WO2024142628A1 - 肌状態の推定方法、肌状態推定装置、及び、プログラム - Google Patents

肌状態の推定方法、肌状態推定装置、及び、プログラム Download PDF

Info

Publication number
WO2024142628A1
WO2024142628A1 PCT/JP2023/040756 JP2023040756W WO2024142628A1 WO 2024142628 A1 WO2024142628 A1 WO 2024142628A1 JP 2023040756 W JP2023040756 W JP 2023040756W WO 2024142628 A1 WO2024142628 A1 WO 2024142628A1
Authority
WO
WIPO (PCT)
Prior art keywords
skin condition
estimating
skin
subject
information
Prior art date
Application number
PCT/JP2023/040756
Other languages
English (en)
French (fr)
Inventor
楓子 深田
良治 鈴木
綾汰 脇
竜海 辻
Original Assignee
株式会社 資生堂
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 資生堂 filed Critical 株式会社 資生堂
Publication of WO2024142628A1 publication Critical patent/WO2024142628A1/ja

Links

Definitions

  • the objective of the present invention is to improve the accuracy of skin condition estimation.
  • One aspect of the present invention is estimating at least one of a current skin condition and a future skin condition of the subject based on a plasma component in the blood; A method for estimating a skin condition.
  • FIG. 13 is an explanatory diagram of an overview of modified example 2.
  • 13 is a flowchart of a skin condition estimation process according to a second modified example.
  • FIG. 13 is an explanatory diagram of an overview of modified example 3.
  • FIG. 13 is a functional block diagram of a skin condition estimating system according to a third modified example.
  • FIG. 13 is a sequence diagram of a skin condition estimation process according to Modification 3.
  • FIG. 13 is an explanatory diagram of an overview of modified example 4.
  • FIG. 13 is a sequence diagram of a skin condition estimation process according to a fourth modified example.
  • FIG. 17 is a diagram showing an example of a screen displayed in the information processing of FIG. 16 .
  • FIG. 13 is an explanatory diagram of an overview of modified example 5.
  • FIG. 13 is a sequence diagram of a skin condition estimation process according to a fifth modified example.
  • the skin condition estimating device 10 is, for example, a smartphone, a tablet terminal, or a personal computer. As shown in FIG. 1, the skin condition estimating device 10 includes a storage device 11, a processor 12, an input/output interface 13, and a communication interface 14.
  • the storage device 11 is configured to store programs and data.
  • the storage device 11 is, for example, a combination of ROM (Read Only Memory), RAM (Random Access Memory), and storage (e.g., flash memory or a hard disk).
  • the programs include, for example, the following programs: OS (Operating System) program Parameters, functions, and models used in information processing Applications (e.g., skin condition estimation processing) programs for executing information processing
  • OS Operating System
  • information processing Applications e.g., skin condition estimation processing
  • the data includes, for example, the following data: - Databases referenced in information processing - Data obtained by executing information processing (i.e., the results of executing information processing)
  • the processor 12 is configured to realize the functions of the skin condition estimation device 10 by starting a program stored in the storage device 11.
  • the processor 12 is, for example, a CPU (Central Processing Unit), a GPU (Graphics Processing Unit), an ASIC (Application Specific Integrated Circuit), an FPGA (Field Programmable Gate Array), or a combination of these.
  • the user in Figure 2 is, for example, a person in charge of testing (for example, a doctor or laboratory technician at a testing institution).
  • beta-carotene is weighted heavily among the explanatory variables. According to the future skin model, it is estimated that the more beta-carotene there is, the higher the skin hemoglobin oxygen saturation.
  • the current skin model differs for each index of the current skin condition. Indicators of current skin condition are similar to future skin condition.
  • the processor 12 estimates the future skin condition according to the plasma components in the subject's blood by applying the measurement results input to the field object F1110b in step S1110 to the future skin model.
  • the processor 12 estimates the current skin condition (i.e., the time when step S1112 is executed) according to the plasma components in the subject's blood by applying the measurement results input to the field object F1110b in step S1110 to the current skin model.
  • Display object A1111a is an object that displays the estimated future skin condition obtained in step S1111.
  • the subject hands over their blood sample to the user.
  • the processor 12 generates advice corresponding to the current skin condition by applying the current skin condition obtained in step S1112 to the advice model.
  • the correlation between the future skin condition, the current skin condition, and the advice is described.
  • the explanatory variables of the advice model are the future skin condition and the current skin condition.
  • the objective variable of the advice model is the advice.
  • the processor 12 generates advice according to the combination of the future skin condition obtained in step S1111 and the current skin condition obtained in step S1112 by providing the advice model with the future skin condition obtained in step S1111 and the current skin condition obtained in step S1112.
  • the processor 12 generates advice according to the current skin condition by applying the current skin condition obtained in step S1112 to the advice model.
  • the processor 12 acquires measurement log information (i.e., past measurement log information) from the "plasma component" field of the measurement log database (FIG. 4) associated with the subject identification information obtained in step S1110.
  • the processor 12 identifies the difference in plasma components in the blood by comparing the measurement log information (i.e., past measurement log information) with the measurement log information obtained in step S1110 (i.e., the latest measurement log information).
  • the processor 12 applies the identified difference (i.e., the change in the plasma components in the blood) to an advice model, thereby generating advice corresponding to the change.
  • the skin condition estimation device 10 After step S2110, the skin condition estimation device 10 performs database update (S1113) in the same manner as in FIG. 5.
  • Display object A2110 displays the advice obtained in step S2110.
  • the second modification is an example in which a skin condition is estimated based on a combination of a measurement result of plasma components in blood and additional information other than the plasma components in blood.
  • the user in FIG. 10 is, for example, a person in charge of testing (for example, a doctor or technician at a testing institution).
  • the subject hands over their blood sample to the user.
  • the storage device 11 stores subject identification information and additional information of the subject in association with each other.
  • the additional information may include, for example, at least one of the following: Attribute information Physical information
  • Environmental log information e.g., information indicating at least one history of the temperature, humidity, and UV exposure of the environment in which the subject spent time
  • Life log information e.g., information indicating at least one of the subject's nutrient intake, sleep time, stress level, and exercise habits
  • Genetic information e.g., information related to vitamin B2 metabolism, folic acid metabolism, vitamin B6 metabolism, vitamin B12 metabolism, vitamin A metabolism, vitamin D metabolism, and vitamin E metabolism
  • the user performs a test on the collected blood sample and measures the plasma components in the subject's blood.
  • a user inputs the measurement results of the plasma components in the subject's blood and the subject identification information to the skin condition estimating device 10.
  • the skin condition estimation device 10 estimates the subject's skin condition based on a combination of the input measurement results and additional information stored in association with the input subject identification information.
  • the first example of the skin model is preferably applied to an example in which the following skin condition is used as the objective variable.
  • ⁇ Glycation level ⁇ Spots ⁇ Hemoglobin oxygen saturation
  • the correlation between a combination of plasma components in blood and physical information and a skin condition is described.
  • the explanatory variables of the skin model are the plasma components in the blood and physical information.
  • the objective variable of the skin model is the skin condition.
  • the second example of the skin model is preferably applied to an example in which the following skin condition is used as the objective variable.
  • ⁇ a* ⁇ b* ⁇ Saturation ⁇ Hemoglobin oxygen saturation ⁇ Hemoglobin ⁇ Capillary length ⁇ Elasticity
  • the correlation between a combination of plasma components in blood and environmental log information and a skin condition is described.
  • the explanatory variables of the skin model are the plasma components in the blood and the environmental log information.
  • the objective variable of the skin model is the skin condition.
  • the third example of the skin model is preferably applied to an example in which the following skin condition is the objective variable.
  • ⁇ Skin glycation level ⁇ Skin a* ⁇ Skin b* ⁇ Skin saturation ⁇ Skin blemishes ⁇ Skin elasticity
  • the correlation between the combination of plasma components in blood and life log information and the skin condition is described.
  • the explanatory variables of the skin model are the plasma components in the blood and the life log information.
  • the objective variable of the skin model is the skin condition.
  • the fourth example of the skin model is preferably applied to an example in which the following skin condition is the objective variable.
  • ⁇ Skin a* ⁇ Skin b* ⁇ Skin hemoglobin ⁇ Skin hemoglobin oxygen saturation ⁇ Skin stratum corneum moisture content ⁇ Skin elasticity ⁇ Skin blemishes ⁇ Skin glycation level
  • the fourth example of the skin model is preferably applied to an example in which the following skin condition is the objective variable when the life log information as the explanatory variable is the stress of the subject.
  • the following skin condition is the objective variable when the life log information as the explanatory variable is the stress of the subject.
  • the fourth example of the skin model is preferably applied to an example in which the following skin condition is the objective variable when the life log information as the explanatory variable is the subject's exercise.
  • the following skin condition is the objective variable when the life log information as the explanatory variable is the subject's exercise.
  • the fourth example of the skin model is preferably applied to an example in which the following skin condition is used as the objective variable.
  • ⁇ Skin stratum corneum moisture content ⁇ Skin elasticity ⁇ Skin glycation level
  • the skin condition estimating device 10 acquires additional information (S3110).
  • the processor 12 refers to the subject database ( Figure 3) and obtains at least one of the subject attribute information, subject physical information, environmental log information, life log information, and genetic information associated with the subject identification information obtained in step S1110 as additional information.
  • the skin condition estimating device 10 executes estimation of a future skin condition (S3111). Specifically, the storage device 11 stores a future skin model.
  • the processor 12 provides the measurement log information obtained in step S1110 and the additional information obtained in step S3110 to the future skin model, thereby estimating a future skin condition according to the combination of the measurement log information and the additional information.
  • the skin condition of a subject may be estimated based on a combination of plasma components in blood and attribute information of the subject (e.g., age). This can further improve the accuracy of estimating the skin condition.
  • the subject's skin condition may be estimated based on a combination of plasma components in the blood and environmental log information (e.g., ultraviolet light information). This can further improve the accuracy of estimating the skin condition.
  • environmental log information e.g., ultraviolet light information
  • the subject's skin condition may be estimated based on a combination of plasma components in the blood and life log information (e.g., nutrient intake). This can further improve the accuracy of estimating the skin condition.
  • life log information e.g., nutrient intake
  • Modification 3 is an example of a skin condition estimating system that includes the skin condition estimating device 10.
  • the user in FIG. 12 is, for example, a person in charge of testing (for example, a doctor or laboratory technician at a testing institution).
  • the subject hands over their blood sample to the user.
  • Fig. 13 is a functional block diagram of the skin condition estimation system of Modification 3.
  • the skin condition estimation system 1 of variant example 3 includes a skin condition estimation device 10 and a client device 30.
  • the configuration of the skin condition estimation device 10 is the same as that shown in Figure 1.
  • the processor 32 is configured to realize the functions of the client device 30 by starting the programs stored in the storage device 31.
  • the processor 32 is, for example, a CPU, a GPU, an ASIC, an FPGA, or a combination of these.
  • Modification 4 is an example in which the measurement results of plasma components in blood measured by an examiner different from the user are stored in the storage device 11, and the skin condition of the subject based on the measurement results stored in the storage device 11 is presented to a user different from the subject.
  • the user in FIG. 15 is, for example, a person in charge at a business that provides a skin condition estimation service.
  • the person in charge of testing is a doctor or a laboratory technician from the testing institution.

