特開 2025-6955 認知機能推定装置、認知機能推定方法、認知機能推定プログラムおよび認知機能推定システム

(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】P2025006955

(43)【公開日】2025-01-17

(54)【発明の名称】認知機能推定装置、認知機能推定方法、認知機能推定プログラムおよび認知機能推定システム

(51)【国際特許分類】

   A61B 10/00 20060101AFI20250109BHJP

   A61B 5/11 20060101ALI20250109BHJP

   G06Q 50/22 20240101ALI20250109BHJP

【ＦＩ】

A61B10/00 H

A61B5/11 230

G06Q50/22

【審査請求】未請求

【請求項の数】7

【出願形態】ＯＬ

(21)【出願番号】P 2023108027

(22)【出願日】2023-06-30

(71)【出願人】

【識別番号】523250326

【氏名又は名称】磐井ＡＩ株式会社

(74)【代理人】

【識別番号】110001416

【氏名又は名称】弁理士法人信栄事務所

(72)【発明者】

【氏名】鈴木 明宏

【テーマコード（参考）】

4C038

5L099

【Ｆターム（参考）】

4C038VA12

4C038VA18

4C038VB14

5L099AA11

(57)【要約】

【課題】簡易かつ精度よく被験者の認知機能を推定できる認知機能推定装置を提供する。
【解決手段】認知機能推定装置は、歩行情報取得部と、推定パラメータ算出部と、判定部と、を備え、前記歩行情報取得部は、被験者の足に取り付けられた慣性センサによって得られる歩行情報を取得するように構成され、前記歩行情報は、歩行中の前記被験者の足の加速度に関する情報および角速度に関する情報の少なくとも一方を含み、前記推定パラメータ算出部は、前記歩行情報に基づいて認知機能推定パラメータを算出するように構成され、前記判定部は、前記認知機能推定パラメータに基づいて、前記被験者の軽度認知障害（ＭＣＩ）の有無を判定するように構成される。
【選択図】図１

【特許請求の範囲】

【請求項1】

歩行情報取得部と、推定パラメータ算出部と、判定部と、を備える認知機能推定装置であって、
前記歩行情報取得部は、被験者の足に取り付けられた慣性センサによって得られる歩行情報を取得するように構成され、
前記歩行情報は、歩行中の前記被験者の足の加速度に関する情報および角速度に関する情報の少なくとも一方を含み、
前記推定パラメータ算出部は、前記歩行情報に基づいて認知機能推定パラメータを算出するように構成され、
前記判定部は、前記認知機能推定パラメータに基づいて、前記被験者の軽度認知障害（ＭＣＩ）の有無を判定するように構成される、
認知機能推定装置。

【請求項2】

前記推定パラメータ算出部は、前記認知機能推定パラメータとして、前記歩行情報に基づき最大遊脚速度、離床角度、一歩の最大踵高さおよび一歩の最大爪先高さからなる群から選択される少なくとも一つを算出するように構成され、
前記判定部は、前記最大遊脚速度、前記離床角度、前記一歩の最大踵高さおよび前記一歩の最大爪先高さからなる群から選択される少なくとも一つを含む前記認知機能推定パラメータに基づいて、前記被験者の軽度認知障害（ＭＣＩ）の有無を判定するように構成される、
請求項１に記載の認知機能推定装置。

【請求項3】

さらに、認知機能推定部を備え、
前記認知機能推定部は、軽度認知障害（ＭＣＩ）があると判定された被験者について、前記認知機能推定パラメータに基づいて、前記被験者の認知機能レベルを推定する、請求項１または２に記載の認知機能推定装置。

【請求項4】

前記歩行情報は、前記被験者の腰に取り付けられた慣性センサによって計測される、前記被験者の腰の加速度に関する情報および角速度に関する情報の少なくとも一方をさらに含む、請求項１または２に記載の認知機能推定装置。

【請求項5】

歩行情報取得工程と、推定パラメータ算出工程と、判定工程と、を有する認知機能推定方法であって、
前記歩行情報取得工程は、被験者の足に取り付けられた慣性センサによって計測される歩行情報を取得し、
前記歩行情報は、歩行中の前記被験者の足の加速度に関する情報および角速度に関する情報の少なくとも一方を含み、
前記推定パラメータ算出工程は、前記歩行情報に基づいて認知機能推定パラメータを算出し、
前記判定工程は、前記認知機能推定パラメータに基づいて、前記被験者の軽度認知障害（ＭＣＩ）の有無を判定する、
認知機能推定方法。

【請求項6】

コンピュータに、歩行情報取得手順と、推定パラメータ算出手順と、判定手順とを実行させるための認知機能推定プログラムであって、
前記歩行情報取得手順は、被験者の足に取り付けられた慣性センサによって得られる歩行情報を取得し、
前記歩行情報は、歩行中の前記被験者の足の加速度に関する情報および角速度に関する情報の少なくとも一方を含み、
前記推定パラメータ算出手順は、前記歩行情報に基づいて認知機能推定パラメータを算出し、
前記判定手順は、前記認知機能推定パラメータに基づいて、前記被験者の軽度認知障害（ＭＣＩ）の有無を判定する、
認知機能推定プログラム。

