ホーム > 特許ランキング > パラマウントベッド株式会社
知財求人 - 知財ポータルサイト「IP Force」
特開2024-11335データ処理装置、介護支援システム、及び、データ処理方法
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2024011335
(43)【公開日】2024-01-25
(54)【発明の名称】データ処理装置、介護支援システム、及び、データ処理方法
(51)【国際特許分類】
G06Q 50/22 20240101AFI20240118BHJP
【ＦＩ】
G06Q50/22
【審査請求】未請求
【請求項の数】10
【出願形態】ＯＬ
(21)【出願番号】P 2022113256
(22)【出願日】2022-07-14
(71)【出願人】
【識別番号】390039985
【氏名又は名称】パラマウントベッド株式会社
(74)【代理人】
【識別番号】110004026
【氏名又は名称】弁理士法人ｉＸ
(72)【発明者】
【氏名】武富 卓三
(72)【発明者】
【氏名】下川 真人
【テーマコード（参考）】
5L099
【Ｆターム（参考）】
5L099AA13
(57)【要約】
【課題】より適切な処理が可能なデータ処理装置、介護支援システム、及び、データ処理方法を提供する。
【解決手段】実施形態によれば、データ処理装置は、第１データを取得可能な取得部と、取得部が取得した第１データに基づいて第１動作を実施可能な処理部と、を含む。第１データの少なくとも一部は、対象者の状態を検出可能な第１センサから得られる。処理部は、第１動作において、第１データが第１データ情報を含む場合に、対象者に関する第１イベントの発生に関する第１イベント予測情報と、第１イベントの発生の時の対象者の予測される状態に関する状態予測情報と、を出力可能である。第１イベントの発生は、対象者の状態を検出可能な第２センサで検出可能である。第１イベントの発生の時の対象者の予測される状態は、第２センサで検出されない。
【選択図】図１
【解決手段】実施形態によれば、データ処理装置は、第１データを取得可能な取得部と、取得部が取得した第１データに基づいて第１動作を実施可能な処理部と、を含む。第１データの少なくとも一部は、対象者の状態を検出可能な第１センサから得られる。処理部は、第１動作において、第１データが第１データ情報を含む場合に、対象者に関する第１イベントの発生に関する第１イベント予測情報と、第１イベントの発生の時の対象者の予測される状態に関する状態予測情報と、を出力可能である。第１イベントの発生は、対象者の状態を検出可能な第２センサで検出可能である。第１イベントの発生の時の対象者の予測される状態は、第２センサで検出されない。
【選択図】図１
【特許請求の範囲】
【請求項1】
第１データを取得可能な取得部と、
前記取得部が取得した前記第１データに基づいて第１動作を実施可能な処理部と、
を備え、
前記第１データの少なくとも一部は、対象者の状態を検出可能な第１センサから得られ、
前記処理部は、前記第１動作において、前記第１データが第１データ情報を含む場合に、前記対象者に関する第１イベントの発生に関する第１イベント予測情報と、前記第１イベントの前記発生の時の前記対象者の予測される状態に関する状態予測情報と、を出力可能であり、
前記第１イベントの前記発生は、前記対象者の前記状態を検出可能な第２センサで検出可能であり、
前記第１イベントの前記発生の時の前記対象者の予測される前記状態は、前記第２センサで検出されない、データ処理装置。
前記取得部が取得した前記第１データに基づいて第１動作を実施可能な処理部と、
を備え、
前記第１データの少なくとも一部は、対象者の状態を検出可能な第１センサから得られ、
前記処理部は、前記第１動作において、前記第１データが第１データ情報を含む場合に、前記対象者に関する第１イベントの発生に関する第１イベント予測情報と、前記第１イベントの前記発生の時の前記対象者の予測される状態に関する状態予測情報と、を出力可能であり、
前記第１イベントの前記発生は、前記対象者の前記状態を検出可能な第２センサで検出可能であり、
前記第１イベントの前記発生の時の前記対象者の予測される前記状態は、前記第２センサで検出されない、データ処理装置。
【請求項2】
前記第１イベントは、離床及び排泄の少なくともいずれかを含み、
前記第１イベントの前記発生時の前記対象者の予測される前記状態は、転倒及び転落の少なくともいずれかの予測を含む、請求項１に記載のデータ処理装置。
前記第１イベントの前記発生時の前記対象者の予測される前記状態は、転倒及び転落の少なくともいずれかの予測を含む、請求項１に記載のデータ処理装置。
【請求項3】
前記第１イベントは、水分摂取、体動及び排泄の少なくともいずれかを含み、
前記第１イベントの前記発生時の前記対象者の予測される前記状態は、失禁の予測を含む、請求項１に記載のデータ処理装置。
前記第１イベントの前記発生時の前記対象者の予測される前記状態は、失禁の予測を含む、請求項１に記載のデータ処理装置。
【請求項4】
前記処理部は、第２動作をさらに実施可能であり、
前記処理部は、前記第２動作において、前記第１センサから得られる第１情報と、前記第２センサから得られる第２情報と、を取得可能であり、
前記第１情報の量は、前記第２情報の量よりも多く、
前記第２情報は、前記第２センサで検出される学習時イベントの発生に関する学習時イベント発生情報を含み、前記学習時イベントは、前記第１イベントに対応し、
前記第１情報は、前記学習時イベントの前記発生よりも前を含む第１期間に前記第１センサから得られる第１期間情報を含み、
前記処理部は、前記第２動作において、前記学習時イベント発生情報と、前記第１期間情報に基づく情報と、を教師データとして機械学習モデルを導出可能であり、
前記処理部は、前記機械学習モデルに基づいて前記第１動作を実施可能である、請求項１に記載のデータ処理装置。
前記処理部は、前記第２動作において、前記第１センサから得られる第１情報と、前記第２センサから得られる第２情報と、を取得可能であり、
前記第１情報の量は、前記第２情報の量よりも多く、
前記第２情報は、前記第２センサで検出される学習時イベントの発生に関する学習時イベント発生情報を含み、前記学習時イベントは、前記第１イベントに対応し、
前記第１情報は、前記学習時イベントの前記発生よりも前を含む第１期間に前記第１センサから得られる第１期間情報を含み、
前記処理部は、前記第２動作において、前記学習時イベント発生情報と、前記第１期間情報に基づく情報と、を教師データとして機械学習モデルを導出可能であり、
前記処理部は、前記機械学習モデルに基づいて前記第１動作を実施可能である、請求項１に記載のデータ処理装置。
【請求項5】
前記処理部は、前記第２動作において、
前記学習時イベント発生情報に基づいて、前記第１期間情報に第１アノテーションを付加し、
前記教師データは、前記第１アノテーションが付加された前記第１期間情報を含む、請求項４に記載のデータ処理装置。
前記学習時イベント発生情報に基づいて、前記第１期間情報に第１アノテーションを付加し、
前記教師データは、前記第１アノテーションが付加された前記第１期間情報を含む、請求項４に記載のデータ処理装置。
【請求項6】
前記第１データの一部は、前記対象者の前記状態を検出可能な第３センサから得られ、
前記第１センサは、前記対象者が使用するベッドに設けられた体動センサを含み、
前記第３センサは、前記対象者を撮像する撮像装置を含み、
前記第２センサは、前記対象者が使用する排泄装置、及び、前記対象者の排泄を検出可能な排泄センサの少なくともいずれかを含み、
前記第１イベントは、排泄を含み、
前記第１イベントの前記発生の時の前記状態は、転倒及び転落の少なくともいずれかの予測を含む、請求項１に記載のデータ処理装置。
前記第１センサは、前記対象者が使用するベッドに設けられた体動センサを含み、
前記第３センサは、前記対象者を撮像する撮像装置を含み、
前記第２センサは、前記対象者が使用する排泄装置、及び、前記対象者の排泄を検出可能な排泄センサの少なくともいずれかを含み、
前記第１イベントは、排泄を含み、
前記第１イベントの前記発生の時の前記状態は、転倒及び転落の少なくともいずれかの予測を含む、請求項１に記載のデータ処理装置。
【請求項7】
前記処理部は、第２動作をさらに実施可能であり、
前記処理部は、前記第２動作において、前記第１センサから得られる第１情報と、前記第２センサから得られる第２情報と、前記第３センサから得られる第３情報と、を取得可能であり、
前記第１情報の量は、前記第２情報の量よりも多く、
前記第２情報は、前記第２センサで検出される第２イベントの発生に関する第２イベント発生情報を含み、前記第２イベントは、前記第１イベントに対応し、
前記第１情報は、前記第２イベントの前記発生よりも前を含む第１期間に前記第１センサから得られる第１期間情報を含み、
前記第３情報は、前記第２イベントの前記発生よりも前を含む第２期間に前記第３センサから得られる第２期間情報を含み、
前記処理部は、前記第２動作において、前記第２イベント発生情報と、前記第１期間情報に基づく情報と、前記第２期間情報に基づく情報と、を教師データとして機械学習モデルを導出可能であり、
前記処理部は、前記機械学習モデルに基づいて前記第１動作を実施可能である、請求項６に記載のデータ処理装置。
前記処理部は、前記第２動作において、前記第１センサから得られる第１情報と、前記第２センサから得られる第２情報と、前記第３センサから得られる第３情報と、を取得可能であり、
前記第１情報の量は、前記第２情報の量よりも多く、
前記第２情報は、前記第２センサで検出される第２イベントの発生に関する第２イベント発生情報を含み、前記第２イベントは、前記第１イベントに対応し、
前記第１情報は、前記第２イベントの前記発生よりも前を含む第１期間に前記第１センサから得られる第１期間情報を含み、
前記第３情報は、前記第２イベントの前記発生よりも前を含む第２期間に前記第３センサから得られる第２期間情報を含み、