Abstract

肌状態の推定の精度を向上させる。　肌状態推定方法は、血液中の血漿成分に基づいて、被験者の現在の肌状態及び将来の肌状態の少なくとも１つを推定するステップを備える。

Description

肌状態の推定方法、肌状態推定装置、及び、プログラム
　本発明は、肌状態の推定方法、肌状態推定装置、及び、プログラムに関する。
　肌のケア用品の消費者にとって、自身の肌状態を知ることは、肌のケアの成否を把握する上で重要である。
　肌状態を推定する様々な技術が知られている。
　例えば、特開2019-025071号公報には、肌状態評価方法が開示されている。この肌状態評価方法は、被験者の顔面皮膚の血流情報を取得する取得工程（Ｓ１１）と、取得された血流情報に基づいて当該被験者の顔の肌状態を評価する評価工程（Ｓ１３）を含む。血流情報は、血流指標値を含み、血流指標値は、皮膚にレーザ光を照射し散乱光を撮像して得られる光強度画像から得る。
　しかし、特開2019-025071号公報の技術は、光学的な手法で肌状態を推定するものである。
　光学的な手法の場合、生体そのものが検体でないこと、及び、計測環境（例えば、環境光）の影響を受けることから、肌状態の推定の精度に制限がある。
　本発明の目的は、肌状態の推定の精度を向上させることである。
　本発明の一態様は、
　血液中の血漿成分に基づいて、被験者の現在の肌状態及び将来の肌状態の少なくとも１つを推定するステップを備える、
肌状態推定方法である。
本実施形態の肌状態推定装置の構成を示す機能ブロック図である。 本実施形態の概要の説明図である。 本実施形態の被験者データベースのデータ構造を示す図である。 本実施形態の計測ログデータベースのデータ構造を示す図である。 本実施形態の肌状態推定処理のフローチャートである。 図５の情報処理において表示される画面例を示す図である。 変形例１の概要の説明図である。 本実施形態の肌状態推定処理のフローチャートである。 図８の情報処理において表示される画面例を示す図である。 変形例２の概要の説明図である。 変形例２の肌状態推定処理のフローチャートである。 変形例３の概要の説明図である。 変形例３の肌状態推定システムの機能ブロック図である。 変形例３の肌状態推定処理のシーケンス図である。 変形例４の概要の説明図である。 変形例４の肌状態推定処理のシーケンス図である。 図１６の情報処理において表示される画面例を示す図である。 変形例５の概要の説明図である。 変形例５の肌状態推定処理のシーケンス図である。
　以下、本発明の一実施形態について、図面に基づいて詳細に説明する。なお、実施形態を説明するための図面において、同一の構成要素には原則として同一の符号を付し、その繰り返しの説明は省略する。
　本実施形態の各用語は、以下のとおり定義する。
　「ユーザ」とは、肌状態推定装置の利用者（例えば、被験者、肌状態推定サービスを提供する事業者の担当者、又は、検査担当者）である。
　「被験者」とは、血液中の血漿成分の検査を受ける者であり、且つ、肌状態の推定の対象者である。
　「検査担当者」とは、被験者の血液中の血漿成分を計測する者（例えば、検査機関の医師若しくは検査技師、又は、肌状態推定サービスを提供する事業者の検査技師）である。
　「検査機関」とは、被験者の血液中の血漿成分を計測する機関（一例として、クリニック又は病院）である。
（１）肌状態推定装置の構成
　肌状態推定装置の構成を説明する。図１は、本実施形態の肌状態推定装置の構成を示す機能ブロック図である。
　図１の肌状態推定装置１０は、肌状態の推定処理を実行するコンピュータ（「情報処理装置」の一例）である。肌状態推定装置１０は、例えば、スマートフォン、タブレット端末、又は、パーソナルコンピュータである。
　図１に示すように、肌状態推定装置１０は、記憶装置１１と、プロセッサ１２と、入出力インタフェース１３と、通信インタフェース１４とを備える。
　記憶装置１１は、プログラム及びデータを記憶するように構成される。記憶装置１１は、例えば、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、及び、ストレージ（例えば、フラッシュメモリ又はハードディスク）の組合せである。
　プログラムは、例えば、以下のプログラムを含む。
　・ＯＳ（Operating System）のプログラム
　・情報処理において用いられるパラメータ、関数、及び、モデル
　・情報処理を実行するアプリケーション（例えば、肌状態推定処理）のプログラム
　データは、例えば、以下のデータを含む。
　・情報処理において参照されるデータベース
　・情報処理を実行することによって得られるデータ（つまり、情報処理の実行結果）
　プロセッサ１２は、記憶装置１１に記憶されたプログラムを起動することによって、肌状態推定装置１０の機能を実現するように構成される。プロセッサ１２は、例えば、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphics Processing Unit）、ＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field Programmable Gate Array）、又は、これらの組み合わせである。
　入出力インタフェース１３は、肌状態推定装置１０に接続される入力デバイスからユーザの指示を取得し、かつ、肌状態推定装置１０に接続される出力デバイスに情報を出力するように構成される。
　入力デバイスは、例えば、キーボード、ポインティングデバイス、タッチパネル、又は、それらの組合せである。
　出力デバイスは、例えば、ディスプレイである。
　通信インタフェース１４は、肌状態推定装置１０と外部装置（例えば、サーバ）との間の通信を制御するように構成される。
（２）実施形態の概要
　本実施形態の概要を説明する。図２は、本実施形態の概要の説明図である。
　図２のユーザは、例えば、検査担当者（一例として、検査機関の医師又は検査技師）である。
　図２に示すように、被験者は、自身の採血検体をユーザに渡す。
　ユーザは、採血検体の検査を実施し、且つ、被験者の血液中の血漿成分を計測（「取得」の一例）する。
　ユーザは、肌状態推定装置１０に対して、被験者の血液中の血漿成分の計測結果を入力する。
　肌状態推定装置１０は、入力された計測結果に基づいて、被験者の肌状態を推定する。
　ユーザは、肌状態推定装置１０による推定結果（つまり、被験者の肌状態）を被験者に通知する。
（３）データベース
　本実施形態のデータベースを説明する。以下のデータベースは、記憶装置１１に記憶される。
（３－１）被験者データベース
　本実施形態の被験者データベースを説明する。図３は、本実施形態の被験者データベースのデータ構造を示す図である。
　図３の被験者データベースには、被験者情報が格納されている。被験者情報は、被験者に関する情報である。
　被験者データベースは、「被験者ＩＤ」フィールドと、「被験者名」フィールドと、「被験者属性」フィールドと、「被験者身体」フィールドと、を含む。各フィールドは、互いに関連付けられている。
　「被験者ＩＤ」フィールドには、被験者識別情報が格納される。被験者識別情報は、被験者を識別する情報である。
　「被験者名」フィールドには、被験者名情報が格納される。被験者名情報は、被験者の氏名に関する情報である。
　「被験者属性」フィールドには、被験者属性情報が格納される。被験者属性情報は、被験者の属性に関する情報である。「被験者属性」フィールドは、「性別」フィールドと、「年齢」フィールドと、を含む。
　「性別」フィールドには、性別情報が格納される。性別情報は、被験者の性別に関する情報である。
　「年齢」フィールドには、年齢情報が格納される。年齢情報は、被験者の年齢に関する情報である。
　「被験者身体」フィールドには、被験者身体情報が格納される。被験者身体情報は、被験者の身体に関する情報である。「被験者身体」フィールドは、「身長」フィールドと、「体重」フィールドと、「ＢＭＩ」フィールドと、を含む。
　「身長」フィールドには、身長情報が格納される。身長情報は、被験者の身長に関する情報である。
　「体重」フィールドには、体重情報が格納される。体重情報は、被験者の体重に関する情報である。
　「ＢＭＩ」フィールドには、ＢＭＩ情報が格納される。ＢＭＩ情報は、被験者のＢＭＩ（Body Mass Index）に関する情報である。ＢＭＩ情報は、身長情報及び体重情報の組合せに基づいて決まる。
（３－２）計測ログデータベース
　本実施形態の計測ログデータベースを説明する。図４は、本実施形態の計測ログデータベースのデータ構造を示す図である。
　図４の計測ログデータベースには、計測ログ情報が格納されている。計測ログ情報は、被験者に対して実施された計測の結果の履歴に関する情報である。
　計測ログデータベースは、「計測ログＩＤ」フィールドと、「タイムスタンプ」フィールドと、「血漿成分」フィールドと、を含む。各フィールドは、互いに関連付けられている。
　計測ログデータベースは、被験者識別情報に関連付けられている。
　「計測ログＩＤ」フィールドには、計測ログ識別情報が格納される。計測ログ識別情報は、計測ログを識別する情報である。
　「タイムスタンプ」フィールドには、タイムスタンプ情報が格納される。タイムスタンプ情報は、計測が実施された日時に関する情報である。
