特開 2024-167938 情報処理装置、情報処理プログラムおよび機械学習装置

(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】P2024167938

(43)【公開日】2024-12-05

(54)【発明の名称】情報処理装置、情報処理プログラムおよび機械学習装置

(51)【国際特許分類】

   G16H 50/20 20180101AFI20241128BHJP

   A61B 5/00 20060101ALI20241128BHJP

【ＦＩ】

G16H50/20

A61B5/00 102C

【審査請求】未請求

【請求項の数】16

【出願形態】ＯＬ

(21)【出願番号】P 2023084266

(22)【出願日】2023-05-23

(71)【出願人】

【識別番号】000001270

【氏名又は名称】コニカミノルタ株式会社

(74)【代理人】

【識別番号】110000671

【氏名又は名称】ＩＢＣ一番町弁理士法人

(72)【発明者】

【氏名】韓 浩

【テーマコード（参考）】

4C117

5L099

【Ｆターム（参考）】

4C117XA03

4C117XA07

4C117XE13

4C117XE15

4C117XE23

4C117XE24

4C117XE26

4C117XE27

4C117XE28

4C117XE29

4C117XE33

4C117XE43

4C117XE53

4C117XH16

4C117XJ03

4C117XJ45

4C117XL01

5L099AA04

(57)【要約】

【課題】リアルタイムで、認知症症状の発生を推定可能な情報処理装置、情報処理プログラムおよび機械学習装置を提供する。
【解決手段】情報処理装置は、第１時刻および前記第１時刻よりも前の第２時刻各々における対象認知症患者の状態に関する状態指標と、前記第１時刻および前記第２時刻各々における前記対象認知症患者の生活環境に関する環境指標とのうち、少なくとも一方を含む指標情報を取得する取得部２１１と、取得された前記指標情報に基づいて、前記第１時刻における前記対象認知症患者の認知症症状の発生に関する発生情報を推定する推定部２１２とを含む。
【選択図】図９

【特許請求の範囲】

【請求項1】

第１時刻および前記第１時刻よりも前の第２時刻各々における対象認知症患者の状態に関する状態指標と、前記第１時刻および前記第２時刻各々における前記対象認知症患者の生活環境に関する環境指標とのうち、少なくとも一方を含む指標情報を取得する取得部と、
取得された前記指標情報に基づいて、前記第１時刻における前記対象認知症患者の認知症症状の発生に関する発生情報を推定する推定部と
を備える情報処理装置。

【請求項2】

前記取得部は、前記第１時刻および前記第２時刻各々の状態指標と、前記第１時刻および前記第２時刻各々の前記環境指標とを含む前記指標情報を取得する請求項１に記載の情報処理装置。

【請求項3】

前記指標情報は、さらに、前記第２時刻よりも前の第３時刻における前記対象認知症患者の状態に関する前記状態指標と、前記第３時刻における前記対象認知症患者の前記生活環境に関する前記環境指標とのうち、少なくとも一方を含む請求項１に記載の情報処理装置。

【請求項4】

前記状態指標は、前記対象認知症患者の動作を表す指標、前記対象認知症患者の睡眠覚醒状態を表す指標および前記対象認知症患者のバイタルを表す指標の少なくともいずれか一つを含む請求項１に記載の情報処理装置。

【請求項5】

前記動作は、前記対象認知症患者の移動、立ち止まりおよびふらつきの少なくともいずれか一つを含む請求項４に記載の情報処理装置。

【請求項6】

前記バイタルは、前記対象認知症患者の心拍、呼吸および血圧の少なくともいずれか一つを含む請求項４に記載の情報処理装置。

【請求項7】

前記環境指標は、前記生活環境の気温を表す指標、前記生活環境の気圧を表す指標および前記生活環境の湿度を表す指標の少なくともいずれか一つを含む請求項１に記載の情報処理装置。

【請求項8】

前記発生情報は、前記対象認知症患者の前記認知症症状の発生の有無に関する情報と、発生する前記認知症症状の種類に関する情報とを含む請求項１に記載の情報処理装置。

【請求項9】

前記発生情報は、複数の前記種類に関する情報を含み得る請求項８に記載の情報処理装置。

【請求項10】

前記推定部は、機械学習モデルを用いて、前記発生情報を推定する請求項１に記載の情報処理装置。

【請求項11】

前記機械学習モデルは、学習用第１時刻および前記学習用第１時刻よりも前の学習用第２時刻各々における認知症患者の状態に関する学習用状態指標と、前記学習用第１時刻および前記学習用第２時刻各々における前記認知症患者の生活環境に関する学習用環境指標とのうち、少なくとも一方を含む学習用指標情報を説明変数、前記学習用第１時刻における前記認知症患者の認知症症状の発生に関する学習用発生情報を目的変数として学習されている請求項１０に記載の情報処理装置。

【請求項12】

推定された前記発生情報を出力する出力部をさらに有する請求項１に記載の情報処理装置。

【請求項13】

前記推定部は、５分以内の間隔で前記発生情報を推測する請求項１に記載の情報処理装置。

【請求項14】

前記指標情報は、前記第１時刻と前記第２時刻との間の前記状態指標の変化に関する情報と、前記第１時刻と前記第２時刻との間の前記環境指標の変化に関する情報とのうち、少なくとも一方を含む請求項１に記載の情報処理装置。

【請求項15】

第１時刻および前記第１時刻よりも前の第２時刻各々における対象認知症患者の状態に関する状態指標と、前記第１時刻および前記第２時刻各々における前記対象認知症患者の生活環境に関する環境指標とのうち、少なくとも一方を含む指標情報を取得することと、
取得された前記指標情報に基づいて、前記第１時刻における前記対象認知症患者の認知症症状の発生に関する発生情報を推定することと
を含む処理をコンピューターに実行させるための情報処理プログラム。

