特許 7508850 健康診断支援システム、および健康診断支援システムの制御プログラム

(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】2024-06-24

(45)【発行日】2024-07-02

(54)【発明の名称】健康診断支援システム、および健康診断支援システムの制御プログラム

(51)【国際特許分類】

   G16H 20/00 20180101AFI20240625BHJP

   G16H 30/00 20180101ALI20240625BHJP

   G16H 10/40 20180101ALI20240625BHJP

   A61B 5/00 20060101ALI20240625BHJP

【ＦＩ】

G16H20/00

G16H30/00

G16H10/40

A61B5/00 G

【請求項の数】 9

(21)【出願番号】P 2020081221

(22)【出願日】2020-05-01

(65)【公開番号】P2021176039

(43)【公開日】2021-11-04

【審査請求日】2022-12-23

(73)【特許権者】

【識別番号】000001270

【氏名又は名称】コニカミノルタ株式会社

(74)【代理人】

【識別番号】110000671

【氏名又は名称】ＩＢＣ一番町弁理士法人

(72)【発明者】

【氏名】松本 洋日

(72)【発明者】

【氏名】渡辺 諒一

【審査官】吉田 誠

(56)【参考文献】

【文献】特開２０１９－０９１３２４（ＪＰ，Ａ）

【文献】特開２００９－０７６１０２（ＪＰ，Ａ）

【文献】特開２０２０－９０６９（ＪＰ，Ａ）

【文献】韓国登録特許第１０－１３２１８１５（ＫＲ，Ｂ１）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ１６Ｈ １０／００ － ８０／００

Ａ６１Ｂ ５／００

(57)【特許請求の範囲】

【請求項1】

健康診断の診断項目に関連する画像情報であって、対象者を撮影して得られた画像情報、および、前記対象者の日常の行動データを含む対象者情報を取得する取得部と、
学習済みモデルを用い、前記取得部が取得した前記対象者の前記画像情報、および前記対象者情報を入力とし、出力として前記対象者の疾病を得、そして、該疾病から、予め記憶されている対応付けテーブルを用いて診断項目を特定する特定部と、
前記特定部が特定した診断項目を含む健康診断内容を出力させる出力部と、
を備える健康診断支援システム。

【請求項2】

前記画像情報は、胸部Ｘ線画像である、請求項１に記載の健康診断支援システム。

【請求項3】

前記特定部が特定する診断項目には、Ｘ線動態撮影が含まれる、請求項１、または請求項２に記載の健康診断支援システム。

【請求項4】

前記対象者情報には、前記対象者の過去の診断項目が含まれる、請求項１から請求項３のいずれかに記載の健康診断支援システム。

【請求項5】

前記特定部はさらに、特定した前記診断項目に関する検査を行う実施時期を特定し、
前記健康診断内容には、前記実施時期の情報が含まれ、
前記特定部は、前記実施時期の特定として、前記学習済みモデルから得られた前記疾病のリスクを用いて、前記リスクが所定閾値未満の場合には、前記実施時期を次回の定期診断に実施するように設定し、前記所定閾値以上の場合には、前記実施時期を前記次回の定期診断よりも早めた時期に設定する、請求項１から請求項４のいずれかに記載の健康診断支援システム。

【請求項6】

前記行動データには、前記対象者の所定期間における摂取カロリー、食事摂取回数、歩数、生理周期、心拍数、呼吸数、労働時間、会話量、トイレ回数、および尿量の少なくとも１つが含まれる、請求項１から請求項５のいずれかに記載の健康診断支援システム。

【請求項7】

前記対象者情報には、前記対象者の身長、体重、年齢、既往歴、喫煙歴、問診結果、および血液検査結果の少なくとも１つが含まれる、請求項１から請求項６のいずれかに記載の健康診断支援システム。

【請求項8】

前記学習済みモデルは、入力を前記画像情報、および前記対象者情報、
出力を疾患としたデータのセットを用いて教師あり学習により学習されたものである、請求項１から請求項７のいずれかに記載の健康診断支援システム。

