示教数据收集委托装置以及示教数据收集方法与流程

1.本发明涉及一种示教数据收集委托装置以及示教数据收集方法，该示教数据收集委托装置以及示教数据收集方法在医生等专家的日常的检查、诊察中发现了新的事件时，能够容易地收集表示直到该事件的过程的信息，并根据该收集到的信息，生成推理模型生成用的示教数据。


背景技术：

2.已知有使用自然语言处理、深度学习技术等人工智能相关技术将文本、图像等信息分类为多个类别中的任意一个类别的技术。但是，使人工智能学习示教数据、或者对人工智能的分类结果进行评价、或者切换学习不同示教数据的人工智能而进行分类这样的作业对于服务提供者来说是繁杂的作业，对于服务提供者来说成为较大的负担。
3.因此，提出了如下的分类辅助装置，以减轻服务提供者的负担：预先存储对象数据与学习模型的特征的对应关系，从客户端取得对象数据，指定具有与该对象数据对应的特征的学习模型来对对象数据进行分类，该学习模型根据使用了示教数据的学习结果，对对象数据进行分类(参照专利文献1)。
4.现有技术文献
5.专利文献
6.专利文献1：日本特开2018-028795号公报


技术实现要素：

7.发明要解决的课题
8.上述的分类辅助装置在分类为已准备的分类模型时，能够进行辅助。但是，没有记载如下内容：在发生了新的事件时，容易地收集表示直到该事件的过程的信息，并根据该收集到的信息，生成推理模型生成用的示教数据。
9.本发明正是鉴于这样的情况而完成的，其目的在于提供一种示教数据收集委托装置以及示教数据收集方法，该示教数据收集委托装置以及示教数据收集方法在发生了新的事件时，容易地收集表示直到该事件的过程的信息，并根据该收集到的信息，生成推理模型生成用的示教数据。
10.用于解决问题的手段
11.为了达成上述目的，第1发明的示教数据收集委托装置具有：输入部，其供医生输入与特定的患者的病情相关的信息；设备确定部，其确定能够取得上述患者的过去的时间序列数据的设备；以及学习委托部，其针对使用了与由上述设备确定部确定的设备相同的设备的其他人，将使用上述相同的设备收集到的数据和诊察信息转化为示教数据而委托学习。
12.第2发明的示教数据收集委托装置在上述第1发明中，上述学习委托部按照如下方式来收集上述示教数据：委托学习而生成的推理模型的输入输出的关系为，由上述相同的
设备收集到的收集数据成为输入，由医生输入的与患者的病情对应的信息成为输出。
13.第3发明的示教数据收集委托装置在上述第2发明中，上述示教数据收集委托装置还具有显示部，该显示部显示设备，以进行数据收集用的设备的选择，上述设备确定部从上述显示部所显示的设备中确定设备。
14.第4发明的示教数据收集委托装置在上述第2发明中，使用示教数据进行学习而得到的上述推理模型的假定结果为，将特定的检体信息和/或生物体信息设为输入，将输出设为诊断辅助信息。
15.第5发明的示教数据收集委托装置在上述第1发明中，该示教数据收集委托装置具有显示控制部，该显示控制部使显示部一览显示能够取得多个对象物和多个时刻的特定信息的经时变化的设备。
16.第6发明的示教数据收集委托装置在上述第1发明中，该示教数据收集委托装置具有显示控制部，该显示控制部使显示部一览显示多个时刻的特定信息的经时变化。
17.第7发明的示教数据收集委托装置在上述第1发明中，该示教数据收集委托装置具有显示控制部，该显示控制部将患者的过去的时间序列数据输入到上述学习委托部委托生成的推理模型中，使显示部显示所取得的诊断辅助信息。
18.第8发明的示教数据收集装置具有：输入部，其根据医生对特定的患者诊断出的结果，输入与上述患者的病情相关的信息；设备确定部，其确定能够取得上述患者的过去的时间序列数据的设备；以及学习委托部，其针对使用了与由上述设备确定部确定的设备相同的设备的其他人，将使用上述相同的设备收集到的数据和诊察信息转化为示教数据而委托学习。
19.第9发明的示教数据收集方法具有以下步骤：输入步骤，输入与特定的患者的病情相关的信息；设备确定步骤，确定能够取得上述患者的过去的时间序列数据的设备；以及委托步骤，委托收集具有与上述确定出的设备相同的设备的其他人的时间序列数据。
20.第10发明的记录介质存储用于使示教数据收集装置中所设置的计算机执行以下步骤的程序：输入步骤，输入与特定的患者的病情相关的信息；设备确定步骤，确定能够取得上述患者的过去的时间序列数据的设备；以及委托步骤，委托收集具有与上述确定出的设备相同的设备的其他人的时间序列数据。
21.第11发明的记录介质存储用于使示教数据收集装置中所设置的计算机执行以下步骤的程序：输入步骤，根据医生对特定的患者诊断出的结果，输入与上述患者的病情相关的信息；设备确定步骤，确定能够取得上述患者的过去的时间序列数据的设备；以及学习委托步骤，针对使用了与通过上述设备确定步骤而确定出的设备相同的设备的其他人，将使用上述相同的设备收集到的数据和诊察信息转化为示教数据而委托学习。
22.发明效果
23.根据本发明，能够提供一种示教数据收集委托装置以及示教数据收集方法，该示教数据收集委托装置在发生了新的事件时，容易地收集表示直到该事件的过程的信息，并根据该收集到的信息，生成推理模型生成用的示教数据。
附图说明
24.图1a是示出本发明的一个实施方式的示教数据收集系统的整体结构的框图。
25.图1b是示出本发明的一个实施方式的示教数据收集系统的整体结构的框图。
26.图2是示出本发明的一个实施方式的示教数据收集系统中的学习用数据的例子的图。
27.图3是示出发明的一个实施方式的示教数据收集系统的db部中记录的数据的一例的图。
28.图4是示出发明的一个实施方式的示教数据收集系统的医生操作用显示部中的显示例的图。
29.图5是示出发明的一个实施方式的示教数据收集系统的医生操作用显示部中的经时变化的显示例的图。
30.图6是示出发明的一个实施方式的示教数据收集系统的医生操作用显示部中的菜单画面的显示例的图。
31.图7是示出发明的一个实施方式的示教数据收集系统的医生操作用显示部中的患者选择画面的显示例的图。
32.图8是示出发明的一个实施方式的示教数据收集系统的医生操作用显示部中的诊断输入画面的显示例的图。
33.图9a是示出发明的一个实施方式的示教数据收集系统的控制部的动作的一例的流程图。
34.图9b是示出发明的一个实施方式的示教数据收集系统的控制部的动作的一例的流程图。
35.图10a是示出发明的一个实施方式的示教数据收集系统的控制部的动作的其他例子的流程图。
36.图10b是示出发明的一个实施方式的示教数据收集系统的控制部的动作的其他例子的流程图。
具体实施方式
37.以下，作为本发明的一个实施方式，对将本发明应用于活用it平台等的数据收集系统的例子进行说明。本实施方式的数据收集系统收集多个装置的输出数据，使用通过将该收集到的数据作为示教数据进行学习而生成的推理模型来进行推理。存在如下情况：医生等专家每天在诊察、体检时，发现对象者(用户、患者)没有意识到的病情等身心从正常状态的变化。在该情况下，当医生等将对象者所使用的检查设备输入到数据收集系统中时，能够取得该对象者通过检查设备掌握到的过去的时间序列数据。通过观察该数据，能够确认对象者的到目前为止的过程，成为判断疾病等时的参考。
38.此外，数据收集系统能够收集不限于对象者而其他人使用相同的设备检查到的检查数据，并显示该收集到的数据。专家通过参考该其他人的数据，能够进行精度更高的诊断。
39.此外，医生等专家能够将数据收集系统收集到的数据作为示教数据来委托推理模型的生成。该推理模型针对不常见的症状，能够推理是怎样的疾病、今后的症状的转变(例如，何时恶化并去医院等)、治疗方法等。另外，当然可以实现专家的助手在专家的指导下辅助除了专家以外的人等应用。此外，具有助手、除了专家以外的人通过模仿专家的方法并让
其通过推理来检查该行为的方法等，但即使在如这样的各种情况下，只要明确其来历即可。也可以使得能够记录对图2的(a)所示的数据文件的元数据附加了注释的人的分类、id等，并进行对专家所进行的注释结果加大示教数据的加权等研究。
40.此外，在本实施方式中，数据收集系统例如每天通过第1设备、第2设备等检查设备监视与健康状态相关的检查数据，并收集这些数据，以通过考虑用户(对象者)的状况来掌握准确的健康状态并提供定制信息。根据该数据收集系统收集到的数据，提供与健康相关的信息。即，该示教数据收集系统每天使用多个设备来监视与用户的健康状态相关的检查数据。
41.能够使用通过该监视而取得的历史数据来将与健康相关的建议显示给用户。此外，在提示建议时，也能够将通过监视收集到的数据输入到设定有推理模型的推理引擎中，根据推理引擎的推理结果，显示建议。
42.另外，该取得的数据也可以是某特定项目的数值这样的数据，将元数据与该取得的数据建立关联。也可以包含该元数据在内进行判定。将该元数据和取得数据统一称作取得数据，但实际上也可以利用文件、数据的形式处理这些数据组，或者利用文件夹汇总处理数据组。具有属于哪个个人这样的信息、取得日期时间信息、输出数据的设备的种类、该数据的类别等，作为元数据。元数据也可以包含测量环境的数据等。当然，作为系统，在能够限定这些元数据所表示的变化元素的情况下，也具有可以省略的数据。
43.但是，作为用户使用的检查设备，有时设置于家庭、工作地(也包含上学的学校等)中。具有电子血压计、电子体温计、厕所中设置的大便/尿的检查设备等，作为设置于家庭等的检查设备。此外，除了家庭等以外，在定期体检、短期综合体检、献血等时的体检等中，也使用各种检查设备。并且，在用户在医疗机构就诊时，也使用各种检查设备。这样，多数情况下使用各种检查设备，通常，多数情况下针对每个用户确定检查设备。
44.此外，在用户的行为范围、行为内容等伴有特定疾病的发病、恶化的风险的情况下，用户持有的移动终端中所设置的gps、结算功能等也能够成为检查设备。最近，具有可穿戴终端具有上述功能的设备。在智能家居等中，也具有在洗脸池上设置有健康管理摄像头或者能够判定室温的设定、电、燃气、自来水的使用、洗澡的有无或时机等的设备。监视摄像头、车载摄像头等也能够用作检查设备。这样，虽然繁杂的设备有可能监护生活，但当收集所有设备的数据时，在感测、记录中产生麻烦、能量、存储器容量、通信负荷的问题，是不现实的。此外，用户不会逐一意识到哪个是重要的信息。相反，当使用户意识到时，还可能发生麻烦的排斥反应。此外，还具有个人信息的问题，一般来说，不优选随意使用这些设备的数据，优选活用在由进行服务的经营者、系统与作为对象的特定用户的合同中规定的条件下确定出的信息。
45.在本实施方式中，数据收集系统收集来自用户所使用的多种检查设备的信息，预先记录到数据库中。然后，如上所述，医生等专家能够根据需要检索数据，并使用这些数据进行推理，向用户进行各种建议。能够通过数据收集系统委托学习装置生成用于进行该建议的推理模型。此外，除了专家以外的个人、团体也能够得到信息，并委托生成用于选择风险较小的行为的推理模型。
46.接着，使用图1a和图1b，说明本发明的一个实施方式的示教数据收集系统的结构。该示教数据收集系统由控制部1、第1设备2a、第2设备2b、第3设备3、终端4、学习部5、学习委
托部6、推理引擎7、数据库(db)部8、诊断/检查机构(包含医疗机构等)9和医生终端9e构成。另外，图1b中记载的控制部1与图1a中记载的控制部1相同，在图1b的控制部1中，省略了内部的详细结构。
