個人健康管理システム
【課題】時系列に蓄積された日常の健康情報を基にシステムの利用者が健康管理を行う上で有用な個人健康管理情報を抽出し、その情報をシステムの利用者に適宜効率よく提示する個人健康管理システムを提供すること。
【解決手段】システムの利用者の身体を計測して得られる生体情報を表す１つ以上の健康データ項目と、システムの利用者の生活情報を表す１つ以上の生活データ項目からなる時系列の個人健康情報において、任意の日時に計測された健康データもしくは任意の期間における健康データの変化もしくは変化率と、任意の期間における生活データの加算値もしくは平均値もしくはそれから派生する値もしくは生活データのパターンとの時系列相関をみることにより健康データ項目と生活データ項目間の相関ルールを自動抽出し、相関ルールの確信度が一定の条件を満たしたときに相関ルールをシステムのデータベースに格納しシステムの利用者に自動配信もしくはシステムの利用者の要求に応じて配信する。
【解決手段】システムの利用者の身体を計測して得られる生体情報を表す１つ以上の健康データ項目と、システムの利用者の生活情報を表す１つ以上の生活データ項目からなる時系列の個人健康情報において、任意の日時に計測された健康データもしくは任意の期間における健康データの変化もしくは変化率と、任意の期間における生活データの加算値もしくは平均値もしくはそれから派生する値もしくは生活データのパターンとの時系列相関をみることにより健康データ項目と生活データ項目間の相関ルールを自動抽出し、相関ルールの確信度が一定の条件を満たしたときに相関ルールをシステムのデータベースに格納しシステムの利用者に自動配信もしくはシステムの利用者の要求に応じて配信する。
【発明の詳細な説明】
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、利用者の日常の時系列個人健康情報をもとに健康管理に有用な個人健康管理情報を利用者に提示する個人健康管理システムに関する。
【背景技術】
【０００２】
従来の健康管理の殆どは、定期健康診断や人間ドックで得られる健康情報に基づいて行われている。しかしこれらの健康情報は、定期健康診断や人間ドックを実施した時点のみを切り取ったデータである。したがって、これらのデータのみから、日常の健康管理を行うための健康管理情報を抽出するのには限界がある。そこで日常の生活環境における健康情報を蓄積し、病気の一次予防や健康増進に役立てることを目的としたシステムが考案されている。
【０００３】
例えば、特許文献１には、利用者に装着された測定装置によって測定される日常の健康情報を、健康管理情報センタで管理し、要求された健康情報を利用者に提供して利用者の健康管理を支援する健康情報管理方法が提案されている。
【０００４】
【特許文献１】 特開２００２−２４５１７７号公報（請求項１、図１）
【発明が解決しようとする課題】
【０００５】
しかしながら、特許文献１の発明には健康情報を管理するためのシステムの構成や機能について述べられているが、蓄積された時系列の健康情報からシステムの利用者が健康管理を行う上で有用となる個人健康管理情報を抽出しそれをシステムの利用者に適宜効率よく提示する方法については述べられていない。
【０００６】
従って本発明の課題は、時系列に蓄積された日常の健康情報を基にシステムの利用者が健康管理を行う上で有用な個人健康管理情報を抽出し、その情報をシステムの利用者に適宜効率よく提示する個人健康管理システムを提供することである。
【課題を解決するための手段】
【０００７】
前記の課題を解決するためになされた本発明に係る個人健康管理システムは、システムの利用者の身体を計測して得られる生体情報を表す１つ以上の健康データ項目と、システムの利用者の生活情報を表す１つ以上の生活データ項目からなる時系列の個人健康情報において、任意の日時に計測された健康データもしくは任意の期間における健康データの変化もしくは変化率と、任意の期間における生活データの加算値もしくは平均値もしくはそれから派生する値もしくは生活データのパターンとの時系列相関をみることにより健康データ項目と生活データ項目間の相関ルールを自動抽出し、該相関ルールの確信度が一定の条件を満たしたときに該相関ルールをシステムのデータベースに格納しシステムの利用者に自動配信もしくはシステムの利用者の要求に応じて配信することを特徴とする。
【０００８】
