健康安全支援系统及方法与流程

1.本发明涉及健康安全支援系统及方法。


背景技术：

2.目前，逐步进入老龄化社会，随之物业公司、养老院等社区管理机构对其住户实施的健康支援及管理被迫切需求。其中，作为面向住户提供安心安全、健康寿命延长、生活便利的方案，提案了数字生命医疗保健。
3.以往，如专利文献1中所公开的那样，专利文献1提供一种涉及医院-社区-家庭三位一体的慢性病健康管理系统，其中患者的体检及自评能够同步于云平台并共享给社区端、患者端和家属端，以实现家属的共同监督作用及社区卫生院对患者的随访跟踪，从而提高对患者的健康管理效果。
4.现有技术文献
5.专利文献
6.专利文献1：cn 111105853 a


技术实现要素：

7.在专利文献1中，以医院为中心，仅仅涉及医院针对其患者的健康管理。然而，患者以外的其他人例如健康人也迫切需要健康服务以及健康风险预测，例如需要从物业公司、养老院等社区管理机构对其住户实施的健康服务以及健康风险预测。在现有技术中，存在难以将用户(住户)未来患慢性病等的风险可视化并提供相应健康指导的技术问题。
8.本发明的发明人在对面向住户的健康服务进行研究的过程中，提出了本发明，其目的在于提供一种能够将用户(住户)未来患慢性病等的风险可视化并提供相应健康指导的健康安全支援系统及方法。
9.本发明的一个实施方式的健康安全支援系统，其特征在于，包括以下模块：数据收集模块，收集用户的健康数据，所述健康数据至少包括从终端输入的信息；分析模块，基于所述健康数据，通过分析模型分析所述用户的至少包括慢性病风险等级的健康风险等级；以及健康行动模块，将分析出的所述健康风险等级与关联机构共享，以按照所述健康风险等级对所述用户的健康行动进行指导。
10.由此，能够将用户未来患慢性病等的健康风险可视化并提供相应健康指导。
11.此外，优选在分析模块中，基于从所述终端输入的所述用户的个人基本信息、健康诊断信息、生活习惯信息、病例信息以及服药信息之中的至少一个，通过分析模型预测所述慢性病风险等级。
12.由此，能够有效地收集与慢性病风险相关的信息，提升了分析预测的可行性。
13.此外，优选在所述数据收集模块中，还从传感器收集所述健康数据，所述传感器包括用于收集用户的日常活动信息的传感器以及用于收集用户的训练信息的传感器之中的至少一个。
14.由此，能够实时地更新社区内的用户的健康数据从而实现有效的分析预测。
15.此外，优选所述健康风险等级还包括跌倒风险等级和认知障碍风险等级，所述分析模块至少基于从所述传感器得到的与所述用户的步行能力相关的健康数据，预测所述跌倒风险等级；所述分析模块至少基于从所述传感器得到的与所述用户的脑血流相关的健康数据，预测所述认知障碍风险等级。
16.由此，能够多方位地管理社区内的用户的各种健康风险。
17.此外，优选所述分析模块还基于所述健康数据，分析针对所述用户进行了优化的健康建议，所述健康建议包括健康报告、训练建议以及饮食建议之中的至少一个。
18.由此，能够按每个用户分析出适合于该用户的健康建议。
19.此外，优选在所述健康行动模块，按照所述健康风险等级及/或所述健康建议对用户的健康行动进行指导，所述指导包括脑训练指导、身体训练指导、饮食指导、睡眠指导以及由医生指导之中的至少一个。
20.由此，能够将分析结果与指导服务建立协作关系，能够向用户明示出用于降低健康风险等级的具体行动，使用户能够有效地进行健康行动。
21.此外，优选在所述健康行动模块，还在所述慢性病风险等级、所述跌倒风险等级或所述认知障碍风险等级高于规定阈值时，对用户进行监护，该监护包括以下中的至少一个：跌倒监护，利用毫米波传感器或图像传感器检测所述用户是否跌倒；以及睡眠监护，利用睡眠传感器监测所述用户的呼吸及心率。
22.由此，能够按照分析出的健康风险等级对社区内的用户实施有效的监护。
23.此外，优选在所述健康行动模块，还将分析出的所述健康风险等级及/或所述健康建议与所述关联机构共享，以由所述关联机构向所述用户提供与所述健康风险等级及/或所述健康建议相应的健康服务，所述关联机构包括医院、药房、康复机构、护理机构、以及外卖机构之中的至少一个。
24.由此，能够将分析结果与关联机构建立协作关系，使第三者能够提供有效的健康服务。
25.此外，优选健康安全支援系统还包括存储模块，在所述存储模块中，至少将所述健康数据以及所述健康风险等级存储至数据库。
26.由此，能够便于针对社区内的用户建立健康日志。
