TW202327511A - 健康狀態判定方法、程式及健康狀態判定系統 - Google Patents

Abstract

本發明之健康狀態判定方法包含：取得步驟(S21、S22)，其取得各自顯示與對象者之健康或對象者感受到之舒適性相關之指標之第1資料及第2資料；及判定步驟(S23)，其基於取得之第1資料及第2資料、與預先決定之顯示第1資料所示之第1指標及第2資料所示之第2指標之關係之基準特性，判定對象者之健康狀態。

Description

健康狀態判定方法、程式及健康狀態判定系統

本發明係關於一種健康狀態判定方法、及健康狀態判定系統。

近年來，對健康之關心不斷提高。作為用以掌握人之健康狀態之技術，於專利文獻1中，揭示有可以簡單之方式於早期判斷被測定者之狀態之生物體資訊測定裝置。 [先前技術文獻] [專利文獻]

[專利文獻1]日本專利特開2016-52463號公報

[發明所欲解決之問題]

本發明提供一種可判定對象者之健康狀態之健康狀態判定方法及健康狀態判定系統。 [解決問題之技術手段]

本發明之一態様之健康狀態判定方法包含：取得步驟，其取得各自顯示與對象者之健康或上述對象者感受到之舒適性相關之指標之第1資料及第2資料；及判定步驟，其基於取得之上述第1資料及上述第2資料、與預先決定之顯示上述第1資料所示之第1指標及上述第2資料所示之第2指標之關係之基準特性，判定上述對象者之健康狀態。

本發明之一態様之程式係用以使電腦執行上述健康狀態判定方法之程式。

本發明之一態様之健康狀態判定系統具備：取得部，其取得各自顯示與對象者之健康或上述對象者感受到之舒適性相關之指標之第1資料及第2資料；及判定部，其基於取得之上述第1資料及上述第2資料、與預先決定之顯示上述第1資料所示之第1指標及上述第2資料所示之第2指標之關係之基準特性，判定上述對象者之健康狀態。

本發明之一態様之程式為用以使電腦執行以下步驟者：接收步驟，其自上述健康狀態判定系統接收基於上述對象者之健康狀態之判定結果之通知資訊；及顯示步驟，其基於接收到之上述通知資訊，顯示通知畫面。 [發明之效果]

本發明之一態様之健康狀態判定方法及健康狀態判定系統可判定對象者之健康狀態。

以下，對實施形態，一面參考圖式一面進行具體說明。另，以下說明之實施形態均為顯示概括性或具體性之例者。以下實施形態所示之數值、形狀、材料、構成要件、構成要件之配置位置及連接形態、步驟、及步驟之順序等係一例，而並非限定本發明之主旨。又，關於以下實施形態之構成要件中未記載於獨立技術方案之構成要件，作為任意構成要件進行說明。

另，各圖係模式圖，且未必為嚴格圖示者。又，於各圖中，有對實質上同一構成標註同一符號，而省略或簡化重複之說明之情形。

(實施形態) [構成] 首先，對實施形態之健康狀態判定系統之構成進行說明。圖1係顯示實施形態之健康狀態判定系統之功能構成之方塊圖。

健康狀態判定系統10係用以判定對象者之健康狀態之系統。如圖1所示，健康狀態判定系統10具備伺服器裝置20、複數個感測器31、第1資訊終端40、控制裝置51、環境調整裝置52、感測器53、第2資訊終端60、及第3資訊終端70。又，圖1中亦圖示有複數個設施30及設施50。設施30及設施50係為便於說明而加以區分，亦可於複數個設施30中包含設施50。

伺服器裝置20係進行用以判定對象者之健康狀態之資訊處理之電腦。伺服器裝置20具備通信部21、資訊處理部22、及記憶部23。

通信部21係用以供伺服器裝置20與複數個感測器31、第1資訊終端40、控制裝置51、第2資訊終端60、及第3資訊終端70，經由網際網路等之廣域通信網路80，進行通信之通信電路(通信模組)。通信部21例如為進行無線通信之無線通信電路，亦可為進行有線通信之有線通信電路。關於通信部21進行之通信之通信規格，無特別限定。

資訊處理部22進行用以判定對象者之健康狀態之資訊處理。資訊處理部22例如藉由微電腦而實現，亦可藉由處理器實現。資訊處理部22作為功能性之構成要件，具備取得部24、算出部25、判定部26、通知部27、更新部28、及控制部29。取得部24、算出部25、判定部26、通知部27、更新部28、及控制部29之功能例如藉由執行將構成資訊處理部22之微電腦或處理器等記憶於記憶部23之電腦程式而實現。

記憶部23為記憶由資訊處理部22執行之電腦程式等之記憶裝置。記憶部23例如藉由半導體記憶體而實現。

感測器31設置於複數個設施30之各者，非接觸地對位於設施30內之人進行感測。感測器31例如為電波感測器等非接觸型之生理感測器，但亦可為相機(圖像感測器)等。感測器31亦可為墊狀(片狀)之感測器等接觸位於設施30內之人而進行感測之接觸型之生理感測器，且關於感測器31之具體態樣無特別限定。如後所述，於主曲線之產生等時使用與人感受到之舒適性相關之參數(例如，以2階段以上顯示人舒適亦或不舒適之參數)般之情形，亦有感測器31為感測環境而非人之感測器之情況。若對與舒適性相關之參數之取得方法進行補充，則與舒適性相關之參數可藉由手動輸入主觀評估結果而取得，亦可將設定變更環境調整裝置52之情況視為人感到不舒適。另，感測器31只要於複數個設施30之各者設置至少1個即可，亦可對於1個設施30設置2個以上。

第1資訊終端40保持於人，並測量此人之生物體資料。第1資訊終端40例如具有脈波感測器、血壓感測器、出汗感測器、體溫感測器、呼吸感測器、活動量感測器、及腦波感測器等。即，第1資訊終端40測量對象者之脈波、血壓、出汗量、體溫、呼吸、活動量、及腦波等生物體資料。第1資訊終端40例如為安裝於對象者之手腕之腕帶形或手錶形之資訊終端，但亦可為耳鉤形之資訊終端。又，第1資訊終端40不限定於此種穿戴型之資訊終端，亦可為具有如上述般之感測器之智慧型手機或平板終端等攜帶型之資訊終端。

