特許 7520680 健康支援装置及び健康支援プログラム

(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】2024-07-12

(45)【発行日】2024-07-23

(54)【発明の名称】健康支援装置及び健康支援プログラム

(51)【国際特許分類】

   G16H 50/30 20180101AFI20240716BHJP

   G16H 20/00 20180101ALI20240716BHJP

【ＦＩ】

G16H50/30

G16H20/00

【請求項の数】 16

(21)【出願番号】P 2020172642

(22)【出願日】2020-10-13

(65)【公開番号】P2022064113

(43)【公開日】2022-04-25

【審査請求日】2023-02-17

(73)【特許権者】

【識別番号】000003078

【氏名又は名称】株式会社東芝

(74)【代理人】

【識別番号】110003708

【氏名又は名称】弁理士法人鈴榮特許綜合事務所

(72)【発明者】

【氏名】道庭 賢一

(72)【発明者】

【氏名】田中 孝浩

(72)【発明者】

【氏名】春木 耕祐

(72)【発明者】

【氏名】山口 泰平

【審査官】吉田 誠

(56)【参考文献】

【文献】特開２０１９－１１５６１４（ＪＰ，Ａ）

【文献】特開２０１０－２５０４８９（ＪＰ，Ａ）

【文献】特開２０２０－１３５４８９（ＪＰ，Ａ）

【文献】特開２０１５－１６４５０２（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ１６Ｈ １０／００ － ８０／００

(57)【特許請求の範囲】

【請求項1】

健診データのうちで健診者の生活習慣の改善によって値が変化する第１の因子と、前記健診データのうちで前記健診者の生活習慣の改善による前記第１の因子の値の変化によって値が変化する第２の因子との入力を受け付ける入力部と、
前記生活習慣の組み合わせパターンと前記第１の因子の変化量との関係が記録された第１の因子の変化テーブルと、前記第１の因子の変化量と前記第２の因子の変化量との関係が記録された第２の因子の変化テーブルとに基づいて、前記第１の因子と前記第２の因子のそれぞれの変化量を計算する因子変化計算部と、
健診データを入力として疾病毎の疾病リスク値を出力するように構成されたリスク予測モデルに前記第１の因子の変化量と前記第２の因子の変化量を入力し、前記健診者の疾病の発症リスクを示す発症リスク値を予測するリスク予測部と、
を具備する健康支援装置。

【請求項2】

前記因子変化計算部は、前記組み合わせパターン毎の前記第１の因子と前記第２の因子のそれぞれの変化量を計算し、
前記リスク予測部は、前記組み合わせパターン毎の前記発症リスク値を予測し、
予測された前記発症リスク値と前記発症リスク値の低減目標値とに基づいて１つ以上の前記組み合わせパターンを選択する選択部、
をさらに具備する請求項１に記載の健康支援装置。

【請求項3】

予測された前記発症リスク値と前記発症リスク値の低減目標値との差分に基づく第１のロスと、前記健診者の生活習慣と前記健診者の目標の生活習慣との差分に基づく第２のロスと、前記第１のロスと前記第２のロスとの和に基づく第３のロスとを計算するロス計算部をさらに具備し、
前記選択部は、前記第３のロスに基づいて１つ以上の生活習慣の改善の組み合わせパターンを選択する、
請求項２に記載の健康支援装置。

【請求項4】

前記ロス計算部は、前記健診者の前記生活習慣の改善に関わる個人の意向を反映させるための個人意向パラメータにさらに基づいて前記第２のロスを計算し、
前記第３のロスが小さくなるようにベイジアン探索によって前記生活習慣の改善の組み合わせパターンの候補を生成する生成部を具備する、
請求項３に記載の健康支援装置。

【請求項5】

入力された前記健診者の生活習慣に関わる生活習慣関連情報を解析し、前記生活習慣関連情報の解析結果によってアルコールの摂取量が一定量を超えたことが確認された場合には飲酒の頻度を減らすように前記個人意向パラメータを調整し、歩行の習慣が確認された場合には１日の歩行量が多いものとして前記個人意向パラメータを調整する解析部をさらに具備する請求項４に記載の健康支援装置。

【請求項6】

前記選択部で選択された前記１つ以上の生活習慣の改善の組み合わせパターンを表示する表示部をさらに具備する請求項２乃至５の何れか１項に記載の健康支援装置。

【請求項7】

前記第１の因子は、前記健診者の体重を含み、
前記第２の因子は、前記健診者の生体検査値を含む、
請求項１乃至６の何れか１項に記載の健康支援装置。

【請求項8】

健診データのうちで健診者の生活習慣の改善によって値が変化する第１の因子と、前記健診データのうちで前記健診者の生活習慣の改善による前記第１の因子の値の変化によって値が変化する第２の因子と、前記第１の因子と前記第２の因子との少なくとも何れかの低減目標値との入力を受け付ける入力部と、
前記生活習慣の組み合わせパターンと前記第１の因子の変化量との関係が記録された第１の因子の変化テーブルと、前記第１の因子の変化量と前記第２の因子の変化量との関係が記録された第２の因子の変化テーブルとに基づいて、前記低減目標値と対応する因子と関連する前記第１の因子と前記第２の因子のそれぞれの変化量を計算する因子変化計算部と、
健診データを入力として疾病毎の疾病リスク値を出力するように構成されたリスク予測モデルに前記第１の因子の変化量と前記第２の因子の変化量を入力し、前記健診者の疾病の発症リスクを示す発症リスク値を予測するリスク予測部と、
を具備する健康支援装置。

【請求項9】

前記因子変化計算部は、前記組み合わせパターン毎の前記第１の因子と前記第２の因子のそれぞれの変化量を計算し、
前記リスク予測部は、前記組み合わせパターン毎の前記発症リスク値を予測し、
予測された前記発症リスク値と前記発症リスク値の低減目標値とに基づいて１つ以上の前記組み合わせパターンを選択する選択部、
をさらに具備する請求項８に記載の健康支援装置。

【請求項10】

予測された前記発症リスク値と前記発症リスク値の低減目標値との差分に基づく第１のロスと、前記健診者の生活習慣と前記健診者の目標の生活習慣との差分に基づく第２のロスと、前記第１のロスと前記第２のロスとの和に基づく第３のロスとを計算するロス計算部をさらに具備し、
前記選択部は、前記第３のロスに基づいて１つ以上の生活習慣の改善の組み合わせパターンを選択する、
請求項９に記載の健康支援装置。

【請求項11】

前記ロス計算部は、前記健診者の前記生活習慣の改善に関わる個人の意向を反映させるための個人意向パラメータにさらに基づいて前記第２のロスを計算し、
前記第３のロスが小さくなるようにベイジアン探索によって前記生活習慣の改善の組み合わせパターンの候補を生成する生成部を具備する、
請求項１０に記載の健康支援装置。

【請求項12】

入力された前記健診者の生活習慣に関わる生活習慣関連情報を解析し、前記生活習慣関連情報の解析結果によってアルコールの摂取量が一定量を超えたことが確認された場合には飲酒の頻度を減らすように前記個人意向パラメータを調整し、歩行の習慣が確認された場合には１日の歩行量が多いものとして前記個人意向パラメータを調整する解析部をさらに具備する請求項１１に記載の健康支援装置。