【請求項9】

健康診断支援のための制御プログラムであって、
健康診断の診断項目に関連する画像情報であって、対象者を撮影して得られた画像情報、および、前記対象者の日常の行動データを含む対象者情報を取得するステップ（ａ）と、
学習済みモデルを用い、前記ステップ（ａ）で取得した前記対象者の前記画像情報、および前記対象者情報を入力とし、前記対象者の疾病を出力するステップ（ｂ１）と、
予め記憶されている対応付けテーブルを用いて、前記ステップ（ｂ１）で得られた前記疾病から診断項目を特定するステップ（ｂ２）と、
前記ステップ（ｂ２）で特定した診断項目を含む健康診断内容を出力させるステップ（ｃ）と、
を含む処理をコンピューターに実行させるための制御プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は健康診断支援システム、および健康診断支援システムの制御プログラムに関する。

【背景技術】

【0002】

多くの企業では、従業員の健康管理のため定期的に健康診断が行われる。一般に健康診断では、年齢、性別により区分けした区分毎に一律の診断項目について検査が行われる。そして、診断項目の結果に基づいて、診断を下したり、追加の検査が行われたりする。

【0003】

特許文献１に開示された医療支援システムでは、問診によって取得された問診データから第１検査種別群のうちから第１検査種別を選択し、その第１検査種別の検査結果の第１検査データと、問診データから、次に行う検査種別を第２検査種別群から選択する。

【先行技術文献】

【特許文献】

【0004】

【文献】特開２０１８－００５５５３号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

通常の企業が行う健康診断では、区分毎に一律に設定した検査項目を実施するため、各個人では必要性が低い検査項目が含まれたりもする。

【0006】

また、特許文献１に開示された健康診断支援システムでは、問診データにより選択した第１の検査の検査結果に応じて、次の第２の検査を選択し、実施するものであり、複数回の検査を行わなくてはならず、効率的でない。

【0007】

本発明は、上記事情に鑑みてなされたものであり、健康診断や人間ドックの検査において、適切な診断項目を特定して、診断の効率化を図ることを目的とする。

【課題を解決するための手段】

【0008】

本発明の上記目的は、下記の手段によって達成される。

【0009】

（１）健康診断の診断項目に関連する画像情報であって、対象者を撮影して得られた画像情報、および、前記対象者の日常の行動データを含む対象者情報を取得する取得部と、
学習済みモデルを用い、前記取得部が取得した前記対象者の前記画像情報、および前記対象者情報を入力とし、前記対象者の診断項目を特定する特定部と、
前記特定部が特定した診断項目を含む健康診断内容を出力させる出力部と、
を備える健康診断支援システム。

【0010】

（２）前記画像情報は、胸部Ｘ線画像である、上記（１）に記載の健康診断支援システム。

【0011】

（３）前記特定部が特定する診断項目には、Ｘ線動態撮影が含まれる、上記（１）、または上記（２）に記載の健康診断支援システム。

【0012】

（４）前記対象者情報には、前記対象者の過去の診断項目が含まれる、上記（１）から上記（３）のいずれかに記載の健康診断支援システム。

【0013】

（５）前記特定部はさらに、特定した前記診断項目に関する検査を行う実施時期を特定し、
前記健康診断内容には、前記実施時期の情報が含まれる、上記（１）から上記（４）のいずれかに記載の健康診断支援システム。

【0014】

（６）前記行動データには、前記対象者の所定期間における体重、体脂肪率、摂取カロリー、食事摂取回数、歩数、体温、生理周期、心拍数、呼吸数、労働時間、会話量、トイレ回数、および尿量の少なくとも１つが含まれる、上記（１）から上記（５）のいずれかに記載の健康診断支援システム。

【0015】

（７）前記対象者情報には、前記対象者の身長、体重、年齢、既往歴、喫煙歴、問診結果、および血液検査結果の少なくとも１つが含まれる、上記（１）から上記（６）のいずれかに記載の健康診断支援システム。