27.并且，本发明的一个实施方式的健康安全支援方法，其特征在于，包括以下步骤：数据收集步骤，收集用户的健康数据，所述健康数据至少包括从终端输入的信息；分析步骤，基于所述健康数据，通过分析模型分析所述用户的至少包括慢性病风险等级的健康风险等级；以及健康行动步骤，将分析出的所述健康风险等级与关联机构共享，以按照所述健康风险等级对所述用户的健康行动进行指导。
28.由此，能够将用户未来患慢性病等的健康风险可视化并提供相应健康指导。
附图说明
29.图1是表示本发明的健康安全支援系统100的各功能模块的框图。
30.图2是表示健康安全支援系统100执行的健康安全支援方法的流程图。
31.图3是表示在利用了健康安全支援系统100的住宅机构中实施的处理的时序图。
32.图4是表示有关跌倒风险等级分析结果的显示页面的一个具体例。
33.图5是表示有关认知障碍风险等级分析结果的显示页面的一个具体例。
具体实施方式
34.以下结合附图对本发明进行更详细的说明。其中，下述说明只是为了方便理解本发明而举出的例子，不用于限定本发明的范围。在具体实施方式中，系统中的各模块可以根据实际情况变更、合并、删减或追加，方法的步骤亦可以根据实际情况变更、合并、删减、追加或改变顺序。在附图中，大小、方向等仅为示意，可以根据实际情况变更。
35.首先，说明本发明涉及的健康安全支援系统100的整体概要。图1是表示本发明的健康安全支援系统100的各功能模块的框图。例如是由公寓、住宅小区、养老院、或疗养院等住宅机构的开发者建立、针对住宅机构中的用户(住民)提供服务的系统。此外，本发明的应用场景并不限于上述住宅机构，也能够应用于个人用户或医院等医疗机构。以下，以作为住宅机构整体的健康安全支援系统100为例具体进行说明。
36.如图1所示，健康安全支援系统100具备数据收集模块110、分析模块120、健康行动模块130以及存储模块140。
37.如图1所示，数据收集模块110通过终端输入部111及传感器输入部112接受来自终端及传感器的至少一方的健康数据的输入。数据收集模块110既可以由终端及/或传感器本身实现，也可以由能够以有线或无线的方式与终端及/或传感器进行通信的计算机等设备实现。其中，终端输入部111及传感器输入部112只要能够以有线或无线的方式利用各种i/f接收数据即可。
38.终端例如是智能手机、平板电脑、笔记本电脑、台式电脑等。作为一个具体例，终端例如是作为住户的用户所持有的智能手机，通过住宅机构的开发者提供的智能手机应用程序或网站，在用户入住该住宅机构的前后，能够通过上述的智能手机应用程序或网站输入用户的个人信息。此外，来自终端的输入既可以由用户本人输入，也可以由来自体检中心、医疗机构等的用户的代理人代表其而输入。
39.数据收集模块110例如通过终端收集用户的个人基本信息、健康诊断信息、生活习惯信息、病例信息以及服药信息。个人基本信息例如是用户的id、姓名、性别、年龄(出生日期)、身高及体重等。
40.健康诊断信息例如是用户的bmi、腹围、收缩压、舒张压、中性脂肪、hdl胆固醇、ldl胆固醇、γgtp、血清肌酐、血清尿酸、空腹血糖、hba1c、尿糖离散化、尿蛋白离散化等信息。生活习惯信息例如包括用户是否有吸烟习惯、20岁后体重增加10kg以上、无出汗运动、无身体活动、走路速度不快、1年内有体重变化、吃饭快、睡前2小时内吃晚饭的频率一周3次以上、晚饭后吃加餐的频率一周3次以上、不吃早饭的频率一周3次以上、每日饮酒、每日饮酒量达0.1升以上、睡眠不足等。
41.病例信息例如包括用户是否有2型糖尿病、本态性高血压、脂质异常症、视网膜病、肾病、神经障碍、心肌梗塞、脑梗塞、心脏肥大、心力衰竭、心房颤动、大动脉解离、脑出血、动脉硬化、视网膜病_增殖期视网膜病、肾病_肾功能衰竭期、肾病_透析期、神经障碍_截肢期、心肌梗塞_急性期、脑梗塞_急性期、心脏肥大_急性期、心力衰竭_急性期、心房颤动_急性期、大动脉解离_急性期、脑出血_急性期、动脉硬化_急性期等疾病。
42.此外，病例信息不限于疾病的诊断结果，也包括作为用于评估用户的身体活动水平、认知水平、护理水平、是否需要护理或长期护理的指标的评估结果数据。评估结果数据例如是护理度、tug(起立-行走测试，timed up and go test)、mmse(简易精神状态检查，mini mental state examination)、tmt(追踪测试，trail making test)、moca(蒙特利尔认知评估，montoreal cognitive assessment)等测试的结果。其中护理度的评估方法例如可以用由地方政府独立确定的评估方法或巴氏指数(barthel指数)等在国际上被使用的日常活动评估方法。