47.数据收集系统的各部中的、控制部1配置于服务器内。第1设备2a、第2设备2b、第3设备3、终端4、学习部5、学习委托部6、推理引擎7、db部8(也可以表述为记录部、存储部)和诊断/检查机构9能够通过互联网等网络而与服务器连接。但是，本实施方式不限于该结构，例如，也可以是控制部1、第1设备2a、第2设备2b、第3设备3、学习部5、学习委托部6、推理引擎7和db部8中的任意一个或多个配置于服务器内，其他部件配置于其他服务器、个人计算机等电子设备中。并且，诊断/检查机构9也可以具有服务器的功能。
48.此外，第1设备2a、第2设备2b、第3设备3、终端4和诊断/检查机构9具有与控制部1相同的功能，具有与db部8相同的记录功能，以下，也可以执行说明为由控制部1进行的控制。例如，也可以执行说明为位于云上的控制部1与作为边缘(终端)的第1设备2a、第2设备2b、第3设备3、终端4和诊断/检查机构9等协作地由控制部1进行的控制。由于协作时的通信速度、各边缘的硬件结构、功耗等存在界限等，通常针对每个系统进行优化。但是，在此，为了能够简化说明，记载为控制部1集中地进行以下的控制。
49.控制部1是对本实施方式的数据收集系统进行控制的控制器(处理器)，假定了服务器等、通过网络向其他终端提供文件、数据等的由cpu(central processing unit：中央处理单元)、存储器、hdd(hard disc drive：硬盘驱动器)等构成的it设备。但是，控制部1不限于该结构，在构建为小规模的系统的情况下，也可以是如个人计算机的结构。控制部1具有各种接口电路，能够与其他设备协作，能够利用程序进行各种运算控制。
50.控制部1从要协作的各装置接收信息，整理信息，生出必要的信息，并将该信息提供给用户。控制部1还具有向要协作的各装置输出委托并操作各装置这样的功能。在本实施方式中，假定系统的自由度的高低、使用便利性，在第1设备2a等设备、用户所具有的终端4等与控制部1之间能够通过无线通信、有线通信进行连接。作为用于此的通信，假定无线lan、移动电话通信网，也可以根据状况而并用蓝牙(注册商标)、红外线通信等近距离无线等通信。由于由通信线路、天线、连接端子等构成的通信部的记载变得繁杂，因此在图1中省略，但在图中的表示通信的箭头的部分设置有具有通信线路等的通信部。
51.控制部1具有通信控制部1a、id判定部1b、信息提供部1c、推理模型规格决定部1d、推理委托部1e和检索部1f。这些各部既可以通过基于控制部1内的具有cpu等的处理器和程序等的软件来实现，也可以通过硬件电路来实现，还可以通过使软件和硬件电路协作来实现。此外，如上所述，控制部1由具有cpu等的处理器构成，实现通信控制部1a、id判定部1b、信息提供部1c、推理模型规格决定部1d、推理委托部1e、检索部1f所具有的功能(例如，输入部(云控制时输入部))、设备确定部、学习委托部和显示控制部等)。此外，处理器不限于1个，也可以分割为多个，分别协调地进行动作，由此实现各部的功能。
52.例如，图9a和图9b是示出本发明的一个实施方式的数据收集系统的控制部的动作的一例的流程图，但作为流程图，以一个控制部(例如图1的控制部1)全部执行各步骤的方式成为简化的记载。但是，实际上，在各步骤中，与其他功能块(例如，第1设备2a～第3设备3、诊断/检查机构9、db部8、终端4等)协作。此外，由于各功能块本身也具有与控制部1类似的功能，因此也可以在各功能块间分担流程图中的各步骤。该情况如一般进行在云和边缘
(终端)中哪个功能块做什么这样的讨论那样，根据状况、系统的背景环境而确定由哪个功能块执行较好。
53.另外，在图1a中，由于控制部1中的各部相互协作地发挥各自的功能，因此省略了信号的方向，但另行在流程图中进行说明。例如，在如图10a的s31的步骤中，id判定部1b从第1设备2a、第2设备2b等按照每个同一用户收集信息。
54.通信控制部1a具有通信线路等，与第1设备2a、第2设备2b、第3设备3、终端4、学习部5、学习委托部6、推理引擎7、数据库(db)部8、诊断/检查机构9内所设置的通信部(通信线路)进行数据等的收发。通信控制部1a作为将从装置输出的输出数据输入的数据输入部(输入电路)发挥功能。此外，通信控制部1a作为取得信息的信息取得部发挥功能。另外，第1设备2a、第2设备2b、第3设备3、终端4、诊断/检查机构9等各设备/各部也分别具有通信部，但在图1中，由于变得复杂，因此省略图示。
55.id判定部1b从第1设备2a等按照每个同一用户收集信息。为了确定通过第1设备2a、第2设备2b、第3设备3、诊断/检查机构9取得了信息的个人，按照个人分配了id。在本实施方式中，由于处理各个用户的数据，因此id判定部1b进行接收哪个用户的信息并向哪个用户发出引导的管理。该特定用户的判定通过第1设备2a、第2设备2b、第3设备3具有生物体认证功能、或者用户利用终端4输入id、或者用户通过第1设备2a、第2设备2b中的通信部发送id、或者终端4读取固有的代码来进行。另外，为了保护个人信息，通过对必要的部分进行加密来严格管理，但由于这些是通用技术，因此省略详细的说明。
56.作为各设备的id，如后所述，各设备也可以存储类别信息，根据类别信息来判别与该设备的设备种类名称相关的信息、表示是哪个个体的固有的信息等。也可以根据设备种类名称知晓搭载的传感器的功能、性能等，根据个体信息知晓设置场所、使用环境等，也可以使得能够通过网络等检索这些信息。如果知晓设备种类名称，则能够判定类似设备的信息，也可以根据设置场所、使用环境判定纬度经度、室内室外、季节、天气、温度特性等，考虑该判定结果来进行该设备的输出信息的校正。
57.信息提供部1c具有取得用户的信息(也可以参考其他装置已取得的结果)以向用户提供准确的信息的功能。此外，信息提供部1c取得从第1设备2a等、诊断/检查机构9取得的用户(根据id来确定)的检查数据、医生等的诊断结果。信息提供部1c作为根据医生对特定的患者诊断出的结果来输入与上述患者的病情相关的信息的输入部(输入接口、云控制时输入部)发挥功能(例如，参照图9b的s31)。
58.此外，如果从诊断/检查机构9发出请求，则信息提供部1c将由第1设备2a等取得的检查数据、db部8中记录的数据等提供给诊断/检查机构9。此外，在从使用医生终端9e的医生等经由诊断/检查机构9发出请求的情况下，也同样地提供数据。
59.并且，信息提供部1c使用所取得的检查数据、从诊断/检查机构9取得的各种信息、以及与db部8中存储的持有设备相关的信息、用户的资料信息等来判断用户的健康状态。作为健康状态，包含当前所患的疾病、未来有可能发病的疾病，当判断健康状态时，将与健康状态相关的信息提供给用户。此外，在判断出用户的疾病等的情况下，根据需要将与设施相关的信息提供给用户，用户应在该设施接受检查、治疗。
60.此外，如果预先使得控制部1能够预先根据使用者的id等向诊断/检查机构9查询当前的就诊状况、处方药等信息、过去的体检结果等，以确认特定状况的使用者的健康状
态，则与设备数据的关联的判定变得容易。能够通过对终端4进行操作的用户允许该终端的协作、或者对诊断/检查机构(的it设备)9进行操作的医生进行允许协作这样的操作等来应对安全性上的问题。
61.即，信息提供部1c也可以将与健康相关的信息、例如何时访问设施以接受检查、治疗那样的信息、用于推荐适合接受检查、治疗的设施的信息提供给用户。信息提供部1c取得从第1设备2a等、诊断/检查机构9发送来的检查数据。如后所述，该数据是附加有时间信息的检查数据(时间序列信息)，以能够成为如图5所示的曲线图那样的数据结构来存储。另外，在本实施方式中，假定了控制部1使用来自第1设备2a等、诊断/检查机构9等中的设备的信息来对用户进行信息提供，但也可以是具有诊断/检查机构9的服务器同样地收集信息那样的变形例。
62.此外，信息提供部1c从第1设备2a、第2设备2b等收集检查数据，并记录到db部8中，以提供这些信息。信息取得的频度、数据数量也可以根据第1设备2a、第2设备2b等而不同。即，按照时间序列整理由各种设备得到的特定的健康关联数值的增减，改变设备而测量出的数值能够按照每个设备进行整理。
63.当在db部8中记录有用户的住址、工作的场所中的行为方式、饮食生活、就寝时间、饮食的时机等生活习惯等的情况下，信息提供部可以从db部8取得这些信息，也可以在互联网上取得这些信息。信息提供部1c也可以还考虑该取得的信息来生成向用户提供的设施等信息。这些信息的取得能够通过通用或者广为人知的技术来补充。此外，通过取得这些信息而生成的设施等信息的定制也可以由信息提供部1c进行。与该设施相关的资料信息是从诊断/检查机构9作为医疗机构信息取得的。
64.信息提供部1c取得成为用户的特定期间的时间序列模式的检查数据。该取得的时间序列模式不是仅通过1次测量而得到的数据，而是由在多个不同的时机通过测量而取得的各个检查数据构成，甚至将检查数据的模式的变化用作信息。通过使用由多个检查数据构成的时间序列模式，难以受到因测量环境、状况的变化而产生的误差的影响。并且，根据特定期间的结束时期来推理未来的时期(特定期间的延长时)的健康状态，能够进行针对未来的预测。
65.此外，如果对所取得的时间序列模式赋予用户来到检查/医疗机构的时机信息作为注释信息，则能够获得示教数据。如果存在推理部，且该推理部具有通过使用该示教数据来学习而生成的推理模型，则能够进行在特定期间(用于取得时间序列变化模式的期间)之后的时机(特定期间的延长时)发生什么的推理。此外，如果知晓用户的病名等，则能够生成赋予该信息作为注释信息的示教数据。通过使用该示教数据来学习，能够生成推理疾病等健康信息的推理模型。另外，在生成在此所使用的推理模型时，规定特定的输入输出信息的规格，进行学习。
66.这样，在进行机器学习、深度学习时，将数据中附加有注释(注解)的数据设为示教数据。在收集到时间序列数据等数据组时，认为各个数据包含有助于其注释结果的某些信息，包含该信息的数据成为示教数据。但是，误差、噪声有时因某些故障而与数据重叠，也可能存在由于信息检测、传输时的不良情况等而不值得利用的情况。因此，也可以根据需要从满足预先设定的数据形式、数据规格、数据类别、数据大小的范围等条件的数据中选择示教数据。
67.因此，在本实施方式中，设置有传递信息决定部，该传递信息决定部将用户的检查数据的时间序列变化模式输入到推理部中，由推理部进行推理，根据该推理结果，决定特定期间之后的时机的传递信息。因此，可以提供能够传递时间序列模式的检查取得时之后的时机的预测信息的系统、装置、方法、程序等。
68.在本实施方式中，信息提供部1c将检查数据的变化模式输入到设定有由学习部5生成的推理模型的推理引擎7中，得到与建议相关的推理结果，并提供给与所输入的检查数据对应的用户。该服务有时利用个人信息，为了接受建议等的提供，有时需要使用个人信息的合同等。在这个意义上，也有时用户的资料信息较重要。此外，在用户是幼儿、高龄的情况下，也可以向照顾该用户的人、护理者等送达建议。这也根据以用户的资料信息进行管理的信息来送达建议等有效信息。
69.推理模型规格决定部1d在推理委托部1e通过学习委托部6委托学习部5生成推理模型时，决定要生成的推理模型的规格。控制部1从第1设备2a等取得用户的生物体信息，并存储该生物体信息。控制部1将所存储的生物体信息作为示教数据，通过学习委托部6委托学习部5生成各种推理模型。此外，如后所述，医生等有时从医生终端9e委托推理模型的生成(例如，参照图9b的s21、s23)。在该情况下，推理模型规格决定部1d也可以决定推理模型的规格。该推理模型使用示教数据来学习，该推理模型的假定结果将特定的检体信息、生物体信息设为输入，将输出设为诊断辅助信息。