【0016】

（８）前記学習済みモデルは、入力を前記画像情報、および前記対象者情報、
出力を疾患としたデータのセットを用いて教師あり学習により学習されたものである、上記（１）から上記（７）のいずれかに記載の健康診断支援システム。

【0017】

（９）健康診断支援のための制御プログラムであって、
健康診断の診断項目に関連する画像情報であって、対象者を撮影して得られた画像情報、および、前記対象者の日常の行動データを含む対象者情報を取得するステップ（ａ）と、
学習済みモデルを用い、前記ステップ（ａ）で取得した前記対象者の前記画像情報、および前記対象者情報を入力とし、前記対象者の診断項目を特定するステップ（ｂ）と、
前記ステップ（ｂ）で特定した診断項目を含む健康診断内容を出力させるステップ（ｃ）と、
を含む処理をコンピューターに実行させるための制御プログラム。

【0018】

（１０）健康診断の診断項目に関連する画像情報であって、対象者を撮影して得られた画像情報、および、前記対象者の日常の行動データを含む対象者情報を取得するステップ（ａ）と、
学習済みモデルを用い、前記ステップ（ａ）で取得した前記対象者の前記画像情報、および前記対象者情報を入力とし、前記対象者の診断項目を特定するステップ（ｂ）と、
前記ステップ（ｂ）で特定した診断項目を含む健康診断内容を出力させるステップ（ｃ）と、
を含む処理を行う支援方法。

【発明の効果】

【0019】

本発明に係る健康診断支援システムは、健康診断の診断項目に関連する画像情報であって、対象者を撮影して得られた画像情報、および、前記対象者の日常の行動データを含む対象者情報を取得する取得部と、学習済みモデルを用い、前記取得部が取得した前記対象者の前記画像情報、および前記対象者情報を入力とし、前記対象者の診断項目を特定する特定部と、前記特定部が特定した診断項目を含む健康診断内容を出力させる出力部と、
を備える。これにより、健康診断や人間ドックの検査において、適切な診断項目を特定して、診断の効率化を図ることができる。

【図面の簡単な説明】

【0020】

【図1】本実施形態に係る健康診断支援システムの構成を示すブロック図である。

【図2】学習済みモデルを用いた対象者の診断項目の出力処理を示すフローチャートである。

【図3】第１の実施形態におけるステップＳ５２の診断項目の特定処理を示すサブルーチンフローチャートである。

【図4】学習済みモデルの機械学習方法を示すフローチャートである。

【図5】実施例における入力と出力を示す表である。

【図6】変形例における、ステップＳ５２の診断項目の特定処理を示すサブルーチンフローチャートである。

【発明を実施するための形態】

【0021】

以下、添付した図面を参照して、本発明の実施形態を説明する。なお、図面の説明において同一の要素には同一の符号を付し、重複する説明を省略する。また、図面の寸法比率は、説明の都合上誇張されており、実際の比率とは異なる場合がある。

【0022】

（全体構成）
図１は、健康診断支援システム３０の構成を示すブロック図である。健康診断支援システム３０は例えばサーバーであり、行動データ収集部１０、データベース２０、および端末装置４０と通信接続する。

【0023】

（行動データ収集部１０）
行動データ収集部１０は、例えばスマートフォン等の携帯型の端末装置、および／または対象者が所持する活動量計である。行動データ収集部１０は、所定期間に渡った対象者の日常の行動データを収集する（以下、「対象者情報１」ともいう）。

【0024】

（対象者情報１）
行動データ収集部１０が収集する対象者情報１には、歩数、体温、心拍数、血圧、体重、体脂肪率、呼吸数、会話量、摂取カロリー、食事摂取回数、生理周期、労働時間、トイレ回数、尿量、等の情報が含まれる。