43.服药信息例如是与上述的病例信息相应的用户的服药史。其中药品包括但不限于口服降血糖药、胰岛素、降压药、降血脂药、强心药等心血管药、抗神经病药、抗帕金森药、安眠药、镇静剂、中草药、针灸、艾灸、铁制剂等。
44.此外，数据收集模块110通过终端收集的信息不限于此。例如还包括用户在使用智能手机、平板电脑等终端的途中，产生的餐厅、理疗、医疗机构等的预约及消费历史记录；用户利用健身房、乒乓球室、瑜伽室、太极拳馆、手工艺教室、书法教室等的历史记录；用户使用游戏等脑训练应用程序的历史记录及历史成绩；以及用户曾经出现跌倒等状况的记录。
45.传感器包括用于收集用户的日常活动信息的传感器以及用于收集用户的训练信息的传感器之中的至少一个，例如是2d相机、3d相机(红外线相机、tof相机等)等图像传感器、毫米波传感器、振动型睡眠传感器等睡眠传感器、生命体征传感器、红外线血流测量装置、gps等。
46.其中，用于收集用户的日常活动信息的传感器被安装在住宅机构的公共区域和私人区域，监视用户的健康状态并将监视结果收集至数据收集模块110。根据适当的图像处理技术，能够从图像传感器抽出用户的步行速度、加速度、步幅、及速度变化率等特征量。此外，能够从图像传感器收集用户跌倒的情况。其中，优选2d相机、3d相机等图像传感器仅被设置在公寓的走廊和入口以及居住区的道路等公共区域，以保护个人隐私。毫米波传感器优选被设置在用户的床头、马桶座等私人区域，能够监护处于室内的用户的情况，并至少收集用户跌倒的情况。振动型睡眠传感器等睡眠传感器既可以设置在用户的床头，也可以是由用户穿戴的可穿戴设备。通过睡眠传感器，至少能够收集用户的呼吸及心率信息。此外，通过gps能够得到用户的移动记录以及用户位于社区中心、超市、医院、图书馆等的历史记录。由此，通过用于收集用户的日常活动信息的传感器将用户站立、坐下、步行、跑步、就寝等情况收集至数据收集模块110。
47.用于收集用户的训练信息的传感器既可以是由用户穿戴的可穿戴设备，也可以是住宅机构的服务设备，例如被设置于健身房、医护中心、活动中心等设施。作为一个具体例，可以是用户在健身房进行身体训练时，由健身设备收集用户的训练时间、训练强度以及消耗的能量(卡路里)；以及由被用户穿戴的智能手表收集用户的心率信息。作为一个具体例，可以是用户在游戏机等脑训练设备进行脑训练时，由脑血流传感器在脑部训练期间收集脑血流的变化量或大脑的激活程度。由此，通过用于收集用户的训练信息的传感器将用户进行脑训练及身体训练的历史记录及历史成绩收集至数据收集模块110。
48.通过从传感器获取健康数据，能够实时地更新社区内的用户的健康数据，从而使后述的分析模块120有效地实施分析预测并能够更新分析结果。
49.此外，数据收集模块110将收集到的健康数据发送至分析模块120。
50.分析模块120具备健康风险等级分析部121以及健康建议生成部122。其中，健康风险等级分析部121基于来自数据收集模块110的健康数据，通过分析模型分析用户的健康风险等级。
51.其中，分析模型例如是经过了有监督学习或无监督学习的机器学习模型，分析方法包括但不限于线性回归、逻辑回归、支持向量机(svm)、决策木分析、神经网络、集群分析、k均值算法(k-means法)、自组织映射(som)及主成分分析等。
52.健康风险等级是表示用户的健康状况存在的潜在风险的指标，例如被设置有“上”、“中上”、“中”、“中下”、“下”5个等级，从“上”至“下”依次表示健康风险从低至高。此外，健康风险等级的设置方式不限于此，也可以分为“上”、“中”、“下”3个等级，也可以按0～100的分数评价健康风险等级。
53.健康风险等级例如包括慢性病风险等级、跌倒风险等级以及认知障碍风险等级。其中，既可以使用同一个分析模型分析各个健康风险等级，也可以分别使用不同的分析模型进行分析各个健康风险等级。
54.慢性病风险等级是表示用户患慢性病的潜在风险的指标。例如，分析模块120基于从终端输入的所述用户的个人基本信息、健康诊断信息、生活习惯信息、病例信息以及服药信息之中的至少一个，通过分析模型预测慢性病风险等级。
55.其中，分析模型例如根据不同的慢性病而不同。慢性病包括高血压、脂质异常、糖尿病、脑梗塞、心肌梗塞、心脏肥大、视网膜症、脑血管疾病、肾疾病、心血管疾病、高血压病、胰腺疾病、肝疾病、恶性新生物等。
56.作为一个具体例，分析模块120基于通过线性回归算法已学习的糖尿病风险分析模型，以从数据收集模块110得到的用户的年龄、性别、bmi、血压、糖尿病遗传指数以及血清化验指标作为输入数据，得到用户的糖尿病风险等级。
