信息传递装置和信息传递方法

摘要

本发明提供信息传递装置和信息传递方法，能够通过考虑对象者的状况来掌握准确的健康状态，并提供与该健康状态相应的建议等定制信息。具有：ID判定部(1b)，其通过第1设备(2a)来取得对象者的作为时间序列的第1检查数据组，通过第2设备(2b)来取得对象者的作为时间序列的第2检查数据组，该第2设备(2b)可进行能够对第1检查数据组进行补全的检查；以及信息提供部(1c)，其使用第1检查数据组和上述第2检查数据组，决定向对象者提供的传递信息，第1检查数据组和第2检查数据组相互补充检查时间或检查项目。

说明书

技术领域

本发明涉及能够根据可在日常生活中取得的检查结果而向用户提供建议等定制信息的信息传递装置和信息传递方法。

背景技术

近年来，因特网不断普及，通过利用因特网，能够容易地取得与用户的生活紧密相关的信息。通过利用该取得的信息而生成与各个用户相应的各种定制信息(有效信息)并提供该定制信息的服务增加。例如，介绍健康食品等的服务是对许多人引起共同兴趣的信息，因此，可以看到很多这种服务。

此外，由于网络环境得到提高，因此提出了在医院等专业机构的外部进行远程检查的各种方案。例如，在专利文献1中公开了一种将传感器芯片和便携电话用作读写器并通过利用公共的通信网来发送检查数据的远程检查方法。而且，在该专利文献1中，提出了将过去的检查数据及其评价结果存储于数据库并利用这些信息的方案。

此外，在专利文献2中，公开了一种对个人认证数据和由排泄物拍摄单元拍摄到的图像数据进行综合并通过通信单元来发送该综合后的数据的生物体信息测定装置。此外，在专利文献3中公开了如下的医疗信息的显示方法：显示与检查相关的学习列表，将基于选择出的学习中的被检查者的医疗图像信息的医疗图像显示于图像显示画面，当请求历史浏览器时，显示表示被检查者的学习列表的历史浏览器。

现有技术文献

专利文献

专利文献1：日本特开2009-258886号公报

专利文献2：日本特开2014-031655号公报

专利文献3：日本专利第5294947号公报

发明内容

发明要解决的问题

在上述专利文献1-3中，记载了取得生物体信息并且远程发送并利用该信息的内容。在被检查者不具有自觉症状的情况下，能够知晓患有疾病或者可能患有疾病，是有益的。不限于多个医院或检查设施，用户有时使用在自己家或职场等配备的检查设备接受检查。关于检查设备，即便检查项目相同，也存在利用各种装置的可能性，但在上述的专利文献1-3中，没有考虑这一点。

本发明是鉴于这种情况而完成的，其目的在于，提供一种能够通过考虑对象者的状况而掌握准确的健康状态、并提供与该健康状态相应的建议等定制信息的信息传递装置和信息传递方法。

用于解决问题的手段

为了实现上述目的，第1发明的信息传递装置具有：第1检查数据取得部，其通过第1设备取得对象者的作为时间序列的第1检查数据组；以及第2检查数据取得部，其通过第2设备来取得所述对象者的作为时间序列的第2检查数据组，该第2设备可进行能够对所述第1检查数据组进行补全的检查；以及传递信息决定部，其使用所述第1检查数据组和所述第2检查数据组，决定向所述对象者提供的传递信息，所述第1检查数据组和所述第2检查数据组相互补充检查时间或检查项目。

第2发明的信息传递装置在上述第1发明中，所述传递信息决定部按照如下的推理模型决定所述传递信息，该推理模型是按照由多个设备取得的检查数据组的变化模式进行学习而得到的。

第3发明的信息传递装置在上述第1发明中，所述传递信息决定部按照由所述第1设备取得的第1检查数据组和由所述第2设备取得的第2检查数据组，对第1检查数据组和第2检查数据组进行校正，计算将该校正后的检查数据组作为输入而进行了推理时的可靠性，按照该可靠性来决定所述传递信息。

第4发明的信息传递装置在上述第3发明中，所述传递信息决定部在按照每个所述检查数据组进行校正时，对在该检查数据组所包含的各个数据中共同的数值进行四则运算。

第5发明的信息传递装置在上述第1发明中，所述传递信息决定部按照由所述第1设备取得的第1检查数据组和由所述第2设备取得的第2检查数据组，对所述第1检查数据组和所述第2检查数据组进行校正，将该校正后的多个检查数据组合并为1个检查数据组，将该合并后的检查数据组向推理模型输入，由此进行推理，基于推理结果决定所述传递信息。

第6发明的信息传递装置在上述第1发明中，所述传递信息决定部按照由所述第1设备取得的第1检查数据组和由所述第2设备取得的第2检查数据组，对所述第1检查数据组和所述第2检查数据组进行校正，按照该校正后的多个检查数据组的每个检查数据组分别向推理模型输入，综合地判定基于各推理模型的推理结果，并基于该判定结果决定所述传递信息。

第7发明的信息传递装置在上述第1发明中，所述第1检查数据取得部、第2检查数据取得部判定是来自所述对象者的检查数据组还是来自所述对象者以外的人的检查数据组，在是来自所述对象者的检查数据组的情况下，作为所述第1检查数据组或所述第2检查数据组而取得。

第8发明的信息传递装置在上述第1发明至第7发明的任意一个发明中，所述第1检查数据组、第2检查数据组是按照排便时用的颜色传感器、形状传感器、硬度传感器、嗅觉传感器(包括线虫或动物的反应判定)、气体成分传感器、添加特定试剂时的颜色变化检测传感器、基于放大观察图像的形状判定中的任意一个输出结果而得到的数据。

在第9发明的信息传递方法中，通过第1设备取得对象者的作为时间序列的第1检查数据组，通过第2设备取得所述对象者的作为时间序列的第2检查数据组，该第2设备可进行能够对所述第1检查数据组进行补全的检查，使用所述第1检查数据组和所述第2检查数据组，决定向所述对象者提供的传递信息，所述第1检查数据组和所述第2检查数据组相互补充检查时间或检查项目。

发明的效果

根据本发明，可提供能够通过考虑对象者的状况而掌握准确的健康状态、并提供与该健康状态相应的建议等定制信息的信息传递装置和信息传递方法。

附图说明

图1是示出本发明的一实施方式的信息传递系统的结构的框图。

图2是在本发明的一实施方式的信息传递系统中示出对象者的检查数据的时间序列的变化的图表。

图3是在本发明的一实施方式的信息传递系统中示出具有多个测定对象者的检查数据的设备的情况下的对象者的检查数据的时间序列的变化的图表。

图4是在本发明的一实施方式的信息传递系统中示出检查结果发送的动作的一例的流程图

图5是在本发明的一实施方式的信息传递系统中示出检查结果发送的动作的另一例的流程图。

图6是在本发明的一实施方式的信息传递系统中示出对历史数据进行匹配调整并进行推理的动作的流程图。

图7是在本发明的一实施方式的信息传递系统中示出推理规格制作的推理的动作的流程图。

图8是在本发明的一实施方式的信息传递系统中示出推理模型制作的动作的流程图。

图9是在本发明的一实施方式的信息传递系统的变形例中示出具有多个测定对象者的检查数据的设备的情况下的对象者的检查数据的时间序列的变化的图表。

图10是在本发明的一实施方式的信息传递系统的变形例中示出推理规格制作的推理的动作的流程图。

具体实施方式

以下，作为本发明的一实施方式，针对将本发明应用于信息传递系统的例子进行说明。在本实施方式中，作为通过考虑对象者的状况而掌握准确的健康状态并提供定制信息的例子，说明如下的信息传递系统：能够每日通过第1设备或第2设备等对与健康状态相关的检查数据进行监视，并基于这些信息来提供与健康相关的信息。该信息传递系统每日使用多个设备对与对象者的健康状态相关的检查数据进行监视。如果只通过单独的设备进行信息收集，则存在只通过该设备收集信息这样的制约，所收集的信息有限。此外，如果为单独的设备，那么在该设备或者该设备的使用环境、设置环境等设备特有的制约中产生了误差等的情况下，在判定时会受到该误差等的影响。于是，在本实施方式中，从多个设备对检查数据进行收集，对该检查数据进行匹配调整并进行判断。其结果是，能够应对在单独的设备中不能提高精度的状况，掌握对象者的准确的健康状态。

即，通过多个设备取得检查数据的情况与强制使用同一设备的检查的情况相比，对用户没有约束的负担，容易取得数据，能够在不知不觉中提供数据，是便利的。此外，由于在各种状况下都能够取得检查数据，因此，能够增加数据量。例如，在取得血压仅在职场中上升这样的取决于环境的压力或者取决于季节或一日经过的身体状况变化等时，优选有效利用各种设备的数据。即，为了有效利用各种设备的数据而将数据作为检查数据组进行处理，由此能够更加详细地掌握用户的健康状态。此外，能够按照特定的人在特定时间内从特定的设备取得的信息，在共同的时间轴上通过颜色区分等来识别是来自哪一个设备的信息，如果制作表示信息值的推移的图表，则能够掌握此人的健康状态的趋势。

即，即便是普通的图表，如果与仅显示了相同项目的数据变化的图表相比，则在相同的图表上以不同颜色同时显示不同项目的数据变化时，有时得到全面的信息。于是，如果取得第1检查数据组和第2检查数据组使得彼此补充检查时间或检查项目并以能够识别的方式以综合(comprehensive)、全面的表现来表示，则能够使用该表现进行判断或判定，并且能够使用该表现，通过推理模型进行推理。也可以在得到推理结果之后，基于该推理结果进行判断或判定，将该判断或判定结果与另一个控制关联。判断、判定也可以采用基于规则或模式匹配的方法。作为使用深度学习等的推理方法，简单地将图表本身表示为图像并准备将其用作训练数据进行学习而得到的结果的推理模型，并向该推理模型输入相同的图表进行推理即可。

但是，在该情况下，由于多个设备的设备差异或规格差异、设置环境等的不同，测定结果可能产生偏差。于是，针对该测定偏差采取对策，有效利用数据量多的优点。此外，能够考虑检查时的用户的状况，生成考虑了该状况的建议等定制信息，并向用户通知该定制信息。

此外，在本实施方式的信息传递系统中，由通过不同设备分别取得的作为时间序列的检查数据构成的检查数据组取决于设备和环境，因此，即便各个检查数据的等级存在不同，如果视作是相同的生物体信息的时间变化模式，则只要是同一人的数据，就成为相同的趋势。于是，通过加减法运算或乘除法运算对各检查数据组进行校正，从而消除在多个设备中进行了检查的情况下的检查数据的偏差，使得各检查数据组的各个数据的等级大致一致(例如参照图3的图表34)。通过进行该校正，能够将多个检查数据组作为单一的检查数据组来处理。因此，能够使数据增加，并掌握对象者的准确的健康状态。

此外，通过设计为按照每个设备改变数据的含义或者使数据加权具有差异等，能够减轻设备的差异。如果作为对象的设备增加，则能够在增加按照时间序列排列并进行评价时的数据数量的同时减轻各个设备的误差的影响。此外，能够设计为，如果知晓哪个数据(也包含时间信息)来源于哪个设备，则即便某个设备在特定的时间由于某种原因而降低了可靠性，也仅采用该特定时间以前的数据并使用该采用的数据来进行判定。例如，在由于特定设备的不良情况等出现了异常数据的情况下，可能产生向利用该设备的用户提供了错误信息这样的问题，但通过参照其他设备的结果，能够防止该问题。此外，在能够判断用户利用哪个设备的频度高等的情况下，能够采用专门仅通过该设备进行判断并根据需要而反映使用其他设备的检查结果这样的使用方式。在该情况下，通过进行该“反映”，也能够防止设备固有的问题。

此外，在本实施方式的信息传递系统中，关于在多个设备中进行了检查的情况下的检查数据的偏差，通过加减法运算或乘除法运算对各检查数据组进行校正使得各检查数据组的各个数据的等级大致一致，将该校正后的检查数据组输入到推理模型，计算此时的推理的可靠性(例如参照图10的S73、S77)。当使校正运算中的校正量一点一点地变化时，可靠性也一点一点地变化。信息传递系统采用该可靠性最高时的推理结果。

此外，在本实施方式的信息传递系统中，使校正运算中的校正量一点一点地变化并计算可靠性，将该可靠性最高时的推理结果用作各检查数据组的推理结果。信息传递系统基于各推理结果，综合地进行判断，将该判断结果作为推理结果(例如参照图9)。

本实施方式中的对象者是可能通过复查成为患者的人。此外，该对象者也是根据复查的结果而对健康重拾自信、不担心疾病、并且能够享受每日生活的人。此外，也是通过简单的生活改善或治疗等同样能够变得健康的人。

