By processing the acoustic features 1021 and language features 1022 of a person's voice, a mathematical model can be trained to diagnose the person's medical condition. The performance of the mathematical model can be improved by proper selection of the features 1021, 1022 used with the mathematical model. By calculating a feature selection score 1031 for each acoustic feature 1021 and for each language feature 1022, and then using the score 1031 to select the features 1021, 1022 with the highest scores 1031 and so on. By selecting 1022, the features 1021, 1022 can be selected. In some implementations, a stability determination 1032 can be calculated for each feature 1021, 1022, and both the feature selection score 1031 and the stability determination 1032 can be used to select the features 1021, 1022. The selected features 1021, 1022 can then be used to train and deploy a mathematical model. In some implementations, the calculated prompt selection score 1041 may be used to select a prompt and the deployed mathematical model may be used with the selected prompt. [Selection diagram] Figure 2人の音声の音響特徴１０２１および言語特徴１０２２を処理することにより、この人の病状を診断するように、数学モデルを訓練することができる。数学モデルの性能は、数学モデルと共に使用される特徴１０２１，１０２２を適切に選択することによって改善することができる。音響特徴１０２１毎および言語特徴１０２２毎に特徴選択スコア１０３１を計算し、次いでスコア１０３１を使用して、最も高いスコア１０３１をあげた特徴１０２１，１０２２を選択することによってというようにして、特徴１０２１，１０２２を選択することによって、特徴１０２１，１０２２を選択することができる。ある実施態様では、特徴１０２１，１０２２毎に安定性判定１０３２を計算することができ、特徴選択スコア１０３１および安定性判定１０３２の双方を使用して、特徴１０２１，１０２２を選択することができる。次いで、選択した特徴１０２１，１０２２を使用して数学モデルを訓練し、デプロイすることができる。ある実施態様では、計算したプロンプト選択スコア１０４１を使用してプロンプトを選択し、デプロイした数学モデルを、選択したプロンプトと共に使用してもよい。【選択図】図２
