図面 (/)

技術 情報処理システム、情報処理装置、情報処理方法および情報処理プログラム

出願人 日本電気株式会社
発明者 福西広晃
出願日 2014年11月6日 (6年3ヶ月経過) 出願番号 2014-226534
公開日 2016年5月23日 (4年8ヶ月経過) 公開番号 2016-087183
状態 特許登録済
技術分野 診断用測定記録装置
主要キーワード 系列要素 生成関係 状態判定閾値 モデル生成モジュール 比較関係 目標モデル 入院用 状態変化判定
関連する未来課題
重要な関連分野

この項目の情報は公開日時点(2016年5月23日)のものです。
また、この項目は機械的に抽出しているため、正しく解析できていない場合があります

図面 (20)

課題

表面上、個々の生体情報に表われない生体的な変化を検出する情報処理システムを提供する。

解決手段

表面上、個々の生体情報に表われない生体的な変化を検出する情報処理システムである。この情報処理システムは、取得手段と、判定手段と、を備えた。情報処理システムの取得手段は、複数種類の生体情報を時系列に取得する。そして、複数種類の時系列生体情報として蓄積する。また、情報処理システムの判定手段は、前記複数種類の時系列生体情報に基づいて、生体が目標状態に向かって変化しているか否かを判定する。

概要

背景

上記技術分野において、特許文献1には、複数の生体情報を用いて生体の異常を検知する技術が開示されている。

概要

表面上、個々の生体情報に表われない生体的な変化を検出する情報処理システムを提供する。表面上、個々の生体情報に表われない生体的な変化を検出する情報処理システムである。この情報処理システムは、取得手段と、判定手段と、を備えた。情報処理システムの取得手段は、複数種類の生体情報を時系列に取得する。そして、複数種類の時系列生体情報として蓄積する。また、情報処理システムの判定手段は、前記複数種類の時系列生体情報に基づいて、生体が目標状態に向かって変化しているか否かを判定する。A

目的

効果

実績

技術文献被引用数
0件
牽制数
0件

この技術が所属する分野

ライセンス契約や譲渡などの可能性がある特許掲載中! 開放特許随時追加・更新中 詳しくはこちら

請求項1

複数種類生体情報を時系列に取得し、複数種類の時系列生体情報として蓄積する取得手段と、前記複数種類の時系列生体情報に基づいて、生体目標状態に向かって変化しているか否かを判定する判定手段と、を備えた情報処理システム

請求項2

前記生体が目標状態にある場合の、複数種類の時系列生体情報間の統計的な関係性を示す目標モデルを生成する目標モデル生成手段と、前記生体の状態変化中の、前記複数種類の時系列生体情報間の統計的な関係性を示す変化中モデルを生成する変化中モデル生成手段と、前記判定手段は、前記目標モデルと前記変化中モデルとの比較の結果に基づいて、前記生体が前記目標状態に向かって変化しているか否かを判定する請求項1に記載の情報処理システム。

請求項3

前記変化中モデル生成手段は、手術後の変化中モデル、投薬後の変化中モデル、所定の食物摂取後の変化中モデル、あるいは、ダイエット中の変化中モデルを生成する請求項2に記載の情報処理システム。

請求項4

前記変化中モデル生成手段は、前記生体の状態変化中の複数のタイミングにおける、複数の前記変化中モデルを生成し、前記判定手段は、前記複数の変化中モデルと前記目標モデルとを比較する請求項2に記載の情報処理システム。

請求項5

前記生体の属性ごとに前記目標モデルを記憶するモデル記憶手段と、前記生体の属性に基づいて、前記モデル記憶手段から一つの前記目標モデルを選択する選択手段と、をさらに備え、前記判定手段は、前記選択手段によって選択された前記目標モデルを用いて、前記生体が目標状態に向かって変化しているか否かを判定する請求項1乃至4のいずれか1項に記載の情報処理システム。

請求項6

前記属性は、生体の遺伝子情報性別および年齢の少なくともいずれか一つを含む請求項5に記載の情報処理システム。

請求項7

前記生体情報は、体温血圧心拍数脳波血糖値呼吸数血中酸素濃度、および心電図波形の少なくともいずれか一つを含む請求項1乃至6のいずれか1項に記載の情報処理システム。

請求項8

前記複数種類の生体情報とは、生体の異なる位置で測定された生体情報を含む請求項1乃至7のいずれか1項に記載の情報処理システム。

請求項9

複数種類の生体情報を時系列に取得する取得手段と、前記取得手段で時系列に取得した前記複数種類の生体情報を複数種類の時系列生体情報として蓄積する取得手段と、前記複数種類の時系列生体情報に基づいて、生体が目標状態に向かって変化しているか否かを判定する判定手段と、を備えた情報処理装置

請求項10

複数種類の生体情報を時系列に取得する取得ステップと、前記取得手段で時系列に取得した前記複数種類の生体情報を複数種類の時系列生体情報として蓄積する取得ステップと、前記複数種類の時系列生体情報に基づいて、生体が目標状態に向かって変化しているか否かを判定する判定ステップと、を含む情報処理方法

請求項11

複数種類の生体情報を時系列に取得する取得ステップと、前記取得手段で時系列に取得した前記複数種類の生体情報を複数種類の時系列生体情報として蓄積する取得ステップと、前記複数種類の時系列生体情報に基づいて、生体が目標状態に向かって変化しているか否かを判定する判定ステップと、をコンピュータに実行させる情報処理プログラム

技術分野

背景技術

0002

上記技術分野において、特許文献1には、複数の生体情報を用いて生体の異常を検知する技術が開示されている。

先行技術

0003

特開2005−160984号公報

発明が解決しようとする課題

0004

しかしながら、上記文献に記載の技術では、一つ一つの生体情報が正常範囲内にあるか否かを複数回判定することで生体の異常を検知しているため、表面上、個々の生体情報に表われない生体的な変化を検出することができなかった。

