WO2023163190A1

WO2023163190A1 - 情報処理システム、情報処理プログラム、情報処理方法

Info

Publication number: WO2023163190A1
Application number: PCT/JP2023/007162
Authority: WO
Inventors: 浩蔵中村
Original assignee: 国立大学法人信州大学; 株式会社ウェルナス
Priority date: 2022-02-27
Filing date: 2023-02-27
Publication date: 2023-08-31

Abstract

【課題】個人差を考慮して健康を管理することができるようにする。【解決手段】本発明による情報処理システムは、ユーザの実現目標に連動する測定値を記憶する測定値記憶部と、ユーザが摂取した複数の栄養素の摂取量を記憶する摂取量記憶部と、栄養素の摂取量と測定値との関係を解析して、測定値の改善に寄与する栄養素である改善因子と、測定値の悪化に寄与する栄養素である改悪因子とを特定する解析部と、食事メニュに含まれる栄養素の含有量を特定する情報を記憶する食事メニュ記憶部と、改善因子の含有量を増やすことおよび改悪因子の含有量を減らすことの少なくともいずれかにより食事メニュを修正し、修正後の食事メニュを提案する食事メニュ提案部と、を備える。

Description

情報処理システム、情報処理プログラム、情報処理方法

　本発明は、情報処理システム、情報処理プログラム、情報処理方法に関する。

　食生活習慣を改善するようなアドバイスを提供することが行われている。たとえば、特許文献１には、食事情報やバイタルデータを分析してアドバイスを提供するシステムが開示されている。

特開２００４－３０２４９８号公報

　しかしながら、特許文献１に記載のシステムでは、事前にデータベースとしてアドバイスを準備しておく必要があるため、個人差を考慮することは難しい。

　本発明はこのような背景を鑑みてなされたものであり、個人差を考慮して健康を管理することのできる技術を提供することを目的とする。

　上記課題を解決するための本発明の主たる発明は、ユーザの実現目標に連動する測定値を記憶する測定値記憶部と、前記ユーザが摂取した複数の栄養素の摂取量を記憶する摂取量記憶部と、前記栄養素の前記摂取量と前記測定値との関係を解析して、前記測定値の改善に寄与する前記栄養素である改善因子と、前記測定値の悪化に寄与する前記栄養素である改悪因子とを特定する解析部と、食事メニュに含まれる前記栄養素の含有量を特定する情報を記憶する食事メニュ記憶部と、前記改善因子の前記含有量を増やすことおよび前記改悪因子の前記含有量を減らすことの少なくともいずれかにより前記食事メニュを修正し、修正後の前記食事メニュを提案する食事メニュ提案部と、を備える。

　その他本願が開示する課題やその解決方法については、発明の実施形態の欄および図面により明らかにされる。

　本発明によれば、個人差を考慮して健康を管理することができる。

第１実施形態に係る情報処理システムの全体構成例を示す図である。第１実施形態に係るサーバ装置１のハード構成例を示す図である。第１実施形態に係るサーバ装置１の機能構成例を示す図である。第１実施形態に係る食事メニュ記憶部１３５に記憶される情報の構成例を示す図である。第１実施形態に係る食材情報記憶部１３６に記憶される情報の構成例を示す図である。第１実施形態に係る解析部１１５の解析結果の例を示す図である。第１実施形態に係る解析部１１５が生成した予測モデルの式の例を示す図である。第１実施形態に係るサーバ装置１の処理の例を示す図である。第１実施例に係る２０２０年度実施の試験スケジュール（条件検討試験）を示す図である。第１実施例に係る２０２１年度実施の試験スケジュール（条件検討試験）を示す図である。第１実施例に係る被験者特性を示す図である。第１実施例に係る２０２０年度実施の試験スケジュール（臨床試験）を示す図である。第１実施例に係る２０２１年度実施の試験スケジュール（臨床試験）を示す図である。介入期間に対象者が試験食品によって摂取したエネルギー量と栄養素の量を比較するグラフである。介入期間に対象者が試験食品によって摂取したエネルギー量と栄養素の量を比較するグラフである。介入期間に対象者が試験食品によって摂取したエネルギー量と栄養素の量を比較するグラフである。介入期間に対象者が試験食品によって摂取したエネルギー量と栄養素の量を比較するグラフである。介入期間に対象者が試験食品によって摂取したエネルギー量と栄養素の量を比較するグラフである。介入期間に対象者が試験食品によって摂取したエネルギー量と栄養素の量を比較するグラフである。観察期間と介入期間の起床時体重の平均値を比較したグラフである。観察期間と介入期間の起床時体重の平均値を比較したグラフである。観察期間と介入期間の起床時体重の平均値を比較したグラフである。体重・体組成計により測定された体脂肪率、骨格筋率、基礎代謝量を示すグラフである。体重・体組成計により測定された体脂肪率、骨格筋率、基礎代謝量を示すグラフである。活動量計によって測定した運動量（歩数）の測定結果を示す図である。活動量計によって測定した運動量（歩数）の測定結果を示す図である。試験対象者に対する体重関与因子の介入度を示す図である。試験対象者に対する体重関与因子の介入度を示す図である。試験対象者に対する体重関与因子の介入度を示す図である。試験対象者に対する体重関与因子の介入度を示す図である。試験対象者に対する体重関与因子の介入度を示す図である。試験対象者に対する体重関与因子の介入度を示す図である。血糖値の推移を示す図である。総コレステロール量の推移を示す図である。ＨＤＬコレステロール量の推移を示す図である。ＬＤＬコレステロール量の推移を示す図である。起床時体重と起床時体重測定前日の摂取栄養素量との重回帰分析の結果を示す図である。観察期間と介入期間で摂取エネルギー量を比較した図である。観察期間と介入期間で摂取量を比較した図である。観察期間と介入期間で摂取量を比較した図である。観察期間と介入期間で摂取量を比較した図である。観察期間と介入期間で摂取量を比較した図である。観察期間と介入期間で摂取量を比較した図である。観察期間と介入期間で摂取量を比較した図である。起床時体重について観察期間と介入期間の測定値の比較を行った結果を示す図である。起床時体重について観察期間と介入期間の測定値の比較を行った結果を示す図である。起床時体重について観察期間と介入期間の測定値の比較を行った結果を示す図である。起床時体重について観察期間と介入期間の測定値の比較を行った結果を示す図である。起床時体重について観察期間と介入期間の測定値の比較を行った結果を示す図である。起床時体重について観察期間と介入期間の測定値の比較を行った結果を示す図である。体組成を示す図である。体組成を示す図である。体組成を示す図である。体組成を示す図である。体組成を示す図である。体組成を示す図である。関与因子の介入度を示す図である。関与因子の介入度を示す図である。関与因子の介入度を示す図である。関与因子の介入度を示す図である。血中コレステロール量を示す図である。第２実施例に係る２０２０年度実施の試験スケジュールを示す図である。重回帰分析の結果を示す図である。各解析における条件を示す図である。個別最適食の例を示す図である。試験対象者に対する記憶力関与因子の介入度を示す図である。試験対象者に対する記憶力関与因子の介入度を示す図である。試験対象者に対する記憶力関与因子の介入度を示す図である。試験対象者に対する記憶力関与因子の介入度を示す図である。試験対象者に対する記憶力関与因子の介入度を示す図である。試験対象者に対する記憶力関与因子の介入度を示す図である。試験対象者に対する記憶力関与因子の介入度を示す図である。観察期間と介入期間で摂取量を比較した図である。観察期間と介入期間で摂取量を比較した図である。観察期間と介入期間で摂取量を比較した図である。観察期間と介入期間で摂取量を比較した図である。観察期間と介入期間で摂取量を比較した図である。観察期間と介入期間で摂取量を比較した図である。観察期間と介入期間で摂取量を比較した図である。記憶力試験スコアの推移を示す図である。観察期間と介入期間で記憶力試験スコアの平均を比較した図である。観察期間と介入期間で記憶力試験スコアの分布を比較した図である。重回帰分析の結果を示す図である。試験対象者に対する記憶力関与因子の介入度を示す図である。観察期間と介入期間で摂取量を比較した図である。記憶力試験スコアの推移を示す図である。観察期間と介入期間で記憶力試験スコアの平均を比較した図である。観察期間と介入期間で記憶力試験スコアの分布を比較した図である。第３実施例に係る実施の試験スケジュールを示す図である。重回帰分析の結果を示す図である。個別最適食の例を示す図である。試験対象者に対する持久力関与因子の介入度を示す図である。試験対象者に対する持久力関与因子の介入度を示す図である。試験対象者に対する持久力関与因子の介入度を示す図である。試験対象者に対する持久力関与因子の介入度を示す図である。観察期間と介入期間で摂取量を比較した図である。観察期間と介入期間で摂取量を比較した図である。観察期間と介入期間で摂取量を比較した図である。観察期間と介入期間で摂取量を比較した図である。安静時心拍数の推移を示す図である。観察期間と介入期間で安静時心拍数平均を比較した図である。観察期間と介入期間で４５分間ジョギングした際の終了時血中酸素飽和度を比較した図である。観察期間と介入期間で４５分間ジョギングした際の終了時血中酸素飽和度の平均を比較した図である。観察期間と介入期間におけるシャトルラン回数を示す図である。観察期間と介入期間で２０ｍシャトルラン回数の平均を比較した図である。後観察期間の安静時心拍数推移を示す図である。第２実施形態に係るサーバ装置１の機能構成例を示す図である。ユーザ情報の構成例を示す図である。

　本発明の実施形態の内容を列記して説明する。本発明の実施の形態による健康管理システムは、以下のような構成を備える。

　［項目１］
　ユーザの実現目標に連動する測定値を記憶する測定値記憶部と、
　前記ユーザが摂取した複数の栄養素の摂取量を記憶する摂取量記憶部と、
　前記栄養素の前記摂取量と前記測定値との関係を解析して、前記測定値の改善に寄与する前記栄養素である改善因子と、前記測定値の悪化に寄与する前記栄養素である改悪因子とを特定する解析部と、
　食事メニュに含まれる前記栄養素の含有量を特定する情報を記憶する食事メニュ記憶部と、
　前記改善因子の前記含有量を増やすことおよび前記改悪因子の前記含有量を減らすことの少なくともいずれかにより前記食事メニュを修正し、修正後の前記食事メニュを提案する食事メニュ提案部と、
　を備えることを特徴とする情報処理システム。
　［項目２］
　項目１に記載の情報処理システムであって、
　食材ごとに前記栄養素の前記含有量を記憶する食材情報記憶部をさらに備え、
　前記食事メニュ記憶部は、前記食事メニュに含まれる前記食材を記憶し、
　前記食事メニュ提案部は、前記食事メニュに含まれる少なくとも１つの第１の前記食材よりも前記改善因子である前記栄養素を多く含む第２の前記食材を前記食材情報記憶部から選択し、前記第１の食材を、選択した前記第２の食材に変更するように前記食事メニュを修正すること、
　前記第１の食材よりも前記改悪因子である前記栄養素を少なく含む第３の前記食材を前記食材情報記憶部から選択し、前記第１の食材を、選択した前記第３の食材に変更するように前記食事メニュを修正すること、
　前記第１の食材よりも前記改善因子である前記栄養素を多く含み、かつ、前記第１の食材よりも前記改悪因子である前記栄養素を少なく含む第４の前記食材を前記食材情報記憶部から選択し、前記第１の食材を、選択した前記第４の食材に変更するように前記食事メニュを修正すること、
　前記改善因子である前記栄養素を含む前記第５の食材を前記食材情報記憶部から選択し、選択した前記第５の食材を追加するように前記食事メニュを修正すること、および、
　前記改悪因子である前記栄養素を含む前記第６の食材を前記食材情報記憶部から選択し、選択した前記第６の食材を削除するように前記食事メニュを修正すること、
　の少なくともいずれかを行い、修正後の前記食事メニュを提案すること、
　を特徴とする情報処理システム。
　［項目３］
　項目１または２に記載の情報処理システムであって、
　前記解析部は、前記改善因子について改善に寄与する改善度合を算出し、前記改悪因子について悪化に寄与する改悪度合を算出し、
　前記食事メニュ提案部は、
　前記食事メニュに含まれる前記改善因子に係る前記改善度合に前記含有量を乗じた値から、前記食事メニュに含まれる前記改悪因子に係る前記悪化度合に前記含有量を乗じた値を引いた第１の値を算出し、
　前記修正後の食事メニュに含まれる前記改善因子に係る前記改善度合に前記含有量を乗じた値から、前記修正後の食事メニュに含まれる前記改悪因子に係る前記悪化度合に前記含有量を乗じた値を引いた第２の値が、前記第１の値よりも大きくなるように、前記食事メニュの修正を行うこと、
　を特徴とする情報処理システム。
　［項目４］
　項目１または２に記載の情報処理システムであって、
　前記解析部は、前記改善因子について改善に寄与する改善度合を算出し、前記改悪因子について悪化に寄与する改悪度合を算出し、
　前記食事メニュ提案部は、
　前記摂取量記憶部に記憶されている前記改善因子に係る前記摂取量に前記改善度合を乗じた値から、前記摂取量記憶部に記憶されている前記改悪因子に係る前記摂取量に前記改悪度合を乗じた値を引いた第１の改善値を計算し、
　前記修正後の食事メニュに含まれる前記改善因子に係る前記改善度合に前記含有量を乗じた値から、前記修正後の食事メニュに含まれる前記改悪因子に係る前記悪化度合に前記含有量を乗じた値を引いた第２の改善値が、前記第１の改善値よりも大きくなるように、前記食事メニュの修正を行うこと、
　を特徴とする情報処理システム。
　［項目５］
　項目１ないし４のいずれか１項に記載の情報処理システムであって、
　前記ユーザが行った行動の行動量を記憶する行動量記憶部と、
　前記測定値の目標値の入力を受け付ける目標値入力部と、
　を備え、
　前記解析部は、前記栄養素の前記含有量および前記行動量と前記測定値との関係を解析した予測モデルを作成し、
　前記食事メニュ提案部は、前記修正後の食事メニュに含まれる前記栄養素の含有量を前記予測モデルに与えて求められる予測値と前記目標値との差に応じて前記行動量を決定し、前記食事メニュとともに、決定した前記行動量を提案すること、
　を特徴とする情報処理システム。
　［項目６］
　項目１ないし５のいずれか１項に記載の情報処理システムであって、
　定期的に、前記解析部は、解析を行って前記改善因子および前記改悪因子を特定し、前記食事メニュ提案部は、前記修正後の食事メニュを提案すること、
　を特徴とする情報処理システム。
　［項目７］
　第１のユーザの実現目標に連動する前記第１のユーザについての測定値を記憶する測定値記憶部と、
　前記第１のユーザが摂取した複数の栄養素の摂取量を記憶する摂取量記憶部と、
　前記第１のユーザについて、前記栄養素の前記摂取量と前記測定値との関係を解析して、前記測定値の改善に寄与する前記栄養素である改善因子と、前記測定値の悪化に寄与する前記栄養素である改悪因子とを特定する解析部と、
　食事メニュに含まれる前記栄養素の含有量を特定する情報を記憶する食事メニュ記憶部と、
　第２のユーザの属性に類似する前記第１のユーザである類似ユーザを特定する類似ユーザ特定部と、
　前記類似ユーザについて特定された前記改善因子の前記含有量を増やすことおよび、前記類似ユーザについて特定された前記改悪因子の前記含有量を減らすことの少なくともいずれかにより前記食事メニュを修正し、修正後の前記食事メニュを前記第２のユーザに提案する食事メニュ提案部と、
　を備えることを特徴とする情報処理システム。
　［項目８］
　第１のユーザの実現目標に連動する前記第１のユーザについての測定値を記憶する測定値記憶部と、
　前記第１のユーザが摂取した複数の栄養素の摂取量を記憶する摂取量記憶部と、
　食事メニュに含まれる前記栄養素の含有量を特定する情報を記憶する食事メニュ記憶部と、
　第２のユーザの属性に類似する前記第１のユーザである類似ユーザを特定する類似ユーザ特定部と、
　前記類似ユーザに対応する前記測定値及び前記摂取量を前記測定値記憶部及び前記摂取量記憶部から読み出し、前記栄養素の前記摂取量と前記測定値との関係を解析して、前記測定値の改善に寄与する前記栄養素である改善因子と、前記測定値の悪化に寄与する前記栄養素である改悪因子とを特定する解析部と、
　前記改善因子の前記含有量を増やすことおよび前記改悪因子の前記含有量を減らすことの少なくともいずれかにより前記食事メニュを修正し、修正後の前記食事メニュを前記第２のユーザに提案する食事メニュ提案部と、
　を備えることを特徴とする情報処理システム。
　［項目９］
　ユーザの実現目標に連動する測定値を記憶するステップと、
　前記ユーザが摂取した複数の栄養素の摂取量を記憶するステップと、
　前記栄養素の前記摂取量と前記測定値との関係を解析して、前記測定値の改善に寄与する前記栄養素である改善因子と、前記測定値の悪化に寄与する前記栄養素である改悪因子とを特定するステップと、
　食事メニュに含まれる前記栄養素の含有量を特定する情報を記憶するステップと、
　前記改善因子の前記含有量を増やすことおよび前記改悪因子の前記含有量を減らすことの少なくともいずれかにより前記食事メニュを修正し、修正後の前記食事メニュを提案するステップと、
　をコンピュータが実行することを特徴とする情報処理方法。
　［項目１０］
　ユーザの実現目標に連動する測定値を記憶するステップと、
　前記ユーザが摂取した複数の栄養素の摂取量を記憶するステップと、
　前記栄養素の前記摂取量と前記測定値との関係を解析して、前記測定値の改善に寄与する前記栄養素である改善因子と、前記測定値の悪化に寄与する前記栄養素である改悪因子とを特定するステップと、
　食事メニュに含まれる前記栄養素の含有量を特定する情報を記憶するステップと、
　前記改善因子の前記含有量を増やすことおよび前記改悪因子の前記含有量を減らすことの少なくともいずれかにより前記食事メニュを修正し、修正後の前記食事メニュを提案するステップと、
　をコンピュータに実行させるためのプログラム。

　以下に添付図面を参照しながら、本開示の好適な実施の形態について詳細に説明する。なお、本明細書および図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。

＜第１実施形態＞
　図１は健康支援システムの全体構成を示す図である。図１に示すように、健康支援システムは、サーバ装置１、ユーザ端末３、バイタルセンサ４、活動センサ５と、を含む。サーバ装置１は、ネットワーク２を介してユーザ端末３、バイタルセンサ４、活動センサ５と接続される。サーバ装置１、ユーザ端末３、バイタルセンサ４、活動センサ５は１台だけ示してあるが、これ以上存在してもよいことは言うまでもない。ネットワーク３は、たとえばインターネットであり、イーサネット（登録商標）や公衆電話回線網、専用電話回線網、携帯電話回線網、無線通信路などにより構築される。

