JP5038671B2 - 検査項目選定装置、検査項目選定方法、及び検査項目選定プログラム - Google Patents

検査項目選定装置、検査項目選定方法、及び検査項目選定プログラム Download PDF

Info

Publication number
JP5038671B2
JP5038671B2 JP2006259334A JP2006259334A JP5038671B2 JP 5038671 B2 JP5038671 B2 JP 5038671B2 JP 2006259334 A JP2006259334 A JP 2006259334A JP 2006259334 A JP2006259334 A JP 2006259334A JP 5038671 B2 JP5038671 B2 JP 5038671B2
Authority
JP
Japan
Prior art keywords
disease
information
test
inspection
item
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2006259334A
Other languages
English (en)
Other versions
JP2008077603A (ja
Inventor
康雄 櫻井
重治 大湯
卓三 高山
真理子 柴田
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toshiba Corp
Canon Medical Systems Corp
Original Assignee
Toshiba Corp
Toshiba Medical Systems Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Toshiba Corp, Toshiba Medical Systems Corp filed Critical Toshiba Corp
Priority to JP2006259334A priority Critical patent/JP5038671B2/ja
Priority to CNA2007101618497A priority patent/CN101169863A/zh
Priority to US11/859,926 priority patent/US8315883B2/en
Publication of JP2008077603A publication Critical patent/JP2008077603A/ja
Application granted granted Critical
Publication of JP5038671B2 publication Critical patent/JP5038671B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/60—ICT specially adapted for the handling or processing of medical references relating to pathologies
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
    • G16Z99/00—Subject matter not provided for in other main groups of this subclass
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Description