70.存在如下想法：如果针对类似病例的患者及其前期患者具有有用的推理模型，则许多人将自己或家属等的健康关联信息输入到推理模型中，利用该推理结果，由此能够促进健康。该想法是以如下情况为背景而产生的：随着iot化的潮流，各种设备由于it技术的发展而与互联网连接，因此能够在社会上从各种监护设备(例如，图1a的第1设备～第3设备等)取得许多人的健康关联信息，许多人容易使用信息终端来访问有用的信息。
71.根据该想法，能够将监护设备(例如，图1a的第1设备～第3设备)用作工具，以支持每个人的健康意识并确认就诊的必要性，能够防止不必要地去诊所等而导致感染。例如，如果将例如手表型的终端假定为第1设备～第3设备(图1a)并预先使得能够进行睡眠和心率的监视，则能够利用该监视数据推导出流感的可能性，在近年来的研究中也有这样的报告，因此能够应对流感。即，如果知晓实际上被医生根据设备数据判定为流感的情况和并非如此的情况(当假定这样的方法时，也可以使得医生能够输入虽然疑似流感但并非如此这样的诊察结果、判定结果)，则流感的可能性较低，能够防止在医疗机构中与其他患者接触的风险、尽管有流感的可能性但仍不佩戴口罩就外出而给其他患者带来风险的情况。此外，医生也可以在诊察时，参考上述的健康关联信息(日常按照时间序列所得到的信息)。并且，除了问诊等(无论是面对面还是可视电话)以外，还可以使用流感检查试剂盒(传染病判定试剂盒)等进行诊断。
72.由于是以这样的方式得到的宝贵的诊断结果，因此本实施方式想要综合性地利用经过相同的过程并正在进行相同的诊察或者进行了相同的诊察而得到的见解。即，在各种医疗机构、医生处，各种患者的诊察、诊断的结果被转化为示教数据，如果其他医生参照作为这些示教数据的集合的大数据和经过上述的过程而生成的推理模型，则也能够应对最近的医生不足的问题、人们的健康意识提高的要求。
73.推理模型规格决定部1d在生成推理模型时，决定委托怎样的规格的推理模型。例
如，在存储有时间序列的生物体信息的情况下，推理模型规格决定部1d决定用于推理当成为怎样的检查数据(值)时用户会在几天后在医疗设施中接受治疗的推理模型的规格。此外，推理模型规格决定部1d根据时间序列的生物体信息，决定用于生成如下推理模型的规格，该推理模型推理当前患有怎样的疾病、未来(何时)有可能患有怎样的疾病、以及在有可能患病的情况下为了接受必要的检查、治疗而被推荐的设施。
74.推理委托部1e通过学习委托部6委托学习部5生成由推理模型规格决定部1d决定的规格的推理模型。即，在存储有规定数量的由第1设备2a等取得的生物体信息的情况下，推理委托部1e通过学习委托部6委托学习部5生成推理模型，通过学习委托部6接收所生成的推理模型。该接收到的推理模型发送给推理引擎7。另外，控制部1优选准备多个推理模型，根据应提供给用户的信息而适当地选择推理模型。此外，如果控制部1能够直接与学习部5进行通信，则也可以从学习部5直接接收推理模型。并且，如后所述，医生等有时从医生终端9e委托推理模型的生成(例如，参照图9b的s23)。在该情况下，推理委托部1e也可以通过学习委托部6委托学习部5生成推理模型。
75.推理委托部1e作为将收集到的假定外的数据转化为示教数据而请求学习与示教数据收集系统对应的推理模型的推理委托部发挥功能。推理委托部1e作为取得通过使用收集到的示教数据来学习而生成的推理模型的推理模型取得部发挥功能。推理模型取得部对收集到的示教数据的值的时间序列转变的模式进行学习，取得推理模型。推理委托部1e作为将其他人的时间序列数据和诊察信息转化为示教数据而委托学习的学习委托部发挥功能(例如，参照图10b的s61)，该其他人具有与所确定的设备相同的设备。
76.检索部1f在根据由第1设备2a、第2设备2b、第3设备取得的用户的生物体信息，判明了当前所患的疾病、未来(何时)有可能患怎样的疾病、进而需要检查、治疗时，在db部8中存储的数据库中，检索具有检查、治疗所需的设备的检查机构、医疗机构。这些信息也可以使用推理引擎7来通过推理取得，但有时也与所存储的数据一致。由于也存在这样的情况，因此在本实施方式中，能够进行检索部1f的检索。
77.此外，如后所述，医生等有时在医生终端9e中检索使用患者所使用的检查设备而取得的检查数据(例如，参照图9a的s17)。在该情况下，如果通过诊断/检查机构9有检索的委托，则检索部1f进行与委托对应的检索。检索部1f作为确定能够取得患者的过去的时间序列数据的设备的设备确定部发挥功能(例如参照图10b的s51、s53、s55)。设备确定部使显示部从设备的一览中显示数据收集用的设备，从该显示的设备中确定特定设备(例如，参照图10b的s55)。
78.设备确定部确定出能够取得患者的过去的时间序列数据的设备是因为，在许多人使用共享的设备的情况下，通过检索使用“相同的设备”而检查到的其他人的数据，或者检索使用“相同型号的设备”或者“相同规格的设备”而检查到的其他人的数据，将数据大数据化，具有减少噪声数据的效果、增加示教数据的量等效果。此外，在已知特定的状况对疾病、健康状态产生影响的情况下，也可以适当地进行数据的取舍选择，以应对该状况。例如，在根据特定的性别、特定的年龄、特定的地域等检索条件筛选数据更有效果的情况下，在检索时，赋予该条件。
79.第1设备2a和第2设备2b是用于取得用户的健康关联信息、例如生命体征信息、检体信息等检查数据的设备。第1设备2a和第2设备2b是特定规格的检查设备，是能够进行同
种(同样)的健康关联信息的检查的设备。第1设备2a存储有类别2a1，第2设备2b存储有类型2b1。类别2a1、类别2b1是与设备的种类、型号、检查项目等相关的信息，在由各设备向控制部1发送用户的检查数据时，被一并发送。
80.在由第1设备2a和第2设备2b取得的检查数据组的相互的检查时机不同的情况下，只要可以实现能够对两个数据进行插补的检查即可。此外，第1设备2a和第2设备2b也可以不检查完全相同的检查项目，例如，即使在一边测量血压一边测量心率的情况下，两个数据也能够相互进行插补。另外，在图1中，仅记载了第1设备2a和第2设备2b这2个，作为用于取得用户的检查数据的设备，但不限于2个，也可以是3个以上。此外，如后所述，在本实施方式中，假定了第3设备3，作为用于取得除了用户以外的人的检查数据的设备。
81.另外，通过持续取得相同类型的数据，有时能够更精确地确认健康状态。例如，由于表示健康状态的数值由于一年的春夏秋冬、一天的早中晚、刚就寝后、饭前饭后或者工作中及其以外、上班日和远程办公时、休息日等各种因素而发生变化，因此也可能具有通过持续取得数据来发现如在通常的检查中没有注意到的异常的情况。鉴于这样的状况，期望在各种状况下，持续取得相同的数据。但是，由于取得数据的设备、装置有时按照每个状况而不同，有时由于每个状况的环境变化、各种限制而产生差异、误差，因此可能无法以相同的基准进行比较。
82.因此，能够由第1设备取得对象者的时间序列的第1检查数据组，并且能够由第2设备取得上述对象者的时间序列的第2检查数据组，第2设备可进行能够对上述第1检查数据组进行插补这样的检查，通过使用这些数据组，上述第1检查数据组和上述第2检查数据组能够设为相互补充检查时机或者检查项目的关系。根据状况的不同，需要想办法判定不同的第1设备和第2设备的相同的数值的变化，但通过按照上述第1检查数据组、第2检查数据组各个检查数据组进行校正，能够消除误差，扩充、补充信息。此外，也可以计算将校正后的检查数据组作为输入而推理时的可靠性，并根据该可靠性，决定传递信息。这是因为，在可靠性较低的情况下，可以认为未适当地进行校正，而不值得提供推理结果。在校正检查数据时，通过对该检查数据组中包含的数据各自中共享的数值进行四则运算，能够应对仅存在误差的情况、传感器的增益不同的情况等。
83.作为第1设备2a等取得的健康关联信息，具有各种信息，例如具有用户的体温、血压、心率等生命体征信息。此外，作为健康关联信息，具有用户的尿、大便等排泄物、痰、血液等各种检体信息。在大便的情况下，第1设备2a、第2设备2b取得该大便的颜色、形状、量、日期时间信息。第1设备2a、第2设备2b可以依照来自控制部1的指示取得信息，也可以根据用户的操作而取得信息，还可以自动地取得信息。此外，第1设备2a等也可以收集并活用通过对作为医疗/健康信息的信息“个人健康记录(personal health records：phr)”加上日常生活、工作单位/学校中的活动、饮食、体育活动等日常生活的各种活动数据而得到的个人生活记录(personal life records：plr)。所取得的信息通过第1设备2a等中的通信部(省略图示)发送给控制部1。
84.在第1设备2a、第2设备2b得到了与用户相关的信息的情况下，控制部1的信息提供部1c将与健康相关的信息提示给用户的信息终端4。假定该提示辅助用户的行动而进行说明，但可以考虑各种变形。作为与健康相关的信息，具有与推荐的医疗设施相关的信息、与日常的生活习惯相关的信息等。
85.第3设备3也可以是取得与使用第1装置2a和第2装置2b的用户不同的人的数据的设备。使用第1设备2a、第2设备2b的用户有时新开始使用第3设备3，或者临时使用第3设备3。在图1a中，仅记载了1个第3设备3，但也可以是多个，在图1a中，统一表现不特定的多个设备。
86.另外，第3设备3也存储有类别3a1。类别3a1是与第3设备3的种类、型号、检查项目等相关的信息，在第3设备3向控制部1发送用户的检查数据时，类别信息被一并发送。
87.在使用可穿戴终端作为第1设备2a、第2设备2b、第3设备3的情况下，根据可穿戴终端的佩戴部位而紧贴于皮肤或身体附近，能够得到体温、心率、血压、脑电波、视线、呼吸、呼气等生命体征信息。此外，有时将专用的精密设备配置于健康设施、公共浴池、药房、购物中心等，作为体重计、血压计、测量表示动脉壁的硬度的动脉硬度的测量仪，并且也一起配置有专业的测量者。多数情况下，在这样的设施中，用户在空闲时间等，轻松地使用测量设备，根据此时的测量结果，管理身体状况。也可以将这些测量设备设为第1设备2a、第2设备2b、第3设备3。
88.此外，第1设备2a、第2设备2b、第3设备3有时在用户使用了专用终端等的前后，委托填写调查问卷。在这样的情况下，能够根据该调查问卷的记载，确定用户的资料信息、其他信息。这样的信息收集不限于第1设备2a等，也可以由控制部1进行。如果能够也听取何时在医疗机构、检查机构等就诊的信息等，则能够也将这些用作信息。
89.第1设备2a、第2设备2b、第3设备3也可以是已患有特定的疾病而在医生的指导下使用的体温计、血压计等。此外，在收集由智能手机所具有的摄像头拍摄到的面部、指甲等的颜色、面部的表情、患部的图像、利用麦克风收集咽喉不舒服时的声音的情况下等，便携终端(智能手机)可直接成为第1设备2a、第2设备2b、第3设备3。
90.最近，开发了简易的健康管理设备、健康信息取得设备，这些设备有时搭载于可穿戴设备，这样的装置也不是独立的，多数情况下被看作智能手机的外围设备，因此也可以将其也假定为便携终端。此外，即使不是可穿戴设备，有时也将简易的测量设备设置于人聚集的场所，提供健康信息服务。也可以将这样的设备用作第1设备2a、第2设备2b、第3设备3。