控制裝置51設置於對象者所在之設施50，基於對象者之健康狀態之判定結果控制環境調整裝置52。作為控制裝置51，例如，使用具有管理設施50中之消耗電力量之功能之EMS(Energy Management System：能源管理系統)控制器等，但亦可使用不具有管理消耗電力之功能之其他控制器。

環境調整裝置52設置於對象者所在之設施50，並控制對象者周圍之環境。具體而言，環境調整裝置52為照明裝置、空調裝置、送風裝置、換氣裝置、香味產生裝置、及揚聲器裝置等。即，環境調整裝置52調整(控制)對象者周圍之光、溫度、氣流、二氧化碳濃度、香味及聲音等。於設施50為住宅之情形時，環境調整裝置52設置於設施50內之客廳、浴室、寢室、或廁所等之室內空間，並調整該等室內空間中之環境。

感測器53設置於對象者所在之設施50，並對對象者進行感測。感測器53例如為電波感測器等非接觸型之生理感測器，但亦可為相機(圖像感測器)等。感測器53亦可為墊狀(片狀)之感測器等接觸位於設施50內之人而進行感測之接觸型之生理感測器，關於感測器53之具體態樣，無特別限定。如後所述，於主曲線之產生等時使用與人感受到之舒適性相關之參數般之情形，亦有感測器53為感測環境而非人之感測器之情況。另，感測器53只要於設施50設置至少1個即可，亦可對於1個設施50設置2個以上。

第2資訊終端60保持於對象者，並測量該對象者之生物體資料。第2資訊終端60例如具有脈波感測器、血壓感測器、出汗感測器、體溫感測器、呼吸感測器、活動量感測器、及腦波感測器等。即，第2資訊終端60測量對象者之脈波、血壓、出汗量、體溫、呼吸、活動量、及腦波等生物體資料。第2資訊終端60例如為安裝於對象者之手腕之腕帶形或手錶形之資訊終端，但亦可為耳鉤形之資訊終端。又，第2資訊終端60不限定於此種穿戴型之資訊終端，亦可為具有如上述般之感測器之智慧型手機或平板終端等攜帶型之資訊終端。

第3資訊終端70為對象者作為健康狀態判定系統10之使用者介面使用之資訊終端，具體而言，為用以供對象者自伺服器裝置20接收關於健康狀態之判定結果之通知之資訊終端。第3資訊終端70例如為智慧型手機或平板終端等攜帶型之資訊終端，亦可為個人電腦等固定型之資訊終端。

第3資訊終端70例如為通用之資訊終端，可藉由安裝專用之應用程式，而自伺服器裝置20接收關於健康狀態之判定結果之通知(後述之通知資訊)。另，於本說明書中，為方便起見，將第2資訊終端60及第3資訊終端70作為不同之資訊終端加以區別，但第2資訊終端60及第3資訊終端70無需為不同之資訊終端，亦可為單一之資訊終端。

[主曲線之產生動作] 健康狀態判定系統10為判定對象者之健康狀態，而預先算出被稱為主曲線之基準特性，並將算出之主曲線預先記憶於伺服器裝置20之記憶部23。圖2係顯示主曲線之一例之圖。

圖2所示之主曲線係於橫軸(亦記載為x軸)表示活動量，縱軸(亦記載為y軸)表示進食量之二維座標(換言之，為座標空間)中，顯示活動量與進食量之關係性之曲線。以下，對此種主曲線之產生動作進行說明。圖3係主曲線之產生動作之流程圖。

首先，伺服器裝置20之取得部24取得複數個人各者之活動量(S11)。活動量為顯示與對象者之健康或對象者感受到之舒適性相關之第1指標之第1資料之一例。活動量可換稱為卡路里之消耗量等。例如，取得部24取得通信部21自第1資訊終端40接收到之由第1資訊終端40測量出之活動量。於可藉由感測器31感測活動量之情形時，取得部24亦可取得由感測器31感測出之活動量(由感測結果決定之活動量)。該情形時，取得部24取得通信部21自感測器31接收到之活動量。另，此處之活動量例如為數小時左右、或1日(24小時)等特定期間中之活動量。

接著，取得部24取得複數個人各者之進食量(S12)。進食量為顯示與對象者之健康或對象者感受到之舒適性相關之第2指標之第2資料之一例。進食量可換稱為卡路里之攝取量等。

例如，取得部24取得通信部21自第1資訊終端40接收到之由第1資訊終端40測量出之進食量。已知有藉由使用手錶形之穿戴式終端具有之生物體阻抗感測器，測量體液向體細胞內外之移動，而推定卡路里之攝取量之技術，第1資訊終端40使用此種技術測量(推定)進食量。

於感測器31為設置於設施30之用餐場所之相機等，且可感測(推定)進食量之情形時，取得部24亦可取得由感測器31感測出之進食量(由感測結果決定之進食量)。該情形時，取得部24取得通信部21自感測器31接收到之進食量。另，此處之進食量例如為每1次進食、或每1日等中之進食量。

為產生主曲線，需關聯同一人之活動量與進食量。例如，於活動量及進食量均自第1資訊終端40取得之情形時，取得部24可藉由同時(同一通信時)取得活動量及進食量，而關聯同一人之活動量與進食量。只要藉由第1資訊終端40，發送賦予有第1資訊終端40之識別資訊之狀態之活動量及進食量，則取得部24可基於識別資訊關聯同一人之活動量與進食量。

又，於活動量及進食量均自感測器31取得之情形時，取得部24可藉由同時(同一通信時)取得活動量及進食量，而關聯同一人之活動量與進食量。該情形時，以藉由將感測器31設置於單間等，而使感測器31感測特定之個人之活動量及進食量之情況為前提。又，於此種前提下，只要藉由感測器31，發送賦予有感測器31之識別資訊之狀態之活動量及進食量，則取得部24可基於識別資訊關聯同一人之活動量與進食量。

於活動量及進食量之一者自第1資訊終端40取得，而另一者自感測器31取得之情形時，可藉由將顯示某人保持之第1資訊終端40之識別資訊與將此人設為感測對象之感測器31之識別資訊之對應關係之資訊預先記憶於記憶部23，而關聯活動量及進食量。