前記処理部は、前記第２動作において、前記第２イベント発生情報と、前記第１期間情報に基づく情報と、前記第２期間情報に基づく情報と、を教師データとして機械学習モデルを導出可能であり、
前記処理部は、前記機械学習モデルに基づいて前記第１動作を実施可能である、請求項６に記載のデータ処理装置。
【請求項8】
前記処理部は、前記第２動作において、
前記第２イベント発生情報に基づいて、前記第１期間情報に第１アノテーションを付加し、前記第２期間情報に第２アノテーションを付加し、
前記教師データは、前記第１アノテーションが付加された前記第１期間情報、及び、前記第２アノテーションが付加された前記第２期間情報を含む、請求項７に記載のデータ処理装置。
前記第２イベント発生情報に基づいて、前記第１期間情報に第１アノテーションを付加し、前記第２期間情報に第２アノテーションを付加し、
前記教師データは、前記第１アノテーションが付加された前記第１期間情報、及び、前記第２アノテーションが付加された前記第２期間情報を含む、請求項７に記載のデータ処理装置。
【請求項9】
請求項１～８のいずれか１つに記載のデータ処理装置と、
前記第１センサと、
端末装置と、
を備え、
前記端末装置は、出力部を含み、
前記出力部は、前記第１イベント予測情報及び前記状態予測情報を出力可能である介護支援システム。
前記第１センサと、
端末装置と、
を備え、
前記端末装置は、出力部を含み、
前記出力部は、前記第１イベント予測情報及び前記状態予測情報を出力可能である介護支援システム。
【請求項10】
処理部に第１データを入手させ、
前記処理部に前記第１データに基づいて第１動作を実施させ、
前記第１データの少なくとも一部は、対象者の状態を検出可能な第１センサから得られ、
前記処理部は、前記第１動作において、前記第１データが第１データ情報を含む場合に、前記対象者に関する第１イベントの発生に関する第１イベント予測情報と、前記第１イベントの前記発生の時の前記対象者の予測される状態に関する状態予測情報と、を出力可能であり、
前記第１イベントの前記発生は、前記対象者の前記状態を検出可能な第２センサで検出可能であり、
前記第１イベントの前記発生の時の前記対象者の予測される前記状態は、前記第２センサで検出されない、データ処理方法。
前記処理部に前記第１データに基づいて第１動作を実施させ、
前記第１データの少なくとも一部は、対象者の状態を検出可能な第１センサから得られ、
前記処理部は、前記第１動作において、前記第１データが第１データ情報を含む場合に、前記対象者に関する第１イベントの発生に関する第１イベント予測情報と、前記第１イベントの前記発生の時の前記対象者の予測される状態に関する状態予測情報と、を出力可能であり、
前記第１イベントの前記発生は、前記対象者の前記状態を検出可能な第２センサで検出可能であり、
前記第１イベントの前記発生の時の前記対象者の予測される前記状態は、前記第２センサで検出されない、データ処理方法。
【発明の詳細な説明】
【技術分野】
【0001】
本発明の実施形態は、データ処理装置、介護支援システム、及び、データ処理方法に関する。
【背景技術】
【0002】
介護において、各種のセンサから得られるデータが利用される。データが適切に処理されることにより、より適切な介護が実施できる。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特開２０２１－１８７６０号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
本発明の実施形態は、より適切な処理が可能なデータ処理装置、介護支援システム、及び、データ処理方法を提供する。
【課題を解決するための手段】
【0005】
本発明の実施形態によれば、データ処理装置は、第１データを取得可能な取得部と、前記取得部が取得した前記第１データに基づいて第１動作を実施可能な処理部と、を含む。前記第１データの少なくとも一部は、対象者の状態を検出可能な第１センサから得られる。前記処理部は、前記第１動作において、前記第１データが第１データ情報を含む場合に、前記対象者に関する第１イベントの発生に関する第１イベント予測情報と、前記第１イベントの前記発生の時の前記対象者の予測される状態に関する状態予測情報と、を出力可能である。前記第１イベントの前記発生は、前記対象者の前記状態を検出可能な第２センサで検出可能である。前記第１イベントの前記発生の時の前記対象者の予測される前記状態は、前記第２センサで検出されない。
【図面の簡単な説明】
【0006】
【発明を実施するための形態】
【0007】
以下に、本発明の各実施の形態について図面を参照しつつ説明する。
本願明細書と各図において、既出の図に関して前述したものと同様の要素には同一の符号を付して詳細な説明は適宜省略する。
本願明細書と各図において、既出の図に関して前述したものと同様の要素には同一の符号を付して詳細な説明は適宜省略する。
【0008】
（第１実施形態）
図１は、第１実施形態に係るデータ処理装置を例示する模式図である。
図１に示すように、実施形態に係るデータ処理装置７０は、取得部７２及び処理部７１を含む。実施形態に係る介護支援システム１１０は、データ処理装置７０を含む。
図１は、第１実施形態に係るデータ処理装置を例示する模式図である。
図１に示すように、実施形態に係るデータ処理装置７０は、取得部７２及び処理部７１を含む。実施形態に係る介護支援システム１１０は、データ処理装置７０を含む。
【0009】
取得部７２は、第１データＤＡ１を取得可能である。取得部７２は、例えば、インタフェースである。処理部７１は、取得部７２が取得した第１データＤＡ１に基づいて第１動作ＯＰ１を実施可能である。
【0010】
第１データＤＡ１の少なくとも一部は、第１センサ３１から得られる。第１センサ３１は、対象者の状態を検出可能である。例えば、対象者は、被介護者である。介護支援システム１１０のユーザは、介護者である。介護者は、被介護者に介護を提供する。
【0011】
実施形態において、第１センサ３１から得られたデータが、記憶部７６に供給され、記憶部７６に記憶されても良い。記憶部７６に記憶された第１データＤＡ１が、取得部７２に供給されても良い。記憶部７６は、サーバなどに設けられも良い。サーバは、任意の場所に設けられて良い。取得部７２は、無線または有線の任意の方法で第１データＤＡ１を取得して良い。
【0012】
処理部７１は、第１動作ＯＰ１において、第１データＤＡ１が特定の第１データ情報ＤＩ１を含む場合に、状態予測情報ＳＰ１を出力可能である。処理部７１は、第１動作ＯＰ１において、第１データＤＡ１が特定の第１データ情報ＤＩ１を含む場合に、第１イベント予測情報ＩＰ１を出力可能でも良い。このように、処理部７１は、第１動作ＯＰ１において、第１データＤＡ１が特定のデータを含む場合に、例えば、第１イベント予測情報ＩＰ１及び状態予測情報ＳＰ１を含む出力情報Ｏ０１を出力可能である。
【0013】
第１イベント予測情報ＩＰ１は、例えば、対象者に関する第１イベントの発生に関する。状態予測情報ＳＰ１は、例えば、対象者に関する第１イベントの発生の時において、対象者の予測される状態に関する。
【0014】
１つの例において、第１イベントは、対象者の離床、及び、対象者の排泄の少なくともいずれかを含む。この場合、第１イベントの発生時の対象者の予測される状態は、例えば、転倒及び転落の少なくともいずれかの予測を含む。転倒は、例えば、立位姿勢または座位姿勢からそれらよりも低い位置（例えば床）へ倒れることを含む。転落は、例えば、ベッドまたは椅子などから床への体の急激な移動を含む。予想される状態は、第１イベントの発生時の対象者の異常状態を含んで良い。
【0015】
実施形態において、第１イベント（例えば、離床または排泄など）の発生は、第１センサ３１とは別のセンサ（第２センサ）で検出可能である。第２センサは、対象者の状態を検出可能である。第２センサは、例えば、離床を検出する離床センサ、または、排泄を検出する排泄センサである。
【0016】
一方、第１イベントの発生の時の対象者の予測される状態は、上記の第２センサでは検出されない。例えば、第２センサが離床センサまたは排泄センサである場合、予測される状態（転倒または転落などの高い可能性など）は、第２センサでは検出されない。
【0017】
このように、実施形態における第１動作ＯＰ１において、処理部７１は、第２センサで検出可能な第１イベントの発生の予測に関する第１イベント予測情報ＩＰ１を出力する。これに加えて、処理部７１は、第２センサで検出されない付加情報を、状態予測情報ＳＰ１として出力する。例えば、離床または排泄などの発生の予測（第１イベント予測情報ＩＰ１）に加えて、第１イベントの時に転倒または転落の可能性が通常よりも高いことの予測（状態予測情報ＳＰ１）が出力される。
【0018】
実施形態に係るデータ処理装置７０のユーザ（介護者）は、対象者（例えば被介護者）に関する第１イベントの発生の予測だけではなく、その時に発生する可能性が高い異常状態の予測を知ることができる。実施形態によれば、より適切な処理が可能なデータ処理装置を提供できる。
【0019】
図１に示すように、例えば、処理部７１からの出力情報Ｏ０１（第１イベント予測情報ＩＰ１及び状態予測情報ＳＰ１）は、通信部７５に供給される。通信部７５は、出力情報Ｏ０１を外部機器に提供可能である。外部機器は、例えば、ユーザが使用する端末装置８１である。端末装置８１は、例えば、通信端末、または、コンピュータでなどである。端末装置８１は例えば、携帯型の電子機器（例えばスマートフォン）を含んで良い。例えば、端末装置８１は出力部８２を含む。出力部８２は、例えば、ディスプレイを含む。例えば、出力情報Ｏ０１（第１イベント予測情報ＩＰ１及び状態予測情報ＳＰ１）が、出力部８２に表示される。出力部８２は、第１イベント予測情報ＩＰ１及び状態予測情報ＳＰ１を出力可能である。
【0020】