【0025】

これらの情報は、行動データ収集部１０自体で自動収集、または外部のＢｌｕｅｔｏｏｔｈ（登録商標）等の近距離無線通信により接続する測定器を通じ、自動で収集した自動入力データ、および／または、対象者が行動データ収集部１０のキー操作を通じて入力するマニュアル入力データである。

【0026】

（自動収集）
例えば、行動データ収集部１０がスマートフォンであれば、加速度センサー等を用いて所定期間における歩数（歩行距離）、躓き回数を自動的に収集できる。また、行動データ収集部１０が腕時計型の活動量計、またはウェアラブル血圧計であれば、歩数、体温、心拍数、血圧を、２４時間継続して自動的に収集できる。

【0027】

また、行動データ収集部１０がスマートフォンの場合に、外部の測定器として体重計（体組成計）と近距離無線通信することにより、対象者の日常の体重、および体脂肪率のデータを収集する。また外部の測定器としてドップラシフト方式の体動センサーを用いることで、呼吸数のデータを収集できる。例えば、この体動センサーは天井に取り付けられ、真下の対象者が仰臥するベッドに対してマイクロ波を送受信し、体動（例えば呼吸動）によって生じたマイクロ波のドップラシフトを検出することで、呼吸数を検出する。

【0028】

（自動、および手動収集）
また摂取カロリー、食事摂取回数は、スマートフォンの内蔵カメラにより対象者自身で摂取した食事を撮影し、これを装置側で自動解析することで食事摂取回数と摂取カロリーのデータを収集してもよく、あるいはマニュアル入力してもよい。また会話量は行動データ収集部１０の内蔵マイクで収集した音声から、声紋などにより対象者の音声を分離し、これを解析することで、電話または対面での会話時間、会話速度のデータを収集できる。また同様の手法により対象者の咳の回数を収集してもよい。

【0029】

（手動収集）
例えば生理周期、労働時間、トイレ回数、尿量は行動データ収集部１０の入力画面を通じてアニュアル入力により収集できる。

【0030】

行動データ収集部１０によるデータ収集は、例えば、企業において定期健康診断が行われる前に、企業に属する複数の社員（例えば数十から数千人の範囲の人数）を対象者として行われる。これらの複数の対象者が携帯する行動データ収集部１０を通じて所定期間に渡って行われ、所定タイミングで健康診断支援システム３０に収集される。行動データ収集部１０から健康診断支援システム３０が収集したデータは、一時的、または永続的にデータベース２０に蓄積するようにしてもよい。

【0031】

（データベース２０）
データベース２０は、複数の対象者の健康診断、または人間ドックに関する健康診断データが蓄積される。過去の健康診断、例えば、１年に１度の頻度で定期健康診断を行う場合には、複数の対象者それぞれの過去数年分の健康診断データ（以下、「対象者情報２」ともいう）が蓄積されてもよい。データベース２０は、例えば企業の敷地内にあるオンプレミスサーバーであってもよく、あるいは商用のクラウドサービスを利用したクラウドサーバーであってもよい。

【0032】

（対象者情報２）
対象者情報２には、例えば、健診画像情報、身長、体重、年齢、既往歴、喫煙歴、問診結果、および血液検査結果のデータが含まれる。ここで「健診画像情報」とは、健康診断の診断項目に関連する画像情報であって、対象者を撮影して得られた画像情報であり、特に対象者の患部を撮影して得られたＸ線画像等の画像情報である。血液検査結果は、例えば、総タンパク、アルブミン、ＡＳＴ（ＧＯＴ）・ＡＬＴ（ＧＰＴ）、γ－ＧＴＰ、ＨＤＬコレステロール、ＬＤＬコレステロール、等である。