另，活動量及進食量未必自第1資訊終端40或感測器31取得。例如，亦可自管理活動量及進食量成對之資訊之其他伺服器裝置向伺服器裝置20提供該資訊，且取得部24取得該資訊。又，取得部24亦可取得通過未圖示之使用者介面裝置手動向伺服器裝置20輸入之活動量及進食量成對之資訊。

於步驟S12之後，算出部25基於取得之複數人份之活動量及進食量，算出主曲線(S13)。主曲線係用以判定對象者之健康狀態之基準特性，即顯示主曲線x所示之第1指標與主曲線y所示之第2指標之關係之基準特性之一例。

算出部25於上述二維座標中，按取得之活動量及進食量之資料數(即，按人數)，繪製由關聯之活動量及進食量決定之點，並對繪製之複數個點應用近似式，藉此算出主曲線。關於應用何種近似式無特別限定，只要應用現有之各種近似式即可。

接著，算出部25對主曲線設定以主曲線為基準之上限曲線、及下限曲線(圖3中圖示)(S14)。算出部25中，例如，上限曲線、及下限曲線為使用主曲線之健康狀態之判定中使用之判定基準。算出部25例如基於作為主曲線之基礎之資料之偏差(標準偏差)等，對主曲線設定上限曲線、及下限曲線。算出部25亦可由健康狀態判定系統10之設計者，通過未圖示之使用者介面裝置手動向伺服器裝置20輸入。另，根據主曲線之種類，亦有僅設定上限曲線、及下限曲線之一者之情形。

又，算出部25將算出之主曲線、設定之上限曲線、及設定之下限曲線記憶於記憶部23(S15)。

如此，健康狀態判定系統10可基於複數人份之活動量及進食量，算出主曲線，並記憶於記憶部23。

另，於活動量、及進食量之至少一者基於設置於設施30之感測器31之感測結果而定之情形時，可藉由於複數種類之設施30中進行感測，而算出適於健康狀態之判定之主曲線。

例如，若於複數種類之設施30中，包含醫院、護理設施、一般住宅、及訓練設施，則可取得在醫院住院之人、居住在護理設施之人、居住在住宅之人、及利用訓練設施之人之活動量及進食量。即，備齊健康狀態不佳之人至健康狀態良好之人之活動量及進食量之資料。更具體而言，如圖3所示，備齊需要護理之人、正在治療疾病之人、未生病之人、健康之人、進行訓練之人(更健康之人)、及運動員(進而健康之人)之活動量及進食量之資料。可以說如此基於多種多樣健康狀態之人之活動量及進食量算出之主曲線適於健康狀態之判定。

另，活動量為主曲線x(第1資料)之一例，進食量為主曲線y(第2資料)之一例。可使用與健康或舒適性相關之其他第1指標作為主曲線x，及，可使用與健康或舒適性相關之其他第2指標作為主曲線y。作為主曲線x與主曲線y，只要使用具有某程度之相關性之不同之2種指標即可。圖4係用以說明主曲線x及主曲線y之另一例之圖。

於圖4之例中，藉由使用電波感測器作為感測器31，取得部24自感測器31之感測結果取得可作為主曲線x使用之複數種參數。具體而言，可基於電波感測器之感測結果即RRI(R-R Interval：心跳間隔)，取得LF(Low Frequency：低頻)／HF(High Frequency：高頻)、心跳變動參數、及心跳數。

LF／HF為顯示藉由對RRI進行頻率解析而獲得之功率光譜之LF成分(例如，0.05 Hz～0.15 Hz之成分)與HF成分(例如，0.15 Hz～0.40 Hz之成分)之比之參數。於取得部24取得LF／HF作為主曲線x之情形時，作為主曲線y，取得與舒適性相關聯之參數、與放鬆度相關聯之參數、與壓力相關聯之參數、與躁鬱相關聯之參數、與集中度相關聯之參數、與睡眠相關聯之參數、與衰弱相關聯之參數、與MCI(Mild Cognitive Impairment：輕度認知障礙)相關聯之參數、與血管年齡相關聯之參數、或與排卵日相關聯之參數等。該等參數可基於感測器31之感測結果而取得，亦可藉由第1資訊終端40而測量，又可基於主觀評估(問卷等)之結果、或特定測試之結果等而取得。

心跳變動參數為基於RRI而定之時間領域之參數。具體而言，此處之心跳變動參數為SDNN(Standard deviation of all R-R interval：心跳間隔之標準偏差)或RMSSD(Root Mean Square of Successive Differences：差值序列之均方根值)等。取得部24取得該等心跳變動參數作為主曲線x之情形時，作為主曲線y，取得與高血壓相關聯之參數、與高血糖相關聯之參數、或與高脂質相關聯之參數等。該等參數可基於感測器31之感測結果而取得，亦可藉由第1資訊終端40而測量，又可基於主觀評估(問卷等)之結果而取得。

心跳數為基於RRI而定之顯示每1分鐘心臟跳動之次數之參數。於取得部24取得心跳數作為主曲線x之情形時，作為主曲線y，取得與活動量相關聯之參數、或與飲食質量相關聯之參數等。該等參數可基於感測器31之感測結果而取得，亦可藉由第1資訊終端40而測量，又可基於主觀評估(問卷等)之結果而取得。

又，圖5係用以說明主曲線x及主曲線y之進而另一例之圖。於圖5，顯示可作為主曲線x及主曲線y使用之2個參數之組(可將任一者設為主曲線x(y))。於此種參數之組中，包含與舒適性相關聯之參數及與放鬆度相關聯之參數之組。又，於此種參數之組中，包含與睡眠相關聯之參數、及與活動量、飲食質量、壓力、MCI、高血糖(糖尿病)、及激素類癌(前列腺癌、乳腺癌)之任1者相關聯之參數之組。又，於如上述般之參數之組中，包含與MCI及高血糖之任一者相關聯之參數及與衰弱相關聯之參數之組。

作為使用如圖4及圖5所示般之參數之主曲線之具體例，列舉如圖6～圖8所示般之主曲線。圖6係顯示表示LF／HF與睡眠質量(睡眠深度)之關係之主曲線之一例之圖。圖7係顯示表示50歲以下之人之一日之睡眠時間、與此人成為60歲以上時之MCI之發病率之關係之主曲線之一例之圖，圖7中之橫軸顯示越靠右側睡眠時間越短之情況。圖8係顯示表示LF／HF與躁鬱之發病率之關係之主曲線之一例之圖。