【請求項16】

学習用第１時刻および前記学習用第１時刻よりも前の学習用第２時刻各々における認知症患者の状態に関する学習用状態指標と、前記学習用第１時刻および前記学習用第２時刻各々における前記認知症患者の生活環境に関する学習用環境指標とのうち、少なくとも一方を含む学習用指標情報を説明変数、前記学習用第１時刻における前記認知症患者の認知症症状の発生に関する学習用発生情報を目的変数として含む学習用データが記憶された記憶部と、
記憶された前記学習用データに基づいて、前記学習用指標情報と前記学習用発生情報との関係を機械学習して、機械学習モデルを生成するモデル生成部と
を備える機械学習装置。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は情報処理装置、情報処理プログラムおよび機械学習装置に関する。

【背景技術】

【0002】

我が国は、戦後の高度経済成長に伴う生活水準の向上、衛生環境の改善、および医療水準の向上等により、長寿命化が顕著となっている。このため、出生率の低下と相まって、高齢化率が高い高齢化社会になっている。認知症は、高齢化社会の抱える問題の一つである（例えば特許文献１）。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０２２－１３３１８３号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

高齢者が入居する介護施設等では、認知症患者に認知症症状が表れたとき、介護者が認知症症状の発生に気付かず、あるいは、気が付くまでに時間を要し、適切な対応がなされないおそれがある。

【0005】

本発明は、このような状況に鑑みてなされたものである。すなわち、リアルタイムで、認知症症状の発生を推定可能な情報処理装置、情報処理プログラムおよび機械学習装置を提供することを目的とする。

【課題を解決するための手段】

【0006】

本発明の上記課題は、以下の手段によって解決される。

【0007】

（１）第１時刻および前記第１時刻よりも前の第２時刻各々における対象認知症患者の状態に関する状態指標と、前記第１時刻および前記第２時刻各々における前記対象認知症患者の生活環境に関する環境指標とのうち、少なくとも一方を含む指標情報を取得する取得部と、取得された前記指標情報に基づいて、前記第１時刻における前記対象認知症患者の認知症症状の発生に関する発生情報を推定する推定部とを備える情報処理装置。

【0008】

（２）前記取得部は、前記第１時刻および前記第２時刻各々の状態指標と、前記第１時刻および前記第２時刻各々の前記環境指標とを含む前記指標情報を取得する上記（１）に記載の情報処理装置。

【0009】

（３）前記指標情報は、さらに、前記第２時刻よりも前の第３時刻における前記対象認知症患者の状態に関する前記状態指標と、前記第３時刻における前記対象認知症患者の前記生活環境に関する前記環境指標とのうち、少なくとも一方を含む上記（１）に記載の情報処理装置。

【0010】

（４）前記状態指標は、前記対象認知症患者の動作を表す指標、前記対象認知症患者の睡眠覚醒状態を表す指標および前記対象認知症患者のバイタルを表す指標の少なくともいずれか一つを含む上記（１）に記載の情報処理装置。

【0011】

（５）前記動作は、前記対象認知症患者の移動、立ち止まりおよびふらつきの少なくともいずれか一つを含む上記（４）に記載の情報処理装置。

【0012】

（６）前記バイタルは、前記対象認知症患者の心拍、呼吸および血圧の少なくともいずれか一つを含む上記（４）に記載の情報処理装置。

【0013】

（７）前記環境指標は、前記生活環境の気温を表す指標、前記生活環境の気圧を表す指標および前記生活環境の湿度を表す指標の少なくともいずれか一つを含む上記（１）に記載の情報処理装置。

【0014】

（８）前記発生情報は、前記対象認知症患者の前記認知症症状の発生の有無に関する情報と、発生する前記認知症症状の種類に関する情報とを含む上記（１）に記載の情報処理装置。

【0015】

（９）前記発生情報は、複数の前記種類に関する情報を含み得る上記（８）に記載の情報処理装置。

【0016】

（１０）前記推定部は、機械学習モデルを用いて、前記発生情報を推定する上記（１）に記載の情報処理装置。

【0017】

（１１）前記機械学習モデルは、学習用第１時刻および前記学習用第１時刻よりも前の学習用第２時刻各々における認知症患者の状態に関する学習用状態指標と、前記学習用第１時刻および前記学習用第２時刻各々における前記認知症患者の生活環境に関する学習用環境指標とのうち、少なくとも一方を含む学習用指標情報を説明変数、前記学習用第１時刻における前記認知症患者の認知症症状の発生に関する学習用発生情報を目的変数として学習されている上記（１０）に記載の情報処理装置。

【0018】

（１２）推定された前記発生情報を出力する出力部をさらに有する上記（１）に記載の情報処理装置。

【0019】

（１３）前記推定部は、５分以内の間隔で前記発生情報を推測する上記（１）に記載の情報処理装置。

【0020】

（１４）前記指標情報は、前記第１時刻と前記第２時刻との間の前記状態指標の変化に関する情報と、前記第１時刻と前記第２時刻との間の前記環境指標の変化に関する情報とのうち、少なくとも一方を含む上記（１）に記載の情報処理装置。

【0021】

（１５）第１時刻および前記第１時刻よりも前の第２時刻各々における対象認知症患者の状態に関する状態指標と、前記第１時刻および前記第２時刻各々における前記対象認知症患者の生活環境に関する環境指標とのうち、少なくとも一方を含む指標情報を取得することと、取得された前記指標情報に基づいて、前記第１時刻における前記対象認知症患者の認知症症状の発生に関する発生情報を推定することとを含む処理をコンピューターに実行させるための情報処理プログラム。

【0022】

（１６）学習用第１時刻および前記学習用第１時刻よりも前の学習用第２時刻各々における認知症患者の状態に関する学習用状態指標と、前記学習用第１時刻および前記学習用第２時刻各々における前記認知症患者の生活環境に関する学習用環境指標とのうち、少なくとも一方を含む学習用指標情報を説明変数、前記学習用第１時刻における前記認知症患者の認知症症状の発生に関する学習用発生情報を目的変数として含む学習用データが記憶された記憶部と、記憶された前記学習用データに基づいて、前記学習用指標情報と前記学習用発生情報との関係を機械学習して、機械学習モデルを生成するモデル生成部とを備える機械学習装置。

【発明の効果】

【0023】

本願発明に係る情報処理装置および情報処理プログラムでは、第１時刻および第２時刻各々の対象認知症患者の状態および生活環境の少なくとも一方を表す指標情報に基づいて、第１時刻における認知症症状の発生に関する発生情報が推定される。第２時刻は、第１時刻よりも前の時刻である。よって、リアルタイムで、認知症症状の発生を推定することが可能となる。

