JP6697621B1

JP6697621B1 - Estimating device, estimating system, estimating method, and program

Info

Publication number: JP6697621B1
Application number: JP2019176073A
Authority: JP
Inventors: 脩町田; 暢章佐藤
Original assignee: 株式会社インテージヘルスケア
Priority date: 2019-09-26
Filing date: 2019-09-26
Publication date: 2020-05-20
Anticipated expiration: 2039-09-26
Also published as: JP2021056548A

Abstract

【課題】医師が診察する患者の数を推定することができる推定装置を提供する。【解決手段】推定装置１は、医師に関連する医師関連情報１００を取得する取得部３１と、医師が診察する患者の数と、取得部３１が取得する医師関連情報１００との相関関係に基づいて、医師が診察する患者の数を医師関連情報１００から推定するように生成されたモデル２２を記憶する記憶部２０と、取得部３１により取得した医師関連情報１００を、記憶部２０に記憶したモデル２２に適用することにより、医師が診察する患者の数を推定する推定部３３とを有する。取得部３１は、医師関連情報１００として、医師の専門分野に関する専門分野情報１０１を含んだ医師関連情報１００を取得する。推定部３３は、専門分野情報１０１を含んだ医師関連情報１００をモデル２２に適用することにより、医師が診察する患者の数を推定する。【選択図】図１PROBLEM TO BE SOLVED: To provide an estimating device capable of estimating the number of patients examined by a doctor. An estimation device (1) is based on a correlation between an acquisition unit (31) that acquires doctor-related information (100) related to a doctor, the number of patients examined by the doctor, and doctor-related information (100) acquired by the acquisition unit (31). Then, the storage unit 20 that stores the model 22 generated so as to estimate the number of patients to be examined by the doctor from the doctor-related information 100, and the doctor-related information 100 acquired by the acquisition unit 31 are stored in the storage unit 20. The estimation unit 33 estimates the number of patients examined by a doctor by applying the model 22. The acquisition unit 31 acquires, as the doctor-related information 100, the doctor-related information 100 including the specialist field information 101 regarding the doctor's specialty. The estimation unit 33 estimates the number of patients examined by the doctor by applying the doctor-related information 100 including the specialty field information 101 to the model 22. [Selection diagram] Figure 1

Description

本発明は、推定装置、推定システム、推定方法及びプログラムに関する。 The present invention relates to an estimation device, an estimation system, an estimation method and a program.

厚生労働省が所管する医療機能情報提供制度は、病院などに対して、医療機能に関する一定の情報（診療科目、診療日、診療時間、対応可能な疾患・治療内容など）を都道府県知事に報告することを義務付けており、都道府県はそれらの情報をホームページなどで住民に公開している。 The medical function information provision system under the jurisdiction of the Ministry of Health, Labor and Welfare reports to hospitals, etc., certain information related to medical functions (medical treatment subjects, medical treatment days, medical treatment hours, applicable diseases and treatments, etc.) to the prefectural governor. Prefectural governments disclose such information to residents on their websites.

他方、製薬会社などが自社の製品（医薬品など）を普及させるために行う営業活動においては、医師のターゲティングが重要であり、ターゲティングの精度を高める情報として、個々の医師が診療する患者の数を把握することが要望されている。しかしながら、上記の医療機能情報提供制度により公開される情報は、住民・患者による医療機関の適切な選択を支援することを目的としたものであり、個々の医師が診療する患者の数の情報は含まれていない。従来、この患者数の情報は、アンケートによって個々の医師から直接入手するしかなく、アンケートを行っていない大部分の医師については、患者数の情報を得ることができないという問題があった。 On the other hand, the targeting of doctors is important in sales activities conducted by pharmaceutical companies in order to disseminate their products (medicines, etc.), and as information that improves the accuracy of targeting, the number of patients treated by each doctor can be determined. It is requested to grasp. However, the information disclosed by the above medical function information provision system is intended to support the appropriate selection of medical institutions by residents and patients, and information on the number of patients treated by individual doctors is not available. Not included. Conventionally, this information on the number of patients has only to be directly obtained from individual doctors by a questionnaire, and there is a problem that information on the number of patients cannot be obtained for most doctors who have not conducted the questionnaire.

本発明はかかる事情に鑑みてなされたものであり、その目的は、医師が診察する患者の数を推定することができる推定装置、推定システム、推定方法及びプログラムを提供することにある。 The present invention has been made in view of such circumstances, and an object thereof is to provide an estimation device, an estimation system, an estimation method, and a program capable of estimating the number of patients examined by a doctor.

本発明の第１の態様に係る推定装置は、医師が診察する患者の数を推定する推定装置であって、前記医師に関連する医師関連情報を取得する取得部と、前記医師が診察する患者の数と、前記取得部が取得する前記医師関連情報との相関関係に基づいて、前記医師が診察する患者の数を前記医師関連情報から推定するように生成されたモデルを記憶する記憶部と、前記取得部により取得した前記医師関連情報を、前記記憶部に記憶した前記モデルに適用することにより、前記医師が診察する患者の数を推定する推定部とを有し、前記取得部は、前記医師関連情報として、前記医師の専門分野に関する専門分野情報を取得し、前記推定部は、前記専門分野情報を含んだ前記医師関連情報を前記モデルに適用することにより、前記医師が診察する患者の数を推定する。 An estimation device according to a first aspect of the present invention is an estimation device for estimating the number of patients to be examined by a doctor, and an acquisition unit for obtaining doctor-related information related to the doctor, and a patient examined by the doctor. And a storage unit that stores a model generated so as to estimate the number of patients to be examined by the doctor from the doctor-related information, based on the correlation between the doctor-related information and the doctor-related information that the acquisition unit acquires. By applying the doctor-related information acquired by the acquisition unit to the model stored in the storage unit, an estimation unit that estimates the number of patients to be examined by the doctor, and the acquisition unit, As the doctor-related information, obtain specialized field information related to the specialized field of the doctor, the estimation unit, by applying the doctor-related information containing the specialized field information to the model, the patient examined by the doctor Estimate the number of.