57.由此，能够将用户未来患慢性病等的健康风险通过健康风险等级实现可视化。并且由于在数据收集模块110收集了与慢性病相关的信息，所以分析模块120进行的慢性病风险等级分析具有足够的可行性。
58.跌倒风险等级是表示用户未来跌倒的可能性的指标。分析模块120至少基于从传感器得到的与用户的步行能力相关的健康数据，预测跌倒风险等级。
59.作为一个具体例，分析模块120基于已学习的跌倒风险分析模型，以数据收集模块110从终端得到的作为病例信息的tug测试的结果、以及从作为传感器的图像传感器得到的步行速度、加速度、步幅、速度变化率等特征量作为输入数据，得到用户的跌倒风险等级。
60.认知障碍风险等级是表示用户出现认知障碍(老年痴呆症)的潜在风险的指标。分析模块120至少基于从传感器得到的与用户的脑血流相关的健康数据，预测认知障碍风险等级。
61.作为一个具体例，分析模块120基于已学习的认知障碍风险分析模型，以数据收集模块110从终端得到的作为病例信息的mmse、tmt、护理度的测试结果、以及从作为传感器的脑血流传感器得到的脑血流数据作为输入数据，得到用户的认知障碍风险等级。
62.此外，分析模块120分析出的健康风险等级不限于上述的慢性病风险等级、跌倒风险等级以及认知障碍风险等级，还可以包括急性心脏病风险等级、癌症风险等级等其他健康风险等级。由此，能够多方位地管理社区内的用户的各种健康风险。
63.此外，分析模块120所具备的健康建议生成部122还基于来自数据收集模块110的健康数据，分析并生成针对用户进行了优化的健康建议。健康建议包括健康报告、训练建议以及饮食建议之中的至少一个。
64.其中，健康报告例如是来自数据收集模块110的健康数据本身，是对该用户的健康管理有参考价值的信息。健康报告例如是用户的体检报告、身体训练及脑训练的训练得分、饮食记录、社区活动中心/医院/康复机构/护理服务等的使用记录、以及行动记录等。
65.其中，饮食建议例如是推荐与上述分析出的慢性病风险等级相应的饮食，例如相应于糖尿病或高血压风险等级的食谱。此外，也可以是对多个用户按照多个健康数据进行聚类，并分析某用户所属的组(cluster)，将同组中健康评价结果提高了的人的食谱推荐给该用户。
66.其中，训练建议例如是推荐与用户所属的组别(根据性别、年龄等确定的组别)相应的脑训练、身体训练。此外，也可以推荐与健康风险等级相应的脑训练、身体训练。
67.由此，能够按每个用户分析出适合于该用户的健康建议。
68.此外，分析模块120将分析出的健康风险等级、健康建议发送给用户及健康行动模块130。
69.健康行动模块130根据从分析模块120得到的健康风险等级、健康建议等，对用户进行的健康行动提供帮助。健康行动模块130具备健康指导部131、健康监护部132以及关联机构协作部133。
70.其中，健康行动模块130所具备的健康指导部131将分析出的健康风险等级与关联机构共享，以按照健康风险等级对用户的健康行动进行指导。
71.其中，作为关联机构，既包括能够向用户提供与健康风险等级及/或健康建议相应的健康服务的机构、设施或软件应用程序，也包括关注该用户的健康状态的家属、社区管理人及私人医生等持有的终端以及提供健康服务的其他组织单位。
72.健康行动模块130通过将分析出的健康风险等级与关联机构共享，以使内设于健康安全支援系统100内及设于健康安全支援系统100之外的关联机构能够针对该用户的健康风险等级及/或健康建议对该用户的健康行动进行指导。该指导包括脑训练指导、身体训练指导、饮食指导、睡眠指导以及由医生指导之中的至少一个。
73.具体而言，脑训练指导是向用户提供使反应力、记忆力、集中力等提升的脑训练或脑训练建议的指导，例如是通过关联机构协作部133与关联机构协作而进行的指导服务。作为一个具体例，根据从分析模块120得到的认知障碍风险等级及脑训练建议，使作为关联机构的脑训练应用程序或位于社区活动中心的脑训练治疗仪提供相应于用户认知水平的脑训练，并将用户的训练情况共享至用户的家属及其神经内科主治医生等持有的终端，以使其他人能够对用户的脑训练进行指导、监督。
74.此外，身体训练指导是向用户提供使肌肉力、肌肉量等提升的身体训练或身体训练建议的指导，例如是通过关联机构协作部133与关联机构协作而进行的指导服务。身体训练包括散步、慢跑、游泳及肌肉训练等。作为一个具体例，根据从分析模块120得到的慢性病风险等级及身体训练建议，将适合于用户的训练项目的预约链接及器材购买链接显示于用户能够使用的终端。作为一个具体例，在用户利用社区健身器材等内设于健康安全支援系统100中的训练器材时，该训练器材接收到从分析模块120得到的慢性病风险等级及身体训