【請求項7】

請求項１または２に記載の認知機能推定装置と、測定デバイスとを備える認知機能推定システムであって、
前記測定デバイスは、慣性センサと、通信部とを備え、
前記通信部は、前記認知機能推定装置と通信可能であり、前記歩行情報を前記認知機能推定装置に送信可能である、
認知機能推定システム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、認知機能推定装置、認知機能推定方法、認知機能推定プログラムおよび認知機能推定システムに関する。

【背景技術】

【0002】

被験者が認知症であるか否かの判定を簡易に行う方法が検討されている。特許文献１は、腰の加速度情報に基づく歩行データを利用して被験者が認知症か否かを判定する認知症判定プログラムを開示している。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０２１－８７５０３号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

軽度認知障害（ＭＣＩ）は、認知症には至っていないが記憶力や注意力等の認知機能に低下がみられる状態であり、いわば正常な状態と認知症の中間の状態に該当する。ＭＣＩの段階で適切な対処を行った場合、認知症に至ってから治療する場合と比べて回復する割合が高いことが知られている。したがって、ＭＣＩの段階で症状を発見することが重要である。しかしながら、ＭＣＩの段階で病院での検査を受けることは検査対象者の負担が大きい等の理由で難しい。また、従来の簡易な認知症の推定方法は、推定の精度が高くない。

【0005】

本発明は、簡易かつ精度よく被験者の認知機能を推定できる認知機能推定装置、認知機能推定方法、認知機能推定プログラムおよび認知機能推定システム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】

本発明に係る認知機能推定装置は、歩行情報取得部と、推定パラメータ算出部と、判定部と、を備え、
前記歩行情報取得部は、被験者の足に取り付けられた慣性センサによって得られる歩行情報を取得するように構成され、
前記歩行情報は、歩行中の前記被験者の足の加速度に関する情報および角速度に関する情報の少なくとも一方を含み、
前記推定パラメータ算出部は、前記歩行情報に基づいて認知機能推定パラメータを算出するように構成され、
前記判定部は、前記認知機能推定パラメータに基づいて、前記被験者の軽度認知障害（ＭＣＩ）の有無を判定するように構成される。

【0007】

本発明に係る認知機能推定方法は、歩行情報取得工程と、推定パラメータ算出工程と、判定工程と、を有する認知機能推定方法であって、
前記歩行情報取得工程は、被験者の足に取り付けられた慣性センサによって計測される歩行情報を取得し、
前記歩行情報は、歩行中の前記被験者の足の加速度に関する情報および角速度に関する情報の少なくとも一方を含み、
前記推定パラメータ算出工程は、前記歩行情報に基づいて認知機能推定パラメータを算出し、
前記判定工程は、前記認知機能推定パラメータに基づいて、前記被験者の軽度認知障害（ＭＣＩ）の有無を判定する。

【0008】

本発明に係る認知機能推定プログラムは、コンピュータに、歩行情報取得手順と、推定パラメータ算出手順と、判定手順とを実行させるための認知機能推定プログラムであって、
前記歩行情報取得手順は、被験者の足に取り付けられた慣性センサによって得られる歩行情報を取得し、
前記歩行情報は、歩行中の前記被験者の足の加速度に関する情報および角速度に関する情報の少なくとも一方を含み、
前記推定パラメータ算出手順は、前記歩行情報に基づいて認知機能推定パラメータを算出し、
前記判定手順は、前記認知機能推定パラメータに基づいて、前記被験者の軽度認知障害（ＭＣＩ）の有無を判定する。

【0009】

本発明に係る認知機能推定システムは、本発明に係る認知機能推定装置と、測定デバイスとを備える認知機能推定システムであって、
前記測定デバイスは、慣性センサと、通信部とを備え、
前記通信部は、前記認知機能推定装置と通信可能であり、前記歩行情報を前記認知機能推定装置に送信可能である。

【発明の効果】

【0010】

本発明によれば、簡易かつ精度よく被験者の認知機能を推定できる認知機能推定装置、認知機能推定方法、認知機能推定プログラムおよび認知機能推定システムを提供できる。

【図面の簡単な説明】

【0011】

【図1】図１は、本発明の一実施形態に係る認知機能推定システムの構成を示すブロック図である。

【図2】図２は、本発明の一実施形態に係る認知機能推定装置の構成を示すブロック図である。

【図3】図３は、測定デバイスの構成の一例を示すブロック図である。

【図4】図４は、測定デバイスが取り付けられた歩行中の被験者を示す図である。

【図5】図５は、図４の一部拡大図であり、測定デバイスの取り付けの態様の一例を示す図である。

【図6】図６は、本発明の一実施形態に係る認知機能推定装置における処理の一例を示すフローチャートである。

【図7】図７は、本発明の別の実施形態に係る認知機能推定装置の構成の一例を示すブロック図である。

【図8】図８は、本発明の別の実施形態に係る認知機能推定装置における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】