＝＝サーバ装置１＝＝
　サーバ装置１は、ユーザに対して、個人差を考慮して実現目標に達するために必要な要素に関する情報を提供するコンピュータである。サーバ装置１は、たとえば、パーソナルコンピュータやワークステーションなどである。サーバ装置１は、クラウドコンピューティングによる仮想的なコンピュータとして構成することもできる。

　図２は、本実施形態のサーバ装置１のハードウェア構成例を示す図である。サーバ装置１は、プロセッサ１０１、メモリ１０２、記憶装置１０３、通信インタフェース１０４、入力装置１０５、出力装置１０６を備える。記憶装置１０３は、各種のデータやプログラムを記憶する、例えばハードディスクドライブやソリッドステートドライブ、フラッシュメモリなどである。通信インタフェース１０４は、ネットワーク２に接続するためのインタフェースであり、例えばイーサネット（登録商標）に接続するためのアダプタ、公衆電話回線網に接続するためのモデム、無線通信を行うための無線通信機、シリアル通信のためのＵＳＢ（Ｕｎｉｖｅｒｓａｌ　Ｓｅｒｉａｌ　Ｂｕｓ）コネクタやＲＳ２３２Ｃコネクタなどである。入力装置１０５は、たとえばキーボードやマウス、タッチパネル、ボタン、マイクロフォンなどを通じてデータの入力を受け付ける装置である。出力装置１０６は、データを出力する、たとえば、ディスプレイやプリンタ、スピーカなどを備える。

＝＝ユーザ端末３＝＝
　ユーザ端末３は、健康支援の対象となるユーザが操作するコンピュータである。ユーザ端末３は、たとえば、スマートフォンやタブレットコンピュータ、パーソナルコンピュータなどであるが、それらに限定されない。ユーザは、たとえばユーザ端末３で実行されるアプリケーションやＷｅｂブラウザによりサーバ装置１にアクセスすることができる。ユーザ端末３は、バイタルセンサ４と、活動センサ５と、通信可能に接続される。ユーザ端末３とバイタルセンサ４と、活動センサ５との間は、たとえばＢｌｕｅｔｏｏｔｈ（登録商標）　Ｌｏｗ　Ｅｎｅｒｇｙ（ＢＬＥ）やシリアル通信などにより通信が行われる。

＝＝バイタルセンサ４＝＝
　バイタルセンサ４は、ユーザのバイタル情報を取得するデバイスである。バイタルセンサ４は、例えば、血圧計、パルスオキシメータ、などを含む。

＝＝活動センサ５＝＝
　活動センサ５は、ユーザの活動に関する活動情報を取得するデバイスである。活動センサ４は、例えば、歩数計、活動量計、などを含む。

　なお、バイタルセンサ４と活動センサ５は、同一の装置であってもよいし、バイタルセンサ４と活動センサ５の一部または全体は、ユーザ端末３の一部として実装されていてもよい。

　図３は、サーバ装置１の機能構成を示すブロック図である。図３に示すように、サーバ装置１は、測定値取得部１１１と、摂取量取得部１１２と、行動量取得部１１３と、ライフステージ情報取得部１１４と、解析部１１５と、評価部１１６と、食事メニュ提案部１１７と、行動提案部１１８と、の各処理部と、測定値記憶部１３１と、摂取量記憶部１３２と、行動量記憶部１３３と、ライフステージ情報記憶部１３４と、食事メニュ記憶部１３５と、食材情報記憶部１３６と、の各記憶部と、を含んで構成される。

　なお、上記各処理部は、サーバ装置１が備えるプロセッサ１０１が記憶装置１０３に記憶されているプログラムをメモリ１０２に読み出して実行することにより実現され、上記各記憶部は、サーバ装置１が備えるメモリ１０２および記憶装置１０３が提供する記憶領域の一部として実現される。

　ここで、本実施の形態において、測定値記憶部１３１と、摂取量記憶部１３２と、行動量記憶部１３３と、ライフステージ情報記憶部１３４と、食事メニュ記憶部１３５と、食材情報記憶部１３６と、のデータ構成について示す。

　測定値記憶部１３１は、ユーザの実現目標に連動する測定値を記憶する。当該実現目標とは、健康、審美性、体型、運動機能、脳機能、技能、持久力などの獲得・維持・改善を含むが、これらに限定されない。測定値は、行動の結果に連動する値であって測定可能なものであればよい。例えば、持久力に係る測定値として、安静時心拍数を採用してもよいし、３０分走行中の平均心拍数を採用してもよいし、１５００ｍのタイムを採用してもよい。これらの測定値が向上（値が大きくなるほど向上度合が大きい場合には値の大きさ、所定の値に近づけようとする場合は目標値からの乖離度合、値が小さくなるほど向上度合が大きい場合には値の小ささで表現することができる。）することで、行動の結果が向上していることを示せるものであればよい。実現目標の測定値は、測定した時間に紐付けて、履歴を記憶してもよい。また、測定値記憶部１３１はユーザごとの測定値の標準値（以下、測定標準値という。）を記憶することもできる。測定標準値は、当該ユーザの最新の測定値としてもよいし、過去所定期間の統計値（平均値や中央値など）としてもよい。測定値記憶部１３１は、複数の測定値を記憶するようにしてもよい。例えば、ユーザの実現目標に連動する測定値が体重である場合に、血圧や心拍数、１５００ｍのタイムなどを記録することができる。これにより、ユーザは他の実現目標に切り替えた場合にも、連動する測定値が登録されていれば、過去に登録したデータを利用して食事メニュの評価を行うことができる。

　摂取量記憶部１３２は、ユーザが摂取した栄養素の摂取量を記憶する。当該栄養素とは、食品表示法に基づく栄養成分表示項目（熱量、たんぱく質、脂質、炭水化物、ナトリウム、飽和脂肪酸、ｎ‐３系脂肪酸、ｎ‐６系脂肪酸、コレステロール、糖質、糖類（単糖類または二糖類であって、糖アルコールでないもの）、食物繊維、亜鉛、カリウム、カルシウム、クロム、セレン、鉄、銅、マグネシウム、マンガン、モリブテン、ヨウ素、リン、ナイアシン、パントテン酸、ビオチン、ビタミンＡ、Ｂ１、Ｂ２、Ｂ６、Ｂ１２、Ｃ、Ｄ、Ｅ、Ｋ、葉酸）を含み、アミノ酸、また、非栄養成分ではあるが、例えばポリフェノールやＧＡＢＡなど、栄養成分以外および複数成分で構成される群としての栄養成分の中で特定された成分（たとえば、食物繊維のシクロデキストリン）などを含み得る。摂取量記憶部１３２は、ユーザが摂取した栄養素の摂取量を、摂取した日時や時間帯、また、朝食、昼食、夕食、間食などの位置付けで取得したことを併せて記憶してもよい。

　行動量記憶部１３３は、ユーザの行動量を記憶する。当該行動量とは、ユーザの行動の量であり、例えば、ユーザが行った運動の種類と量（回数、継続時間）、また、ユーザが行った試験（例えば記憶力試験など）の種類と量（回数、継続時間）などを含むが、これらに限定されない。行動量記憶部１３３は、単位期間（例えば、１日としてもよいし、食事の回数に合わせて朝食後、昼食後、夕食後などとしてもよい。）ごとの行動量を記憶することができる。また、行動量記憶部１３３は、ユーザごとの行動量の標準値（以下、行動標準値という。）を記憶することもできる。行動標準値は、当該ユーザの最新の行動量としてもよいし、過去所定期間の統計値（平均値や中央値など）としてもよい。

　ライフステージ情報記憶部１３４は、ユーザのライフステージに関する情報を記憶する。ライフステージとは、ユーザの年齢や、年齢で区切られる幼少年期・青年期・壮年期・老年期などの段階を含み、また、学生・社会人・就業中・無職・定年後などの所属や就労にまつわる状態、さらに、未婚、結婚・妊娠・産休中・育休中・子育て（乳幼児、幼児、児童、生徒、学生）などの生活スタイルなどの情報を含み得るが、これらに限定されない。

　食事メニュ記憶部１３５は、食事メニュを記憶する。食事メニュは、食事として摂取する栄養素の種類および含有量を含んだ情報であり、本実施形態では、例えば、図４に一例を示すように、名称と、含まれる食材・調味料の種類と量、更に、それぞれの食材・調味料に含まれる栄養素の種類と量が含まれうる。なお、図４では、食事メニュは、いわゆる一品（豆腐の味噌汁）の例を示しているが、複数品が含まれるセット（例えば、白飯と、豆腐の味噌汁と、豚の生姜焼きと、ほうれん草のおひたしと、ヨーグルトのような組み合わせ）であってもよい。また、調理を行わない食材（例えば、みかんやアーモンドなど）や、調理前の食材（例えば、牛もも肉など）を「食事メニュ」に含めるようにしてもよい。また、栄養素とは、食品表示法に基づく栄養成分表示項目（熱量、たんぱく質、脂質、炭水化物、ナトリウム、飽和脂肪酸、ｎ‐３系脂肪酸、ｎ‐６系脂肪酸、コレステロール、糖質、糖類（単糖類または二糖類であって、糖アルコールでないもの）、食物繊維、亜鉛、カリウム、カルシウム、クロム、セレン、鉄、銅、マグネシウム、マンガン、モリブテン、ヨウ素、リン、ナイアシン、パントテン酸、ビオチン、ビタミンＡ、Ｂ１、Ｂ２、Ｂ６、Ｂ１２、Ｃ、Ｄ、Ｅ、Ｋ、葉酸）を含み、また、非栄養成分ではあるが、例示すればポリフェノールやＧＡＢＡなど、栄養成分以外および複数成分で構成される群としての栄養成分の中で特定された成分（たとえば、食物繊維のシクロデキストリン）などを含み得る。また、食事メニュのレシピや、食材・栄養素に影響が出ることが想定される調理工程（加熱、冷却、茹で、洗いなどを含むが、これらに限定されない）の情報を併せて記憶しておいてもよい。

　食材情報記憶部１３６は、食材の情報を記憶する。食材情報は、図５に一例を示すように、食材に含まれる栄養素の種類と量が記憶される。なお、食材情報には調味料の情報も記憶されていてよいし、また、食材ごとに、調理によって起こる栄養素への影響（加熱によって分解するなど）や、同時に調理する他の食材との関係で起こる栄養素への影響などについても記憶していてもよい。

　ここで、本実施の形態において、測定値取得部１１１と、摂取量取得部１１２と、行動量取得部１１３と、ライフステージ情報取得部１１４と、解析部１１５と、評価部１１６と、食事メニュ提案部１１７、の各処理部の機能について示す。

　測定値取得部１１１は、ユーザの実現目標に連動する測定値を取得し、測定値記憶部１３１に記憶する。測定値取得部１１１は、ユーザ端末３に入力フォームを提示し、ユーザから値や選択肢の選択などの入力を受け付けて測定値を取得することができる。また、測定値取得部１１１は、ユーザ端末３を通じて、バイタルセンサ４または活動センサ５で取得した測定値を取得してもよいし、バイタルセンサ４または活動センサ５から直接ネットワーク２を通じて、測定値を取得してもよい。また、測定値取得部１１１は、ユーザから測定値の入力を受け付けるようにしてもよい。測定値取得部１１１は、測定値を管理しているコンピュータ（たとえばデータベースサーバ）にアクセスして測定値を取得するようにしてもよい。測定値取得部１１１は、例えば、ストップウオッチにより計測された時間の計測値や、テストの点数などの計測値を取得することができる。

　摂取量取得部１１２は、ユーザが摂取した栄養素の摂取量の情報を取得する。摂取量取得部１１２は、ユーザ端末３に入力フォームを提示し、食した食事メニュの入力または食事メニュの選択肢の選択を受け付け、また食した量に関する情報を取得する。摂取量取得部１１２は、ユーザ端末３から、食した食事の画像（動画を含んでもよい）の情報を取得し、画像を解析することにより当該画像に含まれる食事メニュを推定し、推定した食事メニュをユーザ端末３に訂正可能に提示し、食した量とともに取得してもよい。摂取量取得部１１２は、ユーザ端末３から取得した、ユーザが食した食事メニュに含まれる栄養素の情報を、食事メニュ記憶部１３５から取得し、食した日時、または朝食・昼食・夕食・間食などの食事のカテゴリと、食事メニュに紐づけて、摂取量記憶部に記憶する。

　行動量取得部１１３は、ユーザが行った行動の量の情報を取得する。行動量取得部１１３は、ユーザ端末３に入力フォームを提示し、ユーザから値や選択肢の選択などの入力を受け付けて行動量を取得する。また、行動量取得部１１３は、ユーザ端末３を通じて、バイタルセンサ４または活動センサ５で取得した測定値を取得してもよいし、バイタルセンサ４または活動センサ５から直接ネットワーク２を通じて、測定値を取得してもよい。なお、行動量取得部１１３は、ユーザの支援者（例えば介護者、医療従事者、トレーナなどを含むが、これらに限定されない。）が使用する情報端末等を通じて、行動量の情報を取得してもよい。

　ライフステージ情報取得部１１４は、ユーザのライフステージに関する情報を取得する。ライフステージ情報取得部１１４は、ユーザ端末３に入力フォームを提示し、ユーザから値や選択肢の選択などの入力を受け付けてライフステージ情報を取得する。

　解析部１１５は、栄養素の摂取量と、実現目標の測定値との関係を解析して、測定値の改善に寄与する改善因子と、測定値の悪化に寄与する改悪因子とを特定する。改善因子及び改悪因子には、栄養素が含まれる。また、改善因子および／または改悪因子には、ユーザの行動に係る行動量が含まれ得る。本実施形態では、解析部１１５は、ユーザが栄養素を採った日の翌日の測定値と、摂取量との関係を解析するものとするが、予測対象となる時点は翌日に限らず、１週間や２週間、１か月など任意の期間後の日とすることができる。以下の説明において、解析のためのデータ取得期間を「観察期間」、測定値を目標値に近づける食事を摂取する期間を「介入期間」という。なお、観察期間内のデータのみでなく、介入期間におけるデータも解析対象とすることもできる。観察期間および介入期間は、任意の期間とすることができる。介入期間は、目標実現のための期間（以下、試行期間という。）とは異なる長さとすることができる。例えば、介入期間は１週間とし、試行期間は３ヶ月や１年とすることもできる。解析部１１５は、介入期間の終了時または終了後の測定値を用いて解析を行うことができる。解析部１１５は、介入期間の開始前にのみ解析を行うようにしてもよいし、定期的に解析を行うようにして統計モデル（予測モデル）を更新することもできる。

　解析部１１５は、栄養素の摂取量を説明変数とし、測定値を目的変数とした多変量解析により予測モデル（以下、栄養モデルという。）を求めることができる。

　また、解析部１１５は、栄養素の摂取量および行動量と測定値との関係を解析して、測定値の改善に寄与する栄養素および／または行動である改善因子と、測定値の悪化に寄与する栄養素および／または行動である改悪因子とを特定することができる。行動量に係る行動は複数あってもよい。解析部１１５は、たとえば、摂取エネルギー、たんぱく質、脂質、炭水化物、ビタミンＡなどの各種栄養素のそれぞれの摂取量と、歩数、運動継続時間、記憶力試験の受験回数などの行動量とを説明変数とし、測定値（体重、心肺機能、記憶力試験の結果等）を目的変数とした多変量解析により予測モデル（以下、栄養行動モデルという。）を求めることができる。

　解析部１１５は、栄養素の摂取量およびライフステージと測定値との関係を解析して、測定値の改善に寄与する栄養素および／またはライフステージである改善因子と、測定値の悪化に寄与する栄養素および／またはライフステージである改悪因子とを特定することができる。解析部１１５は、たとえば、摂取エネルギー、たんぱく質、脂質、炭水化物、ビタミンＡなどの各種栄養素のそれぞれの摂取量と、壮年期、学生、妊娠中などのライフステージを示すダミー変数とを説明変数とし、測定値（体重、心肺機能、記憶力試験の結果等）を目的変数とした多変量解析により予測モデル（以下、栄養ライフステージモデルという。）を求めることができる。

　解析部１１５は、栄養素の摂取量および測定値を測定した日時（日時から導き出せる時間帯や季節に変換してもよい）と測定値との関係を解析して、測定値の改善に寄与する栄養素および／または日時である改善因子と、測定値の悪化に寄与する栄養素および／または日時である改悪因子とを特定することができる。解析部１１５は、たとえば、摂取エネルギー、たんぱく質、脂質、炭水化物、ビタミンＡなどの各種栄養素のそれぞれの摂取量と、午前９時、午後１７時、朝、昼、夜、春、夏、秋、冬などの日時・時間帯・季節とを説明変数として、測定値（体重、心肺機能、記憶力試験の結果等）を目的変数とした多変量解析により予測モデル（以下、栄養日時モデルという。）を求めることができる。

　上述したように、解析部１１５は、測定値を目的変数とし、栄養素の摂取量と、行動量、ライフステージ、および日時の少なくともいずれかとを説明変数として多変量解析を行うことができる。解析部１１５は、栄養素の摂取量に組み合わせる説明変数に、行動量、ライフステージおよび日時のうち複数を組み入れた予測モデル（以下、栄養複合モデルという。）を求めるようにしてもよい。解析部１１５は、説明変数に用いた各要素の係数を出力することもできる。図６は、解析部１１５が行った多変量解析結果の一例を示す図である。図６に示すように、栄養素、行動量、ライフステージ、日時について、回帰係数（偏回帰係数）が出力されうる。

　なお、本実施の形態による多変量解析は、単回帰分析、重回帰分析、主成分分析、独立成分分析、因子分析、判別分析、正準判別分析、数量化理論（Ｉ類、ＩＩ類、ＩＩＩ類、ＩＶ類）、多群数量化ＩＩ類、クラスター分析、コンジョイント分析、ロジスティック回帰、多次元尺度構成法（ＭＤＳ）、拡張型数量化Ｉ類、拡張型数量化ＩＩ類、コレスポンデンス分析、共分散構造分析を含む。

　解析部１１５は、上述した予測モデル（栄養モデル、栄養行動モデル、栄養ライフステージモデル、栄養日時モデル、栄養複合モデルを含む。）をサーバ装置１に記憶してもよい。また、その場合、サーバ装置１には、当該予測モデルに適用する回帰係数や定数などのパラメータも記憶される。

　解析部１１５は、例えば、予測モデルを求めるために重回帰分析を行い、説明変数として用いた栄養素と、行動量、ライフステージ、および日時の少なくともいずれかとについて、回帰係数と定数とを推計することができる。解析部１１５は、推計した回帰係数と定数とをサーバ装置１に記憶する。推計した回帰係数と定数とを適用した予測モデルに対して、栄養素と、行動量、ライフステージ、および日時の少なくともいずれかとを適用することにより、ユーザがこのような栄養素を含有する食事メニュを摂った場合に、当該行動量の行動をし、ユーザが当該ライフステージに置かれており、または、当該日時に測定値が測定されたときの、ユーザの測定値を推測することが可能となる。なお、当該回帰係数の絶対値は、測定値の改善または悪化の度合いを示すことになる。