図１は本発明の個人健康管理システムにおける健康管理サーバ上の処理の流れ（（ａ））と時系列相関解析のアルゴリズム（（ｂ））を示す図である。時系列に蓄積された健康データと生活データをデータベースから健康管理サーバに取り込み以下に説明するアルゴリズムを用いて生活データ項目と健康データ項目の相関ルールを自動抽出し、抽出された相関ルールの確信度がある値より大きい場合にその相関ルールをデータベースに格納して、システムの利用者に自動配信もしくはシステムの利用者の要求に応じて配信する。
【０００９】
ｐｎはある健康データ項目のｎ日におけるデータで、ｅｉはある生活データ項目のｉ日におけるデータである。それぞれｎ日、ｉ日の何日か前のデータをｐｍ，ｅｊとし、例えば次の量を定義する。
Δｐｎｍ＝ｐｎ−ｐｍ （１）
ｅｔｉｊ＝ｅｉ＋ｅｉ−１＋・・・＋ｅｊ （２）
ここで、Δｐｎｍはある任意の期間における健康データの変化である。これを任意のある期間で割れば健康データの変化率になる。ｅｔｉｊはある任意の期間における生活データの加算（単
ｎ日とｉ日は一般的に同日ではなく、図１（ｂ）に示したようにオフセット期間ｓを定義する。また任意の期間ｎ−ｍとｉ−ｊは必ずしも同一期間である必要はない。次に、任意の期間ｎ−ｍとｉ−ｊ，およびオフセット期間ｓをパラメータとし、多くの時系列データを基にｎ，ｉを変化さ
活データ項目の何日かの加算が意味を持つ場合にはｅｔｉｊ、何日かの平均が意味をもつ場合に
よって変化するので、最大の相関を示すｎ−ｍ，ｉ−ｊ，ｓの組み合わせ（ｎ−ｍ）ｍａｘ，（ｉ−ｊ）ｍａｘ，ｓｍａｘを見つける。（ｎ−ｍ）ｍａｘと（ｉ−ｊ）ｍａｘが大きいほど、生活データ項目の長期間にわたるデータが健康データ項目の現在値に大きな影響を与えることになり、小さいほど生活データ項目の短期間におけるデータが健康データ項目の現在値に大きな影響を与えることになる。また、ｓｍａｘが大きほど生活データ項目の影響が遅れて健康データ項目のデータに現れ、小さいほど生活データ項目の影響がすぐに健康データ項目のデータに反映されるということになる。
次に、１つ以上の生活データ項目についてそれぞれの（ｉ−ｊ）ｍａｘ，ｓｍａｘの値を基にｅｔｉｊもしく
はΔｐｎｍ／（ｎ−ｍ）ｍａｘをターゲット変数として決定木生成アルゴリズムにより決定木を生成する。さらにこの決定木をもとに健康データ項目と生活データ項目の相関ルールを抽出し、相関ルールの確信度がある値以上の場合に相関ルールをデータベースに格納する。データベースに格納されたルールは、システムの利用者に自動配信もしくはシステム利用者の要求に応じて配信される。
【発明を実施するための最良の形態】
【００１０】
以下、本発明の実施の形態を、健康データ項目として血圧（単位：ｍｍＨｇ）を、生活データ項目として、運動よる消費カロリー（単位：ｋｃａｌ）、アルコール摂取量（定性値）、ストレス（定性値）、睡眠時間（単位：時間）および睡眠の深さ（定性値）を例として詳細に説明する。これらの項目のデータは図２に示すシステムにより健康管理を行う利用者の携帯電話を通して毎日入力され、インターネット経由でデータベースに蓄積されている。アルコール摂取量は利用者の主観で５段階（１〜５：１が最も多く５が最も少ない）で入力されており、ストレスは利用者の主観で３段階（１．多い、２．普通、３．少ない）で入力されている。さらに、睡眠の深さも利用者の主観で３段階（１．ぐっすり、２．やや浅い、３．よく眠れなかった）で入力されている。
【００１１】
データベースからシステム利用者の最小血圧、運動による消費カロリー、アルコール摂取量、ストレス、睡眠時間および睡眠の深さの約３ヶ月間の時系列データを前記アルゴリズムに基づく相関解析プログラムが動いている健康管理サーバに取り込み、ｎ−ｍ＝１〜１０，ｉ−ｊ＝１〜１０，ｓ＝１〜５の間で前記パラメータを変化させ、それぞれの生活データ項目について最小血圧値のデータとの間で時系列の相関係数を計算した。最小血圧と最大の相関を示す（ｉ−ｊ）ｍａｘ，ｓｍａｘ８の値を図３に示す。以下図３について説明する。
【００１２】
（１）運動による消費カロリー：
血圧測定日の前日と２日前のデータの単純加算値が最小血圧値と最大の相関を示した。この加算値を総消費カロリー２と表示している。
【００１３】
（２）アルコール摂取量：
血圧測定日の２日前と３日前のデータの加算値が最小血圧値と最大の相関を示した。この例ではアルコール摂取量は１〜５の５段階の程度（１が最も多く、５が最も少ない）で表現されているので程度を表す数字の逆数をデータとしている。例えば２日間が３と４の場合、アルコール摂取量＝１／３＋１／４＝０．５８とした。この加算値をアルコール摂取量２と表示している。
【００１４】
（３）ストレス：
