特開 2025-4706 情報処理方法及び情報処理装置

(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】P2025004706

(43)【公開日】2025-01-15

(54)【発明の名称】情報処理方法及び情報処理装置

(51)【国際特許分類】

   G16H 50/20 20180101AFI20250107BHJP

   A61B 5/11 20060101ALI20250107BHJP

   A61B 5/16 20060101ALI20250107BHJP

   A61B 5/024 20060101ALI20250107BHJP

【ＦＩ】

G16H50/20

A61B5/11 230

A61B5/16 130

A61B5/16 120

A61B5/024

【審査請求】未請求

【請求項の数】14

【出願形態】ＯＬ

(21)【出願番号】P 2023104572

(22)【出願日】2023-06-26

(71)【出願人】

【識別番号】516259468

【氏名又は名称】一般社団法人ブレインインパクト

(71)【出願人】

【識別番号】000005821

【氏名又は名称】パナソニックホールディングス株式会社

(74)【代理人】

【識別番号】100109210

【弁理士】

【氏名又は名称】新居 広守

(72)【発明者】

【氏名】山川 義徳

(72)【発明者】

【氏名】菅野 圭子

(72)【発明者】

【氏名】倉田 隆行

(72)【発明者】

【氏名】佐藤 康仁

(72)【発明者】

【氏名】澤木 俊希

(72)【発明者】

【氏名】高田 和憲

(72)【発明者】

【氏名】難波 嘉彦

(72)【発明者】

【氏名】小川 哲史

【テーマコード（参考）】

4C017

4C038

5L099

【Ｆターム（参考）】

4C017AA02

4C017AA10

4C017AA12

4C017AA20

4C017AB02

4C017AC26

4C017BB12

4C017BC11

4C017CC02

4C017CC08

4C017DD17

4C017FF17

4C038PP03

4C038PP05

4C038PQ06

4C038PS00

4C038PS05

4C038PS07

4C038VA04

4C038VA12

4C038VB31

4C038VC20

5L099AA04

(57)【要約】

【課題】病院等の検査機関に通うことなく、日常生活等を営みながら簡易にＢＨＱを知ることを可能にする情報処理方法を提供する。
【解決手段】情報処理方法は、コンピュータが人の脳の健康管理指標であるＢＨＱを推定する脳健康管理指標推定方法であって、身体に装着される計測器２１から複数のバイタルデータを取得する取得ステップＳ１０と、取得した複数のバイタルデータから、推定値としてのＢＨＱを算出して出力する推定ステップ（分類ステップＳ１１、算出ステップＳ１２、出力ステップＳ１３）とを含む。
【選択図】図３

【特許請求の範囲】

【請求項1】

コンピュータが人の脳の健康管理指標であるＢＨＱ（Ｂｒａｉｎ Ｈｅａｌｔｈｃａｒｅ Ｑｕｏｔｉｅｎｔ）を推定する情報処理方法であって、
日常計測可能な複数のバイタルデータを取得する取得ステップと、
取得した前記複数のバイタルデータから、推定値としてのＢＨＱを算出して出力する推定ステップとを含む、
情報処理方法。

【請求項2】

前記複数のバイタルデータは、安静時のバイタルデータ、睡眠に関するバイタルデータ、及び、運動に関するバイタルデータの少なくとも一つを含む、
請求項１に記載の情報処理方法。

【請求項3】

前記複数のバイタルデータは、安静時の心拍数、深い睡眠時間、及び、一定期間における歩数を含む、
請求項２に記載の情報処理方法。

【請求項4】

前記推定ステップは、取得した前記複数のバイタルデータから、決定木分析を用いて複数のカテゴリのいずれかに分類する分類ステップを含む、
請求項１に記載の情報処理方法。

【請求項5】

前記推定ステップは、さらに、前記分類ステップで分類されたカテゴリと人の年齢とから前記ＢＨＱを算出する算出ステップを含む、
請求項４に記載の情報処理方法。

【請求項6】

前記推定ステップでは、取得した前記複数のバイタルデータの積和演算を行うことで、前記ＢＨＱを算出する、
請求項１に記載の情報処理方法。

【請求項7】

コンピュータが人の脳の健康管理指標であるＢＨＱ（Ｂｒａｉｎ Ｈｅａｌｔｈｃａｒｅ Ｑｕｏｔｉｅｎｔ）を推定する情報処理方法であって、
人を撮影した映像データ及び人の声を集音した音データの少なくとも一つを取得する取得ステップと、
取得した前記映像データ及び音データの少なくとも一つから、推定値としてのＢＨＱを算出して出力する推定ステップとを含む、
情報処理方法。

【請求項8】

前記推定ステップでは、前記映像データ及び音データの少なくとも一つに含まれる前記人の表情、姿勢及び音声の少なくとも一つを用いて、前記ＢＨＱを算出する、
請求項７に記載の情報処理方法。

【請求項9】

前記推定ステップでは、前記取得ステップで取得したデータから、推定値としての脳の部位別ＢＨＱを算出して出力する、
請求項１又は７に記載の情報処理方法。

【請求項10】

前記推定ステップでは、さらに、前記部位別ＢＨＱから、推定値としての全脳ＢＨＱを算出する、
請求項９に記載の情報処理方法。

【請求項11】

さらに、前記推定ステップで推定した前記ＢＨＱに基づいて、前記人の将来のＢＨＱを予測する予測ステップを含む、
請求項１又は７に記載の情報処理方法。

【請求項12】

さらに、前記推定ステップで算出した前記部位別ＢＨＱを用いて、前記人の脳のタイプを分類する分類ステップを含む、
請求項９に記載の情報処理方法。

【請求項13】

請求項１又は７に記載の情報処理方法に含まれるステップをコンピュータに実行させるプログラム。

【請求項14】

人の脳の健康管理指標であるＢＨＱ（Ｂｒａｉｎ Ｈｅａｌｔｈｃａｒｅ Ｑｕｏｔｉｅｎｔ）を推定する情報処理装置であって、
日常計測可能な複数のバイタルデータを取得する入力回路を含む取得部と、
前記取得部で取得された前記複数のバイタルデータから、推定値としてのＢＨＱを算出して出力するプロセッサを含む制御部とを備える、
情報処理装置。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、情報処理方法及び情報処理装置に関し、特に、人の脳の健康管理指標であるＢＨＱを推定する情報処理方法等に関する。

【背景技術】

【0002】

近年、人を理解する上で核となる「脳の健康」が注目され、脳解析情報を扱い易い値に変換し、健康の指標として使用することができる脳情報解析装置及び脳健康管理指標演算装置が提案されている（例えば、特許文献１参照）。

【0003】

特許文献１の技術によれば、ＭＲＩ（ｍａｇｎｅｔｉｃ ｒｅｓｏｎａｎｃｅ ｉｍａｇｉｎｇ：核磁気共鳴画像法）が出力する脳画像データを用いて、脳の健康管理指標であるＢＨＱ（Ｂｒａｉｎ Ｈｅａｌｔｈｃａｒｅ Ｑｕｏｔｉｅｎｔ）を推定している。ＢＨＱは、より詳しくは、脳の灰白質と呼ばれる領域の“量”と、脳の白質と呼ばれる領域の神経線維のまとまり具合である“質”とを指標化したものであり、２０１８年に国際標準化されている。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】特開２０１８－３３５１６号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

しかしながら、特許文献１の技術では、病院等の専門の検査機関においてＭＲＩによる検査を受けないとＢＨＱが判明しないという不便さがある。

【0006】

そこで、本開示は、病院等の検査機関に通うことなく、日常生活等を営みながら簡易にＢＨＱを知ることを可能にする情報処理方法及び情報処理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】