本实施方式的信息传递系统例如由服务器构成，但也可以由能够与服务器进行信息交换的个人计算机、智能手机等携带信息设备等构成。

此外，在本实施方式中，在决定向对象者传递的传递信息时，基于对象者的检查结果、以及根据该检查结果进行进一步检查等而需要的设备、具有该设备的设施，来进行检索及/或推理。为了进行该检索/推理，最好预先设置存储具有设备的设施的数据库(DB)。此外，在提供传递信息时，也可以包括包含设施名、电话、电子邮件、地图等在内的访问方法、看诊时间或空闲时间、费用估算等信息。此外，设施不限于一个，也可以为多个。

接着，使用图1对本发明的一实施方式的信息传递系统的结构进行说明。该信息传递系统由控制部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、关联检查机构(包括医疗机构等)9构成。在这些各部内，控制部1配置在服务器内，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、关联检查机构9能够通过因特网等网络而与服务器连接。但是，本实施方式不限定于该结构，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、DB部8内的任意一个或多个配置在服务器内，其他配置在另一服务器或个人计算机等电子设备内。此外，关联检查机构9也可以具有服务器的功能。

控制部1是对本实施方式的信息传递系统进行控制的控制器(处理器)，假定服务器等、或通过网络向其他终端提供文件或数据等的由CPU(Central Processor 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，在构建为小规模系统的情况下，也能够由个人计算机这样的设备构成。控制部1具有各种接口电路，能够与其他设备协作，能够通过程序进行各种各样的运算控制。

控制部1从进行协作的各装置接受信息，对信息进行整理，生成需要信息，将该信息提供给用户。控制部1还具有向进行协作的各装置输出委托并对各装置进行操作的功能。在本实施方式中，预想系统的自由度的高度或使用便利性，第1设备2a等设备或对象者(也称为用户)所具有的终端4等与控制部1之间能够通过无线通信或有线通信而连接。作为用于该目的的通信，也可以预想无线LAN或便携电话通信网，根据状况一并使用蓝牙(注册商标)或红外通信等近距离无线等。由于由通信电路、天线或连接端子等构成的通信部的记载变得繁琐，因此在图1中省略，但在图中的表示通信的箭头部分设置有具有通信电路等的通信部。

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、检索部1f。这些各部可以由基于控制部1内的CPU或程序等的软件实现，并且也可以由硬件电路实现，并且还可以通过使软件与硬件电路协同配合来实现。此外，在图1中，省略了用于控制部1内的各部相互协作而实现各自功能的信号的方向，但对此另外在流程图中进行说明。例如，在图5的S1那样的步骤中，ID判定部1b从第1设备2a、第2设备2b等按照每个相同的用户而收集信息。

通信控制部1a具有通信电路等，与设置在第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以及关联检查机构9内的通信部进行数据等的收发。第1设备2a、第2设备2b、第3设备3、终端4等各设备/各部也分别具有通信部，但由于会在图1中变得繁琐而省略了图示。

ID判定部1b从第1设备2a等按照每个相同的用户而收集信息。为了确定由第1设备2a、第2设备2b、第3设备3、关联检查机构9取得了信息的个人而按照每个人分配ID。在本实施方式中，由于对各个用户的数据进行处理，因此由ID判定部1b进行受理哪个用户的信息以及向哪个用户提供引导的管理。通过使第1设备2a、第2设备2b、第3设备3具有生物体认证功能、或用户通过终端4输入ID、或用户通过第1设备2a、第2设备2b内的通信部发送ID、或终端4读取固有码，来进行该特定用户的判定。另外，为了保护个人信息，通过对必要部分进行加密而加强管理，但由于这些是通用技术，因此省略详细说明。

作为各设备的ID，也可以包含与该设备的机型名称相关的信息或表示是哪个个体的固有信息。可以根据机型名称知晓所搭载的传感器的功能、性能等，并且也可以根据个体信息知晓设置场所或利用环境等，并且还可以通过网络等对这些信息进行检索。如果知晓机型名称，则能够判定类似设备的信息，并且也可以根据设置场所、利用环境来判定纬度经度或室内室外、季节、气候、温度特性等，考虑该判定结果而进行该设备的输出信息的校正。

ID判定部1b作为通过第1设备取得对象者的作为时间序列的第1检查数据组的第1检查数据取得部发挥功能(例如参照图4的S101、图5的S1)。此外，ID判定部1b作为通过第2设备取得对象者的作为时间序列的第2检查数据组的第2检查数据取得部发挥功能(例如参照图4的S105、图5的S1)，该第2设备能够进行对上述第1检查数据组进行补全这样的检查。ID判定部1b作为第2检查数据取得部发挥功能，该第2检查数据取得部通过能够进行与第1设备同样的检查的第2设备取得对象者的作为时间序列的第2检查数据组。第1检查数据组和第2检查数据组相互补充检查时间或检查项目。

第1检查数据取得部和第2检查数据取得部判定是来自对象者的检查数据组还是来自对象者以外的人的检查数据组，在是来自对象者的检查数据组的情况下，作为第1检查数据组或第2检查数据组来取得。该取得的第1检查数据组和第2检查数据组被记录在记录部中。也可以预先记录对象者以外的检查数据组，使得能够与该对象者以外的人的健康信息关联地形成训练数据。

信息提供部1c具有为了向用户提供正确的信息而取得用户的信息(也可以参照其他装置取得的结果)的功能。此外，信息提供部1c取得从第1设备2a等或关联检查机构9取得的用户(由ID确定)的检查数据。进而，信息提供部1c使用所取得的检查数据、从关联检查机构9取得的各种信息、以及存储于DB部8的与保有设备相关的信息或用户的资料信息等，对用户的健康状态进行判断。作为健康状态，包括当前的疾病或将来可能出现症状的疾病，当判断健康状态时，向用户提供与健康状态关联的信息。此外，在判断出用户的疾病等的情况下，根据需要向用户提供与应接受检查或治疗的设施相关的信息。

此外，如果控制部1能够为了确认特定状况的利用者的健康状态而根据利用者的ID等向关联检查机构9询问当前的去医院状况、处方药等信息、过去的健康诊断结果等，则与设备数据的关联判定变得容易。通过对终端4进行操作的用户允许该协作或者对关联检查机构(的IT设备)9进行操作的医生进行许诺协作的操作等，从而能够应对安全上的问题。

即，信息提供部1c向用户提供与健康相关的信息，例如何时为了接受检查或治疗而访问设施这样的信息、用于推荐适合于接受检查或治疗的设施的信息。信息提供部1c取得从第1设备2a等或关联检查机构9发送的检查数据。如后所述，该数据是标注了时间信息的检查数据(时间序列信息)，以能够形成为图2和图3所示的图表那样的数据结构存储。另外，在本实施方式中，假定控制部1使用来自第1设备2a等或关联检查机构9等中的设备的信息向用户进行信息提供，但也可以为具有关联检查机构9的服务器同样地收集信息这样的变形例。

此外，为了提供这些信息，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于DB部8。信息取得的频度或数据数量也可以根据第1设备2a或第2设备2b等而不同。即，在各种设备中得到的特定的健康关联数值的增减按照时间序列被整理，改变设备而测定出的数值能够按照每个设备来整理。

例如，即便是相同的血压，由可穿戴的简易设备测定出的检查数据和在活动会场由专用装置测定出的检查数据也预先以能够分离的方式记录。如果假定为几乎始终佩戴可穿戴设备，则在一日的早中晚、饭前饭后、睡觉前睡觉后、起床前起床后，得到根据状态而增减的检查数据。此外，虽然由专用装置测定出的检查数据是单一的，但得到更高精度或更具有附随信息的形式(检查员、检查员听出来的自觉症状等)的数据。此外，在通过专用设备进行测定的情况下，特意脱掉衣服或者不吃饭或者吃专用餐食，因此成为准确地取得的检查数据。在这样的状况下，要测定的人体的位置或项目因人而异这样的差异少，设备的误差也被严格地管理，在将绝对值与他人进行比较的方面成为适当的状况。

此外，信息提供部1c可以在因特网上取得用户在住所或工作场所中的行动方式、饮食生活、就寝时间、用餐时间等生活习惯等，还可以考虑该取得的信息而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广泛知晓的技术来补充。此外，也可以由信息提供部1c进行通过取得这些信息而生成的设施等信息的定制。从关联检查机构9取得与该设施相关的资料信息作为医疗机构信息。

此外，信息提供部1c在提供推荐设施等信息时，除了利用从第1设备2a等、关联检查机构9收集到的信息之外，还利用存储于DB部8的保有设备等的信息。当然，记录在该DB8中的信息也可以记录于DB部8以外的不同记录部。在该情况下，图1中的DB部成为多个而变得繁琐，因此省略。信息提供部1c在提供信息时收集各种信息。即，信息提供部1c作为取得用户的检查数据、用户的资料信息以及每个检查/医疗机构的保有设备信息的取得部发挥功能。

信息提供部1c作为使用第1检查数据组和第2检查数据组来决定向对象者提供的传递信息的传递信息决定部发挥功能(例如参照图4的S107、图5的S9、图10的S79等)。传递信息决定部按照推理模型来决定传递信息，该推理模型是按照由多个设备取得的检查数据组的变化模式而学习的(例如参照图4的S107、图5的S9、图10的S79等)。

传递信息决定部按照由第1设备取得的第1检查数据组和由第2设备取得的第2检查数据组，对第1检查数据组和第2检查数据组进行校正，输入该校正后的检查数据组，计算此时的推理结果的可靠性，按照该可靠性决定传递信息(例如参照图3、图4的S107、图5的S9、图9、图10)。传递信息决定部在按照每个检查数据组进行校正时，对在该检查数据组所包含的各个数据中共同的数值进行四则运算。

作为四则运算，例如在取得相同的生物体信息的设备的情况下，也可以一边进行不同设备的校正一边计算推理的可靠性，将可靠性高的结果作为推理结果。在进行四则运算时，针对不同设备的时间序列数据一点一点地改变特定的四则运算的常数并进行四则运算。通过该处理，在校正了误差的状况下可靠性变高，因此，能够进行正确的推理。通过这样的设计，如果是取得相同的生物体信息的设备，则与可能被其灵敏度或使用环境左右的误差、噪声无关，能够提供确保了可靠性的信息。此外，不一定必须是相同的生物体信息，即便是脉搏和心跳、呼吸数这样的不同数据，只要包含数据的大小关系在内进行类似的变化，则也能够通过校正和可靠性判定，综合地进行正确的推理。

传递信息决定部按照由第1设备取得的第1检查数据组和由第2设备取得的第2检查数据组，对第1检查数据组和第2检查数据组进行校正，将该校正后的多个检查数据组合并为1个检查数据组，将该合并后的检查数据组向推理模型输入，由此进行推理，基于推理结果来决定传递信息(例如参照图3的图表34、图4的S107等)。传递信息决定部按照第1检查数据组和第2检查数据组，对由第1设备取得的第1检查数据组和由第2设备取得的第2检查数据组进行校正，按照该校正后的多个检查数据组的每个检查数据组分别向推理模型输入，综合地判定基于各推理模型的推理结果，基于判定结果来决定上述传递信息(例如参照图9、图10)。

如上所述，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并非由仅通过一次的测定而得到的数据构成，而是由在多个不同时间通过测定而取得的各个检查数据构成，将检查数据的模式的变化也用作信息。通过使用由多个检查数据构成的时间序列模式，不容易受到由于测定环境或状况的变化而产生的误差的影响。进而，推理从特定期间的结束时期到将来的时期(特定期间的延长时)的健康状态，能够进行针对将来的预测。

此外，如果针对取得的时间序列模式赋予用户来到检查/医疗机构的时间信息作为标注信息，则能够得到训练数据。如果存在具有通过使用该训练数据进行学习而生成的推理模型的推理部，则能够推理在特定期间(用于取得时间序列变化模式的期间)之后的时间(特定期间的延长时)会发生什么。此外，如果知晓用户的疾病名称等，则能够生成作为标注信息而赋予了该信息的训练数据。通过使用该训练数据进行学习，能够生成对疾病等健康信息进行推理的推理模型。另外，这里在生成所使用的推理时，规定特定的输入输出信息的规格并进行学习。

因此，在本实施方式中，将用户的检查数据的时间序列变化模式输入到推理部，推理部进行推理，并且设置有传递信息决定部，该传递信息决定部基于该推理结果，来决定特定期间之后的时间的传递信息。因此，可提供能够传递从时间序列模式的检查取得时起之后的时间的预测信息的系统、装置、方法、程序等。

