WO2022107518A1 - 血液情報推定装置 - Google Patents

血液情報推定装置 Download PDF

Info

Publication number
WO2022107518A1
WO2022107518A1 PCT/JP2021/038247 JP2021038247W WO2022107518A1 WO 2022107518 A1 WO2022107518 A1 WO 2022107518A1 JP 2021038247 W JP2021038247 W JP 2021038247W WO 2022107518 A1 WO2022107518 A1 WO 2022107518A1
Authority
WO
WIPO (PCT)
Prior art keywords
information
blood
blood information
user
function
Prior art date
Application number
PCT/JP2021/038247
Other languages
English (en)
French (fr)
Inventor
雄貴 池添
隆史 山内
Original Assignee
株式会社Ｎｔｔドコモ
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Ｎｔｔドコモ filed Critical 株式会社Ｎｔｔドコモ
Priority to US18/249,320 priority Critical patent/US20230395265A1/en
Priority to JP2022563635A priority patent/JPWO2022107518A1/ja
Publication of WO2022107518A1 publication Critical patent/WO2022107518A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • 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
    • 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
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • 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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients

Definitions

  • the present invention relates to a blood information estimation device that estimates a user's blood condition.
  • Patent Document 1 describes a method for detecting a change in a patient's health status, and particularly predicts the risk of a change in medical symptoms for a patient based on a usage log of a native communication application and a health risk model. There is a description about that.
  • Blood pressure measurement in a general examination room focuses only on a temporary point at the time of examination. Since blood pressure changes depending on the environment in which the measurer is placed and the timing of measurement, it is possible to overlook the existence of health risks such as hypertension. That is, while it is possible to measure blood pressure that can be determined to be hypertension when continuously measuring blood pressure at home, there are cases where it is not possible to measure blood pressure that can be determined to be hypertension when measuring blood pressure in a doctor's office or the like. Such a blood pressure state is called masked hypertension. On the other hand, in the technique described in Patent Document 1, although there is a description that a health risk is predicted, it is not possible to grasp a state such as blood pressure, and it is difficult to determine a masked hypertension or the like.
  • a blood information estimation device for determining a blood condition such as a user's blood pressure.
  • the blood information estimation device of the present invention has a log acquisition unit that acquires a usage log of a user terminal such as a smartphone, and a blood information estimation unit that estimates blood information related to changes in the blood state based on the usage log. Be prepared.
  • blood information such as blood pressure can be estimated without the user actively performing a test.
  • blood information can be estimated without the user actively performing a test.
  • FIG. 10 It is a figure which shows the functional structure of the blood information estimation apparatus 100 in this disclosure. It is a figure which shows the functional structure of the terminal use log acquisition part 20. It is a figure which shows the functional structure of the weather information acquisition unit 30. It is a figure which shows the functional structure of the hypertension detection part 40. It is a figure which shows the relationship between a terminal use log and a lifestyle. It is a figure which shows the teacher data stored in the teacher data storage database 40a. It is a flowchart which shows the operation of the hypertension detection unit 40. It is a flowchart which shows the construction process of the hypertension detection model 44a. It is a flowchart which shows the hypertension detection processing using the hypertension detection model 44a. It is a figure which shows an example of the hardware composition of the blood information estimation apparatus 100 which concerns on one Embodiment of this disclosure.
  • FIG. 1 is a diagram showing a functional configuration of the blood information estimation device 100 in the present disclosure.
  • the blood information estimation device 100 includes a terminal use log acquisition unit 20, a weather information acquisition unit 30, and a hypertension detection unit 40.
  • the terminal usage log acquisition unit 20 is a portion that acquires the terminal usage log of the user terminal operated by the user 10 and the user attribute information of the user of the user terminal.
  • the weather information acquisition unit 30 is a part that acquires weather information in the area where the user 10 is located.
  • the hypertension detection unit 40 is a part that detects the blood pressure state of the user 10 based on the terminal usage log, the user attribute information, and the weather information acquired by the terminal usage log acquisition unit 20 and the weather information acquisition unit 30, respectively.
  • hypertension is assumed as the blood pressure state, but the present invention is not limited to this. Further, in addition to the blood pressure state, other blood states such as blood glucose level, triglyceride, cholesterol and the like may be detected.
  • FIG. 2 is a diagram showing a functional configuration of the terminal usage log acquisition unit 20.
  • the terminal usage log acquisition unit 20 has a user authentication function 21, a user attribute information acquisition function 22, an application usage information acquisition function 23, a purchase history information acquisition function 24, a location information acquisition function 25, a terminal operation information acquisition function 26, and data transfer. It is configured to include the function 27.
  • the user authentication function 21 is a function for authenticating whether or not the user of the user terminal is a legitimately registered user when acquiring user attribute information or terminal usage log from the user terminal.
  • the user terminal is a wearable terminal (watch type, glasses type, etc.) in addition to a mobile terminal, a smartphone, and the like.
  • the user attribute information acquisition function 22 is a function for directly acquiring user attribute information from the user terminal or the user 10.
  • the user attribute information is user attribute information that can affect the blood condition such as the user's age and gender.
  • the application usage information acquisition function 23 is a function for acquiring the number of steps, sleep time, weight, etc. of the user acquired in the healthcare-related application (hereinafter abbreviated as the healthcare-related application) as the terminal usage log.
  • the healthcare-related application can measure the number of steps by using the gyro function provided in the user terminal and / or the declared value input to the application of the user.
  • the behavior of the user terminal is measured using the operation history of the user terminal or the above gyro, and the period during which the behavior cannot be measured is measured as the sleep time.
  • the sleep time may be acquired based on the declared value entered by the user in the application.
  • the body weight may be estimated from an image such as the face of the user, or may be acquired based on the declared value input to the application of the user or the measured value of the measuring device linked with the user terminal.
  • the application usage information acquisition function 23 can measure body temperature and pulse using a healthcare-related application, or can obtain input from a user. In addition, the application usage information acquisition function 23 can acquire a camera image taken by a camera provided in the terminal as a usage log.
  • the purchase history information acquisition function 24 acquires the purchase history information of the purchase made by using the payment function of the user terminal as the terminal usage log.
  • the payment function includes payment using a QR code or payment using a contactless IC card.
  • the purchase history information includes purchase store information, purchase price, purchased product, date, and the like.
  • the location information acquisition function 25 is a function of acquiring the user's current position as a terminal usage log, and acquires a position based on GPS information or base localization zone information measured at the user terminal and a WiFi access point.
  • the terminal operation information acquisition function 26 is a function for acquiring terminal operation information as a terminal usage log.
  • the terminal operation information is information indicating screen on / off, acceleration, illuminance, browsing URL, application used, and the like.
  • the terminal operation information is stored as a history in the user terminal, and the terminal operation information acquisition function 26 acquires the history.
  • the data transfer function 27 is a function of transferring the user attribute information and the terminal usage log acquired by each acquisition function to the hypertension detection unit 40.
  • FIG. 3 is a diagram showing a functional configuration of the weather information acquisition unit 30.
  • the weather information acquisition unit 30 includes a user authentication function 31, a user position information acquisition function 32, a weather information acquisition function 33, and a data transfer function 34.
  • the user authentication function 31 is a function for authenticating a user. When acquiring weather information, it is necessary to grasp the user's location information, and at that time, user authentication is performed.
  • the user position information acquisition function 32 is a function for acquiring the user's position information.
  • the location information is acquired from the server of the mobile communication network that manages the location of the user terminal, or is acquired from the user terminal.
  • the weather information acquisition function 33 is a function of acquiring weather information according to the user's position information from the weather information database 30a.
  • the data transfer function 34 is a function of transferring the acquired weather information to the hypertension detection unit 40.
  • FIG. 4 is a diagram showing a functional configuration of the hypertension detection unit 40.
  • the hypertension detection unit 40 includes a data acquisition function 41 (log information acquisition unit), a data cleansing function 42, a lifestyle estimation function 43, a hypertension detection model construction function 44 (learning unit), and a hypertension detection function 45 (blood information estimation unit). And the result notification function 46 is included.
  • the data acquisition function 41 is a function for acquiring terminal usage logs, user attribute information, and weather information from the terminal usage log acquisition unit 20 and the weather information acquisition unit 30, respectively.
  • the data acquisition function 41 acquires the terminal usage log or the like acquired by the terminal usage log acquisition unit 20 and the weather information acquisition unit 30 for a predetermined period at an arbitrary timing or periodically.
  • the user attribute information does not have to be collected if it is stored in advance. Alternatively, it may be collected once and stored.
  • the data cleansing function 42 is a function for performing cleansing processing such as missing values and abnormal values of the acquired terminal usage log and weather information for a predetermined period.
  • the lifestyle-related estimation function 43 includes exercise amount, commuting / schooling means / time / pattern, stress, fatigue level, regularity of life / sleep, eating frequency, salt intake, and salt intake, based on the terminal usage log and user attribute information. It is a function to estimate lifestyle-related habits such as calorie intake. Further, the lifestyle estimation function 43 may estimate the happiness level based on the terminal usage log and the user attribute information. Happiness is calculated by comprehensively considering the amount of exercise, commuting means, stress, fatigue, etc.
  • FIG. 5 is a diagram showing the relationship between the terminal usage log and the lifestyle.
  • the lifestyle-related estimation function 43 estimates a lifestyle-related habit based on the relationship shown in FIG.
  • the amount of exercise as a lifestyle is shown by, for example, calories burned, and is estimated based on age, gender, number of steps, GPS information, base localization zone information, and acceleration among user attributes and terminal usage logs.
  • the commuting / school means / time / pattern indicates the commuting time zone and the like, and is estimated based on the GPS information and the base localization zone information.