血圧測定日の前日から３日前までのデータの平均値の逆数が最小血圧値と最大の相関を示した。この例ではストレスは１〜３の３段階の程度（１．多い、２．普通、３．少ない）で表現されているので平均値の逆数をとった。例えば３日間が（２．普通、３．少ない、３．少ない）の場合、ストレス＝１／（（２＋３＋３）／３）＝０．３８とした。この値をストレス３と表示している。
【００１５】
（４）睡眠時間：
血圧測定日の前日から５日前までのデータの重みつき加算値が最小血圧値と最大の相関を示した。ここでの重みは睡眠の深さによるものである。この例では睡眠の深さは１〜３の３段階の程度（１．ぐっすり、２．やや浅い、３．よく眠れなかった）で表現されているので、この程度によって一日の睡眠時間に重みをつけた。具体的には、一日の睡眠時間を眠りの深さの程度を示す数字の平方根で割った。例えば、睡眠時間は７時間であるが眠りがやや浅かった場合には７／√２時間とした。この５日間の重みつき加算値を睡眠時間５と表示している。
【００１６】
次に、図３で定義した最小血圧と最大の相関を示す期間における生活データの加算値もしくは平均値もしくはその派生値を入力変数とし、最小血圧そのものをターゲット変数として、約３ヶ月間のデータを基に決定木生成アルゴリズムを適用して決定木を生成した。得られた決定木を図４に示す。ここで数値データである最小血圧を決定木のターゲット変数とするために、最小血圧値の大きさによって「高い」「中間」「低い」の３つのカテゴリーに分けた。ルートのレコードは総消費カロリー２の大きさで２つのノードに分けられ、大きいほうに分類されたノードはストレス３の大きさにより２つのリーフに分けられている。一方のノードはさらにアルコール摂取量２と睡眠時間５によりノードやリーフに分けられている。
【００１７】
この決定木から抽出される最小血圧と上記生活データ項目との間の相関ルールと確信度（前提が真のレコード中に結論が真のレコード数が占める割合）は、以下のように表現される。
▲１▼睡眠時間５が２５．１時間以下で、総消費カロリー２が７３８ｋｃａｌ以下だと最小血圧は高い（確信度＝６／１５＝０．４）。
▲２▼アルコール摂取量２が０．５８より大きく、総消費カロリー２が７３８ｋｃａｌ以下だと最小血圧は高い（確信度＝５／７＝０．７１）。
▲３▼睡眠時間５が２５．１時間より大きく、総消費カロリー２が７３８ｋｃａｌ以下だと最小血圧は中間（確信度＝１６／２７＝０．５９）。
▲４▼ストレス３が０．３８以下で、総消費カロリー２が７３８ｋｃａｌより大きいと最小血圧は低い（確信度＝８／１０＝０．８０）。
ここで、例えば確信度が０．５以上の場合に、生成した相関ルールをデータベースに格納し、その時点で利用者の携帯電話にメールで相関ルールを自動配信するかもしくは相関ルールの存在を通知し、利用者から要求があれば携帯電話に配信する。本実施の形態では、確信度が０．５以上のルールは▲２▼、▲３▼、▲４▼であり、これらのルールをわかり易いメッセージに変換してシステムの利用者に配信する。これらの相関ルールは、システムの利用者個人が日常の健康管理を行う上で有用な個人健康管理情報であり、これを基にしてシステムの利用者が目標を持って生活習慣の改善をすることができる。
【００１８】
以上説明した本実施の形態の個人健康管理システムでは、相関ルールを自動抽出するために、あらかじめ注目する健康データ項目と１つ以上の生活データ項目の時系列相関解析を行うことにより生活データ項目からなる入力変数を決定し、注目する健康データ項目をターゲット変数として決定木を生成している。しかし、同様の相関ルールは、１つ以上の健康データ項目のある時点におけるデータもしくは任意の期間におけるデータの変化もしくは変化率と、１つ以上の生活データ項目の任意の期間におけるデータの加算値もしくは平均値もしくはそれから派生した値もしくはデータのパターンからなるデータセットを１トランザクションとして時系列の相関ルール解析を行うことによっても得られることは容易に類推できる。ここで、データセット内のデータメンバーの候補として任意の期間における生活データのパターンを加えたのは、本実施の形態におけるアルコール摂取量やストレスのようにデータが定性的な程度で表されている場合に数値に変換せず、例えば３日間のデータを（１，３，２）や（２，１，１）のようなパターンとして認識して、相関ルール解析を行うことも可能であるからである。
【００１９】
