2026-106943 | 知財ポータル「IP Force」

知財求人 - 知財ポータルサイト「IP Force」

弁理士法人ＩＴＯＨ (東京又は大阪)

2026-106943システム

書誌要約請求の範囲詳細な説明課題実施例実施するための形態図面の説明

目に優しい文字サイズ小中大 PDF Top

< >

1
2
3
4
5
6
7
8
9
10

(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】P2026106943

(43)【公開日】2026-06-30

(54)【発明の名称】システム

(51)【国際特許分類】

G16H 50/20 20180101AFI20260623BHJP

G16H 20/70 20180101ALI20260623BHJP

G16H 10/00 20180101ALI20260623BHJP

G16H 50/00 20180101ALI20260623BHJP

G16H 15/00 20180101ALI20260623BHJP

【ＦＩ】

G16H50/20

G16H20/70

G16H10/00

G16H50/00

G16H15/00

【審査請求】未請求

【請求項の数】9

【出願形態】ＯＬ

(21)【出願番号】P 2024222021

(22)【出願日】2024-12-18

(71)【出願人】

【識別番号】591280485

【氏名又は名称】ソフトバンクグループ株式会社

(74)【代理人】

【識別番号】110002147

【氏名又は名称】弁理士法人酒井国際特許事務所

(72)【発明者】

【氏名】久保木裕子

【テーマコード（参考）】

5L099

【Ｆターム（参考）】

5L099AA04

5L099AA15

5L099AA21

(57)【要約】

【課題】実施形態に係るシステムは、患者の症状や痛みの程度を正確に把握し、適切な改善策を提案することを目的とする。
【解決手段】実施形態に係るシステムは、解析部と、可視化部と、推測部と、提案部と、レポート生成部とを備える。解析部は、ユーザの言葉、表情、音声を解析する。可視化部は、解析部によって解析された情報に基づいてリアルタイムで痛み等の症状や程度を可視化する。推測部は、可視化部によって可視化された情報に基づいて病名や原因を推測する。提案部は、推測部によって推測された情報に基づいてパーソナライズされた改善策を提案する。レポート生成部は、提案部によって提案された情報に基づいて診療用レポートを生成する。
【選択図】図１

【特許請求の範囲】

【請求項1】

ユーザの言葉、表情、音声を解析する解析部と、
前記解析部によって解析された情報に基づいてリアルタイムで痛み等の症状や程度を可視化する可視化部と、
前記可視化部によって可視化された情報に基づいて病名や原因を推測する推測部と、
前記推測部によって推測された情報に基づいてパーソナライズされた改善策を提案する提案部と、
前記提案部によって提案された情報に基づいて診療用レポートを生成するレポート生成部と、を備える
ことを特徴とするシステム。

【請求項2】

定期オンライン面談や通院・服薬等のリマインダー機能を提供するリマインダー部を備える
ことを特徴とする請求項１に記載のシステム。

【請求項3】

継続的な自己学習を行う学習部を備える
ことを特徴とする請求項１に記載のシステム。

【請求項4】

最新の医療知識を更新する更新部を備える
ことを特徴とする請求項１に記載のシステム。

【請求項5】

前記解析部は、
ユーザの感情を推定し、推定したユーザの感情に基づいて解析の精度を調整する
ことを特徴とする請求項１に記載のシステム。

【請求項6】

前記解析部は、
解析時に、ユーザの過去の健康データを参照して解析の精度を向上させる
ことを特徴とする請求項１に記載のシステム。

【請求項7】

前記解析部は、
解析時に、ユーザの生活習慣や環境情報を考慮して解析を行う
ことを特徴とする請求項１に記載のシステム。

【請求項8】

前記解析部は、
ユーザの感情を推定し、推定したユーザの感情に基づいて解析結果の表示方法を調整する
ことを特徴とする請求項１に記載のシステム。

【請求項9】

前記解析部は、
解析時に、ユーザの地理的位置情報を考慮して解析を行う
ことを特徴とする請求項１に記載のシステム。

【発明の詳細な説明】

【技術分野】

【0001】

本開示の技術は、システムに関する。

【背景技術】

【0002】

特許文献１には、少なくとも一つのプロセッサにより遂行される、ペルソナチャットボット制御方法であって、ユーザ発話を受信するステップと、前記ユーザ発話を、チャットボットのキャラクターに関する説明と関連した指示文を含むプロンプトに追加するステップと前記プロンプトをエンコードするステップと、前記エンコードしたプロンプトを言語モデルに入力して、前記ユーザ発話に応答するチャットボット発話を生成するステップ、を含む、方法が開示されている。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０２２－１８０２８２号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

従来の技術では、患者の症状や痛みの程度を正確に把握し、適切な改善策を提案することが難しく、医療機関での診療時間が増加するおそれがある。

【0005】

実施形態に係るシステムは、患者の症状や痛みの程度を正確に把握し、適切な改善策を提案することを目的とする。

【課題を解決するための手段】

【0006】

実施形態に係るシステムは、解析部と、可視化部と、推測部と、提案部と、レポート生成部とを備える。解析部は、ユーザの言葉、表情、音声を解析する。可視化部は、解析部によって解析された情報に基づいてリアルタイムで痛み等の症状や程度を可視化する。推測部は、可視化部によって可視化された情報に基づいて病名や原因を推測する。提案部は、推測部によって推測された情報に基づいてパーソナライズされた改善策を提案する。レポート生成部は、提案部によって提案された情報に基づいて診療用レポートを生成する。

【発明の効果】

【0007】

実施形態に係るシステムは、患者の症状や痛みの程度を正確に把握し、適切な改善策を提案することができる。

【図面の簡単な説明】

【0008】

【図1】第１実施形態に係るデータ処理システムの構成の一例を示す概念図である。

【図2】第１実施形態に係るデータ処理装置およびスマートデバイスの要部機能の一例を示す概念図である。

【図3】第２実施形態に係るデータ処理システムの構成の一例を示す概念図である。

【図4】第２実施形態に係るデータ処理装置およびスマート眼鏡の要部機能の一例を示す概念図である。

【図5】第３実施形態に係るデータ処理システムの構成の一例を示す概念図である。

【図6】第３実施形態に係るデータ処理装置およびヘッドセット型端末の要部機能の一例を示す概念図である。

【図7】第４実施形態に係るデータ処理システムの構成の一例を示す概念図である。

【図8】第４実施形態に係るデータ処理装置およびロボットの要部機能の一例を示す概念図である。

【図9】複数の感情がマッピングされる感情マップを示す。

【図10】複数の感情がマッピングされる感情マップを示す。

【発明を実施するための形態】

【0009】

以下、添付図面に従って本開示の技術に係るシステムの実施形態の一例について説明する。

【0010】

先ず、以下の説明で使用される文言について説明する。

【0011】

以下の実施形態において、符号付きのプロセッサ（以下、単に「プロセッサ」と称する）は、１つの演算装置であってもよいし、複数の演算装置の組み合わせであってもよい。また、プロセッサは、１種類の演算装置であってもよいし、複数種類の演算装置の組み合わせであってもよい。演算装置の一例としては、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphics Processing Unit）、ＧＰＧＰＵ（General-Purpose computing on Graphics Processing Units）、ＡＰＵ（Accelerated Processing Unit）、またはＴＰＵ（Tensor Processing Unit）などが挙げられる。

【0012】

以下の実施形態において、符号付きのＲＡＭ（Random Access Memory）は、一時的に情報が格納されるメモリであり、プロセッサによってワークメモリとして用いられる。

【0013】

以下の実施形態において、符号付きのストレージは、各種プログラムおよび各種パラメータなどを記憶する１つまたは複数の不揮発性の記憶装置である。不揮発性の記憶装置の一例としては、フラッシュメモリ（ＳＳＤ（Solid State Drive））、磁気ディスク（例えば、ハードディスク）、または磁気テープなどが挙げられる。

【0014】

以下の実施形態において、符号付きの通信Ｉ／Ｆ（Interface）は、通信プロセッサおよびアンテナなどを含むインタフェースである。通信Ｉ／Ｆは、複数のコンピュータ間での通信を司る。通信Ｉ／Ｆに対して適用される通信規格の一例としては、５Ｇ（5th Generation Mobile Communication System）、Ｗｉ－Ｆｉ（登録商標）、またはＢｌｕｅｔｏｏｔｈ（登録商標）などを含む無線通信規格が挙げられる。

【0015】

以下の実施形態において、「Ａおよび／またはＢ」は、「ＡおよびＢのうちの少なくとも１つ」と同義である。つまり、「Ａおよび／またはＢ」は、Ａだけであってもよいし、Ｂだけであってもよいし、ＡおよびＢの組み合わせであってもよい、という意味である。また、本明細書において、３つ以上の事柄を「および／または」で結び付けて表現する場合も、「Ａおよび／またはＢ」と同様の考え方が適用される。

【0016】

［第１実施形態］
図１には、第１実施形態に係るデータ処理システム１０の構成の一例が示されている。

【0017】

図１に示すように、データ処理システム１０は、データ処理装置１２およびスマートデバイス１４を備えている。データ処理装置１２の一例としては、サーバが挙げられる。

【0018】

データ処理装置１２は、コンピュータ２２、データベース２４、および通信Ｉ／Ｆ２６を備えている。コンピュータ２２は、プロセッサ２８、ＲＡＭ３０、およびストレージ３２を備えている。プロセッサ２８、ＲＡＭ３０、およびストレージ３２は、バス３４に接続されている。また、データベース２４および通信Ｉ／Ｆ２６も、バス３４に接続されている。通信Ｉ／Ｆ２６は、ネットワーク５４に接続されている。ネットワーク５４の一例としては、ＷＡＮ（Wide Area Network）および／またはＬＡＮ（Local Area Network）などが挙げられる。

【0019】

スマートデバイス１４は、コンピュータ３６、受付装置３８、出力装置４０、カメラ４２、および通信Ｉ／Ｆ４４を備えている。コンピュータ３６は、プロセッサ４６、ＲＡＭ４８、およびストレージ５０を備えている。プロセッサ４６、ＲＡＭ４８、およびストレージ５０は、バス５２に接続されている。また、受付装置３８、出力装置４０、およびカメラ４２も、バス５２に接続されている。

【0020】

受付装置３８は、タッチパネル３８Ａおよびマイクロフォン３８Ｂなどを備えており、ユーザ入力を受け付ける。タッチパネル３８Ａは、指示体（例えば、ペンまたは指など）の接触を検出することにより、指示体の接触によるユーザ入力を受け付ける。マイクロフォン３８Ｂは、ユーザの音声を検出することにより、音声によるユーザ入力を受け付ける。制御部４６Ａは、タッチパネル３８Ａおよびマイクロフォン３８Ｂによって受け付けたユーザ入力を示すデータをデータ処理装置１２に送信する。データ処理装置１２では、特定処理部２９０（図２参照）が、ユーザ入力を示すデータを取得する。

【0021】

出力装置４０は、ディスプレイ４０Ａおよびスピーカ４０Ｂなどを備えており、データをユーザが知覚可能な表現形（例えば、音声および／またはテキスト）で出力することでデータをユーザに対して提示する。ディスプレイ４０Ａは、プロセッサ４６からの指示に従ってテキストおよび画像などの可視情報を表示する。スピーカ４０Ｂは、プロセッサ４６からの指示に従って音声を出力する。カメラ４２は、レンズ、絞り、およびシャッタなどの光学系と、ＣＭＯＳ（Complementary Metal-Oxide-Semiconductor）イメージセンサまたはＣＣＤ（Charge Coupled Device）イメージセンサなどの撮像素子とが搭載された小型デジタルカメラである。

【0022】

通信Ｉ／Ｆ４４は、ネットワーク５４に接続されている。通信Ｉ／Ｆ４４および２６は、ネットワーク５４を介してプロセッサ４６とプロセッサ２８との間の各種情報の授受を司る。

【0023】

図２には、データ処理装置１２およびスマートデバイス１４の要部機能の一例が示されている。

【0024】

図２に示すように、データ処理装置１２では、プロセッサ２８によって特定処理が行われる。ストレージ３２には、特定処理プログラム５６が格納されている。特定処理プログラム５６は、本開示の技術に係る「プログラム」の一例である。プロセッサ２８は、ストレージ３２から特定処理プログラム５６を読み出し、読み出した特定処理プログラム５６をＲＡＭ３０上で実行する。特定処理は、プロセッサ２８がＲＡＭ３０上で実行する特定処理プログラム５６に従って特定処理部２９０として動作することによって実現される。

【0025】

ストレージ３２には、データ生成モデル５８および感情特定モデル５９が格納されている。データ生成モデル５８および感情特定モデル５９は、特定処理部２９０によって用いられる。特定処理部２９０は、感情特定モデル５９を用いてユーザの感情を推定し、ユーザの感情を用いた特定処理を行うことができる。感情特定モデル５９を用いた感情推定機能（感情特定機能）では、ユーザの感情の推定や予測などを含め、ユーザの感情に関する種々の推定や予測などが行われるが、かかる例に限定されない。また、感情の推定や予測には、例えば、感情の分析（解析）なども含まれる。