又，可作為以上說明之主曲線x(第1資料)使用之參數係一例。主曲線x只要為顯示與人之健康(包含美容)或人感受到之舒適性相關之第1指標之參數即可，具體而言，只要為與心跳、脈搏、活動路線、活動量、睡眠、姿勢、皮膚、肌、及表情之至少1者相關之參數即可。另，主曲線x亦可為顯示人之生理指標之參數。

同樣，可作為以上說明之主曲線y(第2資料)使用之參數係一例。主曲線y只要為顯示與人之健康(包含美容)或人感受到之舒適性相關之第2指標之參數即可，具體而言，只要為與舒適性、身體狀況、壓力、美容、瘦身、睡眠、身體功能、體型、老化、未生病、疾病、治療及護理之至少1者相關之參數即可。

如以上所說明，健康狀態判定系統10取得複數人份各自顯示與人之健康或人感受到之舒適性相關之指標之第1資料及第2資料，並基於取得之複數人份之第1資料及第2資料，算出用以判定對象者之健康狀態之基準特性，即顯示第1資料所示之第1指標與第2資料所示之第2指標之關係之主曲線(基準特性)，對主曲線設定對象者之健康狀態之判定基準即上限曲線及下限曲線。算出之主曲線、設定之上限曲線、及設定之下限曲線係記憶於記憶部23。

另，基準特性未必為曲線(Curve)，亦可為直線。關於判定基準亦同樣。又，主曲線亦可由健康狀態判定系統10之設計者等算出(產生)，並記憶(登錄)於記憶部23。

[健康狀態之判定動作例1] 健康狀態判定系統10可使用算出之主曲線，判定對象者之健康狀態。以下，對健康狀態之判定動作例1進行說明。圖9係健康狀態之判定動作例1之流程圖。

首先，伺服器裝置20之取得部24取得對象者之活動量(S21)。此處之活動量為第1判定對象資料之一例。例如，取得部24取得通信部21自第2資訊終端60接收到之由第2資訊終端60測量出之活動量。於可藉由感測器53感測活動量之情形時，取得部24亦可取得由感測器53感測出之活動量(由感測結果決定之活動量)。該情形時，取得部24取得通信部21自感測器53接收到之活動量。取得部24亦可自第3資訊終端70取得由對象者手動向第3資訊終端70輸入之活動量。

接著，取得部24取得對象者之進食量(S22)。此處之進食量為第2判定對象資料之一例。例如，取得部24取得通信部21自第2資訊終端60接收到之由第2資訊終端60測量出之進食量。於感測器53為設置於設施50之用餐場所之相機等，且可感測(推定)進食量之情形時，取得部24亦可取得由感測器53感測出之進食量(由感測結果決定之進食量)。該情形時，取得部24取得通信部21自感測器53接收到之進食量。取得部24亦可自第3資訊終端70取得由對象者手動向第3資訊終端70輸入之進食量。

接著，判定部26基於取得之對象者之活動量及進食量、與預先記憶於記憶部23之主曲線(藉由算出部25算出之主曲線)，判定對象者之健康狀態(S23)。判定部26例如判定顯示所取得之對象者之活動量及進食量之對象點之位置是否在對主曲線設定之上限曲線與下限曲線之間之特定範圍內。

判定部26於對象點之位置在上述特定範圍內之情形時，判定為對象者之健康狀態良好，於對象點之位置在上述特定範圍外之情形時，判定為對象者之健康狀態不佳(例如，需要注意健康)。另，若對1條主曲線設定複數組上限曲線及下限曲線，則判定部26可以3階段以上仔細地判定對象者之健康狀態。

接著，通知部27基於步驟S23中之判定結果，向對象者進行與健康狀態相關之通知(換言之，警報)(S24)。具體而言，通知部27產生通知資訊，並使通信部21將產生之通知資訊發送向第3資訊終端70。於接收到通知資訊之第3資訊終端70之顯示部(顯示器)，例如顯示如圖10般之通知畫面。圖10係顯示通知畫面之一例之圖。

於圖10之例中，於通知畫面(通知資訊)中包含向對象者之建議資訊。具體而言，建議資訊為用以向對象者建議運動、飲食、放鬆、醫院介紹、就寢前行動、及寢具之至少1者之資訊。建議資訊係預先於記憶部23中準備複數種，且例如，基於二維座標中之對象點之位置(於二維座標之何者之範圍中存在對象點)而自複數種類中選擇。使第3資訊終端70接收通知資訊，並基於接收到之通知資訊顯示通知畫面之處理係例如藉由於第3資訊終端70預先安裝專用之應用程式而實現。

另，於通知畫面中，亦可顯示主曲線及對象點。藉此，對象者可容易地掌握對象點與主曲線之差。

又，步驟S24之通知係不依據步驟S23中之判定結果(健康狀態之好壞)而進行，但亦可僅於在步驟S23中判定為對象者之健康狀態不佳時選擇性進行。

此處，於步驟S21中取得之活動量可稱為基於圖3之流程圖算出主曲線後之新的第1資料。同樣，於步驟S22中取得之進食量可稱為基於圖3之流程圖算出主曲線後之新的第2資料。

因此，更新部28基於取得之新的第1資料及新的第2資料，更新主曲線(S25)。例如，更新部28將對先前之第1資料及第2資料加上新的第1資料及第2資料後之所有資料作為處理對象，再次算出主曲線。另，主曲線之更新只要於每次累積某程度新的第1資料及新的第2資料時進行即可，未必於每次取得新的第1資料及新的第2資料時進行。

如以上所說明，健康狀態判定系統10取得各自顯示與對象者之健康或對象者感受到之舒適性相關之指標之第1判定對象資料及第2判定對象資料。健康狀態判定系統10可基於取得之第1判定對象資料及第2判定對象資料、與預先決定之主曲線，判定對象者之健康狀態，並基於判定結果向對象者進行通知。