本発明は、個人ごとの身体情報に基づいて罹りやすい疾病を予測し、予測結果を勘案して最適な検査項目を選定する技術に関する。
近年、データマイニング等の統計的手法の急速な発達、及び統計的手法に用いられる各種データの充実化により、個人の身体に関わる様々な状況変化を予測することが可能となってきた。将来的な状況変化の予測は、医療方針や健康の維持又は向上の指導等の形で役立てられている。
例えば、個人の身体情報をもとにその個人の健康余命を予測し、予測結果を健康管理計画の策定やその健康管理計画を実施することによる効果の予測に役立てる技術が提示されている（例えば、「特許文献１」参照。）。
この技術は、喫煙、飲酒、運動に関する日常生活習慣や肥満、高血圧、高脂血、高血糖、高尿酸等の診断結果等の個人の身体に関わる身体情報を利用する。また、予め、これら各種身体情報の組み合わせを有する一定の母集団に基づき、これら各種身体情報の組み合わせを有する個人が健康な状態で生存している確率を年齢毎に区分した基礎データを用意しておく。例えば、喫煙有り、飲酒有り、及び肥満の人が０歳を１００％として各年齢で何％の割合で健康な状態で生存しているかの基礎データを用意しておく。この基礎データに個人の身体情報を当てはめ、健康余命の予測値を算出する。そして、健康余命の予測値に応じて将来の疾病や障害の発症の程度を判断し、判断結果に基づいて、健康診断の実施間隔などを決定する計画を作成する。
また、例えば、個人の身体情報をもとに所定の疾病の発症確率を予測し、予測結果を予測に利用した身体情報の値とともに色分け表示する技術が提示されている（例えば、「特許文献２」参照。）。
この技術は、ＢＭＩ（Ｂｏｄｙ Ｍａｓｓ Ｉｎｄｅｘ）や血糖値等の身体情報を用いて糖尿病の発症確率を統計的な手法により求め、その発症確率や予測に身体情報の値をその程度によって色分け表示してリスクを明示するものである。この表示をもとに医師等による疾病発症の疑いや生活指導に役立てられる。
ところで、現在、疾病の発見を目的とした検診では、特定の疾病を発見するために全ての人が一律に同じ内容の検査を受けている。例えば、胃ガンの発見を目的として検査を受ける人は、Ｘ線バリウム造影検査を一律に受けることが一般的である。
しかしながら、どのような疾病に罹りやすいかは、個人によって大きく異なる。ある疾病が発症しやすい人もいれば、その疾病は発症しにくく、別の疾病が発症しやすい人もいる。また、その疾病に罹り易さの程度も個人によって大きく異なる。
従って、一律に同じような疾病を発見することを目的に、一律に同じような検査を受けているため、個人に最適な検査がなされず、多くの疾病が見逃されがちとなっている。また、その人には必要のない検査を受けることにより、結果的に検診を受ける者に無駄な身体的負担及び精神的負担、さらには金銭的負担を追わせることとなっている。
個人の身体情報をもとにその個人の健康余命を予測し、予測結果を健康管理計画の策定やその健康管理計画を実施することによる効果の予測に役立てる技術では、健康余命からある程度の疾病発症は観念できるが、その観念からはどの疾病が発症するかを予測することはできず、従ってどの検査を受ければいいか選定することはできない。
一方、個人の身体情報をもとに所定の疾病の発症確率を予測し、予測結果を予測に利用した身体情報の値とともに色分け表示する技術では、疾病毎の発症確率を予測することはできるものの、その予測結果を如何様に扱うかの手法が確立されているとは言えない。従って、この疾病発症確率の予測結果は、参考程度に留まってしまい、結局は、一律に同じような疾病を発見することを目的に、一律に同じような検査を受けることとなる。
したがって、従来の技術では、統計的な手法により個人の身体に関わる様々な状況変化を予測することが可能となったとはいえ、個人毎に最適な検査項目を選定することは困難であり、多くの疾病が見逃され、また検診を受ける者に無駄な身体的負担及び精神的負担、さらには金銭的負担を追わせていることにはかわりない。
特開２００３−１６７９５９号公報 特開２００５−４９９２１号公報
本発明は、以上の問題点に鑑みてなされたものであって、その目的は、個人ごとの身体情報に基づいて罹りやすい疾病を予測し、予測結果を勘案して最適な検査項目を選定する技術を提供することにある。
上記課題を解決するための第１の態様は、数値で表された個人の身体に係る診断項目毎の情報を含む身体情報を正規化し、該正規化した身体情報と予め記憶しておいた前記診断項目と所定疾病との相関関係を示す相関係数とに基づき、今後の時間経過に対応した前記所定疾病の疾病発症確率を算出する発症確率算出手段と、予め前記所定疾病毎に前記疾病発症確率に対応した段階的な選定基準情報を検査精度情報として記憶しており、前記算出された疾病発症確率が満足する検査精度情報を出力する基準生成手段と、予め前記検査精度情報毎にそれぞれ１又は複数の疾病に対する検査項目を記憶する検査項目データベースと、前記算出された疾病発症確率を満足する検査精度情報を基に１又は複数の検査項目を前記検査項目データベースから検索する検索手段と、を備えることを特徴とする。
本発明の第１の態様によっては、疾病発症確率に応じて個人毎に最適な検査を実施することができ、疾病発見の効率性が向上する。また無駄な検査が減ることによって受診者の検査に係る身体的負担及び精神的負担を軽減することができる。
以下、本発明に係る検査項目選定の好適な各実施形態について、図面を参照しながら詳細に説明する。
（第１の実施形態）
第１の実施形態に係る検査項目選定方法は、個人の身体情報から統計的手法により各種の疾病発症確率を予測し、予測した疾病発症確率に応じた検査項目の選定基準を生成し、その選定基準を満足する属性を有する検査項目を選定するものである。
検査項目の選定に利用される検査項目の属性は、例えば、検査精度、検査のコスト、検査の危険性、検査による侵襲度、検査の信頼性、検査時間、検査による身体的又は精神的な負担等であり、数値化又は区分化して表す。選定基準は、検査項目の選定に利用される検査項目の属性に合わせた種類のものとなる。疾病発症確率をその程度により区分化して、この区分に、選定に利用する検査項目の属性の数値や区分を対応付けし、予測した疾病発症確率が属する区分に対応付けられた検査項目の属性の数値や区分を選定基準とする。または、疾病発症確率をパラメータとして、選定に利用される検査項目の属性値との比較対象を選定基準として生成する。そして、選定基準を満足する属性を有する検査項目を選定する。
第１の実施形態においては、疾病発症確率対検査精度に基づき検査項目を選定する。即ち、選定基準は、疾病発症確率に応じて推奨される検査精度である。検査項目の属性は、その検査の検査精度である。推奨される検査精度を満足する検査精度を有する検査項目を選定する。
この検査項目選定方法は、例えばコンピュータに検査項目選定方法を実現させるためのプログラムを実行させることで行われる。
図１は、第１の実施形態に係る検査項目選定方法を使用する検査項目選定装置の構成を示すブロック図である。
この検査項目選定装置１は、例えば演算制御部（ＣＰＵ：Central Processing Unitやグラフィックチップ）、主記憶部（ＲＡＭ：Random Access Memory）、外部記憶部（ＨＤＤ：Hard Disk Drive）を共通線で接続して相互にデータ入出力可能としたコンピュータと、モニタ及び入力インターフェースで構成される。外部記憶部に検査項目選定方法を実現させるプログラムを記憶し、そのプログラムを適宜実行する。モニタは、ＬＣＤ（Liquid Crystal Display）ディスプレイあるいはＣＲＴ(Cathode Ray Tube)ディスプレイで構成される。入力インターフェースは、キーボードやホイールトラッキング機能を有するマウス等である。
外部記憶部に記憶されたプログラムを実行することにより検査項目選定装置１は、確率算出部１０と、身体情報保持部１１と、疾病リスク情報データベース１２と、基準生成部２０と、選定基準データ記憶部２１と、検索部３０と、検査項目データベース３１とを備える。
確率算出部１０、身体情報保持部１１、及び疾病リスク情報データベース１２は、疾病発症確率を算出するための構成である。基準生成部２０、選定基準データ記憶部２１、検索部３０、及び検査項目データベース３１は、検査項目を選定するための構成である。
まず、疾病発症確率の算出について説明する。確率算出部１０は、身体情報と疾病リスク情報を用いて今後所定期間内における個人の疾病発症確率を算出する。身体情報は、健康診断等により得られた血圧等の診断情報や遺伝子解析により得られた遺伝子情報である。疾病リスク情報は、身体情報を疾病発症確率の分布の何れに属するかを明示する変数に変換する正規化関数と、正規化により得られた変数と疾病発症との相関関係を示す相関係数である。
確率算出部１０は、疾病リスク情報を用いて、身体情報に対して疾病発症確率の分布の何れに属するかを示す正規化を行い、正規化された身体情報と疾病発症との相関関係を示す相関係数で補正することで、一つの身体情報から得られる疾病発症確率を求める。さらに各身体情報から得られた疾病発症確率を合算し、総合的な疾病発症確率を求める。
即ち、確率算出部１０は、以下の計算式により疾病発症確率を演算する。
Figure 0005038671
Figure 0005038671
