する推論モデルの仕様を決定する。制御部１は、第１機器２ａ等からユーザの生体情報を取得し、この生体情報を蓄積している。制御部１は、蓄積した生体情報を教師データとして、学習依頼部６を通じて、学習部５に種々の推論モデルの生成を依頼する。

　推論モデル仕様決定部１ｄは、推論モデルの生成に当たって、どのような仕様の推論モデルを依頼するかを決定する。例えば、後述する図４（ａ）に示すように、時系列的な生体情報が蓄積されている場合に、推論モデル仕様決定部１ｄは、どのような検査データ（値）となると、ユーザは何日後に医療施設で治療を受けることになるかを推論するための推論モデルの仕様を決定する。また、推論モデル仕様決定部１ｄは、時系列的な生体情報に基づいて、現在、どんな疾病にかかっているか、また将来（いつ頃）どんな疾病にかかる可能性があるか、更に疾病にかかるかもしれない場合に必要な検査や治療を受けるために推奨される施設を推論する推論モデルを生成するための仕様を決定する。

　推論依頼部１ｅは、推論モデル仕様決定部１ｄによって決定された仕様の推論モデルの生成を、学習依頼部６を通じて、学習部５に依頼する。すなわち、推論依頼部１ｅは、第１機器２ａ等によって取得した生体情報が所定数蓄積している場合に、学習依頼部６を通じて、学習部５に推論モデルの生成を依頼し、生成された推論モデルを、学習依頼部６を通じて受信する。この受信した推論モデルは、推論エンジン７に送信される。なお、制御部１は、推論モデルを複数用意し、ユーザに提供すべき情報に応じて、適宜、推論モデルを選択するとよい。また、制御部１が直接学習部５と通信できれば、学習部５から推論モデルを直接受信してもよい。

　検索部１ｆは、第１機器２ａ、第２機器２ｂ、第３機器、診断・検査機関９によって取得されたユーザの生体情報に基づいて、現在罹患している疾病、また将来（いつ頃）どんな疾病に罹患する可能性があるか、さらに検査や治療が必要であることが判明した際に、検査や治療に必要な設備を有する検査機関や医療機関を、ＤＢ部８ａに蓄積されているデータベースの中で、検索を行う。これらの情報は、推論エンジン７を用いて、推論によって取得してもよいが、蓄積されているデータと一致する場合もある。このようなケースもあることから、本実施形態では、検索部１ｆによる検索を可能としている。

　扶養者判定部１ｇは、ユーザ個人の家族等の被扶養者を判定する。すなわち、前述したように、情報提供部１ｃが診断・検査機関９から、ユーザの健診データを収集した際に、情報提供部１ｃが診断結果から見守りが必要とする項目を決める場合がある。この場合に扶養者判定部１ｇは、ユーザ個人の家族等の扶養者を判定する。なお、ユーザ個人が被扶養者の場合には、この者の扶養者について判定しても良い。扶養者判定部１ｇは、特定人物の被扶養者の判定を行う被扶養者判定部として機能する（例えば、図５ＡのＳ９、図８ＡのＳ６５参照）。

　ユーザの家族は、ユーザと同様の食習慣、運動習慣、生活パターン等であることが多く、このため、ユーザと同様の生活習慣に依存する疾病を罹患している、または将来発症するおそれがある（例えば、図５ＡのＳ３、Ｓ５参照）。そこで、扶養者判定部１ｇは、ユーザの家族関係に関する情報に基づいて、ユーザの家族についても、同様の見守り用の検査機器（センサ）を決め、情報提供部１ｃが検査データを収集する（例えば、図５ＡのＳ９、Ｓ１１参照）。この見守り活動は、自動的に開始してもよく、また、ユーザやその家族の同意を得てから開始するようにしてもよい。

　また、健診結果に基づいて、ユーザが遺伝性の疾病に罹患していた場合、または将来発症する可能性があると診断された場合には、ユーザ本人に限らず、ユーザと血縁関係にある家族も同様に、遺伝性疾病に罹患または将来発症する可能性がある。そこで、生活習慣病の場合と同様に、ユーザの家族についても、同様の見守り用の検査機器（センサ）を決め、情報提供部１ｃが検査データを収集する（例えば、図５ＡのＳ１３、Ｓ１５参照）。この見守り活動は、自動的に開始してもよく、また、ユーザや血縁関係のある家族の同意を得てから開始するようにしてもよい。扶養者判定部１ｇは、ユーザ個人の血縁関係にある者を、ＤＢ部８ａ等に記録されている情報（例えば、図２参照）に基づいて判定してもよい。この場合には、扶養者判定部１ｇは、特定人物の血縁関係を有する者を検索する血縁者判定部として機能する（例えば、図５ＡのＳ１３、Ｓ１５参照）。

　第１機器２ａおよび第２機器２ｂは、ユーザの健康関連情報、例えば、バイタル情報、検体情報等の検査データを取得するための機器である。第１機器２ａと第２機器２ｂは、特定仕様の検査機器であり、同種（同様）の健康関連情報の検査が可能な機器である。第１機器２ａは種別２ａ１を記憶しており、また第２機器２ｂは種別２ｂ１を記憶している。種別２ａ１、種別２ｂ１は、機器の種類、型番、検査項目等に関する情報であり、各機器によってユーザの検査データを制御部１に送信する際に、併せて送信される。

　第１機器２ａと第２機器２ｂによって取得された検査データ群が、互いの検査タイミングが異なっている場合に、両データを補間できるような検査ができればよい。また、第１機器２ａと第２機器２ｂは全く同一の検査項目を検査しなくてもよく、例えば血圧を測定しながら、心拍数を測定した場合であっても、両データは互いに補間することができる。なお、図１には、ユーザの検査データを取得するための機器として、第１機器２ａおよび第２機器２ｂ、第３機器３の３つのみを記載しているが、機器は３つに限らず、１または２であってもよく、さらに４以上であってもよい。

　第１機器２ａ等が取得する健康関連情報としては、種々の情報があり、例えば、ユーザの体温、血圧、心拍等のバイタル情報がある。また健康関連情報としては、ユーザの尿、大便等の排泄物や、痰や、血液等、種々の検体情報がある。大便の場合には、第１機器２ａ、第２機器２ｂは、その色、形状、量、日時情報を取得する。第１機器２ａ、第２機器２ｂは、制御部１からの指示に従って情報を取得してもよく、またユーザの操作に応じて情報を取得してもよく、また自動的に情報を取得してもよい。第１機器２ａ、第２機器２ｂ、第３機器は、排便時用の色センサ、形状センサ、硬度センサ、嗅覚センサ、ガス成分センサ、特定の試薬添加時の色変化検出センサ等を有し、また拡大観察画像による形状判定等を行うようにしてもよい。

　さらに、第１機器２ａ等は、医療・健康情報である情報「パーソナル・ヘルス・レコード（(Personal Health Records : PHR) 」に、日常生活、職場／学校での活動、食事、スポーツ活動など、日常生活の様々な活動データを加えたパーソナル・ライフ・レコード（Personal Life Records : PLR）を収集・活用してもよい。取得した情報は、第１機器２ａ等内の通信部（図示を省略）を通じて、制御部１に送信される。

　第１機器２ａ、第２機器２ｂ等が、ユーザに関する情報を得た場合、制御部１の情報提供部１ｃが健康に関する情報を、ユーザの情報端末４に提示する。この提示が、ユーザの行動を補助することを想定して、説明を行うが、様々な変形が考えられる。健康に関する情報としては、推奨する医療施設に関する情報や、日常の生活習慣に関する情報等がある。

　第３機器３は、第１機器２ａ、第２機器２ｂを利用するユーザとは異なる人のデータを取得する機器であってもよい。第３機器３は、第１機器２ａ、第２機器２ｂを利用するユーザが、新規に使用を開始する場合、または一時的に使用する場合がある。図１には、第３機器３は１個しか記載していないが、複数あってもよく、図１には不特定多数の機器を一括して表現している。

　なお、第３機器３も種別３ａ１を記憶している。種別３ａ１は、第３機器３の種類、型番、検査項目等に関する情報であり、第３機器３がユーザの検査データを制御部１に送信する際に、種別情報が併せて送信される。

　第１機器２ａ、第２機器２ｂ、第３機器３としてウェアラブル端末を利用する場合には、ウェアラブル端末の装着部位によって、皮膚やあるいは身体近傍に密着し、体温、心拍、血圧、脳波、視線、呼吸、呼気などのバイタル情報を得ることが可能となる。また、体重計、血圧計、動脈壁の硬さを意味する動脈スティフネスを測定する測定器として、専用の精密な機器が、健康施設、公衆浴場、薬局、ショッピングモール等に配置され、さらに専門の計測者も一緒に配置されている場合がある。このような施設において、ユーザは空き時間などに測定機器を気楽に利用し、この時の測定結果に基づいて体調管理する場合も多い。これらの測定機器を第１機器２ａ、第２機器２ｂ、第３機器３としてもよい。

　また、第１機器２ａ、第２機器２ｂ、第３機器３は、ユーザが専用の端末等を使用した前後に、アンケートに記入を依頼する場合がある。このような場合には、このアンケートの記載に基づいて、ユーザのプロフィール情報やその他の情報を特定できる。このような情報収集は、第１機器２ａ等に限らず、制御部１が行ってもよい。何時、医療機関、検査機関等を受診したかの情報なども聞き取りできれば、後述する図４（ａ）、図４（ｂ）における時刻Ｔｃ情報として使用することができる。

　第１機器２ａ、第２機器２ｂ、第３機器３は、すでに特定の疾患にかかっていて、医師の指導のもとで使用している体温計や血圧計などでもよい。また、スマートフォンの有するカメラで撮影した顔や爪などの色や顔の表情、患部の画像、喉がおかしくなった時の声をマイクで収音する場合等では、携帯端末（スマートフォン）がそのまま第１機器２ａ、第２機器２ｂ、第３機器３となりうる。

　最近では、簡易の健康管理機器や健康情報取得機器が開発されており、これらの機器がウェアラブル機器に搭載される場合がある、このような装置もスタンドアローンではなく、スマートフォンの周辺機器として扱われる場合が多いので、これも携帯端末として想定してもよい。また、ウェアラブルな機器でなくとも、簡易な測定機器を、人が集まる場所に設置し、健康情報サービスを提供している場合がある。このような機器を第１機器２ａ、第２機器２ｂ、第３機器３として利用してもよい。

　診断・検査機関９は、ユーザが健康診断や検査を受ける施設であり、例えば、医療施設や検査施設があり、また薬局も含まれる。この診断・検査機関９は、移動型、例えば、自動車、列車、船、ヘリコプター、ドローン等に一般医療機器や検査機器を搭載し、患者のもとに出向くタイプであっても勿論構わない。制御部１は、どの医療機関に行ったか、またどのような検査結果が出たかなどを診断・検査機関９のシステムを運営するサーバなどから取得可能である。