【請求項13】

前記選択部で選択された前記１つ以上の生活習慣の改善の組み合わせパターンを表示する表示部をさらに具備する請求項９乃至１２の何れか１項に記載の健康支援装置。

【請求項14】

前記第１の因子は、前記健診者の体重を含み、
前記第２の因子は、前記健診者の生体検査値を含む、
請求項８乃至１３の何れか１項に記載の健康支援装置。

【請求項15】

健診データのうちで健診者の生活習慣の改善によって値が変化する第１の因子と、前記健診データのうちで前記健診者の生活習慣の改善による前記第１の因子の値の変化によって値が変化する第２の因子との入力を受け付けることと、
前記生活習慣の組み合わせパターンと前記第１の因子の変化量との関係が記録された第１の因子の変化テーブルと、前記第１の因子の変化量と前記第２の因子の変化量との関係が記録された第２の因子の変化テーブルとに基づいて、前記第１の因子と前記第２の因子のそれぞれの変化量を計算することと、
健診データを入力として疾病毎の疾病リスク値を出力するように構成されたリスク予測モデルに前記第１の因子の変化量と前記第２の因子の変化量を入力し、前記健診者の疾病の発症リスクを示す発症リスク値を予測することと、
をコンピュータに実行させるための健康支援プログラム。

【請求項16】

健診データのうちで健診者の生活習慣の改善によって値が変化する第１の因子と、前記健診データのうちで前記健診者の生活習慣の改善による前記第１の因子の値の変化によって値が変化する第２の因子と、前記第１の因子と前記第２の因子との少なくとも何れかの低減目標値との入力を受け付けることと、
前記生活習慣の組み合わせパターンと前記第１の因子の変化量との関係が記録された第１の因子の変化テーブルと、前記第１の因子の変化量と前記第２の因子の変化量との関係が記録された第２の因子の変化テーブルとに基づいて、前記低減目標値と対応する因子と関連する前記第１の因子と前記第２の因子のそれぞれの変化量を計算することと、
健診データを入力として疾病毎の疾病リスク値を出力するように構成されたリスク予測モデルに前記第１の因子の変化量と前記第２の因子の変化量を入力し、前記健診者の疾病の発症リスクを示す発症リスク値を予測することと、
をコンピュータに実行させるための健康支援プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

実施形態は、健康支援装置及び健康支援プログラムに関する。

【背景技術】

【0002】

近年、精密医療が提唱されている。精密医療は、個人レベルで治療方法を分析し、分析した治療方法の中から最適な治療方法を選択する医療である。生活習慣病の健康指導においても、精密医療と同様に個人レベルの最適な目標設定が望まれている。例えば、糖尿病リスク低減のために５％の減量を全員一律に指導するのではなく、ある人には７％の減量、別の人には３％の減量と、個人の健康状態に合わせて指導することが望まれている。

【先行技術文献】

【特許文献】

【0003】

【文献】特開２０１０－２５０４８９号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

実施形態は、健康指導において個人レベルでの疾病予測をすることが可能な健康支援装置及び健康支援プログラムを提供する。

【課題を解決するための手段】

【0005】

一態様の健康支援装置は、実施形態の健康支援装置は、入力部と、因子変化計算部と、リスク予測部とを有する。入力部は、健診データのうちで健診者の生活習慣の改善によって値が変化する第１の因子と、健診データのうちで健診者の生活習慣の改善による第１の因子の値の変化によって値が変化する第２の因子との入力を受け付ける。因子変化計算部は、生活習慣の組み合わせパターンと第１の因子の変化量との関係が記録された第１の因子の変化テーブルと、第１の因子の変化量と第２の因子の変化量との関係が記録された第２の因子の変化テーブルとに基づいて、第１の因子と前記第２の因子のそれぞれの変化量を計算する。リスク予測部は、健診データを入力として疾病毎の疾病リスク値を出力するように構成されたリスク予測モデルに第１の因子の変化量と第２の因子の変化量を入力し、健診者の疾病の発症リスクを示す発症リスク値を予測する。

【図面の簡単な説明】

【0006】

【図1】図１は、第１の実施形態に係る健康支援装置の一例の構成を示す図である。

【図2】図２は、生活習慣の改善のパターンの一例を示す図である。

【図3】図３は、因子変化計算部の一例の構成を示す図である。

【図4】図４は、第１の因子の変化テーブルの一例としての体重変化率テーブルの例を示す図である。

【図5】図５は、体重変化率の計算結果の一例を示す図である。

【図6】図６は、第２の因子の変化テーブルの一例を示す図である。

【図7】図７は、健康支援装置のハードウェア構成の一例を示す図である。

【図8】図８は、第１の実施形態における健康支援装置の動作を示すフローチャートである。

【図9】図９は、第２の実施形態に係る健康支援装置の一例の構成を示す図である。

【図10】図１０は、第２の実施形態における健康支援装置の動作を示すフローチャートである。

【図11A】図１１Ａは、個人意向パラメータの入力のためのＧＵＩの例を示す図である。

【図11B】図１１Ｂは、個人意向の入力のためのＧＵＩの別の例を示す図である。

【図12】図１２は、第３の実施形態に係る健康支援装置の一例の構成を示す図である。

【図13】図１３は、第３の実施形態における健康支援装置の動作を示すフローチャートである。

【図14A】図１４Ａは、第４の実施形態に係る健康支援装置の第１の例の構成を示す図である。

【図14B】図１４Ｂは、第４の実施形態に係る健康支援装置の第２の例の構成を示す図である。

【図15】図１５は、第４の実施形態の第１の例における健康支援装置の動作を示すフローチャートである。

【発明を実施するための形態】

【0007】

以下、図面を参照して実施形態を説明する。
［第１の実施形態］
図１は、第１の実施形態に係る健康支援装置の一例の構成を示す図である。健康支援装置１は、入力部１００と、探索パターン生成部１２０と、因子変化計算部１３０と、リスク予測部１４０と、ロス計算部１５０と、選択部１７０とを有する。

【0008】

入力部１００は、健診データ及びリスク低減目標値の入力を受け付ける。例えば、入力部１００は、ユーザの健康支援装置１の操作により、健診データ及び低減目標値の入力を受け付けるように構成されていてよい。ここでの「ユーザ」は、健康支援装置１を使用する人である。ユーザは、健診者自身であってもよいし、医師等であってもよい。この他、入力部１００は、図示しない健康支援装置１の外部の記憶媒体に記憶されている健診データを、通信媒体を介して受けつけるように構成されていてもよい。また、入力部１００は、記憶媒体が健康支援装置１に装着されたことを受けて、この記憶媒体から転送されてくる健診データを受け付けるように構成されていてもよい。

【0009】

ここで、健診データは、健康診断の結果が記録されたデータである。実施形態の健診データは、生活習慣病のリスクの予測に用いられる因子の検査値と、運動習慣の量、日常の歩行量、飲酒の頻度といった生活習慣情報を含む。この因子は、第１の因子と、第２の因子を含む。第１の因子は、健診者の生活習慣の改善によって直接的にコントロールできる因子である。例えば、体重は、運動の実施及び食生活の改善によって直接的に変化する。したがって、体重は、第１の因子に含まれる。この他、体脂肪率等も第１の因子に含まれ得る。一方、第２の因子は、健診者の生活習慣の改善によって直接的にコントロールできない因子である。例えば、ＨｂＡ１ｃ（ヘモグロビンＡ１ｃ）は、運動の実施及び食生活の改善によって直接的には変化しない。したがって、ＨｂＡ１ｃは、第２の因子に含まれる。この他、ＧＯＴ（Glutamic Oxaloacetic Transaminase）、ＬＤＬ（Low Density Lipoprotein）、血圧等の各種の生体検査値も第２の因子に含まれ得る。なお、ＨｂＡ１ｃ等は、生活習慣の改善によって直接的にはコントロールできない因子であるが、生活習慣の改善に伴う体重等の変化によって間接的に変化し得る。つまり、第２の因子は、第１の因子の変化によって間接的にコントロールされる因子を含む。

