JP2011130836A

JP2011130836A - 精神疾患判定システム

Info

Publication number: JP2011130836A
Application number: JP2009291078A
Authority: JP
Inventors: Toru Watsuji; 徹和辻; Keita Hara; 圭太原
Original assignee: Sharp Corp
Current assignee: Sharp Corp
Priority date: 2009-12-22
Filing date: 2009-12-22
Publication date: 2011-07-07

Abstract

【課題】取り付けによるユーザの負担の少ない機器を用いて、広範な精神疾患の有無及び種類を判別できる精神疾患判定システムを提供する。
【解決手段】ユーザの下腕部に取り付けられる加速度センサと、前記加速度センサにより検出されたセンサ信号が活動に起因するものか否かを判別する閾値を記憶する記憶手段と、前記加速度センサにより検出されたセンサ信号を、前記閾値と比較し、前記閾値を超えるセンサ信号検出時刻を前記記憶手段に記憶する信号処理手段と、前記信号処理手段により前記記憶手段に記憶された閾値を超えるセンサ信号検出時刻と、閾値を超えるセンサ信号検出回数と、の情報に基づいて、ユーザの精神疾患の種類を判定する精神疾患判定手段と、を備える精神疾患判定システム。
【選択図】図１

Description

本発明は、ユーザの精神疾患の種類を判別する精神疾患判定システムに関する。

近年、鬱病やパニック障害等の精神疾患に罹患する人々が増加している。従来、精神疾患の疑いを持った人（疑い患者）は、精神科や心療内科等を受診し、または心理カウンセラーに相談していた。しかし、精神科受診に対する偏見や、時間的制約等により、通院自体を行わない疑い患者がいるという問題がある。また、精神疾患は多岐にわたっているにもかかわらず、症状が似通っている場合が多いので、精神疾患の診断には時間がかかり、その間に疑い患者が通院をやめてしまうという問題がある。

電子メールやインターネットを用いて精神疾患の診断・カウンセリングを行うことも行われているが、対面式ではないオンラインの方法では、身振り等の所作情報を得ることができない。このため、精神疾患を特定するための情報が不足し易く、精神疾患を特定することが難しいという問題があった。

特許文献１〜３は、生態情報を用いて、精神疾患を診断する技術を提案している。また、特許文献４は、精神疾患の早期発見、早期治療を行う技術を提案している。

特開平4-193255号公報特開2001-161652号公報特表2002-511409号公報特開2005-4398号公報

特許文献１は、眼球運動を解析することにより、精神疾患における臨床診断や治療の効果などを検査する方法を開示している。

特許文献２は、脳波信号を解析することにより、痴呆その他の神経内科的な判定診断を行う方法を開示している。

特許文献３は、特定の生理化学物質を検出することにより神経疾患及び精神疾患の治療及び診断する方法を開示している。

特許文献４は、インターネット上のソフトウェアを活用することによって、心理教育を実施し、早期治療を促すシステムを開示している。

しかしながら、特許文献１〜３の技術では、特定の精神疾患のみを診断、または精神疾患の治療の過程で治療の効果を診断することはできるものの、多数の精神疾患の種類を一回の検査で判別することはできなかった。このため、特定の疾患ではなかった疑い患者は、さらに他の検査を行って精神疾患の種類を判別する必要があった。また、眼球運動、脳波信号、生理化学物質の解析には、専用の装置が必要であり、日常生活において検査を行って診断することはできないという問題があった。

また、特許文献４は、クライアントがインターネットにアクセスし、自身の精神状態の評価を行って精神上の問題を特定するが、精神疾患は症状が似通っている場合が多いので、精神疾患の種類を判別することはできなかった。

本発明は、上記に鑑みなされたものであり、一回の検査で、精神疾患の種類を判別できる精神疾患判定システムを提供することを目的とする。

上記課題を解決するための本発明は、ユーザの下腕部に取り付けられる加速度センサと、前記加速度センサにより検出されたセンサ信号が活動に起因するものか否かを判別する閾値を記憶する記憶手段と、前記加速度センサにより検出されたセンサ信号を、前記閾値と比較し、前記閾値を超えるセンサ信号検出時刻を前記記憶手段に記憶する信号処理手段と、前記信号処理手段により前記記憶手段に記憶された閾値を超えるセンサ信号検出時刻と、閾値を超えるセンサ信号出力と、の情報に基づいて、ユーザの精神疾患の種類を判定する精神疾患判定手段と、を備える精神疾患判定システムである。