【0026】

スマートデバイス１４では、プロセッサ４６によって特定処理が行われる。ストレージ５０には、特定処理プログラム６０が格納されている。特定処理プログラム６０は、データ処理システム１０によって特定処理プログラム５６と併用される。プロセッサ４６は、ストレージ５０から特定処理プログラム６０を読み出し、読み出した特定処理プログラム６０をＲＡＭ４８上で実行する。特定処理は、プロセッサ４６がＲＡＭ４８上で実行する特定処理プログラム６０に従って、制御部４６Ａとして動作することによって実現される。なお、スマートデバイス１４には、データ生成モデル５８および感情特定モデル５９と同様のデータ生成モデルおよび感情特定モデルを有し、これらモデルを用いて特定処理部２９０と同様の処理を行うこともできる。

【0027】

なお、データ処理装置１２以外の他の装置がデータ生成モデル５８を有してもよい。例えば、サーバ装置（例えば、生成サーバ）がデータ生成モデル５８を有してもよい。この場合、データ処理装置１２は、データ生成モデル５８を有するサーバ装置と通信を行うことで、データ生成モデル５８が用いられた処理結果（予測結果など）を得る。また、データ処理装置１２は、サーバ装置であってもよいし、ユーザが保有する端末装置（例えば、携帯電話、ロボット、家電など）であってもよい。次に、第１実施形態に係るデータ処理システム１０による処理の一例について説明する。

【0028】

（形態例１）
本発明の実施形態に係るCare ＡＩエージェントシステムは、物理的や心理的に辛い時の症状を解析し、改善策を提案するシステムである。このCare ＡＩエージェントシステムは、ユーザの言葉、表情、音声を解析し、リアルタイムで痛み等の症状や程度を可視化し、病名や原因を推測する。次に、パーソナライズされた改善策を提案し、自分専用のＡＩキャラクターによる共感の声掛けを行う。これにより、医療機関向けに診療用レポートを生成し、迅速で適切な治療が可能となり、診療時間の短縮や医療精度の向上が期待できる。また、患者の心理的負担の軽減や物理的症状の緩和も図られる。さらに、定期オンライン面談や通院・服薬等のリマインダー機能により、日常的かつ継続的なケアが可能となる。Care ＡＩエージェントは、継続的な自己学習で進化し、最新の医療知識も常に更新される。これにより、家族や周囲に迷惑をかけたくないが辛いと感じるユーザに対して、共感し寄り添う存在となる。例えば、Care ＡＩエージェントシステムは、ユーザの言葉、表情、音声を解析する。例えば、Care ＡＩエージェントシステムは、ユーザの言葉を解析し、感情や症状を特定する。次に、Care ＡＩエージェントシステムは、ユーザの表情を解析し、痛みや不快感の程度を判断する。さらに、Care ＡＩエージェントシステムは、ユーザの音声を解析し、ストレスや疲労のレベルを推測する。これにより、Care ＡＩエージェントシステムは、ユーザの状態を総合的に把握し、適切な改善策を提案することができる。これにより、Care ＡＩエージェントシステムは、ユーザの症状をリアルタイムで解析し、適切な改善策を提案することができる。

【0029】

実施形態に係るCare ＡＩエージェントシステムは、解析部と、可視化部と、推測部と、提案部と、レポート生成部とを備える。解析部は、ユーザの言葉、表情、音声を解析する。解析部は、例えば、ユーザの言葉を解析し、感情や症状を特定する。解析部は、例えば、ユーザの表情を解析し、痛みや不快感の程度を判断する。解析部は、例えば、ユーザの音声を解析し、ストレスや疲労のレベルを推測する。可視化部は、解析部によって解析された情報に基づいてリアルタイムで痛み等の症状や程度を可視化する。可視化部は、例えば、痛みの強さをグラフで表示する。可視化部は、例えば、疲労感のレベルを色で示す。可視化部は、例えば、ストレスの度合いを数値で表す。推測部は、可視化部によって可視化された情報に基づいて病名や原因を推測する。推測部は、例えば、痛みの部位や強さから病名を推測する。推測部は、例えば、疲労感の原因を特定する。推測部は、例えば、ストレスの要因を分析する。提案部は、推測部によって推測された情報に基づいてパーソナライズされた改善策を提案する。提案部は、例えば、痛みの緩和方法を提案する。提案部は、例えば、疲労回復のための運動を提案する。提案部は、例えば、ストレス軽減のためのリラクゼーション方法を提案する。レポート生成部は、提案部によって提案された情報に基づいて診療用レポートを生成する。レポート生成部は、例えば、診療用レポートに痛みの強さや部位を記載する。レポート生成部は、例えば、診療用レポートに疲労感のレベルや原因を記載する。レポート生成部は、例えば、診療用レポートにストレスの度合いや要因を記載する。これにより、実施形態に係るCare ＡＩエージェントシステムは、ユーザの言葉、表情、音声を解析し、リアルタイムで症状や程度を可視化し、病名や原因を推測し、パーソナライズされた改善策を提案し、診療用レポートを生成することができる。

【0030】

解析部は、ユーザの言葉、表情、音声を解析する。解析部は、例えば、ユーザの言葉を解析し、感情や症状を特定する。具体的には、自然言語処理技術を用いてユーザの発言内容を解析し、キーワードや文脈から感情や症状を抽出する。例えば、ユーザが「頭が痛い」と言った場合、解析部は「痛み」というキーワードを抽出し、その痛みの部位が頭であることを特定する。また、ユーザの表情を解析し、痛みや不快感の程度を判断する。表情解析には、画像認識技術を用いて、顔の表情筋の動きや目の開閉、口角の上がり具合などを解析する。例えば、ユーザが眉をひそめている場合、解析部はその表情から痛みや不快感を感じていると判断する。さらに、ユーザの音声を解析し、ストレスや疲労のレベルを推測する。音声解析には、音声認識技術を用いて、声のトーンやピッチ、話す速度などを解析する。例えば、ユーザの声が震えている場合、解析部はその音声からストレスを感じていると推測する。これにより、解析部は、ユーザの言葉、表情、音声から多角的に情報を収集し、感情や症状を特定することができる。

【0031】

可視化部は、解析部によって解析された情報に基づいてリアルタイムで痛み等の症状や程度を可視化する。具体的には、解析部から得られたデータを基に、ユーザの痛みの強さをグラフで表示する。例えば、痛みの強さを0から10のスケールで表し、時間の経過とともに変化する痛みの強さを折れ線グラフで表示する。また、疲労感のレベルを色で示す。例えば、疲労感が低い場合は緑色、中程度の場合は黄色、高い場合は赤色で表示する。さらに、ストレスの度合いを数値で表す。例えば、ストレスの度合いを0から100のスケールで数値化し、ユーザがどの程度のストレスを感じているかを視覚的に示す。これにより、可視化部は、ユーザの症状や程度を直感的に理解できるようにし、リアルタイムでの状況把握を支援することができる。さらに、可視化部は、ユーザが過去に経験した症状や程度を履歴として保存し、比較することもできる。これにより、ユーザの症状の変化や改善の傾向を把握しやすくなる。

【0032】

推測部は、可視化部によって可視化された情報に基づいて病名や原因を推測する。具体的には、痛みの部位や強さから病名を推測する。例えば、頭痛が頻繁に発生し、その強さが一定以上である場合、偏頭痛の可能性があると推測する。また、疲労感の原因を特定する。例えば、長時間の作業や睡眠不足が続いている場合、疲労感の原因が過労や睡眠不足であると推測する。さらに、ストレスの要因を分析する。例えば、ユーザが特定の状況や環境でストレスを感じている場合、その要因が仕事のプレッシャーや人間関係の問題であると推測する。推測部は、ＡＩを用いてこれらのデータを解析し、複数のシナリオをシミュレーションすることで、最も可能性の高い病名や原因を特定する。これにより、推測部は、ユーザの症状や程度に基づいて、病名や原因を高精度で推測し、適切な対策を講じるための情報を提供することができる。さらに、推測部は、過去のデータや統計情報を活用して、長期的なリスク評価やトレンド分析を行うこともできる。

【0033】

提案部は、推測部によって推測された情報に基づいてパーソナライズされた改善策を提案する。具体的には、痛みの緩和方法を提案する。例えば、頭痛の場合は、冷やすことや休息を取ることを提案する。また、疲労回復のための運動を提案する。例えば、軽いストレッチやウォーキングを行うことで、疲労感を軽減する方法を提案する。さらに、ストレス軽減のためのリラクゼーション方法を提案する。例えば、深呼吸や瞑想を行うことで、ストレスを軽減する方法を提案する。提案部は、ユーザの個別の状況やニーズに応じて、最適な改善策を提供することができる。これにより、提案部は、ユーザが自身の症状や程度に応じた適切な対策を講じることを支援し、健康状態の改善を促進することができる。さらに、提案部は、ユーザのフィードバックを収集し、提案内容の精度や効果を継続的に改善することができる。

【0034】

レポート生成部は、提案部によって提案された情報に基づいて診療用レポートを生成する。具体的には、診療用レポートに痛みの強さや部位を記載する。例えば、頭痛の強さが10段階中7であり、部位が前頭部であることを記載する。また、診療用レポートに疲労感のレベルや原因を記載する。例えば、疲労感のレベルが10段階中8であり、原因が睡眠不足であることを記載する。さらに、診療用レポートにストレスの度合いや要因を記載する。例えば、ストレスの度合いが100段階中70であり、要因が仕事のプレッシャーであることを記載する。レポート生成部は、これらの情報を一元的にまとめ、医療従事者が容易に理解できる形式で提供することができる。これにより、レポート生成部は、医療従事者がユーザの症状や程度を迅速に把握し、適切な診療を行うための支援を行うことができる。さらに、レポート生成部は、過去のレポートを保存し、ユーザの症状の変化や改善の傾向を追跡することもできる。これにより、医療従事者は、ユーザの長期的な健康状態を把握しやすくなる。

【0035】

リマインダー部は、定期オンライン面談や通院・服薬等のリマインダー機能を提供する。リマインダー部は、例えば、週に一度のオンライン面談をリマインドする。リマインダー部は、例えば、月に一度の通院をリマインドする。リマインダー部は、例えば、毎日の服薬をリマインドする。これにより、定期オンライン面談や通院・服薬等のリマインダー機能を提供することで、日常的かつ継続的なケアが可能となる。リマインダー部における上述した処理の一部または全部は、例えば、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、リマインダー部は、ユーザのスケジュール情報を生成ＡＩに入力し、リマインダーの生成を生成ＡＩに実行させることができる。

【0036】

学習部は、継続的な自己学習を行う。学習部は、例えば、機械学習アルゴリズムを用いて自己学習を行う。学習部は、例えば、データの更新頻度を設定して自己学習を行う。学習部は、例えば、ユーザのフィードバックを基に自己学習を行う。これにより、継続的な自己学習を行うことで、システムの精度が向上し、最新の医療知識を常に更新することができる。学習部における上述した処理の一部または全部は、例えば、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、学習部は、ユーザのフィードバックデータを生成ＡＩに入力し、自己学習の実行を生成ＡＩに行わせることができる。

【0037】

更新部は、最新の医療知識を更新する。更新部は、例えば、新しい治療法を更新する。更新部は、例えば、最新の研究結果を更新する。更新部は、例えば、新しい薬剤情報を更新する。これにより、最新の医療知識を更新することで、常に最新の情報に基づいたケアが可能となる。更新部における上述した処理の一部または全部は、例えば、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、更新部は、最新の研究結果データを生成ＡＩに入力し、医療知識の更新を生成ＡＩに行わせることができる。

【0038】

解析部は、解析時に、ユーザの過去の健康データを参照して解析の精度を向上させることができる。解析部は、例えば、ユーザの過去の診療記録を参照し、現在の症状と比較して解析を行う。解析部は、例えば、ユーザの過去の健康診断結果を基に、現在の健康状態を解析する。解析部は、例えば、ユーザの過去の薬剤使用履歴を参照し、薬剤の影響を考慮して解析を行う。これにより、ユーザの過去の健康データを参照することで、解析の精度が向上する。解析部における上述した処理の一部または全部は、例えば、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、解析部は、ユーザの過去の健康データを生成ＡＩに入力し、解析の精度向上を生成ＡＩに行わせることができる。

【0039】

解析部は、解析時に、ユーザの生活習慣や環境情報を考慮して解析を行うことができる。解析部は、例えば、ユーザの食生活や運動習慣を考慮して解析を行う。解析部は、例えば、ユーザの住環境や職場環境を考慮して解析を行う。解析部は、例えば、ユーザの睡眠パターンやストレスレベルを考慮して解析を行う。これにより、ユーザの生活習慣や環境情報を考慮することで、より正確な解析が可能となる。解析部における上述した処理の一部または全部は、例えば、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、解析部は、ユーザの生活習慣データを生成ＡＩに入力し、解析の実行を生成ＡＩに行わせることができる。

【0040】

解析部は、解析時に、ユーザの地理的位置情報を考慮して解析を行うことができる。解析部は、例えば、ユーザの現在地の気候や環境を考慮して解析を行う。解析部は、例えば、ユーザの住んでいる地域の医療リソースを考慮して解析を行う。解析部は、例えば、ユーザの地理的位置に基づいて、特定の地域で流行している病気を考慮して解析を行う。これにより、ユーザの地理的位置情報を考慮することで、より正確な解析が可能となる。解析部における上述した処理の一部または全部は、例えば、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、解析部は、ユーザの地理的位置情報を生成ＡＩに入力し、解析の実行を生成ＡＩに行わせることができる。