ｅは、身体情報ｊに基づく疾病ｉの今後ｔ年間における疾病発症確率である。ｆｊは、身体情報ｊの値Ｘを正規化関数ｆｊ（Ｘ）で正規化して得た変数である。Ａｉｊは、疾病ｉにおける身体情報ｊの値Ｘを正規化関数ｆｊ（Ｘ）で正規化して得た変数と疾病発症との相関関係を示す相関係数である。Ａｉ０は、個人の身体情報ｊの値Ｘの如何に問わず誰においても疾病ｉが発症する基礎的な確率を示す。
確率算出部１０は、上記計算式に身体情報ｊの値Ｘと正規化関数ｆｊ（Ｘ）と相関係数Ａｉｊと年数ｔを当てはめて、今後ｔ年間の疾病発症確率を算出する。
年数ｔは、外部記憶部に予め記憶されている。例えば、ｔ＝３又はｔ＝５が記憶され、ｔ＝３を読み出すことにより今後３年間の疾病発症確率を算出し、ｔ＝５を読み出すことにより今後５年間の疾病発症確率を算出する。年数ｔは、疾病ｉ毎に設定されていてもよいし、疾病ｉの種類を問わず一律の年数が設定されていてもよい。入力インターフェースを用いて入力されたデータが年数ｔとして記憶される。例えば、疾病ｉのどの年数ｔの疾病発症確率が最もよく実際に近似しているかの新たな知見が得られた時点で追加や修正を行えばよい。
各種身体情報ｊの値Ｘは、身体情報保持部１１に記憶されている。確率算出部１０は、身体情報保持部１１から疾病発症確率を算出しようとする疾病ｉの発症に関与する身体情報ｊの値Ｘを読み出す。
正規化関数ｆｊ（Ｘ）と相関係数Ａｉｊは、疾病リスク情報データベース１２に記憶されている。疾病リスク情報データベース１２に記憶された正規化関数ｆｊ（Ｘ）及び相関係数Ａｉｊのうち、身体情報ｊの値Ｘに基づく疾病発症確率の算出に必要な正規化関数ｆｊ（Ｘ）及び相関係数Ａｉｊを読み出す。
図２及び図３は、疾病リスク情報データベース１２を示す。図２は、正規化関数ｆｊ（Ｘ）のデータベースを示し、図３は、相関係数Ａｉｊのデータベースを示す。
図２に示すように、疾病リスク情報データベース１２には、疾病発症確率の算出に利用する身体情報ｊの種別情報と、その身体情報ｊの種別に対応する個人の身体情報ｊの値Ｘを正規化するための正規化関数ｆｊ（Ｘ）の種別情報と、正規化関数ｆｊ（Ｘ）の実行ファイルが関連づけられて記憶されている。
疾病リスク情報データベース１２に記憶される身体情報ｊの種別情報は、既知の知見から疾病発症に関与すると考えられている身体情報ｊの種別情報である。この身体情報ｊの種別情報は、「ｊ＝１，２，３・・・」や「アンジオシン変換酵素（ＡＣＥ）異変，血糖値，総コレステロール・・・」のように記号または名称で記憶されている。
疾病リスク情報データベース１２に記憶される正規化関数ｆｊ（Ｘ）の種別情報は、既知の知見から身体情報ｊが疾病発症確率の分布の何れに属するかを最もよく表す正規化関数ｆｊ（Ｘ）の種別情報である。この正規化関数ｆｊ（Ｘ）の種別情報は、「ｆ１（Ｘ），ｆ２（Ｘ），ｆ３（Ｘ）・・・」や「２値，ステップ関数，シグモイド関数・・・」のように記号又は名称で記憶されている。
正規化関数ｆｊ（Ｘ）の実行ファイルは、疾病リスク情報データベース１２に直接記述されていてもよい。又は疾病リスク情報データベース１２に正規化関数ｆｊ（Ｘ）の実行ファイルが記憶されているディレクトリ等の記憶先パスが記憶されていてもよい。
身体情報ｊの種別情報や正規化関数ｆｊ（Ｘ）の種別情報は、入力インターフェースを用いて入力され、疾病リスク情報データベース１２に記憶される。例えば、新たな知見が得られた時点で追加や修正を行えばよい。
疾病リスク情報データベース１２には、例えば、アンジオテンシン変換酵素（ＡＣＥ）異変の種別情報「ｊ＝１」に対して、アンジオテンシン変換酵素異変の有無を２値のいずれかに正規化する２値関数の種別情報「ｆ１（Ｘ）」が記憶されている。この種別情報は、オフセット値とスケール値とを含み記憶される。血糖値の種別情報「ｊ＝２」に対しては、ステップ関数の種別情報「ｆ２（Ｘ）」が記憶されている。この種別情報は、オフセット値とスケール値とを含み構成される。総コレステロール値の種別情報「ｊ＝３」に対しては、シグモイド関数の種別情報「ｆ３（Ｘ）」が記憶されている。この種別情報は、オフセット値とスケール値とを含み記憶される。喫煙歴の種別情報「ｊ＝４」に対しては、リニア関数の種別情報ｆ４（Ｘ）が記憶されている。この種別情報は、オフセット値とスケール値とを含み記憶される。血圧値の種別情報「ｊ＝５」に対しては、指数関数の種別情報「ｆ５（Ｘ）」が対になって記憶されている。この種別情報は、オフセット値とスケール値とを含み記憶される。正規化血圧・血糖値積の種別情報「ｊ＝６」に対しては、血糖値をステップ関数で正規化して得た値と血圧値を指数関数で正規化して得た値との積を求める関数の種別情報ｆ６（Ｘ）が記憶されている。また、アンジオテンシン変換酵素（ＡＣＥ）異変−血糖値論理積の種別情報「ｊ＝７」に対しては、アンジオテンシン変換酵素異変の有無を２値のいずれかに正規化する２値関数で得た値と血圧値を指数関数で正規化して得た値の論理積を求める関数の種別情報「ｆ７（Ｘ）」が記憶されている。
確率算出部１０は、身体情報ｊの種別情報を順次参照して（ｊ＝１，２，３・・・）、この種別情報で識別された身体情報ｊの値Ｘを身体情報保持部１１から読み出す。また、参照した身体情報ｊの種別情報と対になっている正規化関数ｆｊ（Ｘ）の種別情報を参照して、実行する正規化関数ｆｊ（Ｘ）を選択する。実行する正規化関数ｆｊ（Ｘ）に関連づけられたファイルを読み出し、身体情報保持部１１から読み出した身体情報ｊの値Ｘの正規化を実行する。
また、図３に示すように、疾病リスク情報データベース１２には、正規化して得た身体情報ｊの変数ｆｊを補正する相関係数Ａｉｊが変数ｆｊ及び疾病ｉの組み合わせ毎に記憶されている。この相関係数Ａｉｊは、既知の知見から、正規化して得た変数ｆｊと疾病発症との相関関係を最もよく表す係数が用意される。入力インターフェースを用いて入力された相関係数Ａｉｊが疾病リスク情報データベース１２に記憶される。例えば、新たな知見が得られた時点で追加や修正を行えばよい。
確率算出部１０は、各変数ｆｊ（ｊ＝１，２，３・・・）を算出すると、疾病リスク情報データベース１２から相関係数Ａｉｊを各疾病ｉと各変数ｆｊとの組み合わせにつき順次読み出し、変数ｆｊをＡｉｊで補正し、一の身体情報ｊに対する各種疾病ｉの疾病発症確率を順次算出していく。そして、各種身体情報ｊに対する疾病ｉの疾病発症確率を足し合わせ、最終的に必要な総合的な疾病発症確率を求める。
図４は、身体情報保持部１１に記憶されている個人の身体情報ｊを示す図である。
図４に示すように、身体情報保持部１１には、数値化又は存在の有無を表す記号化された個人の各種身体情報ｊが記憶されている。この個人の身体情報ｊは、診断情報及び遺伝子情報からなる。診断情報は、電子カルテそのもの又は電子カルテから情報を抽出してデータベース化したものである。身体情報ｊの値Ｘは、最終的には数値で表される。例えば、アンジオテンシン変換酵素異変の有無等は、存在すれば「１」、存在しなければ「０」等の２値の数値により表される。過去に盲腸炎となった病歴があれば、その経過年数、手術の有無、完治の有無、投与した薬剤、薬剤を投与した量、薬剤を投与してからの経過年数等を数値化する。遺伝子情報は、個人が有する疾病ｉに関与する遺伝子の名称又はその遺伝子が多分類型である場合には多型分類名までがデータベース化されるが、疾病発症確率の算出の前段階でその遺伝子の存在を示す「１」等の記号に置き換えられる。
診断情報としては、具体的には、電子カルテ記載の個人の年齢、性別、身長、体重、収縮期血圧、拡張期血圧、肥満度、ＢＭＩ（Ｂｏｄｙ Ｍａｓｓ Ｉｎｄｅｘ）指数、体脂肪率、視力、蛋白、糖、潜血、白血球数、赤血球数、血色素量、ヘマトクリット、ＧＯＴ、ＧＰＴ、γ−ＧＴＰ、ＡＬ−Ｐ、総コレステロール、中性脂肪、ＨＤＬコレステロール、尿酸、クレアチニン、血糖、ＨｂＡ１ｃ等の個人の有する身体的数値、盲腸炎、右足首捻挫、胆石症、アレルギーの有無等の病歴、及び各種血液生化学検査等の身体情報ｊがその値Ｘとともに身体情報保持部１１に記憶される。
この診断情報は、電子カルテを読み込む、抽出したい項目を入力インターフェースを用いて入力する等により身体情報保持部１１に記憶させておく。電子カルテの書式標準化により項目毎に定義されたタグが存在し、そのタグ以下に対応する診断情報が記載されている場合には、電子カルテから必要な項目のタグを検索して、必要な診断情報を取得していく。
電子カルテは、病院内のネットワークを通じて病院情報システム（ＨＩＳ：Hospital Information System）から取得するようにしてもよい。この場合、検査項目選定装置１は、ＬＡＮインターフェースを有し、病院内のネットワークに通信可能に接続される。
遺伝子情報としては、具体的には、例えば肺ガン発病に関与しているとされる「ＣＹＰ１Ａ１」や「ＧＳＴ１」遺伝子が個人に存在すれば、その遺伝子名と、分類「Ａ型、Ｂ型、Ｃ型」や「＋型、−型」を記憶させておく。
遺伝子配列として個人が有する全ての遺伝子名を記憶している場合には、疾病ｉに関与する既知の遺伝子名及び分類又は遺伝子配列によりスクリーニングをして、個人が有する疾病に関与する遺伝子情報を抽出する。そのため、身体情報保持部１１とは別に、疾病ｉに関与する既知の遺伝子データベースを備えるようにしてもよい。