【0010】

また、リスク低減目標値は、生活習慣病等の特定の疾病の疾病リスク値をどの程度低減したいかの目標値であり、相対値で指定されてもよいし、絶対値で指定されてもよい。ここで、「疾病リスク値」とは、ある期間内の特定の疾病の発症確率である。例えば、糖尿病の疾病リスクを３０％から２０％に低減したい場合、相対値で指定される場合にはリスク低減目標値（相対値）は、１０（％）である。絶対値で指定される場合にはリスク低減目標値（絶対値）は、２０（％）である。

【0011】

探索パターン生成部１２０は、生活習慣の改善の探索パターンを生成する。生活習慣の改善の探索パターンは、予め定められた複数の生活習慣の組み合わせパターンである。図２は、生活習慣の改善の組み合わせパターンの一例を示している。図２の例では、生活習慣として、「運動習慣」、「日常の歩行」、「飲酒」の少なくとも３つの項目が示されている。探索パターン生成部１２０は、例えばこれらの生活習慣の「あり」、「なし」を設定することで生活習慣の改善の組み合わせパターンを生成する。例えば、「運動習慣」及び「日常の歩行」については「あり」に設定されたときに生活習慣の改善が図られることを意味する。一方、「飲酒」については「なし」に設定されたときに生活習慣の改善が図られることを意味する。例えば、「Ｎｏ．１」のパターンは、「運動習慣」、「日常の歩行」、「飲酒」は、何れも「なし」に設定されている。このような「Ｎｏ．１」のパターンは、「飲酒」を実施しないことで生活習慣の改善が図られることを意味している。また、例えば、「Ｎｏ．２」のパターンは、「運動習慣」、「日常の歩行」は「なし」、「飲酒」は「あり」に設定されている。このような「Ｎｏ．２」のパターンは、「運動習慣」、「日常の歩行」、「飲酒」による生活習慣の改善が図られないことを意味している。ここで、図２の「なし」は、「運動習慣」、「日常の歩行」、「飲酒」をまったく実施しないことを意味してはいない。図２の「なし」は、疾病リスク値の予測に影響を与えない程度の少量の「運動習慣」、「日常の歩行」、「飲酒」の実施を含むものであってよい。また、図２では、生活習慣の「あり」、「なし」が設定されることで生活習慣の改善のパターンが生成されるとしている。これに対し、さらにそれぞれの生活習慣の量が考慮されて生活習慣の組み合わせパターンが生成されてもよい。例えば、運動習慣の「あり」が「少ない」、「中」、「多い」といった３つのパターンに分けられてもよい。

【0012】

ここで、探索パターン生成部１２０で生活習慣の探索パターンを生成するために用いられる生活習慣のデータは、例えば探索パターン生成部１２０に記憶されている。この他、生活習慣のデータは、健康支援装置１の外部の記憶媒体に記憶されていてもよい。この場合、探索パターン生成部１２０は、必要に応じて外部の記憶媒体から生活習慣のデータを取得する。

【0013】

因子変化計算部１３０は、探索パターン生成部１２０で生成された生活習慣の探索パターンに基づいて、第１の因子と第２の因子のそれぞれの変化量を計算する。例えば、因子変化計算部１３０には、生活習慣毎の因子の変化量のテーブルが予め記憶されている。因子変化計算部１３０は、探索パターン生成部１２０で生成された生活習慣の探索パターンに応じて因子の変化量を計算する。因子変化計算部１３０は、運動や日常の歩行など生活習慣の個別の改善パターン毎の変化率を合計することによって計算してもよいし、複数の生活習慣の組み合わせにより変化量を計算してもよい。

【0014】

図３は、因子変化計算部１３０の一例の構成を示す図である。図３に示すように、因子変化計算部１３０は、第１の因子変化計算部１３１と、第２の因子変化計算部１３２とを有していてもよい。第１の因子変化計算部１３１は、生活習慣の探索パターンに基づいて第１の因子の変化量を計算する。第２の因子変化計算部１３２は、第２の因子の変化量を計算する。第２の因子変化計算部１３２は、第１の因子の変化が第２の因子の変化に影響を与え得るときには、第１の因子の変化量に基づいて第２の因子の変化量を計算する。

【0015】

図４は、第１の因子の変化テーブルの一例としての体重変化率テーブルの例を示す図である。体重変化率テーブルは、生活習慣の改善による体重変化率を表すテーブルである。体重変化率は、元の体重からの体重変化を百分率で表した値である。図４は、体重変化率を、メタボリック症候群該当群と予備群と非該当群の３群に分けた例である。体重変化率テーブルは、例えば多数人についての生活習慣の改善に伴う体重変化を実測することで生成され得る。第１の因子変化計算部１３１は、体重変化率テーブルを用いて第１の因子としての体重変化率を計算し、計算した体重変化率に基づいて体重の変化量を計算する。体重の変化量は、例えば健診者の体重と体重変化率との積である。ここで、体重変化率テーブルは、生活習慣の量に応じた体重変化率を含んでいてもよい。

【0016】

図５は、体重変化率の計算結果の一例を示す図である。図５は、メタボリック症候群該当群で、「運動習慣なし」、「日常の歩行習慣なし」、「飲酒習慣あり」の状態を基準とし、この基準の状態から少なくともいずれかの生活習慣が改善された場合の体重変化率である。例えば、図５の「Ｎｏ．２」の生活習慣の探索パターンは、飲酒習慣が「あり」から「なし」に改善されているパターンである。図４に示すように、メタボリック症候群該当群における「飲酒なし」の体重変化率は、－１．００％である。したがって、体重変化率の計算結果は、－１．００％である。同様に、図５の「Ｎｏ．４」の生活習慣の探索パターンは、日常の歩行習慣が「なし」から「あり」に、飲酒習慣が「あり」から「なし」に改善されているパターンである。図４に示すように、メタボリック症候群該当群における「歩行習慣あり」の体重変化率は、－１．５０％であり、「飲酒なし」の体重変化率は、－１．００％である。したがって、体重変化率の計算結果は、－２．５０％である。

【0017】

ここで、図４は、体重変化率を計算するためのテーブルとして用いられ得る。図４と同様のテーブルは、第１の因子の種類毎に準備されている。第１の因子変化計算部１３１は、対応する第１の因子の変化テーブルを用いてそれぞれの第１の因子の変化量を計算する。