【0041】

解析部は、解析時に、ユーザのソーシャルメディア活動を分析し、関連する情報を解析に反映させることができる。解析部は、例えば、ユーザのソーシャルメディア投稿からストレスレベルを推定し、解析に反映させる。解析部は、例えば、ユーザのソーシャルメディアでの活動頻度を考慮して解析を行う。解析部は、例えば、ユーザのソーシャルメディアでの友人関係やコミュニケーションパターンを分析し、解析に反映させる。これにより、ユーザのソーシャルメディア活動を分析することで、より正確な解析が可能となる。解析部における上述した処理の一部または全部は、例えば、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、解析部は、ユーザのソーシャルメディアデータを生成ＡＩに入力し、解析の実行を生成ＡＩに行わせることができる。

【0042】

可視化部は、可視化時に、症状の重要度に基づいて可視化の詳細度を調整することができる。可視化部は、例えば、重要度の高い症状については詳細なグラフを提供する。可視化部は、例えば、重要度の低い症状については簡略化されたグラフを提供する。可視化部は、例えば、症状の重要度に応じて、異なる色や形状のグラフを提供する。これにより、症状の重要度に基づいて可視化の詳細度を調整することで、より適切な可視化が可能となる。可視化部における上述した処理の一部または全部は、例えば、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、可視化部は、症状の重要度データを生成ＡＩに入力し、詳細度の調整を生成ＡＩに行わせることができる。

【0043】

可視化部は、可視化時に、症状のカテゴリに応じて異なる可視化手法を適用することができる。可視化部は、例えば、痛みの症状についてはヒートマップを提供する。可視化部は、例えば、精神的な症状については折れ線グラフを提供する。可視化部は、例えば、身体的な症状については棒グラフを提供する。これにより、症状のカテゴリに応じて異なる可視化手法を適用することで、より適切な可視化が可能となる。可視化部における上述した処理の一部または全部は、例えば、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、可視化部は、症状のカテゴリデータを生成ＡＩに入力し、可視化手法の適用を生成ＡＩに行わせることができる。

【0044】

可視化部は、可視化時に、症状の発生時期に基づいて可視化の優先順位を決定することができる。可視化部は、例えば、最近発生した症状を優先して可視化する。可視化部は、例えば、過去の症状の発生時期を考慮して可視化の順序を決定する。可視化部は、例えば、症状の発生頻度に基づいて可視化の優先順位を決定する。これにより、症状の発生時期に基づいて可視化の優先順位を決定することで、より適切な可視化が可能となる。可視化部における上述した処理の一部または全部は、例えば、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、可視化部は、症状の発生時期データを生成ＡＩに入力し、優先順位の決定を生成ＡＩに行わせることができる。

【0045】

可視化部は、可視化時に、症状の関連性に基づいて可視化の順序を調整することができる。可視化部は、例えば、関連性の高い症状をまとめて可視化する。可視化部は、例えば、関連性の低い症状を個別に可視化する。可視化部は、例えば、症状の関連性に基づいて、異なる色や形状のグラフを提供する。これにより、症状の関連性に基づいて可視化の順序を調整することで、より適切な可視化が可能となる。可視化部における上述した処理の一部または全部は、例えば、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、可視化部は、症状の関連性データを生成ＡＩに入力し、順序の調整を生成ＡＩに行わせることができる。

【0046】

推測部は、推測時に、症状の相互関係を考慮して推測の精度を向上させることができる。推測部は、例えば、複数の症状の相互関係を分析し、病名を推測する。推測部は、例えば、症状の発生順序を考慮して推測を行う。推測部は、例えば、症状の強度や頻度を基に推測を行う。これにより、症状の相互関係を考慮することで、推測の精度が向上する。推測部における上述した処理の一部または全部は、例えば、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、推測部は、症状の相互関係データを生成ＡＩに入力し、推測の精度向上を生成ＡＩに行わせることができる。

【0047】

推測部は、推測時に、ユーザの属性情報を考慮して推測を行うことができる。推測部は、例えば、ユーザの年齢や性別を考慮して推測を行う。推測部は、例えば、ユーザの職業や生活習慣を考慮して推測を行う。推測部は、例えば、ユーザの既往歴や家族歴を考慮して推測を行う。これにより、ユーザの属性情報を考慮することで、より正確な推測が可能となる。推測部における上述した処理の一部または全部は、例えば、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、推測部は、ユーザの属性情報を生成ＡＩに入力し、推測の実行を生成ＡＩに行わせることができる。

【0048】

推測部は、推測時に、症状の地理的分布を考慮して推測を行うことができる。推測部は、例えば、特定の地域で流行している病気を考慮して推測を行う。推測部は、例えば、ユーザの住んでいる地域の医療リソースを考慮して推測を行う。推測部は、例えば、ユーザの地理的位置に基づいて、特定の地域で発生しやすい症状を考慮して推測を行う。これにより、症状の地理的分布を考慮することで、より正確な推測が可能となる。推測部における上述した処理の一部または全部は、例えば、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、推測部は、症状の地理的分布データを生成ＡＩに入力し、推測の実行を生成ＡＩに行わせることができる。

【0049】

推測部は、推測時に、関連文献を参照して推測の精度を向上させることができる。推測部は、例えば、最新の医学論文を参照して推測を行う。推測部は、例えば、過去の症例報告を基に推測を行う。推測部は、例えば、関連する医学書籍を参照して推測を行う。これにより、関連文献を参照することで、推測の精度が向上する。推測部における上述した処理の一部または全部は、例えば、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、推測部は、関連文献データを生成ＡＩに入力し、推測の精度向上を生成ＡＩに行わせることができる。

【0050】

提案部は、提案時に、症状の重要度に基づいて提案の詳細度を調整することができる。提案部は、例えば、重要度の高い症状については詳細な提案を提供する。提案部は、例えば、重要度の低い症状については簡略化された提案を提供する。提案部は、例えば、症状の重要度に応じて、異なる色や形状の提案を提供する。これにより、症状の重要度に基づいて提案の詳細度を調整することで、より適切な提案が可能となる。提案部における上述した処理の一部または全部は、例えば、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、提案部は、症状の重要度データを生成ＡＩに入力し、詳細度の調整を生成ＡＩに行わせることができる。

【0051】

提案部は、提案時に、症状のカテゴリに応じて異なる提案アルゴリズムを適用することができる。提案部は、例えば、痛みの症状については特定の治療法を提案する。提案部は、例えば、精神的な症状についてはカウンセリングを提案する。提案部は、例えば、身体的な症状については運動療法を提案する。これにより、症状のカテゴリに応じて異なる提案アルゴリズムを適用することで、より適切な提案が可能となる。提案部における上述した処理の一部または全部は、例えば、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、提案部は、症状のカテゴリデータを生成ＡＩに入力し、提案アルゴリズムの適用を生成ＡＩに行わせることができる。

【0052】

提案部は、提案時に、症状の発生時期に基づいて提案の優先順位を決定することができる。提案部は、例えば、最近発生した症状を優先して提案する。提案部は、例えば、過去の症状の発生時期を考慮して提案の順序を決定する。提案部は、例えば、症状の発生頻度に基づいて提案の優先順位を決定する。これにより、症状の発生時期に基づいて提案の優先順位を決定することで、より適切な提案が可能となる。提案部における上述した処理の一部または全部は、例えば、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、提案部は、症状の発生時期データを生成ＡＩに入力し、優先順位の決定を生成ＡＩに行わせることができる。

【0053】

提案部は、提案時に、症状の関連性に基づいて提案の順序を調整することができる。提案部は、例えば、関連性の高い症状をまとめて提案する。提案部は、例えば、関連性の低い症状を個別に提案する。提案部は、例えば、症状の関連性に基づいて、異なる色や形状の提案を提供する。これにより、症状の関連性に基づいて提案の順序を調整することで、より適切な提案が可能となる。提案部における上述した処理の一部または全部は、例えば、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、提案部は、症状の関連性データを生成ＡＩに入力し、順序の調整を生成ＡＩに行わせることができる。

【0054】

レポート生成部は、レポート生成時に、症状の重要度に基づいてレポートの詳細度を調整することができる。レポート生成部は、例えば、重要度の高い症状については詳細なレポートを提供する。レポート生成部は、例えば、重要度の低い症状については簡略化されたレポートを提供する。レポート生成部は、例えば、症状の重要度に応じて、異なる色や形状のレポートを提供する。これにより、症状の重要度に基づいてレポートの詳細度を調整することで、より適切なレポートが可能となる。レポート生成部における上述した処理の一部または全部は、例えば、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、レポート生成部は、症状の重要度データを生成ＡＩに入力し、詳細度の調整を生成ＡＩに行わせることができる。

【0055】

レポート生成部は、レポート生成時に、症状のカテゴリに応じて異なるレポート生成アルゴリズムを適用することができる。レポート生成部は、例えば、痛みの症状については特定のレポート生成アルゴリズムを適用する。レポート生成部は、例えば、精神的な症状については別のレポート生成アルゴリズムを適用する。レポート生成部は、例えば、身体的な症状についてはさらに別のレポート生成アルゴリズムを適用する。これにより、症状のカテゴリに応じて異なるレポート生成アルゴリズムを適用することで、より適切なレポートが可能となる。レポート生成部における上述した処理の一部または全部は、例えば、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、レポート生成部は、症状のカテゴリデータを生成ＡＩに入力し、レポート生成アルゴリズムの適用を生成ＡＩに行わせることができる。

【0056】

レポート生成部は、レポート生成時に、症状の発生時期に基づいてレポートの優先順位を決定することができる。レポート生成部は、例えば、最近発生した症状を優先してレポートに記載する。レポート生成部は、例えば、過去の症状の発生時期を考慮してレポートの順序を決定する。レポート生成部は、例えば、症状の発生頻度に基づいてレポートの優先順位を決定する。これにより、症状の発生時期に基づいてレポートの優先順位を決定することで、より適切なレポートが可能となる。レポート生成部における上述した処理の一部または全部は、例えば、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、レポート生成部は、症状の発生時期データを生成ＡＩに入力し、優先順位の決定を生成ＡＩに行わせることができる。

【0057】

レポート生成部は、レポート生成時に、症状の関連性に基づいてレポートの順序を調整することができる。レポート生成部は、例えば、関連性の高い症状をまとめてレポートに記載する。レポート生成部は、例えば、関連性の低い症状を個別にレポートに記載する。レポート生成部は、例えば、症状の関連性に基づいて、異なる色や形状のレポートを提供する。これにより、症状の関連性に基づいてレポートの順序を調整することで、より適切なレポートが可能となる。レポート生成部における上述した処理の一部または全部は、例えば、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、レポート生成部は、症状の関連性データを生成ＡＩに入力し、順序の調整を生成ＡＩに行わせることができる。

【0058】

リマインダー部は、リマインダー通知時に、ユーザの過去の行動履歴を参照して最適な通知方法を選定することができる。リマインダー部は、例えば、ユーザの過去の行動履歴を基に、最適な通知方法を選定する。リマインダー部は、例えば、ユーザの過去の行動パターンを分析し、最適な通知タイミングを選定する。リマインダー部は、例えば、ユーザの過去の行動履歴を参照し、最適な通知内容を選定する。これにより、ユーザの過去の行動履歴を参照することで、最適な通知方法を選定することができる。リマインダー部における上述した処理の一部または全部は、例えば、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、リマインダー部は、ユーザの過去の行動履歴データを生成ＡＩに入力し、通知方法の選定を生成ＡＩに行わせることができる。

【0059】

リマインダー部は、リマインダー通知時に、ユーザのデバイス情報を考慮して最適な通知方法を選定することができる。リマインダー部は、例えば、ユーザがスマートフォンを使用している場合、画面サイズに合わせた通知方法を提供する。リマインダー部は、例えば、ユーザがタブレットを使用している場合、大きな画面に最適化された通知方法を提供する。リマインダー部は、例えば、ユーザがスマートウォッチを使用している場合、簡潔で視認性の高い通知方法を提供する。これにより、ユーザのデバイス情報を考慮することで、最適な通知方法を選定することができる。リマインダー部における上述した処理の一部または全部は、例えば、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、リマインダー部は、ユーザのデバイス情報を生成ＡＩに入力し、通知方法の選定を生成ＡＩに行わせることができる。

【0060】

学習部は、学習時に、過去の学習データを参照して学習アルゴリズムを最適化することができる。学習部は、例えば、過去の学習データを基に、最適な学習アルゴリズムを選定する。学習部は、例えば、過去の学習データを分析し、学習アルゴリズムのパラメータを調整する。学習部は、例えば、過去の学習データを参照し、学習アルゴリズムの精度を向上させる。これにより、過去の学習データを参照することで、学習アルゴリズムを最適化することができる。学習部における上述した処理の一部または全部は、例えば、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、学習部は、過去の学習データを生成ＡＩに入力し、学習アルゴリズムの最適化を生成ＡＩに行わせることができる。

【0061】

学習部は、学習時に、症状の発生時期に基づいて学習データの重み付けを行うことができる。学習部は、例えば、最近発生した症状のデータに重みを付けて学習する。学習部は、例えば、過去の症状の発生時期を考慮して学習データの重み付けを行う。学習部は、例えば、症状の発生頻度に基づいて学習データの重み付けを行う。これにより、症状の発生時期に基づいて学習データの重み付けを行うことで、より適切な学習が可能となる。学習部における上述した処理の一部または全部は、例えば、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、学習部は、症状の発生時期データを生成ＡＩに入力し、重み付けを生成ＡＩに行わせることができる。