【0033】

対象者情報２の「健診画像情報」としては、Ｘ線画像の他にＭＲＩ（Ｍａｇｎｅｔｉｃ Ｒｅｓｏｎａｎｃｅ Ｉｍａｇｉｎｇ）が含まれていてもよい。また、Ｘ線画像には、胸部Ｘ線画像、胸部、腹部、もしくは頭部のＣＴ（Ｃｏｍｐｕｔｅｄ Ｔｏｍｏｇｒａｐｈｙ）画像、マンモグラフィ画像、Ｘ線動態画像が含まれてもよい。Ｘ線動態画像は、Ｘ線動態撮影装置により、例えば１５ｆｐｓで連続パルス照射を行い，その画像から動態画像を作成することにより得られる。この対象者情報２には、過去の健康診断の診断項目が含まれる。例えば、上述の健診画像情報、および血液検査結果は過去の健康診断の診断項目である。

【0034】

（健康診断支援システム３０）
健康診断支援システム３０は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、およびＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）等のメモリにより構成され、プログラムにしたがって各部の制御および演算処理を行う。健康診断支援システム３０は、取得部３１０、特定部３２０、出力部３３０を備え、内部メモリには学習済みモデル３５０を記憶する。また、健康診断支援システム３０は、通信Ｉ／Ｆ（インターフェース）を備え、有線、無線の通信によりネットワークを介して、行動データ収集部１０、データベース２０、端末装置４０等の他の装置と通信する。この通信Ｉ／Ｆは、取得部３１０、および出力部３３０としても機能する。

【0035】

また、健康診断支援システム３０は、装置内のメモリ等に記憶した学習済みモデル３５０を用いて、診断項目を特定する。この学習済みモデル３５０は、入力を多数の対象者それぞれの１回の診断におけるＸ線画像等の診断項目に関連する画像情報（健診画像情報）を含む対象者情報（対象者情報１、２）とし、出力を疾患（疾患有無、または疾患ありの場合にはさらに疾患名）とした教師あり学習により学習された学習済みモデルである（学習方法については後述する）。

【0036】

（取得部３１０）
健康診断支援システム３０の取得部３１０は、ある対象者に関する対象者情報を取得する。具体的には行動データ収集部１０から行動データとしての対象者情報１を取得し、データベース２０からＸ線画像等の診断項目に関連する画像情報を含む対象者情報２を取得する。通信Ｉ／Ｆは、外部機器と通信するためのインターフェースである。通信Ｉ／Ｆによる通信には、イーサネット（登録商標）等の規格による有線通信、および／またはＢｌｕｅｔｏｏｔｈ（登録商標）、ＩＥＥＥ８０２．１１等の規格による無線通信が含まれる。

【0037】

（特定部３２０）
特定部３２０は、対象者情報２に含まれるＸ線画像等の健診画像情報と、対象者情報１の行動データを入力とし、学習済みモデル３５０を用いて、診断項目を特定する。この特定される診断項目としては、例えば、マンモグラフィ検査、Ｘ線動態撮影、ＣＴ検査、ＭＲＩ検査、内視鏡検査、超音波検査、等がある。

【0038】

（出力部３３０）
出力部３３０は、健康診断内容を端末装置４０に送信する。この健康診断内容には、特定部３２０が特定した診断項目と、対象者ＩＤ（ＩＤ番号、対象者名等）の情報が含まれる。なお、この健康診断内容には、特定した疾病名とリスク（確率値）のデータ、推奨の診断時期のデータを含ませてもよい。

【0039】

（端末装置４０）
端末装置４０は、例えば健康保険組合等の医療保険者の担当者が使用するＰＣ（パーソナルコンピュータ）である。例えば大企業の健康保険組合（組合管掌健康保険）の担当者（以下、「健保担当者」という）であれば、定期健康診断を行う場合に、対象者としての複数の従業員それぞれに対する推奨の診断項目のリストを受信する。