例えば、出力部８２に、第１イベント予測情報ＩＰ１及び状態予測情報ＳＰ１が表示される。第１イベント予測情報ＩＰ１は、例えば、文字情報、画像情報及びピクトグラムの少なくともいずれかを含んで良い。状態予測情報ＳＰ１は、例えば、文字情報、画像情報及びピクトグラムの少なくともいずれかを含んで良い。
【0021】
例えば、第１イベントが離床である場合、出力部８２は、第１イベント予測情報ＩＰ１として、離床の予測に関する文字情報（テキスト情報）を表示可能である。出力部８２は、第１イベント予測情報ＩＰ１として、離床が生じると予測される時刻などに関する文字情報（テキスト情報）を表示可能である。出力部８２は、第１イベント予測情報ＩＰ１として、離床が予測されることを示す画像情報またはピクトグラムを表示可能である。
【0022】
例えば、第１イベントが離床である場合、出力部８２は、状態予測情報ＳＰ１として、異常状態の予測（例えば、転倒または転落などが高い可能性）についての文字情報（テキスト情報）を表示可能である。出力部８２は、状態予測情報ＳＰ１として、状態予測情報ＳＰ１として、異常状態が予測されることを示す画像情報またはピクトグラムを表示可能である。
【0023】
ユーザは、出力部８２による出力（例えば表示）により、対象者の第１イベントの発生の予測（可能性）、及び、第１イベントの際の状態（異常状態など）に関する予測（可能性）を入手できる。これにより、ユーザは、第１イベントの発生の前に、第１イベントの発生の可能性を知ることができる。例えば、ユーザは、事前に異常状態の可能性を知ることで、より適切な介護を被介護者に供給できる。
【0024】
実施形態に係る介護支援システム１１０は、データ処理装置７０及び第１センサ３１を含んで良い。介護支援システム１１０は、端末装置８１をさらに含んで良い。実施形態に係る介護支援システム１１０によれば、より適切な介護を被介護者に供給できる。１つのデータ処理装置７０に関して、複数の端末装置８１が設けられて良い。
【0025】
端末装置８１に設けられる出力部８２は、音により、第１イベント予測情報ＩＰ１及び状態予測情報ＳＰ１を出力しても良い。出力部８２は、スピーカを含んで良い。出力部８２は、振動などにより、第１イベント予測情報ＩＰ１及び状態予測情報ＳＰ１を出力しても良い。
【0026】
実施形態において、状態予測情報ＳＰ１は、例えば、対象者が第１イベントを急いで行うことの予測を含む。例えば、上記のように、処理部７１は、第１データＤＡ１が第１データ情報ＤＩ１を含む場合に、第１イベント（例えば離床など）の発生を予測可能である。この時、処理部７１は、第１データ情報ＤＩ１に基づいて、対象者が第１イベント（例えば離床）を急いで行う可能性が高いことを予測可能である。対象者が第１イベントを急いで行うと、転倒または転落の可能性が高い。このように、状態予測情報ＳＰ１は、例えば、異常状態の予測を含む。
【0027】
異常状態は、例えば、上記のように通常よりも急いで第１イベントを行うことを含む。異常状態は、例えば、転倒または転落などを含む。異常状態は、失禁、誤嚥、不眠、徘徊、及び体調異常などの少なくともいずれかなどを含んで良い。状態予測情報ＳＰ１の導出の例については後述する。
【0028】
以下、実施形態において用いられるセンサの例について説明する。
図２は、第１実施形態に係るデータ処理装置を例示する模式図である。
図２に示すように、センサは、例えば、対象者８５（例えば被介護者）が使用するベッド８６と共に用いられる。センサは、例えば、体動センサ４１、撮像装置４２、加重センサ４３、排泄装置４４、及び、排泄センサ４５の少なくともいずれかを含んで良い。
図２は、第１実施形態に係るデータ処理装置を例示する模式図である。
図２に示すように、センサは、例えば、対象者８５（例えば被介護者）が使用するベッド８６と共に用いられる。センサは、例えば、体動センサ４１、撮像装置４２、加重センサ４３、排泄装置４４、及び、排泄センサ４５の少なくともいずれかを含んで良い。
【0029】
体動センサ４１は、例えば、対象者８５が使用するベッド８６に設けられる。体動センサ４１は、例えば、ベッド８６のボトムと、マットレスと、の間に設けられる。体動センサ４１は、例えば、対象者８５の体動に伴う振動などを検出可能である。
【0030】
撮像装置４２は、対象者８５を撮像可能である。撮像装置４２は、例えば、対象者８５が使用するベッド８６を含む空間を撮像可能で良い。例えば、撮像装置４２は、ベッド８６上の対象者８５を撮像可能である。撮像装置４２は、ベッド８６から離れた対象者８５を撮像可能でも良い。
【0031】
加重センサ４３は、例えば、ベッド８６が置かれる床に設けられる。例えば、対象者８５からの加重を検出可能である。対象者８５がベッド８６から立ち上がり、加重センサ４３の上に移動する。この時、加重センサ４３は、対象者８５からの加重を検出する。これにより、加重センサ４３は、対象者８５の離床を検出できる。加重センサ４３は、例えば、離床センサである。
【0032】
排泄装置４４は、対象者８５が使用する便器である。排泄装置４４は、対象者８５の排泄を検出可能である。
【0033】
排泄センサ４５は、例えば、ベッド８６のマットレスの上に設けられて良い。排泄センサ４５は、例えば、排泄に伴う臭いを検出可能である。排泄センサ４５は、例えば、臭気センサである。排泄センサ４５は、例えば、臭気に基づいて、対象者８５の排泄を検出可能である。実施形態において、これらのセンサが種々の組み合わせで用いられて良い。
【0034】
第１例において、第１センサ３１は体動センサ４１を含む。一方、第２センサは、排泄装置４４または排泄センサ４５を含む。この場合、第１イベントは、排泄である。対象者８５の排泄の前に、例えば、体動が大きくなる。体動の大きさなどを検出することで、第１イベント（排泄）が予測できる。例えば、体動の時間的な変化などに基づいて、対象者８５が通常よりも急いでいるかどうかが検出可能である。このような体動に関する情報が、第１データＤＡ１となる。実施形態において、第１センサ３１（体動センサ４１）により得られる第１データＤＡ１に基づいて、第１イベント（排泄）についての第１イベント予測情報ＩＰ１、及び、第１イベントの際の状態予測情報ＳＰ１（急いでいる、転倒または転落などの異常状態）と、が予測される。排泄は、第２センサで検出可能である。状態予測情報ＳＰ１（急いでいる、転倒または転落などの異常状態）は、第２センサで検出されない。
【0035】
第２例において、第１センサ３１は撮像装置４２を含む。一方、第２センサは、排泄装置４４または排泄センサ４５を含む。この場合、第１イベントは、排泄である。対象者８５の排泄の前における体動の大きさに関する情報、及び、体動の時間的な変化などに関する情報が、撮像装置４２により得られる。第２例においても、第１センサ３１（撮像装置４２）により得られる第１データＤＡ１に基づいて、第１イベント（排泄）についての第１イベント予測情報ＩＰ１、及び、第１イベントの際の状態予測情報ＳＰ１（急いでいる、転倒または転落などの異常状態）と、が予測される。排泄は、第２センサで検出可能である。状態予測情報ＳＰ１（急いでいる、転倒または転落などの異常状態）は、第２センサで検出されない。
【0036】
第３例において、第１センサ３１は体動センサ４１を含む。一方、第２センサは、加重センサ４３を含む。この場合、第１イベントは、離床である。対象者８５の離床の前に、例えば、体動が大きくなる。体動の大きさなどを検出することで、第１イベント（離床）が予測できる。例えば、体動の時間的な変化などに基づいて、対象者８５が通常よりも急いでいるかどうかが検出可能である。このような体動に関する情報が、第１データＤＡ１となる。実施形態において、第１センサ３１（体動センサ４１）により得られる第１データＤＡ１に基づいて、第１イベント（離床）についての第１イベント予測情報ＩＰ１、及び、第１イベントの際の状態予測情報ＳＰ１（急いでいる、転倒または転落などの異常状態）と、が予測される。離床は、第２センサで検出可能である。状態予測情報ＳＰ１（急いでいる、転倒または転落などの異常状態）は、第２センサで検出されない。
【0037】
第４例において、第１センサ３１は撮像装置４２を含む。一方、第２センサは、加重センサ４３を含む。この場合、第１イベントは、離床である。対象者８５の離床の前における体動の大きさに関する情報、及び、体動の時間的な変化などに関する情報が、撮像装置４２により得られる。第１センサ３１（撮像装置４２）により得られる第１データＤＡ１に基づいて、第１イベント（離床）についての第１イベント予測情報ＩＰ１、及び、第１イベントの際の状態予測情報ＳＰ１（急いでいる、転倒または転落などの異常状態）と、が予測される。離床は、第２センサで検出可能である。状態予測情報ＳＰ１（急いでいる、転倒または転落などの異常状態）は、第２センサで検出されない。
【0038】
このように、実施形態において、第１センサ３１は、対象者８５が使用するベッド８６に設けられた体動センサ４１、及び、対象者８５を撮像する撮像装置４２の少なくともいずれかを含んで良い。例えば、第２センサは、対象者８５が使用する排泄装置４４、及び、対象者８５の排泄を検出可能な排泄センサ４５の少なくともいずれかを含んで良い。
【0039】
別の例において、第１センサ３１は、体動センサ４１及び撮像装置４２の少なくともいずれかを含む。第２センサは、対象者８５からの加重を検出可能な加重センサ４３を含む。
【0040】
第２センサは、例えば、第１イベント（離床または排泄など）の有無を検出する２値センサである。一方、第１センサ３１は、対象者８５の状態を継続的に検出する多値センサである。第１センサ３１により、第１イベントの発生の前に生じる対象者８５の状態の変化が検出される。第１センサ３１による対象者８５の状態の変化の検出結果に基づいて、第１イベントの発生の予測、及び、第１イベント時における対象者８５の状態（異常状態）が予測される。
【0041】