本発明の第２の態様に係る推定システムは、上記第１の態様に係る推定装置と、端末装置とを有し、前記端末装置は、前記医師関連情報又は前記医師関連情報を取得するための参照情報を含んだ推定要求を、前記推定装置に送信し、前記取得部は、前記端末装置から受信した前記推定要求に基づいて、前記推定部の推定に用いる前記医師関連情報を取得し、前記推定装置は、前記推定部による患者数の推定結果を含んだ提供情報を前記端末装置に送信する提供部を有する。 An estimation system according to a second aspect of the present invention includes the estimation device according to the first aspect and a terminal device, and the terminal device acquires the doctor-related information or the doctor-related information. An estimation request including reference information is transmitted to the estimation device, the acquisition unit acquires the doctor-related information used for estimation of the estimation unit based on the estimation request received from the terminal device, The estimation device has a provision unit that transmits provision information including the estimation result of the number of patients by the estimation unit to the terminal device.

本発明の第３の態様に係る推定方法は、医師が診察する患者の数を１以上のコンピュータが推定する推定方法であって、前記医師に関連する医師関連情報を取得する取得工程と、前記取得工程において取得した前記医師関連情報を、記憶部に記憶したモデルに適用することにより、前記医師が診察する患者の数を推定する推定工程とを有し、前記モデルは、前記医師関連情報と前記医師が診察する患者の数との相関関係に基づいて、前記医師関連情報から前記医師が診察する患者の数を推定するように生成されており、前記取得工程において、前記医師関連情報として、前記医師の専門分野に関する専門分野情報を取得し、前記推定工程において、前記専門分野情報を含んだ前記医師関連情報を前記モデルに適用することにより、前記医師が診察する患者の数を推定する。 An estimation method according to a third aspect of the present invention is an estimation method in which one or more computers estimate the number of patients examined by a doctor, and an acquisition step of acquiring doctor-related information related to the doctor, By applying the doctor-related information acquired in the acquisition step to the model stored in the storage unit, there is an estimating step of estimating the number of patients to be examined by the doctor, the model, the doctor-related information and Based on the correlation with the number of patients the doctor examines, it is generated to estimate the number of patients the doctor examines from the doctor related information, in the acquisition step, as the doctor related information, The number of patients to be examined by the doctor is estimated by acquiring the specialty field information on the specialty field of the doctor and applying the doctor-related information including the specialty field information to the model in the estimating step.

本発明の第４の態様に係るプログラムは、１以上のコンピュータを、上記第１の態様に係る推定装置における前記取得部及び前記推定部として、又は、上記第２の態様に係る推定システムにおける前記取得部、前記推定部及び前記提供部として機能させるためのプログラムである。 A program according to a fourth aspect of the present invention uses one or more computers as the acquisition unit and the estimation unit in the estimation device according to the first aspect, or in the estimation system according to the second aspect. It is a program for causing the acquisition unit, the estimation unit, and the provision unit to function.

本発明によれば、アンケートなどによって情報を得ていない医師についても、その医師が診察する患者の数を推定することが可能となる。 According to the present invention, it is possible to estimate the number of patients who are examined by a doctor who has not obtained information by questionnaire.

図１は、本実施形態に係る推定システムの構成の一例を示す図である。FIG. 1 is a diagram showing an example of the configuration of the estimation system according to the present embodiment. 図２Ａは、モデルの生成方法を説明するためのフローチャートである。図２Ｂは、患者数の推定方法を説明するためのフローチャートである。FIG. 2A is a flowchart for explaining a model generation method. FIG. 2B is a flowchart for explaining a method for estimating the number of patients. 図３は、患者数を推定する第１の構成例を示す図である。FIG. 3 is a diagram showing a first configuration example for estimating the number of patients. 図４は、患者数を推定する第２の構成例を示す図である。FIG. 4 is a diagram showing a second configuration example for estimating the number of patients. 図５は、患者数を推定する第３の構成例を示す図である。FIG. 5 is a diagram showing a third configuration example for estimating the number of patients. 図６は、患者数を推定する第４の構成例を示す図である。FIG. 6 is a diagram showing a fourth configuration example for estimating the number of patients. 図７は、患者数を推定する第５の構成例を示す図である。FIG. 7: is a figure which shows the 5th example of a structure which estimates the number of patients.

図１は、本実施形態に係る推定システムの構成の一例を示す図である。図１に示す推定システムは、推定装置１と端末装置３を有する。推定装置１は、インターネットなどのネットワーク９に接続されており、１以上のユーザの端末装置３からネットワーク９を介してアクセス可能である。推定装置１は、端末装置３から受信したユーザの要求に従って、特定の医師（一人若しくは複数人）が診察する患者の数（以下、単に「患者数」と記す場合がある。）を推定し、推定した患者数の情報を端末装置３に送信する。 FIG. 1 is a diagram showing an example of the configuration of the estimation system according to the present embodiment. The estimation system shown in FIG. 1 includes an estimation device 1 and a terminal device 3. The estimation device 1 is connected to a network 9 such as the Internet, and is accessible from the terminal devices 3 of one or more users via the network 9. The estimation device 1 estimates the number of patients (hereinafter, may be simply referred to as “the number of patients”) examined by a specific doctor (one or more) according to the user's request received from the terminal device 3, Information on the estimated number of patients is transmitted to the terminal device 3.

推定装置１は、例えばＷｅｂサーバなどのサーバ装置として動作し、端末装置３のディスプレイにユーザーインターフェースとしての画面を表示させる。この画面の案内に促されてキーボードやマウスなどの入力装置によりユーザの要求が入力されると、端末装置３は、入力されたユーザの要求を推定装置１に送信する。 The estimation device 1 operates as a server device such as a Web server and causes the display of the terminal device 3 to display a screen as a user interface. When the user's request is input by an input device such as a keyboard and a mouse prompted by the guidance on this screen, the terminal device 3 transmits the input user request to the estimation device 1.