  • the distance between home and work / school, the travel time, and the travel route are grasped based on the travel time, travel speed, stay position, etc., and commuting / school means and the like are estimated from the distance.
  • the stress indicates the degree thereof, for example, in 10 steps.
  • the stress is estimated based on the stress estimation algorithm based on the purchase store information, the purchase price, the purchased product, the screen on / off information, the illuminance, the browsing URL, and the application information used.
  • Fatigue indicates the degree of fatigue and is estimated based on age, gender, and sleep time. It is estimated that the degree of fatigue is high when the sleep time is short.
  • the regularity of life / sleep indicates the degree and is estimated based on the number of steps, sleep time, GPS information, base localization zone information, and screen on / off information.
  • the frequency of eating out indicates the number of times of eating out, and is estimated based on the purchased store information, purchased products, GPS information, and base localization zone information.
  • the salt intake indicates a specific numerical value or its degree, and is estimated based on the store information and the purchased product.
  • the calorie intake indicates a specific numerical value or its degree, and is estimated based on the body weight, the store information, the purchase price, and the purchased product. The above is an example and can be changed as appropriate.
  • the lifestyle-related estimation function 43 estimates the corresponding lifestyle-related habits based on each terminal usage log.
  • the lifestyle-related estimation function 43 determines a lifestyle-related habit based on a predetermined algorithm. For example, the lifestyle estimation function 43 calculates the amount of exercise according to the number of steps.
  • the hypertension detection model construction function 44 is a function for constructing a hypertension detection model (hypertension prediction model) based on the teacher data stored in the teacher data storage database 40a.
  • the teacher data is aggregated by the health care application installed in each user terminal in advance.
  • FIG. 6 is a diagram showing teacher data stored in the teacher data storage database 40a.
  • user attribute information, terminal usage log, lifestyle information, weather information, and blood pressure information are stored for each user and date and time.
  • These teacher data are data provided by users in advance, and each user provides information for a predetermined period (for example, several months).
  • the hypertension detection model construction function 44 uses user attribute information, terminal usage log, lifestyle information, and weather information as explanatory variables, and has two values of blood pressure information (the average value of the predetermined period or whether the hypertension is determined from the average value). ) Is set as the objective variable, and a hypertension detection model is constructed by performing machine learning.
  • blood glucose level information, triglyceride information, or cholesterol information may be stored and an estimation model may be constructed using this as an objective variable.
  • the hypertension detection model construction function 44 may construct the hypertension detection model 44a for each user attribute information. For example, the hypertension detection model construction function 44 may learn the hypertension detection model 44a by separating the terminal usage log and the blood information for each age and / and gender.
  • the hypertension detection function 45 inputs the terminal usage log, weather information and user attribute information acquired by the data acquisition function 41, and the lifestyle information estimated by the lifestyle estimation function 43 into the hypertension detection model, and the blood pressure information is output as the output. It is a function to estimate and detect hypertension. It is important to input at least the terminal usage log, but the accuracy will be further improved if lifestyle information, weather information, and user attribute information are taken into consideration in addition to the terminal usage log.
  • the result notification function 46 is a function for notifying the user of blood pressure information.
  • the result notification function 46 notifies the user terminal owned by the user of blood pressure information.
  • the result notification function 46 notifies the blood glucose level information, the triglyceride information, and the cholesterol information when the blood glucose level information, the triglyceride information, and the cholesterol information are estimated.
  • the result notification function 46 may notify the lifestyle habits estimated by the lifestyle habit estimation function 43 that can increase the risk of hypertension of the user.
  • FIG. 7 is a flowchart showing the operation.
  • the data acquisition function 41 obtains the terminal usage log of the user who wants to estimate the hypertension acquired by the terminal usage log acquisition unit 20 for an arbitrary predetermined period, and the weather information of the user's area location acquired by the weather information acquisition unit 30. Obtained from the user terminal (S100).
  • the data cleansing function 42 performs cleansing such as removal of abnormal values and interpolation of missing values with respect to the terminal usage log and weather information acquired in the process S100 (S101).
  • the hypertension detection model construction function 44 constructs the hypertension detection model 44a from the teacher data in an arbitrary predetermined period stored in the teacher data storage database 40a (S102).
  • the lifestyle-related estimation function 43 estimates the lifestyle-related habits based on the terminal usage log (S103). For example, the lifestyle-related estimation function 43 estimates a lifestyle-related habit based on the relationship shown in FIG.
  • the hypertension detection function 45 inputs the terminal usage log, lifestyle, and weather information of the user's location to the hypertension detection model 44a of the user who wants to detect the hypertension, and the hypertension detection model 44a is the blood pressure which is the hypertension detection result. Information is output (S104).
  • the result notification function 46 notifies the user terminal of the hypertension detection result (S105).
  • the hypertension detection model 44a is constructed in the process 102, but this process is not always necessary.
  • the hypertension detection model 44a may be constructed in advance, and the process S103 may be executed after the process S101.
  • FIG. 8 is a flowchart showing detailed processing of the hypertension detection model construction function 44.
  • the high blood pressure detection model construction function 44 includes user attributes, terminal usage logs, lifestyle information, weather information, blood information (here, blood pressure value), etc. for an arbitrary period from the teacher data stored in the teacher data storage database 40a. Acquire learning data (including learning usage log, learning lifestyle information, learning blood information, etc.) (S103-1).
  • the hypertension detection model construction function 44 averages a plurality of blood pressure values for each user with respect to the acquired data (S103-2).
  • the teacher data includes a plurality of data (blood information) in time series in the same user, and a temporary abnormal value is eliminated by calculating the average value. It should be noted that the median value or the moving average value at any time point may be used instead of the average value.
  • the hypertension detection model construction function 44 labels each user whether or not he / she has hypertension (which may further include the degree of hypertension) based on the averaged blood pressure value (S103-3).
  • the hypertension detection model construction function 44 constructs a hypertension detection model 44a that estimates an averaged blood pressure value or a hypertension label from each user's terminal usage log, lifestyle, and weather information of the location in the area in the teacher data (S103-). 4).
  • the hypertension detection model construction function 44 performs machine learning using the terminal usage log, lifestyle, and weather information of the location in the area of each user as explanatory variables, and the blood pressure value or hypertension label as the objective variable.
  • the machine learning method used does not matter. For example, it may be a classical linear model, a method such as SVM, XGBoost, or LightGBM, or deep learning such as DNN may be used.
  • the hypertension detection model construction function 44 can learn the hypertension detection model 44a based on the terminal usage log of the user terminal or the like.
  • FIG. 9 is a flowchart showing the process.
  • the hypertension detection function 45 inputs the terminal usage log of the user who wants to detect the hypertension, the lifestyle, and the weather information of the user's area position into the hypertension detection model 44a (S104-1).
  • the lifestyle here is the information estimated in S103.
  • the hypertension detection function 45 receives the blood pressure value of the user or the label (or the probability of hypertension or the blood pressure value) of whether or not the user is hypertension from the hypertension detection model 44a (S104-2).
  • the hypertension detection function 45 identifies the cause of hypertension or a lifestyle that can increase the risk of hypertension for the user (S104-3).
  • the hypertension detection model construction function 44 may specify a lifestyle that increases the risk of hypertension from the magnitude of the coefficient (for example, the weighting coefficient of the middle layer in machine learning) related to each feature of the hypertension detection model 44a.
  • the lifestyle may be specified from an index for evaluating the importance of the feature amount by using an interpretation method of a prediction model of machine learning such as LIME or SHAP.
  • the hypertension detection function 45 is a function for constructing a hypertension detection model, which lifestyle is such that when the user has high blood pressure (or the probability of having high blood pressure is high), the user has a small amount of exercise or high stress. Estimate the output of 44, that is, whether it affected or did not affect the label of hypertension (or the probability of hypertension or the blood pressure value).
  • the blood information estimation device 100 of the present disclosure has a data acquisition function 41 that functions as a log acquisition unit that acquires a terminal usage log of a user terminal such as a mobile terminal, and blood information related to changes in the blood state based on the terminal usage log. It is provided with a high blood pressure detection function 45 that functions as an estimation unit for estimating.
  • the blood condition blood pressure, blood glucose level, triglyceride, or cholesterol
  • blood pressure blood pressure
  • blood glucose level blood glucose level
  • triglyceride or cholesterol
  • the blood condition was estimated in consideration of the user attribute information, the weather information, and the lifestyle information, but at least the terminal usage log may be used.
  • the blood information estimation device 100 of the present disclosure uses at least one of blood pressure, blood glucose level, triglyceride, and cholesterol as blood information.
  • the blood information estimation device 100 of the present disclosure uses at least one of steps, sleep time, position information, screen on / off information, acceleration, illuminance, browsing URL, purchase history, or used application information as a terminal usage log. Estimate blood information.
  • the lifestyle-related estimation function 43 is at least one of the user's exercise amount, exercise time, calories burned, sleep time, sleep quality, regularity, and stress based on the terminal usage log.
  • the lifestyle-related information including the above is estimated, and the hypertension detection function 45 estimates blood information based on the lifestyle-related information.
  • blood information can be estimated in consideration of lifestyle habits, and more accurate blood information can be estimated.
  • the blood information estimation device 100 of the present disclosure includes a hypertension detection model that outputs blood information according to a terminal usage log.
  • the hypertension detection function 45 estimates blood information using a hypertension detection model.
  • the hypertension detection model construction function 44 learns based on the average value of blood information in a predetermined period as blood information at the time of learning, and constructs a hypertension detection model.