上記構成では、閾値を超える加速度センサのセンサ信号が検出された時刻を記憶している。ここで、閾値を超えるセンサ信号は、うつ状態や睡眠時にはほとんど検出されないものであり、他方躁状態では通常よりも多く検出される。よって、閾値を超えるセンサ信号検出時刻及び出力の情報を用いて、その時刻におけるうつ、躁等の精神状態や睡眠、日中活動等の活動状況を把握できる。そして、加速度センサを用いてユーザの日常生活を常時監視することにより、たとえば日中活動時間帯に閾値を超えるセンサ信号が検出されない等の異常を検知することが可能となる。よって、加速度センサを用いてユーザの日常生活を常時監視し、閾値を超えるセンサ信号検出時刻及び出力の情報を解析することにより、精神疾患の有無及び多岐にわたる精神疾患の種類を判別できる。

加速度センサとしては、公知のものを用いることができ、少なくとも相直交する３軸の加速度を検出するものを用いるのが好ましい。また当該３軸の角速度をも検出できるものがより好ましい。より多くの情報が得られるからである。

加速度センサは、少なくともユーザの利き腕側に取り付けることが好ましく、より好ましくは体幹にも取り付ける。

閾値を超えるセンサ信号出力の情報としては、閾値を超えるセンサ信号検出回数に関する情報や、センサ信号の閾値超過レベルの情報等がある。中でも、センサ信号検出回数に関する情報は、ユーザの活動状態を把握し易く、精神疾患の判定に用いるのに好適である。

上記構成において、前記精神疾患が、躁鬱病、慢性疲労症候群または季節性気分障害である構成とすることができる。

本発明によると、加速度センサという汎用的な装置を用いてユーザの精神疾患の有無及び種類を判別できる。

図１は、実施の形態１に係る精神疾患判定システムを示すブロック図である。図２は、実施の形態１に係る精神疾患判定システムの加速度信号処理の動作フローを示す図である。図３は、健常者及び躁鬱病（双極性障害）患者に対して加速度センサを２０週間取り付け、活発な加速度信号が計測された時刻をプロットした図である。図４は、躁鬱病判定に用いるフローを示す図である。図５（ａ）は、加速度センサを２週間取り付け、活発な加速度信号が計測された回数と時刻とを関連づけてプロットした図であり、図５（ｂ）は、図５（ａ）をＤＦＡ解析した図であり、図５（ｃ）は、慢性疲労症候群患者の領域Ｘ，領域Ｙでのハースト指数を示す図であり、図５（ｄ）は、健常者の領域Ｘ，領域Ｙでのハースト指数を示す図である。図６は、慢性疲労症候群判定に用いるフローを示す図である。図７（ａ）は、季節性気分障害患者に加速度センサを１週間取り付け、活発な加速度信号が計測された回数と時刻とを関連づけてプロットした図であり、図７（ｂ）は、図７（ａ）をウェーブレット解析した図であり、図７（ｃ）は、ウェーブレット係数を示す図であり、図７（ｄ）は、治療１週間後の季節性気分障害患者に加速度センサを１週間取り付け、活発な加速度信号が計測された回数と時刻とを関連づけてプロットした図であり、図７（ｅ）は、図７（ｄ）をウェーブレット解析した図であり、図７（ｆ）は、ウェーブレット係数を示す図である。図８は、季節性気分障害判定に用いるフローを示す図である。

（実施の形態１）
本実施の形態を、図面を参照して詳細に説明する。図１は、本実施の形態に係る情報入力システムのブロック図である。

図１に示すように、本実施の形態に係る精神疾患判定システムは、ユーザの下腕部に取り付けられる加速度センサ１と、加速度センサ１により検出されたセンサ信号が活動に起因するものか否かを判別する閾値を記憶する記憶手段３と、加速度センサ１により検出されたセンサ信号を、閾値と比較し、閾値を超えるセンサ信号検出時刻を記憶手段３に記憶する信号処理手段２と、信号処理手段２により記憶手段２に記憶された閾値を超えるセンサ信号検出時刻と、閾値を超えるセンサ信号出力と、の情報に基づいて、ユーザの精神疾患の種類を判定する精神疾患判定手段４と、を備えている。

加速度センサ１は、ユーザの下腕部に取り付けられ、ユーザの活動状況を加速度で検出するものである。この加速度センサ１は、より多くの情報を得るために、相直交する３軸の加速度を検出するものを用いることが好ましい。また、当該３軸の角速度を検出するものを用いることができる。

記憶手段３は、加速度センサ信号が活動に起因するものか否かを判別する閾値をあらかじめ記憶するものである。この閾値は、活動以外の微細な動き（手の震え等）や、常時検出される重力加速度による影響を排除できうるものであればよい。記憶手段３としては、ハードディスク、半導体メモリ、ホログラフィックメモリ等を用いることができる。

信号処理手段２は、加速度センサ１で検知されたセンサ信号を閾値と比較し、閾値を超えるセンサ信号検出時刻を記憶手段３に記憶するものである。また、ノイズ除去、Ａ／Ｄコンバート等の前処理をさらに行うものであってもよい。