　なお、ユーザの実現目標となる測定値の目標値が現在の測定値よりも大きい場合には、正または０の回帰係数である説明変数を、測定値を改善する改善因子とし、負の回帰係数である説明変数を、測定値を悪化させる改悪因子とすることができる。ユーザの実現目標となる測定値の目標値が現在の測定値よりも小さい場合には、負または０の回帰係数である因子を改善因子とし、正の回帰係数である因子を改悪因子とすることができる。

　評価部１１６は、改善因子である栄養素の含有量と、改悪因子である栄養素の含有量と基づいて食事メニュを評価することができる。評価部１１６は、例えば、食事メニュに含まれる改善因子の数が多いほど高く食事メニュを評価し、食事メニュに含まれる改悪因子の数が多いほど低く食事メニュを評価することができる。評価部１１６は、例えば、改善因子および改悪因子の係数による栄養素の含有量の加重平均値（例えば、改善因子と改悪因子との正負が逆である場合には、Σ（改善因子の含有量×改善因子の係数）＋Σ（改悪因子の含有量×改悪因子の係数）とし、係数が、多変量回帰による回帰係数の絶対値など改善または改悪の「度合」を示す場合には、Σ（改善因子の含有量×改善因子の係数）－Σ（改悪因子の含有量×改悪因子の係数）として計算することができる。）に応じて食事メニュを評価することができる。

　評価部１１６は、解析部１１５が生成した予測モデルに基づいて、食事メニュを評価することもできる。評価部１１６は、例えば、ユーザ端末３から、予測モデルの目的変数に該当する測定値の目標値の入力を受け付け、予測モデルにより推計される予測値が当該目標値となる栄養素の摂取量（以下、予測摂取量）を算定することができる。評価部１１６は、予測摂取量に近い栄養素量を持つ食事メニュを高く評価し、予測摂取量から離れた値の栄養素量を持つ食事メニュを低く評価することができる。評価部１１６は、予測モデルごとに、食事メニュそれぞれに対して評価値を付与することができる。評価値は算定した予測摂取量から離れている程度を数値化すればよいが、これに限定されない。

　評価部１１６は、予測モデルに基づいて、食事メニュの組み合わせを評価してもよい。評価部１１６は、複数の食事メニュに含まれる栄養素量を足し合わせた合計栄養素量が、予測摂取量に近い栄養素量を持つ食事メニュの組み合わせを高く評価し、複数の食事メニュに含まれる栄養素量を足し合わせた合計栄養素量が、予測摂取量から離れた値の栄養素量を持つ食事メニュの組み合わせを低く評価すればよい。評価部１１６は、予測モデルごとに、食事メニュの組み合わせそれぞれに対して評価値を付与すればよい。

　なお、評価部１１６は、解析部１１５が生成した予測モデルに基づいて、行動量または、ライフステージまたは、日時、行動量、食事メニュを評価してもよい。評価の方法は、前述した食事メニュの評価方法に準じて行えばよい。

　目標値入力部１１９は、ユーザの実現目標となる測定値の目標値の入力を受け付ける。例えば、体重の目標値、短距離走のタイムの目標値、テストの点数の目標値などの入力を受け付けることができる。

　食事メニュ提案部１１７は、食事メニュの評価値に応じて、ユーザに提案する食事メニュを選択し、ユーザ端末３に提示することができる。食事メニュ提案部１１７は、例えば、食事メニュ記憶部１３５に記憶されている食事メニュのそれぞれについて評価部１１６に評価値を算出させ、１つの食事メニュまたは複数の食事メニュの組み合わせを、評価値が高い順に所定数（１つであってもよいし、１０個などの任意の数であってもよい。）選択し、選択した食事メニュまたは食事メニュの組み合わせをユーザ端末３に提示することができる。なお、食事メニュ提案部１１７が、複数の食事メニュを組み合わせるにあたっての制約条件を予め設定しておくことができる。例えば、１つの組み合わせに含める食事メニュの数についての制約、食事メニュに含まれる食材量の合計値の上限、１つまたは複数の栄養素について１回の食事で摂取する上限などを制約条件として設定することができる。

　また、食事メニュ提案部１１７は、目標値入力部１１９が受け付けた目標値を達成可能な食事メニュを選択して提示することができる。食事メニュ提案部１１７は、食事メニュに含まれる栄養素の含有量を、解析部１１５による栄養素と測定値との解析により求められる予測モデルに与えて測定値の予測値を推定し、この予測値が目標を達成しているか（測定値が大きいほど好ましい場合には予測値が目標値以上であること、測定値が小さいほど好ましい場合には予測値が目標値以下であること、特定の値に近いことが好ましい場合には、予測値と目標値との差が所定の閾値よりも小さいこと）否かを判定し、目標を達成している食事メニュを選択するようにしてもよい。なお、栄養モデル以外の予測モデルの場合には、ユーザのライフステージ（予め設定しまたは入力を受け付けることができる。）と、現在日時または介入期間内で食事メニュを取る予定の日時と、標準的に行われる予定の行動量（予め設定しまたは入力を受け付けることができる。）と、の少なくともいずれかを与えて測定値の変化量を推計することができる。

　また、食事メニュ提案部１１７は、与えられた食事メニュについて、測定値が向上するように栄養素の調整（変更、追加、削除）を提案することができる。食事メニュ提案部１１７は、栄養素別の介入度（調整度）が、改善因子による改善度合が、改悪因子による改悪度合を超えるように栄養素を調整する。介入度（調整度）とは、食事メニュ提案部１１７による調整前の食事（すなわち、これまでユーザが採っていた食事）に含まれていた改善因子および改悪因子による改善度合と、食事メニュ提案部１１７が提案する栄養素の含有量調整後の食事に含まれる改善因子および改悪因子による改善度合とを比較した場合に、上がっている度合である。

　たとえば、測定値の現在値よりも目標値が高い場合（すなわち、回帰係数が正であれば改善因子、回帰係数が負であれば改悪因子となる場合）を想定する。ここで、調整前の食事メニュに含まれていた改善因子の回帰係数×含有量の総計が５であり、調整前の食事メニュに含まれていた改悪因子の回帰係数×含有量の総計が－３であったとする。そして、食事メニュ提案部１１７による調整後の食事メニュに含まれる改善因子の回帰係数×含有量の総計が８であり、調整後の食事メニュに含まれる改悪因子の回帰係数×含有量の総計が－１であるとすれば、栄養素の調整の度合（介入度）は、改善因子に関する係数×含有量の総数の調整量（すなわち、８－５＝３）と、改悪因子に関する係数×含有量の総数の調整量（すなわち、（－１）－（－３）＝２）との合計である「５」が介入度（調整度）となる。食事メニュ提案部１１７は、介入度（調整度）が正になるように栄養素を調整することにより、計測値は増加することが期待される。

　なお、測定値の目標値が現在値よりも低い場合には、回帰係数が負であれば改善因子、回帰係数が正であれば改悪因子となり、調整前後での回帰係数×含有量の総計の変化量（介入度、調整度）が負になるように栄養素を調整することにより、計測値は低下する（改善する）ことが期待される。

　また、食事メニュ提案部１１７は、改善度合および改悪度合（回帰係数の絶対値）を用いる場合には、調整後の食事メニュに含まれる改善因子の改善度合×含有量から改悪因子の改悪度合×含有量を引いた値（調整後改善値）が、調整前の食事メニュに含まれる改善因子の改善度合×含有量から改悪因子の改悪度合×含有量を引いた値（調整前改善値）よりも大きければ、すなわち、介入度（調整度）が正であれば、計測値は改善（上昇又は下降）することが期待される。

　食事メニュ提案部１１７は、介入度（調整度）が改善方向（回帰係数を使用する場合、測定値を上昇させるには正、測定値を下降させるには負）になるように栄養素の調整を行えばよい。

　このように、改善因子および改悪因子でそれぞれ総和すると、介入期間における改善因子と改悪因子の調節による全体的な影響の指標としての総和の介入度（調整度）を得ることができ、この総和の介入度（調整度）は常に改善因子＞改悪因子となる。総和の介入度（調整度）は、（１）改善因子が正、改悪因子が正、（２）改善因子が正、改悪因子が負、（３）改善因子が負、改悪因子が負の３パターンにおいて、改善因子＞改悪因子となる。この総和の介入度（調整度）パターンを実現できれば、改善因子であろうと改悪因子であろうと、個別の栄養素（行動量も含む。）の調整は自由に行うことができる。

　また、食事メニュ提案部１１７は、与えられた食事メニュについて、測定値を目標値に近づけるべく、食材（調味料も含む。）の変更または追加による調整を提案することができる。本実施形態では、食事メニュ提案部１１７に与えられる食事メニュは、介入期間に摂取する複数回の食事（好ましくは全ての食事）ごとの食事メニュであるものとする。

　なお、食事メニュ提案部１１７に対して、１回の食事向けの１つの食事メニュや１日の食事向けの３回分の食事メニュを与えるようにすることも可能である。この場合には、介入期間を１回または１日のように設定して解析を行えばよい。

　食事メニュ提案部１１７は、改善因子の改善度合×含有量が、改悪因子の改悪度合×含有量を超え、かつその超過量がなるべく大きくなるように、食事メニュに含まれる食材（または食事メニュのセットに含まれる食事メニュ）を変更し、追加し、および／または削除することができる。また、食事メニュ提案部１１７は、上述した総和の介入度（調整度）が改善因子（改善度合×含有量の調整値）＞改悪因子（改悪度合×含有量の調整値）となるように、食事メニュに含まれる食材（または食事メニュのセットに含まれる食事メニュ）を変更し、追加し、および／または削除することができる。

　例えば、食事メニュ提案部１１７は、与えられた食事メニュに含まれる１つまたは複数の食材Ａについて、食材Ａよりも改善因子である栄養素を多く含む食材Ｂを食材情報記憶部１３６から選択し、食材Ａを、選択した食材Ｂに変更して、ユーザ端末３に提示することができる。

　食事メニュ提案部１１７は、選択した食事メニュに含まれる栄養素の含有量を、栄養モデルに与えて測定値の変化量を推定し、推定した変化量を、測定値記憶部１３１に記憶されている測定標準値に加算して測定値の第１の予測値を計算し、当該予測値が目標を達成していない場合には、１つまたは複数の食材Ｂについて、食材Ａを食材Ｂに変更して上記と同様に測定値の第２の予測値を計算し、第２の予測値が目標を達成しているか否かを試行し、目標を達成する食材Ｂを選択することができる。

　目標を達成する食材Ｂが存在しない場合には、食事メニュ提案部１１７は、目標値と予測値との差が最も小さくなる食材Ｂを選択することができる。この場合に、食事メニュ提案部１１７は、第２の予測値を、達成可能な測定値として出力することができる。

　食事メニュ提案部１１７は、与えられた食事メニュに含まれる食材Ｃについて、食材Ｃよりも改悪因子である栄養素を少なく含む食材Ｄを食材情報記憶部１３６から選択し、食材Ｃを、選択した食材Ｄに変更して、ユーザ端末３に提示してもよい。

　また、食事メニュ提案部１１７は、改悪因子である栄養素の数が所定数以上含む食材、改悪因子である栄養素の含有量を所定量以上含む食材または食事メニュ、改悪因子である栄養素の数が改善因子である栄養素の数よりも多い食材または食事メニュ、改悪因子の回帰係数の絶対値の合計が改善因子の回帰係数の絶対値の合計よりも多い食材または食事メニュを削除するように提案してもよい。

　食事メニュ提案部１１７は、改善因子である栄養素を含む食材を食材情報記憶部１３６から選択し、当該食材を、食事メニュに追加して、ユーザ端末３に提示してもよい。

　食事メニュ提案部１１７は、改善または改悪の度合、すなわち解析部１１５が算出した回帰係数の絶対値（改善因子については改善係数、改悪因子については改悪係数という。）を用いて、食事メニュを選択しても良い。食事メニュ提案部１１７は、食事メニュに含まれる改善因子の含有量に、当該改善因子に係る改善係数を乗じた値（以下、改善値という。）から、食事メニュに含まれる改悪因子の含有量に、当該改悪因子に係る改悪係数を乗じた値（以下、改悪値という。）を引いた第１の値を算出し、食事メニュに含まれる少なくとも１つの食材Ｆを食材Ｇに変更した変更後の食事メニュついて、変更後の食事メニュに係る改善値から、変更後の食事メニュに係る改悪値を引いた第２の値が、当該第１の値よりも大きくなるように、食材Ｇを選択し、食材Ｆを、選択した食材Ｇに変更して、当該食事メニュをユーザ端末３に提示してもよい

　食事メニュ提案部１１７は、食事メニュに係る改善値から、当該食事メニュに係る改悪値を引いた第１の値を算出し、当該食事メニュに追加の食材Ｈを追加した、食材追加後の食事メニュついて、改善値から改悪値を引いた第２の値が、当該第１の値よりも大きくなるように食材Ｈを選択し、選択した食材Ｈを、当該食事メニュに追加して、ユーザ端末３に提示してもよい。

　なお、解析部１１５は、定期的に解析を行って改善因子および改悪因子を特定し、評価部１１６は、解析部１１５の解析に伴って、食事メニュを評価してもよい。例えば、介入期間内にも複数回の解析及び提案を行うようにしてもよい。この場合、食事メニュ提案部１１７は、過去の食事メニュについては食材（栄養素）および行動量などを変更せず、将来の食事メニュ（および行動量）を調整するものとする。

　行動提案部１１８は、ユーザ端末３に目標達成のための行動量を提示することができる。

　例えば、行動提案部１１８は、食事メニュ提案部１１７が提案する食事メニュだけでは目標値が達成できない場合に、行動の提案を行うことができる。行動提案部１１８は、提案する行動の行動量について、目標値を達成できると推定される行動量を計算することができる。例えば、食事メニュ提案部１１７が栄養モデルに基づいて提案した食事メニュ（食材の変更、追加または削除が行われたもの）からは、行動量が０である場合に実現される計測値の第１の予測値を計算することができる（食事メニュに含まれる栄養素の含有量を栄養モデルに与えることで計算できる）ところ、この第１の予測値が目標値を達成していない場合には、行動標準値を調整するように提案を行うことができる。この場合、解析部１１５は、栄養行動モデルを推計しておき、食事メニュ提案部１１７は、栄養行動モデルに行動標準値と、栄養素の含有量とを与えて第１の予測値を計算し、第１の予測値が目標値に最も近づくように食材を変更、追加、および／または削除を行った食事メニュを提案することができる。そして、行動提案部１１８は、行動に係る改善係数または改悪係数に応じて行動量を調整することができる。行動提案部１１８は、行動量と、食事メニュ提案部１１７が提案した食事メニュに含まれる栄養素の含有量とを栄養行動モデルに与えて計算した第２の予測値が目標値に達するように行動量を変化させて、行動量を調整することができる。

　また、行動提案部１１８は、栄養行動モデルから推定される予測値が目標値に達していない場合には、行動が改善因子である場合には、例えば、不足分を改善係数で割るなどにより不足分に該当する行動量の増加量を計算し、計算した量を行動標準値に加算した行動量を計算し、計算した行動量とともに行動を行うことを提案するメッセージをユーザ端末３に送信することができる。逆に行動が改悪因子である場合には、行動提案部１１８は、不足分を改悪係数で割るなどにより不足分に該当する行動量の減少量（行動標準値を最大値とする。）を計算し、計算した減少量とともに行動を行わないようにすることを提案するメッセージをユーザ端末３に送信することができる。

　行動提案部１１８は、解析部１１５が算出した栄養行動モデルにおける行動量に係る回帰係数（改善係数または、改悪係数）を用いて、測定値が改善する行動量を提案することもできる。行動提案部１１８は、例えば、解析部１１５が解析した行動量に、当該回帰係数を乗じた値（以下、行動量値とする。）を算出する。行動量が改善因子である場合には、行動量値が大きいほど測定値の改善に繋がり、行動量が改悪因子である場合には、行動量値が小さいほど測定値の改善に繋がる。行動提案部１１８は、行動量が改善因子である場合には、ユーザの年齢層や性別に対して推奨されている行動量、またはユーザの過去の行動量の平均値に所定の値を乗じて過剰にならない行動量を算定すればよく、これらの行動量をユーザ端末３に提示することができる。また、行動提案部１１８は、行動量が改悪因子である場合には、行動量値が最小となるように行動量０を提案してもよいが、行動量０にすると健康・生活上の支障が出る行動（例えば歩行などであるが、これに限らない。）に関しては、ユーザの年齢層や性別に対して最低限行うことが推奨されている行動量、またはユーザの過去の行動量の平均値に所定の値を乗じて過小にならない行動量を算定すればよく、これらの行動量をユーザ端末３に提示することができる。

　また、食事メニュ提案部１１７が、与えられた食事メニュの栄養素（食材）の調整とともに、行動量を調整したうえで食事メニュおよび行動を提案することもできる。

　図８を用いて、サーバ装置１の代表的な処理の流れを説明する。測定値取得部１１１が、ユーザ端末３から測定値を取得する（１００１）。摂取量取得部１１２が、ユーザ端末４から摂取量を取得する（１００２）。行動量取得部１１３が、ユーザ端末３から行動量を取得する（１００３）。ライフステージ情報取得部１１４が、ユーザ端末３からライフステージ情報を取得する（１００４）。解析部１１５が、測定値と、摂取量、行動量、ライフステージ情報等の他の因子との関係を解析する（１００５）。評価部１１６は、解析部１１５の解析結果を基に、食事メニュを評価する（１００６）。食事メニュ提案部１１７は、評価部１１６の評価結果を基に選定した食事メニュを、ユーザ端末３に提示する。（１００７）。行動提案部１１８は、評価部１１６の評価結果を基に選定した行動を、ユーザ端末３に提示する。（１００８）。

　以上、添付図面を参照しながら本開示の好適な実施形態について詳細に説明したが、本開示の技術的範囲はかかる例に限定されない。本開示の技術分野における通常の知識を有する者であれば、特許請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本開示の技術的範囲に属するものと了解される。

　例えば、食事メニュ提案部１１７は、食事メニュ記憶部１３５に記憶された食事メニュのレシピや工程の情報と、食材情報記憶部１３６に記憶された、食材ごとの、調理によって起こる栄養素への影響や、同時に調理する他の食材との関係で起こる栄養素への影響の情報を加味して、食事メニュを選定してもよい。この場合、食事メニュ提案部１１７は、食事メニュに食材を加える場合に、当該食事メニュの工程と、加える食材の関係を評価し、加える食材または元々含まれている食材の栄養素が変動する場合には、変動後の栄養素を、前記改善因子、または前記改悪因子の量として、算定を行えばよい。また、食事メニュ提案部１１７は、食事メニュに食材を加える場合に、当該食事メニュに含まれる食材と、加える食材の関係を評価し、加える食材または元々含まれている食材の栄養素が変動する場合には、変動後の栄養素を、前記改善因子、または前記改悪因子の量として、算定を行えばよい。