另，對象者之健康狀態之判定及向對象者之通知以特定時間間隔進行。此時之特定時間間隔例如根據作為主曲線y(第2資料)採用之參數而變更。例如，使用採用與舒適性相關聯之參數之主曲線作為主曲線y之對象者之健康狀態之判定及向對象者之通知，例如以1～數小時左右之時間間隔進行。又，使用採用與身體狀況、集中度、放鬆度、壓力、美容、或瘦身等相關聯之參數之主曲線作為主曲線y之對象者之健康狀態之判定及向對象者之通知，例如以1日～1週左右之時間間隔進行。

使用採用與睡眠、活動量、身體功能、或體型等相關聯之參數之主曲線作為主曲線y之對象者之健康狀態之判定及向對象者之通知，例如以1個月～6個月左右之時間間隔進行。使用採用與血管年齡或衰弱等相關聯之參數之主曲線作為主曲線y之對象者之健康狀態之判定及向對象者之通知，例如以1年單位等之時間間隔進行。另，特定時間間隔亦可根據主曲線x(第1資料)所示之第1指標(參數)之種類而變更。

[健康狀態之判定動作例2] 接著，對健康狀態之判定動作例2進行說明。圖11係健康狀態之判定動作例2之流程圖。

關於步驟S21～步驟S23與健康狀態之判定動作例1同樣。於步驟S23之後，伺服器裝置20之控制部29基於步驟S23中之判定結果，控制對象者周圍之環境(S26)。具體而言，控制部29產生用以控制環境調整裝置52之控制資訊，並使通信部21將產生之控制資訊發送向控制裝置51。控制裝置51基於接收到之控制資訊，控制環境調整裝置52。即，控制部29(控制裝置51)控制對象者周圍之環境。關於顯示基於判定結果如何控制環境調整裝置52之運算法，預先記憶於記憶部23。

例如，於環境調整裝置52為香味產生裝置，且對象者之進食量較少(對象點在特定範圍外)之情形時，控制部29(控制裝置51)使環境調整裝置52產生具有增進食欲之效果之香味。即，控制部29(控制裝置51)藉由香味謀求對象者之食欲增進。另，環境調整裝置52之控制係為了使對象者之健康狀態良好而進行。因此，於在步驟S23中判定為對象者之健康狀態良好之情形(於判定為對象點在特定範圍內之情形)時，可省略控制環境調整裝置52之處理。

其後，更新部28根據需要更新主曲線(S25)。步驟S25中之處理與健康狀態之判定動作例1同樣。

如以上所說明，健康狀態判定系統10可基於取得之第1判定對象資料及第2判定對象資料、與預先決定之主曲線，判定對象者之健康狀態，並基於判定結果控制對象者周圍之環境。

另，亦可組合健康狀態之判定動作例1與健康狀態之判定動作例2。例如，作為1次判定處理之結果，可進行於健康狀態之判定動作例1中說明之向對象者之通知、及於健康狀態之判定動作例2中說明之對象者周圍之環境之控制之任一者。

[健康狀態之預測] 於判定動作例1及判定動作例2之步驟S23中，已判定對象者之當前之健康狀態，但健康狀態判定系統10亦可預測將來之健康狀態。圖12係用以說明將來之健康狀態之預測方法之圖。

伺服器裝置20之取得部24以特定時間間隔取得對象者之活動量及進食量。藉此，判定部26可於二維座標中特定複數個對象點(活動量及進食量之組)，並基於對象點之時間序列變化預測對象者之將來之健康狀態。於圖12之例中，相較於對象點(1)，時間序列中後續之對象點(2)更接近主曲線附近之特定範圍，且若該傾向持續，則認為對象點將來會位於(3)之特定範圍內。於此種情形時，判定部26係即便當前處於健康狀態不佳之狀態，亦可進行能夠看到改善之預測。又，雖未圖示，但判定部26係即便當前之健康狀態良好，亦可進行能夠看到惡化之傾向(將來，對象點自特定範圍脫離)等之預測。另，亦考慮藉由比較健康狀態之變化(對象點之變化)之傾向、與主曲線之傾向，而以主曲線之傾向為基準預測(判定)健康狀態之方法。

如此，健康狀態判定系統10可基於由在互不相同之時序中取得之複數組第1資料及第2資料決定之複數個對象點、與主曲線，預測對象者之將來之健康狀態。通知部27可通知將來之健康狀態之預測結果，控制部29可於預測到將來之健康狀態之惡化之情形時，進行用以抑制健康狀態惡化之環境之控制。

此處，對獲得如圖12之(1)般之對象點時之建議資訊進行補充。對象點為位於如圖12之(1)般之場所之對象者，對於具有睡眠障礙之病症之對象者，若不改善健康狀態則今後於健康上有較大之風險。於此種對象者使用之第3資訊終端70之顯示部，例如顯示如圖13般之通知畫面。圖13係顯示通知畫面之一例之圖。如圖13所示，健康狀態判定系統10具有可即時提供具體之改善對策之優點。

[主曲線之分類] 算出部25可將複數人份之第1資料及第2資料之組分類，並按各類別算出主曲線。圖14係用以說明按各類別算出主曲線之方法之圖。

例如，算出部25將複數人份之活動量及進食量之組根據活動量(第2資料)分為複數個類別(於圖14之例中，為類別A～類別O)，並按各類別算出主曲線，預先記憶於記憶部23。每個類別之主曲線均為顯示活動量與進食量之關係之曲線。

以下，對使用按各類別算出之主曲線之健康狀態之判定方法進行說明。圖15係使用按各類別算出之主曲線之健康狀態之判定方法之流程圖。

伺服器裝置20之取得部24取得對象者之活動量(S31)，且取得對象者之進食量(S32)。步驟S31及步驟S32之處理與步驟S21及步驟S22之處理同樣。

接著，判定部26基於步驟S31中取得之對象者之活動量，判定對象者之類別為類別A～類別O之何者(S33)。且，判定部26自預先記憶於記憶部23之每個類別之主曲線(複數條主曲線)中選擇與對象者之類別對應之主曲線(S34)，且基於步驟S31中取得之對象者之活動量、步驟S32中取得之對象者之進食量、及步驟S34中選擇之主曲線，判定對象者之健康狀態(S35)。關於健康狀態之判定方法，與步驟S23中說明之方法同樣。另，雖於圖15中未圖示，但其後，亦適當進行利用通知部27向對象者通知、利用控制部29進行對象者之環境之控制、及利用更新部28對主曲線之更新等。