　「血漿成分」フィールドには、血漿成分情報が格納される。血漿成分情報は、被験者に対して実施された血液検査から得られる血液中の血漿成分に関する情報である。血液中の血漿成分は、栄養素、酵素、及び、栄養代謝関連成分の少なくとも１つである。「血漿成分」フィールドは、「栄養素」フィールドは、「酵素」フィールドと、「栄養代謝関連成分」フィールドと、を含む。
　「栄養素」フィールドには、栄養素情報が格納される。栄養素情報は、被験者の血中に含まれる栄養素に関する情報である。「栄養素」フィールドは、「脂溶性ビタミン」フィールドと、「水溶性ビタミン」フィールドと、「ミネラル」フィールドと、を含む。
　「脂溶性ビタミン」フィールドには、脂溶性ビタミン情報が格納される。脂溶性ビタミン情報は、被験者の血中に含まれる脂溶性ビタミンに関する情報である。脂溶性ビタミンは、例えば、以下の少なくとも１つを含む。
　・ビタミンＡ
　・ビタミンＤ
　・βカロテン
　「水溶性ビタミン」フィールドには、水溶性ビタミン情報が格納される。水溶性ビタミン情報は、被験者の血中に含まれる水溶性ビタミンに関する情報である。水溶性ビタミンは、例えば、以下の少なくとも１つを含む。
　・ナイアシン
　・葉酸
　「ミネラル」フィールドには、ミネラル情報が格納される。ミネラル情報は、被験者の血中に含まれるミネラルに関する情報である。ミネラルは、例えば、以下の少なくとも１つを含む。
　・カリウム
　・亜鉛
　・カルシウム
　「酵素」フィールドには、酵素情報が格納される。酵素情報は、被験者の血中に含まれる酵素に関する情報である。酵素は、例えば、以下の少なくとも１つを含む。
　・γ－ＧＴＰ（γ－グルタミルトランスフェラーゼ）
　・ＡＳＴ（アスパラギン酸アミノトランスフェラーゼ）
　・ＡＬＴ（アスパラギン酸アミノ基転移酵素）
　・ＣｈＥ（コリンエステラーゼ）
　「栄養代謝関連成分」フィールドには、栄養代謝関連成分情報が格納される。栄養代謝関連成分情報は、被験者の血中に含まれる栄養代謝関連成分に関する情報である。栄養代謝関連成分は、例えば、以下の少なくとも１つを含む。
　・アルブミン（輸送タンパク）
　・グロブリン（防御タンパク）
　・ＲＢＰ（レチノール結合タンパク、輸送タンパク）
　・ヘモグロビン（輸送タンパク）
　・トランスフェリン（輸送タンパク）
　・ＣＲＰ（Ｃ反応性タンパク）
　・ペントシジン（糖代謝産物）
　・ヘモグロビンＡｌＣ（糖化タンパク）
　・グリコアルブミン（糖化タンパク）
　・１．５ＡＧ（グルコース誘導体）
　・ＢＵＮ（タンパク質代謝産物）
（４）肌モデル
　本実施形態の肌モデルを説明する。
　本実施形態では、肌モデルを用いて、肌状態を推定する。
　肌モデルは、将来肌モデルと、現在肌モデルと、を含む。
（４－１）将来肌モデル
　本実施形態の将来肌モデルを説明する。
　将来肌モデルには、血液中の血漿成分と将来の肌状態との相関関係が記述される。
　将来の肌状態とは、血液中の血漿成分の計測時点より先の時点の肌状態を意味する。
　将来肌モデルの説明変数は、血液中の血漿成分である。
　将来肌モデルの目的変数は、将来の肌状態である。
　将来肌モデルは、将来の肌状態の指標毎に異なる。
　将来の肌状態の指標は、例えば、以下の少なくとも１つの指標を含む。
　・肌の糖化度
　・肌のａ＊（Ｌ＊ａ＊ｂ＊色空間のａ＊の値）
　・肌のｂ＊（Ｌ＊ａ＊ｂ＊色空間のｂ＊の値）
　・肌の角層水分量
　・肌の彩度
　・肌のシミ
　・肌のヘモグロビン酸素飽和度
　・肌のヘモグロビン
　・肌の弾性
　・肌の毛細血管の長さ
　肌の糖化度は、ビタミンＤの影響を受ける。
　肌のａ＊は、ビタミンＤ、ナイアシン、亜鉛、及び、カルシウムの影響を受ける。
　肌のｂ＊は、βカロテンの影響を受ける。
　肌の角層水分量は、ビタミンＡ、ナイアシン、葉酸、及び、亜鉛の影響を受ける。
　肌の彩度は、βカロテン及び亜鉛の影響を受ける。
　肌のシミは、βカロテンの影響を受ける。
　肌のヘモグロビン酸素飽和度は、βカロテンの影響を受ける。
　肌のヘモグロビンは、ナイアシン、亜鉛、及び、カルシウムの影響を受ける。
　肌の弾性は、カリウムの影響を受ける。
　肌の毛細血管の長さは、ナイアシンの影響を受ける。
（４－１－１）脂溶性ビタミンを用いた将来肌モデル
　本実施形態の脂溶性ビタミンを用いた将来肌モデルを説明する。
　肌の糖化度を目的変数とする将来肌モデルでは、例えば、説明変数のうちビタミンＤの濃度の重みが大きい。将来肌モデルによれば、ビタミンＤの濃度が高いほど、肌の糖化度が低いと推定される。
　肌のａ＊を目的変数とする将来肌モデルでは、例えば、説明変数のうちビタミンＤの濃度の重みが大きい。将来肌モデルによれば、ビタミンＤの濃度が高いほど、肌のａ＊が高いと推定される。
　肌の角層水分量を目的変数とする将来肌モデルでは、例えば、説明変数のうちビタミンＡの濃度の重みが大きい。将来肌モデルによれば、ビタミンＡの濃度が高いほど、肌の角層水分量が高いと推定される。
　頬の角層水分量を目的変数とする将来の肌モデルでは、例えば、説明変数のうち血中ビタミンＡの濃度の重みが大きい。将来肌モデルによれば、血中ビタミンＡの濃度が高いほど、頬の角層水分量が高いと推定される。
　肌のｂ＊を目的変数とする将来肌モデルでは、例えば、説明変数のうちβカロテンの重みが大きい。将来肌モデルによれば、βカロテンが多いほど、肌のｂ＊が高いと推定される。
　肌の彩度を目的変数とする将来肌モデルでは、例えば、説明変数のうちβカロテンの重みが大きい。将来肌モデルによれば、βカロテンが多いほど、肌の彩度が高いと推定される。
　肌のシミを目的変数とする将来肌モデルでは、例えば、説明変数のうちβカロテンの重みが大きい。将来肌モデルによれば、βカロテンが多いほど、肌のシミが少ないと推定される。
　肌のヘモグロビン酸素飽和度を目的変数とする将来肌モデルでは、例えば、説明変数のうちβカロテンの重みが大きい。将来肌モデルによれば、βカロテンが多いほど、肌のヘモグロビン酸素飽和度が高いと推定される。
（４－１－２）水溶性ビタミンを用いた将来肌モデル
　本実施形態の水溶性ビタミンを用いた将来肌モデルを説明する。
　肌の角層水分量を目的変数とする将来肌モデルでは、例えば、説明変数のうちナイアシン及び葉酸の重みが大きい。将来肌モデルによれば、ナイアシン及び葉酸が多いほど、肌の角層水分量が高いと推定される。
　肌のａ＊を目的変数とする将来肌モデルでは、例えば、説明変数のうちナイアシンの重みが大きい。将来肌モデルによれば、ナイアシンが多いほど、肌のａ＊が高いと推定される。
　肌のヘモグロビンを目的変数とする将来肌モデルでは、例えば、説明変数のうちナイアシンの重みが大きい。将来肌モデルによれば、ナイアシンが多いほど、肌のヘモグロビンが高いと推定される。
　肌の毛細血管の長さを目的変数とする将来肌モデルでは、例えば、説明変数のうちナイアシンの重みが大きい。将来肌モデルによれば、ナイアシンが多いほど、肌の毛細血管の長さが長いと推定される。
（４－１－３）ミネラルを用いた将来肌モデル
　本実施形態のミネラルを用いた将来肌モデルを説明する。
　肌の弾性を目的変数とする将来肌モデルでは、例えば、説明変数のうちカリウムの重みが大きい。将来肌モデルによれば、カリウムが多いほど、肌の弾性が高いと推定される。
　肌の角層水分量を目的変数とする将来肌モデルでは、例えば、説明変数のうち亜鉛の重みが大きい。将来肌モデルによれば、亜鉛が多いほど、肌の角層水分量が高いと推定される。
　肌の彩度を目的変数とする将来肌モデルでは、例えば、説明変数のうち亜鉛の重みが大きい。将来肌モデルによれば、亜鉛が多いほど、肌の彩度が高いと推定される。
　肌のａ＊を目的変数とする将来肌モデルでは、例えば、説明変数のうち亜鉛及びカルシウムの重みが大きい。将来肌モデルによれば、亜鉛及びカルシウムが多いほど、肌のａ＊が高いと推定される。
　肌のヘモグロビンを目的変数とする将来肌モデルでは、例えば、説明変数のうち亜鉛及びカルシウムの重みが大きい。将来肌モデルによれば、亜鉛及びカルシウムが多いほど、肌のヘモグロビンが高いと推定される。
（４－２）現在肌モデル
　本実施形態の現在肌モデルを説明する。
　現在肌モデルには、血液中の血漿成分と現在の肌状態との相関関係が記述される。
　現在の肌状態とは、血液中の血漿成分の計測時点の肌状態を意味する。
　現在肌モデルの説明変数は、血液中の血漿成分である。
　現在肌モデルの目的変数は、現在の肌状態である。
　現在肌モデルは、現在の肌状態の指標毎に異なる。
　現在の肌状態の指標は、将来の肌状態と同様である。
（５）肌状態推定処理
　本実施形態の肌状態推定処理を説明する。図５は、本実施形態の肌状態推定処理のフローチャートである。図６は、図５の情報処理において表示される画面例を示す図である。
　図５のトリガは、以下の何れかである。
　・ユーザが肌状態推定装置１０の所定のアプリケーション（例えば、肌状態を推定するためのアプリケーション）を起動したこと。
　・ユーザが肌状態推定装置１０を用いて、所定のウェブサイト（例えば、肌状態を推定するためのサービスを提供するウェブサイト）にアクセスしたこと。
　図５に示すように、肌状態推定装置１０は、計測結果の取得（Ｓ１１１０）を実行する。
　具体的には、プロセッサ１２は、画面Ｐ１１１０（図６）をディスプレイに表示する。
　画面Ｐ１１１０は、操作オブジェクトＢ１１１０と、フィールドオブジェクトＦ１１１０ａ～Ｆ１１１０ｂと、を含む。
　操作オブジェクトＢ１１１０は、フィールドオブジェクトＦ１１１０ａ～Ｆ１１１０ｂに対する入力を確定させるためのユーザ指示を受け付けるオブジェクトである。
