特開 2024-145839 判定支援システム、判定支援方法及びコンピュータープログラム

(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】P2024145839

(43)【公開日】2024-10-15

(54)【発明の名称】判定支援システム、判定支援方法及びコンピュータープログラム

(51)【国際特許分類】

   A61B 10/00 20060101AFI20241004BHJP

   G16H 50/00 20180101ALI20241004BHJP

【ＦＩ】

A61B10/00 H

G16H50/00

【審査請求】未請求

【請求項の数】8

【出願形態】ＯＬ

(21)【出願番号】P 2023058366

(22)【出願日】2023-03-31

(71)【出願人】

【識別番号】504159235

【氏名又は名称】国立大学法人 熊本大学

(71)【出願人】

【識別番号】506301140

【氏名又は名称】公立大学法人会津大学

(74)【代理人】

【識別番号】100165179

【弁理士】

【氏名又は名称】田▲崎▼ 聡

(74)【代理人】

【識別番号】100188558

【弁理士】

【氏名又は名称】飯田 雅人

(74)【代理人】

【識別番号】100175824

【弁理士】

【氏名又は名称】小林 淳一

(74)【代理人】

【識別番号】100152272

【弁理士】

【氏名又は名称】川越 雄一郎

(74)【代理人】

【識別番号】100181722

【弁理士】

【氏名又は名称】春田 洋孝

(72)【発明者】

【氏名】安村 明

(72)【発明者】

【氏名】惠 明子

(72)【発明者】

【氏名】慎 重弼

【テーマコード（参考）】

5L099

【Ｆターム（参考）】

5L099AA04

(57)【要約】

【課題】精神疾患の種別をより正しく判別することを可能にすること。
【解決手段】被験者がそれぞれペン状の物体を用いて筆記を行った際の筆記に関する情報を示す筆記情報と、前記被験者の精神疾患の種別を示す正解情報と、を複数用いて学習処理を行うことによって得られた学習済モデルを記憶する記憶装置と、対象者がペン状の物体を用いて筆記を行った際の筆記に関する情報を示す筆記情報を取得し、前記筆記情報と前記学習済モデルとを用いて、前記対象者の精神疾患の種別を判定する判定部と、前記判定部の判定結果を出力する出力部と、を備える判定支援システム。
【選択図】図１

【特許請求の範囲】

【請求項1】

被験者がそれぞれペン状の物体を用いて筆記を行った際の筆記に関する情報を示す筆記情報と、前記被験者の精神疾患の種別を示す正解情報と、を複数用いて学習処理を行うことによって得られた学習済モデルを記憶する記憶装置と、
対象者がペン状の物体を用いて筆記を行った際の筆記に関する情報を示す筆記情報を取得し、前記筆記情報と前記学習済モデルとを用いて、前記対象者の精神疾患の種別を判定する判定部と、
前記判定部の判定結果を出力する出力部と、を備える判定支援システム。

【請求項2】

前記正解情報は、ADHD患者であるか否かを示す情報と、ASD患者であるか否かを示す情報と、を有する、請求項１に記載の判定支援システム。

【請求項3】

前記学習処理は、前記被験者が前記ペン状の物体を用いている間の前記被験者の脳活動を示す参照脳活動情報をさらに用いて実行され、
前記推定部は、前記対象者が前記ペンタブレットを操作している間の前記対象者の脳活動を示す脳活動情報をさらに取得し、前記筆記情報と前記脳活動情報と前記学習済モデルとを用いて、前記対象者が健常者と精神疾患患者とのどちらであるかを推定する、請求項１に記載の判定支援システム。

【請求項4】

前記参照脳活動情報及び前記脳活動情報は、それぞれ被験者及び対象者の前頭葉及び頭頂葉の脳活動を示す情報である、請求項２に記載の判定支援システム。

【請求項5】

前記脳活動情報は、酸素量を示す情報である、請求項４に記載の判定支援システム。

【請求項6】

前記参照軌跡情報及び前記軌跡情報は、筆記を行った時間、筆記の圧力、筆記を生じさせる際の前記ペン状の物体及び前記ペンの傾き、のうち少なくともいずれか一つを含む請求項５に記載の判定支援システム。

【請求項7】

被験者がそれぞれペン状の物体を用いて筆記を行った際の筆記に関する情報を示す筆記情報と、前記被験者の精神疾患の種別を示す正解情報と、を複数用いて学習処理を行うことによって得られた学習済モデルを記憶する記憶装置を備える判定支援装置が、
対象者がペン状の物体を用いて筆記を行った際の筆記に関する情報を示す筆記情報を取得し、前記筆記情報と前記学習済モデルとを用いて、前記対象者の精神疾患の種別を判定する判定ステップと、
前記判定ステップにおける判定結果を出力する出力ステップと、を備える判定支援方法。