如以上所說明，健康狀態判定系統10基於取得之第2資料，自預先決定之複數條主曲線中選擇1條主曲線，並基於取得之第1資料及第2資料、與選擇之1條主曲線，判定對象者之健康狀態。健康狀態判定系統10自按根據第2資料決定之各類別準備之複數條主曲線中選擇適於對象者之主曲線，並使用選擇之基準特性判定對象者之健康狀態，藉此可謀求健康狀態之判定精度提高。

另，算出部25將複數人份之第1資料及第2資料之組根據第2資料分為複數個類別，但亦可根據第1資料分為複數個類別。即，健康狀態判定系統10只要基於取得之第1資料及第2資料之一者，自預先決定之複數條主曲線中選擇1條主曲線即可。

[對主曲線之分類之補充] 又，主曲線之類別例如有相當於年齡層之情形。例如，圖14之類別A～類別O之各者有相當於年齡層之情形。以下，對此種情形時之健康狀態之判定方法進行說明。

儘管對象者之實際年齡相當於40～44歲，但亦考慮該對象者之主曲線上之位置屬於55～59歲之類別之情形。若藉由判定部26，判定對象點之位置在特定範圍內，但於對象者之實際年齡與由對象點決定之年齡層中存在差異，則通知部27進行包含如成為相當於40～44歲之進食量或活動量般之建議資訊之通知。該情形時之建議資訊為用以進行進食量之增量或減量等之建議、及活動量之增量或減量之建議之至少一者之資訊。

又，若藉由判定部26，判定為對象點之位置在上述特定範圍外，且於對象者之實際年齡與由對象點決定之年齡層中存在差異，則通知部27進行包含如對象者之進食量或活動量成為40～44歲之適當之進食量或活動量般之建議資訊之通知。

又，分類亦可基於生活方式進行。生活方式例如可藉由基於LF／HF之一日之變動值之集群分析而求出。又，亦可將外出之頻率、同居家屬之人數等之家族形態、或職業等作為顯示生活方式之指標，並基於該等指標進行分類。

又，亦可自各類別中算出之主曲線，算出整體(所有類別)之主曲線。例如，算出部25於各類別之各者中，基於屬於該類別之資料，算出每個類別之主曲線、每個類別之上限曲線(例如，主曲線+1σ)、及每個類別之下限曲線(例如，主曲線-1σ)。算出部25藉由使用曲線擬合方法連接每個類別之主曲線而算出主曲線。同樣，算出部25可藉由使用曲線擬合方法連接每個類別之上限曲線而算出上限曲線，並藉由使用曲線擬合方法連接每個類別之下限曲線而算出下限曲線。

另，若以此種方法，算出主曲線、上限曲線、及下限曲線，則該等3個之一部分有可能交叉。因此，算出部25可將上述方法僅應用於主曲線。該情形時，算出部25可以算出之主曲線為基準，算出上下1σ之曲線，作為上限曲線、及下限曲線。

然而，若大量進行判定動作，累積新的第1資料及第2資料(對象點)，則亦有主曲線之傾向變化之情形。於此種情形時，算出部25藉由追加圖4或圖5之項目作為參數，進行多重回歸分析、或偏相關分析等，而特定變化因子。又，算出部25去除特定之變化因子，再次算出(再構築)主曲線。於變化因子具有與環境變化等之相關性之情形時，可成為新的改善菜單或建議之見解。

又，若可自分析資料選擇擬合良好之主曲線，則可以AI(Artificial Intelligence：人工智慧)等解析各類別中之特徵或固有之特徵因子。又，亦可將各類別特有之特徵因子特定為風險因子，製作更詳細之改善對策。

[主曲線之分組] 如上述般，用以算出主曲線之同一人之第1資料及第2資料藉由感測器31之識別資訊、及第1資訊終端40之識別資訊之至少一者之識別資訊而關聯。此處，於記憶部23中，若於至少一者之識別資訊中進而關聯有人之屬性資訊(例如，年齡及性別等)，則算出部25可按各屬性資訊所示之屬性將複數個人組群化，並按各組群算出主曲線。此處之組群例如為藉由年齡層及性別而劃分之組群。每個組群之主曲線均為顯示活動量與進食量之關係之曲線，且預先記憶於記憶部23。

以下，對使用按組群算出之主曲線之健康狀態之判定方法進行說明。圖16係使用按組群算出之主曲線之健康狀態之判定方法之流程圖。

伺服器裝置20之取得部24取得對象者之活動量(S41)，且取得對象者之進食量(S42)。步驟S41及步驟S42之處理與步驟S21及步驟S22之處理同樣。

接著，取得部24取得對象者之屬性資訊(S43)。例如，對象者為接收健康狀態之通知或環境之控制之服務而預先進行使用者登錄，但若此時將對象者之屬性資訊登錄於伺服器裝置20之記憶部23，則取得部24可自記憶部23取得對象者之屬性資訊。

判定部26基於步驟S43中取得之對象者之屬性資訊，判定對象者之組群(S44)。且，判定部26自預先記憶於記憶部23之每個組群之主曲線(複數條主曲線)中選擇與對象者之組群對應之主曲線(S45)，且基於步驟S41中取得之對象者之活動量、步驟S42中取得之對象者之進食量、及步驟S45中選擇之主曲線，判定對象者之健康狀態(S46)。關於健康狀態之判定方法，與步驟S23中說明之方法同樣。另，雖於圖16中未圖示，但其後，亦適當進行利用通知部27向對象者之通知、利用控制部29進行對象者之環境之控制、及利用更新部28對主曲線之更新等。

如以上所說明，健康狀態判定系統10基於取得之屬性資訊，自預先決定之複數條主曲線中選擇1條主曲線，並基於取得之第1資料及第2資料、與選擇之1條主曲線，判定對象者之健康狀態。健康狀態判定系統10自按各屬性準備之複數條主曲線中選擇適於對象者之主曲線，並使用選擇之基準特性判定對象者之健康狀態，藉此可謀求健康狀態之判定精度提高。