【0012】

以下、図面を参照しつつ本発明の実施形態について説明する。ただし、本発明はこれらの実施形態に限定されるものではない。

【0013】

［実施形態１］
図１は、本発明の一実施形態に係る認知機能推定システム１００を示すブロック図である。本発明の一実施形態に係る認知機能推定システム１００は、認知機能推定装置１（以下、推定装置１と呼ぶ）と、測定デバイス２とを備える。推定装置１は、歩行情報取得部１１と、推定パラメータ算出部１２と、判定部１３と、出力部１４とを備える。測定デバイス２は、慣性センサ２１と、通信部２２とを備える。図１に示すように、測定デバイス２の通信部２２は、例えば、通信回線網３を介して推定装置１と通信可能である。ただし推定装置１と測定デバイス２との通信はこの態様に限定されず、例えば、ケーブルを利用した有線接続でもよいし、無線通信による無線接続でもよい。これにより、通信部２２は、後述する歩行情報を推定装置１に送信可能となっている。認知機能推定システム１００は、例えば、複数の測定デバイス２を備えてもよい。無線接続は、例えば、Ｗｉ－Ｆｉ（登録商標）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、ＬＰＷＡ（Low Power Wide Area）等が挙げられる。無線通信としては、各装置が直接通信する形態（Ａｄ Ｈｏｃ通信）、アクセスポイントを介した間接通信のいずれも用いることができる。本実施形態の推定装置１は、システムとしてサーバに組み込まれていてもよい。また、本実施形態の推定装置１は、本発明のプログラムがインストールされたパーソナルコンピュータ（ＰＣ）、タブレット端末等であってもよい。また、図示していないが、推定装置１は、例えば、通信回線網３を介して、システム管理者の外部端末とも接続可能であり、システム管理者は、外部端末から推定装置１の管理を実施してもよい。

【0014】

通信回線網３は、特に制限されず、公知のネットワークを使用でき、例えば、有線でもよいし、無線でもよい。通信回線網３は、例えば、インターネット回線、ＷＷＷ（World Wide Web）、電話回線、ＬＡＮ（Local Area Network）、Ｗｉ－Ｆｉ、ＬＰＷＡ（Low Power Wide Area）等であってもよい。

【0015】

図２は、本実施形態に係る推定装置１のハードウェア構成のブロック図である。推定装置１は、例えば、ＣＰＵ（中央処理装置）１０１、メモリ１０２、バス１０３、記憶装置１０４、入力装置１０６、ディスプレイ１０７、通信デバイス１０８等を備える。推定装置１の各部は、それぞれのインタフェース（Ｉ／Ｆ）により、バス１０３を介して接続されている。

【0016】

ＣＰＵ１０１は、例えばコントローラ（システムコントローラ、Ｉ／Ｏコントローラ等）等により他の構成と連携動作し、推定装置１の全体の制御を担う。推定装置１において、ＣＰＵ１０１により、例えば、本発明のプログラム１０５やその他のプログラムが実行され、また、各種情報の読み込みや書き込みが行われる。具体的には、例えば、ＣＰＵ１０１が、歩行情報取得部１１、推定パラメータ算出部１２、判定部１３、および出力部１４として機能する。推定装置１は、演算装置としてＣＰＵを備えるが、ＣＰＵの代わりにＧＰＵ（Graphics Processing Unit）、ＡＰＵ（Accelerated Processing Unit）等の他の演算装置を備えてもよいし、ＣＰＵとこれらとの組合せを備えてもよい。

【0017】

メモリ１０２は、例えば、メインメモリを含む。メインメモリは、主記憶装置ともいう。ＣＰＵ１０１が処理を行う際には、例えば、後述する記憶装置１０４（補助記憶装置）に記憶されている本発明のプログラム１０５等の種々の動作プログラムを、メモリ１０２が読み込む。そして、ＣＰＵ１０１は、メモリ１０２からデータを読み出し、解読し、プログラムを実行する。メインメモリは、例えば、ＲＡＭ（ランダムアクセスメモリ）である。メモリ１０２は、例えば、さらに、ＲＯＭ（読み出し専用メモリ）を含む。

【0018】

バス１０３は、例えば、外部機器とも接続できる。外部機器の例としては、外部記憶装置（外部データベース等）、プリンタ等があげられる。推定装置１は、例えば、バス１０３に接続された通信デバイス１０８により、通信回線網３に接続でき、通信回線網３を介して、外部機器と接続することもできる。また、推定装置１は、通信デバイス１０８および通信回線網３を介して、測定デバイス２にも接続できる。