【0007】

上記目的を達成するために、本開示の一形態に係る情報処理方法は、コンピュータが人の脳の健康管理指標であるＢＨＱ（Ｂｒａｉｎ Ｈｅａｌｔｈｃａｒｅ Ｑｕｏｔｉｅｎｔ）を推定する情報処理方法であって、日常計測可能な複数のバイタルデータを取得する取得ステップと、取得した前記複数のバイタルデータから、推定値としてのＢＨＱを算出して出力する推定ステップとを含む。

【0008】

また、上記目的を達成するために、本開示の一形態に係る情報処理装置は、人の脳の健康管理指標であるＢＨＱ（Ｂｒａｉｎ Ｈｅａｌｔｈｃａｒｅ Ｑｕｏｔｉｅｎｔ）を推定する情報処理装置であって、日常計測可能な複数のバイタルデータを取得する入力回路を含む取得部と、前記取得部で取得された前記複数のバイタルデータから、推定値としてのＢＨＱを算出して出力するプロセッサを含む制御部とを備える。

【発明の効果】

【0009】

本開示により、病院等の検査機関に通うことなく、日常生活等を営みながら簡易にＢＨＱを知ることを可能にする情報処理方法及び情報処理装置が提供される。

【図面の簡単な説明】

【0010】

【図1】図１は、実施の形態１に係る脳健康管理指標推定装置の構成を示すブロック図である。

【図2】図２は、バイタルデータの具体例を示す図である。

【図3】図３は、脳健康管理指標推定装置が決定木分析を用いて推定値としてのＢＨＱを算出する手順を示すフローチャートである。

【図4】図４は、図３の分類ステップで用いられる決定木分析を説明する図である。

【図5】図５は、図４に示される決定木分析によって分類される４つのカテゴリを説明する図である。

【図6】図６は、図４に示される決定木分析を用いて推定したＢＨＱと真値との相関についての実験結果を示す図である。

【図7】図７は、脳健康管理指標推定装置が積和演算を用いて推定値としてのＢＨＱを算出する手順を示すフローチャートである。

【図8】図８は、式２及び式３で示される積和演算によって推定したＢＨＱと真値との相関についての実験結果を示す図である。

【図9】図９は、脳健康管理指標推定装置が推定値としての脳の部位別ＢＨＱ及び全脳ＢＨＱを算出する手順を示すフローチャートである。

【図10】図１０は、脳の９０項目の部位をクラスタ分析した結果を示す図である。

【図11】図１１は、図１０に示される数種類の機能カテゴリの部位別ＢＨＱを用いて被験者のクラスタ分析を実施した実験結果を示す図である。

【図12】図１２は、実施の形態２に係る脳健康管理指標推定装置の構成を示すブロック図である。

【図13】図１３は、脳健康管理指標推定装置が利用者の表情、姿勢及び音声の少なくとも一つを解析することによって推定値としてのＢＨＱを算出する手順を示すフローチャートである。

【図14】図１４は、脳健康管理指標推定装置が表示部及び入力部を介した利用者との対話によって利用者の表情の映像データ及び利用者の音声の音データを取得する処理の具体例を示す図である。

【図15】図１５は、得られた数種類の表情の映像データを解析することによって推定値としてのＢＨＱを算出する推定部の処理を説明する図である。

【図16】図１６は、脳健康管理指標推定装置が表示部を介して示される見本に対して、利用者に真似をするように指示した上で、利用者の姿勢及び表情の映像データ並びに利用者の音声の音データを取得して解析する処理の具体例を示す図である。

【発明を実施するための形態】

【0011】

（発明者らが得た知見）
発明者らは、ＭＲＩによる脳画像データを用いることなく、日常計測可能なバイタルデータからＢＨＱを推定できないか鋭意検討した。具体的には、複数の被験者について、ＭＲＩを用いて得られたＢＨＱと、ウェアラブルデバイス、体組成計等の身近な計測器で得られた日常計測可能な複数のバイタルデータとの間の相関を分析したところ、特定のバイタルデータとＢＨＱとの間に相関が存在することを見出した。つまり、ＭＲＩを用いることなく、日常計測可能な特定のバイタルデータからＢＨＱを推定できることを確認した。さらなる研究により、日常計測可能なバイタルデータに代えて、カメラから得られる映像データに含まれる人の表情及び姿勢、あるいは音データに含まれる利用者の音声についてもＢＨＱとの間に特定の関係性が存在し、その関係性を用いることで、カメラから得られる映像データ及び音データの少なくとも一つからＢＨＱを推定できることも確認した。

【0012】

より詳しくは、本開示の第１形態に係る情報処理方法は、コンピュータが人の脳の健康管理指標であるＢＨＱ（Ｂｒａｉｎ Ｈｅａｌｔｈｃａｒｅ Ｑｕｏｔｉｅｎｔ）を推定する情報処理方法であって、日常計測可能な複数のバイタルデータを取得する取得ステップと、取得した前記複数のバイタルデータから、推定値としてのＢＨＱを算出して出力する推定ステップとを含む。ここで、「日常計測可能なバイタルデータ」とは、ウェアラブルデバイス等の身体に装着される計測器、スマートフォン等の身体に携行される計測器、及び、体組成計等の家庭に設置される計測器から得られるバイタルデータを意味する。

【0013】

これにより、日常計測可能な複数のバイタルデータから、推定値としてのＢＨＱが算出されるので、病院等の検査機関に通うことなく、日常生活等を営みながら簡易にＢＨＱを知ることができる。また、利用者にとって、安いコストで気軽に推定値としてのＢＨＱを知ることができる。ひいては、本開示に係る情報処理方法は、認知症予防、健康的な生活を送るための生活習慣改善アプリの開発、脳にいい商品開発や空間の提案、さらに、従業員の健康管理を含む企業の健康経営等にも貢献できると考えられる。

【0014】

また、本開示の第２形態に係る情報処理方法は、前記複数のバイタルデータは、安静時のバイタルデータ、睡眠に関するバイタルデータ、及び、運動に関するバイタルデータの少なくとも一つを含む、第１形態の情報処理方法である。より具体的には、本開示の第３形態に係る情報処理方法は、前記複数のバイタルデータは、安静時の心拍数、深い睡眠時間、及び、一定期間における歩数を含む、第１形態又は第２形態の情報処理方法である。これにより、ある特定の種類のバイタルデータの中から、ＢＨＱとの相関性が極めて高いバイタルデータが用いられるので、高い精度でＢＨＱが推定される。

【0015】

また、本開示の第４形態に係る情報処理方法は、前記推定ステップは、取得した前記複数のバイタルデータから、決定木分析を用いて複数のカテゴリのいずれかに分類する分類ステップを含む、第１～第３形態のいずれかの情報処理方法である。これにより、決定木分析を用いて、利用者が複数のカテゴリのいずれかに分類されるので、段階別に区分したＢＨＱの範囲が特定され得る。

【0016】

また、本開示の第５形態に係る情報処理方法は、前記推定ステップは、さらに、前記分類ステップで分類されたカテゴリと人の年齢とから前記ＢＨＱを算出する算出ステップを含む、第４形態の情報処理方法である。これにより、人の年齢とＢＨＱとの既知の相関が用いられ、高い精度でＢＨＱが推定される。

【0017】

また、本開示の第６形態に係る情報処理方法は、前記推定ステップでは、取得した前記複数のバイタルデータの積和演算を行うことで、前記ＢＨＱを算出する、第１～第５形態のいずれかの情報処理方法である。これにより、複数のバイタルデータの積和演算によって、簡易に、かつ、高い精度でＢＨＱが推定される。

【0018】

また、本開示の第７形態に係る情報処理方法は、コンピュータが人の脳の健康管理指標であるＢＨＱ（Ｂｒａｉｎ Ｈｅａｌｔｈｃａｒｅ Ｑｕｏｔｉｅｎｔ）を推定する情報処理方法であって、人を撮影した映像データ及び人の声を集音した音データの少なくとも一つを取得する取得ステップと、取得した前記映像データ及び音データの少なくとも一つから、推定値としてのＢＨＱを算出して出力する推定ステップとを含む。これにより、身体に計測器を装着等することなく、カメラの前に立つだけで、非接触で、推定値としてのＢＨＱが算出されるので、病院等の検査機関に通うことなく、簡易にＢＨＱを知ることができる。