また、本実施の形態の個人健康管理システムでは、相関ルールを自動抽出するための生活データ項目からなる決定木の入力変数には、健康データ項目からなるターゲット変数とそれぞれが最大の相関を示す期間における生活データの加算値もしくは平均値もしくはそれから派生する値を用いているが、決定木を生成するための生活データ項目からなる入力変数はこの限りではない。それぞれが健康データ項目からなるターゲット変数と最大の相関を示す期間でなくとも、より効率良くレコードを分類する最大相関を示す周辺の期間で定義される入力変数のセットがありうるからである。
【００２０】
さらに、本実施の形態の個人健康管理システムにおいて、相関ルールを自動抽出するために決定木の入力変数として例示している睡眠時間では、睡眠の深さで重み付けをした加算値が用いられている。このように生活データ項目を適宜組み合わせて入力変数を生成することも的確な相関ルールの自動抽出のために有効である。
【００２１】
本実施の形態の個人健康管理システムでは、健康データ項目として血圧、生活データ項目として運動による消費カロリー、アルコール摂取量、ストレス、睡眠時間および睡眠の深さを例にあげているが、本発明の個人健康管理システムはこれ以外の項目についても適用できることは自明である。例えば、健康データ項目では、体重、体脂肪率、体温、脈拍数、血糖値など、生活データ項目では、食事による摂取カロリー、喫煙量なども対象にできることは明らかである。
【発明の効果】
【００２２】
本発明によれば、時系列に蓄積されたシステムの利用者の日常における健康データと生活データから個人の健康管理に有用な個人健康管理情報を自動抽出でき、その情報を適宜システムの利用者に提示できる個人健康管理システムが実現できる。システムの利用者はこれを基に具体的な目標を持って病気の一次予防や健康増進のための生活習慣の改善を図ることができる。
【図面の簡単な説明】
【００２３】
【図１】 本発明の個人健康管システムにおける健康管理サーバ上の処理の流れ（（ａ））と時系列相関解析のアルゴリズム（（ｂ））を示す図である。
【図２】 本発明の１実施の形態における健康データと生活データの入力・蓄積方法を示す図である。
【図３】 最小血圧値と最大の相関を示す生活データの期間（ｉ−ｊ）ｍａｘとオフセット期間ｓｍａｘを示す図である。
【図４】 最小血圧をターゲット変数とした決定木の例を示す図である。この決定木から、最小血圧と生活データ項目の間の相関ルールを抽出することができる。
【符号の説明】
１ 健康管理サーバ
２ 利用者携帯電話
３ 携帯電話キャリア
４ インターネット
５ データベース
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、利用者の日常の時系列個人健康情報をもとに健康管理に有用な個人健康管理情報を利用者に提示する個人健康管理システムに関する。
【背景技術】
【０００２】
従来の健康管理の殆どは、定期健康診断や人間ドックで得られる健康情報に基づいて行われている。しかしこれらの健康情報は、定期健康診断や人間ドックを実施した時点のみを切り取ったデータである。したがって、これらのデータのみから、日常の健康管理を行うための健康管理情報を抽出するのには限界がある。そこで日常の生活環境における健康情報を蓄積し、病気の一次予防や健康増進に役立てることを目的としたシステムが考案されている。
【０００３】
例えば、特許文献１には、利用者に装着された測定装置によって測定される日常の健康情報を、健康管理情報センタで管理し、要求された健康情報を利用者に提供して利用者の健康管理を支援する健康情報管理方法が提案されている。
【０００４】
【特許文献１】 特開２００２−２４５１７７号公報（請求項１、図１）
【発明が解決しようとする課題】
【０００５】
しかしながら、特許文献１の発明には健康情報を管理するためのシステムの構成や機能について述べられているが、蓄積された時系列の健康情報からシステムの利用者が健康管理を行う上で有用となる個人健康管理情報を抽出しそれをシステムの利用者に適宜効率よく提示する方法については述べられていない。
【０００６】
従って本発明の課題は、時系列に蓄積された日常の健康情報を基にシステムの利用者が健康管理を行う上で有用な個人健康管理情報を抽出し、その情報をシステムの利用者に適宜効率よく提示する個人健康管理システムを提供することである。
【課題を解決するための手段】
【０００７】
