特許 6077239 生体情報処理装置、生体情報処理方法、生体情報処理プログラム及び生体情報処理プログラム記録媒体

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】6077239

(24)【登録日】2017年1月20日

(45)【発行日】2017年2月8日

(54)【発明の名称】生体情報処理装置、生体情報処理方法、生体情報処理プログラム及び生体情報処理プログラム記録媒体

(51)【国際特許分類】

   G06Q 50/24 20120101AFI20170130BHJP

【ＦＩ】

   G06Q50/24

【請求項の数】24

【全頁数】22

(21)【出願番号】特願2012-181478(P2012-181478)

(22)【出願日】2012年8月20日

(65)【公開番号】特開2014-38542(P2014-38542A)

(43)【公開日】2014年2月27日

【審査請求日】2015年8月19日

(73)【特許権者】

【識別番号】314005768

【氏名又は名称】パナソニックヘルスケアホールディングス株式会社

(74)【代理人】

【識別番号】110002000

【氏名又は名称】特許業務法人栄光特許事務所

(72)【発明者】

【氏名】峰村 淳

【審査官】 山本 雅士

(56)【参考文献】

【文献】 特開２００２−１８３６４７（ＪＰ，Ａ）

【文献】 特開２００７−１５６５２９（ＪＰ，Ａ）

(58)【調査した分野】（Int.Cl.，ＤＢ名）

Ｇ０６Ｑ １０／００ − ９９／００

(57)【特許請求の範囲】

【請求項1】

複数の被検者の生活習慣状態を入力する生活習慣入力部と、
前記複数の被検者の各被検者が、同じ生活習慣状態で少なくとも２回測定した生体情報を入力する生体情報入力部と、
前記生活習慣入力部に入力された生活習慣状態に基づいて、同じ生活習慣状態の組合せを持つグループに分類し、
前記グループごとに前記２回測定された生体情報の１回目に測定した値、２回目に測定した値、及び１回目から２回目までの期間からその傾きを前記複数の被験者の各被験者に対して算出し、
前記グループごとに、前記各被験者の前記１回目に測定した値と前記傾きの値を基にして、対応する傾きの近似線を算出し、
前記近似線を積分し、前記生体情報と時間経過の関係を示す生体情報推移データを算出する第１の制御器とを備える生体情報処理装置。

【請求項2】

前記生体情報の値が増加するにつれて進行する疾病の前記生体情報推移データを算出する場合には前記算出した傾きが負の値を持つデータを除外して前記近似線を算出し、前記生体情報の値が減少するにつれて進行する疾病の前記生体情報推移データを算出する場合には前記算出した傾きが正の値を持つデータを除外して前記近似線を生成することを特徴とする請求項１に記載の生体情報処理装置。

【請求項3】

対象被検者の生活習慣状態を入力する対象被検者生活習慣入力部と、
前記対象被検者の生体情報を入力する対象被検者生体情報入力部と、
前記対象被検者生活習慣入力部に入力された前記対象被検者の生活習慣状態が、前記グループのいずれに所属するかを特定し、
前記所属するグループに対応する前記生体情報推移データに基づいて疾病が発症するリスクを算出する第２の制御器を備えることを特徴とする請求項１又は２に記載の生体情報処理装置。

【請求項4】

対象被検者の生活習慣状態を入力する対象被検者生活習慣入力部と、
前記対象被検者の生体情報値を入力する対象被検者生体情報入力部と、
記憶部に格納されている複数の被検者の生活習慣状態に基づいて、同じ生活習慣状態の組合せを持つグループに分類し、
記憶部に格納されている複数の被検者の各被検者の少なくとも２回測定された生体情報と、前記対象被検者の少なくとも２回測定された生体情報の１回目に測定した値、２回目に測定した値、及び１回目から２回目までの期間からその傾きを前記複数の被験者の各被験者に対して算出し、
前記グループごとに、前記各被験者の前記１回目に測定した値と前記傾きの値を基にして、対応する傾きの近似線を算出し、前記近似線を積分し、前記生体情報と時間経過の関係を示す生体情報推移データを算出し、
前記対象被検者の生活習慣状態に基づいて、前記グループのいずれに所属するかを特定し、
前記グループに対応する前記生体情報推移データに基づいて疾病が発症するリスクを算出する第３の制御器を備えることを特徴とする生体情報処理装置。

【請求項5】

前記複数の被検者の生活習慣状態を保存する生活習慣保存部と、
前記複数の被検者の生体情報を保存する生体情報保存部を備え、
前記記憶部は前記生活習慣保存部と前記生体情報保存部を含むことを特徴とする請求項４に記載の生体情報処理装置。

【請求項6】

前記グループごとに、前記算出した生体情報推移データを保存するグループ別生体情報推移データ保存部を備えることを特徴とする請求項４又は５に記載の生体情報処理装置。

【請求項7】

対象被検者の生活習慣状態を入力する対象被検者生活習慣入力部と、
前記対象被検者の生体情報を入力する対象被検者生体情報入力部と、
前記対象被検者の生活習慣状態を特定し、
サーバーに格納されている複数の被検者の各被検者の生活習慣状態と少なくとも２回測定された生体情報のうち、前記対象被検者の生活習慣状態と同じ生活習慣状態の組合せを持つグループの前記生体情報の１回目に測定した値、２回目に測定した値、及び１回目から２回目までの期間からその傾きを前記複数の被験者の各被験者に対して算出し、
前記グループごとに、前記各被験者の前記１回目に測定した値と前記傾きの値を基にして、対応する傾きの近似線を算出し、
前記近似線を積分し、前記１回目に測定した値と時間経過の関係を示す生体情報推移データを算出する第４の制御器とを備える生体情報処理装置。

【請求項8】

前記サーバーに格納されている前記複数の被検者の生活習慣状態と生体情報値のうち、前記対象被検者の生活習慣状態と同じ生活習慣の組合せを持つグループの前記生活習慣状態及び前記生体情報を記憶する生体情報記憶部を備えることを特徴とする請求項７に記載の生体情報処理装置。

【請求項9】

前記算出した生体情報推移データを保存する生体情報推移データ保存部を備えることを特徴とする請求項７又は８に記載の生体情報処理装置。

【請求項10】

前記リスクを出力する結果出力部を備えることを特徴とする請求項３〜６のいずれか１項に記載の生体情報処理装置。

【請求項11】

前記リスクを表示する表示部を備え、前記結果出力部は前記表示部に接続されることを特徴とする請求項１０に記載の生体情報処理装置。

【請求項12】

前記同じ生活習慣状態とは、生活習慣項目に対して複数に区分された生活習慣状態の組合せが等しいことを指すことを特徴とする請求項１〜１１のいずれか１項に記載の生体情報処理装置。

【請求項13】

複数の被検者の生活習慣状態の入力を受け付けるステップと、
前記複数の被検者の各被検者が、同じ生活習慣状態で少なくとも２回測定した生体情報の入力を受け付けるステップと、
前記入力された生活習慣状態に基づいて、同じ生活習慣状態の組合せを持つグループに分類するステップと、
前記グループごとに前記２回測定された生体情報の１回目に測定した値、２回目に測定した値、及び１回目から２回目までの期間からその傾きを前記複数の被験者の各被験者に対して算出するステップと、
前記グループごとに、前記各被験者の前記１回目に測定した値と前記傾きの値を基にして、対応する傾きの近似線を算出するステップと、
前記近似線を積分し、前記生体情報と時間経過の関係を示す生体情報推移データを算出す
るステップとを含む生体情報処理方法。

【請求項14】

前記生体情報の値が増加するにつれて進行する疾病の前記生体情報推移データを算出する場合には前記算出した傾きが負の値を持つデータを除外して前記近似線を算出し、前記生体情報の値が減少するにつれて進行する疾病の前記生体情報推移データを算出する場合には前記算出した傾きが正の値を持つデータを除外して前記近似線を生成することを特徴とする請求項１３に記載の生体情報処理方法。