端末装置３が推定装置１へ送信するユーザの要求のうち、患者数の推定を実行するように求める要求を、以下では「推定要求」と呼ぶ。推定要求は、推定装置１において患者数を推定する推定処理に用いられる医師関連情報、又は、推定装置１において医師関連情報を取得するための参照情報を含む。医師関連情報は、特定の医師（患者数を推定する対象となる医師）に関連する情報であり、例えば医師の専門分野（診療科、専門疾患）の情報を含む。推定要求は、推定処理に用いられる医師関連情報をそのまま含んでいてもよいし、医師関連情報の少なくとも一部については、実体の情報の代わりに参照情報を含んでいてもよい。 Of the user requests sent from the terminal device 3 to the estimation device 1, a request for executing the estimation of the number of patients will be referred to as an “estimation request” below. The estimation request includes doctor-related information used in the estimation process for estimating the number of patients in the estimation device 1, or reference information for obtaining the doctor-related information in the estimation device 1. The doctor-related information is information related to a specific doctor (a doctor who is a target for estimating the number of patients), and includes, for example, information on a doctor's specialty (medical department, specialized disease). The estimation request may include the doctor-related information used for the estimation process as it is, or at least a part of the doctor-related information may include the reference information instead of the substance information.

例えば、推定装置１は、推定対象の候補となる医師の一覧表を端末装置３に送信し、端末装置３の画面に表示させる。この医師の一覧表は、例えば、端末装置３から推定装置１へ送信されたユーザの要求（推定対象の候補とする医師の条件）を基に、既存のデータベース（例えば後述する医師関連情報データベース２３など）から推定装置１が抽出したものである。端末装置３は、推定装置１から受信した医師の一覧表をディスプレイに表示し、この一覧表の中からユーザの入力操作により選択された特定の医師を示す情報を参照情報として取得する。端末装置３は、当該参照情報（一覧表中の特定の医師を示す情報）を含む推定要求を推定装置１に送信する。 For example, the estimation device 1 transmits a list of doctors who are candidates for estimation to the terminal device 3 and displays the list on the screen of the terminal device 3. This list of doctors is based on, for example, a user request (conditions of doctors who are candidates for estimation) transmitted from the terminal device 3 to the estimation device 1 and an existing database (for example, a doctor-related information database 23 described later). And the like) are extracted by the estimation device 1. The terminal device 3 displays the list of doctors received from the estimation device 1 on the display, and acquires information indicating a specific doctor selected by the user's input operation from the list as reference information. The terminal device 3 transmits an estimation request including the reference information (information indicating a specific doctor in the list) to the estimation device 1.

また、端末装置３は、このような医師の一覧表からではなく、ユーザの入力操作によって直接入力された参照情報を推定装置１に送信してもよい。 Further, the terminal device 3 may transmit the reference information directly input by the input operation of the user to the estimation device 1 instead of using the doctor list as described above.

推定装置１は、端末装置３から推定要求を受信すると、受信した推定要求に基づいて医師関連情報を取得する。例えば推定装置１は、受信した推定要求に医師関連情報が含まれている場合、これをそのまま取得する。また、推定装置１は、推定要求に参照情報が含まれている場合、参照情報を参照して医師関連情報を取得する。例えば、参照情報が特定の医師を示す情報の場合、この特定の医師についての医師関連情報を既存のデータベース（例えば後述する医師関連情報データベース２３など）から取得する。推定装置１は、特定の医師について取得した医師関連情報を基に、この特定の医師が診療する患者の数を推定する。推定装置１は、この推定結果（特定の医師が診療する患者の数）を含んだ情報を提供情報として端末装置３に送信する。端末装置３は、推定装置１から受信した提供情報に含まれる患者数の推定結果を、例えばディスプレイの画面などに出力する。 When the estimation device 1 receives the estimation request from the terminal device 3, the estimation device 1 acquires doctor-related information based on the received estimation request. For example, when the received estimation request includes doctor-related information, the estimation device 1 acquires the information as it is. Further, when the estimation request includes reference information, the estimation device 1 refers to the reference information and acquires doctor-related information. For example, when the reference information is information indicating a specific doctor, doctor-related information about this specific doctor is acquired from an existing database (for example, a doctor-related information database 23 described later). The estimation device 1 estimates the number of patients treated by this specific doctor based on the doctor-related information acquired about the specific doctor. The estimation device 1 transmits information including the estimation result (the number of patients treated by a specific doctor) to the terminal device 3 as provision information. The terminal device 3 outputs the estimation result of the number of patients included in the provided information received from the estimation device 1, for example, on the screen of the display or the like.

なお、端末装置３から推定装置１へ送信する推定要求は、推定対象として実在する医師を指定するものに限定されない。例えば端末装置３は、架空の医師についての医師関連情報をユーザの入力操作により直接入力し、この医師関連情報を含んだ推定要求を推定装置１へ送信してもよい。この場合、推定装置１は、端末装置３から受信した推定要求に含まれる医師関連情報を基に、架空の医師の患者数を推定することになる。 The estimation request transmitted from the terminal device 3 to the estimation device 1 is not limited to the one that specifies a real doctor as an estimation target. For example, the terminal device 3 may directly input doctor-related information about a fictitious doctor by a user's input operation, and may transmit an estimation request including the doctor-related information to the estimation device 1. In this case, the estimation device 1 estimates the number of patients of fictitious doctors based on the doctor-related information included in the estimation request received from the terminal device 3.

端末装置３は、パーソナルコンピュータ、タブレット、スマートフォンなどの情報処理装置によって実現可能である。例えば、端末装置３は、ネットワーク９を介して推定装置１と通信を行う通信装置（ネットワークインターフェースカードなど）と、表示装置（液晶ディスプレイなど）と、入力装置（キーボード、マウス、タッチパネルなど）とを含む。また、例えば端末装置３は、これらの各装置を制御するコンピュータとして、プロセッサ（ＣＰＵ、ＭＰＵなど）と、主記憶装置（ＲＯＭ、ＲＡＭなど）と、補助記憶装置（ハードディスク、フラッシュメモリなど）を含む。端末装置３のコンピュータは、補助記憶装置などから主記憶装置にロードされたプログラムを実行することにより、推定システムにおける種々の処理を実現する。例えば端末装置３のコンピュータは、ネットワーク９を介して推定装置１にアクセスし、特定の医師についての医師関連情報又は参照情報を含んだ推定要求を推定装置１へ送信し、この特定の医師が診察する患者の数の推定結果を含んだ提供情報を推定装置１から受信する。 The terminal device 3 can be realized by an information processing device such as a personal computer, a tablet, or a smartphone. For example, the terminal device 3 includes a communication device (such as a network interface card) that communicates with the estimation device 1 via the network 9, a display device (such as a liquid crystal display), and an input device (such as a keyboard, a mouse, and a touch panel). Including. Further, for example, the terminal device 3 includes a processor (CPU, MPU, etc.), a main storage device (ROM, RAM, etc.), and an auxiliary storage device (hard disk, flash memory, etc.) as a computer for controlling these devices. .. The computer of the terminal device 3 realizes various processes in the estimation system by executing the program loaded into the main storage device from the auxiliary storage device or the like. For example, the computer of the terminal device 3 accesses the estimation device 1 via the network 9 and transmits an estimation request including doctor-related information or reference information about a specific doctor to the estimation device 1, and the specific doctor consults. The provision information including the estimation result of the number of patients to be treated is received from the estimation device 1.