【図面の簡単な説明】

【0024】

【図1】見守りシステムの全体構成を示す図である。

【図2】対象者の部屋に設置された検出部の例を示す図である。

【図3】検出部のハードウェア構成を示すブロック図である。

【図4】サーバーのハードウェア構成を示すブロック図である。

【図5】サーバーの記憶部に記憶される状態指標の一例を示す図である。

【図6】図５に続く状態指標の例および環境指標の一例を示す図である。

【図7】管理者端末のハードウェア構成を示すブロック図である。

【図8】スタッフ端末のハードウェア構成を示すブロック図である。

【図9】サーバーの制御部の機能構成を示すブロック図である。

【図10】指標情報および発生情報の一例を示す図である。

【図11】サーバーの動作の一例を示すフローチャートである。

【図12】機械学習モデルの学習処理の一例を示すフローチャートである。

【発明を実施するための形態】

【0025】

以下、添付した図面を参照して、本発明の実施形態を説明する。なお、図面の説明において同一の要素には同一の符号を付し、重複する説明を省略する。また、図面の寸法比率は、説明の都合上誇張されており、実際の比率とは異なる場合がある。

【0026】

＜実施形態＞
［見守りシステム１の構成］
（全体構成）
図１は、一実施形態に係る見守りシステム１の全体構成を示す図であり、図２は対象者７０の部屋に設置された検出部１０の例を示す図である。

【0027】

図１に示すように、見守りシステム１は、複数の検出部１０、サーバー２０、管理者端末３０、および１つ以上のスタッフ端末４０を有する。これらは、有線や無線によって、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、電話網またはデータ通信網等のネットワーク５０を介して、相互に通信可能に接続される。ネットワーク５０は、通信信号を中継するリピーター、ブリッジ、ルーターまたはクロスコネクト等の中継機を含んでいてもよい。図１に示す例では、スタッフ端末４０は、検出部１０、サーバー２０、および管理者端末３０と、アクセスポイント５１を含む無線ＬＡＮ等（例えばＩＥＥＥ８０２．１１規格に従ったＬＡＮ）のネットワーク５０によって、相互に通信可能に接続されている。

【0028】

見守りシステム１は、対象者７０に応じて適宜な場所に配設される。対象者７０は、例えば、病気や怪我等によって看護を必要とする患者、高齢による身体能力の低下等によって介護を必要とする被介護者、一人暮らしの独居者、または病院施設に入院している患者等である。特に、早期発見および早期対処を可能にする観点から、対象者７０は、例えば異常状態等の所定の不都合な事象がその者に生じた場合に、その発見を必要としている者であり得る。本実施形態では、対象者７０は、認知症患者である。見守りシステム１は、対象者７０の種類に応じて、老人福祉施設、病院、および住戸等の建物に好適に配設される。図１に示す例では、見守りシステム１は、複数の対象者７０が入居する複数の部屋（居室）やナースステーションを含む複数の部屋を備える施設の建物に配置されている。

【0029】

検出部１０は、例えば、対象者７０の観察領域であるそれぞれの居室に配置される。図１に示す例では、４つの検出部１０が対象者７０であるＡさん、Ｂさん、ＣさんおよびＤさんの居室にそれぞれ配置されている。検出部１０の観察領域にはベッド６０が含まれている。対象者７０に対して介護または看護等の対応（例えば、ケア）を行うスタッフ８０は、それぞれ携帯端末であるスタッフ端末４０を持ち歩いている。ただし、見守りシステム１が備える各構成の位置や個数等は、図１に示す例に限定されない。例えば、サーバー２０は、ナースステーションに配置されなくてもよく、ネットワーク５０に接続されている外部のサーバーユニットであってもよい。

【0030】

（検出部１０）
図３は、検出部１０のハードウェア構成を示すブロック図である。図３に示すように、検出部１０は、制御部１１、通信部１２、カメラ１３、ケアコール部１４、および音声入出力部１５を有し、これらはバスによって、相互に接続されている。

【0031】

制御部１１は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、およびＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）等のメモリにより構成され、プログラムに従って検出部１０の各部の制御および演算処理を行う。なお、制御部１１は、メモリとして、さらにＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）を含んでいてもよい。

【0032】

通信部１２は、ネットワーク５０を介して、例えば、サーバー２０、管理者端末３０またはスタッフ端末４０等の、他の装置と通信するためのインターフェース回路（例えばＬＡＮカード等）である。

【0033】

カメラ１３は、例えば居室の天井、または壁の上部に配置され、観察領域として対象者７０のベッド６０を含む領域を撮影し、撮影画像（画像データ）を出力する。以下、カメラ１３により撮影された画像を、単に「撮影画像」とも称する。撮影画像には対象者７０を含む画像が含まれる。撮影画像は、静止画および動画を含む。カメラ１３は近赤外線カメラであるが、これに換えて可視光カメラを用いてもよく、これらを併用してもよい。

【0034】

制御部１１は、カメラ１３が撮影した撮影画像から、対象者７０の行動を認識する。この認識する行動には、ベッド６０から起き上がる「起床」、ベッド６０から離れる「離床」、ベッド６０から転落する「転落」、および床面等に転倒する「転倒」が含まれる。

【0035】

制御部１１は、複数の撮影画像（動画像）から画像のシルエット（以下、「人シルエット」と称する）を検出する。人シルエットは、例えば、撮影時刻が前後する画像の差分を抽出する時間差分法により差分が相対的に大きい画素の範囲を抽出することによって検出され得る。人シルエットは、撮影画像と背景画像との差分を抽出する背景差分法により検出されてもよい。起床、離床、転倒、転落の別は、検出した人シルエットから対象者７０の姿勢（例えば立位、座位および横臥等）、およびベッド６０等の居室内の設置物との相対的な位置から認識される。これらの認識は、制御部１１のＣＰＵが処理するプログラムにより行ってもよく、組み込み型の処理回路により行うようにしてもよい。また、これに限られずサーバー２０側でこれらの認識の全部またはほとんどの処理を行うようにし、制御部１１ではサーバー２０への撮影画像の送信のみを行うようにしてもよい。制御部１１は、いずれかの行動を認識した場合、イベントが発生した旨の通知をサーバー２０等に送信する。