前記の課題を解決するためになされた本発明に係る個人健康管理システムは、システムの利用者の身体を計測して得られる生体情報を表す１つ以上の健康データ項目と、システムの利用者の生活情報を表す１つ以上の生活データ項目からなる時系列の個人健康情報において、任意の日時に計測された健康データもしくは任意の期間における健康データの変化もしくは変化率と、任意の期間における生活データの加算値もしくは平均値もしくはそれから派生する値もしくは生活データのパターンとの時系列相関をみることにより健康データ項目と生活データ項目間の相関ルールを自動抽出し、該相関ルールの確信度が一定の条件を満たしたときに該相関ルールをシステムのデータベースに格納しシステムの利用者に自動配信もしくはシステムの利用者の要求に応じて配信することを特徴とする。
【０００８】
図１は本発明の個人健康管理システムにおける健康管理サーバ上の処理の流れ（（ａ））と時系列相関解析のアルゴリズム（（ｂ））を示す図である。時系列に蓄積された健康データと生活データをデータベースから健康管理サーバに取り込み以下に説明するアルゴリズムを用いて生活データ項目と健康データ項目の相関ルールを自動抽出し、抽出された相関ルールの確信度がある値より大きい場合にその相関ルールをデータベースに格納して、システムの利用者に自動配信もしくはシステムの利用者の要求に応じて配信する。
【０００９】
ｐｎはある健康データ項目のｎ日におけるデータで、ｅｉはある生活データ項目のｉ日におけるデータである。それぞれｎ日、ｉ日の何日か前のデータをｐｍ，ｅｊとし、例えば次の量を定義する。
Δｐｎｍ＝ｐｎ−ｐｍ （１）
ｅｔｉｊ＝ｅｉ＋ｅｉ−１＋・・・＋ｅｊ （２）
ここで、Δｐｎｍはある任意の期間における健康データの変化である。これを任意のある期間で割れば健康データの変化率になる。ｅｔｉｊはある任意の期間における生活データの加算（単
ｎ日とｉ日は一般的に同日ではなく、図１（ｂ）に示したようにオフセット期間ｓを定義する。また任意の期間ｎ−ｍとｉ−ｊは必ずしも同一期間である必要はない。次に、任意の期間ｎ−ｍとｉ−ｊ，およびオフセット期間ｓをパラメータとし、多くの時系列データを基にｎ，ｉを変化さ
活データ項目の何日かの加算が意味を持つ場合にはｅｔｉｊ、何日かの平均が意味をもつ場合に
よって変化するので、最大の相関を示すｎ−ｍ，ｉ−ｊ，ｓの組み合わせ（ｎ−ｍ）ｍａｘ，（ｉ−ｊ）ｍａｘ，ｓｍａｘを見つける。（ｎ−ｍ）ｍａｘと（ｉ−ｊ）ｍａｘが大きいほど、生活データ項目の長期間にわたるデータが健康データ項目の現在値に大きな影響を与えることになり、小さいほど生活データ項目の短期間におけるデータが健康データ項目の現在値に大きな影響を与えることになる。また、ｓｍａｘが大きほど生活データ項目の影響が遅れて健康データ項目のデータに現れ、小さいほど生活データ項目の影響がすぐに健康データ項目のデータに反映されるということになる。
次に、１つ以上の生活データ項目についてそれぞれの（ｉ−ｊ）ｍａｘ，ｓｍａｘの値を基にｅｔｉｊもしく
はΔｐｎｍ／（ｎ−ｍ）ｍａｘをターゲット変数として決定木生成アルゴリズムにより決定木を生成する。さらにこの決定木をもとに健康データ項目と生活データ項目の相関ルールを抽出し、相関ルールの確信度がある値以上の場合に相関ルールをデータベースに格納する。データベースに格納されたルールは、システムの利用者に自動配信もしくはシステム利用者の要求に応じて配信される。
【発明を実施するための最良の形態】
【００１０】
以下、本発明の実施の形態を、健康データ項目として血圧（単位：ｍｍＨｇ）を、生活データ項目として、運動よる消費カロリー（単位：ｋｃａｌ）、アルコール摂取量（定性値）、ストレス（定性値）、睡眠時間（単位：時間）および睡眠の深さ（定性値）を例として詳細に説明する。これらの項目のデータは図２に示すシステムにより健康管理を行う利用者の携帯電話を通して毎日入力され、インターネット経由でデータベースに蓄積されている。アルコール摂取量は利用者の主観で５段階（１〜５：１が最も多く５が最も少ない）で入力されており、ストレスは利用者の主観で３段階（１．多い、２．普通、３．少ない）で入力されている。さらに、睡眠の深さも利用者の主観で３段階（１．ぐっすり、２．やや浅い、３．よく眠れなかった）で入力されている。
【００１１】
データベースからシステム利用者の最小血圧、運動による消費カロリー、アルコール摂取量、ストレス、睡眠時間および睡眠の深さの約３ヶ月間の時系列データを前記アルゴリズムに基づく相関解析プログラムが動いている健康管理サーバに取り込み、ｎ−ｍ＝１〜１０，ｉ−ｊ＝１〜１０，ｓ＝１〜５の間で前記パラメータを変化させ、それぞれの生活データ項目について最小血圧値のデータとの間で時系列の相関係数を計算した。最小血圧と最大の相関を示す（ｉ−ｊ）ｍａｘ，ｓｍａｘ８の値を図３に示す。以下図３について説明する。
【００１２】
（１）運動による消費カロリー：