  • Blood information especially blood pressure, blood glucose level, triglyceride information, and cholesterol information fluctuates. Therefore, if a hypertension detection model based only on a certain temporary point is constructed, accurate estimation cannot be performed. For example, if learning is performed based on blood pressure information only in the examination room, accurate estimation results cannot be obtained. In the present disclosure, the estimation accuracy can be improved by learning based on the average value of blood pressure information.
  • the hypertension detection model construction function 44 of the present disclosure learns the hypertension detection model based on the terminal usage log and blood information in a predetermined age and / or gender, and the hypertension detection function 45 is the user's age and / or Blood information may be estimated by applying a hypertension detection model according to gender.
  • the hypertension detection function 45 of the present disclosure identifies the lifestyle habit that is the basis of the estimated blood information. For example, when it is determined that hypertension is high, the lifestyle that contributed to the determination is specified.
  • the hypertension detection function 45 can identify a lifestyle habit by using an interpretation method (LIME or SHAP) as to what kind of interpretation the hypertension detection model 44a has performed.
  • each functional block may be realized using one physically or logically coupled device, or two or more physically or logically separated devices can be directly or indirectly (eg, for example). , Wired, wireless, etc.) and may be realized using these plurality of devices.
  • the functional block may be realized by combining the software with the one device or the plurality of devices.
  • Functions include judgment, decision, judgment, calculation, calculation, processing, derivation, investigation, search, confirmation, reception, transmission, output, access, solution, selection, selection, establishment, comparison, assumption, expectation, and assumption. Broadcasting, notifying, communicating, forwarding, configuring, reconfiguring, allocating, mapping, assigning, etc., but limited to these I can't.
  • a functional block (configuration unit) that makes transmission function is called a transmitting unit (transmitting unit) or a transmitter (transmitter).
  • the realization method is not particularly limited.
  • the blood information estimation device 100 may function as a computer for processing the blood information estimation method of the present disclosure.
  • FIG. 10 is a diagram showing an example of the hardware configuration of the blood information estimation device 100 according to the embodiment of the present disclosure.
  • the blood information estimation device 100 described above may be physically configured as a computer device including a processor 1001, a memory 1002, a storage 1003, a communication device 1004, an input device 1005, an output device 1006, a bus 1007, and the like.
  • the word “device” can be read as a circuit, device, unit, etc.
  • the hardware configuration of the blood information estimation device 100 may be configured to include one or more of the devices shown in the figure, or may be configured not to include some of the devices.
  • the processor 1001 For each function in the blood information estimation device 100, by loading predetermined software (program) on hardware such as the processor 1001 and the memory 1002, the processor 1001 performs an operation and controls communication by the communication device 1004. It is realized by controlling at least one of reading and writing of data in the memory 1002 and the storage 1003.
  • predetermined software program
  • the processor 1001 operates, for example, an operating system to control the entire computer.
  • the processor 1001 may be configured by a central processing unit (CPU: Central Processing Unit) including an interface with a peripheral device, a control device, an arithmetic unit, a register, and the like.
  • CPU Central Processing Unit
  • the terminal usage log acquisition unit 20, the hypertension detection unit 40, and the like described above may be realized by the processor 1001.
  • the processor 1001 reads a program (program code), a software module, data, etc. from at least one of the storage 1003 and the communication device 1004 into the memory 1002, and executes various processes according to these.
  • a program program code
  • the hypertension detection unit 40 may be realized by a control program stored in the memory 1002 and operating in the processor 1001, and may be realized in the same manner for other functional blocks.
  • the memory 1002 is a computer-readable recording medium, and is composed of at least one such as a ROM (Read Only Memory), an EPROM (Erasable Programmable ROM), an EEPROM (Electrically Erasable Programmable ROM), and a RAM (Random Access Memory). May be done.
  • the memory 1002 may be referred to as a register, a cache, a main memory (main storage device), or the like.
  • the memory 1002 can store a program (program code), a software module, or the like that can be executed to carry out the blood information estimation method according to the embodiment of the present disclosure.
  • the storage 1003 is a computer-readable recording medium, and is, for example, an optical disk such as a CD-ROM (Compact Disc ROM), a hard disk drive, a flexible disk, a photomagnetic disk (for example, a compact disk, a digital versatile disk, a Blu-ray). It may consist of at least one (registered trademark) disk), smart card, flash memory (eg, card, stick, key drive), floppy (registered trademark) disk, magnetic strip, and the like.
  • the storage 1003 may be referred to as an auxiliary storage device.
  • the storage medium described above may be, for example, a database, server or other suitable medium containing at least one of the memory 1002 and the storage 1003.
  • the communication device 1004 is hardware (transmission / reception device) for communicating between computers via at least one of a wired network and a wireless network, and is also referred to as, for example, a network device, a network controller, a network card, a communication module, or the like.
  • the communication device 1004 includes, for example, a high frequency switch, a duplexer, a filter, a frequency synthesizer, and the like in order to realize at least one of frequency division duplex (FDD: Frequency Division Duplex) and time division duplex (TDD: Time Division Duplex). It may be composed of.
  • FDD Frequency Division Duplex
  • TDD Time Division Duplex
  • the input device 1005 is an input device (for example, a keyboard, a mouse, a microphone, a switch, a button, a sensor, etc.) that accepts an input from the outside.
  • the output device 1006 is an output device (for example, a display, a speaker, an LED lamp, etc.) that outputs to the outside.
  • the input device 1005 and the output device 1006 may have an integrated configuration (for example, a touch panel).
  • each device such as the processor 1001 and the memory 1002 is connected by the bus 1007 for communicating information.
  • the bus 1007 may be configured by using a single bus, or may be configured by using a different bus for each device.
  • the blood information estimation device 100 includes hardware such as a microprocessor, a digital signal processor (DSP: Digital Signal Processor), an ASIC (Application Specific Integrated Circuit), a PLD (Programmable Logic Device), and an FPGA (Field Programmable Gate Array). It may be configured to include, and a part or all of each functional block may be realized by the hardware. For example, processor 1001 may be implemented using at least one of these hardware.
  • DSP Digital Signal Processor
  • ASIC Application Specific Integrated Circuit
  • PLD Programmable Logic Device
  • FPGA Field Programmable Gate Array
  • information notification includes physical layer signaling (for example, DCI (Downlink Control Information), UCI (Uplink Control Information)), higher layer signaling (for example, RRC (Radio Resource Control) signaling, MAC (Medium Access Control) signaling, etc. It may be carried out by notification information (MIB (Master Information Block), SIB (System Information Block)), other signals, or a combination thereof.
  • RRC signaling may be referred to as an RRC message, and may be, for example, an RRC Connection Setup message, an RRC Connection Reconfiguration message, or the like.
  • the input / output information and the like may be stored in a specific location (for example, a memory) or may be managed using a management table. Input / output information and the like can be overwritten, updated, or added. The output information and the like may be deleted. The input information or the like may be transmitted to another device.
  • the determination may be made by a value represented by 1 bit (0 or 1), by a boolean value (Boolean: true or false), or by comparing numerical values (for example, a predetermined value). It may be done by comparison with the value).
  • the notification of predetermined information (for example, the notification of "being X") is not limited to the explicit notification, but is performed implicitly (for example, the notification of the predetermined information is not performed). May be good.
  • Software whether called software, firmware, middleware, microcode, hardware description language, or other names, is an instruction, instruction set, code, code segment, program code, program, subprogram, software module.
  • Applications, software applications, software packages, routines, subroutines, objects, executable files, execution threads, procedures, features, etc. should be broadly interpreted.
  • software, instructions, information, etc. may be transmitted and received via a transmission medium.
  • the software uses at least one of wired technology (coaxial cable, optical fiber cable, twisted pair, digital subscriber line (DSL: Digital Subscriber Line), etc.) and wireless technology (infrared, microwave, etc.) to create a website.
  • wired technology coaxial cable, optical fiber cable, twisted pair, digital subscriber line (DSL: Digital Subscriber Line), etc.
  • wireless technology infrared, microwave, etc.
  • the information, signals, etc. described in this disclosure may be represented using any of a variety of different techniques.
  • data, instructions, commands, information, signals, bits, symbols, chips, etc. that may be referred to throughout the above description are voltages, currents, electromagnetic waves, magnetic fields or magnetic particles, light fields or photons, or any of these. It may be represented by a combination of.
  • a channel and a symbol may be a signal (signaling).
  • the signal may be a message.
  • the component carrier CC: Component Carrier
  • CC Component Carrier
  • the information, parameters, etc. described in the present disclosure may be expressed using an absolute value, a relative value from a predetermined value, or another corresponding information. It may be represented.
  • the radio resource may be indexed.
  • determining and “determining” used in this disclosure may include a wide variety of actions.
  • “Judgment” and “decision” are, for example, judgment (judging), calculation (calculating), calculation (computing), processing (processing), derivation (deriving), investigation (investigating), search (looking up, search, inquiry). It may include (eg, searching in a table, database or another data structure), ascertaining as “judgment” or “decision”.
  • judgment and “decision” are receiving (for example, receiving information), transmitting (for example, transmitting information), input (input), output (output), and access. It may include (for example, accessing data in memory) to be regarded as “judgment” or “decision”.
  • judgment and “decision” are considered to be “judgment” and “decision” when the things such as solving, selecting, choosing, establishing, and comparing are regarded as “judgment” and “decision”. Can include. That is, “judgment” and “decision” may include considering some action as “judgment” and “decision”. Further, “judgment (decision)” may be read as “assuming", “expecting”, “considering” and the like.
  • connection means any direct or indirect connection or connection between two or more elements and each other. It can include the presence of one or more intermediate elements between two “connected” or “combined” elements.
  • the connection or connection between the elements may be physical, logical, or a combination thereof.
  • connection may be read as "access”.
  • the two elements use at least one of one or more wires, cables and printed electrical connections, and as some non-limiting and non-comprehensive examples, the radio frequency region.
  • Electromagnetic energies with wavelengths in the microwave and light (both visible and invisible) regions, etc. can be considered to be “connected” or “coupled” to each other.
  • each of the above devices may be replaced with a "part”, a “circuit”, a “device”, or the like.
  • the term "A and B are different” may mean “A and B are different from each other”.
  • the term may mean that "A and B are different from C”.
  • Terms such as “separate” and “combined” may be interpreted in the same way as “different”.