第２センサは、例えば、「poorなセンサ」である。第１センサ３１は、例えば、「richなセンサ」である。これらが組み合わされることで、対象者８５の異常状態がより的確に検出可能である。実施形態において、このような第１センサ３１及び第２センサの組み合わせは種々の変形が可能である。後述するように、例えば、第１センサ３１から得られる情報の量は、第２センサから得られる情報の量よりも多い。
【0042】
以下、第１イベント予測情報ＩＰ１及び状態予測情報ＳＰ１の導出の例について説明する。
【0043】
図３（ａ）～図３（ｃ）は、第１実施形態に係るデータ処理装置の動作を例示する模式図である。
これらの図の横軸は、時間ｔｍである。図３（ａ）の縦軸は、第１センサ３１で検出される信号の信号強度ＳＳ１である。信号強度ＳＳ１は、例えば、第１データＤＡ１に対応する。図３（ｂ）の縦軸は、出力情報Ｏ０１に対応する信号強度である。図３（ｂ）は、処理部７１からの第１イベント予測情報ＩＰ１及び状態予測情報ＳＰ１の出力を例示している。図３（ｃ）の縦軸は、第２センサで検出される第１イベントの発生に関する信号の強度ＳＳ２である。
これらの図の横軸は、時間ｔｍである。図３（ａ）の縦軸は、第１センサ３１で検出される信号の信号強度ＳＳ１である。信号強度ＳＳ１は、例えば、第１データＤＡ１に対応する。図３（ｂ）の縦軸は、出力情報Ｏ０１に対応する信号強度である。図３（ｂ）は、処理部７１からの第１イベント予測情報ＩＰ１及び状態予測情報ＳＰ１の出力を例示している。図３（ｃ）の縦軸は、第２センサで検出される第１イベントの発生に関する信号の強度ＳＳ２である。
【0044】
図３（ｃ）に示すように、時刻ｔｍ２において、第２センサで検出される第１イベントの発生が検出される。例えば、第２センサにより、時刻ｔｍ２において、離床または排泄などが検出される。
【0045】
図３（ａ）に例示する第１データＤＡ１が処理部７１に供給される。図３（ａ）に示すように、第１センサ３１で検出される信号の信号強度ＳＳ１が時間ｔｍと共に変化する。信号強度ＳＳ１は、例えば、体動の大きさに対応する。例えば、信号強度ＳＳ１について、第１しきい値ＳＶ１が定められる。例えば、信号強度ＳＳ１が第１しきい値ＳＶ１を超える状態ｔｉ１が、処理部７１により検出される。例えば、信号強度ＳＳ１が第１しきい値ＳＶ１を超える状態ｔｉ１の頻度ｔｃ１が、処理部７１により検出されても良い。例えば、信号強度ＳＳ１が第１しきい値ＳＶ１を超える状態ｔｉ１の発生時刻ｔｍ１が処理部７１で検出されても良い。例えば、信号強度ＳＳ１が第１しきい値ＳＶ１を超える状態ｔｉ１の継続時間ｔｄ１が、処理部７１により検出されても良い。処理部７１は、これらの検出結果に基づいて、第１イベント予測情報ＩＰ１及び状態予測情報ＳＰ１を導出可能である。
【0046】
例えば、継続時間ｔｄ１が第２しきい値よりも長い場合、第１イベント（例えば排泄など）が予測できる。継続時間ｔｄ１が第２しきい値よりも長く、頻度ｔｃ１が第３しきい値よりも高い場合、対象者が急いで第１イベント（例えば排泄など）を行うことが予測できる。これにより、第１イベント予測情報ＩＰ１及び状態予測情報ＳＰ１が導出される。状態予測情報ＳＰ１は、例えば、異常状態を含む。異常状態は、例えば、急いでいること、または、転倒及び転落の可能性が通常よりも高いことなどを含む。
【0047】
このように、第１データＤＡ１に関する第１データ情報ＤＩ１は、対象者８５の体動に対応する信号強度ＳＳ１が第１しきい値ＳＶ１を超える状態ｔｉ１、状態ｔｉ１の頻度ｔｃ１、状態ｔｉ１の発生時刻ｔｍ１、及び、状態ｔｉ１の継続時間ｔｄ１の少なくともいずれかを含んで良い。第１データＤＡ１がこのような第１データ情報ＤＩ１を含む場合に、処理部７１は、第１データ情報ＤＩ１に応じて、第１イベント予測情報ＩＰ１及び状態予測情報ＳＰ１を導出する。状態ｔｉ１の発生時刻ｔｍ１は、第２センサで検出される第１イベントの発生の時刻ｔｍ２よりも前である。
【0048】
図３（ｂ）に示すように、処理部７１は、第２センサで検出される第１イベントの発生の時刻ｔｍ２よりも前に、第１イベント予測情報ＩＰ１及び状態予測情報ＳＰ１を出力する。
【0049】
第１イベント予測情報ＩＰ１及び状態予測情報ＳＰ１は、端末装置８１を介してユーザに供給される。ユーザが、これらの情報に基づいて、適切に対応する。
【0050】
このような処理部７１の動作は、例えば機械学習により実施できる。以下、実施形態に係る処理部７１の機械学習の例について説明する。
【0051】
図４は、第１実施形態に係るデータ処理装置の動作を例示する模式図である。
図４は、データ処理装置７０における第２動作ＯＰ２を例示している。第２動作ＯＰ２は、機械学習モードの動作である。第２動作ＯＰ２の少なくとも一部は、第１動作ＯＰ１の前に実施される。
図４は、データ処理装置７０における第２動作ＯＰ２を例示している。第２動作ＯＰ２は、機械学習モードの動作である。第２動作ＯＰ２の少なくとも一部は、第１動作ＯＰ１の前に実施される。
【0052】
処理部７１は、第２動作ＯＰ２において、第１センサ３１から得られる第１情報Ｉ１と、第２センサ３２から得られる第２情報Ｉ２と、を取得可能である。これらの情報は、取得部７２を経由して、処理部７１に供給されても良い。これらの情報は、記憶部７６に記憶され、記憶部７６に記憶された情報が処理部７１に供給されても良い。
【0053】
処理部７１は、第１情報Ｉ１及び第２情報Ｉ２に基づいて、機械学習モデル８８を導出可能である。処理部７１は、機械学習モデル８８に基づいて第１動作ＯＰ１を実施可能である。機械学習モデル８８は、例えば、多項式などの各種の関数を含んで良い。
【0054】
以下、第２動作ＯＰ２における処理部７１における処理の例について説明する。
図５（ａ）及び図５（ｂ）は、第１実施形態に係るデータ処理装置の動作を例示する模式図である。
これらの図の横軸は、時間ｔｍである。図５（ａ）の縦軸は、第１センサ３１で検出される信号の信号強度ＩＳ１である。信号強度ＩＳ１は、例えば、第１情報Ｉ１に対応する。図５（ｂ）の縦軸は、第２センサ３２で検出される学習時イベントの発生に関する信号の強度ＩＳ２である。
図５（ａ）及び図５（ｂ）は、第１実施形態に係るデータ処理装置の動作を例示する模式図である。
これらの図の横軸は、時間ｔｍである。図５（ａ）の縦軸は、第１センサ３１で検出される信号の信号強度ＩＳ１である。信号強度ＩＳ１は、例えば、第１情報Ｉ１に対応する。図５（ｂ）の縦軸は、第２センサ３２で検出される学習時イベントの発生に関する信号の強度ＩＳ２である。
【0055】
第１センサ３１は、例えば、対象者８５の状態を継続的に検出する多値センサである。第２センサ３２は、第１イベント（離床または排泄など）の有無を検出する２値センサである。第１情報Ｉ１の量は、第２情報Ｉ２の量よりも多い。
【0056】
図５（ｂ）に示すように、第２情報Ｉ２は、学習時イベントの発生に関する学習時イベント発生情報ＩＬ０を含む。学習時イベントは、上記の第１イベントに対応する。学習時イベントの発生は、第２センサ３２で検出される。第１イベントが離床である場合、学習時イベントは学習時における離床である。第１イベントが排泄である場合、学習時イベントは学習時における排泄である。学習時イベント発生情報ＩＬ０は、離床または排泄などの発生を検出したことに関する情報を含む。学習時イベントの発生は、例えば、時刻ｔＬ０に行われる。
【0057】
図５（ａ）に示すように、第１情報Ｉ１は、第１期間情報Ｉｔｐ１を含む。第１期間情報Ｉｔｐ１は、第１期間ｔｐ１に第１センサ３１から得られる。第１期間ｔｐ１は、学習時イベントの発生（時刻ｔＬ０）よりも前を含む。
【0058】
第１センサ３１は、対象者８５の状態を継続的に検出している。第１センサ３１から得られる第１情報Ｉ１は、学習時イベントの発生（時刻ｔＬ０）よりも前の情報を含んでいる。例えば、処理部７１は、継続的な第１情報Ｉ１から、学習時イベントの発生（時刻ｔＬ０）よりも前の第１期間ｔｐ１における情報を抽出しても良い。
【0059】
第１期間ｔｐ１に対応する第１期間情報Ｉｔｐ１が、機械学習における教師データの一部として使用される。第１期間情報Ｉｔｐ１は、例えば、説明変数である。
【0060】
学習時イベントの発生に関する学習時イベント発生情報ＩＬ０が、機械学習における教師データの一部として使用される。学習時イベント発生情報ＩＬ０は、例えば、目的変数である。
【0061】
処理部７１は、第２動作ＯＰ２において、学習時イベント発生情報ＩＬ０と、第１期間情報Ｉｔｐ１に基づく情報と、を教師データとして機械学習モデル８８を導出可能である。
【0062】
第１動作ＯＰ１においては、第２動作ＯＰ２において導出された機械学習モデル８８に第１データＤＡ１を入力することで、第１イベントの発生を予測できる。
【0063】
処理部７１は、第２動作ＯＰ２において、例えば、学習時イベント発生情報ＩＬ０に基づいて、第１期間情報Ｉｔｐ１に第１アノテーションを付加する。例えば、教師データは、第１アノテーションが付加された第１期間情報Ｉｔｐ１を含む。
【0064】
例えば、第１期間ｔｐ１は、学習時イベントの発生の時刻ｔＬ０の前を含む期間である。この期間は、予め定められて良い。第１期間ｔｐ１における第１期間情報Ｉｔｐ１に関して、学習時イベントの有無に関する第１アノテーションが付加される。第１アノテーションの付加は、処理部７１により行われて良い。データ処理装置７０に含まれる処理部７１によりアノテーションの付加が行われることで、機械学習が効率的に高速に実施できる。
【0065】
上記のように、処理部７１は、取得部７２が取得した第１データＤＡ１に基づいて第１動作ＯＰ１を実施可能である。上記のように、第１データＤＡ１の少なくとも一部は、第１センサ３１から得られる。実施形態において、第１データＤＡ１の一部が、別のセンサ（例えば第３センサ）から得られても良い。
【0066】
【0067】