【0040】

これにより健保担当者は、過去の健康診断項目から今回（最近に行う健康診断）の診断項目（検査項目）を減らしたり、診断項目を増やしたりの判断を、対象者毎に判断できる。この場合、健康診断支援システム３０は、過去（主に直前）の診断項目と、今回の診断項目とを比較し、増減がある場合には、その旨のタグを付与するようにしてもよい。これにより健保担当者は、容易に増減があることを認識できる。また、診断項目を増やす場合には、対象者毎に定期健康診断時期よりも少し前に、健保担当者が対象者に提案し、了承が得られた場合にこの提案の検査項目を実施するようにしてもよい。また、大企業で多数人の定期健康診断を行うような場合には、健保担当者は、複数人の対象者のそれぞれの健康診断項目から、定期の健康診断総額を算出するようにしてもよい。この場合、以前の定期健康診断総額との比較により、増額、減額を把握できる。また、費用の上限がある場合には、健保担当者は、例えばＣＴ検査が従業員１万人のうち、１０％の人数しか確保できない場合には、疾病のリスク、年齢等を加味して、ＣＴ検査の対象者を絞ることができる。

【0041】

（健康診断支援システムによる支援方法）
図２から図４を参照し、支援方法について説明する。図２は、支援方法における学習済みモデルを用いた対象者の診断項目の出力処理を示すフローチャートである。

【0042】

（ステップＳ５１）
健康診断支援システム３０は、対象者の対象者情報を取得する。この対象者は、例えば定期の健康診断を行う場合には、企業の全従業員である。この対象者は、健保担当者等が端末装置４０を通じて、従業員の中から選択するようにしてもよい。

【0043】

選択された対象者に関する対象者情報には、上述のように行動データ収集部１０を通じて取得した対象者情報１に含まれるいずれかの情報、およびデータベース２０から取得した対象者を撮影した画像情報（例えば胸部Ｘ線画像）が含まれる。

【0044】

（ステップＳ５２）
健康診断支援システム３０の取得部３１０は、ステップＳ５１で取得した対象者の少なくとも行動データ、および画像情報を含む対象者情報を用いて、診断項目を特定する。

【0045】

（第１の実施形態のステップＳ５２）
図３は、第１の実施形態における、ステップＳ５２の診断項目の特定処理を示すサブルーチンフローチャートである。

【0046】

（ステップＳ５２１）
健康診断支援システム３０の特定部３２０は、ステップＳ５１で取得した、行動データ、および画像情報を含む対象者情報を入力とし、学習済みモデル３５０を用いて、出力としてリスク高の疾病の有無、および有りであればその疾病名を得る。

【0047】

（ステップＳ５２２）
続いて、特定部３２０は、健康診断支援システム３０のメモリに予め記憶されている、疾病と診断項目を関連付けた対応付けテーブルを用いて、ステップＳ５２１で出力された１つ、または複数の疾病（疾病名）に関連する診断項目を特定する。例えば、ステップＳ５２１で乳がんのリスクが高いと判定された場合には、対応付けテーブルから診断項目としてマンモグラフィ検査を特定する。以上の処理により図２の処理（ステップＳ５３）に戻る。

【0048】

（ステップＳ５３）
健康診断支援システム３０の出力部３３０は、ステップＳ５２で特定した診断項目を含めた健診内容を端末装置４０に送信する。健診内容には、対象者ＩＤが含まれる。健保担当者は、対象者毎の健診内容を確認し、健康診断支援システム３０から推奨されたこの診断項目を採用するのであれば、次回の定期の健康診断の診断項目に追加する。

【0049】

このように本実施形態では、学習済みモデルを用い、取得部が取得した対象者の画像情報、および対象者情報を入力とし、対象者の診断項目を特定することで、健康診断や人間ドックの検査において、対象者毎の適切な診断項目を特定でき、ひいては診断の効率化を図ることができる。