【0019】

記憶装置１０４は、例えば、メインメモリ（主記憶装置）に対して、いわゆる補助記憶装置ともいう。前述のように、記憶装置１０４には、本発明のプログラム１０５を含む動作プログラムが格納されている。記憶装置１０４は、例えば、記憶媒体と、記憶媒体に読み書きするドライブとを含む。記憶媒体は、特に制限されず、例えば、内蔵型でも外付け型でもよく、ＨＤ（ハードディスク）、ＳＳＤ、ＦＤ（フロッピー（登録商標）ディスク）、ＣＤ－ＲＯＭ、ＣＤ－Ｒ、ＣＤ－ＲＷ、ＭＯ、ＤＶＤ、フラッシュメモリー、メモリーカード等であってもよい。ドライブは、特に制限されない。記憶装置１０４は、例えば、記憶媒体とドライブとが一体化されたハードディスクドライブ（ＨＤＤ）であってもよい。推定装置１が、例えば記憶部を含む場合、記憶装置１０４は記憶部として機能する。

【0020】

推定装置１は、例えば、さらに入力装置１０６と、ディスプレイ１０７とを備える。入力装置１０６は、例えば、タッチパネル、トラックパッド、マウス等のポインティングデバイス；キーボード；カメラ、スキャナ等の撮像手段；ＩＣカードリーダ、磁気カードリーダ等のカードリーダ；マイク等の音声入力手段；等であってもよい。ディスプレイ１０７は、例えば、ＬＥＤディスプレイ、液晶ディスプレイ等の表示装置であってもよい。本実施形態１において、入力装置１０６とディスプレイ１０７とは別個に構成されているが、タッチパネルディスプレイのように入力装置１０６とディスプレイ１０７とが一体として構成されてもよい。

【0021】

推定装置１において、メモリ１０２および記憶装置１０４は、ユーザからのアクセス情報およびログ情報、ならびに、外部データベース（図示せず）から取得した情報を記憶することも可能である。

【0022】

図３は、測定デバイス２のハードウェア構成の一例を示すブロック図である。図３に示すように、測定デバイス２は、例えば、ＣＰＵ２０１、メモリ２０２、バス２０３、記憶装置２０４、入力装置２０６、通信デバイス（通信部２２）、ディスプレイ２０７、慣性センサ２１等を備える。測定デバイス２の各部は、それぞれのインタフェース（Ｉ／Ｆ）により、バス２０３を介して接続されている。測定デバイス２において、慣性センサ２１以外の各構成の説明は、推定装置１の各構成の説明を援用できる。

【0023】

慣性センサ２１は、加速度、角速度またはその両方を測定可能なセンサである。慣性センサ２１は、例えば３軸の加速度および３軸の角速度を測定可能な６軸センサである。測定デバイス２は、被験者の足に取り付けられ、慣性センサ２１により被験者の足の加速度、角速度またはその両方を測定できるように構成されている。

【0024】

次に、本実施形態に係る認知機能推定システムによって認知機能を推定する処理の一例について説明する。

【0025】

図４は、本実施形態によって認知機能を推定する対象となる被験者Ｓを示す図である。まず、測定デバイス２が被験者Ｓの足に取り付けられる。測定デバイス２は被験者Ｓの足に直接貼り付けてもよいし、靴や靴下、タイツなどを挟んで間接的に取り付けてもよい。測定デバイス２が取り付けられる具体的な箇所は特に限定されず、被験者Ｓの足の甲、爪先、踵、側部、足の裏などに取り付けられうる。歩行時の衝撃等による測定データの乱れを少なくする観点から、足の甲または側部に測定デバイス２を取り付けることが好ましい。図５は図４の破線Ｖで囲まれた領域の拡大図であり、測定デバイス２の取り付けの態様の一例を示す図である。図５に示す態様では、被験者Ｓの靴３０のひもの足の甲に相当する位置に測定デバイス２が取り付けられている。

【0026】

測定デバイス２は、被験者の足に加えて被験者の腰にも取り付けられていることが好ましい。被験者の腰の動きから得られる歩行情報を併せて利用することで、認知機能の推定の精度がさらに向上する。

【0027】

測定デバイス２は、被験者の歩行情報を測定する。ここでの「歩行情報」とは被験者の歩行の状態を表す情報であり、具体的には慣性センサ２１によって測定される歩行時の被験者の体の一部の加速度に関する情報または角速度に関する情報である。本実施形態において、歩行情報は歩行中の被験者の足の加速度に関する情報および角速度に関する情報の少なくとも一方を含む。歩行情報は、被験者の腰の加速度または角速度に関する情報をさらに含んでもよい。

【0028】

測定デバイス２は、通信部２２により、通信回線網３を介して測定した歩行情報を推定装置１に送信する。このとき測定デバイス２は慣性センサ２１が測定した被験者の足の加速度または角速度のデータをそのまま歩行情報として推定装置１に送信してもよいし、後述する認知機能推定パラメータの算出に必要なデータを抽出、あるいは演算により算出して、当該データを歩行情報として推定装置１に送信してもよい。また、後述する認知機能推定パラメータの一部または全部を測定デバイス２において算出し、算出した認知機能推定パラメータを歩行情報として推定装置１に送信してもよい。