推定装置１は、図１の例において、通信部１０と、記憶部２０と、処理部３０を有する。 The estimation device 1 includes a communication unit 10, a storage unit 20, and a processing unit 30 in the example of FIG.

通信部１０は、ネットワーク９を介して端末装置３と通信を行うための装置であり、例えばイーサネット（登録商標）や無線ＬＡＮなどの所定の通信規格に準拠して通信を行うネットワークインターフェースカードなどの通信装置を含む。 The communication unit 10 is a device for communicating with the terminal device 3 via the network 9, and is, for example, a network interface card or the like that communicates according to a predetermined communication standard such as Ethernet (registered trademark) or wireless LAN. Including communication device.

記憶部２０は、後述する処理部３０のプロセッサによって実行されるプログラム２１や、処理部３０が実行する処理において使用されるデータ（モデル２２、医師関連情報データベース２３、患者数情報データベース２４など）や、処理の過程で一時的に保存が必要なデータなどを記憶する。記憶部２０は、例えばＲＯＭ、ＲＡＭ、フラッシュメモリ、ハードディスク、光ディスクなどの記憶装置を含む。記憶部２０は、１つの記憶装置から構成されてもよいし、１種類以上の複数の記憶装置から構成されてもよい。記憶部２０を構成する各記憶装置は、コンピュータのバスや他の手段を介して処理部３０と接続される。 The storage unit 20 includes a program 21 executed by the processor of the processing unit 30 described later, data used in the processing executed by the processing unit 30 (model 22, doctor-related information database 23, patient number information database 24, etc.), Stores data that needs to be temporarily saved during the process. The storage unit 20 includes a storage device such as a ROM, a RAM, a flash memory, a hard disk, and an optical disk. The storage unit 20 may be configured by one storage device or may be configured by one or more types of storage devices. Each storage device that constitutes the storage unit 20 is connected to the processing unit 30 via a bus of a computer or other means.

モデル２２は、医師が診察する患者の数と医師関連情報との相関関係に基づいて、与えられた特定の医師の医師関連情報から当該特定の医師が診察する患者の数を推定するように生成されたモデルであり、機械学習アルゴリズムを用いて生成される。 The model 22 is generated based on the correlation between the number of patients examined by the doctor and the doctor-related information so as to estimate the number of patients examined by the specific doctor from the doctor-related information of the given specific doctor. The generated model is generated using a machine learning algorithm.

なおモデル２２により推定される「医師が診察する患者の数」は、単位期間（例えば１年間、半年、１か月など）における患者数である。同じ人が単位期間内に複数回患者になった場合、この患者についての患者数は１名として数える。 The “number of patients examined by a doctor” estimated by the model 22 is the number of patients in a unit period (for example, one year, half a year, one month, etc.). If the same person becomes a patient more than once within a unit period, the patient count for this patient is counted as one.

医師関連情報データベース２３は、各医師の医師関連情報が登録されたデータベースであり、医療機能情報提供制度などにより公開された情報や、独自の調査により得られた情報に基づいて構築される。 The doctor-related information database 23 is a database in which doctor-related information of each doctor is registered, and is constructed based on information disclosed by the medical function information providing system or the like, or information obtained by an independent investigation.

患者数情報データベース２４は、後述する生成部３２においてモデル２２を生成するために用いられる患者数の情報が登録されたデータベースであり、各医師が診療する患者数の情報が医師関連情報と共に登録される。医師関連情報データベース２３は、例えば、各医師に対するアンケート調査により得られた情報や、医療機能情報提供制度などにより公開された情報に基づいて構築される。 The patient number information database 24 is a database in which information on the number of patients used for generating the model 22 in the generation unit 32 described later is registered, and information on the number of patients treated by each doctor is registered together with doctor-related information. It The doctor-related information database 23 is constructed, for example, based on the information obtained by the questionnaire survey for each doctor and the information disclosed by the medical function information providing system.

すなわち、医師関連情報データベース２３は、患者数の情報が得られていない医師についての医師関連情報を登録し、患者数情報データベース２４は、アンケート調査などによって患者数の情報が得られた医師についての医師関連情報を登録する。なお、医師関連情報データベース２３及び患者数情報データベース２４は、単一のデータベースに統合されていてもよい。 That is, the doctor-related information database 23 registers doctor-related information about doctors for whom information on the number of patients has not been obtained, and the patient-number information database 24 indicates for doctors who have obtained information on the number of patients by questionnaire surveys or the like. Register doctor-related information. The doctor-related information database 23 and the patient number information database 24 may be integrated into a single database.

処理部３０は、推定装置１の全体的な動作を制御する装置であり、患者数の推定に関わる処理を実行する。処理部３０は、例えば、記憶部２０に格納された１以上のプログラム２１の命令コードに従って処理を実行する１以上のプロセッサ（ＣＰＵ、ＭＰＵなど）を含む。処理部３０は、記憶部２０の１以上のプログラム２１を１以上のプロセッサが実行することにより、１以上のコンピュータとして動作する。 The processing unit 30 is a device that controls the overall operation of the estimation device 1, and executes a process related to the estimation of the number of patients. The processing unit 30 includes, for example, one or more processors (CPU, MPU, etc.) that perform processing in accordance with the instruction code of one or more programs 21 stored in the storage unit 20. The processing unit 30 operates as one or more computers by executing one or more programs 21 in the storage unit 20 by one or more processors.

なお、処理部３０は、特定の機能を実現するように構成された１以上の専用のハードウェア（ＡＳＩＣ、ＦＰＧＡなど）を含んでもよい。この場合、処理部３０は、患者数の推定に関わる処理を、上述した１以上のコンピュータにおいて実行してもよいし、当該処理の少なくとも一部を専用のハードウェアにおいて実行してもよい。 The processing unit 30 may include one or more dedicated hardware (ASIC, FPGA, etc.) configured to realize a specific function. In this case, the processing unit 30 may execute the process related to the estimation of the number of patients in one or more computers described above, or may execute at least a part of the process in dedicated hardware.