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

ユーザの血圧などの血液の状態を判断する血液情報推定装置を提供することを目的とする。　血液情報推定装置１００は、携帯端末などのユーザ端末の端末利用ログを取得するログ取得部として機能するデータ取得機能４１と、端末利用ログに基づいて、血液の状態の変動に関する血液情報を推定する推定部として機能する高血圧検知機能４５とを備える。血液情報推定装置１００は、端末利用ログに応じた血液情報を出力する高血圧検知モデルを備える。高血圧検知機能４５は、高血圧検知モデルを利用して血液情報を推定する。この構成により、ユーザに検査負担をかけることなく血液状態を推定できる。したがって、仮面高血圧などの状態も簡単に推定することができる。

Description

血液情報推定装置
　本発明は、ユーザの血液状態を推定する血液情報推定装置に関する。
　特許文献１には、患者の健康ステータスの変化を検出する方法についての記載があり、特にネィティブ通信アプリケーションの使用ログと健康リスクモデルとに基づいて患者についての医学的症状の変化のリスクを予測することについての記載がある。
特表２０１５－５２９３５９号公報
　健康リスクのうち、高血圧については自覚症状がない場合がある。一般的な診察室における血圧測定では、診察時における一時点のみに着目している。血圧は測定者が置かれている環境や測定タイミングによって変化するため、高血圧など健康リスクが存在していることを見逃してしまうことがあり得る。すなわち、一般家庭で継続的に血圧を測る場合には高血圧と判断できる血圧を計測することができる一方で、診察室などで血圧を計測した場合に高血圧を判断できる血圧を測定できない場合がある。このような血圧状態は、仮面高血圧と呼ばれている。一方で、特許文献１に記載の技術においては、健康リスクについての予測を行うことの記載があるものの、血圧などの状態を把握するものではなく、仮面高血圧などを判断することが困難である。
　そこで、上述の課題を解決するために、本発明は、ユーザの血圧などの血液の状態を判断する血液情報推定装置を提供することを目的とする。
　本発明の血液情報推定装置は、スマートフォンなどといったユーザ端末の利用ログを取得するログ取得部と、前記利用ログに基づいて、血液の状態の変動に関する血液情報を推定する血液情報推定部と、を備える。
　この発明によれば、血圧などの血液情報を、ユーザが能動的に検査をすることなく、推定することができる。
　本発明によると、ユーザが能動的に検査をすることなく、血液情報を推定することができる。
本開示における血液情報推定装置１００の機能構成を示す図である。 端末利用ログ取得部２０の機能構成を示す図である。 気象情報取得部３０の機能構成を示す図である。 高血圧検知部４０の機能構成を示す図である。 端末利用ログと生活習慣との関係を示す図である。 教師データ格納データベース４０ａに記憶されている教師データを示す図である。 高血圧検知部４０の動作を示すフローチャートである。 高血圧検知モデル４４ａの構築処理を示すフローチャートである。 高血圧検知モデル４４ａを利用した高血圧検知処理を示すフローチャートである。 本開示の一実施の形態に係る血液情報推定装置１００のハードウェア構成の一例を示す図である。
　添付図面を参照しながら本開示の実施形態を説明する。可能な場合には、同一の部分には同一の符号を付して、重複する説明を省略する。
　図１は、本開示における血液情報推定装置１００の機能構成を示す図である。この血液情報推定装置１００は、端末利用ログ取得部２０、気象情報取得部３０、および高血圧検知部４０を含んで構成されている。
　端末利用ログ取得部２０は、ユーザ１０が操作するユーザ端末の端末利用ログ、および当該ユーザ端末のユーザのユーザ属性情報を取得する部分である。
　気象情報取得部３０は、ユーザ１０がいる地域の気象情報を取得する部分である。
　高血圧検知部４０は、端末利用ログ取得部２０および気象情報取得部３０がそれぞれ取得した端末利用ログ、ユーザ属性情報および気象情報に基づいて、ユーザ１０の血圧状態を検知する部分である。本開示においては、血圧状態として高血圧を想定しているが、それに限るものではない。また、血圧状態のほか、血糖値、中性脂肪、コレステロール等の状態など、他の血液の状態を検知対象としてもよい。
　つぎに、端末利用ログ取得部２０の構成について説明する。図２は、端末利用ログ取得部２０の機能構成を示す図である。端末利用ログ取得部２０は、ユーザ認証機能２１、ユーザ属性情報取得機能２２、アプリ利用情報取得機能２３、購買履歴情報取得機能２４、位置情報取得機能２５、端末操作情報取得機能２６、およびデータ転送機能２７を含んで構成されている。
　ユーザ認証機能２１は、ユーザ端末から、ユーザ属性情報または端末利用ログを取得する際に、ユーザ端末のユーザが正当に登録されたユーザであるか、認証する機能である。ユーザ端末は、携帯端末、スマートフォンなどのほか、ウェアラブル端末（時計型、メガネ型など）である。
　ユーザ属性情報取得機能２２は、ユーザ端末またはユーザ１０から直接ユーザ属性情報を取得する機能である。ユーザ属性情報とは、ユーザの年齢、性別など、血液の状態に影響を与え得るユーザの属性情報である。
　アプリ利用情報取得機能２３は、端末利用ログとして、ヘルスケア関連アプリケーション（以下、ヘルスケア関連アプリと省略する）において取得されたユーザの歩数、睡眠時間、体重などを取得する機能である。ヘルスケア関連アプリは、ユーザ端末が備えるジャイロ機能および／またはユーザの当該アプリに入力した申告値を利用して、その歩数を計測することができる。また、ユーザ端末の操作履歴または上記ジャイロを用いて、ユーザ端末の挙動を計測し、挙動を計測できない間を睡眠時間として計測する。もしくは、ユーザの当該アプリに入力した申告値をもとに睡眠時間を取得してもよい。体重は、ユーザの顔などの画像から推定してもよく、ユーザの当該アプリに入力した申告値やユーザ端末と連携している測定機器の測定値をもとに取得してもよい。アプリ利用情報取得機能２３は、体温および脈拍を、ヘルスケア関連アプリを利用して測定し、またはユーザからの入力について得ることができる。また、アプリ利用情報取得機能２３は、端末が備えているカメラが撮影したカメラ画像を利用ログとして取得することができる。
　購買履歴情報取得機能２４は、端末利用ログとして、ユーザ端末が有する決済機能を用いて購買がなされた購買履歴情報を取得する。決済機能は、ＱＲコードを使った決済、または非接触型ＩＣカードを使った決済などである。購買履歴情報は、購入店情報、購入金額、購入商品、および日付などである。
　位置情報取得機能２５は、端末利用ログとして、ユーザの現在位置を取得する機能であり、ユーザ端末において測定されたＧＰＳ情報または基地局在圏情報、ＷｉＦｉアクセスポイントに基づいた位置を取得する。
　端末操作情報取得機能２６は、端末利用ログとして、端末操作情報を取得する機能である。端末操作情報は、画面オンオフ、加速度、照度、閲覧ＵＲＬ、使用アプリなどを示す情報である。ユーザ端末において端末操作情報が履歴として記憶されており、端末操作情報取得機能２６は、それら履歴を取得する。
　データ転送機能２７は、各取得機能が取得したユーザ属性情報および端末利用ログを高血圧検知部４０に転送する機能である。
　つぎに、気象情報取得部３０の機能構成について説明する。図３は、気象情報取得部３０の機能構成を示す図である。気象情報取得部３０は、ユーザ認証機能３１、ユーザ位置情報取得機能３２、気象情報取得機能３３、およびデータ転送機能３４を含む。
　ユーザ認証機能３１は、ユーザの認証を行う機能である。気象情報を取得する際には、ユーザの位置情報を把握する必要があり、その際にユーザ認証を行う。
　ユーザ位置情報取得機能３２は、ユーザの位置情報を取得する機能である。位置情報は、ユーザ端末の位置管理を行う移動通信網のサーバから取得されるか、またはユーザ端末から取得される。
　気象情報取得機能３３は、ユーザの位置情報に応じた気象情報を、気象情報データベース３０ａから取得する機能である。
　データ転送機能３４は、取得した気象情報を高血圧検知部４０に転送する機能である。
　つぎに、高血圧検知部４０について説明する。図４は、高血圧検知部４０の機能構成を示す図である。高血圧検知部４０は、データ取得機能４１（ログ情報取得部）、データクレンジング機能４２、生活習慣推定機能４３、高血圧検知モデル構築機能４４（学習部）、高血圧検知機能４５（血液情報推定部）、および結果通知機能４６を含んで構成されている。
　データ取得機能４１は、端末利用ログ取得部２０および気象情報取得部３０からそれぞれ端末利用ログ、ユーザ属性情報および気象情報を取得する機能である。データ取得機能４１は、任意のタイミング、または定期的に、端末利用ログ取得部２０および気象情報取得部３０において所定期間取得された端末利用ログ等の取得を行う。なお、ユーザ属性情報については、予め記憶していれば、収集しなくてもよい。または、一度収集して、記憶しておいてもよい。
　データクレンジング機能４２は、取得した所定期間の端末利用ログおよび気象情報の欠損値、異常値等のクレンジング処理を行う機能である。
　生活習慣推定機能４３は、端末利用ログおよびユーザ属性情報等に基づいて、運動量、通勤・通学手段／時間／パターン、ストレス、疲労度、生活／睡眠の規則正しさ、外食頻度、塩分摂取量、およびカロリー摂取量などの生活習慣を推定する機能である。また、生活習慣推定機能４３は、端末利用ログおよびユーザ属性情報に基づいて、幸福度を推定してもよい。幸福度は、運動量、通勤・通学手段等、ストレス、疲労度など、総合的に勘案して算出される。