0005

本発明の目的は、上述の課題を解決する技術を提供することにある。

課題を解決するための手段

0006

上記目的を達成するため、本発明に係る情報処理システムは、
複数種類の生体情報を時系列に取得し、複数種類の時系列生体情報として蓄積する取得手段と、
前記複数種類の時系列生体情報に基づいて、生体が目標状態に向かって変化しているか否かを判定する判定手段と、
を備えた。

0007

上記目的を達成するため、本発明に係る情報処理装置は、
複数種類の生体情報を時系列に取得する取得手段と、
前記取得手段で時系列に取得した前記複数種類の生体情報を複数種類の時系列生体情報として蓄積する取得手段と、
前記複数種類の時系列生体情報に基づいて、生体が目標状態に向かって変化しているか否かを判定する判定手段と、
を備えた。

0008

上記目的を達成するため、本発明に係る情報処理方法は、
複数種類の生体情報を時系列に取得する取得ステップと、
前記取得手段で時系列に取得した前記複数種類の生体情報を複数種類の時系列生体情報として蓄積する取得ステップと、
前記複数種類の時系列生体情報に基づいて、生体が目標状態に向かって変化しているか否かを判定する判定ステップと、
を含む。

0009

上記目的を達成するため、本発明に係る情報処理プログラムは、
複数種類の生体情報を時系列に取得する取得ステップと、
前記取得手段で時系列に取得した前記複数種類の生体情報を複数種類の時系列生体情報として蓄積する取得ステップと、
前記複数種類の時系列生体情報に基づいて、生体が目標状態に向かって変化しているか否かを判定する判定ステップと、
コンピュータに実行させる。

発明の効果

0010

本発明によれば、表面上、個々の生体情報に表われない生体的な変化を検出することができる。

図面の簡単な説明

0011

本発明の第1実施形態に係る情報処理システムの構成を示すブロック図である
本発明の第1実施形態に係る情報処理装置の構成を示すブロック図である。
本発明の第2実施形態に係る情報処理システムの動作の概略を示す図である。
本発明の第2実施形態に係る情報処理システムの適用場面を示す図である。
本発明の第2実施形態に係る情報処理システムの構成を示すブロック図である。
本発明の第2実施形態に係る比較部の構成を示すブロック図である。
本発明の第2実施形態に係る比較器の構成を示すブロック図である。
本発明の第2実施形態に係る他の関係性モデルとその比較器の構成を示すブロック図である。
本発明の第2実施形態に係る術後状態判定用情報の構成を示す図である。
本発明の第2実施形態に係る生体情報の構成を示す図である。
本発明の第2実施形態に係る関係性モデルの構成を示す図である。
本発明の第2実施形態に係る関係性モデルデータの構成を示す図である。
本発明の第2実施形態に係る術後判定テーブルの構成を示す図である。
本発明の第2実施形態に係る情報処理システムの処理手順を示すフローチャートである。
本発明の第2実施形態に係る情報処理システムを1つの情報処理装置で実現した場合のハードウェア構成を示すブロック図である。
本発明の第2実施形態に係る情報処理装置の処理手順を示すフローチャートである。
本発明の第2実施形態に係る情報処理装置による関係性モデル生成処理の処理手順を示すフローチャートである。
本発明の第2実施形態に係る情報処理装置による術後状態判定処理の処理手順を示すフローチャートである。
本発明の第3実施形態に係る情報処理システムの動作の概略を示す図である。
本発明の第3実施形態に係る情報処理システムの構成を示すブロック図である。
本発明の第3実施形態に係る投薬後状態判定用情報の構成を示す図である。
本発明の第3実施形態に係る生体情報の構成を示す図である。
本発明の第3実施形態に係る関係性モデルの構成を示す図である。
本発明の第3実施形態に係る投薬後判定テーブルの構成を示す図である。
本発明の第3実施形態に係る情報処理システムの処理手順を示すフローチャートである。
本発明の第3実施形態に係る情報処理システムを1つの情報処理装置で実現した場合のハードウェア構成を示すブロック図である。
本発明の第3実施形態に係る情報処理装置の処理手順を示すフローチャートである。
本発明の第3実施形態に係る情報処理装置による関係性モデル生成処理の処理手順を示すフローチャートである。
本発明の第3実施形態に係る情報処理装置による投薬後状態判定処理の処理手順を示すフローチャートである。
本発明の第4実施形態に係る情報処理システムの手術平均モデルの構成を示す図である。
本発明の第4実施形態に係る情報処理システムの投薬後平均モデルの構成を示す図である。
本発明の第4実施形態に係る情報処理システムによる手術後判定または投薬後判定の処理手順を示すフローチャートである。

実施例

0012

以下に、本発明を実施するための形態について、図面を参照して、例示的に詳しく説明記載する。ただし、以下の実施の形態に記載されている、構成、数値、処理の流れ、機能要素などは一例に過ぎず、その変形や変更は自由であって、本発明の技術範囲を以下の記載に限定する趣旨のものではない。

0013

[第1実施形態]
本発明の第1実施形態としての情報処理システム100について、図1Aを用いて説明する。情報処理システム100は、生体が目標状態に変化しているかを判定するシステムである。

0014

図1Aに示すように、情報処理システム100は、取得装置111と判定装置112とを含む。これらの装置111、112は、LAN(Local Area Network)などにより接続されている。取得装置111は、複数種類の生体情報を時系列に取得し、複数種類の時系列生体情報として蓄積する。判定装置112は、複数種類の時系列生体情報に基づいて、生体が目標状態に向かって変化しているか否かを判定する。

0015

図1Bは、本実施形態に係る情報処理システム110を一つの情報処理装置120内で実現した場合の構成で示すブロック図である。情報処理装置120は、目標状態に変化しているかを判定する装置である。情報処理装置120は、取得部111と判定部112とを備える。

0016

取得部111は、複数種類の生体情報を時系列に取得し、複数種類の時系列生体情報として蓄積する。判定部112は、複数種類の時系列生体情報に基づいて、生体が目標状態に向かって変化しているか否かを判定する。