练建议，并根据该情况调整练器材的设定，例如调整跑步机的速度、坡度、训练时间等。此外，也可以在训练器材等关联机构实施分析模块120中的处理。
75.此外，饮食指导是向用户提供用于糖尿病、高血压等慢性病预防、治疗的餐食及餐食建议的指导，例如是通过关联机构协作部133与关联机构协作而进行的指导服务。作为一个具体例，根据从分析模块120得到的慢性病风险等级及饮食建议，将适合于用户的食谱链接显示于用户能够使用的终端。作为一个具体例，在用户在社区食堂就餐时，按照从分析模块120得到的慢性病风险等级及饮食建议向用户提供针对性菜单。此外，也可以将用户的就餐情况、食物购买记录等共享至用户的家属及营养师等持有的终端，以使其他人能够对用户的饮食进行指导、监督。
76.此外，睡眠指导向用户提供用于实现良好睡眠质量的运动、饮食、饮酒及环境相关的指导，例如是通过关联机构协作部133与关联机构协作而进行的指导服务。作为一个具体例，根据从分析模块120得到的慢性病风险等级，设定适合于用户的睡前提醒并使其显示于用户能够使用的终端，督促用户进行助眠相关的运动、饮食。
77.此外，医生指导是使医生按照从分析模块120得到的健康风险等级对用户或其家属进行的指导，例如是通过关联机构协作部133与关联机构协作而进行的指导服务。作为一个具体例，根据从分析模块120得到的慢性病风险等级，将相关慢性病的挂号预约链接显示于用户能够使用的终端，便于用户对医生指导进行预约。此外，在从分析模块120得到的健康风险等级发送了变化时，使该情况在用户、其家属、社区管理员及关联医生之间共享，以使相关人员能够监督用户完成医生指导。此外，医生指导不限于由医护人员进行的指导，也包括通过例如由人工智能实现的自动诊断进行的指导。
78.由此，能够实现对用户提供与其健康风险等级相应的健康指导。并且，能够将分析结果与指导服务建立协作关系，能够向用户明示出用于降低健康风险等级的具体行动，使用户能够有效地进行健康行动。
79.此外，健康行动模块130所具备的健康监护部132还在慢性病风险等级、跌倒风险等级或认知障碍风险等级高于规定阈值时，对用户进行监护。其中，也可以包括通过关联机构协作部133与关联机构协作而进行的监护服务。其中，规定阈值例如根据各个健康风险等级而被预先设定。并且，该监护可以是在从分析模块120输出了高于规定阈值的健康风险等级的时点，健康行动模块130使服务器向健康安全支援系统100中用于实施监护的各设备发出监护指示，从而各设备将该用户注册为监护目标而开始实施监护。此外，该监护也可以是在从分析模块120输出了高于规定阈值的健康风险等级的时点，健康行动模块130向用户能够使用的终端发送监护开始请求，在由用户通过该终端的输入部确认了上述的监护开始请求后，开始实施监护。此外，也可以向该用户的家属等代理人发送监护开始请求。
80.健康行动模块130所实施的监护包括利用毫米波传感器或图像传感器检测用户是否跌倒的跌倒监护。其中，例如在社区内的公共区域，对图像传感器采集的图像数据进行人像识别，从而识别出对象用户，并利用通过机器学习算法学习后的跌倒判定模型判定对象用户跌倒的情况，在检测到用户跌倒的情况下，将该情况发送给社区管理人和用户的家属。此外，在用户的卧室、卫生间等私人区域，考虑到用户的隐私而优选通过毫米波传感器判定对象用户跌倒的情况，在检测到用户跌倒的情况下，将该情况发送给社区管理人和用户的家属持有的终端。
81.健康行动模块130所实施的监护还包括睡眠监护，该睡眠监护至少利用睡眠传感器监测所述用户的呼吸及心率。其中，睡眠传感器例如是振动型，在其检测到用户的呼吸及心率出现异常时，向注册至该睡眠传感器的值班护士通知该情况，将该情况发送给社区管理人和该用户的家属持有的终端。
82.此外，还可以根据用户的需求提供其他的健康监护项目。由此，能够按照分析出的健康风险等级对社区内的用户实施有效的监护。
83.以上，说明了健康行动模块130按照从分析模块120得到的健康风险等级、健康建议对用户的健康行动进行指导，以及对用户进行监护的情况。其中，也可以包括通过关联机构协作部133与关联机构协作而进行的指导、监护服务。此外，关联机构不限于上述说明的例子，与关联机构协作提供的健康服务也不限于上述说明的指导、监护服务，只要是健康行动模块130将分析模块120分析出的健康风险等级及/或健康建议与关联机构共享，以由关联机构向用户提供与健康风险等级及/或健康建议相应的健康服务即可。