【請求項15】

対象被検者の生活習慣状態の入力を受け付けるステップと、
前記対象被検者の生体情報の入力を受け付けるステップと、
前記入力された前記対象被検者の生活習慣状態が、前記グループのいずれに所属するかを特定するステップと、
前記所属するグループに対応する前記生体情報推移データに基づいて疾病が発症するリスクを算出するステップを含むことを特徴とする請求項１３又は１４に記載の生体情報処理方法。

【請求項16】

対象被検者の生活習慣状態の入力を受け付けるステップと、
前記対象被検者の生体情報の入力を受け付けるステップと、
記憶部に格納されている複数の被検者の生活習慣状態に基づいて、同じ生活習慣状態の組合せを持つグループに分類するステップと、
記憶部に格納されている複数の被検者の少なくとも２回測定された生体情報と、前記対象被検者の少なくとも２回測定された生体情報の１回目に測定した値、２回目に測定した値、及び１回目から２回目までの期間からその傾きを前記複数の被験者の各被験者に対して算出するステップと、
前記グループごとに、前記各被験者の前記１回目に測定した値と前記傾きの値を基にして、対応する傾きの近似線を算出するステップと、
前記近似線を積分し、前記生体情報と時間経過の関係を示す生体情報推移データを算出するステップと、
前記対象被検者の生活習慣状態に基づいて、前記グループのいずれに所属するかを特定し、
前記グループに対応する前記生体情報推移データに基づいて疾病が発症するリスクを算出するステップを含むことを特徴とする生体情報処理方法。

【請求項17】

前記グループごとに、前記算出した生体情報推移データを保存するステップを含むことを特徴とする請求項１６に記載の生体情報処理方法。

【請求項18】

対象被検者の生活習慣状態の入力を受け付けるステップと、
前記対象被検者の生体情報の入力を受け付けるステップと、
前記対象被検者の生活習慣状態を特定するステップと、
サーバーに格納されている複数の被検者の各被検者の生活習慣状態と少なくとも２回測定された生体情報のうち、前記対象被検者の生活習慣状態と同じ生活習慣状態の組合せを持つグループの前記生体情報の１回目に測定した値、２回目に測定した値、及び１回目から２回目までの期間からその傾きを前記複数の被験者の各被験者に対して算出するステップと、
前記グループごとに、前記各被験者の前記１回目に測定した値と前記傾きの値を基にして、対応する傾きの近似線を算出するステップと、
前記近似線を積分し、前記１回目に測定した値と時間経過の関係を示す生体情報推移データを算出するステップを含むことを特徴とする生体情報処理方法。

【請求項19】

前記サーバーに格納されている前記複数の被検者の生活習慣状態と生体情報値のうち、前記対象被検者の生活習慣状態と同じ生活習慣の組合せを持つグループの前記生活習慣状態及び前記生体情報を記憶するステップを含むことを特徴とする請求項１８に記載の生体情
報処理方法。

【請求項20】

前記算出した生体情報推移データを保存するステップを含むことを特徴とする請求項１８又は１９に記載の生体情報処理方法。

【請求項21】

前記リスクを出力するステップを含むことを特徴とする請求項１５〜１７のいずれか１項に記載の生体情報処理方法。

【請求項22】

前記同じ生活習慣状態とは、生活習慣項目に対して複数に区分された生活習慣状態の組合せが等しいことを指すことを特徴とする請求項１３〜２１のいずれか１項に記載の生体情報処理方法。

【請求項23】

請求項１３から２２のいずれか一項に記載の前記生体情報処理方法の各ステップをコンピュータに実行させて、生体情報を処理するための生体情報処理用コンピュータプログラム。

【請求項24】

請求項２３に記載の前記生体情報処理用コンピュータプログラムを格納したコンピュータ読み取り可能な記録媒体。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、対象とする患者が現行の生活習慣を続けた場合、将来どのように健康状態が変化していくのかを予測する時に必要となる、時間軸に対する疾病の進行度合いを表す生体情報の時系列変化を得る生体情報処理装置、生体情報処理方法、生体情報処理プログラム及び生体情報処理プログラム記録媒体に関する。

【背景技術】

【0002】

これまでいくつかの生活習慣病の発症の予測においては、現状の各生体情報、例えば、血圧、血糖値、体重などを基に将来の発症リスクを予測している。
例えば特許文献１は、臨床検査結果、問診結果及び遺伝子検査結果を併用して受診者の疾病に対するリスク予測を行う。ここでは各要素への適合状況から重み付けした式を用いてリスクを算出している。リスク算出に際しては、過去の臨床検査の結果をもとに演算された、ある期間にその疾病を発症する確率を示すリスクパラメータを用いて算出している。これにより、例えば「あなたは糖尿病に関係する臨床検査項目の値が高く、遺伝的素因を併せて判断するとあなたが糖尿病にかかる確率はＰ％です。生活習慣を変えると共に、半年に一度の精密検査をお勧めします。」と言ったアドバイスの実施を可能としている。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開2000-262479号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

生活習慣病の進行度合いは例えば塩分摂取量、食事、運動、飲酒、喫煙、睡眠などの生活習慣の状態に依存し、その生活習慣状態の組み合わせによって疾病の進行度合い（以降、進行パターンと呼ぶ）が異なる。例えば、喫煙、飲酒、睡眠不良の習慣がある被検者のグループの進行パターンと喫煙の習慣のみがある被検者のグループの進行パターンとでは、喫煙、飲酒、睡眠不良の習慣があるグループの進行パターンのほうが早く疾病が悪化していく。したがって、生活習慣状態の組合せごとの進行パターンを明らかにし、さらに対象被検者がどの進行パターンに該当するのかを特定した上で、現在どの進行度合い位置にいるのか、これから先、重症化まで何年の猶予があるのかを明らかにする必要がある。

【0005】

従来技術ではリスク算出に際して用いるリスクパラメータは、生活習慣状態の組合せごとに過去の臨床検査の結果を集める必要があるが、一般に、生活習慣病あるいは慢性疾患は１０年、２０年、３０年と長い期間をかけ進行する。そのため時間軸とその進行度合いを表すデータを得るには、少なくともひとりの患者をその期間、監視下に置き、各生体情報値を得続けなくてはならず、実現には時間がかかる。

【0006】

そこで本発明は、一人の被検者を長期間検査するのではなく、複数の被検者の生体情報を測定した結果に基づいて長期間の進行パターンを算出し、比較的短い期間で進行パターンを得ることを目的とする。

【課題を解決するための手段】

【0007】

そこで本発明の一態様によって実現される生体情報処理装置は、複数の被検者の生活習慣状態を入力する生活習慣入力部と、複数の被検者の各被検者が、同じ生活習慣状態で少なくとも２回測定した生体情報を入力する生体情報入力部と、生活習慣入力部に入力され
た生活習慣状態に基づいて、同じ生活習慣状態の組合せを持つグループに分類し、グループごとに２回測定された生体情報の１回目に測定した値、２回目に測定した値、及び１回目から２回目までの期間からその傾きを算出し、１回目に測定した値とそれに対応する傾きの近似線を算出し、近似線を積分し、生体情報と時間経過の関係を示す生体情報推移データを算出する第１の制御器とを備える。

【0008】

また、本発明の一態様によって実現される生体情報処理装置は、生体情報の値が増加するにつれて進行する疾病の生体情報推移データを算出する場合には算出した傾きが負の値を持つデータを除外して近似線を算出し、生体情報の値が減少するにつれて進行する疾病の生体情報推移データを算出する場合には算出した傾きが正の値を持つデータを除外して近似線を生成してもよい。