【0019】

また、本開示の第８形態に係る情報処理方法は、前記推定ステップでは、前記映像データ及び音データの少なくとも一つに含まれる前記人の表情、姿勢及び音声の少なくとも一つを用いて、前記ＢＨＱを算出する、第７形態の情報処理方法である。これにより、人の映像データ及び音データの少なくとも一つの中から、ＢＨＱとの相関性が高い人の表情、姿勢及び音声の少なくとも一つが用いられるので、高い精度でＢＨＱが推定される。

【0020】

また、本開示の第９形態に係る情報処理方法は、前記推定ステップでは、前記取得ステップで取得したデータから、推定値としての脳の部位別ＢＨＱを算出して出力する、第１～第８形態のいずれかの情報処理方法である。さらに、本開示の第１０形態に係る情報処理方法は、前記推定ステップでは、さらに、前記部位別ＢＨＱから、推定値としての全脳ＢＨＱを算出する、第９形態の情報処理方法である。これにより、脳の部位別ＢＨＱが推定されるので、全脳ＢＨＱだけが推定される場合に比べ、より詳細に、脳の健康指標を知ることができる。

【0021】

また、本開示の第１１形態に係る情報処理方法は、さらに、前記推定ステップで推定した前記ＢＨＱに基づいて、前記人の将来のＢＨＱを予測する予測ステップを含む、第１～第１０形態のいずれかの情報処理方法である。これにより、人の将来のＢＨＱが予測され、予め脳の健康指標の悪化に備えることができる。

【0022】

また、本開示の第１２形態に係る情報処理方法は、さらに、前記推定ステップで算出した前記部位別ＢＨＱを用いて、前記人の脳のタイプを分類する分類ステップを含む、第９形態の情報処理方法である。これにより、人の脳のタイプが分類されるので、タイプに応じた効果的なＢＨＱ向上施策を講じたり、行動変容につながるアドバイスをしたりすることができるようになる。

【0023】

また、本開示の第１３形態に係るプログラムは、第１～第１２形態のいずれかの情報処理方法に含まれるステップをコンピュータに実行させるプログラムである。さらに、本開示の第１４形態に係る情報処理装置は、人の脳の健康管理指標であるＢＨＱ（Ｂｒａｉｎ Ｈｅａｌｔｈｃａｒｅ Ｑｕｏｔｉｅｎｔ）を推定する情報処理装置であって、日常計測可能な複数のバイタルデータを取得する入力回路を含む取得部と、前記取得部で取得された前記複数のバイタルデータから、推定値としてのＢＨＱを算出して出力するプロセッサを含む制御部とを備える。

【0024】

これにより、日常計測可能な複数のバイタルデータから、推定値としてのＢＨＱが算出されるので、病院等の検査機関に通うことなく、日常生活等を営みながら簡易にＢＨＱを知ることができる。また、利用者にとって、安いコストで気軽に推定値としてのＢＨＱを知ることができる。ひいては、本開示に係るプログラム及び情報処理装置は、認知症予防、健康的な生活を送るための生活習慣改善アプリの開発、脳にいい商品開発や空間の提案、さらに、従業員の健康管理を含む企業の健康経営等にも貢献できると考えられる。

【0025】

以下、本開示の実施の形態について、図面を用いて詳細に説明する。なお、以下で説明する実施の形態は、いずれも本開示の一具体例を示す。以下の実施の形態で示される数値、判断基準、表示例、実現形態、構成要素、構成要素の配置位置及び接続形態、ステップ、ステップの順序等は、一例であり、本開示を限定する主旨ではない。また、各図は、必ずしも厳密に図示したものではない。各図において、実質的に同一の構成については同一の符号を付し、重複する説明は省略又は簡略化する。

【0026】

（実施の形態１）
まず、日常計測可能な身近な計測器を用いて、日常生活等を営みながら簡易にＢＨＱを推定できる実施の形態１に係る脳健康管理指標推定装置について、説明する。

【0027】

図１は、実施の形態１に係る脳健康管理指標推定装置３０の構成を示すブロック図である。本実施の形態では、脳健康管理指標推定装置３０は、ウェアラブルデバイス１０に内蔵される形態で実現されている。なお、脳健康管理指標推定装置３０の実現形態は、ウェアラブルデバイス１０に内蔵される形態に限られず、スマートフォン等の身体に携行される計測器、又は、体組成計等の家庭に設置される計測器に内蔵されてもよいし、計測器とは接続されないで、スマートフォンのアプリ等として、スタンドアローンの形態で実現されてもよい。

【0028】

本実施の形態において、ウェアラブルデバイス１０は、利用者５の身体に装着されるコンピュータデバイス（例えば、スマートウォッチ、スマートグラス等）であり、周辺装置２０、脳健康管理指標推定装置３０、及び、表示部４０を備える。

【0029】

周辺装置２０は、脳健康管理指標推定装置３０が必要とするバイタルデータ、環境データ、属性データの情報源であり、計測器２１、入力部２２及び記憶部２３を有する。バイタルデータは、利用者５の生体に関する情報であり、図２に示されるように、運動に関するバイタルデータ（図２の「アクティビティ」に属するデータ）、睡眠に関するバイタルデータ（図２の「睡眠」に属するデータ）、安静時のバイタルデータ（図２の「健康指標」に属するデータ）等の２０以上の種類のバイタルデータを含む。環境データは、利用者５の環境に関する情報であり、温度、湿度、照度等を含む。属性データは、利用者５の属性に関する情報であり、年齢、性別等を含む。

【0030】

計測器２１は、心拍数センサ、血中酸素濃度センサ、血圧センサ、生体インピーダンスセンサ、３軸加速度センサ、ジャイロセンサ、位置情報センサ、磁気センサ、環境光センサ、温湿度センサ、及び、気圧センサ等のセンサと、センサで得られた信号を処理するＡ／Ｄ変換器及びタイマ等を含む信号処理回路とを有し、利用者５の生体状態を検知してバイタルデータとして記憶部２３に格納したり、利用者５の環境を検知して環境データとして記憶部２３に格納したりする。

【0031】

入力部２２は、利用者５からの利用者５の属性等に関する入力を受け付ける入力デバイス（例えば、タッチパネル、入力ボタン等）であり、受け付けた属性に関する入力を属性データとして記憶部２３に格納する。

【0032】

記憶部２３は、計測器２１で得られたバイタルデータ及び環境データ、並びに、入力部２２で得られた属性データを保持するメモリ（例えば、半導体メモリ等）であり、脳健康管理指標推定装置３０からの要求に応じて、それらのデータを脳健康管理指標推定装置３０に提供する。なお、脳健康管理指標推定装置３０は、記憶部２３を介さずに、周辺装置２０の計測器２１及び入力部２２から、直接、バイタルデータ、環境データ、及び、属性データを取得してもよい。さらに、脳健康管理指標推定装置３０は、周辺装置２０と接続されることなく、利用者５から、直接、手入力によって、バイタルデータ、環境データ、及び、属性データを取得してもよい。

【0033】

脳健康管理指標推定装置３０は、人の脳の健康管理指標であるＢＨＱを推定する情報処理装置の一例であり、取得部３１及び制御部３２を備える。

【0034】

取得部３１は、日常計測可能な複数のバイタルデータを取得する処理部の一例であり、本実施の形態では、周辺装置２０からバイタルデータ、環境データ及び属性データを取得する。取得部３１は、例えば、入力回路、通信インタフェース等である。