　ここでユーザ属性情報および端末利用ログから生活習慣を導出するときの関係について説明する。図５は、端末利用ログと生活習慣との関係を示す図である。生活習慣推定機能４３は、図５に示される関係に基づいて、生活習慣を推定する。生活習慣としての運動量は、例えば消費カロリーなどで示され、ユーザ属性および端末利用ログのうち、年齢、性別、歩数、ＧＰＳ情報、基地局在圏情報、および加速度に基づいて推定される。通勤・通学手段／時間／パターンは、通勤時間帯等を示し、ＧＰＳ情報および基地局在圏情報に基づいて推定される。例えば、移動時間、移動速度、滞在位置などに基づいて自宅と職場・学校との距離、その移動時間および移動経路が把握され、そこから通勤・通学手段等が推定される。ストレスは、その程度を示し、例えば１０段階で示される。ストレスは、購入店情報、購入金額、購入商品、画面オンオフ情報、照度、閲覧ＵＲＬ、使用アプリ情報に基づいて、ストレス推定アルゴリズムに基づいて推定される。疲労度は、その程度を示し、年齢、性別、睡眠時間に基づいて推定される。睡眠時間が短いと疲労度が高いと推定される。生活／睡眠の規則正しさは、その程度を示し、歩数、睡眠時間、ＧＰＳ情報、基地局在圏情報、画面オンオフ情報に基づいて推定される。外食頻度は、外食回数を示し、購入店情報、購入商品、ＧＰＳ情報、基地局在圏情報に基づいて推定される。塩分摂取量は、具体的な数値またはその程度を示し、購入店情報および購入商品に基づいて推定される。カロリー摂取量は、具体的な数値またはその程度を示し、体重、購入店情報、購入金額、購入商品、に基づいて推定される。なお、上記は一例であり、適宜変更することが可能である。
　生活習慣推定機能４３は、各端末利用ログに基づいてそれに対応する生活習慣を推定する。生活習慣推定機能４３は、予め定められたアルゴリズムに基づいて生活習慣を決定する。例えば、生活習慣推定機能４３は、歩数に応じた運動量を算出するなどである。
　高血圧検知モデル構築機能４４は、教師データ格納データベース４０ａに記憶されている教師データに基づいて、高血圧検知モデル（高血圧予測モデル）を構築する機能である。教師データは、事前に各ユーザ端末にインストールされているヘルスケアアプリケーションによって、集計されている。
　図６は、教師データ格納データベース４０ａに記憶されている教師データを示す図である。図に示される通り、ユーザおよび日時ごとに、ユーザ属性情報、端末利用ログ、生活習慣情報、気象情報、血圧情報が、記憶されている。これら教師データは、あらかじめユーザから提供されたデータであり、各ユーザから所定期間（例えば数ヶ月）の情報が提供される。高血圧検知モデル構築機能４４は、ユーザ属性情報、端末利用ログ、生活習慣情報、気象情報を説明変数とし、血圧情報（当該所定期間の平均値あるいは当該平均値から判断される高血圧かどうかの二値）を目的変数として機械学習を行うことにより、高血圧検知モデルを構築する。なお、血圧情報に加えて、または血圧情報に代えて、血糖値情報、中性脂肪情報、またはコレステロール情報を記憶し、これを目的変数として推定モデルを構築してもよい。
　高血圧検知モデル構築機能４４は、ユーザ属性情報ごとに、高血圧検知モデル４４ａを構築してもよい。例えば、高血圧検知モデル構築機能４４は、年代または／および性別ごとに端末利用ログと血液情報と分けて、高血圧検知モデル４４ａを学習してもよい。
　高血圧検知機能４５は、データ取得機能４１が取得した端末利用ログ、気象情報およびユーザ属性情報、また生活習慣推定機能４３によって推定された生活習慣情報を高血圧検知モデルに入力し、その出力として血圧情報を推定し、また高血圧であることを検知する機能である。少なくとも端末利用ログを入力することが重要であるが、端末利用ログに加えて、生活習慣情報、気象情報、ユーザ属性情報を考慮するとより精度が向上する。
　結果通知機能４６は、血圧情報をユーザに通知する機能である。例えば、結果通知機能４６は、ユーザが所有するユーザ端末に血圧情報を通知する。また、結果通知機能４６は、血圧情報のほか、血糖値情報、中性脂肪情報、コレステロール情報を推定した場合には、その血糖値情報、中性脂肪情報、コレステロール情報を通知する。また、結果通知機能４６は、生活習慣推定機能４３が推定した生活習慣のうち、当該ユーザの高血圧リスクを高め得る生活習慣を通知してもよい。
　つぎに、本開示における高血圧検知部４０の動作について説明する。図７は、その動作を示すフローチャートである。データ取得機能４１は、端末利用ログ取得部２０により取得された高血圧を推定したいユーザの任意の所定期間における端末利用ログ、および気象情報取得部３０により取得されたユーザ在圏位置の気象情報を、ユーザ端末から取得する（Ｓ１００）。
　データクレンジング機能４２は、処理Ｓ１００で取得した端末利用ログおよび気象情報に対して異常値の除去、欠測値の補間などのクレンジングを行う（Ｓ１０１）。
　高血圧検知モデル構築機能４４は、教師データ格納データベース４０ａが記憶している任意の所定期間における教師データから高血圧検知モデル４４ａを構築する（Ｓ１０２）。
　生活習慣推定機能４３は、端末利用ログに基づいて生活習慣を推定する（Ｓ１０３）。例えば、生活習慣推定機能４３は、図５に示される関係に基づいて、生活習慣を推定する。
　高血圧検知機能４５は、高血圧を検知したいユーザの端末利用ログ、生活習慣、およびユーザ在圏位置の気象情報を、高血圧検知モデル４４ａに入力し、当該高血圧検知モデル４４ａは、高血圧検知結果である血圧情報を出力する（Ｓ１０４）。
　結果通知機能４６は、高血圧検知結果をユーザ端末に通知する（Ｓ１０５）。上記処理において、処理１０２において、高血圧検知モデル４４ａを構築しているが、必ずしもこの処理は必要ではない。高血圧検知モデル４４ａを事前に構築しておき、処理Ｓ１０１の後に、処理Ｓ１０３を実行してもよい。
　つぎに、上記の処理Ｓ１０２の高血圧検知モデル４４ａの構築処理についてさらに詳細に説明する。図８は、高血圧検知モデル構築機能４４の詳細処理を示すフローチャートである。高血圧検知モデル構築機能４４は、教師データ格納データベース４０ａに記憶している教師データから任意の期間のユーザ属性、端末利用ログ、生活習慣情報、気象情報、および血液情報（ここでは血圧値）などの学習用データ（学習用利用ログ、学習用生活習慣情報、学習用血液情報などを含む）を取得する（Ｓ１０３－１）。
　つぎに、高血圧検知モデル構築機能４４は、取得したデータについて、ユーザごとに複数ある血圧値を平均化する（Ｓ１０３－２）。教師データは、同じユーザにおいて時系列的に複数のデータ（血液情報）を含んでおり、その平均値を算出することで一時的な異常値を排除する。なお、平均値に変えて中央値や任意の時点の移動平均値などとしてもよい。
　高血圧検知モデル構築機能４４は、平均化した血圧値を元にユーザごとに高血圧か否か（さらに高血圧の程度を含んでもよい）のラベル付けを行う（Ｓ１０３－３）。高血圧検知モデル構築機能４４は、教師データにおける各ユーザの端末利用ログ、生活習慣、在圏位置の気象情報から、平均化した血圧値あるいは高血圧ラベルを推定する高血圧検知モデル４４ａを構築する（Ｓ１０３－４）。例えば、高血圧検知モデル構築機能４４は、各ユーザの端末利用ログ、生活習慣、在圏位置の気象情報を説明変数とし、血圧値または高血圧ラベルを目的変数として、機械学習を行う。本開示においては、使用する機械学習手法は問わない。例えば、古典的な線形モデルであっても良いし、ＳＶＭ、XGBoost、若しくはLightGBMといった手法、あるいはＤＮＮといった深層学習を用いても良い。
　このようにして、高血圧検知モデル構築機能４４は、ユーザ端末の端末利用ログ等に基づいて高血圧検知モデル４４ａを学習することができる。
　つぎに、この高血圧検知モデル４４ａを利用した高血圧検知処理である処理Ｓ１０４について説明する。図９は、その処理を示すフローチャートである。高血圧検知機能４５は、高血圧を検知したいユーザの端末利用ログ、生活習慣、ユーザ在圏位置の気象情報を高血圧検知モデル４４ａに入力する（Ｓ１０４－１）。ここでの生活習慣は、Ｓ１０３で推定された情報である。
　高血圧検知機能４５は、当該ユーザの血圧値あるいは高血圧か否かのラベル（もしくは高血圧である確率または血圧値）を高血圧検知モデル４４ａから受け取る（Ｓ１０４－２）。
　さらに、高血圧検知機能４５は、当該ユーザについて高血圧の原因、もしくは高血圧のリスクを高め得る生活習慣を特定する（Ｓ１０４－３）。高血圧検知モデル構築機能４４は、高血圧検知モデル４４ａの各特徴量に係る係数（例えば機械学習における中間層の重み係数）の大きさから、高血圧のリスクを高める生活習慣を特定しても良いし、ＬＩＭＥまたはＳＨＡＰといった機械学習の予測モデルの解釈手法を用いて、特徴量の重要度を評価する指標から当該生活習慣を特定しても良い。例えば、高血圧検知機能４５は、当該ユーザが高血圧であった場合（もしくは高血圧である確率が高い場合）に、当該ユーザの運動量が少ない、あるいはストレスが高いなど、どの生活習慣が高血圧検知モデル構築機能４４の出力、つまり高血圧か否かのラベル（もしくは高血圧である確率または血圧値）に影響を及ぼしたのか、または及ぼさなかったのかを推定する。
　つぎに、本開示における血液情報推定装置１００の作用効果について説明する。本開示の血液情報推定装置１００は、携帯端末などのユーザ端末の端末利用ログを取得するログ取得部として機能するデータ取得機能４１と、端末利用ログに基づいて、血液の状態の変動に関する血液情報を推定する推定部として機能する高血圧検知機能４５とを備える。