【0062】

更新部は、更新時に、過去の更新データを参照して更新アルゴリズムを最適化することができる。更新部は、例えば、過去の更新データを基に、最適な更新アルゴリズムを選定する。更新部は、例えば、過去の更新データを分析し、更新アルゴリズムのパラメータを調整する。更新部は、例えば、過去の更新データを参照し、更新アルゴリズムの精度を向上させる。これにより、過去の更新データを参照することで、更新アルゴリズムを最適化することができる。更新部における上述した処理の一部または全部は、例えば、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、更新部は、過去の更新データを生成ＡＩに入力し、更新アルゴリズムの最適化を生成ＡＩに行わせることができる。

【0063】

更新部は、更新時に、症状の発生時期に基づいて更新データの重み付けを行うことができる。更新部は、例えば、最近発生した症状のデータに重みを付けて更新する。更新部は、例えば、過去の症状の発生時期を考慮して更新データの重み付けを行う。更新部は、例えば、症状の発生頻度に基づいて更新データの重み付けを行う。これにより、症状の発生時期に基づいて更新データの重み付けを行うことで、より適切な更新が可能となる。更新部における上述した処理の一部または全部は、例えば、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、更新部は、症状の発生時期データを生成ＡＩに入力し、重み付けを生成ＡＩに行わせることができる。

【0064】

実施形態に係るシステムは、上述した例に限定されず、例えば、以下のように、種々の変更が可能である。

【0065】

解析部は、解析時に、ユーザの過去の健康データを参照して解析の精度を向上させることができる。例えば、ユーザの過去の診療記録を参照し、現在の症状と比較して解析を行うことができる。また、ユーザの過去の健康診断結果を基に、現在の健康状態を解析することができる。さらに、ユーザの過去の薬剤使用履歴を参照し、薬剤の影響を考慮して解析を行うことができる。これにより、ユーザの過去の健康データを参照することで、解析の精度が向上する。

【0066】

解析部は、解析時に、ユーザの生活習慣や環境情報を考慮して解析を行うことができる。例えば、ユーザの食生活や運動習慣を考慮して解析を行うことができる。また、ユーザの住環境や職場環境を考慮して解析を行うことができる。さらに、ユーザの睡眠パターンやストレスレベルを考慮して解析を行うことができる。これにより、ユーザの生活習慣や環境情報を考慮することで、より正確な解析が可能となる。

【0067】

解析部は、解析時に、ユーザの地理的位置情報を考慮して解析を行うことができる。例えば、ユーザの現在地の気候や環境を考慮して解析を行うことができる。また、ユーザの住んでいる地域の医療リソースを考慮して解析を行うことができる。さらに、ユーザの地理的位置に基づいて、特定の地域で流行している病気を考慮して解析を行うことができる。これにより、ユーザの地理的位置情報を考慮することで、より正確な解析が可能となる。

【0068】

解析部は、解析時に、ユーザのソーシャルメディア活動を分析し、関連する情報を解析に反映させることができる。例えば、ユーザのソーシャルメディア投稿からストレスレベルを推定し、解析に反映させることができる。また、ユーザのソーシャルメディアでの活動頻度を考慮して解析を行うことができる。さらに、ユーザのソーシャルメディアでの友人関係やコミュニケーションパターンを分析し、解析に反映させることができる。これにより、ユーザのソーシャルメディア活動を分析することで、より正確な解析が可能となる。

【0069】

可視化部は、可視化時に、症状の重要度に基づいて可視化の詳細度を調整することができる。例えば、重要度の高い症状については詳細なグラフを提供することができる。また、重要度の低い症状については簡略化されたグラフを提供することができる。さらに、症状の重要度に応じて、異なる色や形状のグラフを提供することができる。これにより、症状の重要度に基づいて可視化の詳細度を調整することで、より適切な可視化が可能となる。

【0070】

可視化部は、可視化時に、症状のカテゴリに応じて異なる可視化手法を適用することができる。例えば、痛みの症状についてはヒートマップを提供することができる。また、精神的な症状については折れ線グラフを提供することができる。さらに、身体的な症状については棒グラフを提供することができる。これにより、症状のカテゴリに応じて異なる可視化手法を適用することで、より適切な可視化が可能となる。

【0071】

以下に、形態例１の処理の流れについて簡単に説明する。

【0072】

ステップ１：解析部は、ユーザの言葉、表情、音声を解析する。例えば、ユーザの言葉を解析し、感情や症状を特定する。ユーザの表情を解析し、痛みや不快感の程度を判断する。ユーザの音声を解析し、ストレスや疲労のレベルを推測する。
ステップ２：可視化部は、解析部によって解析された情報に基づいてリアルタイムで痛み等の症状や程度を可視化する。例えば、痛みの強さをグラフで表示し、疲労感のレベルを色で示し、ストレスの度合いを数値で表す。
ステップ３：推測部は、可視化部によって可視化された情報に基づいて病名や原因を推測する。例えば、痛みの部位や強さから病名を推測し、疲労感の原因を特定し、ストレスの要因を分析する。
ステップ４：提案部は、推測部によって推測された情報に基づいてパーソナライズされた改善策を提案する。例えば、痛みの緩和方法を提案し、疲労回復のための運動を提案し、ストレス軽減のためのリラクゼーション方法を提案する。
ステップ５：レポート生成部は、提案部によって提案された情報に基づいて診療用レポートを生成する。例えば、診療用レポートに痛みの強さや部位を記載し、疲労感のレベルや原因を記載し、ストレスの度合いや要因を記載する。

【0073】

（形態例２）
本発明の実施形態に係るCare ＡＩエージェントシステムは、物理的や心理的に辛い時の症状を解析し、改善策を提案するシステムである。このCare ＡＩエージェントシステムは、ユーザの言葉、表情、音声を解析し、リアルタイムで痛み等の症状や程度を可視化し、病名や原因を推測する。次に、パーソナライズされた改善策を提案し、自分専用のＡＩキャラクターによる共感の声掛けを行う。これにより、医療機関向けに診療用レポートを生成し、迅速で適切な治療が可能となり、診療時間の短縮や医療精度の向上が期待できる。また、患者の心理的負担の軽減や物理的症状の緩和も図られる。さらに、定期オンライン面談や通院・服薬等のリマインダー機能により、日常的かつ継続的なケアが可能となる。Care ＡＩエージェントは、継続的な自己学習で進化し、最新の医療知識も常に更新される。これにより、家族や周囲に迷惑をかけたくないが辛いと感じるユーザに対して、共感し寄り添う存在となる。例えば、Care ＡＩエージェントシステムは、ユーザの言葉、表情、音声を解析する。例えば、Care ＡＩエージェントシステムは、ユーザの言葉を解析し、感情や症状を特定する。次に、Care ＡＩエージェントシステムは、ユーザの表情を解析し、痛みや不快感の程度を判断する。さらに、Care ＡＩエージェントシステムは、ユーザの音声を解析し、ストレスや疲労のレベルを推測する。これにより、Care ＡＩエージェントシステムは、ユーザの状態を総合的に把握し、適切な改善策を提案することができる。これにより、Care ＡＩエージェントシステムは、ユーザの症状をリアルタイムで解析し、適切な改善策を提案することができる。

【0074】

【0075】

【0076】

【0077】

【0078】

【0079】

【0080】

【0081】

【0082】

【0083】

解析部は、ユーザの感情を推定し、推定したユーザの感情に基づいて解析の精度を調整することができる。解析部は、例えば、ユーザがストレスを感じている場合、感情の変動を考慮して解析の精度を高める。解析部は、例えば、ユーザがリラックスしている場合、感情の安定性を前提に解析を行う。解析部は、例えば、ユーザが不安を感じている場合、感情の不安定さを補正して解析を行う。これにより、ユーザの感情に基づいて解析の精度を調整することで、より正確な解析が可能となる。感情の推定は、例えば、感情エンジンまたは生成ＡＩなどを用いて感情推定機能を用いて実現される。生成ＡＩは、テキスト生成ＡＩ（例えば、ＬＬＭ）やマルチモーダル生成ＡＩなどであるが、かかる例に限定されない。解析部における上述した処理の一部または全部は、例えば、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、解析部は、ユーザの感情データを生成ＡＩに入力し、解析の精度調整を生成ＡＩに行わせることができる。

【0084】

【0085】

【0086】

解析部は、ユーザの感情を推定し、推定したユーザの感情に基づいて解析結果の表示方法を調整することができる。解析部は、例えば、ユーザが緊張している場合、シンプルで視認性の高い表示方法を提供する。解析部は、例えば、ユーザがリラックスしている場合、詳細な情報を含む表示方法を提供する。解析部は、例えば、ユーザが急いでいる場合、要点を押さえた表示方法を提供する。これにより、ユーザの感情に基づいて解析結果の表示方法を調整することで、より適切な表示が可能となる。感情の推定は、例えば、感情エンジンまたは生成ＡＩなどを用いて感情推定機能を用いて実現される。生成ＡＩは、テキスト生成ＡＩ（例えば、ＬＬＭ）やマルチモーダル生成ＡＩなどであるが、かかる例に限定されない。解析部における上述した処理の一部または全部は、例えば、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、解析部は、ユーザの感情データを生成ＡＩに入力し、表示方法の調整を生成ＡＩに行わせることができる。

【0087】

【0088】

【0089】

可視化部は、ユーザの感情を推定し、推定したユーザの感情に基づいて可視化の表現方法を調整することができる。可視化部は、例えば、ユーザがストレスを感じている場合、シンプルで視認性の高いグラフを提供する。可視化部は、例えば、ユーザがリラックスしている場合、詳細なデータを含むグラフを提供する。可視化部は、例えば、ユーザが不安を感じている場合、安心感を与える色合いのグラフを提供する。これにより、ユーザの感情に基づいて可視化の表現方法を調整することで、より適切な可視化が可能となる。感情の推定は、例えば、感情エンジンまたは生成ＡＩなどを用いて感情推定機能を用いて実現される。生成ＡＩは、テキスト生成ＡＩ（例えば、ＬＬＭ）やマルチモーダル生成ＡＩなどであるが、かかる例に限定されない。可視化部における上述した処理の一部または全部は、例えば、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、可視化部は、ユーザの感情データを生成ＡＩに入力し、表現方法の調整を生成ＡＩに行わせることができる。

【0090】

【0091】

【0092】

可視化部は、ユーザの感情を推定し、推定したユーザの感情に基づいて可視化の長さを調整することができる。可視化部は、例えば、ユーザが急いでいる場合、短くて要点を押さえたグラフを提供する。可視化部は、例えば、ユーザがリラックスしている場合、詳細な説明を含む長めのグラフを提供する。可視化部は、例えば、ユーザが興奮している場合、視覚的に刺激的なエフェクトを加えたグラフを提供する。これにより、ユーザの感情に基づいて可視化の長さを調整することで、より適切な可視化が可能となる。感情の推定は、例えば、感情エンジンまたは生成ＡＩなどを用いて感情推定機能を用いて実現される。生成ＡＩは、テキスト生成ＡＩ（例えば、ＬＬＭ）やマルチモーダル生成ＡＩなどであるが、かかる例に限定されない。可視化部における上述した処理の一部または全部は、例えば、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、可視化部は、ユーザの感情データを生成ＡＩに入力し、長さの調整を生成ＡＩに行わせることができる。

【0093】

【0094】

【0095】

推測部は、ユーザの感情を推定し、推定したユーザの感情に基づいて推測の基準を調整することができる。推測部は、例えば、ユーザがストレスを感じている場合、感情の変動を考慮して推測の基準を調整する。推測部は、例えば、ユーザがリラックスしている場合、感情の安定性を前提に推測を行う。推測部は、例えば、ユーザが不安を感じている場合、感情の不安定さを補正して推測を行う。これにより、ユーザの感情に基づいて推測の基準を調整することで、より正確な推測が可能となる。感情の推定は、例えば、感情エンジンまたは生成ＡＩなどを用いて感情推定機能を用いて実現される。生成ＡＩは、テキスト生成ＡＩ（例えば、ＬＬＭ）やマルチモーダル生成ＡＩなどであるが、かかる例に限定されない。推測部における上述した処理の一部または全部は、例えば、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、推測部は、ユーザの感情データを生成ＡＩに入力し、推測の基準調整を生成ＡＩに行わせることができる。

【0096】

【0097】

【0098】

推測部は、ユーザの感情を推定し、推定したユーザの感情に基づいて推測結果の表示順序を調整することができる。推測部は、例えば、ユーザが緊張している場合、シンプルで視認性の高い表示順序を提供する。推測部は、例えば、ユーザがリラックスしている場合、詳細な情報を含む表示順序を提供する。推測部は、例えば、ユーザが急いでいる場合、要点を押さえた表示順序を提供する。これにより、ユーザの感情に基づいて推測結果の表示順序を調整することで、より適切な表示が可能となる。感情の推定は、例えば、感情エンジンまたは生成ＡＩなどを用いて感情推定機能を用いて実現される。生成ＡＩは、テキスト生成ＡＩ（例えば、ＬＬＭ）やマルチモーダル生成ＡＩなどであるが、かかる例に限定されない。推測部における上述した処理の一部または全部は、例えば、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、推測部は、ユーザの感情データを生成ＡＩに入力し、表示順序の調整を生成ＡＩに行わせることができる。