【請求項8】

被験者がそれぞれペン状の物体を用いて筆記を行った際の筆記に関する情報を示す筆記情報と、前記被験者の精神疾患の種別を示す正解情報と、を複数用いて学習処理を行うことによって得られた学習済モデルを記憶する記憶装置と、
対象者がペン状の物体を用いて筆記を行った際の筆記に関する情報を示す筆記情報を取得し、前記筆記情報と前記学習済モデルとを用いて、前記対象者の精神疾患の種別を判定する判定部と、
前記判定部の判定結果を出力する出力部と、を備える判定支援システムとしてコンピューターを機能させるためのコンピュータープログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、判定支援システム、判定支援方法及びコンピュータープログラムに関する。

【背景技術】

【0002】

神経発達障害群（以下「発達障害」という。）は、発達期に発症する一群の疾患であり、早期から発達段階に応じた一貫した支援を行うことが重要であり、早期発見の必要性はきわめて高い。このような要望に対し、例えば注意欠陥・多動性障害（ＡＤＨＤ）児の重症度について、脳機能計測法を用いて定量化する手法が考案されている（例えば特許文献１参照）。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特許第６１２８６５１号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

発達障害には、いくつかの種別が存在する。そのうちの一つは、上述したＡＤＨＤであり、他の種別として自閉症スペクトラム障害（ＡＳＤ）もある。例えば、ＡＤＨＤとＡＳＤとでは、中核症状や介入方法が全く異なるため、これらを正しく判別することが重要である。しかしながら、これらは主観的には同じ発達障害として混同されやすく、正しく判別することが困難であった。発達障害の種別を分類することが困難であった。このような問題は、発達障害のみならず、精神疾患全般に共通する問題であった。すなわち、精神疾患には上述した発達障害に加えて、うつ病や双極性障害などがあり、これらの種別を分類することが困難であった。

【0005】

本発明は、上述した事情に鑑みてなされたものであり、精神疾患の種別をより正しく判別することを可能にする技術を提供するものである。

【課題を解決するための手段】

【0006】

本発明の一態様は、被験者がそれぞれペン状の物体を用いて筆記を行った際の筆記に関する情報を示す筆記情報と、前記被験者の精神疾患の種別を示す正解情報と、を複数用いて学習処理を行うことによって得られた学習済モデルを記憶する記憶装置と、対象者がペン状の物体を用いて筆記を行った際の筆記に関する情報を示す筆記情報を取得し、前記筆記情報と前記学習済モデルとを用いて、前記対象者の精神疾患の種別を判定する判定部と、前記判定部の判定結果を出力する出力部と、を備える判定支援システムである。

【0007】

本発明の一態様は、上記の判定支援システムであって、前記正解情報は、ＡＤＨＤ患者であるか否かを示す情報と、ASD患者であるか否かを示す情報と、を有する。

【0008】

本発明の一態様は、上記の判定支援システムであって、前記学習処理は、前記被験者が前記ペン状の物体を用いている間の前記被験者の脳活動を示す参照脳活動情報をさらに用いて実行され、前記推定部は、前記対象者が前記ペンタブレットを操作している間の前記対象者の脳活動を示す脳活動情報をさらに取得し、前記筆記情報と前記脳活動情報と前記学習済モデルとを用いて、前記対象者が健常者と精神疾患患者とのどちらであるかを推定する。

【0009】

本発明の一態様は、上記の判定支援システムであって、前記参照脳活動情報及び前記脳活動情報は、それぞれ被験者及び対象者の前頭葉及び頭頂葉の脳活動を示す情報である。

【0010】

本発明の一態様は、上記の判定支援システムであって、前記脳活動情報は、酸素量を示す情報である。

【0011】

本発明の一態様は、上記の判定支援システムであって、前記参照軌跡情報及び前記軌跡情報は、軌跡を生じさせている時間、軌跡を生じさせる際の圧力、軌跡を生じさせる際の前記ペン状の物体及び前記ペンの傾き、のうち少なくともいずれか一つを含む。

【0012】

本発明の一態様は、被験者がそれぞれペン状の物体を用いて筆記を行った際の筆記に関する情報を示す筆記情報と、前記被験者の精神疾患の種別を示す正解情報と、を複数用いて学習処理を行うことによって得られた学習済モデルを記憶する記憶装置を備える判定支援装置が、対象者がペン状の物体を用いて筆記を行った際の筆記に関する情報を示す筆記情報を取得し、前記筆記情報と前記学習済モデルとを用いて、前記対象者の精神疾患の種別を判定する判定ステップと、前記判定ステップにおける判定結果を出力する出力ステップと、を備える推定支援方法である。