【0050】

（学習済みモデル３５０の生成）
次に学習済みモデル３５０の機械学習方法について説明する。図４は、学習済みモデルの機械学習方法を示すフローチャートである。図４の処理においては、予め準備した画像情報（例えばＸ線画像）、および行動データを含む対象者情報を入力とし、出力を疾患（疾患有無／ありの場合の疾患名）とした多数（ｉ組個（ｉは例えば数千から十数万））のデータセットを学習サンプルデータとして用い、これにより機械学習する。学習器（図示せず）としては、ＣＰＵおよびＧＰＵのプロセッサを用いたスタンドアロンの高性能コンピューター、またはクラウドコンピューターを用い得る。以下においては、学習器において、パーセプトロンを組み合わせて構成したニューラルネットワークを用いた学習方法について説明するが、これに限られず、教師あり学習であれば、種種の手法を取り得る。例えば、例えば、ランダムフォレスト、サポートベクターマシン（ＳＶＭ）、ブースティング（Ｂｏｏｓｔｉｎｇ）、ベイジアン（Ｂｓｙｓｉａｎ）ネットワーク線形判別法、非線形判別法、等を適用できる。

【0051】

（ステップＳ６１）
学習器は、教師データである学習サンプルデータを読み込む。最初であれば１組目（対象者情報（Ｘ線画像、行動データ等）、疾病のセット）の学習サンプルデータを読み込み、ｉ回目であれば、ｉ組目の学習サンプルデータを読み込む。

【0052】

（ステップＳ６２）
学習器は、読み込んだ学習サンプルデータのうち入力データをニューラルネットワークに入力する。

【0053】

（ステップＳ６３）
学習器は、ニューラルネットワークの推定結果、すなわち推定された疾病を、教師データ（疾病）と比較する。

【0054】

（ステップＳ６４）
学習器は、比較結果からパラメータを調整する。例えば、バックプロパゲーション（Ｂａｃｋ－ｐｒｏｐａｇａｔｉｏｎ、誤差逆伝搬法）という処理を行うことにより、比較結果の誤差が小さくなるように、パラメータを調整し、更新する。

【0055】

（ステップＳ６５）
学習器は、１～ｉ組目まで全データの処理が完了すれば（ＹＥＳ）、処理をステップＳ６６に進め、完了していなければ（ＮＯ）、処理をステップＳ６１に戻し、次の学習サンプルデータを読み込み、ステップＳ６１以下の処理を繰り返す。

【0056】

（ステップＳ６６）
学習器は、これまでの処理で構築された学習済みモデル３５０を記憶して終了する（エンド）。記憶先には、健康診断支援システム３０の内部メモリが含まれる。上述の図２、図３の処理では、このようにして生成された学習済みモデル３５０を用いて診断項目を特定する。

【0057】

（入出力例）
図５は、実施例における入力と出力を示す表である。１行目の事例のＮＯ．１では、身長、体重、血液検査、Ｘ線画像、年齢、問診、既往歴、喫煙歴と日々の血圧データ、飲酒量、喫煙量、摂取カロリー、栄養素、および／または体重変化（ＢＭＩ変化）の入力から、出力１（ステップＳ５２１に対応）として対応する疾病発症として、乳がんの発症リスク判定が得られる。そして、内部メモリ等に記憶されている対応付けテーブルを用いて疾病に関する出力２（ステップＳ５２２に対応）として診断項目のマンモグラフィ検査が得られる。

【0058】

図５に示すＮＯ．２も同様に、身長、体重、血液検査、Ｘ線画像、年齢、問診、既往歴、喫煙歴と日々の喫煙データ、咳の回数、運動量、呼吸数、および／または電話の音声データの入力から出力１として、肺がんＣＯＰＤ（慢性閉塞性肺疾患）が得られ、出力２としてＸ線動態撮影、ＣＴ検査が得られる。Ｘ線動態撮影は、例えば胸部を撮影する場合に、静止画の胸部Ｘ線画像では、患部（癌組織）と正常部（肺、胸骨）とが重なって撮影されたような場合に、Ｘ線動態撮影で同じ領域を撮影することにより、より患部と正常部との識別が容易になる。