　この構成により、ユーザに検査負担をかけることなく血液状態（血圧、血糖値、中性脂肪、またはコレステロール）を推定できる。したがって、仮面高血圧などの状態も簡単に推定することができる。
　上述説明では、ユーザ属性情報、気象情報、および生活習慣情報を考慮して血液状態を推定していたが、少なくとも端末利用ログを用いればよい。
　本開示の血液情報推定装置１００は、血液情報として、血圧、血糖値、中性脂肪、およびコレステロールの少なくとも一つとする。
　また、本開示の血液情報推定装置１００は、端末利用ログとして、歩数、睡眠時間、位置情報、画面オンオフ情報、加速度、照度、閲覧ＵＲＬ、購買履歴、または使用アプリ情報の少なくとも一つを用いて血液情報の推定を行う。
　本開示の血液情報推定装置１００において、生活習慣推定機能４３が、端末利用ログに基づいて、ユーザの運動量、運動時間、消費カロリー、睡眠時間、睡眠の質、規則正しさ、およびストレスの少なくとも一つを含む生活習慣情報を推定し、高血圧検知機能４５は、当該生活習慣情報に基づいて、血液情報を推定する。
　この構成により、生活習慣を考慮して、血液情報を推定することができ、より正確な血液情報の推定が可能となる。
　本開示の血液情報推定装置１００は、端末利用ログに応じた血液情報を出力する高血圧検知モデルを備える。高血圧検知機能４５は、高血圧検知モデルを利用して血液情報を推定する。
　本開示の血液情報推定装置１００において、高血圧検知モデル構築機能４４は、学習時における血液情報として、所定期間における血液情報の平均値に基づいて学習して高血圧検知モデルを構築する。
　血液情報、特に血圧、血糖値、中性脂肪情報、およびコレステロール情報は、変動する。したがって、ある一時点のみに基づいた高血圧検知モデルを構築すると、正確な推定を行うことができない。例えば診察室のみの血圧情報に基づいて学習すると正確な推定結果を得ることができない。本開示においては、血圧情報の平均値に基づいた学習を行うことで、その推定精度を向上させることができる。
　本開示の高血圧検知モデル構築機能４４は、所定の年代および／または性別における端末利用ログと血液情報とに基づいて高血圧検知モデルを学習しておき、高血圧検知機能４５は、ユーザの年代および／または性別に応じた高血圧検知モデルを適用して、血液情報を推定してもよい。
　この構成により、年代・性別に応じたモデルを適用し、高精度の推定を行うことができる。
　本開示の高血圧検知機能４５は、推定した血液情報の根拠となった生活習慣を特定する。例えば、高血圧と判断した場合に、当該判断に寄与した生活習慣を特定する。高血圧検知機能４５は、高血圧検知モデル４４ａがどのような解釈を行ったのか、解釈手法（ＬＩＭＥまたはＳＨＡＰ）を利用して、生活習慣を特定することができる。
　これにより、ユーザに高血圧と判断したその理由を生活習慣に求めて、改善を促すことができる。
　上記実施形態の説明に用いたブロック図は、機能単位のブロックを示している。これらの機能ブロック（構成部）は、ハードウェア及びソフトウェアの少なくとも一方の任意の組み合わせによって実現される。また、各機能ブロックの実現方法は特に限定されない。すなわち、各機能ブロックは、物理的又は論理的に結合した１つの装置を用いて実現されてもよいし、物理的又は論理的に分離した２つ以上の装置を直接的又は間接的に（例えば、有線、無線などを用いて）接続し、これら複数の装置を用いて実現されてもよい。機能ブロックは、上記１つの装置又は上記複数の装置にソフトウェアを組み合わせて実現されてもよい。
　機能には、判断、決定、判定、計算、算出、処理、導出、調査、探索、確認、受信、送信、出力、アクセス、解決、選択、選定、確立、比較、想定、期待、見做し、報知（broadcasting）、通知（notifying）、通信（communicating）、転送（forwarding）、構成（configuring）、再構成（reconfiguring）、割り当て（allocating、mapping）、割り振り（assigning）などがあるが、これらに限られない。たとえば、送信を機能させる機能ブロック（構成部）は、送信部（transmitting　unit）や送信機（transmitter）と呼称される。いずれも、上述したとおり、実現方法は特に限定されない。
　例えば、本開示の一実施の形態における血液情報推定装置１００は、本開示の血液情報推定方法の処理を行うコンピュータとして機能してもよい。図１０は、本開示の一実施の形態に係る血液情報推定装置１００のハードウェア構成の一例を示す図である。上述の血液情報推定装置１００は、物理的には、プロセッサ１００１、メモリ１００２、ストレージ１００３、通信装置１００４、入力装置１００５、出力装置１００６、バス１００７などを含むコンピュータ装置として構成されてもよい。
　なお、以下の説明では、「装置」という文言は、回路、デバイス、ユニットなどに読み替えることができる。血液情報推定装置１００のハードウェア構成は、図に示した各装置を１つ又は複数含むように構成されてもよいし、一部の装置を含まずに構成されてもよい。
　血液情報推定装置１００における各機能は、プロセッサ１００１、メモリ１００２などのハードウェア上に所定のソフトウェア（プログラム）を読み込ませることによって、プロセッサ１００１が演算を行い、通信装置１００４による通信を制御したり、メモリ１００２及びストレージ１００３におけるデータの読み出し及び書き込みの少なくとも一方を制御したりすることによって実現される。
　プロセッサ１００１は、例えば、オペレーティングシステムを動作させてコンピュータ全体を制御する。プロセッサ１００１は、周辺装置とのインターフェース、制御装置、演算装置、レジスタなどを含む中央処理装置（ＣＰＵ：Central　Processing　Unit）によって構成されてもよい。例えば、上述の端末利用ログ取得部２０、高血圧検知部４０などは、プロセッサ１００１によって実現されてもよい。
　また、プロセッサ１００１は、プログラム（プログラムコード）、ソフトウェアモジュール、データなどを、ストレージ１００３及び通信装置１００４の少なくとも一方からメモリ１００２に読み出し、これらに従って各種の処理を実行する。プログラムとしては、上述の実施の形態において説明した動作の少なくとも一部をコンピュータに実行させるプログラムが用いられる。例えば、高血圧検知部４０は、メモリ１００２に格納され、プロセッサ１００１において動作する制御プログラムによって実現されてもよく、他の機能ブロックについても同様に実現されてもよい。上述の各種処理は、１つのプロセッサ１００１によって実行される旨を説明してきたが、２以上のプロセッサ１００１により同時又は逐次に実行されてもよい。プロセッサ１００１は、１以上のチップによって実装されてもよい。なお、プログラムは、電気通信回線を介してネットワークから送信されても良い。
　メモリ１００２は、コンピュータ読み取り可能な記録媒体であり、例えば、ＲＯＭ（Read　Only　Memory）、ＥＰＲＯＭ（Erasable　Programmable　ＲＯＭ）、ＥＥＰＲＯＭ（Electrically　Erasable　Programmable　ＲＯＭ）、ＲＡＭ（Random　Access　Memory）などの少なくとも１つによって構成されてもよい。メモリ１００２は、レジスタ、キャッシュ、メインメモリ（主記憶装置）などと呼ばれてもよい。メモリ１００２は、本開示の一実施の形態に係る血液情報推定方法を実施するために実行可能なプログラム（プログラムコード）、ソフトウェアモジュールなどを保存することができる。
　ストレージ１００３は、コンピュータ読み取り可能な記録媒体であり、例えば、ＣＤ－ＲＯＭ（Compact　Disc　ＲＯＭ）などの光ディスク、ハードディスクドライブ、フレキシブルディスク、光磁気ディスク(例えば、コンパクトディスク、デジタル多用途ディスク、Ｂｌｕ－ｒａｙ（登録商標）ディスク)、スマートカード、フラッシュメモリ(例えば、カード、スティック、キードライブ)、フロッピー（登録商標）ディスク、磁気ストリップなどの少なくとも１つによって構成されてもよい。ストレージ１００３は、補助記憶装置と呼ばれてもよい。上述の記憶媒体は、例えば、メモリ１００２及びストレージ１００３の少なくとも一方を含むデータベース、サーバその他の適切な媒体であってもよい。
　通信装置１００４は、有線ネットワーク及び無線ネットワークの少なくとも一方を介してコンピュータ間の通信を行うためのハードウェア（送受信デバイス）であり、例えばネットワークデバイス、ネットワークコントローラ、ネットワークカード、通信モジュールなどともいう。通信装置１００４は、例えば周波数分割複信（ＦＤＤ：Frequency　Division　Duplex）及び時分割複信（ＴＤＤ：Time　Division　Duplex）の少なくとも一方を実現するために、高周波スイッチ、デュプレクサ、フィルタ、周波数シンセサイザなどを含んで構成されてもよい。例えば、上述の端末利用ログ取得部２０などは、通信装置１００４によって実現されてもよい。
　入力装置１００５は、外部からの入力を受け付ける入力デバイス（例えば、キーボード、マウス、マイクロフォン、スイッチ、ボタン、センサなど）である。出力装置１００６は、外部への出力を実施する出力デバイス（例えば、ディスプレイ、スピーカー、LEDランプなど）である。なお、入力装置１００５及び出力装置１００６は、一体となった構成（例えば、タッチパネル）であってもよい。
　また、プロセッサ１００１、メモリ１００２などの各装置は、情報を通信するためのバス１００７によって接続される。バス１００７は、単一のバスを用いて構成されてもよいし、装置間ごとに異なるバスを用いて構成されてもよい。