【0009】

また、本発明の一態様によって実現される生体情報処理装置は、対象被検者の生活習慣状態を入力する対象被検者生活習慣入力部と、対象被検者の生体情報を入力する対象被検者生体情報入力部と、対象被検者生活習慣入力部に入力された対象被検者の生活習慣状態が、グループのいずれに所属するかを特定し、所属するグループに対応する生体情報推移データに基づいて疾病が発症するリスクを算出する第２の制御器を備えていてもよい。

【0010】

また、本発明の一態様によって実現される生体情報処理装置は、対象被検者の生活習慣状態を入力する対象被検者生活習慣入力部と、対象被検者の生体情報値を入力する対象被検者生体情報入力部と、記憶部に格納されている複数の被検者の生活習慣状態に基づいて、同じ生活習慣状態の組合せを持つグループに分類し、記憶部に格納されている複数の被検者の各被検者の少なくとも２回測定された生体情報と、対象被検者の少なくとも２回測定された生体情報の１回目に測定した値、２回目に測定した値、及び１回目から２回目までの期間からその傾きを算出し、１回目に測定した値とそれに対応する傾きの近似線を算出し、近似線を積分し、生体情報と時間経過の関係を示す生体情報推移データを算出し、対象被検者の生活習慣状態に基づいて、グループのいずれに所属するかを特定し、グループに対応する生体情報推移データに基づいて疾病が発症するリスクを算出する第３の制御器を備える。

【0011】

また、本発明の一態様によって実現される生体情報処理装置は、複数の被検者の生活習慣状態を保存する生活習慣保存部と、複数の被検者の生体情報を保存する生体情報保存部を備え、記憶部は前記生活習慣保存部と生体情報保存部を含んでいてもよい。

【0012】

また、本発明の一態様によって実現される生体情報処理装置は、グループごとに、算出した生体情報推移データを保存するグループ別生体情報推移データ保存部を備えていてもよい。

【0013】

また、本発明の一態様によって実現される生体情報処理装置は、対象被検者の生活習慣状態を入力する対象被検者生活習慣入力部と、対象被検者の生体情報を入力する対象被検者生体情報入力部と、対象被検者の生活習慣状態を特定し、サーバーに格納されている複数の被検者の各被検者の生活習慣状態と少なくとも２回測定された生体情報のうち、対象被検者の生活習慣状態と同じ生活習慣状態の組合せを持つグループの生体情報の１回目に測定した値、２回目に測定した値、及び１回目から２回目までの期間からその傾きを算出し、１回目に測定した値とそれに対応する傾きの近似線を算出し、近似線を積分し、１回目に測定した値と時間経過の関係を示す生体情報推移データを算出する第４の制御器とを備える。

【0014】

また、本発明の一態様によって実現される生体情報処理装置は、サーバーに格納されている複数の被検者の生活習慣状態と生体情報値のうち、対象被検者の生活習慣状態と同じ
生活習慣の組合せを持つグループの生活習慣状態及び生体情報を記憶する生体情報記憶部を備えていてもよい。

【0015】

また、本発明の一態様によって実現される生体情報処理装置は、算出した生体情報推移データを保存する生体情報推移データ保存部を備えていてもよい。

【0016】

また、本発明の一態様によって実現される生体情報処理装置は、リスクを出力する結果出力部を備えていてもよい。

【0017】

また、本発明の一態様によって実現される生体情報処理装置は、リスクを表示する表示部を備え、出力部は前記表示部に接続されていてもよい。

【0018】

また、本発明の一態様によって実現される生体情報処理装置は、同じ生活習慣状態とは、生活習慣項目に対して複数に区分された生活習慣状態の組合せが等しいことを指していてもよい。

【0019】

また、本発明の一態様によって実現される生体情報処理方法は、複数の被検者の生活習慣状態の入力を受け付けるステップと、複数の被検者の各被検者が、同じ生活習慣状態で少なくとも２回測定した生体情報の入力を受け付けるステップと、入力された生活習慣状態に基づいて、同じ生活習慣状態の組合せを持つグループに分類するステップと、グループごとに前記２回測定された生体情報の１回目に測定した値、２回目に測定した値、及び１回目から２回目までの期間からその傾きを算出するステップと、１回目に測定した値とそれに対応する傾きの近似線を算出するステップと、近似線を積分し、生体情報と時間経過の関係を示す生体情報推移データを算出するステップとを含む。

【0020】

また、本発明の一態様によって実現される生体情報処理方法は、生体情報の値が増加するにつれて進行する疾病の生体情報推移データを算出する場合には算出した傾きが負の値を持つデータを除外して近似線を算出し、生体情報の値が減少するにつれて進行する疾病の生体情報推移データを算出する場合には算出した傾きが正の値を持つデータを除外して近似線を生成してもよい。

【0021】

また、本発明の一態様によって実現される生体情報処理方法は、対象被検者の生活習慣状態の入力を受け付けるステップと、対象被検者の生体情報の入力を受け付けるステップと、入力された前記対象被検者の生活習慣状態が、グループのいずれに所属するかを特定するステップと、所属するグループに対応する生体情報推移データに基づいて疾病が発症するリスクを算出するステップを含でいてもよい。

【0022】

また、本発明の一態様によって実現される生体情報処理方法は、対象被検者の生活習慣状態の入力を受け付けるステップと、対象被検者の生体情報の入力を受け付けるステップと、記憶部に格納されている複数の被検者の生活習慣状態に基づいて、同じ生活習慣状態の組合せを持つグループに分類するステップと、記憶部に格納されている複数の被検者の少なくとも２回測定された生体情報と、対象被検者の少なくとも２回測定された生体情報の１回目に測定した値、２回目に測定した値、及び１回目から２回目までの期間からその傾きを算出するステップと、１回目に測定した値とそれに対応する傾きの近似線を算出するステップと、近似線を積分し、生体情報と時間経過の関係を示す生体情報推移データを算出するステップと、対象被検者の生活習慣状態に基づいて、グループのいずれに所属するかを特定し、グループに対応する生体情報推移データに基づいて疾病が発症するリスクを算出するステップを含む。

【0023】

また、本発明の一態様によって実現される生体情報処理方法は、グループごとに、算出
した生体情報推移データを保存するステップを含んでいてもよい。

【0024】

また、本発明の一態様によって実現される生体情報処理方法は、対象被検者の生活習慣状態の入力を受け付けるステップと、対象被検者の生体情報の入力を受け付けるステップと、対象被検者の生活習慣状態を特定するステップと、サーバーに格納されている複数の被検者の各被検者の生活習慣状態と少なくとも２回測定された生体情報のうち、対象被検者の生活習慣状態と同じ生活習慣状態の組合せを持つグループの前記生体情報の１回目に測定した値、２回目に測定した値、及び１回目から２回目までの期間からその傾きを算出するステップと、１回目に測定した値とそれに対応する傾きの近似線を算出するステップと、近似線を積分し、前記１回目に測定した値と時間経過の関係を示す生体情報推移データを算出するステップを含む。

【0025】

また、本発明の一態様によって実現される生体情報処理方法は、サーバーに格納されている複数の被検者の生活習慣状態と生体情報値のうち、対象被検者の生活習慣状態と同じ生活習慣の組合せを持つグループの生活習慣状態及び生体情報を記憶するステップを含んでいてもよい。

【0026】

また、本発明の一態様によって実現される生体情報処理方法は、算出した生体情報推移データを保存するステップを含んでいてもよい。

【0027】

また、本発明の一態様によって実現される生体情報処理方法は、リスクを出力するステップを含んでいてもよい。

【0028】

また、本発明の一態様によって実現される生体情報処理方法は、同じ生活習慣状態とは、生活習慣項目に対して複数に区分された生活習慣状態の組合せが等しいことを指していてもよい。