【0059】

図５に示すＮＯ．３～５も同様に入力から、それぞれ、出力１として脳梗塞、胃がん、脂肪肝が、出力２としてＭＲＩ検査、上部消化管内視鏡検査、腹部超音波検査が得られる。

【0060】

なお、ＮＯ．３の入力の「文章データ」、「タイピング速度」は、例えば、対象者が企業の従業員でオフィスに勤務するような場合に、使用するＰＣを行動データ収集部１０として機能させることで収集できる。例えば、これらのＰＣを通じたキー入力動作を日々モニターすることにより、所定期間における文章データの誤入力率の変化、またはタイピング速度の変化割合を行動データとして収集できる。

【0061】

以上に説明した健康診断支援システム３０の構成は、上述の実施形態の特徴を説明するにあたって主要構成を説明したのであって、上述の構成に限られず、特許請求の範囲内において、種種改変することができる。また、一般的な健康診断支援システム３０が備える構成を排除するものではない。

【0062】

（変形例）
図６は、変形例における、ステップＳ５２の診断項目の特定処理を示すサブルーチンフローチャートである。図３に示した第１の実施形態では、健康診断支援システム３０は、学習済みモデル３５０、および対応付けテーブルを用いて、２段階の処理により診断項目を特定した。一方で、以下に示す例では、対応付けテーブルを用いずに、学習済みモデル３５５のみを用いる。具体的には、ステップＳ５２５では、健康診断支援システム３０の特定部３２０は、ステップＳ５１で取得した、行動データ、および画像情報を含む対象者情報を入力とし、学習済みモデル３５５を用いて、出力として診断項目を特定する。

【0063】

この学習済みモデル３５５は、画像情報（例えばＸ線画像）、および行動データを含む対象者情報を入力とし、出力を診断項目とした多数のデータセットを学習サンプルデータとして、機械学習したものである。学習に用いる診断項目は、例えば、定期の健康診断を行った場合にその後に再検査となった診断項目を含む。また、診断項目に所見が追加された場合には、この診断項目を正解データとしてもよい。例えば、Ｘ線画像所見あり、心電図検査所見あり、聴診器で呼吸音の所見ありの場合である。この変形例においても、第１の実施形態と同様の効果が得られる。

【0064】

（他の変形例）
第１の実施形態においては対象者の入力データにより、疾病名およびリスク（確率値）を学習済みモデル３５０から出力として得た場合に、診断項目を特定したが、このリスクの値に応じて、診断項目の出力有無を設定するようにしてもよい。例えば、リスクが所定の第１閾値以下で、リスクが低い場合には、診断項目を出力しない。またこの閾値は健保担当者等により、端末装置４０等を通じて適宜設定できるようにしてもよい。

【0065】

また、出力部３３０が端末装置４０に出力する健診内容としては、実施時期の情報を含めてもよい。例えば、疾病のリスクが第２閾値以上の場合には、緊急性があるとして実施時期を早め、第２閾値未満の場合には、実施時期として次回の定期時期に実施するようにする。また、実施時期の情報として、マンモグラフィであれば、定期（年１回）の健康診断により毎年実施するようにし、超音波検査であれば隔年（２年毎）で実施するようにする。

【0066】

また、上述した実施形態に係る健康診断支援システム３０における各種処理を行う手段および方法は、専用のハードウエア回路、またはプログラムされたコンピューターのいずれによっても実現することが可能である。上記プログラムは、例えば、ＵＳＢメモリやＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｃ）－ＲＯＭ等のコンピューター読み取り可能な記録媒体によって提供されてもよいし、インターネット等のネットワークを介してオンラインで提供されてもよい。この場合、コンピューター読み取り可能な記録媒体に記録されたプログラムは、通常、ハードディスク等の記憶部に転送され記憶される。また、上記プログラムは、単独のアプリケーションソフトとして提供されてもよいし、一機能としてその検出部等の装置のソフトウエアに組み込まれてもよい。

【符号の説明】

【0067】

１０ 行動データ収集部
２０ データベース
３０ 健康診断支援システム
３１０ 取得部
３２０ 特定部
３３０ 出力部
３５０、３５５ 学習済みモデル
４０ 端末装置

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】