0017

本実施形態によれば、表面上、個々の生体情報に表われない生体的な変化を検出することができる。

0018

[第2実施形態]
次に本発明の第2実施形態に係る情報処理システム220について、図2図12Bを用いて説明する。図2は、本実施形態に係る情報処理システム200の動作の概略を説明するための図である。情報処理システム200は、病院での手術後211の患者回復具合を判定するシステムである。情報処理システム220は、患者の目標状態(健康な状態)や手術前の状態の生体情報に基づいて目標モデルを生成する。

0019

情報処理システム220は、患者の手術後の時間経過状態の生体情報に基づいて、変化中モデルを生成する。そして、情報処理システム220は、手術後、所定の時間が経過するごとに、その時点での生体情報に基づいて関係性モデルを生成し、目標モデルと比較することにより、患者の状態が術後状態から目標状態に向かって回復したか否かを判定する。本実施形態においては、目標モデルや変化中モデルとして、複数種類の時系列生体情報間の統計的な関係性を示す関係性モデルが使用される。時系列生体情報間の線はその関係がある関数で表わせ、その線の太さは、関係度(関数による生体情報間の変換の信頼度)の高低閾値により分けたものである。例えば、閾値をα1>α2とすれば、関係度>α1の場合は太線、α1>関係度>α2の場合は細線、で表示され、α2>関係度の場合は線無しとされている。

0020

図2において、術後1ヶ月の生体情報から生成されたモデルの関係性202は、目標モデルの関係性201や術前あるいは術後などの関係性モデルと比較されて、術後1ヶ月の術後から目標治癒)に向かう現状が判定される。また、術後3ヶ月の生体情報から生成されたモデルの関係性203は、目標モデルの関係性201や術前、術後あるいは術後1ヶ月の関係性モデルと比較されて、術後3ヶ月の術後あるいは術後1ヶ月から目標(治癒)に向かう現状が判定される。さらに、術後1年の生体情報から生成されたモデルの関係性204は、目標モデルの関係性201や術前、術後、術後1ヶ月あるいは術後3ヶ月の関係性モデルと比較されて、術後1年の術後あるいは術後1ヶ月や術後1ヶ月から目標(治癒)に向かう現状が判定される。

0021

例えば、図2においては、関係性202から関係性204に向かって、その関係性の線が密から粗に変わっている。このような変化が術後の目標状態(治癒状態)への変化であるならば、術後3ヶ月の関係性203は、術後1ヶ月の関係性202から目標モデルの関係性201に向かっているため、治癒が進んでいると判定する。また、一年後の関係性204は、目標モデルの関係性201に近く、すでに治癒していると判定する。

0022

図3は、本実施形態に係る情報処理システムの適用場面を示す図である。本実施形態に係る情報処理システム220(例えば、クラウドサーバ)は、ネットワーク230を介して手術後211や投薬後212の患者などと接続されている。

0023

情報処理システム220は、これらの対象者から生体情報をネットワーク230を介して取得する。なお、ここでは情報処理システム220についてクラウドサーバを例に説明したが、情報処理システム220はこれに限定されず、スタンドアローン型のコンピュータやウェアラブル端末などでもよい。

0024

図4Aは、本実施形態に係る情報処理システム220の構成を示すブロック図である。情報処理システム220は、通信制御部401と生体情報取得部402とDB(データベース)403と関係性モデル生成部404と術後状態判定部406と術後状態通知部407とを備える。

0025

通信制御部401は、情報処理システム220と生体情報432を取得する医療機器センサ、ウェアラブル端末、スマートフォンなどの他の機器との間の通信を制御する。

0026

生体情報取得部402は、通信制御部401で受信した血圧体温心拍数血中酸素濃度心電図波形脳波などの生体情報432を取得する。生体情報取得部402は、取得した生体情報をDB403に格納する。

0027

DB403は、生体情報取得部402から受信した生体情報432を格納する。DB403は、さらに、術後状態判定用情報431や関係性モデル433、術後状態履歴434などを格納する。

0028

関係性モデル生成部404は、DB403から生体が健康な状態(目標状態)にある場合の複数種類の時系列の生体情報432を取得して、複数種類の時系列の生体情報432の間の統計的な関係性を示す関係性モデル433を生成し、DB403に格納する。

0029

関係性モデル生成部404は同様に、DB403から生体が手術後の状態にある場合の複数種類の時系列の生体情報432を取得して、複数種類の時系列の生体情報432の間の統計的な関係性を示す関係性モデル433を生成し、DB403に格納する。

0030

術後状態判定部406は、比較部461をさらに備え、DB403および関係性モデル生成部404から取得した関係性モデル433を比較部461で比較して、患者の術後状態の判定を行なう。そして、患者の術後状態を術後状態通知部407へ送信する。

0031

術後状態通知部407は、受信した患者の術後状態を通信制御部401へ送る。通信制御部401は、受信した術後状態を、例えば、医師などが勤務する病院のコンピュータなどに通知する。

0032

(比較部)
図4Bは、本実施形態に係る比較部461の構成を示すブロック図である。

0033

比較部461は、関係性モデル生成部404から現在の関係性モデルを取得する。また、比較部461は、DB403から目標状態の関係性モデル、1ヶ月後の関係性モデル、3ヶ月後の関係性モデル、などを読み出す。そして、それぞれを、比較器462、463、464で比較する。状態変化判定部465は、それらの関係性モデルの変化状態を組み合わせて、生体が目標状態に向かって変化しているか否かを判定する。例えば、図2においては、生体情報を結ぶ線の状態が密な関係から粗な関係に移る変化を、生体が目標状態に向かった変化と判定している。途中で、密な関係に変わると目標状態に向かってないと判定する。しかし、これらの判定基準は、手術部位手術内容によりことなっている。

0034

図4Cは、本実施形態に係る比較器462〜464の構成を示すブロック図である。

0035

比較器462〜464においては、特に、時系列生体情報間の関係性の中で、関数のパラメータパラメータ比較器で比較され、関係度(図2の線の太さに対応)が関係度比較器で比較される。それらの比較結果に基づいて、2つの時系列生体情報間の関係性の変化が判定される。