如果在各个检查设备中存在机械性能的差异等，则用户的检查数据的可靠性下降。例如，当同一用户在同时期利用多个设备取得了检查数据(生物体信息)时，有时不会成为相同的检查数据。因此，如果使用能够检查相同的检查项目的多个检查设备(特定规格的检查设备)在不同的日期时间重复进行检查从而取得大量的检查数据的变化模式信息，则能够作为大数据来处理。在该情况下，作为特定期间，无需为固定的期间，也可以根据状况而设为不同的时间宽度(特定期间)。另外，这里所说的“时间宽度”并不是测定时间与测定时间之间的时间(检查间隔、测定间隔)，而是指在取得一系列检查数据时从最初的测定到最后的测定为止的时间间隔。关于“时间宽度”，在该时间宽度中包含大量的时间序列数据，也可以改写为包含检查数据的变化模式信息的特定的时间宽度。

在本实施方式中，信息提供部1c向设定了由学习部5生成的推理模型的推理引擎7输入检查数据的变化模式，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，有时需要个人信息的合同等。从该意义上说，有时用户的资料信息是重要的。此外，在用户为幼儿或老人的情况下，也可以向照顾该用户的人、看护者等送达建议。在这种情况下，也会按照在用户的资料信息中管理的信息而送达建议等有效信息。

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向学习部5委托推理模型的生成时，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将存储的生物体信息作为训练数据，通过学习委托部6向学习部5委托各种推理模型的生成。推理模型规格决定部1d在推理模型的生成时，决定委托什么样的规格的推理模型。例如，如后述的图2(a)所示，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决定如下的推理模型的规格，该推理模型用于推理当成为何种检查数据(值)时用户在几日后通过医疗设施接受治疗。此外，推理模型规格决定部1d基于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，该推理模型推理在当前患有何种疾病、存在将来(何时)患有何种疾病的可能性、以及可能患有疾病的情况下为了接受需要的检查或治疗而推荐的设施。

推理委托部1e通过学习委托部6，向学习部5委托由推理模型规格决定部1d决定的规格的推理模型的生成。即，推理委托部1e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，通过学习委托部6向学习部5委托推理模型的生成，通过学习委托部(或者直接从学习部5)接收所生成的推理模型。该接收到的推理模型被发送到推理引擎7。另外，控制部1最好准备多个推理模型，根据应向用户提供的信息，适当选择推理模型。

检索部1f基于由第1设备2a、第2设备2b、第3设备取得的用户的生物体信息，在判明了当前患有的疾病、存在将来(何时)患有何种疾病的可能性、以及需要进行检查或治疗时，在存储于DB部8的数据库中对具有检查或治疗所需的设备的检查机构或医疗机构进行检索。关于这些信息，可以使用推理引擎7通过推理来取得，但也有时与存储的数据一致。由于也存在这样的情况，因此在本实施方式中，能够通过检索部1f进行检索。

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，是能够检查同种(相同的)健康关联信息的设备。在由第1设备2a和第2设备2b取得的检查数据组彼此的检查时间不同的情况下，只要能够进行可对两种数据进行补全这样的检查即可。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，例如即便在一边测定血压一边测定了心跳数的情况下，两种数据也能够彼此进行补全。另外，在图1中，作为用于取得用户的检查数据的设备，仅记载了第1设备2a和第2设备2b这2个设备，但不限于2个，也可以为3个以上。此外，如后所述，作为用于取得用户以外的人的检查数据的设备，在本实施方式中假定了第3设备3。

作为由第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、心跳等生命体征信息。另外，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。在为大便的情况下，第1设备2a、第2设备2b取得其颜色、形状、量、日期时间信息。第1设备2a、第2设备2b可以按照来自控制部1的指示而取得信息，并且也可以根据用户的操作来取得信息，并且还可以自动地取得信息。此外，第1设备2a等也可以收集、利用在作为医疗健康信息的信息“个人健康记录((Personal Health Records：PHR)”中添加了日常生活、职场/学校中的活动、用餐、体育活动等日常生活的各种活动数据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等内的通信部(省略图示)被发送到控制部1。

由第1设备2a等检测的对象者的检查数据是通过使用特定规格的检查设备按照时间序列来取得检查数据并以特定的时间宽度提取出该检查数据的变化模式信息而得到的。即，作为第1设备2a、第2设备2b，使用特定规格的检查设备(同一类型的检查设备)，第1设备2a等针对同一对象者的检查项目在不同的时间进行测定，由此按照时间序列取得数据。使用该时间序列的数据，根据检查时间在图表上描绘测定值，由此得到变化模式。通过以特定的时间宽度提取该变化模式而能够得到检查数据组。检查数据是按照排便时用的颜色传感器、形状传感器、硬度传感器、嗅觉传感器(包括线虫或动物的反应判定)、气体成分传感器、添加特定试剂时的颜色变化检测传感器、基于放大观察图像的形状判定中的任意一个输出结果而得到的数据。

在第1设备2a、第2设备2b得到与特定用户相关的信息的情况下，控制部1的信息提供部1c将与推荐的设施相关的信息提示给特定用户的信息终端4。假定该提示辅助用户的行动而进行说明，但能够考虑各种变形。

关于在第1设备2a等中进行的信息判定，也可以根据与控制部1的关系来变更判定至何种程度。例如，也可以仅将在第1设备2a等中感测到的结果在不判定的情况下发送到控制部1。但是，在该情况下，需要将表示是什么样的人的什么样的数据的信息添附到感测信号中并发送该信号。该添附信息优选将哪个人或哪个感测结果对应起来，但也可以通过加入到其他终端的信息中而与其他终端的信息对应起来。

第3设备3是取得与利用第1设备2a、第2设备2b的用户不同的人的数据的设备。在图1中，只记载有1个第3设备3，但也可以为多个，在图1中统一表现出不特定多数的设备。由此，能够将什么样的人是什么样的疾病且成为什么样的健康数值作为大数据进行记录并管理。

由该不特定多数构成的第3设备3也可以以不同性能取得不同数值。如果越多这样的设备作为健康管理设备加入到该系统中，则越能够作为健康监测设备而利用各种数据。在极端的例子中，如果将各个人每日用智能手机进行自拍的结果与此人的其他健康数值结合而形成大数据，则能够有效利用从此人患有了疾病时起多久之前开始面部颜色变差等的数据。如果有效利用该数据，则在存在类似的面部颜色变化的情况下，能够对其他人建议早期的健康管理、节制、治疗。

在作为第1设备2a、第2设备2b、第3设备3而利用可穿戴终端的情况下，通过可穿戴终端的佩戴部位而与皮肤或者身体附近紧密接触，能够得到体温、心跳、血压、脑波、视线、呼吸、呼气等生命体征信息。此外，作为体重计、血压计、对表示动脉壁的硬度的动脉硬化进行测定的测定器，在健康设施、公共浴场、药店、购物中心等配置有专用的精密设备，有时还一起配置有专业的计测者。在这样的设施中，用户大多在空闲时间等轻松地利用测定设备，基于此时的测定结果进行身体状况管理。也可以将这些测定设备作为第1设备2a、第2设备2b、第3设备3。

此外，第1设备2a、第2设备2b、第3设备3有时在用户使用专用的终端等的前后，委托向调查表记入。在这样的情况下，能够基于该调查表的记载来确定用户的资料信息或其他信息。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。该信息能够在后述的图5的步骤S3中的判定是否取得了特定信息时使用。如果还能够听出何时去看了医生的信息等，则能够作为后述的图2(a)、图2(b)中的时刻Tc信息而使用。

第1设备2a、第2设备2b、第3设备3也可以是已经患有特定疾患并在医生的指导下使用的体温计或血压计等。此外，在由智能手机具有的照相机拍摄到的面部或指甲等的颜色或面部的表情、患部的图像、喉咙不舒服时的声音被麦克风拾取等的情况下，便携终端(智能手机)可以直接成为第1设备2a、第2设备2b、第3设备3。

最近，开发了简易的健康管理设备和健康信息取得设备，有时将这些设备搭载于可穿戴设备，这样的装置大多也作为智能手机的周边设备来处理，而非孤立设备，因此，也可以将它们假定为便携终端。此外，即便不是可穿戴设备，也有时将简易的测定设备设置在人聚集的场所来提供健康信息服务。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。

关联检查机构9是用户接受检查的设施，例如具有检查设施或医疗设施。该关联检查机构9当然也可以是移动型，例如在汽车、火车、船、直升机、无人机等上搭载普通医疗设备或检查设备而去往患者身边的类型。控制部1能够从运营关联检查机构9的系统的服务器等取得去往哪个医疗机构并且获得了什么样的检查结果等。当然，关联检查机构9的服务器也可以与控制部1相同，并且也可以分担一部分功能。

如上所述，终端4是便携信息终端，是用于接受用户或其关系者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或平板PC，在该情况下，能够将内置照相机或麦克风用作信息取得部。此外，也可以将作为能够协作的可穿戴终端的其他家电用作终端4，可以通过可穿戴终端等取得信息。因此，第1设备2a或第2设备2b与终端4也可以相同，并且分别还可以为专用设备。也可以是，与可穿戴终端协作的终端4进行信息取得、信息的管理。此外，根据状况，也可以使第1设备2a或第2设备2b或第3设备3或终端4具有控制部1所具有的功能，还可以采用分担地进行检测、控制、信息提供的结构。

数据库(DB)部8具有能够电改写的非易失性存储器。DB部8具有不同ID的数据历史一览，该一览记录取得数据与检查日的关系。如上所述，ID判定部1b从第1设备2a等或关联检查机构9等接收检查数据，因此，DB部8按照不同ID来记录检查数据。此时，也一并记录检查日、检查设备(第1设备或第2设备或第3设备或关联检查机构等)和检查场所、检查项目等。此外，也记录如何进行检查以及为了什么而进行检查等。DB部8也可以将取得的数据整理为5W1H，即，WHO(谁)、WHERE(哪里)、WHEN(日期时间)、WHAT(什么检查)、WHY(为何)、HOW(怎样)，记录该整理后的数据。

此外，DB部8也可以具有记录了不同设施的保有设备一览的保有设施记录部、以及按照不同设施记录了ID和该用户来院的来院历史记录部。保有设施记录部记录医院或诊所或检查机构等设施所保有的设备的一览。信息提供部1c通过对保有设施记录部进行检索，能够将具有最适合于检查的设备的设施的信息提示给用户。为了根据医疗设施等更换装置的情况等而更新信息，也可以与关联检查机构9的信息协作。此外，来院历史记录部按照每个设施而记录何人(由ID确定)在何时来的这样的来院信息。

DB部8构成为与医疗设施进行协作的信息传递系统的一部分，DB部8也可以通过控制部1而能够对关联检查机构9进行访问。在该情况下，当DB部8从控制部1收到检索命令时，DB部8不仅针对记录于DB部8内的数据进行检索，还针对关联检查机构9内的数据进行检索，并输出检索结果。DB部8作为存储用户的资料信息和每个检查/医疗机构的保有设备信息的存储部发挥功能。另外，该存储部不限于DB部8，也可以在控制部1内等配置该功能的全部或者一部分。

学习委托部6在从控制部1内的推理委托部1e收到生成推理模型的委托时，向学习部5传递推理模型的规格等，委托按照规格生成推理模型。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以及控制部6f。

控制部6f是对学习委托部6内进行控制的控制器(处理器)，假定服务器等、或通过网络向其他终端提供文件或数据等的由CPU(Central Processor 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，在构建为小规模系统的情况下，也能够由个人计算机这样的设备构成。控制部6f具有各种接口电路，能够与其他设备协作，能够通过程序进行各种各样的运算控制。

数据分类部6a具有对象物种类A图像组6b，在其中记录有训练数据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…的大量图像组。基于该图像组而生成训练数据6c。即，如图2、图3所示，当按照每个检查日绘制检查数据时，能够描绘出图表，能够将该图表作为图像来处理。在数据记录分类部6a中，记录有基于记录在DB部8中的数据历史一览的训练数据6c。

规格设定部6d基于由推理模型规格决定部1d决定的推理模型的规格，来设定生成什么样的推理模型。此外，为了满足该规格，根据记录在DB部8的历史一览中的数据而生成训练数据。

通信部6e具有用于与控制部1及学习部5进行通信的通信电路。通过该通信部6e从控制部1接受生成推理模型的委托，并且委托学习部5生成推理模型。

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，通过机器学习等而生成推理模型。输入输出模型化部5a具有规格对照部5b。该规格对照部5b判定从学习委托部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匹配。即，规格对照部5b不仅规定输入输出关系，还规定学习的方式等，使得按照该推理模型的推理所需的时间或能量或电路结构等“要求规格”进行学习。

推理模型是通过对取得的生物体信息、活检信息等取得信息与疾患的关系进行学习，具体而言对取得信息与诊疗科部门的关系进行学习，从而生成的。输入输出模型化部5a与推理引擎7同样地具有输入层、多个中间层、输出层，通过学习而求出中间层的神经元的耦合强度，生成推理模型。