【0035】

制御部３２は、取得部３１で取得されたバイタルデータ、環境データ及び属性データを用いて推定値としてのＢＨＱ（以下、「推定ＢＨＱ」ともいう）を算出する等の各種情報処理を行い、その結果を、表示部４０を含む外部装置に出力する処理部であり、プログラム（つまり、アプリ）等を記憶するメモリ、及び、プログラムを実行するプロセッサを備える。制御部３２は、機能的に、推定部３３、予測部３４、及び、分類部３５を有する。なお、外部装置には、メモリ、及び、通信インタフェースで接続される外部機器等が含まれてもよい。

【0036】

推定部３３は、取得部３１で取得された複数のバイタルデータから、推定値としてのＢＨＱを算出して表示部４０に出力する。複数のバイタルデータには、安静時のバイタルデータ、睡眠に関するバイタルデータ、及び、運動に関するバイタルデータの少なくとも一つが含まれる。より詳しくは、複数のバイタルデータには、安静時の心拍数、深い睡眠時間、及び、一定期間における歩数が含まれる。ＢＨＱを算出するアルゴリズムとしては、決定木分析を用いる方法と、積和演算を用いる方法とがある。いずれのアルゴリズムを採用するかは、事前に利用者５等によって設定される。また、推定部３３は、取得部３１で取得された複数のバイタルデータから、推定値としての脳の部位別ＢＨＱを算出して表示部４０に出力したり、部位別ＢＨＱから推定値としての全脳ＢＨＱを算出して表示部４０に出力したりする機能も有する。なお、本明細書において、単に「ＢＨＱ」と記載した場合には、全脳ＢＨＱを意味する。

【0037】

予測部３４は、取得部３１で取得された複数のバイタルデータの一定期間の変化量から、利用者５の将来のＢＨＱの変化方向を予測し、予測した結果を表示部４０に出力する予測ステップを実行する。より詳しくは、予測部３４は、複数のバイタルデータの一定期間の変化量に対しての重みを加減算する事によって将来のＢＨＱの変化方向を予測する。

【0038】

分類部３５は、推定部３３で算出した部位別ＢＨＱを用いて、人の脳のタイプを分類し、分類した結果を表示部４０に出力する。

【0039】

表示部４０は、制御部３２での情報処理の結果を表示するデバイスであり、例えば、液晶ディスプレイ等である。

【0040】

図２は、バイタルデータの具体例を示す図である。ここでは、運動に関するバイタルデータ（図２の「アクティビティ」に属するデータ）、睡眠に関するバイタルデータ（図２の「睡眠」に属するデータ）、安静時のバイタルデータ（図２の「健康指標」に属するデータ）というように、３つのグループに分類される２０以上の種類のバイタルデータの一部が示されている。

【0041】

「アクティビティ」のグループにおいて、「歩数」は、一定期間（例えば、１分）での平均歩数である。「静止時間」は、一定期間（例えば、一日）での平均の静止時間（つまり、体動が所定の閾値を超えなかった時間の合計）である。「ややアクティブ」は、一定期間（例えば、一日）での平均のややアクティブだった時間（つまり、体動が所定の小さい範囲であった時間の合計）である。「かなりアクティブ」は、一定期間（例えば、一日）での平均のかなりアクティブだった時間（つまり、体動が所定の大きい範囲であった時間の合計）である。これらのバイタルデータは、例えば、３軸加速度センサ、位置情報センサ、心拍数センサ及び血圧センサ等を用いて得られる。

【0042】

「睡眠」のグループにおいて、「睡眠時間」は、一日での平均の睡眠時間である。「目覚めた回数」は、一日での平均の目覚めた回数である。「レム睡眠」は、一日での平均のレム睡眠時間である。「浅い睡眠」は、一日での平均の浅い睡眠時間である。「深い睡眠」は、一日での平均の深い睡眠時間である。これらのバイタルデータは、心拍数センサ、血圧センサ及び３軸加速度センサ等を用いて得られる。

【0043】

「健康指標」のグループにおいて、「体重」は、入力部２２を介して入力された利用者５の体重である。「ＢＭＩ」は、入力部２２を介して入力された利用者５の身長及び体重から、体重（ｋｇ）／（身長（ｍ）×身長（ｍ））で算出される値である。「体脂肪率」は、体脂肪量（ｋｇ）／体重（ｋｇ）×１００で表される値であり、利用者５による入力及び生体インピーダンスセンサ等を用いて得られる。「筋肉量」は、筋肉組織の重さであり、例えば、（体重（ｋｇ）－体脂肪量（ｋｇ））×５０％で算出される値であり、利用者５による入力及び生体インピーダンスセンサ等を用いて得られる。「内臓脂肪」は、内臓脂肪のレベルであり、例えば、入力部２２を介して利用者５から入力される。「安静時心拍」は、安静時の心拍数であり、心拍数センサ等で得られる。

【0044】

次に、以上のように構成される脳健康管理指標推定装置３０の動作について、説明する。

【0045】

図３は、脳健康管理指標推定装置３０が決定木分析を用いて推定値としてのＢＨＱを算出する手順（つまり、情報処理方法）を示すフローチャートである。

【0046】

まず、取得部３１は、利用者５の身体に装着される計測器２１から複数のバイタルデータを取得する（取得ステップＳ１０）。

【0047】

次に、推定部３３は、取得された複数のバイタルデータから、決定木分析を用いて、利用者５を、複数のカテゴリのいずれかに分類する（分類ステップＳ１１）。カテゴリは、推定されるＢＨＱを所定の数値範囲で複数に区分したときの各区分を指す。

【0048】

続いて、推定部３３は、分類されたカテゴリと利用者５の年齢とから、推定値としてのＢＨＱを算出する（算出ステップＳ１２）。算出では、カテゴリと年齢とから推定値としてのＢＨＱを導出する所定の関係を用いる。

【0049】

最後に、推定部３３は、算出した推定値としてのＢＨＱを表示部４０に出力する（出力ステップＳ１３）。なお、上記分類ステップＳ１１、算出ステップＳ１２、及び、出力ステップＳ１３は、取得ステップＳ１０で取得された複数のバイタルデータから、推定値としてのＢＨＱを算出して出力する推定ステップを構成する。

【0050】

図４は、図３の分類ステップＳ１１で用いられる決定木分析を説明する図である。ここでは、利用者５から得た４つのバイタルデータ（「安静時心拍」、「深い睡眠」、「かなりアクティブ」、「歩数」）から、その利用者５を、４つのカテゴリ（ＢＨＱの高い方から順に、Ｃａｔ０、Ｃａｔ１、Ｃａｔ２、Ｃａｔ３）のいずれに分類されるかを決定するための決定木が示されている。

【0051】

まず、推定部３３は、バイタルデータ「安静時心拍」が所定の閾値（ここでは、７２回／分）以下か否かを判断し（Ｓ２０）、否定的な場合には（Ｓ２０でＮｏ）、続いて、バイタルデータ「歩数」が所定の閾値（ここでは、１１８９９歩）以下であるか否かを判断し（Ｓ２３）、肯定的な場合には（Ｓ２３でＹｅｓ）、その利用者５をカテゴリＣａｔ２に分類し（Ｓ２６）、一方、否定的な場合には（Ｓ２３でＮｏ）、その利用者５をカテゴリＣａｔ３に分類する（Ｓ２７）。

【0052】

一方、ステップＳ２０で肯定的な場合には（Ｓ２０でＹｅｓ）、続いて、推定部３３は、バイタルデータ「深い睡眠」が所定の閾値（ここでは、６３分／日）以下か否かを判断し（Ｓ２２）、否定的な場合には（Ｓ２２でＮｏ）、その利用者５をカテゴリＣａｔ０に分類する（Ｓ２５）。