【0029】

次に、推定装置１による処理を開始する。図６は、推定装置１における処理の一例を示すフローチャートである。まず、推定装置１の歩行情報取得部１１により、被験者の歩行情報を取得する（Ｓ１、歩行情報取得工程）。具体的には、歩行情報取得部１１は、通信回線網３を介して測定デバイス２から送信された歩行情報を、通信デバイス１０８により取得する。また、推定装置１が記憶部を備える場合、推定装置１は取得した歩行情報を記憶部に記憶してもよい。推定装置１の記憶部が歩行情報を記憶している場合、歩行情報取得部１１は、記憶部に記憶されている歩行情報を読み出し、被験者の歩行情報を取得してもよい。また、例えば測定デバイス２により測定された歩行情報がシステム外のデータベースに記憶されている場合、歩行情報取得部１１は当該データベースから被験者の歩行情報を取得してもよい。

【0030】

次に、取得した歩行情報に基づいて、推定パラメータ算出部１２により認知機能推定パラメータを算出する（Ｓ２、推定パラメータ算出工程）。認知機能推定パラメータは、被験者の認知機能を推定するための各種パラメータである。なお、測定デバイス２において認知機能推定パラメータが算出され当該認知機能推定パラメータが歩行情報として推定装置１に送信されている場合には、推定パラメータ算出部は、演算処理を行うことなく歩行情報をそのまま認知機能推定パラメータとして算出してもよい。

【0031】

認知機能推定パラメータの例としては、被験者の歩行時の歩調、立脚時間、接地時間／立脚時間、踵上げ時間／立脚時間、歩行速度、最大遊脚速度、離床角度、１歩の足軌道長、１歩の最大踵高さ、１歩の最大爪先高さ、歩幅、角速度波形類似度、加速度波形類似度が挙げられる。特に、ＭＣＩの状態にある者の場合、足が高く上がらず地面を擦るように歩く、いわゆる「すり足」の状態になる傾向がある。「すり足」の状態は、最大遊脚速度、離床角度、１歩の最大踵高さ、１歩の最大爪先高さ等のパラメータに顕著に反映される。したがって推定パラメータ算出部は、認知機能推定パラメータとして、「すり足」の状態が反映されやすいパラメータである最大遊脚速度、離床角度、一歩の最大踵高さおよび一歩の最大爪先高さの少なくとも一つを算出するように構成されていることが好ましい。このような構成とすることで、認知機能の判定の精度がさらに向上する。

【0032】

以下、認知機能推定パラメータの詳細について説明する。以下の説明において、ｘ軸は被験者の歩行時の進行方向（前後方向）、ｙ軸は左右方向、ｚ軸は高さ方向（上下方向）を意味する。ｘ軸、ｙ軸およびｚ軸は図４にも示されている。

【0033】

歩調は、単位時間あたりのステップ数である。一方の足が接地してから再び離地するまでを１ステップとして数える。

【0034】

立脚時間は、１ステップのうち立脚期にある状態の時間である。立脚期とは一方の足が接地している状態で他方の足が離地してから、他方の足が再び接地するまでの期間を意味する。

【0035】

接地時間は、足が接地してから再び離地するまでの時間であり、１ステップあたりの時間と言い換えることができる。

【0036】

踵上げ時間は、足全体が接地している状態において踵が離地してから、足全体が離地するまでの時間である。言い換えると、爪先は接地しているが踵は離地している状態にある時間である。

【0037】

最大遊脚速度は、足が離地してから再び接地するまでの期間（遊脚期）におけるｘ軸方向の足の最大速度である。

【0038】

離床角度は、足が離地する段階において、爪先が離地する瞬間における足と地面とがなす角度である。

【0039】

１歩の足軌道長は、足が離地してから再び接地するまでに足が描く軌道の長さであり、一方向の射影ではなく３次元空間上において計測される値である。１歩の最大踵高さとは、足が離地してから再び接地するまでに踵が達する最大の高さである。１歩の最大爪先高さとは、足が離地してから再び接地するまでに爪先が達する最大の高さである。

【0040】

波形類似度は、ある軸の加速度または角速度について一歩ごとに波形を切り取って複数の波形を重ね合わせたときに、それらの波形がどの程度類似しているかを示す指標である。本明細書では例えばｘ軸方向の加速度波形類似度を「ｘ軸加速度波形類似度」、ｙ軸方向の角速度波形類似度を「ｙ軸角速度波形類似度」のように表記する。

【0041】

波形類似度は例えば以下の手順により算出される。まず波形のオフセット成分を除去し、ピーク値によって１歩（ストライド）ごとの波形Ｗｊを特定する。次に、１歩ごとの波形が１００点で構成されるように線形補間し、Ｗｊ（ｓ）を得る（ｓは１以上１００以下の整数）。次に、下記式（ｉ）のように各ストライドＷｊ（ｓ）の平均をとりＷｍｅａｎ（ｓ）を得る。最後に各ストライドＷｊとＷｍｅａｎとの類似度γｊを下記式（ｉｉ）により算出し、類似度γｊの平均値を波形類似度とする。