１つの例において、第１センサ３１は、対象者８５が使用するベッドに設けられた体動センサ４１を含む。第３センサ３３は、対象者８５を撮像する撮像装置４２を含む。第２センサ３２は、対象者８５が使用する排泄装置４４、及び、対象者８５の排泄を検出可能な排泄センサ４５の少なくともいずれかを含む。第１センサ３１による検出結果と、第３センサ３３により検出結果と、を含む第１データＤＡ１が機械学習モデル８８に入力される。これにより、第１イベント予測情報ＩＰ１及び状態予測情報ＳＰ１が出力される。この場合において、第１イベントは、排泄を含む。第１イベントの発生の時の状態は、例えば、異常状態（急いでいること、転倒及び転落の少なくともいずれか）の予測を含む。
【0068】
別の例において、第１センサ３１は、体動センサ４１を含む。第３センサ３３は、撮像装置４２を含む。第２センサ３２は、対象者８５からの加重を検出可能な加重センサ４３を含む。この場合、第１イベントは、離床を含む。第１イベントの発生の時の状態は、例えば、異常状態（急いでいること、転倒及び転落の少なくともいずれか）の予測を含む。
【0069】
例えば、第２動作ＯＰ２（機械学習モードの動作）において、第３センサ３３から得られる情報が用いられて良い。
【0070】
図６に示すように、例えば、処理部７１は、第２動作ＯＰ２において、第１センサ３１から得られる第１情報Ｉ１と、第２センサ３２から得られる第２情報Ｉ２と、第３センサ３３から得られる第３情報Ｉ３と、を取得可能である。処理部７１は、第２動作ＯＰ２において、これらの情報を含む情報を教師データとして、機械学習モデル８８を導出可能である。処理部７１は、機械学習モデル８８に基づいて、第１動作ＯＰ１を実施可能である。
【0071】
図７（ａ）～図７（ｃ）は、第１実施形態に係るデータ処理装置の動作を例示する模式図である。
これらの図の横軸は、時間ｔｍである。図７（ａ）の縦軸は、第１センサ３１で検出される信号の信号強度ＩＳ１である。信号強度ＩＳ１は、例えば、第１情報Ｉ１に対応する。図７（ｂ）の縦軸は、第３センサ３３で検出される信号（映像信号でも良い）の信号強度ＩＳ３である。信号強度ＩＳ３は、例えば、第３情報Ｉ３に対応する。図７（ｃ）の縦軸は、第２センサ３２で検出される学習時イベントの発生に関する信号の強度ＩＳ２である。
これらの図の横軸は、時間ｔｍである。図７（ａ）の縦軸は、第１センサ３１で検出される信号の信号強度ＩＳ１である。信号強度ＩＳ１は、例えば、第１情報Ｉ１に対応する。図７（ｂ）の縦軸は、第３センサ３３で検出される信号（映像信号でも良い）の信号強度ＩＳ３である。信号強度ＩＳ３は、例えば、第３情報Ｉ３に対応する。図７（ｃ）の縦軸は、第２センサ３２で検出される学習時イベントの発生に関する信号の強度ＩＳ２である。
【0072】
第１情報Ｉ１の量は、第２情報Ｉ２の量よりも多い。この例では、第３情報Ｉ３の量は、第２情報Ｉ２の量よりも多い。
【0073】
図７（ｃ）に示すように、第２情報Ｉ２は、第２センサ３２で検出される第２イベントの発生に関する第２イベント発生情報ＩＬ２を含む。第２イベントは、第１イベントに対応する。第２イベントは、機械学習時におけるイベントである。第２イベントは、時刻ｔＬ２に検出される。
【0074】
図７（ａ）に示すように、第１情報Ｉ１は、第１期間情報Ｉｔｐ１を含む。第１期間情報Ｉｔｐ１は、第２イベントの発生（時刻ｔＬ２）よりも前を含む第１期間ｔｐ１に第１センサ３１から得られる情報（第１情報Ｉ１の少なくとも一部）を含む。
【0075】
図７（ｂ）に示すように、第３情報Ｉ３は、第２期間情報Ｉｔｐ２を含む。第２期間情報Ｉｔｐ２は、第２イベントの発生（時刻ｔＬ２）よりも前を含む第２期間ｔｐ２に第３センサ３３から得られる情報（第３情報Ｉ３の少なくとも一部）を含む。
【0076】
処理部７１は、第２動作ＯＰ２において、第２イベント発生情報ＩＬ２と、第１期間情報Ｉｔｐ１に基づく情報と、第２期間情報Ｉｔｐ２に基づく情報と、を教師データとして機械学習モデル８８（図６参照）を導出可能である。処理部７１は、機械学習モデル８８に基づいて第１動作ＯＰ１を実施可能である。
【0077】
処理部７１は、第２動作ＯＰ２において、第２イベント発生情報ＩＬ２に基づいて、第１期間情報Ｉｔｐ１に第１アノテーションを付加し、第２期間情報Ｉｔｐ２に第２アノテーションを付加しても良い。教師データは、例えば、第１アノテーションが付加された第１期間情報Ｉｔｐ１、及び、第２アノテーションが付加された第２期間情報Ｉｔｐ２を含む。
【0078】
第１センサ３１から得られる第１情報Ｉ１、及び、第３センサ３３から得られる第３情報Ｉ３が用いられることで、例えば、第１イベント予測情報ＩＰ１がより正確に導出できる。第１情報Ｉ１及び第３情報Ｉ３が用いられることで、例えば、状態予測情報ＳＰ１がより正確に導出できる。第１情報Ｉ１及び第３情報Ｉ３が用いられることで、例えば、状態予測情報ＳＰ１の種類が増える。
【0079】
例えば、異なるセンサ（第１センサ３１及び第３センサ３３）から得られる複数の種類の情報（第１情報Ｉ１及び第３情報Ｉ３など）が用いられることで、例えば、異常状態をより正確に導出できる。
【0080】
図８（ａ）～図８（ｃ）は、第１実施形態に係るデータ処理装置の動作を例示する模式図である。
これらの図の横軸は、時間ｔｍである。図８（ａ）の縦軸は、第１センサ３１で検出される信号の信号強度ＩＳ１である。信号強度ＩＳ１は、例えば、第１情報Ｉ１に対応する。図８（ａ）の例において、第１センサ３１が体動センサ４１を含む。図８（ｂ）の縦軸は、第３センサ３３で検出される信号の信号強度ＩＳ３である。信号強度ＩＳ３は、例えば、第３情報Ｉ３に対応する。図８（ｂ）の例において、第３センサ３３は加重センサ４３を含む。図８（ｃ）の縦軸は、第２センサ３２で検出される学習時イベントの発生に関する信号の強度ＩＳ２である。図８（ｃ）の例において、第２センサ３２は、排泄装置４４を含む。
これらの図の横軸は、時間ｔｍである。図８（ａ）の縦軸は、第１センサ３１で検出される信号の信号強度ＩＳ１である。信号強度ＩＳ１は、例えば、第１情報Ｉ１に対応する。図８（ａ）の例において、第１センサ３１が体動センサ４１を含む。図８（ｂ）の縦軸は、第３センサ３３で検出される信号の信号強度ＩＳ３である。信号強度ＩＳ３は、例えば、第３情報Ｉ３に対応する。図８（ｂ）の例において、第３センサ３３は加重センサ４３を含む。図８（ｃ）の縦軸は、第２センサ３２で検出される学習時イベントの発生に関する信号の強度ＩＳ２である。図８（ｃ）の例において、第２センサ３２は、排泄装置４４を含む。
【0081】
図８（ａ）～図８（ｃ）の例において、第１センサ３１により、しきい値を超える体動の時間（継続時間ｔｄ１）が検出される。第３センサ３３により、離床から歩き始めるまでの時間が検出できる。第２センサ３２により、排出が検出される。この例において、離床から歩き始めるまでの時間がしきい値（通常の値）よりも長い場合、処理部７１は、異常状態に関する状態予測情報ＳＰ１を出力する。異常状態は、例えば、急いでいる状態、転倒及び転落の少なくともいずれかを含む。
【0082】
上記のように、処理部７１は、複数のセンサ（第１センサ３１及び第３センサ３３）により得られる第１データＤＡ１に基づいて、第１イベント予測情報ＩＰ１及び状態予測情報ＳＰ１を出力しても良い。
【0083】
図８（ａ）～図８（ｃ）の例において、例えば、第２期間ｔｐ２は、第１期間ｔｐ１以降でも良い。第２期間ｔｐ２は、第１期間ｔｐ１よりも後でも良い。第１センサ３１から情報（第１情報Ｉ１の少なくとも一部）が得られる第１期間ｔｐ１よりも後の第２期間ｔｐ２に第３センサ３３から情報（第３情報Ｉ３の少なくとも一部）が得られても良い。
【0084】
実施形態において、処理部７１は、複数のセンサ（第１センサ３１及び第３センサ３３）からの情報に基づいてアノテーションを付与しても良い。アノテーションの付与の際に用いられるデータの取得期間（例えば、上記の第１期間ｔｐ１及び第２期間ｔｐ２）が変更（指定）できても良い。
【0085】
例えば、複数のセンサ（第１センサ３１及び第３センサ３３）に基づいてイベントが予測される場合に、複数のセンサの一方での予測期間と、複数のセンサの他方での予測期間と、異なる場合がある。異なる期間を指定できことでより正確な予測が可能になる。
【0086】
複数のセンサ（第１センサ３１及び第３センサ３３）に基づいてイベントが予測される場合に、複数のセンサによる検出における空間的な位置が、互いに異なっても良い。例えば、対象者８５の運動（例えば散歩など）の検出と、対象者８５の居室の状態（例えば温度及び湿度など）が、複数のセンサにより検出されても良い。この場合、複数のセンサによる検出の場所は、互いに異なる。このような場合において、処理部７１は、複数のセンサ（第１センサ３１及び第３センサ３３）により得られる情報に基づいてアノテーションを付与して良い。アノテーションの付与の際に用いられるデータの検出場所が変更（指定）できても良い。より正確な予測が可能になる。
【0087】
実施形態において、複数のイベントが予測されても良い。例えば、取得部７２は、第１データＤＡ１を取得可能である。処理部７１は、取得部７２が取得した第１データＤＡ１に基づいて第１動作ＯＰ１を実施可能でも良い。第１データＤＡ１の少なくとも一部は、対象者８５の状態を検出可能な第１センサ３１から得られる。処理部７１は、第１動作ＯＰ１において、第１データＤＡ１が第１データ情報ＤＩ１を含む場合に、対象者８５に関する第１イベントの発生に関する第１イベント予測情報ＩＰ１と、第１イベントの後の第２イベントの発生に関する第２イベント予測情報と、を出力可能でも良い。第１イベントの発生は、対象者８５の状態を検出可能な第２センサ３２で検出可能である。第２イベントの発生は、対象者８５の状態を検出可能な第３センサ３３で検出可能である。
【0088】
例えば、第１イベントは、離床を含む。第２イベントは、排泄を含む。この例では、第１センサ３１は、体動センサ４１である。第１センサ３１より得られるデータに基づいて、第１イベントとして離床が予測され、第２イベントとして排泄が予測される。例えば、連鎖する複数のイベントが予測されても良い。
【0089】