【0013】

本発明の一態様は、被験者がそれぞれペン状の物体を用いて筆記を行った際の筆記に関する情報を示す筆記情報と、前記被験者の精神疾患の種別を示す正解情報と、を複数用いて学習処理を行うことによって得られた学習済モデルを記憶する記憶装置と、対象者がペン状の物体を用いて筆記を行った際の筆記に関する情報を示す筆記情報を取得し、前記筆記情報と前記学習済モデルとを用いて、前記対象者の精神疾患の種別を判定する判定部と、前記判定部の判定結果を出力する出力部と、を備える推定支援システムとしてコンピューターを機能させるためのコンピュータープログラムである。

【発明の効果】

【0014】

本発明により、撮像された画像において、精神疾患の種別をより正しく判別することを可能にすることが可能となる。

【図面の簡単な説明】

【0015】

【図1】本発明の判定支援システム１００のシステム構成を示す概略ブロック図である。

【図2】端末装置１０の機能構成の具体例を示す概略ブロック図である。

【図3】入力部１２に用いられる入力装置の具体例を示す図である。

【図4】筆記情報の具体例を示す図である。

【図5】学習装置２０の機能構成の具体例を示す概略ブロック図である。

【図6】学習装置２０の処理の具体例を示すフローチャートである。

【図7】判定支援装置３０の機能構成の具体例を示す概略ブロック図である。

【図8】判定支援装置３０の処理の具体例を示すフローチャートである。

【図9】本実施形態に適用される情報処理装置９０のハードウェア構成例の概略を示す図である。

【図10】判定支援装置３０の変形例を示す図である。

【図11】判定支援装置３０の変形例を示す図である。

【図12】判定支援システム１００の変形例を示す図である。

【発明を実施するための形態】

【0016】

図１は、本発明の判定支援システム１００のシステム構成を示す概略ブロック図である。判定支援システム１００は、判定対象の人物（以下「対象人物」という。）の筆記動作に関する情報（以下「筆記情報」という。）に基づいて、対象人物の精神疾患の種別を判定する際に使用される。より具体的には、対象人物の発達障害の種別を判定する際に使用されてもよい。判定支援システム１００は、このような判定を判定者が行うことを支援する。判定支援システム１００は、このような判定そのものを行ってもよい。以下、このような判定を行うための操作をする者をユーザーと呼ぶ。対象人物の筆記情報は、過去に対象人物が筆記動作を行った際に取得された情報であってもよいし、判定する際に新たに取得される情報であってもよい。以下の説明では、判定する際に端末装置１０において新たに筆記情報が取得される構成について主に説明する。

【0017】

判定支援システム１００は、端末装置１０と学習装置２０と判定支援装置３０とを含む。端末装置１０と判定支援装置３０とは、ネットワーク７０を介して通信可能に接続される。学習装置２０と判定支援装置３０とは、ネットワーク７０を介して通信可能に接続されもよい。ネットワーク７０は、無線通信を用いたネットワークであってもよいし、有線通信を用いたネットワークであってもよい。ネットワーク７０は、例えばインターネットを用いて構成されてもよいし、ローカルエリアネットワーク（ＬＡＮ）を用いて構成されてもよい。ネットワーク７０は、複数のネットワークが組み合わされて構成されてもよい。

【0018】

図２は、端末装置１０の機能構成の具体例を示す概略ブロック図である。端末装置１０は、例えばスマートフォン、タブレット、パーソナルコンピューター、専用機器などの情報機器を用いて構成される。端末装置１０は、通信部１１、入力部１２、出力部１３、記憶部１４及び制御部１５を備える。

【0019】

通信部１１は、通信機器である。通信部１１は、例えばネットワークインターフェースとして構成されてもよい。通信部１１は、制御部１５の制御に応じて、ネットワーク７０を介して他の装置とデータ通信する。通信部１１は、無線通信を行う装置であってもよいし、有線通信を行う装置であってもよい。

【0020】

入力部１２は、ペンタブレットやタッチパネル等のように、ペン型入力器具１２１を用いて筆記動作を行いながら入力することが可能な入力装置を用いて構成される。入力部１２は、ユーザーの指示を端末装置１０に入力する際にユーザーによって操作される。また、入力部１２は、ユーザーの筆記情報を取得する際にユーザーによって操作される。入力部１２は、ペンタブレットやタッチパネル等の入力装置を端末装置１０に接続するためのインターフェースであっても良い。この場合、入力部１２は、入力装置においてユーザーの入力に応じ生成された入力信号を端末装置１０に入力する。

【0021】

図３は、入力部１２に用いられる入力装置の具体例を示す図である。図３では、入力部１２に用いられる入力装置の具体例としてタッチパネルが用いられている。タッチパネルには、手本となる画像８１と、入力領域の枠を示す枠８２と、が表示されてもよい。このような表示において、ユーザーは対象人物に対し、画像８１と同じ線を枠８２の内側にペン型入力器具１２１を用いて記入するように促す。対象人物が枠８２の内側にペン型入力器具１２１を用いて線を描いている間、入力部１２及びペン型入力器具１２１は、対象人物の筆記情報を取得する。