血圧測定日の前日と２日前のデータの単純加算値が最小血圧値と最大の相関を示した。この加算値を総消費カロリー２と表示している。
【００１３】
（２）アルコール摂取量：
血圧測定日の２日前と３日前のデータの加算値が最小血圧値と最大の相関を示した。この例ではアルコール摂取量は１〜５の５段階の程度（１が最も多く、５が最も少ない）で表現されているので程度を表す数字の逆数をデータとしている。例えば２日間が３と４の場合、アルコール摂取量＝１／３＋１／４＝０．５８とした。この加算値をアルコール摂取量２と表示している。
【００１４】
（３）ストレス：
血圧測定日の前日から３日前までのデータの平均値の逆数が最小血圧値と最大の相関を示した。この例ではストレスは１〜３の３段階の程度（１．多い、２．普通、３．少ない）で表現されているので平均値の逆数をとった。例えば３日間が（２．普通、３．少ない、３．少ない）の場合、ストレス＝１／（（２＋３＋３）／３）＝０．３８とした。この値をストレス３と表示している。
【００１５】
（４）睡眠時間：
血圧測定日の前日から５日前までのデータの重みつき加算値が最小血圧値と最大の相関を示した。ここでの重みは睡眠の深さによるものである。この例では睡眠の深さは１〜３の３段階の程度（１．ぐっすり、２．やや浅い、３．よく眠れなかった）で表現されているので、この程度によって一日の睡眠時間に重みをつけた。具体的には、一日の睡眠時間を眠りの深さの程度を示す数字の平方根で割った。例えば、睡眠時間は７時間であるが眠りがやや浅かった場合には７／√２時間とした。この５日間の重みつき加算値を睡眠時間５と表示している。
【００１６】
次に、図３で定義した最小血圧と最大の相関を示す期間における生活データの加算値もしくは平均値もしくはその派生値を入力変数とし、最小血圧そのものをターゲット変数として、約３ヶ月間のデータを基に決定木生成アルゴリズムを適用して決定木を生成した。得られた決定木を図４に示す。ここで数値データである最小血圧を決定木のターゲット変数とするために、最小血圧値の大きさによって「高い」「中間」「低い」の３つのカテゴリーに分けた。ルートのレコードは総消費カロリー２の大きさで２つのノードに分けられ、大きいほうに分類されたノードはストレス３の大きさにより２つのリーフに分けられている。一方のノードはさらにアルコール摂取量２と睡眠時間５によりノードやリーフに分けられている。
【００１７】
この決定木から抽出される最小血圧と上記生活データ項目との間の相関ルールと確信度（前提が真のレコード中に結論が真のレコード数が占める割合）は、以下のように表現される。
▲１▼睡眠時間５が２５．１時間以下で、総消費カロリー２が７３８ｋｃａｌ以下だと最小血圧は高い（確信度＝６／１５＝０．４）。
▲２▼アルコール摂取量２が０．５８より大きく、総消費カロリー２が７３８ｋｃａｌ以下だと最小血圧は高い（確信度＝５／７＝０．７１）。
▲３▼睡眠時間５が２５．１時間より大きく、総消費カロリー２が７３８ｋｃａｌ以下だと最小血圧は中間（確信度＝１６／２７＝０．５９）。
▲４▼ストレス３が０．３８以下で、総消費カロリー２が７３８ｋｃａｌより大きいと最小血圧は低い（確信度＝８／１０＝０．８０）。
ここで、例えば確信度が０．５以上の場合に、生成した相関ルールをデータベースに格納し、その時点で利用者の携帯電話にメールで相関ルールを自動配信するかもしくは相関ルールの存在を通知し、利用者から要求があれば携帯電話に配信する。本実施の形態では、確信度が０．５以上のルールは▲２▼、▲３▼、▲４▼であり、これらのルールをわかり易いメッセージに変換してシステムの利用者に配信する。これらの相関ルールは、システムの利用者個人が日常の健康管理を行う上で有用な個人健康管理情報であり、これを基にしてシステムの利用者が目標を持って生活習慣の改善をすることができる。
【００１８】
以上説明した本実施の形態の個人健康管理システムでは、相関ルールを自動抽出するために、あらかじめ注目する健康データ項目と１つ以上の生活データ項目の時系列相関解析を行うことにより生活データ項目からなる入力変数を決定し、注目する健康データ項目をターゲット変数として決定木を生成している。しかし、同様の相関ルールは、１つ以上の健康データ項目のある時点におけるデータもしくは任意の期間におけるデータの変化もしくは変化率と、１つ以上の生活データ項目の任意の期間におけるデータの加算値もしくは平均値もしくはそれから派生した値もしくはデータのパターンからなるデータセットを１トランザクションとして時系列の相関ルール解析を行うことによっても得られることは容易に類推できる。ここで、データセット内のデータメンバーの候補として任意の期間における生活データのパターンを加えたのは、本実施の形態におけるアルコール摂取量やストレスのようにデータが定性的な程度で表されている場合に数値に変換せず、例えば３日間のデータを（１，３，２）や（２，１，１）のようなパターンとして認識して、相関ルール解析を行うことも可能であるからである。