[變化例] 可於記憶部23，記憶主曲線x(第1資料)及主曲線y(第2資料)之至少一者不同之複數種類之主曲線。複數種類之主曲線例如個別地被算出，但亦可利用1個感測器31之感測結果而算出。具體而言，如使用上述圖4所說明般，於可基於感測器31之感測結果取得複數種類之第1資料之情形時，算出部25可利用該情形算出與複數種類之第1資料對應之複數種類之主曲線。

於如此在記憶部23記憶複數種類之主曲線之情形時，判定部26可使用複數種類之主曲線之各者判定對象者之健康狀態。此時，對象者之健康狀態之判定係根據主曲線之種類，以適於使用該主曲線之判定之特定時間間隔(小時／日／週／月／年等之單位)進行。

又，健康狀態判定系統10亦可將對象者之第1資料、對象者之第2資料、及對象者之健康狀態之判定結果建立對應而記憶(累積)於記憶部23。若累積複數個對象者之資料，則該等資料可作為用以構築用於判定健康狀態之機械學習模型之學習資料使用。如此，本發明亦可作為用以構築機械學習模型之學習資料之產生方法而實現。又，健康狀態判定系統10亦可作為使用如此構築之機械學習模型進行對象者之健康狀態之判定，且進行判定結果之通知、或基於判定結果之環境之控制等之系統而實現。

[效果等] 如以上所說明，藉由健康狀態判定系統10等電腦執行之健康狀態判定方法包含：取得步驟，其取得各自顯示與對象者之健康或對象者感受到之舒適性相關之指標之第1資料及第2資料；及判定步驟，其基於取得之第1資料及第2資料、與預先決定之顯示第1資料所示之第1指標及第2資料所示之第2指標之關係之基準特性，判定對象者之健康狀態。基準特性相當於上述實施形態中之主曲線。

此種健康狀態判定方法可使用基準特性判定對象者之健康狀態。

又，例如，於判定步驟中，於藉由與第1指標對應之第1座標軸、及與第1座標軸正交之第2座標軸即與第2指標對應之第2座標軸而決定之座標空間中，基於由取得之第1資料及第2資料決定之對象點之位置是否在由基準特性決定之特定範圍內，而判定對象者之健康狀態。

此種健康狀態判定方法可基於座標空間中之對象點之位置判定對象者之健康狀態。

又，例如，健康狀態判定方法進而包含：預測步驟，其於藉由與第1指標對應之第1座標軸、及與第1座標軸正交之第2座標軸即與第2指標對應之第2座標軸而決定之座標空間中，基於由在互不相同之時序中取得之複數組第1資料及第2資料決定之複數個對象點、與基準特性，預測對象者之將來之健康狀態。

此種健康狀態判定方法可預測對象者之將來之健康狀態。

又，例如，於判定步驟中，以特定時間間隔進行對象者之健康狀態之判定，特定時間間隔因第1指標之種類、或第2指標之種類而異。

此種健康狀態判定方法可以適於基準特性之種類之時間間隔判定對象者之健康狀態。

又，例如，健康狀態判定方法進而包含取得對象者之屬性資訊之屬性資訊取得步驟，且於判定步驟中，基於取得之屬性資訊，自預先決定之複數個基準特性中選擇上述基準特性，並基於取得之第1資料及第2資料、與選擇之上述基準特性，判定對象者之健康狀態。

此種健康狀態判定方法自按各屬性準備之複數個基準特性中選擇適於對象者之基準特性，並使用選擇之基準特性判定對象者之健康狀態，藉此可謀求健康狀態之判定精度提高。

又，例如，於判定步驟中，基於取得之第1資料及第2資料之一者，自預先決定之複數個基準特性中選擇上述基準特性，並基於取得之第1資料及第2資料、與選擇之基準特性，判定對象者之健康狀態。

此種健康狀態判定方法自按根據第1資料及第2資料之一者決定之各類別準備之複數條主曲線中選擇適於對象者之主曲線，並使用選擇之基準特性判定對象者之健康狀態，藉此可謀求健康狀態之判定精度提高。

又，例如，健康狀態判定方法進而包含：通知步驟，其基於判定步驟中之判定結果，向對象者進行通知。

此種健康狀態判定方法可基於對象者之健康狀態之判定結果，進行向對象者之通知。

又，例如，於上述通知中，包含向對象者之建議資訊。

此種健康狀態判定方法可進行給對象者之建議。

又，例如，健康狀態判定方法進而包含：控制步驟，其基於判定步驟中之判定結果，控制對象者周圍之環境。

此種健康狀態判定方法可基於對象者之健康狀態之判定結果，控制對象者周圍之環境。

又，健康狀態判定系統10具備：取得部24，其取得各自顯示與對象者之健康或對象者感受到之舒適性相關之指標之第1資料及第2資料；及判定部26，其基於取得之第1資料及第2資料、與預先決定之顯示第1資料所示之第1指標及第2資料所示之第2指標之關係之基準特性，判定對象者之健康狀態。

此種健康狀態判定系統10可使用基準特性判定對象者之健康狀態。

又，安裝於第3資訊終端70之應用程式為用以使電腦執行以下步驟之程式：接收步驟，其自健康狀態判定系統10接收基於對象者之健康狀態之判定結果之通知資訊；及顯示步驟，其基於接收到之通知資訊，顯示通知畫面。

此種應用程式可支援對象者接收與使用基準特性判定之對象者之健康狀態相關之通知。

(其他實施形態) 以上，已對實施形態進行說明，但本發明並非限定於上述實施形態者。

例如，於上述實施形態中，健康狀態判定系統藉由複數個裝置而實現，但亦可作為單一之裝置實現。例如，健康狀態判定系統可作為相當於伺服器裝置之單一之裝置實現。於健康狀態判定系統藉由複數個裝置而實現之情形時，健康狀態判定系統具備之構成要件(尤其是功能性之構成要件)可任意分配至複數個裝置。

例如，於上述實施形態中，亦可由其他處理部執行特定處理部執行之處理。又，可變更複數個處理之順序，亦可並行執行複數個處理。

又，於上述實施形態中，各構成要件可藉由執行適於各構成要件之軟體程式而實現。各構成要件亦可藉由CPU(Central Processing Unit：中央處理單元)或處理器等程式執行部讀出並執行記錄於硬碟或半導體記憶體等之記錄媒體之軟體程式而實現。