　フィールドオブジェクトＦ１１１０ａは、被験者識別情報の入力を受け付けるオブジェクトである。
　フィールドオブジェクトＦ１１１０ｂは、被験者の計測ログ情報の入力を受け付けるオブジェクトである。
　ユーザが、フィールドオブジェクトＦ１１１０ａに被験者識別情報を入力し、フィールドオブジェクトＦ１１１０ｂに被験者の計測ログ情報を入力し、且つ、操作オブジェクトＢ１１１０を操作すると、プロセッサ１２は、被験者識別情報及び計測ログ情報を記憶装置１１に記憶する。
　ステップＳ１１１０の後、肌状態推定装置１０は、将来の肌状態の推定（Ｓ１１１１）を実行する。
　具体的には、記憶装置１１には、将来肌モデルが記憶されている。
　プロセッサ１２は、ステップＳ１１１０でフィールドオブジェクトＦ１１１０ｂに入力された計測結果を将来肌モデルに与えることにより、被験者の血液中の血漿成分に応じた将来の肌状態を推定する。
　ステップＳ１１１１の後、肌状態推定装置１０は、現在の肌状態の推定（Ｓ１１１２）を実行する。
　具体的には、記憶装置１１には、現在肌モデルが記憶されている。
　プロセッサ１２は、ステップＳ１１１０でフィールドオブジェクトＦ１１１０ｂに入力された計測結果を現在肌モデルに与えることにより、被験者の血液中の血漿成分に応じた現在（つまり、ステップＳ１１１２の実行時点）の肌状態を推定する。
　ステップＳ１１１２の後、肌状態推定装置１０は、データベースの更新（Ｓ１１１３）を実行する。
　具体的には、プロセッサ１２は、ステップＳ１１１０で得られた被験者識別情報に関連付けられた計測ログデータベース（図４）に新規レコードを追加する。新規レコードの各フィールドには、以下の情報が格納される。
　・「計測ログＩＤ」フィールド：新規の計測ログ識別情報
　・「タイムスタンプ」フィールド：ステップＳ１１１０の実行日時に関する情報
　・「血漿成分」フィールド：ステップＳ１１１０で得られた計測ログ情報
　ステップＳ１１１３の後、肌状態推定装置１０は、推定結果の表示（Ｓ１１１４）を実行する。
　具体的には、プロセッサ１２は、画面Ｐ１１１１（図６）をディスプレイに表示する。
　画面Ｐ１１１１は、表示オブジェクトＡ１１１１ａ～Ａ１１１１ｂを含む。
　表示オブジェクトＡ１１１１ａは、ステップＳ１１１１で得られた将来の肌状態の推定結果を表示するオブジェクトである。
　表示オブジェクトＡ１１１１ｂは、ステップＳ１１１２で得られた現在の肌状態の推定結果を表示するオブジェクトである。
（６）本実施形態の小括
　本実施形態によれば、血液中の血漿成分に基づいて、被験者の現在の肌状態及び将来の肌状態の少なくとも１つを推定する。これにより、肌状態の推定の精度を向上させることができる。
（７）変形例
　本実施形態の変形例を説明する。
（７－１）変形例１
　本実施形態の変形例１を説明する。変形例１は、肌状態の推定結果に基づくアドバイスを提供する例である。
（７－１－１）変形例１の概要
　変形例１の概要を説明する。図７は、変形例１の概要の説明図である。
　図７のユーザは、例えば、検査担当者（一例として、検査機関の医師又は検査技師）である。
　図７に示すように、被験者は、自身の採血検体をユーザに渡す。
　ユーザは、採血検体の検査を実施し、且つ、被験者の血液中の血漿成分を計測する。
　ユーザは、肌状態推定装置１０に対して、被験者の血液中の血漿成分の計測結果を入力する。
　肌状態推定装置１０は、入力された計測結果に基づいて、被験者の肌状態を推定し、当該肌状態に応じたアドバイスを決定する。
（７－１－２）変形例１の肌状態推定処理
　変形例１の肌状態推定処理を説明する。図８は、本実施形態の肌状態推定処理のフローチャートである。図９は、図８の情報処理において表示される画面例を示す図である。
　図８に示すように、肌状態推定装置１０は、図５と同様に、計測結果の取得（Ｓ１１１０）～現在の肌状態の推定（Ｓ１１１２）を実行する。
　ステップＳ１１１２の後、肌状態推定装置１０は、アドバイスの生成（Ｓ２１１０）を実行する。
　具体的には、記憶装置１１には、アドバイスモデルが記憶されている。
　アドバイスモデルの第１例には、将来の肌状態とアドバイスとの相関関係が記述されている。
　アドバイスモデルの説明変数は、将来の肌状態である。
　アドバイスモデルの目的変数は、アドバイスである。アドバイスは、例えば、以下の少なくとも１つを含む。
　・将来の肌状態に影響を与える要因となる血液中の血漿成分
　・将来の肌状態を改善するための対策（一例として、血液中の血漿成分を改善するための対策）
　プロセッサ１２は、ステップＳ１１１１で得られた将来の肌状態をアドバイスモデルに与えることにより、当該将来の肌状態に応じたアドバイスを生成する。
　アドバイスモデルの第２例には、現在の肌状態とアドバイスとの相関関係が記述されている。
　アドバイスモデルの説明変数は、現在の肌状態である。
　アドバイスモデルの目的変数は、アドバイスである。アドバイスは、例えば、以下の少なくとも１つを含む。
　・現在の肌状態に影響を与える要因となる血液中の血漿成分
　・現在の肌状態を改善するための対策（一例として、血液中の血漿成分を改善するための対策）
　プロセッサ１２は、ステップＳ１１１２で得られた現在の肌状態をアドバイスモデルに与えることにより、当該現在の肌状態に応じたアドバイスを生成する。
　アドバイスモデルの第３例には、将来の肌状態及び現在の肌状態と、アドバイスとの相関関係が記述されている。
　アドバイスモデルの説明変数は、将来の肌状態及び現在の肌状態である。
　アドバイスモデルの目的変数は、アドバイスである。
　プロセッサ１２は、ステップＳ１１１１で得られた将来の肌状態と、ステップＳ１１１２で得られた現在の肌状態と、をアドバイスモデルに与えることにより、当該将来の肌状態及び当該現在の肌状態の組合せに応じたアドバイスを生成する。
　プロセッサ１２は、ステップＳ１１１２で得られた現在の肌状態をアドバイスモデルに与えることにより、当該現在の肌状態に応じたアドバイスを生成する。
　アドバイスモデルの第４例には、血液中の血漿成分の計測結果の変化と、アドバイスとの相関関係が記述されている。
　アドバイスモデルの説明変数は、血液中の血漿成分の計測結果の変化である。
　アドバイスモデルの目的変数は、アドバイスである。
　プロセッサ１２は、ステップＳ１１１０で得られた被験者識別情報に関連付けられた計測ログデータベース（図４）の「血漿成分」フィールドから、計測ログ情報（つまり、過去の計測ログ情報）を取得する。
　プロセッサ１２は、当該計測ログ情報（つまり、過去の計測ログ情報）と、ステップＳ１１１０で得られた計測ログ情報（つまり、最新の計測ログ情報）と、を比較することにより、血液中の血漿成分の差を特定する。
　プロセッサ１２は、特定された差（つまり、血液中の血漿成分の変化）をアドバイスモデルに与えることにより、当該変化に応じたアドバイスを生成する。
　ステップＳ２１１０の後、肌状態推定装置１０は、図５と同様に、データベースの更新（Ｓ１１１３）を実行する。
　ステップＳ１１１３の後、肌状態推定装置１０は、推定結果の表示（Ｓ２１１１）を実行する。
　具体的には、プロセッサ１２は、画面Ｐ１１１１（図６）の次に、画面Ｐ２１１０（図９）をディスプレイに表示する。
　画面Ｐ２１１０は、表示オブジェクトＡ２１１０を含む。
　表示オブジェクトＡ２１１０は、ステップＳ２１１０で得られたアドバイスを表示する。
（７－１－３）変形例１の小括
　変形例１によれば、肌状態の推定結果に基づいて、アドバイスを生成してもよい。これにより、肌状態に影響を与える要因を伝え、かつ、肌状態に応じた改善を促すことができる。
（７－２）変形例２
　本実施形態の変形例２を説明する。変形例２は、血液中の血漿成分の計測結果及び血液中の血漿成分以外の追加情報の組合せに基づいて、肌状態を推定する例である。
（７－２－１）変形例２の概要
　変形例２の概要を説明する。図１０は、変形例２の概要の説明図である。
　図１０のユーザは、例えば、検査担当者（一例として、検査機関の医師又は検査技師）がである。
　図１０に示すように、被験者は、自身の採血検体をユーザに渡す。
　記憶装置１１には、被験者の被験者識別情報と、追加情報と、が関連付けて記憶されている。
　追加情報は、例えば、以下の少なくとも１つを含む。
　・属性情報
　・身体情報
　・環境ログ情報（例えば、被験者が過ごした環境の温度、湿度、紫外線曝露量の少なくとも１つの履歴を示す情報）
　・生活ログ情報（例えば、被験者の栄養素摂取量、睡眠時間、ストレスレベル、及び、運動習慣の少なくとも１つを示す情報）
　・遺伝情報（例えば、ＶＢ２代謝、葉酸代謝、ビタミンＢ６代謝、ビタミンＢ１２代謝、ビタミンＡ代謝、ビタミンＤ代謝、及び、ビタミンＥ代謝に関わる情報）
　ユーザは、採血検体の検査を実施し、且つ、被験者の血液中の血漿成分を計測する。
　ユーザは、肌状態推定装置１０に対して、被験者の血液中の血漿成分の計測結果と、被験者識別情報と、を入力する。
　肌状態推定装置１０は、入力された計測結果、及び、入力された被験者識別情報に関連付けて記憶された追加情報の組合せに基づいて、被験者の肌状態を推定する。
（７－２－２）変形例２の肌モデル
　変形例２の肌モデルを説明する。以下の肌モデルは、将来肌モデル及び現在肌モデルの何れにも適用される。
　変形例２の肌モデルの第１例には、血液中の血漿成分及び属性情報の組合せと、肌状態との相関関係が記述される。
　肌モデルの説明変数は、血液中の血漿成分及び属性情報である。
　肌モデルの目的変数は、肌状態である。