処理部３０において実行されるプログラム２１は、推定装置１が備えるＵＳＢポートなどの入出力インターフェース（不図示）において他の記憶装置などから読み出されたものでもよいし、推定装置１が備えるディスクドライブ装置などの読み取り装置（不図示）において光ディスクなどの非一時的な有形媒体から読み出されたものでもよいし、通信部１０を介して他の装置から取得されたものでもよい。 The program 21 executed in the processing unit 30 may be read from another storage device or the like in an input / output interface (not shown) such as a USB port included in the estimation device 1, or a disk drive included in the estimation device 1. It may be read from a non-transitory tangible medium such as an optical disc in a reading device (not shown) such as a device, or may be obtained from another device via the communication unit 10.

処理部３０は、図１の例において、取得部３１と、生成部３２と、推定部３３と、提供部３４とを含む。処理部３０は、これらの構成要素において患者数の推定に関わる処理を実行する。 The processing unit 30 includes an acquisition unit 31, a generation unit 32, an estimation unit 33, and a provision unit 34 in the example of FIG. The processing unit 30 executes processing relating to the estimation of the number of patients in these constituent elements.

取得部３１は、医師が診察する患者の数を推定するために用いる情報として、推定対象の医師に関する医師関連情報を取得する。取得部３１は、処理部３０から受信した推定要求に基づいて、推定部３３の推定に用いる医師関連情報を取得する。 The acquisition unit 31 acquires doctor-related information relating to the doctor to be estimated, as information used to estimate the number of patients to be examined by the doctor. The acquisition unit 31 acquires doctor-related information used for estimation by the estimation unit 33 based on the estimation request received from the processing unit 30.

例えば取得部３１は、端末装置３と所定のプロトコル（ＨＴＴＰなど）で通信を行い、推定対象の医師に関するユーザの要求を入力するためのユーザーインターフェースの画面を端末装置３のディスプレイに表示させる。取得部３１は、このユーザーインターフェースの画面に入力されるユーザの要求に従って、特定の医師に関する医師関連情報を取得する。 For example, the acquisition unit 31 communicates with the terminal device 3 by a predetermined protocol (HTTP or the like), and causes the display of the terminal device 3 to display a screen of a user interface for inputting a user's request regarding the doctor to be estimated. The acquisition unit 31 acquires doctor-related information regarding a specific doctor according to a user request input on the screen of the user interface.

一例において、取得部３１は、推定対象の候補となる医師の一覧の情報を送信するように求めるユーザの要求を端末装置３から受信する。取得部３１は、当該ユーザの要求を端末装置３から受信すると、医師関連情報データベース２３において医師の情報を抽出し、抽出した医師の一覧の情報を端末装置３のディスプレイに表示させる。この場合、例えば取得部３１は、端末装置３から受信したユーザの要求に含まれる条件（医師の勤務する医療施設や、医師の診療科など）に基づいて、医師関連情報データベース２３に登録される医師の中から当該条件に合致した医師を抽出し、抽出した医師の一覧表の情報を端末装置３のディスプレイに表示させる。医師の一覧の情報が端末装置３のディスプレイに表示されると、端末装置３は、医師の一覧の中からユーザの入力操作により選択された特定の医師の情報（一覧における医師の識別コードなど）を参照情報として取得し、当該参照情報を含んだ推定要求を推定装置１に送信する。取得部３１は、端末装置３から受信した推定要求に含まれる当該参照情報に基づいて、この特定の医師に対応する医師関連情報を医師関連情報データベース２３から取得する。 In one example, the acquisition unit 31 receives from the terminal device 3 a user request to transmit information on a list of doctors who are candidates for estimation. When the acquisition unit 31 receives the request from the user from the terminal device 3, the acquisition unit 31 extracts the doctor information from the doctor-related information database 23 and displays the extracted doctor list information on the display of the terminal device 3. In this case, for example, the acquisition unit 31 is registered in the doctor-related information database 23 based on the conditions (a medical facility in which a doctor works, a medical department of a doctor, etc.) included in the request of the user received from the terminal device 3. The doctors who match the condition are extracted from the doctors, and the information of the extracted doctor list is displayed on the display of the terminal device 3. When the information on the list of doctors is displayed on the display of the terminal device 3, the terminal device 3 causes the information on the specific doctor selected by the user's input operation from the list of doctors (such as the identification code of the doctor in the list). Is acquired as reference information, and an estimation request including the reference information is transmitted to the estimation device 1. The acquisition unit 31 acquires doctor-related information corresponding to this specific doctor from the doctor-related information database 23 based on the reference information included in the estimation request received from the terminal device 3.

また他の一例において、取得部３１は、端末装置３のユーザーインターフェースの画面において医師関連情報が直接入力され、当該医師関連情報が含まれた推定要求を端末装置３から受信した場合、受信した推定要求に含まれる当該医師関連情報をそのまま取得する。 In another example, when the doctor-related information is directly input on the screen of the user interface of the terminal device 3 and the estimation request including the doctor-related information is received from the terminal device 3, the acquisition unit 31 receives the estimated estimation. The doctor-related information included in the request is directly acquired.

生成部３２は、患者数情報データベース２４に登録された各医師の患者数の情報を教師データとして、医師関連情報から患者数を推定するモデル２２を生成する。モデル２２の生成に用いる機械学習アルゴリズムは任意であり、例えば線形回帰、ロジスティック回帰、サポートベクターマシン、決定木、勾配ブースティング、ニューラルネットワークなどの公知のアルゴリズムを用いることができる。 The generation unit 32 generates the model 22 that estimates the number of patients from the doctor-related information, using the information on the number of patients of each doctor registered in the patient number information database 24 as teacher data. The machine learning algorithm used to generate the model 22 is arbitrary, and known algorithms such as linear regression, logistic regression, support vector machine, decision tree, gradient boosting, and neural network can be used.