　もちろん、診断・検査機関９のサーバが制御部９ｂを有し、この制御部９ｂが制御部１と同じであってもよく、また一部の機能を分担してもよい（例えば、図８Ａおよび図８Ｂ参照）。この場合には、制御部９ｂは、制御部１を通じて、第１機器２ａ等から検査データを収集してＤＢ部８ａに記録し、さらにこのＤＢ部８ａに記録されているデータを制御部１から読み出すことができる。また、ユーザ情報部１０からユーザ情報を取得することができる。また制御部９ｂは、推論エンジン７によって推論を行うことができ、学習依頼部６を通じて、学習部５に推論モデルの生成を依頼することができる。

　診断・検査機関９は、ＤＢ部９ａを有し、このＤＢ部９ａは電気的に書き換え可能な不揮発性メモリである。ＤＢ部９ａは、診断・検査機関９における診断結果や検査結果が個人ＩＤ毎に記録する。またＤＢ部９ａは、ユーザが服用している薬剤等についても記録し、さらに、生活習慣に関連する情報も記録することができる。さらに、ＤＢ部９ａは、診断・検査機関９（薬局等も含む）が、ユーザに与えたアドバイス等についても記録する。薬局において、ユーザが薬剤を購入し、またアドバイスを受けることが、健康状態に関するアドバイスを行う場合の情報となる。診断・検査機関９は、制御部１に医療機関情報を出力し、また制御部１から医療機関情報や、ユーザに関する種々の情報を取得する。

　端末４は、前述したように、携帯情報端末であり、ユーザやその関係者が確認可能な情報を受け取るための装置である。情報としては、健康情報や、健康状態に応じて推奨される施設がある。健康に関する情報として、前述したように、健診結果から特定診断がなされた場合に、その特定診断の情報がある。また、特定診断結果が、遺伝や生活習慣に依存する症状であった場合には、経過観察するために、第１機器２ａ等によって、見守り検査を行う旨の通知等がある。さらに、家族等にもこの症状が関係する場合には、その旨が表示される。

　端末４は、例えばスマートフォンやタブレットＰＣであってもよく、この場合には、内蔵カメラやマイクを情報取得部として利用することができる。また、連携可能なウェアラブル端末その他の家電を端末４として使用してもよく、ウェアラブル端末等によって情報を取得してもよい。したがって、第１機器２ａや第２機器２ｂと端末４は同じものであってもよく、またそれぞれ専用機器であってもよい。ウエラブル端末と連携する端末４が、情報取得や情報の管理を行うようにしてもよい。さらに、状況に応じて、制御部１が有する機能を第１機器２ａや第２機器２ｂや第３機器３や端末４が有してもよく、分担して検出や制御や情報提供を行うような構成にしてもよい。端末４における表示例については、図７を用いて後述する。

　データベース（ＤＢ）部８は、電気的に書き換え可能な不揮発性メモリを有する。データベース部８は、種々のデータを記録可能であり、データベース部８内のＤＢ部８ａは、ＩＤ別に扶養関係等情報を記録する。なお、ＤＢ部８ａは、本実施形態のシステム構築次第で、医療機関等のＤＢ部９ａ等内に設けてもよい。また、医療機関には、院内などの情報管理に専念したシステムがあるので、このシステムのように別に設けてもよい。後述するユーザ情報部１０には、家族関係の情報が記録されており、ＤＢ部８ａはユーザ情報部１０から取得した家族関係情報や、その他の機器（制御部１を含む）から取得した情報に基づいて、ＩＤ別に扶養関係等情報を記録する。扶養関係情報としては、ユーザの配偶者や子供等の扶養関係にある者の情報である。また、血縁関係のある家族等の情報も記録される。生活習慣は、同居・非同居によっても影響を受けるので、この情報も可能であれば記録してもよい。

　また、ＤＢ部８ａは、図３に示すような、ＩＤ別データ履歴一覧を記録する。この一覧は、個人ＩＤ毎に、医療情報、機器ＩＤ（想定機器か、想定外機器か）、検査データの取得日時毎の履歴データを記録する。前述したように、情報提供部１ｃは、第１機器２ａ等や診断・検査機関９等から、検査データを入力するので、ＤＢ部８ａは、ＩＤ別に検査データを記録する。この際、検査日（検査タイミング）、検査機器（第１機器２ａ、第２機器２ｂ、第３機器３（図３では機器ａ、機器ｂ、機器ｃとして表記））、検査結果を記録する。ＩＤ別のデータ履歴一覧については、図３を用いて後述する。

　ＤＢ部８ａは、利用可能な機器と、その機器によって検査ができる対応症例について、ＩＤ別に記録している。ユーザは全ての検査機器（第１機器２ａ、第２機器２ｂ、第３機器３等）を利用できるのではなく、多数の検査機器の内、家庭内、勤務先、公共で使用可能な場所等に設置されているものしか、通常、利用しない。ＤＢ部８ａは、ユーザが利用できる機器の一覧表を記憶する。また、ユーザが罹患している、もしくは将来発症する疾病が分かれば、それぞれの症状の変化を観察するために使用する機器も異なっている。そこで、ユーザが利用できる機器毎に、対応可能な症例についてもＤＢ部８ａは記憶している。このＩＤ別の利用可能な機器の一覧表については、図２を用いて後述する。

　さらに、ＤＢ部８ａは、検査をどのように、また何のための検査か等についても記録する。ＤＢ部８ａは、取得したデータを、５Ｗ１Ｈ、すなわち、ＷＨＯ（誰が）、ＷＨＥＲＥ（どこで）、ＷＨＥＮ（日時）、ＷＨＡＴ（どの検査）、ＷＨＹ（何故）、ＨＯＷ（どのように）に整理し、この整理されたデータを記録してもよい。また、検査場所（医療施設、検査機関、自宅、勤務先）等を記録してもよい。

　ＤＢ部８ａは、特定人物および被扶養者が使用可能な検査機器を記録する第１記録部として機能する（例えば、図２参照）。ＤＢ部８ａは、特定人物および血縁者が使用可能な検査機器を記録する第２記録部として機能する（例えば、図３参照）。

　ユーザ情報部１０は、ユーザ毎（ＩＤ毎）に、、ユーザの情報を収集し、記録する。ユーザ情報部１０は、インターネット上に記録されている情報の内、ユーザの年齢、性別、行動・習慣、家族に関する情報を収集してもよい。またユーザ情報部１０が、第１機器２ａ、第２機器２ｂ、第３機器３、診断・検査機関９、端末４等に記録されているデータの閲覧が許可されれば、それらの機器から情報を収集してもよい。例えば、ユーザのスマートフォン等に搭載されているＧＰＳ情報を収集できれば、ユーザ毎の行動に関する情報を収集することができる。また、電子決済による購入情報を収集できれば、購入食品等から食事に関する情報を収集することができる。

　ユーザ情報部１０は、ＤＢ部１０ａを有し、このＤＢ部１０ａは電気的に書き換え可能なメモリである。ユーザ情報部１０は、前述したように、個人ＩＤ別に、ユーザの年齢、性別、行動・習慣（食習慣を含む）、家族に関する情報を収集するので、ＤＢ部１０ａは、これらの収集した情報を記録する。

　ＤＢ部１０ａは、医療機関などのデータベース（ＤＢ部）９ａ内に設けてもよいが、ＤＢ部９ａは医療機関内の情報管理に特化している場合も多いので、本サービス用に別のサーバなどが管理してもよい。また、取得データを蓄積、保持し、推論に使うためのＤＢ部８内に、ＤＢ部１０ａを設けてもよいが、ＤＢ部８は、センサ等の情報管理に専念する設計にする場合が考えられるので、ここで示したように生活習慣や家族等の、日常生活とか基本情報となるデータベースを分けて設置してもよい。また、これらの情報をさらに分けて別のデータベースで管理してもよい。例えば、健康保険のＤＢ（家族情報）とＳＮＳ（日常生活）のデータベースは分けて管理されていて、これらを必要に応じて参照し、統合した情報にして、１０ａのような働きをしているようにしてもよい。

　学習依頼部６は、制御部１内の推論依頼部１ｅから推論モデルの生成の依頼を受けると、学習部５に推論モデルの仕様等を伝え、仕様に沿った推論モデルの生成を依頼する。学習依頼部６は、データ分類記録部６ａ、仕様設定部６ｄ、通信部６ｅ、制御部６ｆを有する。

　制御部６ｆは、学習依頼部６内を制御するコントローラ（プロセッサ）であり、サーバ等や、ネットワークを通じて他の端末にファイルやデータなどを提供するＣＰＵ（Central Processor Unit）、メモリ、ＨＤＤ（Hard Disc Drive）等から構成されているＩＴ機器を想定している。しかし、制御部６ｆは、この構成に限らず、小規模なシステムとして構築する場合は、パーソナルコンピュータのようなものでも構成は可能である。制御部６ｆは、各種のインターフェース回路を有し、他の機器と連携することができ、プログラムによってさまざまな演算制御が可能である。

　データ分類部６ａは、対象物種類Ａ画像群６ｂを有し、この中に教師データ６ｃを記録している。対象物種類Ａ画像群６ｂは、学習部５において推論モデルを生成する際に使用する画像群であり、種類Ａ、種類Ｂ・・・と多数の画像群を有する。この画像群に基づいて教師データ６ｃを生成する。すなわち、図４に示すように、検査データを検査日毎にプロットするとグラフを描くことができ、このグラフを画像として扱うことができる。なお、ここでは画像として直感的にわかりやすく説明しているが、必ずしも画像として扱う必要はなく、時系列的な検査データの変化、すなわち検査日時と検査データを集めた複数の検査データ群を教師データとして生成するようにしてもよい。データ記録分類部６ａには、ＤＢ部８ａに記録されたデータ履歴一覧に基づく、教師データ６ｃが記録される。

　仕様設定部６ｄは、推論モデル仕様決定部１ｄによって決定された推論モデルの仕様に基づいて、どのような推論モデルを生成するかを設定する。また、この仕様を満足するように、ＤＢ部８ａの履歴一覧に記録されているデータから教師データを生成する。

　通信部６ｅは、制御部１および学習部５と通信するための通信回路を有する。この通信部６ｅを通じて、制御部１から推論モデルの生成の依頼を受け、また学習部５に推論モデルの生成を依頼する。