【0018】

図６は、第２の因子の変化テーブルの例である。図６は、体重変化率と第２の因子の変化率との関連を表すテーブルである。生活習慣の改善に伴う体重の変化により、第２の因子としてのＧＯＴ、ＨｂＡ１ｃ、ＬＤＬといった生体検査値が有意に変化することが例えば、津下一代，「生活習慣介入のエビデンスと実際」，日本内科学会雑誌第105巻第9号，［Online］［令和2年10月7日検索］，インターネットURL：https://www.jstage.jst.go.jp/article/naika/105/9/105_1654/_article/-char/ja/において報告されている。図６は、このような体重の変化と第２の因子としての生体検査値の変化との関連を表している。第２の因子の変化テーブルは、例えば多数人についての体重変化に伴う生体検査値の変化を実測することで生成され得る。第２の因子変化計算部１３２は、第１の因子変化計算部１３１で計算される生活習慣の探索パターン毎の第１の因子の変化量に基づいて第２の因子の変化量を計算する。例えば、体重変化量が－１Ｋｇから＋１ｋｇであるとき、ＧＯＴ、ＨｂＡ１ｃ、ＬＤＬの何れの変化率も０．００％である。一方、体重変化量が－１Ｋｇから－３ｋｇであるとき、ＧＯＴの変化率は－２．００％、ＨｂＡ１ｃの変化率は－１．００％、ＬＤＬの変化率は－３．００％である。

【0019】

ここで、図６は、体重変化率から第２の因子の変化量を計算するためのテーブルとして用いられ得る。図６と同様のテーブルは第１の因子の種類毎に準備されている。第２の因子変化計算部１３２は、対応する第２の因子の変化テーブルを用いてそれぞれの第２の因子の変化量を計算する。

【0020】

リスク予測部１４０は、探索パターン毎の疾病の疾病リスク値を予測する。リスク予測部１４０は、例えば疾病リスクの予測モデルに基づき、リスク低減目標値で特定される疾病の疾病リスク値を予測する。このリスク予測モデルは、例えば健診データを入力として疾病毎の疾病リスク値を出力するように構成された学習モデルである。ここで健診データとは、第１の因子と第２の因子と生活習慣情報を含む。疾病リスクの予測方法としては、一般的に知られている任意に予測方法が用いられ得る。前述したように、生活習慣の改善により、体重といった第１の因子と、ＧＯＴ、ＨｂＡ１ｃ、ＬＤＬといった第２の因子としての生体検査値はある割合で変化する。したがって、このリスク予測モデルに生活習慣情報と生活習慣の改善に伴う変化後の第１の因子と第２の因子の値が入力されることにより、リスク予測モデルは、生活習慣の改善に伴って変化する疾病リスク値を出力することになる。なお、リスク予測部１４０は、少なくとも第２の因子の値を入力として疾病毎の疾病リスク値を出力するように構成されていれば特定の構成に限定されない。例えば、リスク予測部１４０は、健診データを全て使用するのではなく、第１の因子と第２の因子の値のみで疾病毎の疾病リスク値を出力するように構成されていてもよい。

【0021】

ロス計算部１５０は、選択部１７０における選択に用いられる第３のロスＬｏｓｓ３を例えば以下の（式１）に基づいて計算する。
Ｌｏｓｓ３＝Ｌｏｓｓ１＋α×Ｌｏｓｓ２ （式１）
ここで、Ｌｏｓｓ１は、リスク予測部１４０で予測された疾病リスク値と、この疾病リスク値と対応するリスク低減目標値との差分に基づく第１のロスである。また、Ｌｏｓｓ２は、予測に用いられる生活習慣とそれぞれの因子を変更することによる、すなわち生活習慣改善とその改善に伴う因子の変更による第２のロスである。さらにαは、第１のロスＬｏｓｓ１と第２のロスＬｏｓｓ２の重みを調整するパラメータである。
ロス計算部１５０は、第１のロスＬｏｓｓ１を以下の（式２）に基づいて計算する。
ａ）予測された疾病リスク値≦リスク低減目標値のとき
Ｌｏｓｓ１＝０
ｂ）予測された疾病リスク値＞リスク低減目標値のとき
Ｌｏｓｓ１＝（予測された疾病リスク値－リスク低減目標値）^２
（式２）
また、ロス計算部１５０は、第２のロスＬｏｓｓ２を以下の（式３）に基づいて計算する。
Ｌｏｓｓ２＝Σ（Ｘｉ－Ｘｉ＿ｏｒｇ）^２／Ｎｕｍ＿Ｘ （式３）
（式３）のＸｉは予測モデルのｉ（ｉは自然数）番目の入力値の目標値の候補である。ここで、予測モデルの入力は健診データであり、第１の因子と第２の因子と生活習慣情報を含む。また、Ｘｉ＿ｏｒｇは予測モデルのｉ番目の入力値の実際の検査値である。さらに、Ｎｕｍ＿Ｘは、入力値の数である。なお、それぞれの入力値のスケールは、大きく異なっていることがあり得る。この場合、Ｌｏｓｓ２の値は、スケールの大きな入力値の影響を受けやすい。このような特定の入力値の影響を抑制するため、Ｘｉ及びＸｉ＿ｏｒｇの値は例えば０から１の範囲に規格化されてもよい。

【0022】

ここで、（式１）から（式３）で示したロス計算部１５０におけるロスの計算は一例である。ロス計算部１５０は、選択部１７０における選択に用いることができるロスを計算できる任意のロス計算を行ってよい。

【0023】

選択部１７０は、ロス計算部１５０で計算されたロスを用いて１つ以上の生活習慣の組み合わせパターンを選択する。例えば、（式１）でロスが計算されるときには第３のロスＬｏｓｓ３の値が小さいほど、そのときの生活習慣の組み合わせパターンによって改善される疾病リスク値がリスク低減目標値に近いことを意味している。したがって、例えば（式１）でロスが計算されるときには、選択部１７０は、生成された探索パターンのうちで第３のロスＬｏｓｓ３の値の小さい順に１つ以上の生活習慣の組み合わせパターンを選択する。ロスの計算によっては、ロスの値が大きいほど、そのときの生活習慣の組み合わせパターンによって改善される疾病リスク値がリスク低減目標値に近いことを意味していることもある。この場合には、選択部１７０は、生成された探索パターンのうちでロスの値の大きい順に１つ以上の生活習慣の組み合わせパターンを選択する。

【0024】

図７は、健康支援装置１のハードウェア構成の一例を示す図である。健康支援装置１は、例えばプロセッサ２０１と、メモリ２０２と、入力装置２０３と、表示装置２０４と、通信装置２０５と、ストレージ２０６とをハードウェアとして有している。プロセッサ２０１と、メモリ２０２と、入力装置２０３と、表示装置２０４と、通信装置２０５と、ストレージ２０６とは、バス２０７に接続されている。健康支援装置１は、パーソナルコンピュータ（ＰＣ）、スマートフォン、タブレット端末といった端末装置であってよい。

【0025】

プロセッサ２０１は、健康支援装置１の全体的な動作を制御するプロセッサである。プロセッサ２０１は、例えばストレージ２０６に記憶されている健康支援プログラムを実行することによって、入力部１００と、探索パターン生成部１２０と、因子変化計算部１３０と、リスク予測部１４０と、ロス計算部１５０と、選択部１７０として動作する。プロセッサ２０１は、例えばＣＰＵである。プロセッサ２０１は、ＭＰＵ、ＧＰＵ、ＡＳＩＣ、ＦＰＧＡ等であってもよい。プロセッサ２０１は、単一のＣＰＵ等であってもよいし、複数のＣＰＵ等であってもよい。

【0026】

メモリ２０２は、ＲＯＭ及びＲＡＭを含む。ＲＯＭは、不揮発性のメモリである。ＲＯＭは、健康支援装置１の起動プログラム等を記憶している。ＲＡＭは、揮発性のメモリである。ＲＡＭは、例えばプロセッサ２０１における処理の際の作業メモリとして用いられる。