在生成这样的推理模型时，学习委托部6按照特定的时间宽度提取使用检查设备从被检查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，生成将在被检查者进行了检查的时间之后的时间应输出的健康建议作为标注信息的训练数据。然后，学习部5通过使用该训练数据进行学习，生成推理模型。另外，在本实施方式中，对从获得检查结果的时间点追溯的时间宽度进行了说明，但是存在在检查结果之后通过治疗等而使数据变好的情况和和治疗不顺利的情况，因此，也可以学习该差异，输出预后(患病后)的建议。

此外，学习部5如果使用检查、去医院、服药后的检查数据串进行学习，则也能够生成如下推理模型，该推理模型可进行生活习惯改善、治疗、服药的效果等将来预想建议。在该情况下，以检查、去医院、服药的时间点为起点而利用之后的时间序列数据。在对检查、去医院、服药等进行建议的情况下，利用此前的时间序列数据。

这里，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(Deeplearning)”是将使用了神经网络的“机器学习”的过程多层构造化的学习。代表性例子为从前向后发送信息来进行判定的“正向传播型神经网络”。正向传播型神经网络在最简单的结构中具有由N1个神经元构成的输入层、由以参数给出的N2个神经元构成的中间层、由与要判别的类数对应的N3个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权重而连结，通过向中间层和输出层施加偏置值而能够容易地形成逻辑门。

神经网络如果进行简单的判别则也可以为3层，但通过设置大量中间层，也能够在机器学习的过程中对多个特征量的组合方式进行学习。近年来，从学习耗费的时间、判定精度、耗能的观点出发，9层～152层的中间层是实用的。此外，也可以利用进行对图像的特征量进行压缩的被称为“卷积”的处理、以最小限度的处理进行动作并且模式识别强的“卷积型神经网络”。此外，也可以利用对更加复杂的信息进行处理、并应对含义根据次序或顺序而改变的信息分析从而使信息双向流动的“递归型神经网络”(全耦合递归神经网络)。

为了实现这些技术，也可以使用CPU或FPGA(Field Programmable Gate Array:现场可编程门阵列)等现有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，也可以利用专门用于矩阵计算的被称为GPU(GraphicProcessing Unit：图形处理单元)或Tensor Processing Unit(TPU：张量处理单元)的处理器。近年来，有时也设计为能够将这样的人工智能(AI)专用硬件的“神经网络处理单元(NPU)”与CPU等其他电路一起集成组装而成为处理电路的一部分。

此外，作为机器学习的方法，例如也具有支持向量机、支持向量回归这样的方法。这里的学习是计算识别器的权重、滤波器系数、偏移量，除此以外还存在利用逻辑回归处理的方法。在使机器进行某些判定的情况下，人类需要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，但除此之外，也可以使用适应人类通过经验法则/试探法(heuristics)而获得的规则的基于规则的方法。

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输入由第1设备2a等测定的作为时间序列的生物体信息，例如，通过推理来求出适合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，也可以基于时间序列的生物体信息，进行何时在医疗机构接受诊疗的推理等。

这样，控制部1除了检索部1f对DB部8进行检索以外，也可以利用推理引擎7，提供与推荐设施相关的信息。推理引擎7使用由学习部5生成的推理模型，进行与推荐设施相关的信息的推理。该推理模型是通过对取得的生物体信息、活检信息等取得信息与疾患的关系进行学习、具体而言对取得信息与诊疗科部门的关系进行学习而生成的。这样，控制部1也可以通过推理引擎7的推理而输出应提示的引导信息。

当控制部1基于通过检索或通过推理而一次获得的取得信息在一次判定中引导医疗设施等时，可能会徒劳地将医疗信息带入到生活而妨碍到健康安心地生活。于是，也可以使用多次取得信息的历史(时间序列的信息)来提高精度。

在图2(a)中，示出使用了记录于记录部8的个人的健康关联的历史数据(时间序列的数据)的图表。在该记录部8中，例如，在由特定设备A取得的数据或者具有各种检查功能的设备的数据内，记录有特定的数据A和这个人何时在哪个设施受诊了。控制部1对记录部8的记录进行管理。

图2(a)所示的图表的横轴是时间，纵轴是健康关联数据。在该图表上转记的数据能够作为犹如在二维上配置了信息的图像数据来处理。于是，能够通过从该图像找出特定的图像这样的与图像检索相同的方法来进行推理。即，图表成为输入且将输出设为与健康相关的建议即可。作为建议，假定测定方法、当前患有的特定疾病的名称、将来可能患有的特定疾病的名称、特定疾病的治疗/检查设施的引导等。之后详细叙述图2所示的表示历史数据的图表。

如果在记录部8中，记录了健康关系信息发生了变化的人已经去过或者正在去什么样的设施，控制部1对该记录进行统一管理，则能够收集这些数据并用作训练数据，使学习部5制作推理模型。

推理引擎7具有由控制部1的推理模型规格决定部1d指定推理模型的规格并通过按照该规格的学习而得到的推理模型。推理引擎7在新设备出现的情况下，有时设备数据不同，因此，推理模型也可以为多个。也可以预先准备多个推理模型，根据用户的检查数据适当选择地决定推理模型。此外，在每次出现新设备时，需要进行新的学习，因此，假定大多在控制部1的指定下通过学习部5来改良推理模型或者新制作推理模型。但是，在第1设备2a等为专用且仅专门用于特定疾患的推理的情况下，也可以是单独的专用推理模型。

另外，推理引擎7与学习部5的输入输出部5a同样地在以CPU、GPU、DSP等AI芯片为中心的电路块中还搭载存储器等而构成神经网络。在本实施方式中假定可能存在如下情况：该推理引擎7、学习部5与医院等协作地运营的网络等连接，且控制部1能够与它们协同配合而进行利用。在该情况下，也存在能够经由关联检查机构9而交换学习或推理的信息的可能性。

在判定为控制部1的推理委托部1e能够从第1设备2a等充分取得特定用户的信息时，向推理引擎7委托推理。推理引擎7能够输入表示类似数据的时间序列的推移的信息组，基于该信息组进行推理，输出适于特定用户的医疗机构信息(来院信息、检查信息等)。在将与经常去医院且具有慢性病的人类似的数据组输入到推理引擎7的情况下，最好引导显示出能够进行同样治疗的设施。推理引擎7能够估计保有应检查特定用户的设备的医疗机构。

此外，今后，在家电等设备中搭载健康监测的功能的可能性变高，因此，即便用户不去往设置有特殊设备的场所，也能够通过这些设备在生活中取得各种信息，用户能够在不知不觉中进行有效的健康管理。例如，提出了很多安装于温水马桶座或马桶等的传感器检查粪便的量或颜色并将该检测结果用于诊断的方法等。

接着，使用图2对由第1设备2a等按照时间序列取得的生物体信息(检查数据)进行说明。如上所述，在本实施方式中，为了取得用户的检查数据而假定第1设备2a和第2设备2b这2个设备。在图2中，针对从2个设备中的1个设备取得的生物体信息(检查数据)进行说明。

图2是使用检查数据制作出的图表。在DB部8中，按照每个患者ID而记录有按时间序列整理出的检查数据，图2以图表示出检查数据。在图2中，横轴表示时间T，在纵轴上绘制出时间序列的检查数据。在纵轴上绘制的是检查数据、生物体数据、生命体征数据、检体数据，针对它们中的任意一个，基于所检查的设备的检查输出结果的数值D进行绘制。作为数值D，例如是表示大便的红色程度的值。

此外，在图2中，假定来院日期时间等也被系统性地自动更新。来院日期时间当然可以具有多个，但为了避免繁琐，也可以进行简化，例如为特定诊疗科的初诊的日期时间。如后所述，图2(a)所示的例子是时间序列数据朝向健康恶化的方向变化而使用户最终去医院的情形。对于图2(a)所示的状况的患者，如果为时刻T1之前，则能够提供对之后再过多久去往具有什么样的诊疗科的医院进行推理的结果。另外，除了该例以外，如图2(b)所示，即便在已经觉察到其他征兆而去医院并得到生命体征数据的情况下，也预先将这些信息记录于DB部8。但是，也存在完全没有去医院但仅具有生命体征数据的人。

如之前说明的那样，图2(a)是推测为之后去医院的情形。图2(a)所示的图表示出当前未去医院的用户的检查数据(设备数据)的按照时间序列的变化。在从该时间序列的检查数据取得了特定的检查结果(特定信息)时，通常能够得到是否来到医疗机构的信息。于是，基于时间序列的检查数据，在恶化至去往医院的程度之前，能够引导可掌握自身的健康状态这样的健康信息。例如，在图2(a)中，在为时刻T1的检查数据的情况下，能够推理出在经过了时间+ΔT的时刻Tc去往医疗机构。即，如果在DB部8中存储有检查数据、医疗机构信息(医院名称、诊疗科、日期时间信息)等，则能够推测出直至在医疗机构中接受诊疗为止的期间。

图2(b)是已经去医院的情况，是由于治疗以外的原因在去医院过程中恶化的情形。图2(b)所示的图表是当由于疾病而去医院的人在时刻Tc1、Tc2出现特定信息后在医院接受治疗的例子。在学习这样的状况时，能够充分利用图2(b)所示的作为时间序列的检查数据。该例对于“该数值的人通常无法自己治疗”这一主旨的引导是有效的。作为能够防止进一步恶化的信息是有效的。

图2(c)是无需去往医院的情形。在该情形中，检查数据D比规定值(图表中虚线所示)低，无需去往医院。在该情况下，在图2所示的DB部8的数据库中，来院日期时间的栏成为空栏。

在DB部8中，整理并记录有来过的医院或诊疗科的信息、疾病的疾病名称、保有设备的信息等。因此，即便对于没考虑到设备的患者，也能够推荐最佳的设施。该数据库保持取得信息的种类(马桶的潜血检查信息)、医院以及保有设备Mod的关系即可，不同患者的时间序列数据也可以是不同的数据库管理。此外，也可以构成为通过对多个DB进行检索并整理检索结果，从而得到与记录于DB部8的数据库相当的信息。

图2通过图表而示出记录于DB部8的每个患者的时间序列信息，横轴表示时间，纵轴是将取得信息数值化而得到的值。因此，成为二维视觉的信息。由于成为二维图，因此可以说以下两点效果。首先由于是图，因此，能够与图像判定同样地进行处理，能够简单地留用图像识别的推理模型这样的通用且容易构建的AI芯片或系统，能够容易地实现推理。此外，由于横轴是时间，因此，能够有效利用身体信息的时间变化的信息，能够使预测等变得简单。此外，能够加入波动或频度这样的与生物体特有的时间变化的特征相关的信息。

例如，举出用户容易考虑睡觉时、起床时、早晨白天和夜晚、饭前、饭后、入浴前后这样的信息这一点。此外，也存在心跳或呼吸等有适当的波动会更放松有利于健康这样的研究。

此外，在图2中，取得历史数据的期间内的某个期间相当于特定期间，提取该特定期间内的检查数据。该提取出的作为时间序列的检查数据被输入到推理引擎7，推理引擎7通过推理而输出建议，向用户提供建议。此外，关于特定的时间宽度，是与能够在该时间宽度的结束时间点之后的相当于未来的时间点给出某些建议相应的时间宽度即可，是能够取得相对于该建议时间点追溯的多个信息的宽度即可。此外，特定的时间宽度也可以不是由规格决定的严格的时间宽度，能够得到足够的数据量即可。由于各数据的时间间隔等也成为重要的信息，因此，最好是以规则的时间宽度得到的非离散的数据。但是，即便数据的测定时间点在时间宽度内是离散的，只要是通过补全对数据进行补充而得到有意义的数据这一程度的时间宽度，则也是有效的。也可以按照某些健康、医疗相关信息来决定。

此外，也能够通过适当地规定图表的横轴宽度，根据推理模型来切换预测等的精度。如果时间宽度为1年左右，则能够预测几个月量级，在时间宽度为1周时，适合几日量级的预测，能够根据疾病的特征改变适当的宽度。例如，在必须看清如肿瘤那样缓缓进展的疾病和如流感等感染症那样迅速治愈和恶化的疾病的情况下，适当的时间宽度不同。即，本实施方式的信息传递装置具有传递信息决定部，该传递信息决定部以预先决定的时间宽度提取用户的检查数据的变化模式，按照与时间信息一起学习到的推理模型，决定向用户传递的传递信息。

接着，使用图3，对用户在第1设备2a和第2设备2b中进行测定而取得多个检查数据的情况进行说明。图3以图表显示出所取得的检查数据。在该图3中，横轴T表示测定时间，纵轴表示检查数据(如果为第1设备则为DA，如果为第2设备则为DB)的值。