　例えば、肌モデルの第１例は、説明変数としての属性情報が年齢である場合、以下の肌状態を目的変数とする例に適用することが好ましい。
　・糖化度
　・シミ
　・ヘモグロビン酸素飽和度
　変形例２の肌モデルの第２例には、血液中の血漿成分及び身体情報の組合せと、肌状態との相関関係が記述される。
　肌モデルの説明変数は、血液中の血漿成分及び身体情報である。
　肌モデルの目的変数は、肌状態である。
　例えば、肌モデルの第２例は、説明変数としての身体情報がＢＭＩ情報である場合、以下の肌状態を目的変数とする例に適用することが好ましい。
　・ａ＊
　・ｂ＊
　・彩度
　・ヘモグロビン酸素飽和度
　・ヘモグロビン
　・毛細血管の長さ
　・弾性
　変形例２の肌モデルの第３例には、血液中の血漿成分及び環境ログ情報の組合せと、肌状態との相関関係が記述される。
　肌モデルの説明変数は、血液中の血漿成分及び環境ログ情報である。
　肌モデルの目的変数は、肌状態である。
　例えば、肌モデルの第３例は、説明変数としての環境ログ情報が紫外線情報である場合、以下の肌状態を目的変数とする例に適用することが好ましい。
　・肌の糖化度
　・肌のａ＊
　・肌のｂ＊
　・肌の彩度
　・肌のシミ
　・肌の弾性
　変形例２の肌モデルの第４例には、血液中の血漿成分及び生活ログ情報の組合せと、肌状態との相関関係が記述される。
　肌モデルの説明変数は、血液中の血漿成分及び生活ログ情報である。
　肌モデルの目的変数は、肌状態である。
　例えば、肌モデルの第４例は、説明変数としての生活ログ情報が被験者の栄養素摂取量である場合、以下の肌状態を目的変数とする例に適用することが好ましい。
　・肌のａ＊
　・肌のｂ＊
　・肌のヘモグロビン
　・肌のヘモグロビン酸素飽和度
　・肌の角層水分量
　・肌の弾性
　・肌のシミ
　・肌の糖化度
　例えば、肌モデルの第４例は、説明変数としての生活ログ情報が被験者のストレスである場合、以下の肌状態を目的変数とする例に適用することが好ましい。
　・肌の角層水分量
　・肌の弾性
　・肌のシミ
　・肌の糖化度
　例えば、肌モデルの第４例は、説明変数としての生活ログ情報が被験者の運動である場合、以下の肌状態を目的変数とする例に適用することが好ましい。
　・肌の角層水分量
　・肌の弾性
　・肌の糖化度
　例えば、肌モデルの第４例は、説明変数としての生活ログ情報が被験者の睡眠時間である場合、以下の肌状態を目的変数とする例に適用することが好ましい。
　・肌の角層水分量
　・肌の弾性
　・肌の糖化度
　例えば、肌モデルの第５例は、説明変数が遺伝情報である場合、以下の肌状態を目的変数とする例に適用することが好ましい。
　・糖化度
　・彩度
　・ａ＊
　・ｂ＊
　・シミ
　・ヘモグロビン酸素飽和度
　・角層水分量
　・ヘモグロビン
　・弾性
（７－２－３）変形例２の肌状態推定処理
　変形例２の肌状態推定処理を説明する。図１１は、変形例２の肌状態推定処理のフローチャートである。
　図１１に示すように、肌状態推定装置１０は、図５と同様に、計測結果の取得（Ｓ１１１０）を実行する。
　ステップＳ１１１０の後、肌状態推定装置１０は、追加情報の取得（Ｓ３１１０）を実行する。
　具体的には、プロセッサ１２は、被験者データベース（図３）を参照して、ステップＳ１１１０で得られた被験者識別情報に関連付けられた被験者属性情報、被験者身体情報、環境ログ情報、生活ログ情報、及び、遺伝情報の少なくとも１つを追加情報として取得する。
　ステップＳ３１１０の後、肌状態推定装置１０は、将来の肌状態の推定（Ｓ３１１１）を実行する。
　具体的には、記憶装置１１には、将来肌モデルが記憶されている。
　プロセッサ１２は、ステップＳ１１１０で得られた計測ログ情報と、ステップＳ３１１０で得られた追加情報と、を将来肌モデルに与えることにより、当該計測ログ情報及び当該追加情報の組合せに応じた将来の肌状態を推定する。
　ステップＳ３１１１の後、肌状態推定装置１０は、現在の肌状態の推定（Ｓ３１１２）を実行する。
　具体的には、記憶装置１１には、現在肌モデルが記憶されている。
　プロセッサ１２は、ステップＳ１１１０で得られた計測ログ情報と、ステップＳ３１１０で得られた追加情報と、を現在肌モデルに与えることにより、当該計測ログ情報及び当該追加情報の組合せに応じた現在の肌状態を推定する。
　ステップＳ３１１２の後、肌状態推定装置１０は、図５と同様に、データベースの更新（Ｓ１１１３）～推定結果の表示（Ｓ１１１４）を実行する。
（７－２－４）変形例２の小括
　変形例２によれば、血液中の血漿成分及び被験者の属性情報（例えば、年齢）の組合せに基づいて、被験者の肌状態を推定してもよい。これにより、肌状態の推定の精度をさらに向上させることができる。
　変形例２によれば、血液中の血漿成分及び被験者の身体情報（例えば、ＢＭＩ情報）の組合せに基づいて、被験者の肌状態を推定してもよい。これにより、肌状態の推定の精度をさらに向上させることができる。
　変形例２によれば、血液中の血漿成分及び環境ログ情報（例えば、紫外線情報）の組合せに基づいて、被験者の肌状態を推定してもよい。これにより、肌状態の推定の精度をさらに向上させることができる。
　変形例２によれば、血液中の血漿成分及び生活ログ情報（例えば、栄養素摂取量）の組合せに基づいて、被験者の肌状態を推定してもよい。これにより、肌状態の推定の精度をさらに向上させることができる。
　変形例２によれば、血液中の血漿成分、属性情報、身体情報、環境ログ情報、及び、生活ログ情報の組合せに基づいて、被験者の肌状態を推定してもよい。これにより、肌状態の推定の精度をさらに向上させることができる。
（７－３）変形例３
　変形例３を説明する。変形例３は、肌状態推定装置１０を含む肌状態推定システムの例である。
（７－３－１）変形例３の概要
　変形例３の概要を説明する。図１２は、変形例３の概要の説明図である。
　図１２のユーザは、例えば、検査担当者（一例として、検査機関の医師又は検査技師）である。
　図１２に示すように、被験者は、自身の採血検体をユーザに渡す。
　ユーザは、採血検体の検査を実施し、且つ、被験者の血液中の血漿成分を計測する。
　ユーザは、肌状態推定装置１０に対して、被験者の血液中の血漿成分の計測結果と、被験者識別情報と、を入力する。
　肌状態推定装置１０は、入力された計測結果及び被験者識別情報を関連付けて記憶する。
　被験者は、クライアント装置３０を介して、肌状態推定装置１０に被験者識別情報を送信する。
　肌状態推定装置１０は、クライアント装置３０から送信された被験者識別情報に関連付けて記憶された計測結果に基づいて、被験者の肌状態を推定し、且つ、クライアント装置３０を介して、推定結果を被験者に提示する。
（７－３－２）変形例３の肌状態推定システムの構成
　変形例３の肌状態推定システムの構成を説明する。図１３は、変形例３の肌状態推定システムの機能ブロック図である。
　図１３に示すように、変形例３の肌状態推定システム１は、肌状態推定装置１０と、クライアント装置３０と、を備える。
　肌状態推定装置１０の構成は、図１と同様である。
　図１３のクライアント装置３０は、肌状態推定装置１０にリクエストを送信し、且つ、肌状態推定装置１０からレスポンスを受け付けるコンピュータ（「情報処理装置」の一例）である。クライアント装置３０は、例えば、スマートフォン、タブレット端末、又は、パーソナルコンピュータである。
　図１に示すように、クライアント装置３０は、記憶装置３１と、プロセッサ３２と、入出力インタフェース３３と、通信インタフェース３４とを備える。
　記憶装置３１は、プログラム及びデータを記憶するように構成される。記憶装置３１は、例えば、ＲＯＭ、ＲＡＭ、及び、ストレージ（例えば、フラッシュメモリ又はハードディスク）の組合せである。
　プログラムは、例えば、以下のプログラムを含む。
　・ＯＳ（Operating System）のプログラム
　・情報処理において用いられるパラメータ、関数、及び、モデル
　・情報処理を実行するアプリケーション（例えば、ウェブブラウザ）のプログラム
　データは、例えば、以下のデータを含む。
　・情報処理において参照されるデータベース
　・情報処理を実行することによって得られるデータ（つまり、情報処理の実行結果）
　プロセッサ３２は、記憶装置３１に記憶されたプログラムを起動することによって、クライアント装置３０の機能を実現するように構成される。プロセッサ３２は、例えば、ＣＰＵ、ＧＰＵ、ＡＳＩＣ、ＦＰＧＡ、又は、これらの組み合わせである。
　入出力インタフェース３３は、クライアント装置３０に接続される入力デバイスからユーザの指示を取得し、かつ、クライアント装置３０に接続される出力デバイスに情報を出力するように構成される。
　入力デバイスは、例えば、キーボード、ポインティングデバイス、タッチパネル、又は、それらの組合せである。
　出力デバイスは、例えば、ディスプレイである。
　通信インタフェース３４は、クライアント装置３０と肌状態推定装置１０との間の通信を制御するように構成される。
（７－３－３）変形例３の肌状態推定処理
　変形例３の肌状態推定処理を説明する。図１４は、変形例３の肌状態推定処理のシーケンス図である。
　図１４のトリガは、以下の何れかである。
　・被験者が肌状態推定装置１０の所定のアプリケーション（例えば、肌状態を推定するためのアプリケーション）を起動したこと。
　・被験者が肌状態推定装置１０を用いて、所定のウェブサイト（例えば、肌状態を推定するためのサービスを提供するウェブサイト）にアクセスしたこと。