又，各構成要件亦可藉由硬體而實現。各構成要件亦可為電路(或積體電路)。該等電路可整體構成1個電路，亦可為分別不同之電路。又，該等電路可分別為通用之電路，亦可為專用之電路。

又，本發明之全面或具體態樣亦可由系統、裝置、方法、積體電路、電腦程式或電腦可讀取之CD-ROM(Compact Disc-Read Only Memory：光碟唯讀記憶體)等記錄媒體實現。又，可由系統、裝置、方法、積體電路、電腦程式及記錄媒體之任意之組合實現。

例如，本發明可作為健康狀態判定方法實現，亦可作為用以使電腦執行健康狀態判定方法之程式(換言之，電腦程式產品)實現，又可作為記錄有此種程式之電腦可讀取之非暫時性之記錄媒體實現。

此外，由熟知本技藝者對各實施形態實施可思及之各種變化而得之形態、或於不脫離本發明主旨之範圍內對各實施形態中之構成要件及功能進行任意組合而實現之形態亦包含於本發明內。

10:健康狀態判定系統 20:伺服器裝置 21:通信部 22:資訊處理部 23:記憶部 24:取得部 25:算出部 26:判定部 27:通知部 28:更新部 29:控制部 30, 50:設施 31, 53:感測器 40:第1資訊終端 51:控制裝置 52:環境調整裝置 60:第2資訊終端 70:第3資訊終端 80:廣域通信網路 A～O:類別 S12:步驟 S21～S25:步驟 S31, S32, S34:步驟 S41, S42, S43, S45:步驟 x,y:主曲線 (1):對象點 (2):對象點

圖1係顯示實施形態之健康狀態判定系統之功能構成之圖。 圖2係顯示主曲線之第1例之圖。 圖3係實施形態之健康狀態判定系統之主曲線之產生動作之流程圖。 圖4係用以說明主曲線x及主曲線y之另一例之第1圖。 圖5係用以說明主曲線x及主曲線y之另一例之第2圖。 圖6係顯示主曲線之第2例之圖。 圖7係顯示主曲線之第3例之圖。 圖8係顯示主曲線之第4例之圖。 圖9係實施形態之健康狀態判定系統之健康狀態之判定動作例1之流程圖。 圖10係顯示通知畫面之一例之圖。 圖11係實施形態之健康狀態判定系統之健康狀態之判定動作例2之流程圖。 圖12係用以說明將來之健康狀態之預測方法之圖。 圖13係顯示通知畫面之另一例之圖。 圖14係用以說明按各類別算出主曲線之方法之圖。 圖15係使用按各類別算出之主曲線之健康狀態之判定方法之流程圖。 圖16係使用按各組群算出之主曲線之健康狀態之判定方法之流程圖。

Claims (12)

1. 一種健康狀態判定方法，其包含： 取得步驟，其取得各自顯示與對象者之健康或上述對象者感受到之舒適性相關之指標之第1資料及第2資料；及 判定步驟，其基於取得之上述第1資料及上述第2資料、與預先決定之顯示上述第1資料所示之第1指標及上述第2資料所示之第2指標之關係之基準特性，判定上述對象者之健康狀態。
2. 如請求項1之健康狀態判定方法，其中 於上述判定步驟中，於藉由與上述第1指標對應之第1座標軸、及與上述第1座標軸正交之第2座標軸即與上述第2指標對應之第2座標軸而決定之座標空間中，基於由取得之上述第1資料及上述第2資料決定之對象點之位置是否在由上述基準特性決定之特定範圍內，而判定上述對象者之健康狀態。
3. 如請求項1或2之健康狀態判定方法，其進而包含： 預測步驟，其於藉由與上述第1指標對應之第1座標軸、及與上述第1座標軸正交之第2座標軸即與上述第2指標對應之第2座標軸而決定之座標空間中，基於由在互不相同之時序中取得之複數組上述第1資料及上述第2資料決定之複數個對象點、與上述基準特性，預測上述對象者之將來之健康狀態。
4. 如請求項1或2之健康狀態判定方法，其中 於上述判定步驟中，以特定時間間隔進行上述對象者之健康狀態之判定； 上述特定時間間隔因上述第1指標之種類、或上述第2指標之種類而異。
5. 如請求項1或2之健康狀態判定方法，其進而包含： 屬性資訊取得步驟，其取得上述對象者之屬性資訊；且 於上述判定步驟中， 基於取得之上述屬性資訊，自預先決定之複數個基準特性中選擇上述基準特性； 基於取得之上述第1資料及上述第2資料、與選擇之上述基準特性，判定上述對象者之健康狀態。
6. 如請求項1或2之健康狀態判定方法，其中 於上述判定步驟中， 基於取得之上述第1資料及上述第2資料之一者，自預先決定之複數個基準特性中選擇上述基準特性； 基於取得之上述第1資料及上述第2資料、與選擇之上述基準特性，判定上述對象者之健康狀態。
7. 如請求項1或2之健康狀態判定方法，其進而包含： 通知步驟，其基於上述判定步驟中之判定結果，向上述對象者進行通知。
8. 如請求項7之健康狀態判定方法，其中 於上述通知中，包含向上述對象者之建議資訊。
9. 如請求項1或2之健康狀態判定方法，其進而包含： 控制步驟，其基於上述判定步驟中之判定結果，控制上述對象者周圍之環境。
10. 一種程式，其用以使電腦執行如請求項1至9中任1項之健康狀態判定方法。
11. 一種健康狀態判定系統，其具備： 取得部，其取得各自顯示與對象者之健康或上述對象者感受到之舒適性相關之指標之第1資料及第2資料；及 判定部，其基於取得之上述第1資料及上述第2資料、與預先決定之顯示上述第1資料所示之第1指標及上述第2資料所示之第2指標之關係之基準特性，判定上述對象者之健康狀態。
12. 一種程式，其用以使電腦執行以下步驟： 接收步驟，其自如如請求項11之健康狀態判定系統接收基於上述對象者之健康狀態之判定結果之通知資訊；及 顯示步驟，其基於接收到之上述通知資訊，顯示通知畫面。