　学習部５は、入出力モデル化部５ａを有し、学習依頼部６からの仕様に従って、機械学習等によって推論モデルを生成する。入出力モデル化部５ａは、仕様照合部５ｂを有する。この仕様照合部５ｂは、学習依頼部６から受信した仕様と、入出力モデル化部５ａによって生成された推論モデルが合っているか否かを判断する。すなわち、仕様照合部５ｂは、入出力関係のみならず、この推論モデルの推論にかかる時間やエネルギーや回路構成など、「要求仕様」に沿った学習を行うよう、学習の仕方などを規定するものである。

　推論モデルは、取得した生体情報、生検情報など取得情報と疾患の関係を学習し、具体的には、取得情報と診療科・部門の関係を学習することによって生成する。入出力モデル化部５ａは、推論エンジン７と同様に、入力層、複数の中間層、出力層を有し、中間層のニューロンの結合の強さを学習によって求め、推論モデルを生成する。

　このような推論モデルの生成にあたっては、学習依頼部６が検査機器を用いて被検者から取得した検査データの変化パターンを特定の時間幅で抽出し、この抽出した変化パターンを推論エンジン７に入力し、被検者が検査したタイミングから、後のタイミングにおいて出力されるべき健康アドバイスをアノテーション情報とした、教師データを生成する。そして、学習部５は、この教師データを用いて学習を行うことによって、推論モデルを生成する。

　また、学習部５は、検査、通院、服薬の後の検査データ列を用いて学習すれば、生活習慣改善や治療や服薬の効果の将来予想アドバイスを行うことが可能な推論モデルを生成することも出来る。この場合には、検査、通院、服薬の時点を起点として、その後の時系列データを利用する。検査、通院、服薬などをアドバイスする場合は、この前の時系列データを利用する。

　ここで、学習部５が行う学習の一例として、深層学習について、説明する。「深層学習（ディープ・ラーニング）」は、ニューラル・ネットワークを用いた「機械学習」の過程を多層構造化したものである。情報を前から後ろに送って判定を行う「順伝搬型ニューラル・ネットワーク」が代表的なものである。順伝搬型ニューラル・ネットワークは、最も単純なものでは、Ｎ１個のニューロンで構成される入力層、パラメータで与えられるＮ２個のニューロンで構成される中間層、判別するクラスの数に対応するＮ３個のニューロンで構成される出力層の３層があればよい。入力層と中間層、中間層と出力層の各ニューロンはそれぞれが結合加重で結ばれ、中間層と出力層はバイアス値が加えられることによって、論理ゲートを容易に形成できる。

　ニューラル・ネットワークは、簡単な判別を行うのであれば３層でもよいが、中間層を多数にすることによって、機械学習の過程において複数の特徴量の組み合わせ方を学習することも可能となる。近年では、９層～１５２層のものが、学習にかかる時間や判定精度、消費エネルギーの観点から実用的になっている。また、画像の特徴量を圧縮する、「畳み込み」と呼ばれる処理を行い、最小限の処理で動作し、パターン認識に強い「畳み込み型ニューラル・ネットワーク」を利用してもよい。また、より複雑な情報を扱え、順番や順序によって意味合いが変わる情報分析に対応して、情報を双方向に流れる「再帰型ニューラル・ネットワーク」（全結合リカレントニューラルネット）を利用してもよい。

　これらの技術を実現するために、ＣＰＵやＦＰＧＡ（Field Programmable Gate Array）等の従来からある汎用的な演算処理回路を使用してもよい。しかし、これに限らず、ニューラル・ネットワークの処理の多くが行列の掛け算であることから、行列計算に特化したＧＰＵ（Graphic Processing Unit）やTensor Processing Unit（TPU）と呼ばれるプロセッサを利用してもよい。近年ではこのような人工知能（ＡＩ）専用ハードの「ニューラル・ネットワーク・プロセッシング・ユニット（ＮＰＵ）」がＣＰＵ等その他の回路とともに集積して組み込み可能に設計され、処理回路の一部になっている場合もある。

　その他、機械学習の方法としては、例えば、サポートベクトルマシン、サポートベクトル回帰という手法もある。ここでの学習は、識別器の重み、フィルター係数、オフセットを算出するものあり、これ以外にも、ロジスティック回帰処理を利用する手法もある。機械に何かを判定させる場合、人間が機械に判定の仕方を教える必要がある。本実施形態においては、画像の判定を、機械学習によって導出する手法を採用したが、そのほか、人間が経験則・ヒューリスティクスによって獲得したルールを適応するルールベースの手法を用いてもよい。

　推論エンジン７は、学習部５の入出力モデル化部５ａと同様の入出力層、ニューラル・ネットワークを有している。推論エンジン７は、学習部５によって生成された推論モデルを用いて、推論を行う。例えば、推論エンジン７は、診断・検査機関９による健診データを入力し、疾病等を罹患していないか、また将来発症する可能性があるか等について推論する。また、この際に過去のユーザの履歴データも併せて入力し、推論してもよい。

　さらに、推論エンジン７は、生活習慣や遺伝に依存する症状であるか否かについても推論してもよい。また、推論エンジン７は、第１機器２ａ等によって測定され、時系列的な生体情報を入力し、ユーザの健康状態を検査、治療等を行うに適切な検査機関・医療機関を推論によって求めてもよい。また、推論エンジン７は、時系列的な生体情報に基づいて、いつ頃、医療機関で受診を受けることになるかの推論等を行ってもよい。

　このように、制御部１は、検索部１ｆがＤＢ部８ａを検索する以外にも、推論エンジン７を利用して、ユーザの疾病に関する情報を提供しても良い。推論エンジン７は、学習部５が生成した推論モデルを用いて、疾病に関する推論を行う。この推論モデルは、取得した生体情報、生検情報など取得情報と疾病の関係を学習することによって生成する。このように、制御部１は、推論エンジン７による推論によっても、提示すべきガイド情報を出力してもよい。

　制御部１が検索によって、または推論によって、一度に得られた取得情報に基づいて、一回の判定で疾病などをガイドすると、いたずらに生活に医療情報を持ち込んで、健全に安心して生活するのを妨げる可能性がある。そこで、複数回の取得情報の履歴（時系列的情報）を用いて、精度アップしてもよい。

　推論エンジン７は、見守りセンサの検知結果に基づいて健康アドバイスを推論する推論部として機能する（例えば、図５ＢのＳ３１、図７、図８ＢのＳ８５参照）。推論エンジン７は、センサの検知結果に基づいて健康アドバイスを推論する推論部として機能する（例えば、図５ＢのＳ３１、図８ＢのＳ８５参照）。この推論部は、症状抽出部によって抽出された症状に対応する生活情報を、推論の際に反映させる。

　次に、図２を用いて、ＤＢ部８ａに記録されるＩＤ別の利用可能な機器の一覧表について説明する。このＩＤ別の利用可能な機器の一覧表には、個人利用可能な機器とその機能、および対応症例が記録される。個人利用可能機器は、第１機器２ａ、第２機器２ｂ、第３機器３、診断・検査機関９、ユーザ情報部１０等から自動的に送信されてきてもよく、またユーザがアンケート等によって入力したデータを取得するようにしてもよい。

　図２の表の最左欄には、個人Ｘ、個人Ｙ・・・等、ＩＤで識別される個人が記載される。右隣の欄には、個人Ｘ、個人Ｙ等が普段使用できる機器が記載される。右隣の欄には、機器の機能が記載される。１つの機器で、複数種類の機能、例えば、大便の色と形状、血圧と脈拍等、複数のデータ（機能）を取得できる場合がある。更に右隣の欄には、機能毎に対応できる症例が記載されている。この表をみれば、例えば、健診結果によって発見された症例に応じて、いずれの機器で検査データを収集すべきかが分かる。

　次に、図３を用いて、ＤＢ部８ａに記録される履歴データについて説明する。この履歴データは、ユーザの一人一人を識別するための個人ＩＤ毎に作成される。履歴データは、ＩＤ毎に、扶養関係、医療情報、機器ＩＤ、取得データを記録する。

　図３において、扶養関係の欄には、個人間で扶養関係があれば、その旨を記録する。例えば、ＩＤ１は扶養者であり、ＩＤ２はＩＤ１に対して被扶養者（配偶者）である。また、ＩＤ３は扶養者であり、ＩＤ４はＩＤ３に対して被扶養者（子供）である。一般に子供の場合には血縁関係があるが、養子の場合もあるので、血縁関係について正確に記録するようにしてもよい。

　医療情報としては、検査結果と薬剤購入と見守り判定に関する情報が記録される。医療情報の内の検査結果には、検査を受けた日付け、その検査結果、その時なされたアドバイスが記録される。また医療情報の内の薬剤購入には、購入の日付け、購入した薬剤、その時のアドバイスが記録される。また、見守り判定の欄には、健診等により、生活習慣や遺伝性の疾病を考慮して見守りが必要と判定された場合に、生活習慣、遺伝等の項目が記録され、さらに家族である者に対しても、見守りを行う。図３に示す例では、ＩＤ１が生活習慣病の見守りが必要と判定されたことから、その被扶養者（家族）であるＩＤ２についても見守りが行う旨が記録される。

　また、ＤＢ部に記録される履歴データの内、機器ＩＤは、検査に使用された検査機器を識別するためのＩＤである。この機器ＩＤは、種別情報２ａ１、２ｂ１、３ａ１等の情報に基づいて記録される。なお、検査機器から種別情報が送信されない場合には、制御部１は適宜、機器ＩＤを付与する。前述したように、見守り判定がなされた場合には、症状に応じて、検査機器が決められる。

　図６に示す履歴データの例では、ＩＤ１のユーザは、時刻ｔ２において、健診等において特定の症例があり、生活習慣病または遺伝病を罹患し、また発症するおそれがあることから、見守り判定がなされている。このため、時刻ｔ２以降、ＩＤ１は機器ａおよび機器ｂを指定し、またＩＤ２は機器ｂを指定し、検査データの収集を行っている。すなわち、ＩＤ１は、機器ａを用いて日時ｔ３、ｔ４において検査データＤａ（ｔ３）、Ｄａ（ｔ４）を取得し、また機器ｂを用いて日時ｔ２、ｔ５において検査データＤｂ（ｔ２）、Ｄｂ（ｔ５）を取得している。また、時刻ｔ２より前に取得した履歴データは、Ｄａ１（ｔ１）、Ｄｃ２（ｔ１）は、過去のデータとして推論の際に使用する。Ｄａ１（ｔ１）、Ｄｃ２（ｔ１）は、見守り検査を決定する前に（過去に）取得したデータであることを示すために、図３においては下線を付してある。

　同様に、ＩＤ３、ＩＤ４のユーザは、時刻ｔ３において、健診等において特定の症例があり、生活習慣病または遺伝病を罹患し、また発症するおそれがあることから、見守り判定がなされている。ＩＤ１、ＩＤ２の場合と同様に、ＩＤ３、ＩＤ４の場合において、時刻ｔ３より前のデータは過去の一覧データとして利用し、また時刻ｔ３以後は、機器ｃを指定して、見守りのために検査データを収集している。