　また、本実施形態では、回帰係数をそのまま改善係数および改悪係数として用いるものとしたが、これに限らず、標準化した栄養素の含有量との差に標準化した係数（重回帰式における説明名変数の係数を標準化したもの）を乗じた数値を用いて介入度（調整度）を算出するようにしてもよい。この場合に、栄養素の含有量を調整する場合における介入度（調整度）は、変更前の食事メニュに含まれる栄養素の含有量と変更後の食事メニュに含まれる栄養素の含有量との差になり、この場合には、標準化しない栄養素の含有量との差に標準化しない係数（重回帰式における説明名変数の係数そのもの）を乗じた数値を用いて介入度（調整度）を算出することができる。そして食事メニュ提案部１１７は、総和の介入度（調整度）が、改善因子＞改悪因子のパターンになれば、目標値を達成する（目標値に近づける）栄養素調整ができることになります。

　本明細書において説明した装置は、単独の装置として実現されてもよく、一部または全部がネットワークで接続された複数の装置（例えばクラウドサーバ）等により実現されてもよい。例えば、サーバ装置１の各機能部および各記憶部は、互いにネットワークで接続された異なるサーバにより実現されてもよい。

　本明細書において説明した装置による一連の処理は、ソフトウェア、ハードウェア、およびソフトウェアとハードウェアとの組合せのいずれを用いて実現されてもよい。本実施形態に係るサーバ装置１の各機能を実現するためのコンピュータプログラムを作製し、ＰＣ等に実装することが可能である。また、このようなコンピュータプログラムが格納された、コンピュータで読み取り可能な記録媒体も提供することができる。記録媒体は、例えば、磁気ディスク、光ディスク、光磁気ディスク、フラッシュメモリ等である。また、上記のコンピュータプログラムは、記録媒体を用いずに、例えばネットワークを介して配信されてもよい。

　また、本明細書においてフローチャート図を用いて説明した処理は、必ずしも図示された順序で実行されなくてもよい。いくつかの処理ステップは、並列的に実行されてもよい。また、追加的な処理ステップが採用されてもよく、一部の処理ステップが省略されてもよい。

　また、本明細書に記載された効果は、あくまで説明的または例示的なものであって限定的ではない。つまり、本開示に係る技術は、上記の効果とともに、または上記の効果に代えて、本明細書の記載から当業者には明らかな他の効果を奏しうる。

　以下、本実施形態に係る健康支援システムの実施例について説明する。

＜第１実施例＞
　第１実施例では、摂取栄養素量の最適化により達成する健康指標として体重を選択した。体重と摂取栄養素量、加えて運動量（歩数）との関係性を解析によって明らかにし、栄養素量を最適化した個人最適食による体重改善効果が得られるか否かについて、ヒトを対象とした試験を行うことによってその効果を検証、ならびに効果の高い栄養素最適化の解析手法について検討を行った。

試験方法
使用機器，ソフトウェア
　使用した計測・記録機器及びモバイルアプリケーションを含むソフトウェアを下記に示した。なお、条件検討試験と臨床試験において使用した機器が異なる場合、その項目に記号を記した。（＋）は条件検討試験にのみ使用、（＊）は臨床試験にのみ使用したものを示す。

使用機器・試薬
　１）体重・体組成計（ＨＢＦ－２５５Ｔ，オムロンヘルスケア株式会社，京都）
　２）活動量計（＊）（Ｆｉｔｂｉｔ　Ｃｈａｒｇｅ３，Ｆｉｔｂｉｔ　（Ｇｏｏｇｌｅ）　，米国）
　３）スマートフォン（＊）（ｉＰｈｏｎｅ（登録商標）　ＳＥ（２０２０），Ａｐｐｌｅ，米国）
　４）血液検査キット（＋）（ＤＥＭＥＣＡＬ血液検査キット［メタボリックシンドローム＆生活習慣病セルフチェック］，株式会社リージャー，東京）

使用ソフトウェア
　１）ＯＭＲＯＮ　ｃｏｎｎｅｃｔ（＋）（オムロンヘルスケア株式会社，京都）
　２）あすけん（＋）（株式会社ａｓｋｅｎ，東京）
　３）Ｆｉｔｂｉｔ（＋）（Ｆｉｔｂｉｔ　（Ｇｏｏｇｌｅ），米国）
　４）プチ献ダテマンＷｅｂ（＊）（株式会社カイテクノロジー，東京）
　５）ＳＰＳＳ　Ｓｔａｔｉｓｔｉｃｓ　ｖｅｒ．２５（ＩＢＭ，米国）
　６）ＳＰＳＳ　Ｓｔａｔｉｓｔｉｃｓ　ｖｅｒ．２８（＋）（ＩＢＭ，米国）

摂取栄養素量の個人最適化

体重予測モデル式の導出
　第１実施例では、被験者の体重を栄養素などの要素から予測する「体重予測モデル式」を作成した。体重予測モデル式は、被験者ごとに取得した日々の起床時体重を、摂取栄養素量（水分、たんぱく質、脂質、糖質、食物繊維総量、炭水化物、ナトリウム、カリウム、カルシウム、マグネシウム、鉄、亜鉛、ビタミンＡ、ビタミンＤ、ビタミンＥ、ビタミンＢ_１、ビタミンＢ_２、ビタミンＢ_６、ビタミンＣ、食塩相当量、飽和脂肪酸の２１成分から選択）と摂取エネルギー量、運動量（歩数）などの各データから予測するものである。モデル式を導出するにあたっては、ある目的とする変数（目的変数）を、複数の別の変数（説明変数）との関係性から説明変数のみで予測しようとする分析手法である重回帰分析を採用した。重回帰分析を行うソフトウェアにはＳＰＳＳ　Ｓｔａｔｉｓｔｉｃｓ　ｖｅｒ．２５、およびｖｅｒ．２８（ＩＢＭ，ＵＳＡ）を用い、目的変数を起床時体重とし、説明変数を前日～３日前の摂取栄養素量・運動量として変数減少法による重回帰分析を実行した。

　選択された説明変数間に強い相関が存在する場合、モデル式を正しく算出できず予測誤差が大きくなる可能性が高くなることが知られている。通例では重回帰分析において必要なデータ数は説明変数として使用するものの数の１０～１５倍とされているが、第１実施例に適用する場合必要期間は１年を超過し、現実的ではないことや、季節変化や身体成長に適応できなくなる。このため、データ収集の期間は１ヶ月を基準とし、選択された説明変数の数がその４分の１となる７個以下で、説明変数の分散拡大係数（ＶＩＦ）が変数間の相関により相関係数が真の値よりも不適切に高くなる多重共線性の可能性を排除できる１０以下となるモデル式（式１）を採用した。ここで選択された摂取栄養素（説明変数）は起床時体重の予測のために選ばれた変数であり、体重に影響を与える体重関与栄養素であると考えられる。式中において、重回帰係数の符号が正の栄養素は体重と正の相関があるため摂取により体重が増加すると考えられる体重増加因子となる。一方、重回帰係数の符号が負の栄養素は体重と負の相関があるため摂取により体重が減少すると考えられる体重減少因子となる。

（式１）体重予測モデル式
　起床時体重＝栄養素１×係数１＋栄養素２×係数２…＋定数項

栄養素量の最適化
　被験者に対して体重を改善することが予想される被験食を個別に設計するにあたり、体重予測モデル式によって判明した被験者に対し体重増加・体重減少に働く栄養素を含む食品の増減調整を行った。

　被験者が摂取する１日の食事に含まれる栄養素の合計値をモデル式に代入した際、予測される体重がＢＭＩの目標範囲である２１．５～２４．９ｋｇ／ｍ^２を示す値に近づくように、被験食の献立に使用する食材を変更することや、メニュの配膳量の変更を中心とした調整を行うことで、被験者が１日に摂取する栄養素量を最適化した。

　ただし、栄養素の過不足による健康障害を回避するため，次の（１）～（４）の条件を定めた上で、条件検討試験では（２）・（４）に準拠，臨床試験では（１）～（４）の全てに準拠した。なお、被験食の献立内容は毎食異なるようにして連続しないものとし、同じ献立が継続することによる被験者の心理的ストレスを回避した。

「条件」
　（１）　日本人の食事摂取基準（２０２０年版）に定められた３大栄養素（炭水化物・
脂質・タンパク質）の推定平均必要量および目標量が、試験対象者の年齢、性別における最小値以上最大値の１３０％未満の量である。
　（２）　耐容上限量が定められた栄養素については、それを超えない。
　（３）　観察期間に特定した体重関与成分量は、日本人の食事摂取基準における推定平均必要量または目安量の７０％以上の量である。
　（４）　１週間に摂取するエネルギー量は試験対象者の日常食と同一とする。

試験食品と摂取栄養素量
　試験食品は、市販の食材を用いて一般人が普段の食事を準備する際と同様にして調理したものである。条件検討試験では、栄養素量を最適化して食材および使用量を指定したメニュ表に沿って指定した食品を試験対象者自身がスーパー等にて購入し、調理を行わせた。

　臨床試験では、管理栄養士が監修し、主菜・副菜等のバランスを考慮して作成された基本メニュを元に、食材量の調節や置き換えによって栄養素量を最適化し、食材および使用量を指定した「仕込表」として試験実施場所に納品し、これに沿って調理、被験者へ個別に配膳を行った。食事は、朝・昼・夕の１日３食を基本として、それまでの食習慣に準拠し間食（１０時、１５時、夜食）を加えて摂取させた。また、指定した量の試験食品を被験者が食べきれなかった場合は、残食量を記録させ、配膳量から完食率を計算して摂取量を算出した。

条件検討試験
試験対象者特性
　実施した条件検討試験の試験対象者は、２０２１年４月時点で２５歳の健康な成人男性１名とした。身長１７２．１ｃｍであったため、ＢＭＩ（ｋｇ／ｍ^２）の計算にはこの値を用いた。

試験スケジュール
　条件検討試験は、２０２０年９月１日から２０２０年１２月７日までの９８日間と、２０２１年１０月２６日から２０２１年１２月２７日までの６３日間で合計２回実施した。

２０２０年度実施試験
　観察期間（２８日間）、ウォッシュアウト期間（７日間×２回）、介入期間（２８日間×２回）、経過観察期間（１４日間）の４つの期間により構成されるスケジュール（図９）に基づいて試験を実施した。

　観察期間では起床時と就寝前に体重・体組成の測定・記録を行わせ、食事は使用した食材の種類と使用量を記録させた。ウォッシュアウト期間では、観察期間のデータ取得行為によって被験者に生活習慣の改善などの行動変容が生じた体重が改善される可能性を考慮し、一切のデータ測定を行わず通常の生活状態に回復させるとともに、被験者データ解析と、解析結果に基づいて栄養素を最適化した被験食の準備を行った。介入期間では、被験者に対して栄養素調整を行った被験食を、観察期間と同様、朝食、昼食、夕食を基本構成として摂取させ、観察期間と同様に体重・体組成の測定を行わせた。

２０２１年度実施試験
　観察期間（３５日間）、介入期間（２８日間）の２つの期間に大別して構成されるスケジュール（図１０）に基づいて臨床試験を実施した。２０２０年度に実施した試験からの変更点は、データ取得を行わないウォッシュアウト期間を排して途切れることなく日々のデータの測定を継続したこと、体内環境が刻一刻と変化して体重関与因子となる栄養素も変化する可能性を考慮して、介入期間を第１期から第４期まで分割して１週間毎に重回帰分析を行い、栄養素の最適化に用いる体重予測モデル式を更新したことである。

体重・体組成データ測定
　体重・体組成（体脂肪率（％）、骨格筋率（％）、基礎代謝量（ｋｃａｌ））など各データの測定には、家庭用の体重・体組成計を用いて起床時に３回ずつ測定を実施した。それぞれのデータを処理する際には３回測定した値の平均値を算出して用いた。

　また、運動量（歩数）は、腕時計型の活動量計を用いて、入浴時に本体の充電のため取り外す時間を除き１日中左手首に装着し、測定を行わせた。

食事摂取栄養素量の推定
　観察期間中は食事管理のためのスマートフォンアプリを用いて、朝食・昼食・夕食の際に食事の登録を行わせた。当該アプリの食事記録機能によって、摂取した食事からたんぱく質、脂質、糖質、食物繊維総量、炭水化物、ナトリウム、カリウム、カルシウム、マグネシウム、鉄、亜鉛、ビタミンＡ、ビタミンＤ、ビタミンＥ、ビタミンＢ_１、ビタミンＢ_２、ビタミンＢ_６、ビタミンＣ、食塩相当量、飽和脂肪酸の計２０成分の摂取量および摂取エネルギー量を推算し、毎日の栄養素量から体重を予測するモデル式作成のために１日あたりの合計量を記録した。摂取エネルギー量は、栄養素量を最適化した食事メニュのエネルギー量が観察期間と不変となるような範囲を設定するために利用した。

　なお、２０２０年度に実施した試験では日本食品標準成分表（２０１５年版，七訂）に準拠したデータが、２０２１年度に実施した試験では、２０２０年１２月に改訂された日本食品標準成分表（２０２０年版，八訂）に準拠したデータが使用されている。

血液検査
　２０２１年に実施した条件検討試験では、観察期間と介入期間の食生活による体内の環境を調査するため、血液検査キットによる血液検査を実施した。測定ポイントは観察期間終了後と介入期間終了後の合計２回とし、それぞれ起床後朝食前に採血を行った。採血によって得た血液サンプルは検査機関施設に送付され、検査された。採血量は１回につき０．０６５ｍＬであった。

臨床試験
被験者特性
　臨床試験は、「人を対象とする生命科学・医学系研究に関する倫理指針」に従い、施設職員と被験候補者そして認知症患者被験候補者の代諾者（被験者の親権者、配偶者、後見人またはこれに準ずる者）への説明を行った後、最終的に同意文書が得られた合計９名を臨床試験の被験者とした。被験者特性は、図１１のとおりである。

試験スケジュール
　臨床試験では、事前測定により得た体重と身長から算出したＢＭＩによるスクリーニングを実施して被験者の選定及び群分けを行った後、観察期間（２８日間）、ウォッシュアウト期間（１４日間）、介入期間（２８日間）、経過観察期間（１４日間）の４つの期間により構成されるスケジュールに基づいて臨床試験を実施した（図１２）。

　観察期間では起床時と就寝前に体重・体組成の測定を行わせ、また、予め提供した献立表に対して食材の使用量と、被験者の食事摂取率を算出するために配膳量と残食量を記録させた。

　ウォッシュアウト期間では、観察期間のデータ取得行為によって被験者に生活習慣の改善などの行動変容が生じた体重が改善される可能性を考慮し、一切のデータ測定を行わず通常の生活状態に回復させるとともに、被験者データ解析と、解析結果に基づいて栄養素を最適化した被験食の準備を行った。

　介入期間では、被験者１人１人に対して個別に栄養素調整を行った被験食を、観察期間と同様、朝食、昼食、夕食、間食（１０時、１５時、夜食）を基本構成として摂取させ、観察期間と同様に体重・体組成の測定を行わせ、食材使用量と被験者への配膳量と残食量を記録させた。

　経過観察期間は、観察期間と同様にして起床時と就寝前に体重・体組成の測定を行わせ、加えて食材使用量と被験者への配膳量と残食量を記録させた。

　本臨床試験は、倫理審査委員会の承認のもとで行われた。また、被験者に対してインフォームド・コンセントのための説明会を実施し了解を得た。

被験者スクリーニング
　体重・体組成計および体重記録用紙を配布し、３日間の体重測定（起床時、就寝前）を行わせ、その結果によるスクリーニングを行った。体重測定結果と身長に基づきＢＭＩの算出を行い、下記の選択基準に基づいて被験者を被験群と対照群の２群へ群分けを行った。

「被験群の選択基準」
（１）　事前に説明を受け、その内容が理解でき趣旨に賛同し、本人または代諾者による文書での同意が得られる者。
（２）　３日間測定した体重に基づいて算出したＢＭＩの値が下記に示す目標体重範囲外の者
（３）　目標体重（６５歳以上）：ＢＭＩ２１．５～２４．９　ｋｇ／ｍ^２
（４）　日常的に朝食、昼食、夕食を食べ，主食，主菜，副菜からなる一般的な食事
を摂る偏食のない者
（５）　指示する献立・配膳指示書に従い調理された試験食品の摂取が可能な者
（６）　日常的にアルコール飲料を摂取しておらず，試験期間中，アルコール飲料の摂取を控えることができる者

「対照群の選択基準」
（１）　上記「被験群の選択基準」の（１）、（２）、（４）～（８）を満たす者のうち、３日間測定した体重に基づいて算出したＢＭＩの値が下記に示す目標体重範囲内の者（目標体重（６５歳以上）：ＢＭＩ２１．５～２４．９　ｋｇ／ｍ^２）

「除外基準」
（１）　体重測定で著しい異常が認められる者
（２）　試験開始日から数えて半年以内に開腹手術をした者
（３）　閉経前後の女性で体調の著しい変化がみられる者
（４）　薬物又は食品に対しアレルギー症状を示す恐れのある者
（５）　妊娠中または妊娠している可能性のある女性、および授乳中の女性
（６）　他の臨床試験に現在参加しているか，あるいは４週間以内に参加していた者
（７）　献血及び静脈・筋肉・皮下注射による継続的な治療を行っている者
（８）　その他，研究代表者が不適格であると判断した者

体重・体組成データ測定
　体重・体組成（体脂肪率（％）、骨格筋率（％）、基礎代謝量（ｋｃａｌ））など各データの測定には、体重・体組成計を用いて起床時と就寝前に３回ずつ測定を実施した。データ処理には３回測定値の平均値を算出して用いた。

　体重・体組成データは被験者の測定補助を行う者が記録用紙にて記録した。測定値に０．１５ｋｇ以上の誤差が生じた場合には４回目の測定を実施し、データ処理の際には値の近い３つの平均値を算出して使用した。

食事摂取栄養素量の推定
　被験者の食事摂取栄養素量の推定には、栄養管理ソフトウェアを用いた。

　栄養管理ソフトウェアにより出力される給与栄養量表によって、１日に摂取した食事からエネルギー量と、水分、たんぱく質、脂質、糖質、食物繊維総量、炭水化物、ナトリウム、カリウム、カルシウム、マグネシウム、鉄、亜鉛、ビタミンＡ、ビタミンＤ、ビタミンＥ、ビタミンＢ_１、ビタミンＢ_２、ビタミンＢ_６、ビタミンＣ、食塩相当量、飽和脂肪酸の計２１成分の摂取量を推算した。ここで、給与栄養量表とは、対象者１名に対して１日あたりの摂取栄養素量をリストアップしたものである。なお、この栄養管理ソフトウェアには日本食品標準成分表（２０２０年版、八訂）に準拠されたデータが使用されている。

