特許 7131073 リスク管理装置、リスク管理方法及びリスク管理プログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2022-08-29

(45)【発行日】2022-09-06

(54)【発明の名称】リスク管理装置、リスク管理方法及びリスク管理プログラム

(51)【国際特許分類】

   G16H 50/30 20180101AFI20220830BHJP

   G06Q 50/22 20180101ALI20220830BHJP

   G06Q 10/04 20120101ALI20220830BHJP

   A61B 5/00 20060101ALI20220830BHJP

   A61B 10/00 20060101ALI20220830BHJP

   G16H 20/00 20180101ALI20220830BHJP

   A61B 5/022 20060101ALN20220830BHJP

【ＦＩ】

G16H50/30

G06Q50/22

G06Q10/04

A61B5/00 G

A61B10/00 K

G16H20/00

A61B5/022 400A

【請求項の数】 8

(21)【出願番号】P 2018097906

(22)【出願日】2018-05-22

(65)【公開番号】P2019204212

(43)【公開日】2019-11-28

【審査請求日】2021-05-13

(73)【特許権者】

【識別番号】503246015

【氏名又は名称】オムロンヘルスケア株式会社

(74)【代理人】

【識別番号】100108855

【弁理士】

【氏名又は名称】蔵田 昌俊

(74)【代理人】

【識別番号】100103034

【弁理士】

【氏名又は名称】野河 信久

(74)【代理人】

【識別番号】100153051

【弁理士】

【氏名又は名称】河野 直樹

(74)【代理人】

【識別番号】100179062

【弁理士】

【氏名又は名称】井上 正

(74)【代理人】

【識別番号】100189913

【氏名又は名称】鵜飼 健

(74)【代理人】

【識別番号】100199565

【弁理士】

【氏名又は名称】飯野 茂

(72)【発明者】

【氏名】佐藤 博則

(72)【発明者】

【氏名】葉 思鋭

(72)【発明者】

【氏名】中村 文彦

(72)【発明者】

【氏名】野崎 大輔

【審査官】森田 充功

(56)【参考文献】

【文献】特開２０１０－１２２９０１（ＪＰ，Ａ）

【文献】米国特許出願公開第２０１７／０３５７７７１（ＵＳ，Ａ１）

【文献】谷口 博昭 他，食習慣と癌，医学のあゆみ，第202巻, 第12号，医歯薬出版株式会社，2002年09月21日，p.967-971

【文献】伊藤 修 他，Ｖ.冠動脈疾患における治療学の進歩－生活指導－運動療法，日本臨牀 増刊号 冠動脈疾患（上）－診断と治療の進歩－ ，第69巻，株式会社日本臨牀社，2011年09月20日，p.491-494

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ１６Ｈ ５０／３０

Ｇ０６Ｑ ５０／２２

Ｇ１６Ｈ ２０／００

Ｇ０６Ｑ １０／０４

Ａ６１Ｂ ５／００

Ａ６１Ｂ １０／００

Ａ６１Ｂ ５／０２２

(57)【特許請求の範囲】

【請求項1】

評価対象者の生体パラメータに関する生体情報と前記評価対象者の行動パラメータに関する行動情報を取得する取得部と、
取得された前記生体情報及び前記行動情報に基づいてイベント発症率を算出するリスク算出部と、
前記生体情報及び前記行動情報の中から改善可能因子となる生体パラメータ及び行動パラメータを選択する選択部と、
前記改善可能因子として選択された前記生体パラメータ及び前記行動パラメータのそれぞれについて前記イベント発症率に対する寄与度を算出する寄与度算出部と、
前記寄与度算出部での算出結果を表す出力データを生成する生成部と、
を備え、
前記寄与度算出部は、前記改善可能因子として選択された前記生体パラメータ及び前記行動パラメータのそれぞれについて前記イベント発症率に対する評価値を算出し、算出された前記評価値を合計した加算値を算出し、算出された前記加算値に対する前記生体パラメータの前記評価値及び前記行動パラメータの前記評価値のそれぞれの割合を前記寄与度として算出し、
前記改善可能因子は、前記イベント発症率の増加に寄与する悪影響因子と前記イベント発症率の減少に寄与する好影響因子とを含み、
前記寄与度算出部は、前記改善可能因子のうち前記悪影響因子として選択された前記生体パラメータ及び前記行動パラメータのそれぞれについて算出された前記評価値の合計値を前記加算値として算出する、
リスク管理装置。

【請求項2】

前記リスク算出部は、前記イベント発症率として、動脈硬化性心血管疾患の発症リスクを算出する、請求項１に記載のリスク管理装置。

【請求項3】

前記取得部は、前記生体情報として、人種、性別、年齢、血圧値、コレステロール値、糖尿病の有無及び遺伝情報のうちの少なくとも１つを取得する、請求項１に記載のリスク管理装置。

【請求項4】

前記取得部は、前記行動情報として、喫煙状況及び睡眠時間のうちの少なくとも一方を取得する、請求項１に記載のリスク管理装置。

【請求項5】

前記選択部は、前記改善可能因子として、血圧値、コレステロール値、糖尿病の有無、喫煙の有無及び睡眠時間のうちの少なくとも１つを選択する、請求項１に記載のリスク管理装置。

【請求項6】

前記生成部は、前記出力データとして、前記改善可能因子として選択された前記生体パラメータ及び前記行動パラメータの前記寄与度を相互に比較可能な画像データを生成する、請求項１に記載のリスク管理装置。

【請求項7】

請求項１乃至６のいずれか１項に記載のリスク管理装置が備える各部の機能をプロセッサに実行させる、リスク管理プログラム。

【請求項8】

評価対象者に関するイベント発症率を管理する装置が実行するリスク管理方法であって、
前記評価対象者の生体パラメータに関する生体情報と前記評価対象者の行動パラメータに関する行動情報とを取得する過程と、
取得された前記生体情報及び前記行動情報に基づいてイベント発症率を算出する過程と、
前記生体情報及び前記行動情報に含まれる複数の前記生体パラメータ及び前記行動パラメータの中から改善可能因子となる生体パラメータ及び行動パラメータを選択する過程と、
前記改善可能因子として選択された前記生体パラメータ及び前記行動パラメータのそれぞれについて前記イベント発症率に対する寄与度を算出する過程と、
前記寄与度の算出結果を表す出力データを生成する過程と、
を備え、
前記寄与度を算出する過程は、前記改善可能因子として選択された前記生体パラメータ及び前記行動パラメータのそれぞれについて前記イベント発症率に対する評価値を算出し、算出された前記評価値を合計した加算値を算出し、算出された前記加算値に対する前記生体パラメータの前記評価値及び前記行動パラメータの前記評価値のそれぞれの割合を前記寄与度として算出し、
前記改善可能因子は、前記イベント発症率の増加に寄与する悪影響因子と前記イベント発症率の減少に寄与する好影響因子とを含み、
前記寄与度を算出する過程は、前記改善可能因子のうち前記悪影響因子として選択された前記生体パラメータ及び前記行動パラメータのそれぞれについて算出された前記評価値の合計値を前記加算値として算出する、
リスク管理方法。

【発明の詳細な説明】

【技術分野】

【0001】

この発明は、評価対象者に関するイベント発症率を算出可能なリスク管理装置、リスク管理方法及びリスク管理プログラムに関する。

【背景技術】

【0002】

特許文献１には、生死予測装置が開示されている。この生死予測装置は、性別、総コレステロール値、糖尿病の有無等の入力情報を用いて、被験者の１０年以内の死亡率を算出する。

【先行技術文献】

【特許文献】

【0003】

【文献】特許第５８１２３３３号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

特許文献１の生死予測装置では、１０年以内の死亡率は表示されるが、どの測定結果が１０年以内の死亡率を押し上げているのかが分かりにくい。このため、どの要因によってリスクが上昇しているのか判断することが難しく、リスクを低減させるためにどのような行動をとれば良いかを判断することが難しい。

【0005】

本発明は、上記事情に着目してなされたものであり、その目的とするところは、リスクの上昇に大きく寄与している要因を容易に把握することができる、リスク管理装置、リスク管理方法及びリスク管理プログラムを提供することにある。

【課題を解決するための手段】

【0006】

本発明は、上述した課題を解決するために、例えば以下の対策を講じている。

【0007】

すなわち、本開示の一例に係るリスク管理装置は、評価対象者の生体パラメータに関する生体情報と前記評価対象者の行動パラメータに関する行動情報を取得する取得部と、取得された前記生体情報及び前記行動情報に基づいてイベント発症率を算出するリスク算出部と、前記生体情報及び前記行動情報の中から改善可能因子となる生体パラメータ及び行動パラメータを選択する選択部と、前記改善可能因子として選択された前記生体パラメータ及び前記行動パラメータのそれぞれについて前記イベント発症率に対する寄与度を算出する寄与度算出部と、前記寄与度算出部での算出結果を表す出力データを生成する生成部と、を備える。

【0008】

上記構成によれば、イベント発症率に対する寄与度を因子別に比較することにより、イベント発症率を押し上げている要因を容易に把握することがきる。これにより、どの生体パラメータまたは行動パラメータがイベント発症リスクを押し上げているのかが分かりやすくなり、リスクを低減させるためにどのようにすれば良いのかを判断しやすくなる。

【0009】

また、上記構成では、取得した生体情報および行動情報のそれぞれのパラメータの中で、評価対象者が改善可能なパラメータが改善可能因子として選択される。そして、選択された改善可能なパラメータについて、イベント発症率に対する因子別寄与度が提示される。このため、上記構成によれば、ユーザは、改善可能で、かつ、イベント発症リスクの低減に大きく寄与する要因を把握することができ、リスクを低減させるためにどのようにすれば良いかを容易に判断できる。また、改善可能因子として選択されたパラメータについてのみ寄与度を算出すればよいので、全ての因子について寄与度を算出する場合に比べ計算量を削減し、これにより装置の処理負荷およびメモリ容量を抑制することができる。

【0010】

上記一例に係るリスク管理装置において、前記リスク算出部は、前記イベント発症率として、動脈硬化性心血管疾患の発症リスクを算出する。

【0011】

上記一例に係るリスク管理装置において、前記取得部は、前記生体情報として、人種、性別、年齢、血圧値、コレステロール値、糖尿病の有無及び遺伝情報のうちの少なくとも１つを取得する。

【0012】

上記一例に係るリスク管理装置において、前記取得部は、前記行動情報として、喫煙状況及び睡眠時間のうちの少なくとも一方を取得する。

【0013】

上記一例に係るリスク管理装置において、前記選択部は、前記改善可能因子として、血圧値、コレステロール値、糖尿病の有無、喫煙の有無及び睡眠時間のうちの少なくとも１つを選択する。

【0014】

上記一例に係るリスク管理装置において、前記生成部は、前記出力データとして、前記改善可能因子として選択された前記生体パラメータ及び前記行動パラメータの前記寄与度を相互に比較可能な画像データを生成する。

【0015】

上記一例に係るリスク管理装置において、前記寄与度算出部は、前記改善可能因子として選択された前記生体パラメータ及び前記行動パラメータのそれぞれについて前記イベント発症率に対する評価値を算出し、算出された前記評価値を合計した加算値を算出し、算出された前記加算値に対する前記生体パラメータの前記評価値及び前記行動パラメータの前記評価値のそれぞれの割合を前記寄与度として算出する。

【0016】

上記一例に係るリスク管理装置において、前記改善可能因子は、前記イベント発症率の増加に寄与する悪影響因子と前記イベント発症率の減少に寄与する好影響因子とを含み、前記寄与度算出部は、前記改善可能因子のうち前記悪影響因子として選択された前記生体パラメータ及び前記行動パラメータのそれぞれについて算出された前記評価値の合計値を前記加算値として算出する。

【発明の効果】

【0017】

本発明によれば、リスクの上昇に大きく寄与している要因を容易に把握することができる、リスク管理装置、リスク管理方法及びリスク管理プログラムを提供することができる。

【図面の簡単な説明】

【0018】

【図1】図１は、適用例に係るリスク管理装置の機能構成を例示するブロック図である。

【図2】図２は、第１実施形態に係るリスク管理装置を含むリスク評価システムの構成を例示する模式図である。

【図3】図３は、第１実施形態に係る血圧測定装置のハードウェア構成を例示するブロック図である。

【図4】図４は、第１実施形態に係る携帯端末のハードウェア構成を例示するブロック図である。

【図5】図５は、第１実施形態に係る固定端末のハードウェア構成を例示するブロック図である。

【図6】図６は、第１実施形態に係るサーバのハードウェア構成を例示するブロック図である。

【図7】図７は、第１実施形態に係るリスク管理装置の一例としてのリスク評価回路の機能構成を例示するブロック図である。

【図8】図８は、第１実施形態に係るリスク管理装置の一例としてのリスク評価回路におけるリスク算出処理の手順を例示するフローチャートである。

【図9】図９は、第１実施形態に係るリスク管理装置の一例としてのリスク評価回路におけるリスク算出処理において行われる処理を例示する模式図である。

【図10】図１０は、第１実施形態に係るリスク管理装置の一例としてのリスク評価回路におけるリスク算出処理において用いられるテーブルを例示する図である。

【図11】図１１は、第１実施形態に係るリスク管理装置の一例としてのリスク評価回路における寄与度算出処理の手順を例示するフローチャートである。

【図12】図１２は、第１実施形態に係るリスク管理装置の一例としてのリスク評価回路における寄与度算出処理において行われる処理を例示する模式図である。

【図13】図１３は、第１実施形態に係るリスク管理装置の一例としてのリスク評価回路におけるリスク算出処理において用いられる表示画面を例示する図である。

【図14】図１４は、第１実施形態に係るリスク管理装置の一例としてのリスク評価回路における寄与度算出処理において、因子別の寄与度を示す表示画面を例示する図である。

【図15】図１５は、第１実施形態に係るリスク管理装置の一例としてのリスク評価回路における寄与度算出処理において、因子別の寄与度を画像化して示す表示画面を例示する図である。

【発明を実施するための形態】

【0019】

以下、図面を参照して実施形態について説明する。なお、以下の説明において、同一の機能及び構成を有する構成要素については、共通する参照符号を付す。また、共通する参照符号を有する複数の構成要素を区別する場合、当該共通する参照符号に後続する追加符号を更に付して区別する。なお、複数の構成要素について特に区別を要さない場合、当該複数の構成要素には、共通する参照符号のみが付され、追加符号は付さない。

【0020】

１．適用例
まず、図１を用いて、本発明が適用されるリスク管理装置の一例について説明する。

【0021】

図１に示すように、リスク管理装置１は、取得部２と、リスク算出部３と、選択部４と、寄与度算出部５と、生成部６と、を備える。リスク管理装置１は、リスク評価プログラムに基づいて、リスク算出処理及び寄与度算出処理を実行する。リスク評価プログラムは、リスク管理プログラムの一例である。

【0022】

取得部２は、評価対象者に関する入力情報を取得する。入力情報は、生体情報及び行動情報を含む。

【0023】

生体情報は、評価対象者の生体パラメータに関する情報である。生体情報は、１つ以上の因子を含む。生体情報は、因子として、例えば、性別、人種、年齢、総コレステロール値、ＨＤＬコレステロール値、ＬＤＬコレステロール値、高血圧治療の有無、血圧値、糖尿病の有無、遺伝情報等を含む。

【0024】

行動情報は、評価対象者の行動パラメータに関する情報である。行動情報は、１つ以上の因子を含む。行動情報は、因子として、例えば、喫煙状況、睡眠時間等を含む。

【0025】

リスク算出部３は、入力情報に基づいて、評価対象者についてのイベント発症率を算出する。イベント発症率は、例えば、１０年以内のＡＳＣＶＤ発症リスク（10-Year Risk of Hard ASCVD Event）、生涯におけるＡＳＣＶＤ発症リスク等である。例えば、１０年以内のＡＳＣＶＤ発症リスクは、心臓発作、虚血性脳卒中等の動脈硬化性心血管疾患（ＡＳＣＶＤ）が、１０年以内に発症する可能性を予測し、数値化したものである。

【0026】

選択部４は、入力情報の中から、改善可能因子に関する入力情報を抽出する。改善可能因子は、評価対象者が改善することが可能な要因に起因する因子である。改善可能因子は、例えば、総コレステロール値、ＨＤＬコレステロール値、ＬＤＬコレステロール値、血圧値、喫煙の有無、糖尿病の有無、睡眠時間等である。

【0027】

寄与度算出部５は、選択部４で抽出された改善可能因子に関する入力情報に基づいて、改善可能因子のそれぞれについて、イベント発症率に対する寄与度を算出する。イベント発症率に対する寄与度は、イベント発症率に対する改善可能因子の影響度である。

【0028】

生成部６は、イベント発症率の算出結果、及び、因子別寄与度の算出結果に基づいて、出力データを生成する。出力データは、例えば、イベント発症率の算出結果を提示するためのデータである。また、出力データは、例えば、改善可能因子のそれぞれの寄与度を比較可能に提示するための画像データである。生成部６は、生成した出力データを、外部に出力する。

【0029】

上述のような構成であれば、ユーザは、イベント発症率に対する寄与度を因子別に比較することにより、イベント発症率を押し上げている要因を容易に把握することができる。すなわち、上述の構成によれば、どの測定結果がリスクを押し上げているのかが分かりやすいため、ユーザは、リスクを低減させるためにどのようにすればよいのかを判断しやすい。

【0030】

また、上述の構成によれば、全ての因子についての入力情報に対する評価が正常の範囲内である場合であっても、イベント発症率に対する寄与度を因子別に比較することにより、ユーザは、リスクの上昇に大きく寄与する要因を把握することができる。

【0031】

また、上述のような構成であれば、取得した入力情報の中で、評価対象者が改善可能な項目が改善可能因子として抽出される。そして、改善可能な項目について、イベント発症率に対する因子別寄与度が提示される。このため、例えば、評価対象者は、改善可能で、かつ、リスクの低減に影響の大きい要因を容易に把握することができ、リスクを低減させるためにどのようにすれば良いかを容易に判断することができる。

【0032】

２．第１実施形態
上述の適用例に係るリスク管理装置の第１実施形態について、以下に説明する。以下では、リスク管理装置の一例としてのリスク評価回路を有する携帯端末を含む、リスク評価システムについて説明する。

【0033】

２．１ 全体構成例
図２は、本実施形態に係るリスク評価システムの適用場面の一例を模式的に例示する図である。本実施形態に係るリスク評価システムは、評価対象者の生体情報及び行動情報を用いて１０年以内のＡＳＣＶＤ発症リスクを算出し、１０年以内のＡＳＣＶＤ発症リスクの算出結果を保存又は提示するシステムである。

【0034】

図２に示すように、リスク評価システムは、血圧測定装置１０と携帯端末３０とを備える。血圧測定装置１０と携帯端末３０とは、近距離無線通信、又は有線通信により、接続される。リスク評価システムは、更に、固定端末５０と、サーバ７０と、を備えてもよい。この場合、携帯端末３０は、ネットワークＮＷを経由して、固定端末５０及びサーバ７０のそれぞれと接続される。これにより、血圧測定装置１０は、携帯端末３０を介して、固定端末５０及びサーバ７０のそれぞれと接続され得る。即ち、血圧測定装置１０は、携帯端末３０を介して、固定端末５０及びサーバ７０のそれぞれと通信可能である。本実施形態では、携帯端末３０、固定端末５０及びサーバ７０の間の通信は、例えば、ネットワークＮＷを介する通信が適用可能であるが、これに限定されず、近距離無線通信、又は有線通信が適用されてもよい。携帯端末３０及び固定端末５０は、端末装置の一例である。

【0035】

血圧測定装置１０は、任意の測定箇所（例えば、手首）に装着可能な装置である。血圧測定装置１０は、測定箇所における評価対象者の血圧値を測定する。血圧測定装置１０は、血圧値の測定結果等を含む血圧情報を、携帯端末３０に送信することができる。また、血圧測定装置１０は、睡眠情報等を含む活動情報を、携帯端末３０に送信することができる。

【0036】

携帯端末３０は、例えば、評価対象者が携帯可能な端末である。携帯端末３０は、血圧測定装置１０から血圧情報及び活動情報を受信する。携帯端末３０は、受信した血圧情報及び活動情報を、固定端末５０及びサーバ７０に転送する。また、携帯端末３０は、サーバ７０から、評価対象者についての生体情報及び行動情報を受信する。

【0037】

固定端末５０は、例えば、医師、評価対象者等が操作可能な端末である。固定端末５０は、携帯端末３０から血圧情報を受信する。固定端末５０は、受信した血圧情報、及び、評価対象者に関する生体情報に基づいて、評価対象者に関する診断情報を生成する。固定端末５０は、生成した診断情報を携帯端末３０及びサーバ７０に送信する。

【0038】

サーバ７０は、携帯端末３０及び固定端末５０等から送信された情報を蓄積するサーバコンピュータである。

【0039】

サーバ７０は、リスク評価回路８０を備える。リスク評価回路８０は、生体情報及び行動情報に基づいて、例えば、評価対象者についての１０年以内のＡＳＣＶＤ発症リスクを算出する。生体情報は、血圧測定装置１０から受信した血圧情報、記憶部７２に記憶された診断情報等を含む。行動情報は、血圧測定装置１０から受信した睡眠情報等を含む。生体情報及び行動情報は、電子カルテ等に記憶される。また、リスク評価回路８０は、生体情報及び行動情報に含まれる因子の中から、改善可能因子を選択する。そして、リスク評価回路８０は、改善可能因子について、１０年以内のＡＳＣＶＤ発症リスクに対する寄与度を算出する。リスク評価回路８０は、１０年以内のＡＳＣＶＤ発症リスクの算出結果、及び、寄与度の算出結果に基づいて、出力データを生成する。携帯端末３０は、リスク評価回路８０で生成された出力データ及び固定端末５０から受信した診断情報等を表示する。

【0040】

２．２ ハードウェア構成例
本実施形態に係るリスク評価システムにおける各装置のハードウェア構成の一例について説明する。

【0041】

２．２．１ 血圧測定装置のハードウェア構成例
まず、本実施形態に係る血圧測定装置１０のハードウェア構成例について説明する。図３は、本実施形態に係る血圧測定装置１０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、本実施形態に係る血圧測定装置１０は、制御部１１、記憶部１２、通信部１３、操作部１４、表示部１５、及び、血圧センサ１６を備える。血圧測定装置１０は、更に、加速度センサ１７及び温湿度センサ１８の少なくとも１つを備えてもよい。

【0042】

制御部１１は、ＣＰＵ（Central Processing Unit）、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）等を含み、情報処理に応じて各構成要素の制御を行う。また、制御部１１は、図示しないクロックを含み、現在の日時を取得する機能を有する。制御部１１は、取得した日時を表示部１５に表示する機能を有してもよい。

【0043】

制御部１１は、血圧センサ１６、加速度センサ１７、温湿度センサ１８による測定結果に基づき、血圧情報、活動情報、及び、環境情報を生成する。血圧情報は、例えば、血圧センサ１６による評価対象者の血圧値の測定結果等を含む。活動情報は、加速度センサ１７による測定に基づく、評価対象者の活動量、歩数、及び睡眠状態を含む。環境情報は、温湿度センサ１８による測定に基づく、評価対象者の周辺の温度、及び湿度を含む。血圧情報、活動情報、及び環境情報の各々は、クロックにより取得した現在日時に基づく測定日時と関連付けられる。また、血圧情報、活動情報、及び環境情報の各々は、血圧測定装置１０を一意に識別する機器ＩＤと更に関連付けられてもよい。

【0044】

記憶部１２は、例えば、ソリッドステイトドライブ等の補助記憶装置である。血圧測定装置１０が、時計型のような小型機器では無く或る程度大きな機器として構成される場合には、記憶部１２は、ハードディスクドライブであってもよい。記憶部１２は、制御部１１で実行されるプログラム、血圧情報、活動情報、及び環境情報等を記憶する。

【0045】

通信部１３は、携帯端末３０との通信を司る通信インタフェースである。通信部１３は、例えば、血圧情報、活動情報、及び環境情報等を携帯端末３０へ送信する。本実施形態では、通信部１３による携帯端末３０との通信は、例えば、ブルートゥース（登録商標）等の近距離無線通信が適用可能であるが、これに限定されない。通信部１３による通信は、例えば、ＬＡＮ（Local Area Network）のようなネットワークＮＷを介する通信、又は通信ケーブルを用いた有線の通信が適用されてもよい。

【0046】

操作部１４は、例えば、タッチパネル及び操作ボタン等のユーザインタフェースを含む。操作部１４は、当該ユーザインタフェースを介して評価対象者による操作を検出し、当該操作の内容を示す信号を制御部１１に出力する。

【0047】

表示部１５は、例えば、表示画面（例えば、ＬＣＤ（Liquid Crystal Display）又はＥＬ（Electroluminescence）ディスプレイ等）及びインジケータ等を含む。表示部１５は、制御部１１からの信号にしたがって情報を表示し、評価対象者へ通知する。例えば、表示部１５は、記憶部１２に記憶された血圧情報、活動情報、及び環境情報等を表示することができる。

【0048】

血圧センサ１６は、評価対象者の血圧値を測定する。血圧値は、例えば、最高血圧及び最低血圧等の代表的な指数を含む。以下の説明では一例として、血圧値が最高血圧であるものとして説明するが、最低血圧及びその他の指数が最高血圧に代えて用いられてもよく、これらの複数の指数が組み合わせて用いられてもよい。

【0049】

血圧センサ１６は、例えば、評価対象者の血圧を、心拍の一拍ごと（連続的）に測定可能な連続測定型でもよく、所定の時期についてスポット（非連続的）で測定可能な非連続測定型でもよい。連続測定型の血圧センサ１６には、例えば、脈波伝播時間（ＰＴＴ；Pulse Transmit Time）に基づいて評価対象者の血圧を連続的に測定する手法、及び圧脈波に基づいて血圧を連続的に測定する手法（トノメトリ法）等が適用可能である。なお、連続的に血圧を測定する手法は、上述の例に限らず、発光素子を用いて脈波を検出する手法等が適宜適用可能である。非連続測定型の血圧センサ１６には、例えば、カフを圧力センサとして用いて血管を圧迫することで脈波を検出する手法（オシロメトリック法）が適用可能である。

【0050】

加速度センサ１７は、血圧測定装置１０の装着箇所において生じる評価対象者の加速度を、３軸成分の組として検出する。また、加速度センサ１７は、ジャイロセンサを更に含んでもよく、加速度に加えて、角速度を３軸成分の組として更に検出してもよい。

【0051】

温湿度センサ１８は、評価対象者の周辺の温度及び湿度を測定する。

【0052】

２．２．２ 携帯端末のハードウェア構成例
次に、携帯端末３０のハードウェア構成例について説明する。図４は、本実施形態に係る携帯端末３０のハードウェア構成の一例を示すブロック図である。図４に示すように、本実施形態に係る携帯端末３０は、制御部３１、記憶部３２、通信部３３、操作部３４、表示部３５、及び、ＧＰＳ（Global Positioning System）受信機３６を備える。

【0053】

制御部３１及び記憶部３２はそれぞれ、血圧測定装置１０の制御部１１及び記憶部１２と同様である。携帯端末３０の記憶部３２は、血圧測定装置１０から受信した情報及びＧＰＳ受信機３６によって生成される位置情報を記憶する。血圧測定装置１０から受信した情報は、血圧情報、活動情報、環境情報等を含む。

【0054】

通信部３３は、血圧測定装置１０、固定端末５０及びサーバ７０との通信を司る通信インタフェースである。通信部３３は、例えば、血圧情報、活動情報、及び環境情報等を、血圧測定装置１０から受信する。また、通信部３３は、血圧情報、活動情報、環境情報、位置情報等を固定端末５０及びサーバ７０に送信する。

【0055】

操作部３４及び表示部３５はそれぞれ、血圧測定装置１０の操作部１４及び表示部１５と同様である。

【0056】

ＧＰＳ受信機３６は、携帯端末３０の位置を測位し、位置情報を生成する。位置情報は、例えば、測位日時、並びに測位日時における携帯端末３０の緯度、及び経度を含む。ＧＰＳ受信機３６による測位は、例えば、血圧測定装置１０の血圧センサ１６の測定と同期して行うことが可能である。

【0057】

２．２．３ 固定端末のハードウェア構成例
次に、固定端末５０のハードウェア構成例について説明する。図５は、本実施形態に係る固定端末５０のハードウェア構成の一例を示すブロック図である。図５に示すように、本実施形態に係る固定端末５０は、制御部５１、記憶部５２、通信部５３、操作部５４、及び、表示部５５を備える。

【0058】

制御部５１及び記憶部５２はそれぞれ、血圧測定装置１０の制御部１１及び記憶部１２と同様である。固定端末５０の制御部５１は、評価対象者に関する生体情報、評価対象者に関する診断情報等を生成する。

【0059】

固定端末５０の記憶部５２は、携帯端末３０から転送された情報、評価対象者に関する生体情報、評価対象者に関する診断情報等を一時的に記憶する。

【0060】

通信部５３は、携帯端末３０及びサーバ７０との通信を司る通信インタフェースである。通信部５３は、例えば、血圧情報、活動情報、及び環境情報等を、携帯端末３０から受信する。また、通信部５３は、評価対象者に関する生体情報及び評価対象者に関する診断情報等を携帯端末３０及びサーバ７０に送信する。

【0061】

操作部５４及び表示部５５はそれぞれ、血圧測定装置１０の操作部１４及び表示部１５と同様である。操作部５４では、各種検査装置によって取得した生体情報を入力することができる。生体情報は、院内ＬＡＮ等のネットワークを介して、サーバ７０に記録されてもよい。

【0062】

２．２．４ サーバのハードウェア構成例
次に、サーバ７０のハードウェア構成例について説明する。図６は、本実施形態に係るサーバ７０のハードウェア構成の一例を示すブロック図である。図６に示すように、本実施形態に係るサーバ７０は、制御部７１、記憶部７２、通信部７３、及び、リスク評価回路８０を備える。

【0063】

リスク評価回路８０は、リスク管理装置の一例である。本実施形態では、リスク管理装置はサーバ７０に設けられているが、血圧測定装置１０、携帯端末３０及び固定端末５０のいずれかに設けられてもよい。

【0064】

制御部７１及び記憶部７２はそれぞれ、血圧測定装置１０の制御部１１及び記憶部１２と同様である。サーバ７０の記憶部７２は、携帯端末３０及び固定端末５０から送信された情報等を記憶する。

【0065】

通信部７３は、携帯端末３０及び固定端末５０との通信を司る通信インタフェースである。通信部７３は、例えば、血圧情報、活動情報、及び環境情報等を、携帯端末３０から受信する。通信部７３は、例えば、血圧情報、活動情報、及び環境情報等を、固定端末５０から受信する。また、通信部７３は、評価対象者に関する生体情報、評価対象者に関する診断情報等を、固定端末５０から受信する。通信部７３は、記憶部７２に記憶した情報を、携帯端末３０及び固定端末５０に送信する。

【0066】

リスク評価回路８０は、例えばプロセッサ８０ａとメモリ８０ｂとを備える。リスク評価回路８０は、プロセッサ８０ａがメモリ８０ｂに記憶されたプログラムを実行することにより、各種の動作制御およびデータ処理などを実現する。また、リスク評価回路８０は、図示しないクロックを有し、現在の日時を計時することができる。

【0067】

プロセッサ８０ａは、例えば演算回路を含むＣＰＵやＭＰＵ（Micro Processing Unit）などである。プロセッサ８０ａは、メモリ８０ｂまたは記憶部３２が記憶するプログラムを実行することにより各部の制御およびデータ処理が実行可能である。

【0068】

メモリ８０ｂは、例えば、プロセッサ８０ａが実行するプログラムを記憶する不揮発性のメモリ、及び、ワーキングメモリとして使用するＲＡＭなどの揮発性メモリを含む。

【0069】

リスク評価回路８０は、リスク評価プログラムに基づいて、リスク算出処理及び寄与度算出処理を実行する。リスク評価プログラムは、リスク管理プログラムの一例である。リスク評価回路８０によるリスク算出処理及び寄与度算出処理については、後述する。リスク評価プログラムは、リスク算出処理及び寄与度算出処理を、リスク評価回路８０に実行させるためのプログラムである。リスク評価プログラムは、メモリ８０ｂに記憶されていてもよく、記憶部３２に記憶されていてもよい。

【0070】

なお、制御部７１がリスク評価回路８０として機能してもよい。即ち、制御部７１がリスク評価回路８０を兼用してもよい。この場合、制御部７１のＣＰＵがリスク評価回路８０のプロセッサ８０ａとなり、制御部７１のＲＯＭがリスク評価回路８０のメモリ８０ｂの不揮発性メモリとなり、制御部７１のＲＡＭがリスク評価回路８０のメモリ８０ｂの揮発性メモリとなる。

【0071】

２．３ 機能構成例
次に、本実施形態に係るリスク評価システムの機能構成の一例について説明する。

【0072】

２．３．１ リスク評価回路の機能構成例
図７は、本実施形態に係るリスク評価システムのリスク評価回路８０の機能構成の一例を模式的に示すブロック図である。

【0073】

リスク評価回路８０のプロセッサ８０ａは、メモリ８０ｂの不揮発性メモリに記憶されたリスク評価プログラムをメモリ８０ｂの揮発性メモリに展開する。そして、プロセッサ８０ａは、揮発性メモリに展開されたリスク評価プログラムを解釈及び実行することで、取得部８２、リスク算出部８３、選択部８４、寄与度算出部８５、及び、生成部８６として機能する。

【0074】

メモリ８０ｂの揮発性メモリは、入力情報記憶部８７、評価情報記憶部８８及び出力データ記憶部８９として機能する。

【0075】

入力情報記憶部８７には、評価対象者に関する入力情報が一時的に記憶される。入力情報は、生体情報及び行動情報を含む。

【0076】

生体情報は、評価対象者の生体パラメータに関する情報である。生体情報は、１つ以上の因子を含む。生体情報は、因子として、性別、人種、年齢、総コレステロール値、ＨＤＬコレステロール値、高血圧治療の有無、血圧値、及び、糖尿病の有無を含む。血圧値は、最高血圧の値である。生体情報は、因子として、ＬＤＬコレステロール値、遺伝情報等をさらに含んでいてもよい。

【0077】

行動情報は、評価対象者の行動に関する情報である。行動情報は、１つ以上の因子を含む。行動情報は、因子として、喫煙状況を含む。行動情報は、因子として、睡眠時間をさらに含んでいてもよい。

【0078】

評価情報記憶部８８には、評価対象者に関する評価情報が一時的に記憶される。評価情報は、１０年以内のＡＳＣＶＤ発症リスクＲ、及び、１０年以内のＡＳＣＶＤ発症リスクに対する因子別寄与度等を含む。１０年以内のＡＳＣＶＤ発症リスクＲは、イベント発症率の一例である。また、１０年以内のＡＳＣＶＤ発症リスクに対する因子別寄与度は、イベント発症率に対する寄与度の一例である。

【0079】

出力データ記憶部８９には、画面表示用の出力データが一時的に記憶される。

【0080】

取得部８２は、評価対象者に関する入力情報を取得する。取得部８２は、例えば、記憶部３２から、入力情報を取得する。取得部８２は、取得した入力情報を、メモリ８０ｂの入力情報記憶部８７に記憶するとともに、リスク算出部８３、選択部８４及び寄与度算出部８５に伝達する。

【0081】

リスク算出部８３は、入力情報に基づいて、１０年以内のＡＳＣＶＤ発症リスクＲを算出する。リスク算出部８３は、１０年以内のＡＳＣＶＤ発症リスクＲの算出結果を、メモリ８０ｂの評価情報記憶部８８に記憶するとともに、生成部８６に伝達する。

【0082】

１０年以内のＡＳＣＶＤ発症リスクは、心臓発作、虚血性脳卒中等の動脈硬化性心血管疾患（ＡＳＣＶＤ）が、１０年以内に発症する可能性を予測し、数値化したものである。１０年以内のＡＳＣＶＤ発症リスクは、例えば、ＡＣＣ／ＡＨＡによる心血管系リスクガイドライン（2013 ACC/AHA Guideline on the Assessment of Cardiovascular Risk）に基づいて、算出される。リスク算出部８３によるリスク算出処理については、後述する。

【0083】

選択部８４は、入力情報の中から、改善可能因子に関する入力情報を抽出する。選択部８４は、改善可能因子に関する入力情報を、メモリ８０ｂの評価情報記憶部８８に記憶するとともに、寄与度算出部８５に伝達する。

【0084】

改善可能因子は、評価対象者が改善することが可能な要因に起因する因子である。選択部８４は、改善可能因子として、総コレステロール値、ＨＤＬコレステロール値、血圧値、喫煙の有無、及び、糖尿病の有無を選択する。入力情報に睡眠時間が含まれる場合は、選択部８４は、改善可能因子として、睡眠時間をさらに選択してもよい。

【0085】

また、改善可能因子は、好影響因子及び悪影響因子のいずれかに分類することができる。好影響因子は、１０年以内のＡＳＣＶＤ発症リスクＲの減少に寄与する因子である。例えば、ＨＤＬコレステロール値は、好影響因子である。悪影響因子は、１０年以内のＡＳＣＶＤ発症リスクＲの増加に寄与する因子である。例えば、総コレステロール値、血圧値、喫煙状況、及び、糖尿病の有無等は、悪影響因子である。

【0086】

寄与度算出部８５は、改善可能因子に関する入力情報に基づいて、改善可能因子のそれぞれについて、１０年以内のＡＳＣＶＤ発症リスクＲに対する因子別寄与度を算出する。因子別寄与度は、１０年以内のＡＳＣＶＤ発症リスクＲに対する改善可能因子の寄与度合い（寄与度）である。

【0087】

寄与度算出部８５は、因子別寄与度を、メモリ８０ｂの評価情報記憶部８８に記憶するとともに、生成部８６に伝達する。寄与度算出部８５による寄与度算出処理については、後述する。

【0088】

生成部８６は、１０年以内のＡＳＣＶＤ発症リスクＲの算出結果、及び、因子別寄与度の算出結果に基づいて、出力データを生成する。出力データは、例えば、携帯端末３０の表示部３５に表示するための画像データである。出力データは、例えば、１０年以内のＡＳＣＶＤ発症リスクＲの算出結果、改善可能因子の因子別寄与度を比較可能なグラフ等を含む。また、生成部８６は、生成した出力データを、外部に出力する。

【0089】

２．４ 動作例
次に、本実施形態に係るリスク評価システムの動作例について説明する。なお、以下で説明する処理手順は一例に過ぎず、各処理は可能な限り変更されてよい。また、以下で説明する処理手順について、実施の形態に応じて、適宜、ステップの省略、置換、及び追加が可能である。

【0090】

２．４．１ リスク算出処理におけるリスク評価回路の動作例
図８は、本実施形態に係るリスク評価回路８０のプロセッサ８０ａにおける、リスク算出処理の手順の一例を示すフローチャートである。プロセッサ８０ａは、例えば、携帯端末３０の操作部３４においてリスク算出処理を開始させる操作入力が行われたことに基づいて、リスク算出処理を開始する。

【0091】

リスク算出処理では、プロセッサ８０ａは、まず、入力情報として、評価対象者に関する生体情報及び行動情報を取得する（Ｓ１０１）。例えば、プロセッサ８０ａは、操作部３４で入力された生体情報及び行動情報を、記憶部３２から取得し、メモリ８０ｂの入力情報記憶部８７に記憶する。

【0092】

次に、プロセッサ８０ａは、入力情報記憶部８７に記憶した生体情報及び行動情報に基づいて、評価用算出値Ａを算出する（Ｓ１０２）。評価用算出値Ａは、評価対象者についての生体情報及び行動情報に応じて変化する。

【0093】

図９は、評価用算出値Ａ（output）の算出手順の一例を、模式的に示す図である。評価用算出値Ａの算出では、プロセッサ８０ａは、まず、変数Ｎ１～Ｎ６及び係数Ｋ１～Ｋ１３に基づいて、積算値Ｐ１～Ｐ１３を算出する。そして、プロセッサ８０ａは、積算値Ｐ１～Ｐ１３の総和を算出することにより、評価用算出値Ａを算出する。なお、この際、積算値Ｐ７～Ｐ８、及び、積算値Ｐ９～Ｐ１０の一方は、評価用算出値Ａの算出に用いられない。

【0094】

図９において、変数Ｎ１～Ｎ６は、入力情報に関する変数である。変数Ｎ１は、評価対象者の年齢の自然対数である。変数Ｎ２は、評価対象者の総コレステロール値の自然対数である。変数Ｎ３は、評価対象者のＨＤＬコレステロール値の自然対数である。変数Ｎ４は、評価対象者の最高血圧の血圧値の自然対数である。変数Ｎ５は、評価対象者の喫煙状況を示す値である。変数Ｎ５は、例えば、評価対象者が喫煙者である場合に「１」となり、評価対象者が喫煙者でない場合に「０」となる。変数Ｎ６は、評価対象者の糖尿病の有無を示す値である。変数Ｎ６は、例えば、評価対象者が糖尿病である場合に「１」となり、評価対象者が糖尿病でない場合に「０」となる。変数Ｎ５の代わりに、睡眠時間を示す変数を用いてもよい。

【0095】

図９において、係数Ｋ１～Ｋ１３は、１０年以内のＡＳＣＶＤ発症リスクＲの算出処理に用いられる定数である。係数Ｋ１～Ｋ１３のそれぞれは、評価対象者の人種及び性別に応じて、異なる値が用いられる。係数Ｋ１～Ｋ１３のそれぞれの値は、例えば、入力情報記憶部８７に記憶されている。図１０は、係数Ｋ１～Ｋ１３の値の一例を示すテーブルである。図１０の一例では、係数Ｋ１～Ｋ１３のそれぞれは、評価対象者の性別（Men又はWomen）、及び、評価対象者の人種（White又はＡＡ）に応じて、異なる値が設定されている。図１０の一例では、評価対象者の性別について、男性（Men）と女性（Women）とに分類され、評価対象者の人種について、白人（White）とアフリカ系アメリカ人（African American）とに分類されている。プロセッサ８０ａは、入力情報記憶部８７に記憶された入力情報及び図１０のテーブルに基づいて、係数Ｋ１～Ｋ１３のそれぞれについて、算出対象者の人種、性別等に対応した値を設定する。

【0096】

図９において、積算値Ｐ１～Ｐ１３のそれぞれは、変数Ｎ１～Ｎ６及び係数Ｋ１～Ｋ１３を用いて、算出される。例えば、積算値Ｐ１は、変数Ｎ１と係数Ｋ１との積である。また、例えば、積算値Ｐ２は、変数Ｎ１を２乗した値と、係数Ｋ２との積である。また、例えば、積算値Ｐ４は、変数Ｎ２、変数Ｎ１及び係数Ｋ４の積である。

【0097】

なお、評価用算出値Ａの算出では、積算値Ｐ７、Ｐ８及び積算値Ｐ９、Ｐ１０のうちいずれか一方のみが、評価用算出値Ａの算出に用いられる。したがって、積算値Ｐ７、Ｐ８及び積算値Ｐ９、Ｐ１０のうちいずれか一方のみが、評価用算出値Ａに反映される。高血圧治療の有無について治療中であることを示す入力情報が取得された場合には、積算値Ｐ７、Ｐ８のみが、評価用算出値Ａの算出に用いられる。また、高血圧治療の有無について未治療であることを示す入力情報が取得された場合には、積算値Ｐ９、Ｐ１０のみが、評価用算出値Ａの算出に用いられる。

【0098】

次に、プロセッサ８０ａは、生体情報及び評価用算出値Ａに基づいて、１０年以内のＡＳＣＶＤ発症リスク（10-Year Risk of Hard ASCVD Event）Ｒを算出する（Ｓ１０３）。

【0099】

下記の式（１）は、１０年以内のＡＳＣＶＤ発症リスクＲの算出に用いられる算出式の一例である。式（１）では、１０年以内のＡＳＣＶＤ発症リスクＲは、評価用算出値Ａ、生存率ＢＳ、及び、基準値Ｍに基づいて算出される。

【0100】

【数1】

【0101】

生存率ＢＳは、特定の人種及び性別を有する対象者に関する、１０年以内の生存率（Baseline Survival）である。基準値Ｍは、特定の人種及び性別を有する対象者全体における、評価用算出値Ａの中間値（Mean）である。生存率ＢＳ及び基準値Ｍは、定数であり、評価対象者の人種及び性別に応じて、異なる値が用いられる。生存率ＢＳ及び基準値Ｍの値の一例を、図１０に示す。図１０の一例では、生存率ＢＳ及び基準値Ｍは、評価対象者の性別（Men又はWomen）、及び、評価対象者の人種（White又はＡＡ）に応じて、異なる値が設定されている。プロセッサ８０ａは、入力情報及び図１０のテーブルに基づいて、生存率ＢＳ及び基準値Ｍのそれぞれについて、算出対象者の人種、性別等に対応した値を設定する。

【0102】

なお、係数Ｋ１～Ｋ１３、生存率ＢＳ及び基準値Ｍのそれぞれは、評価対象者の遺伝情報等に応じて、異なる値が設定されてもよい。

【0103】

次に、プロセッサ８０ａは、Ｓ１０３で算出した１０年以内のＡＳＣＶＤ発症リスクＲを、外部に出力する（Ｓ１０４）。プロセッサ８０ａは、１０年以内のＡＳＣＶＤ発症リスクＲを、例えば、携帯端末３０の制御部３１に出力する。１０年以内のＡＳＣＶＤ発症リスクＲは、制御部３１によって、例えば、表示部３５に表示される。

【0104】

２．４．２ 寄与度算出処理におけるリスク評価回路の動作例
図１１は、本実施形態に係るリスク評価回路８０のプロセッサ８０ａにおける、寄与度算出処理の手順の一例を示すフローチャートである。プロセッサ８０ａは、例えば、携帯端末３０の操作部３４において寄与度算出処理を開始させる操作入力が行われたことに基づいて、寄与度算出処理を開始する。なお、寄与度算出処理は、リスク算出処理を開始させる操作入力が行われたことに基づいて、前述のリスク算出処理と同時に行われてもよい。

【0105】

寄与度算出処理では、プロセッサ８０ａは、まず、入力情報として、特定の評価対象者に関する生体情報及び行動情報を取得する（Ｓ１１１）。例えば、プロセッサ８０ａは、操作部３４で入力された生体情報及び行動情報を、記憶部３２から取得する。

【0106】

次に、プロセッサ８０ａは、入力情報に含まれる複数の因子の中から、改善可能因子を抽出する（Ｓ１１２）。

【0107】

次に、プロセッサ８０ａは、改善可能因子のそれぞれについて、因子別評価値を算出する（Ｓ１１３）。因子別評価値は、１０年以内のＡＳＣＶＤ発症リスクＲに寄与する。他の条件が同一である場合は、因子別評価値が大きくなるほど、１０年以内のＡＳＣＶＤ発症リスクＲが上昇する。図１２は、因子別評価値の算出手順の一例を、模式的に示す図である。

【0108】

因子別評価値の算出では、プロセッサ８０ａは、まず、変数Ｎ１～Ｎ６及び係数Ｋ３～Ｋ１３に基づいて、積算値Ｐ３～Ｐ１３を取得する。プロセッサ８０ａは、例えば、変数Ｎ１～Ｎ６及び係数Ｋ３～Ｋ１３に基づいて、積算値Ｐ３～Ｐ１３を算出する。変数Ｎ１～Ｎ６及び係数Ｋ３～Ｋ１３のそれぞれは、前述のリスク算出処理と同様に算出及び設定される。また、積算値Ｐ３～Ｐ１３のそれぞれは、前述のリスク算出処理と同様に算出される。なお、前述のリスク算出処理においてメモリ８０ｂに記憶された積算値Ｐ３～Ｐ１３を読み出すことにより、積算値Ｐ３～Ｐ１３を取得してもよい。

【0109】

因子別評価値は、総コレステロール値についての因子別評価値Ｄ１と、ＨＤＬコレステロール値についての因子別評価値Ｄ２と、血圧値についての因子別評価値Ｄ３と、喫煙状況についての因子別評価値Ｄ４と、糖尿病についての因子別評価値Ｄ５と、を含む。因子別評価値Ｄ１は、積算値Ｐ３～Ｐ４の総和である。因子別評価値Ｄ２は、積算値Ｐ５～Ｐ６の総和である。因子別評価値Ｄ３は、積算値Ｐ７、Ｐ８、又は、積算値Ｐ９、Ｐ１０の総和である。因子別評価値Ｄ４は、積算値Ｐ１１～Ｐ１２の総和である。そして、因子別評価値Ｄ５には、積算値Ｐ１３が用いられる。因子別評価値Ｄ１、Ｄ３～Ｄ５は、正の値となる。因子別評価値Ｄ２は、負の値となる。

【0110】

なお、因子別評価値Ｄ３には、積算値Ｐ７、Ｐ８及び積算値Ｐ９、Ｐ１０のうちいずれか一方のみが、反映される。例えば、高血圧治療の有無について治療中であることを示す入力情報が取得された場合には、積算値Ｐ７、Ｐ８が、因子別評価値Ｄ３に反映される。また、高血圧治療の有無について未治療であることを示す入力情報が取得された場合には、積算値Ｐ９、Ｐ１０が、因子別評価値Ｄ３に反映される。

【0111】

次に、プロセッサ８０ａは、因子別評価値に基づいて、改善可能因子のそれぞれについて、１０年以内のＡＳＣＶＤ発症リスクＲに対する因子別寄与度を算出する（Ｓ１１４）。

【0112】

因子別寄与度は、改善可能因子についての因子別評価値を合計した加算値に対する、因子別評価値の割合として算出される。因子別寄与度は、総コレステロール値についての因子別寄与度Ｃ１と、ＨＤＬコレステロール値についての因子別寄与度Ｃ２と、血圧値についての因子別寄与度Ｃ３と、喫煙状況についての因子別寄与度Ｃ４と、糖尿病についての因子別寄与度Ｃ５と、を含む。下記の式（２）～式（６）は、因子別寄与度Ｃ１～Ｃ５の算出に用いられる算出式の一例である。因子別評価値Ｄ１、Ｄ３～Ｄ５は正の値であるため、因子別寄与度Ｃ１、Ｃ３～Ｃ５は、正の値となる。因子別評価値Ｄ２は負の値であるため、因子別寄与度Ｃ２は、負の値となる。

【0113】

【数2】

【0114】

本実施形態では、悪影響因子についての因子別評価値Ｄ１、Ｄ３～Ｄ５の合計値が、改善可能因子についての因子別評価値を合計した加算値として用いられる。例えば、因子別寄与度Ｃ１は、１０年以内のＡＳＣＶＤ発症リスクＲに対する総コレステロール値の寄与度合いである。因子別寄与度Ｃ１は、悪影響因子についての因子別評価値Ｄ１、Ｄ３～Ｄ５の合計値に対する因子別評価値Ｄ１の割合として、算出される。因子別寄与度Ｃ２～Ｃ５についても、因子別寄与度Ｃ１と同様に、算出される。

【0115】

次に、プロセッサ８０ａは、Ｓ１１３及びＳ１１４での算出結果を用いて、出力データを生成する（Ｓ１１５）。出力データは、例えば、携帯端末３０の表示部３５又は固定端末５０の表示部５５に表示させる画像データである。生成された出力データは、例えば、メモリ８０ｂの出力データ記憶部８９に記憶される。

【0116】

次に、プロセッサ８０ａは、Ｓ１１５で生成された出力データを、外部に出力する（Ｓ１１６）。プロセッサ８０ａは、出力データを、例えば、携帯端末３０の制御部３１に出力する。出力された出力データは、制御部３１によって、例えば、表示部３５に表示される。

【0117】

２．４．３ 表示例
図１３は、生体情報及び行動情報の入力に用いる表示画面の一例を示す図である。図１３の表示画面は、例えば、携帯端末３０の表示部３５に表示される。図１３の表示画面は、例えば、固定端末５０の表示部５５に表示されてもよい。

【0118】

図１３の表示画面では、入力情報表示部９１及び、リスク表示部９２が設けられている。入力情報表示部９１では、評価対象者に関する入力情報が表示される。入力情報は、例えば、操作部３４において入力される。リスク表示部９２では、１０年以内のＡＳＣＶＤ発症リスクＲの算出結果が表示される。

【0119】

入力情報表示部９１では、性別（Gender）について、「Men」及び「Women」のいずれか一方が表示される。「Men」は、評価対象者が男性であることを示し、「Women」は、評価対象者が女性であることを示す。

【0120】

また、入力情報表示部９１では、人種（Race）について、「White」、及び、「ＡＡ」のいずれか一方が表示される。「White」は、評価対象者が白人であることを示し、「ＡＡ」は、評価対象者がアフリカ系アメリカ人であることを示す。

【0121】

また、入力情報表示部９１では、年齢（Age）について、評価対象者の年齢が表示される。また、入力情報表示部９１では、総コレステロール値（Total Cholesterol）について、評価対象者の総コレステロール値（ｍｇ／ｄＬ）が表示される。また、入力情報表示部９１では、ＨＤＬコレステロール値（High Density Lipoprotein-Cholesterol）について、評価対象者のＨＤＬコレステロール値（ｍｇ／ｄＬ）が表示される。

【0122】

また、入力情報表示部９１では、高血圧治療の有無（Hypertension Treatment）について、「Treated」及び「Untreated」のいずれか一方が表示される。「Treated」は、降圧剤を用いた高血圧治療について治療中であることを示す。「Untreated」は、降圧剤を用いた高血圧治療について未治療であることを示す。

【0123】

また、入力情報表示部９１では、最高血圧の血圧値（Systolic ＢＰ）について、評価対象者の最高血圧の血圧値（ｍｍＨｇ）が表示される。

【0124】

また、入力情報表示部９１では、喫煙状況（Current Smoker）について、「Ｙｅｓ」及び「Ｎｏ」のいずれか一方が表示される。「Ｙｅｓ」は、評価対象者が喫煙者であることを示す。「Ｎｏ」は、評価対象者が喫煙者でないことを示す。

【0125】

また、入力情報表示部９１では、糖尿病の有無（Diabetes）について、「Ｙｅｓ」及び「Ｎｏ」のいずれか一方が表示される。「Ｙｅｓ」は、評価対象者が糖尿病であることを示す。「Ｎｏ」は、評価対象者が糖尿病でないことを示す。

【0126】

図１３は、評価対象者が、男性であり、白人であり、５０才であり、総コレステロール値が１５０ ｍｇ／ｄＬであり、ＨＤＬコレステロール値が５０ ｍｇ／ｄＬであり、降圧剤を使用済みであり、最高血圧の血圧値が１５０ ｍｍＨｇであり、喫煙者であり、糖尿病患者である場合の一例を示す。

【0127】

図１４は、図１３に示す入力情報が取得された場合における、因子別寄与度Ｃ１～Ｃ５の算出結果を示す表示画面の一例を示す図である。図１４の表示画面は、例えば、携帯端末３０の表示部３５に表示される。図１４の表示画面は、例えば、固定端末５０の表示部５５に表示されてもよい。

【0128】

図１４の表示画面では、寄与度表示部９３が設けられている。寄与度表示部９３では、総コレステロール値（Total Cholesterol）についての因子別寄与度Ｃ１と、ＨＤＬコレステロール値（ＨＤＬ－Ｃ）についての因子別寄与度Ｃ２と、血圧値（ＢＰ）についての因子別寄与度Ｃ３と、喫煙状況（Smoking）についての因子別寄与度Ｃ４と、糖尿病の有無（Diabetes）についての因子別寄与度Ｃ５が表示される。

【0129】

図１５は、図１３に示す入力情報が取得された場合において、前述の寄与度算出処理によって生成された出力データが表示された表示画面の一例を示す図である。図１５の表示画面は、例えば、携帯端末３０の表示部３５に表示される。図１５の表示画面は、例えば、固定端末５０の表示部５５に表示されてもよい。

【0130】

図１５の表示画面は、グラフ９４と、グラフ９５と、を含む。グラフ９４は、悪影響因子（Negative Factor）のそれぞれを構成要素とした積み上げ型棒グラフである。グラフ９４の縦軸は、因子別寄与度であり、単位は％である。悪影響因子についての因子別寄与度は、総コレステロール値（Total Cholesterol）についての因子別寄与度Ｃ１と、血圧値（ＢＰ）についての因子別寄与度Ｃ３と、喫煙状況（Smoking）についての因子別寄与度Ｃ４と、糖尿病の有無（Diabetes）についての因子別寄与度Ｃ５と、を含む。

【0131】

グラフ９５は、好影響因子（Positive Factor）を構成要素とした積み上げ型棒グラフである。グラフ９５の縦軸は、因子別寄与度であり、単位は％である。好影響因子についての因子別寄与度は、ＨＤＬコレステロール値（ＨＤＬ－Ｃ）についての因子別寄与度Ｃ２を含む。なお、グラフ９４、９５は、円グラフ等であってもよい。

【0132】

なお、グラフ９４、９５では、グラフの構成要素として、因子別寄与度Ｃ１～Ｃ５のそれぞれと１０年以内のＡＳＣＶＤ発症リスクＲとの積算値が用いられてもよい。この場合、グラフ９４、９５の縦軸には、１０年以内のＡＳＣＶＤ発症リスクＲが用いられる。

【0133】

また、表示画面では、悪影響因子の中から因子別寄与度が最も大きい因子が選択され、選択された因子についての名前と因子別寄与度のみが表示されてもよい。

【0134】

２．５ 作用・効果
本実施形態では、リスク評価回路８０のプロセッサ８０ａは、算出した因子別寄与度に基づいて、出力データを生成する。本実施形態によれば、１０年以内のＡＳＣＶＤ発症リスクに対する寄与度を因子別に比較することにより、１０年以内のＡＳＣＶＤ発症リスクを大きく押し上げている要因を容易に把握することがきる。これにより、どの測定結果がリスクを押し上げているのかが分かりやすくなり、ユーザは、リスクを低減させるためにどのようにすれば良いのかを判断しやすい。

【0135】

また、本実施形態によれば、例えば、全ての因子についての入力情報に対する評価が正常の範囲内である場合であっても、イベント発症率に対する寄与度を因子別に比較することにより、ユーザは、リスクの上昇に大きく寄与する要因を把握することができる。

【0136】

また、本実施形態では、取得した入力情報の中で、評価対象者が改善可能な項目が改善可能因子として抽出される。そして、抽出された改善可能な項目について、１０年以内のＡＳＣＶＤ発症リスクに対する因子別寄与度が提示される。このため、本実施形態によれば、ユーザは、改善可能で、かつ、リスクの低減に大きく寄与する要因を容易に把握することができ、リスクを低減させるためにどのようにすれば良いかを容易に判断できる。

【0137】

３． 実施形態等の共通構成
リスク管理装置（１：８０）は、評価対象者の生体パラメータに関する生体情報と前記評価対象者の行動パラメータに関する行動情報を取得する取得部（２：８２）と、取得された前記生体情報及び前記行動情報に基づいてイベント発症率を算出するリスク算出部（３：８３）と、前記生体情報及び前記行動情報の中から改善可能因子となる生体パラメータ及び行動パラメータを選択する選択部（４：８４）と、前記改善可能因子として選択された前記生体パラメータ及び前記行動パラメータのそれぞれについて前記イベント発症率に対する寄与度を算出する寄与度算出部（５：８５）と、前記寄与度算出部（５：８５）での算出結果を表す出力データを生成する生成部（６：８６）と、を備える。

【0138】

なお、本発明は、上記実施形態に限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で種々に変形することが可能である。また、各実施形態は適宜組み合わせて実施してもよく、その場合組み合わせた効果が得られる。更に、上記実施形態には種々の発明が含まれており、開示される複数の構成要件から選択された組み合わせにより種々の発明が抽出され得る。例えば、実施形態に示される全構成要件からいくつかの構成要件が削除されても、課題が解決でき、効果が得られる場合には、この構成要件が削除された構成が発明として抽出され得る。

【0139】

［付記］
前記実施形態の一部または全部は、特許請求の範囲のほか以下の付記に示すように記載することも可能であるが、これに限られない。

【0140】

（付記１）
ハードウェアプロセッサとメモリとを有するリスク管理装置であって、
前記ハードウェアプロセッサは、
評価対象者の生体パラメータに関する生体情報と前記評価対象者の行動パラメータに関する行動情報を取得し、前記生体情報及び前記行動情報を前記メモリに記憶させ、
前記メモリに記憶された前記生体情報及び前記行動情報に基づいてイベント発症率を算出し、
前記メモリに記憶された前記生体情報及び前記行動情報の中から改善可能因子となる生体パラメータ及び行動パラメータを選択し、
前記メモリに記憶された前記生体情報及び前記行動情報のうち前記改善可能因子として選択された前記生体パラメータ及び前記行動パラメータに関する情報に基づいて、前記改善可能因子として選択された前記生体パラメータ及び前記行動パラメータのそれぞれについて前記イベント発症率に対する寄与度を算出し、前記寄与度を前記メモリに記憶させ、
前記メモリに記憶された前記寄与度に基づいて、出力データを生成する、
リスク管理装置。

【0141】

（付記２）
ハードウェアプロセッサとメモリとを有する装置が実行するリスク管理方法であって、
前記ハードウェアプロセッサが、評価対象者の生体パラメータに関する生体情報と前記評価対象者の行動パラメータに関する行動情報を取得し、前記生体情報及び前記行動情報を前記メモリに記憶させる工程と、
前記ハードウェアプロセッサが、前記メモリに記憶された前記生体情報及び前記行動情報に基づいてイベント発症率を算出する工程と、
前記ハードウェアプロセッサが、前記メモリに記憶された前記生体情報及び前記行動情報の中から改善可能因子となる生体パラメータ及び行動パラメータを選択する工程と、
前記ハードウェアプロセッサが、前記メモリに記憶された前記生体情報及び前記行動情報のうち前記改善可能因子として選択された前記生体パラメータ及び前記行動パラメータに関する情報に基づいて、前記改善可能因子として選択された前記生体パラメータ及び前記行動パラメータのそれぞれについて前記イベント発症率に対する寄与度を算出し、前記寄与度を前記メモリに記憶させる工程と、
前記ハードウェアプロセッサが、前記メモリに記憶された前記寄与度に基づいて、出力データを生成する工程と、
を具備するリスク管理方法。

【符号の説明】

【0142】

１…リスク管理装置、２…取得部、３…リスク算出部、４…選択部、５…寄与度算出部、６…生成部、１０…血圧測定装置、１１…制御部、１２…記憶部、１３…通信部、１４…操作部、１５…表示部、１６…血圧センサ、１７…加速度センサ、１８…温湿度センサ、３０…携帯端末、３１…制御部、３２…記憶部、３３…通信部、３４…操作部、３５…表示部、３６…ＧＰＳ受信機、５０…固定端末、５１…制御部、５２…記憶部、５３…通信部、５４…操作部、５５…表示部、７０…サーバ、７１…制御部、７２…記憶部、７３…通信部、８０…リスク評価回路、８０ａ…プロセッサ、８０ｂ…メモリ、８２…取得部、８３…リスク算出部、８４…選択部、８５…寄与度算出部、８６…生成部、８７…入力情報記憶部、８８…評価情報記憶部、８９…出力データ記憶部、９１…入力情報表示部、９２…リスク表示部、９３…寄与度表示部、９４、９５…グラフ、Ａ…評価用算出値、ＢＳ…生存率、Ｃ１～Ｃ５…因子別寄与度、Ｄ１～Ｄ５…因子別評価値、Ｋ１～Ｋ１３…係数、Ｍ…基準値、Ｎ１～Ｎ６…変数、Ｐ１～Ｐ１３…積算値。

【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】