複数のイベントに関して、処理部７１は、アノテーションを付与しても良い。例えば、第２センサ３２で排泄が検知される場合に、第１センサ３１から得られる情報にアノテーションが付与され、さらに、第３センサ３３から得られる情報にアノテーションが付与されても良い。例えば、その結果に基づいて、状態予測がより適切に行われる。
【0090】
例えば、第２センサ３２の検出結果に基づいて、複数のセンサ（第１センサ３１及び第３センサ３３）の検出結果にアノテーションが付与される。例えば、大きい体動の継続時間がしきい値（通常の値）よりも長い場合も、異常状態に関する状態予測情報ＳＰ１が出力される。
【0091】
例えば、第１センサ３１は、対象者８５が使用するベッド８６に設けられた体動センサ４１を含む。第２センサ３２は、対象者８５からの加重を検出可能な加重センサ４３を含む。第３センサ３３は、対象者８５が使用する排泄装置４４、及び、対象者８５の排泄を検出可能な排泄センサ４５の少なくともいずれかを含む。
【0092】
【0093】
図９（ａ）に示すように、データ処理装置７０で用いられるセンサは、水分センサ４６を含んで良い。水分センサ４６は、対象者８５が摂取する水分を検出可能である。水分センサ４６は、例えば、対象者８５が使用する飲料容器などに設けられて良い。水分センサ４６は、例えば、重量、または液面の高さなどを検出し、その結果に基づいて対象者８５が摂取する水分の量を検出可能でよい。水分センサ４６は、例えば、対象者８５が摂取する水分を管理する装置で良い。
【0094】
図９（ｂ）に示すように、データ処理装置７０で用いられるセンサは、飲食センサ４７を含んで良い。飲食センサ４７は、対象者８５の飲食を検出可能である。飲食センサ４７は、例えば、対象者８５が摂取する食事の量（重さ）を検出可能でよい。飲食センサ４７は、例えば、重さの計測器を含んで良い。飲食センサ４７は、例えば、撮像素子４７ａを含んでも良い。撮像素子４７ａによる像により、食事の量が検出されても良い。
【0095】
図９（ｃ）に示すように、データ処理装置７０で用いられるセンサは、姿勢センサ４８を含んで良い。姿勢センサ４８は、対象者８５の姿勢を検出可能である。姿勢センサ４８は、例えば、対象者８５による加重を検出しても良い。姿勢センサ４８は、例えば、対象者８５の姿勢を光学的に検出可能でも良い。この例では、姿勢センサ４８は、車椅子８６Ａに設けられる。姿勢センサ４８は、任意の場所に設けられて良い。
【0096】
図９（ｄ）に示すように、データ処理装置７０で用いられるセンサは、嚥下センサ４９を含んで良い。嚥下センサ４９は、対象者８５の嚥下の状態を検出可能である。嚥下センサ４９は、例えば、対象者８５の嚥下の際の音を検出可能で良い。音の検出結果に基づいて、嚥下の状態が検出される。検出された音が通常とは異なる場合に、異常な嚥下を判定できる。嚥下センサ４９は、対象者８５の異常な嚥下を検出可能である。嚥下センサ４９は、例えば、対象者８５の頸部などに取り付けられて良い。嚥下センサ４９において、嚥下の状態は、任意の方法により検出されて良い。
【0097】
このように、データ処理装置７０で用いられるセンサは、例えば、体動センサ４１、撮像装置４２、加重センサ４３、排泄装置４４、排泄センサ４５、水分センサ４６、飲食センサ４７、姿勢センサ４８、及び、嚥下センサ４９の少なくともいずれかを含んで良い。
【0098】
１つの例において、第１イベントは、水分摂取、体動及び排泄の少なくともいずれかを含む。第１イベントの発生時の対象者８５の予測される状態は、失禁の予測を含む。状態予測情報ＳＰ１は、通常と異なる第１イベント（水分摂取、体動及び排泄の少なくともいずれか）の予測を含む。例えば、状態予測情報ＳＰ１は、通常とは異なる水分摂取、通常とは異なる体動、及び、通常とは異なる排泄の少なくともいずれかに関する情報を含んで良い。この例において、第１センサ３１は、対象者８５が使用するベッド８６に設けられた体動センサ４１、及び、対象者８５の水分摂取を検出可能な水分センサ４６の少なくともいずれかを含む。例えば、第２センサ３２は、対象者８５が使用する排泄装置４４、及び、対象者８５の排泄を検出可能な排泄センサ４５の少なくともいずれかを含む。
【0099】
別の例において、第１イベントは、飲食、体動、及び、姿勢の変化の少なくともいずれかを含む。例えば、第１イベントの発生時の対象者８５の予測される状態は、誤嚥の予測を含む。状態予測情報ＳＰ１は、通常と異なる第１イベント（飲食、体動、及び、姿勢の変化の少なくともいずれか）の予測を含む。この例において、第１センサ３１は、対象者８５が使用するベッドに設けられた体動センサ４１、及び、対象者８５の飲食を検出可能な飲食センサ４７、及び、対象者８５の獅子絵を検出可能な姿勢センサ４８、の少なくともいずれかを含む。第２センサ３２は、対象者８５の異常な嚥下を検出可能な嚥下センサ４９を含む。
【0100】
【0101】
図１０は、第１実施形態に係るデータ処理装置を例示する模式図である。
図１０に示すように、データ処理装置７０は、例えば、処理部７１、取得部７２及び記憶部７３を含む。処理部７１は、例えば電気回路である。記憶部７３は、例えば、ＲＯＭ（Read Only Memory）及びＲＡＭ（Random Access Memory）の少なくともいずれかを含んでも良い。記憶部７３として、任意の記憶装置が用いられても良い。
図１０に示すように、データ処理装置７０は、例えば、処理部７１、取得部７２及び記憶部７３を含む。処理部７１は、例えば電気回路である。記憶部７３は、例えば、ＲＯＭ（Read Only Memory）及びＲＡＭ（Random Access Memory）の少なくともいずれかを含んでも良い。記憶部７３として、任意の記憶装置が用いられても良い。
【0102】
データ処理装置７０は、表示部７９ｂ及び入力部７９ｃなどを含んでも良い。表示部７９ｂは、各種のディスプレイを含んで良い。入力部７９ｃは、例えば、操作機能を有する装置（例えばキーボート、マウス、タッチ式入力パネル、または音声認識入力装置など）を含む。
【0103】
実施形態は、プログラムを含んでも良い。プログラムは、コンピュータ（処理部７１）に、上記の動作を実施させる。実施形態は、上記のプログラムが記憶された記憶媒体を含んでも良い。
【0104】
（第２実施形態）
図１１は、第２実施形態に係るデータ処理方法を例示するフローチャートである。
図１１に示すように、実施形態に係るデータ処理方法は、処理部７１に第１データＤＡ１を入手させる（ステップＳ１１０）。データ処理方法は、処理部７１に第１データＤＡ１に基づいて第１動作ＯＰ１を実施させる。第１データＤＡ１の少なくとも一部は、対象者８５の状態を検出可能な第１センサ３１から得られる。
図１１は、第２実施形態に係るデータ処理方法を例示するフローチャートである。
図１１に示すように、実施形態に係るデータ処理方法は、処理部７１に第１データＤＡ１を入手させる（ステップＳ１１０）。データ処理方法は、処理部７１に第１データＤＡ１に基づいて第１動作ＯＰ１を実施させる。第１データＤＡ１の少なくとも一部は、対象者８５の状態を検出可能な第１センサ３１から得られる。
【0105】
処理部７１は、第１動作ＯＰ１において、第１データＤＡ１が第１データ情報ＤＩ１を含む場合に、第１イベント予測情報ＩＰ１及び状態予測情報ＳＰ１を出力可能である（ステップＳ１２０）。第１イベント予測情報ＩＰ１は、対象者８５に関する第１イベントの発生に関する。状態予測情報ＳＰ１は、第１イベントの発生の時の対象者８５の予測される状態に関する。第１イベントの発生は、対象者８５の状態を検出可能な第２センサ３２で検出可能である。第１イベントの発生の時の対象者８５の予測される状態は、第２センサ３２で検出されない。実施形態に係るデータ処理方法は、第１実施形態に関して説明した第１動作ＯＰ１を実施可能で良い。実施形態に係るデータ処理方法は、第１実施形態に関して説明した第２動作ＯＰ２を実施可能で良い。
【0106】
実施形態は、以下の構成を含んでも良い。
（構成１）
第１データを取得可能な取得部と、
前記取得部が取得した前記第１データに基づいて第１動作を実施可能な処理部と、
を備え、
前記第１データの少なくとも一部は、対象者の状態を検出可能な第１センサから得られ、
前記処理部は、前記第１動作において、前記第１データが第１データ情報を含む場合に、前記対象者に関する第１イベントの発生に関する第１イベント予測情報と、前記第１イベントの前記発生の時の前記対象者の予測される状態に関する状態予測情報と、を出力可能であり、
前記第１イベントの前記発生は、前記対象者の前記状態を検出可能な第２センサで検出可能であり、
前記第１イベントの前記発生の時の前記対象者の予測される前記状態は、前記第２センサで検出されない、データ処理装置。
（構成１）
第１データを取得可能な取得部と、
前記取得部が取得した前記第１データに基づいて第１動作を実施可能な処理部と、
を備え、
前記第１データの少なくとも一部は、対象者の状態を検出可能な第１センサから得られ、
前記処理部は、前記第１動作において、前記第１データが第１データ情報を含む場合に、前記対象者に関する第１イベントの発生に関する第１イベント予測情報と、前記第１イベントの前記発生の時の前記対象者の予測される状態に関する状態予測情報と、を出力可能であり、
前記第１イベントの前記発生は、前記対象者の前記状態を検出可能な第２センサで検出可能であり、
前記第１イベントの前記発生の時の前記対象者の予測される前記状態は、前記第２センサで検出されない、データ処理装置。
【0107】
（構成２）
前記第１イベントは、離床及び排泄の少なくともいずれかを含み、
前記第１イベントの前記発生時の前記対象者の予測される前記状態は、転倒及び転落の少なくともいずれかの予測を含む、構成１に記載のデータ処理装置。
前記第１イベントは、離床及び排泄の少なくともいずれかを含み、
前記第１イベントの前記発生時の前記対象者の予測される前記状態は、転倒及び転落の少なくともいずれかの予測を含む、構成１に記載のデータ処理装置。
【0108】
（構成３）