統計処理
体重関与栄養素の介入度評価
　介入期間における体重関与因子の体重改善効果への関与度を評価するため、介入度という指標を新規に設けた。介入度は、各体重関与栄養素について、介入期間の標準化後の体重関与因子の平均値から観察期間の標準化後の体重関与因子の平均値を引いたものに、重回帰分析により導かれた標準化係数の絶対値を乗算したものとした（式２）。

（式２）介入度算出式
　介入度＝［標準化した体重関与因子平均値（介入期間）－標準化した体重関与因子平均値（観察期間）］×｜標準化係数｜

　ここで標準化とは、データの平均が０、分散が１になるように値を補正する統計手法の一つであり、それぞれ単位が異なる栄養素などの体重関与因子に対して、因子間の比較を可能とするものである。また、標準化係数は、重回帰分析によって導出された重回帰係数を単位の異なる説明変数同士で比較する際に使用する値であり、介入度の算出ではこの２種の値を用いて行った。

　式２によって対象者１人に対し個別に算出した介入度は、（１）体重改悪因子が負の値に、体重改善因子が正の値になっているとき、または（２）体重改悪因子の介入度を体重改善因子の介入度が上回るとき、観察期間と比較して体重改善が期待される栄養素調整が行えているものと評価した。

検定方法
　測定結果には観察期間、介入期間ごとにそれぞれ平均値と標準誤差を算出した。介入開始１日目の体重測定値は試験食品を摂取していない結果であることから、介入期間１日目のデータは検定の際は除外して統計処理を行った．被験者個人の体重測定値について、観察期間と介入期間の平均値を比較するため、対応のないｔ検定を選択し、これによる統計処理を行った．検定における有意水準は両側検定で５％以下とし、ｐ値が０．０５以下の時“＊”で、０．０１以下の時“＊＊”で、０．００１以下の時“＊＊＊”で示した。

実験結果
条件検討試験結果

体重予測モデル式
　観察期間に取得した起床時体重を目的変数、摂取栄養素量・運動量（歩数）を説明変数としてＳＰＳＳ　Ｓｔａｔｉｓｔｉｃｓ　ｖｅｒ．２５および２８を用いて重回帰分析を行った（図１３）。求められた重回帰係数により、起床時体重を予測するモデル式を構築し、係数の符号から体重関与因子を特定した。２つの条件検討試験で使用した合計６つのモデル式の重相関係数の平均値は０．８０であり、摂取栄養素と体重測定値の間には高い相関が見られたことから、摂取栄養素量および運動量（歩数）から起床時体重を予測できることが示唆された。

２０２０年度，介入期間第１期（式３）
　起床時体重　＝　－０．０１８×たんぱく質＋０．００７９×脂質－０．０５４×食物繊維－０．１６×鉄＋０．４３×ビタミンＢ_６＋０．０１４×ビタミンＣ－０．０００１７×運動量（歩数）＋７１．１３

２０２０年度，介入期間第２期（式４）
　起床時体重　＝　０．０４２×脂質－０．００５４×炭水化物＋０．０００５９×カリウム＋０．００１５×カルシウム－０．２４×ビタミンＥ－０．８１×ビタミンＢ_６－０．０７９×飽和脂肪酸＋７１．８７

２０２１年度，介入期間第１期（式５）
　起床時体重　＝　０．００６５×糖質＋０．００１４×カリウム－０．０１１×マグネシウム＋０．０３４×ビタミンＤ－２．０１×ビタミンＢ_６＋０．００７０×ビタミンＣ－０．０３２×飽和脂肪酸＋７１．８４

２０２１年度，介入期間第２期（式６）
　起床時体重　＝　０．０１９×たんぱく質－０．００２４×糖質＋０．００５４×炭水化物＋０．００１４×カルシウム－０．１４×鉄－０．０６８×亜鉛－０．２４×ビタミンＢ_１＋７０．７６

２０２１年度，介入期間第３期（式７）
　起床時体重　＝　－０．００００２２×ナトリウム＋０．００１１×カリウム－０．００５２×亜鉛＋０．０００７６×ビタミンＡ－１．０１×ビタミンＢ_６＋７１．１９

２０２１年度，介入期間第４期（式８）
　起床時体重　＝　０．０００３６×ナトリウム＋０．０００９２×カリウム－０．０００９３×カルシウム＋０．０２８×ビタミンＤ－０．７２×ビタミンＢ_６＋０．１４×食塩相当量＋７０．８８

試験食品の体重関与栄養素量
　介入期間に対象者が試験食品によって摂取したエネルギー量と栄養素の量を、観察期間の摂取量を１００％として比較したグラフを以下の図１４～１９に示した。同じラベルの２本の棒グラフにおいて、左が観察期間、右が介入期間の摂取量を示す。○印は体重改善因子を、×印は体重改悪因子を示すものである。また、試験食品メニュの設計にあたり、エネルギー量を変化させないことを条件として定めていたため、これについても栄養素と同様に比較した。介入期間のエネルギー量は、観察期間と比較して９５％～１０６％の範囲内での調整を達成している。また、栄養素量の調整では一部例外を除き、体重改善因子を増加させ、体重改悪因子を減少させる調整ができた。加えて、２０２０年実施の条件検討試験では、糖質量についても観察期間と変化させない調整となった。

体重測定結果
　体重・体組成計により測定された起床時体重について、観察期間と介入期間の平均値を比較したグラフを以下の図２０～２２に示した。２０２０年度に実施した条件検討試験と、２０２１年に実施した条件検討試験のいずれの測定期間の比較においても、被験食の摂取前、観察期間の平均体重と比較して有意（ｐ＜０．００１）な減量（体重改善）が確認された。

体組成測定結果
　体重・体組成計により測定された体脂肪率、骨格筋率、基礎代謝量を以下の図２３、２４に示した。体組成の測定では、２０２０年度に実施した条件検討試験と２０２１年度に実施した条件検討試験のどちらにおいても、体脂肪率と基礎代謝量が共に単調減少傾向にあることが確認された（図２３（ａ）、図２４（ａ））。骨格筋率については、試験期間を通して変化傾向が見られなかったため、条件検討試験における体重改善（体重減少）は体脂肪の減少によるものであると判断された。

活動量測定結果
　活動量計によって測定した運動量（歩数）の測定結果を以下の図２５～２６に示した。

　２０２０年度に実施した条件検討試験では、介入期間（第１期）において運動量（歩数）が体重改善因子としてモデル式に組み込まれたため、無理のない範囲で観察期間から増加させた目標歩数を設定（観察期間比で約２００％）し、１日の歩数合計がその数値になるように意識的な歩行を実施させた。ただし、その他の期間では運動量（歩数）が体重関与因子としてモデル式に組み込まれることがなかったため、意識的な歩行は実施させず、普段通りの生活を行わせた。２０２１年度に実施した条件検討試験においても、運動量（歩数）は体重関与因子としてモデル式に組み込まれることがなかったため、意識的な歩行は行わせず、普段通りの生活を維持させた。

栄養素介入度の評価
　試験対象者に対する体重関与因子の介入度を以下に示した（図２７～３２）。各図において、○印が体重改善因子またはその構成因子となる栄養素の介入度を、×印が体重改悪因子またはその構成因子となる栄養素の介入度を示すものである．介入度が正の値を示すとき、その栄養素の摂取量が介入期間において観察期間よりも増加したことを、負の値を示すときに観察期間の摂取量よりも減少したことを示している。体重改善因子の介入度が正の値となり，体重改悪因子の介入度が負の値となるとき、対象者の体重が改善することが期待される理想的な介入が行われていることを示す。

　２０２０年に実施した条件検討試験では、個々の体重関与因子に着目した場合、介入第１期のビタミンＢ_６のように改悪因子でも介入度が正の値になったもの（図２７ａ）や、介入第２期のビタミンＢ_６のように改善因子となっても介入度が負の値となったもの（図２８ａ）など、理想的な介入ができなかった栄養素が存在する。しかし、関与因子全体としてみた際では、どちらも改善因子の介入度が正、改悪因子の介入度は負の値を示す結果となった（改善因子の介入度＞０、改悪因子の介入度＜０）。また、２０２１年に実施した条件検討試験では、全体の体重関与因子では介入第１期から第４期のいずれの期間も改悪因子の介入度が正の値となったが、それ以上に改善因子の介入度を増加させることで対処した（改善因子の介入度＞改悪因子の介入度＞０）。

　このように、個々の体重関与因子では理想と逆の介入度となった場合でも、関与因子全体では体重改善因子の介入度は正の値に、体重改悪因子の介入度は負の値とすることで、対象者の体重を改善することが期待される食事の設計がなされた。また、体重改悪因子の介入度が正の値となっても、その値以上に体重改善因子の介入度を高くすることで、同様に体重改善効果が見込めるものとなった。

血液検査結果
　２０２１年に実施した条件検討試験にて実施した血液検査の結果を以下に示した。介入期間終了後の血中成分を観察期間と比較した結果、血糖値と総コレスレロール量が減少したことが確認された（図３３～３６）。

臨床試験結果
解析対象者
　介入期間に被験者に摂取させた食事は、観察期間に摂取したエネルギー量から不変となるように量の調整を行っていたが、臨床試験を完遂した被験者９名のうち、介入期間にも残食が見られた被験者が確認された。残食が起こった場合、栄養素最適化によって設計した通りの栄養素組成ではなくなり、想定していた条件での効果検証が困難となる。よって、介入期間２８日間のうち、朝・昼・夕いずれかの食事で残食が発生した日が８日（３０％）以上となった３名を有効性解析の対象から除外した。

　この結果、解析対象者となった者４名（Ｅ－０２、Ｅ－０８、Ｅ－０９、Ｎ－０２）、対照群が２名（Ｅ－０４、Ｎ－０６）であった。また、解析対象者の内訳は体重増量を目的とした介入を行った者は３名、減量を目的とした介入を行った者が１名であった。

体重予測モデル式
　観察期間に取得した起床時体重を目的変数、起床時体重測定前日の摂取栄養素量を説明変数とし、ＳＰＳＳ　Ｓｔａｔｉｓｔｉｃｓ　ｖｅｒ．２５を用いて重回帰分析を行った結果を以下に示した（図３７）。

　求められた重回帰係数により、起床時体重を予測するモデル式を構築し、係数の符号から被験者毎に体重関与因子を特定した。作成した合計７つのモデル式の重相関係数の平均値は０．６４であり、摂取栄養素と体重測定値の間には相関が見られたことから、摂取栄養素量によって起床時体重を予測できることが示唆された。以下に事例を示す。

Ｅ－０２（式９）
　起床時体重＝０．０００１３×ナトリウム－０．００５１×マグネシウム＋０．１０×鉄＋０．００７２×ビタミンＤ－０．３２×ビタミンＢ_２＋０．０２１×飽和脂肪酸＋４４．５８
Ｅ－０８（式１０）
起床時体重＝０．０１４×脂質＋０．００６０×炭水化物－０．００２５×カルシウム＋０．００９１×マグネシウム－０．１６×ビタミンＥ＋０．００３８×ビタミンＣ＋４２．８６
Ｅ－０９（式１１）
起床時体重＝－０．０１８×たんぱく質＋０．０００２５×ナトリウム－０．１６×鉄－０．０００８４×ビタミンＡ－０．０６６×ビタミンＥ＋０．００２７×ビタミンＣ＋５０．９５
Ｎ－０２（式１２）
起床時体重＝－０．０３２×たんぱく質＋０．０００４７×ナトリウム＋０．０２９×鉄＋０．００１７×ビタミンＡ－０．０５９×飽和脂肪酸＋６２．２４

試験食品の体重関与栄養素量
　被験群に振り分けられた７名の被験者について、介入期間に摂取した被験食のエネルギー量及び各栄養素量が、観察期間に摂取したものと比較してどの程度調整されたかを百分率で示した（図３８）。被験者が摂取したエネルギー量は、観察期期間比で平均９６．７％となり、エネルギー量を変化させないという条件でも体重関与因子の増減調整を行うことができた。また、対照群に振り分けられた２名の被験者については、エネルギー量のみについて観察期間と介入期間で比較した（図３９～４３）。食事摂取栄養素の最適化は行っていないが、摂取するエネルギー量の観察期間からの変化はなかった。
　なお、棒グラフの左が観察期間の摂取量を示し、右が介入期間の摂取量を示す。また、各系列において丸印は体重改善因子を、×印は体重改悪因子を示す。

体重測定結果
　体重・体組成計によって測定された各被験者の起床時体重について、観察期間と介入期間の測定値の比較を行った結果を、以下の図４５～５０に示した。

体組成測定結果
　体重・体組成計により測定された体脂肪率、骨格筋率、基礎代謝量を以下の図５１～５６に示した。被験者によって体重関与栄養素が異なるとの解析結果が得られ、個別の栄養素最適化を行っていたことから、同じ体重増加のための調整を行った者であっても体脂肪率の上昇や骨格筋率の上昇、あるいはどちらの変化も見られない等で被験者ごとに異なる挙動を示していることが確認できる。

栄養素介入度の評価
　解析対象者４名の介入期間の体重関与因子の介入度を図５７～６０に示した。第３章第１節６にて示したものと同様、個別の体重関与因子では改善因子であるが介入度が負となったもの、改悪因子であるが介入度が正になったものがみられる（図５７ａ～図６０ａ）。一方、全体の関与因子でみた場合、被験者番号Ｅ－０２では２０２１年に実施した条件検討試験と同様に改善因子の介入度＞体重改悪因子の介入度＞０という介入が実施されたことを（図５７ｂ）、被験者番号Ｅ－０８、Ｅ－０９、Ｎ－０２については改善因子の介入度＞０、改悪因子の介入度＜０という介入が実施されたことを示し、いずれも被験者の体重を改善することが期待される介入となったことを示している。

まとめ
　第１実施例では、効果的な体重改善のための栄養素の最適化方法の条件検討試験および栄養素の個人最適化による体重改善効果の実証のための臨床試験を実施した。

　個人の体重と摂取栄養素量との関係を解析した結果、個人によって体重予測モデル式に組み込まれた栄養素は異なり、個人ごとに体重関与因子が異なることが示された。合計３回実施した栄養素を最適化した食事による２８日間の介入条件検討試験では、いずれの介入でも有意な体重改善（介入前比で－２．６７ｋｇ，－１．８５ｋｇ，－３．０１ｋｇ，いずれもｐ＜０．００１）が確認された。１週間毎の連続解析では、解析を行うごとに異なるモデル式が得られ、体重改善因子として特定されたマグネシウムが次の解析では関与因子から除外され、体重改悪因子であった糖質が次の解析では体重改善因子として特定されたことから、同一の個人であっても体内環境や外部環境の変化などにより体重関与因子となる栄養素が変遷することが示唆された。この連続解析を用いた介入では，介入前比で－３．０１ｋｇ（全体重４．２％の減量）とそれまで行った条件検討試験の中では最も大きな体重改善効果が得られた。このことから、連続解析は継続的に体重改善効果を得るにあたって有用であると考えられる。

　臨床試験の結果では、被験群に割り振られた７名の被験者のうち、全介入食２８食のうち８食（３０％）以上で残食がみられた３名は、基準となる摂取栄養素量を満たさなかったため解析対象から除外した。有効性解析の対象となった４名の被験者では、４名（１００％）において介入前後の比較で有意な体重改善（ｐ＜０．０１）がみられた。対照群では有意な体重変動はみられなかったことから、この試験によって得られた体重変動はいずれも栄養素の最適化調整に起因するものであると推定された。

　これらの結果は、摂取栄養素量から体重を予測することが可能であり、体重と栄養素間の関係性を導く重回帰分析によって特定された改善・改悪因子となる栄養素の量を調整、すなわち個人に対して栄養素最適化した食事を継続的に摂取することにより、健康的な体重へと向かわせることが可能であることを実証するものである。体重改善を目的とした本研究では、栄養素最適化を行う際の条件として摂取エネルギー量を変化させないことを定めていた。エネルギー量を変化させない、すなわちカロリーコントロールに頼らない体重改善効果を実証した本試験結果は、従来の減量に対する定説を覆すものであるといえる。

　個人の体重に影響を与える体重関与因子を特定するための解析において、本実施例で用いた解析手法は、栄養素量に限らず数値化できればどのようなものであっても組み込むことが可能であるという特徴を持つ。実際に、条件検討試験では栄養素以外の要因として運動量を歩数として解析時に組み込んだが、その結果として２０２０年に実施した条件検討試験の介入第１期においては体重改善因子として特定された。介入第１期では栄養素を最適化した食事の摂取に加えて、試験対象者に無理のない範囲での歩行増加を実施させた。歩行によって期待される体重改善量の期待値は、アメリカスポーツ医学協会が提示する歩行時のエネルギー消費量を参考にして、脂肪１ｋｇの燃焼に必要なエネルギー量（ｋｃａｌ）と歩行により消費するエネルギー量（ｋｃａｌ）を元に計算した結果０．４ｋｇであると考えられた。これは実際に観測された体重改善２．７ｋｇのうち、約１５％に該当するものである。このことから、運動量を増やすことは栄養素最適化による体重改善効果を補助する効果が推測されるが、その効果は栄養素量に比べると小さいということが推察された。なお、運動量（歩数）が体重関与因子として特定されたのはこのときのみであり、介入第２期や２０２１年に実施した試験では体重関与因子として特定されることはなかった。

　第１実施例で行った試験において、「食事に含まれている各種栄養素量」は体重に関与する栄養素を特定する上で必要な重要な数値である。この数値を推定するにあたって、条件検討試験ではスマートフォンアプリ「あすけん」を、臨床試験ではＷＥＢソフトウェア「プチ献ダテマンｗｅｂ」を用いた。いずれも食事メニュ名または食材名を入力することにより、日本食品標準成分表を参照して栄養素量を回答するシステムであり、成分表に加え市販食品についても収載する「あすけん」の予測精度については文献でも報告がなされている。日本食品標準成分表は、三大栄養素を始めとして、各種ミネラル、ビタミン量を指定された分析方法で解析し、推定値として算出・収録したものであるが、これらのデータは絶対の数値ではない。これは、食材によって季節や産地、品種など数多くの差異があるために栄養素量が一意に定まらないためである。それでも、本研究においてはその食材に含まれている栄養素量の概算値から、関与因子を判断できるものとして扱った。