確率算出部１０は、疾病リスク情報データベース１２に記憶されている身体情報ｊの種別情報を読み出し、身体情報保持部１１からこの種別情報に対応する身体情報ｊの値Ｘを得る。
図５は、この確率算出部１０による疾病発症確率の算出動作を示すフローチャートである。
まず、確率算出部１０は、身体情報ｊの種別情報をｊ＝１、疾病ｉの種別をｉ＝１に初期化する（Ｓ１１）。
初期化すると、身体情報保持部１１から身体情報ｊの値Ｘを読み出す（Ｓ１２）。さらに、身体情報ｊと対になった正規化関数ｆｊ（Ｘ）の種別情報を疾病リスク情報データベース１２から参照して、この種別情報に関連づけられている正規化関数ｆｊ（Ｘ）の実行ファイルを読み出す（Ｓ１３）。
各種データを読み出すと、確率算出部１０は、正規化関数ｆｊ（Ｘ）に身体情報ｉの値Ｘを代入し、正規化された身体情報ｉの変数ｆｊを計算する（Ｓ１４）。
身体情報ｊの値Ｘを正規化すると、確率算出部１０は、ｊ＝ｊ＋１として（Ｓ１５）、ｊ＞Ｎでなければ（Ｓ１６，Ｎｏ）、Ｓ１２〜Ｓ１５を繰り返し、各身体情報ｊを正規化する。尚、Ｎは、疾病発症確率の算出に使用する身体情報ｊの数である。Ｎは、身体情報保持部１１や疾病発症リスク情報データベース１２の修正や追加に応じて可変し、修正や追加の確定により確率算出部１０に更新記憶される。
ｊ＞Ｎであれば（Ｓ１６，Ｙｅｓ）、確率算出部１０は、ｊ＝１に初期化し（Ｓ１７）、疾病リスク情報データベース１２から相関係数Ａｉ０及び相関係数Ａｉｊを読み出しながら、順次ｊ＝ｊ＋１とし、今後１年間に疾病ｉが発症する疾病発症確率ｅｉを算出する（Ｓ１８）。確率ｅｉを算出すると、予め設定されている年数ｔに従って、今後ｔ年間に疾病ｉが発症する疾病発症確率ｅｉ （ｔ）を算出する（Ｓ１９）。
疾病発症確率ｅｉ （ｔ）を算出すると、確率算出部１０は、ｉ＝ｉ＋１として（Ｓ２０）、ｉ＞ｉｍａｘでなければ（Ｓ２１，Ｎｏ）、Ｓ１８及びＳ２０を繰り返し、今後ｔ年間の疾病発症確率ｅｉ （ｔ）を疾病ｉ（ｉ＝１，２，３・・・）毎に算出する。尚、ｉｍａｘは、疾病発症確率を算出する疾病ｉの数である。ｉｍａｘは、疾病発症リスク情報データベース１２の修正や追加に応じて可変し、修正や追加の確定により確率算出部１０に更新記憶される。
ｉ＞ｉｍａｘとなり（Ｓ２１，Ｙｅｓ）、全ての疾病ｉについての疾病発症確率ｅｉ （ｔ）が算出されると、確率算出部１０は、モニタに算出された疾病発症確率を表示して（Ｓ２２）、処理を終了する。
図６は、算出された疾病発症確率を表示する画面を示す模式図である。
確率算出部１０は、疾病発症確率を算出すると、モニタに疾病発症確率を表示する。表示画面には、疾病ｉの疾病発症確率と疾病ｉの名称が対になって表示される。
次に、疾病発症確率に応じた検査項目の選定について説明する。検査項目の選定では、基準生成部２０が選定基準として疾病発症確率に応じた検査精度を生成し、検索部３０が検査精度の選定基準を満足する検査精度を有する検査項目を検索する。
基準生成部２０は、選定基準データを用いて、算出された疾病発症確率の程度により検査精度情報を生成する。検査精度情報は、検査により疾病が発見できる確率をランクで表した情報であり、ランク別に区分された選定基準情報である。選定基準データは、選定基準データ記憶部２１に記憶されている。
図７に、第１の実施形態に係る選定基準データを示す。選定基準データは、疾病ｉ別に疾病発症確率が場合分けされた区分Ｄｉｖとこの区分Ｄｉｖに対応付けられた検査精度ランクＲとを記憶するテーブルである。疾病発症確率の区分Ｄｉｖは、疾病発症確率を算出する年数ｔ毎に記憶されている。例えば、疾病ｉが「結腸ガン」の場合は、「今後３年間の疾病発症確率が３％以上」、「今後３年間の疾病発症確率が１％以上３％未満又は今後５年間の疾病発症確率が１．５％以上」、及び「今後３年間の疾病発症確率が０．５％以上１％未満」の区分Ｄｉｖに分けられている。さらに、検査精度ランクＲとして、「今後３年間の疾病発症確率が３％以上」の区分Ｄｉｖに対して「ランクＡ」が対応付けられ、「今後３年間の疾病発症確率が１％以上３％未満又は今後５年間の疾病発症確率が１．５％以上」の区分Ｄｉｖに対して「ランクＢ」が対応付けられ、「今後３年間の疾病発症確率が０．５％以上１％未満」の区分Ｄｉｖに対して「ランクＣ」が対応付けられている。検査精度ランクＲは、ランクを示すアルファベットが若くなるにつれ、検査精度が高いことを示す。
基準生成部２０は、疾病ｉに対する選定基準データを読み出して、算出された疾病発症確率が含まれる区分Ｄｉｖを検索し、この区分Ｄｉｖに対応付けられた検査精度ランクＲを取得する。算出された疾病発症確率が含まれる区分Ｄｉｖがない場合は、検査精度ランクＲを取得しない。疾病発症確率が低いため、検査項目を選定する必要がないためである。
検索部３０は、基準生成部２０が得た検査精度ランクＲを検査項目データベース３１から検索することで、検査項目を選定する。疾病ｉに関する検査項目から、基準生成部２０により取得された選定基準情報（取得された検査精度ランクＲ）と同一の検査精度ランクＲを有する検査項目を検索する。
図８に、検索部３０により検索される検査項目データベース３１を示す。検査項目データベース３１は、疾病ｉ毎にその疾病ｉを検査可能な各種検査項目を記憶し、さらに各検査項目を検査精度ランクＲ別に区分している。例えば、結腸ガンに対しては、生化学検査（結腸ガンマーカ）、大腸内視鏡検査、大腸組織生検が検査項目として記憶されている。生化学検査（結腸ガンマーカ）は、ランクＣに区分され、大腸内視鏡検査は、ランクＢに区分され、大腸組織生検は、ランクＡに区分されている。
検索部３０は、検査精度ランクＲが得られた疾病ｉの検査項目データベース３１を参照し、得られた検査精度ランクＲに区分されている検査項目を選出する。
図９は、この基準生成部２０及び検索部３０による第１の実施形態に係る検査項目の選定動作を示すフローチャートである。
まず、基準生成部２０は、疾病ｉの種別をｉ＝１に初期化する（Ｓ３１）。初期化すると、確率算出部１０が算出した疾病ｉの今後ｔ年間の疾病発症確率ｅｉ （ｔ）を読み出し（Ｓ３２）、次いで選定基準データ記憶部２１から疾病ｉの選定基準データを読み出す（Ｓ３３）。
疾病ｉの今後ｔ年間の疾病発症確率ｅｉ （ｔ）と疾病ｉの選定基準データを読み出すと、基準生成部２０は、疾病発症確率ｅｉ （ｔ）を、選定基準データ中の年数ｔに対応する疾病発症確率を場合分けした区分Ｄｉｖに当てはめて、合致する区分Ｄｉｖを検索する（Ｓ３４）。
合致する区分Ｄｉｖが検索されると（Ｓ３４，Ｙｅｓ）、選定基準データ中から合致した区分Ｄｉｖに対応する検査精度ランクＲを参照して、疾病ｉに関連づけて同一の検査精度ランクＲを生成する（Ｓ３５）。合致する区分Ｄｉｖが検索されなければ（Ｓ３４，Ｎｏ）、検査精度ランクＲを取得せずに疾病ｉにおける検査精度ランクＲの取得を終了する。
検索が終了すると、基準生成部２０は、ｉ＝ｉ＋１として（Ｓ３６）、ｉ＞ｉｍａｘでなければ（Ｓ３７，Ｎｏ）、Ｓ３２及びＳ３６を繰り返し、各疾病ｉに関連づけられた検査精度ランクＲを生成する。
ｉ＞ｉｍａｘとなり（Ｓ３７，Ｙｅｓ）、基準生成部２０により各疾病ｉに関連づけられた検査精度ランクＲが生成されると、検索部３０は、ｉ＝１に初期化し（Ｓ３８）、検査項目データベース３１を読み出す（Ｓ３９）。検索部３０は、読み出した検査項目データベース３１から疾病ｉの項目を検索し（Ｓ４０）、さらに検索された疾病ｉに関連づけられた検査項目の中から、生成された検査精度ランクＲに関連づけられた検査項目を検索する（Ｓ４１）。
検査項目が検索されると、検索部は、ｉ＝ｉ＋１として（Ｓ４２）、ｉ＞ｉｍａｘでなければ（Ｓ４３，Ｎｏ）、Ｓ３９及びＳ４２を繰り返し、各疾病ｉにつき選定基準情報と同一の検査精度ランクＲを有する検査項目を検索する。
ｉ＞ｉｍａｘとなり（Ｓ４３，Ｙｅｓ）、全ての疾病ｉに対する検査項目が検索されると、検索部３０は、モニタに各疾病ｉと検索された疾病ｉの検査項目を組み合わせて表示して（Ｓ４４）、処理を終了する。
図１０は、第１の実施形態において、検索部３０により選出された検査項目の一覧を表示する画面を示す模式図である。
検索部３０は、検査精度ランクＲが得られた疾病ｉ毎に検査項目を選出すると、その一覧をモニタに表示させる。モニタには、疾病ｉ毎に選出された検査項目が表示される。
尚、この検査項目の一覧を表示する表示画面には、図６で示した疾病発症確率を表示する画面を合わせて表示するようにしてもよい。合わせて表示する場合には、疾病ｉ毎に疾病発症確率と選出された検査項目を並べて表示する。
このように、本実施形態に係る検査項目選定装置１は、身体情報ｊから疾病リスク情報（正規化関数ｆｊ（Ｘ）と相関係数Ａｉｊ）を用いて統計的手法により疾病発症確率を算出し、算出した疾病発症確率を選定基準データを用いて検査精度ランクＲに変換し、その検査精度ランクＲを満足する評価を有する検査項目を選定するものである。これにより疾病発症確率対検査精度の観点から個人毎に最適な検査を実施することができ、疾病を効率よく且つ早期に発見することができ、また無駄な検査が減ることによって受診者の検査に係る負担を軽減することができる。
尚、本実施形態では、検査精度をランクに区分したが、その検査が有する検査精度を具体的な数値に置き換えた場合には、その数値により検査項目を検索してもよい。疾病発症確率の程度に応じて推奨される最低限の検査精度を選定基準データに記憶させておく。検索部３０は、この最低限の検査精度以上の検査精度の値を有する検査項目を推奨する検査項目として選出する。