【0036】

ケアコール部１４は、押しボタン式のスイッチを含み、スイッチが対象者７０によって押されることによってケアコールを検出する。ケアコールはナースコールとも言う。押しボタン式のスイッチに換えて、音声マイクによりケアコールを検出してもよい。ケアコール部１４のスイッチが押された場合、すなわち、ケアコールを検出した場合、制御部１１は、通信部１２およびネットワーク５０を介して、ケアコールがあった旨の通知（ケアコール通知）をサーバー２０等に送信する。

【0037】

音声入出力部１５は、例えばスピーカーとマイクであり、通信部１２を介してスタッフ端末４０等との間で音声信号を送受信することによって音声通話を可能とする。なお、音声入出力部１５は検出部１０の外部装置として、通信部１２を介して検出部１０に接続されてもよい。

【0038】

また、検出部１０は、ベッド６０の方向に向けてマイクロ波を送受信して対象者７０の体動（例えば呼吸動）によって生じたマイクロ波のドップラシフトを検出するドップラシフト方式の体動センサーを、さらに含んでいてもよい。この体動センサーにより、対象者７０の呼吸動作に伴う胸部の体動（胸部の上下動）を検出し、その胸部の体動における周期の乱れや予め設定された閾値以下である胸部の体動における振幅を検知すると、微体動異常であると認識する。

【0039】

検出部１０は、対象者７０のバイタルを検出するバイタルセンサーをさらに含んでいてもよい。バイタルセンサーは、たとえば、対象者７０の心拍、呼吸および血圧等を検出する。

【0040】

検出部１０は、対象者７０の居室の気温、気圧および湿度等の対象者７０の生活環境を検出する環境センサーをさらに含んでいてもよい。検出部１０は、対象者７０の居室以外の施設内の気温、気圧および湿度を検出する環境センサーを含んでいてもよく、施設の外の気温、気圧および湿度を検出する環境センサーを含んでいてもよい。

【0041】

スタッフ８０は、業務に応じた、対象者７０への各種の対応を行う者である。業務には、医療業務、介護業務を含み得る。ここで、スタッフ８０の業務が、対象者７０に対する介護業務である場合に、各イベントに関する対応内容について説明する。イベントとして「起床」を判定し、その判定が所定時間内（施設で設定された起床時間（例えば午前７～８時））であれば、モーニングケアを行う。このモーニングケアには、洗顔、歯磨き介助、義歯装着、着替え介助等が含まれる。また、「離床」のイベントであれば、車椅子移乗、歩行介助が必要となる場合がある。また、検出部１０が判定したイベント以外の定期的（定時）なイベントとして、水分摂取、および食事介助、排泄介助、車椅子移乗、歩行介助、体位変換（褥瘡予防）がある。これらの定期的イベントは、ケアコール部１４等により、定時になるとアラートを発生させるようにしてもよい。

【0042】

イベントには、スタッフ８０により対象者７０への対応が行われるべき事象が広く含まれる。例えば、イベントには、スタッフ８０への発報（報知）が行われることによってスタッフ８０が対応すべき事象（第１事象と称する）、決まった時間にスタッフ８０が対応すべき事象（第２事象と称する）、およびスタッフ８０が気付いた際に対応すべき事象（第３事象と称する）等が含まれる。第１事象には、例えば、ケアコール、ならびに、起床、離床、転倒、転落、および微体動異常が含まれる。第２事象には、例えば、食事、入浴、着替え、および散策等の際の車椅子への移乗が含まれる。第３事象には、例えば、対象者７０の口頭での依頼による排泄ケア、発熱が疑われるときの体温測定、嘔吐していたときの対応、および認知症症状発生時の対応等が含まれる。

【0043】

検出部１０は、検出したイベントの情報（以下、単に「イベント情報」とも称する）、ドップラシフト、バイタル、生活環境および撮影画像等の情報をサーバー２０へ送信（出力）する。検出部１０は、たとえば、リアルタイムで、情報をサーバー２０へ送信する。

【0044】

（サーバー２０）
図４は、サーバー２０のハードウェア構成を示すブロック図である。

【0045】

サーバー２０は、制御部２１、通信部２２、および記憶部２３を含む。ここでは、サーバー２０が、本発明の情報処理装置の一具体例に対応する。サーバー２０は、例えば、第１期間に検出部１０によって検出された第１時刻および第２時刻各々のドップラシフト、バイタル、生活環境および撮影画像等の情報を用いて、第１時刻における対象者７０の認知症症状の発生の有無等を推定する。第２時刻は、第１時刻よりも前の時刻である。認知症症状は、いわゆる、ＢＰＳＤ（Ｂｅｈａｖｉｏｒａｌ ａｎｄ Ｐｓｙｃｈｏｌｏｇｉｃａｌ Ｓｙｍｐｔｏｍｓ ｏｆ Ｄｅｍｅｎｔｉａ）である。

【0046】

サーバー２０は、対象者７０用の居室と同じ建物内に設けられてもよく、遠隔地に設けられてネットワークを介して接続可能であってもよい。例えば、サーバー２０は、インターネット等のネットワーク上に配置された複数のサーバーによって仮想的に構築されるクラウドサーバーであってもよい。各構成は、バスによって、相互に通信可能に接続されている。制御部２１、および通信部２２は、それぞれ検出部１０の制御部１１、および通信部２２と同様の機能を有するため、詳細な説明を省略する。制御部２１の具体的な機能については、後述する。

【0047】

記憶部２３は、本実施形態に係る情報処理プログラムを記憶する。サーバー２０の上記構成要素は、プログラムに従い、制御部２１により制御される。記憶部２３は、イベントリスト、撮影画像、対象者７０のドップラシフト、対象者７０の生活環境、ケア対象者リスト、ケアリスト、指標情報等の各種情報を記憶する。ケア対象者リストには、対象者７０の氏名、要介護認定レベル、認知症有無、有りの場合その認知症レベル、車椅子使用有無等の情報が含まれる。また、ケアリストには、各対象者７０に関する食事摂取量、水分摂取量、排泄状況等のケア履歴が含まれる。ケアリストには、各対象者７０に認知症症状が発生したときのケア履歴も含まれる。