【0099】

【0100】

【0101】

提案部は、ユーザの感情を推定し、推定したユーザの感情に基づいて提案の表現方法を調整することができる。提案部は、例えば、ユーザがストレスを感じている場合、シンプルで視認性の高い提案を提供する。提案部は、例えば、ユーザがリラックスしている場合、詳細な情報を含む提案を提供する。提案部は、例えば、ユーザが不安を感じている場合、安心感を与える表現方法で提案を提供する。これにより、ユーザの感情に基づいて提案の表現方法を調整することで、より適切な提案が可能となる。感情の推定は、例えば、感情エンジンまたは生成ＡＩなどを用いて感情推定機能を用いて実現される。生成ＡＩは、テキスト生成ＡＩ（例えば、ＬＬＭ）やマルチモーダル生成ＡＩなどであるが、かかる例に限定されない。提案部における上述した処理の一部または全部は、例えば、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、提案部は、ユーザの感情データを生成ＡＩに入力し、表現方法の調整を生成ＡＩに行わせることができる。

【0102】

【0103】

【0104】

提案部は、ユーザの感情を推定し、推定したユーザの感情に基づいて提案の長さを調整することができる。提案部は、例えば、ユーザが急いでいる場合、短くて要点を押さえた提案を提供する。提案部は、例えば、ユーザがリラックスしている場合、詳細な説明を含む長めの提案を提供する。提案部は、例えば、ユーザが興奮している場合、視覚的に刺激的なエフェクトを加えた提案を提供する。これにより、ユーザの感情に基づいて提案の長さを調整することで、より適切な提案が可能となる。感情の推定は、例えば、感情エンジンまたは生成ＡＩなどを用いて感情推定機能を用いて実現される。生成ＡＩは、テキスト生成ＡＩ（例えば、ＬＬＭ）やマルチモーダル生成ＡＩなどであるが、かかる例に限定されない。提案部における上述した処理の一部または全部は、例えば、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、提案部は、ユーザの感情データを生成ＡＩに入力し、提案の長さの調整を生成ＡＩに行わせることができる。

【0105】

【0106】

【0107】

レポート生成部は、ユーザの感情を推定し、推定したユーザの感情に基づいてレポートの表現方法を調整することができる。レポート生成部は、例えば、ユーザがストレスを感じている場合、シンプルで視認性の高いレポートを提供する。レポート生成部は、例えば、ユーザがリラックスしている場合、詳細な情報を含むレポートを提供する。レポート生成部は、例えば、ユーザが不安を感じている場合、安心感を与える表現方法でレポートを提供する。これにより、ユーザの感情に基づいてレポートの表現方法を調整することで、より適切なレポートが可能となる。感情の推定は、例えば、感情エンジンまたは生成ＡＩなどを用いて感情推定機能を用いて実現される。生成ＡＩは、テキスト生成ＡＩ（例えば、ＬＬＭ）やマルチモーダル生成ＡＩなどであるが、かかる例に限定されない。レポート生成部における上述した処理の一部または全部は、例えば、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、レポート生成部は、ユーザの感情データを生成ＡＩに入力し、表現方法の調整を生成ＡＩに行わせることができる。

【0108】

【0109】

【0110】

レポート生成部は、ユーザの感情を推定し、推定したユーザの感情に基づいてレポートの長さを調整することができる。レポート生成部は、例えば、ユーザが急いでいる場合、短くて要点を押さえたレポートを提供する。レポート生成部は、例えば、ユーザがリラックスしている場合、詳細な説明を含む長めのレポートを提供する。レポート生成部は、例えば、ユーザが興奮している場合、視覚的に刺激的なエフェクトを加えたレポートを提供する。これにより、ユーザの感情に基づいてレポートの長さを調整することで、より適切なレポートが可能となる。感情の推定は、例えば、感情エンジンまたは生成ＡＩなどを用いて感情推定機能を用いて実現される。生成ＡＩは、テキスト生成ＡＩ（例えば、ＬＬＭ）やマルチモーダル生成ＡＩなどであるが、かかる例に限定されない。レポート生成部における上述した処理の一部または全部は、例えば、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、レポート生成部は、ユーザの感情データを生成ＡＩに入力し、レポートの長さの調整を生成ＡＩに行わせることができる。

【0111】

【0112】

【0113】

リマインダー部は、ユーザの感情を推定し、推定したユーザの感情に基づいてリマインダーの通知方法を調整することができる。リマインダー部は、例えば、ユーザがストレスを感じている場合、シンプルで視認性の高い通知方法を提供する。リマインダー部は、例えば、ユーザがリラックスしている場合、詳細な情報を含む通知方法を提供する。リマインダー部は、例えば、ユーザが不安を感じている場合、安心感を与える通知方法を提供する。これにより、ユーザの感情に基づいてリマインダーの通知方法を調整することで、より適切な通知が可能となる。感情の推定は、例えば、感情エンジンまたは生成ＡＩなどを用いて感情推定機能を用いて実現される。生成ＡＩは、テキスト生成ＡＩ（例えば、ＬＬＭ）やマルチモーダル生成ＡＩなどであるが、かかる例に限定されない。リマインダー部における上述した処理の一部または全部は、例えば、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、リマインダー部は、ユーザの感情データを生成ＡＩに入力し、通知方法の調整を生成ＡＩに行わせることができる。

【0114】

【0115】

リマインダー部は、ユーザの感情を推定し、推定したユーザの感情に基づいてリマインダーの優先順位を決定することができる。リマインダー部は、例えば、ユーザがストレスを感じている場合、重要なリマインダーを優先して通知する。リマインダー部は、例えば、ユーザがリラックスしている場合、全てのリマインダーを均等に通知する。リマインダー部は、例えば、ユーザが不安を感じている場合、安心感を与えるリマインダーを優先して通知する。これにより、ユーザの感情に基づいてリマインダーの優先順位を決定することで、より適切な通知が可能となる。感情の推定は、例えば、感情エンジンまたは生成ＡＩなどを用いて感情推定機能を用いて実現される。生成ＡＩは、テキスト生成ＡＩ（例えば、ＬＬＭ）やマルチモーダル生成ＡＩなどであるが、かかる例に限定されない。リマインダー部における上述した処理の一部または全部は、例えば、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、リマインダー部は、ユーザの感情データを生成ＡＩに入力し、優先順位の決定を生成ＡＩに行わせることができる。

【0116】

【0117】

学習部は、ユーザの感情を推定し、推定したユーザの感情に基づいて学習データの選定を行うことができる。学習部は、例えば、ユーザがストレスを感じている場合、ストレス軽減に関するデータを優先して学習する。学習部は、例えば、ユーザがリラックスしている場合、リラックス状態を維持するためのデータを学習する。学習部は、例えば、ユーザが不安を感じている場合、不安軽減に関するデータを優先して学習する。これにより、ユーザの感情に基づいて学習データの選定を行うことで、より適切な学習が可能となる。感情の推定は、例えば、感情エンジンまたは生成ＡＩなどを用いて感情推定機能を用いて実現される。生成ＡＩは、テキスト生成ＡＩ（例えば、ＬＬＭ）やマルチモーダル生成ＡＩなどであるが、かかる例に限定されない。学習部における上述した処理の一部または全部は、例えば、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、学習部は、ユーザの感情データを生成ＡＩに入力し、学習データの選定を生成ＡＩに行わせることができる。

【0118】

【0119】

学習部は、ユーザの感情を推定し、推定したユーザの感情に基づいて学習の頻度を調整することができる。学習部は、例えば、ユーザがストレスを感じている場合、学習の頻度を減らしてユーザの負担を軽減する。学習部は、例えば、ユーザがリラックスしている場合、学習の頻度を増やしてデータの精度を向上させる。学習部は、例えば、ユーザが不安を感じている場合、学習の頻度を調整してユーザの不安を軽減する。これにより、ユーザの感情に基づいて学習の頻度を調整することで、より適切な学習が可能となる。感情の推定は、例えば、感情エンジンまたは生成ＡＩなどを用いて感情推定機能を用いて実現される。生成ＡＩは、テキスト生成ＡＩ（例えば、ＬＬＭ）やマルチモーダル生成ＡＩなどであるが、かかる例に限定されない。学習部における上述した処理の一部または全部は、例えば、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、学習部は、ユーザの感情データを生成ＡＩに入力し、学習の頻度の調整を生成ＡＩに行わせることができる。

【0120】

【0121】

更新部は、ユーザの感情を推定し、推定したユーザの感情に基づいて更新データの選定を行うことができる。更新部は、例えば、ユーザがストレスを感じている場合、ストレス軽減に関するデータを優先して更新する。更新部は、例えば、ユーザがリラックスしている場合、リラックス状態を維持するためのデータを更新する。更新部は、例えば、ユーザが不安を感じている場合、不安軽減に関するデータを優先して更新する。これにより、ユーザの感情に基づいて更新データの選定を行うことで、より適切な更新が可能となる。感情の推定は、例えば、感情エンジンまたは生成ＡＹに基づいて、更新の頻度を調整することができる。更新部は、例えば、ユーザがストレスを感じている場合、更新の頻度を減らしてユーザの負担を軽減する。更新部は、例えば、ユーザがリラックスしている場合、更新の頻度を増やしてデータの精度を向上させる。更新部は、例えば、ユーザが不安を感じている場合、更新の頻度を調整してユーザの不安を軽減する。これにより、ユーザの感情に基づいて更新の頻度を調整することで、より適切な更新が可能となる。感情の推定は、例えば、感情エンジンまたは生成ＡＩなどを用いて感情推定機能を用いて実現される。生成ＡＩは、テキスト生成ＡＩ（例えば、ＬＬＭ）やマルチモーダル生成ＡＩなどであるが、かかる例に限定されない。更新部における上述した処理の一部または全部は、例えば、ＡＩを用いて行われてもよく、ＡＩを用いずに行われてもよい。例えば、更新部は、ユーザの感情データを生成ＡＩに入力し、更新の頻度の調整を生成ＡＩに行わせることができる。

【0122】

更新部は、更新時に、過去の更新データを参照して更新アルゴリズムを最適化することができる。更新部は、例えば、過去の更新データを基に、最適な更新アルゴリズムを選定する。更新部は、例えば、過去の更新データを分析し、更新アルゴリズムのパラメータを調整する。更新部は、例えば、過去の更新データを参照し、最新の医療知識を常に更新する。これにより、家族や周囲に迷惑をかけたくないが辛いと感じるユーザに対して、共感し寄り添う存在となる。

【0123】

【0124】

【0125】

実施形態に係るシステムは、上述した例に限定されず、例えば、以下のように、種々の変更が可能である。

【0126】

解析部は、ユーザの感情を推定し、推定したユーザの感情に基づいて解析の精度を調整することができる。例えば、ユーザがストレスを感じている場合、感情の変動を考慮して解析の精度を高めることができる。また、ユーザがリラックスしている場合、感情の安定性を前提に解析を行うことができる。さらに、ユーザが不安を感じている場合、感情の不安定さを補正して解析を行うことができる。これにより、ユーザの感情に基づいて解析の精度を調整することで、より正確な解析が可能となる。

【0127】

【0128】

【0129】

解析部は、ユーザの感情を推定し、推定したユーザの感情に基づいて解析結果の表示方法を調整することができる。例えば、ユーザが緊張している場合、シンプルで視認性の高い表示方法を提供することができる。また、ユーザがリラックスしている場合、詳細な情報を含む表示方法を提供することができる。さらに、ユーザが急いでいる場合、要点を押さえた表示方法を提供することができる。これにより、ユーザの感情に基づいて解析結果の表示方法を調整することで、より適切な表示が可能となる。

【0130】

【0131】

【0132】

可視化部は、ユーザの感情を推定し、推定したユーザの感情に基づいて可視化の表現方法を調整することができる。例えば、ユーザがストレスを感じている場合、シンプルで視認性の高いグラフを提供することができる。また、ユーザがリラックスしている場合、詳細なデータを含むグラフを提供することができる。さらに、ユーザが不安を感じている場合、安心感を与える色合いのグラフを提供することができる。これにより、ユーザの感情に基づいて可視化の表現方法を調整することで、より適切な可視化が可能となる。

【0133】

【0134】

【0135】

可視化部は、ユーザの感情を推定し、推定したユーザの感情に基づいて可視化の長さを調整することができる。例えば、ユーザが急いでいる場合、短くて要点を押さえたグラフを提供することができる。また、ユーザがリラックスしている場合、詳細な説明を含む長めのグラフを提供することができる。さらに、ユーザが興奮している場合、視覚的に刺激的なエフェクトを加えたグラフを提供することができる。これにより、ユーザの感情に基づいて可視化の長さを調整することで、より適切な可視化が可能となる。

【0136】

以下に、形態例２の処理の流れについて簡単に説明する。

【0137】

【0138】

特定処理部２９０は、特定処理の結果をスマートデバイス１４に送信する。スマートデバイス１４では、制御部４６Ａが、出力装置４０に対して特定処理の結果を出力させる。マイクロフォン３８Ｂは、特定処理の結果に対するユーザ入力を示す音声を取得する。制御部４６Ａは、マイクロフォン３８Ｂによって取得されたユーザ入力を示す音声データをデータ処理装置１２に送信する。データ処理装置１２では、特定処理部２９０が音声データを取得する。