検索部３０の検索により、最低限の検査精度を満足する検査精度を有する検査項目が複数選出された場合は、その選出された複数の検査項目のうち、最低の検査精度を有する検査項目を選出する。または、選出された複数の検索項目を全て表示する。表示された各検索項目には、疾病発症確率と疾病ｉの参考情報や各検索項目の参考情報を対応付けて同時表示する。
疾病ｉの参考情報は、その疾病ｉが発症した場合の回復リスクや治療費用や回復した場合であっても生活の質が低下するおそれ等を示す文字列である。また、検査項目の参考情報は、検査精度ランクや検査の危険性や検査に係るコスト等を示す文字列である。
疾病ｉの参考情報や各検索項目の参考情報は、検索項目データベースに各疾病ｉと各検索項目に関連づけて記憶させておくことができる（図１５参照）。検索部３０は、検索項目データベースから検索された検査項目を表示する際、検索項目データベースから関連する参考情報を取得し、同時表示する。
また、身体情報保持部１１には、個人の最新の身体情報が記憶されていれば足りるが、複数年分を記憶させておいてもよい。この場合、確率算出部１０は、各年度分の疾病発症確率を演算し、モニタに表示してもよい。
（第２の実施形態）
本発明の第２の実施形態に係る検査項目選定装置１について説明する。この検査項目選定装置１では、身体情報から疾病リスク情報を用いて統計的手法により疾病発症確率を算出し、選定基準データを用いて疾病発症確率に応じた選定基準情報を生成し、その選定基準情報を満足する属性を有する検査項目を選定する構成については第１の実施形態と同様である。本実施形態に係る検査項目選定装置１は、プログラムを実行することにより疾病発症確率を算出するために、身体情報保持部１１と、疾病リスク情報データベース１２と、確率算出部１０とを実現する。また、検査項目を選定するために、選定基準データ記憶部２１と、基準生成部２０と、検査項目データベース３１と、検索部３０とを備える。
第２の実施形態においては、検査項目選定装置１は、治療費用対検査コストを基準に検査項目を選定する。即ち、選定基準は、疾病発症により必要となる出費の期待値である。検査項目の属性は、その検査にかかるコストである。この期待値を満足するコストを有する検査項目を選定する。
図１１に、本実施形態に係る検査項目選定装置１の選定基準データ記憶部２１に記憶されている選定基準データを示す。
選定基準データ記憶部２１には、疾病ｉ毎に疾病ｉが発症した場合の出費を示す出費情報Ｃｔが記憶されている。この出費情報Ｃｔは、疾病ｉの治療に要する治療費である。ある疾病ｉに対して行われる代表的な治療法に対する保険点数や、ある病院でその疾病が発症した場合に実際にかかった費用、あるいは過去の統計データの蓄積から求め、入力インターフェースを用いて選定基準データ記憶部２１に記憶させる。
この出費情報Ｃｔには、治療費に加えて治療によって生じた生活の質の低下を補うその他の雑費、例えば車椅子の費用やペースメーカのメンテナンス費用や身障者用自家用車への改造費用や住まいのバリアフリーへの改造費用等を加えてもよい。また、治療費に加えて検査によって生じるリスク、例えば医療事故に伴う損害費用等を加えてもよい。
基準生成部２０は、選定基準データ記憶部２１に記憶された選定基準データから疾病ｉが発症した場合の出費情報Ｃｔを読み出し、読み出した出費情報Ｃｔと確率算出部１０で算出された疾病発症確率から疾病ｉが発症した場合に支払う費用の期待値を算出する。即ち、出費情報Ｃｔが示す出費に疾病発症確率を乗じて期待値を算出する。
検索部３０は、基準生成部２０が算出した期待値を下回るコストの検査を検査項目データベース３１から検索し、検索結果を選出した検査項目とする。
図１２は、本実施形態に係る検査項目データベース３１を示す図である。
検査項目データベース３１は、疾病ｉ毎にその疾病ｉを検査する各種検査項目を記憶し、さらに各検査項目の検査にかかるコストＣｅと検査精度ランクＲとを関連づけて記憶している。例えば、結腸ガンに対しては、生化学検査（結腸ガンマーカ）、大腸内視鏡検査、大腸組織生検が検査項目として記憶されている。生化学検査（結腸ガンマーカ）には、コスト「１５００円」と「ランクＣ」が関連づけられ、大腸内視鏡検査には、コスト「９０００円」と「ランクＢ」が関連づけられ、大腸組織生検には、コスト「１００００円」と「ランクＡ」が関連づけられている。
検索部３０は、期待値が得られた疾病ｉの検査項目データベース３１を参照し、各疾病項目に関連して記憶されているコストＣｅと期待値とを順次比較する。比較の結果、期待値を下回るコストＣｅと関連づけられた検査項目を選出する。複数の検査項目が期待値を下回るコストＣｅを有する場合は、検査精度ランクＲが高い検査項目を選出する。
図１３は、第２の実施形態における、基準生成部２０及び検索部３０による検査項目の選定動作を示すフローチャートである。
まず、基準生成部２０は、疾病ｉの種別をｉ＝１に初期化する（Ｓ５１）。初期化すると、確率算出部１０が算出した疾病ｉの疾病発症確率ｅｉ （ｔ）を読み出し（Ｓ５２）、次いで選定基準データ記憶部２１から疾病ｉの選定基準データを読み出す（Ｓ５３）。
疾病ｉの疾病発症確率ｅｉ （ｔ）と疾病ｉの選定基準データを読み出すと、基準生成部２０は、疾病発症確率ｅｉ （ｔ）を、選定基準データ中の疾病ｉが発症した場合に必要となる出費の出費情報Ｃｔに乗じて、疾病ｉが発症した場合に必要となる出費の期待値を算出する（Ｓ５４）。
期待値が算出されると、基準生成部２０は、ｉ＝ｉ＋１として（Ｓ５５）、ｉ＞ｉｍａｘでなければ（Ｓ５６，Ｎｏ）、Ｓ５２及びＳ５５を繰り返し、各疾病ｉが発症した場合に必要となる出費の期待値を算出する。
ｉ＞ｉｍａｘとなり（Ｓ５６，Ｙｅｓ）、基準生成部２０により各疾病ｉが発症した場合に必要となる出費の期待値が算出されると、検索部３０は、ｉ＝１に初期化し（Ｓ５７）、検査項目データベース３１を読み出す（Ｓ５８）。検索部３０は、読み出した検査項目データベース３１から疾病ｉの項目を検索し（Ｓ５９）、さらに検索された疾病ｉに関連づけられた各検査項目のコストＣｅと期待値とを比較し、期待値を下回るコストＣｅに関連づけられた検査項目を検索する（Ｓ６０）。
同一疾病ｉにつき、期待値を下回るコストＣｅに関連づけられた検査項目が複数存在すると（Ｓ６１，Ｙｅｓ）、最も高い検査精度ランクＲが関連づけられた検査項目を検索する（Ｓ６２）。
検査項目が検索されると、検索部は、ｉ＝ｉ＋１として（Ｓ６３）、ｉ＞ｉｍａｘでなければ（Ｓ６４，Ｎｏ）、Ｓ５９乃至Ｓ６２を繰り返し、各疾病ｉつきに期待値を下回るコストＣｅに関連づけられ、かつ検査精度ランクＲの最も高い検査項目を検索する。
ｉ＞ｉｍａｘとなり（Ｓ６４，Ｙｅｓ）、全ての疾病ｉに対する検査項目が検索されると、検索部３０は、モニタに各疾病ｉと検索された疾病ｉの検査項目を組み合わせて表示して（Ｓ６５）、処理を終了する。
このように、本実施形態に係る検査項目選定装置１は、身体情報から疾病リスク情報を用いて統計的手法により疾病発症確率を算出し、算出した疾病発症確率を選定基準データを用いて疾病が発症した場合に要する費用の期待値に変換し、その期待値を下回るコストを有する検査項目を選定するものである。
これにより疾病発症確率対コストの観点から個人毎に最適な検査を実施することができ、無駄な検査が減ることによって受診者の検査に係る体力的な負担や金銭的な負担を軽減することができる。
期待値の算出には、疾病が検査で見落とされて発病してしまい治療に要する費用や、検査で「陽性」と判定されて早期治療や予防的治療を実施するのにかかる費用や、検査コストを含めて厳密に算出することもできる。この期待値の算出では、基準生成部２０は、以下の計算式を演算して期待値を算出する。
期待値=
（1-検査ｋの実施有無)×（疾病ｉの治療に要する治療費）×(疾病発症確率)
＋（検査ｋの実施有無）×（疾病ｉの治療に要する治療費）×(疾病発症確率)×(1-検査精度)
＋（検査ｋの実施有無）×（疾病の初期治療に要する治療費）×(検査陽性確率)
＋（検査ｋの実施有無）×検査ｋのコスト
検査の実施有無は、実施する場合は「１」、実施しない場合は「０」である。検査精度は、ある検査Ｋにより疾病を検出できる確率である。検査陽性確率は、検査で陽性と判断される確率である。
１行目式において、検査Ｋを実施しない場合に疾病ｉが発症した場合に要する費用の期待値が算出される。２行目式において、検査Ｋを実施した場合には、疾病が検査で見落とされて発病してしまい治療に要する費用の期待値が算出される。３行目式において、検査で「陽性」と判定されて早期治療や予防的治療を実施するのにかかる費用が算出される。４行目において、検査Ｋを実施した場合のコストが算出される。
基準生成部２０は、上記計算式を各検査（Ｋ＝０，１，２・・・）、各疾病ｉ、及び検査Ｋを実施した場合、及び検査Ｋを実施しなかった場合に場合分けしてそれぞれ計算し、算出された期待値のうち、最小のものを最終的な期待値として確定する。最小の期待値を確定するには、シミュレーテッドアニーリング法等の公知の方法を用いることができる。
また、複数の検査項目が選出された場合、複数の検索項目を全てをモニタに表示するようにしてもよい。表示された各検索項目には、疾病発症確率と疾病ｉの参考情報や各検索項目の参考情報を対応付けて同時表示する。