【0022】

図４は、筆記情報の具体例を示す図である。入力部１２及びペン型入力器具１２１は、入力位置（x-y coordinates）、筆圧（Pen pressure ｐ）、ペン水平傾斜（Pen direction θ）、ペン垂直傾斜（Pen altitude φ）、入力経過時間（Elapsed time ｔ）を所定の周期（例えば１０回／秒、２０回／秒など）で繰り返し取得し、これらの時系列情報を筆記情報として、取得してもよい。入力位置は、ペン型入力器具１２１の先端部分がタッチパネルに触れた位置を示す。入力位置は、タッチパネル上の座標系で示されてもよい。タッチパネル上の座標系は、例えばタッチパネルの左下の端を原点とし、右方向にｘ軸が伸び、上方向にｙ軸が伸びるような平面座標の座標系であってもよい。

【0023】

筆圧は、ペン型入力器具１２１の先端部分がタッチパネルに触れた位置において、タッチパネルがペン型入力器具１２１から受ける圧力を示してもよい。ペン水平傾斜は、水平面においてペン型入力器具１２１が傾斜している角度を示す。ペン水平傾斜は、例えばペン型入力器具１２１をタッチパネルの平面上に射影したときに、その射影の像の中心線と所定の軸とが形成する角度を示してもよい。辺水平傾斜は、例えば上述した中心線とｙ軸とが形成する角度であってもよい。この角度はｙ軸から時計回りに進む角度として表されてもよい。

【0024】

ペン垂直傾斜は、ペン型入力器具１２１の中心線と、ペン型入力器具１２１をタッチパネルの平面上に射影した像の中心線と、が形成する角度を示す。入力経過時間は、ペン型入力器具１２１を用いた入力が開始されてから経過した時間を示す。

【0025】

上述した情報は、筆記情報の具体例に過ぎない。上述した情報とは異なる情報が筆記情報として取得されてもよい。取得された筆記情報は、制御部１５に出力される。制御部１５は、通信部１１を用いてネットワーク７０を介して筆記情報を判定支援装置３０に送信する。

【0026】

出力部１３は、情報をユーザーが認知可能な形で出力する。出力部１３は、例えば液晶ディスプレイ、有機ＥＬ（Electro Luminescence）ディスプレイ等の画像表示装置であってもよい。出力部１３は、画像表示装置を端末装置１０に接続するためのインターフェースであっても良い。この場合、出力部１３は、画像データを表示するための映像信号を生成し、自身に接続されている画像表示装置に映像信号を出力する。出力部１３は、スピーカー等の音響を出力する装置であってもよい。出力部１３は、スピーカーやヘッドホン等の音響出力装置を端末装置１０に接続するためのインターフェースであってもよい。この場合、出力部１３は、音響データを再生するための音響信号を生成し、自身に接続されている音響出力装置に音響信号を出力する。なお、出力部１３は、入力部１２と一体のタッチパネルとして構成されてもよい。図３に示される態様では、出力部１３はタッチパネルとして構成されている。この場合も、出力部１３は、タッチパネルとは異なる態様の装置（例えばスピーカー）として端末装置１０に備えられてもよい。

【0027】

記憶部１４は、磁気ハードディスク装置や半導体記憶装置等の記憶装置を用いて構成される。記憶部１４は、制御部１５によって使用されるデータを記憶する。記憶部１４は、制御部１５が処理を行う際に必要となるデータを記憶する。

【0028】

制御部１５は、ＣＰＵ（Central Processing Unit）等のプロセッサーとメモリー（主記憶装置）とを用いて構成される。制御部１５は、プロセッサーがプログラムを実行することによって機能する。なお、制御部１５の各機能の全て又は一部は、ＡＳＩＣ（Application Specific Integrated Circuit）やＰＬＤ（Programmable Logic Device）やＦＰＧＡ（Field Programmable Gate Array）等のハードウェアを用いて実現されても良い。上記のプログラムは、コンピューター読み取り可能な記録媒体に記録されても良い。コンピューター読み取り可能な記録媒体とは、例えばフレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ－ＲＯＭ、半導体記憶装置（例えばＳＳＤ：Solid State Drive）等の可搬媒体、コンピューターシステムに内蔵されるハードディスクや半導体記憶装置等の記憶装置である。上記のプログラムは、電気通信回線を介して送信されてもよい。