推定部３３は、取得部３１により取得した特定の医師の医師関連情報を、記憶部２０に記憶したモデル２２に適用することにより、当該特定の医師が診察する患者の数を推定する。 The estimation unit 33 estimates the number of patients examined by the specific doctor by applying the doctor-related information of the specific doctor acquired by the acquisition unit 31 to the model 22 stored in the storage unit 20.

提供部３４は、推定部３３による患者数の推定結果を含んだ提供情報を端末装置３に送信する。例えば提供部３４は、取得部３１と同様に、端末装置３とＨＴＴＰなどの所定のプロトコルで通信を行い、提供情報に含まれる患者数の推定結果を端末装置３のディスプレイに表示させる。 The providing unit 34 transmits the providing information including the estimation result of the number of patients by the estimating unit 33 to the terminal device 3. For example, like the acquisition unit 31, the provision unit 34 communicates with the terminal device 3 by a predetermined protocol such as HTTP, and displays the estimation result of the number of patients included in the provision information on the display of the terminal device 3.

なお、端末装置３から受信した推定要求に含まれる参照情報が、患者数情報データベース２４に登録される特定の医師を示す情報である場合、患者数情報データベース２４から患者数の情報を取得することが可能であり、推定部３３による患者数の推定は不要である。この場合、取得部３１が医師関連情報データベース２３から医師関連情報を取得する代わりに、提供部３４が患者数情報データベース２４から患者数の情報を取得し、推定部３３による患者数の推定結果の代わりとして、患者数情報データベース２４から取得した実際の患者数の情報を端末装置３に提供してもよい。 When the reference information included in the estimation request received from the terminal device 3 is information indicating a specific doctor registered in the patient number information database 24, information on the number of patients should be acquired from the patient number information database 24. The estimation unit 33 does not need to estimate the number of patients. In this case, instead of the acquisition unit 31 acquiring doctor-related information from the doctor-related information database 23, the providing unit 34 acquires information on the number of patients from the patient-number information database 24, and the estimation result of the number of patients by the estimation unit 33 is displayed. Alternatively, the information on the actual number of patients acquired from the patient number information database 24 may be provided to the terminal device 3.

次に、本実施形態に係る推定装置１におけるモデル２２の生成方法と患者数の推定方法について図２Ａ及び図２Ｂを参照して説明する。 Next, a method of generating the model 22 and a method of estimating the number of patients in the estimation device 1 according to this embodiment will be described with reference to FIGS. 2A and 2B.

図２Ａは、推定装置１におけるモデル２２の生成方法を説明するためのフローチャートである。まず生成部３２が、公開情報やアンケート調査の情報などに基づいて構築された患者数情報データベース２４から、複数の医師の各々について医師関連情報及び患者数の情報を取得する（ＳＴ１００）。そして生成部３２が、取得した患者数の情報を教師データとして、取得した医師関連情報から患者数を推定するモデル２２を所定の機械学習アルゴリズムにより生成する（ＳＴ１０５）。生成部３２は、生成したモデル２２を記憶部２０に格納する。 FIG. 2A is a flowchart for explaining the method of generating the model 22 in the estimation device 1. First, the generation unit 32 acquires doctor-related information and patient number information for each of a plurality of doctors from the patient number information database 24 constructed on the basis of public information and questionnaire survey information (ST100). Then, the generation unit 32 generates a model 22 that estimates the number of patients from the acquired doctor-related information using a predetermined machine learning algorithm, using the acquired information about the number of patients as teacher data (ST105). The generation unit 32 stores the generated model 22 in the storage unit 20.

図２Ｂは、推定装置１における医師の患者数の推定方法を説明するためのフローチャートである。まず取得部３１が、推定対象の医師の医師関連情報を取得する（ＳＴ２００）。例えば取得部３１は、端末装置３から受信したユーザの要求（推定要求）に含まれる特定の医師を示す情報（参照情報）に基づいて、医師関連情報データベース２３から推定対象の医師の医師関連情報を取得する。次いで推定部３３が、ステップＳＴ２００において取得した医師関連情報を、記憶部２０に記憶したモデル２２に適用することにより、特定の医師が診察する患者の数を推定する（ＳＴ２０５）。 FIG. 2B is a flowchart for explaining a method of estimating the number of patients by a doctor in the estimation device 1. First, the acquisition unit 31 acquires doctor-related information of a doctor to be estimated (ST200). For example, the acquisition unit 31 acquires the doctor-related information of the doctor to be estimated from the doctor-related information database 23 based on the information (reference information) indicating the specific doctor included in the user's request (estimation request) received from the terminal device 3. To get. Then, the estimation unit 33 estimates the number of patients examined by a specific doctor by applying the doctor-related information acquired in step ST200 to the model 22 stored in the storage unit 20 (ST205).

次に、本実施形態に係る推定装置１において患者数を推定する構成の幾つかの例について、図３〜図７を参照して説明する。 Next, some examples of the configuration for estimating the number of patients in the estimation device 1 according to the present embodiment will be described with reference to FIGS. 3 to 7.

（第１の構成例）
図３は、推定装置１において患者数を推定する第１の構成例を示す図である。第１の構成例において、医師関連情報１００は、医師の専門分野に関する専門分野情報１０１を含む。専門分野情報１０１は、医師の診療科に関する情報（例えば一般内科、循環器内科など）と、医師が専門とする疾患に関する情報（例えば循環器疾患、糖尿病など）を含む。 (First configuration example)
FIG. 3 is a diagram showing a first configuration example for estimating the number of patients in the estimation device 1. In the first configuration example, the doctor-related information 100 includes specialist field information 101 related to the specialist field of the doctor. The specialty field information 101 includes information related to a doctor's medical department (for example, general internal medicine, cardiovascular internal medicine, etc.) and information related to a doctor's specialty (for example, cardiovascular disease, diabetes).

第１の構成例におけるモデル２２は、この図３に示す医師関連情報１００（専門分野情報１０１）と医師が診察する患者の数との相関関係に基づいて、医師が診察する患者の数を医師関連情報１００から推定するように生成される。推定部３３は、特定の医師の医師関連情報１００をモデル２２に適用することにより、特定の医師が診察する患者の数を推定する。 The model 22 in the first configuration example determines the number of patients to be examined by the doctor based on the correlation between the doctor-related information 100 (specialty field information 101) shown in FIG. 3 and the number of patients to be examined by the doctor. It is generated so as to be estimated from the related information 100. The estimating unit 33 estimates the number of patients examined by a specific doctor by applying the doctor-related information 100 of the specific doctor to the model 22.