疾病ｉの参考情報や各検索項目の参考情報は、検索項目データベースに各疾病ｉと各検索項目に関連づけて記憶させておくことができる（図１５参照）。検索部３０は、検索項目データベースから検索された検査項目を表示する際、検索項目データベースから関連する参考情報を取得し、同時表示する。
（第３の実施形態）
本発明の第３の実施形態に係る検査項目選定方法について説明する。図１４に本実施形態に係る検査項目選定装置１の構成を示す。本実施形態に係る検査項目選定装置１は、プログラムを実行することにより、疾病発症確率を算出するために、身体情報保持部１１と、疾病リスク情報データベース１２と、確率算出部１０とを実現する。また、検査項目の選定を支援するために、検査項目データベース３１と、表示制御部４０とを備える。
第３の実施形態に係る検査項目選定方法を使用する検査項目選定装置１では、身体情報から疾病リスク情報を用いて統計的手法により疾病発症確率を算出し、この疾病発症確率と疾病を検査する検査項目とを並べて表示する。
図１５に示すように、検査項目データベース３１には、疾病ｉ毎にその疾病を検査する各種検査項目を記憶し、さらに各検査項目に検査にかかるコストＣｅと検査精度ランクＲと、疾病ｉの参考情報Ｆｉ及び各検査項目の参考情報Ｆｅとを関連づけて記憶している。
表示制御部４０は、疾病ｉの疾病発症確率が算出されると、検査項目データベース３１から疾病ｉに関連づけられた検査項目と各検査項目のコストＣｅと検査精度ランクＲと疾病ｉの参考情報Ｆｉ及び各検査項目の参考情報Ｆｅを抽出し、算出された疾病発症確率と対にしてモニタに同時表示させる。
図１６は、この表示制御部４０による検索項目表示の動作を示すフローチャートである。
まず、表示制御部４０は、確率算出部１０が算出した各疾病ｉの疾病発症確率ｅｉ （ｔ）を読み出し（Ｓ７１）、次いで検査項目データベース３１を読み出す（Ｓ７２）。
疾病発症確率ｅｉ （ｔ）と検査項目データベース３１を読み出すと、表示制御部４０は、疾病ｉに関する疾病発症確率ｅｉ （ｔ）と、検査項目データベース３１中の疾病ｉに関する各種検査項目と、各検査項目に検査にかかるコストＣｅと、各検査項目の検査精度ランクＲと、疾病ｉの参考情報Ｆｉと、各検査項目の参考情報Ｆｅとを並べてモニタに表示する（Ｓ７３）。
図１７は、疾病発症確率と疾病を検査する検査項目とを並べて表示する画面を示す図である。
モニタには、疾病発症確率ｅｉ （ｔ）、疾病発症確率を算出した疾病ｉに関連づけられた各検査項目、コストＣｅ、検査精度ランクＲ、及び参考情報Ｆｉ，Ｆｅが並べて表示される。表示制御部４０は、疾病ｉに関連して記憶されている各検査項目、コストＣｅ、検査精度ランクＲ、参考情報Ｆｉ，Ｆｅを、検査項目データベース３１から抽出する。
この画面には、検査項目の各表示エリアの近傍にラジオボタンが表示される。入力インターフェースを用いて、各疾病ｉにつき、一つの検査項目に対応するラジオボタンにチェックを入れることで、検査項目が最終的に確定する。
このように、本実施形態に係る検査項目選定装置では、疾病ｉを検査可能な検査項目の全てを表示し、かつ疾病発症確率ｉやコストＣｅや検査精度ランクＲや参考情報Ｆｉ，Ｆｅを同時表示する。これにより、装置利用者は、疾病発症確率ｉやコストＣｅや検査精度ランクＲや参考情報Ｆｉ，Ｆｅを参照し、受ける検査項目を選定でき、検査項目選定装置１は、疾病ｉを検査可能な検査項目を複数案提示し、各参照情報によって検査項目の選定を支援することができる。
（第４の実施形態）
本発明の第４の実施形態に係る検査項目選定方法について説明する。第４の実施形態に係る検査項目選定装置１は、第１乃至第３の実施形態に係る検査項目選定方法の何れかを使用して検査項目の選定が可能となっている。
図１８は、本実施形態に係る検査項目選定装置１の構成を示すブロック図である。図１８に示すように、本実施形態の検査項目選定装置１は、プログラムを実行することにより、疾病発症確率を算出するために、身体情報保持部１１と、疾病リスク情報データベース１２と、確率算出部１０とを実現する。また、検査項目を選定する選定手段として、選定基準データ記憶部２１と、基準生成部２０と、検査項目データベース３１と、検索部３０と、表示制御部４０と、選定方式入力部５０を備える。
選定方式入力部５０は、マウスやキーボード等の入力インターフェースを含み構成される。この選定方式入力部には、検査項目選定装置１の利用者によって検査項目の選定方式の指示が入力される。選定方式入力部５０は、検査項目の選定方式が入力されると、入力された選定方式に示す信号を基準生成部２０と検索部３０又は表示制御部４０に入力する。
基準生成部２０と検索部３０又は表示制御部４０は、第１乃至第３の実施形態に係る疾病発症確率対検査精度、疾病発症確率対コスト、又は疾病ｉを検査可能な検査項目と疾病発症確率の同時表示の選定方式の何れかの処理を行う。利用者が選定方式入力部への入力により指示した選定方式によって選定基準情報を生成する。
検査項目データベース３１には、第１乃至第３の実施形態のデータ項目を全て内包する。選定基準データ記憶部２１は、第１の実施形態及び第２の実施形態の双方の選定基準データを記憶している。
図１９は、この選定方式の選択に係る動作を示すフローチャートである。
まず、選定方式入力部５０は、モニタに選定方式の入力を促す表示画面を表示する（Ｓ８１）。利用者は、モニタに表示された表示画面を見ながら入力インターフェースを用いて選定方式を選択する入力を行う（Ｓ８２）。
利用者により選定方式を選択する入力がなされると（Ｓ８２，Ｙｅｓ）、その選択された選定方式が疾病発症確率対検査精度の場合（Ｓ８３，Ｙｅｓ）、選定方式入力部５０は、疾病発症確率が算出された後、基準生成部２０と検索部３０に第１の実施形態に係る疾病発症確率対検査精度の検索項目選定処理を行わせる（Ｓ８４）。
また、その選択された選定方式が疾病発症確率対コストの場合（Ｓ８５，Ｙｅｓ）、選定方式入力部５０は、疾病発症確率が算出された後、基準生成部２０と検索部３０に第２の実施形態に係る疾病発症確率対コストの検索項目選定処理を行わせる（Ｓ８６）。
また、その選択された選定方式が疾病ｉを検査可能な検査項目と疾病発症確率の同時表示の場合（Ｓ８７，Ｙｅｓ）、選定方式入力部５０は、疾病発症確率が算出された後、表示制御部４０に第３の実施形態に係る疾病ｉを検査可能な検査項目と疾病発症確率の同時表示処理を行わせる（Ｓ８８）。
図２０は、選定方式入力部５０を用いて選定方式を選択する際にモニタに表示される表示画面を示す図である。モニタには、少なくとも第１及び第２の実施形態の基準選定情報の生成や第３の実施形態の検索部３０による検索前に選定方式を選択する表示画面が表示される。
表示画面には、選定方式を選択するプルダウン式の入力フィールドが表示され、プルダウン中に疾病発症確率対検査精度、疾病発症確率対コスト、又は所定疾病を検査可能な検査項目とその検査項目の属性と疾病発症確率との同時表示を示す文字列が選択可能に並べて表示される。
利用者が選定方式入力部５０に何れかの選定方式の選択を入力することで検索項目を選定する選定方式が確定する。基準生成部２０及び検索部３０は、疾病発症確率が算出された後、この入力された選定方式に従って、疾病発症確率対検査精度、疾病発症確率対コスト、又は所定疾病を検査可能な検査項目とその検査項目の属性と疾病発症確率との同時表示の選定方式の何れかの処理を行う。
このように、第４の実施形態に係る検査項目選定装置１は、各種選定方式を選択することができるので、検査を受けようとする個人のニーズをより反映させた検査項目の選定が可能となる。
第１の実施形態に係る検査項目選定方法を使用する検査項目選定装置の構成を示すブロック図である。 相関関数ｆｊ（Ｘ）のデータベースを示す。 相関係数Ａｉｊのデータベースを示す。 個人の身体情報を示す図である。 疾病発症確率の算出動作を示すフローチャートである。 算出された疾病発症確率を表示する画面を示す模式図である。 第１の実施形態に係る選定基準データを示す図である。 第１の実施形態に係る検査項目データベースを示す図である。 第１の実施形態に係る検査項目の選定動作を示すフローチャートである。 第１の実施形態において、検索部３０により選出された検査項目の一覧を表示する画面を示す模式図である。 第２の実施形態に係る選定基準データを示す図である。 第２の実施形態に係る検査項目データベースを示す図である。 第２の実施形態における検査項目の選定動作を示すフローチャートである。 第３の実施形態に係る検査項目選定装置の構成を示す図である。 第３の実施形態に係る検査項目データベースを示す図である。 第３の実施形態に係る検索項目表示の動作を示すフローチャートである。 第３の実施形態における疾病発症確率と疾病を検査する検査項目とを並べて表示する画面を示す図である。 第４の実施形態に係る検査項目選定装置の構成を示すブロック図である。 第４の実施形態に係る選定方式の選択に係る動作を示すフローチャートである。 選定方式を選択する際にモニタに表示される表示画面を示す図である。
符号の説明
１ 検査項目選定装置
１０ 確率算出部
１１ 身体情報保持部
１２ 疾病リスク情報データベース
２０ 基準生成部
２１ 選定基準データ記憶部
３０ 検索部
３１ 検査項目データベース
４０ 表示制御部
５０ 選定方式入力部