84.例如，关联机构包括医院。医院既可以是社区医院及家庭医生，也可以是包括三级医院在内的大型医院，健康行动模块130通过将分析模块120分析出的健康风险等级及/或健康建议与医院共享，以使医院在必要时对用户的健康行动进行指导、干预。
85.此外，关联机构包括药房。医院例如是用户所处的地区的药房、网络售药平台等。例如，健康行动模块130通过将分析模块120分析出的慢性病风险等级与药房共享，以使将相应慢性病治疗药物的购买链接发送至用户能够使用的终端。
86.此外，关联机构包括康复机构。康复机构例如是社区内设的康复中心、按摩院等。例如，健康行动模块130针对跌倒风险等级高于规定阈值的用户、或由跌倒监护检测到了跌倒的情况的用户，向康复机构通知该用户的情况以使其针对该用户的情况实施康复服务。
87.此外，关联机构包括看护机构。看护机构例如是具有护理资质的看护中心或护工介绍平台。健康行动模块130通过将分析模块120分析出的跌倒风险等级、认知障碍风险等级(即需要看护的风险等级)与看护机构共享，使看护机构实施适合于用户的看护服务。例如，由护工对跌倒风险等级较高的用户提供看护、按摩；由护工对认知障碍风险等级较高的用户提供手指运动等看护运动训练。
88.此外，关联机构包括外卖机构。外卖机构例如是提供外卖服务的餐厅、外卖平台等。健康行动模块130通过将分析模块120分析出的慢性病风险等级与外卖机构共享，以使外卖机构将适合于用户的菜单的链接显示于用户能够使用的终端。该菜单例如是改善糖尿病状况的菜单、改善高血压状况的菜单。
89.由此，能够将分析结果与关联机构建立协作关系，使关联机构等第三者能够提供有效的健康服务。
90.存储模块140至少将来自数据收集模块110的健康数据以及来自分析模块120的健康风险等级存储至数据库。存储模块140既可以由住宅机构、用户持有的终端的存储器实现、也可以由云存储器实现，也可以将多个用户的数据合并存储。此外，也可以将来自健康行动模块130的有关健康指导、健康监护及关联机构的健康服务的履历存储至数据库。通过存储模块140，能够便于针对社区内的用户建立健康日志。
91.此外，健康安全支援系统100的各功能模块既可以由单体的计算机或服务器实现，也可以由分体的多个设备、例如由多台服务器构成的云计算服务器实现。另外，也可以通过
计算机的处理器执行被预先存储在记录介质中的程序，实现健康安全支援系统100的上述各功能模块。
92.以上，说明了本发明涉及的健康安全支援系统100的整体概要。然而，健康安全支援系统不限于上述说明的实施方式，也可以由本领域技术人员进行多样的变形，健康安全支援系统并非必须具有上述全部的功能模块，通过上述功能模块中的部分功能模块也能够实施本发明。
93.以下，参照图2说明健康安全支援系统100执行的健康安全支援方法的流程图。其中，以下流程也可以由具有处理器和存储器的健康安全支援装置执行，由其具备的处理器执行相应的处理。如图2所示，首先，在步骤s101中，由数据收集模块110收集用户的健康数据，该健康数据至少包括从终端输入的信息。此外，健康数据也可以包括来自传感器的数据。然后，在步骤s102中，由分析模块120基于健康数据，通过分析模型分析用户的健康风险等级，健康风险等级至少包括慢性病风险等级。此外，健康风险等级也可以还包括跌倒风险等级和认知障碍风险等级。接着，在步骤s103中，由健康行动模块130将分析出的健康风险等级与关联机构共享，以按照健康风险等级对用户的健康行动进行指导。此外，也可以在健康风险等级高于规定阈值时对用户的进行监护。由此，能够将用户未来患慢性病等的健康风险通过健康风险等级可视化并提供相应健康指导。
94.以下，参照图3进一步说明利用了健康安全支援系统100的住宅机构中实施的处理的时序。图3是表示在利用了健康安全支援系统100的住宅机构中实施的处理的时序图。在图3中，表示了以用户入住住宅机构为时间起点的时序。
95.首先，在用户入住住宅机构的时间点或入住前后的时间点，由用户经由终端输入健康数据(s1)。此外，也可以由住宅机构的管理者、用户的家属等输入健康数据。此外，在用户入住住宅机构后，开始由传感器监测用户的健康数据(s2)。其后，由健康安全支援系统100的数据收集模块110收集来自终端和传感器的用户的健康数据(s3～s4)。其后，由健康安全支援系统100的分析模块120将分析出的健康分析等级及/或健康建议发送给用户(s5)，并将分析出的健康分析等级及/或健康建议与关联机构共享(s6)。其后，健康安全支援系统100的健康行动模块130与关联机构协作，对用户的健康行动提供健康指导(s7～s8)。并且，健康安全支援系统100的健康行动模块130根据用户的情况，指示相关联的传感器开始对用户实施健康监护(s9)。以上说明的处理时序仅是一例，其内容可以根据实际情况添加、删除或调整顺序。