【0048】

指標情報は、対象者７０の第１時刻および第２時刻各々の状態指標と、第１時刻および第２時刻各々の環境指標とのうち、少なくとも一方を含む情報である。状態指標は、所定時刻の対象者７０の状態に関する指標である。所定時刻の対象者７０の状態は、所定時刻から前に遡った所定期間の対象者７０の状態を含む。環境指標は、所定時刻の対象者７０の生活環境に関する指標である。所定時刻の対象者７０の生活環境は、所定時刻から前に遡った所定期間の対象者７０の生活環境を含む。指標情報は、第１時刻および第２時刻各々の状態指標と、第１時刻および第２時刻各々の環境指標とを含んでいることが好ましい。これにより、より高い精度で対象者７０の認知症症状の発生の有無等を推定することが可能となる。

【0049】

図５および図６は状態指標および環境指標の一例を表している。状態指標は、対象者７０の動作を表す指標、対象者７０の睡眠覚醒状態を表す指標および対象者７０のバイタルを表す指標の少なくともいずれか一つを含むことが好ましい。対象者７０の動作、睡眠覚醒状態およびバイタルは、対象者７０の認知症症状の発生との関わりが大きいと考えられるためである。対象者７０の動作を表す指標は、例えば、ＡＤＬ（Ａｃｔｉｖｉｔｉｅｓ ｏｆ Ｄａｉｌｙ Ｌｉｖｉｎｇ）に関する指標である。

【0050】

対象者７０の動作は、例えば、対象者７０の移動、立ち止まりおよびふらつきの少なくともいずれか一つを含んでいる。

【0051】

例えば、対象者７０の移動を表す指標は、移動量の指標１および指標２と、移動範囲の指標３～指標５と、移動速度の指標６とを含む。指標１および指標２は、各々、ベッド６０外の対象者７０の総滞在時間および総移動距離に基づいて算出される。指標３～指標５は、ベッド６０外の対象者７０の訪問エリアの面積に基づいて算出される。指標６は、ベッド６０外の対象者７０の長距離の移動速度に基づいて算出される。

【0052】

例えば、対象者７０の立ち止まりを表す指標は、立ち止まりの指標８と、長時間立ち止まりの指標９および指標１０と、短時間立ち止まりの指標１１とを含む。指標８は、ベッド６０外の日常行動の対象者７０の総作業時間に基づいて算出される。指標９および指標１０は、ベッド６０外の日常行動以外で対象者７０が立ち止まっている時間および回数に基づいて算出される。指標１１は、ベッド６０外の日常行動以外で対象者７０が立ち止まっている回数に基づいて算出される。

【0053】

例えば、対象者７０のふらつきを表す指標は、ふらつき度の指標７である。指標７は、ベッド６０外の、対象者７０の軌跡のふらつき度に基づいて算出される。

【0054】

対象者７０の睡眠覚醒状態を表す指標は、例えば、睡眠覚醒の指標１２である。指標１２は、対象者７０の睡眠状態および覚醒状態のフラグに基づいて算出される。

【0055】

対象者７０のバイタルは、例えば、対象者７０の心拍、呼吸および血圧の少なくともいずれか一つを含んでいる。例えば、対象者７０の心拍を表す指標は指標１３、対象者７０の呼吸を表す指標は指標１４、対象者７０の血圧を表す指標は指標１５である。

【0056】

環境指標は、対象者７０の生活環境の気温を表す指標、対象者７０の生活環境の気圧を表す指標および対象者７０の生活環境の湿度を表す指標の少なくともいずれか一つを含んでいる。この気温、気圧および湿度は、例えば、対象者７０の居室の気温、気圧および湿度である。例えば、対象者７０の生活環境の気温を表す指標は指標１８であり、対象者７０の生活環境の気圧を表す指標は指標１６であり、対象者７０の生活環境の湿度を表す指標は指標１７である。

【0057】

指標１～指標１８は、例えば、検出部１０によって検出された情報に基づいて、算出される。例えば、検出部１０によって算出された指標１～指標１８が、サーバー２０に送信されて、記憶部２３に記憶される。検出部１０は、たとえば、１分毎に情報を検出して、指標１～指標１８を算出する。あるいは、検出部１０から送信された情報に基づいて、サーバー２０が指標１～指標１８を算出し、記憶部２３に記憶するようにしてもよい。指標１～指標１８の一部を検出部１０が算出し、他の部分をサーバー２０が算出してもよい。あるいは、検出部１０から送信された情報に基づいて、外部装置が指標１～指標１８の一部または全部を算出し、外部装置からサーバー２０に送信された指標１～指標１８が、記憶部２３に記憶されてもよい。

【0058】

記憶部２３には、さらに、機械学習により学習された機械学習モデルが記憶される。本実施形態では、この機械学習モデルを用いて、サーバー２０が、対象者７０の認知症症状の発生の有無等を推定する。記憶部２３には、学習に用いる学習用データが記憶されていてもよい。

【0059】

上記の各情報は、サーバー２０の記憶部２３以外において蓄積されてもよく、例えばネットワークを介してサーバー２０と接続されるクラウドサーバー等の各種ストレージに蓄積されていてもよい。また、上記の各情報は、一つデータベースとして構築される形態に限定されず、相互に関連付けられた複数のデータベースに分散されて蓄積されてもよい。

【0060】

サーバー２０は、検出部１０から受信したイベント情報および撮影画像を単独で、または検出部１０と協働することによって、検出部１０が認識した、起床、離床、転倒、ナースコール等のイベントが、どの対象者７０に関するものであるかを判定（識別）する。この判定は、イベントを認識した検出部１０が設置されている居室番号から、これに対応付けられている対象者７０（すなわち、居室の入居者）を判定することによって行う。なお、対象者７０の判定は、対象者７０がＩＣタグを携帯している場合には、このＩＣタグを各居室に設けたＲＦＩＤリーダーで読み取ることにより、判定してもよい。なお、相部屋等で、１つの居室に複数の対象者７０が存在する場合には、ベッド６０ごとに検出部１０を配置することによって、対象者７０を判定してもよい。