【0042】

【数1】

【0043】

上述した認知機能推定パラメータのうち、立脚時間、接地時間、踵上げ時間、最大遊脚速度、離床角度、１歩の最大踵高さおよび１歩の最大爪先高さは、腰に取り付けた慣性センサによって測定された歩行情報のみから得ることはできず、足に取り付けた慣性センサによって測定された歩行情報を用いることで得られるパラメータである。

【0044】

次に、推定装置１の判定部１３により、認知機能推定パラメータに基づいて、被験者のＭＣＩの有無を判定する（Ｓ３、判定工程）。

【0045】

判定部１３は、例えば、歩調、立脚時間、接地時間／立脚時間、踵上げ時間／立脚時間、歩行速度、最大遊脚速度、離床角度、１歩の足軌道長、１歩の最大踵高さ、１歩の最大爪先高さ、歩幅、角速度波形類似度、加速度波形類似度などの認知機能推定パラメータに基づいて、以下の式（１）により被験者がＭＣＩであるか否かの判定を行う。式（１）においてｘ_１～ｘ_ｎは認知機能推定パラメータであり、α_１～α_ｎおよびβは係数であり、ｐは確率である。α_１～α_ｎおよびβの係数は、例えば後述する実施例のように二項ロジスティック回帰分析を行うことにより決定できる。ＭＣＩであるか否かの判定にあたっては、例えば算出した認知機能推定パラメータを式（１）に代入して確率ｐを求め、ｐが０．５以上であればＭＣＩであると判定し、ｐが０．５未満であればＭＣＩでないと判定する。

【0046】

【数2】

【0047】

次に、出力部１４は、判定部１３による判定の結果を出力する（Ｓ４、出力工程）。出力部１４は、例えば判定結果をディスプレイ１０７に出力してもよいし、通信デバイス１０８を介して、外部の装置に出力してもよい。外部の装置は、例えば、プリンタなどの印刷機、タブレット端末などの携帯端末、および測定デバイス２等であってもよい。そして、推定装置１による処理を終了する。

【0048】

出力部１４が測定デバイス２に判定結果を出力する場合、測定デバイス２のディスプレイ２０７は、判定結果を表示可能であってもよい。

【0049】

本実施形態によれば、被験者の足の加速度または角速度に関する情報を含む歩行情報を用いて認知機能を推定するため、被験者がＭＣＩであるか否かを精度よく推定できる。

【0050】

［実施形態２］
次に、本発明の別実施形態について説明する。図７は、本実施形態の推定装置１Ａの一例の構成を示すブロック図である。図７に示すように、推定装置１Ａは、上述した推定装置１の構成に加えて、さらに、認知機能推定部１５を備える。推定装置１Ａのハードウェア構成は、ＣＰＵ１０１が図７の推定装置１Ａの構成を備える以外は、図２の推定装置１と同様である。

【0051】

本実施形態の推定装置１Ａ、および測定デバイス２を含む推定システムにおける処理の一例を、図８のフローチャートに基づいて説明する。図８は、推定装置１Ａの処理（Ｓ１～Ｓ３、Ｓ１１、Ｓ４）の一例を示すフローチャートである。本態様による認知機能を推定する処理の一例について以下で説明する。

【0052】

まず、歩行情報取得工程Ｓ１、推定パラメータ算出工程Ｓ２、判定工程Ｓ３については上述の推定装置１による処理と同様にして、被験者がＭＣＩであるか否かを判定する。

【0053】

判定工程Ｓ３においてＭＣＩであると判定した場合（Ｓ３においてＹＥＳ）、推定装置１Ａの認知機能推定部１５は、被験者の認知機能レベルを推定する（Ｓ１１、認知機能推定工程）。

【0054】

認知機能推定部１５による被験者の認知機能レベルの推定は、例えば事前に決定した回帰式を用いて推定することができる。認知機能レベルは、例えば改定長谷川式簡易知能評価スケール（ＨＤＳ－Ｒスコア）や、ミニメンタルステート検査（ＭＭＳＥ）に基づいて推定することができる。例えばＨＤＳ－Ｒスコアに基づく場合、まず複数の被験者のＨＤＳ－Ｒスコア、および歩行情報から得られる認知機能推定パラメータを測定する。次にＨＤＳ－Ｒスコアを従属変数とし、認知機能推定パラメータを独立変数として重回帰分析を行い、ＨＤＳ－Ｒスコアを推定する回帰式（２）における係数α１’～αｎ’およびβ’を決定する。このようにして得られる回帰式（２）に被験者の認知機能推定パラメータを代入することで、当該被験者の認知機能レベル（推定されるＨＤＳ－Ｒスコア）を算出できる。

【0055】

【数3】

【0056】

そして、推定装置１Ａの出力部１４は、判定工程Ｓ３における判定の結果および認知機能推定工程Ｓ１１で算出した認知機能レベルの少なくとも一方を出力する（Ｓ４、出力工程）。出力部１４は、例えば、ＭＣＩであると判定された被験者について、判定結果および認知機能レベルを出力し、ＭＣＩでないと判定された被験者（判定工程Ｓ３においてＮＯ）については、判定結果を出力する。そして、推定装置１Ａによる処理を終了する。