【0139】

データ生成モデル５８は、いわゆる生成ＡＩ（Artificial Intelligence）である。データ生成モデル５８の一例としては、ＣｈａｔＧＰＴ（登録商標）（インターネット検索＜URL: https://openai.com/blog/chatgpt＞）などの生成ＡＩが挙げられる。データ生成モデル５８は、ニューラルネットワークに対して深層学習を行わせることによって得られる。データ生成モデル５８には、指示を含むプロンプトが入力され、かつ、音声を示す音声データ、テキストを示すテキストデータ、および画像を示す画像データ（例えば、静止画のデータまたは動画のデータ）などの推論用データが入力される。データ生成モデル５８は、入力された推論用データをプロンプトにより示される指示に従って推論し、推論結果を音声データ、テキストデータ、および画像データなどのうちの１以上のデータ形式で出力する。データ生成モデル５８は、例えば、テキスト生成ＡＩ、画像生成ＡＩ、マルチモーダル生成ＡＩなどを含む。ここで、推論とは、例えば、分析、分類、予測、および／または要約などを指す。特定処理部２９０は、データ生成モデル５８を用いながら、上述した特定処理を行う。データ生成モデル５８は、指示を含まないプロンプトから推論結果を出力するように、ファインチューニングされたモデルであってもよく、この場合、データ生成モデル５８は、指示を含まないプロンプトから推論結果を出力することができる。データ処理装置１２などにおいて、データ生成モデル５８は複数種類含まれており、データ生成モデル５８は、生成ＡＩ以外のＡＩを含む。生成ＡＩ以外のＡＩは、例えば、線形回帰、ロジスティック回帰、決定木、ランダムフォレスト、サポートベクターマシン（ＳＶＭ）、ｋ－ｍｅａｎｓクラスタリング、畳み込みニューラルネットワーク（ＣＮＮ）、リカレントニューラルネットワーク（ＲＮＮ）、生成的敵対的ネットワーク（ＧＡＮ）、またはナイーブベイズなどであり、種々の処理を行うことができるが、かかる例に限定されない。また、ＡＩは、ＡＩエージェントであってもよい。また、上述した各部の処理がＡＩで行われる場合、その処理は、ＡＩで一部または全部が行われるが、かかる例に限定されない。また、生成ＡＩを含むＡＩで実施される処理は、ルールベースでの処理に置き換えてもよく、ルールベースの処理は、生成ＡＩを含むＡＩで実施される処理に置き換えてもよい。

【0140】

また、上述したデータ処理システム１０による処理は、データ処理装置１２の特定処理部２９０またはスマートデバイス１４の制御部４６Ａによって実行されるが、データ処理装置１２の特定処理部２９０とスマートデバイス１４の制御部４６Ａとによって実行されてもよい。また、データ処理装置１２の特定処理部２９０は、処理に必要な情報をスマートデバイス１４または外部の装置などから取得したり収集したりし、スマートデバイス１４は、処理に必要な情報をデータ処理装置１２または外部の装置などから取得したり収集したりする。

【0141】

上述した解析部、可視化部、推測部、提案部、レポート生成部、リマインダー部、学習部、および更新部を含む複数の要素の各々は、例えば、スマートデバイス１４およびデータ処理装置１２のうちの少なくとも一方で実現される。例えば、解析部は、スマートデバイス１４のカメラ４２やマイクロフォン３８Ｂを用いてユーザの言葉、表情、音声を解析し、制御部４６Ａによって感情や症状を特定する。可視化部は、例えば、スマートデバイス１４のディスプレイ４０Ａを用いて痛みの強さや疲労感のレベルを表示する。推測部は、例えば、データ処理装置１２の特定処理部２９０によって病名や原因を推測する。提案部は、例えば、データ処理装置１２の特定処理部２９０によってパーソナライズされた改善策を提案する。レポート生成部は、例えば、データ処理装置１２の特定処理部２９０によって診療用レポートを生成する。リマインダー部は、例えば、スマートデバイス１４の制御部４６Ａによって定期オンライン面談や通院・服薬等のリマインダー機能を提供する。学習部は、例えば、データ処理装置１２の特定処理部２９０によって継続的な自己学習を行う。更新部は、例えば、データ処理装置１２の特定処理部２９０によって最新の医療知識を更新する。各部と装置や制御部との対応関係は、上述した例に限定されず、種々の変更が可能である。

【0142】

［第２実施形態］
図３には、第２実施形態に係るデータ処理システム２１０の構成の一例が示されている。

【0143】

図３に示すように、データ処理システム２１０は、データ処理装置１２およびスマート眼鏡２１４を備えている。データ処理装置１２の一例としては、サーバが挙げられる。

【0144】

データ処理装置１２は、コンピュータ２２、データベース２４、および通信Ｉ／Ｆ２６を備えている。コンピュータ２２は、プロセッサ２８、ＲＡＭ３０、およびストレージ３２を備えている。プロセッサ２８、ＲＡＭ３０、およびストレージ３２は、バス３４に接続されている。また、データベース２４および通信Ｉ／Ｆ２６も、バス３４に接続されている。通信Ｉ／Ｆ２６は、ネットワーク５４に接続されている。ネットワーク５４の一例としては、ＷＡＮおよび／またはＬＡＮなどが挙げられる。

【0145】

スマート眼鏡２１４は、コンピュータ３６、マイクロフォン２３８、スピーカ２４０、カメラ４２、および通信Ｉ／Ｆ４４を備えている。コンピュータ３６は、プロセッサ４６、ＲＡＭ４８、およびストレージ５０を備えている。プロセッサ４６、ＲＡＭ４８、およびストレージ５０は、バス５２に接続されている。また、マイクロフォン２３８、スピーカ２４０、およびカメラ４２も、バス５２に接続されている。

【0146】

マイクロフォン２３８は、ユーザが発する音声を受け付けることで、ユーザから指示などを受け付ける。マイクロフォン２３８は、ユーザが発する音声を捕捉し、捕捉した音声を音声データに変換してプロセッサ４６に出力する。スピーカ２４０は、プロセッサ４６からの指示に従って音声を出力する。

【0147】

カメラ４２は、レンズ、絞り、およびシャッタなどの光学系と、ＣＭＯＳ（Complementary Metal-Oxide-Semiconductor）イメージセンサまたはＣＣＤ（Charge Coupled Device）イメージセンサなどの撮像素子とが搭載された小型デジタルカメラであり、ユーザの周囲（例えば、一般的な健常者の視界の広さに相当する画角で規定された撮像範囲）を撮像する。

【0148】

通信Ｉ／Ｆ４４は、ネットワーク５４に接続されている。通信Ｉ／Ｆ４４および２６は、ネットワーク５４を介してプロセッサ４６とプロセッサ２８との間の各種情報の授受を司る。通信Ｉ／Ｆ４４および２６を用いたプロセッサ４６とプロセッサ２８との間の各種情報の授受はセキュアな状態で行われる。

【0149】

図４には、データ処理装置１２およびスマート眼鏡２１４の要部機能の一例が示されている。図４に示すように、データ処理装置１２では、プロセッサ２８によって特定処理が行われる。ストレージ３２には、特定処理プログラム５６が格納されている。

【0150】

プロセッサ２８は、ストレージ３２から特定処理プログラム５６を読み出し、読み出した特定処理プログラム５６をＲＡＭ３０上で実行する。特定処理は、プロセッサ２８がＲＡＭ３０上で実行する特定処理プログラム５６に従って、特定処理部２９０として動作することによって実現される。

【0151】

【0152】

スマート眼鏡２１４では、プロセッサ４６によって特定処理が行われる。ストレージ５０には、特定処理プログラム６０が格納されている。プロセッサ４６は、ストレージ５０から特定処理プログラム６０を読み出し、読み出した特定処理プログラム６０をＲＡＭ４８上で実行する。特定処理は、プロセッサ４６がＲＡＭ４８上で実行する特定処理プログラム６０に従って、制御部４６Ａとして動作することによって実現される。なお、スマート眼鏡２１４には、データ生成モデル５８および感情特定モデル５９と同様のデータ生成モデルおよび感情特定モデルを有し、これらモデルを用いて特定処理部２９０と同様の処理を行うこともできる。

【0153】

なお、データ処理装置１２以外の他の装置がデータ生成モデル５８を有してもよい。例えば、サーバ装置がデータ生成モデル５８を有してもよい。この場合、データ処理装置１２は、データ生成モデル５８を有するサーバ装置と通信を行うことで、データ生成モデル５８が用いられた処理結果（予測結果など）を得る。また、データ処理装置１２は、サーバ装置であってもよいし、ユーザが保有する端末装置（例えば、携帯電話、ロボット、家電など）であってもよい。

【0154】

特定処理部２９０は、特定処理の結果をスマート眼鏡２１４に送信する。スマート眼鏡２１４では、制御部４６Ａが、スピーカ２４０に対して特定処理の結果を出力させる。マイクロフォン２３８は、特定処理の結果に対するユーザ入力を示す音声を取得する。制御部４６Ａは、マイクロフォン２３８によって取得されたユーザ入力を示す音声データをデータ処理装置１２に送信する。データ処理装置１２では、特定処理部２９０が音声データを取得する。

【0155】

データ生成モデル５８は、いわゆる生成ＡＩである。データ生成モデル５８の一例としては、ＣｈａｔＧＰＴなどの生成ＡＩが挙げられる。データ生成モデル５８は、ニューラルネットワークに対して深層学習を行わせることによって得られる。データ生成モデル５８には、指示を含むプロンプトが入力され、かつ、音声を示す音声データ、テキストを示すテキストデータ、および画像を示す画像データ（例えば、静止画のデータまたは動画のデータ）などの推論用データが入力される。データ生成モデル５８は、入力された推論用データをプロンプトにより示される指示に従って推論し、推論結果を音声データ、テキストデータ、および画像データなどのうちの１以上のデータ形式で出力する。データ生成モデル５８は、例えば、テキスト生成ＡＩ、画像生成ＡＩ、マルチモーダル生成ＡＩなどを含む。ここで、推論とは、例えば、分析、分類、予測、および／または要約などを指す。特定処理部２９０は、データ生成モデル５８を用いながら、上述した特定処理を行う。データ生成モデル５８は、指示を含まないプロンプトから推論結果を出力するように、ファインチューニングされたモデルであってもよく、この場合、データ生成モデル５８は、指示を含まないプロンプトから推論結果を出力することができる。データ処理装置１２などにおいて、データ生成モデル５８は複数種類含まれており、データ生成モデル５８は、生成ＡＩ以外のＡＩを含む。生成ＡＩ以外のＡＩは、例えば、線形回帰、ロジスティック回帰、決定木、ランダムフォレスト、サポートベクターマシン（ＳＶＭ）、ｋ－ｍｅａｎｓクラスタリング、畳み込みニューラルネットワーク（ＣＮＮ）、リカレントニューラルネットワーク（ＲＮＮ）、生成的敵対的ネットワーク（ＧＡＮ）、またはナイーブベイズなどであり、種々の処理を行うことができるが、かかる例に限定されない。また、ＡＩは、ＡＩエージェントであってもよい。また、上述した各部の処理がＡＩで行われる場合、その処理は、ＡＩで一部または全部が行われるが、かかる例に限定されない。また、生成ＡＩを含むＡＩで実施される処理は、ルールベースでの処理に置き換えてもよく、ルールベースの処理は、生成ＡＩを含むＡＩで実施される処理に置き換えてもよい。

【0156】

第２実施形態に係るデータ処理システム２１０は、第１実施形態に係るデータ処理システム１０と同様の処理を行う。データ処理システム２１０による処理は、データ処理装置１２の特定処理部２９０またはスマート眼鏡２１４の制御部４６Ａによって実行されるが、データ処理装置１２の特定処理部２９０とスマート眼鏡２１４の制御部４６Ａとによって実行されてもよい。また、データ処理装置１２の特定処理部２９０は、処理に必要な情報をスマート眼鏡２１４または外部の装置などから取得したり収集したりし、スマート眼鏡２１４は、処理に必要な情報をデータ処理装置１２または外部の装置などから取得したり収集したりする。

【0157】

上述した解析部、可視化部、推測部、提案部、レポート生成部、リマインダー部、学習部、および更新部を含む複数の要素の各々は、例えば、スマート眼鏡２１４およびデータ処理装置１２のうちの少なくとも一方で実現される。例えば、解析部は、スマート眼鏡２１４のカメラ４２やマイクロフォン２３８を用いてユーザの言葉、表情、音声を解析し、制御部４６Ａによって感情や症状を特定する。可視化部は、例えば、スマート眼鏡２１４のディスプレイを用いて痛みの強さや疲労感のレベルを表示する。推測部は、例えば、データ処理装置１２の特定処理部２９０によって病名や原因を推測する。提案部は、例えば、データ処理装置１２の特定処理部２９０によってパーソナライズされた改善策を提案する。レポート生成部は、例えば、データ処理装置１２の特定処理部２９０によって診療用レポートを生成する。リマインダー部は、例えば、スマート眼鏡２１４の制御部４６Ａによって定期オンライン面談や通院・服薬等のリマインダー機能を提供する。学習部は、例えば、データ処理装置１２の特定処理部２９０によって継続的な自己学習を行う。更新部は、例えば、データ処理装置１２の特定処理部２９０によって最新の医療知識を更新する。各部と装置や制御部との対応関係は、上述した例に限定されず、種々の変更が可能である。

【0158】

［第３実施形態］
図５には、第３実施形態に係るデータ処理システム３１０の構成の一例が示されている。

【0159】

図５に示すように、データ処理システム３１０は、データ処理装置１２およびヘッドセット型端末３１４を備えている。データ処理装置１２の一例としては、サーバが挙げられる。