91.从第1设备2a、第2设备2b和第3设备3向控制部1的通信控制部1a发送使用者id、设备id、输出数据等信息。在该发送时，通过数据文件df1的文件形式来发送。数据文件df1包含取得数据rd1和元数据md1。取得数据rd1是各设备所取得的数据，元数据md1包含取得了取得数据时的日期时间信息、确定接受了检查的人的id、取得了取得数据的设备信息等。关于数据文件df的其他形式，使用图2之后叙述。
92.诊断/检查机构9具有db部9a、控制部9b和显示控制部9c，是用户接受体检/诊察/检查的设施，例如具有检查设施、医疗设施，也包含药房。在诊断/检查机构9中从事诊疗等的医生等能够通过后述的医生终端9e与诊断/检查机构9进行信息的交换。
93.当然，诊断/检查机构9也可以是移动型、例如将一般医疗设备、检查设备搭载于汽车、火车、轮船、直升机、无人机等并前往患者所在地的类型。控制部1能够从运营诊断/检查机构9的系统的服务器等取得前往了哪个医疗机构、出现了怎样的检查结果等。相反，控制部9b也能够根据来自属于诊断/检查机构9的医生等的委托而从控制部1取得各种数据等。当然，诊断/检查机构9的服务器可以与控制部1相同，也可以分担一部分功能。
94.在诊断/检查机构9中，接受了体检等的用户的信息通过数据文件df2的文件形式
来发送给控制部1的通信控制部1a。数据文件df2包含取得数据rd2和元数据md2。取得数据rd2是各设备所取得的数据与日期时间的组合，元数据md2包含取得了取得数据的设备信息、诊察结果信息等。关于数据文件df的其他形式，使用图2之后叙述。
95.诊断/检查机构9的db部9a是可电改写的非易失性存储器。db部9a按照个人id记录诊断/检查机构9中的诊断结果、检查结果。此外，db部9a还能够记录与用户的生活习惯相关的信息、针对生活习惯的生活指导(生活习惯对应)等。并且，也能够记录用户所服用的药剂等。
96.此外，db部9a也可以根据需要预先记录每个患者的基因信息、微生物群落(常驻菌的一种)信息，在诊察/诊断时、推理时，使用db部9a中记录的信息来提高精度。例如，也可以将这些信息设为几个类型、特定的基因、常驻菌的有无信息而简化记录。已知基因信息对癌症等产生影响，还已知人的常驻菌按照口腔内、肠内等每个存活部位形成由不同的细菌种类、组成比构成的独特的细菌群(细菌群落、微生物群落)，常驻菌群落不让来自外部的菌接近，因此这些类型的差异在人的健康中发挥重要的作用。
97.此外，在db部9a中，可以设置用于管理各医疗机构所持有的设备的使用状况的管理数据库。近年来，医疗机构的专业化发展，或者家庭医生制度被推进，多数情况下，特定的病情的患者去相同的诊所。在该诊所中，有时不存在其他疾病用的检查设备、检查试剂盒等。因此，如果预先使得也能够管理与医疗机构所持有的设备相关的信息，则能够应对多余的诊察的工夫、感染风险的问题。如果预先使得能够与db部8共享该信息，则各诊所也能够知晓哪个诊所、医院具有补充功能，能够将适当的建议提供给来院者。
98.诊断/检查机构9的控制部9b是控制器(处理器)，假定了诊断/检查机构9中设置的服务器等、通过网络向其他终端提供文件、数据等的由cpu(central processing unit：中央处理单元)、存储器、hdd(hard disc drive：硬盘驱动器)等构成的it设备。但是，控制部9b不限于该结构，在构建为小规模的系统的情况下，也可以是个人计算机这样的结构。控制部9b具有各种接口电路，能够与其他设备协作，能够利用程序进行各种运算控制。
99.诊断/检查机构9的显示控制部9c具有显示控制电路和通信线路，进行医生终端9e的显示部9f中的显示控制。医生终端9e是诊断/检查机构9中的医生等使用的终端，与控制部9c既可以通过院内的内部网等有线通信来连接，也可以通过wifi等无线通信来连接。
100.显示控制部9c作为使显示部一览显示设备的显示控制部发挥功能(例如，参照图4、图9a的s13)，该设备能够取得多个对象物(包含对象者)和多个时刻的特定信息的经时变化。显示控制部9c作为使显示部一览显示多个时刻的特定信息的经时变化的显示控制部发挥功能(例如，参照图5、图9a的s17)。显示部9c作为将患者的过去的时间序列数据输入到学习委托部委托生成的推理模型中并使显示部显示所取得的诊断辅助信息的显示控制部(例如，参照图7的(b)、图9b的s27)发挥功能。另外，显示控制部的功能既可以由医生终端9e具有，也可以由控制部1具有。
101.医生终端9e既可以是智能手机、平板电脑等便携信息终端，也可以是台式、笔记本电脑等个人计算机。医生终端9e的显示部9f具有显示器，如图4至图8所示，显示与关于访问了诊断/检查机构9的人的健康相关的信息。显示部9f作为进行从设备的一览中选择数据收集用的设备的显示以收集示教数据使得推理模型的输入输出的关系成为假定结果的显示部(显示器)发挥功能(例如，参照图4的(a)(b))。
102.此外，在医生终端9e设置有操作部9g。操作部9g是用于输入用户的操作信息的输入接口。操作部9g具有操作用的开关、按钮等，显示部9f的前表面为触摸屏。操作部9g作为供医生输入特定的患者的病情的输入部(输入接口、终端输入部)发挥功能(例如，参照图9a的s5)。
103.控制部9h是控制器(处理器)，由cpu(central processing unit：中央处理单元)、存储器等构成。控制部9h具有各种接口电路，能够与其他设备协作，能够利用程序进行各种各样的运算控制。控制部9h与诊断/检查机构9中的控制部9b协作，根据操作部9g的操作而进行各种显示，执行推理模型委托、推理动作等各种动作。此外，如上所述，控制部9h由具有cpu等的处理器构成，实现设备确定部、学习委托部等的功能。此外，控制部9h具有设备确定部9ha和学习委托部9hb。关于医生终端9e中的显示的详细情况，使用图4至图8之后叙述。
104.例如，如图4的(a)、(b)和图5所示，控制部9h中的设备确定部9ha在确定了患者的id时，确定该患者所持有(也包含可使用)的设备和由该设备取得的时间序列数据。即，设备确定部9ha作为确定能够取得患者的过去的时间序列数据的设备的设备确定部发挥功能(例如，参照图9a的s13、s17)。设备确定部从显示部所显示的设备中确定该设备(例如，参照图4、图9a的s13)。
105.此外，例如，如图5、图6所示，控制部9h中的学习委托部9hb使用具有与患者所持有(也包含可使用)的设备相同的设备的人的其他时间序列数据和诊察信息来生成示教数据，并委托通过基于该示教数据的学习来生成推理模型。即，学习委托部9hb作为将具有与所确定的设备相同的设备的其他人的时间序列数据和诊察信息转化为示教数据而委托学习的学习委托部发挥功能(例如，参照图9b的s23)。学习委托部按照如下方式来收集示教数据：委托学习而生成的推理模型的输入输出的关系为，由相同的设备收集到的收集数据成为输入，由医生输入的与患者的病情对应的信息成为输出。推理模型通过使用示教数据进行学习来得到。该推理模型的假定结果将特定的检体信息、生物体信息设为输入，将输出设为诊断辅助信息。
106.终端4是用户使用的便携信息终端，是用于接受用户或其相关人员能够确认的信息的装置。作为信息，具有健康信息、根据健康状态而推荐的设施。终端4例如也可以是智能手机、平板pc，在该情况下，能够将内置摄像头、麦克风用作信息取得部。此外，可以将能够协作的可穿戴终端以及其他家电用作终端4，也可以通过可穿戴终端等取得信息。因此，第1设备2a、第2设备2b和终端4可以相同，也可以分别是专用设备。与可穿戴终端协作的终端4也可以进行信息取得、信息的管理。并且，可以根据状况而由第1设备2a、第2设备2b、第3设备3、终端4具有控制部1所具有的功能，也可以构成为分担地进行检测、控制、信息提供。
107.数据库(db)部8具有可电改写的非易失性存储器。db部8具有按id分类的数据历史一览，该一览按照个人id记录医疗信息、设备id、检查数据的每个取得日期时间的历史数据(参照图3)。如上所述，由于id判定部1b从第1设备2a等、诊断/检查机构9等接收检查数据，因此db部8按照个人id记录检查数据。此时，记录检查日、检查结果、症状、检查设备、取得数据、到诊断/检查机构9的来访日等。
108.此外，db部8也可以使得能够收集各诊所/医院等医疗机构、检查机构所具有的检查设备、检查试剂盒的管理信息，进行统一管理。如果知晓在哪里有怎样的设备，则患者、医生等根据准确的信息进行判断并行动，由此能够应对多余的感染风险、误诊的问题。如果能
够基于这样的设备管理对患者、医生等进行建议，则患者、医生等能够访问存储每个检查/医疗机构的持有设备信息的存储部(db)。信息提供部1c能够向对象者传递考虑了持有设备、设备信息的有效信息。即，除了对象者的检查数据、资料信息之外，还能够提供依照每个检查/医疗机构的持有设备信息的信息。
109.此外，也记录如何进行检查、以及用于什么的检查等。db部8也可以按5w1h、即who(谁)、where(哪里)、when(日期时间)、what(哪个检查)、why(什么原因)、how(怎样)对所取得的数据进行整理，记录该整理后的数据。此外，也可以记录检查场所(医疗设施、检查机构、自家、工作地)等。关于db部8中的数据的记录例，使用图3之后叙述。
110.学习委托部6(参照图1b)在从控制部1中的推理委托部1e接受到推理模型的生成的委托时，向学习部5传递推理模型的规格等，委托遵循规格的推理模型的生成。学习委托部6具有数据分类记录部6a、规格设定部6d、通信部6e和控制部6f。
111.控制部6f是对学习委托部6内进行控制的控制器(处理器)，假定了服务器等、通过网络向其他终端提供文件、数据等的由cpu(central processing unit：中央处理单元)、存储器、hdd(hard disc drive：硬盘驱动器)等构成的it设备。但是，控制部6f不限于该结构，在构建为小规模的系统的情况下，也可以是个人计算机这样的结构。控制部6f具有各种接口电路，能够与其他设备协作，能够利用程序进行各种运算控制。
112.数据分类部6a具有对象物种类a图像组6b，在该对象物种类a图像组6b中记录有示教数据6c。对象物种类a图像组6b是在学习部5中生成推理模型时使用的图像组，具有种类a、种类b
……
这样的多个图像组。根据该图像组，生成示教数据6c。即，如图5所示，当按照每个检查日绘制检查数据时，能够描绘曲线图，能够将该曲线图作为图像处理。另外，在此，直观且易于理解地说明为图像，但不一定需要作为图像处理，也可以将时间序列的检查数据的变化、即汇集检查日期时间和检查数据而得到的多个检查数据组生成为示教数据。在数据记录分类部6a中记录有基于db部8中记录的数据历史一览的示教数据6c。
113.规格设定部6d根据由推理模型规格决定部1d决定的推理模型的规格，设定生成怎样的推理模型。此外，以满足该规格的方式，根据db部8的历史一览中记录的数据来生成示教数据。
114.通信部6e具有用于与控制部1及学习部5进行通信的通信线路。通过该通信部6e从控制部1接受推理模型的生成的委托，委托学习部5生成推理模型。
115.学习部5具有输入输出模型化部5a，按照来自学习委托部6的规格，通过机器学习等生成推理模型。输入输出模型化部5a具有规格对照部5b。该规格对照部5b判断从学习委托部6接收到的规格与由输入输出模型化部5a生成的推理模型是否一致。即，规格对照部5b不仅规定输入输出关系，还规定学习的方法等，使得进行该推理模型的推理所花费的时间、能量、电路结构等遵循“要求规格”的学习。