0036

(他の関係性モデルと比較器)
図4Dは、本実施形態に係る他の関係性モデルとその比較器の構成を示すブロック図である。図4Dは、生体情報間の相関確率モデルで表わした関係性モデルの例である。

0037

2つの生体情報間の確率モデル471は、例えば、体温と血圧との間の相関関係の確率で示されている。かかる確率モデル471を累積して生体の確率モデルとして蓄積する。

0038

比較器472は、生体の確率モデルを比較する場合に、図4Cに代わって使用される。比較器472は、目標状態の確率モデルと変化中の確率モデルとの類似度を算出する。この類似度を全体の生体情報間にわたって計算して、その結果から生体の関係性モデルの変化を判定する。

0039

図5は、DB403に記憶されている術後状態判定用情報431の構成を示す図である。術後状態判定用情報431は、生体情報の種類に関する生体情報種類情報510と検査時期情報520と対象者情報530と閾値情報540とを記憶する。生体情報種類情報510は、生体情報の種類に関する情報、例えば、体温や血圧、心拍数などを格納する。

0040

検査時期情報520は、検査時期521とモデル周期522と観測周期523とを記憶する。対象者情報530は、対象者ID531と属性532と入院フラグ533とモデル種類534と通知先アドレス535とを記憶する。

0041

対象者ID531は、対象者を識別するための番号などである。属性532は、対象者の属性を表す情報であり、例えば、年齢性別遺伝子情報などがある。入院フラグ533は、対象者が入院中か否かを示すためのフラグであり、対象者が入院している場合には、このフラグを、例えば、ONにする。

0042

モデル種類534は、例えば、対象者が入院中であれば入院用の関係性モデル433を用いなければ正しい変化の判定ができないので、どのような関係性モデル433を用いているかを示すものである。

0043

通知先アドレス535は、変化の判定をした場合に、判定結果を通知すべき相手先アドレスである。例えば、対象者が入院中の患者であれば、通知先アドレス535は、主治医通信端末などのアドレスであり、対象者が健康管理をしている人物であれば、通知先アドレス535は、かかりつけ医やその他のアドバイザーのアドレスなどである。

0044

閾値情報540は、関係度閾値541と比較結果閾値542と比較結果閾値543と比較結果閾値544と術後状態判定閾値545とを記憶する。関係度閾値541は、関係性の崩れを判定するためのものであり、関係性に崩れがあったとしても、その崩れが所定の閾値の範囲内であれば、関係性の崩れとは判断しない。比較結果閾値542は、関数パラメータの比較結果のための閾値である。比較結果閾値543は、関係度の比較結果のための閾値である。比較結果閾値544は、2つの時系列生体情報の関係性の比較結果のための閾値である。

0045

また、比較結果閾値542、比較結果閾値543および比較結果閾値544も同様に、比較の結果、変化を検出したか否かを判定するためのものであり、ズレが生じていたとしても、そのズレが所定の範囲内であれば、変化の検出とはしない。さらに、術後状態判定閾値545は、比較結果の総体から術後状態が目標状態に向かって変化したか否かを判定するためのものである。

0046

図6は、本実施形態に係る生体情報432の構成を示す図である。日時601は、生体情報432を収集した日時を示すものである。バイタル情報602は、体温や心拍数、血圧などを含み、それぞれの収集した値が示される。

0047

そして、生体情報432は、関係性モデル周期と観測周期とに基づくデータ使用フラグ603、604を記憶する。例えば、関係性モデル周期603は、モデルの周期が10分で、観測周期が1分であるので、1分ごとに生体情報432を取得することを“○”で示している。また、関係性モデル周期604は、モデルの周期が1日で、観測周期が2時間であるので、2時間おきに生体情報432を取得することを“○”で示す。

0048

図7Aは、本実施形態に係る関係性モデル433の構成を示す図である。関係性モデル433は、患者ID701とモデル生成日702と関係性モデルデータ703とを記憶する。

0049

図7Bは、関係性モデルデータ703の構成を示す図である。関係性モデルデータ703は、時系列要素731、732と統計的関係性733とを記憶する。時系列要素731、732には、要素および観測点が記憶される。統計的関係性733は、時系列要素731と時系列要素732との統計的関係性を示す、関数やパラメータ(係数)、関係度が記憶される。

0050

図8は、術後判定テーブル800の構成を示す図である。術後判定テーブル800は、患者ID801とモデル生成日802と生成関係性モデル803と比較関係性モデル804と術後状態判定結果805とを記憶する。比較関係性モデル804には、健康状態時モデル、術後モデル、術前モデルおよびこれらの比較結果が記憶される。

0051

図9は、本実施形態に係る情報処理システム200の処理手順を示すフローチャートである。情報処理システム200は、ステップS901において、健康状態時の関係性モデル433を生成して、記憶装置などに格納する。情報処理システム200は、ステップS903において、手術前の状態の関係性モデル433を生成して、記憶装置などに格納する。情報処理システム200は、ステップS905において、手術後の状態の関係性モデル433を生成して、記憶装置などに格納する。

0052

情報処理システム200は、ステップS907において、手術結果の判定を行なう。情報処理システム200は、ステップS909において、手術後1ヶ月の状態の関係性モデル433を生成して、記憶装置などに格納する。情報処理システム200は、ステップS911において、手術後1ヶ月の術後状態を判定する。情報処理システム200は、以上の手順を手術の内容や患者の状態に応じて所定の回数繰り返す。

0053

情報処理システム200は、ステップS913において、健康状態時の関係性モデル433に回復したか否かを判定する。情報処理システム200は、ステップS913において、健康状態時の関係性モデル433に回復していない場合、上述のステップを繰り返し、健康状態時の関係性モデル433に回復したと判断した場合、処理を終了する。

0054

図10は、本実施形態に係る情報処理システム220を1つの情報処理装置で実現した場合のハードウェア構成を示すブロック図である。情報処理装置220は、CPU(Central Processing Unit)1010、ROM(Read Only Memory)1020およびRAM(Random Access Memory)1040を備えている。さらに、情報処理装置220は、ストレージ1050と通信制御部401とを備えている。