【0160】

データ処理装置１２は、コンピュータ２２、データベース２４、および通信Ｉ／Ｆ２６を備えている。コンピュータ２２は、プロセッサ２８、ＲＡＭ３０、およびストレージ３２を備えている。プロセッサ２８、ＲＡＭ３０、およびストレージ３２は、バス３４に接続されている。また、データベース２４および通信Ｉ／Ｆ２６も、バス３４に接続されている。通信Ｉ／Ｆ２６は、ネットワーク５４に接続されている。ネットワーク５４の一例としては、ＷＡＮおよび／またはＬＡＮなどが挙げられる。

【0161】

ヘッドセット型端末３１４は、コンピュータ３６、マイクロフォン２３８、スピーカ２４０、カメラ４２、通信Ｉ／Ｆ４４、およびディスプレイ３４３を備えている。コンピュータ３６は、プロセッサ４６、ＲＡＭ４８、およびストレージ５０を備えている。プロセッサ４６、ＲＡＭ４８、およびストレージ５０は、バス５２に接続されている。また、マイクロフォン２３８、スピーカ２４０、カメラ４２、およびディスプレイ３４３も、バス５２に接続されている。

【0162】

【0163】

【0164】

【0165】

図６には、データ処理装置１２およびヘッドセット型端末３１４の要部機能の一例が示されている。図６に示すように、データ処理装置１２では、プロセッサ２８によって特定処理が行われる。ストレージ３２には、特定処理プログラム５６が格納されている。

【0166】

【0167】

【0168】

ヘッドセット型端末３１４では、プロセッサ４６によって特定処理が行われる。ストレージ５０には、特定プログラム６０が格納されている。プロセッサ４６は、ストレージ５０から特定プログラム６０を読み出し、読み出した特定プログラム６０をＲＡＭ４８上で実行する。特定処理は、プロセッサ４６がＲＡＭ４８上で実行する特定プログラム６０に従って、制御部４６Ａとして動作することによって実現される。なお、ヘッドセット型端末３１４には、データ生成モデル５８および感情特定モデル５９と同様のデータ生成モデルおよび感情特定モデルを有し、これらモデルを用いて特定処理部２９０と同様の処理を行うこともできる。

【0169】

【0170】

特定処理部２９０は、特定処理の結果をヘッドセット型端末３１４に送信する。ヘッドセット型端末３１４では、制御部４６Ａが、スピーカ２４０およびディスプレイ３４３に対して特定処理の結果を出力させる。マイクロフォン２３８は、特定処理の結果に対するユーザ入力を示す音声を取得する。制御部４６Ａは、マイクロフォン２３８によって取得されたユーザ入力を示す音声データをデータ処理装置１２に送信する。データ処理装置１２では、特定処理部２９０が音声データを取得する。

【0171】

【0172】

第３実施形態に係るデータ処理システム３１０は、第１実施形態に係るデータ処理システム１０と同様の処理を行う。データ処理システム３１０による処理は、データ処理装置１２の特定処理部２９０またはヘッドセット型端末３１４の制御部４６Ａによって実行されるが、データ処理装置１２の特定処理部２９０とヘッドセット型端末３１４の制御部４６Ａとによって実行されてもよい。また、データ処理装置１２の特定処理部２９０は、処理に必要な情報をヘッドセット型端末３１４または外部の装置などから取得したり収集したりし、ヘッドセット型端末３１４は、処理に必要な情報をデータ処理装置１２または外部の装置などから取得したり収集したりする。

【0173】

上述した解析部、可視化部、推測部、提案部、レポート生成部、リマインダー部、学習部、および更新部を含む複数の要素の各々は、例えば、ヘッドセット型端末３１４およびデータ処理装置１２のうちの少なくとも一方で実現される。例えば、解析部は、ヘッドセット型端末３１４のカメラ４２やマイクロフォン２３８を用いてユーザの言葉、表情、音声を解析し、制御部４６Ａによって感情や症状を特定する。可視化部は、例えば、ヘッドセット型端末３１４のディスプレイ３４３を用いて痛みの強さや疲労感のレベルを表示する。推測部は、例えば、データ処理装置１２の特定処理部２９０によって病名や原因を推測する。提案部は、例えば、データ処理装置１２の特定処理部２９０によってパーソナライズされた改善策を提案する。レポート生成部は、例えば、データ処理装置１２の特定処理部２９０によって診療用レポートを生成する。リマインダー部は、例えば、ヘッドセット型端末３１４の制御部４６Ａによって定期オンライン面談や通院・服薬等のリマインダー機能を提供する。学習部は、例えば、データ処理装置１２の特定処理部２９０によって継続的な自己学習を行う。更新部は、例えば、データ処理装置１２の特定処理部２９０によって最新の医療知識を更新する。各部と装置や制御部との対応関係は、上述した例に限定されず、種々の変更が可能である。

【0174】

［第４実施形態］
図７には、第４実施形態に係るデータ処理システム４１０の構成の一例が示されている。

【0175】

図７に示すように、データ処理システム４１０は、データ処理装置１２およびロボット４１４を備えている。データ処理装置１２の一例としては、サーバが挙げられる。

【0176】

データ処理装置１２は、コンピュータ２２、データベース２４、および通信Ｉ／Ｆ２６を備えている。コンピュータ２２は、プロセッサ２８、ＲＡＭ３０、およびストレージ３２を備えている。プロセッサ２８、ＲＡＭ３０、およびストレージ３２は、バス３４に接続されている。また、データベース２４および通信Ｉ／Ｆ２６も、バス３４に接続されている。通信Ｉ／Ｆ２６は、ネットワーク５４に接続されている。ネットワーク５４の一例としては、ＷＡＮおよび／またはＬＡＮなどが挙げられる。

【0177】

ロボット４１４は、コンピュータ３６、マイクロフォン２３８、スピーカ２４０、カメラ４２、通信Ｉ／Ｆ４４、および制御対象４４３を備えている。コンピュータ３６は、プロセッサ４６、ＲＡＭ４８、およびストレージ５０を備えている。プロセッサ４６、ＲＡＭ４８、およびストレージ５０は、バス５２に接続されている。また、マイクロフォン２３８、スピーカ２４０、カメラ４２、および制御対象４４３も、バス５２に接続されている。

【0178】

【0179】

カメラ４２は、レンズ、絞り、およびシャッタなどの光学系と、ＣＭＯＳイメージセンサまたはＣＣＤイメージセンサなどの撮像素子とが搭載された小型デジタルカメラであり、ユーザの周囲（例えば、一般的な健常者の視界の広さに相当する画角で規定された撮像範囲）を撮像する。

【0180】

【0181】

制御対象４４３は、表示装置、目部のＬＥＤ、並びに、腕、手および足などを駆動するモータなどを含む。ロボット４１４の姿勢や仕草は、腕、手および足などのモータを制御することにより制御される。ロボット４１４の感情の一部は、これらのモータを制御することにより表現できる。また、ロボット４１４の目部のＬＥＤの発光状態を制御することによっても、ロボット４１４の表情を表現できる。

【0182】

図８には、データ処理装置１２およびロボット４１４の要部機能の一例が示されている。図８に示すように、データ処理装置１２では、プロセッサ２８によって特定処理が行われる。ストレージ３２には、特定処理プログラム５６が格納されている。

【0183】

【0184】

【0185】

ロボット４１４では、プロセッサ４６によって特定処理が行われる。ストレージ５０には、特定プログラム６０が格納されている。プロセッサ４６は、ストレージ５０から特定プログラム６０を読み出し、読み出した特定プログラム６０をＲＡＭ４８上で実行する。特定処理は、プロセッサ４６がＲＡＭ４８上で実行する特定プログラム６０に従って、制御部４６Ａとして動作することによって実現される。なお、ロボット４１４には、データ生成モデル５８および感情特定モデル５９と同様のデータ生成モデルおよび感情特定モデルを有し、これらモデルを用いて特定処理部２９０と同様の処理を行うこともできる。

【0186】

【0187】

特定処理部２９０は、特定処理の結果をロボット４１４に送信する。ロボット４１４では、制御部４６Ａが、スピーカ２４０および制御対象４４３に対して特定処理の結果を出力させる。マイクロフォン２３８は、特定処理の結果に対するユーザ入力を示す音声を取得する。制御部４６Ａは、マイクロフォン２３８によって取得されたユーザ入力を示す音声データをデータ処理装置１２に送信する。データ処理装置１２では、特定処理部２９０が音声データを取得する。

【0188】

【0189】

第４実施形態に係るデータ処理システム４１０は、第１実施形態に係るデータ処理システム１０と同様の処理を行う。データ処理システム４１０による処理は、データ処理装置１２の特定処理部２９０またはロボット４１４の制御部４６Ａによって実行されるが、データ処理装置１２の特定処理部２９０とロボット４１４の制御部４６Ａとによって実行されてもよい。また、データ処理装置１２の特定処理部２９０は、処理に必要な情報をロボット４１４または外部の装置などから取得したり収集したりし、ロボット４１４は、処理に必要な情報をデータ処理装置１２または外部の装置などから取得したり収集したりする。

【0190】

上述した解析部、可視化部、推測部、提案部、レポート生成部、リマインダー部、学習部、および更新部を含む複数の要素の各々は、例えば、ロボット４１４およびデータ処理装置１２のうちの少なくとも一方で実現される。例えば、解析部は、ロボット４１４のカメラ４２やマイクロフォン２３８を用いてユーザの言葉、表情、音声を解析し、制御部４６Ａによって感情や症状を特定する。可視化部は、例えば、ロボット４１４のディスプレイを用いて痛みの強さや疲労感のレベルを表示する。推測部は、例えば、データ処理装置１２の特定処理部２９０によって病名や原因を推測する。提案部は、例えば、データ処理装置１２の特定処理部２９０によってパーソナライズされた改善策を提案する。レポート生成部は、例えば、データ処理装置１２の特定処理部２９０によって診療用レポートを生成する。リマインダー部は、例えば、ロボット４１４の制御部４６Ａによって定期オンライン面談や通院・服薬等のリマインダー機能を提供する。学習部は、例えば、データ処理装置１２の特定処理部２９０によって継続的な自己学習を行う。更新部は、例えば、データ処理装置１２の特定処理部２９０によって最新の医療知識を更新する。各部と装置や制御部との対応関係は、上述した例に限定されず、種々の変更が可能である。

【0191】

なお、感情エンジンとしての感情特定モデル５９は、特定のマッピングに従い、ユーザの感情を決定してよい。具体的には、感情特定モデル５９は、特定のマッピングである感情マップ（図９参照）に従い、ユーザの感情を決定してよい。また、感情特定モデル５９は、同様に、ロボットの感情を決定し、特定処理部２９０は、ロボットの感情を用いた特定処理を行うようにしてもよい。

【0192】

図９は、複数の感情がマッピングされる感情マップ４００を示す図である。感情マップ４００において、感情は、中心から放射状に同心円に配置されている。同心円の中心に近いほど、原始的状態の感情が配置されている。同心円のより外側には、心境から生まれる状態や行動を表す感情が配置されている。感情とは、情動や心的状態も含む概念である。同心円の左側には、概して脳内で起きる反応から生成される感情が配置されている。同心円の右側には概して、状況判断で誘導される感情が配置されている。同心円の上方向および下方向には、概して脳内で起きる反応から生成され、かつ、状況判断で誘導される感情が配置されている。また、同心円の上側には、「快」の感情が配置され、下側には、「不快」の感情が配置されている。このように、感情マップ４００では、感情が生まれる構造に基づいて複数の感情がマッピングされており、同時に生じやすい感情が、近くにマッピングされている。

【0193】

これらの感情は、感情マップ４００の３時の方向に分布しており、普段は安心と不安のあたりを行き来する。感情マップ４００の右半分では、内部的な感覚よりも状況認識の方が優位に立つため、落ち着いた印象になる。

【0194】

感情マップ４００の内側は心の中、感情マップ４００の外側は行動を表すため、感情マップ４００の外側に行くほど、感情が目に見える（行動に表れる）ようになる。

【0195】

ここで、人の感情は、姿勢や血糖値のような様々なバランスを基礎としており、それらのバランスが理想から遠ざかると不快、理想に近づくと快という状態を示す。ロボットや自動車やバイクなどにおいても、姿勢やバッテリー残量のような様々なバランスを基礎として、それらのバランスが理想から遠ざかると不快、理想に近づくと快という状態を示すように感情を作ることができる。感情マップは、例えば、光吉博士の感情地図（音声感情認識および情動の脳生理信号分析システムに関する研究、徳島大学、博士論文：https://ci.nii.ac.jp/naid/500000375379）に基づいて生成されてよい。感情地図の左半分には、感覚が優位にたつ「反応」と呼ばれる領域に属する感情が並ぶ。また、感情地図の右半分には、状況認識が優位にたつ「状況」と呼ばれる領域に属する感情が並ぶ。

【0196】

感情マップでは学習を促す感情が２つ定義される。１つは、状況側にあるネガティブな「懺悔」や「反省」の真ん中周辺の感情である。つまり、「もう２度とこんな想いはしたくない」「もう叱られたくない」というネガティブな感情がロボットに生じたときである。もう１つは、反応側にあるポジティブな「欲」のあたりの感情である。つまり、「もっと欲しい」「もっと知りたい」というポジティブな気持ちのときである。