【0027】

入力装置２０３は、タッチパネル、キーボード、マウス等の入力装置である。入力装置２０３の操作がされた場合、操作内容に応じた信号がバス２０７を介してプロセッサ２０１に入力される。プロセッサ２０１は、この信号に応じて各種の処理を行う。入力装置２０３は、例えば健診データ及びリスク低減目標値の入力に用いられ得る。

【0028】

表示装置２０４は、液晶ディスプレイ、有機ＥＬディスプレイ等の表示装置である。表示装置２０４は、各種の画像を表示する。

【0029】

通信装置２０５は、健康支援装置１が外部の機器と通信するための通信装置である。通信装置２０５は、有線通信のための通信装置であってもよいし、無線通信のための通信装置であってもよい。

【0030】

ストレージ２０６は、例えばフラッシュメモリ、ハードディスクドライブ、ソリッドステートドライブといったストレージである。ストレージ２０６は、健康支援プログラム２０６１等のプロセッサ２０１によって実行される各種のプログラムを記憶している。また、ストレージ２０６は、生活習慣の探索パターンを生成するための生活習慣データ２０６２を記憶している。生活習慣データ２０６２は、例えばそれぞれの生活習慣毎に割り振られたＩＤである。また、ストレージ２０６は、第１の因子の変化量を計算するための体重変化率テーブル等の第１の因子の変化テーブル２０６３を記憶している。また、ストレージ２０６は、第２の因子の変化量を計算するための第２の因子の変化テーブル２０６４を記憶している。また、ストレージ２０６は、疾病リスク値の予測に用いられるリスク予測モデル２０６５を記憶している。生活習慣データ２０６２、第１の因子の変化テーブル２０６３、第２の因子の変化テーブル２０６４及びリスク予測モデル２０６５は、必ずしもストレージ２０６に記憶されている必要はない。例えば、生活習慣データ２０６２、第１の因子の変化テーブル２０６３、第２の因子の変化テーブル２０６４及びリスク予測モデル２０６５は、健康支援装置１の外部のサーバに記憶されていてもよい。この場合、健康支援装置１は、通信装置２０５を用いてサーバにアクセスすることで必要な情報を取得する。

【0031】

バス２０７は、プロセッサ２０１と、メモリ２０２と、入力装置２０３と、表示装置２０４と、通信装置２０５と、ストレージ２０６との間のデータのやり取りのためのデータ転送路である。

【0032】

次に、第１の実施形態における健康支援装置１の動作を説明する。図８は、第１の実施形態における健康支援装置１の動作を示すフローチャートである。図８の処理は、プロセッサ２０１によって実行される。

【0033】

ステップＳ１において、プロセッサ２０１は、健診データ及びリスク低減目標値を取得する。健診データは、例えば、表示装置２０４に表示されるＧＵＩ（Graphical User Interface）上でのユーザの入力装置２０３の操作を介して入力されてもよいし、健康支援装置１の外部の記憶媒体を介して入力されてもよい。また、リスク低減目標値は、例えば、表示装置２０４に表示されるＧＵＩ上でのユーザの入力装置２０３の操作を介して入力されてよい。

【0034】

ステップＳ２において、プロセッサ２０１は、生活習慣データ２０６２を参照し、生活習慣の探索パターンを生成する。プロセッサ２０１は、生活習慣データ２０６２から生成され得るすべての生活習慣の組み合わせで探索パターンを生成してもよいし、一部の生活習慣の組み合わせで探索パターンを生成してもよい。

【0035】

ステップＳ３において、プロセッサ２０１は、探索パターン毎の疾病リスクの予測に用いられる因子の変化量を計算する。第１の因子の変化が第２の因子の変化に影響を与え得るときには、プロセッサ２０１は、先に第１の因子の変化テーブル２０６３を用いて第１の因子の変化量を計算し、その後に第２の因子の変化テーブル２０６４を用いて第２の因子の変化量を計算する。

【0036】

ステップＳ４において、プロセッサ２０１は、疾病リスク値を予測する。例えば、プロセッサ２０１は、疾病のリスク予測モデルに変化後の第２の因子の値を入力して探索パターン毎の疾病リスク値を予測する。

【0037】

ステップＳ５において、プロセッサ２０１は、ロス計算を実施する。例えば、プロセッサ２０１は、（式１）－（式３）に従ってロスを計算する。

【0038】

ステップＳ６において、プロセッサ２０１は、ユーザに対して提示する生活習慣の組み合わせパターンを選択する。例えば、プロセッサ２０１は、ロスの値の小さい順に１以上の生活習慣の組み合わせパターンを選択する。

【0039】

ステップＳ７において、プロセッサ２０１は、ユーザに対して結果を提示する。その後、図８の処理は終了する。例えば、プロセッサ２０１は、表示装置２０４の画面上に、選択した生活習慣の組み合わせパターンと、その生活習慣において予測される疾病リスク値とを表示する。疾病リスク値に代えて、疾病リスク値の低減値が表示されてもよい。

【0040】

以上説明したように第１の実施形態によれば、健診者の生活習慣の改善によって直接的にコントロールできる第１の因子と、健診者の生活習慣の改善によって直接的にコントロールできない第２の因子とを用いて疾病リスク値が予測される。ここで、第２の因子の変化に第１の因子の変化が影響するときには、第１の因子の変化が第２の因子の変化に置き換えられ、この置き換えられた第２の因子に基づいて疾病リスク値が予測され得る。例えば、生活習慣を改善することで半年後及び１年後といった長期的に体重が減少し、長期的に体重が減少することで生体検査値は改善する。第１の実施形態では、これらの長期的な体重変化、長期的な生体検査値変化が考慮されて疾病リスク値が計算され得る。このようにして第１の実施形態では、疾病リスク値の予測において健診者の生活習慣の改善によって直接的にコントロールできない第２の因子も予測結果に適切に反映されるので、健康指導において個人レベルの最適な生活習慣の目標設定がされ得る。

【0041】

［第２の実施形態］
次に、第２の実施形態を説明する。図９は、第２の実施形態に係る健康支援装置の一例の構成を示す図である。第２の実施形態における健康支援装置１は、入力部１００と、候補生成部１２１と、因子変化計算部１３０と、リスク予測部１４０と、ロス計算部１５０と、終了判定部１６０と、選択部１７０とを有する。ここで、第２の実施形態において第１の実施形態と共通する部分についての説明は省略又は簡略化する。また、健康支援装置１のハードウェア構成は、図７の構成が適用され得る。したがって、説明を省略する。

【0042】

第２の実施形態における入力部１００は、健診データ及びリスク低減目標値の入力を受け付ける。さらに、第２の実施形態における入力部１００は、個人意向パラメータの入力を受け付ける。個人意向パラメータは、疾病リスクを減らすための生活習慣の変更に際して、どの生活習慣を中心に変更したいか又はどの生活習慣を変更したくないかといった健診者毎の生活習慣の改善に関わる個人の意向を反映させるためのパラメータである。例えば、入力部１００は、ユーザの健康支援装置１の操作により、個人意向パラメータの入力を受け付けるように構成されていてよい。