【0029】

また、本発明の一態様によって実現される生体情報処理用プログラムは、上述のいずれかに記載の生体情報処理方法の各ステップをコンピュータに実行させるものであってもよい。

【0030】

また、本発明の一態様によって実現される記録媒体は、上述の生体情報処理用コンピュータプログラムを格納したコンピュータ読み取り可能な記録媒体であってもよい。

【発明の効果】

【0031】

本発明の生体情報処理装置、生体情報処理方法、生体情報処理プログラム及び生体情報処理プログラム記録媒体によれば、時間軸とその進行度合いを表すデータつまり、生体情報推移データを数十年という長い時間をかけずに、比較的短い期間のデータから擬似的に生成することができ、データ収集時間を減らすことで早期に各生活習慣状態ごとに時間軸をともなったリスク予測が可能となり、これにより疾病の発症時期について簡便に精度良く予測できるという効果がある。

【図面の簡単な説明】

【0032】

【図1】実施の形態１に係る生体情報処理装置の構成図

【図2】実施の形態１に係る生体情報処理方法のフローチャート

【図3】生体情報推移データの生成イメージ

【図4】始点の生体情報値と傾きの関係を示すグラフ

【図5】生体情報推移データを示すグラフ

【図6】実施の形態１に係る生体情報処理方法のリスク算出フローチャート

【図7】生体情報推移データを用いたリスク予測を説明する図

【図8】実施の形態２に係る生体情報処理装置の構成図

【図9】実施の形態２に係る生体情報処理方法のフローチャート

【図10】実施の形態３における生体情報処理装置の構成図

【図11】実施の形態３に係る生体情報処理方法のフローチャート

【発明を実施するための形態】

【0033】

以下に、本発明の生体情報処理装置、生体情報処理方法、生体情報処理プログラム及び生体情報処理プログラム記録媒体の実施の形態を図面とともに詳細に説明する。ここで生活習慣とは、食習慣、運動習慣、休養、喫煙、飲酒等に代表される生活する上での習慣を表す。また、生活習慣病とは、生活習慣が発症・進行に深く関与している疾患の総称であり、例えば糖尿病(１型糖尿病を除く)、脂質異常症（家族性脂質異常症を除く）、高血圧、肥満などがある。本実施形態では、糖尿病の判定基準の一つとなる生体情報として血中のグルコース値を例に説明するが、生体情報はこれに限られない。
（実施の形態１）
図１は実施の形態１に係る生体情報処理装置の構成図である。実施の形態１における生体情報処理装置１は、生活習慣入力部２と生体情報入力部３と第１の制御器４とグループ別生体情報推移データ保存部９を有する。この第１の制御器４は、生活習慣グループ分類部５、生体情報記憶部６、全体制御部７、グループ別生体情報推移データ算出部８とから構成される。

【0034】

生活習慣入力部２は、複数の被検者毎の生活習慣状態について入力する部分であり、例えばキーボードやタッチパネルに接続して入力してもよいし、サーバーから生活習慣状態のデータを取得して入力するようにしてもよい。生活習慣状態とは、例えば運動の有無や、喫煙の有無など生活習慣に関する現状を指す。生活習慣入力部２は、第１の制御器４に接続されている。

【0035】

生体情報入力部３は、複数の被検者毎の生体情報について入力する部分であり、例えばキーボードやタッチパネルに接続して入力してもよいし、サーバーから生体情報のデータを取得して入力するようにしてもよい。更に、生体情報を測定するセンサに接続され、このセンサからの生体情報値を送信するようにしてもよい。生体情報とは、例えば血圧や血糖値など生活習慣病の判定の基準となるものである。生体情報入力部３は第１の制御器４に接続されている。

【0036】

生体情報入力部３には、同一人物が同一の生活習慣状態で少なくとも二回測定した生体情報を入力する。なお、同一の生活習慣状態とは、生活習慣項目に対して複数に区分された生活習慣状態の組合せが等しいことを指す。つまり、例えば、喫煙、運動、飲酒などのいくつかの生活習慣項目に対して、それぞれ、有りと無しの２値に区分して、そのそれぞれの生活習慣項目の有りと無しの組合せが等しいときに同一の生活習慣状態と呼んでもよい。また、生活習慣状態は、２値に限らず、３以上に区分してもよい。

【0037】

生活習慣グループ分類部５は、生活習慣入力部２に接続されており、生活習慣入力部２により入力された生活習慣に基づいて、各被検者が所属する生活習慣グループの分類を行う。生活習慣グループは、予め特定の項目、例えば喫煙、運動のみに注目したグループ群を作成しておいてもよいし、入力された複数の被検者の生活習慣状態の組合せが同一となるもの毎にグループわけしてもよい。例えば、喫煙、運動に注目している場合、生活習慣入力部２で入力する生活習慣項目のうち、選択した項目である喫煙と運動という二つの生活習慣項目について、その生活習慣状態の組合せに基づいてグループわけを行う。具体的には、喫煙の有無と運動の有無が同じ組合せの被検者を同一の生活習慣グループとする。生体情報記憶部６は、生活習慣グループ分類部５に接続されており、生活習慣グループ分類部５により分類された生活習慣グループごとに、生体情報入力部３から入力された生体
情報を一時的に記憶する。

【0038】

全体制御部７は、生活習慣グループ分類部５及び生体情報記憶部６に接続されており、各生活習慣グループごとに、生体情報記憶部６に生体情報を記憶する作業を順次繰り返すように制御している。

【0039】

グループ別生体情報推移データ算出部８は、生体情報記憶部６に接続され、生活習慣グループごとに、例えば２０年などのある期間でその生活習慣を継続した場合の、生体情報の時系列変化のデータ（以下、生体情報推移データとよぶ。）を算出する。
グループ別生体情報推移データ保存部９は、第１の制御器４に接続され、より具体的には、グループ別生体情報推移データ算出部８に接続され、グループ別生体情報推移データ算出部８で算出された生体情報推移データを生活習慣グループごとに保存する。

【0040】

なお、生体情報記憶部６及びグループ別生体情報推移データ保存部９は生体情報処理装置１内にあってもよいし、生体情報処理装置１に接続されるメモリであってもよい。

【0041】

更に、実施の形態１に係る生体情報処理装置は、リスク算出装置１０と接続されていても良い。リスク算出装置１０は、対象被検者生活習慣入力部１１と対象被検者生体情報入力部１２と第２の制御器１３と結果出力部１６を有する。この第２の制御器１３は、所属生活習慣グループ特定部１４とリスク算出部１５とから構成される。

【0042】

対象被検者生活習慣入力部１１は、生活習慣病の発症リスクを算出したい対象被検者の生活習慣状態について入力する部分であり、例えばキーボードやタッチパネルに接続して入力してもよいし、サーバーから生活習慣状態のデータを取得して入力するようにしてもよい。生活習慣状態とは、例えば運動の有無や、喫煙の有無など生活習慣に関する現状を指す。対象被検者生活習慣入力部１１は、第２の制御器１３に接続されている。

【0043】

対象被検者生体情報入力部１２は、対象被検者生活習慣入力部１１に入力する被検者と同一人の対象被検者の生体情報について入力する部分であり、例えばキーボードやタッチパネルに接続して入力してもよいし、サーバーから生体情報のデータを取得して入力するようにしてもよい。更に、生体情報を測定するセンサに接続され、このセンサからの生体情報値を送信するようにしてもよい。生体情報とは、例えば血圧や血糖値など生活習慣病の判定の基準となるものである。対象被検者生体情報入力部１２は第２の制御器１３に接続されている。