【0053】

一方、ステップＳ２２で肯定的な場合には（Ｓ２２でＹｅｓ）、続いて、推定部３３は、バイタルデータ「深い睡眠」が所定の閾値（ここでは、４７分／日）以下か否かを判断し（Ｓ２４）、肯定的な場合には（Ｓ２４でＹｅｓ）、続いて、推定部３３は、バイタルデータ「かなりアクティブ」が所定の閾値（ここでは、２７分／日）以下か否かを判断し（Ｓ２８）、肯定的な場合には（Ｓ２８でＹｅｓ）、その利用者５をカテゴリＣａｔ１に分類し（Ｓ３０）、一方、否定的な場合には（Ｓ２８でＮｏ）、その利用者５をカテゴリＣａｔ０に分類する（Ｓ３１）。

【0054】

一方、ステップＳ２４で否定的な場合には（Ｓ２４でＮｏ）、推定部３３は、バイタルデータ「安静時心拍」が所定の閾値（ここでは、６７回／分）以下か否かを判断し（Ｓ２９）、肯定的な場合には（Ｓ２９でＹｅｓ）、その利用者５をカテゴリＣａｔ２に分類し（Ｓ３２）、一方、否定的な場合には（Ｓ２９でＮｏ）、その利用者５をカテゴリＣａｔ１に分類する（Ｓ３３）。

【0055】

このようにして、推定部３３は、利用者５から得た４つのバイタルデータ（「安静時心拍」、「深い睡眠」、「かなりアクティブ」、「歩数」）から、決定木分析を用いて、その利用者５を、４つのカテゴリ（Ｃａｔ０、Ｃａｔ１、Ｃａｔ２、Ｃａｔ３）のいずれかに分類する。

【0056】

図５は、図４に示される決定木分析によって分類される４つのカテゴリを説明する図である。ここには、年齢（横軸）とＢＨＱ（縦軸）とからなる２次元座標に、予め知られている脳が健康な一般人の年齢と平均的なＢＨＱとの関係（右下下がりの基準線５０）、及び、４つのカテゴリＣａｔ０～Ｃａｔ３に対応する領域（右下下がりの矩形領域）が示されている。

【0057】

基準線５０は、年齢の増加に伴ってＢＨＱが直線的に下降することを示している。

【0058】

カテゴリＣａｔ０は、基準線５０と平行に延びる一定幅を有する矩形領域であり、同じ年齢でみれば、基準線５０が示す平均的なＢＨＱに対して＋２．５～＋７．５だけ加算して得られるＢＨＱ（つまり、「高い」ＢＨＱ）を示す領域である。

【0059】

カテゴリＣａｔ１は、基準線５０と平行に延びる一定幅を有する矩形領域であり、同じ年齢でみれば、基準線５０が示す平均的なＢＨＱに対して－２．５～＋２．５だけ加算して得られるＢＨＱ（つまり、「平均」的なＢＨＱ）を示す領域である。

【0060】

カテゴリＣａｔ２は、基準線５０と平行に延びる一定幅を有する矩形領域であり、同じ年齢でみれば、基準線５０が示す平均的なＢＨＱに対して－７．５～－２．５だけ加算して得られるＢＨＱ（つまり、「低い」ＢＨＱ）を示す領域である。

【0061】

カテゴリＣａｔ３は、基準線５０と平行に延びる一定幅を有する矩形領域であり、同じ年齢でみれば、基準線５０が示す平均的なＢＨＱに対して－１２．５～－７．５だけ加算して得られるＢＨＱ（つまり、「かなり低い」ＢＨＱ）を示す領域である。

【0062】

なお、図５に示される黒点は、後述する実験の対象となった被験者の年齢及びＢＨＱを示している。

【0063】

図５に示されるように、図４に示される決定木分析によって分類される４つのカテゴリＣａｔ０～３は、同じ年齢の脳が健康な一般人のＢＨＱの平均値から、どの程度のオフセットをもつかを示している。このことを利用して、図３の算出ステップＳ１２では、推定部３３は、決定木分析で分類したカテゴリと利用者５の年齢とから、推定値としてのＢＨＱを算出している。具体的には、推定部３３は、利用者５の年齢から、図５の基準線５０における一般時のＢＨＱを算出し、算出したＢＨＱに対して、決定木分析で分類したカテゴリに対応するオフセット（つまり、カテゴリＣａｔ０、Ｃａｔ１、Ｃａｔ２、Ｃａｔ３であれば、それぞれ、オフセットとして、＋５、０、－５、－１０）を加算することで、推定値としてのＢＨＱを算出する。なお、オフセット（つまり、＋５、０、－５、－１０）は、それぞれ、図５における各カテゴリにおいて基準線５０が示すＢＨＱに加算する値の範囲（つまり、＋２．５～＋７．５、－２．５～＋２．５、－７．５～－２．５、－１２．５～－７．５）の中心値である。

【0064】

図６は、図４に示される決定木分析を用いて推定したＢＨＱと真値との相関についての実験結果を示す図である。カテゴリＣａｔ０～３に応じて、プロットの種別を変えている。より詳しくは、本図は、真値としてのＢＨＱが既知である２５人の被験者のそれぞれについて、４つのバイタルデータ（「安静時心拍」、「深い睡眠」、「浅い睡眠」、「かなりアクティブ」）を取得し、図４に示される決定木分析で得られた「推定値」としてのＢＨＱ、及び、「真値」のＢＨＱを、それぞれ、横軸及び縦軸とする２次元座標にプロットしたものである。

【0065】

本図に示されるように、ＢＨＱの真値と、図４に示される決定木分析で得られた推定値とについて、相関係数は０．８９であり、平均絶対誤差は１．５９であった。これらのことから、図４に示される決定木分析で得られた推定値としてのＢＨＱは、高い確からしさで、真値を示しているといえる。

【0066】

図７は、脳健康管理指標推定装置３０が積和演算を用いて推定値としてのＢＨＱを算出する手順を示すフローチャートである。

【0067】

まず、取得部３１は、利用者５の身体に装着される計測器２１から複数のバイタルデータＶ１、Ｖ２、・・、Ｖｎを取得する（取得ステップＳ４０）。

【0068】

次に、推定部３３は、取得された複数のバイタルデータを用いて、以下の式１で示される積和演算を行うことで、推定値としてのＢＨＱを算出する（積和演算ステップＳ４１）。

【0069】

推定ＢＨＱ＝ｋ１・Ｖ１＋ｋ２・Ｖ２＋・・＋ｋｎ・Ｖｎ＋ｋ（ｎ＋１） （式１）

【0070】

最後に、推定部３３は、算出した推定値としてのＢＨＱを表示部４０に出力する（出力ステップＳ４２）。

【0071】

なお、この積和演算に用いる複数のバイタルデータとして重要なものは、男性の推定ＢＨＱの算出のためには、「ＶＯ２Ｍａｘ（最大酸素摂取量）」及び「かなりアクティブな運動時間」であり、女性の推定ＢＨＱの算出のためには、「ノンレム睡眠時心拍数」、「かなりアクティブな運動時間」、「運動消費量カロリー」、及び、「ＶＯ２Ｍａｘ（最大酸素摂取量）」である。

【0072】

よって、積和演算式は、具体的には、以下の式２及び式３のような形となる。

【0073】

男性の推定ＢＨＱ＝ｋ１・「ＶＯ２Ｍａｘ（最大酸素摂取量）」＋ｋ２・「かなりアクティブな運動時間」＋ｋ３＋定数（男性の年齢に対する平均的なＢＨＱ） （式２）

【0074】

ここで、式２において、ｋ１＝０．３４０９、ｋ２＝０．１０４１、ｋ３＝－２０．３９８２である。

【0075】

女性の推定ＢＨＱ＝ｋ１・「ノンレム睡眠時心拍数」＋ｋ２・「かなりアクティブな運動時間」＋ｋ３・「運動消費量カロリー」＋ｋ４・「ＶＯ２Ｍａｘ（最大酸素摂取量）」＋ｋ５＋定数（女性の年齢に対する平均的なＢＨＱ） （式３）