【0029】

制御部１５は、例えば自装置（端末装置１０）にインストールされたアプリケーションを実行してもよい。このようなアプリケーションの具体例として、判定支援システム１００の専用アプリケーションとして端末装置１０に提供されるアプリケーションがある。このようなアプリケーションの他の具体例として、ＷＥＢブラウザーのアプリケーションがある。このようなアプリケーションは、予め端末装置１０にインストールされていてもよいし、判定処理を実行する際にその都度ダウンロードされてもよい。例えばＷＥＢブラウザーのアプリケーションとして実装される場合には、特定のＷＥＢサーバーに端末装置１０が接続することに応じてＷＥＢサーバーによって指定された装置（例えばＷＥＢサーバーそのものでもよいし他のサーバーでもよい）から端末装置１０がアプリケーションをダウンロードして実行してもよい。制御部１５は、実行中のアプリケーションのプログラムにしたがって動作する。

【0030】

制御部１５は、ユーザーの操作や判定支援装置３０から受信される情報に応じて端末装置１０を制御する。例えば、制御部１５は、対象人物やユーザーが入力部１２を操作することによって入力された情報を、通信部１１を用いることによって判定支援装置３０へ送信する。例えば、制御部１５は、対象人物がペン型入力器具１２１を用いて入力部１２（例えばタッチパネル）に筆記する際に、筆記情報を取得し、取得された筆記情報を判定支援装置３０へ送信する。例えば、制御部１５は、判定支援装置３０から送信された情報がネットワーク７０を介して通信部１１で受信されると、受信された情報に基づいて画面データを生成し、出力部１３に画面データを表示させる。このような画面データには、判定支援装置３０から送信された画像や文字が含まれる。例えば、制御部１５は、判定支援装置３０から送信された情報がネットワーク７０を介して通信部１１で受信されると、受信された情報に基づいて音声データを生成し、出力部１３から音声データを出力させる。

【0031】

図５は、学習装置２０の機能構成の具体例を示す概略ブロック図である。学習装置２０は、例えばパーソナルコンピューターやサーバー装置などの情報処理装置を用いて構成される。学習装置２０は、通信部２１、記憶部２２及び制御部２３を備える。

【0032】

通信部２１は、通信機器である。通信部２１は、例えばネットワークインターフェースとして構成されてもよい。通信部２１は、制御部２３の制御に応じて、ネットワーク７０を介して他の装置とデータ通信する。通信部２１は、無線通信を行う装置であってもよいし、有線通信を行う装置であってもよい。

【0033】

記憶部２２は、磁気ハードディスク装置や半導体記憶装置等の記憶装置を用いて構成される。記憶部２２は、制御部２３によって使用されるデータを記憶する。記憶部２２は、例えば教師データ記憶部２２１、前処理済教師データ記憶部２２２及び学習済モデル記憶部２２３として機能してもよい。

【0034】

教師データ記憶部２２１は、学習装置２０において実行される学習処理に用いられる教師データを記憶する。教師データ記憶部２２１が記憶する教師データは、過去に複数の人物によって筆記が行われた結果得られた筆記情報と、各筆記情報に関してその筆記を行った人物に関するラベル情報と、を含む。ラベル情報は、その人物の精神疾患の種別に関する情報を含む。以下の説明では、精神疾患の具体例として、発達障害を例にとって説明する。教師データにおいて発達障害を患っていない人物の筆記情報が含まれている場合には、その筆記情報のラベルには発達障害の種別として発達障害を患っていないことを示す値が与えられる。発達障害の種別として、例えばＡＤＨＤとＡＳＤとがある。

【0035】

前処理済教師データ記憶部２２２は、前処理済教師データを記憶する。前処理済教師データは、筆記情報に対して前処理制御部２３２が前処理を実行することによって得られる情報を記憶する。前処理は、例えば筆記特徴情報を取得する処理であってもよい。この場合、前処理済教師データは、筆記特徴情報と、各筆記特徴情報を取得する際に使用された筆記情報に対応するラベル情報と、を含む。

【0036】

筆記特徴情報は、筆記動作の特徴量に関する情報である。以下、筆記特徴情報の具体例を列挙する。
・高さ：ｙ座標の最大値とｙ座標の最小値との差
・速度：筆記された線の長さ／その線を筆記するのに要した時間
・ＰＩＡＬ：線を筆記する際の最小の加速度
・ＧＡＭＷ：ペン垂直傾斜の平均値
・ＧＡＭＬ：ペン水平傾斜の平均値
・ＧＡＳＤＷ：ペン垂直傾斜の標準偏差
・ＧＡＳＤＬ：ペン水平傾斜の標準偏差
・平均筆圧：筆圧の平均値
・ＳＤ筆圧：筆圧の標準偏差
・ＰＳＭａｘ：所定時間内の筆圧の最大増加量
・ＰＳＭｉｎ：所定時間内の筆圧の最大減少量
上述したもの以外の筆記特徴情報が取得されてもよい。上述した筆記特徴情報のうち、一部の情報のみが前処理済教師データとして用いられてもよい。