【0044】

所属生活習慣グループ特定部１４は、対象被検者生活習慣入力部１１に接続されており、対象被検者生活習慣入力部１１により入力された生活習慣に基づいて、その対象被検者が所属する生活習慣グループの特定を行う。生活習慣グループは、予め特定の項目、例えば喫煙、運動のみに注目したグループ群を作成しておいて、そのいずれのグループに対象被検者が所属するか特定してもよい。例えば、喫煙、運動に注目している場合、生活習慣入力部２で入力する生活習慣項目のうち、選択した項目である喫煙と運動という二つの生活習慣項目について、その生活習慣状態の組合せに基づいてグループわけを行う。具体的には、喫煙の有無と運動の有無が同じ組合せの場合を同一の生活習慣グループとする。

【0045】

リスク算出部１５は、所属生活習慣グループ特定部１４及びグループ別生体情報推移データ保存部９に接続されている。リスク算出部１５は、所属生活習慣グループ特定部１４で特定した生活習慣グループの生体情報推移データをグループ別生体情報推移データ保存部９から読み出し、対象被検者生活習慣入力部１１及び対象被検者生体情報入力部１２でそれぞれ情報を入力した対象被検者の、生活習慣病の発症リスクを算出する。

【0046】

結果出力部１６は、第２の制御器１３に接続され、より具体的にはリスク算出部１５に接続され、リスク算出部１５によって算出された対象被検者の生活習慣病の発症リスクを例えばディスプレイなどの表示部や紙面などへ出力する。

【0047】

ここで、リスク算出装置１０は、生体情報処理装置１と異なる装置であり、リスク算出部１５とグループ別生体情報推移データ保存部９はネットワークを介して接続されていてもよい。このとき、グループ別生体情報推移データ保存部９はサーバ上に保存されていてもよい。

【0048】

また、生体情報処理装置１がリスク算出装置１０と接続される場合、グループ別生体情報推移データ算出部８が、グループ別生体情報推移データ保存部９を介さずにリスク算出部１５に接続されていてもよい。

【0049】

図２は、実施の形態１に係る生体情報処理方法のフローチャートである。まず、ステップＳ１０１において、生活習慣入力部２から入力された複数の被検者の生活習慣状態を受付け、その生活習慣状態に基づいて、各被検者が所属する生活習慣グループの分類を行う。具体的には、例えば喫煙の有無と運動の有無に注目している場合、喫煙の有無と運動の有無が同じ組合せの被検者を同一の生活習慣グループに振り分けていく。ここでは、喫煙も運動もともに有りのグループ、喫煙が有りで運動が無しのグループ、喫煙が無しで運動が有りのグループ、喫煙も運動もともに無しのグループに振り分けることができる。注目している生活習慣項目が二以上の場合であっても同様に全ての項目の状態の組合せの数だけグループを想定することができる。予め全ての項目の状態の組合せの数だけグループを作成しておき、生活習慣入力部２から入力された複数の被検者の生活習慣状態に基づいて、その被検者が作成されたグループのいずれに該当するかを判断し、グループへの振り分けを行う。この動作を各被検者に対して順次実施していく。

【0050】

また、各被検者が所属する生活習慣グループの分類を行う方法として、予めグループを作成しておいて振り分ける方法を説明したが、入力された複数の被検者の生活習慣の組合せが同一となるもの毎にグループ分けを行ってもよい。すなわち、一人の被検者の各項目の状態の組合せと、それと異なる被検者の各項目の状態の組合せを比較し、その組合せが同じである場合に同一グループとし、異なる場合には異なるグループとする。この動作を各被検者に対して順次実施していく。

【0051】

次に、ステップＳ１０２において、生体情報入力部３から入力された生体情報を受付け、ステップＳ１０１で分類したグループ毎に、生体情報入力部３から入力された複数の被検者の生体情報を生体情報記憶部６に記録する。
なお、ステップＳ１０２では、複数の被検者の各被検者について少なくとも二回測定した生体情報を受け付ける。

【0052】

次に、ステップＳ１０３において、ステップＳ１０２で記録した生体情報のうち一つのグループに属する生体情報の群について、各データの一定期間の経過前後の傾きすなわち微分値を算出する。この一定期間とは、例えば一年とする。つまり、ここでは一定期間を一年とすれば、複数の被検者のうち各被検者が、その期間中の１回目に測定した値（以後、始点の値という。）と、２回目に測定した値すなわち１年後の値（以後、終点の値という。）の差分を１で割った値が傾きとなる。それぞれの被験者の始点の値と終点の値に対して同様に傾きを算出する。

【0053】

次に、ステップＳ１０４において、ステップＳ１０３で算出した傾きが負の値又は正の値となっているものをノイズとして排除する。同じ生活習慣を継続した場合、一般に病状はゆるやかに進行又は悪化するものである。注目している生体情報が、負の傾きが病状の
進行を示すものであれば、傾きが正の値となっているものをノイズとする。注目している生体情報が、正の傾きが病状の進行を示すものであれば、傾きが負の値となっているものをノイズとする。例えば、糖尿病の判定基準として、生体情報が血中のグルコース値である場合、グルコース値が上昇するほど病状は進行しているといえるので、傾きが負の値の場合がノイズとなる。

【0054】

図３は、生体情報推移データの生成イメージを示している。図３のグラフは縦軸が血中のグルコース値（ｍｇ／ｄＬ）であり、横軸が年数である。図中の（ａ）は複数の被検者のある一定期間の経過前後のグルコース値を示している。線で結ばれている一組のグルコース値が各被検者の生体情報である。図３（ａ）では１２人分のデータが記載されている。この各被検者が生体情報を測定する一定期間とは、前述したとおり、例えば一年である。ステップＳ１０３では、この各被検者の一年の経過前後に測定したグルコース値の傾きを算出している。ここで、一人分だけ傾きが負になっているので、ステップＳ１０４でこの負の傾きになっているデータをノイズとして排除する。ここで、各データにおいては、その期間中の始点の値と、終点の値、そしてその２点間を直線で結んだときの傾きのみが分かっている。しかし各被検者がその病状の進行度合いの何年目の位置に相当するのかは不明である。これらのデータから数十年という長い期間における生体情報推移データとして完成するためには、図３（ｂ）にイメージとして示したように、これら複数の被検者のデータのそれぞれから時系列に変化する１本のグラフを構築しなければならない。しかし、前述したとおり、各データが病状の進行度合いの何年目の位置に相当するのかが不明なため、図３（ｂ）に矢印で示した期間のように、各データ間の幅をどのくらいに設定すればよいのか不明である。この各データ間の幅が長すぎても短すぎても実体を表さない不正確なものとなる。そこで、次のステップＳ１０５、ステップＳ１０６、ステップＳ１０７を行うことにより、生体情報推移データを生成する。

【0055】

ステップＳ１０４でノイズを除去したデータに対して、ステップＳ１０５において各データの始点の値と傾きの関係を算出する。更に、ステップＳ１０６において、ステップＳ１０５で算出した始点の値と傾きの関係の近似線を算出し、ある始点の生体情報の値とそれに対応する近似線上の傾きの値を求める。

【0056】

図４は、始点の生体情報の値と傾きの関係を示すグラフである。図４には、ステップＳ１０５で算出した各被検者の始点の値と傾きの関係が丸印でプロットされている。縦軸は傾き、横軸は始点の値（ｍｇ／ｄＬ）である。ステップＳ１０６で算出した近似線が実線で記載されている。図４において例えば白丸で示される点は、近似線から矢印の分だけ離れており、この白丸の始点のグルコース値に対する傾きとして近似線を採用すれば、始点のグルコース値に対する傾きの値が、近似線上の値に修正されることになる。これは同じ生活習慣状態の組み合わせであっても各人の体質等により若干のばらつきがあることが原因である。近似線を算出することにより、ある始点のグルコース値と近似線による修正後の傾きの対が確定する。