　また、血液情報推定装置１００は、マイクロプロセッサ、デジタル信号プロセッサ（ＤＳＰ：Digital　Signal　Processor）、ＡＳＩＣ（Application　Specific　Integrated　Circuit）、ＰＬＤ（Programmable　Logic　Device）、ＦＰＧＡ（Field　Programmable　Gate　Array）などのハードウェアを含んで構成されてもよく、当該ハードウェアにより、各機能ブロックの一部又は全てが実現されてもよい。例えば、プロセッサ１００１は、これらのハードウェアの少なくとも１つを用いて実装されてもよい。
　情報の通知は、本開示において説明した態様／実施形態に限られず、他の方法を用いて行われてもよい。例えば、情報の通知は、物理レイヤシグナリング（例えば、ＤＣＩ（Downlink　Control　Information）、ＵＣＩ（Uplink　Control　Information））、上位レイヤシグナリング（例えば、ＲＲＣ（Radio　Resource　Control）シグナリング、ＭＡＣ（Medium　Access　Control）シグナリング、報知情報（ＭＩＢ（Master　Information　Block）、ＳＩＢ（System　Information　Block）））、その他の信号又はこれらの組み合わせによって実施されてもよい。また、ＲＲＣシグナリングは、ＲＲＣメッセージと呼ばれてもよく、例えば、ＲＲＣ接続セットアップ（RRC　Connection　Setup）メッセージ、ＲＲＣ接続再構成（RRC　Connection　Reconfiguration）メッセージなどであってもよい。
　本開示において説明した各態様／実施形態の処理手順、シーケンス、フローチャートなどは、矛盾の無い限り、順序を入れ替えてもよい。例えば、本開示において説明した方法については、例示的な順序を用いて様々なステップの要素を提示しており、提示した特定の順序に限定されない。
　入出力された情報等は特定の場所（例えば、メモリ）に保存されてもよいし、管理テーブルを用いて管理してもよい。入出力される情報等は、上書き、更新、又は追記され得る。出力された情報等は削除されてもよい。入力された情報等は他の装置へ送信されてもよい。
　判定は、１ビットで表される値（０か１か）によって行われてもよいし、真偽値（Boolean：true又はfalse）によって行われてもよいし、数値の比較（例えば、所定の値との比較）によって行われてもよい。
　本開示において説明した各態様／実施形態は単独で用いてもよいし、組み合わせて用いてもよいし、実行に伴って切り替えて用いてもよい。また、所定の情報の通知（例えば、「Ｘであること」の通知）は、明示的に行うものに限られず、暗黙的（例えば、当該所定の情報の通知を行わない）ことによって行われてもよい。
　以上、本開示について詳細に説明したが、当業者にとっては、本開示が本開示中に説明した実施形態に限定されるものではないということは明らかである。本開示は、請求の範囲の記載により定まる本開示の趣旨及び範囲を逸脱することなく修正及び変更態様として実施することができる。したがって、本開示の記載は、例示説明を目的とするものであり、本開示に対して何ら制限的な意味を有するものではない。
　ソフトウェアは、ソフトウェア、ファームウェア、ミドルウェア、マイクロコード、ハードウェア記述言語と呼ばれるか、他の名称で呼ばれるかを問わず、命令、命令セット、コード、コードセグメント、プログラムコード、プログラム、サブプログラム、ソフトウェアモジュール、アプリケーション、ソフトウェアアプリケーション、ソフトウェアパッケージ、ルーチン、サブルーチン、オブジェクト、実行可能ファイル、実行スレッド、手順、機能などを意味するよう広く解釈されるべきである。
　また、ソフトウェア、命令、情報などは、伝送媒体を介して送受信されてもよい。例えば、ソフトウェアが、有線技術（同軸ケーブル、光ファイバケーブル、ツイストペア、デジタル加入者回線（ＤＳＬ：Digital　Subscriber　Line）など）及び無線技術（赤外線、マイクロ波など）の少なくとも一方を使用してウェブサイト、サーバ、又は他のリモートソースから送信される場合、これらの有線技術及び無線技術の少なくとも一方は、伝送媒体の定義内に含まれる。
　本開示において説明した情報、信号などは、様々な異なる技術のいずれかを使用して表されてもよい。例えば、上記の説明全体に渡って言及され得るデータ、命令、コマンド、情報、信号、ビット、シンボル、チップなどは、電圧、電流、電磁波、磁界若しくは磁性粒子、光場若しくは光子、又はこれらの任意の組み合わせによって表されてもよい。
　なお、本開示において説明した用語及び本開示の理解に必要な用語については、同一の又は類似する意味を有する用語と置き換えてもよい。例えば、チャネル及びシンボルの少なくとも一方は信号（シグナリング）であってもよい。また、信号はメッセージであってもよい。また、コンポーネントキャリア（ＣＣ：Component　Carrier）は、キャリア周波数、セル、周波数キャリアなどと呼ばれてもよい。
　また、本開示において説明した情報、パラメータなどは、絶対値を用いて表されてもよいし、所定の値からの相対値を用いて表されてもよいし、対応する別の情報を用いて表されてもよい。例えば、無線リソースはインデックスによって指示されるものであってもよい。
　本開示で使用する「判断(determining)」、「決定(determining)」という用語は、多種多様な動作を包含する場合がある。「判断」、「決定」は、例えば、判定(judging)、計算(calculating)、算出(computing)、処理(processing)、導出(deriving)、調査(investigating)、探索(looking　up、search、inquiry)（例えば、テーブル、データベース又は別のデータ構造での探索）、確認(ascertaining)した事を「判断」「決定」したとみなす事などを含み得る。また、「判断」、「決定」は、受信(receiving)（例えば、情報を受信すること）、送信(transmitting)(例えば、情報を送信すること)、入力(input)、出力(output)、アクセス(accessing)（例えば、メモリ中のデータにアクセスすること）した事を「判断」「決定」したとみなす事などを含み得る。また、「判断」、「決定」は、解決(resolving)、選択(selecting)、選定(choosing)、確立(establishing)、比較(comparing)などした事を「判断」「決定」したとみなす事を含み得る。つまり、「判断」「決定」は、何らかの動作を「判断」「決定」したとみなす事を含み得る。また、「判断（決定）」は、「想定する（assuming）」、「期待する（expecting）」、「みなす（considering）」などで読み替えられてもよい。
　「接続された(connected)」、「結合された(coupled)」という用語、又はこれらのあらゆる変形は、２又はそれ以上の要素間の直接的又は間接的なあらゆる接続又は結合を意味し、互いに「接続」又は「結合」された２つの要素間に１又はそれ以上の中間要素が存在することを含むことができる。要素間の結合又は接続は、物理的なものであっても、論理的なものであっても、或いはこれらの組み合わせであってもよい。例えば、「接続」は「アクセス」で読み替えられてもよい。本開示で使用する場合、２つの要素は、１又はそれ以上の電線、ケーブル及びプリント電気接続の少なくとも一つを用いて、並びにいくつかの非限定的かつ非包括的な例として、無線周波数領域、マイクロ波領域及び光（可視及び不可視の両方）領域の波長を有する電磁エネルギーなどを用いて、互いに「接続」又は「結合」されると考えることができる。
　本開示において使用する「に基づいて」という記載は、別段に明記されていない限り、「のみに基づいて」を意味しない。言い換えれば、「に基づいて」という記載は、「のみに基づいて」と「に少なくとも基づいて」の両方を意味する。
　上記の各装置の構成における「手段」を、「部」、「回路」、「デバイス」等に置き換えてもよい。
　本開示において、「含む（include）」、「含んでいる（including）」及びそれらの変形が使用されている場合、これらの用語は、用語「備える（comprising）」と同様に、包括的であることが意図される。さらに、本開示において使用されている用語「又は（or）」は、排他的論理和ではないことが意図される。
　本開示において、例えば、英語でのa,　an及びtheのように、翻訳により冠詞が追加された場合、本開示は、これらの冠詞の後に続く名詞が複数形であることを含んでもよい。
　本開示において、「ＡとＢが異なる」という用語は、「ＡとＢが互いに異なる」ことを意味してもよい。なお、当該用語は、「ＡとＢがそれぞれＣと異なる」ことを意味してもよい。「離れる」、「結合される」などの用語も、「異なる」と同様に解釈されてもよい。
１００…血液情報推定装置、２０…端末利用ログ取得部、３０…気象情報取得部、４０…高血圧検知部、２１…ユーザ認証機能、２２…ユーザ属性情報取得機能、２３…アプリ利用情報取得機能、２４…購買履歴情報取得機能、２５…位置情報取得機能、２６…端末操作情報取得機能、２７…データ転送機能、３１…ユーザ認証機能、３２…ユーザ位置情報取得機能、３３…気象情報取得機能、３４…データ転送機能、３０ａ…気象情報データベース、４１…データ取得機能、４２…データクレンジング機能、４３…生活習慣推定機能、４４…高血圧検知モデル構築機能、４５…高血圧検知機能、４６…通知機能、４０ａ…教師データ格納データベース、、４４ａ…高血圧検知モデル。