116.推理模型是通过对所取得的生物体信息、活检信息等取得信息与疾病的关系进行学习，具体而言，通过对取得信息与诊疗科/部门的关系进行学习来生成的。与推理引擎7同样，输入输出模型化部5a具有输入层、多个中间层、输出层，通过学习求出中间层的神经元的耦合强度，生成推理模型。
117.在生成这样的推理模型时，学习委托部6以特定的时间宽度提取使用检查设备从被检者取得的检查数据的变化模式，将该提取出的变化模式输入到推理引擎7中，生成将在
从被检者被检查的时机起的之后的时机应输出的健康建议设为注释信息的示教数据。然后，学习部5通过使用该示教数据来进行学习，生成推理模型。
118.此外，学习部5如果使用检查、就诊、服药之后的检查数据串来学习，则还能够生成可进行生活习惯改善、治疗、服药的效果的未来预想建议的推理模型。在该情况下，以检查、就诊、服药的时刻为起点，利用之后的时间序列数据。在建议检查、就诊、服药等的情况下，利用之前的时间序列数据。
119.在此，作为学习部5进行的学习的一例，对深度学习进行说明。“深度学习(deep learning)”对使用神经网络的“机器学习”的过程进行多层结构化。从前向后发送信息而进行判定的“正向传播型神经网络”是代表性的深度学习。正向传播型神经网络是最简单的，具有由n1个神经元构成的输入层、由n2个由参数给出的神经元构成的中间层、由n3个与待判别的类别的数量对应的神经元构成的输出层这3层即可。输入层与中间层、中间层与输出层的各神经元分别通过耦合加权连接，中间层和输出层通过加上偏置值，能够容易地形成逻辑门。
120.神经网络只要能够进行简单的判别即可，可以是3层，但通过使中间层为多个，也能够在机器学习的过程中学习多个特征量的组合方法。近年来，从学习所花费的时间、判定精度、消耗能量的观点出发，9层～152层的神经网络为实用的。此外，也可以进行压缩图像的特征量的被称作“卷积”的处理，以最小限度的处理进行动作，利用对图案识别较强的“卷积型神经网络”。此外，也可以与能够处理更复杂信息、含义根据顺序、次序而改变的信息分析对应地，使用双向传输信息的“递归型神经网络”(全连接递归神经网络)。
121.为了实现这些技术，也可以使用cpu、fpga(field programmable gate array：现场可编程门阵列)等以往存在的通用的运算处理电路。但是，不限于此，由于神经网络的处理大多是矩阵的乘法运算，因此也可以使用专用于矩阵计算的被称作gpu(graphic processing unit：图形处理单元)、张量处理单元(tpu：tensor processing unit)的处理器。近年来，这样的人工智能(ai)专用硬件的“神经网络处理单元(npu)”被设计为能够与cpu等其他电路一起集成而组装，有时也成为处理电路的一部分。
122.除此以外，例如，还具有支持向量机、支持向量回归这样的方法，作为机器学习的方法。关于这里的学习，具有计算识别器的权重、滤波器系数、偏移的方法，除此以外，还具有利用逻辑回归处理的方法。在使机器判定某些内容的情况下，需要人教给机器判定的方法。在本实施方式中，采用了通过机器学习导出图像的判定的方法，但除此以外，也可以使用应用人通过经验法则/直观推理(heuristics)而获得的规则的规则库的方法。
123.推理引擎7具有与学习部5的输入输出模型化部5a相同的输入输出层、神经网络。推理引擎7使用由学习部5生成的推理模型进行推理。例如，推理引擎7由第1设备2a等测量，输入时间序列的生物体信息，例如，通过推理求出适于对用户的健康状态进行检查、治疗等的检查机构/医疗机构。此外，也可以根据时间序列的生物体信息，进行何时在医疗机构就诊的推理等。
124.这样，除了由检索部1f检索db部8以外，控制部1也可以利用推理引擎7来提供与用户的疾病相关的信息。推理引擎7使用学习部5所生成的推理模型来进行与疾病相关的推理。该推理模型通过对所取得的生物体信息、活检信息等取得信息与疾病的关系进行学习来生成。这样，控制部1也可以通过推理引擎7的推理，输出应提示的引导信息。
125.当控制部1通过检索或者通过推理，根据一次得到的取得信息，在一次判定中对疾病等进行引导时，有可能不必要地将医疗信息带入生活中而妨碍健康安心的生活。因此，也可以使用多次的取得信息的历史(时间序列的信息)来提高精度。
126.接着，使用图2，对可用作学习用示教数据的数据文件df的文件结构进行说明。图2的(a)示出可用作第1学习用示教数据的数据文件df3的文件结构。该数据文件df3具有在不同的日期时间由检查设备取得的取得数据rd3a、rd3b、rd3c和这些数据的元数据md3。作为取得数据，在图2的(a)中仅记载了3个，但如果检查的次数增加，则该数量与此相应地增加。此外，作为元数据md3，记录有检查中使用的设备的信息、诊察结果、识别接受了检查的用户的id等。也可以使得在该元数据中能够记载赋予了注释的人的分类、专家的参与方法、确定进行了注释的个人或组织的id等。
127.图2的(b)示出通过文件夹形式汇总数据文件的情况。在图2的(b)所示的例子中，将患者a的诊察结果汇总到文件夹中。在该文件夹中，记录有用于确定患者a的识别用数据ida4、用于记录诊察结果的数据mdre4。此外，关于各个取得数据，记录到数据文件df4a、df4b、df4c中。这里的数据文件的形式与图1a所示的数据文件df1大致相同，因此省略详细的说明。另外，关于该数据文件df4a等，在图2的(b)中，仅记载了3个，但如果检查的次数增加，则该数量相应地增加。
128.接着，使用图3，对db部8中记录的历史数据等进行说明。该历史数据是按照用于识别用户的每个人的个人id而生成的。历史数据按照每个id记录检查结果、症状、设备id、取得数据。作为检查结果，根据检查日期和诊察结果，记录与疾病相关的信息。作为症状，记载有症状名称，按照每个症状记录检查设备id，按照每个日期记录使用该检查设备而取得的取得数据。并且，记录在医院等诊断/检查机构9就诊的日期。
129.在图3所示的历史数据的例子中，id 1的用户使用能够检查症状x的设备a在日期时间t1、t3、t5、t7取得了检查数据da(t1)、da(t3)、da(t5)、da(t7)。此外，id 1的用户使用能够检查症状y的设备b在日期时间t2、t4取得了检查数据db1(t2)、db1(t4)。在id 1于日期时间t5来院并就诊时，医生判断为患有疾病a1。
130.此外，id 2的用户使用能够检查症状y的设备a来在日期时间t2、t4取得了检查数据da2(t2)、da2(t4)。并且，在id 2于日期时间t5来院并就诊时，医生判断为患有疾病b2。
131.此外，在id 1、id 2于日期时间t5来院时，医生使用两者的历史数据而委托了学习。即，id 1作为患有疾病a1的例子、id 2作为未患有疾病a1的例子，具有时间序列的检查数据，并且，将由相同的设备检查到的时间序列数据作为学习用的示教数据而委托学习部5生成推理模型。
132.此外，对于id 3、id 4，同样也由设备a、设备c取得数据，并记录到db部8中。两者在日期时间t8来院，并就诊。关于id 3，具有设备a得到的数据，具有症状x。另一方面，关于id 4，仅针对设备c具有数据，但具有症状x。如上所述，医生在日期时间t5委托学习，取得了推理模型。通过将id 3的时间序列的检查数据和id 4的时间序列的检查数据输入到该推理模型中，能够推理是否为疾病a1。医生能够参考该推理结果来进行是否是疾病a1的诊断。
133.接着，使用图4，对医生终端9e的显示部9f中的显示进行说明。另外，图4所示的例子是具有图3所示的历史数据的id 1、id 2等就诊的情况。
134.图4的(a)示出因a1病来院的患者的一览表。医生在进行疾病的判断时，有时想要
确认患有疑似的疾病的患者所使用的检查设备、历史数据(例如，参照图9a的s11、s15)。图4的(a)按照因同一疾病来院的每个患者示出来院日期时间和该患者所使用的设备的一览表。在图4的(a)的例子中，示出了如下内容：患者id 1、id 3、id 5具有由设备a检查到的历史数据，患者id 4具有由设备c检查到的历史数据。
135.关于图4的(a)中的显示，诊断/检查机构9的控制部9b从db部9a中记录的数据中检索相应的数据并发送数据，使得显示控制部9c能够将检索结果显示在医生终端9e上。即，显示控制部9c作为能够一览显示如下设备的显示控制部发挥功能，该设备能够取得被判定为特定的疾病(a1病)的多个对象物(对象者)和多个时刻的特定信息的经时变化。另外，除了由控制部9b进行数据的检索以外，控制部1也可以检索db部8中记录的数据。后述的图4的(b)的情况也同样如此。
136.图4的(b)示出因a1病来院的患者的时间序列信息。如图4的(a)所示，医生有时想要在因a1病来院的患者的一览表后接着确认他们的检查和来院的日期时间信息。图4的(b)是示出因同一疾病来院的患者的检查日期时间和来院日期时间的一览表。
137.关于图4的(b)所示的显示，诊断/检查机构9的控制部9b从db部9a中记录的数据中检索相应的数据并发送数据，使得显示控制部9c以能够将检索结果显示在医生终端9e上。即，显示控制部9c作为能够一览显示被判定为特定的疾病(a1病)的多个时刻的特定信息的经时变化的显示控制发挥功能。
138.接着，使用图5，对来院的患者的数据显示进行说明(例如，参照图9a的s15、s17)。如图4所示，在医生终端9e的显示部9f上显示因a1病来院的患者的列表(持有设备、附带来院日期时间信息)。在存在来到医院的患者的情况下，如果针对这些患者的检查数据，医生能够通过终端观察时间序列的变化，则较方便。因此，在本实施方式中，当在医生终端9e的菜单画面等(参照图6)上选择曲线图显示时，显示如图5所示的曲线图。
139.图5的(a)示出在到日期时间t9为止的期间内被诊察为a1病的患者的检查数据d。在图5的(a)的曲线图中，横轴表示来院日期时间，纵轴表示检查数据d。曲线图中的圆圈表示患者id 1、id 3、id 5的检查数据d。在图5的(a)的右侧显示有“有诊察”、“无诊察”、“双方”的图标。图5的(a)示出了被诊断为a1病的患者的历史数据，因此黑白反转显示“有诊察”的图标。
140.当在图5的(a)的显示状态下，触摸了“无诊察”的图标时，如图5的(b)所示，对“无诊察”的图标黑白反转，显示“非因a1病来院的人”的曲线图。在图5的(b)中，横轴表示来院日期时间，纵轴表示检查数据d。曲线图中的圆圈表示患者id 2、id 4、id 6的检查数据d。id 2、id 4、id 6是来院但未被诊断为a1病的人。当在该状态下，触摸了“双方”的图标时，对被诊断为a1病的人和未被诊断为a1病的人双方的历史数据进行曲线图显示。
141.通过如图5的(a)、(b)的显示，能够通过目视确认该病例的时间序列变化，也一并显示其他信息，由此成为医生进行诊断、治疗时的参考的可能性也较高。该显示能够仅通过数据收集和曲线图化来实现，有时无需生成示教数据，或者无需等待推理，就能够得到某些见解。数据收集装置能够如上述那样收集在医生进行诊断、治疗时成为参考的信息，该数据收集装置具有：输入部，其供医生输入与特定的患者的病情相关的信息；设备确定部，其确定能够取得上述患者的过去的时间序列数据的设备；以及数据收集部，其收集具有与上述确定出的设备相同的设备的其他人的设备得到的收集数据。此外，显示该收集结果，如果医