　次に、図４を用いて、第１機器２ａ等によって時系列的に取得される生体情報（検査データ）について説明する。図４に示す例では、ユーザの検査データを取得するために、第１機器２ａおよび第２機器２ｂの２つの機器を想定している。図４では、２つの機器の内の１つの機器から取得した生体情報（検査データ）について説明する。

　図４は、検査データを用いて作成したグラフである。ＤＢ部８ａには、前述したように、患者ＩＤごとに、時系列で整理された検査データが記録されており（図３参照）、図４は検査データをグラフに示したものである。図４において、横軸は時間Ｔを示し（図３の取得日時ｔ１～ｔ９に相当）、縦軸には時系列の検査データをプロットする。縦軸にプロットするのは、検査データ、生体データ、バイタルデータ、検体データであって、これらのいずれかについて、検査する機器の検査出力結果の数値Ｄに基づいてプロットする。数値Ｄとしては、例えば、大便の赤色の程度を示す値がある。

　図４（ａ）に示す例は、後述するように、時系列データが健康悪化の方向に向かって変化し、やがてユーザが通院に至ったケースである。図４（ａ）に示すような状況の患者には、時刻Ｔ１よりも前であれば、あとどれ位で、どのような診療科のある病院に行くことになるかを推論した結果を提供することが可能である。なお、この例以外にも、図４（ｂ）に示すように、すでに他の兆候を自覚しているために通院しており、バイタルデータが得られる場合であっても、これらの情報をＤＢ部８ａに記録しておく。ただし、まったく通院していなくてもバイタルデータだけがある人もいる。

　先に説明したように、図４（ａ）は、これから通院するであろうと推測されるケースである。図４（ａ）に示すグラフは、現在、通院していないユーザの検査データ（機器データ）の時系列的に変化を示す。この時系列的な検査データから、特定の検査結果（特定情報）を取得した時に、通常、医療機関に来院するかの情報が得ることができる。そこで、時系列的な検査データに基づいて、病院に行くほど悪化する前に、自身の健康状態を把握できるような健康情報をガイドすることが可能となる。例えば、図４（ａ）においては、時刻Ｔ１における検査データの場合に、時間＋ΔＴが経過した時刻Ｔｃに、医療機関を訪れることを推論することができる。すなわち、ＤＢ部８ａに、検査データ、医療機関情報（医院名、診療科、日時情報）等が蓄積されていれば、医療機関で診療を受けるまでの期間が推測できる。

　図４（ｂ）は、既に通院している場合であり、治療以外の要因で、通院中に悪化したケースである。図４（ｂ）に示すグラフは、病気で通院している人が、時刻Ｔｃ１、Ｔｃ２において、特定情報が出現すると、医院で治療を受ける例である。図４（ｂ）に示すような時系列的な検査データは、このような状況を学習するに、十分利用が可能である。この例は、「この数値の人は普通、自分では治療できない」という趣旨のガイドに有効である。さらなる悪化を未然に防止できる情報となって有効である。

　図４（ｃ）は、医院に行く必要なないケースである。このケースでは、検査データＤは、所定値（グラフ中破線で示す）よりも低く、医院に行く必要がない。この場合、図３に示したＤＢ部８ａのデータベースにおいて、検査結果の日付けの欄は空欄となる。

　図４は、ＤＢ部８ａに記録された患者ごとの時系列情報をグラフによって示しており、横軸が時間で縦軸が取得情報を数値化したものである。このため、２次元にビジュアルな情報となっている。２次元の図になっていることから、次の二つのことが言える。まず図であることから、画像判定と同様に扱うことができ、画像認識の推論モデルのような汎用的で構築しやすいＡＩチップもしくはシステムを簡単に流用でき、推論を容易に実現することができる。また、横軸が時間であることから、身体的な情報の時間変化の情報を有効利用でき、予測などを簡単にできる。また、揺らぎや頻度といった、生体特有の時間変化の特徴に関する情報を盛り込める。

　本実施形態においては、生活習慣などに依存しがちな将来の疾病を想定した推論を行うにあたって、時系列データ（図４参照）を推論モデルに入力して、推論結果を得ることを想定して説明したが、もちろん、入力データとしては時系列データに限る必要はない。応用例として、特定データを教師データとして学習した推論モデルを利用したものであってもよい。つまり、ユーザに提供する推論結果としては、時系列データの中から選択したデータを入力して得られた推論結果でも良い。あるいは、所定期間の平均値、最大値、最小値、その他の特定の演算を経た値を入力して得られた推論結果でもよい。気が付かない間に、体温が上がりすぎている、といった事があり得るが、この場合は、感染性の病気であって、他の人に感染させてしてしまう危険性もあり、将来の予測ではなく、緊急迅速のユーザ告知が重要になる。

　次に、図５Ａおよび図５Ｂに示すフローチャートを用いて制御部１の動作について説明する。このフローは、制御部１内のＣＰＵがメモリに記憶されたプログラムに従って動作し、推論システム全体を制御することによって、実行される。

　　図５Ａ、５Ｂに示す制御部のフローが開始すると、まず、機器からデータ収集を行う（Ｓ１）。ここでは、制御部１のＣＰＵが、第１機器２ａ、第２機器２ｂ、第３機器３、診断・検査機関９等から、健診データ・検査データ等を収集する。これらの健診データ・検査データ等の収集は、制御部１が常に収集しても行っていても良く（図３では、下線を付したデータは常時収集の結果）、また後述するようにステップＳ７において見守りを開始することによって、データを収集するようにしても良い。また、第１機器２ａ等から制御部１に向けて送信されてきた健診データ・検査データ等があれば、このデータを収集してもよい。

　機器よりデータを収集すると、次に、ユーザ本人（個人）の判定の結果、新しい「診断」情報を得たか否かを判定する（Ｓ３）。ここでは、制御部１（情報提供部１ｃ）は、診断・検査機関９において、ユーザが健診や審査を受け、医師等によって、特定の診断がなされたか否かを判定する。

　ステップＳ３における判定の結果、新しい「診断」情報であった場合には、次に、ユーザ本人（個人）の「診断」情報より、関連データ項目を決定する（Ｓ５）。ここでは、制御部１（情報提供部１ｃ）は、特定の診断がなされたことから、この診断に関連して、遺伝や生活習慣に依存する症状を抽出する。診断・検査機関９等から受信したデータを、推論エンジン７に入力し、遺伝または生活習慣に依存する症状を推論してもよい。症状を抽出すると、この症状を見守るため、すなわち経過を観察するために、必要な関連項目を決定する。

　ステップＳ５において、関連データ項目を決定すると、次に、生活習慣関連項目に関し、見守り対応機器がＤＢに有るか否かを判定する（Ｓ６）。図２を用いて説明したように、ユーザ（個人）が普段使用している機器の中で、ステップＳ５において決定された項目を検査できる機器があるか否かを判定する。この判定の結果、見守り対応機器がＤＢにない場合には、ステップＳ１に戻る。この場合、ユーザに見守りに指定できる機器がない旨を端末４に送信し、表示するようにしてもよい。

　ステップＳ６における判定の結果、見守り対応機器がある場合には、本人の見守りを開始する（Ｓ７）。ここでは、制御部１（ＩＤ判定部１ｂ）は、ステップＳ６において決定した見守り用の対応機器（第１機器２ａ等のいずれか）を指定し、この機器からユーザの検査データを収集する。検査データを収集すると、ＤＢ部８ａに履歴データとして記録する（図３参照）。

　本人の見守りを開始すると、次に、被扶養者が有るか否かを判定する（Ｓ９）。ここでは、制御部１（被扶養者判定部１ｇ）は、ユーザ本人が扶養している者がいるか否かを、ＤＢ部８ａ（ユーザ情報部１０でもよい）を検索する。なお、ユーザ本人が被扶養者である場合には、扶養者を判定してもよく、またユーザの同居の家族等を判定してもよい。この判定の結果、被扶養者がいない場合には、ステップＳ１に戻る。

　ステップＳ９における判定の結果、被扶養者が有る場合には、次に、被扶養者の見守り検査を開始する（Ｓ１１）。ここでは、まず、ステップＳ５において決定した関連データ項目の中で生活習慣関連項目を検査するための機器が、被扶養者が普段使用しているか否かを、ＤＢ部８ａ（ユーザ情報部１０でもよい）を検索する。この検索の結果、検査機器があれば、被扶養者の見守り検査を開始する。すなわち、見守り用の対応機器（第１機器２ａ等のいずれか）を指定し、この機器から被扶養者の検査データを収集する。検査データを収集すると、ＤＢ部８ａに履歴データとして記録する（図３参照）。なお、見守り検査を開始するにあたって、ユーザやユーザの被扶養者に、その旨を通知し、許諾を得てから検査データの収集を開始してもよい。

　ステップＳ１１において被扶養者の見守り検査を開始すると、次に、遺伝性関連項目があるか否かを判定する（Ｓ１３）。ここでは、制御部１は、ステップＳ５において決定した関連データ項目の中に、遺伝性の関連項目があるか否かを判定する。この判定の結果、関連項目がなければ、ステップＳ１に戻る。

　ステップＳ１３における判定の結果、遺伝性関連項目がある場合には、被扶養者以外に血縁関係者がいれば、見守り検査を開始する（Ｓ１５）。ここでは、まず、ステップＳ５において決定した関連データ項目の中で、遺伝性関連項目を検査するための機器が、血縁関係者が普段使用しているか否かを、ＤＢ部８ａ（ユーザ情報部１０でもよい）を検索する。この検索の結果、検査機器があれば、血縁関係者の見守り検査を開始する。すなわち、見守り用の対応機器（第１機器２ａ等のいずれか）を指定し、この機器から血縁関係者の検査データを収集する。検査データを収集すると、ＤＢ部８ａに履歴データとして記録する（図３参照）。なお、見守り検査を開始するにあたって、ユーザやユーザの血縁関係者に、その旨を通知し、許諾を得てから検査データの収集を開始してもよい。見守り検査を開始すると、ステップＳ１に戻る。

　ステップＳ３に戻り、このステップにおける判定の結果、新しい「診断」情報がない場合には、判定の対象となったユーザ本人の関連データとして十分な履歴データがあるか否かを判定する（Ｓ２１）。前述したように、ＤＢ部８ａには、ＩＤ別に個人の履歴データが記録されている。ここでは、制御部１が、ステップＳ３において判定の対象となったユーザ本人の履歴データが、十分、記録されているか否かを判定する。