【0037】

学習済モデル記憶部２２３は、教師データ記憶部２２１に記憶されている教師データや前処理済教師データ記憶部２２２に記憶される前処理済教師データを用いた学習処理によって得られる学習済モデルを記憶する。

【0038】

制御部２３は、ＣＰＵ等のプロセッサーとメモリーとを用いて構成される。制御部２３は、プロセッサーがプログラムを実行することによって、情報制御部２３１、前処理制御部２３２及び学習制御部２３３として機能する。なお、制御部２３の各機能の全て又は一部は、ＡＳＩＣやＰＬＤやＦＰＧＡ等のハードウェアを用いて実現されても良い。上記のプログラムは、コンピューター読み取り可能な記録媒体に記録されても良い。コンピューター読み取り可能な記録媒体とは、例えばフレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ－ＲＯＭ、半導体記憶装置（例えばＳＳＤ）等の可搬媒体、コンピューターシステムに内蔵されるハードディスクや半導体記憶装置等の記憶装置である。上記のプログラムは、電気通信回線を介して送信されてもよい。

【0039】

情報制御部２３１は、情報の入出力を制御する。例えば、情報制御部２３１は、他の機器（情報処理装置や記憶媒体）から教師データを取得し、教師データ記憶部２２１に記録する。例えば、情報制御部２３１は、学習済モデル記憶部２２３に記憶されている学習済モデルを、他の装置（例えば判定支援装置３０）に対して送信する。

【0040】

前処理制御部２３２は、教師データに対して所定の前処理を実行することによって、前処理済教師データを生成する。前処理制御部２３２は、例えば筆記情報に基づいて所定の演算を行うことによって筆記特徴情報を取得し前処理済教師データを生成してもよい。具体的には例えば以下のように実行されてもよい。まず、前処理制御部２３２は、筆記情報のうち時系列の最初の入力位置から順に入力位置をつなぐことで、筆記された線の形状を再現する。このような再現において用いられた入力座標のうち、ｙ座標の最大値とｙ座標の最小値との差を算出することによって、“高さ”の値が得られる。また、このように再現された線の長さを算出し、再現において用いられた時系列の最初と最後の筆記情報の時間差で除算することによって、“速度”の値が得られる。各入力位置における速度の値に基づいて各入力位置における加速度を算出することで、“ＰＩＡＬ”の値が得られる。その他の平均値や標準偏差は、それぞれ筆記情報の各値の統計値を算出することによって得られる。

【0041】

学習制御部２３３は、前処理済教師データ記憶部２２２に記憶されている前処理済教師データを用いて学習処理を実行する。このような学習処理の具体例として、例えば、サポートベクトルマシンやランダムフォレストやニューラルネットワーク等の分類のための教師あり学習が用いられてもよい。学習制御部２３３は、例えば教師あり学習を行うことによって、入力される筆記特徴情報に基づいてその人物の発達障害の種別を出力するための学習済モデルを生成する。学習制御部２３３は、生成された学習済モデルを学習済モデル記憶部２２３に記録する。学習制御部２３３によって得られた学習済モデルは、判定支援装置３０に対して送信され、判定支援装置３０の学習済モデル記憶部３２１に記録されてもよい。このような学習済モデルは、入力として筆記特徴情報を与えることによって、出力としてその人物の発達障害の種別を示す値を得ることが可能である。

【0042】

図６は、学習装置２０の処理の具体例を示すフローチャートである。まず、情報制御部２３１は教師データを取得する（ステップＳ１０１）。教師データは、例えばユーザーによって入力されてもよいし、他の情報機器から通信によって取得されてもよいし、学習装置２０に接続された記録媒体から取得されてもよい。前処理制御部２３２は、教師データに対して所定の前処理を実行する（ステップＳ１０２）。学習制御部２３３は、前処理済教師データを用いて学習処理を実行し、学習済モデルを学習済モデル記憶部２２３に記録する（ステップＳ１０３）。

【0043】

図７は、判定支援装置３０の機能構成の具体例を示す概略ブロック図である。判定支援装置３０は、例えばパーソナルコンピューターやサーバー装置などの情報処理装置を用いて構成される。判定支援装置３０は、通信部３１、記憶部３２及び制御部３３を備える。

【0044】

通信部３１は、通信機器である。通信部３１は、例えばネットワークインターフェースとして構成されてもよい。通信部３１は、制御部３３の制御に応じて、ネットワーク７０を介して他の装置とデータ通信する。通信部３１は、無線通信を行う装置であってもよいし、有線通信を行う装置であってもよい。

【0045】

記憶部３２は、磁気ハードディスク装置や半導体記憶装置等の記憶装置を用いて構成される。記憶部３２は、制御部３３によって使用されるデータを記憶する。記憶部３２は、例えば学習済モデル記憶部３２１として機能してもよい。