生注意到，则有助于许多人的健康维持信息。
142.并且，具有将诊察信息转化为示教数据而委托学习的学习委托部的示教数据收集装置能够得到更客观的信息。如果通过使用由该示教数据收集装置收集到的示教数据，生成可靠性较高的推理模型，则能够共享医生的注意、见解，能够在全世界共用诊疗方法，能够提示不依赖于医生经验的高级的健康恢复对策、健康维持对策。但是，由于当将全部的繁杂信息用作示教数据时，无法得到可靠性较高的推理模型，因此最好能够对数据的需要与否进行取舍选择。
143.如果观察收集到的数据的时间轴，则例如在传染病等的情况下，能够进行何时开始流行等的判定。在特定的日期发烧的人较多的情况下，成为确认、判断在该日期从海外等扩散传染病等时的标准。此外，在以来院时为基准的时间轴显示中，基于由患者的自觉、看到患者的其他人的推荐而判断为需要来院的时机，针对该疾病特有的病例(病情)变化，容易确认直到来院的过程等。
144.此外，如果按以特定的数据变化的时刻(例如，体温上升的时机等)为基准的时间轴显示收集数据，则知晓该疾病特有的病情的变化，成为有助于诊断的基础数据。当然，由于如果设备是便携终端，则该人的行为历史、互联网访问等的历史也被作为信息(也包含云上的信息在内作为系统)记录，因此能够捕捉进一步对行为历史进行分析后的病情的变化的倾向，抑制疾病的发展，或者获得用于改善健康的信息。
145.在图5中的显示中，诊断/检查机构9的控制部9b从db部9a中记录的数据中检索相应的数据并发送数据，使得显示控制部9c能够向医生终端9e显示检索结果。即，显示控制部9c作为能够一览显示被判定为特定疾病(a1病)的多个时刻的特定信息的经时变化的显示控制部发挥功能。
146.由于图5的(a)所示的历史数据均是被诊断为a1病的人的数据，因此能够生成对这些人的数据附加有“有a1病的疾病”的注释的示教数据。此外，由于图5的(b)所示的历史数据均是未被诊断为a1病的人的数据，因此能够生成对这些人的数据附加有“无a1病的疾病”的注释的示教数据(例如，参照图9a的s15、s17)。关于该学习用的示教数据的文件形式，只要适当选择数据文件df1、df2、df3、df4等即可。
147.如果能够生成示教数据，则医生终端9e能够通过控制部1的推理委托部1e和学习委托部6而委托学习部5生成适于a1病的推理模型(例如，参照图9a的s23)。另外，也可以从诊断/检查机构9直接委托学习委托部6、学习部5。
148.接着，使用图6，对医生终端9e中的菜单画面进行说明。当医生终端9e启动时，显示终端菜单。当在终端菜单中，启动分析应用时，显示图6的(a)所示的“分析应用”的画面(参照图9a的s7)。在该分析应用的画面上，显示“诊断结果选择”、“表显示”、“曲线图显示”、“示教数据显示”、“学习委托”、“学习结果性能确认”、“推理数据取得”、“推理委托”、“推理结果显示”、“返回”、“菜单”的图标。
149.当在分析应用的画面上选择了“诊断结果选择”时(例如，参照图9a的s11)，显示疾病的列表，能够从该列表中选择疾病的名称。例如，当选择了a1病时，显示如图4的(a)所示的来院的患者的一览表。当在选择了诊断结果的状态下，选择了“表显示”时(例如，参照图9a的s15)，对如图4的(b)所示的时间序列信息进行表显示。
150.此外，当在图6的(a)的菜单画面上选择了“曲线图显示”时(例如，参照图9a的
s15)，对如图5所示的历史数据进行曲线图显示。当在进行图5的曲线图显示时触摸了右上的“菜单”时，显示如图6的(b)所示的图标。当在该显示状态下触摸了“手动修改”时，能够进行数据的修改。当通过“数据选择”选择特定的数据并触摸了“数据删除”时，该数据被删除。
151.当在选择了图5的(a)的因a1病来院的患者的状态下触摸了“批量注释”时，批量地生成附加有“有a1病的疾病”的注释的示教数据。此外，当触摸了“追加注释”时，能够追加附随于示教数据的注释。能够将在因a1病来院的患者中共同被看到的症状等统一附加为注释。在图6的(b)所示的例子中，追加有“发烧和皮疹”作为注释。该注释只要对医生终端9e的操作部9g进行操作而进行文本输入即可。
152.返回图6的(a)，当触摸了“示教数据显示”时(例如，参照图9a的s15)，医生在图5等中选择数据，显示设为示教数据的数据。当触摸了“学习委托”时(例如，参照图9b的s21)，医生终端9e使用通过“示教数据显示”显示的示教数据来委托学习部5生成推理模型。当触摸了“学习结果性能确认”时(例如，参照图9b的s21)，在委托了学习时，对学习部5所生成的推理模型的性能、例如可靠性进行评价。关于该评价，例如，预先准备评价用的数据，将该评价用数据输入到推理模型中，根据该输出结果来进行。如果进行了学习结果性能确认的结果是得到了满意的结果，则取得推理模型。
153.在图6的(a)中，当触摸了“推理数据取得”时(例如，参照图9b的s25)，取得输入到推理模型的推理数据。例如，在图3的例子中，医生在id 3和id 4于日期时间t9的时机来院时，有时将id 3和id 4的此前的历史数据输入到推理模型中，对疾病进行推理。推理数据如上所述是成为诊察对象的患者的过去的历史数据。
154.在图6的(a)中，当触摸了“推理委托”时(例如，参照图9b的s25)，将所取得的推理数据输入到推理模型中，委托输出推理结果。如果诊断/检查机构9具有推理引擎，则推理的委托对象设为诊断/检查机构9。在诊断/检查机构9不具有推理引擎的情况下，也可以委托控制部1。当然，如果医生终端9e具有推理引擎，则也可以在医生终端9e内进行推理。关于推理委托的详细画面，使用图7之后叙述。当触摸了“推理结果显示”时，显示推理结果。
155.接着，使用图7，对推理委托的画面进行说明。医生有时希望根据患者的过去的历史数据来针对今后的症状的变化使用推理模型来得到推理结果(例如，参照图9b的s25)。在该情况下，医生在图6的(a)的画面上触摸“推理委托”。当进行了触摸时，如图7的(a)所示，首先，显示患者数据选择的画面。在图7的(a)所示的例子中，显示“g氏”等患者姓名。
156.在图7的(a)中，当通过触摸选择了患者姓名时，如图7的(b)所示，对所选择的患者的历史数据进行曲线图显示。医生通过该曲线图显示，能够知晓患者的过去的数据，并且在想要进行未来的预测的情况下，触摸下部的“推理”。当进行了触摸时，进行推理，在画面内显示推理结果。在图7的(b)所示的例子中，患有a1病的概率有“7成”，显示为需要注意。医生能够参考该推理结果来得出诊断结果。
157.接着，使用图8，对进行诊断输入的画面进行说明。当从终端菜单画面打开进行诊断输入的画面(例如，参照图9a的s1、s3、s5)而选择患者姓名时，显示图8的诊断输入用画面。在该诊断输入用画面上，医生向特定的患者的病情进行输入。在图8的例子中，选择“g氏”，作为患者姓名。如果已经对该画面进行了输入数据，则显示g氏的病人登记卡no.和日期时间。此外，针对初诊、症状、诊断结果、持有设备，如果输入有数据，则显示，针对未输入且可录入的项目，由医生在医生终端9e中输入。此外，针对利用患者的个人信息的情况，在
得到患者同意的情况下，请该患者勾选画面下部的勾选栏。在图8中，由于得到了同意，因此附加有勾选标记。
158.接着，使用图9a和图9b所示的流程图，对医生终端9e中的控制部9h的动作进行说明。该流程通过医生终端9e中的控制部9h与诊断/检查机构9中的控制部9b协作并对诊断/检查机构9和医生终端9e中的各部进行控制来实现。
159.当医生终端9e的电源接通，开始图9a所示的流程时，首先，显示终端菜单(s1)。在此，控制部9h将菜单画面显示于显示部9f。作为菜单显示，由图标显示“诊断结果输入”、“分析应用启动”、其他功能等可操作的项目。
160.当进行了菜单显示时，接着，判定是否输入判定结果(s3)。在此，控制部9h根据是否对菜单画面中的“诊断结果输入”进行了触摸操作来判定。
161.在步骤s3中的判定结果是输入判定结果的情况下，进行输入(s5)。在此，控制部9h将图8所示的诊断结果的输入画面显示于显示部9f。如上所述，在诊断结果的输入画面中，医生能够通过操作部9g等输入患者的诊断结果等。即，在该步骤中，医生向特定的患者的病情进行输入。此外，还进行诊察时的检查数据结果等的输入。
162.当在步骤s5中进行了输入时，或者，在步骤s3中的判定结果为不是诊断结果的输入的情况下，接着，判定是否是分析应用启动(s7)。在此，控制部9h根据是否对菜单画面中的“分析应用”进行了触摸操作来判定。
163.在步骤s7中的判定结果为不是分析应用的启动的情况下，执行其他功能(s9)。在此，控制部9h进行其他功能、例如设备的借出、设备的登记、患者等的同意签名、通常的病历录入/确认等。当执行了其他功能时，返回步骤s1。
164.在步骤s7中的判定结果为是分析应用的启动的情况下，判定是否进行诊断结果一览确认(s11)。在此，控制部9h首先将图6的(a)所示的分析应用的菜单画面显示于显示部9f。在菜单画面上，如上所述那样显示有与各种项目对应的图标，因此在该步骤中，控制部9h判定是否选择了“诊断结果选择”的图标。
165.在步骤s11中的判定结果是选择了诊断结果一览确认的情况下，按照诊断结果显示患者和设备，进行设备选择(s13)。在此，控制部9h示出因如图4的(a)所示的特定疾病来院的患者的一览表。在该一览表中，显示患者所持有或者可使用的检查设备。医生能够选择所显示的检查设备。例如，在图4的(a)中，在为了a1病而来院的许多患者持有(或可使用)设备a的情况下，能够选择设备a。
166.当在步骤s13中进行了设备的选择时，或者在步骤s11中的判定结果是未选择诊断结果一览确认的情况下，接着，判定是否显示表显示、曲线图、示教数据(s15)。在此，控制部9h判定是否选择了图6的(a)所示的“表显示”、“曲线图显示”、“示教数据显示”中的任意一个。
167.在步骤s15中的判定结果是选择了表显示等中的任意一个的情况下，能够进行与选择设备对应的按患者分类的数据显示、确认、取舍选择(s17)。在此，控制部9h将因图4的(b)所示的特定疾病来院的人的时间序列信息、因图5所示的特定疾病来院的人的历史数据、非因特定疾病来院的人的历史数据显示于显示部9f。例如，如图4的(a)所示，能够收集多个由为了特定疾病(a1病)而来院的患者所持有或可使用的特定设备检查到的数据(参照图5的(a))。该数据能够用作特定疾病的患者的判定用示教数据。此外，也能够收集多个非
为了特定疾病而来院的患者且由特定设备检查到的数据。该数据能够用作用于判定出不是特定疾病的患者的判定用示教数据。使用该数据进行学习而得到的推理模型的输入输出关系为：由相同的设备收集到的收集数据成为输入、由医生输入的与患者的病情对应的信息成为输出。按照能够得到这样的推理模型的输入输出关系的方式来收集数据。
168.此外，在步骤s15中，通过选择显示部9f的菜单画面上的“示教数据”，能够确认在学习的委托中使用的示教数据。此外，在显示了历史数据(示教数据)时，且在触摸了菜单时，能够进行数据的选择、数据删除等取舍选择(例如，参照图6的(b))。这样，通过利用这些图标，能够生成用于生成特定疾病的判定用推理模型的示教数据。