前記状態予測情報は、前記対象者が前記第１イベントを急いで行うことの予測を含む、構成２に記載のデータ処理装置。
前記状態予測情報は、前記対象者が前記第１イベントを急いで行うことの予測を含む、構成２に記載のデータ処理装置。
【0109】
（構成４）
前記第１センサは、前記対象者が使用するベッドに設けられた体動センサ、及び、前記対象者を撮像する撮像装置の少なくともいずれかを含み、
前記第２センサは、前記対象者が使用する排泄装置、及び、前記対象者の排泄を検出可能な排泄センサの少なくともいずれかを含む、構成２または３に記載のデータ処理装置。
前記第１センサは、前記対象者が使用するベッドに設けられた体動センサ、及び、前記対象者を撮像する撮像装置の少なくともいずれかを含み、
前記第２センサは、前記対象者が使用する排泄装置、及び、前記対象者の排泄を検出可能な排泄センサの少なくともいずれかを含む、構成２または３に記載のデータ処理装置。
【0110】
（構成５）
前記第１センサは、前記対象者が使用するベッドに設けられた体動センサ、及び、前記対象者を撮像する撮像装置の少なくともいずれかを含み、
前記第２センサは、前記対象者からの加重を検出可能な加重センサを含む、構成２または３に記載のデータ処理装置。
前記第１センサは、前記対象者が使用するベッドに設けられた体動センサ、及び、前記対象者を撮像する撮像装置の少なくともいずれかを含み、
前記第２センサは、前記対象者からの加重を検出可能な加重センサを含む、構成２または３に記載のデータ処理装置。
【0111】
（構成６）
前記第１イベントは、水分摂取、体動及び排泄の少なくともいずれかを含み、
前記第１イベントの前記発生時の前記対象者の予測される前記状態は、失禁の予測を含む、構成１に記載のデータ処理装置。
前記第１イベントは、水分摂取、体動及び排泄の少なくともいずれかを含み、
前記第１イベントの前記発生時の前記対象者の予測される前記状態は、失禁の予測を含む、構成１に記載のデータ処理装置。
【0112】
（構成７）
前記第１イベントは、水分摂取、体動及び排泄の少なくともいずれかを含み、
前記状態予測情報は、通常と異なる前記第１イベントの予測を含む、構成６に記載のデータ処理装置。
前記第１イベントは、水分摂取、体動及び排泄の少なくともいずれかを含み、
前記状態予測情報は、通常と異なる前記第１イベントの予測を含む、構成６に記載のデータ処理装置。
【0113】
（構成８）
前記第１センサは、前記対象者が使用するベッドに設けられた体動センサ、及び、前記対象者の水分摂取を検出可能な水分センサの少なくともいずれかを含み、
前記第２センサは、前記対象者が使用する排泄装置、及び、前記対象者の排泄を検出可能な排泄センサの少なくともいずれかを含む、構成６または７に記載のデータ処理装置。
前記第１センサは、前記対象者が使用するベッドに設けられた体動センサ、及び、前記対象者の水分摂取を検出可能な水分センサの少なくともいずれかを含み、
前記第２センサは、前記対象者が使用する排泄装置、及び、前記対象者の排泄を検出可能な排泄センサの少なくともいずれかを含む、構成６または７に記載のデータ処理装置。
【0114】
（構成９）
前記第１イベントは、飲食、体動、及び、姿勢の変化の少なくともいずれかを含み、
前記第１イベントの前記発生時の前記対象者の予測される前記状態は、誤嚥の予測を含む、構成１に記載のデータ処理装置。
前記第１イベントは、飲食、体動、及び、姿勢の変化の少なくともいずれかを含み、
前記第１イベントの前記発生時の前記対象者の予測される前記状態は、誤嚥の予測を含む、構成１に記載のデータ処理装置。
【0115】
（構成１０）
前記状態予測情報は、通常と異なる前記第１イベントの予測を含む、構成９に記載のデータ処理装置。
前記状態予測情報は、通常と異なる前記第１イベントの予測を含む、構成９に記載のデータ処理装置。
【0116】
（構成１１）
前記第１センサは、前記対象者が使用するベッドに設けられた体動センサ、及び、前記対象者の飲食を検出可能な飲食センサ、前記対象者の姿勢を検出可能な姿勢センサ、の少なくともいずれかを含み、
前記第２センサは、前記対象者の異常な嚥下を検出可能な嚥下センサを含む、構成９または１０に記載のデータ処理装置。
前記第１センサは、前記対象者が使用するベッドに設けられた体動センサ、及び、前記対象者の飲食を検出可能な飲食センサ、前記対象者の姿勢を検出可能な姿勢センサ、の少なくともいずれかを含み、
前記第２センサは、前記対象者の異常な嚥下を検出可能な嚥下センサを含む、構成９または１０に記載のデータ処理装置。
【0117】
（構成１２）
前記第１データ情報は、
前記対象者の体動に対応する信号強度が第１しきい値を超える状態、
前記信号強度が前記第１しきい値を超える前記状態の頻度、
前記信号強度が前記第１しきい値を超える前記状態の発生時刻、及び、
前記信号強度が前記第１しきい値を超える前記状態の継続時間、
の少なくともいずれかを含む、構成２～１１のいずれか１つに記載のデータ処理装置。
前記第１データ情報は、
前記対象者の体動に対応する信号強度が第１しきい値を超える状態、
前記信号強度が前記第１しきい値を超える前記状態の頻度、
前記信号強度が前記第１しきい値を超える前記状態の発生時刻、及び、
前記信号強度が前記第１しきい値を超える前記状態の継続時間、
の少なくともいずれかを含む、構成２～１１のいずれか１つに記載のデータ処理装置。
【0118】
（構成１３）
前記処理部は、第２動作をさらに実施可能であり、
前記処理部は、前記第２動作において、前記第１センサから得られる第１情報と、前記第２センサから得られる第２情報と、を取得可能であり、
前記第１情報の量は、前記第２情報の量よりも多く、
前記第２情報は、前記第２センサで検出される学習時イベントの発生に関する学習時イベント発生情報を含み、前記学習時イベントは、前記第１イベントに対応し、
前記第１情報は、前記学習時イベントの前記発生よりも前を含む第１期間に前記第１センサから得られる第１期間情報を含み、
前記処理部は、前記第２動作において、前記学習時イベント発生情報と、前記第１期間情報に基づく情報と、を教師データとして機械学習モデルを導出可能であり、
前記処理部は、前記機械学習モデルに基づいて前記第１動作を実施可能である、構成１～１２のいずれか１つに記載のデータ処理装置。
前記処理部は、第２動作をさらに実施可能であり、
前記処理部は、前記第２動作において、前記第１センサから得られる第１情報と、前記第２センサから得られる第２情報と、を取得可能であり、
前記第１情報の量は、前記第２情報の量よりも多く、
前記第２情報は、前記第２センサで検出される学習時イベントの発生に関する学習時イベント発生情報を含み、前記学習時イベントは、前記第１イベントに対応し、
前記第１情報は、前記学習時イベントの前記発生よりも前を含む第１期間に前記第１センサから得られる第１期間情報を含み、
前記処理部は、前記第２動作において、前記学習時イベント発生情報と、前記第１期間情報に基づく情報と、を教師データとして機械学習モデルを導出可能であり、
前記処理部は、前記機械学習モデルに基づいて前記第１動作を実施可能である、構成１～１２のいずれか１つに記載のデータ処理装置。
【0119】
（構成１４）
前記処理部は、前記第２動作において、
前記学習時イベント発生情報に基づいて、前記第１期間情報に第１アノテーションを付加し、
前記教師データは、前記第１アノテーションが付加された前記第１期間情報を含む、構成１３に記載のデータ処理装置。
前記処理部は、前記第２動作において、
前記学習時イベント発生情報に基づいて、前記第１期間情報に第１アノテーションを付加し、
前記教師データは、前記第１アノテーションが付加された前記第１期間情報を含む、構成１３に記載のデータ処理装置。
【0120】
（構成１５）
前記第１データの一部は、前記対象者の前記状態を検出可能な第３センサから得られ、
前記第１センサは、前記対象者が使用するベッドに設けられた体動センサを含み、
前記第３センサは、前記対象者を撮像する撮像装置を含み、
前記第２センサは、前記対象者が使用する排泄装置、及び、前記対象者の排泄を検出可能な排泄センサの少なくともいずれかを含み、
前記第１イベントは、排泄を含み、
前記第１イベントの前記発生の時の前記状態は、転倒及び転落の少なくともいずれかの予測を含む、構成１に記載のデータ処理装置。
前記第１データの一部は、前記対象者の前記状態を検出可能な第３センサから得られ、
前記第１センサは、前記対象者が使用するベッドに設けられた体動センサを含み、
前記第３センサは、前記対象者を撮像する撮像装置を含み、
前記第２センサは、前記対象者が使用する排泄装置、及び、前記対象者の排泄を検出可能な排泄センサの少なくともいずれかを含み、
前記第１イベントは、排泄を含み、
前記第１イベントの前記発生の時の前記状態は、転倒及び転落の少なくともいずれかの予測を含む、構成１に記載のデータ処理装置。
【0121】
（構成１６）
前記第１データの一部は、前記対象者の前記状態を検出可能な第３センサから得られ、
前記第１センサは、前記対象者が使用するベッドに設けられた体動センサを含み、
前記第３センサは、前記対象者を撮像する撮像装置を含み、
前記第２センサは、前記対象者からの加重を検出可能な加重センサを含み、
前記第１イベントは、離床を含み、
前記第１イベントの前記発生の時の前記状態は、転倒及び転落の少なくともいずれかの予測を含む、構成１に記載のデータ処理装置。
前記第１データの一部は、前記対象者の前記状態を検出可能な第３センサから得られ、
前記第１センサは、前記対象者が使用するベッドに設けられた体動センサを含み、
前記第３センサは、前記対象者を撮像する撮像装置を含み、
前記第２センサは、前記対象者からの加重を検出可能な加重センサを含み、
前記第１イベントは、離床を含み、
前記第１イベントの前記発生の時の前記状態は、転倒及び転落の少なくともいずれかの予測を含む、構成１に記載のデータ処理装置。
【0122】
（構成１７）
前記処理部は、第２動作をさらに実施可能であり、