【0061】

サーバー２０は、検出部１０からイベント情報を受信したときは、イベントを発生させた対象者７０の氏名、居室番号、およびイベントの内容を含むイベント通知をスタッフ端末４０へ送信することによって、スタッフ８０にイベントの発生を報知するとともに、イベントへの対応を指示する。

【0062】

（管理者端末３０）
図７は、管理者端末３０のハードウェア構成を示すブロック図である。管理者端末３０は、いわゆるＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）であり、制御部３１、通信部３２、表示部３３、および入力部３４を有しており、これらはバスにより相互に接続される。

【0063】

制御部３１は、検出部１０の制御部１１と同様の構成として、ＣＰＵ、ＲＡＭ、ＲＯＭ等を備える。

【0064】

通信部３２は、イーサネット（登録商標）等の規格による有線通信のネットワークインターフェースや、Ｂｌｕｅｔｏｏｔｈ（登録商標）、ＩＥＥＥ８０２．１１等の規格による無線通信のインターフェース等の各種ローカル接続向けのインターフェースであり、ネットワーク５０に接続した各端末との通信を行う。

【0065】

表示部３３は、例えば液晶ディスプレイであり、各種情報を表示する。

【0066】

入力部３４は、キーボード、テンキー、マウス等を備えており、各種情報の入力を行う。

【0067】

本実施形態では、管理者端末３０は、管理者９０用の端末として用いられる。管理者９０は、例えば、スタッフ８０を統括するマネージャーである。

【0068】

管理者端末３０は、管理者９０等からケア情報の分析や出力に関する指示を受け付けて、受け付けた指示をサーバー２０へ送信する。

【0069】

（スタッフ端末４０）
図８は、スタッフ端末４０のハードウェア構成を示すブロック図である。スタッフ端末４０は、制御部４１、無線通信部４２、表示部４３、入力部４４および音声入出力部４５を有しており、これらはバスにより相互に接続される。

【0070】

制御部４１は、検出部１０の制御部１１と同様の構成であり、ＣＰＵ、ＲＡＭ、ＲＯＭ等を備える。

【0071】

無線通信部４２は、Ｗｉ－Ｆｉ、Ｂｌｕｅｔｏｏｔｈ（登録商標）等の規格を用いた無線通信が可能であり、アクセスポイント５１を経由して、または直接的に各装置と無線通信する。

【0072】

表示部４３、および入力部４４は、例えばタッチパネル式のディスプレイであり、液晶等で構成される表示部４３の表示面に、入力部４４としてのタッチセンサーを重畳させたものである。表示部４３、入力部４４によって、スタッフ８０に対する各種指示が通知される。また、表示部４３、入力部４４によって、イベント通知を表示した操作画面を表示したり、操作画面を通じてイベントへの対応の受諾の応答の入力や、介護記録の入力等の各種の操作を受け付けたりする。対象者７０の認知症症状が発生したとき、例えば、スタッフ８０は、どの対象者７０について、どのような認知症症状が発生したのかを、入力部４４を介して、スタッフ端末４０に入力する。スタッフ８０は、認知症症状の発生日時を入力してもよい。

【0073】

音声入出力部４５は、例えばスピーカーとマイクであり、無線通信部４２を介して他のスタッフ端末４０との間でスタッフ８０による音声通話を可能にする。スタッフ端末４０は、例えば、タブレット型コンピューター、スマートフォンまたは携帯電話等の、持ち運び可能な通信端末機器によって構成できる。

【0074】

［制御部２１の機能］
次に、図９および図１０を用いて、サーバー２０の制御部２１の具体的な機能を説明する。

【0075】

図９は、制御部２１の機能構成を示すブロック図である。制御部２１は、記憶部２３に記憶されたプログラムを読み込んで処理を実行することによって、取得部２１１、推定部２１２および出力部２１３として機能する。

【0076】

図１０は、制御部２１が取得する指標情報と、この指標情報に基づいて推定された対象者７０（Ａさん、Ｂさん、Ｃさん、Ｄさん）の認知症症状の発生に関する発生情報とを例示したものである。図１０には、１月２日の８時における対象者７０の認知症症状の発生が推定される例を示している。

【0077】

取得部２１１は指標情報を取得する。上述のように、指標情報は、第１時刻および第２時刻各々における状態指標と、第１時刻および第２時刻各々における環境指標とのうち、少なくとも一方を含んでいる。取得部２１１は、例えば、記憶部２３から指標情報を取得する。取得部２１１は、たとえば、１分毎に、指標情報を取得する。第１時刻は、例えば、１月２日の８時である。第２時刻は、たとえば、１月２日の８時の５分前、即ち、１月２日の７時５５分である。指標情報は、さらに、第２時刻よりも前の第３時刻における対象者７０の状態に関する状態指標と、第３時刻における対象者７０の生活環境に関する環境指標とのうち、少なくとも一方を含むことが好ましい。これにより、より高い精度で、認知症症状の発生を推定することが可能となる。たとえば、指標情報は、さらに、１月２日の８時の１０分前（７時５０分）、３０分前（７時３０分）および６０分前（６時）各々の状態指標と環境指標とを含んでいる。

【0078】

取得部２１１は、例えば、１月２日の８時、７時５５分、７時５０分、７時３０分、６時各々における対象者７０の指標１～指標１８を取得する。取得部２１１が取得する指標情報は、第１時刻と第２時刻との間の状態指標の変化に関する情報と、第１時刻と第２時刻との間の環境指標の変化に関する情報とのうち、少なくとも一方を含んでいることが好ましい。これにより、より高い精度で、対象者７０の発生情報を推定することが可能となる。

【0079】

例えば、指標情報は、１月２日の８時の指標１～指標１８と、１月２日の７時５５分、７時５０分、７時３０分、６時各々の指標１～１８との比較に関する情報を含んでいる。この比較に関する情報は、例えば、除算により算出する。