0055

CPU1010は、演算処理用のプロセッサであり、プログラムを実行することにより情報処理装置220の各機能構成部を実現する。なお、CPU1010は1つに限定されず、複数であってもよく、また、画像処理用のGPU(Graphics Processing Unit)を含んでもよい。ROM1020は、リードオンリメモリであり、ファームウェアなどのプログラムを記憶する。通信制御部401は、例えば、情報処理装置220とその他の機器などとの間の通信を制御する。

0056

RAM1040は、CPU1010が一時記憶用のワークエリアとして使用するランダムアクセスメモリである。RAM1040には、本実施形態の実現に必要なデータを記憶する領域がある。このようなデータとして、RAM1040は、関係性モデル生成用時系列生体情報1041と患者ID1042と目標モデルデータ1043と術前モデルデータ1044と術後モデルデータ1045と生成モデルデータ1046とを一時的に記憶する。RAM1040は、さらに、モデル比較結果1047と術後状態判定結果1048と送受信データ1049とを一時的に記憶する。

0057

ストレージ1050は、本実施形態の実現に必要なプログラムやデータベースなどを記憶する記憶デバイスである。ストレージ1050は、術後状態判定用情報431と生体情報432と関係性モデル433と術後状態履歴434とを格納する。

0058

術後状態履歴434は、例えば、手術の後、1日目、3日目、7日目、1ヶ月目などに判定した術後状態の履歴を保存するものであり、術後状態の判定がされた日付や術後状態、その他の情報などの様々な情報を記録する。

0059

ストレージ1050は、さらに、情報処理装置制御プログラム1051と関係性モデル生成モジュール1052と関係性モデル比較モジュール1053と術後状態判定モジュール1054とを格納する。これらのモジュール1052〜1054は、CPU1010によりRAM1040のアプリケーション実行領域に読み出され、実行される。情報処理装置制御プログラム1051は、情報処理装置220の全体を制御するためのプログラムである。

0060

なお、図10に示したRAM1040やストレージ1050には、情報処理装置220が有する汎用の機能や他の実現可能な機能に関するプログラムやデータは図示されていない。

0061

図11は、本実施形態に係る情報処理装置220の処理手順を示すフローチャートである。情報処理装置220は、ステップS1111において、関係性モデル433の生成か否かを判断する。情報処理装置220は、ステップS1111において、関係性モデル433の生成である場合、ステップS1113において、関係性モデル作成処理を実行する。

0062

情報処理装置220は、ステップS1111において、関係性モデル433の生成でない場合、ステップS1121において、術後状態の判定か否かを判断する。情報処理装置220は、ステップS1121において、術後状態の判定である場合、ステップS1123において、術後状態判定処理を実行する。情報処理装置220は、ステップS1121において、術後状態の判定でない場合、ステップS1131において、他の処理を実行する。

0063

図12Aは、情報処理装置220による関係性モデル生成処理の処理手順を示すフローチャートである。情報処理装置220は、ステップS1201において、生体情報432を蓄積する。情報処理装置220は、ステップS1203において、蓄積された生体情報432に基づいて、関係性モデル433を生成する。

0064

情報処理装置220は、ステップS1211において、健康状態時の関係性モデル433の作成か否かを判断する。情報処理装置220は、健康状態時の関係性モデル433の生成の場合、ステップS1213において、健康状態時の関係性モデル433を生成して、記憶装置などに格納する。

0065

情報処理装置220は、ステップS1211において、健康状態時の関係性モデル433の生成でない場合、ステップS1221において、手術前の関係性モデル433の生成か否かを判断する。情報処理装置220は、手術前の関係性モデル433の生成である場合、ステップS1223において、手術前の関係性モデル433を生成して、記憶装置などに格納する。

0066

情報処理装置220は、ステップS1221において、手術前の関係性モデル433の生成でない場合、ステップS1231において、手術後の関係性モデル433の生成か否かを判断する。情報処理装置220は、手術後の関係性モデル433の生成である場合、ステップS1233において、手術後の関係性モデル433を生成して、記憶装置などに格納する。

0067

情報処理装置220は、ステップS1231において、手術後の関係性モデル433の生成でない場合、ステップS1241において、エラーを表示する。

0068

図12Bは、情報処理装置220による術後状態判定処理の処理手順を示すフローチャートである。情報処理装置220は、ステップS1251において、現在の生体情報を記憶装置などに蓄積する。情報処理装置220は、ステップS1253において、蓄積された生体情報の関係性モデル433を生成する。

0069

情報処理装置220は、ステップS1255において、記憶装置などから健康状態時の関係性モデル433を読み出す。情報処理装置220は、ステップS1257において、生成した関係性モデル433と読み出した健康状態時の関係性モデル433とを比較する。

0070

情報処理装置220は、ステップS1259において、手術後の関係性モデル433を読み出す。情報処理装置220は、ステップS1261において、生成した関係性モデル433と読み出した手術後の関係性モデル433とを比較する。

0071

情報処理装置220は、ステップS1263において、手術前の関係性モデル433を読み出す。情報処理装置220は、ステップS1265において、生成した関係性モデル433と読み出した手術前の関係性モデル433とを比較する。

0072

情報処理装置220は、ステップS1267において、上述のステップで比較した比較結果に基づいて、患者の術後状態を判定する。情報処理装置220は、ステップS1269において、術後状態の判定結果の履歴を記憶装置などに蓄積する。

0073

本実施形態によれば、正常状態の関係性モデル433と手術後の関係性モデル433とを比較するので、表面上、個々の生体情報に表われない生体の手術後の目標状態に向かった変化(回復)を正確かつ確実に検出することができる。

0074

[第3実施形態]
次に本発明の第3実施形態に係る情報処理システム200について、図13図22Bを用いて説明する。図13は、本実施形態に係る情報処理システム1300の動作の概略を説明するための図である。情報処理システム1300は、投薬後211の患者の回復具合を判定するシステムである。情報処理システム1320は、患者の目標状態(健康な状態)や投薬前の状態の生体情報に基づいて目標モデルを生成する。