　図１４に示すように、クライアント装置３０は、図５と同様に、計測結果の取得（Ｓ１１１０）を実行する。
　ステップＳ１１１０の後、クライアント装置３０は、推定リクエスト（Ｓ４３１０）を実行する。
　具体的には、プロセッサ３２は、推定リクエストデータを肌状態推定装置１０に送信する。推定リクエストデータは、例えば、以下の情報を含む。
　・フィールドオブジェクトＦ１１１０ａに入力された被験者識別情報
　・フィールドオブジェクトＦ１１１０ｂに入力された計測ログ情報
　ステップＳ４３１０の後、肌状態推定装置１０は、図５と同様に、将来の肌状態の推定（Ｓ１１１１）～データベースの更新（Ｓ１１１３）を実行する。
　ステップＳ１１１３の後、肌状態推定装置１０は、推定レスポンス（Ｓ４１１０）を実行する。
　具体的には、プロセッサ１２は、推定レスポンスデータをクライアント装置３０に送信する。推定レスポンスデータは、例えば、以下の情報を含む。
　・ステップＳ１１１１で得られた将来の肌状態の推定結果
　・ステップＳ１１１２で得られた現在の肌状態の推定結果
　ステップＳ４１１０の後、クライアント装置３０は、図５と同様に、推定結果の表示（Ｓ１１１４）を実行する。
（７－３－４）変形例３の小括
　変形例３によれば、被験者が使用するクライアント装置３０を介して、肌状態推定装置１０に対して、肌状態の推定を要求し、且つ、肌状態の推定結果を取得する。これにより、被験者は、より容易に自身の肌状態を知ることができる。
（７－４）変形例４
　変形例４を説明する。変形例４は、ユーザとは異なる検査担当者によって計測された血液中の血漿成分の計測結果が記憶装置１１に記憶され、且つ、記憶装置１１に記憶された計測結果に基づく被験者の肌状態を被験者とは異なるユーザに提示する例である。
（７－４－１）変形例４の概要
　変形例４の概要を説明する。図１５は、変形例４の概要の説明図である。
　図１５のユーザは、例えば、肌状態推定サービスを提供する事業者の担当者である。
　検査担当者は、検査機関の医師又は検査技師である。
　図１５に示すように、検査担当者は、被験者の採血検体の検査を実施し、且つ、被験者の血液中の血漿成分を計測する。
　検査担当者は、肌状態推定装置１０の記憶装置１１に、被験者識別情報と、血液中の血漿成分の計測結果と、を関連付けて記憶する。これにより、計測ログデータベース（図４）が構築される。
　ユーザは、肌状態推定装置１０に対して、被験者識別情報を入力する。
　肌状態推定装置１０は、入力された被験者識別情報に関連付けて記憶された計測結果に基づいて、被験者の肌状態を推定し、且つ、推定結果をユーザに提示する。
　ユーザは、肌状態推定装置１０による推定結果（つまり、被験者の肌状態）を被験者に通知する。
（７－４－２）変形例４の肌状態推定処理
　変形例４の肌状態推定処理を説明する。図１６は、変形例４の肌状態推定処理のシーケンス図である。図１７は、図１６の情報処理において表示される画面例を示す図である。
　図１６のトリガは、以下の何れかである。
　・ユーザが肌状態推定装置１０の所定のアプリケーション（例えば、肌状態を推定するためのアプリケーション）を起動したこと。
　・ユーザが肌状態推定装置１０を用いて、所定のウェブサイト（例えば、肌状態を推定するためのサービスを提供するウェブサイト）にアクセスしたこと。
　計測ログデータベース（図４）には、被験者の被験者識別情報と、計測ログ情報と、が予め関連付けて記憶されている。
　図１６に示すように、肌状態推定装置１０は、計測結果の取得（Ｓ５１１０）を実行する。
　具体的には、プロセッサ１２は、画面Ｐ５１１０（図１７）をディスプレイに表示する。
　画面Ｐ５１１０は、操作オブジェクトＢ５１１０と、フィールドオブジェクトＦ５１１０と、を含む。
　操作オブジェクトＢ５１１０は、フィールドオブジェクトＦ５１１０に対する入力を確定させるためのユーザ指示を受け付けるオブジェクトである。
　フィールドオブジェクトＦ５１１０は、被験者識別情報の入力を受け付けるオブジェクトである。
　ユーザが、フィールドオブジェクトＦ５１１０に被験者識別情報を入力し、且つ、操作オブジェクトＢ５１１０を操作すると、プロセッサ１２は、フィールドオブジェクトＦ５１１０に入力された被験者識別情報に関連付けられた計測ログデータベース（図４）を特定する。
　ステップＳ５１１０の後、肌状態推定装置１０は、将来の肌状態の推定（Ｓ５１１１）を実行する。
　具体的には、記憶装置１１には、将来肌モデルが記憶されている。
　プロセッサ１２は、ステップＳ１１１０で特定された計測ログデータベース（図４）から、以下の何れかの血漿成分情報を読み出す。
　・最新の血漿成分情報（つまり、最も新しい日時を示すタイムスタンプ情報に関連付けられた血漿成分情報）
　・一定期間の血漿成分情報の平均値
　・全期間の血漿成分情報の平均値
　プロセッサ１２は、読み出した血漿成分情報を将来肌モデルに与えることにより、被験者の血液中の血漿成分に応じた将来の肌状態を推定する。
　ステップＳ５１１１の後、肌状態推定装置１０は、現在の肌状態の推定（Ｓ５１１２）を実行する。
　具体的には、記憶装置１１には、現在肌モデルが記憶されている。
　プロセッサ１２は、ステップＳ１１１２で読み出した血漿成分情報を現在肌モデルに与えることにより、被験者の血液中の血漿成分に応じた現在の肌状態を推定する。
　ステップＳ５１１２の後、肌状態推定装置１０は、図５と同様に、推定結果の表示（Ｓ１１１４）を実行する。
（７－４－３）変形例４の小括
　変形例４によれば、被験者の採血検体がなくても、記憶装置１１に予め記憶された血漿成分情報を用いて肌状態を推定する。これにより、検査能力を持たないユーザであっても、肌状態の推定結果を被験者に提示することができる。
（７－５）変形例５
　変形例５を説明する。変形例５は、被験者の血液中の血漿成分の計測結果が記憶装置１１に記憶され、且つ、記憶装置１１に記憶された計測結果に基づく被験者の肌状態を被験者に提示する例である。
（７－５－１）変形例５の概要
　変形例５の概要を説明する。図１８は、変形例５の概要の説明図である。
　図１８のユーザは、例えば、被験者である。
　図１８に示すように、肌状態推定装置１０の記憶装置１１には、計測ログデータベース（図４）が記憶されている。
　ユーザは、クライアント装置３０に対して、被験者識別情報を入力する。
　クライアント装置３０は、肌状態推定装置１０に被験者識別情報を送信する。
　肌状態推定装置１０は、クライアント装置３０から送信された被験者識別情報に関連付けて記憶された計測ログデータベース（図４）の計測ログ情報に基づいて、被験者の肌状態を推定し、且つ、推定結果をクライアント装置３０に送信する。
　クライアント装置３０は、肌状態推定装置１０から送信された推定結果をユーザに提示する。
（７－５－２）変形例５の肌状態推定処理
　変形例５の肌状態推定処理を説明する。図１９は、変形例５の肌状態推定処理のシーケンス図である。
　図１９のトリガは、以下の何れかである。
　・被験者が肌状態推定装置１０の所定のアプリケーション（例えば、肌状態を推定するためのアプリケーション）を起動したこと。
　・被験者が肌状態推定装置１０を用いて、所定のウェブサイト（例えば、肌状態を推定するためのサービスを提供するウェブサイト）にアクセスしたこと。
　図１９に示すように、クライアント装置３０は、推定リクエスト（Ｓ６３１０）を実行する。
　具体的には、プロセッサ３２は、画面Ｐ５１１０（図１７）をディスプレイに表示する。
　ユーザが、フィールドオブジェクトＦ５１１０に被験者識別情報を入力し、且つ、操作オブジェクトＢ５１１０を操作すると、プロセッサ３２は、推定リクエストデータを肌状態推定装置１０に送信する。推定リクエストデータは、例えば、以下の情報を含む。
　・フィールドオブジェクトＦ５１１０に入力された被験者識別情報
　ステップＳ６３１０の後、肌状態推定装置１０は、図５と同様に、将来の肌状態の推定（Ｓ１１１１）～現在の肌状態の推定（Ｓ１１１２）を実行する。
　ステップＳ１１１２の後、肌状態推定装置１０は、図１４と同様に、推定レスポンス（Ｓ４１１０）を実行する。
　ステップＳ４１１０の後、クライアント装置３０は、図５と同様に、推定結果の表示（Ｓ１１１４）を実行する。
（７－５－３）変形例５の小括
　変形例５によれば、被験者の採血検体がなくても、記憶装置１１に予め記憶された血漿成分情報を用いて肌状態を推定する。これにより、検査能力を持たない被験者であっても、既存の検査結果に基づく肌状態の推定結果を知ることができる。
（８）その他の変形例
　その他の変形例を説明する。
　記憶装置１１は、ネットワークを介して、肌状態推定装置１０と接続されてもよい。
　記憶装置３１は、ネットワークを介して、クライアント装置３０と接続されてもよい。
　以上、本発明の実施形態について詳細に説明したが、本発明の範囲は上記の実施形態に限定されない。また、上記の実施形態は、本発明の主旨を逸脱しない範囲において、種々の改良や変更が可能である。また、上記の実施形態及び変形例は、組合せ可能である。
１　　　　　　：肌状態推定システム
１０　　　　　：肌状態推定装置
１１　　　　　：記憶装置
１２　　　　　：プロセッサ
１３　　　　　：入出力インタフェース
１４　　　　　：通信インタフェース
３０　　　　　：クライアント装置
３１　　　　　：記憶装置
３２　　　　　：プロセッサ
３３　　　　　：入出力インタフェース
３４　　　　　：通信インタフェース