【0080】

推定部２１２は、取得部２１１により取得された指標情報に基づいて、第１時刻における対象者７０の認知症症状の発生に関する発生情報を推定する。即ち、推定部２１２は、リアルタイムで、対象者７０の発生情報を推定する。発生情報は、認知症症状の発生の有無に関する情報と、発生する認知症症状の種類に関する情報とを含んでいることが好ましい。発生情報が、認知症症状の種類に関する情報を含むことにより、介護者等は、対象者７０に、より細やかな対応をすることが可能となる。推定部２１２は、例えば、機械学習モデルを用いて発生情報を推定する。これにより、より高い精度で対象者７０の認知症症状の発生の有無等を推定することが可能となる。機械学習モデルの生成については、後述する。

【0081】

推定部２１２は、例えば、１月２日の８時に、Ａさんについては暴言および不潔行為、Ｂさんについては幻視、Ｃさんについては妄想の認知症症状が発生していると推定する。認知症症状の種類には、この他、例えば、徘徊、幻聴、無断外出、帯同行動、易怒性、うつ、傾眠傾向および大声等が含まれる。推定部２１２が推定する発生情報には、認知症症状の複数の種類に関する情報が含まれていてもよい。

【0082】

推定部２１２は、Ｄさんについて、例えば、１月２日の８時には、認知症症状が発生していないと推定する。

【0083】

推定部２１２は、５分以内の間隔で、対象者７０の発生情報を推定することが好ましく、例えば、１分毎に対象者７０の発生情報を推定する。これにより、対象者７０の認知症症状が発生してから、介護者等が認知症症状の発生に気付くまでの時間を短縮することが可能となる。

【0084】

出力部２１３は、推定部２１２により推定された対象者７０の発生情報を出力する。出力部２１３は、例えば、通信部２２を介して発生情報をスタッフ端末４０に送信することにより、発生情報を出力する。スタッフ端末４０は、例えば、受信した発生情報を表示部４３に表示させる。例えば、表示部４３には、１月２日の８時に、Ａさんは暴言および不潔行為の認知症症状を発症している可能性が高いことが表示される。表示部４３には、対象者７０の認知症症状の発生に対して、スタッフ８０への対応指示が表示されてもよい。推定部２１２が、第１時刻における対象者７０認知症症状の発生はないと推定したとき、出力部２１３は、発生情報を出力しなくてもよい。

【0085】

なお、検出部１０、サーバー２０、管理者端末３０、およびスタッフ端末４０は、上記の構成要素以外の構成要素を含んでもよく、あるいは、上記の構成要素のうちの一部を含まなくてもよい。

【0086】

［サーバー２０の動作］
次に、見守りシステム１におけるサーバー２０の動作について説明する。

【0087】

図１１は、サーバーの動作を示すフローチャートである。本フローチャートは、サーバー２０の記憶部２３に記憶されたプログラムに従い、制御部２１により実行され得る。

【0088】

制御部２１は、まず、対象者７０の指標情報を取得する（ステップＳ１０１）。例えば、制御部２１は、記憶部２３に記憶されている指標情報を読み出して取得する。この指標情報は、例えば、第１時刻および第２時刻各々における対象者７０の状態情報と環境情報とを含んでいる。

【0089】

続いて、制御部２１は、ステップＳ１０１の処理において取得された指標情報に基づいて、第１時刻における対象者７０の認知症症状の発生に関する発生情報を推定する（ステップＳ１０２）。制御部２１は、例えば、ステップＳ１０１の処理において取得された指標情報を、機械学習モデルに入力することにより、対象者７０の発生情報を推定する。制御部２１は、例えば、１分毎に、対象者７０の発生情報を推定する。

【0090】

この後、制御部２１は、ステップＳ１０２の処理において推定された発生情報を出力して（ステップＳ１０３）、処理を終了する。

【0091】

［機械学習モデルの生成］
次に、制御部２１が用いる機械学習モデルの生成方法について説明する。

【0092】

図１２は、機械学習モデルの生成方法を示すフローチャートである。例えば、制御部２１がモデル生成部として機能し、機械学習モデルを生成する。ここでは、サーバー２０が、機械学習装置の一具体例に対応する。

【0093】

図１２の処理においては、予め準備した学習用データを用いて、機械学習が実行される。この学習用データは、説明変数および目的変数の多数のデータセットを含んでいる。説明変数は認知症患者の学習用指標情報であり、目的変数は認知症患者の学習用発生情報である。学習用指標情報は、学習用第１時刻および学習用第１時刻よりも前の学習用第２時刻各々における認知症患者の状態に関する学習用状態指標と、学習用第１時刻および学習用第２時刻各々における認知症患者の生活環境に関する学習用環境指標とのうち、少なくとも一方を含んでいる。学習用状態指標および学習用環境指標は、例えば、検出部１０により検知された情報に基づいて得ることができる。学習用発生情報は、学習用第１時刻における認知症患者の認知症症状の発生に関する情報である。学習用発生情報は、例えば、スタッフ８０により、スタッフ端末４０に入力された認知症患者のケア履歴から得ることができる。学習用指標情報および学習用発生情報は、例えば、複数の対象者７０の過去の情報である。複数の対象者７０の過去の情報は、サンプリング調整されていてもよい。学習用指標情報および学習用発生情報は、記憶部２３に記憶されていてもよい。

【0094】

学習器（図示せず）には、例えば、ＣＰＵおよびＧＰＵのプロセッサを用いたスタンドアロンの高性能コンピューター、またはクラウドコンピューターが用いられる。以下においては、学習器において、ディープラーニング等のパーセプトロンを組み合わせて構成したニューラルネットワークを用いる学習方法について説明するが、これに限られず、種種の手法が適用され得る。例えば、ランダムフォレスト、決定木、サポートベクターマシン（ＳＶＭ）、ロジスティック回帰、ｋ近傍法、トピックモデル等が適用され得る。

【0095】

（ステップＳ１１１）
学習器は、学習用データを読み込む。最初であれば１組目の学習用データを読み込み、ｉ回目であれば、ｉ組目の学習用データを読み込む。

【0096】

（ステップＳ１１２）
学習器は、読み込んだ学習用データのうち説明変数をニューラルネットワークに入力する。

【0097】

（ステップＳ１１３）
学習器は、ニューラルネットワークの推定結果を、目的変数と比較する。

【0098】

（ステップＳ１１４）
学習器は、比較結果に基づいてパラメータを調整する。学習器は、例えば、バックプロパゲーション（Ｂａｃｋ－ｐｒｏｐａｇａｔｉｏｎ、誤差逆伝搬法）に基づく処理を実行することにより、比較結果の差異が小さくなるようにパラメータを調整する。