ここで、実際に生成した第１の構成例のモデル２２による患者数の推定精度の検証結果について説明する。この検証では、約１．５万名の医師について保有するデータ（医師関連情報１００と患者数の情報）を、モデル生成用データと検証用データとに８：２の割合でランダムに分割し、モデル生成用データに基づいてモデル２２を生成するとともに、生成したモデル２２に検証用データを適用して、単位期間を１か月とした場合の患者数を推定した。モデル２２の生成には、ＸＧＢｏｏｓｔと称される弱学習器を逐次的に構築する公知の機械学習のアルゴリズムを使用した。そして、推定した患者数ｘｉと実際の患者数ｙｉとの相関係数ｒを、以下の式（１）により算出した。 Here, the verification result of the estimation accuracy of the number of patients by the model 22 of the first configuration example actually generated will be described. In this verification, the data possessed by about 15,000 doctors (100 doctor-related information and information on the number of patients) is randomly divided into model generation data and verification data at a ratio of 8: 2, The model 22 was generated based on the model generation data, and the verification data was applied to the generated model 22 to estimate the number of patients when the unit period was one month. For the generation of the model 22, a known machine learning algorithm for sequentially constructing weak learners called XGBoost was used. Then, the correlation coefficient r between the estimated number of patients xi and the actual number of patients yi was calculated by the following equation (1).

ただし、「ｎ」は推定した患者数の数（患者数を推定した医師の数）であり、「ｉ」は１からｎまでの整数を示す。 However, “n” is the estimated number of patients (the number of doctors who estimated the number of patients), and “i” is an integer from 1 to n.

その結果、第１の構成例のモデル２２により推定した患者数と実際の患者数との相関係数ｒは「０.５８」であった。 As a result, the correlation coefficient r between the number of patients estimated by the model 22 of the first configuration example and the actual number of patients was "0.58".

（第２の構成例）
図４は、推定装置１において患者数を推定する第２の構成例を示す図である。第２の構成例における医師関連情報１００Ａは、第１の構成例（図３）と同じ専門分野情報１０１に加えて、医療施設患者数情報１０２を含んでいる。医療施設患者数情報１０２は、医師が勤務する医療施設における患者数に関する情報である。 (Second configuration example)
FIG. 4 is a diagram showing a second configuration example for estimating the number of patients in the estimation device 1. The doctor-related information 100A in the second configuration example includes medical facility patient number information 102 in addition to the same specialty field information 101 as in the first configuration example (FIG. 3). The medical facility patient number information 102 is information regarding the number of patients in the medical facility where the doctor works.

第２の構成例におけるモデル２２Ａは、この図４に示す医師関連情報１００Ａ（専門分野情報１０１、医療施設患者数情報１０２）と医師が診察する患者の数との相関関係に基づいて、医師が診察する患者の数を医師関連情報１００Ａから推定するように生成される。推定部３３は、特定の医師の医師関連情報１００Ａをモデル２２Ａに適用することにより、特定の医師が診察する患者の数を推定する。 The model 22A in the second configuration example is based on the correlation between the doctor related information 100A (specialty field information 101, medical facility patient number information 102) shown in FIG. 4 and the number of patients examined by the doctor. It is generated so as to estimate the number of patients to be examined from the doctor-related information 100A. The estimating unit 33 estimates the number of patients examined by a specific doctor by applying the doctor-related information 100A of the specific doctor to the model 22A.

ここで、実際に生成した第２の構成例のモデル２２Ａによる患者数の推定精度の検証結果について説明する。第１の構成例と同様に、約１．５万名の医師について保有するデータ（医師関連情報１００Ａと患者数の情報）を、モデル生成用データと検証用データとに８：２の割合でランダムに分割し、モデル生成用データに基づいて生成したモデル２２Ａに検証用データを適用することで、患者数の推定を行った。推定する患者数の単位期間は１か月とした。モデル２２Ａの生成には、モデル２２（図３）と同様に、ＸＧＢｏｏｓｔを使用した。推定した患者数と実際の患者数との相関係数ｒを式（１）により算出したところ、「０.７２」であった。すなわち、第２の構成例の相関係数ｒは、第１の構成例に比べて大きな値となった。従って、医師関連情報１００Ａが医療施設患者数情報１０２を更に含むことにより、医師関連情報１００Ａから患者数を推定するように生成されたモデル２２Ａの推定精度が向上した。 Here, the verification result of the estimation accuracy of the number of patients by the actually generated model 22A of the second configuration example will be described. Similar to the first configuration example, the data held by about 15,000 doctors (doctor-related information 100A and information on the number of patients) is stored in the model generation data and the verification data at a ratio of 8: 2. The number of patients was estimated by randomly dividing and applying the verification data to the model 22A generated based on the model generation data. The unit period for estimating the number of patients was one month. XGBoost was used to generate the model 22A, as in the model 22 (FIG. 3). When the correlation coefficient r between the estimated number of patients and the actual number of patients was calculated by the equation (1), it was “0.72”. That is, the correlation coefficient r of the second configuration example has a larger value than that of the first configuration example. Therefore, since the doctor-related information 100A further includes the medical facility patient number information 102, the estimation accuracy of the model 22A generated to estimate the number of patients from the doctor-related information 100A is improved.

（第３の構成例）
図５は、推定装置１において患者数を推定する第３の構成例を示す図である。第３の構成例における医師関連情報１００Ｂは、第２の構成例（図４）と同じ専門分野情報１０１及び医療施設患者数情報１０２に加えて、医療施設病床数情報１０３を含んでいる。医療施設病床数情報１０３は、医師が勤務する医療施設における病床の数に関する情報である。 (Third configuration example)
FIG. 5 is a diagram showing a third configuration example for estimating the number of patients in the estimation device 1. The doctor-related information 100B in the third configuration example includes medical facility bed number information 103 in addition to the same specialty field information 101 and medical facility patient number information 102 as in the second configuration example (FIG. 4). The medical facility bed number information 103 is information on the number of beds in the medical facility where the doctor works.