Claims (23)

  1. 　血液中の血漿成分に基づいて、被験者の現在の肌状態及び将来の肌状態の少なくとも１つを推定するステップを備える、
    肌状態推定方法。
  2. 　前記血液中の血漿成分は、水溶性ビタミン、脂溶性ビタミン、及び、ミネラルの少なくとも１つを含む、
    請求項１に記載の肌状態推定方法。
  3. 　前記脂溶性ビタミンは、ビタミンＡ、ビタミンＤ、及び、βカロテンの少なくとも１つを含む、
    請求項２に記載の肌状態推定方法。
  4. 　前記推定するステップは、前記ビタミンＤに基づいて、糖化度及びａ＊の少なくとも１つを推定する、
    請求項３に記載の肌状態推定方法。
  5. 　前記推定するステップは、前記ビタミンＡに基づいて、角層水分量を推定する、
    請求項３に記載の肌状態推定方法。
  6. 　前記推定するステップは、前記βカロテンに基づいて、ｂ＊、彩度、シミ、及び、ヘモグロビン酸素飽和度の少なくとも１つを推定する、
    請求項３に記載の肌状態推定方法。
  7. 　前記水溶性ビタミンは、ナイアシン及び葉酸の少なくとも１つを含む、
    請求項２に記載の肌状態推定方法。
  8. 　前記推定するステップは、前記ナイアシンに基づいて、角層水分量、ａ＊、ヘモグロビン、及び、毛細血管の長さの少なくとも１つを推定する、
    請求項７に記載の肌状態推定方法。
  9. 　前記推定するステップは、前記葉酸に基づいて、角層水分量を推定する、
    請求項７に記載の肌状態推定方法。
  10. 　前記ミネラルは、カリウム、亜鉛、及び、カルシウムの少なくとも１つを含む、
    請求項２に記載の肌状態推定方法。
  11. 　前記推定するステップは、前記カリウムに基づいて、弾性を推定する、
    請求項１０に記載の肌状態推定方法。
  12. 　前記推定するステップは、前記亜鉛に基づいて、角層水分量、彩度、ａ＊、及び、ヘモグロビンの少なくとも１つを推定する、
    請求項１０に記載の肌状態推定方法。
  13. 　前記推定するステップは、前記カルシウムに基づいて、ヘモグロビン及びａ＊の少なくとも１つを推定する、
    請求項１０に記載の肌状態推定方法。
  14. 　前記肌状態に基づいて、前記被験者に対するアドバイスを生成するステップを備える、
    請求項１～請求項１３の何れかに記載の肌状態推定方法。
  15. 　前記アドバイスは、前記肌状態に影響を与える要因及び前記肌状態を改善するための対策の少なくとも１つを含む、
    請求項１４に記載の肌状態推定方法。
  16. 　被験者の血液中の血漿成分を取得するステップを備え、
    　前記推定するステップは、前記血液中の血漿成分に基づいて、前記現在の肌状態及び前記将来の肌状態の少なくとも１つを推定する、
    請求項１～請求項１３の何れかに記載の肌状態推定方法。
  17. 　前記推定するステップは、前記血液中の血漿成分及び前記被験者の属性情報の組合せに基づいて、前記肌状態を推定する、
    請求項１～請求項１３の何れかに記載の肌状態推定方法。
  18. 　前記推定するステップは、前記血液中の血漿成分及び前記被験者の身体情報の組合せに基づいて、前記肌状態を推定する、
    請求項１～請求項１３の何れかに記載の肌状態推定方法。
  19. 　前記推定するステップは、前記血液中の血漿成分及び前記被験者の環境ログ情報の組合せに基づいて、前記肌状態を推定する、
    請求項１～請求項１３の何れかに記載の肌状態推定方法。
  20. 　前記推定するステップは、前記血液中の血漿成分及び前記被験者の生活ログ情報の組合せに基づいて、前記肌状態を推定する、
    請求項１～請求項１３の何れかに記載の肌状態推定方法。
  21. 　前記推定するステップは、前記血液中の血漿成分、前記被験者の属性情報、前記被験者の身体情報、前記被験者の環境ログ情報、及び、前記被験者の生活ログ情報の組合せに基づいて、前記肌状態を推定する、
    請求項１～請求項１３の何れかに記載の肌状態推定方法。
  22. 　コンピュータを、血液中の血漿成分に基づいて、被験者の現在の肌状態及び将来の肌状態の少なくとも１つを推定する手段
    として機能させるためのプログラム。
  23. 　血液中の血漿成分に基づいて、被験者の現在の肌状態及び将来の肌状態の少なくとも１つを推定する手段を備える、
    肌状態推定装置。
PCT/JP2023/040756 2022-12-28 2023-11-13 肌状態の推定方法、肌状態推定装置、及び、プログラム WO2024142628A1 (ja)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2022-211134 2022-12-28