　ステップＳ２１における判定の結果、十分な履歴データが記録されていない場合には、ユーザ本人の履歴データの収集を開始し、継続する（Ｓ２３）。ここでは、制御部１（情報提供部１ｂ）が、第１機器２ａ等の検査機器から、検査データの収集を開始し、その収集を継続する。なお、検査項目の選択は、次のステップＳ２５における優先項目の決定に従って行ってもよい。

　ステップＳ２３において履歴データの収集を開始すると、次に、ユーザ本人の健診結果からユーザ本人と家族の優先項目を決定する（Ｓ２５）。ここでは、制御部１は、ステップＳ１において取得した個人の健診結果から、診断結果に基づく関連データ項目の中から優先順位を決定する。すなわち、診断・検査機関９等から受信した健診データを、推論エンジン７に入力し、遺伝または生活習慣に依存する症状を推論してもよく、症状を抽出すると、この症状を見守るため、すなわち経過を観察するために、必要な関連項目を決定する。関連項目が決まると、ＤＢ部８ａに記録されているＩＤ別の使用可能な機器と対応症例に基づいて、個人と家族の優先項目を決定する。優先項目を決定すると、ステップＳ１に戻る。

　ステップＳ２１に戻り、この判定の結果、十分な履歴データがあれば、次に、ユーザ本人（個人）が利用可能な機器がＤＢにあるか否かを判定する（Ｓ２７）。ここでは、制御部１が、診断情報が見守り対応症例であって、この対応症例を見守るための機器が、ユーザ本人が利用できるものとして、ＤＢ部８ａに記録されているか否かを判定する。この判定の結果、ＤＢ部８ａにユーザ本人が利用できる機器が記録されていない場合には、ステップＳ１に戻る。

　ステップＳ２７における判定の結果、ユーザ本人（個人）が利用できる機器がＤＢ部８ａに記録されていた場合には、次に、対応推論モデルを指定できるか否かを判定する（Ｓ２９）。推論エンジン７において設定する推論モデルは複数のあり、制御部１は、推論エンジン７に入力するデータと、取得したい出力の内容に応じて、推論モデルを選択する。このステップでは、制御部１は、推論エンジン７に入力するデータと、取得した出力結果に応じた推論モデルがあるか否かに基づいて判定する。この対応推論モデルの指定における詳しい動作については、図６を用いて後述する。この判定の結果、対応推論モデルがない場合には、ステップＳ１に戻る。

　ステップＳ２９における判定の結果、対応推論モデルを指定できた場合には、次に、データ履歴を用いて推論する（Ｓ３１）。ここでは、制御部１は、指定した対応推論モデルを推論エンジン７に設定する。そして、制御部１は、ＤＢ部８ａに記録されている履歴データを、推論エンジン７に入力し、対応推論モデルによる推論結果を取得する。

　この対応推論モデルは、図４で説明したような教師データを用いて生成している。この対応推論モデルに時系列データを入力して推論すると、将来、どの時期に病院に行くことになるか、どのような診察結果が出されるか、その時にどのようなアドバイス（診察結果から診断される病名から分かる根治薬や、病名から分かる症例に対する症状改善薬の候補や日常生活での注意事項）がなされるか等について、推論される。

　時系列データ（図４参照）を用いて推論モデルを生成し、この推論モデルを用いて推論結果を得ることを想定して説明した。しかし、時系列データ以外でも推論が可能で、例えば、時系列データの中から選択したデータを、それに応じた推論モデルに入力して得られたものでも良い。あるいは、所定期間の平均値、最大値、最小値、その他の特定の演算を経た値を入力して得た推論結果でもよい。気が付かない間に、体温が上がりすぎている、といった事があり得るが、これは早急な告知が重要である。この場合、他のデータも参照しながら、推論を行うような推論モデルを利用すれば、判定の確度が向上する。

　ステップＳ３１において推論すると、次に、ユーザ本人（個人）に推論結果を出力し（Ｓ３３）、推論結果の補足アドバイスを行う（Ｓ３５）。ここでは、制御部１（情報提供部１ｃ）は、ステップＳ３１において取得した推論結果を、ユーザ本人の有する端末４に出力する。また、制御部１は、推論結果を送信する際に、推論結果に基づく補足アドバイスも端末４に送信する。端末４の表示部には、推論結果と補足アドバイスが表示されるので、ユーザは健診結果に基づく疾病に関連する健康状態を知ることができる。ステップＳ３３、Ｓ３５を実行すると、ステップＳ１に戻る。

　図７は、ユーザの端末４におけるアドバイスの表示例である。ユーザ本人の有する端末４に健診結果とその後の見守りによる検査データに関する情報が表示されている。図７に示す例では、ユーザ本人の検査データを、横軸にデータ数値、縦軸に頻度（回数）というパラメータを用いて、グラフで表示されており、白丸は正常範囲内の結果であり、黒丸は正常範囲外の結果を示す。この表示によって、正常数値を離れる傾向があるか否かが一目で分かる。また、例えば、横軸を時間に、縦軸をデータ数値として表示すれば、最近になって表れた傾向か、以前からの傾向かが容易に分かる。改善しているか、悪化しているかが分かれば、生活を振り返り、改善の努力を行い、また診察に行くかを決めることが出来る。なお、ユーザ本人の検査結果と共に、他のユーザの検査結果も表示してもよい。他のユーザと比較することによって、自分の体調を客観的に判定し、生活を振り返って改善の努力を行い、また診察に行くかを決めることが出来る。

　また、ユーザの端末４に、推論結果（Ｓ３３、Ｓ３５参照）を表示してもよい。この場合には、まず、客観的なデータからユーザ自身が気づくようにして、いたずらな不安をかきたてないようにすることが望ましい。しかし、ユーザの行動を検知しておき、何も改善されない場合には、推論結果を明記して示すようにしてもよい。この表記としては、例えば、「〇％の確率で、こんな症状が出ます」がある。学習結果から推論される将来の診察結果に基づいて、症例などを紹介すると、ユーザは病気になってた場合の不都合を実感できる。この表示は推論結果をさらにロジックベースでデータベースを検索した結果を加工したものだが、学習の結果から得られる。そこで、これを含めて、センサの検知結果に基づいて健康アドバイスを推論した結果を表示可能にする、という上位概念が得られる。

　また、ユーザの端末４に、推論結果を参考に医師が診断をした結果を表示してもよい。つまり、本実施形態によれば、上述のような推論結果表示ための表示制御部を有することを特徴とする装置、方法、システムが提供可能となる。推論結果は、図４のような時系列データを推論モデルに入力して得たものであっても、時系列データの中から選択されたデータを、データに応じた推論モデルに入力して得られたものでも良い。あるいは、所定期間の平均値、最大値、最小値、その他の特定の演算を経た値を推論モデルに入力して得たものあってもよい。例えば、気が付かない間に、体温が上がりすぎている、といった事も入力データになり得る。

　図７に示すように、端末４には、「内容をよく見る」および「検査依頼」のアイコンが表示されている。「内容をよく見る」をタッチすると、詳しい検査データが表示され、また「検査依頼」をタッチすると、診断・検査機関９等に検査を依頼することができる。先に述べた「他のユーザ」として、同じ性別、同じ年齢層等を選択できるようにしてもよい。この選択に必要な基本情報もＤＢ部８ａに記録しておいてもよく、またＩＤから検索してＤＢ部９ａやＤＢ部１０ａのデータベースを検索して判定できるようにしてもよい。また、これらのデータベースの連携によって、同様の持病を患う人や同様の行動パターンの人を抽出し、比較表示することも可能である。

　次に、図６に示すフローチャートを用いて、ステップＳ２９の「対応推論モデルの指定」の詳しい動作について説明する。

　図６の対応推論モデル指定のフローが開始すると、まず、「症例」から意味のある見守り情報を判定する（Ｓ４１）。前述したように、本実施形態においては、健診結果等から生活習慣や遺伝に依存する症例が抽出される。症例が抽出されると、制御部１は、この症例の経過観察を行うに適切な検査項目（見守り情報）が何であるかを判定する。ＤＢ部８ａに、症例に応じて適切な検査項目を一覧表形式で記録してあり（例えば、図２参照）、ＤＢ部８ａには履歴データが記録されていることから、制御部１は、これらの情報に基づいて、見守り情報を決めればよい。

　ステップＳ４１において見守り情報を判定すると、次に、利用可能な機器情報を判定する（Ｓ４３）。ここでは、ＤＢ部８ａにＩＤ別の利用可能機器の情報（図２参照）が記録されており、またＤＢ部８ａにＩＤ別の履歴データが記憶されているので、制御部１はこれらの情報に基づいて判定する。続いて、対応機器の仕様を判定する（Ｓ４５）。ここでは、制御部１は、ＤＢ部８ａに記録されている対応機器の仕様と、ＤＢ部８ａに記録されている履歴データに基づいて判定する（例えば、図２の機能の欄参照）。

　ステップＳ４１～Ｓ４５において、見守り情報、利用可能機器情報、対応機器の仕様情報を判定すると、次に、使用頻度と仕様から取得情報を選択する（Ｓ４７）。ステップＳ４１～Ｓ４５における判定の結果、複数の情報が取得される場合があるので、これらの情報の中から、機器の使用頻度と仕様に基づいて、取得情報を選択する。

　次に、推論モデルが有るか否かを判定する（Ｓ４９）。ここでは、制御部１は、ステップＳ４７において選択した機器と同様の情報によって生成された推論モデルがあるか否かを判定する。すなわち、健診データや検査データを入力して推論を行う場合には、推論の用途を考慮して、推論モデルを指定する。この場合、指定する推論モデルは、ユーザが検査に使用した機器と同様の機器であり、また対象とする「症例」を推論するモデルが望ましい。ここでは、制御部１がこの推論モデルがあるか否かを判定する。

　ステップＳ４９における判定の結果、予測推論モデルがない場合には、別機能や別機器が選択可能か否かを判定する（Ｓ５１）。最適な推論モデルがないことから、制御部１は、検査に使用する機器の別機能や、別機器を選択することが可能か否かを判定する。この判定の結果、他の機器等に選択することができる場合には、ステップＳ４９に戻る。

　一方、ステップＳ５１における判定の結果、選択できない場合には、機器利用アドバイス等を行う（Ｓ５３）。ここでは、制御部１は、ユーザに普段使用している機器以外の機器の使用を進めるアドバイスを、ユーザの所有する端末４に出力する。アドバイスを行うと、ステップＳ２９における分岐として、Ｎｏに進む（Ｓ５５）。

　ステップＳ４９に戻り、この判定の結果、予測推論モデルがある場合には、対応する予測モデルを指定する（Ｓ５７）。ここでは、制御部１は、推論エンジン７に、選択した推論モデルを指定（設定）する。推論モデルを指定すると、ステップＳ２９における分岐として、Ｙｅｓに進む（Ｓ５９）。