Claims (5)

  1. 数値で表された個人の身体に係る診断項目毎の情報を含む身体情報を正規化し、該正規化した身体情報と予め記憶しておいた前記診断項目と所定疾病との相関関係を示す相関係数とに基づき、今後の時間経過に対応した前記所定疾病の疾病発症確率を算出する発症確率算出手段と、
    予め前記所定疾病毎に前記疾病発症確率に対応した段階的な選定基準情報を検査精度情報として記憶しており、前記算出された疾病発症確率が満足する検査精度情報を出力する基準生成手段と、
    予め前記検査精度情報毎にそれぞれ１又は複数の疾病に対する検査項目を記憶する検査項目データベースと、
    前記算出された疾病発症確率を満足する検査精度情報を基に１又は複数の検査項目を前記検査項目データベースから検索する検索手段と、
    を備えることを特徴とする検査項目選定装置。
  2. 前記基準生成手段は、
    前記選定基準情報として、前記算出された疾病発症確率を用いて疾病発症により必要となる出費の期待値を生成し、
    前記検査項目データベースは、
    検査項目の属性として、前記検査項目に対応する検査のコストを予め記憶し、
    前記検索手段は、
    前記基準生成手段により得られた期待値を下回る前記コストと対になった検査項目を前記検査項目データベースから検索すること、
    を特徴とする請求項１記載の検査項目選定装置。
  3. 前記身体情報は、個人が有する疾病発症に関与する遺伝子を示す特定遺伝子存在情報及び電子カルテに記載された診断情報の少なくとも何れかであること、
    を特徴とする請求項１又は２に記載の検査項目選定装置。
  4. 数値で表わされた個人の身体に係る診断項目毎の情報を含む身体情報を正規化し、
    該正規化した身体情報と予め記憶しておいた前記診断項目と所定疾病との相関関係を示す相関関数とに基づき、今後の時間経過に対応した前記所定疾病の疾病発症確率を算出し、
    予め前記所定疾病毎に前記疾病確率に対応した段階的な選定基準情報を検査制度情報として記憶し、
    前記算出された疾病発症確率が満足する検査制度情報を出力させ、
    予め前記検査制度情報毎にそれぞれ１又は複数の疾病に対する検査項目を記憶し、
    前記算出された疾病発症確率を満足する検査制度情報を基に１又は複数の検査項目を検索すること、
    を特徴とする検査項目選定方法。
  5. 個人の身体情報及び所定疾病を検査可能な複数の検査項目とこれら検査項目の属性とを対応付けて記憶させた検査項目データベースを有するコンピュータを、
    数値で表わされた個人の身体に係る診断項目毎の情報を含む身体情報を正規化し、
    該正規化した身体情報と予め記憶しておいた前記診断項目と所定疾病との相関関係を示す相関関数とに基づき、今後の時間経過に対応した前記所定疾病の疾病発症確率を算出する発症確率算出手段と、
    予め前記所定疾病毎に前記疾病確率に対応した段階的な選定基準情報を検査制度情報として記憶する記憶手段と、
    前記算出された疾病発症確率が満足する検査制度情報を出力する基準生成手段と、
    予め前記検査制度情報毎にそれぞれ１又は複数の疾病に対する検査項目を記憶する検査項目データベースと、
    前記算出された疾病発症確率を満足する検査制度情報を基に１又は複数の検査項目を前記検査項目データベースから検索する検索手段として機能させること、
    を特徴とする検査項目選定プログラム。
JP2006259334A 2006-09-25 2006-09-25 検査項目選定装置、検査項目選定方法、及び検査項目選定プログラム Active JP5038671B2 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2006259334A JP5038671B2 (ja) 2006-09-25 2006-09-25 検査項目選定装置、検査項目選定方法、及び検査項目選定プログラム
CNA2007101618497A CN101169863A (zh) 2006-09-25 2007-09-24 检查项目选定装置、检查项目选定方法及检查项目选定程序
US11/859,926 US8315883B2 (en) 2006-09-25 2007-09-24 Examination-item-selection device, an examination-item-selection method, and an examination-item-selection program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2006259334A JP5038671B2 (ja) 2006-09-25 2006-09-25 検査項目選定装置、検査項目選定方法、及び検査項目選定プログラム