　２０２１年度に実施した条件検討試験について、介入期間の開始後、再解析によるモデル式の更新を行うごとに１週間分の体重推移に対してｙを体重（ｋｇ）、ｘをモデル式の使用開始からの日数（日）とした直線近似を導き、その傾きを算出したところ、４期間の傾きはそれぞれ－０．２７、－０．１５、－０．０３、－０．２０となり、継続的に体重が改善されていることが確認された。この傾きから推算すると、概ね１週間で１ｋｇの体重改善が見込めることとなる。本研究で行った試験では１週間毎に解析を行ったが、解析によって更新された体重予測モデル式を元にした食事の栄養素最適化調整にかかる時間を短縮することができれば、理論上毎日１回解析を行った上で、モデル式を更新することは可能である。この連続解析は，対象者がおかれている環境等の外的要因によって刻一刻と変化していく身体のステータスを素早く反映し、より高精度に個人の健康指標に影響する栄養素を特定する上で有用な手法になりうると考えられる。連続解析では、必ずしも同じ栄養素がモデル式に選択されることがないため、モデル式の更新は食事パターンのバリエーションを豊かにすることが期待され、ＱＯＬを担保することが可能になると考えられる。連続解析によるモデル式の更新利用は、体組成の経時変化に対応し、かつ被験者のＱＯＬ担保という観点からも有用であると推察された。以上の結果より、血圧に次いで体重に関しても、食事により摂取する栄養素で予測並びに制御することが可能であることが第１実施例にて実施された試験により示されたものと判断した。

　体重関与因子となった栄養素の調整の度合いについては、第１実施例にて介入度という指標を新規に定め、算出して評価した。個々の体重改善因子となる栄養素は増量、体重改悪因子となる栄養素は減少させる調整が理想的だが、対象者の強い希望やＱＯＬ確保のために前述の理想的な調整が出来ない事態が想定される。具体的には、たんぱく質が改悪因子であるが「たんぱく質は増やしたい」と希望をもつ対象者には、たんぱく質を増加させた分だけ他の改悪因子を減少させて、改悪因子の介入度の総和を減少させて目標達成できるように調整する必要がある。この場合、「個別の改悪因子であるたんぱく質は増加」するが、「改悪因子の介入度の総和は減少」となる。この逆のパターンである「個別の改善因子は減少」するが「改善因子の介入度の総和は増加」の場合もある。また、例え個別の改善因子が減少して「改善因子の介入度の総和が減少」し、個別の改悪因子が増加した場合でも、「改悪因子の総和の減少が改善因子の総和の減少の効果を上回る」ように調整すれば目標達成が可能となる。逆に個別の改悪因子が増加して「改悪因子の介入度の総和が増加」し個別の改善因子が減少した場合でも、「改善因子の介入度の総和が改悪因子の介入度の総和を上回る（改善因子の介入度＞改悪因子の介入度＞０）」ようにすれば目標達成が期待されることとなる。このことから、個人の目標達成に向けた栄養素の最適化に際しては自由度が極めて高くなることが推察された。

　以上のように、第１実施例では、摂取栄養素の個人最適化による体重の改善効果を、ヒトを対象とした臨床試験により実証した。体重の他にも骨格筋率や脳機能といった体データに加え、スポーツの競技タイムといった数値データも改善指標として摂取栄養素を最適化し、効果をはかる試験が実施されており、それぞれについて一定の成果が得られている。これらの結果は、生体指標に関連して数値化できるものであれば栄養素の個人最適化によって改善効果が得られ、個人が望む健康を入手できる、すなわち自己実現の達成が可能であることを示すものであると考えられる。

＜第２実施例＞
　第２実施例では脳機能（記憶力）を改善対象とした。日々の摂取栄養素量と記憶力試験の相関関係を解析し、栄養素量を最適化した個別最適食を設計、摂取することで記憶力改善効果を検証した。

実験材料と方法
実験材料
対象者
健常な成人男性１人
　試験期間中は１日３回の食事とし、健康食品やサプリメント類、アルコール類の摂取、３食以外の食事（追加の食事や間食）の摂取は禁止、飲料は水のみとした。また、不規則な生活は避け、一定の運動習慣となるようにした。

統計ソフト・アプリケーション
　ＩＢＭ　ＳＰＳＳ　Ｓｔａｔｉｓｔｉｃｓ　ｖｅｒ．　２５（ＩＢＭ，　ｔｈｅ　Ｕｎｉｔｅｄ　Ｓｔａｔｅｓ　ｏｆ　Ａｍｅｒｉｃａ）
　ＡＰＰＲＯＮ（一般社団法人　健康栄養支援センター，　大阪）
　※日本食品標準成分表２０２０年版（八訂）準拠

実験方法
試験スケジュール（図６２）
　試験期間は２つの期間に分け、それぞれ観察期間（２８日間）、実証期間（２８日間）とした。観察期間では記憶力試験スコアと記憶力試験を行った回数を記録し、栄養素量計算ソフトを用いて摂取栄養素量の記録も行った。実証期間は、観察期間で取得したデータを重回帰分析し、解析結果をもとに栄養素調整を行った個別最適食を３食（朝、昼、夜）摂取、観察期間と同様に記憶力試験スコア・回数、摂取栄養素量の記録を行った。

記憶力試験
　第２実施例では記憶力の指標として、数字を用いた短期的な記憶力を測る試験を用いた。記憶力試験は毎日６～１０回行い、試験回数はランダムに振り分けた。そのうち６回は指定時間（１０時、１３時、２２時で各２回）に行い、残りの０～４回は任意の時間に行った。試験時間や試験回数に差異が生まれない条件での前後比較を行うため、指定時間に行う６回の試験スコア平均をその日のスコアとした。慣れによるスコア上昇を排除するため、本試験開始前に同記憶力試験を毎日行い、スコアの上昇が確認されなくなった後に本試験を開始した。

記憶力試験手順
　１．５×７マスにランダムな配置で表示される数字を記憶する。
　２．３秒後に数字が非表示になる。
　３．表示されていた数字を再現するように１から順に選択する。
　４．正解ごとに表示される数字が増加するため、誤答するまでの最大表示数がスコアとなる。

モデル式の導出
　記憶力改善食を設計するにあたって記憶力と栄養素の関係を解析し、記憶力における改善因子および改悪因子となる栄養素を特定する必要がある。記憶力関与栄養素の特定、その栄養素の式に対する影響度を判明させるためＳＰＳＳを使用した重回帰分析を行い、モデル式を導出した。目的変数は記憶力試験スコア、説明変数は記憶力試験回数および合計２０種類の前日摂取栄養素量（たんぱく質、脂質、食物繊維総量、炭水化物、ナトリウム、カリウム、カルシウム、マグネシウム、鉄、亜鉛、ビタミンＡ、ビタミンＤ、ビタミンＥ、ビタミンＢ_１、ビタミンＢ_２、ビタミンＢ_６、ビタミンＣ、食塩相当量、飽和脂肪酸、糖質）およびエネルギーとし、解析方法は変数減少法を用いた。最新のデータをモデル式に反映するため、解析時点から直近２４日間のデータを使用し、４日ごとに合計７回の解析を行った。また、説明変数間で高い相関がある場合回帰式の信頼性が低くなり、予測誤差が大きくなる可能性がある。そのため分散拡大係数（ＶＩＦ）が１０以下の説明変数を用いたモデル式を採用した。ＶＩＦが１０以上であった場合、解析するデータを１日分ずらす、データ数を増加させるなどの対処をした。モデル式において、選択された栄養素は記憶力を予測するために重回帰分析によって選ばれた変数であり、重回帰係数が正である栄養素は記憶力改善因子、負である栄養素は記憶力改悪因子といった影響を与える因子であると考えられる。

個別最適食の設計
　記憶力試験の目標予測点を設定し、導出したモデル式で明らかとなった記憶力改善因子と記憶力改悪因子を調整することで予測点を達成できる個別最適食を設計した。１日の合計摂取栄養素量をモデル式に代入し、算出された予測点が設定した目標点となるよう、使用する食材の変更、食材使用量の調整といった操作をすることで食事を設計、最適化した。ＱＯＬ維持のため、１日３食（朝、昼、夜）とし、観察期間に摂取した食事から大きく外れないよう観察期間の平均摂取エネルギー量と比較して±２００　ｋｃａｌ（±１１．６％）以内で設計した。

栄養素の調整度評価
　摂取栄養素について標準化を行い、各栄養素の調整の度合いを算出し評価した。標準化はデータの平均を０、分散を１にスケーリングすることであり、標準化を行うことで単位の異なる栄養素についての比較が可能となる。解析に使用した栄養素データの平均および標準偏差を用いて標準化し、実証期間の標準化後の栄養素量の平均から観察期間の標準化後の栄養素量を引いたものに、重回帰分析により導かれた標準化係数の絶対値を乗算した値を調整度とした。調整度は記憶力関与因子全体調整度と記憶力関与因子個別調整度について算出した。調整度の値が正である場合観察期間よりも多く、負である場合観察期間よりも少なく調整が行われている。

有意差検定
　記憶力試験結果は観察期間、実証期間ごとに平均値と標準偏差を算出した。ある改善食に対応する結果は翌日の結果であるため、実証期間１日目の記憶力試験データは除外した。観察期間と介入期間の記憶力試験結果の比較は対応のないｔ検定による統計処理を行った。検定における有意水準は両側検定で５％以下とした（＊ｐ＜０．０５，　＊＊ｐ＜０．０１，　＊＊＊ｐ＜０．００１）。

実験結果
記憶力関与因子の特定
　観察期間に取得した前日摂取栄養素量と前日記憶力試験回数のデータを説明変数として、記憶力試験スコアを目的変数として重回帰分析を行った。求められた重回帰係数から記憶力試験スコアを予測するモデル式を導出し、係数の符号から改善因子および改悪因子を特定した（図６３）。７回の解析の平均相関係数は０．７７６となり、高い相関が見られた。また、解析それぞれで改善因子と改悪因子の種類が異なる結果となった。各解析の条件は図６４に示した。

記憶力試験点数予測モデル式
解析Ｎｏ．１　相関係数：０．８６４
記憶力試験点数　＝０．０６６７［試験回数　_回］　＋　０．０００４９［カリウム　_ｍｇ］　＋　０．１９５［鉄　_ｍｇ］　－　０．０２８９［ビタミンＤ　_μｇ］　－　０．７７３［ビタミンＢ_２　_ｍｇ］　－　０．６７８［ビタミンＢ_６　_ｍｇ］　－　０．１１９［食塩相当量　_ｇ］　＋　９．３８１

解析Ｎｏ．２　相関係数：０．８９０
記憶力試験点数　＝０．００２０７［脂質　_ｇ］　＋　０．０００６９［カリウム　_ｍｇ］　＋　０．２４１［鉄　_ｍｇ］　－　０．１７３［亜鉛　_ｍｇ］　－　０．０３０１［ビタミンＤ　_μｇ］　－　０．５５４［ビタミンＢ_６　_ｍｇ］　－　０．１４１［食塩相当量　_ｇ］　＋　９．７３１

解析Ｎｏ．３　相関係数：０．８９７
記憶力試験点数　＝０．００６２７［脂質　_ｇ］　＋　０．０１２０［マグネシウム　_ｍｇ］　＋　０．１０１［鉄　_ｍｇ］　＋　０．００００８７［ビタミンＡ　_μｇ］　－　１．０２４７［ビタミンＢ_２　_ｍｇ］　－　０．８８０［ビタミンＢ_６　_ｍｇ］　－　０．１７６［食塩相当量　_ｇ］　＋　９．４８０

解析Ｎｏ．４　相関係数：０．７４０
記憶力試験点数　＝０．００７０７［脂質　_ｇ］　＋　０．０２３２［食物繊維総量　_ｇ］　－　０．０００３３１［ナトリウム　_ｍｇ］　－　０．００５０８［マグネシウム　_ｍｇ］　＋　０．６８０［鉄　_ｍｇ］　－　０．３６１［ビタミンＢ_２　_ｍｇ］　－　０．００３１０［糖質　_ｇ］　＋　９．５０６

解析Ｎｏ．５　相関係数：０．６２７
記憶力試験点数　＝０．０８３１［試験回数　_回］　－　０．００８２１［たんぱく質　_ｇ］　＋　０．０３６８［鉄　_ｍｇ］　＋　０．０４０７［亜鉛　_ｍｇ］　＋　０．０３４７［ビタミンＥ　_ｍｇ］　－　０．２００［ビタミンＢ_２　_ｍｇ］　－　０．０８０９［食塩相当量　_ｇ］　＋　８．９８２

解析Ｎｏ．６　相関係数：０．７２８
記憶力試験点数　＝０．０９４４［試験回数　_回］　－　０．００４９８［マグネシウム　_ｍｇ］　＋　０．０５７１［鉄　_ｍｇ］　＋　０．０８２２［亜鉛　_ｍｇ］　＋　０．０５２６［ビタミンＥ　_ｍｇ］　－　０．４０８［ビタミンＢ_２　_ｍｇ］　－　０．０９２３［食塩相当量　_ｇ］　＋　９．００６

解析Ｎｏ．７　相関係数：０．６８３
記憶力試験点数　＝０．０２３９［脂質　_ｇ］　＋　０．０００８７７［カルシウム　_ｍｇ］　－　０．００２３７［マグネシウム　_ｍｇ］　＋　０．０１３３［鉄　_ｍｇ］　－　０．０２０６［ビタミンＤ　_μｇ］　－　０．５２７［ビタミンＢ_１　_ｍｇ］　－　０．０４８１［飽和脂肪酸　_ｇ］　＋　９．０４９

個別最適食の設計
　観察期間の記憶力試験スコアをもとに目標予測点を設定し、それを達成できる個別最適食（１日３食）を設計した。予測点は１０．３点として定め、食材の調整を行うことで献立を作成した。献立例は図６５に示した。

栄養素調整度
　各解析で特定された記憶力改善因子、記憶力改悪因子の全体調整度および個別調整度を以下に示した（図６６～７２）。改善因子調整度は全て正の値となったが、改悪因子調整度は一様ではなく解析Ｎｏ．１，３，６，７では正の値、解析Ｎｏ．２，４，５では負の値となった。栄養素調整として個々の改善因子は増量させ、個々の改悪因子は減量させることが理想であるが、ＱＯＬの維持のため理想の調整ができないことがある。その例として改悪因子であるたんぱく質の摂取量を減少させたくない、もしくは増加させたい場合、他の改悪因子を減少させ改善因子を増加させるといった調整を行う必要がある。また、個別の改善因子が減少した場合でも他の改善因子を増加させ、改悪因子を減少させることで調整が可能である。このように「改善因子の総和による効果が改悪因子の総和による効果を上回る」ような調整を行うことで目標値を達成した個別最適食の設計が可能である。

摂取栄養素量変化
　観察期間と実証期間の摂取栄養素量を比較するために、観察期間の摂取量を１００％として比較したグラフを示した（図７３～７９）。同じラベルの２本の棒グラフにおいて、左が観察期間、右が実証期間を示し、○印は記憶力改善因子を、×印は記憶力改悪因子を示すものである。エネルギー量について、観察期間の平均摂取エネルギー量とほぼ同等になるような設計を条件としていた。実証期間のエネルギー量は１０４～１０９％となり、条件内での設計を達成できた。記憶力試験回数は改善因子であった場合は増加、そうでなかった場合は観察期間の平均回数とほぼ同等となるように調整した。

記憶力試験の結果
　観察期間および実証期間の記憶力試験のスコアの推移を示した（図８０）。観察期間では記憶力試験スコア上昇は確認されなかったが、実証期間ではスコア上昇傾向が確認され、観察期間のスコア平均は８．８０点、実証期間のスコア平均は９．３１点となり有意にスコア平均が上昇した（ｐ＜０．００１）（図８１）。また各期間のスコア分布比較を行い、観察期間と実証期間それぞれ７点が１２回（７．１％）と０回（０％）、８点が４１回（２４．４％）と３１回（１８．５％）、９点が８６回（５１．２％）と７２回（４２．９％）、１０点が２７回（１６．１％）と４８回（２８．６％）、１１点が２回（１．２％）と１６回（９．５％）、１２点が０回（０％）と１回（０．６％）となり、試験スコアの向上が確認された（図８２）。

まとめ
　第２実施例では、健常な成人男性１名を対象に日々の摂取栄養素量や記憶力試験スコア、記憶力試験回数のデータを解析することで記憶力を改善する因子・改悪する因子を特定、それらの因子を調整した食事を設計し摂取することで記憶力改善を検証した。

　第２実施例では、試験期間中のバイタルデータを重回帰分析することで摂取栄養素量、記憶力試験回数から記憶力試験スコアを予測するモデル式を導出した。解析は合計７回行い、モデル式の平均重相関係数は０．７７６±０．１００となり、各解析においても高い相関が見られたためモデル式によって記憶力試験スコアを予測できることが示唆された。また、解析ごとにモデル式に含まれる記憶力改善因子・改悪因子の種類と目的変数に対する各栄養素の影響度は異なり、ある栄養素については係数符号が逆転しているものも確認された。使用しているデータは解析ごとに異なっており、各解析時点の最新のデータを用いた。このことから、解析時の身体の状態を反映していることが推察され、より最新のデータに沿った精度の高い食事の設計が可能であることが考えられる。

　それぞれのモデル式に含まれる栄養素は異なったが、高い頻度で採用される栄養素があり、これらが大きな影響を与えていることが考えられる。改善因子であった鉄は脳機能に重要である酸素を運搬する能力を持っているが、吸収率が約１５％と低いことが分かっている。この低い吸収率を補うために摂取量を増やすよう改善因子として示されたことが考えられる。同じく改善因子であった脂質は脳の６０％を構成している重要な栄養素である。脳での主なエネルギー源はグルコースだが、グルコースが不足すると肝臓で脂質からケトン体をつくり出しエネルギーが不足しないよう常に調節されている。また、細胞の構成成分としてのはたらきを持っており情報伝達に関与している。このようなはたらきが脳機能に関与していると考えられる。改悪因子であった食塩相当量はナトリウム量を示している。ナトリウムは能動輸送によって細胞内外を移動し、濃度勾配をつくる。この濃度勾配に依存して糖やアミノ酸など様々な物質が輸送される。ナトリウムによる能動輸送は細胞内部のイオン環境の維持にも関与しており、このようなはたらきが脳機能に関与している可能性がある。モデル式に含まれた栄養素のうち、試験期間中に改善と改悪が逆転しているものも確認された。それらはミネラルであり、人体の様々な代謝に関わっている重要な栄養素である。個別最適食の先行研究においてもミネラルやビタミンは関与因子として示されることが多く、身体活動機能に大きく関与している可能性があり、身体の状態によって必要量が常に変化しているため改善と改悪が逆転したことが考えられる。

　モデル式に記憶力試験回数が含まれることがあり（解析Ｎｏ．１，　Ｎｏ．５，　Ｎｏ．６）、栄養素量だけでなく記憶力試験回数も調整することが可能であった。このことから、非栄養因子の影響も考慮することができ、栄養素調整と組み合わせて最適化メニュの設計が可能であると考えられる。

　解析ごとに設計した個別最適食の栄養素量・試験回数の調整度合いを示すため栄養素調整度を算出し比較した。第２実施例では、記憶力改善因子は先行研究と同様観察期間と比較してすべての栄養素で増加させる調整を行った。改悪因子は基本的に減少させる調整を行ったが、一部の栄養素で増加している、またはほぼ変動なしといった調整を行った。「改善因子の総和による効果が改悪因子の総和による効果を上回る」調整することで個別最適食は設計可能であり、個人のライフスタイルや食の好みなどを考慮できることが考えられる。