【0057】

本実施形態によれば、被験者がＭＣＩであるか否かの判定に加えてさらに認知機能レベルを推定することで、被験者の認知機能をより詳細に推定することができる。

【0058】

［実施形態３］
本発明のさらに別の実施形態は、認知機能推定方法に関する。本実施形態に係る認知機能推定方法は、図６のフローチャートに示される歩行情報取得工程Ｓ１と、推定パラメータ算出工程Ｓ２と、判定工程Ｓ３と、を有する認知機能推定方法である。認知機能推定方法は、さらに出力工程Ｓ４を有してもよい。

【0059】

歩行情報取得工程Ｓ１は、被験者の足に取り付けられた慣性センサ２１によって計測される歩行情報を取得する工程である。歩行情報は、歩行中の被験者の足の加速度に関する情報および角速度に関する情報の少なくとも一方を含む。推定パラメータ算出工程Ｓ２は、歩行情報に基づいて認知機能推定パラメータを算出する工程である。判定工程Ｓ３は、認知機能推定パラメータに基づいて、被験者の軽度認知障害（ＭＣＩ）の有無を判定する工程である。出力工程Ｓ４は、判定工程Ｓ３における判定の結果を出力する工程である。

【0060】

図８のフローチャートに示されるように、本実施形態に係る認知機能推定方法は、判定工程Ｓ３においてＭＣＩであると判定された被験者の認知機能レベルを推定する認知機能推定工程Ｓ１１を有していてもよい。

【0061】

本実施形態に係る認知機能推定方法によれば、簡易かつ精度よく被験者の認知機能を推定できる。本実施形態に係る認知機能推定方法の各工程の具体的な態様および好ましい構成については上述した実施形態１および実施形態２の記載を援用し、ここでは省略する。

【0062】

［実施形態４］
本発明のさらに別の実施形態は、認知機能推定プログラムに関する。本実施形態に係る認知機能推定プログラムは、コンピュータに、歩行情報取得手順と、推定パラメータ算出手順と、判定手順とを実行させるための認知機能推定プログラムである。認知機能推定プログラムは、コンピュータにさらに出力手順を実行させるものであってもよい。

【0063】

歩行情報取得手順は、被験者の足に取り付けられた慣性センサによって得られる歩行情報を取得する手順である。歩行情報は、歩行中の被験者の足の加速度に関する情報および角速度に関する情報の少なくとも一方を含む。推定パラメータ算出手順は、歩行情報に基づいて認知機能推定パラメータを算出する手順である。判定手順は、認知機能推定パラメータに基づいて、被験者の軽度認知障害（ＭＣＩ）の有無を判定する手順である。

【0064】

本実施形態に係る認知機能推定プログラムは、判定手順においてＭＣＩであると判定された被験者の認知機能レベルを推定する認知機能推定手順をコンピュータにさらに実行させるものであってもよい。

【0065】

本実施形態に係る認知機能推定プログラムによれば、簡易かつ精度よく被験者の認知機能を推定できる。本実施形態に係る認知機能推定プログラムの歩行情報取得手順、推定パラメータ算出手順、判定手順、出力手順、および認知機能推定手順は、それぞれ上述した実施形態１および実施形態２における歩行情報取得工程Ｓ１、推定パラメータ算出工程Ｓ２、判定工程Ｓ３、出力工程Ｓ４、認知機能推定工程Ｓ１１に対応するものである。各手順の具体的な態様および好ましい構成については上述した実施形態１および実施形態２の記載を援用し、ここでは省略する。また、本実施形態に係る認知機能推定プログラムは、コンピュータ読み取り可能な記録媒体に記録されてもよい。記録媒体は、例えば、非一時的なコンピュータ可読記録媒体（non-transitory computer-readable storage medium）である。記録媒体は、特に制限されず、ランダムアクセスメモリ（ＲＡＭ）、読み出し専用メモリ（ＲＯＭ）、ハードディスク（ＨＤ）、ＳＳＤ、光ディスク、フロッピー（登録商標）ディスク（ＦＤ）等が例示できる。

【実施例0066】

以下、実施例を参照して本発明をさらに説明するが、本発明はこれらの実施例に限定されるものではない。

【0067】

［実施例１］
（１）被験者
被験者は、平均年齢７４歳（６５～８９歳）の高齢者３８名（男性２３名、女性１５名）とした。被験者には、研究の趣旨および目的、結果の取り扱いについて説明を行い、インフォームド・コンセントを得た上で調査した。なお、本実施例の試験は、一関工業高等専門学校倫理委員会の承認を受けて実施した。