Publications (1)

Publication Number Publication Date
WO2024142628A1 true WO2024142628A1 (ja) 2024-07-04

Family

ID=

Similar Documents

Publication Publication Date Title
Hoss et al. Factory-calibrated continuous glucose sensors: the science behind the technology
US20190051410A1 (en) Glycemic risk determination based on variability of glucose levels
CN101500475B (zh) 用于监测生理参数的方法和设备
Aadland et al. Accelerometer epoch setting is decisive for associations between physical activity and metabolic health in children
JP2017224281A (ja) ヘルストラッキングデバイス
US20140095189A1 (en) Systems and methods for response calibration
US20110196213A1 (en) Display For Biological Values
US11295860B2 (en) Using at home measures to predict clinical state and improving the accuracy of at home measurements/predictions data associated with circadian rhythm and meal timing
Zhao et al. Rapid model identification for online subcutaneous glucose concentration prediction for new subjects with type I diabetes
Zanon et al. First experiences with a wearable multisensor device in a noninvasive continuous glucose monitoring study at home, part II: the investigators’ view
Blagrove et al. Test–retest reliability of physiological parameters in elite junior distance runners following allometric scaling
US20190274603A1 (en) System and a method for automatically managing continuous glucose monitoring measurements indicative of glucose level in a bodily fluid
AU2013323790A1 (en) Systems and methods for response calibration
Dunst et al. A novel approach to determining the Alactic time span in connection with assessment of the maximal rate of lactate accumulation in elite track cyclists
JP6918394B1 (ja) 生体情報演算システム
US20220382223A1 (en) System and method for evaluating glucose homeostasis
WO2024142628A1 (ja) 肌状態の推定方法、肌状態推定装置、及び、プログラム
WO2023042779A1 (ja) 生理周期予測装置、生理周期予測方法、生理周期予測プログラムおよび生理周期予測システム
EP3844767A1 (en) Using at home measurements to predict clinical state and improving the accuracy of at home measurements/predictions using data associated with circadian rhythm and meal timing
Whelan et al. Brain activation in response to personalized behavioral and physiological feedback from self-monitoring technology: pilot study
Schwesig et al. Comparison of intraobserver single-task reliabilities of the Interactive Balance System (IBS) and Vertiguard in asymptomatic subjects
Bowman et al. Comparison of accuracy guidelines for hospital glucose meters
JPWO2019106998A1 (ja) 情報処理装置、クライアント装置、及び、プログラム
WO2020196812A1 (ja) 情報提供システム、情報提供プログラム、及びコンピュータ読み取り可能な非一時的記憶媒体
US10743792B1 (en) Ketone measurement system capable of generating measurement breakdown