【0076】

ここで、式３において、ｋ１＝－０．４５１０、ｋ２＝０．２０７１、ｋ３＝－０．００６９、ｋ４＝－０．２７５２、ｋ５＝３９．４１１８である。

【0077】

なお、バイタルデータ「ＶＯ２Ｍａｘ（最大酸素摂取量）」は、１５×最大心拍数／安静時心拍数で算出される値であり、心拍数センサ等で得られる。このとき、最大心拍数は、運動強度を上げていったときに達する最大の心拍数である。また、バイタルデータ「運動消費量カロリー」は、体動センサ等を用いて簡易的に得られたり、あるいは、入力部２２を介して利用者５から入力されたりする値である。

【0078】

上記式２及び式３は、５５名の被験者について、年齢、性別、ＢＨＱ、及び、４０種類のバイタルデータ等を用いて、その人の年齢に対する平均的なＢＨＱとの差分を目的変数とし、４０種類のバイタルデータ等を説明変数とし、ｔ－ＳＮＥ（ｔ－ｄｉｓｔｒｉｂｕｔｅｄ Ｓｔｏｃｈａｓｔｉｃ Ｎｅｉｇｈｂｏｒ Ｅｍｂｅｄｄｉｎｇ）による説明変数の次元削減を行った後に、重回帰分析によって上記係数ｋを決定した。

【0079】

図８は、上記式２及び式３で示される積和演算によって推定したＢＨＱと真値との相関についての実験結果を示す図である。より詳しくは、図８の（ａ）は、その人の年齢に対する平均的なＢＨＱとの差分についての推定値（横軸）と真値（縦軸）との関係を示し、図８の（ｂ）は、ＢＨＱについての推定値（横軸）と真値（縦軸）との関係を示す。真値としてのＢＨＱが既知である男性及び女性の被験者（合計５５名の被験者）のそれぞれについて、上記式２及び式３で示される積和演算によって推定したＢＨＱと真値との相関がプロットされている。

【0080】

図８の（ａ）に示される差分についての推定値と真値とでは、相関係数が０．６３であり、平均絶対誤差が２．７７である。また、図８の（ｂ）に示されるＢＨＱについての推定値と真値とでは、相関係数が０．８３であり、平均絶対誤差が２．７７である。

【0081】

これらから分かるように、上記式２及び式３に示される積和演算で得られる推定値としてのＢＨＱは、高い確からしさで、真値を示しているといえる。

【0082】

図９は、脳健康管理指標推定装置３０が推定値としての脳の部位別ＢＨＱ及び全脳ＢＨＱを算出する手順を示すフローチャートである。

【0083】

まず、取得部３１は、利用者５の身体に装着される計測器２１から複数のバイタルデータを取得する（取得ステップＳ５０）。

【0084】

次に、推定部３３は、取得された複数のバイタルデータを用いて、決定木分析又は積和演算により、推定値としての脳の部位別ＢＨＱを算出する（部位別ＢＨＱ算出ステップＳ５１）。なお、人の脳は、複数の部位（例えば、９０項目）に分類され、各部位ごとに、異なる機能が対応づけられることが知られている。そのような対応関係を利用することで、各部位別ＢＨＱの算出に必要な具体的なバイタルデータ及びアルゴリズム（決定木分析又は積和演算式）については、予め準備しておく。

【0085】

続いて、推定部３３は、算出した複数の部位別ＢＨＱを用いて、所定の関係式に従って演算することで、推定値としての全脳ＢＨＱを算出する（全脳ＢＨＱ算出ステップＳ５２）。なお、複数の部位別ＢＨＱから全脳ＢＨＱを導出する関係式は、事前の分析によって、明らかにされている。

【0086】

最後に、推定部３３は、算出した複数の部位別ＢＨＱ及び全脳ＢＨＱを表示部４０に出力する（出力ステップＳ５３）。

【0087】

これにより、脳の部位別ＢＨＱが推定されるので、全脳ＢＨＱだけが推定される場合に比べ、より詳細に、脳の健康指標を知ることができる。

【0088】

次に、脳健康管理指標推定装置３０が備える制御部３２の分類部３５が有する機能を説明する。

【0089】

図１０は、脳の９０項目の部位をクラスタ分析した結果を示す図である。ここでは、複数の被験者から得られている９０項目の部位別ＢＨＱについて、部位間での類似性を分析するクラスタ分析（つまり、ＢＨＱの高い／低いの傾向が似ている部位をまとめること）によって、部位を１０個の機能カテゴリに分析した結果が示されている。横軸は複数の被験者を示し、縦軸は部位を示し、濃淡はＢＨＱの高さ（低いほど濃い）を示している。

【0090】

図１０から分かるように、部位別ＢＨＱの類似性から、脳の部位を、１０個の機能カテゴリ（「やる気」、「記憶力」、「創造力」、「他者理解」、「自己理解」、「認識力」、「物事の理解」、「話す力」、「考える力」、「運動」）に分類できている。

【0091】

図１１は、図１０に示される数種類の機能カテゴリの部位別ＢＨＱを用いて被験者のクラスタ分析を実施した実験結果を示す図である。つまり、部位別カテゴリの特徴（ＢＨＱが高い／低いの傾向）が似ている人をグループ化した結果が示されている。具体的には、脳のタイプとして、６種類のレーダーチャート（図１１の（ａ）～（ｆ））で示される６タイプに分類された結果が示されている。各レーダーチャートは、図１０に示される１０個の機能カテゴリの部位別ＢＨＱをタイプごとに基準化した結果である。なお、各レーダーチャートは、脳のパターンで分類されており、ＢＨＱの大小の観点は含まれていない。

【0092】

分類された脳の６タイプは、図１１に示されるように、「物事の理解力は高いが、自己理解力が低い」（図１１の（ａ））、「自己理解力は高いが、記憶力が低い」（図１１の（ｂ））、「やる気はあるが、創造力が低い」（図１１の（ｃ））、「他者理解力は高いが、記憶力が低い」（図１１の（ｄ））、「考える力は高いが、記憶力が低い」（図１１の（ｅ））、話す力はあるが、記憶力が低い」（図１１の（ｆ））である。

【0093】

図１１から分かるように、部位別ＢＨＱを用いることで、人の脳のタイプを６タイプのいずれかに分類できる。脳健康管理指標推定装置３０の分類部３５は、推定部３３で算出した部位別ＢＨＱを用いて、人の脳のタイプを分類し、分類した結果を表示部４０に出力する。これにより、人の脳のタイプが分類されるので、タイプに応じた効果的なＢＨＱ向上施策を講じたり、行動変容につながるアドバイスをしたりすることができるようになる。

【0094】

以上のように、実施の形態１に係る情報処理方法は、コンピュータが人の脳の健康管理指標であるＢＨＱ（Ｂｒａｉｎ Ｈｅａｌｔｈｃａｒｅ Ｑｕｏｔｉｅｎｔ）を推定する情報処理方法であって、日常計測可能な複数のバイタルデータを取得する取得ステップと、取得した前記複数のバイタルデータから、推定値としてのＢＨＱを算出して出力する推定ステップとを含む。また、実施の形態１に係るプログラムは、情報処理方法に含まれるステップをコンピュータに実行させるプログラムである。さらに、実施の形態に係る情報処理装置は、人の脳の健康管理指標であるＢＨＱ（Ｂｒａｉｎ Ｈｅａｌｔｈｃａｒｅ Ｑｕｏｔｉｅｎｔ）を推定する情報処理装置であって、日常計測可能な複数のバイタルデータを取得する入力回路を含む取得部と、前記取得部で取得された前記複数のバイタルデータから、推定値としてのＢＨＱを算出して出力するプロセッサを含む制御部とを備える。