【００１９】
また、本実施の形態の個人健康管理システムでは、相関ルールを自動抽出するための生活データ項目からなる決定木の入力変数には、健康データ項目からなるターゲット変数とそれぞれが最大の相関を示す期間における生活データの加算値もしくは平均値もしくはそれから派生する値を用いているが、決定木を生成するための生活データ項目からなる入力変数はこの限りではない。それぞれが健康データ項目からなるターゲット変数と最大の相関を示す期間でなくとも、より効率良くレコードを分類する最大相関を示す周辺の期間で定義される入力変数のセットがありうるからである。
【００２０】
さらに、本実施の形態の個人健康管理システムにおいて、相関ルールを自動抽出するために決定木の入力変数として例示している睡眠時間では、睡眠の深さで重み付けをした加算値が用いられている。このように生活データ項目を適宜組み合わせて入力変数を生成することも的確な相関ルールの自動抽出のために有効である。
【００２１】
本実施の形態の個人健康管理システムでは、健康データ項目として血圧、生活データ項目として運動による消費カロリー、アルコール摂取量、ストレス、睡眠時間および睡眠の深さを例にあげているが、本発明の個人健康管理システムはこれ以外の項目についても適用できることは自明である。例えば、健康データ項目では、体重、体脂肪率、体温、脈拍数、血糖値など、生活データ項目では、食事による摂取カロリー、喫煙量なども対象にできることは明らかである。
【発明の効果】
【００２２】
本発明によれば、時系列に蓄積されたシステムの利用者の日常における健康データと生活データから個人の健康管理に有用な個人健康管理情報を自動抽出でき、その情報を適宜システムの利用者に提示できる個人健康管理システムが実現できる。システムの利用者はこれを基に具体的な目標を持って病気の一次予防や健康増進のための生活習慣の改善を図ることができる。
【図面の簡単な説明】
【００２３】
【図１】 本発明の個人健康管システムにおける健康管理サーバ上の処理の流れ（（ａ））と時系列相関解析のアルゴリズム（（ｂ））を示す図である。
【図２】 本発明の１実施の形態における健康データと生活データの入力・蓄積方法を示す図である。
【図３】 最小血圧値と最大の相関を示す生活データの期間（ｉ−ｊ）ｍａｘとオフセット期間ｓｍａｘを示す図である。
【図４】 最小血圧をターゲット変数とした決定木の例を示す図である。この決定木から、最小血圧と生活データ項目の間の相関ルールを抽出することができる。
【符号の説明】
１ 健康管理サーバ
２ 利用者携帯電話
３ 携帯電話キャリア
４ インターネット
５ データベース
【特許請求の範囲】
【請求項１】
健康管理を行う人の身体を計測して得られる生体情報を表す１つ以上の健康データ項目と、該健康管理を行う人の生活情報を表す１つ以上の生活データ項目からなる時系列の個人健康情報を基に個人健康管理情報を抽出し、該健康管理を行う人に該個人健康管理情報を提示する個人健康管理システムにおいて、任意の日時に計測された健康データもしくは任意の期間における健康データの変化もしくは変化率と、任意の期間における生活データの加算値もしくは平均値もしくはそれから派生する値もしくは生活データのパターンとの時系列相関をみることにより健康データ項目と生活データ項目間の相関ルールを自動抽出し、該相関ルールの確信度が一定の条件を満たしたときに該相関ルールをデータベースに格納し該健康管理を行う人に自動配信もしくは該健康管理を行う人の要求に応じて配信することを特徴とする個人健康管理システム。
【請求項２】
１つ以上の前記生活データ項目の任意の期間におけるデータの加算値もしくは平均値もしくはそれから派生する値を入力変数とし、前記健康データ項目の任意の日時に計測されたデータ値もしくは任意の期間におけるデータの変化もしくは変化率をターゲット変数として決定木を生成し、健康データ項目と生活データ項目間の相関ルールを自動抽出することを特徴とする請求項１に記載の個人健康管理システム。
【請求項３】