【0043】

候補生成部１２１は、個人意向パラメータを考慮して、生活習慣の改善の候補パターンを生成する。生活習慣の改善の候補パターンは、予め定められた１つの生活習慣の組み合わせパターンである。候補生成部１２１は、生活習慣の「あり」、「なし」及び「あり」のときにはその量を設定することで候補パターンを生成する。候補生成部１２１は、ランダムに候補パターンを生成してもよいし、ロス計算部１５０で計算されるロスを利用したベイジアン探索（ベイズ最適化法）に基づいて候補パターンを生成してもよい。すなわち、候補生成部１２１は、個人意向パラメータを考慮できる任意の手法で生活習慣の改善の候補パターンを生成してよい。

【0044】

因子変化計算部１３０は、候補生成部１２１で生成された候補パターンに基づいて、第１の因子と第２の因子のそれぞれの変化量を計算する。第１の因子の変化量と第２の因子の変化量の計算は、第１の実施形態で説明した手法で行われてよい。

【0045】

リスク予測部１４０は、候補パターンについての疾病の疾病リスク値を予測する。リスク予測部１４０による予測は、第１の実施形態で説明した手法で行われてよい。

【0046】

ロス計算部１５０は、第３のロスＬｏｓｓ３を例えば前述の（式１）に基づいて計算する。ここで、第２の実施形態では、ロス計算部１５０は、第２のロスＬｏｓｓ２を例えば以下の（式４）に基づいて計算する。
Ｌｏｓｓ２＝Σ（Ｘｉ－Ｘｉ＿ｏｒｇ）^２×Ｘｉ＿ｓｔｄ／Ｎｕｍ＿Ｘ （式４）
ここで、Ｘｉ＿ｓｔｄは、ｉ番目の入力値に関する個人意向パラメータに対応する値である。Ｘｉ＿ｓｔｄは、例えば０から１の範囲の値である。Ｘｉ＿ｓｔｄが小さくされたときにはＬｏｓｓ２の値が小さくなる。例えばベイジアン探索ではロスの値が小さくなるように次の候補パターンが生成されるので、結果として小さくされたＸｉ＿ｓｔｄに対応した生活習慣の改善が多くなるように候補パターンが生成される。一方、Ｘｉ＿ｓｔｄが大きくされたときにはＬｏｓｓ２の値が大きくなるので、結果としてそのＸｉ＿ｓｔｄに対応した生活習慣の改善が少なくなるように候補パターンが生成される。例えば、運動習慣を変更して疾病リスクを減らすように個人意向パラメータが設定された場合には、運動習慣の量に対応したＸｉ＿ｓｔｄが小さくなる。また、例えば、飲酒の頻度を変更しないで疾病リスクを減らすように個人意向パラメータが設定された場合には、飲酒の頻度に対応したＸｉ＿ｓｔｄが大きくなる。

【0047】

終了判定部１６０は、候補パターンの探索を終了するか否かを判定する。例えば、終了判定部１６０は、予め定められた回数の探索、すなわち第３のロスの計算が行われたら探索を終了すると判定する。この他、終了判定部１６０は、第３のロスが予め設定された閾値よりも小さくなったときに探索を終了すると判定してもよい。

【0048】

選択部１７０は、ロス計算部１５０で計算されたロスを用いて１つ以上の生活習慣の組み合わせパターンを選択する。例えば（式１）でロスが計算されるときには、選択部１７０は、生成された候補パターンのうちで第３のロスＬｏｓｓ３の値の小さい順に１つ以上の生活習慣の組み合わせパターンを選択する。

【0049】

次に、第２の実施形態における健康支援装置１の動作を説明する。図１０は、第２の実施形態における健康支援装置１の動作を示すフローチャートである。図１０の処理は、プロセッサ２０１によって実行される。

【0050】

ステップＳ１０１において、プロセッサ２０１は、健診データ、リスク低減目標値及び個人意向パラメータを取得する。健診データは、例えば、表示装置２０４に表示されるＧＵＩ上でのユーザの入力装置２０３の操作を介して入力されてもよいし、健康支援装置１の外部の記憶媒体を介して入力されてもよい。また、リスク低減目標値は、例えば、表示装置２０４に表示されるＧＵＩ上でのユーザの入力装置２０３の操作を介して入力されてよい。さらに、個人意向パラメータは、例えば、表示装置２０４に表示されるＧＵＩ上でのユーザの入力装置２０３の操作を介して入力されてよい。

【0051】

図１１Ａは、個人意向パラメータの入力のためのＧＵＩの例である。図１１Ａの例では、個人意向パラメータを表す数値が直接的に入力される。ユーザは、自身の変更したい又は変更したくない生活習慣に対応する個人意向パラメータを選択し、例えば０から１の範囲で数値を入力する。入力された数値に応じて前述のＸｉ＿ｓｔｄの値が設定される。図１１Ａでは、生活習慣に関する各項目として、例えば「運動習慣」、「運動強度」、「飲酒の習慣」、「飲酒の頻度」、「１回の飲酒量」、「喫煙」、「睡眠時間」、「食事種類」等が表示されている。

【0052】

ステップＳ１０２において、プロセッサ２０１は、生活習慣データ２０６２を参照し、生活習慣の候補パターンを生成する。

【0053】

ステップＳ１０３において、プロセッサ２０１は、候補パターンについての疾病リスクの予測に用いられる因子の変化量を計算する。第１の因子の変化が第２の因子の変化に影響を与え得るときには、プロセッサ２０１は、先に第１の因子の変化テーブル２０６３を用いて第１の因子の変化量を計算し、その後に第２の因子の変化テーブル２０６４を用いて第２の因子の変化量を計算する。

【0054】

ステップＳ１０４において、プロセッサ２０１は、疾病リスク値を予測する。例えば、プロセッサ２０１は、疾病のリスク予測モデルに変化後の第２の因子の値を入力して探索パターン毎の疾病リスク値を予測する。

【0055】

ステップＳ１０５において、プロセッサ２０１は、ロス計算を実施する。例えば、プロセッサ２０１は、（式１）、（式２）、（式４）に従ってロスを計算する。

【0056】

ステップＳ１０６において、プロセッサ２０１は、探索を終了するか否かを判定する。ステップＳ１０６において、探索を終了すると判定されていないときには、処理はステップＳ１０２に戻る。この場合には、次の候補パターンが生成される。ステップＳ１０６において、探索を終了すると判定されたときには、処理はステップＳ１０７に移行する。

【0057】

ステップＳ１０７において、プロセッサ２０１は、ユーザに対して提示する生活習慣の組み合わせパターンを選択する。例えば、プロセッサ２０１は、ロスの値の小さい順に１以上の生活習慣の組み合わせパターンを選択する。

【0058】

ステップＳ１０８において、プロセッサ２０１は、ユーザに対して結果を提示する。その後、図１０の処理は終了する。例えば、プロセッサ２０１は、表示装置２０４の画面上に、選択した生活習慣の組み合わせパターンと、その生活習慣において予測される疾病リスク値とを表示する。

【0059】

以上説明したように第２の実施形態によれば、第１の因子と第２の因子とに加えてさらに健診者の個人の意向が考慮された疾病リスク値が予測される。これにより、第２の実施形態では、第１の実施形態よりもさらに適切な個人レベルの生活習慣の目標設定がされ得る。