【0095】

これにより、日常計測可能な複数のバイタルデータから、推定値としてのＢＨＱが算出されるので、病院等の検査機関に通うことなく、日常生活等を営みながら簡易にＢＨＱを知ることができる。また、利用者にとって、安いコストで気軽に推定値としてのＢＨＱを知ることができる。ひいては、本開示に係る情報処理方法は、認知症予防、健康的な生活を送るための生活習慣改善アプリの開発、脳にいい商品開発や空間の提案、さらに、従業員の健康管理を含む企業の健康経営等にも貢献できると考えられる。

【0096】

（実施の形態２）
次に、オフィス等の現場に設置したカメラを用いて、業務、運動、日常生活等を営みながら、簡易に、かつ、非接触で、ＢＨＱを推定できる実施の形態２に係る脳健康管理指標推定装置について、説明する。

【0097】

図１２は、実施の形態２に係る脳健康管理指標推定装置３０ａの構成を示すブロック図である。本実施の形態では、脳健康管理指標推定装置３０ａは、カメラ２５、表示部４０ａ及び入力部４０ｂを含む脳健康管理指標推定システム１１を構成する一部の装置として実現されている。

【0098】

カメラ２５は、利用者５の顔の表情及び身体の姿勢を撮影し、音声等を集音することで、得られた利用者５の動画（つまり、映像データ及び音データ））を脳健康管理指標推定装置３０ａに提供する撮像装置であり、例えば、動画撮影が可能なビデオカメラである。

【0099】

表示部４０ａ及び入力部４０ｂは、利用者５と脳健康管理指標推定装置３０ａとが対話するための入出力デバイスであり、例えば、それぞれ、実施の形態１における表示部４０と同様のディスプレイ、及び、タッチパネル等である。

【0100】

脳健康管理指標推定装置３０ａは、人の脳の健康管理指標であるＢＨＱを推定する情報処理装置の一例であり、取得部３１ａ及び制御部３２ａを備える。脳健康管理指標推定装置３０ａは、利用者５の映像データ及び音データの少なくとも一つを用いてＢＨＱを推定する点で、利用者５のバイタルデータ等を用いてＢＨＱを推定する実施の形態１と異なるが、利用者５に推定値としてのＢＨＱを提供するという点で、実施の形態１に係る脳健康管理指標推定装置３０と同じ機能を有する。以下、実施の形態１に係る脳健康管理指標推定装置３０と異なる点を中心に説明する。

【0101】

取得部３１ａは、カメラ２５から映像データ及び音データの少なくとも一つを取得する処理部であり、例えば、入力回路、通信インタフェース等である。

【0102】

制御部３２ａは、取得部３１ａで取得された映像及び音データの少なくとも一つを用いて推定値としてのＢＨＱを算出する等の各種情報処理を行い、その結果を、表示部４０ａを含む外部装置に出力する処理部であり、プログラム等を記憶するメモリ、及び、プログラムを実行するプロセッサを備える。制御部３２ａは、機能的に、推定部３３ａ、予測部３４ａ、及び、分類部３５ａを有する。

【0103】

推定部３３ａは、取得部３１ａで取得された映像データ及び音データの少なくとも一つから、推定値としてのＢＨＱを算出して表示部４０ａに出力する。より詳しくは、推定部３３ａは、利用者５の映像データを用いて、表情解析によって推定値としてのＢＨＱを算出する機能、姿勢解析によって推定値としてのＢＨＱを算出する機能、あるいは利用者5の音声の音データを用いて音声解析によって推定値としてのＢＨＱを算出する機能を有する。また、推定部３３ａは、取得部３１ａで取得された複数のバイタルデータから、推定値としての脳の部位別ＢＨＱを算出して表示部４０ａに出力したり、部位別ＢＨＱから推定値としての全脳ＢＨＱを算出して表示部４０ａに出力したりする機能も有する。

【0104】

予測部３４ａは、推定部３３ａで推定されたＢＨＱに基づいて、人の将来のＢＨＱを予測し、予測した結果を表示部４０ａに出力する。

【0105】

分類部３５ａは、推定部３３ａで算出した部位別ＢＨＱを用いて、人の脳のタイプを分類し、分類した結果を表示部４０ａに出力する。

【0106】

図１３は、脳健康管理指標推定装置３０ａが利用者５の表情、姿勢及び音声の少なくとも一つを解析することによって推定値としてのＢＨＱを算出する手順を示すフローチャートである。

【0107】

まず、取得部３１ａは、表示部４０ａ及び入力部４０ｂを介した利用者５との対話により、利用者５の表情又は姿勢の映像データ及び利用者の音声の音データの少なくとも一つを取得する（取得ステップＳ６０）。なお、「対話」には、脳健康管理指標推定装置３０ａからの指示に対して、利用者５が何かしら応答するインタラクションが含まれる。

【0108】

次に、推定部３３ａは、取得された映像データ及び音データの少なくとも一つから、利用者５の表情、姿勢及び音声の少なくとも一つを解析することで、推定値としてのＢＨＱを算出する（算出ステップＳ６１）。

【0109】

最後に、推定部３３ａは、算出した推定値としてのＢＨＱを表示部４０ａに出力する（出力ステップＳ６２）。なお、上記算出ステップＳ６１、及び、出力ステップＳ６２は、取得ステップＳ６０で取得された映像データ及び音データの少なくとも一つから、推定値としてのＢＨＱを算出して出力する推定ステップを構成する。

【0110】

以下、図１４及び図１５を用いて、推定部３３ａが利用者５の表情を解析することによって推定値としてのＢＨＱを算出するためのアルゴリズムを説明する。

【0111】

図１４は、脳健康管理指標推定装置３０ａが表示部４０ａ及び入力部４０ｂを介した利用者５との対話によって利用者５の表情の映像データ及び利用者の音声の音データを取得する処理（図１３の取得ステップＳ６０）の具体例を示す図である。ここには、表示部４０ａ及び入力部４０ｂを介した利用者５と取得部３１ａとの対話の様子が示されている。まず、取得部３１ａは、表示部４０ａに「測定方法」と題した案内表示をし、利用者５に対して、「笑顔」、「驚き」、「怒り」、「悲しみ」の４種類の表情を順に作るように促し、「スタート」ボタン（入力部４０ｂ）の押下を待つ（図１４の（ａ））。「スタート」ボタンが押下されると、取得部３１ａは、４種類の表情を順に表示部４０ａで指示し、そのときの映像データを確認することで、指示した４種類の表情の映像データを取得できたか否かを表示部４０ａに表示し（図１４の（ｂ）及び（ｃ））、最終的に、４種類の表情の映像データを取得する。

【0112】

図１５は、得られた数種類の表情の映像データを解析することによって推定値としてのＢＨＱを算出する推定部３３ａの処理を説明する図である。

【0113】

推定部３３ａは、図１４に示される対話等によって得られる映像データを解析することで、利用者５の基本感情（通常、笑顔、悲しみ、驚き、怒り）、及び、ラッセル円環における位置（快／不快、覚醒／眠気）等を含む基本データを取得する。なお、ラッセル円環とは、全ての感情を快－不快と覚醒－眠気の２次元軸で表すモデルである。

【0114】

そして、推定部３３ａは、それらの基本データを用いて、図１５に示される３つの推定値としての部位別ＢＨＱを算出する。より詳しくは、基本データを用いて、利用者５の「表情の豊かさ」、つまり、「感情可変領域面積」を解析することで、「社会性関連領域」の部位別ＢＨＱ（この例では、１０４．２）を算出し、「認識・反応速度」、つまり、「表情を作るまでの時間」を解析することで、「認知制御関連領域」の部位別ＢＨＱ（この例では、９６．５）を算出し、「一致率・正解率」、つまり、「正しい表情の度合い」を解析することで、「モニタリング関連領域」の部位別ＢＨＱ（この例では、１０２．４）を算出する。そして、推定部３３ａは、算出した３つの部位別ＢＨＱから、予め判明している関係式を用いて、推定値としての全脳ＢＨＱを算出する。