Publications (2)

Publication Number Publication Date
JP2008077603A JP2008077603A (ja) 2008-04-03
JP5038671B2 true JP5038671B2 (ja) 2012-10-03

Family

ID=39225918

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2006259334A Active JP5038671B2 (ja) 2006-09-25 2006-09-25 検査項目選定装置、検査項目選定方法、及び検査項目選定プログラム

Country Status (3)

Country Link
US (1) US8315883B2 (ja)
JP (1) JP5038671B2 (ja)
CN (1) CN101169863A (ja)

Families Citing this family (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2702408C (en) * 2007-10-12 2019-08-06 Patientslikeme, Inc. Self-improving method of using online communities to predict health-related outcomes
JP5436563B2 (ja) * 2008-10-10 2014-03-05 ゼネラル・エレクトリック・カンパニイ 専門知識及び応用複雑性科学を用いた、リスクの評価ならびに診断のための医療データの自動管理方法
JP5176942B2 (ja) * 2008-12-25 2013-04-03 オムロン株式会社 特徴抽出装置
US20100217094A1 (en) * 2009-02-23 2010-08-26 Cardiovascular Decision Technologies, Inc. Point-of-care enactive medical system and method
JP5446383B2 (ja) * 2009-03-30 2014-03-19 富士通株式会社 利用支援プログラム、該装置、及び該方法
AU2010242036A1 (en) 2009-04-30 2011-11-03 Patientslikeme, Inc. Systems and methods for encouragement of data submission in online communities
JP5782039B2 (ja) * 2009-10-14 2015-09-24 コーニンクレッカ フィリップス エヌ ヴェ 情報システムのためのデータ入力を助ける方法およびシステム
JP5450556B2 (ja) * 2011-10-14 2014-03-26 富士フイルム株式会社 診療情報処理装置および方法並びにプログラム
CN102488530A (zh) * 2011-11-16 2012-06-13 深圳市理邦精密仪器股份有限公司 一种产科超声检测方法及系统
EP2613278A2 (en) * 2011-12-05 2013-07-10 Koninklijke Philips Electronics N.V. Retroactive extraction of clinically relevant information from patient sequencing data for clinical decision support
CN103310081A (zh) * 2012-03-06 2013-09-18 北京永瀚星港生物科技股份有限公司 辅助疾病检测的系统及方法
JP5844247B2 (ja) * 2012-11-30 2016-01-13 富士フイルム株式会社 検査結果表示装置及びその作動方法、並びにプログラム
KR20140088434A (ko) * 2013-01-02 2014-07-10 삼성전자주식회사 환자별 특성을 기반으로 한 ｍｒｉ 다변수 영상 획득 지원 장치 및 방법
JP6066826B2 (ja) * 2013-05-17 2017-01-25 株式会社日立製作所 分析システム及び保健事業支援方法
US20150142457A1 (en) * 2013-11-20 2015-05-21 Toshiba Medical Systems Corporation Apparatus for, and method of, data validation
JP6494935B2 (ja) * 2014-07-09 2019-04-03 キヤノンメディカルシステムズ株式会社 検査情報提供装置
ITMI20142149A1 (it) * 2014-12-16 2016-06-16 L I A Di Giuseppe Capasso Apparato di diagnosi differenziale in medicina adattato per determinare la sequenza di test ottimale atta ad identificare una patologia secondo criteri di appropriatezza diagnostica
CN104462857B (zh) * 2014-12-30 2018-09-07 天津迈沃医药技术股份有限公司 基于矩阵的疾病程度区分及检验项目的自我分析平台
JP6692639B2 (ja) * 2015-12-25 2020-05-13 ヤフー株式会社 算出装置、算出方法及び算出プログラム
JP6786066B2 (ja) * 2016-10-07 2020-11-18 富士通株式会社 家系図作成支援プログラム、家系図作成支援方法、及び家系図作成支援装置
JP6280997B1 (ja) 2016-10-31 2018-02-14 株式会社Ｐｒｅｆｅｒｒｅｄ Ｎｅｔｗｏｒｋｓ 疾患の罹患判定装置、疾患の罹患判定方法、疾患の特徴抽出装置及び疾患の特徴抽出方法
JP2018124702A (ja) * 2017-01-31 2018-08-09 株式会社教育ソフトウェア 病因分析装置および疾病予測装置
US11488712B2 (en) 2017-08-31 2022-11-01 Google Llc Diagnostic effectiveness tool
KR101881731B1 (ko) * 2018-02-27 2018-07-25 한국과학기술정보연구원 기계 학습을 통한 치매 예측용 데이터 처리 장치 및 그 방법, 이를 수록한 기록 매체
JP2021519479A (ja) * 2018-03-19 2021-08-10 アンブリー ジェネティクス コーポレーションＡｍｂｒｙ Ｇｅｎｅｔｉｃｓ Ｃｏｒｐｏｒａｔｉｏｎ 遺伝子検査とゲノム検査を識別するための人工知能と機械学習プラットフォーム
CN110742578A (zh) * 2018-07-24 2020-02-04 湖南花猫博士医疗科技有限公司 压疮评估方法、装置以及系统
CN110752014A (zh) * 2018-07-24 2020-02-04 湖南花猫博士医疗科技有限公司 压疮病人管理方法、装置及系统
CN110751993A (zh) * 2018-07-24 2020-02-04 湖南花猫博士医疗科技有限公司 护理措施执行方法、装置以及系统
CN110752040A (zh) * 2018-07-24 2020-02-04 湖南花猫博士医疗科技有限公司 护理措施生成方法、装置及系统
CN109087704A (zh) * 2018-08-25 2018-12-25 张英华 中医人工智能诊疗系统的软件编制方法及使用方法
US11894139B1 (en) 2018-12-03 2024-02-06 Patientslikeme Llc Disease spectrum classification
JP2020185382A (ja) * 2019-05-10 2020-11-19 キヤノンメディカルシステムズ株式会社 診断支援装置
EP4109457A4 (en) 2020-03-31 2023-11-01 Nippon Telegraph And Telephone Corporation DEVICE FOR DETERMINING A CLINICAL EXAMINATION ELEMENT, DEVICE FOR SUPPORTING HEALTHY BEHAVIOR, METHOD FOR DETERMINING A CLINICAL EXAMINATION ELEMENT, METHOD FOR SUPPORTING HEALTHY BEHAVIOR AND COMPUTER PROGRAM

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05342003A (ja) * 1992-06-05 1993-12-24 Ricoh Co Ltd 診断装置
US5551436A (en) * 1993-06-10 1996-09-03 Hardy Co., Ltd. Medical diagnosis system
US6212519B1 (en) * 1998-06-30 2001-04-03 Simulconsult, Inc. Systems and methods for quantifying qualitative medical expressions
JP2001331581A (ja) * 2000-05-22 2001-11-30 Yusuke Tsukamoto 自動診断システム、自動診断方法、治療法自動決定システム、治療法自動決定方法及び記録媒体
JP2002007564A (ja) * 2000-06-21 2002-01-11 Nec Corp 人間ドックの予約システム及び予約方法
JP2002183647A (ja) 2000-12-11 2002-06-28 Nippon Telegr & Teleph Corp <Ntt> 検査異常発生予測装置，検査異常発生予測方法，検査異常発生予測テーブル作成方法およびそれらのプログラム記録媒体，並びに健康教育支援システム
US7376574B2 (en) * 2001-01-12 2008-05-20 Express Scripts, Inc. System and method for optimizing benefit plan designs
CA2387277C (en) * 2001-05-25 2015-03-03 Hitachi, Ltd. Information processing system using nucleotide sequence-related information
JP2003006329A (ja) * 2001-06-26 2003-01-10 Hitachi Ltd 診断支援システム
JP2003038448A (ja) * 2001-07-27 2003-02-12 Wako Pure Chem Ind Ltd 項目抽出システム、方法及びそのシステムでの処理をコンピュータに行なわせるためのプログラム
JP2003108665A (ja) * 2001-09-28 2003-04-11 Srl Inc 診療支援システム
JP2003271672A (ja) * 2002-03-12 2003-09-26 Konica Corp 設計支援システム、画像形成処理支援システム、診療支援システム
JP2006072533A (ja) * 2004-08-31 2006-03-16 Toshiba Corp 治療方針決定支援システム
NL1027047C2 (nl) * 2004-09-15 2006-03-16 Roderik Adriaan Kraaijenhagen Computerinrichting voor het vaststellen van een diagnose.
JP4209830B2 (ja) * 2004-10-29 2009-01-14 三井住友海上火災保険株式会社 医療費予測システム、医療費予測サーバ、医療費予測方法、及びプログラム

Also Published As

Publication number Publication date
US20080076976A1 (en) 2008-03-27
JP2008077603A (ja) 2008-04-03
CN101169863A (zh) 2008-04-30
US8315883B2 (en) 2012-11-20

Similar Documents

Publication Publication Date Title
JP5038671B2 (ja) 検査項目選定装置、検査項目選定方法、及び検査項目選定プログラム
US20110202486A1 (en) Healthcare Information Technology System for Predicting Development of Cardiovascular Conditions
US8949082B2 (en) Healthcare information technology system for predicting or preventing readmissions
US10943676B2 (en) Healthcare information technology system for predicting or preventing readmissions
US20110295621A1 (en) Healthcare Information Technology System for Predicting and Preventing Adverse Events
JP2017174405A (ja) オープンデータ及び臨床医の入力を用いて患者の治療リスクを評価するシステム及び方法
US20030065241A1 (en) Medical risk assessment system and method
US20140095204A1 (en) Automated medical cohort determination
US20150324523A1 (en) System and method for indicating the quality of information to support decision making
JP2008532104A (ja) 複数の医療関連アウトカムの予測を行い、インターベンション計画の評価を行い、更に同時にバイオマーカー因果性検証を行うことのできる、予測モデルを生成して適用する方法、そのシステム、及びそのコンピュータ・プログラム製品
JP2017174404A (ja) オープンデータ及び臨床医の入力を用いて患者のリスクを評価するシステム及び方法
Udelsman et al. Needle in a haystack: natural language processing to identify serious illness
JP2000262479A (ja) 健康診断方法及びその実施装置並びにその処理プログラムを記録した媒体
Nehrer et al. Automated knee osteoarthritis assessment increases physicians’ agreement rate and accuracy: data from the osteoarthritis initiative
US20210035688A1 (en) Medical information processing apparatus, medical information processing method, and electronic medical record system
US20220172841A1 (en) Methods of identifying individuals at risk of developing a specific chronic disease
US11152120B2 (en) Identifying a treatment regimen based on patient characteristics
Zhang et al. Advanced diagnostic imaging utilization during emergency department visits in the United States: A predictive modeling study for emergency department triage
US20070161868A1 (en) Method and system for determining whether additional laboratory tests will yield values beyond a threshold level
Fedorowski et al. Risk factors for syncope associated with multigenerational relatives with a history of syncope
JP2002073816A (ja) 健康情報管理システム及び方法
CN116682565B (zh) 一种数字化医疗信息在线监测方法、终端及介质
JP7462385B2 (ja) 治療選択支援装置
CN115512764A (zh) 一种基因检测前遗传咨询信息系统
WO2001066007A1 (en) Medical risk assessment system and method

Legal Events

Date Code Title Description
RD02 Notification of acceptance of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7422

Effective date: 20090216

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20090916

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20110926

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20111004

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20120612

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20120706

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20150713

Year of fee payment: 3

R150 Certificate of patent or registration of utility model

Ref document number: 5038671

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

Free format text: JAPANESE INTERMEDIATE CODE: R150

S111 Request for change of ownership or part of ownership

Free format text: JAPANESE INTERMEDIATE CODE: R313117

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350

S533 Written request for registration of change of name

Free format text: JAPANESE INTERMEDIATE CODE: R313533

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350