【0060】

ここで、第２の実施形態では、個人の意向が個人意向パラメータの数値として入力されるとしている。これに対し、個人意向パラメータの数値ではなく、運動習慣の量及び飲酒の頻度といったそれぞれの因子の値が直接入力されることで個人の意向が反映されてもよい。図１１Ｂは、個人意向の入力のためのＧＵＩの別の例である。別の例では、生活習慣に関わる因子とその量の選択肢とが表示される。ユーザは、これから変更する生活習慣とその量を直接指定する。例えば、ユーザは、運動習慣を「多い」に変更する場合には、図１１Ｂの運動習慣の欄の「多い」を選択する。それぞれの選択肢には前述のＸｉ＿ｏｒｇの値が対応付けられており、選択に応じてＸｉ＿ｏｒｇの値が選択される。例えば、運動習慣が「多い」に変更された場合には、運動習慣の量に対応したＸｉ＿ｏｒｇの値が「多い」状態に固定される。この後、プロセッサ２０１は、第１の実施形態と同様に第３のロスを計算しながら探索を実施する。これにより、運動習慣の頻度は「多い」状態に固定され、他の生活習慣が変更されることによって探索が実施される。

【0061】

［第３の実施形態］
次に、第３の実施形態を説明する。図１２は、第３の実施形態に係る健康支援装置の一例の構成を示す図である。第３の実施形態における健康支援装置１は、入力部１００と、解析部１１０と、候補生成部１２１と、因子変化計算部１３０と、リスク予測部１４０と、ロス計算部１５０と、終了判定部１６０と、選択部１７０とを有する。ここで、第３の実施形態において第２の実施形態と共通する部分についての説明は省略又は簡略化する。また、健康支援装置１のハードウェア構成は、図７の構成が適用され得る。したがって、説明を省略する。

【0062】

第３の実施形態における入力部１００は、健診データ、リスク低減目標値、個人意向パラメータの入力を受け付ける。さらに、第３の実施形態における入力部１００は、生活習慣関連情報の入力を受け付ける。生活習慣関連情報は、健診者の生活習慣に関わる情報である。例えば、生活習慣関連情報は、例えば健診者の食生活に関わる情報である。食生活に関わる情報は、例えば食品の購入履歴、外食の履歴といった情報を含む。食品の購入履歴、外食の履歴の情報は、例えばレシート、各種のポイントカード、プリペイドカードによって特定され得る。この他、生活習慣関連情報は、例えば歩数計によって測定される１日の歩数、カロリー消費量、スマートフォン等を用いて健診者毎に管理されるＰＨＲ（Personal Health Record）といった情報も含む。

【0063】

解析部１１０は、生活習慣関連情報を解析し、解析結果に基づいて個人意向パラメータを調整する。例えば、複数のレシートに記録される購入情報から、アルコールの摂取量が計算できる。アルコールの摂取量が多いことが確認された場合、解析部１１０は、健診者に飲酒の習慣があると判断する。アルコールの摂取量が一定量までは健康への影響は小さいが、一定量を超えると大きく影響を及ぼすことが知られている。解析部１１０は、アルコールの摂取量が一定量までは意向パラメータを調整しないが、アルコールの摂取量が一定量を超えた場合には、飲酒の頻度を減らすように個人意向パラメータを調整する。また、例えば、１日の歩行量が多いことが確認された場合、解析部１１０は、歩行の習慣があると判断する。この場合において、解析部１１０は、例えば１日の歩行量を多い状態として疾病リスクを減らすように個人意向パラメータを調整する。

【0064】

候補生成部１２１、因子変化計算部１３０、リスク予測部１４０、ロス計算部１５０、終了判定部１６０及び選択部１７０は、第２の実施形態と同様に動作してよい。したがって、説明を省略する。

【0065】

次に、第３の実施形態における健康支援装置１の動作を説明する。図１３は、第３の実施形態における健康支援装置１の動作を示すフローチャートである。図１３の処理は、プロセッサ２０１によって実行される。

【0066】

ステップＳ２０１において、プロセッサ２０１は、健診データ、リスク低減目標値、個人意向パラメータ及び生活習慣関連情報を取得する。健診データは、例えば、表示装置２０４に表示されるＧＵＩ上でのユーザの入力装置２０３の操作を介して入力されてもよいし、健康支援装置１の外部の記憶媒体を介して入力されてもよい。また、リスク低減目標値は、例えば、表示装置２０４に表示されるＧＵＩ上でのユーザの入力装置２０３の操作を介して入力されてよい。また、個人意向パラメータは、例えば、表示装置２０４に表示されるＧＵＩ上でのユーザの入力装置２０３の操作を介して入力されてよい。生活習慣関連情報は、表示装置２０４に表示されるＧＵＩ上でのユーザの入力装置２０３の操作を介して入力されてもよいし、ＰＨＲを記録したスマートフォン等の端末装置から入力されてもよいし、レシート等の画像から文字を認識することによって入力されてもよい。

【0067】

ステップＳ２０２において、プロセッサ２０１は、生活習慣関連情報を解析し解析結果に基づいて個人意向パラメータを調整する。

【0068】

ステップＳ２０３において、プロセッサ２０１は、生活習慣データ２０６２を参照し、生活習慣の候補パターンを生成する。

【0069】

ステップＳ２０４において、プロセッサ２０１は、候補パターンについての疾病リスクの予測に用いられる因子の変化量を計算する。第１の因子の変化が第２の因子の変化に影響を与え得るときには、プロセッサ２０１は、先に第１の因子の変化テーブル２０６３を用いて第１の因子の変化量を計算し、その後に第２の因子の変化テーブル２０６４を用いて第２の因子の変化量を計算する。

【0070】

ステップＳ２０５において、プロセッサ２０１は、疾病リスク値を予測する。例えば、プロセッサ２０１は、疾病のリスク予測モデルに変化後の第２の因子の値を入力して探索パターン毎の疾病リスク値を予測する。

【0071】

ステップＳ２０６において、プロセッサ２０１は、ロス計算を実施する。例えば、プロセッサ２０１は、（式１）、（式２）、（式４）に従ってロスを計算する。

【0072】

ステップＳ２０７において、プロセッサ２０１は、探索を終了するか否かを判定する。ステップＳ２０７において、探索を終了すると判定されていないときには、処理はステップＳ２０３に戻る。この場合には、次の候補パターンが生成される。ステップＳ２０７において、探索を終了すると判定されたときには、処理はステップＳ２０８に移行する。

【0073】

ステップＳ２０８において、プロセッサ２０１は、ユーザに対して提示する生活習慣の組み合わせパターンを選択する。例えば、プロセッサ２０１は、ロスの値の小さい順に１以上の生活習慣の組み合わせパターンを選択する。

【0074】

ステップＳ２０９において、プロセッサ２０１は、ユーザに対して結果を提示する。その後、図１３の処理は終了する。例えば、プロセッサ２０１は、表示装置２０４の画面上に、選択した生活習慣の組み合わせパターンと、その生活習慣において予測される疾病リスク値とを表示する。

【0075】

以上説明したように第３の実施形態によれば、生活習慣関連情報に従って個人意向パラメータが調整される。これにより、ユーザの手動によって入力された個人意向パラメータがなくても健診者の個人の意向が考慮された疾病リスク値が予測される。これにより、第３の実施形態では、第２の実施形態よりもさらに個人レベルの生活習慣の目標設定がされ得る。

【0076】

［第４の実施形態］
次に、第４の実施形態を説明する。図１４Ａは、第４の実施形態に係る健康支援装置の第１の例の構成を示す図である。図１４Ｂは、第４の実施形態に係る健康支援装置の第２の例の構成を示す図である。前述した第１から第３の実施形態では、リスク低減目標値が入力されるのに対し、第４の実施形態では直接的に因子の変化の目標値が入力される。