精神疾患判定手段４は、信号処理手段２により記憶手段３に記憶された信号情報（センサ信号検出時刻及び閾値を超えるセンサ信号出力）を用いて、ユーザの精神疾患の有無及び種類を判定するものである。閾値を超えるセンサ信号出力の情報としては、閾値を超えるセンサ信号検出回数に関する情報や、センサ信号の閾値超過レベルの情報等がある。精神疾患判定手段４としては、中央処理装置（ＣＰＵ）等の公知の処理装置を用いることができる。

本実施の形態にかかる精神疾患判定システムの、加速度検出、信号処理、記録に関するフローを、図２を用いて説明する。

加速度センサ１で、ユーザの活動状況を常時監視する（Ｓ１０１）。

信号処理手段２が、加速度センサ信号のノイズ除去等の前処理を行う（Ｓ１０２）。ここでは、加速度センサで検出されるアナログ信号をデジタル信号に変換する処理や、ノイズ除去等を行う。

信号処理手段２が、信号処理後の信号強度が、記憶手段３に記憶された閾値を超えるか否か（たとえば標準重力加速度の１／２を超える加速度変化があるか否か）を判定する（Ｓ１０３）。

信号処理手段２が、閾値を超える信号強度と判定された場合に、当該信号と検出時刻とを関連づけて、記憶手段３に記憶する（Ｓ１０４）。

健常者及び躁鬱病（双極性障害）患者に対して、上記一連の検出を２週間行い、その結果を、閾値を超える信号が検出された時刻を経時的にプロットした図として、図３に示す。図３は変化が視覚的にわかりやすくするため、横軸に２日分（４８時間）とするダブルプロットにしているが、判定アルゴリズムでは、必ずしもダブルプロットにする必要はない。なお、図３（ａ）は健常者のもの、図３（ｂ）は躁鬱病患者のものを示す。

図３（ａ）から、健常者においては、（昼間の）活動が活発な時間帯（daytime activity）と（夜間の睡眠等での）活発でない時間帯（nighttime rest）とが明瞭に分かれていることがわかる。これに対し、図３（ｂ）から、躁鬱病患者においては、健常者と同様の時間帯と活発でない時間帯が明瞭に分かれている時期と、一日を通じてほとんど活動が行われていない時期と、があることがわかる。躁鬱病患者における一日を通じてほとんど活動が行われていない時期は、うつ状態（Depression）の時期であり、これに対し時間帯と活発でない時間帯が明瞭に分かれている時期は、躁状態（Mania）である。よって、活動が活発な時間帯と活発でない時間帯とが明瞭に分かれている時期が有り、且つ、一日を通じてほとんど活動が行われていない時期がある場合に、躁鬱病であると判別することができる。さらに、躁状態においても、活発な時間帯が日々シフトしていく傾向で、躁状態の判定の精度を向上させることもできる。

たとえば、図４に示すように、精神疾患判定手段４が、活発でない時間帯が明瞭に分かれている時期があるか否かを判定し（Ｓ２０１）、ある場合には、精神疾患判定手段４が、一日を通じてほとんど活動が行われていない時期があるか否かを判定し（Ｓ２０２）、Ｓ２０２であると判定されたものを躁鬱病である、その他を躁鬱病でないと判定する。また、Ｓ２０１と、Ｓ２０２とは、順序が逆であってもよい。

以上に説明したように、本実施の形態では、加速度センサ信号情報を用いて躁鬱病の有無を判定できる。

（実施の形態２）
本実施の形態では、慢性疲労症候群の判定について説明する。精神疾患判定システムの構成は、上記実施の形態１と同様であるので、その説明を省略する。

健常者及び慢性疲労症候群患者に対して、上記実施の形態１と同様に一連の検出を２週間行い、その結果を図５に示す。

図５（ａ）に、縦軸に信号検出回数、横軸に信号検出時刻をとったプロット図を示し、図５（ｂ）に、図５（ａ）のプロット図をＤＦＡ解析（Detrended Fluctuation Analysis）を行った結果を示し、図５（ｃ）、図５（ｄ）に、ＤＦＡ解析結果の特異点（図５（ｂ）において、頻度が最も高い領域Ｘ及び頻度が最も低い領域Ｙ）の傾きから得られるハースト指数を示す。なお、図５（ｃ）は、慢性疲労症候群患者によるものを示し、図５（ｄ）は、健常者によるものを示す。

図５（ｃ）から、慢性疲労症候群患者では、頻度が最も高い領域Ｘ、頻度が最も低い領域Ｙともに同様のパターンであることがわかる。これに対し、図５（ｄ）から、健常者では、頻度が最も高い領域Ｘにおけるパターンと、頻度が最も低い領域Ｙにおけるパターンと、が異なっていることがわかる。これは、慢性疲労症候群患者では活動（領域Ｘ）と休息（領域Ｙ）とのメリハリがなく、疲れがとりにくいのに対し、健常者では、活動（領域Ｘ）と休息（領域Ｙ）とのメリハリがはっきりしているので、十分な休息を行うことができることによるものであると考えられる。よって、ＤＦＡ解析結果の特異点（頻度が最も高い領域Ｘ及び頻度が最も低い領域Ｙ）の傾きから得られるハースト指数を用いて、慢性疲労症候群か否かを判別できることがわかる。