【0046】

学習済モデル記憶部３２１は、予め学習処理によって生成された学習済モデルの情報を記憶する。このような学習処理は、例えば他の装置（例えば学習装置２０）によって実行されてもよいし、自装置（判定支援装置３０）によって実行されてもよい。

【0047】

制御部３３は、ＣＰＵ等のプロセッサーとメモリーとを用いて構成される。制御部３３は、プロセッサーがプログラムを実行することによって、情報制御部３３１、前処理制御部３３２及び判定部３３３として機能する。なお、制御部３３の各機能の全て又は一部は、ＡＳＩＣやＰＬＤやＦＰＧＡ等のハードウェアを用いて実現されても良い。上記のプログラムは、コンピューター読み取り可能な記録媒体に記録されても良い。コンピューター読み取り可能な記録媒体とは、例えばフレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ－ＲＯＭ、半導体記憶装置（例えばＳＳＤ）等の可搬媒体、コンピューターシステムに内蔵されるハードディスクや半導体記憶装置等の記憶装置である。上記のプログラムは、電気通信回線を介して送信されてもよい。

【0048】

情報制御部３３１は、端末装置１０等の他の装置から対象人物の筆記情報を取得する。

【0049】

情報制御部３３１は、判定部３３３によって得られた判定結果を示す情報を、端末装置１０等の他の装置に対して情報を送信する。このような情報制御部３３１による他の装置との間の情報のやりとりは、例えば通信部３１による通信によって行われてもよい。

【0050】

前処理制御部３３２は、情報制御部３３１によって取得された対象人物の筆記情報に対して所定の前処理を実行することで筆記特徴情報を取得する。前処理制御部３３２が実行する前処理は、判定部３３３によって使用される学習済モデルを生成する際の前処理と同様の処理である。すなわち、前処理制御部３３２が対象人物の筆記情報に対して行う処理は、前処理制御部２３２が対象人物の筆記情報に対して行う処理と同じである。前処理制御部３３２は、このような前処理を行うことによって筆記特徴情報を取得する。

【0051】

判定部３３３は、学習済モデル記憶部３２１に記憶される学習済モデルと、筆記特徴情報と、を用いて判定処理を行う。判定処理によって、対象人物の精神疾患の種別が判定される。本実施形態では、判定部３３３は、対象人物の発達障害の種別を判定する。判定部３３３は、少なくとも対象人物の発達障害の種別に関する判定結果を出力する。

【0052】

図８は、判定支援装置３０の処理の具体例を示すフローチャートである。まず、情報制御部３３１は端末装置１０から対象人物の筆記情報を取得する（ステップＳ２０１）。前処理制御部３３２は、対象人物の筆記情報に対して前処理を行うことによって筆記特徴情報を取得する（ステップＳ２０２）。判定部３３３は、少なくとも筆記特徴情報を用いて判定処理を行う（ステップＳ２０３）。判定部３３３は、判定結果を示す情報を端末装置１０に送信する（ステップＳ２０４）。

【0053】

このように構成された判定支援システム１００では、対象人物の筆記情報を用いることによって対象人物の発達障害の種別をより精度良く判定することが可能となる。具体的には以下の通りである。判定支援システム１００では、複数の人物の筆記情報を用いて生成された複数の筆記特徴情報を用いて学習処理が実行され、学習済モデルが得られる。そして、判定支援システム１００では、判定対象となる新たな人物の筆記情報が取得され、それに基づいて前処理が実行されて筆記特徴情報が取得される。筆記特徴情報は精神疾患（例えば発達障害）の種別に対して相関を有している。

【0054】

例えば、ＡＳＤの人物においては、十分に自動化された運動計画や細部への優位な知覚処理を有していることが多い。そのため、このような特性に応じて筆記特徴情報に特徴が現れて、より高い相関が生じると考えられる。例えば、ＡＤＨＤの人物においては注意の持続を苦手とする傾向がある。そのため、このような特性に応じて、例えば注意を持続できないことで筆圧が不安定になるなどの特徴が筆記特徴情報に現れて、より高い相関が生じると考えられる。そのため、筆記特徴情報を用いて精神疾患（例えば発達障害）の種別を判定することによって、より精度よく精神疾患（例えば）発達障害の種別を判定することが可能となる。ＡＳＤに関しては、上記理由により、動きの速さに関する特徴量（例えば速度）を用いることによってより正確に判定することができる。例えばＡＤＨＤに関しては上記理由により、例えば筆圧の変化に関する特徴量（例えばＳＤ筆圧、ＰＳＭａｘ、ＰＳＭｉｎ等）を用いることによってより正確に判定することができる。なお、種別の判定においては、各種別の疾患についての重症度が判定されてもよい。すなわち、単に１か０かのように疾患の種別が判定されるのではなく、対象者人物の罹患の程度（重症度）を表す数値が精神疾患の種別毎に得られてもよい。