　このように、図５Ａ、図５Ｂ、および図６における制御部のフローにおいては、診断・検査機関９等から健診結果を入力すると（Ｓ１参照）、健診結果の内、特定の診断がなされた特定診断結果があるか否かを判定している（Ｓ３参照）。そして、特定診断結果の内、生活習慣や遺伝に依存する症状を抽出し、この症状を観察するための検査項目（関連データ項目）を決定している（Ｓ５参照）。検査項目が決まると、ユーザが使用している検査機器によって検査可能か否かを判定し（Ｓ６参照）、検査可能であれば、その機器で見守り検査を開始している（Ｓ７参照）。

　更に、生活習慣病の場合には、ユーザの家族（被扶養者）も罹患、もしくは将来発症する可能性があることから、ユーザと同様に、見守り検査を開始している（Ｓ９、Ｓ１１参照）。同様に、遺伝病の場合には、ユーザと血縁関係が有る者も罹患、もしくは将来発症する可能性があることから、ユーザと同様に、見守り検査を開始している（Ｓ１３、Ｓ１５参照）。

　本実施形態においては、診断や発症予想がなされた際に、センサを指定し、データを取り始めるように単純化して説明している。しかし、これに限らず、センサを搭載した機器の購入時、入手時、設置時等のタイミングにおいて、ユーザが機器販売会社等と契約を行い、データ取得やデータ蓄積を行ってもよい。データ送信やデータ蓄積には、電力料金や通信料金、記録ストレージの使用量等について契約を行うことが必要になる場合がある。この購入、契約などのタイミングにおいて、専門家の説明を受け、納得した範囲で、自らの健康状態などを考慮してデータ項目の取捨選択を行い、一括して代金の精算方法などを取り決めておいた方が簡単な場合が多い。もちろん、ユーザの携帯端末や情報端末で、これらの契約を設定できるようにしてもよい。また、データの保管期間や保管数などを決めて蓄積してもよい。このように、すでに記録されているものから、特定のデータ取得タイミングまで遡ってデータ参照した場合も、「見守り開始」という表現で表している。

　このように、本実施形態においては、ユーザ本人の健診結果に基づいて、ユーザ本人の見守り検査を行うだけではなく、被扶養者等の家族についても見守り検査を行うようにしている。このため、健診を受けた本人に限らず、被扶養者等の家族についても、検査データを継続的に取得することができ、ユーザの家族に対しても健康状態に関するアドバイス等を行うことが可能となる。

　つまり、本実施形態に係る推論システムの制御部は、第１機器等から日常生活の中で測定した検査データ、または診断・検査機関における診断結果を入力し（Ｓ１参照）、特定の症状が有る場合やその予兆がある場合には、日々、検査データを継続的に取得できるように、検査用の機器（センサ）を決定し（Ｓ６参照）、この決定した機器から検査データを収集するようにしている（Ｓ７参照）。また、特定の症状が生活習慣に関係しているには、配偶者や子供等の家族（被扶養者）等、生活習慣が同じである家族に対して、情報を収集するようにしている（Ｓ９、Ｓ１１参照）。また特定の症状が遺伝に関係している場合には、血縁関係のある家族（被扶養者）に対して、情報を収集するようにしている（Ｓ１３、Ｓ１５参照）。

　次に、図８Ａおよび図８Ｂに示すフローチャートを用いて、制御部の動作の変形例を説明する。このフローは、診断・検査機関９内の制御部９ｂに備えられたＣＰＵが、メモリに記憶されたプログラムに従って動作し、推論システム全体を制御することによって実現される。図５Ａおよび図５Ｂに示す例では、ユーザが健診等を受診した際に、新しい「診断」がなされた場合を主に扱っていた。図８Ａおよび図８Ｂに示す例では、健診等によって新しい「診断」がなされた場合に、診断・検査機関９が見守り検査を行うようにしている。

　　図８Ａ、８Ｂに示す制御部のフローが開始すると、まず、新しい「診断」情報を取得したか否かを判定する（Ｓ６１）。診断・検査機関９において、健診または診察の際に、医師が検査データや問診等によって、新たな疾病等を認めた診断を下す場合がある。このステップにおいて、制御部９ｂは、医師等が新たな診断を行った旨の情報を入力したか否かに基づいて判定する。また、医師が電子カルテに、その旨を記録すると、自動的に制御部９ｂに通知されるようにしてもよい。

　ステップＳ６１における判定の結果、新しい「診断」情報を取得したと判定されると、次に、生活習慣が重要であり、家族見守りが推奨されるか否かを判定する（Ｓ６３）。診断された症例の主な原因が生活習慣にあり、また治療を行うにあたって、生活習慣の改善を行う場合がある。症例に生活習慣が大きく関係している場合には、診断を受けた本人に限らず、家族も同様の生活習慣の場合がある。そこで、このステップでは、制御部９ｂは、症例の原因や治療を行うにあたって、生活習慣が重要か否かを判定し、生活習慣が重要な場合には、診断を受けた個人の家族も含めて、見守り検査を行うことを推奨するか否かを判定する。

　ステップＳ６３における判定の結果、家族の見守り検査が推奨される場合には、次に、その個人・家族の利用可能な機器がＤＢにあるか否かを判定する（Ｓ６５）。ステップＳ６１において取得した「診断」に係る症例について、経過状態を観察するために見守り検査に使用する検査機器が、ユーザ本人や家族が利用できるかについて、制御部９ｂは、制御部１と通じて、ＤＢ部８ａの記録に基づいて判定する。前述したように、ＤＢ部８ａには図２に示したように、ＩＤ別に使用可能な機器が記録されている。

　ステップＳ６５における判定の結果、機器がＤＢに記録されている場合には、次に、家族も含めて個人履歴の収集を開始する（Ｓ６７）。ここでは、制御部９ｂは、制御部１を通じて、ＤＢ部８ａに記録されている、利用可能な検査機器（第１機器２ａ、第２機器２ｂ、第３機器３等のいずれか）から、個人および家族の検査データを収集し、ＤＢ部８ａに記録する（図３参照）。履歴データの収集を開始すると、ステップＳ６１に戻る。

　一方、ステップＳ６５における判定の結果、機器がＤＢに記録されていない場合、またはステップＳ６３における判定の結果、家族の見守り検査が推奨されない場合には、次に、ユーザ本人に利用可能な機器がＤＢに有るか否かを判定する（Ｓ６９）。ステップＳ６５における判定の結果、ユーザ本人及び家族について、見守り検査に使用する検査機器が、ＤＢ部８ａには記録されておらず、またステップＳ６３における判定の結果、家族の見守り検査も必要がない。ユーザ本人について利用できる機器がＤＢ部８ａに記録されている場合がある。そこで、制御部９ｂはＤＢ部８ａにユーザ本人の利用可能な機器として記録されているか否かを判定する。

　ステップＳ６９における判定の結果、個人に利用可能な機器がＤＢに記録されていた場合には、次に、個人履歴の収集を開始する（Ｓ７１）。ここでは、制御部９ｂは、ＤＢ部８ａに記録されている利用可能な検査機器（第１機器２ａ、第２機器２ｂ、第３機器３等のいずれか）から、ユーザ本人の検査データを収集し、ＤＢ部８ａに記録する（図３参照）。履歴データの収集を開始すると、ステップＳ６１に戻る。

　一方、ステップＳ６９における判定の結果、ユーザ本人に利用可能な機器がＤＢに記録されていなかった場合には、次に、機器利用アドバイスを行う（Ｓ７３）。個人用の見守り検査を行うための検査機器がＤＢ部８ａに記録されていないことから、制御部９ｂは、端末４を通じて、ユーザ本人にどのような機器を使用すればよいかについてアドバイスを行う。また、ステップＳ６３において家族見守り検査が推奨される場合には、家族についても、どのような機器を使用すればよいかについても、端末４（家族用であれば、家族用の端末）に通じて、アドバイスを行う。アドバイスを行うと、ステップＳ６１に戻る。

　ステップＳ６１における判定の結果、新しい「診断」情報を取得していない場合には、十分なデータ量を蓄積した否かを判定する（Ｓ８１）。前述したように、ステップＳ６７またはＳ７１において、見守り検査を開始するので、ＤＢ部８ａには、ＩＤ別に履歴データが記録されている。ここでは、制御部９ｂが、ステップＳ６３において判定の対象となったユーザ本人、またはユーザ本人及び家族の履歴データが、十分、蓄積されたか否かを判定する。この判定の結果、データ量が十分に蓄積されていない場合には、ステップＳ６１に戻り、データの蓄積を継続する。

　ステップＳ８１における判定の結果、データ量が十分蓄積された場合には、次に、対応推論モデルを指定できるか否かについて判定する（Ｓ８３）。推論エンジン７において設定する推論モデルは複数ある。制御部９ｂは、推論エンジン７に入力するデータと、取得したい出力の内容に応じて、複数の推論モデルの中から、症例や検査機器等を考慮して、ユーザ本人や家族に症例に対応できる最適な推論モデルを選択するできるか否かを判定する。推論モデルを指定できない場合には、ステップＳ６１に戻る。

　ステップＳ８３における判定の結果、推論モデルを指定できる場合には、次に、データ履歴を用いて推論する（Ｓ８５）。ここでは、制御部９ｂは、ステップＳ８３において指定した対応推論モデルを推論エンジン７に設定する。そして、制御部９ｂは、ＤＢ部８ａに記録されている履歴データを、推論エンジン７に入力し、対応推論モデルによる推論結果を取得する。

　ステップＳ８５において推論すると、次に、個人に推論結果を出力し（Ｓ８７）、推論結果の補足アドバイスを行う（Ｓ３５）。ここでは、制御部９ｂは、ステップＳ３１において取得した推論結果を、個人（ユーザ）の有する端末４に出力する。また、制御部９ｂは、推論結果を送信する際に、推論結果に基づく補足アドバイスも端末４に送信する。端末４の表示部には、推論結果と補足アドバイスが表示されるので、ユーザは健診結果に基づく疾病に関連する健康状態を知ることができる。なお、ステップＳ８７、Ｓ８９において、制御部９ｂは、個人に限らず、家族の端末にも推論結果を表示するようにしてもよい。ステップＳ８７、Ｓ８９を実行すると、ステップＳ６１に戻る。

　このように、制御部の動作の変形例において、健診や診察等において、医師が新しい診断を下した場合に（Ｓ６１Ｙｅｓ参照）、その診断に係る症例が生活習慣に関係している場合には、ユーザ本人に限らず、家族についても見守り検査を推奨するか否かを判定している（Ｓ６３）。生活習慣病等は、ユーザ本人に限らず、家族も患っている可能性があることから、家族に広げて検査データを取得し、健康状態を推論するようにしている。すなわち、本変形例においても、健診を受けた本人に限らず、家族等についても、健診データを継続的に取得できるようにしている。