【0057】

ステップＳ１０６において始点の値と傾きの近似線を算出した後、ステップＳ１０７においてステップＳ１０６で算出した近似線の積分値を求める。すなわち、生体情報の時系列変化を算出する。図４の縦軸である傾きは、時間要素を含み、ステップＳ１０６では上述の近似線を時間で積分することにより、図５に示すようなグルコース値と時間経過の関係を算出することができる。なお、図５は、生体情報推移データを示すグラフである。縦軸がグルコース値（ｍｇ／ｄＬ）で横軸が年数である。ここで、図５において年数は、ある対象被検者のグルコース値を基にした現在位置から発症までの相対的な経過年数がわかればよく、いくつのグルコース値を何年目とするかは適宜設定することができる。ここでは例えば、一般に空腹時血糖値が１１０ｍｇ／ｄＬを超えると異常値とすることからこの値を発症に向けての前記曲線の基点とし、経過年数０年とグルコース値１１０ｍｇ／ｄＬ
の交点を当該曲線が通るとしてもよい。

【0058】

更に、ステップＳ１０８において、ステップＳ１０７で算出した積分値のデータをグループ別生体情報推移データ保存部９へ保存するか、あるいはリスク算出装置１０へ出力してもよい。

【0059】

以上のような方法により、生体情報推移データを求めることができる。

【0060】

なお、上記生体情報処理方法の各ステップをコンピュータに実行させて、生体情報推移データを算出するための生体情報処理コンピュータプログラムとして構成してもよい。さらに、上記生体情報処理コンピュータプログラムを、コンピュータ読み取り可能な記録媒体に格納してもよい。上記記録媒体としては、半導体メモリ、光ディスク、磁気ディスク等であってもよい。

【0061】

また、生体情報処理装置１が更にリスク算出装置１０を備えている場合、更に次のようなリスク算出フローを備えることができる。

【0062】

図６は、実施の形態１に係る生体情報処理方法のリスク算出フローチャートである。
まず、ステップＳ２０１において、対象被検者生活習慣入力部１１から入力された生活習慣状態に基づいて、対象被検者の所属する生活習慣グループを特定する。ある注目する生活習慣項目の生活習慣状態の組合せを確認してもよいし、予め特定の項目、例えば喫煙、運動のみに注目したグループ群を作成しておいて、そのいずれのグループに対象被検者が所属するか特定してもよい。

【0063】

次に、ステップＳ２０２において、ステップＳ２０１で特定した対象被検者の所属する生活習慣グループの、生体情報推移データをグループ別生体情報推移データ算出部８又はグループ別生体情報推移データ保存部９から読み出す。

【0064】

次に、ステップＳ２０３において、ステップＳ２０２で読み出したグループ別生体情報推移データに基づいて、その生活習慣を続けた場合に被検者の生体情報の値が一定の閾値を超える時期を算出する。

【0065】

図７を用いて、グループ別生体情報推移データに基づいた、その生活習慣を続けた場合に対象被検者の生体情報の値が一定の閾値を越える時期の算出について説明する。図７は、生体情報推移データを用いたリスク予測を説明する図である。縦軸はグルコース値（ｍｇ／ｄＬ）であり、横軸は年数である。図７の実線で示される曲線（ｂ）が対象被検者の所属する生活習慣グループである。破線で示される曲線（ａ）は、（ｂ）とは異なる生活習慣グループの生体情報推移データであり、（ｃ）で示した時期までは（ｂ）と同じ推移を示すが、（ｃ）の時期以降は（ｂ）の生活習慣グループよりも早くグルコース値が上昇し病症が悪化することを示している。発症または重症化となる時期は、その生体情報値がある閾値を超える時期で特定される。例えば、空腹時血糖値が１２６ｍｇ／ｄＬを超えれば糖尿病とされる。対象被検者の生体情報の値がこの閾値を超える時期を算出するには、まず対象被検者の属する生活習慣グループの生体情報推移データにおいて現在のグルコース値と一致する点を検索する。ここで、その点が（ｃ）の時期に合致するとすると、閾値１２６ｍｇ／ｄＬを超えるのは図中の（ｄ）の時期である。したがって、閾値を超える時期を検索し、時期（ｃ）から時期（ｄ）までの期間を算出することで、その対象被検者の疾病発症までの期間を算出することができる。また例えばグルコース値ではなく、生体情報としてＨｂＡ１ｃを用いる場合では５．８％以下で正常、６．５％以上で糖尿病とされている。さらにグルコース値ではなく、透析が必要となる腎臓の濾過能力の低下では、その指標となるクレアチニンが、５０歳の男性の場合であれば３．８ｍｇ／ｄＬを超えると
危険となる。このため、閾値はそれぞれ選択する生体情報によって設定する。

【0066】

ステップＳ２０３の後に、ステップＳ２０４においてステップＳ２０３で算出した結果を出力し、リスク算出装置１０を使用している対象被検者に、疾病の発症リスクについて警告することができる。
（実施の形態２）
図８は実施の形態２に係る生体情報処理装置の構成図である。実施の形態１と同じ機能を有する構成には同じ番号を付し、その構成の説明は省略する。

【0067】

実施の形態２に係る生体情報処理装置は、対象被検者生活習慣入力部１１、対象被検者生体情報入力部１２、生活習慣保存部１７、生体情報保存部１８、第３の制御器１９、グループ別生体情報推移データ保存部９、結果出力部１６を備えている。この第３の制御器１９は、生活習慣グループ分類部５、生体情報記憶部６、全体制御部７、グループ別生体情報推移データ算出部８、所属生活習慣グループ特定部１４、リスク算出部１５とから構成される。

【0068】

対象被検者生活習慣入力部１１には生活習慣保存部１７が接続され、対象被検者生活習慣入力部１１から入力された生活習慣状態が生活習慣保存部１７に保存される。また、対象被検者生体情報入力部１２には生体情報保存部１８が接続され、対象被検者生体情報入力部１２から入力された生体情報が生体情報保存部１８に保存される。なお、この生活習慣保存部１７には、対象被検者生活習慣入力部１１から入力される生活習慣状態のほかに、複数の被検者の生活習慣状態が予め保存されており、生体情報保存部１８には、対象被検者生体情報入力部１２から入力される生体情報のほかに、複数の被検者の生体情報が予め保存されている。そして、この生活習慣状態と生体情報はそれぞれどの生活習慣状態がどの生体情報であるか紐付けられるようになっている。生体情報保存部１８には、同一人物が同一の生活習慣状態で少なくとも二回測定した生体情報を入力する。なお、同一の生活習慣状態とは、生活習慣項目に対して複数に区分された生活習慣状態の組合せが等しいことを指す。つまり、例えば、喫煙、運動、飲酒などのいくつかの生活習慣項目に対して、それぞれ、有りと無しの２値に区分して、そのそれぞれの生活習慣項目の有りと無しの組合せが等しいときに同一の生活習慣状態と呼んでもよい。また、生活習慣状態は、２値に限らず、３以上に区分してもよい。

【0069】

また、生活習慣保存部１７及び生体情報保存部１８は生活習慣グループ分類部５に接続され、生活習慣グループ分類部５は生活習慣保存部１７に保存された生活習慣に基づいて、各被検者が所属する生活習慣グループの分類を行う。