96.以下，参照图4～图5说明在利用健康安全支援系统100的用户持有的终端中的显示页面的具体例。此外，图4～图5中的显示页面也可以是在用户的家属等代理人持有的终端中的页面，也可以是在由社区管理并作为健康安全支援装置发挥功能的设备中的显示页面。
97.图4是表示有关跌倒风险等级分析结果的显示页面的一个具体例。如图4所示，在有关跌倒风险等级分析结果的显示页面中，示出了从数据收集模块110收集到的用户的健康数据中的一部分，例如是被用于分析模块120中的跌倒风险等级分析模型的数据，是与步行能力相关的数据。
98.此外，如图4所示，在有关跌倒风险等级分析结果的显示页面中，示出了作为分析模块120的分析结果的数据。在示例中，分析结果分5个等级，其中“上”(模型的分析结果为
90分以上)表示步履稳健；“中上”(模型的分析结果为80-89分)表示正常，没有跌倒风险；“中”(模型的分析结果为60-79分)表示存在低度跌倒风险；“中下”(模型的分析结果为41-59分)表示存在中度跌倒风险；“下”(模型的分析结果为40分以下)表示存在高度跌倒风险。
99.此外，如图4所示，在有关跌倒风险等级分析结果的显示页面中，作为分析模块120的分析结果，示出了针对所述用户进行了优化的健康建议。在示例中，由于跌倒风险等级为“中下”，存在中度跌倒风险，因此建议通过运动器械以及专业指导服务来改善腿部活动能力，同时建议使用跌倒监护服务。跌倒监护服务例如是毫米波雷达安全守护服务。此外，针对跌倒风险等级为“中”的人群，为减轻跌倒风险，建议多做针对性的预防活动，并推荐使用社区的健康训练系统。
100.此外，如图4所示，在有关跌倒风险等级分析结果的显示页面中，示出了作为健康行动模块130发挥功能的相关链接。在图示中，示出了“预约训练私教”及“申请监护服务”的链接。该链接例如根据跌倒风险等级的分析结果的不同而不同。在由用户或其代理人对相应链接发出了确认指令时，健康行动模块130使跌倒风险等级的分析结果在其他关联机构之间共享，并进一步指导用户的健康行动。例如，健康行动模块130使社区健身房根据用户的跌倒风险等级向用户推荐身体训练项目，并预约训练私教。例如，健康行动模块130使社区内的图像传感器及毫米波传感器等开始针对该用户发挥跌倒监护功能。
101.图5是表示有关认知障碍风险等级分析结果的显示页面的一个具体例。如图5所示，在有关认知障碍风险等级分析结果的显示页面中，示出了在用户完成了作为脑训练的游戏项目时的显示页面。该游戏项目例如是内设于健康安全支援系统100的游戏应用程序。在图5中，将游戏的时间、成绩等作为从数据收集模块110收集到的用户的健康数据，分析模块120至少根据该数据分析认知障碍风险等级。
102.此外，如图5所示，示出了作为分析模块120的分析结果的数据。在示例中，分析结果分5个等级，其中“上”(模型的分析结果为90分以上)表示年轻大脑；“中上”(模型的分析结果为80-89分)很强的认知能力；“中”(模型的分析结果为60-79分)表示普通的认知能力；“中下”(模型的分析结果为41-59分)表示稍微有点弱的认知能力；“下”(模型的分析结果为40分以下)表示低认知能力级别。其中，认知能力包括反应力、记忆力、集中力等。在分析模块120中，游戏数据与认知障碍风险等级的关系例如根据游戏规则而不同，例如在麻将中失分项为点炮，得分为胡牌；在象棋中失分项为被杀，得分为赢牌等。此外，本局时长、出牌时间等作为共通的得分和失分项。
103.此外，如图5所示，在有关认知障碍风险等级分析结果的显示页面中，作为分析模块120的分析结果，示出了针对所述用户进行了优化的健康建议。在示例中，由于认知障碍风险等级为“中下”，因此建议开始新游戏以提升认知能力。同时建议使用脑传感设备观测和刺激脑血流，深度分析从而更新认知障碍风险等级。此外，也可以还建议用户使用毫米波雷达安全守护服务等健康监护服务。
104.此外，如图5所示，在有关认知障碍风险等级分析结果的显示页面中，示出了作为健康行动模块130发挥功能的相关链接。在图示中，示出了“开始新游戏”及“申请脑血流检测”的链接。该链接例如根据认知障碍风险等级的分析结果的不同而不同。在由用户或其代理人对相应链接发出了确认指令时，健康行动模块130使认知障碍风险等级的分析结果在其他关联机构之间共享，并进一步指导用户的健康行动。例如，健康行动模块130使该游戏