【0077】

まず、第１の例を説明する。第１の例の健康支援装置１は、入力部１００と、因子変化計算部１３０と、リスク予測部１４０とを有する。ここで、第４の実施形態の第１の例において第１の実施形態と共通する部分についての説明は省略又は簡略化する。また、健康支援装置１のハードウェア構成は、図７の構成が適用され得る。したがって、説明を省略する。

【0078】

第４の実施形態の第１の例における入力部１００は、健診データ及び因子変化目標値の入力を受け付ける。因子変化目標値は、因子の変化の目標値である。因子変化目標値は、体重等の第１の因子の変化の目標値であってもよいし、血圧等の第２の因子の変化の目標値であってもよい。

【0079】

第４の実施形態の第１の例の因子変化計算部１３０は、入力された因子変化目標値の因子の変化と関連する因子の変化量を計算する。例えば、体重の変化量の目標値が因子変化目標値として入力されたとする。前述したように、体重の変化は、ＧＯＴ、ＨｂＡ１ｃ、ＬＤＬといった生体検査値にも影響する。因子変化計算部１３０は、体重の変化量からＧＯＴ、ＨｂＡ１ｃ、ＬＤＬといった生体検査値の変化量を計算する。因子の変化量の計算は、第１の実施形態と同様の因子変化のテーブルを用いて行われ得る。

【0080】

リスク予測部１４０は、入力された因子変化目標値の状態での疾病毎の疾病リスク値を予測する。リスク予測部１４０による予測は、第１の実施形態で説明した手法で行われてよい。

【0081】

次に、第２の例を説明する。第２の例の健康支援装置１は、入力部１００と、探索パターン生成部１２０と、因子変化計算部１３０と、リスク予測部１４０と、ロス計算部１５０と、選択部１７０とを有する。ここで、第４の実施形態の第２の例において第１の実施形態と共通する部分についての説明は省略又は簡略化する。また、健康支援装置１のハードウェア構成は、図７の構成が適用され得る。したがって、説明を省略する。

【0082】

第４の実施形態の第２の例における入力部１００は、第１の例と同様に、健診データ及び因子変化目標値の入力を受け付ける。因子変化目標値は、体重等の第１の因子の変化の目標値であってもよいし、血圧等の第２の因子の変化の目標値であってもよい。

【0083】

探索パターン生成部１２０は、生活習慣の改善のパターンを生成する。生活習慣の改善のパターンは、第１の実施形態と同様でよい。

【0084】

第４の実施形態の第２の例の因子変化計算部１３０は、探索パターン生成部１２０で生成された生活習慣の探索パターンに基づき、因子変化目標値として入力された因子を除く他の第１の因子と第２の因子のそれぞれの変化量を計算する。因子の変化量の計算は、第１の実施形態と同様の因子変化のテーブルを用いて行われ得る。

【0085】

リスク予測部１４０は、入力された因子変化目標値の状態での疾病毎の疾病リスク値を予測する。リスク予測部１４０による予測は、第１の実施形態で説明した手法で行われてよい。

【0086】

ロス計算部１５０は、第３のロスＬｏｓｓ３を例えば前述の（式１）に基づいて計算する。ただし、第４の実施形態の第２の変形例では、ロス計算部１５０は、第１のロスＬｏｓｓ１を例えば以下の（式５）に基づいて計算する。
Ｌｏｓｓ１＝（Ｆ１－Ｆ２）^２ （式５）
ここで、Ｆ１は、入力された因子変化目標値を達成するために必要な因子の変化率である。Ｆ２は、生活習慣改善により達成できる因子の変化率である。例えば、入力された因子変化目標値がＧＯＴの目標値であれば、Ｆ１はＧＯＴ変化目標値を達成するために必要な体重の変化率であり、Ｆ２は生活習慣改善により達成できる体重の変化率であり得る。

【0087】

終了判定部１６０及び選択部１７０は、第１の実施形態と同様に動作してよい。したがって、説明を省略する。

【0088】

次に、第４の実施形態における健康支援装置１の動作を説明する。図１５は、第４の実施形態の第１の例における健康支援装置１の動作を示すフローチャートである。図１５の処理は、プロセッサ２０１によって実行される。なお、第２の例における健康支援装置１の動作は、図１５にさらに図８のステップＳ２、Ｓ３、Ｓ５及びＳ６の処理が加わるのみである。したがって、説明を省略する。

【0089】

ステップＳ３０１において、プロセッサ２０１は、健診データ及び因子変化目標値を取得する。健診データは、例えば、表示装置２０４に表示されるＧＵＩ（Graphical User Interface）上でのユーザの入力装置２０３の操作を介して入力されてもよいし、健康支援装置１の外部の記憶媒体を介して入力されてもよい。また、因子変化目標値は、例えば、表示装置２０４に表示されるＧＵＩ上でのユーザの入力装置２０３の操作を介して入力されてよい。

【0090】

ステップＳ３０２において、プロセッサ２０１は、入力された因子変化目標値に関連する因子の変化量を計算する。例えば、体重の変化目標値が入力されたときには、プロセッサ２０１は、体重の変化によって変化するＧＯＴ、ＨｂＡ１ｃ、ＬＤＬといった生体検査値の変化量を計算する。

【0091】

ステップＳ３０３において、プロセッサ２０１は、疾病リスク値を予測する。例えば、プロセッサ２０１は、疾病のリスク予測モデルに変化後の第２の因子の値を入力して探索パターン毎の疾病リスク値を予測する。

【0092】

ステップＳ３０４において、プロセッサ２０１は、ユーザに対して結果を提示する。その後、図１５の処理は終了する。例えば、プロセッサ２０１は、表示装置２０４の画面上に、入力された因子変化目標値に対して疾病リスク値を表示する。疾病リスク値に代えて、疾病リスク値の低減値が表示されてもよい。

【0093】

以上説明したように第４の実施形態によれば、リスク低減目標値に代えて因子の変化量の目標値が入力され、この入力された目標値に関連する因子の変化量が算出されて疾病リスク値が予測される。これによっても、個人レベルの生活習慣の目標設定がされ得る。また、第４の実施形態ではより直接的な生活習慣の改善目標に従って疾病リスク値が予測され得る。

【0094】

ここで、第４の実施形態においても第２の実施形態及び第３の実施形態と同様に個人意向パラメータが考慮されて予測が行われてもよい。例えば、第２の例における探索パターン生成部１２０が候補生成部１２１に置き換えられれば、そのまま第２の実施形態及び第３の実施形態の手法が適用され得る。

【0095】

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。

【符号の説明】

【0096】

１ 健康支援装置、１００ 入力部、１１０ 解析部、１２０ 探索パターン生成部、１２１ 候補生成部、１３０ 因子変化計算部、１３１ 第１の因子変化計算部、１３２ 第２の因子変化計算部、１４０ リスク予測部、１５０ ロス計算部、１６０ 終了判定部、１７０ 選択部、２０１ プロセッサ、２０２ メモリ、２０３ 入力装置、２０４ 表示装置、２０５ 通信装置、２０６ ストレージ、２０７ バス、２０６１ 健康支援プログラム、２０６２ 生活習慣データ、２０６３ 第１の因子の変化テーブル、２０６４ 第２の因子の変化テーブル、２０６５ リスク予測モデル。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11A】

【図11B】

【図12】

【図13】

【図14A】

【図14B】

【図15】