第３の構成例におけるモデル２２Ｂは、この図５に示す医師関連情報１００Ｂ（専門分野情報１０１、医療施設患者数情報１０２、医療施設病床数情報１０３）と医師が診察する患者の数との相関関係に基づいて、医師が診察する患者の数を医師関連情報１００Ｂから推定するように生成される。推定部３３は、特定の医師の医師関連情報１００Ｂをモデル２２Ｂに適用することにより、特定の医師が診察する患者の数を推定する。 The model 22B in the third configuration example correlates the doctor-related information 100B (specialty field information 101, medical facility patient number information 102, medical facility bed number information 103) shown in FIG. 5 with the number of patients examined by the doctor. Based on the relationship, the doctor is generated to estimate the number of patients to be examined from the doctor-related information 100B. The estimation unit 33 estimates the number of patients examined by the specific doctor by applying the doctor-related information 100B of the specific doctor to the model 22B.

ここで、実際に生成した第３の構成例のモデル２２Ｂによる患者数の推定精度の検証結果について説明する。第１〜第２の構成例と同様に、約１．５万名の医師について保有するデータ（医師関連情報１００Ｂと患者数の情報）を、モデル生成用データと検証用データとに８：２の割合でランダムに分割し、モデル生成用データに基づいて生成したモデル２２Ｂに検証用データを適用することで、患者数の推定を行った。推定する患者数の単位期間は１か月とした。モデル２２Ｂの生成には、モデル２２（図３）と同様に、ＸＧＢｏｏｓｔを使用した。推定した患者数と実際の患者数との相関係数ｒを式（１）により算出したところ、「０.７９」であった。すなわち、第３の構成例の相関係数ｒは、第２の構成例に比べて更に大きな値となった。従って、医師関連情報１００Ｂが医療施設病床数情報１０３を更に含むことにより、医師関連情報１００Ｂから患者数を推定するように生成されたモデル２２Ｂの推定精度が更に向上した。 Here, the verification result of the estimation accuracy of the number of patients by the model 22B of the actually generated third configuration example will be described. Similar to the first and second configuration examples, the data held for about 15,000 doctors (doctor-related information 100B and information on the number of patients) is used as model generation data and verification data at 8: 2. The number of patients was estimated by applying the verification data to the model 22B generated on the basis of the model generation data at random. The unit period for estimating the number of patients was one month. XGBoost was used for generation of the model 22B, as in the model 22 (FIG. 3). When the correlation coefficient r between the estimated number of patients and the actual number of patients was calculated by the formula (1), it was “0.79”. That is, the correlation coefficient r of the third configuration example has a larger value than that of the second configuration example. Therefore, since the doctor-related information 100B further includes the number of beds in the medical facility information 103, the estimation accuracy of the model 22B generated to estimate the number of patients from the doctor-related information 100B is further improved.

（第４の構成例）
図６は、推定装置１において患者数を推定する第４の構成例を示す図である。第４の構成例における医師関連情報１００Ｃは、第３の構成例（図５）と同じ専門分野情報１０１、医療施設患者数情報１０２及び医療施設病床数情報１０３に加えて、勤務医師数情報１０４を含んでいる。勤務医師数情報１０４は、医師が勤務する医療施設における勤務医師の数に関する情報であり、ある一時点における勤務医師の数を示す。 (Fourth configuration example)
FIG. 6 is a diagram showing a fourth configuration example for estimating the number of patients in the estimation device 1. The doctor-related information 100C in the fourth configuration example is the same as the third configuration example (FIG. 5) in the same specialized field information 101, medical facility patient number information 102, and medical facility hospital bed number information 103, as well as the doctor number information 104. Is included. The number-of-working doctors information 104 is information regarding the number of working doctors in a medical facility where doctors work, and indicates the number of working doctors at a certain point in time.

第４の構成例におけるモデル２２Ｃは、この図６に示す医師関連情報１００Ｃ（専門分野情報１０１、医療施設患者数情報１０２、医療施設病床数情報１０３、勤務医師数情報１０４）と医師が診察する患者の数との相関関係に基づいて、医師が診察する患者の数を医師関連情報１００Ｃから推定するように生成される。推定部３３は、特定の医師の医師関連情報１００Ｃをモデル２２Ｃに適用することにより、特定の医師が診察する患者の数を推定する。 The model 22C in the fourth configuration example is examined by the doctor as the doctor-related information 100C (specialty field information 101, medical facility patient number information 102, medical facility hospital bed number information 103, working doctor number information 104) shown in FIG. Based on the correlation with the number of patients, it is generated so that the number of patients to be examined by the doctor is estimated from the doctor-related information 100C. The estimation unit 33 estimates the number of patients examined by a specific doctor by applying the doctor-related information 100C of the specific doctor to the model 22C.

ここで、実際に生成した第４の構成例のモデル２２Ｃによる患者数の推定精度の検証結果について説明する。第１〜第３の構成例と同様に、約１．５万名の医師について保有するデータ（医師関連情報１００Ｃと患者数の情報）を、モデル生成用データと検証用データとに８：２の割合でランダムに分割し、モデル生成用データに基づいて生成したモデル２２Ｃに検証用データを適用することで、患者数の推定を行った。推定する患者数の単位期間は１か月とした。モデル２２Ｃの生成には、モデル２２（図３）と同様に、ＸＧＢｏｏｓｔを使用した。推定した患者数と実際の患者数との相関係数ｒを式（１）により算出したところ、「０.８０」であった。すなわち、第４の構成例の相関係数ｒは、第３の構成例に比べて更に大きな値となった。従って、医師関連情報１００Ｃが勤務医師数情報１０４を更に含むことにより、医師関連情報１００Ｃから患者数を推定するように生成されたモデル２２Ｃの推定精度が更に向上した。 Here, the verification result of the estimation accuracy of the number of patients by the actually generated model 22C of the fourth configuration example will be described. Similar to the first to third configuration examples, the data held for about 15,000 doctors (doctor-related information 100C and information on the number of patients) is used as model generation data and verification data at 8: 2. The number of patients was estimated by applying the verification data to the model 22C generated based on the model generation data at random. The unit period for estimating the number of patients was one month. XGBoost was used for generation of the model 22C, as in the model 22 (FIG. 3). When the correlation coefficient r between the estimated number of patients and the actual number of patients was calculated by the equation (1), it was “0.80”. That is, the correlation coefficient r of the fourth configuration example has a larger value than that of the third configuration example. