特許 7307507 病態解析システム、病態解析装置、病態解析方法、及び病態解析プログラム

(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】2023-07-04

(45)【発行日】2023-07-12

(54)【発明の名称】病態解析システム、病態解析装置、病態解析方法、及び病態解析プログラム

(51)【国際特許分類】

   A61B 10/00 20060101AFI20230705BHJP

   G10L 25/66 20130101ALI20230705BHJP

   G10L 25/21 20130101ALI20230705BHJP

【ＦＩ】

A61B10/00 H

G10L25/66

G10L25/21

【請求項の数】 9

(21)【出願番号】P 2021567508

(86)(22)【出願日】2020-12-22

(86)【国際出願番号】 JP2020048056

(87)【国際公開番号】W WO2021132289

(87)【国際公開日】2021-07-01

【審査請求日】2022-06-23

(31)【優先権主張番号】P 2019236829

(32)【優先日】2019-12-26

(33)【優先権主張国・地域又は機関】JP

(73)【特許権者】

【識別番号】322006559

【氏名又は名称】ＰＳＴ株式会社

(74)【代理人】

【識別番号】100114775

【弁理士】

【氏名又は名称】高岡 亮一

(74)【代理人】

【識別番号】100121511

【弁理士】

【氏名又は名称】小田 直

(74)【代理人】

【識別番号】100191086

【弁理士】

【氏名又は名称】高橋 香元

(72)【発明者】

【氏名】大宮 康宏

(72)【発明者】

【氏名】熊本 頼夫

【審査官】▲高▼原 悠佑

(56)【参考文献】

【文献】米国特許出願公開第２０１７／００８４２９５（ＵＳ，Ａ１）

【文献】米国特許出願公開第２０１９／０１８９１４８（ＵＳ，Ａ１）

【文献】米国特許出願公開第２０１２／０２６５０２４（ＵＳ，Ａ１）

【文献】特許第６２６８６２８（ＪＰ，Ｂ１）

【文献】特開２０１１－２５５１０６（ＪＰ，Ａ）

【文献】特開２０１９－１８７４９２（ＪＰ，Ａ）

【文献】国際公開第２０１９／２２５２４２（ＷＯ，Ａ１）

【文献】WANG, J. et al.，Acoustic differences between healthy and depressed people: a cross-situation study，BMC Psychiatry，2019年10月15日，Vol.19, Article No.300，pp.1-12

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ａ６１Ｂ １０／００

Ａ６１Ｂ ５／１６

(57)【特許請求の範囲】

【請求項1】

被検者の病態を解析する病態解析システムであって、
被験者の音声データを取得する入力手段と、
前記入力手段で取得した音声データから抽出される音声特徴量に基づいて被験者の疾患を推定する推定手段と、
前記推定手段による推定結果を表示する表示手段と、
を備え、
前記音声特徴量は、音声の大きさを含み、
前記音声の大きさを含む音声特徴量は、ピーク位置のばらつき若しくはピーク間隔の平均値、又は音声全体を通してのピーク位置直線近似の傾き若しくはピーク位置の平均値である
ことを特徴とする病態解析システム。

【請求項2】

前記推定手段が推定する疾患は、アルツハイマー型認知症、及びパーキンソン病を含む、
ことを特徴とする請求項１に記載の病態解析システム。

【請求項3】

前記推定手段が、パーキンソン病とアルツハイマー型認知症のいずれであるかを推定することを特徴とする請求項１に記載の病態解析システム。

【請求項4】

前記推定手段が、うつ症状の程度を推定するものであることを特徴とする請求項１に記載の病態解析システム。

【請求項5】

前記音声データが、口蓋音、口唇音又は舌音を含む言葉を発話したものである請求項１乃至４のいずれか１項に記載の病態解析システム。

【請求項6】

前記音声データが、「パタカ」の繰り返しを発話したものである請求項５に記載の病態解析システム。

【請求項7】

被検者の病態を解析する病態解析装置であって、
被験者の音声データを取得する入力部と、
前記入力部で取得した音声データから抽出される音声特徴量に基づいて被験者の疾患を推定する推定部と、
前記推定部による推定結果を表示する表示部と、
を備え、
前記音声特徴量は、音声の大きさを含み、
前記音声の大きさを含む音声特徴量は、ピーク位置のばらつき若しくはピーク間隔の平均値、又は音声全体を通してのピーク位置直線近似の傾き若しくはピーク位置の平均値である
ことを特徴とする病態解析装置。

【請求項8】

被検者の病態を解析する病態解析システムで実行される方法であって、
被験者の音声データを取得する入力工程と、
前記入力工程で取得した音声データから抽出される音声特徴量に基づいた疾患の予測値を入力として機械学習により被験者の疾患を推定する推定工程と、
前記推定工程による推定結果を表示する表示工程と、
を備え、
前記音声特徴量は、音声の大きさを含み、
前記音声の大きさを含む音声特徴量は、ピーク位置のばらつき若しくはピーク間隔の平均値、又は音声全体を通してのピーク位置直線近似の傾き若しくはピーク位置の平均値である
ことを特徴とする病態解析方法。

【請求項9】

請求項１乃至６のいずれか１項に記載の病態解析システムの各手段としてコンピュータを機能させるためのプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、病態解析システム、病態解析装置、病態解析方法、及び病態解析プログラムに関し、特に音声を用いて病態を解析する病態解析システム、病態解析装置、病態解析方法、及び病態解析プログラムに関する。

【背景技術】

【0002】

近年、発話による音声を解析することにより、感情や心的状態を推定する技術（特許文献１、特許文献２参照）が開示されており、音声を解析して人の状態を測り数値化することが可能になってきている。

【0003】

また、声紋による個人認証を行いデバイスにアクセスする権利を付与する技術（特許文献３参照）や、スマートホーム対応家電等の声によって機械を操作するための音声認識技術（特許文献４参照）が開示されている等、声をコミュニケーション以外に積極的に利用する場面も生じてきている。

【0004】

加えてスマートフォンの普及により、一人ひとりが通話デバイスを携帯していることから、必要であればいつでも発話が可能な状況となっている。

【0005】

更に、声は録音され電子データとして保存しておけば、血液や尿のように劣化することがないので、何時でも必要に応じ、過去にさかのぼって解析することができるという利点を有する。

【0006】

一方で、昔から医師は患者のあり姿から病気を推測することが行われており、特に精神・神経系疾患は有効なバイオマーカーが無いことから、患者の体の動きや声の出しかた、表情などが情報源となっている。例えば、抑うつがあると、口数が減り、声は小さくなり話す速度が遅くなること等が経験的に知られていたが、特定の疾患を判定するための指標には至っていなかった。

【先行技術文献】

【特許文献】

【0007】

【文献】特開２００７－２９６１６９号公報

【文献】国際公開第２００６／１３２１５９号

【文献】米国特許出願公開第２０１６／０１１９３３８号明細書

【文献】特開２０１４－２０６６４２号公報

【発明の概要】

【発明が解決しようとする課題】

【0008】

病気の予防や早期発見に繋がる検診率を高めるには、簡単に、自分で行え、費用も安く、日常生活の中でわざわざそのための機会を作る必要のない検査が求められている。

【0009】

そこで、本発明の目的の一つは、誰でも、何処にいても、短時間で、非侵襲的に、他人に知られることなく、極めて簡便に測定し疾患を推定できる音声を用いた病態解析システム、病態解析装置、病態解析方法、及び病態解析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】

【0010】

本発明者らは、このような課題に基づき鋭意検討した結果、音の強さ（Ｉｎｔｅｎｓｉｔｙ）に関連する音声特徴量を用いることにより、特定の疾患の可能性があること、またその疾患の重症度を推定できることを見出し、本発明に到達した。
本発明は、被検者の病態を解析する病態解析システムであって、被験者の音声データを取得する入力手段と、前記入力手段で取得した音声データから抽出される音声特徴量に基づいて被験者の疾患を推定する推定手段と、前記推定手段による推定結果を表示する表示手段と、を備え、前記音声特徴量は、音声の大きさを含み、前記音声の大きさを含む音声特徴量は、ピーク位置のばらつき若しくはピーク間隔の平均値、又は音声全体を通してのピーク位置直線近似の傾き若しくはピーク位置の平均値であることを特徴とする。

【発明の効果】

【0011】

本発明は、音の強さに関連する音声特徴量を用いることにより、簡便で、非侵襲で特定の疾患の可能性を推定することができる。

【0012】

また、音の強さという汎用性の高い音声特徴量を用いており、特別高度な音声の前処理を必要とせず、簡単な推定プログラムで特定の疾患の可能性を推定することができる。

【図面の簡単な説明】

【0013】

【図1】本発明に係る推定システムの構成例を示すブロック図である。

【図2】本発明に係る推定システムの構成例であって図１とは別の例を示すブロック図である。

【図3】図１に示した推定システム１００による推定処理の一例を示すフローチャートである。

【図4】音声特徴量の算出結果を示す表図である。

【図5】健常者又は特定疾患と、それ以外の分離性能を示すＲＯＣ曲線のグラフを示すとともに、ＡＵＣを求め、正解率が最大となるポイントにおいて作製した混同行列を示す図である。

【図6】健常者又は特定疾患と、それ以外の分離性能を示すＲＯＣ曲線のグラフを示すとともに、ＡＵＣを求め、正解率が最大となるポイントにおいて作製した混同行列を示す図である。

【図7】健常者又は特定疾患と、それ以外の分離性能を示すＲＯＣ曲線のグラフを示すとともに、ＡＵＣを求め、正解率が最大となるポイントにおいて作製した混同行列を示す図である。

【図8】ピーク位置のばらつきの算出結果を示す表図である。

【図9】ＢＤＩの相関及びＨＡＭＤの相関を示す表図である。

【図10】ＢＤＩの相関を示すグラフである。

【図11】ＢＤＩの相関を示すグラフである。

【図12】ＨＡＭＤの相関を示すグラフである。

【発明を実施するための形態】

【0014】

以下、本発明の実施形態について図面を参照して説明する。

【0015】

図１は、本発明に係る推定システムの構成例を示すブロック図である。
図１の推定システム１００は、被験者の音声を取得するための入力部１１０と、被験者へ推定結果等を表示するための表示部１３０と、サーバ１２０と、を備える。サーバ１２０は、演算処理装置１２０Ａ（例えばＣＰＵ）と、演算処理装置１２０Ａが実行するプログラムである推定プログラムを記録したハードディスク等の第１記録装置１２０Ｂと、被験者の検診データ及び被験者へ送信するためのメッセージ集を記録したハードディスク等の第２記録装置１２０Ｃと、を備える。サーバ１２０は、有線又は無線を介して入力部１１０及び表示部１３０に接続される。演算処理装置１２０Ａは、ソフトウェアによって実現されてもよいし、ハードウェアによって実現されてもよい。

【0016】

入力部１１０は、マイクロホン等の音声の取得部１１１と、取得した音声データをサーバ１２０へ送信する第１送信部１１２を備える。取得部１１１は、被験者の音声をアナログ信号からデジタル信号の音声データを生成する。音声データは第１送信部１１２からサーバ１２０へ送信される。

【0017】

入力部１１０は、マイクロホン等の音声の取得部１１１を介して被験者が発話する音声信号を取得し、音声信号を所定のサンプリング周波数（例えば、１１０２５ヘルツ等）でサンプリングすることでデジタル信号の音声データを生成する。

【0018】

入力部１１０は、音声データを記録する記録部をサーバ１２０側の記録装置とは別個に備えていてもよい。この場合、入力部１１０は、ポータブルレコーダーでもよい。入力部１１０の記録部は、ＣＤ、ＤＶＤ、ＵＳＢメモリ、ＳＤカード、ミニディスク等の記録媒体でもよい。

【0019】

表示部１３０は、推定結果等のデータを受信する第１受信部１３１と、当該データを表示する出力部１３２と、を備える。出力部１３２は、推定結果等のデータを表示するディスプレイである。ディスプレイは、有機ＥＬ（Ｏｒｇａｎｉｃ Ｅｌｅｃｔｒｏ－Ｌｕｍｉｎｅｓｃｅｎｃｅ）や液晶等であってもよい。

【0020】

なお、入力部１１０は、健康診断の結果のデータや、ストレスチェックに関する回答のデータを予め入力するために、タッチパネル等の機能を備えていてもよい。この場合、入力部１１０及び表示部１３０は、入力部１１０及び表示部１３０の機能を有する同一のハードウェアにより実現されてもよい。

【0021】

演算処理装置１２０Ａは、第１送信部１１２から送信された音声データを受信する第２受信部１２１と、被験者の音声データから抽出される音の大きさに関連する音声特徴量に基づき疾患の予測値を算出する算出部１２２と、疾患の予測値を入力として被験者の疾患を推定する推定部１２３と、推定結果に関するデータ等を表示部１３０へ送信する第２送信部１２４と、を備える。なお、算出部１２２と推定部１２３とは、機能を説明するために分けて記載したが、算出部と推定部の機能を同時に行ってもよい。また算出部と推定部は学習データを用いて機械学習により学習済みモデルを作成し、被験者のデータ（テストデータ）を学習済みモデルへ入力することにより疾患を推定することも可能である。ただし、本発明において疾患の推定に用いる声の大きさ（Ｉｎｔｅｎｓｉｔｙ）を含む音声特徴量は、通常の計算機により計算可能であるので、必ずしも機械学習を用いる必要はない。なお、本明細書では「メンタル値」という用語を疾患の予測値と同義に用いる。

【0022】

図２は、本発明に係る推定システムの構成例であって図１とは別の例を示すブロック図である。
図２の推定システム１００は、図１の推定システム１００のサーバ１２０と、入力部１１０及び表示部１３０との接続を、ネットワークＮＷを介して行う。この場合、入力部１１０及び表示部１３０は、通信端末２００である。通信端末２００は、例えば、スマートフォン、タブレット型の端末、またはマイクロホンを備えるノートパソコンやデスクトップパソコン等である。

【0023】

ネットワークＮＷは、携帯電話通信網またはＷｉ－Ｆｉ（登録商標）（Ｗｉｒｅｌｅｓｓ Ｆｉｄｅｌｉｔｙ）等の通信規格に基づく無線ＬＡＮを介して通信端末２００とサーバ１２０とを接続する。推定システム１００は、ネットワークＮＷを介して複数の通信端末２００とサーバ１２０とを接続してもよい。

【0024】

推定システム１００は、通信端末２００により実現されてもよい。この場合、サーバ１２０に格納される推定プログラムは、ネットワークＮＷを介して通信端末２００にダウンロードされ、通信端末２００の記録装置に記録される。通信端末２００に含まれるＣＰＵは、通信端末２００の記録装置に記録された推定プログラムを実行することにより、通信端末２００が算出部１２２、推定部１２３として機能してもよい。推定プログラムは、ＤＶＤ等の光ディスクやＵＳＢメモリ等の可搬型記録媒体に記録して頒布されてもよい。

【0025】

（第１実施形態）
図３は、図１に示した推定システム１００による推定処理の一例を示すフローチャートである。
図３に示す処理は、推定システム１００において、演算処理装置１２０Ａが第１記録装置１２０Ｂに記録された推定プログラムを実行することにより実現される。図３を用いて、演算処理装置１２０Ａの第２受信部１２１、算出部１２２、推定部１２３及び第２送信部１２４の各機能についてそれぞれ説明する。

【0026】

（算出部１２２）
処理を開始すると、ステップＳ１０１において、算出部１２２は、取得部１１１により音声データが取得されたか否かを判定する。既に音声データが取得されている場合には、ステップＳ１０４へ進む。音声データが取得されていない場合には、ステップＳ１０２において、算出部１２２は、表示部１３０の出力部１３２に所定の定型文を表示させるように命令する。

【0027】

本推定プログラムは被験者の発話の意味や内容によって精神・神経系疾患を推定するものではない。そのため、取得部１１１により取得される音声データは、発話時間の合計が２秒から３００秒程度となるものであれば何でもよい。使用言語は、特に制限しないが、推定プログラムを作成する際に母集団が使用した言語と一致することが望ましい。従って、出力部１３２に表示される定型文は、母集団と同一の言語であって、発話時間の合計が２秒から３００秒程度となる定型文であれば何でもよい。好ましくは、発話時間の合計が３秒から１８０秒程度になる定型文が望ましい。

【0028】

例えば、特定の感情を含まない“いろはにほへと”や“あいうえおかきくけこ”等でもよく、“あなたのお名前は”や“あなたの誕生日はいつですか”等の質問に対する返答でもよい。
中でも、濁音（口蓋音）であるガ、ギ、グ、ゲ、ゴ、半濁音（口唇音）であるパ、ピ、プ、ぺ、ポ、及び舌音であるラ、リ、ル、レ、ロを含む言葉が好ましく用いられる。「パタカ」の繰り返しが更に好ましく、典型的には、「パタカ」を３秒乃至１０秒、あるいは５回～１０回程度繰り返す言葉が用いられる。

【0029】

音声の取得環境は、被験者の発話した音声のみを取得できる環境であれば特に制限はないが、４０ｂＢ以下の環境で取得されることが好ましい。被験者の発話した音声は、３０ｄＢ以下の環境で取得されることがより好ましい。

【0030】

被験者が定型文を読み上げると、ステップＳ１０３において、算出部１２２は、被験者の発話した音声から音声データを取得してステップＳ１０４へ進む。

【0031】

次に、ステップＳ１０４において、算出部１２２は、音声データが第１送信部１１２を介して入力部１１０からサーバ１２０の第２受信部１２１へ送信されるように命令する。

【0032】

次に、ステップＳ１０５において、算出部１２２は、被験者のメンタル値、すなわち被験者の疾患の予測値が算出済みであるか否かを判定する。本発明において、疾患の予測値とは、１つまたは２以上の音響パラメータを抽出して生成する音声特徴量の組合せからなる特徴量Ｆ（ａ）であり、特定疾患の予測値である。音響パラメータは、音が伝わる際の特徴をパラメータ化したものである。疾患の予測値が既に算出されている場合は、ステップＳ１０７へ進む。疾患の予測値が算出されていない場合は、ステップＳ１０６において、算出部１２２は、被験者の音声データと推定プログラムに基づき、疾患の予測値を算出する。

【0033】

ステップＳ１０７において、算出部１２２は、予め取得された被験者の健診データを第２記録装置１２０Ｃから取得する。なお、演算処理装置１２０Ａは、ステップＳ１０７を省略して、健診データの取得を行わずに疾患の予測値から疾患を推定してもよい。

【0034】

次に、ステップＳ１０８において、推定部１２３は、算出部１２２で算出した疾患の予測値単独で、または疾患の予測値と健診データを合わせて疾患を推定する。

【0035】

推定部１２３は、疾患の予測値に関して、特定の疾患とその他とを区別するための個々の閾値を設けることにより、疾患の予測値を算出した複数の患者を、特定すべき対象とその他とに判別することができる。後述する実施例では、閾値を超えた場合とそうでない場合とに分類して判定している。

【0036】

次に、ステップＳ１０９において、推定部１２３は、疾患に対応する助言データが選択済みであるか否かを判定する。疾患に対応する助言データとは、被験者が助言データを受け取った際に疾患を予防、又は疾患の重症化を回避するための助言である。助言データが選択済みであれば、ステップＳ１１１へ進む。

【0037】

助言データが選択済みでない場合、ステップＳ１１０において、推定部１２３は、第２記録装置１２０Ｃから被験者の症状に対応する助言データを選択する。

【0038】

次に、ステップＳ１１１において、推定部１２３は、疾患の推定結果と選択された助言データを第２送信部１２４を介して表示部１３０の第１受信部１３１へ送信するように命令する。

【0039】

次に、ステップＳ１１２において、推定部１２３は、表示部１３０の出力部１３２に対して推定結果と助言データを出力するように命令する。最後に、推定システム１００は、推定処理を終了する。

【0040】

（実施形態２）
１．病態解析の方法
（１）発話と、その音声の取得
本発明において、図１の取得部１１１で取得する発話の種類（フレーズ）は特に限定されないが、音の強さに関する音声特徴量を用いるため、いくつかの音の繰り返しであるほうが、解析が容易になるため好ましい。

【0041】

いくつかの音の繰り返しとしては例えば、「あいうえお あいうえお ・・・」「いろはにほへと いろはにほへと ・・・」「パタカパタカパタカ・・・」等が挙げられる。

【0042】

これらのフレーズを、通常３～１０回程度、好ましくは４～６回程度繰り返して、又は通常２～２０秒、好ましくは３～７秒程度繰り返して、被験者に発話してもらう。

【0043】

こうして発話された音声は、取得部１１１としての、レコーダー等で録音して記録される。

【0044】

（２）音量の正規化
音量正規化（ノーマライズ）とは、音響信号処理のひとつであり、ある音声データ全体の音量（プログラムレベル）を分析し、特定の音量へ調整する処理である。音声データを適正な音量に整え、複数の音声データの音量を統一する目的で用いられる。

【0045】

（３）音の強さを計算
音声は波形（音圧を電圧値で測定したもの）として表示されるが、音の強さ（波形がどのくらい振れているか）を求めるには、絶対値を取る、あるいは２乗を取るなどの処理を行い、正の数値に変換する。

【0046】

（４）ピーク位置の検出
音の強さのグラフにおいて、ピーク閾値の設定とピーク位置の検出を行う。

【0047】

（５）ピーク位置（即ち音声の大きさ）に関係する音声特徴量を抽出する。例えば、以下のような音声特徴量が挙げられる。
Ａ：音素毎のピーク値直線近似の傾き
Ｂ：音素毎のピーク位置の平均値
Ｃ：音素毎のピーク位置のばらつき
Ｄ：音声全体を通してのピーク位置直線近似の傾き
Ｅ：音素毎のピーク間隔の平均値
Ｆ：音素毎のピーク間隔のばらつき
ここで音素とは、例えば「パタカ」の繰り返しであれば「パ」「タ」「カ」というそれぞれの発音を指す。

【0048】

（６）各疾患の患者の音声に基づき、上記音声特徴量に有意な差があるかどうかを検証する。

【0049】

（実施例１）
アルツハイマー型認知症患者（図中、ＡＤと示す）、パーキンソン病患者（図中、ＰＤと示す）、及び健常人（図中、ＨＥと示す）のそれぞれ２０人を被験者とする。この被検者の音声（「パタカ」を５回程度繰り返し発話したもの）について、音声特徴量を算出した。図４は、音声特徴量の算出結果を示す表図である。

【0050】

上記（５）におけるＡ～Ｆで示した音の強さに関する音声特徴量を解析したところ、「ピーク位置のばらつき」に関しては、パーキンソン病患者（ＰＤ）と健常者（ＨＥ）とで音声特徴量に有意な差を認めた。

【0051】

また、「ピーク間隔の平均値」に関しては、アルツハイマー型認知症患者（ＡＤ）と健常者（ＨＥ）とで音声特徴量に有意な差を認め、またアルツハイマー型認知症患者（ＡＤ）とパーキンソン病患者（ＰＤ）とで音声特徴量に有意な差を認めた。

【0052】

上記算出結果を基に、機械学習の評価指標として、ＲＯＣ曲線を描き、ＡＵＣを求めた。ＲＯＣは、Ｒｅｃｅｉｖｅｒ Ｏｐｅｒａｔｉｎｇ Ｃｈａｒａｃｔｅｒｉｓｔｉｃの略称である。ＡＵＣは、Ａｒｅａ ｕｎｄｅｒ ｔｈｅ ＲＯＣ ｃｕｒｖｅの略称である。

【0053】

図５、図６、及び図７は、健常者又は特定疾患と、それ以外の分離性能を示すＲＯＣ曲線のグラフを示すとともに、ＡＵＣを求め、正解率が最大となるポイントにおいて作製した混同行列を示す図である。図５は健常者とパーキンソン病患者について示し、図６は健常者とアルツハイマー型認知症患者について示し、図７はアルツハイマー型認知症患者とパーキンソン病患者について示す。図５、図６、及び図７は、横軸が１－特異度を示し、縦軸が感度を示す。

【0054】

（実施例２）
同じ施設で録音したアルツハイマー型認知症患者１０名、パーキンソン病患者、健常人７名の音声（「パタカ」を５回程度繰り返し発話したもの）について、ピーク位置を検出し、ピーク位置のばらつきを算出した。算出結果を図８に示す。図８は、ピーク位置のばらつきの算出結果を示す表図である。

【0055】

（実施例３）
うつ病の検査指標として広く用いられているＢＤＩと、音声特徴量の相関関係を検証した。ＢＤＩは、Ｂｅｃｋ Ｄｅｐｒｅｓｓｉｏｎ Ｉｎｖｅｎｔｏｒｙの略称である。また、ＨＡＭＤと音声特徴量との相関関係を検証した。ＨＡＭＤは、ハミルトンうつ病評価尺度の略称である。

【0056】

方法：
・大うつ病性障害の患者から音声（９６ｋＨｚ、２４ビット、ｗａｖファイル）データを収集した。データは、病院の診察室で、９人の男性と１４人の女性の参加者（平均年齢：３１．６±７．０；年齢範囲：１９－４１歳）からポータブルレコーダーとピンマイクを使用して取得した。参加者の声は、約５秒間「パタカ」と繰り返し発音された。さらに、記録を開始する前に、「ハミルトンうつ病評価尺度」（ＨＡＭＤ－２１）、「ベックうつ病インベントリー」（ＢＤＩ）の心理テストを実施した。最初の訪問時と症状が半分になったとき（症状が半減した時）に録音と心理テストの結果を収集した。
・うつ病が声の強さに影響すると考え、録音された各声の強度に関連する前記６つの特徴を調べた。次に、強度データと心理テストの結果との相関分析を調査した。

【0057】

図９は、ＢＤＩの相関及びＨＡＭＤの相関を示す表図である。図１０及び図１１は、ＢＤＩの相関を示すグラフである。図１２は、ＨＡＭＤの相関を示すグラフである。

【0058】

結果：
・６つの特徴と心理テストのスコアの分析により、下記の３つの組み合わせの相関が明らかになった。
・発話した「音声全体を通してのピーク位置直線近似の傾き」と、ＢＤＩスコアと有意な相関があった。
・即ち、ＢＤＩスコアが高いほど（うつの症状が重いほど）開始直後よりも発話が進むほどだんだん声が大きくなる傾向にある。
・また、「音素毎ピーク位置の平均値」は、ＢＤＩスコア及びＨＡＭＤ２１スコアと有意な相関があった。
このことから、音声の大きさを含む音声特徴量を用いて解析することにより、うつ症状の程度を推定することができることが示された。

【0059】

〔ソフトウェアによる実現〕
図３に示した各処理は、集積回路（ＩＣチップ）等に形成された論理回路（ハードウェア）によって実現してもよいし、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）を用いてソフトウェアによって実現してもよい。

【0060】

図３に示した各処理をソフトウェアによって実現する場合、利用者クライアント端末１００、皮膚疾患解析装置２００及び管理者クライアント端末３００は、各機能を実現するソフトウェアであるプログラムの命令を実行するＣＰＵ、上記プログラム及び各種データがコンピュータ（又はＣＰＵ）で読み取り可能に記録されたＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）又は記憶装置（これらを「記録媒体」と称する）、上記プログラムを展開するＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）などを備えている。そして、コンピュータ（又はＣＰＵ）が上記プログラムを上記記録媒体から読み取って実行することにより、本発明の目的が達成される。上記記録媒体としては、「一時的でない有形の媒体」、例えば、テープ、ディスク、カード、半導体メモリ、プログラマブルな論理回路などを用いることができる。また、上記プログラムは、該プログラムを伝送可能な任意の伝送媒体（通信ネットワークや放送波等）を介して上記コンピュータに供給されてもよい。なお、本発明の一態様は、上記プログラムが電子的な伝送によって具現化された、搬送波に埋め込まれたデータ信号の形態でも実現され得る。

【0061】

本発明は上述した実施形態に限定されるものではなく、開示した範囲で種々の変更が可能であり、異なる実施形態にそれぞれ開示された技術的手段を適宜組み合わせて得られる実施形態についても本発明の技術的範囲に含まれる。

【0062】

本出願は、２０１９年１２月２６日に出願された日本出願である特願２０１９－２３６８２９号に基づく優先権を主張し、当該日本出願に記載された全ての記載内容を援用するものである。

【符号の説明】

【0063】

１００ 推定システム
１１０ 入力部
１２０ サーバ
１３０ 表示部

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】