【0115】

以上のように、図１４及び図１５に示される手順によって、推定部３３ａは、利用者５の表情解析によって推定値としてのＢＨＱ（つまり、全脳ＢＨＱ）を算出する。

【0116】

次に、図１６を用いて、推定部３３ａが利用者５の姿勢を解析することによって推定値としてのＢＨＱを算出するためのアルゴリズムを説明する。

【0117】

図１６は、脳健康管理指標推定装置３０ａが表示部４０ａを介して示される見本に対して利用者５に真似るように指示した上で利用者５の姿勢及び表情の映像データ並びに利用者の音声の音データを取得して解析する処理（図１３の取得ステップＳ６０及び算出ステップＳ６１）の具体例を示す図である。より詳しくは、図１６の（ａ）は、表示部４０ａでの表示例を示し、図１６の（ｂ）は、推定部３３ａによる処理の概要及び計測環境例を示す。

【0118】

図１６の（ａ）に示されるように、取得部３１ａは、表示部４０ａに、お手本となる姿勢及び笑顔とともに、利用者５を撮影した映像も表示する。同時に、推定部３３ａは、お手本を真似る利用者５の映像データを解析し、利用者５の姿勢及び表情を定量化することで（図１６の（ｂ））、表示部４０ａに、ＢＨＱとの関連指標として、お手本との一致度である「姿勢」のスコア（この例では、４４）を表示したり、お手本動作に一致させるまでの時間を表示したり、姿勢がフラフラしない程度である「バランス」のスコア（この例では、１００）を表示したり、表情の解析で得られた「笑顔」のスコア（この例では、１００）を表示したりする。なお、図１６の（ｂ）の「計測環境」に示されるように、計測環境の一例として、ディスプレイ、カメラ、Ｋｉｎｅｃｔ、ＰＣを用いて計測し、画面から約２ｍの距離で利用者５を撮影し、撮影時間として約２分（この時間で、１０個のポーズを撮影する）としてもよい。

【0119】

そして、推定部３３ａは、「笑顔」のスコアから「社会性関連領域」の部位別ＢＨＱを算出し、「バランス」のスコアから「認知制御関連領域」の部位別ＢＨＱを算出し、お手本との一致度である「姿勢」のスコアから「モニタリング関連領域」の部位別ＢＨＱを算出し、それら３つの部位別ＢＨＱから、予め判明している関係式を用いて、推定値としての全脳ＢＨＱを算出する。

【0120】

以上のように、図１６に示される処理によって、推定部３３ａは、利用者５の姿勢解析によって推定値としてのＢＨＱ（つまり、全脳ＢＨＱ）を算出する。

【0121】

なお、本実施の形態では、表情解析によって推定値としてのＢＨＱを算出する機能と、姿勢解析によって推定値としてのＢＨＱを算出する機能とが選択的に実行されたが、このような実現形態に限られず、表情解析と姿勢解析との両方を行い、両方の解析結果を加味したうえで一つの推定値としての全脳ＢＨＱを算出してもよい。

【0122】

以上のように、実施の形態２に係る情報処理方法は、コンピュータが人の脳の健康管理指標であるＢＨＱ（Ｂｒａｉｎ Ｈｅａｌｔｈｃａｒｅ Ｑｕｏｔｉｅｎｔ）を推定する情報処理方法であって、人を撮影した映像データ及び人の声を集音した音データの少なくとも一つを取得する取得ステップと、取得した前記映像データ及び音データの少なくとも一つから、推定値としてのＢＨＱを算出して出力する推定ステップとを含む。これにより、身体に計測器を装着等することなく、カメラの前に立つだけで、あるいは、カメラに向かって発話するだけで、非接触で、推定値としてのＢＨＱが算出されるので、病院等の検査機関に通うことなく、簡易にＢＨＱを知ることができる。

【0123】

より詳しくは、実施の形態２では、前記推定ステップでは、前記映像データ及び音データの少なくとも一つに含まれる前記人の表情、姿勢及び音声の少なくとも一つを用いて、前記ＢＨＱを算出する、第７形態の情報処理方法である。これにより、人の映像データ及び音データの少なくとも一つの中から、ＢＨＱとの相関性が高い人の表情及、姿勢及び音声の少なくとも一つが用いられるので、高い精度でＢＨＱが推定される。

【0124】

（その他の実施の形態）
以上、本開示に係る脳健康管理指標推定装置及び方法について、実施の形態１及び２に基づいて説明したが、本開示は、これらの実施の形態１及び２に限定されるものではない。本開示の主旨を逸脱しない限り、当業者が思いつく各種変形を実施の形態１及び２に施したものや、実施の形態１及び２における一部の構成要素を組み合わせて構築される別の形態も、本開示の範囲内に含まれる。

【0125】

例えば、実施の形態１では、周辺装置２０、脳健康管理指標推定装置３０、及び、表示部４０は、一つのウェアラブルデバイス１０として一体化されていたが、本開示は、このような形態に限られず、周辺装置２０、脳健康管理指標推定装置３０、及び、表示部４０が通信ネットワーク又は通信ケーブルで接続される分散した形態であってもよい。例えば、周辺装置２０及び表示部４０がウェアラブルデバイスとして一体化され、そのウェアラブルデバイスが無線通信を含む通信ネットワークを介してサーバとして機能する脳健康管理指標推定装置３０と接続されてもよい。

【0126】

さらに、脳健康管理指標推定装置３０の実現形態は、実施の形態１のように、ウェアラブルデバイス１０に内蔵される形態に限られず、スマートフォン等の身体に携行される計測器、又は、体組成計等の家庭に設置される計測器に内蔵されてもよいし、計測器とは接続されないで、スマートフォンのアプリ等として、スタンドアローンの形態で実現されてもよい。

【0127】

また、実施の形態２に係る脳健康管理指標推定システム１１では、カメラ２５、表示部４０ａ及び入力部４０ｂがスマートフォン等の携帯端末として一体化され、その携帯端末が無線通信を含む通信ネットワークを介してサーバとして機能する脳健康管理指標推定装置３０ａと接続されてもよい。

【0128】

さらに、実施の形態２に係る脳健康管理指標推定装置３０ａは、カメラ２５、表示部４０ａ及び入力部４０ｂと接続されることなく、スマートフォンのアプリ等として、スタンドアローンの形態で実現されてもよい。

【0129】

また、実施の形態１と実施の形態２とを統合した機能をもつ脳健康管理指標推定装置／脳健康管理指標推定システムとして実現してもよい。例えば、周辺装置は、実施の形態１における計測器２１、入力部２２及び記憶部２３に加えて、実施の形態２におけるカメラ２５、表示部４０ａ及び入力部４０ｂを備える。そして、脳健康管理指標推定装置は、実施の形態１における取得部３１及び制御部３２に加えて、実施の形態２における取得部３１ａ及び制御部３２ａを備え、実施の形態１によるＢＨＱの推定機能に加えて、実施の形態２におけるＢＨＱの推定機能も併せもってもよい。

【産業上の利用可能性】

【0130】

本開示に係る情報処理方法及び情報処理装置は、人の脳の健康管理指標であるＢＨＱを推定する脳健康管理指標推定装置として、例えば、脳健康管理指標推定装置を内蔵するウェアラブルデバイス及び体組成計、又は、スマートフォンのアプリ等として、利用できる。

【符号の説明】

【0131】

５ 利用者
１０ ウェアラブルデバイス
１１ 脳健康管理指標推定システム
２０ 周辺装置
２１ 計測器
２２ 入力部
２３ 記憶部
２５ カメラ
３０、３０ａ 脳健康管理指標推定装置
３１、３１ａ 取得部
３２、３２ａ 制御部
３３、３３ａ 推定部
３４、３４ａ 予測部
３５，３５ａ 分類部
４０、４０ａ 表示部
４０ｂ 入力部

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】

【図16】