0075

情報処理システム1320は、患者の投薬後の状態の生体情報に基づいて、変化中モデルを生成する。そして、情報処理システム1320は、投薬後、所定の時間が経過するごとに、その時点での生体情報に基づいてモデルを生成し、目標モデルと比較することにより、患者の状態が目標状態に向かって変化(回復)したか否かを判定する。

0076

図14は、本実施形態に係る情報処理システム1320の構成を示すブロック図である。情報処理システム1320は、通信制御部1401と生体情報取得部1402とDB(データベース)1403と関係性モデル生成部1404と投薬後状態判定部406と投薬後状態通知部407とを備える。

0077

通信制御部1401は、情報処理システム1320と生体情報1432を取得する医療機器やセンサ、ウェアラブル端末、スマートフォンなどの他の機器との間の通信を制御する。生体情報取得部1402は、通信制御部1401で受信した血圧や体温、心拍数、血中酸素濃度、心電図波形、脳波などの生体情報1432を取得する。生体情報取得部1402は、取得した生体情報をDB1403に格納する。

0078

DB1403は、生体情報取得部1402から受信した生体情報1432を格納する。DB1403は、さらに、投薬後状態判定用情報1431や関係性モデル1433、投薬後状態履歴1434などを格納する。

0079

関係性モデル生成部1404は、DB1403から生体が正常状態にある場合の複数種類の時系列の生体情報を1432を取得して、複数種類の時系列の生体情報1432の間の統計的な関係性を示す関係性モデル1433を生成し、DB1403に格納する。

0080

関係性モデル生成部1404は同様に、DB1403から生体が投薬後の状態にある場合の複数種類の時系列の生体情報1432を取得する。そして、複数種類の時系列の生体情報1432の間の統計的な関係性を示す関係性モデル1433を生成し、DB1403に格納する。

0081

投薬後状態判定部1406は、比較部1461をさらに備え、DB1403および関係性モデル生成部1404から取得した関係性モデル1433を比較部1461で比較して、患者の投薬後状態の判定を行なう。そして、患者の投薬後状態を投薬後状態通知部1407へ送信する。

0082

投薬後状態通知部1407は、受信した患者の投薬後状態を通信制御部1401へ送り、通信制御部1401が投薬後状態を、例えば、医師などが勤務する病院のコンピュータなどに通知する。

0083

図15は、DB1403に記憶されている投薬後状態判定用情報1431の構成を示す図である。投薬後状態判定用情報1431は、生体情報の種類に関する生体情報種類情報1510と検査時期情報1520と対象者情報1530と閾値情報1540とを記憶する。生体情報種類情報1510は、生体情報の種類に関する情報、例えば、体温や血圧、心拍数などを格納する。

0084

検査時期情報1520は、検査時期1521とモデル周期1522と観測周期1523とを記憶する。対象者情報1530は、対象者ID1531と属性1532と入院フラグ1533とモデル種類1534と通知先アドレス1535とを記憶する。

0085

対象者ID1531は、対象者を識別するための番号などである。属性1532は、対象者の属性を表す情報であり、例えば、年齢や性別、遺伝子情報などがある。入院フラグ1533は、対象者が入院中か否かを示すためのフラグであり、対象者が入院している場合には、このフラグを、例えば、ONにする。

0086

モデル種類1534は、例えば、対象者が入院中であれば入院用の関係性モデル1433を用いなければ正しい変化の判定ができないので、どのような関係性モデル1433を用いているかを示すものである。

0087

通知先アドレス1535は、変化が検出された場合に、変化の検出を通知すべき相手先のアドレスである。例えば、対象者が入院中の患者であれば、通知先アドレス1535は、主治医の通信端末などのアドレスであり、対象者が健康管理をしている人物であれば、通知先アドレス1535は、かかりつけ医やその他のアドバイザーのアドレスなどである。

0088

閾値情報1540は、関係度閾値1541と比較結果閾値1542とを記憶する。関係度閾値1541は、関係性の崩れを判定するためのものであり、関係性に崩れがあったとしても、その崩れが所定の閾値の範囲内であれば、関係性の崩れとは判断しない。また、比較結果閾値1542も同様に、比較の結果、目標状態に向かった変化か否かを判定するためのものであり、ズレが生じていたとしても、そのズレが所定の範囲内であれば、変化の検出とはしない。

0089

図16は、本実施形態に係る生体情報432の構成を示す図である。日時601は、生体情報432を収集した日時を示すものである。バイタル情報602は、体温や心拍数、血圧などを含み、それぞれの収集した値が示される。

0090

そして、生体情報432は、関係性モデル周期と観測周期とに基づくデータ使用フラグ603、604を記憶する。例えば、関係性モデル周期603は、モデルの周期が10分で、観測周期が1分であるので、1分ごとに生体情報432を取得することを“○”で示している。また、関係性モデル周期604は、モデルの周期が1日で、観測周期が2時間であるので、2時間おきに生体情報432を取得することを“○”で示す。

0091

図17は、本実施形態に係る関係性モデル1433の構成を示す図である。関係性モデル1433は、患者ID1701とモデル生成日1702と関係性モデルデータ1703とを記憶する。

0092

図18は、投薬後判定テーブル1800の構成を示す図である。投薬後判定テーブル1800は、患者ID1801とモデル生成日1802と生成関係性モデル1803と比較関係性モデル1804と投薬後状態判定結果1805とを記憶する。比較関係性モデル1804には、健康状態時モデル、投薬後モデル、投薬前モデルおよびこれらの比較結果が記憶される。

0093

図19は、本実施形態に係る情報処理システム1300の処理手順を示すフローチャートである。情報処理システム1300は、ステップS1901において、健康状態時の関係性モデル1433を生成して、記憶装置などに格納する。情報処理システム1300は、ステップS1903において、投薬前の状態の関係性モデル1433を生成して、記憶装置などに格納する。情報処理システム1300は、ステップS1905において、投薬後の状態の関係性モデル1433を生成して、記憶装置などに格納する。