　第２実施例では２０種類以外の栄養素としてアミノ酸も含んだ解析を行った。その結果、アミノ酸同士に高い相関関係があり、それによってＶＩＦが１０以上となりモデル式の信頼度が大きく低下してしまうことがあったため、変数から除外した。しかし、アミノ酸が問題なくモデル式に含まれた場合、サプリメント等を用いることでも栄養素調整が可能であり、適切な個別最適食を設計することができる。

　第２実施例の条件検討を行うため、予備試験を行った。予備試験では摂取栄養素を解析し、記憶力改善・改悪因子となる栄養素を調整することで個別最適食を設計し摂取した。予備試験では実証期間後に個別最適食を摂取していない後観察期間を設け、記憶力試験結果は「サプリメントデータ予備試験結果」に示した。記憶力試験スコア上昇傾向が見られなかった観察期間と比較して、実証期間ではスコア上昇傾向が見られ有意にスコア平均が上昇した（ｐ＜０．００１）。しかし後観察期間ではスコア上昇傾向は見られず、実証期間と比較して有意なスコア平均上昇は確認されなかった（図８３～図８８）。このことから実証期間で確認されたスコア上昇は栄養素調整によるものであり、プラセボ効果ではないことが考えられる。

　第２実施例で用いた解析手法は栄養素に限らず数値化できるものであればモデル式に組み込むことができるため、栄養素以外の観点からも改善効果を促すこと、様々な健康指標改善に応用できることが可能である。また、一個人のデータをもとに解析することから、これまでの大衆向け指導とは異なり個人の体質やＱＯＬを維持した個別化指導が可能である。よって、この個別最適食は個人に寄り添った新たなヘルスケアとなる可能性を秘めている。

＜第３実施例＞
　第３実施例では、個人の持久力の向上を目標に、摂取栄養素量の最適化による心肺機能改善効果を検証した。心肺機能の指標には安静時心拍数を用いた。安静時心拍数は食事療法や運動習慣によって変化し、安静時心拍数を下げることで持久力は向上する。また、改善効果の向上のために摂取栄養素量以外の因子として運動量の導入も検討した。

試験材料と方法
試験材料
対象者
　１）健常な成人男性１人
　試験期間中は１日３回の食事とした。健康食品やサプリメント類、アルコール類の摂取、３食以外の食事（追加の食事や間食）の摂取は禁止、飲料は水のみとした。また、不規則な生活は避け、指定された運動以外の激しい運動は行わないようにした。

２．実験機器
　１）体重・体組成計（ＨＢＦ－２５５Ｔ、　オムロンヘルスケア株式会社、京都）
　２）ウェアラブルデバイス（Ｆｉｔｂｉｔ　Ｃｈａｒｇｅ３、Ｆｉｔｂｉｔ　（Ｇｏｏｇｌｅ）　、ＵＳＡ）
　３）スマートフォン（ｉＰｈｏｎｅ（登録商標）　ＸＲ、Ａｐｐｌｅ、ＵＳＡ）
　４）パルスオキシメータ（ｙｕｗｅｌｌ　パルスオキシメータ　ＹＸ３０１、株式会社グロックス、東京）
　５）新体力テスト　２０ｍシャトルラン音源　（文部科学省）

３．ソフトウェア・アプリケーション
　１）ＯＭＲＯＮ　ｃｏｎｎｅｃｔ（オムロンヘルスケア株式会社、京都）
　２）あすけん（株式会社ａｓｋｅｎ、東京）
　３）Ｆｉｔｂｉｔ（Ｆｉｔｂｉｔ　（Ｇｏｏｇｌｅ）、Ｃａｌｉｆｏｒｎｉａ、ＵＳＡ）
　４）ＳＰＳＳ　Ｓｔａｔｉｓｔｉｃｓ　ｖｅｒ．２５（ＩＢＭ、Ｎｅｗ　Ｙｏｒｋ、ＵＳＡ）

試験方法
試験スケジュール
　試験期間は２つの期間に分け、それぞれ観察期間（２８日間）、実証期間（２８日間）とスケジュール（図８９）に基づいて実施した。実証期間を第１期から第４期まで分割して１週間毎に重回帰分析を行い、安静時心拍数予測モデル式を作成した。観察期間では１日３食の摂取栄養素量と運動量（次頁で説明）を解析に用いるデータとし、記録を行った。実証期間では、観察期間で取得したデータを重回帰分析し、解析結果をもとに栄養素・運動量の調整を行った個別最適食を３食（朝、昼、夜）摂取・運動を行い記録した。また、持久力を評価するため７日毎に２０ｍシャトルランを実施し、観察期間と実証期間の前後比較、解析毎の持久力向上を確認した。

各データの測定方法
安静時心拍数
　目的変数となる安静時心拍数の測定には、ウェアラブルデバイスを用いて測定を実施した。

摂取栄養素量
　観察期間中は食事管理のためのスマートフォンアプリを用いて、１日３食の食事の写真撮影による栄養素の推定と記録を行った。記録の対象は、摂取した食事からたんぱく質、脂質、糖質、食物繊維総量、炭水化物、ナトリウム、カリウム、カルシウム、マグネシウム、鉄、亜鉛、ビタミンＡ、ビタミンＤ、ビタミンＥ、ビタミンＢ１、ビタミンＢ２、ビタミンＢ６、ビタミンＣ、食塩相当量、飽和脂肪酸の計２０栄養成分の摂取量および摂取エネルギー量とし、１日あたりの合計量を記録した。この毎日の栄養素量から安静時心拍数を予測するモデル式を作成した。なお、２０２０年１２月に改訂された日本食品標準成分表（２０２０年版，八訂）に準拠したデータが使用されている。

運動量
　本試験では、摂取栄養素量に加え運動量の変化を説明変数として用い、安静時心拍数に影響を与える有酸素運動（ジョギング）を行った時間を運動量とした。観察期間では、０分、１５分、３０分、４５分からランダムに選んだ時間を１日１回、１２　ｋｍ／ｈの一定の速度で行った（０分：７回、１５分：６回、３０分：７回、４５分：８回）。また、ジョギングの影響による安静時心拍数の減少を排除するため、本試験開始１か月前から観察期間と同様の方法でジョギングを行った。

モデル式の導出
　個別最適食を設計するためのモデル式の導出には、ＳＰＳＳ　Ｓｔａｔｉｓｔｉｃｓ　ｖｅｒ．２５（ＩＢＭ、Ｎｅｗ　Ｙｏｒｋ、ＵＳＡ）による重回帰分析を使用した。目的変数は日々の安静時心拍数、説明変数は運動量及び前日の摂取栄養素量とし、変数減少法による解析方法を用いた。解析結果により７つの要素による安静時心拍数を予測するモデル式を構築し、係数が正である栄養素は安静時心拍数減少因子（改善因子）、負である栄養素は安静時心拍数上昇因子（改悪因子）とした。

個別最適食の設計
　安静時心拍数の目標予測点を設定し、導出したモデル式で明らかとなった改善因子を増加させ、改悪因子を減少する調整を行い、予測点を達成できる個別最適食を１日３食で設計した。実施者のＱＯＬ維持のため、観察期間に摂取した食事と同様に、主菜・副菜等のバランスを考慮し、個別最適食の作成を行った。またジョギング時間が改善因子となった場合、シャトルラン実施日を除き４５分のジョギングを行った。モデル式に採用されなかった場合は観察期間と同様にランダムな時間でジョギングを行った。

持久力評価項目
２０ｍシャトルラン（文部科学省　新体力テスト）
　教育現場において、持久力測定法として用いられている２０ｍシャトルランを実施し、持久力評価を行った。２０ｍシャトルラン実施による持久力向上の影響を少なくするため、７日毎に１回行い、観察期間と実証期間では４回ずつ計測を行った。また反復による技術向上要因を排除するため、試験１か月前から計測を行い、記録の向上が認められなくなった後、本試験を実施した。

血中酸素飽和度
　毎日のジョギング終了時の血中酸素飽和度を測定した。血中酸素飽和度とは、心臓から全身に供給される血液（動脈血）の中を流れている赤血球に含まれるヘモグロビンの酸素との結合割合を皮膚を通して（経皮的に）調べた値であり、心肺機能の評価にも用いられる。よって観察期間と実証期間の前後比較することで持久力の向上を確認した。

統計処理
有意差検定
　測定結果には観察期間、実証期間ごとに平均値と標準偏差を算出した。改善食に対応する身体変化は翌日に反映されるため、実証期間１日目の試験データは除外した。観察期間と実証期間との比較には、対応のないｔ検定による統計処理を行った。検定における有意水準は両側検定で５％以下とした（＊ｐ＜０．０５，　＊＊ｐ＜０．０１，　＊＊＊ｐ＜０．００１）。

栄養素の調整度評価
　摂取栄養素について標準化を行い、各栄養素の調整の度合いを算出し評価した。標準化はデータの平均を０、分散を１にスケーリングすることであり、標準化を行うことで単位の異なる栄養素についての比較が可能となる。解析に使用した栄養素データの平均および標準偏差を用いて標準化し、実証期間の標準化後の栄養素量の平均から観察期間の標準化後の栄養素量を引いた値に、重回帰分析により導かれた標準化係数の絶対値を乗算した値を調整度とした。調整度は安静時心拍数関与因子個別の調整度について算出した。調整度の値が正である場合観察期間よりも多く、負である場合観察期間よりも少なく調整が行われている。

試験結果
心肺機能関与因子の特定
　観察期間に取得した安静時心拍数を目的変数、摂取栄養素量及び運動量（ジョギング時間）を説明変数としてＳＰＳＳ　Ｓｔａｔｉｓｔｉｃｓ　ｖｅｒ．２５を用い、重回帰分析を行った。求められた重回帰係数により、安静時心拍数を予測するモデル式を構築し、係数の符号から安静時心拍数関与因子を特定した（図９０）。４回の解析の重相関係数の平均値は０．８３５であり、摂取栄養素と安静時心拍数測定値の間には高い相関が見られたことから、摂取栄養素量および運動量（ジョギング時間）から安静時心拍数を予測できることが示唆された。

解析１　解析データ：２０２１．１０．０５～２０２１．１０．２９（２５日間）　Ｒ＝０．８６
　安静時心拍数（ｂｐｍ）　＝　－　０．０３３［ジョギング時間　分］　－　０．０４２［たんぱく質　ｇ］　＋　０．０４３［脂質　ｇ］　－　０．０１［糖質　ｇ］　＋　０．２５５［亜鉛　ｍｇ］　－　０．００１［ビタミンＡ　μｇ］　＋　１．２３［ビタミンＢ６　ｍｇ］

解析２　解析データ：２０２１．１０．１２～２０２１．１１．０５（２５日間）　Ｒ＝０．８４
安静時心拍数（ｂｐｍ）　＝　－　０．０２４［ジョギング時間　分］　－　０．０１［マグネシウム　ｍｇ］　＋　０．２１３［鉄　ｍｇ］　＋　０．８４２［ビタミンＢ２　ｍｇ］　－　０．５２６［ビタミンＢ６　ｍｇ］　＋　０．０２３［食物繊維量　ｇ］　－　０．０００２５９［ナトリウム　ｍｇ］

解析３　解析データ：２０２１．１０．１９～２０２１．１１．１２（２５日間）　Ｒ＝０．８３
安静時心拍数（ｂｐｍ）　＝　－　０．００５［マグネシウム　ｍｇ］　－　０．２３６［亜鉛　ｍｇ］　＋　０．１１７［ビタミンＥ　ｍｇ］　＋　０．２５５［ビタミンＢ１　ｍｇ］　＋　２．３１［ビタミンＢ２　ｍｇ］　－　０．００５［ビタミンＣ　ｍｇ］　＋　０．０５７［食物繊維総量　ｇ］

解析４　解析データ：２０２１．１０．２６～２０２１．１１．１９（２５日間）　Ｒ＝０．８１
安静時心拍数（ｂｐｍ）　＝　－　０．０２２［脂質　ｇ］　－　０．００１［カリウム　ｍｇ］　＋　０．００１［カルシウム　ｍｇ］　－　０．２６２［亜鉛　ｍｇ］　＋　１．３０［ビタミンＢ２　ｍｇ］　＋　０．０８７［食物繊維総量　ｇ］　＋　０．０６７［飽和脂肪酸　ｇ］

個別最適食の設計
　観察期間の安静時心拍数をもとに目標予測値を設定し、それを達成できる個人最適食（１日３食）を設計した。予測安静時心拍数は５０（ｂｐｍ）として定め、食材の調整を行うことで献立を作成した。個別最適食の例は解析２の一例であり、（図９１）に示した。なお、ジョギング時間は解析１と解析２において改善因子として特定されたため、観察期間平均２３．６分から実証期間平均では３０．０分と増加の調整を行った（０分：６回、１５分：４回、３０分：２回、４５分：１６回）。

栄養素調整度
　実証期間に摂取した改善因子、改悪因子の全体調整度および個別調整度を以下に示した（図．９２～９５）。改善因子の全体調整度は全て正の値となったが、改悪因子の全体調整度は解析１、解析４については負の値、解析２、解析３においては正の値となった。個別最適食の設計では、改善因子を正の値にし、改悪因子を負の値にする調整を行うことが最も理想的であるため解析１、解析４のような結果となった。しかし、個人のＱＯＬを維持するには食の好みを反映させ、普段の食生活に大きな変化を与えないことが重要であり、改悪因子を含む食材を減らせない場合がある。こうした中では、改善因子をより含む食材の増加、または変更の調整を行い、目標値に達成できるよう設計を行う。また、改悪因子を多く含むがそれ以上に改善因子の総和が多い食材があった。本試験では玄米がその食材にあたり、解析２、解析３はそれを用いたため、改悪因子が正の値となった。

安静時心拍数関与栄養素量
　実証期間に対象者が試験食品によって摂取したエネルギー量と栄養素の量を、観察期間の摂取量を１００％として比較したグラフを以下の図９６～９９に示した。同じラベルの２本の棒グラフにおいて、左が観察期間、右が実証期間の摂取量を示し、○は安静時心拍数改善因子を、×は安静時心拍数改悪因子を示すものである、エネルギー量は観察期間平均と比べ±１０％以内の変化であった。解析３において、実証期間のジョギング時間が観察期間のジョギング時間を２８％下回る結果となった。次の項で述べるが、解析３の期間内においても安静時心拍数は減少しているため、栄養素量による影響が大きいことが示唆された。

安静時心拍数の推移
　観察期間及び実証期間の安静時心拍数の推移を示した（図１００）。また観察期間の平均、実証期間の平均を示した（図．１０１）。観察期間平均５４．４±０．９７（ｂｐｍ）に比べ、実証期間では５１．６±１．８４（ｂｐｍ）と有意に低下した（ｐ＜０．００１）。

運動機能試験の結果
　４５分間ジョギングした際の終了時の血中酸素飽和度の割合を示した（図１０２）。観察期間平均が９３．６±０．４８％に比べ、実証期間平均では、９５．１±０．６６％と有意に上昇した（ｐ＜０．００１）（図１０３）。また、２０ｍシャトルランの結果を示した（図１０４）。観察期間の７５回から実証期間では９５回まで上昇した。また、２０ｍシャトルラン結果は観察期間平均７７．３回、実証期間平均９１．０回と有意に上昇した（ｐ＜０．００１）（図１０５）。

まとめ
　第３実施例では、持久力の向上を目標に、摂取栄養素量の最適化による心肺機能改善効果を検証した。

　本試験の結果から、個人の摂取栄養素量及び運動の最適化による安静時心拍数の減少は可能であり、安静時心拍数の予測が可能であることが示唆された。持久力の評価項目の結果について、２０ｍシャトルラン及びジョギング終了時の血中酸素飽和度の結果も有意に上昇した（ｐ＜０．００１）。このことから、個人の安静時心拍数から持久力を推定できる可能性が示唆された。

　また、運動量を解析に組み込むことで、個人の生活に適した運動量を定めたうえで、それに合わせた食事設計が可能になった。さらに、運動量のように数値化できる指標であれば解析に組み込むことが可能であることが示され、このことから、今回の試験では考慮できなかった、ストレスや睡眠などの外的要因による影響を考慮できることが考えられる。

　本試験では、日々の体内環境の変化に対応するため、１週間に１度解析を行う連続解析の手法を取り入れた。各解析結果では、モデル式の要素はすべて異なり、解析時の身体の状態を反映していることが推察され、より最新のデータに沿った精度の高い食事の設計が可能であることが考えられる。また、安静時心拍数と密接に関連するジョギング時間は解析３、解析４ではモデル式に反映されなかった。これは選ばれた７つの栄養素よりもジョギング時間の影響度が低いことを示しており、個人の身体状況に応じて運動量の増加以上に栄養素の調整の影響が大きいことが示唆された。また、本試験において、最も改善の影響度の高い因子はマグネシウムであった。血清マグネシウム値が高いほど心血管疾患のリスクが有意に低くなり、食事由来のマグネシウム摂取量が多いほど（最大で１日あたり約２５０　ｍｇ）心筋への血液供給の低下が原因で起こる虚血性心疾患のリスクが有意に低くなることが示されている。そのため、本試験においてもマグネシウムが心肺機能の強化に関与している可能性が考えられる。また、ミネラルは改悪因子となる頻度が高かった。ミネラルは身体活動機能に大きく関与している可能性があり、身体の状態や目的によって必要量が常に変化している。したがって本試験では、被験者の安静時心拍数にとって必要量を超過していた可能性が考えられた。

　実証期間では観察期間に比べて運動量が増加していることから、心拍数の減少（持久力の変化）は運動量の増加に伴った結果である可能性を考慮するため、実証期間後の後観察期間を設けた。後観察期間では実証期間と同じ運動量を設定し、個別最適食の摂取を行わなかった。その結果、実証期間と後観察期間の安静時心拍数の平均値を比較すると、有意な変化はみられなかった（図１０６）ことから、実証期間では個別最適食による影響が強いことが示唆された。

　本試験から、食と運動の個別最適化による、心肺機能向上は可能であることが示唆された。本手法では、心肺機能に限らず数値化できるあらゆる指標の予測・改善が見込まれるため、様々な健康指標の改善を可能とする新たなヘルスケア技術となりうる力を秘めている。

＜第２実施形態＞
　上述した第１実施形態では、実現目標に連動する測定値と、ユーザ自身について取得したデータ（摂取した栄養素、行動、ライフステージ等）との相関を分析して予測モデルを作成し、改善因子および／または改悪因子を特定するものとしたが、第２実施形態では、ユーザが他のユーザのデータおよび／または解析結果を用いてユーザについての改善因子および／または改悪因子を特定する。

　以下、他のユーザについて取得した栄養素および実現目標に連動する測定値、ならびに／または、他のユーザについて解析された栄養素モデルを用いて、ユーザに対する食事メニュを提案する手法について説明する。