　なお、本変形例においては、遺伝性の症例について記載がない。しかし、図５Ａに示したフローチャートと同様に、遺伝性の症例の場合には、血縁関係のある家族についても、見守り検査を推奨するようにしても勿論かまわない。

　次に、図９を用いて、推論エンジン７における推論の一例について説明する。図９に示す推論は、ユーザ本人に限らず家族の情報も考慮して推論を行う場合の例を示す。この変形例では、推論エンジン７の入力層７ａには、センサ情報２１ａと、診察結果等２１ｂを入力する。最近のディープラーニングの１つのトレンドとして、特定のデータと他の種類のデータを組み合わせた機械学習があり、複数の異なる情報を使うことをマルチモーダル学習と呼んでいる。本実施形態においては、センサ情報２１ａに加え、その他の情報２１ｂを入力教師データとして、正しい結果が出るように学習した推論モデルを使うことを想定している。

　センサ情報２１ａは、制御部１（ＩＤ判定部１ｂ）が指定された検査機器（第１機器２ａ等）（図５ＡのＳ６、Ｓ７、Ｓ１１、Ｓ１５、図８ＡのＳ６５～Ｓ７１）から収集した検査データである。また、診察結果等２１ｂは、本人診察結果および／または家族の診察結果および／または家族の病歴である。この診察結果等２１ｂは、ＤＢ部８ａに記録されているＩＤ別履歴データから抽出すればよく、またユーザ情報部１０に記録されているデータを参照してもよい。

　入力層７ａに、センサ情報２１ａおよび診察結果等２１ｂを入力すると、推論モデルの中間層７ｂが推論を行い、出力層７ｃに推論結果２３ａを出力する。推論結果２３ａは、家族情報を加味している。すなわち、本人の検査データ、診察結果に限らず、家族の検査データや診察結果等も含めて、情報を入力し、推論を行っているいることから、家族の状況を含めた推論が可能である。例えば、生活習慣病の場合、家族に生活習慣病の症例が表れているが、本人に生活習慣病の症例が表れていない場合に、本人は潜在的な生活習慣病の可能性が高いという推論を行う可能性がある。

　このように、図９に示す推論モデルでは、本人に限らず、家族のデータ（遺伝や生活習慣、環境などによって影響を受けた体質などによって変化しうるデータ）も含めて入力することから、精度の高い推論を行うことができる。また、その人のみならず、家族を含めて出来るアドバイスも可能となる。例えば、「〇〇になりやすい体質です」とか、近親の人にも参考になる情報を含みうる。

　また、図９に示すように、複数種類のデータを入力できる推論モデルは、伝染性の疾患を推論する場合にも効果を発揮する。例えば、特定の地域への立ち入りによって、可能性の高まるような風土的な疾病や、環境的影響を受ける疾病の場合、特定の微熱状態から緊急性のある高熱状態の症状に着目した見守りが重要になる場合がある。体温の時系列データと、特定の地域への立ち入り情報（携帯端末搭載のＧＰＳなどにって取得できる）にしたがって、悪化する前に体力をつけるといった方策を講じることができる。健康診断や通院の段階では、悪化前で症状が出ていない場合もあり、このような症状検知のために、ウェアラブルの体温計を見守りセンサとして決定すればよい。最初に通院や診察を受けた時点での結果を健診結果とすれば、特定人物の健診結果を入力し、疑わしい特定診断結果を判定し、遺伝（人種によってかかりやすい場合がある）や生活習慣（安静にしていれば悪化しない病気がある）に依存する症状を抽出し、この症状に対応する見守りセンサを決定する決定部を用意する、という本実施形態の特徴を有したシステムとなる。

　次に、図１０および図１１を用いて、本実施形態における検査機器の設定（センサ決定）の概要について説明する。図１０は、推論エンジン７における推論の入出力関係を示し、図１１はこの検査機器の設定の動作を示すフローチャートである。

　図１０に示すフローチャートを用いて、センサ設定（検査機器の設定）の動作を説明する。図１０に示すセンサ設定の動作が開始すると、まず、健康診断情報を取得する（Ｓ９１）。ここでは、制御部１が、健診や診察において医師が健康診断を行った場合の情報を取得する（図８ＡのＳ６１に相当）。制御部１が、健康診断情報を取得できない場合には、取得するまで待機状態となる。

　健康診断情報を取得すると、次に、特定診断か否かを判定する（Ｓ９３）。ここでは、制御部１が、ステップＳ９１において取得した情報に基づいて、特定診断か否かを判定する。特定診断は、健診データが健康状態と異なる数値になっている場合や、問診等によって生活習慣病等の疾病を判断する。このステップＳ９３における処理は、図５ＡのＳ３、図８ＡのＳ６１における処理に相当する。特定診断がなされなければ、このフローを終了する。

　ステップＳ９３において、特定診断と判定されると、次に、生活習慣等に依存する症状を抽出する（Ｓ９５）。特定診断がなされる場合の理由として、生活習慣病等の症状があらわれている場合がある。ここでは、制御部１が生活習慣に依存する症状が現れていれば、その症状を抽出する。この症状の抽出は、図５ＡのＳ５、図８ＡのＳ６１における処理に相当する。なお、生活習慣に限らず、遺伝に依存する症状を抽出してもよく、生活習慣および遺伝に依存する症状を抽出してもよい。

　なお、生活習慣は、広義には、長期間に亘る習慣に限らず、短期間の生活パターンも含まれる。例えば、その時々における勤務超過や休養状態など、短いスパンでの影響を受けやすい疾病の場合は、一日、二日から一週間、二週間といった単位での生活のパターンを含めて生活習慣と呼んでもよい。家族の看病や突発的な災害や避難生活、仕事の都合で寝不足になっている状況は、健康への影響は大きいので、短い期間であっても生活習慣としてここでは呼んでいる。

　症状を抽出すると、次に、家族検索を行う（Ｓ９７）。ここでは、制御部１が、本人の家族をＤＢ部８ａから検索する。前述したように、ＤＢ部８ａには、本人とその被扶養者等の家族に関する情報が記録されている。この家族検索は、図５ＡのＳ９、図８ＡのＳ６５における処理に相当する。家族検索の結果、家族が見つからない場合には、本人のみとして、次のステップＳ９９に進む。

　家族検索を行って家族が見つかると、次に、家族センサを設定する（Ｓ９９）。ここでは、制御部１は、家族の見守り検査を行うために、家族用の検査機器（家族用センサ）を設定する。センサが設定されると、制御部１（情報提供部１ｃ）は、検査機器（第１機器２ａ、第２機器２ｂ、第３機器３の中からセンサとして指定された機器）から家族の検査データを収集する。家族に加えて、本人の検査データを収集してもよい。このセンサの設定は、図５ＡのＳ１１、図８ＡのＳ６７に相当する。家族用の検査機器（センサ）を設定すると、本フローを終了する。

　このように、図１０に示すセンサ設定のフローは、特定人物の健診結果を入力するステップ（Ｓ９１）と、健診結果のうち、特定の診断がなされた特定診断結果を判定するステップ（Ｓ９３）と、特定診断結果のうち、遺伝および／または生活習慣に依存する症状を抽出する症状抽出ステップ（Ｓ９５）と、抽出された症状に対応する生活情報に対応する見守りセンサを決定するステップ（Ｓ９７）を有している。このため、本実施形態では、健診を受けた本人に限らず、家族等についても、健診データを継続的に取得できるように、健診データを取得するためのセンサを決定することができる。

　なお、センサ設定のフローにおいて、さらに、特定の人物のＩＤ情報を検出するステップと、ＩＤ情報から特定された家族に対しても見守りセンサの情報取りをアドバイスするステップを追加してもよい。

　次に、図１１を用いて、推論エンジン７における推論の一例について説明する。この推論は、家族の情報を加味した推論結果を得るようにしている。この変形例では、推論エンジン７の入力層７ａには、診察結果２１ｃを入力する。診察結果２１ｃは、例えば、図８ＡのＳ６１のように、健診や診察において医師が診察した際の結果である。また、図１０のステップＳ９１、図５ＡのステップＳ１において、取得したデータ等である。もちろん、医師の１６８診断結果を入力するようにしてもよい。

　入力層７ａに、診察結果２１ｃを入力すると、推論モデルの中間層７ｂが推論を行い、出力層７ｃに、推論結果２３ｂを出力する。この推論結果２３ｂは、家族の影響度を判定して、設定するセンサを出力する。推論結果２３ｂは、家族の影響度を考慮している。すなわち、本人の診察結果に限らず、家族関係も考慮して、推論を行っているいる。例えば、生活習慣病の場合、家族に生活習慣病の症例が表れているが、本人に生活習慣病の症例が表れていない場合に、本人は潜在的な生活習慣病の可能性が高いという推論を行う可能性がある。

　このように、図１１に示す推論モデルでは、本人に限らず、家族の影響度も含めて推論を行うようにしていることから、精度の高い推論を行うことができる。

　次に、図１２に示すフローチャートを用いて、センサ設定の他の例を説明する。この例では、ステップＳ９１、Ｓ９３、Ｓ９５は、図１０のフローチャートと同様であり、ステップＳ９７、Ｓ９９を、ステップＳ９８に代えている。そこで、このステップＳ９８を中心について説明する。

　健康診断情報を取得すると（Ｓ９１）、特定診断結果を判定し（Ｓ９３）、生活習慣に依存する症状を抽出する（Ｓ９５）。　症状を抽出すると、次に、見守りセンサを決定する（Ｓ９８）。制御部１は、本人の見守り検査を行うために、本人用の検査機器（家族用センサ）を設定する。センサが設定されると、制御部１（ＩＤ判定部１ｂ）は、検査機器（第１機器２ａ、第２機器２ｂ、第３機器３の中からセンサとして指定された機器）から本人の検査データを収集する。もちろん、図１０のように、本人に加えて、家族の検査データを収集してもよい。また、生活習慣に限らず、遺伝に依存する症状を抽出して、見守りセンサを決定してもよい。さらに、ステップＳ９１における健康診断の情報としては、健診や診察における医師の診断に限らず、ユーザが日常行っている検査機器からの情報であっても勿論構わない。本人用の検査機器（センサ）を設定すると、本フローを終了する。

　このように、図１２に示すセンサ設定のフローは、特定人物の健診結果を入力するステップ（Ｓ９１）と、健診結果のうち、特定の診断がなされた特定診断結果を判定するステップ（Ｓ９３）と、特定診断結果のうち、遺伝および／または生活習慣に依存する症状を抽出する症状抽出ステップ（Ｓ９５）と、抽出された症状に対応する生活情報に対応する見守りセンサを決定するステップ（Ｓ９８）を有している。このため、日常生活の中での検査データや、健診や診察に基づいて、診断がなされると、検査データを継続的に取得できるように、検査データを取得するためのセンサを決定することができる。