【0055】

図９は、本実施形態に適用される情報処理装置９０のハードウェア構成例の概略を示す図である。情報処理装置９０は、プロセッサー９１、主記憶装置９２、通信インターフェース９３、補助記憶装置９４、入出力インターフェース９５及び内部バス９６を備える。プロセッサー９１、主記憶装置９２、通信インターフェース９３、補助記憶装置９４及び入出力インターフェース９５は、内部バス９６を介して互いに通信可能に接続される。情報処理装置９０は、例えば学習装置２０及び判定支援装置３０に適用されてもよい。この場合、例えば通信部２１及び通信部３１は通信インターフェース９３を用いて構成されてもよい。例えば記憶部２２及び記憶部３２は補助記憶装置９４を用いて構成されてもよい。また、制御部２３及び制御部３３は、プロセッサー９１及び主記憶装置９２を用いて構成されてもよい。

【0056】

（変形例）
本実施形態では、端末装置１０と判定支援装置３０とが異なる装置として構成されているが、一体の装置として構成されてもよい。図１０は、このように構成された判定支援装置３０の変形例を示す図である。図１０に示される判定支援装置３０は、入力部３４、出力部３５を備える。図１０に示される判定支援装置３０の入力部３４、出力部３５は、それぞれ端末装置１０の入力部１２、出力部１３と同様に機能する。制御部３３は、入力部３４に対する操作に応じて動作し、入力された筆記情報を用いて判定処理を行い、出力部３５を用いて情報を出力する。

【0057】

本実施形態では、学習装置２０と判定支援装置３０とが異なる装置として構成されているが、一体の装置として構成されてもよい。図１１は、このように構成された判定支援装置３０の変形例を示す図である。図１１に示される判定支援装置３０の記憶部３２は、教師データ記憶部３２２及び前処理済教師データ記憶部３２３としても機能する。図１１に示される判定支援装置３０の制御部３３は、前処理制御部３３２及び学習制御部３３４としても機能する。教師データ記憶部３２２及び前処理済教師データ記憶部３２３は、それぞれ学習装置２０の教師データ記憶部２２１及び前処理済教師データ記憶部２２２と同様に機能する。前処理制御部３３２は、判定支援装置３０の前処理（対象人物の筆記情報に対する前処理）のみではなく、学習装置２０の前処理（教師データの筆記情報に対する前処理）も実行する。学習制御部３３４は、学習装置２０の学習制御部２３３と同様に機能する。

【0058】

学習装置２０は、複数の情報処理装置を用いて実装されてもよい。例えば、クラウド等の装置を用いて学習装置２０が実装されてもよい。例えば、学習装置２０において、記憶部２２と制御部２３とがそれぞれ異なる情報処理装置に実装されてもよい。例えば、学習装置２０の記憶部２２が複数の情報処理装置に分散して実装されてもよい。判定支援装置３０は、複数の情報処理装置を用いて実装されてもよい。例えば、クラウド等の装置を用いて判定支援装置３０が実装されてもよい。例えば、判定支援装置３０において、記憶部３２と制御部３３とがそれぞれ異なる情報処理装置に実装されてもよい。例えば、判定支援装置３０の記憶部３２が複数の情報処理装置に分散して実装されてもよい。

【0059】

図１２は、判定支援システム１００の変形例を示す図である。図１２に示されるように、脳機能測定機１９がさらに判定支援システム１００に用いられてもよい。脳機能測定機１９は、対象人物の脳機能に関する情報を測定し判定支援装置３０に送信する。脳機能に関する情報は、例えば対象人物の頭部の血流に関する情報であってもよい。この場合、学習済モデルの生成において、入力として脳機能に関する情報が用いられてもよい。脳機能に関する情報の具体例として、例えば脳の一部の活動を示す情報がある。脳の一部の具体例として、例えば前頭葉、頭頂葉、大脳基底核などがある。脳の一部として他の部位が用いられてもよい。脳機能に関する情報は、例えば酸素量に関する情報であってもよい。

【0060】

以上、この発明の実施形態について図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計等も含まれる。

【符号の説明】

【0061】

１００…判定支援システム， １０…端末装置， １１…通信部， １２…入力部， １３…出力部， １４…記憶部， １５…制御部， ２０…学習装置， ２１…通信部， ２２…記憶部， ２２１…教師データ記憶部， ２２２…前処理済教師データ記憶部， ２２３…学習済モデル記憶部， ２３…制御部， ２３１…情報制御部， ２３２…前処理制御部， ２３３…学習制御部， ３０…判定支援装置， ３１…通信部， ３２…記憶部， ３２１…学習済モデル記憶部， ３３…制御部， ３３１…情報制御部， ３３２…前処理制御部， ３３３…判定部

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】