１つ以上の前記生活データ項目の任意の期間におけるデータの加算値もしくは平均値もしくはそれから派生する値もしくはデータのパターンと、１つ以上の前記健康データ項目の任意の日時に計測されたデータ値もしくは任意の期間におけるデータの変化もしくは変化率からなるデータセットを時系列の１トランザクションとして時系列相関ルール解析を行い、前提部と結論部をもつ相関ルールを自動抽出することを特徴とする請求項１に記載の個人健康管理システム。
【請求項４】
前記健康データ項目および前記生活データ項目からなる時系列の個人健康情報の入力手段が携帯電話などの携帯端末であり、前記健康管理を行う人に自動配信もしくは前記健康管理を行う人の要求に応じて配信される前記相関ルールが該携帯電話などの携帯端末の表示画面に表示されることを特徴とする請求項１から請求項３に記載の個人健康管理システム。
【請求項５】
前記健康データ項目は体重、体脂肪率、体温、血圧、脈拍数、血糖値の少なくとも１つであることを特徴とする、請求項１から請求項４に記載の個人健康管理システム。
【請求項６】
前記生活データ項目は運動による消費カロリー、食事による摂取カロリー、アルコール摂取量、喫煙量、睡眠時間、睡眠の深さ、ストレスの少なくとも１つであることを特徴とする請求項１から請求項４に記載の個人健康管理システム。
【請求項１】
健康管理を行う人の身体を計測して得られる生体情報を表す１つ以上の健康データ項目と、該健康管理を行う人の生活情報を表す１つ以上の生活データ項目からなる時系列の個人健康情報を基に個人健康管理情報を抽出し、該健康管理を行う人に該個人健康管理情報を提示する個人健康管理システムにおいて、任意の日時に計測された健康データもしくは任意の期間における健康データの変化もしくは変化率と、任意の期間における生活データの加算値もしくは平均値もしくはそれから派生する値もしくは生活データのパターンとの時系列相関をみることにより健康データ項目と生活データ項目間の相関ルールを自動抽出し、該相関ルールの確信度が一定の条件を満たしたときに該相関ルールをデータベースに格納し該健康管理を行う人に自動配信もしくは該健康管理を行う人の要求に応じて配信することを特徴とする個人健康管理システム。
【請求項２】
１つ以上の前記生活データ項目の任意の期間におけるデータの加算値もしくは平均値もしくはそれから派生する値を入力変数とし、前記健康データ項目の任意の日時に計測されたデータ値もしくは任意の期間におけるデータの変化もしくは変化率をターゲット変数として決定木を生成し、健康データ項目と生活データ項目間の相関ルールを自動抽出することを特徴とする請求項１に記載の個人健康管理システム。
【請求項３】
１つ以上の前記生活データ項目の任意の期間におけるデータの加算値もしくは平均値もしくはそれから派生する値もしくはデータのパターンと、１つ以上の前記健康データ項目の任意の日時に計測されたデータ値もしくは任意の期間におけるデータの変化もしくは変化率からなるデータセットを時系列の１トランザクションとして時系列相関ルール解析を行い、前提部と結論部をもつ相関ルールを自動抽出することを特徴とする請求項１に記載の個人健康管理システム。
【請求項４】
前記健康データ項目および前記生活データ項目からなる時系列の個人健康情報の入力手段が携帯電話などの携帯端末であり、前記健康管理を行う人に自動配信もしくは前記健康管理を行う人の要求に応じて配信される前記相関ルールが該携帯電話などの携帯端末の表示画面に表示されることを特徴とする請求項１から請求項３に記載の個人健康管理システム。
【請求項５】
前記健康データ項目は体重、体脂肪率、体温、血圧、脈拍数、血糖値の少なくとも１つであることを特徴とする、請求項１から請求項４に記載の個人健康管理システム。
【請求項６】
前記生活データ項目は運動による消費カロリー、食事による摂取カロリー、アルコール摂取量、喫煙量、睡眠時間、睡眠の深さ、ストレスの少なくとも１つであることを特徴とする請求項１から請求項４に記載の個人健康管理システム。
【図１】
【図２】
【図３】
【図４】
【図２】
【図３】
【図４】
【公開番号】特開２００６−１１０２７８（Ｐ２００６−１１０２７８Ａ）
【公開日】平成１８年４月２７日（２００６．４．２７）
【国際特許分類】
【出願番号】特願２００４−３２７０３２（Ｐ２００４−３２７０３２）
【出願日】平成１６年１０月１４日（２００４．１０．１４）
【出願人】（５０１４１０１１５）学校法人高崎健康福祉大学 (13)
【Ｆターム（参考）】
【公開日】平成１８年４月２７日（２００６．４．２７）
【国際特許分類】
【出願日】平成１６年１０月１４日（２００４．１０．１４）
【出願人】（５０１４１０１１５）学校法人高崎健康福祉大学 (13)
【Ｆターム（参考）】
[ Back to top ]