たとえば、図６に示すようにして、慢性疲労症候群の判別を行う。
時系列プロットをＤＦＡ解析する（Ｓ３０１）。
活動頻度が最も高い時間帯と、活動頻度が最も低い時間帯とを特定し（Ｓ３０２）、当該時間帯のＤＦＡ解析の傾きからハースト指数を算出する（Ｓ３０３）。
精神疾患判定手段４が、活動頻度が最も高い時間帯と、活動頻度が最も低い時間帯とのハースト指数の一致度を照合し、一致する（たとえば、正規化相関法を用い、正規化相関係数が０．９以上を一致と判定する）場合に慢性疲労症候群である、一致しない場合に慢性疲労症候群ではないと判定できる。

以上に説明したように、本実施の形態では、加速度センサ信号情報を用いて慢性疲労症候群の有無を判定できる。

（実施の形態３）
本実施の形態では、季節性気分障害（Seasonal Affective Disorder、以下ＳＡＤと称することがある）の判定について説明する。精神疾患判定システムの構成は、上記実施の形態１と同様であるので、その説明を省略する。

健常者及び季節性気分障害患者に対して、上記実施の形態１と同様に一連の検出を３週間行い、その結果を図７に示す。

図７（ａ）、（ｄ）に、縦軸に信号検出回数、横軸に信号検出時刻をとったプロット図を示し、図７（ｂ）、（ｅ）に、それぞれ図７（ａ）、（ｄ）のウェーブレット解析結果を示し、図７（ｃ）、（ｆ）ウェーブレット係数を示す。また、図７（ａ）〜（ｃ）は季節性気分障害（ＳＡＤ）患者のものを示し、図７（ｄ）〜（ｆ）は季節性気分障害（ＳＡＤ）患者（治療後）のものを示す。

図７（ｃ）、図７（ｆ）から、ウェーブレット係数が、季節性気分障害患者は、治療後よりもブロードであることがわかる。これは、季節性気分障害患者は、うつ状態となる季節においては、うつ状態によって活動頻度の分布に非対称となる領域（図７（ａ）のＺ１、Ｚ２）が生じやすくなり、これがウェーブレット解析によるウェーブレット係数に影響を及ぼしているものと考えられる。よって、ウェーブレット係数を用いて、季節性気分障害か否かを判別できることがわかる。

たとえば、図８に示すようにして、季節性気分障害の判別を行う。

時系列プロットをウェーブレット解析する（Ｓ４０１）。

ウェーブレット係数を算出する（Ｓ４０２）。

上記ウェーブレット係数を、季節性気分障害判定用のウェーブレット係数基準と比較し、ウェーブレット係数基準よりもブロードである場合に季節性気分障害である、ブロードでない場合に季節性気分障害でないと判定する（Ｓ４０３）。

上記ウェーブレット係数基準は、あらかじめ医師等が設定して記憶手段に記憶しておく。

以上に説明したように、本実施の形態では、加速度センサ信号情報を用いて季節性気分障害の有無を判定できる。

以上に説明したように、本発明によると、加速度センサという汎用的で且つ取り付け負担の少ない機器を用いて日常生活を監視することにより、広範な精神疾患の種類を判別できる。これを用いることにより、精神疾患の早期発見が可能となり、早期治療を行うことが可能となる。よって、本発明の産業上の利用可能性は大きい。

Claims

ユーザの下腕部に取り付けられる加速度センサと、
前記加速度センサにより検出されたセンサ信号が活動に起因するものか否かを判別する閾値を記憶する記憶手段と、
前記加速度センサにより検出されたセンサ信号を、前記閾値と比較し、前記閾値を超えるセンサ信号検出時刻を前記記憶手段に記憶する信号処理手段と、
前記信号処理手段により前記記憶手段に記憶された閾値を超えるセンサ信号検出時刻と、閾値を超えるセンサ信号出力と、の情報に基づいて、ユーザの精神疾患の種類を判定する精神疾患判定手段と、
を備える精神疾患判定システム。
請求項１に記載の精神疾患判定システムにおいて、
前記閾値を超えるセンサ信号出力として、閾値を超えるセンサ信号検出回数を用いる、
ことを特徴とする精神疾患判定システム。
請求項１又は２に記載の精神疾患判定システムにおいて、
前記精神疾患が、躁鬱病、慢性疲労症候群または季節性気分障害である、
ことを特徴とする精神疾患判定システム。