【0068】

（２）歩行情報の測定および認知機能推定パラメータの算出
３軸加速度および３軸角速度を測定可能な６軸の慣性センサを有する測定デバイスを、被験者の靴のひも（足の甲に相当する位置）および腰にクリップで取り付けた。各被験者には通常通り歩行するように指示した。また、歩行距離は１０ｍとし、各被験者について、各２回測定した。そして、得られた歩行情報に基づき、認知機能推定パラメータとして、歩調、立脚時間、接地時間／立脚時間、踵上げ時間／立脚時間、歩行速度、最大遊脚速度、離床角度、１歩の足軌道長、１歩の最大踵高さ、１歩の最大爪先高さ、歩幅、ｙ軸角速度波形類似度（腰部）、ｘ軸加速度波形類似度（腰部）を算出した。

【0069】

（３）認知機能レベルの測定
各被験者について、認知度のスクリーニング検査であるミニメンタルステート検査（ＭＭＳＥ）を用いて、認知機能レベルを測定した。ＭＭＳＥは時間の見当識、場所の見当識、３単語の即時再生と遅延再生、計算、物品呼称、文章復唱、３段階の口頭命令、書字命令、文章書字、図形模写の計１１項目から構成される、３０点満点の認知機能検査である。ＭＭＳＥの評価基準では、２３点以下は認知症が疑われ、２７点以下は軽度認知障害（ＭＣＩ）が疑われる。本実施例においては、２７点以下の被験者を軽度認知障害（ＭＣＩ）、３０点の被験者を健常者（Ｎｏｒｍａｌ）とした。なお、ＭＭＳＥの得点が２８点または２９点の者はいなかった。また、ＭＣＩとされた被験者の得点はいずれも２５～２７点の範囲内であり、認知症が疑われる２３点以下の被験者はいなかった。

【0070】

（４）分析
まず、各被験者の認知機能推定パラメータを独立変数、ＭＣＩであるか否かを従属変数とし、二項ロジスティック回帰分析を行った。回帰分析の結果、下記の回帰式（３）が得られた。

【0071】

【数4】

【0072】

式（３）の適合性を検証するため、Hosmer-Lemeshow testを行ったところ、ｐ値が０．８９０であった。ｐ値が０．０５以上であると適合していると言えるため、式（３）はよく適合していると言える。

【0073】

式（３）の判定精度を確かめるため、各被験者の認知機能推定パラメータを基に認知機能の推定を行った。結果を表１に示す。表１に示すように、式（３）の的中精度は８４．２％であり、式（３）の推定精度が非常に高いことがわかった。

【0074】

【表1】

【0075】

［比較例１］
実施例１における被験者３８人に関する認知機能推定パラメータのうち、歩調、歩行速度、波形類似度、および歩幅のみを用いて、実施例１と同様に二項ロジスティック回帰分析を行った。歩調、歩行速度、波形類似度および歩幅は、いずれも腰に取り付けた慣性センサから得られる情報のみから算出可能なパラメータである。これにより、下記の回帰式（４）を得た。

【0076】

【数5】

【0077】

式（４）を用いて、実施例１と同様に各被験者の認知機能推定パラメータを基に認知機能の推定を行った。結果を表２に示す。表２に示すように、式（４）の的中精度は７１．１％であった。

【0078】

【表2】

【0079】

実施例１および比較例１の結果から、足に取り付けた慣性センサから得られる情報を用いて算出した推定パラメータを使用することで、的中精度が大きく向上することが分かった。特に、ＭＭＳＥによってＭＣＩであると判定された被験者１４名についての的中率は、比較例１では４２．９％であったのに対し実施例１では７８．６％となっており、大幅に向上した。ＭＣＩである被験者を正確に判定できると、ＭＣＩの被験者が認知症に至る前に適切な対処を行うよう促すことができるため、特に有益である。

【0080】

以上、具体的な実施形態および実施例を参照して本発明を説明したが、本発明はこれらの例示に限定されるものではなく、特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。

【0081】

上記の実施形態では認知機能推定パラメータの算出において二項ロジスティック回帰分析を行ったが、例えば歩行情報と認知機能レベルに基づいてディープラーニングを用いて認知機能推定パラメータを算出してもよい。上記の実施形態では認知機能推定パラメータとして歩調や歩行速度等の具体的な物理量を使用したが、認知機能推定パラメータは具体的な物理量である必要はなく、認知機能を推定するための任意のパラメータでありうる。

【0082】

上記の実施形態では慣性センサ２１が測定デバイス２に取り付けられ、通信部２２を通じて測定デバイス２から推定装置１に歩行情報が送られる構成であったが、推定装置１が慣性センサ２１を備えていてもよい。例えば、推定装置１は慣性センサを備えるスマートフォンであってもよい。

【符号の説明】

【0083】

１ 認知機能推定装置
２ 測定デバイス
３ 通信回線網
１１ 歩行情報取得部
１２ 推定パラメータ算出部
１３ 判定部
１４ 出力部
１５ 認知機能推定部
２１ 慣性センサ
２２ 通信部
３０ 靴
１００ 認知機能推定システム
１０１，２０１ ＣＰＵ
１０２，２０２ メモリ
１０３，２０３ バス
１０４，２０４ 記憶装置
１０５ プログラム
１０６，２０６ 入力装置
１０７，２０７ ディスプレイ
Ｓ 被験者

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】