【0197】

感情特定モデル５９は、ユーザ入力を、予め学習されたニューラルネットワークに入力し、感情マップ４００に示す各感情を示す感情値を取得し、ユーザの感情を決定する。このニューラルネットワークは、ユーザ入力と、感情マップ４００に示す各感情を示す感情値との組み合わせである複数の学習データに基づいて予め学習されたものである。また、このニューラルネットワークは、図１０に示す感情マップ９００のように、近くに配置されている感情同士は、近い値を持つように学習される。図１０では、「安心」、「安穏」、「心強い」という複数の感情が、近い感情値となる例を示している。

【0198】

上記実施形態では、１台のコンピュータ２２によって特定処理が行われる形態例を挙げたが、本開示の技術はこれに限定されず、コンピュータ２２を含めた複数のコンピュータによる特定処理に対する分散処理が行われるようにしてもよい。

【0199】

上記実施形態では、ストレージ３２に特定処理プログラム５６が格納されている形態例を挙げて説明したが、本開示の技術はこれに限定されない。例えば、特定処理プログラム５６がＵＳＢ（Universal Serial Bus）メモリなどの可搬型のコンピュータ読み取り可能な非一時的格納媒体に格納されていてもよい。非一時的格納媒体に格納されている特定処理プログラム５６は、データ処理装置１２のコンピュータ２２にインストールされる。プロセッサ２８は、特定処理プログラム５６に従って特定処理を実行する。

【0200】

また、ネットワーク５４を介してデータ処理装置１２に接続されるサーバなどの格納装置に特定処理プログラム５６を格納させておき、データ処理装置１２の要求に応じて特定処理プログラム５６がダウンロードされ、コンピュータ２２にインストールされるようにしてもよい。

【0201】

なお、ネットワーク５４を介してデータ処理装置１２に接続されるサーバなどの格納装置に特定処理プログラム５６の全てを格納させておいたり、ストレージ３２に特定処理プログラム５６の全てを記憶させたりしておく必要はなく、特定処理プログラム５６の一部を格納させておいてもよい。

【0202】

特定処理を実行するハードウェア資源としては、次に示す各種のプロセッサを用いることができる。プロセッサとしては、例えば、ソフトウェア、すなわち、プログラムを実行することで、特定処理を実行するハードウェア資源として機能する汎用的なプロセッサであるＣＰＵが挙げられる。また、プロセッサとしては、例えば、ＦＰＧＡ（Field-Programmable Gate Array）、ＰＬＤ（Programmable Logic Device）、またはＡＳＩＣ（Application Specific Integrated Circuit）などの特定の処理を実行させるために専用に設計された回路構成を有するプロセッサである専用電気回路が挙げられる。何れのプロセッサにもメモリが内蔵または接続されており、何れのプロセッサもメモリを使用することで特定処理を実行する。

【0203】

特定処理を実行するハードウェア資源は、これらの各種のプロセッサのうちの１つで構成されてもよいし、同種または異種の２つ以上のプロセッサの組み合わせ（例えば、複数のＦＰＧＡの組み合わせ、またはＣＰＵとＦＰＧＡとの組み合わせ）で構成されてもよい。また、特定処理を実行するハードウェア資源は１つのプロセッサであってもよい。

【0204】

１つのプロセッサで構成する例としては、第１に、１つ以上のＣＰＵとソフトウェアの組み合わせで１つのプロセッサを構成し、このプロセッサが、特定処理を実行するハードウェア資源として機能する形態がある。第２に、ＳｏＣ（System-on-a-chip）などに代表されるように、特定処理を実行する複数のハードウェア資源を含むシステム全体の機能を１つのＩＣチップで実現するプロセッサを使用する形態がある。このように、特定処理は、ハードウェア資源として、上記各種のプロセッサの１つ以上を用いて実現される。

【0205】

更に、これらの各種のプロセッサのハードウェア的な構造としては、より具体的には、半導体素子などの回路素子を組み合わせた電気回路を用いることができる。また、上記の特定処理はあくまでも一例である。従って、主旨を逸脱しない範囲内において不要なステップを削除したり、新たなステップを追加したり、処理順序を入れ替えたりしてもよいことは言うまでもない。

【0206】

また、上述した例では、第１実施形態から第４実施形態に分けて説明したが、これらの実施形態の一部または全部は組み合わされてもよい。また、スマートデバイス１４、スマート眼鏡２１４、ヘッドセット型端末３１４、およびロボット４１４は一例であって、それぞれを組み合わせてもよく、それ以外の装置であってもよい。また、上述した例では、形態例１と形態例２に分けて説明したが、これらは組み合わせてもよい。

【0207】

以上に示した記載内容および図示内容は、本開示の技術に係る部分についての詳細な説明であり、本開示の技術の一例に過ぎない。例えば、上記の構成、機能、作用、および効果に関する説明は、本開示の技術に係る部分の構成、機能、作用、および効果の一例に関する説明である。よって、本開示の技術の主旨を逸脱しない範囲内において、以上に示した記載内容および図示内容に対して、不要な部分を削除したり、新たな要素を追加したり、置き換えたりしてもよいことは言うまでもない。また、錯綜を回避し、本開示の技術に係る部分の理解を容易にするために、以上に示した記載内容および図示内容では、本開示の技術の実施を可能にする上で特に説明を要しない技術常識等に関する説明は省略されている。

【0208】

本明細書に記載された全ての文献、特許出願および技術規格は、個々の文献、特許出願および技術規格が参照により取り込まれることが具体的かつ個々に記された場合と同程度に、本明細書中に参照により取り込まれる。

【0209】

（付記１）
ユーザの言葉、表情、音声を解析する解析部と、
前記解析部によって解析された情報に基づいてリアルタイムで痛み等の症状や程度を可視化する可視化部と、
前記可視化部によって可視化された情報に基づいて病名や原因を推測する推測部と、
前記推測部によって推測された情報に基づいてパーソナライズされた改善策を提案する提案部と、
前記提案部によって提案された情報に基づいて診療用レポートを生成するレポート生成部と、を備える
ことを特徴とするシステム。
（付記２）
定期オンライン面談や通院・服薬等のリマインダー機能を提供するリマインダー部を備える
ことを特徴とする付記１に記載のシステム。
（付記３）
継続的な自己学習を行う学習部を備える
ことを特徴とする付記１に記載のシステム。
（付記４）
最新の医療知識を更新する更新部を備える
ことを特徴とする付記１に記載のシステム。
（付記５）
前記解析部は、
ユーザの感情を推定し、推定したユーザの感情に基づいて解析の精度を調整する
ことを特徴とする付記１に記載のシステム。
（付記６）
前記解析部は、
解析時に、ユーザの過去の健康データを参照して解析の精度を向上させる
ことを特徴とする付記１に記載のシステム。
（付記７）
前記解析部は、
解析時に、ユーザの生活習慣や環境情報を考慮して解析を行う
ことを特徴とする付記１に記載のシステム。
（付記８）
前記解析部は、
ユーザの感情を推定し、推定したユーザの感情に基づいて解析結果の表示方法を調整する
ことを特徴とする付記１に記載のシステム。
（付記９）
前記解析部は、
解析時に、ユーザの地理的位置情報を考慮して解析を行う
ことを特徴とする付記１に記載のシステム。
（付記１０）
前記解析部は、
解析時に、ユーザのソーシャルメディア活動を分析し、関連する情報を解析に反映させる
ことを特徴とする付記１に記載のシステム。
（付記１１）
前記可視化部は、
ユーザの感情を推定し、推定したユーザの感情に基づいて可視化の表現方法を調整する
ことを特徴とする付記１に記載のシステム。
（付記１２）
前記可視化部は、
可視化時に、症状の重要度に基づいて可視化の詳細度を調整する
ことを特徴とする付記１に記載のシステム。
（付記１３）
前記可視化部は、
可視化時に、症状のカテゴリに応じて異なる可視化手法を適用する
ことを特徴とする付記１に記載のシステム。
（付記１４）
前記可視化部は、
ユーザの感情を推定し、推定したユーザの感情に基づいて可視化の長さを調整する
ことを特徴とする付記１に記載のシステム。
（付記１５）
前記可視化部は、
可視化時に、症状の発生時期に基づいて可視化の優先順位を決定する
ことを特徴とする付記１に記載のシステム。
（付記１６）
前記可視化部は、
可視化時に、症状の関連性に基づいて可視化の順序を調整する
ことを特徴とする付記１に記載のシステム。
（付記１７）
前記推測部は、
ユーザの感情を推定し、推定したユーザの感情に基づいて推測の基準を調整する
ことを特徴とする付記１に記載のシステム。
（付記１８）
前記推測部は、
推測時に、症状の相互関係を考慮して推測の精度を向上させる
ことを特徴とする付記１に記載のシステム。
（付記１９）
前記推測部は、
推測時に、ユーザの属性情報を考慮して推測を行う
ことを特徴とする付記１に記載のシステム。
（付記２０）
前記推測部は、
ユーザの感情を推定し、推定したユーザの感情に基づいて推測結果の表示順序を調整する
ことを特徴とする付記１に記載のシステム。
（付記２１）
前記推測部は、
推測時に、症状の地理的分布を考慮して推測を行う
ことを特徴とする付記１に記載のシステム。
（付記２２）
前記推測部は、
推測時に、関連文献を参照して推測の精度を向上させる
ことを特徴とする付記１に記載のシステム。
（付記２３）
前記提案部は、
ユーザの感情を推定し、推定したユーザの感情に基づいて提案の表現方法を調整する
ことを特徴とする付記１に記載のシステム。
（付記２４）
前記提案部は、
提案時に、症状の重要度に基づいて提案の詳細度を調整する
ことを特徴とする付記１に記載のシステム。
（付記２５）
前記提案部は、
提案時に、症状のカテゴリに応じて異なる提案アルゴリズムを適用する
ことを特徴とする付記１に記載のシステム。
（付記２６）
前記提案部は、
ユーザの感情を推定し、推定したユーザの感情に基づいて提案の長さを調整する
ことを特徴とする付記１に記載のシステム。
（付記２７）
前記提案部は、
提案時に、症状の発生時期に基づいて提案の優先順位を決定する
ことを特徴とする付記１に記載のシステム。
（付記２８）
前記提案部は、
提案時に、症状の関連性に基づいて提案の順序を調整する
ことを特徴とする付記１に記載のシステム。
（付記２９）
前記レポート生成部は、
ユーザの感情を推定し、推定したユーザの感情に基づいてレポートの表現方法を調整する
ことを特徴とする付記１に記載のシステム。
（付記３０）
前記レポート生成部は、
レポート生成時に、症状の重要度に基づいてレポートの詳細度を調整する
ことを特徴とする付記１に記載のシステム。
（付記３１）
前記レポート生成部は、
レポート生成時に、症状のカテゴリに応じて異なるレポート生成アルゴリズムを適用する
ことを特徴とする付記１に記載のシステム。
（付記３２）
前記レポート生成部は、
ユーザの感情を推定し、推定したユーザの感情に基づいてレポートの長さを調整する
ことを特徴とする付記１に記載のシステム。
（付記３３）
前記レポート生成部は、
レポート生成時に、症状の発生時期に基づいてレポートの優先順位を決定する
ことを特徴とする付記１に記載のシステム。
（付記３４）
前記レポート生成部は、
レポート生成時に、症状の関連性に基づいてレポートの順序を調整する
ことを特徴とする付記１に記載のシステム。
（付記３５）
前記リマインダー部は、
ユーザの感情を推定し、推定したユーザの感情に基づいてリマインダーの通知方法を調整する
ことを特徴とする付記２に記載のシステム。
（付記３６）
前記リマインダー部は、
リマインダー通知時に、ユーザの過去の行動履歴を参照して最適な通知方法を選定する
ことを特徴とする付記２に記載のシステム。
（付記３７）
前記リマインダー部は、
ユーザの感情を推定し、推定したユーザの感情に基づいてリマインダーの優先順位を決定する
ことを特徴とする付記２に記載のシステム。
（付記３８）
前記リマインダー部は、
リマインダー通知時に、ユーザのデバイス情報を考慮して最適な通知方法を選定する
ことを特徴とする付記２に記載のシステム。
（付記３９）
前記学習部は、
ユーザの感情を推定し、推定したユーザの感情に基づいて学習データの選定を行う
ことを特徴とする付記３に記載のシステム。
（付記４０）
前記学習部は、
学習時に、過去の学習データを参照して学習アルゴリズムを最適化する
ことを特徴とする付記３に記載のシステム。
（付記４１）
前記学習部は、
ユーザの感情を推定し、推定したユーザの感情に基づいて学習の頻度を調整する
ことを特徴とする付記３に記載のシステム。
（付記４２）
前記学習部は、
学習時に、症状の発生時期に基づいて学習データの重み付けを行う
ことを特徴とする付記３に記載のシステム。
（付記４３）
前記更新部は、
ユーザの感情を推定し、推定したユーザの感情に基づいて更新データの選定を行う
ことを特徴とする付記４に記載のシステム。
（付記４４）
前記更新部は、
更新時に、過去の更新データを参照して更新アルゴリズムを最適化する
ことを特徴とする付記４に記載のシステム。
（付記４５）
前記更新部は、
ユーザの感情を推定し、推定したユーザの感情に基づいて更新の頻度を調整する
ことを特徴とする付記４に記載のシステム。
（付記４６）
前記更新部は、
更新時に、症状の発生時期に基づいて更新データの重み付けを行う
ことを特徴とする付記４に記載のシステム。

【符号の説明】

【0210】

１０、２１０、３１０、４１０データ処理システム
１２データ処理装置
１４スマートデバイス
２１４スマート眼鏡
３１４ヘッドセット型端末
４１４ロボット

【図1】