【0070】

生活習慣グループ分類部５は生体情報記憶部６、全体制御部７に接続され、生体情報記憶部６はグループ別生体情報推移データ算出部８に接続される。グループ別生体情報推移データ算出部８はグループ別生体情報推移データ保存部９に接続され、グループ別生体情報推移データ保存部９はリスク算出部１５に接続される。対象被検者生活習慣入力部１１、対象被検者生体情報入力部１２は所属生活習慣グループ特定部１４に接続され、所属生活習慣グループ特定部１４はリスク算出部１５に接続され、リスク算出部１５は結果出力部１６に接続される。この、生活習慣グループ分類部５、生体情報記憶部６、全体制御部７、グループ別生体情報推移データ算出部８、グループ別生体情報推移データ保存部９、所属生活習慣グループ特定部１４、リスク算出部１５、結果出力部１６のそれぞれの構成や機能については実施の形態１で説明したとおりであり、ここでは説明を省略する。 なお、実施の形態１と同様に、生体情報記憶部６及びグループ別生体情報推移データ保存部９は生体情報処理装置内にあってもよいし、生体情報処理装置に接続されるメモリであってもよい。

【0071】

また、グループ別生体情報推移データ算出部８が、グループ別生体情報推移データ保存部９を介さずにリスク算出部１５に接続されていてもよい。

【0072】

図９は、実施の形態２に係る生体情報処理方法のフローチャートである。まず、ステップＳ３０１において、生活習慣保存部１７に保存された対象被検者を含む複数の被検者の生活習慣状態を受付け、その生活習慣状態に基づいて、各被検者が所属する生活習慣グループの分類を行う。具体的には、例えば喫煙の有無と運動の有無に注目している場合、喫煙の有無と運動の有無が同じ組合せの被検者を同一の生活習慣グループに振り分けていく。ここでは、喫煙も運動もともに有りのグループ、喫煙が有りで運動が無しのグループ、喫煙が無しで運動が有りのグループ、喫煙も運動もともに無しのグループに振り分けることができる。注目している生活習慣項目が二以上の場合であっても同様に全ての項目の状態の組合せの数だけグループを想定することができる。予め全ての項目の状態の組合せの数だけグループを作成しておき、生活習慣入力部２から入力された複数の被検者の生活習慣に基づいて、その被検者が作成されたグループのいずれに該当するかを判断し、グループへの振り分けを行う。この動作を各被検者に対して順次実施していく。

【0073】

また、各被検者が所属する生活習慣グループの分類を行う方法として、予めグループを作成しておいて振り分ける方法を説明したが、入力された複数の被検者の生活習慣状態の組合せが同一となるもの毎にグループ分けを行ってもよい。すなわち、一人の被検者の各項目の状態の組合せと、それと異なる被検者の各項目の状態の組合せを比較し、その組合せが同じである場合に同一グループとし、異なる場合には異なるグループとする。この動作を各被検者に対して順次実施していく。

【0074】

次に、ステップＳ３０２において、生体情報保存部１８に保存された対象被検者を含む複数の被検者の生体情報を受付け、ステップＳ３０１で分類したグループ毎に、生体情報保存部１８に保存された複数の被検者の生体情報を生体情報記憶部６に記録する。
なお、ステップＳ３０２では、複数の被検者の各被検者について少なくとも二回測定した生体情報を受け付ける。

【0075】

次に、ステップＳ３０３において、ステップＳ３０２で記録した生体情報値のうち一つのグループに属する生体情報値の群について、各データの一定期間の経過前後の傾きすなわち微分値を算出する。この一定期間とは、例えば一年とする。つまり、ここでは一定期間を一年とすれば、複数の被検者のうち各被検者が、その期間中の始点の値と、終点の値の差分を１で割った値が傾きとなる。それぞれの被検者の始点の値と終点の値に対して同様に傾きを算出する。

【0076】

次に、ステップＳ３０４において、ステップＳ３０３で算出した傾きが負の値又は正の値となっているものをノイズとして排除する。同じ生活習慣を継続した場合、一般に病状はゆるやかに進行又は悪化するものである。注目している生体情報値が、負の傾きが病状の進行を示すものであれば、傾きが正の値となっているものをノイズとする。注目している生体情報値が、正の傾きが病状の進行を示すものであれば、傾きが負の値となっているものをノイズとする。例えば、糖尿病の判定基準として、生体情報が血中のグルコース値である場合、グルコース値が上昇するほど病状は進行しているといえるので、傾きが負の値の場合がノイズとなる。実施の形態１において図３を用いて説明した生体情報推移データの生成イメージは本実施の形態においても同様であるため、説明を省略する。

【0077】

次に、ステップＳ３０４でノイズを除去したデータに対して、ステップＳ３０５において各データの始点の値と傾きの関係を算出する。更に、ステップＳ３０６において、ステップＳ３０５で算出した始点の値と傾きの関係の近似線を算出し、ある始点の生体情報の値とそれに対応する近似線上の傾きの値を求める。実施の形態１において図４を用いて説
明した生体情報の値と傾きの関係及び近似線は本実施の形態においても同様であるため、説明を省略する。

【0078】

ステップＳ３０６において始点の値と傾きの近似線を算出した後、ステップＳ３０７においてステップＳ３０６で算出した近似線の積分値を求める。すなわち、生体情報の時系列変化を算出する。実施の形態１において図５を用いて説明した生体情報推移データを示すグラフは本実施の形態においても同様であるため、説明を省略する。

【0079】

更に、ステップＳ３０８において、対象被検者生活習慣入力部１１から入力された生活習慣状態に基づいて、対象被検者の所属する生活習慣グループを特定する。ある注目する生活習慣項目の生活習慣状態の組合せを確認してもよいし、予め特定の項目、例えば喫煙、運動のみに注目したグループ群を作成しておいて、そのいずれのグループに被検者が所属するか特定してもよい。

【0080】

次に、ステップＳ３０９において、ステップＳ３０８で特定した対象被検者の所属する生活習慣グループの、生体情報推移データをグループ別生体情報推移データ算出部８又はグループ別生体情報推移データ保存部９から読み出す。

【0081】

次に、ステップＳ３１０において、ステップＳ３０７で算出した積分値のデータを用いて、その生活習慣を続けた場合に対象被検者の生体情報の値が一定の閾値を越える時期を算出する。ここの算出方法については、実施の形態１で図７を用いて説明した方法と同様であるため、説明を省略する。

【0082】

ステップＳ３１０の後に、ステップＳ３１１においてステップＳ３１０で算出した結果を出力し、対象被検者に、疾病の発症リスクについて警告することができる。

【0083】

なお、上記生体情報処理方法の各ステップをコンピュータに実行させて、生体情報推移データを算出するための生体情報処理コンピュータプログラムとして構成してもよい。さらに、上記生体情報処理コンピュータプログラムを、コンピュータ読み取り可能な記録媒体に格納してもよい。上記記録媒体としては、半導体メモリ、光ディスク、磁気ディスク等であってもよい。

【0084】

（実施の形態３）
図１０は実施の形態３における生体情報処理装置の構成図である。実施の形態１と同じ機能を有する構成には同じ番号を付し、その構成の説明は省略する。

【0085】

実施の形態３に係る生体情報処理装置２０は、対象被検者生活習慣入力部１１、対象被検者生体情報入力部１２、生体情報記憶部６、第４の制御器２１、生体情報推移データ保存部２３、結果出力部１６を備えている。この第４の制御器２１は所属生活習慣グループ特定部１４、生体情報推移データ算出部２２、リスク算出部１５とから構成される。

【0086】

対象被検者生活習慣入力部１１はネットワークを介してサーバー２４に接続されており、対象被検者生活習慣入力部１１から入力された生活習慣状態をサーバー２４に保存する。対象被検者生体情報入力部１２もネットワークを介してサーバー２４に接続されており、対象被検者生体情報入力部１２から入力された生体情報をサーバー２４に保存する。なお、この生活習慣状態と生体情報はそれぞれどの生活習慣状態の被検者がどの生体情報であるか紐付けられるようになっている。また、このサーバー２４には、少なくとも２以上の生体情報処理装置２０が接続されており、複数の被検者の生活習慣状態や生体情報が保存されるようになっている。