0094

情報処理システム1300は、ステップS1907において、投薬結果の判定を行なう。情報処理システム1300は、ステップS1909において、投薬1時間後の状態の関係性モデル1433を生成して、記憶装置などに格納する。情報処理システム1300は、ステップS1911において、投薬1時間後の投薬後状態を判定する。情報処理システム1300は、以上の手順を投薬した薬の種類や患者の状態に応じて所定の回数繰り返す。

0095

情報処理システム1300は、ステップS1913において、健康状態時の関係性モデル1433に回復したか否かを判定する。情報処理システム1300は、ステップS1913において、健康状態時の関係性モデル1433に回復していない場合、上述のステップを繰り返し、健康状態時の関係性モデル1433に回復した場合、処理を終了する。

0096

図20は、本実施形態に係る情報処理システム1320を1つの情報処理装置で実現した場合のハードウェア構成を示すブロック図である。情報処理装置1320は、CPU2010、ROM2020およびRAM2040を備えている。さらに、情報処理装置1320は、ストレージ2050と通信制御部1401とを備えている。

0097

CPU2010は、演算処理用のプロセッサであり、プログラムを実行することにより情報処理装置1320の各機能構成部を実現する。なお、CPU2010は1つに限定されず、複数であってもよく、また、画像処理用のGPUを含んでもよい。ROM2020は、リードオンリメモリであり、ファームウェアなどのプログラムを記憶する。通信制御部1401は、例えば、情報処理装置1320とその他の機器などとの間の通信を制御する。

0098

RAM2040は、CPU2010が一時記憶用のワークエリアとして使用するランダムアクセスメモリである。RAM2040には、本実施形態の実現に必要なデータを記憶する領域がある。このようなデータとして、RAM2040は、関係性モデル生成用時系列生体情報1041と患者ID1042と目標モデルデータ1043と投薬前モデルデータ2044と投薬後モデルデータ2045と生成モデルデータ2046とを一時的に記憶する。RAM2040は、さらに、モデル比較結果2047と投薬後状態判定結果2048と送受信データ2049とを一時的に記憶する。

0099

ストレージ2050は、本実施形態の実現に必要なプログラムやデータベースなどを記憶する記憶デバイスである。ストレージ2050は、投薬後状態判定用情報431と生体情報432と関係性モデル433と投薬後状態履歴434とを格納する。

0100

投薬後状態履歴434は、例えば、投薬の後、1時間後、3時間後、1日後などに判定した術後状態の履歴を保存するものであり、投薬後状態の判定がされた日付や投薬後状態、その他の情報などの様々な情報を記録する。

0101

ストレージ2050は、さらに、情報処理装置制御プログラム2051と関係性モデル生成モジュール2052と関係性モデル比較モジュール2053と投薬後状態判定モジュール2054とを格納する。これらのモジュール2052〜2054は、CPU2010によりRAM2040のアプリケーション実行領域に読み出され、実行される。情報処理装置制御プログラム2051は、情報処理装置1320の全体を制御するためのプログラムである。

0102

なお、図20に示したRAM2040やストレージ2050には、情報処理装置1320が有する汎用の機能や他の実現可能な機能に関するプログラムやデータは図示されていない。

0103

図21は、本実施形態に係る情報処理装置1320の処理手順を示すフローチャートである。情報処理装置1320は、ステップS2111において、関係性モデル433の生成か否かを判断する。情報処理装置1320は、ステップS2111において、関係性モデル433の生成である場合、ステップS2113において、関係性モデル作成処理を実行する。

0104

情報処理装置1320は、ステップS2111において、関係性モデル433の生成でない場合、ステップS2121において、投薬状態の判定か否かを判断する。情報処理装置1320は、ステップS2121において、投薬後状態の判定である場合、ステップS2123において、投薬後状態判定処理を実行する。情報処理装置1320は、ステップS2121において、投薬後状態の判定でない場合、ステップS2131において、他の処理を実行する。

0105

図22Aは、情報処理装置1320による関係性モデル生成処理の処理手順を示すフローチャートである。情報処理装置1320は、ステップS2201において、生体情報432を蓄積する。情報処理装置1320は、ステップS2203において、蓄積された生体情報432に基づいて、関係性モデル433を生成する。

0106

情報処理装置1320は、ステップS2211において、健康状態時の関係性モデル433の作成か否かを判断する。情報処理装置1320は、健康状態時の関係性モデル433の生成の場合、ステップS2213において、健康状態時の関係性モデル433を生成して、記憶装置などに格納する。

0107

情報処理装置1320は、ステップS2211において、健康状態時の関係性モデル433の生成でない場合、ステップS2221において、投薬前の関係性モデル433の生成か否かを判断する。情報処理装置1320は、投薬前の関係性モデル433の生成である場合、ステップS2223において、投薬前の関係性モデル433を生成して、記憶装置などに格納する。

0108

情報処理装置1320は、ステップS2221において、手術前の関係性モデル433の生成でない場合、ステップS2231において、投薬後の関係性モデル433の生成か否かを判断する。情報処理装置1320は、投薬後の関係性モデル433の生成である場合、ステップS2233において、手術後の関係性モデル433を生成して、記憶装置などに格納する。

0109

情報処理装置1320は、ステップS2231において、投薬後の関係性モデル433の生成でない場合、ステップS2241において、エラーを表示する。

0110

図22Bは、情報処理装置1320による投薬後状態判定処理の処理手順を示すフローチャートである。情報処理装置1320は、ステップS2251において、現在の生体情報を記憶装置などに蓄積する。情報処理装置1320は、ステップS2253において、蓄積された生体情報の関係性モデル433を生成する。

0111

情報処理装置1320は、ステップS2255において、記憶装置などから健康状態時の関係性モデル433を読み出す。情報処理装置1320は、ステップS2257において、生成した関係性モデル433と読み出した健康状態時の関係性モデル433とを比較する。

0112

情報処理装置1320は、ステップS2259において、投薬後の関係性モデル433を読み出す。情報処理装置1320は、ステップS2261において、生成した関係性モデル433と読み出した投薬後の関係性モデル433とを比較する。