【0099】

（ステップＳ１１５）
学習器は、１～ｉ組目まで全データの処理が完了すれば（ＹＥＳ）、処理をステップＳ１１６に進め、完了していなければ（ＮＯ）、処理をステップＳ１１１に戻し、次の学習用データを読み込み、ステップＳ１１１以下の処理を繰り返す。

【0100】

（ステップＳ１１６）
学習器は、学習を継続するか否かを判定し、継続する場合（ＹＥＳ）、処理をステップＳ１１１に戻し、ステップＳ１１１～Ｓ１１５において再度１組目～ｉ組目までの処理を実行し、継続しない場合（ＮＯ）、処理をステップＳ１１７に進める。

【0101】

（ステップＳ１１７）
学習器は、これまでの処理で機械学習された機械学習モデルを記憶して終了する（エンド）。記憶先には、サーバー２０の記憶部２３が含まれる。上述のサーバー２０の動作では、このようにして生成された機械学習モデルを用いて対象者７０の認知症症状の発生に関する発生情報が推定される。学習器は、施設毎に学習用データを学習してもよく、対象者７０毎に学習用データを学習してもよい。

【0102】

［サーバー２０および見守りシステム１の作用効果］
本実施形態に係るサーバー２０および見守りシステム１では、第１時刻および第１時刻よりも前の第２時刻各々の対象者７０の状態または生活環境を表す指標情報に基づいて、第１時刻における対象者７０の発生情報が推定される。よって、第１時刻、即ち、リアルタイムで、認知症症状の発生を推定することが可能となる。以下、この作用効果について説明する。

【0103】

スタッフ等の介護者等が、対象者の認知症症状の発生に気付いたとき、介護者は対象者に適切なケアを行う必要がある。また、この対象者の認知症症状の発生に関して、記録を残す必要がある。しかし、介護者が、長時間にわたり、対象者の認知症症状の発生に気付かない場合、対象者に適切なケアを行うことができない。このため、施設内でのケアの質が低下するおそれがある。また、介護者は、対象者の認知症症状の発生に関する正確な記録を残すことができず、介護者間で対象者の状態が共有されにくくなる。

【0104】

これに対し、サーバー２０および見守りシステム１では、リアルタイムで、対象者７０の認知症症状の発生が推定されるので、スタッフ８０等の介護者は、早期に認知症症状の発生を発見し、早期の対応を行うことが可能となる。また、スタッフ８０は、この認知症症状の発生を正確に記録することができ、スタッフ８０間で対象者７０の状態が詳細に共有される。よって、施設内での対象者７０へのケアの質を向上させることができる。

【0105】

以上に説明した見守りシステム１の構成は、上述の実施形態の特徴を説明するにあたって主要構成を説明したのであって、上述の構成に限られず、特許請求の範囲内において、種々改変することができる。また、一般的な見守りシステムが備える構成を排除するものではない。

【0106】

例えば、上記実施形態では、サーバー２０が、１分毎に対象者７０の発生情報を予測する例について説明したが、サーバー２０は、１分よりも短い間隔で対象者７０の発生情報を予測してもよい。あるいは、サーバー２０は、１分よりも長い間隔で対象者７０の発生情報を予測してもよい。

【0107】

また、上記実施形態では、サーバー２０が、スタッフ端末４０に送信することにより、発生情報を出力する例について説明したが、サーバー２０は、管理者端末３０に送信することにより、発生情報を出力してもよく、外部の表示装置等に送信することにより、発生情報を出力してもよい。

【0108】

また、上記実施形態では、サーバー２０が、機械学習モデルを用いて、対象者７０の発生情報を推定する例について説明したが、サーバー２０は、統計処理等の他の方法を用いて、対象者７０の発生情報を推定するようにしてもよい。

【0109】

また、サーバー２０が有する機能の一部または全部を、管理者端末３０、スタッフ端末４０または検出部１０が有するようにしてもよい。

【0110】

また、検出部１０、サーバー２０、管理者端末３０およびスタッフ端末４０は、それぞれ複数の装置により構成されてもよく、あるいはいずれかの装置が他の装置に含まれて単一の装置として構成されてもよい。

【0111】

また、上述したフローチャートは、一部のステップを省略してもよく、他のステップが追加されてもよい。また各ステップの一部は同時に実行されてもよく、一つのステップが複数のステップに分割されて実行されてもよい。また各ステップの実行順序が変更されてもよい。

【0112】

また、上述した実施形態に係る見守りシステム１における各種処理を行う手段および方法は、専用のハードウェア回路、またはプログラムされたコンピューターのいずれによっても実現することが可能である。上記プログラムは、例えば、ＵＳＢメモリやＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｃ）－ＲＯＭ等のコンピューター読み取り可能な記録媒体によって提供されてもよいし、インターネット等のネットワークを介してオンラインで提供されてもよい。この場合、コンピューター読み取り可能な記録媒体に記録されたプログラムは、通常、ハードディスク等の記憶部に転送され記憶される。また、上記プログラムは、単独のアプリケーションソフトとして提供されてもよいし、一機能としてその検出部等の装置のソフトウエアに組み込まれてもよい。

【符号の説明】

【0113】

１ 見守りシステム、
１０ 検出部、
１１ 制御部、
１２ 通信部、
１３ カメラ、
１４ ケアコール部、
１５ 音声入出力部、
２０ サーバー、
２１ 制御部、
２２ 通信部、
２３ 記憶部、
３０ 管理者端末、
３１ 制御部、
３２ 通信部、
３３ 表示部、
３４ 入力部、
４０ スタッフ端末、
４１ 制御部、
４２ 無線通信部、
４３ 表示部、
４４ 入力部、
４５ 音声入出力部、
４６ 位置取得部、
５０ ネットワーク、
５１ アクセスポイント、
６０ ベッド、
７０ 対象者、
８０ スタッフ、
９０ 管理者。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】