169.当执行了步骤s17中的处理时，或者在步骤s15中的判定结果是未进行表显示等的情况下，接着，判定是否进行学习委托或者是否确认学习结果(s21)。在此，控制部9h判定是否选择了图6的(a)所示的“学习委托”、“学习结果性能确认”中的任意一个。
170.在步骤s21中的判定结果是学习委托或学习结果确认的情况下，利用选择完毕的示教数据来委托学习或者取得结果(s23)。在此，在步骤s17中，能够委托学习部5使用所筛选的示教数据来生成推理模型。推理委托例如通过选择如图7的(b)所示的“推理”的图标来执行。
171.此外，在步骤s23中，委托学习部5学习，在生成了推理模型的情况下，取得该推理模型的性能/可靠性等结果并显示。关于推理模型的性能、可靠性的评价，例如计算损失值等，根据该损失值来进行。损失值是如下值：将预先准备用于评价的数据输入到推理模型中，表示此时的推理结果与预先准备的数据的结果以多少比例一致。该性能/可靠性的评价在具有推理引擎的设备中进行。在评价结果是性能/可靠性为规定的等级以下的情况下，重新生成示教数据，重新进行设备选择等，再次通过学习部5重新生成推理模型。
172.当在步骤s23中确认出生成了可靠性较高的推理模型的情况下，能够在特定的服务器等中利用推理模型，能够利用在较多医疗机构中可使用或者一般用户确认自己的状态的推理模型。由此，能够适当地安排急救车，能够减少医疗机构中的就诊等，解决医疗现场的繁忙。能够防止在就诊过程、就诊目的地被感染或使别人感染。此外，也可以在该推理模型中设置id，知晓是通过哪个推理模型进行了判定。当无数的类似模型上市时，既存在质量差的模型传播过度的焦虑的情况，也有可能会使急诊的患者延误。这样，期望根据id确定ai，也有助于证明ai。
173.此外，在通过医生的注意和示教数据取舍选择而生成的推理模型(ai)的情况下，优选预先明确是谁生成的。通过明确生成者，广泛认可辛苦创建ai时的成果是基于该医生的努力，能够采取奖励该努力的措施等。此外，还能够防止劣质的ai轻易地上市。由于这样的ai确定了需要怎样的数据，因此也可以对适于该ai的数据进行能够明确该数据的条件的研究。即，在取得面向该ai的数据时，设备安装指定该ai并开始数据取得这样的应用，能够附注假定ai信息(id等)作为如图2的(a)的取得数据的数据文件的元数据即可。
174.当在步骤s23中取得了推理模型的结果时，或者在步骤s21中的判定结果不是学习委托/学习结果确认的情况下，接着，取得推理数据，委托推理，判定是否取得了推理结果(s25)。如上所述，在医生诊察了患者时，有时将该患者的历史数据输入到推理模型中，想要得到与疾病相关的推理结果。在该步骤中，进行使用了推理模型的推理。在该步骤中，控制部9h判定是否选择了图6的(a)所示的“推理数据取得”、“推理委托”、“推理结果显示”中的
任意一个。
175.在步骤s25中的判定结果是“推理数据取得”等的情况下，接着，进行推理模型的下载、委托、结果取得(s27)。在此，控制部9h委托学习部5下载在步骤s23中满足规定的性能/可靠性的推理模型。此外，取得想要推理的患者的历史数据，并输入到下载了该历史数据的推理模型中，取得推理结果。所取得的推理结果显示于显示部9f(例如，参照图7的(b))。
176.当在步骤s27中取得了推理结果时，接着，判定是否返回(s29)。在此，控制部9h根据是否选择了菜单画面上的“返回”(参照图6、图7的(a)、图8)来判定。在该判定结果是未选择“返回”的情况下，返回步骤s11，另一方面，在选择了“返回”的情况下，返回步骤s1。
177.这样，根据医生终端9e中的控制部的动作，医生输入与患者的病情相关的信息(s5)，确定能够取得患者的时间序列数据的设备(s13)，将具有与所确定的设备相同的设备的其他人的时间序列数据和诊察信息转化为示教数据而委托学习(s27)。因此，即使在遇到了新的症状的情况下，也能够使用基于相同设备的其他人的检查数据和该其他人的诊察信息来生成推理模型。如果使用该推理模型，则即使在遇到了新的症状的情况下，也能够用作进行准确诊察时的参考信息。此外，如果知晓该数据是哪个人的哪个时刻的数据，则也可以不是时间序列。例如，发烧等存在突发性的情况，能够成为不对时间序列的数据进行分析而能够使用的示教数据。
178.此外，在生成推理模型之后且医生诊察了患者时，在想要根据患者的历史数据进行与疾病相关的推理的情况下(s25：是)，将患者的历史数据输入到推理模型中，得到推理结果(s27)。医生能够参照该推理结果来诊断患者的病情。
179.这样，如果能够根据健康关联数据来生成可能成为怎样的诊察结果、诊断结果的推理模型，并使想要使用的人、想要使用的服务、系统等能够适当地使用，则通过从第1设备～第3设备(参照图1a)将日常得到的数据输入到该推理模型中，能够在许多诊断辅助、健康管理中利用。这是以如下情况等为背景而能够实现的，即，随着iot化的潮流，各种设备由于it技术的发展而与互联网连接，因此能够从社会中的各种监护设备(例如，图1a的第1设备～第3设备等)取得许多人的健康关联信息，以及许多人使用信息终端而容易访问有用的信息。
180.根据这些技术，能够使上述监护设备(例如，图1a的第1设备～第3设备等)成为用于支持每个人的健康意识或者确认就诊的必要性的工具。由于是患者抱病而专程寻求诊察并由医生通过各种检查信息、问诊等花费时间所得到的宝贵的诊断结果，因此如果其他医生在诊断时参照经过上述的过程而生成的推理模型，则也能够应对最近的医生不足的问题、传染病的问题。
181.此外，步骤s11至s29中的处理由控制部9h与医生协作来进行，但当然，也可以由计算机基于例程进行特定的程序。即，即使医生在医生终端9e的菜单画面(参照图6的(a))上未选择图标，也可以自动地依次执行各步骤。
182.接着，使用图10a和图10b的流程图，说明控制部的动作的其他例子。上述控制部的动作的一例是医生终端9e的控制部9h中的动作。即，在控制部动作的一例中，医生终端9e的控制部9h主体上执行显示等动作。与此相对，在控制部的动作的其他例子中，服务器侧的控制部1接受来自医生终端9e和诊断/检查机构9的委托，执行显示等动作。即，通过云执行医生终端9e中的显示等动作。另外，作为云的功能除了由控制部1执行以外，还可以由诊断/检
查机构9的控制部9b执行。
183.当图10a所示的流程开始时，首先，从各设备收集数据，并进行数据库(db)化(s31)。在此，控制部1从第1设备2a、第2设备2b、第3设备3等检查设备收集检查数据，记录到db部8中。
184.在步骤s31中，开始了数据的收集，但数据收集开始的时机也可以是医生的指示，也可以由各用户自身(患者、患者候选或者设备使用者)、或者各用户所使用的设备自身注意到异常而自动地开始数据收集。此外，也可以在设备安装时、购买时或者特定的服务签订时，由设备开始这样的数据存储。在设备自动地进行数据收集的情况下，使得具有如下的对应判定部即可，该对应判定部在由数据输入部输入的数据是假定外的数据时，指定出是假定外的数据，收集该指定的数据。如果是具有该对应判定部的系统，则即使在医生无法干预这样的状况下，也能够获得能够推理异常原因的系统。
185.控制部1收集到的数据或者时间序列数据组在后述的步骤s61中通过推理委托部1e和学习委托部6发送给学习部5，委托推理模型的生成。可以由控制部1具有，或者也可以由各设备(例如，第1设备～第3设备等)具有该推理模型。通过将用户的健康关联数据/监护数据输入到推理模型中，能够进行健康状态的推理，各用户能够根据该结果，掌握自己的健康状态。
186.由于在推理模型中反映出医生的诊断结果，因此能够进行可靠性、准确度较高的推理。也可以根据需要将是哪个医生生成的推理模型、是怎样的规格的推理模型与推理结果一起显示在用户终端上。由于很多医生有相同的注意，有医生的社会奉献意识，因此有可能在加上独自的研究的同时，或者在加上应该使用哪个数据等信息的同时，生成相同的推理模型。推理模型可以根据输入(监护)数据的特征自动地选择，也可以使得能够由用户选择人气模型，或者在互联网上发表评价。
187.此外，也可以形成为具有推理委托部的系统，该推理委托部将收集到的假定外的数据作为示教数据来进行与推理系统对应的推理模型的学习请求。该系统也包含用户的实际的异常、设备的某些故障在内将发生了相同事件的其他设备的、或者类似状况的其他设备的数据理解为大数据，能够收集用于判断该状况是怎样的状况(例如，是经常发生的状况、是在集体中发生的状况、还是单发的偶然状况)的信息。对于该人而言未知的事件只会助长焦虑，但也能够收集缓和焦虑的信息，并在紧急的情况下，也能够根据收集到的类似数据来确认、判断。例如，在突发了未知的传染病的情况下，也能够确定发生了该传染的场所的信息等，能够根据是否具有在该场所进行的事项而改变之后的行为。
188.当收集到数据并进行db化时，接着，判定医生是否指定了特定疾病(a)(s33)。当医生诊察患者并诊断为特定疾病(a)时，记录有该意思的数据文件df2从诊断/检查机构9发送给控制部1。在该步骤中，控制部1根据数据文件df2中记录的信息来判定。也可以在每当医生进行诊断/诊察时，向控制部1发送数据文件，将其转化为示教数据。但是，不限于此，也可以指定医生认为是这个疾病的疾病。作为该指定疾病，存在如下情况：具有慢性的疾病且具有生活习惯等的影响并成为其他前期患者的参考的情况、具有遗传性或者特定的体质、病史并具有相同来历的特定疾病的前期患者成为参考的情况、或者因传染性而影响许多人且紧急的情况。
189.在步骤s33中的判定结果是判定出由医生指定为特定疾病(a)的情况下，在db中检
索a患者(s51)。在此，控制部1(检索部1f)从db部8中检索患有疾病a的患者(参照图3)。
190.接着，判定疾病a的患者是否持有生活习惯设备(s53)。如上所述，在db部8中，记录有个人id、疾病名称、持有设备(可使用设备)(参照图3)。在此，控制部1判定是否具有疾病a的患者所持有(使用)的设备。
191.在步骤s53中的判定结果是持有设备的情况下，显示a患者和持有设备(s53)。在此，控制部1通过诊断/检查机构9将从db部8检索到的结果、即疾病a的患者所持有的设备的种类显示在医生终端9e的显示部9f上(例如，参照图4的(a))。
192.当在步骤s55中进行了持有设备的显示时，或者在步骤s53中的判定结果是未持有设备的情况下，接着，判定医生是否选择设备a(s57)。当在步骤s55中显示了设备时，且医生选择了设备时，选择结果通过诊断/检查机构9发送给控制部1。在此，根据来自医生终端9e的信息，判定医生是否选择了设备a。医生通过基于其经验、知识等的判断，选择能够取得有意义的可能有关联的数据的设备，因此在本流程中，判定医生的选择结果。但是，不限于此，也可以将该工序自动化，利用全部信息或特定的逻辑、程序来选择设备。
193.在步骤s57中的判定结果是医生选择了设备a的情况下，接着，也可以取得选择设备a的过去信息，并在医生终端进行显示确认(s59)。在此，控制部1取得db部8中记录的设备a得到的过去的检查数据。也可以向医生终端9e发送该取得的检查数据，并显示在显示部9f上。在该情况下，医生能够确认由设备a取得的其他人的检查数据。
194.接着，转化为示教数据，委托学习，取得推理模型(s61)。在此，控制部1将在步骤s59中取得的、由设备a取得的检查数据作为示教数据(例如，参照图5)，通过学习委托部6委托学习部5使用该示教数据来生成推理模型。在此处的使用了推理模型的推理中，输入特定的检体信息、生物体信息，取得各种诊断辅助信息作为推理结果。此外，当学习部5生成推理模型时，通过学习委托部6取得推理模型。