的应用程序根据用户的认知水平推荐开始新游戏的游戏内容及游戏难度。例如，健康行动模块130使医院获取到该用户的认知障碍风险等级并完成脑血流检测等诊断项目的预约。
105.以上，参照图4～图5说明了两个具体例，但利用健康安全支援系统100的用户持有的终端中的显示页面不限于此，数据收集模块110收集到的健康数据、分析模块120进行的分析处理、健康行动模块130提供的相关服务内容均不限于图示的内容。
106.以上参照附图说明了本发明的实施方式。其中，以上说明的实施方式仅是本发明的具体例子，用于理解本发明，而不用于限定本发明的范围。本领域技术人员能够基于本发明的技术思想对实施方式进行各种变形、组合和要素的合理省略，由此得到的方式也包括在本发明的范围内。

技术特征：
1.一种健康安全支援系统，其特征在于，包括以下模块：数据收集模块，收集用户的健康数据，所述健康数据至少包括从终端输入的信息；分析模块，基于所述健康数据，通过分析模型分析所述用户的至少包括慢性病风险等级的健康风险等级；以及健康行动模块，将分析出的所述健康风险等级与关联机构共享，以按照所述健康风险等级对所述用户的健康行动进行指导。2.根据权利要求1所述的健康安全支援系统，其特征在于，在分析模块中，基于从所述终端输入的所述用户的个人基本信息、健康诊断信息、生活习惯信息、病例信息以及服药信息之中的至少一个，通过分析模型预测所述慢性病风险等级。3.根据权利要求1所述的健康安全支援系统，其特征在于，在所述数据收集模块中，还从传感器收集所述健康数据，所述传感器包括用于收集用户的日常活动信息的传感器以及用于收集用户的训练信息的传感器之中的至少一个。4.根据权利要求3所述的健康安全支援系统，其特征在于，所述健康风险等级还包括跌倒风险等级和认知障碍风险等级，所述分析模块至少基于从所述传感器得到的与所述用户的步行能力相关的健康数据，预测所述跌倒风险等级；所述分析模块至少基于从所述传感器得到的与所述用户的脑血流相关的健康数据，预测所述认知障碍风险等级。5.根据权利要求1所述的健康安全支援系统，其特征在于，所述分析模块还基于所述健康数据，分析针对所述用户进行了优化的健康建议，所述健康建议包括健康报告、训练建议以及饮食建议之中的至少一个。6.根据权利要求5所述的健康安全支援系统，其特征在于，在所述健康行动模块，按照所述健康风险等级及/或所述健康建议对用户的健康行动进行指导，所述指导包括脑训练指导、身体训练指导、饮食指导、睡眠指导以及由医生指导之中的至少一个。7.根据权利要求4所述的健康安全支援系统，其特征在于，在所述健康行动模块，还在所述慢性病风险等级、所述跌倒风险等级或所述认知障碍风险等级高于规定阈值时，对用户进行监护，该监护包括以下中的至少一个：跌倒监护，利用毫米波传感器或图像传感器检测所述用户是否跌倒；以及睡眠监护，利用睡眠传感器监测所述用户的呼吸及心率。8.根据权利要求5所述的健康安全支援系统，其特征在于，在所述健康行动模块，还将分析出的所述健康风险等级及/或所述健康建议与所述关联机构共享，以由所述关联机构向所述用户提供与所述健康风险等级及/或所述健康建议相应的健康服务，所述关联机构包括医院、药房、康复机构、护理机构、以及外卖机构之中的至少一个。9.根据权利要求1～8中任一项所述的健康安全支援系统，其特征在于，
还包括存储模块，在所述存储模块中，至少将所述健康数据以及所述健康风险等级存储至数据库。10.一种健康安全支援方法，其特征在于，包括以下步骤：数据收集步骤，收集用户的健康数据，所述健康数据至少包括从终端输入的信息；分析步骤，基于所述健康数据，通过分析模型分析所述用户的至少包括慢性病风险等级的健康风险等级；以及健康行动步骤，将分析出的所述健康风险等级与关联机构共享，以按照所述健康风险等级对所述用户的健康行动进行指导。

技术总结
提供一种健康安全支援系统及方法。一个实施方式的健康安全支援系统包括以下模块：数据收集模块，收集用户的健康数据，所述健康数据至少包括从终端输入的信息；分析模块，基于所述健康数据，通过分析模型分析所述用户的至少包括慢性病风险等级的健康风险等级；以及健康行动模块，将分析出的所述健康风险等级与关联机构共享，以按照所述健康风险等级对所述用户的健康行动进行指导。的健康行动进行指导。的健康行动进行指导。


技术研发人员：松森正树 林晓列 俞松 小林巨海 宫田辰彦 豊耀斗
受保护的技术使用者：株式会社日立制作所
技术研发日：2022.01.26
技术公布日：2023/8/4