　図１０７は、第２実施形態に係るサーバ装置１の機能構成例を示す図である。同図に示すように、第２実施形態では、サーバ装置１はさらにユーザに関する情報（以下、ユーザ情報という。）を記憶するユーザ情報記憶部１３７と、予測モデル記憶部１３８と、類似ユーザ特定部１２０とを備える。

　予測モデル記憶部１３８は、解析部１１５が作成した予測モデル（栄養モデル、栄養行動モデル、栄養ライフステージモデル、栄養日時モデル、栄養複合モデル）を記憶する。予測モデル記憶部１３８は、予測モデルを含む情報（以下、予測モデル情報という。）を記憶する。予測モデル情報には、ユーザを特定する情報（例えばユーザＩＤ）に対応付けて、ユーザの実現目標を示す情報（以下、目標データという。目標データは、例えば、「ダイエット」「血圧を下げる」などのテキストデータであってよい。）と、その実現目標に関連する測定値を示す情報（以下、測定値特定情報という。例えば、「体重」「血圧」などのテキストデータやラベル値とすることができる。）と、予測モデル（栄養モデル、栄養行動モデル、栄養ライフステージモデル、栄養日時モデル、栄養複合モデルなど）とを含めることができる。

　図１０８は、ユーザ情報記憶部１３７に記憶されるユーザ情報の構成例を示す図である。ユーザ情報には、ユーザを特定する情報（ユーザＩＤ）に対応付けて、ユーザに係る各種の属性が含まれる。属性には、例えば、年齢、性別、遺伝子、血液検査の結果、尿検査の結果、生体指標（体重、体脂肪率、骨格筋率、ＢＭＩ、血圧など）、生活習慣（食生活、運動量、睡眠時間、飲酒、喫煙など）、居住地、出身地、人種、職業などが含まれうる。食生活については、食に対する嗜好（好きなもの、嫌いなもの）、摂取栄養素組成、摂取カロリー量などをユーザにアンケートした結果（事前に準備した選択肢を選択させてもよいし、自由記述のテキストデータとしてもよい。）を含めることができる。

　第２実施形態では、ユーザと属性の類似する他のユーザ（以下、類似ユーザという。）のデータおよび／または解析結果を用いる。類似ユーザ特定部１２０は、ユーザと属性の類似する類似ユーザを特定する。ユーザの属性の類似性は、公知の手法により求めることができる。例えば、数値の一致度合やテキストの一致度合などを標準化して合計することで類似度を求めることができる。

　類似ユーザのデータおよび／または解析結果の利用方法には、以下の４パターンが存在する。
　パターン１：他の１人の類似ユーザの解析結果を用いる。
　パターン２：他の１人の類似ユーザのデータを解析した解析結果を用いる。
　パターン３：他の複数の類似ユーザのデータを解析した解析結果を用いる。
　パターン４：他の複数の類似ユーザの解析結果を用いる。
　以下、各パターンについて説明する。

＜パターン１：他の１人のユーザの解析結果を用いる＞
　パターン１では、１人の類似ユーザについての解析結果をそのまま当該ユーザについて使用する。

　類似ユーザ特定部１２０は、ユーザの実現目標と同じ実現目標であった他のユーザの中から属性の最も類似するものを１人類似ユーザとして特定することができる。類似ユーザ特定部１２０は、ユーザから実現目標の入力を受け付け、受け付けた実現目標と一致する（又は所定度合以上に類似する）予測モデル情報を予測モデル記憶部１３８から検索し、検索した予測モデル情報に含まれるユーザＩＤに対応するユーザ情報をユーザ情報記憶部１３７から取得し、取得したユーザ情報に含まれる属性と、当該ユーザに対応するユーザ情報に含まれる属性との類似度を判定し、類似度が最も高いユーザ情報（自身以外のもの）を特定することができる。

　解析部１１５は、類似ユーザについて作成した予測モデル（ならびに予測モデルの説明変数である改善因子および改悪因子）を予測モデル記憶部１３８から取得し、当該ユーザの予測モデルならびに改善因子および改悪因子とすることができる。

　評価部１１６は、類似ユーザの改善因子および改悪因子に基づいて食事メニュを評価し、食事メニュ提案部１１７は、評価値に応じて食事メニュを選択したり、測定値が向上するように栄養素を調整したりすることができる。

　なお、測定値が複数測定値の比で表される無次元の指標を用いる場合には、類似ユーザの予測モデルを使用するにあたり、係数を補正することができる。例えば、測定値がＢＭＩである場合に、ＢＭＩは体重と身長とから計算されるところ、体重の差により補正を行うことができる。例えば、ＢＭＩ＝２６で体重＝６０ｋｇの類似ユーザのデータを、ＢＭＩ＝２６で体重＝８０ｋｇのユーザに適応する場合には、（８０÷６０）×係数で補正することができる。このように、評価部１１６は、測定値に相関する属性（他の測定値）について、当該ユーザの属性に対する類似ユーザの属性の比を係数に乗じるようにして食事メニュを評価することができる。

＜パターン２：他の１人のユーザのデータを解析した解析結果を用いる＞
　パターン２では、１人の類似ユーザについて取得されたデータを解析する。

　類似ユーザ特定部１２０は、ユーザの実現目標に関連する測定値を測定値記憶部１３１に登録している他のユーザの中から、属性の最も類似するものを１人、類似ユーザとして特定することができる。

　解析部１１５は、特定した類似ユーザに対応する測定値及び栄養素の摂取量を測定値記憶部１３１および摂取量記憶部１３２から読み出し、栄養素の摂取量を説明変数とし、測定値を目的変数とした多変量解析により予測モデル（栄養モデル）を作成し、測定値の改善に寄与する栄養素である改善因子と、測定値の悪化に寄与する栄養素である改悪因子とを特定することができる。

　評価部１１６及び食事メニュ提案部１１７は、第１実施形態と同様にして、ユーザに対して食事メニュを提案することができる。

＜パターン１，２共通＞
　パターン１，２の場合に、１人の類似ユーザのデータまたは解析結果を用いて食事メニュを提案するところ、ユーザの実現目標に関する測定結果の改善が見られない場合には、他の類似ユーザを選択するようにしてもよい。

　例えば、類似ユーザ特定部１２０が、第１の類似ユーザを特定し、評価部１１６が第１の類似ユーザのデータまたは解析結果を用いて食事メニュを評価し、食事メニュ提案部１１７は、評価に応じてユーザに対して測定結果の改善が期待される食事メニュを提案し、これを所定期間（例えば、１週間や１カ月など）続けた後、測定値取得部１１１は、体重や血圧などの目標に関する測定値が改善しているか否かを取得する。測定値取得部１１１は、測定値を取得する代わりに、ユーザに対して測定値が改善しているか否かのアンケートを行うようにしてもよい。ここで測定値が改善していない場合（例えば、測定値が改悪している場合、測定値が変化していない場合、測定値が所定値未満しか改善していない場合）には、類似ユーザ特定部１２０が、第１の類似ユーザとは異なる第２の類似ユーザを第１の類似ユーザと同様にして特定し（属性の類似度に応じて選択する）、特定した第２の類似ユーザのデータまたは解析結果を用いて、評価部１１６が食事メニュを評価し、食事メニュ提案部１１７が評価に応じてユーザに対して測定結果の改善が期待される食事メニュを提案するようにする。ユーザの測定値に改善が見られるまでこの処理を繰り返すことができる。

＜パターン３：他の複数のユーザのデータを解析した解析結果を用いる＞
　パターン３では、ユーザの属性に類似する複数の類似ユーザについてのデータを解析する。

　類似ユーザ特定部１２０は、ユーザの実現目標に関連する測定値を測定値記憶部１３１に登録している他のユーザの中から、属性の類似するものを複数人（所定数であってもよいし、所定の類似度以上のユーザの全てを選択しまたは一部をランダムに選択してもよい）類似ユーザとして特定することができる。

　解析部１１５は、特定した類似ユーザに対応する測定値及び栄養素の摂取量をすべて測定値記憶部１３１および摂取量記憶部１３２から読み出し、栄養素の摂取量を説明変数とし、測定値を目的変数とした多変量解析により予測モデル（栄養モデル）を作成し、測定値の改善に寄与する栄養素である改善因子と、測定値の悪化に寄与する栄養素である改悪因子とを特定することができる。

＜パターン４：他の複数のユーザの解析結果を用いる＞
　パターン４では、複数の類似ユーザについての解析結果を利用して食事メニュの評価および提案を行うようにする。

　まず、類似ユーザ特定部１２０は、ユーザの実現目標と同じ実現目標であった他のユーザの中から、属性の類似するものを複数人（所定数であってもよいし、所定の類似度以上のユーザの全てを選択しまたは一部をランダムに選択してもよい）、類似ユーザとして特定することができる。

　次に、解析部１１５は、複数の類似ユーザについて作成した複数の予測モデルを予測モデル記憶部１３８から取得し、取得した予測モデルを組み合わせて１つの予測モデル（以下、合成モデルという。）を作成することができる。解析部１１５は、例えば、複数の予測モデルに共通する（所定数以上の予測モデルに使われている）説明変数を選択し、選択した説明変数を、合成モデルの説明変数とすることができる。解析部１１５は、各説明変数の係数について、最も絶対値の大きい係数を選択したり、係数の中央値を選択したり、係数の平均値を算出したりして、合成モデルの説明変数に係る係数とすることができる。また、解析部１１５は、例えば、主成分分析などを用いて、最も影響の大きい説明変数を選択するようにしてもよい。

　評価部１１６及び食事メニュ提案部１１７は、上記のようにして作成された合成モデルを予測モデルとして、第１実施形態と同様の手法で、ユーザに対して食事メニュを提案することができる。

　以上説明したように、第２実施形態に係る健康支援システムによれば、ユーザが栄養素の摂取量や実現目標に連動する測定値を取得せずに手軽に目標を実現できることができる。

　なお、第２実施形態では、栄養モデルについて説明したが、栄養行動モデルについても同様の手法を用いることができる。

　　１　　　サーバ装置
　　２　　　通信ネットワーク
　　３　　　ユーザ端末
　　４　　　バイタルセンサ
　　５　　　活動センサ
　　１１１　測定値取得部
　　１１２　摂取量取得部
　　１１３　行動量取得部
　　１１４　ライフステージ情報取得部
　　１１５　解析部
　　１１６　評価部
　　１１７　食事メニュ提案部
　　１１８　行動提案部
　　１３１　測定値記憶部
　　１３２　摂取量記憶部
　　１３３　行動量記憶部
　　１３４　ライフステージ情報記憶部
　　１３５　食事メニュ記憶部
　　１３６　食材情報記憶部

Claims

　ユーザの実現目標に連動する測定値を記憶する測定値記憶部と、
　前記ユーザが摂取した複数の栄養素の摂取量を記憶する摂取量記憶部と、
　前記栄養素の前記摂取量と前記測定値との関係を解析して、前記測定値の改善に寄与する前記栄養素である改善因子と、前記測定値の悪化に寄与する前記栄養素である改悪因子とを特定する解析部と、
　食事メニュに含まれる前記栄養素の含有量を特定する情報を記憶する食事メニュ記憶部と、
　前記改善因子の前記含有量を増やすことおよび前記改悪因子の前記含有量を減らすことの少なくともいずれかにより前記食事メニュを修正し、修正後の前記食事メニュを提案する食事メニュ提案部と、
　を備えることを特徴とする情報処理システム。
　請求項１に記載の情報処理システムであって、
　食材ごとに前記栄養素の前記含有量を記憶する食材情報記憶部をさらに備え、
　前記食事メニュ記憶部は、前記食事メニュに含まれる前記食材を記憶し、
　前記食事メニュ提案部は、
　　前記食事メニュに含まれる少なくとも１つの第１の前記食材よりも前記改善因子である前記栄養素を多く含む第２の前記食材を前記食材情報記憶部から選択し、前記第１の食材を、選択した前記第２の食材に変更するように前記食事メニュを修正すること、
　　前記第１の食材よりも前記改悪因子である前記栄養素を少なく含む第３の前記食材を前記食材情報記憶部から選択し、前記第１の食材を、選択した前記第３の食材に変更するように前記食事メニュを修正すること、
　　前記第１の食材よりも前記改善因子である前記栄養素を多く含み、かつ、前記第１の食材よりも前記改悪因子である前記栄養素を少なく含む第４の前記食材を前記食材情報記憶部から選択し、前記第１の食材を、選択した前記第４の食材に変更するように前記食事メニュを修正すること、
　　前記改善因子である前記栄養素を含む前記第５の食材を前記食材情報記憶部から選択し、選択した前記第５の食材を追加するように前記食事メニュを修正すること、および、
　　前記改悪因子である前記栄養素を含む前記第６の食材を前記食材情報記憶部から選択し、選択した前記第６の食材を削除するように前記食事メニュを修正すること、
　の少なくともいずれかを行い、修正後の前記食事メニュを提案すること、
　を特徴とする情報処理システム。
　請求項１または２に記載の情報処理システムであって、
　前記解析部は、前記改善因子について改善に寄与する改善度合を算出し、前記改悪因子について悪化に寄与する改悪度合を算出し、
　前記食事メニュ提案部は、
　前記食事メニュに含まれる前記改善因子に係る前記改善度合に前記含有量を乗じた値から、前記食事メニュに含まれる前記改悪因子に係る前記悪化度合に前記含有量を乗じた値を引いた第１の値を算出し、
　前記修正後の食事メニュに含まれる前記改善因子に係る前記改善度合に前記含有量を乗じた値から、前記修正後の食事メニュに含まれる前記改悪因子に係る前記悪化度合に前記含有量を乗じた値を引いた第２の値が、前記第１の値よりも大きくなるように、前記食事メニュの修正を行うこと、
　を特徴とする情報処理システム。
　請求項１または２に記載の情報処理システムであって、
　前記解析部は、前記改善因子について改善に寄与する改善度合を算出し、前記改悪因子について悪化に寄与する改悪度合を算出し、
　前記食事メニュ提案部は、
　前記摂取量記憶部に記憶されている前記改善因子に係る前記摂取量に前記改善度合を乗じた値から、前記摂取量記憶部に記憶されている前記改悪因子に係る前記摂取量に前記改悪度合を乗じた値を引いた第１の改善値を計算し、
　前記修正後の食事メニュに含まれる前記改善因子に係る前記改善度合に前記含有量を乗じた値から、前記修正後の食事メニュに含まれる前記改悪因子に係る前記悪化度合に前記含有量を乗じた値を引いた第２の改善値が、前記第１の改善値よりも大きくなるように、前記食事メニュの修正を行うこと、
　を特徴とする情報処理システム。
　請求項１ないし４のいずれか１項に記載の情報処理システムであって、
　前記ユーザが行った行動の行動量を記憶する行動量記憶部と、
　前記測定値の目標値の入力を受け付ける目標値入力部と、
　を備え、
　前記解析部は、前記栄養素の前記含有量および前記行動量と前記測定値との関係を解析した予測モデルを作成し、
　前記食事メニュ提案部は、前記修正後の食事メニュに含まれる前記栄養素の含有量を前記予測モデルに与えて求められる予測値と前記目標値との差に応じて前記行動量を決定し、前記食事メニュとともに、決定した前記行動量を提案すること、
　を特徴とする情報処理システム。
　請求項１ないし５のいずれか１項に記載の情報処理システムであって、
　定期的に、前記解析部は、解析を行って前記改善因子および前記改悪因子を特定し、前記食事メニュ提案部は、前記修正後の食事メニュを提案すること、
　を特徴とする情報処理システム。
　第１のユーザの実現目標に連動する前記第１のユーザについての測定値を記憶する測定値記憶部と、
　前記第１のユーザが摂取した複数の栄養素の摂取量を記憶する摂取量記憶部と、
　前記第１のユーザについて、前記栄養素の前記摂取量と前記測定値との関係を解析して、前記測定値の改善に寄与する前記栄養素である改善因子と、前記測定値の悪化に寄与する前記栄養素である改悪因子とを特定する解析部と、
　食事メニュに含まれる前記栄養素の含有量を特定する情報を記憶する食事メニュ記憶部と、
　第２のユーザの属性に類似する前記第１のユーザである類似ユーザを特定する類似ユーザ特定部と、
　前記類似ユーザについて特定された前記改善因子の前記含有量を増やすことおよび、前記類似ユーザについて特定された前記改悪因子の前記含有量を減らすことの少なくともいずれかにより前記食事メニュを修正し、修正後の前記食事メニュを前記第２のユーザに提案する食事メニュ提案部と、
　を備えることを特徴とする情報処理システム。
　第１のユーザの実現目標に連動する前記第１のユーザについての測定値を記憶する測定値記憶部と、
　前記第１のユーザが摂取した複数の栄養素の摂取量を記憶する摂取量記憶部と、
　食事メニュに含まれる前記栄養素の含有量を特定する情報を記憶する食事メニュ記憶部と、
　第２のユーザの属性に類似する前記第１のユーザである類似ユーザを特定する類似ユーザ特定部と、
　前記類似ユーザに対応する前記測定値及び前記摂取量を前記測定値記憶部及び前記摂取量記憶部から読み出し、前記栄養素の前記摂取量と前記測定値との関係を解析して、前記測定値の改善に寄与する前記栄養素である改善因子と、前記測定値の悪化に寄与する前記栄養素である改悪因子とを特定する解析部と、
　前記改善因子の前記含有量を増やすことおよび前記改悪因子の前記含有量を減らすことの少なくともいずれかにより前記食事メニュを修正し、修正後の前記食事メニュを前記第２のユーザに提案する食事メニュ提案部と、
　を備えることを特徴とする情報処理システム。
　ユーザの実現目標に連動する測定値を記憶するステップと、
　前記ユーザが摂取した複数の栄養素の摂取量を記憶するステップと、
　前記栄養素の前記摂取量と前記測定値との関係を解析して、前記測定値の改善に寄与する前記栄養素である改善因子と、前記測定値の悪化に寄与する前記栄養素である改悪因子とを特定するステップと、
　食事メニュに含まれる前記栄養素の含有量を特定する情報を記憶するステップと、
　前記改善因子の前記含有量を増やすことおよび前記改悪因子の前記含有量を減らすことの少なくともいずれかにより前記食事メニュを修正し、修正後の前記食事メニュを提案するステップと、
　をコンピュータが実行することを特徴とする情報処理方法。
　ユーザの実現目標に連動する測定値を記憶するステップと、
　前記ユーザが摂取した複数の栄養素の摂取量を記憶するステップと、
　前記栄養素の前記摂取量と前記測定値との関係を解析して、前記測定値の改善に寄与する前記栄養素である改善因子と、前記測定値の悪化に寄与する前記栄養素である改悪因子とを特定するステップと、
　食事メニュに含まれる前記栄養素の含有量を特定する情報を記憶するステップと、
　前記改善因子の前記含有量を増やすことおよび前記改悪因子の前記含有量を減らすことの少なくともいずれかにより前記食事メニュを修正し、修正後の前記食事メニュを提案するステップと、
　をコンピュータに実行させるためのプログラム。