图3图示出存在以下情况：即便是针对相同对象者的相同项目的检查数据，也根据设备不同而由于设备差异或设置/测定环境的差异而没有输出相同值。例如，在第1设备中将针对用于判定需要精密检查是否健康的阈值表示为DAR、且在第2设备中表示为DBR时，根据该图示的结果，根据时间的不同，在第1设备中测定值超过阈值，在第2设备中测定值低于阈值。即，并非仅通过在T0这样的时间超过了阈值来进行判断，而是从超过该阈值的时间T0起追溯，对T1、T2…T4和检查数据进行检索，由此能够进行准确的判断。

但是，使用了第1设备2a的检查历史只有一个，因此当要进行更加准确的判断时，优选也参照存储于其他设备的数据。于是，通过还参照能够对与第1设备2a同样的测定项目进行测定的设备(第2设备2b)的数据，从而如图表33所示那样增加信息量，正确地判定出经时变化。例如，排泄物或血液等体液等根据身体状况、用餐的时间、饮酒或服药、入浴的前后、睡眠的前后、过多过少(生活的状况)而变化，因此，最好不通过一次检查而判定全部。尤其是在为日常进行监测的设备的情况下，面临各种误差因素，因此期望进行这里说明的这种对策。

另外，在手术这样的特定治疗的前后，可能由于较大的身体负担而使生命体征数据大幅变化。此外，这样的患者的检查数据可能以某个时刻为边界而大幅变化，在判定并检测到这样的状况等的情况下，最好不进行本实施方式所示的校正。此外，通过将该时间点之后的日常中得到的检查信息分开而进行管理、判定，从而作为经过观察用的数据的价值也提高。

为了减轻之前说明的生活的状况所引起的误差，增加在各种状况下测定出的数据来进行判定，不是仅根据限于当时的特殊状况而进行判定(上述的手术等治疗前后的数据不是该限制)。即，即便由第1设备2a取得对象者的检查数据组，也最好能够确认时间序列的变化状况，但在图3所示的例子中，数据量过少。于是，由能够对第1检查数据组进行补全的第2设备(还可以是第3设备、第4设备)取得对象者的作为时间序列的第2检查数据组，由此来补充数据，能够进行可靠性高的判断。该第2设备具有第2检查数据取得部，追溯规定的时间(在图3所示的例子中，直至时刻T4)而记录该数据的历史。当传递信息决定部使用第1检查数据组和第2检查数据组来决定向对象者提供的传递信息时，可靠性变高。第1检查数据组和第2检查数据组通过相互补充检查时间或检查项目，能够提供上述那样的减少了特殊生活状况的影响的信息。这里，将特定的时间追溯至T4，但在上述经过观察中，也可以存在追溯至手术后等的设计。

稍微具体地说，对考虑了消化器官系统疾患的预防的例子进行说明。作为该疾患的预防，已知有粪便分析这样的方法。在图3的例子中，假定在对象者(用户)不知不觉中通过在排泄时进行粪便分析的厕所来进行该粪便分析。图表31例如是基于由第1设备2a在家庭的厕所中取得的检查数据而制作的，另外，图表32是例如基于由第2设备2b在职场的厕所中取得的检查数据而制作的图表。

这样，如果作为生活的模式而能够在私人和公共环境下利用两个厕所的数据，则出现很多的检查机会，能够取得丰富的信息。在职场中由于紧张而出现较高数据等的情况下也能够校正，或者能够判定职场以外没有注意到的趋势等的机会增加。

针对同一用户，即便在相同的检查项目中进行了检查，由于使用的设备或管理方式的不同等，测定误差、精度等也会不同。因此，将2个检查数据如图表33所示那样记载到相同的图表上并不总是正确的。例如，在家庭中使用的第1设备2a可能是简易传感器，在职场中使用的第2设备2b可能是重视从业人员的健康管理的高性能的传感器。根据这样的状况，虽然2个检查数据是类似的数值，但由于测定方法或传感器不同而可能无法简单地进行比较。此外，在另一观点中，在假设将第1设备、第2设备配置于车站或公共设施的厕所时，在该情况下温湿度的管理困难，另外，由于利用者也多，因此容易产生温度等环境造成的误差或部件劣化或污染等误差因素，因此，难以在相同的级别(scale)上进行数值解析。但是，为了收集特定人物的健康管理信息，最好通过综合地利用由各种设备取得的数据来增加信息的数量，提高信息的价值。此外，在频繁地更新厕所设备的情况下，在设备变更前后能够同等地处理数据。最好也考虑这一点来处理数据。

于是，在本实施方式中，并不是将在第1设备2a、第2设备2b中取得的检查数据如图表33所示那样简单地排列，而是如图表34所示，认为相同的设备具有相同的数值特性，对2个检查数据进行校正运算。在图3中，使如图表33那样具有来自第1设备的输出容易较低出现的趋势的情况增加规定数量，或者施加增益并进行强调，将进行了这些处理的图作为图表34来表示。即，将检查数据设为一并记录了设备的ID和检查结果的数据库，相同设备的数据一律进行偏移校正(加减法)及/或增益校正(乘除法)。通过该校正运算，能够将在多个设备中得到的根据取得时间而变化的数据推移的上下移动模式与其他数据地同样进行比较。

但是，在检查数据的增减模式根据健康程度而逆转等即便进行校正、模式也不同的情况下，为了不错误地进行比较而预先以能够对测定出的数值进行解析的方式进行记录。另外，也可以是在测定中使用的设备的种类或其型号、以及传感器数值这样的信息。如果存在该信息，则能够对来自取得类似的生物体信息的其他设备的数值变化模式进行比较。通常，生物体信息以分钟刻度进行变化的情况较少，因此各设备所具有的时钟信息(由此决定图表的横轴的准确性)的误差只要具有分钟单位程度的精度即可。

通过上述那样的考虑方法，丰富地得到对于身体状况变化、疾病的发病或恶化而言适当的时间范围内的健康关联数值，因此，信息提供部1c能够基于这些信息尽快向利用者进行建议。在进行使用了特定设备的离散的时间序列数据的推理时，一边对补充该离散时间的间隔的信息进行校正一边进行数据化，由此使数据变得丰富，通过使用该数据进行推理，可能实现准确度高的建议。

接着，使用图4所示的流程图对信息传递系统中的检查结果的发送动作的一例进行说明。主要由控制部1内的CPU按照存储于存储器的程序对信息传递系统整体进行控制，来执行该流程。

在图4所示的例子中，假定第1设备2a是可穿戴设备，第2设备2b是专用设备。均是用于取得对象者(特定用户)的健康关联信息的设备。可穿戴设备虽然测定精度低，但由于用户日常贴身佩戴，因此能够频繁地进行测定，收集大量的信息。另一方面，专用设备虽然测定精度高，但与可穿戴设备相比的话，无法进行频繁的测定。通过用户使用多个设备来取得检查数据，能够补充彼此的缺点，提高数据的精度，并且增加数据数量。即，能够增强多个特征不同的设备各自的优点，能够实现与各个日常紧密相连的健康管理。

当开始图4所示的检查结果发送的流程时，便携终端取得健康关联数值(S101)。这里，可穿戴类型的第1设备2a日常取得例如血压等健康管理用数值(检查数据)。由第1设备2a取得的检查数据在异常的情况下，被发送到控制部1，进入步骤S103。如果通信或推理所耗费的能量或时间的损失没有问题，则也可以将在步骤S101中取得的检查数据发送到控制部1。如后所述，在步骤S107中对历史数据进行匹配调整时，使用第1设备2a的检查数据，因此，第1设备2a以规定时间间隔将检查数据发送到控制部1。

当终端取得健康关联数值后，对同一人的检查结果进行检索(S103)。这里，控制部1的ID判定部1b在DB部8中，检索与在步骤S101中测定出的用户相同的人的检查结果。在个人所拥有的终端中，专用的传感器类是简易的传感器，或者由于个人的移动或处理上的制约而容易包含误差。因此，想要利用由专用设备取得的健康关联数值的结果，对由终端取得的健康关联数值是否不包含误差等进行检查、验证。如上所述，在检查数据没有异常且没有发送检查数据的情况下，也可以跳过该步骤。

接着，由专用设备取得对应数据(S105)。这里，专用设备类型的第2设备2b取得用户的健康管理数值(检查数据)。当第2设备2b取得检查数据后，将检查数据发送到控制部1。专用设备是由特定的专业机构或专家进行处理并校正后的设备，大多设置在稳定的环境下被利用，期待根据个人用的终端的结果而得到可靠性高的结果。对此，能够采用基于由专用设备取得的数据例如对通过步骤S101取得的结果进行校正并处理这样的使用方法。

接下来，对在步骤S101和S105中取得的检查数据的历史进行调整，使用该调整后的历史数据进行推理(S107)。如使用图3说明的那样，即便第1设备2a和第2设备2b相同，由于存在设备的误差等，因此检查数据的值有时也偏移。但是，如果为同一人，即便设备不同，按照时间序列取得的检查数据的趋势也成为相同。于是，控制部1对由第1设备2a和第2设备2b取得的检查数据实施校正运算，生成犹如在同一设备中取得的作为时间序列的检查数据(历史数据)。推理引擎7输入该历史数据，进行用于输出针对身体状况变化、疾病的发病或恶化的建议的推理。

在进行推理后，接着显示推理结果(S109)。这里，控制部1向用户保有的终端4发送基于推理结果的建议，终端4显示建议。此时，能够根据推理模型具有什么样的标注信息而进行学习，对建议进行各种变更，例如，如果标注信息包含应去医院的医院的诊疗科的种类或处方药信息，则能够提示这样的结果作为推理的输出。此外，不仅仅是这些推理结果，也可以根据推理结果对数据库等进行因特网检索，基于检索结果而提示追加的注意事项等。此外，也能够根据用户的检查数据的历史、所持的便携终端的历史等，判定在什么样的状况下具有什么样的检查数据的趋势，该判定可以通过推理而进行，并且也可以基于规则来进行。即，在被认为有高血压征兆的人的情况下，如果判定输出历史数据中的较高值的用户的状况，则能够分析并提示在什么样的情况下成为高血压趋势，根据情形，能够提示职场中的压力等产生了影响等。

此外，即便仅提示高数值出现的日期时间，用户也能够观察该日期时间，类推自己的健康根据什么样的环境、季节、一日的哪个时间段等而成为什么样的趋势。用户根据该判断，开始休息、服药、去医院等行动，因此，能够进行自觉前的提前措施，能够增加继续健康生活的人。此外，用户如果知晓具有检查数据的数值恶化的趋势的环境，则在来到该环境下时，通过进行使携带设备或检查设备执行取得各种数据的控制等的反馈控制，能够增加确定原因的线索信息。

在本实施方式的检查结果发送的流程中，认为能够几乎忽略专用设备或健康诊断结果中的误差，对在偏差因素多的可穿戴设备(S1)中取得的结果进行校正。因此，能够判定日常得到的健康数据与专用设备中的检查是不同还是相同。

该结果是，在由专用设备进行了测定的情况下数值偶尔好，另一方面在生活场景中测定出的数值出现了更差的结果的情况下，能够准确地进行判定。在该情况下，例如，能够进行饭后注意或者起床时注意这样的健康建议。该健康建议在用户的终端4等用户容易访问的设备等中进行提示即可。最近，能够显示在用户的电视上，另外，除了AI扬声器、健康管理洗脸池等便携终端以外还将信息向特定个人发送的技术被广泛提供，因此也可以利用这些技术。

在说明图4的流程时，以设置有血压计这样的专用的传感器的设备为中心进行了说明，但不限于血压，也能够应用于脉搏或心跳等信息。这些能够通过摄像元件、加速度传感器等特殊用途以外的便携终端能够搭载的通用或者广为人知的技术来补充。2个设备无需是测定相同项目(例如血压和血压)的设备，也可以一方是血压，一方是脉搏。无论存在在哪种心跳数时成为什么样的血压等相关性的情况下还是不存在相关性的情况下，如果心跳数高的状态持续，则高血压患者的心脏病的发病风险变高，因此大多数情况下有助于综合的判定。各种设备能够取得各种健康关系数据，因此也可以由用户改变监测设备或要注意数据，能够根据症状进行去往哪个医院等的建议。

这样，针对各用户的信息的定制也由信息提供部1c进行即可。具体而言，考虑提供与用户的居住地附近的适当的诊所相关的信息等。除此以外，也可以由经常就诊的设施的医疗从事人员决定对哪些数值进行监视，由该设施具有的系统对数据进行管理。如果该医疗设施处理了足够数量的病例，则能够根据这个人与这个人的健康信息类似而诊断为分别进行具有同样疾病的趋势等。因此，也可以将DB部8设置于医院内的服务器来存储数据。在该情况下，能够进行自动地反映了该地区特有的环境或饮食习惯等的推理或考察或建议。