Claims (9)

  1. 　ユーザ端末の利用ログを取得するログ取得部と、
    　前記利用ログに基づいて、血液の状態の変動に関する血液情報を推定する血液情報推定部と、
    を備える血液情報推定装置。
  2. 　前記血液情報は、血圧、血糖値、中性脂肪、およびコレステロールの少なくとも一つである、
    請求項１に記載の血液情報推定装置。
  3. 　前記血液情報推定部は、
    　前記利用ログに加えて、ユーザの属性情報、気象情報、または生活習慣情報の少なくとも一つを考慮して、血液情報を推定する、
    請求項１または２に記載の血液情報推定装置。
  4. 　前記血液情報推定部は、
    　前記利用ログに基づいて、ユーザの運動量、通勤および通学の手段および時間およびパターン、ストレス、疲労度、幸福度、生活および睡眠の規則正しさ、外食頻度、塩分摂取量、カロリー摂取量の少なくとも一つを含む生活習慣情報を推定し、当該生活習慣情報に基づいて、血液情報を推定する、
    請求項１～３のいずれか一項に記載の血液情報推定装置。
  5. 　前記利用ログは、歩数、睡眠時間、体重、体温、脈拍、カメラ画像、購入店情報、購入金額、購入商品、ＧＰＳ情報、基地局在圏情報、画面オンオフ情報、加速度、ジャイロ、照度、閲覧ＵＲＬおよび使用アプリ情報の少なくとも一つを含む、
    請求項１～４のいずれか一項に記載の血液情報推定装置。
  6. 　前記利用ログに応じた血液情報を出力する血液情報の予測モデルを備え、
    　前記血液情報推定部は、前記予測モデルを利用した血液情報を推定する、
    請求項１～５のいずれか一項に記載の血液情報推定装置。
  7. 　教師データとして記憶されている学習用利用ログおよび学習用血液情報に基づいて、前記予測モデルを学習する学習部をさらに備え、
    　当該学習部による学習時における前記学習用血液情報は、所定期間における平均値に基づいた情報である、
    請求項６に記載の血液情報推定装置。
  8. 　前記血液情報推定部は、前記予測モデルが推定した血液情報に対して影響力のある生活習慣を特定する、
    請求項６または７に記載の血液情報推定装置。
  9. 　前記予測モデルは、所定の年代および／または性別における利用ログと血液情報とに基づいて学習され、
    　前記血液情報推定部は、ユーザの年代および／または性別に応じた予測モデルを適用して、血液情報を推定する、
    請求項６～８のいずれか一項に記載の血液情報推定装置。
PCT/JP2021/038247 2020-11-19 2021-10-15 血液情報推定装置 WO2022107518A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
US18/249,320 US20230395265A1 (en) 2020-11-19 2021-10-15 Blood information estimating apparatus
JP2022563635A JPWO2022107518A1 (ja) 2020-11-19 2021-10-15

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2020192432 2020-11-19
JP2020-192432 2020-11-19

Publications (1)

Publication Number Publication Date
WO2022107518A1 true WO2022107518A1 (ja) 2022-05-27

Family

ID=81708982

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/038247 WO2022107518A1 (ja) 2020-11-19 2021-10-15 血液情報推定装置

Country Status (3)

Country Link
US (1) US20230395265A1 (ja)
JP (1) JPWO2022107518A1 (ja)
WO (1) WO2022107518A1 (ja)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016529606A (ja) * 2013-07-18 2016-09-23 サムスン エレクトロニクス カンパニー リミテッド 習慣を用いた診断装置及び診断管理装置及び方法
JP2018191722A (ja) * 2017-05-12 2018-12-06 株式会社Ｓｐｌｉｎｋ サーバシステム、サーバシステムによって実行される方法及びプログラム
WO2020040253A1 (ja) * 2018-08-24 2020-02-27 株式会社Ｎｔｔドコモ 予測解釈装置、及び予測解釈方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016529606A (ja) * 2013-07-18 2016-09-23 サムスン エレクトロニクス カンパニー リミテッド 習慣を用いた診断装置及び診断管理装置及び方法
JP2018191722A (ja) * 2017-05-12 2018-12-06 株式会社Ｓｐｌｉｎｋ サーバシステム、サーバシステムによって実行される方法及びプログラム
WO2020040253A1 (ja) * 2018-08-24 2020-02-27 株式会社Ｎｔｔドコモ 予測解釈装置、及び予測解釈方法

Also Published As

Publication number Publication date
US20230395265A1 (en) 2023-12-07
JPWO2022107518A1 (ja) 2022-05-27

Similar Documents

Publication Publication Date Title
Palumbo et al. Fall risk assessment tools for elderly living in the community: can we do better?
Stanley et al. The new measuring multimorbidity index predicted mortality better than Charlson and Elixhauser indices among the general population
Kang et al. Utilizing home healthcare electronic health records for telehomecare patients with heart failure: a decision tree approach to detect associations with rehospitalizations
US20190172579A1 (en) Contextually Grouping Sensor Channels For Healthcare Monitoring
JP2018041189A (ja) 通信端末、サーバ装置、店舗推奨方法、プログラム
WO2021039840A1 (ja) 需要予測装置
US11514334B2 (en) Maintaining a knowledge database based on user interactions with a user interface
WO2020040253A1 (ja) 予測解釈装置、及び予測解釈方法
US20180366024A1 (en) Providing suggested behavior modifications for a correlation
Bhatia et al. IoT-inspired smart home based urine infection prediction
Cassidy et al. Tuberculosis diagnosis and treatment under uncertainty
US20220301004A1 (en) Click rate prediction model construction device
WO2022107518A1 (ja) 血液情報推定装置
Massad et al. Knowledge of cervical cancer screening among women attending urban colposcopy clinics.
WO2022254944A1 (ja) データ収集解析装置
JP2021077313A (ja) 健康状態予測システム、健康状態予測方法、及び、健康状態予測システム用のプログラム
Levin Use of genetic algorithms to solve biomedical problems.
Rataj et al. Usefulness of measuring bilirubin levels in cord blood for predicting hyperbilirubinemia in newborns
Geng et al. Segmentation of retinal image vessels based on fully convolutional network with depthwise separable convolution and channel weighting
JP6876295B2 (ja) サーバ装置
JP2022156706A (ja) 傷病状態推定装置
US11604831B2 (en) Interactive device
WO2023218763A1 (ja) ユーザ行動提案装置および推定モデル生成装置
Mayhew et al. Optimization of genomic classifiers for clinical deployment: evaluation of Bayesian optimization for identification of predictive models of acute infection and in-hospital mortality
Brink et al. Predicting 30-day mortality using point-of-care testing; an external validation and derivation study

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21894392

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2022563635

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 18249320

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21894392

Country of ref document: EP

Kind code of ref document: A1