195.当在步骤s61中取得推理模型时，或者在步骤s57中的判定结果是医生未选择设备a的情况下，接着，判定检索是否结束(s63)。在此，控制部1判定医生是否结束了步骤s51中的检索。在该判定结果是检索未结束的情况下，返回步骤s53。另一方面，在结束了检索的情况下，返回步骤s31。
196.返回步骤s33，在该步骤中的判定结果是判定出医生未指定为特定疾病(a)的情况下，接着，判定是否具有输入到推理模型的对应数据(s35)。在此，控制部1判定是否具有需要使用推理模型来进行推理的对应数据。例如，可以根据是否从医生终端9e与检查数据一起接受了推理的委托来判定。在该判定结果是没有对应数据的情况下，返回步骤s31。
197.此外，在是与生活习惯、遗传性、传染性的疾病相关的数据的情况下，由于在家人等中也可能发生相同的疾病，因此也可以输入对象者的家人的数据，作为要推理的数据，能够进行针对其家庭而非针对个人的健康建议。此外，在体检时发现了某种异常的情况下，也可以进行以该项目为中心的推理。因此，也可以从该对象者所使用的传感器中将与该病例相应的设备指定为监护传感器来收集数据。即，控制部1具有判定特定人物的体检结果中的、进行特定的诊断而得到的特定诊断结果的判定部(检索db等来判定)、提取依赖于遗传、生活习惯的症状的症状提取部、以及决定与提取出的症状对应的监护传感器的决定部，根据该决定而对通信控制部1a进行控制，使其与各设备进行通信，从而收集必要的数据。
198.此外，在患者患有癌症、慢性疾病的情况下，也可以使用db部9a(也可以是其他db
部、终端的存储器记录部)中记录的每个患者的基因信息、微生物群落(常驻菌的一种)信息，来在诊察、诊断时、推理时提高精度。例如，也可以按几个类型、设为特定的基因、常驻菌的有无信息而简化记录这些信息。
199.另一方面，在步骤s35中的判定结果是具有对应数据的情况下，进行推理(s37)。如上所述，在使用了推理模型的推理中，输入特定的检体信息、生物体信息，以各种方式取得诊断辅助信息作为推理结果。在此，控制部1将对应数据输入到推理引擎7的输入层中，得到推理结果。例如，输出关于患有怎样的疾病的概率等，作为推理结果。
200.当进行了推理时，接着，判定是否接近疾病a(s39)。在此，控制部1根据步骤s37中的推理结果，判定是否接近疾病a。在该判定结果是不接近疾病a的情况下，返回步骤s31。
201.另一方面，在步骤s39中的判定结果是接近疾病a的情况下，根据需要也向医生输出信息(s41)。在此，控制部1通过诊断/检查机构9向医生终端9e输出推理结果。
202.此外，向判定个人输出推理结果信息(s43)。在该情况下，控制部1向患者所持有的终端4等输出接近疾病a的情况。在能够通过分析时间序列的生物体数据等来进行预测推理的情况下，具有建议早期精密检查、治疗开始的显示等，作为接近疾病a的情况下的建议。
203.此外，该db部8也可以汇集各诊所、医院等医疗机构、检查机构所具有的检查设备、检查试剂盒的管理信息而进行统一管理。如果知晓在哪里有怎样的设备，则患者、医生等通过根据准确的信息来判断、行动，能够应对不必要的感染风险、误诊的问题。如果能够对患者、医生等进行基于这样的设备管理的建议，则患者、医生等能够访问存储每个检查/医疗机构的持有设备信息的存储部(db)。信息提供部1c能够将考虑了这样的持有设备、设备信息的有效信息传递给对象者。即，除了对象者的检查数据、资料信息以外，还能够进行依照每个上述检查/医疗机构的持有设备信息的信息提供。
204.此外，也可以对饮食、睡眠时间、运动等与生活习惯相关的建议进行信息输出。“推理结果的信息输出”不需要通过推理来生成全部要输出的信息，也可以提示能够根据推理结果来检索的一般信息。当在步骤s43中输出了信息时，或者在步骤s39中的判定结果是不接近疾病a的情况下，返回步骤s31。
205.这样，根据图10a和图10b所示的控制部1中的控制部的动作，医生输入与患者的病情相关的信息(参照s33)，确定能够取得患者的时间序列数据的设备(参照s53、s55)，将具有与所确定的设备相同的设备的其他人的时间序列数据和诊察信息转化为示教数据而委托学习(参照s59、s61)。因此，即使在遇到了新的症状的情况下，也能够使用相同设备得到的其他人的检查数据和该其他人的诊察信息来生成推理模型。如果使用该推理模型，则即使在遇到了新的症状的情况下，也能够用作进行准确诊察时的参考信息。
206.此外，步骤s59、s61中的处理是与医生协作而进行的，但也可以由计算机基于例程进行特定的程序。此外，在本流程中，以人工智能(ai)为前提进行了记载，但不一定需要是使用了基于深度学习的推理模型的推理。也可以是表参照、依照特定的逻辑或规则的程序的分支等。
207.如以上说明的那样，在本发明的一个实施方式及其变形例中，执行以下步骤：输入步骤(例如，参照图8、图9a的s5、图10a的s31)，医生向特定的患者的病情进行输入；设备确定步骤(例如，参照图4、图9a的s11、s13)，确定能够取得患者的过去的时间序列数据的设备；以及学习委托步骤(例如，参照图5、图7、图9b的s21、图10b的s61)，将具有与所确定的设
备相同的设备的其他人的时间序列数据和诊察信息转化为示教数据而委托学习。因此，医生等在诊察时，能够简单地确认患者的过去的数据，进而能够使用其他人的数据来容易地生成疾病推理用的推理模型，该其他人使用了与患者在检查中所使用的设备相同的设备。即，根据本实施方式，能够在发生了新的事件时，容易地收集表示直到该事件的过程的信息，并根据该收集到的信息，生成推理模型生成用的示教数据。
208.此外，在本发明的一个实施方式及其变形例中，能够提出一种信息传递用的装置、方法，该信息传递用的装置具有：检查数据取得部，其取得对象者的检查数据；以及传递信息决定部，其根据上述对象者的资料信息和存储每个检查/医疗机构的持有设备信息的存储部的信息，按照每个上述检查/医疗机构的持有设备信息来决定向上述对象者传递的传递信息。在该情况下，在诊断/检查机构的db部9a中，存储持有设备信息，并在db部8中也存储持有设备信息即可。
209.此外，在本发明的一个实施方式及其变形例中，能够提供一种信息传递的装置、方法，该信息传递的装置通过设置或利用由第1设备取得对象者的时间序列的第1检查数据组的第1检查数据取得部、和由第2设备取得上述对象者的时间序列的第2检查数据组的第2检查数据取得部，使用上述第1检查数据组和上述第2检查数据组来决定向上述对象者提供的传递信息，该第2设备能够进行能够对上述第1检查数据组进行插补那样的检查。另外，上述第1检查数据组和上述第2检查数据组通过相互补充检查时机或检查项目，能够不受设备束缚而进行丰富的分析、推理等。如上所述，在由多个设备取得了用户的时间序列的检查数据的情况下，由于存在各个设备的误差、特性的差异等，因此无法将多个时间序列的检查数据绘制在同一曲线图中。但是，由于是同一对象者的时间序列的检查数据，因此数据的变化模式的趋势相同。因此，只要通过对多个时间序列的检查数据进行校正运算等实施补充第1检查数据、第2检查数据的处理，使用多个时间序列的检查数据来决定传递信息即可。
210.此外，在本发明的一个实施方式及其变形例中，能够提供一种推理系统、装置、方法，该推理系统使用通过将从多个装置收集到的数据作为示教数据进行学习而生成的推理模型来进行推理，其中，该推理系统具有对应判定部，在收集数据出现了假定外的数据的情况下，该对应判定部指定假定外的数据，收集该指定的数据，该推理系统将以这样的方式收集到的假定外的数据至少作为示教数据的一部分来进行与上述推理系统对应的推理模型的学习请求。
211.此外，在本发明的一个实施方式及其变形例中，也能够提供一种传感器决定装置、方法，该传感器决定装置、方法在特定人物的体检结果是特定的诊断的情况下，设为特定诊断结果，并提取依赖于遗传、生活习惯的症状，决定与上述提取出的症状对应的监护传感器。在该情况下，在db部8a中记录的按id分类的可利用设备的一览表中，记录个人可利用的设备及其功能、以及对应病例。个人可利用设备可以从第1设备2a、第2设备2b、第3设备3、诊断/检查机构9、用户信息部等自动地发送来，也可以取得用户通过调查问卷等而输入的数据。此外，db部8a中记录的历史数据是按照用于识别用户的每个人的个人id而生成的。历史数据按照每个id记录扶养关系、血缘关系、医疗信息、设备id、取得数据。由于多数情况下，与遗传、生活习惯相关的症状与扶养关系、血缘关系相关联，因此也可以对这些人决定监护传感器。
212.另外，在本发明的各实施方式、变形例中，控制部1、控制部9b和控制部9h说明为由
cpu、存储器、hdd等构成的it设备。但是，除了由cpu和程序以软件的方式构成以外，也可以由硬件电路构成各部的一部分或全部，还可以是根据由verilog记述的程序语言而生成的门电路等硬件结构，还可以使用利用dsp(digital signal processor：数字信号处理器)等软件的硬件结构。当然，这些也可以适当地组合。
213.此外，控制部1、控制部9b、控制部9h不限于cpu，只要是发挥作为控制器的功能的元件即可，上述各部的处理也可以由构成为硬件的1个以上的处理器进行。例如，各部可以是分别构成为电子电路的处理器，也可以是由fpga(field programmable gate array：现场可编程门阵列)等集成电路构成的处理器中的各电路部。或者，也可以通过由1个以上的cpu构成的处理器读入记录介质中记录的计算机程序并执行，执行作为各部的功能。
214.此外，关于本说明书中说明的技术中的、主要由流程图说明的控制，多数情况下，能够利用程序来设定，有时也保存到记录介质、记录部中。关于向该记录介质、记录部记录的方法，可以在产品出厂时记录，也可以利用所发布的记录介质，还可以通过互联网下载。
215.此外，在本发明的一个实施方式中，使用流程图对本实施方式中的动作进行了说明，但处理过程可以改变顺序，也可以省略任意的步骤，也可以追加步骤，还可以进一步变更各步骤内的具体处理内容。
216.此外，关于权利要求、说明书和附图中的动作流程，为了方便，即使使用“首先”、“接着”等表述顺序的词语进行了说明，在没有特别进行说明的部位，也不意味着必须按该顺序进行实施。
217.本发明不直接限定于上述实施方式，在实施阶段能够在不脱离其主旨的范围内对结构要素进行变形并具体化。此外，能够通过上述实施方式中公开的多个结构要素的适当组合形成各种发明。例如，可以删除实施方式所示的全部结构要素中的几个结构要素。并且，可适当组合不同实施方式的结构要素。
218.标号说明
219.1：控制部；1a：通信控制部；1b：id判定部；1c：信息提供部；1d：推理模型规格决定部；1e：推理委托部；1f：检索部；2a：第1设备；2a1：类别信息；2b：第2设备；2b1：类别信息；3：第3设备；3a1：类别信息；4：终端；5：学习部；5a：输入输出模型化部；5b：规格对照部；6：学习委托部；6a：记录部；6b：对象物种类a图像组；6c：示教数据；6d：规格设定部；6e：通信部；6f：控制部；7：推理引擎；8：db部；8a：按id分类的历史一览；9：诊断/检查机构；9a：db部；9b：控制部；9c：显示控制部；9e：医生终端；9f：显示部；9g：操作部；9h：控制部。