接着，使用图5所示的流程图对信息传递系统中的检查结果的发送动作的另一例进行说明。主要通过控制部1内的CPU按照存储于存储器的程序对信息传递系统整体进行控制来执行该流程。此外，图5所示的流程表示单独利用图1所示的DB部8中的检索和推理引擎7的推理等功能的情况。也可能存在使用任一方的功能的情况、或者将双方重叠使用的情况，但在此示出了最简洁的例子。

在说明图5的流程时，作为第1设备2a、第2设备2b、第三设备3，假定在马桶配置图像传感器、显微镜那样的放大图像判定器、检测特殊的光的反射等的传感器、晶体性纳米线的阵列、应用了分子膜等电特性的变化的嗅觉传感器、气体成分传感器等并能够确认用户的排泄物的特征的情况来进行说明。

在开始图5所示的检查结果发送的流程时，首先，按照每个ID，基于传感器输出结果进行判定(S1)。这里，存在控制部1通过通信控制部1a来取得第1设备2a等的输出的情况和控制部1通过通信控制部1a接受由第1设备2a等发送的数据的情况。此外，设想控制部1在特定的时间通过通信控制部1a对第1设备2a等记录的数据进行收集这样的方法等。此时，按照添附于传感器输出结果的每个ID，基于传感器输出进行检查结果的判定。作为传感器，也可以是颜色传感器、形状传感器、硬度传感器、嗅觉传感器(包括线虫或动物的反应判定)、气体成分传感器、添加特定试剂时的颜色变化检测传感器，根据图像传感器的输出，来进行基于放大观察图像的形状判定。

在确认上述的用户的排泄物的特征的情况下，例如，能够通过颜色传感器来判定具有潜血的粪便等。此外，关于排泄的量或形状、硬度等，也可以通过图像传感器、颜色传感器来判定，还可以采用进行特殊的染色来测定颜色分布等的方法。或者，也可以利用将对象物放大后的图像来检测组成，还可以判定特定的时间、培养的结果。例如，当混合在粪便中的血液增加时，红血球的红色变得明显，当将其数值化时，可知晓与健康情况的差异。在步骤S1中，对它们进行检测。

在步骤S1中，控制部1在通过使用了特定程序等的判断等进行传感器输出结果的判定后，接着判定是否能够得到特定信息(S3)。这里，基于步骤S1中的判定结果，判定是否检测到与疾病关联的特定信息，例如与健康状态存在差异的数值等特征。

在步骤S3中的判定结果是无法取得特定信息的情况下，返回步骤S1。另一方面，在步骤S3中的判定结果是能够取得特定信息的情况下，判定是否具有经过推理模型(S5)。这里，基于在步骤S3中取得的特定信息，怀疑特定疾患，判定是否存储有能够进行与该疾患相关的精密检查等的数据库、以及是否在推理引擎7中设定有能够使用该数据对今后的经过进行推理的推理模型。

在步骤S5中的判定结果是没有经过推理模型的情况下，对推理的规格进行制作(S13)。在步骤S5中，在判定为未存储有数据库的情况下，控制部1向DB部8请求数据库的构建。通过预先构建能够进行与特定疾患相关的检索的数据库，即便是初次使用的设备，也能够随着利用者增加而迅速地构建系统。此外，如果简单地构建由患有疾病的人或未患有疾病的人将该意思与检查数据一起发送这样的系统，则能够根据所取得的数据来判定是否要患有疾病。此外，最好能够做出超过这样的简单预测的更准确的推理，因此，为了取得这种目的的推理，首先，在该步骤中制作推理的规格。之后使用图7来叙述制作推理规格的详细动作。

在步骤S13中制作出推理的规格后，委托推理模型的规格的制作(S15)。这里，将制作出的推理模型的规格通过学习委托部6向学习部5发送。学习部5按照规格而生成推理模型。控制部1通过学习委托部6接收所生成的推理模型。在进行推理模型的制作委托后，返回步骤S1。之后使用图8来叙述制作推理模型的详细动作。

在步骤S5中的判定结果为“是”的情况下，即，在存在检索用的数据库且存在推理模型的情况下，决定“历史检索”方法(S7)。在步骤S5中的判定结果为“是”的情况下，是存在检索用的数据库的情况，在该情况下，从记录于DB部8的数据中检索在步骤S3中判定的与特定疾患相关的信息。在该步骤中，决定历史检索的方法，即，决定从数据库中如何检索用于针对用户的特定疾患进行进一步的检查的设施。例如，如果是消化器官系统的疾患，则主要检索排泄物系统的检查数据。此外，如果是急救的疾患，则可以检索短期的历史，如果慢性的疾患，则检索长期的历史。此时，在期间过长且数据多的情况下，也可以对数据进行抽稀。

难以1次仅使用1种数据根据时间轴上之前的模式来预测将来。于是，在步骤S7中，检索在用户的健康数据的时间轴上向过去追溯得到的特定时间范围内的历史数据，并利用这些历史数据。由于该检索的结果包含时间的信息，因此，能够进行将来的预想。特定时间宽度根据疾病的不同而不同。例如，如果是病情急剧变化的最近的将来预想，则最近的过去的变化数据是重要的，但如果是如生活习惯病那样逐渐恶化的疾病，则长跨度的历史变得重要。因此，也可以根据应考察的疾病来变更历史取得的时间范围。

在决定历史检索方法后，接着使一方的历史数据与另一方的历史数据匹配并进行推理(S9)。在本实施方式中，通过第1设备2a和第2设备2b这两个设备来取得用户的检查数据。如使用图3说明的那样，第1设备2a与第2设备2b的检查结果的等级不一致。于是，在步骤S9中，控制部1对检查数据进行校正运算，使得一方的等级(第1设备2a的检查数据的等级)与另一方的等级(第2设备2b的检查数据的等级)一致。在该情况下，控制部1也可以使一方的历史数据与另一方的历史数据匹配。

在对历史数据进行匹配调整后，在步骤S9中，推理引擎7使用该历史数据，进行用于输出针对身体状况变化、疾病的发病或恶化的建议的推理。之后使用图6来叙述步骤S7中的“对历史数据进行匹配调整并进行推理”的详细动作。

在对历史数据进行匹配调整并进行推理后，接着显示推理结果(S11)。这里，控制部1将步骤S9中的推理结果向用户的终端4发送，使终端4的显示部显示推理结果。该步骤S11是向成为在步骤S1中取得的信息源的用户或其相关人员提供检查或诊疗辅助的信息的步骤，假定在终端4上出现显示或警告。当进行推理结果的显示后，返回步骤S1。

这样，在本实施方式的检查结果发送的流程中，控制部1取得来自第1设备2a、第2设备2b的传感器检测结果(S1)，根据这些检测结果来判定是否存在与健康状态(疾病)相关的特定信息(S3)。在取得了特定信息的情况下，判定是否具有与特定信息关联的数据库以及是否具有推理模型(S5)，在具有数据库的情况下，对其进行检索。然后，对从第1设备2a取得的数据进行校正运算，使得从第1设备2a、第2设备2b取得的值的等级一致。当通过校正运算对2个历史数据进行匹配调整后，使用该历史数据进行推理(S9)，显示推理结果。因此，在用户能够通过多个设备取得检查数据的情况下，能够使各个设备的输出的等级一致，因此，能够使检查数据变得丰富。能够使用丰富的检查数据，进行精度高的预测推理。其结果是，用户能够在每日的日常生活中进行健康检查，并且能够根据健康状态而接受建议。

此外，在不存在推理模型的情况下(S5→否)，制作用于进行与特定信息相应的推理的推理的规格(S13)，向学习部5(通过学习委托部6)委托推理模型的生成(S15)。因此，能够依次追加与用户的健康状态相应的推理模型。

另外，在图5所示的流程图中，例如，在步骤S3中未取得特定信息的情况下，也可以判定用户的资料或行动、生活习惯等。通过预先取得这些信息，能够提供适当的信息。此外，作为信息，年龄、性别、既往病症等信息、住所、饮食习惯、食物的信息等也是有效的。关于该信息，具有通过终端4取得调查表的方法、在设置信息判定设备2时进行输入并取得的方法、在去医院时通过关联检查机构9进行输入的方法等，也可以通过这些装置或该装置收集存在于网络上的信息来准备。

此外，在图5所示的流程图中，将DB检索(S7)和推理(S9)作为不同的处理独立地进行了处理。但是，不限于此，也可以对它们综合地进行处理。例如，也具有在进行了推理之后检索DB的方法，也可以使用在学习时还包含包括检查装置信息的DB内的信息而学习到的推理模型，进行输出至所保有的器材等设备的推理。在该情况下，能够进行“在该诊所具有〇〇检查装置”这样的显示。

接着，使用图6所示的流程图，对图5的步骤S9的“对历史数据进行匹配调整并进行推理”的动作进行说明。如上所述，该流程使用第1设备2a、第2设备2b，以预先决定的特定时间宽度提取用户的检查数据的变化模式，以各设备的输出等级一致的方式进行校正运算，对2个历史数据进行匹配调整。基于该匹配调整后的历史数据，进行与健康相关的建议的推理。控制部1通过通信控制部1a与推理引擎7、DB部8等协作地进行该处理。

当图6所示的流程开始时，取得时间序列数据(S21)。这里，取得与记录于DB部8的特定ID对应的作为时间序列的数据。所取得的时间序列数据的时间宽度成为特定的时间宽度，但在无法取得特定的时间宽度的数据的情况下，设为能够取得的时间范围。这是因为，当不存在特定的时间宽度时，成为仅特定状况下的数据的判定，可靠性变差。特定的时间宽度对于如大肠癌那样随时间发展的疾病和如流感那样在短期间内发展的疾病是不同的。此外，检查数据的种类取决于推理模型的学习，但期望成为在学习时使用的特定项目的图表，例如优选不一起推理体重和血压。因此，优选在考虑了是什么样的设备的什么样的传感器的信息等数据的辅助信息的基础上进行推理。

在步骤S21中取得时间序列数据后接着判定是否能够取得特定时间宽度量的时间序列数据(S23)。例如，如果检测到潜血的状况，则判定是否以几个月的宽度得到潜血。即，特定的时间宽度根据关联的疾病而不同。

在步骤S23中的判定结果是未取得特定时间宽度的数据的情况下，不进行推理(S35)。即便不存在特定时间宽度的信息，根据期待的可靠性也能够进行推理，但也存在难以推理的情况。于是，在步骤S23中，在判定为未取得特定时间宽度的数据的情况下不进行推理。但是，也存在能够明显地检测出危险状况的情况，在该情况下，只要在推理以前输出紧急信息即可。

即，在所取得的数据是显著存在问题的数值的情况下，由于没有通过推理进行长期预想的时间上的延缓，所以在变化显著的情况下进行警告显示。通过该应对，即使在步骤S35中不进行推理，也能够防止在紧急时无法应对，能够成为在收集到足够的数据之后输出信息这样的可靠性高的系统。即，在本实施方式中，在以特定的变化收敛的数值变化的情况下，以预先决定的时间宽度切取用户的检查数据的变化模式，按照与时间信息一起学习到的推理模型进行推理。在步骤S35的处理后，结束该流程，返回原来的流程。

在步骤S23中的判定结果是取得特定时间宽度量的数据时，接着将数据取得设备信息及取得时刻信息与各数据关联起来(S25)。这里，控制部1将在步骤S21中取得的数据与表示由第1设备2a、第2设备2b等中的哪个设备取得的信息以及与取得时刻相关的信息关联起来，并记录到DB部8中。通过将这些信息与取得数据关联起来，在图2和图3所示的图表中能够进行各数据的定位。如果作为对象的设备增加，则能够在增加按照时间序列排列而评价时的数据数量的同时减轻各个设备的误差的影响。此外，如果知晓哪个数据(也包含时间信息)来自哪个设备，则即便某个设备在特定的时间因某些因素而使可靠性变低，也能够设计为，仅采用该时间以前的数据，并根据该采用的数据进行判定。此外，在能够判断用户利用哪个设备的频度高等的情况下，也能够采用主要仅通过该设备进行判断并反映了根据需要而使用其他设备的检查结果那样的使用方法。