【0087】

対象被検者生活習慣入力部１１及び対象被検者生体情報入力部１２は所属生活習慣グループ特定部１４に接続されており、所属生活習慣グループ特定部１４は対象被検者生活習慣入力部１１から入力される情報に基づいて対象被検者の所属する生活習慣グループの特定を行い、そのデータをサーバー２４に送信する。サーバー２４には、複数の被検者の生活習慣状態が保存されているが、そのうち、対象被検者の所属する生活習慣グループと同一の生活習慣グループの生体情報値を読み出し、生体情報記憶部６に記憶する。サーバー２４には、同一人物が同一の生活習慣状態で少なくとも二回測定した生体情報を保存する。なお、同一の生活習慣状態とは、生活習慣項目に対して複数に区分された生活習慣状態の組合せが等しいことを指す。つまり、例えば、喫煙、運動、飲酒などのいくつかの生活習慣項目に対して、それぞれ、有りと無しの２値に区分して、そのそれぞれの生活習慣項目の有りと無しの組合せが等しいときに同一の生活習慣状態と呼んでもよい。また、生活習慣状態は、２値に限らず、３以上に区分してもよい。

【0088】

生体情報推移データ算出部２２は、生体情報記憶部６に接続され、生活習慣グループごとに、例えば２０年などのある期間でその生活習慣を継続した場合の、生体情報推移データを算出する。

【0089】

生体情報推移データ保存部２３は、生体情報推移データ算出部２２に接続され、生体情報推移データ算出部２２で算出された生体情報推移データを保存する。
なお、生体情報記憶部６及び生体情報推移データ保存部２３は生体情報処理装置１内にあってもよいし、生体情報処理装置１に接続されるメモリであってもよい。

【0090】

リスク算出部１５は、生体情報推移データ保存部２３に接続されている。リスク算出部１５は、生体情報推移データを生体情報推移データ保存部２３から読み出し、対象被検者生活習慣入力部１１及び対象被検者生体情報入力部１２でそれぞれ情報を入力した対象被検者の、生活習慣病の発症リスクを算出する。なお、リスク算出部１５は生体情報推移データ保存部２３を介さずに生体情報推移データ算出部に接続されていてもよい。

【0091】

結果出力部１６は、リスク算出部１５に接続され、リスク算出部１５によって算出された対象被検者の生活習慣病の発症リスクを例えばディスプレイなどの表示部や紙面などへ出力する。

【0092】

図１１は、実施の形態３に係る生体情報処理方法のフローチャートである。まず、ステップＳ４０１において、対象被検者生活習慣入力部１１から入力された生活習慣状態を受付け、その生活習慣状態に基づいて、対象被検者の所属する生活習慣グループを特定する。ある注目する生活習慣項目の生活習慣状態の組合せを確認してもよいし、予め特定の項目、例えば喫煙、運動のみに注目したグループ群を作成しておいて、そのいずれのグループに被検者が所属するか特定してもよい。

【0093】

次に、ステップＳ４０２において、ステップＳ４０１で特定した対象被検者の所属する生活習慣グループの情報をサーバー２４へ送信する。

【0094】

次に、ステップＳ４０３において、ステップＳ４０２で送信した情報に基づいて、対象被検者の所属するグループの生体情報をサーバー２４から読み出し、ステップＳ４０４においてその生体情報を生体情報記憶部６へ記録する。なお、ステップＳ４０３では、複数の被検者の各被検者について少なくとも二回測定した生体情報を受け付ける。

【0095】

次に、ステップＳ４０５において、ステップＳ４０４で記録した生体情報の、各データの一定期間の経過前後の傾きすなわち微分値を算出する。この一定期間とは、例えば一年とする。つまり、ここでは一定期間を一年とすれば、複数の被検者のうち各被検者が、そ
の期間中の始点の値と、終点の値の差分を１で割った値が傾きとなる。それぞれの被検者の始点の値と終点の値に対して同様に傾きを算出する。

【0096】

次に、ステップＳ４０６において、ステップＳ４０５で算出した傾きが負の値又は正の値となっているものをノイズとして排除する。同じ生活習慣を継続した場合、一般に病状はゆるやかに進行又は悪化するものである。注目している生体情報が、負の傾きが病状の進行を示すものであれば、傾きが正の値となっているものをノイズとする。注目している生体情報が、正の傾きが病状の進行を示すものであれば、傾きが負の値となっているものをノイズとする。例えば、糖尿病の判定基準として、生体情報が血中のグルコース値である場合、グルコース値が上昇するほど病状は進行しているといえるので、傾きが負の値の場合がノイズとなる。実施の形態１において図３を用いて説明した生体情報推移データの生成イメージは本実施の形態においても同様であるため、説明を省略する。

【0097】

ステップＳ４０６でノイズを除去したデータに対して、ステップＳ４０７において各データの始点の値と傾きの関係を算出する。更に、ステップＳ４０８において、ステップＳ４０７で算出した始点の値と傾きの関係の近似線を算出し、ある始点の生体情報の値とそれに対応する近似線上の傾きの値を求める。実施の形態１において図４を用いて説明した生体情報と傾きの関係及び近似線は本実施の形態においても同様であるため、説明を省略する。

【0098】

ステップＳ４０８において始点の値と傾きの近似線を算出した後、ステップＳ４０９においてステップＳ４０８で算出した近似線の積分値を求める。すなわち、生体情報の時系列変化を算出する。実施の形態１において図５を用いて説明した生体情報推移データを示すグラフは本実施の形態においても同様であるため、説明を省略する。

【0099】

更に、ステップＳ４１０において、ステップＳ４０９で算出した積分値のデータを用いて、その生活習慣を続けた場合に対象被検者の生体情報の値が一定の閾値を越える時期を算出する。ここの算出方法については、実施の形態１で図７を用いて説明した方法と同様であるため、説明を省略する。

【0100】

ステップＳ４１０の後に、ステップＳ４１２においてステップＳ４１０で算出した結果を出力し、対象被検者に、疾病の発症リスクについて警告することができる。
なお、上記生体情報処理方法の各ステップをコンピュータに実行させて、生体情報推移データを算出するための生体情報処理コンピュータプログラムとして構成してもよい。さらに、上記生体情報処理コンピュータプログラムを、コンピュータ読み取り可能な記録媒体に格納してもよい。上記記録媒体としては、半導体メモリ、光ディスク、磁気ディスク等であってもよい。

【産業上の利用可能性】

【0101】

本発明にかかる生体情報処理装置及び生体情報処理方法によれば、複数の被検者が各人の生活習慣状況とある比較的短い一定期間に測定した生体情報から、比較的長い期間での生体情報の推移データを算出することができる。これにより、生活習慣病の発症、重症化までの年数を予測することも可能となる。これにより、生活習慣病改善のための行動改善を促す情報を提供でき、例えば患者が在宅で生活習慣病を改善できるように支援する医療機器等に有用である。

【符号の説明】

【0102】

１ 生体情報処理装置
２ 生活習慣入力部
３ 生体情報入力部
４ 第１の制御器
５ 生活習慣グループ分類部
６ 生体情報記憶部
７ 全体制御部
８ グループ別生体情報推移データ算出部
９ グループ別生体情報推移データ保存部
１０ リスク算出装置
１１ 対象被検者生活習慣入力部
１２ 対象被検者生体情報入力部
１３ 第２の制御器
１４ 所属生活習慣グループ特定部
１５ リスク算出部
１６ 結果出力部
１７ 生活習慣保存部
１８ 生体情報保存部
１９ 第３の制御器
２０ 生体情報処理装置
２１ 第４の制御器
２２ 生体情報推移データ算出部
２３ 生体情報推移データ保存部
２４ サーバー

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】