前記処理部は、前記第２動作において、前記第１センサから得られる第１情報と、前記第２センサから得られる第２情報と、前記第３センサから得られる第３情報と、を取得可能であり、
前記第１情報の量は、前記第２情報の量よりも多く、
前記第２情報は、前記第２センサで検出される第２イベントの発生に関する第２イベント発生情報を含み、前記第２イベントは、前記第１イベントに対応し、
前記第１情報は、前記第２イベントの前記発生よりも前を含む第１期間に前記第１センサから得られる第１期間情報を含み、
前記第３情報は、前記第２イベントの前記発生よりも前を含む第２期間に前記第３センサから得られる第２期間情報を含み、
前記処理部は、前記第２動作において、前記第２イベント発生情報と、前記第１期間情報に基づく情報と、前記第２期間情報に基づく情報と、を教師データとして機械学習モデルを導出可能であり、
前記処理部は、前記機械学習モデルに基づいて前記第１動作を実施可能である、構成１５または１６に記載のデータ処理装置。
前記処理部は、第２動作をさらに実施可能であり、
前記処理部は、前記第２動作において、前記第１センサから得られる第１情報と、前記第２センサから得られる第２情報と、前記第３センサから得られる第３情報と、を取得可能であり、
前記第１情報の量は、前記第２情報の量よりも多く、
前記第２情報は、前記第２センサで検出される第２イベントの発生に関する第２イベント発生情報を含み、前記第２イベントは、前記第１イベントに対応し、
前記第１情報は、前記第２イベントの前記発生よりも前を含む第１期間に前記第１センサから得られる第１期間情報を含み、
前記第３情報は、前記第２イベントの前記発生よりも前を含む第２期間に前記第３センサから得られる第２期間情報を含み、
前記処理部は、前記第２動作において、前記第２イベント発生情報と、前記第１期間情報に基づく情報と、前記第２期間情報に基づく情報と、を教師データとして機械学習モデルを導出可能であり、
前記処理部は、前記機械学習モデルに基づいて前記第１動作を実施可能である、構成１５または１６に記載のデータ処理装置。
【0123】
（構成１８）
前記処理部は、前記第２動作において、
前記第２イベント発生情報に基づいて、前記第１期間情報に第１アノテーションを付加し、前記第２期間情報に第２アノテーションを付加し、
前記教師データは、前記第１アノテーションが付加された前記第１期間情報、及び、前記第２アノテーションが付加された前記第２期間情報を含む、構成１７に記載のデータ処理装置。
前記処理部は、前記第２動作において、
前記第２イベント発生情報に基づいて、前記第１期間情報に第１アノテーションを付加し、前記第２期間情報に第２アノテーションを付加し、
前記教師データは、前記第１アノテーションが付加された前記第１期間情報、及び、前記第２アノテーションが付加された前記第２期間情報を含む、構成１７に記載のデータ処理装置。
【0124】
（構成１９）
第１データを取得可能な取得部と、
前記取得部が取得した前記第１データに基づいて第１動作を実施可能な処理部と、
を備え、
前記第１データの少なくとも一部は、対象者の状態を検出可能な第１センサから得られ、
前記処理部は、前記第１動作において、前記第１データが第１データ情報を含む場合に、前記対象者に関する第１イベントの発生に関する第１イベント予測情報と、前記第１イベントの後の第２イベントの発生に関する第２イベント予測情報と、を出力可能であり、
前記第１イベントの前記発生は、前記対象者の前記状態を検出可能な第２センサで検出可能であり、
前記第２イベントの前記発生は、前記対象者の前記状態を検出可能な第３センサで検出可能である、データ処理装置。
第１データを取得可能な取得部と、
前記取得部が取得した前記第１データに基づいて第１動作を実施可能な処理部と、
を備え、
前記第１データの少なくとも一部は、対象者の状態を検出可能な第１センサから得られ、
前記処理部は、前記第１動作において、前記第１データが第１データ情報を含む場合に、前記対象者に関する第１イベントの発生に関する第１イベント予測情報と、前記第１イベントの後の第２イベントの発生に関する第２イベント予測情報と、を出力可能であり、
前記第１イベントの前記発生は、前記対象者の前記状態を検出可能な第２センサで検出可能であり、
前記第２イベントの前記発生は、前記対象者の前記状態を検出可能な第３センサで検出可能である、データ処理装置。
【0125】
（構成２０）
前記第１イベントは、離床を含み、
前記第２イベントは、排泄を含む、構成１９に記載のデータ処理装置。
前記第１イベントは、離床を含み、
前記第２イベントは、排泄を含む、構成１９に記載のデータ処理装置。
【0126】
（構成２１）
前記第１センサは、前記対象者が使用するベッドに設けられた体動センサを含み、
前記第２センサは、前記対象者からの加重を検出可能な加重センサを含み、
前記第３センサは、前記対象者が使用する排泄装置、及び、前記対象者の排泄を検出可能な排泄センサの少なくともいずれかを含む、構成１９または２０に記載のデータ処理装置。
前記第１センサは、前記対象者が使用するベッドに設けられた体動センサを含み、
前記第２センサは、前記対象者からの加重を検出可能な加重センサを含み、
前記第３センサは、前記対象者が使用する排泄装置、及び、前記対象者の排泄を検出可能な排泄センサの少なくともいずれかを含む、構成１９または２０に記載のデータ処理装置。
【0127】
（構成２２）
構成１に記載のデータ処理装置と、
前記第１センサと、
端末装置と、
を備え、
前記端末装置は、出力部を含み、
前記出力部は、前記第１イベント予測情報及び前記状態予測情報を出力可能である介護支援システム。
構成１に記載のデータ処理装置と、
前記第１センサと、
端末装置と、
を備え、
前記端末装置は、出力部を含み、
前記出力部は、前記第１イベント予測情報及び前記状態予測情報を出力可能である介護支援システム。
【0128】
（構成２３）
処理部に第１データを入手させ、
前記処理部に前記第１データに基づいて第１動作を実施させ、
前記第１データの少なくとも一部は、対象者の状態を検出可能な第１センサから得られ、
前記処理部は、前記第１動作において、前記第１データが第１データ情報を含む場合に、前記対象者に関する第１イベントの発生に関する第１イベント予測情報と、前記第１イベントの前記発生の時の前記対象者の予測される状態に関する状態予測情報と、を出力可能であり、
前記第１イベントの前記発生は、前記対象者の前記状態を検出可能な第２センサで検出可能であり、
前記第１イベントの前記発生の時の前記対象者の予測される前記状態は、前記第２センサで検出されない、データ処理方法。
処理部に第１データを入手させ、
前記処理部に前記第１データに基づいて第１動作を実施させ、
前記第１データの少なくとも一部は、対象者の状態を検出可能な第１センサから得られ、
前記処理部は、前記第１動作において、前記第１データが第１データ情報を含む場合に、前記対象者に関する第１イベントの発生に関する第１イベント予測情報と、前記第１イベントの前記発生の時の前記対象者の予測される状態に関する状態予測情報と、を出力可能であり、
前記第１イベントの前記発生は、前記対象者の前記状態を検出可能な第２センサで検出可能であり、
前記第１イベントの前記発生の時の前記対象者の予測される前記状態は、前記第２センサで検出されない、データ処理方法。
【0129】
実施形態によれば、より適切な処理が可能なデータ処理装置、介護支援システム、及び、データ処理方法を提供できる。
【0130】
以上、具体例を参照しつつ、本発明の実施の形態について説明した。しかし、本発明は、これらの具体例に限定されるものではない。例えば、データ処理装置に含まれる、処理部及び取得部などの各要素の具体的な構成に関しては、当業者が公知の範囲から適宜選択することにより本発明を同様に実施し、同様の効果を得ることができる限り、本発明の範囲に包含される。
【0131】
また、各具体例のいずれか２つ以上の要素を技術的に可能な範囲で組み合わせたものも、本発明の要旨を包含する限り本発明の範囲に含まれる。
【0132】
その他、本発明の実施の形態として上述したデータ処理装置、介護支援システム、及び、データ処理方法を基にして、当業者が適宜設計変更して実施し得る全てのデータ処理装置、介護支援システム、及び、データ処理方法も、本発明の要旨を包含する限り、本発明の範囲に属する。
【0133】
その他、本発明の思想の範疇において、当業者であれば、各種の変更例及び修正例に想到し得るものであり、それら変更例及び修正例についても本発明の範囲に属するものと了解される。
【符号の説明】
【0134】
３１～３３…第１～第３センサ、 ４１…体動センサ、 ４２…撮像装置、 ４３…加重センサ、 ４４…排泄装置、 ４５…排泄センサ、 ４６…水分センサ、 ４７…飲食センサ、 ４７ａ…撮像素子、 ４８…姿勢センサ、 ４９…嚥下センサ、 ７０…データ処理装置、 ７１…処理部、 ７２…取得部、 ７３…記憶部、 ７５…通信部、 ７６…記憶部、 ７９ｂ…表示部、 ７９ｃ…入力部、 ８１…端末装置、 ８２…出力部、 ８５…対象者、 ８６…ベッド、 ８８…機械学習モデル、 １１０…介護支援システム、 ＤＡ１…第１データ、 ＤＩ１…第１データ情報、 Ｉ１～Ｉ３…第１～第３情報、 ＩＬ０…学習時イベント発生情報、 ＩＬ２…第２イベント発生情報、 ＩＰ１…第１イベント予測情報、 ＩＳ１…信号強度、 ＩＳ２…強度、 ＩＳ３…信号強度、 Ｉｔｐ１、Ｉｔｐ２…第１、第２期間情報、 Ｏ０１…出力情報、 ＯＰ１、ＯＰ２…第１、第２動作、 ＳＰ１…状態予測情報、 ＳＳ１…信号強度、 ＳＳ２…強度、 ＳＳ３…信号強度、 ＳＶ１…第１しきい値、 ｔＬ０…時刻、 ｔＬ２…時刻、 ｔｃ１…頻度、 ｔｉ１…状態、 ｔｍ…時間、 ｔｍ１…発生時刻、 ｔｍ２…時刻、 ｔｄ１…継続時間、 ｔｐ１、ｔｐ２…第１、第２期間
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】