接下来，对不同设备的时间序列数据进行增减(S27)。如使用图3说明的那样，在通过多个设备取得了用户的作为时间序列的检查数据的情况下，存在各个设备的误差或特性差等，因此，无法将多个时间序列的检查数据绘制到同一图表中(参照图3的图表33)。但是，由于是同一人的作为时间序列的检查数据，因此，数据的变化模式的趋势相同。于是，通过对多个时间序列的检查数据进行校正运算，能够将多个时间序列的检查数据绘制到同一图表中。作为校正运算，可以基于2个时间序列的数据的平均值的差分等对各数据进行加减法，并且也可以进行乘除法。该校正运算的结果是，得到按照不同设备进行了校正的作为时间序列的数据。此外，在某个特定的数据重要且其他特定的数据不重要的情况下，也可以通过对数据变更加权等而在信息的反映中设置差异。

在步骤S27中进行时间序列数据的增减后，接着统一输入到推理模型(S29)。在步骤S27中，由于按照不同设备而生成时间序列数据，因此，控制部1将该时间序列的数据输入到推理引擎7。在该情况下，会成为包含各设备所具有的误差在内的推理，在将与特定时间相同的时间范围的增减信息作为训练数据而学习到的特定的推理模型中，有可能逻辑不通而被判定为可靠性低。于是，在进行不同设备的校正的同时计算推理的可靠性，将可靠性高的结果设为推理结果(S31)。这里，针对不同设备的时间序列数据，一点一点地改变特定的四则运算的常数并进行处理。通过该处理，在校正了误差的状况下可靠性变高，因此，能够实现正确的推理。

例如也可以由控制部1基于各信息的设备ID等判定是否为检测相同的生物体信息的设备之后，进行步骤S31中的处理。由此，基于健康变化的数据的增减关系等被保证，因此，仅假定灵敏度、环境误差等的减轻等即可。但是，如果是基于健康变化的数据的增减关系等一致的检查项目，则也可以一律进行处理。这是因为，在一律进行处理的情况下，如果是数据数量作为时间上的密度或者时间上的范围而有效的病情，则能够成为更有效的信息。在该情况下，只要数据具有是什么样的检查项目的信息即可，控制部1设置如下步骤即可，在该步骤中决定是否能够同等地进行处理、或者假定特定的疾病而决定一并处理到哪为止的数据等。

即，如果设备输出的信息不仅仅是判定结果的数据，而是以特定的格式具有检查的时间(日期时间)信息、与成为对象的个人对应的信息、检查内容的信息、设备固有的信息、设备种类的信息等这些信息中的若干信息，则能够利用这些信息对数据进行校正或者进行取舍选择。此外，不仅仅是校正，还能够进行加权。也可以设计为对可靠性低的设备取得的数据减轻加权，不与其他设备同等地进行处理。此外，如果利用相同的多个设备的人有很多，例如在尝试全部颜色区分为时间序列数据并排列在图表上时，即便不是单一设备的信息而是多个设备的信息混合存在，相同的健康状态的人也成为相同的趋势。

即，如果按照特定的人在特定时间取得的来自特定设备的信息，以能够在共同的时间轴上通过颜色区分等来识别是来自哪个设备的信息的方式制作表示信息的推移的图表，则能够掌握该人的健康状态的趋势，并对其进行传递。也可以加入在图表上已经说明的各种校正等来进行判定。基于颜色区分等的识别是人类即便用眼睛观察也容易理解的设计，但除此以外，也可以改变在所绘制的点上描绘而示出的数据的点的形状使得能够进行设备的识别，即便使在该点的数据上附记的信息能够显示或能够读取，也能够得到同样的效果。

在步骤S31中进行推理后，取得推理结果(S33)。这里，控制部1在步骤S31中进行了推理时，将可靠性的数值最高的推理输出设为推理结果。能够实现有效利用了在各种生活情景中取得的信息的健康建议。

这样，在图6所示的对历史数据进行匹配调整并进行推理的流程中，取得时间序列数据(S21)，在能够取得特定时间宽度量的时间序列数据的情况下(S23“是”)，对不同设备的时间序列数据进行校正运算使得成为相同的等级，使用实施了该校正运算的历史数据进行推理(S29)。然后，在按照不同设备进行校正的同时判定推理的可靠性，将可靠性高的推理输出设为推理结果(S31)。因此，能够使用多个设备的检查数据得到精度高的推理结果。此外，能够使用特定时间宽度的时间序列数据进行推理，因此能够进行精度高的推理。

此外，在本实施方式中，在以特定的变化收敛的数值变化的情况下，以预先决定的时间宽度切取对象者的检查数据的变化模式，按照与时间信息一起学习到的推理模型进行推理。即，在不满足特定的基准的情况下(无法取得特定时间宽度的数据的情况(S23“否”))，不是以预先决定的时间宽度切取对象者的检查数据的变化模式并按照与时间信息一起学习到的推理模型进行推理。

接着，使用图7所示的流程图，对图5的步骤S13的“推理规格的制作”的动作进行说明。该推理规格的制作的子程序为，在步骤S3中判定为取得了特定信息时，在推理引擎7中没有设定用于基于该特定信息进行推理的推理模型的情况下，制作用于委托学习部5生成推理模型的规格。

当开始推理规格制作的流程时，首先，根据特定信息来判定关联疾患(S41)。基于在步骤S3(图5)中判定出的特定信息，来判定所关联的疾患。例如，基于用户的尿的检查结果或便的检查结果，分别决定与什么样的疾病关联的生物体信息，因此，如果在DB部8等中记录有表示检查项目与关联疾病的关系的表等，则能够基于该记录的表来判定所关联的疾患。

当知晓关联疾患后，接着进行关联疾患患者的判定(S43)。在DB部8中，记录并整理有大量患者的每日的健康信息(生物体信息、检查数据)等。于是，控制部1判定(检索)患有在步骤S41中判定出的关联疾病的用户以外的患者。

接着，判定是否具有患者的健康信息的历史(S45)。这里，控制部1判定在步骤S43中判定出的患者的健康信息的历史是否记录在DB部8中。在该判定结果是没有存储足够的数据(健康信息的历史)的情况下，不进行推理或推理委托，设为不存在建议信息(S51)。结束该流程，返回原来的流程。

另一方面，在步骤S45中的判定结果为具有健康信息的历史的情况下，以每个关联疾患的时间宽度输入历史数据并输出疾患(S47)。这里，控制部1对记录在DB部8中的已经被诊断出疾患的患者的健康信息进行检索，判定是否具有能够将该健康信息用作训练数据的期间或者量。在满足该判定的情况下，在该患者的作为时间序列的数据内，以判定所判定的关联疾患时需要的时间宽度提取历史数据，将该时间序列数据设为训练数据。该时间序列数据是已经被诊断出疾患的患者的信息，具有由具有专业知识的指导员使用比较准确的测定装置而测定出的生物体数据。于是，控制部1以该生物体数据(一系列数据)为基准，对日常得到的通过家庭用设备或便携终端得到的代用数据进行校正，将该时间序列的数据设为训练数据。控制部1将该训练数据输入到推理引擎7，取得疾患信息作为输出。

上述的生物体数据(一系列数据)如果没有与疾病的哪个时间点相当等的信息，则模式不同。如果为亚健康用的推理，则也可以是以最初的来院时或最初的疾病诊断的时间为基准而追溯到该时间点的模式。即，大量收集图2(a)所示的在经过规定期间后去往医院那样的患者的数据、图2(c)所示的可以不去往医院的人的数据，进行能够判定它们的差异这样的学习，制作推理模型。如果使用该推理模型进行推理，则得到的数据能够用于判定类似于哪种模式、并且判定是否会成为疾病等。在如图2(b)所示的从去医院开始之后取得的情况下的数据中，模式可能根据治疗而变化。但是，也存在包含药的效果而对将来进行推理的需求，因此，也存在制作知晓去医院开始的时间点等这样的训练数据并进行学习的方法。

在为了使推理的可靠性提高而使用对时间序列数据组进行校正并作为训练数据而制作的推理模型进行推理时，通过校正时间序列数据组并输入并且采用可靠性高的推理结果这样的方法，能够进行准确度高的预测。此外，在其他参考信息中，如果存在即便与该疾病没有直接关系也随时间变化的生物体信息，则作为不同的数据而设为训练数据。

在步骤S47中制作推理模型制作用的规格后，进一步设为一并输出疾病用的建议、当前的亚健康的等级这样的规格(S49)。这里，推理引擎7制作能够输出疾病用的建议的推理模型的规格。此时，也可以输出疾患处于哪个阶段等的建议，并且还可以输出用户当前处于去医院前的哪个时间等的信息。在步骤S47、S49中制作用于制作推理模型的规格后，结束本流程，返回原来的流程。

另外，在图7的流程中作为规格的制作对象的学习能够应用于阵痛与出产时期的关系等领域。如果在以出产为基准追溯的定时学习阵痛的频度，则能够生成能够建议在之后多长时间后去往医院或者呼叫助产妇的推理模型。

接着，使用图8所示的流程图，来说明在图5的步骤S15中进行了“推理模型制作委托”的情况下通过学习部5进行的学习动作。这里，将在图7中判定出的关联疾患患者的历史数据用作训练数据，生成可得到所设定的输出这样的推理模型。该推理模型制作的子程序主要在学习部5内的输入输出模型化部5a中被执行。

训练数据通常通过对特定的数据标注特定的标注来制作。在该流程中，通过对与同一对象者关联地在多个时间取得的数据(取得信息)组标注该人的健康关联信息(检查结果、去医院的日期时间或建议等)而设为一个训练数据。准备多个对象者的该训练数据，能够推理时间序列数据的推移模式与什么样的健康信息对应。用于成为该训练数据的原始数据可以以文件形式记录，也可以是能够关联地记录所需要的元数据组。该元数据也可以存在用于标注的元数据。另外，在制作推理模型时，根据需要进行取舍选择，因此作为该推理模型的依据，也可以在所采用的文件中记录用于确定所制作出的推理模型的ID等信息作为元数据。通过这些处理，能够防止AI的黑箱化。

当推理模型制作的流程开始动作后，首先设定输入输出(S61)。这里，学习部5基于从控制部1通过学习委托部6发送的规格，来设定推理模型的输入输出。即，设定向推理模型输入什么(什么样的信息)、推理并输出什么(什么样的信息)等。此外，设定神经网络的中间层的数量，将各中间层的加权等设定为初始值。在该步骤中，设定了由此制作的推理模型的所谓“要求规格”。

接下来，输入训练数据，制作模型(S63)。控制部1从记录于DB部8的数据中制作训练数据并向学习部5发送(参照图7的S47、S49)，因此，将该训练数据依次输入到输入输出模型化部5a的输入部。此外，训练数据成为输入和输出的组，因此，通过以成为与输入相应的输出的方式决定神经网络的各中间层的加权来制作推理模型。

在步骤S63中输入全部训练数据后，接着判定是否以高可靠性制作出了模型(S65)。这里，判定表示在步骤S63中生成的推理模型的可靠性的值是否比规定值高。

在步骤S65中的判定结果为无法制作高可靠性的推理模型的情况下，进行重新学习(S69)。由于可靠性低，因此进行训练数据的母集合的变更等，返回到步骤S63，重新制作推理模型。另外，在即便进行规定次数的重新学习、可靠性也没有达到规定值的情况下，结束推理模型的生成，将这一旨意发送到控制部1。在进行重新学习的情况下，也可以附加记录表示数据组或者文件不作为训练数据使用这一旨意的元数据。能够防止成为不优质的数据组、文件又被用于学习而无法顺利地进行的状况。

另一方面，在步骤S65中的判定结果为能够生成高可靠性的模型的情况下，将该模型设为推理模型(S67)。学习部5将这里生成的推理模型发送到控制部1。控制部1在取得了在步骤S13中制作出推理规格时成为基础的特定信息时，能够将接收到的推理模型设定于推理引擎7而进行推理。在制作推理模型后，结束该流程，返回原来的流程。

这样，在推理模型制作的流程中，被提供训练数据的学习部5进行学习而制作推理模型。在该流程中，对训练数据进行取舍选择并对放入到训练数据的数据进行取舍选择，反复进行重新学习(参照S69)，直至能够进行高可靠性的推理(S65“是”)。通过该学习，能够制作将亚健康阶段的健康数值变化模式的变化的特征与会成为疾病的模式进行对照的推理模型。

在重新学习时的训练数据的取舍选择的过程中，当存在与特定疾病无关的数据时，控制部1认为可靠性不高，只要排除该独立数据或数据组即可。如果控制部1追踪在这样的过程中排除的特定的生物体数据、输出了该数据的设备、得到了该数据的环境等，则能够确定不适合作为推理使用的数据、设备或环境，也可以考虑记录该特定的数据、设备等，在下次以后制作推理模型时排除。

如果存在该不可利用数据信息，则能够筛选在存在特定疾病的征兆的情况下应利用的生物体信息取得设备、数据或环境。例如，为了检测大肠癌的征兆，粪便检查历史等很重要，但从数据量的增大和计算的复杂度出发，优选避免同样地处理作为不同器官的信息的心跳数等。但是，如果是相同种类的生物体信息，则即便考虑设备的不同、测定方法的差异，大多情况下也优选增加数据数量、或进行追踪。