0113

情報処理装置1320は、ステップS2263において、投薬前の関係性モデル433を読み出す。情報処理装置1320は、ステップS2265において、生成した関係性モデル433と読み出した投薬前の関係性モデル433とを比較する。

0114

情報処理装置1320は、ステップS2267において、上述のステップで比較した比較結果に基づいて、患者の投薬状態を判定する。情報処理装置220は、ステップS1269において、投薬後状態の判定結果の履歴を記憶装置などに蓄積する。

0115

本実施形態によれば、正常状態の関係性モデル433と手術後の関係性モデル433とを比較するので、表面上、個々の生体情報に表われない生体の投薬後の目標状態に向かった変化(回復)を正確かつ確実に検出することができる。

0116

[第4実施形態]
次に本発明の第4実施形態に係る情報処理システムについて、図23図25を用いて説明する。図23は、本実施形態に係る手術後平均モデル2300の構成を説明するための図である。本実施形態に係る情報処理システムは、上記第2実施形態と比べると、個人ではなく生体全体の手術前後または投薬前後の関係性モデルを平均した平均モデルの変化との比較に基づいて、目標状態に向かった変化を判定する点で異なる。

0117

つまり、個人の手術前後または投薬前後のモデルの変化に基づいて、目標状態に向かった変化を判定するのではなく、例えば、特定の属性を備える生体の手術前後または投薬前後のモデルの変化に基づいて、判定をする。その他の構成および動作は、第2実施形態と同様であるため、同じ構成および動作については同じ符号を付してその詳しい説明を省略する。

0118

図23は、本実施形態に係る手術後平均モデル2300の構成を示す図である。手術後平均モデル2300は、手術ID2301と患者IDなどの患者情報2302とを記憶する。術後平均モデル2300は、さらに関係性モデル2303と収集した時系列生体情報2304と術後平均モデル2305とを記憶する。

0119

図24は、本実施形態に係る投薬後平均モデル2400の構成を示す図である。投薬後平均モデル2400は、手術ID2401と患者IDなどの患者情報2402と関係性モデル2403とを記憶する。投薬後平均モデル2400は、収集した時系列生体情報2404と投薬後平均モデル2405とを記憶する。

0120

図25は、本実施形態に係る情報処理システムによる手術後判定または投薬後判定の処理手順を示すフローチャートである。情報処理システムは、ステップS2501において、現在の生体情報を記憶装置などに蓄積する。情報処理システムは、ステップS2503において、蓄積された生体情報の関係性モデル2303、2403を生成する。情報処理システムは、ステップS2505において、手術後または投薬後の平均モデル2305、2405から対応する関係性モデルを読み出す。

0121

情報処理システムは、ステップS2507において、生成した関係性モデル2303、2403と平均モデル2305、2405とを比較する。情報処理システムは、ステップS2509において、比較結果から手術後または投薬後の患者の回復状況を判定する。情報処理システムは、ステップS2511において、判定結果の履歴を蓄積する。

0122

本実施形態によれば、生体全体の関係性モデルと対象者の関係性モデルとを比較するので、表面上、個々の生体情報に表われない生体の投薬後の目標状態に向かった変化(回復)を正確かつ確実に検出することができる。

0123

[他の実施形態]
なお、上記実施形態においては、術後の生体における生体情報の目標状態に向かった変化、あるいは、投薬後の生体における生体情報の目標状態に向かった変化について説明したが、生体情報の目標状態に向かった変化はこれに限定されない、例えば、痩せるという目標状態ためのダイエット中の変化中モデルや健康という目標状態のためのトレーニング中の変化中モデル、あるいは目標状態に向けた食事療法など変化中モデルも含まれる。また、サプリメントなどによる健康状態や肉体状態の変化中モデルに対する目標モデルなどでもよい。本発明は、生体における生体情報の変化中モデルの目標状態に対応する目標モデルに向かった変化を、蓄積された複数種類の時系列生体情報に基づいて判定する様々な分野に適用ができ、同様の効果を奏する。

0124

また、実施形態を参照して本願発明を説明したが、本願発明は上記実施形態に限定されるものではない。本願発明の構成や詳細には、本願発明のスコープ内で当業者が理解し得る様々な変更をすることができる。また、それぞれの実施形態に含まれる別々の特徴を如何様に組み合わせたシステムまたは装置も、本発明の範疇に含まれる。

0125

また、本発明は、複数の機器から構成されるシステムに適用されてもよいし、単体の装置に適用されてもよい。さらに、本発明は、実施形態の機能を実現する情報処理プログラムが、システムあるいは装置に直接あるいは遠隔から供給される場合にも適用可能である。したがって、本発明の機能をコンピュータで実現するために、コンピュータにインストールされるプログラム、あるいはそのプログラムを格納した媒体、そのプログラムをダウンロードさせるWWW(World Wide Web)サーバも、本発明の範疇に含まれる。特に、少なくとも、上述した実施形態に含まれる処理ステップをコンピュータに実行させるプログラムを格納した非一時的コンピュータ可読媒体(non-transitory computer readable medium)は本発明の範疇に含まれる。

ページトップへ

この技術を出願した法人

この技術を発明した人物

ページトップへ

関連する挑戦したい社会課題

関連する公募課題

ページトップへ

おススメ サービス

おススメ astavisionコンテンツ

新着 最近 公開された関連が強い技術

この 技術と関連性が強い人物

関連性が強い人物一覧

この 技術と関連する社会課題

関連する挑戦したい社会課題一覧

この 技術と関連する公募課題

関連する公募課題一覧

astavision 新着記事

サイト情報について

本サービスは、国が公開している情報(公開特許公報、特許整理標準化データ等)を元に構成されています。出典元のデータには一部間違いやノイズがあり、情報の正確さについては保証致しかねます。また一時的に、各データの収録範囲や更新周期によって、一部の情報が正しく表示されないことがございます。当サイトの情報を元にした諸問題、不利益等について当方は何ら責任を負いかねることを予めご承知おきのほど宜しくお願い申し上げます。

主たる情報の出典

特許情報…特許整理標準化データ(XML編)、公開特許公報、特許公報、審決公報、Patent Map Guidance System データ