　以上説明したように、本発明の一実施形態やその変形例においては、特定人物の健診結果を入力し（例えば、図５ＡのＳ３）、健診結果のうち、特定の診断がなされた特定診断結果を判定し、特定診断結果のうち、遺伝や生活習慣に依存する症状を抽出し（例えば、図５ＡのＳ５）、抽出された症状に対応する見守りセンサを決定している（例えば、図５ＡのＳ６）。このため、健診を受けた本人について、検査データを継続的に取得できるように、検査データを取得するためのセンサを決定することができる。

　また、本発明の一実施形態やその変形例においては、特定人物の被扶養者の判定を行い、この判定された被扶養者について、抽出された症状に対応する見守りセンサを決定している（例えば、図５ＡのＳ９、Ｓ１１参照）。このため、本人に限らず家族等についても、検査データを継続的に取得できるように、検査データを取得するためのセンサを決定することができる。

　また、本発明の一実施形態やその変形例において、制御部１等は、健診結果を取得して特定の診断がなされた特定診断結果を判定する判定ステップ（例えば、図５ＡのＳ３参照）と、特定診断結果のうち、遺伝や生活習慣に依存する症状を抽出する症状抽出ステップ（例えば、図５ＡのＳ５参照）と、抽出された症状に対応する見守りセンサを決定する決定ステップ例えば、図５ＡのＳ６参照）を有するプログラムを有し、該プログラムを実行する情報処理装置である。そして、この情報処理装置は、特定人物の健診結果を入力した結果を情報端末（例えば、図１の端末４）に送信している。情報処理装置としては、制御部１を有するサーバであってもよく、さらに診断・検査機関９等、他の機関等におけるサーバ等であってもよい。この情報処理装置を有するシステムによれば、健康診断等を行う事業体が、特定人物の健康診断結果や、見守りセンサによって収集したデータに基づく情報を情報端末に送信でき、特定人物は健康に関する情報を手軽に確認することができる。

　なお、本発明の一実施形態やその変形例においては、診断を受けた本人に限らず、被扶養者や血縁者についても、見守り検査を行うようにしていた。しかし、本人のみ見守り検査を行うようにしてもよく、また被扶養者や血縁者のみついて見守り検査を行うようにしてもよい。

　また、本発明の一実施形態や変形例においては、制御部１は、ＣＰＵ、メモリ、ＨＤＤ等から構成されているＩＴ機器として説明した。しかし、ＣＰＵとプログラムによってソフトウエア的に構成する以外にも、各部の一部または全部をハードウエア回路で構成してもよく、ヴェリログ（Verilog）によって記述されたプログラム言語に基づいて生成されたゲート回路等のハードウエア構成でもよく、またＤＳＰ（Digital Signal Processor）等のソフトを利用したハードウエア構成を利用してもよい。これらは適宜組み合わせてもよいことは勿論である。

　また、制御部１は、ＣＰＵに限らず、コントローラとしての機能を果たす素子であればよく、上述した各部の処理は、ハードウエアとして構成された１つ以上のプロセッサが行ってもよい。例えば、各部は、それぞれが電子回路として構成されたプロセッサであっても構わないし、ＦＰＧＡ（Field Programmable Gate Array）等の集積回路で構成されたプロセッサにおける各回路部であってもよい。または、１つ以上のＣＰＵで構成されるプロセッサが、記録媒体に記録されたコンピュータプログラムを読み込んで実行することによって、各部としての機能を実行しても構わない。

　また、本実施形態の多くの部分で、生体情報を使った健康管理システムの改良として説明した。しかし、健康管理システム以外にも、科学・産業分野の研究現場や検査、作業現場において、想定外の状況に遭遇することがあり、これらの分野で使用される検査装置などにも、本実施形態は応用が可能である。また、カメラやスマートフォンを使った画像、音声の記録時において、未知の対象物も画像、音声記録に対して何等かの推論をする際に、これまでの推論モデルが使えず、新しい推論モデルが必要になる場合がある。このように、未知の対象物等のデータを取得し、この取得データを利用したい場合があり、これらの用途に対しても本実施形態を応用できることは言うまでもない。

　また、本明細書において説明した技術のうち、主にフローチャートで説明した制御に関しては、プログラムで設定可能であることが多く、記録媒体や記録部に収められる場合もある。この記録媒体、記録部への記録の仕方は、製品出荷時に記録してもよく、配布された記録媒体を利用してもよく、インターネットを通じてダウンロードしたものでもよい。

　また、本発明の一実施形態においては、フローチャートを用いて、本実施形態における動作を説明したが、処理手順は、順番を変えてもよく、また、いずれかのステップを省略してもよく、ステップを追加してもよく、さらに各ステップ内における具体的な処理内容を変更してもよい。

　また、特許請求の範囲、明細書、および図面中の動作フローに関して、便宜上「まず」、「次に」等の順番を表現する言葉を用いて説明したとしても、特に説明していない箇所では、この順で実施することが必須であることを意味するものではない。

　本発明は、上記実施形態にそのまま限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施形態に開示されている複数の構成要素の適宜な組み合わせによって、種々の発明を形成できる。例えば、実施形態に示される全構成要素の幾つかの構成要素を削除してもよい。さらに、異なる実施形態にわたる構成要素を適宜組み合わせてもよい。

１・・・制御部、１ａ・・・通信制御部、１ｂ・・・ＩＤ判定部、１ｃ・・・情報提供部、１ｄ・・・推論モデル仕様決定部、１ｅ・・・推論依頼部、１ｆ・・・検索部、１ｇ・・・扶養者判定部、２ａ・・・第１機器、２ａ１・・・種別情報、２ｂ・・・第２機器、２ｂ１・・・種別情報、３・・・第３機器、３ａ１・・・種別情報、４・・・端末、５・・・学習部、５ａ・・・入出力モデル化部、５ｂ・・・仕様照合部、６・・・学習依頼部、６ａ・・・記録部、６ｂ・・・対象物種類Ａ画像群、６ｃ・・・教師データ、６ｄ・・・仕様設定部、６ｅ・・・通信部、６ｆ・・・制御部、７・・・推論エンジン、８・・・ＤＢ部、８ａ・・・ＩＤ別履歴一覧、９・・・診断・検査機関、９ａ・・・ＤＢ部、９ｂ・・・制御部、１０・・・ユーザ情報部、１０ａ・・・ＤＢ部

Claims

　特定人物の健診結果を入力する入力部と、
　上記健診結果のうち、特定の診断がなされた特定診断結果を判定する判定部と、
　上記特定診断結果のうち、遺伝や生活習慣に依存する症状を抽出する症状抽出部と、
　上記抽出された症状に対応する見守りセンサを決定する決定部と、
　を有することを特徴とするセンサ決定装置。
　上記特定診断結果は、上記健診時に特定の検査項目に対して正常とならなかった診断結果であることを特徴とする請求項１に記載のセンサ決定装置。
　上記症状抽出部は、上記特定診断結果とその原因などを関連付けたデータベースから検索することによって抽出を行うことを特徴とする請求項１に記載のセンサ決定装置。
　上記見守りセンサは、上記特定診断結果とその原因などを関連付けたデータベースから検索することによって抽出を行うことを特徴とする請求項１に記載のセンサ決定装置。
　上記見守りセンサによって検出された情報を、上記特定人物に関連した情報端末にグラフ化して表示可能な情報提供部を有することを特徴とする請求項１に記載のセンサ決定装置。
　上記見守りセンサの検知結果に基づいて健康アドバイスを推論する推論部と、
　上記推論した結果を表示可能にするための表示制御部を有することを特徴とした請求項１に記載のセンサ決定装置。
　上記見守りセンサの検知結果に基づいて健康アドバイスを推論する推論部を有し、
　上記推論部は、上記症状抽出部によって抽出された上記症状に対応する生活情報を、上記推論の際に反映させる、
　ことを特徴とする請求項１に記載のセンサ決定装置。
　上記特定人物の被扶養者の判定を行う被扶養者判定部を有し、
　上記決定部は、上記被扶養者判定部によって判定された上記被扶養者について、上記抽出された症状に対応する見守りセンサを決定する、
　ことを特徴とする請求項１に記載のセンサ決定装置。
　上記特定人物および上記被扶養者が使用可能な検査機器を記録する第１記録部を有し、
　上記決定部は、上記第１記録部に記録された検査機器の中から上記見守りセンサを決定する、
　ことを特徴とする請求項８に記載のセンサ決定装置。
　上記特定人物の血縁関係を有する者を検索する血縁者判定部を有し、
　上記決定部は、上記血縁者判定部によって検索された血縁者について、上記抽出された症状に対応する見守りセンサを決定する、
　ことを特徴とする請求項１に記載のセンサ決定装置。
　上記特定人物および上記血縁者が使用可能な検査機器を記録する第２記録部を有し、
　上記決定部は、上記第２記録部に記録された検査機器の中から上記見守りセンサを決定する、
　ことを特徴とする請求項１０に記載のセンサ決定装置。
　上記入力部は、上記特定人物が受けた健診または診察に基づく健診結果を入力することを特徴とする請求項１に記載のセンサ決定装置。
　上記入力部は、上記特定人物が健康状態を測定するために検査機器からの検査データを入力することを特徴とする請求項１に記載のセンサ決定装置。
　特定人物の健診結果を入力する入力ステップと、
　上記健診結果のうち、特定の診断がなされた特定診断結果を判定する判定ステップと、
　上記特定診断結果のうち、遺伝や生活習慣に依存する症状を抽出する症状抽出ステップと、
　上記抽出された症状に対応する見守りセンサを決定する決定ステップと、
　を有することを特徴とするセンサ決定方法。
　特定人物の健診結果を入力する入力ステップと、
　上記健診結果のうち、特定の診断がなされた特定診断結果を判定する判定ステップと、
　上記特定診断結果のうち、遺伝や生活習慣に依存する症状を抽出する症状抽出ステップと、
　上記抽出された症状に対応する見守りセンサを決定する決定ステップと、
　を有するセンサ決定プログラムをコンピュータに実行させるために、上記センサ決定プログラムを記録した記録媒体。
　健診結果を取得して特定の診断がなされた特定診断結果を判定する判定ステップと、
　上記特定診断結果のうち、遺伝や生活習慣に依存する症状を抽出する症状抽出ステップと、
　上記抽出された症状に対応する見守りセンサを決定する決定ステップと、
　を有するプログラムを有し、該プログラムを実行する情報処理装置に対して、
　特定人物の健診結果を入力した結果を送信する情報端末を有することを特徴とするセンサ決定システム。