另一方面，即使将多年之前由其他设备测定的没有变化的观便结果等与最近的急剧变化的观便结果一起进行训练数据化并使用该训练数据进行学习，也不会成为具有太大效果的学习。如果在使用最近的特定设备进行的观便结果的数据中补充未使用该设备时的观便结果的数据内的、在单位时间(例如，参照图4的S3)内得到的数据的数量不足的情况下或精度差而无法使用因此被剔除的数据时，观便结果的数据信息量增加，因此成为有效的训练数据的可能性高。即，如果输入到推理模型的信息量适当，则推理结果的可靠性也变高。

接着，使用图9和图10来说明对历史数据进行匹配调整并进行推理(参照图6)的动作的变形例。上述的图3的例子假定仅利用1个设备时数据量不够而无法进行适当的推理的情况，通过使用多个设备的信息进行补充，推理的结果变得正确。但是，如图9所示，在各个设备具有的与特定人物相关的数据历史足够的情况下，如图3的图表34所示，也可以不进行单位时间内的信息量补充，而是执行各个设备用的推理模型中的推理，综合地判定该结果。此外，不仅是检查时间，还加入来自输出不同信息的设备的信息，基于该加入的信息进行判断能够实现准确的判定，因此也可以通过补充对不同检查项目的检查数据进行补充的设备的信息本身，来提高推理结果的可靠性。

在向推理模型放入数据组、文件等时，也可以预先关联如下元数据，该元数据表示是以通过什么样的推理模型进行推理为目的而制作出的数据组或文件，能够通过该元数据来指定最佳的推理模型。例如，当要进行推理的健康关联信息专业化时，有可能另外准备大肠癌用的推理模型和痔疮用的推理模型。通过这样的设计，可以不徒劳地对主要担心大肠癌等的用户输出痔疮等信息。此外，如果预先将使推理的结果元数据化的信息与在推理中使用的数据组或文件相关联，则在对什么样的病例成为什么样的数据组或文件进行检索等的情况下成为有效的信息。

此时，测定了在学习中使用的训练数据的设备与得到向推理模型输入的数据的设备按照每个设备而存在差异。例如，图9所示的图表91表示由第1设备2a取得的作为时间序列的检查数据的变化，图表92表示由第2设备2b取得的作为时间序列的检查数据的变化。

这样，由于根据设备的不同而存在差异，因此，针对各个检查数据，分别通过各个校正输入91a、92a一点一点地改变校正值并实施校正运算。然后，将校正后的第1设备2a的检查数据输入到第1设备用的推理引擎7a，将校正后的第2设备2b的检查数据输入到第2设备用的推理引擎7b。这样，将各个校正后的数据输入到对应的推理模型。

当一点一点地改变校正值时，推理输出的可靠性也一点一点地改变，因此，按照各个设备而采用推理输出的可靠性成为适当时的推理结果。当按照各个设备决定推理结果时，将综合地反映了各个推理结果的结果作为最终的输出。作为综合的判断，可以选择可靠性高的推理结果，如果可靠性没有较大差异，则也可以采用两个结果的中间判断，还可以采用包含两个结果的判断。这样，在本变形例中，综合地判断使用与多个推理模型对应的多个时间序列数据进行推理而得到的结果并作为推理结果，因此能够提供准确度高的建议显示的方法。

接着，使用图10所示的流程图来说明对历史数据进行匹配调整并进行推理的变形例的动作进行说明。与图6的情况同样，控制部1通过通信控制部1a，与推理引擎7、DB部8等协作地进行该处理。

当图10所示的流程图的动作开始时，首先，一边校正第1设备的历史的数值一边进行推理(S71)。这里，如使用图9的图表91和校正输入91a说明的那样，控制部1对由第1设备2a取得的作为时间序列的检查数据实施基于加减法或乘除法等的校正运算。控制部1将该校正后的作为时间序列的检查数据输入到推理引擎7a，并使其进行推理。

接下来，采用可靠性成为适当的校正值的结果(S73)。如上所述，控制部1一边一点一点地改变校正运算的校正值一边计算推理的可靠性。在该步骤中，控制部1采用可靠性成为最高时的推理结果作为使用了第1设备的历史数据时的推理结果。

接着，一边校正第2设备的历史的数值一边进行推理(S75)。这里，如使用图9的图表92和校正输入92a说明的那样，控制部1对由第2设备2b取得的作为时间序列的检查数据实施基于加减法或乘除法等的校正运算。控制部1将该校正后的作为时间序列的检查数据输入到推理引擎7b，并使其进行推理。

接下来，采用可靠性成为适当的校正值的结果(S77)。如上所述，控制部1一边一点一点地改变校正运算的校正值一边计算推理的可靠性。在该步骤中，控制部1采用可靠性成为最高时的推理结果作为使用了第2设备的历史数据时的推理结果。

在步骤S71～S77中，当针对第1设备和第2设备分别决定推理结果后，接着，如果所采用的结果类似，则用于建议(S79)。这里，如果在步骤S73和S77中采用的结果类似，则采用推理结果作为建议。在所采用的结果不类似的情况下，也可以通过推理哪一个有可能正确等来决定。也可以如图9所示那样综合地进行判断。

这样，在对历史数据进行匹配调整并进行推理的变形例中，分别通过第1设备用推理引擎和第2设备用推理引擎，对从第1设备和第2设备分别输出的作为时间序列的检查数据进行推理。在该推理时，对各时间序列的检查数据实施校正运算，采用可靠性最高时的推理作为针对各设备的推理结果。最终，使用2个设备的推理结果进行综合的判断。

另外，在本变形例中，使用了第1设备2a和第2设备2b这2个设备，但不限于此，也可以使用3个以上的设备来进行处理。

如以上说明的那样，本发明的一实施方式中的信息传递系统具有：第1检查数据取得部(ID判定部1b)，其通过第1设备2a取得对象者的作为时间序列的第1检查数据组；第2检查数据取得部(ID判定部1b)，其通过第2设备2b取得对象者的作为时间序列的第2检查数据组；以及传递信息决定部(信息提供部1c)，其使用第1检查数据组和第2检查数据组，来决定向对象者提供的传递信息。从第1设备和第2设备取得检查数据组，基于该数据来生成向对象者提供的信息。即，由于从多个设备取得检查数据，因此，能够增加数据的数量，并且能够在各种状况下取得数据，因此，能够生成精度更高的信息。这样，本发明的一实施方式的信息传递系统通过考虑对象者的状况而掌握准确的健康状态，能够提供与该健康状态相应的建议等定制信息。

此外，在本发明的一实施方式中，按照推理模型来决定传递信息，该推理模型是按照由多个设备取得的检查数据组的变化模式进行学习而得到的。即，在本实施方式中，使用按照时间序列取得的检查数据组而生成推理模型(例如参照图8)。此外，将从对象者取得的检查数据组输入到推理引擎，得到推理结果(例如参照图4的S107、图5的S9)。通过使用时间序列的检查数据组，能够确定检查数据的变化模式所表示的疾病，并且能够推理将来发病的疾病、其发病时期等。

此外，在本发明的一实施方式中，按照由第1设备取得的第1检查数据组和由第2设备取得的第2检查数据组对第1检查数据组和第2检查数据组进行校正，计算将该校正后的检查数据组作为输入而进行了推理时的可靠性，按照该可靠性来决定传递信息(例如参照图3、图4)。因此，在取得了不同的多个设备的检查数据的情况下，即便设备的输出等级存在差，也对它们进行校正，因此，能够以丰富的数据数量来决定精度更高的传递信息。

此外，在本发明的一实施方式中，按照由第1设备取得的第1检查数据组和由第2设备取得的第2检查数据组，对第1检查数据组和第2检查数据组进行校正，将该校正后的多个检查数据组合并为1个检查数据组，将该合并后的检查数据组向推理模型输入，由此进行推理，基于推理结果来决定传递信息(例如参照图3、图4、图5的S9)。因此，犹如1个检查数据组那样处理由多个设备取得的检查数据组，数据数增加，因此能够决定精度更高的传递信息。

此外，在本发明的一实施方式中，按照由第1设备取得的第1检查数据组和由第2设备取得的第2检查数据组，对第1检查数据组和第2检查数据组进行校正，按照该校正后的多个检查数据组的每个检查数据组分别向推理模型输入，综合地判定基于各推理模型的推理结果，基于该判定结果来决定传递信息(例如参照图9、图10)。因此，能够根据由多个设备取得的检查数据组来决定精度更高的传递信息。

此外，在本发明的一实施方式中，第1检查数据取得部、第2检查数据取得部判定是来自对象者的检查数据组还是来自对象者以外的人的检查数据组(参照图1的ID判定部1b)，在是来自对象者的检查数据组的情况下，作为第1检查数据组或第2检查数据组而取得。

信息传递系统的控制部在输入来自对象者所使用的第1设备2a和第2设备2b的检查数据和来自对象者以外的人使用的第3设备3的检查数据的情况下，能够区分对象者和非对象者的检查数据。因此，对象者能够使用多个设备得到检查数据，使检查数据变得丰富，能够得到精度更高的传递信息。

在本实施方式的说明中，作为第1设备2a或第2设备2b，对有效利用由附设于厕所的各种传感器进行粪便分析、粪便收集等的结果的情况进行了多次说明，但当然不限于此。作为第1设备2a、第2设备2b，只要是用于取得对象者的健康关联信息、例如生命体征信息、检体信息等的设备即可。在最简单的例子中，也能够应用于由智能手机等便携终端得到的面部图像信息、基于该面部图像信息的心跳信息等，也可以利用这些信息。另外，也可以与可穿戴终端等在紧贴于用户的状态下使用的设备协作，例如，心律不齐那样的应注意的数据也能够由这些设备简单地取得。根据步行时的加速度传感器的模式等，也能够进行影响脚的健康问题的检测。不是根据设备或身体状况、饮食或生活场景的状况而可能包含误差的单一数据的解析，而是使用包含多个数据的历史模式进行解析，由此能够高精度地提供疾病的有无或可能性或恢复、应去医院的时期等信息、建议信息等。在这些信息为低精度的情况下，用户接受看诊的情况延迟，产生不必要的担心。

在至今为止的许多提案中，针对这样的精度的对策不充分，但在本实施方式中，能够考虑精度并且考虑对象者的状况而提供对象者能够合理地去往医疗机构等的信息。由于能够提供可接受用于掌握准确的健康状态的检查或治疗的设施的信息，因此用户能够通过该健康掌握来接受治疗或进行生活习惯的改善，过上更加健康的生活。

另外，在本发明的一实施方式中，控制部1作为由CPU、存储器、HDD等构成的IT设备而进行了说明。但是，除了通过CPU和程序以软件的形式构成以外，也可以由硬件电路构成各部的一部分或全部，也可以是基于利用硬件描述语言(Verilog)记述的程序语言而生成的门电路等硬件结构，还可以利用使用了DSP(Digital Signal Processor：数字信号处理器)等软件的硬件结构。它们当然也可以适当组合。

此外，控制部1不限于CPU，只要是实现作为控制器的功能的元件即可，上述的各部的处理也可以由作为硬件而构成的1个以上的处理器进行。例如，各部分别也可以是作为电子电路而构成的处理器，还可以是由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。或者也可以是，由1个以上的CPU构成的处理器通过读入并执行记录于记录介质的计算机程序，来执行作为各部的功能。

此外，关于本说明书所说明的技术中主要在流程图中说明的控制，大多能够以程序的形式设定，也有时被记录在记录介质或记录部中。关于向该记录介质、记录部的记录方式，可以在产品出厂时记录，也可以利用发布的记录介质，还可以通过因特网下载。

此外，在本发明的一实施方式中，使用流程图对本实施方式中的动作进行了说明，但也可以改变处理步骤的顺序，此外，也可以省略任意的步骤，也可以追加步骤，还可以变更各步骤内的具体处理内容。

此外，关于权利要求书、说明书以及附图中的动作流程，即便为了方便而使用“首先”、“接着”等表现顺序的语言进行了说明，但在没有特别说明的部位，也并非意味着必须按照该顺序实施。

本发明不直接限定于上述实施方式，在实施阶段，在不脱离其主旨的范围内能够对结构要素进行变形使其具体化。此外，能够通过上述实施方式所公开的多个结构要素的适当组合而形成各种发明。例如，也可以删除实施方式所示的全部结构要素的若干结构要素。此外，也可以适当组合不同实施方式中的结构要素。

附图标记说明

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，2b：第2设备，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：训练数据，6d：规格设定部，6e：通信部，6f：控制部，7：推理引擎，8：DB部，8a：不同ID的历史一览。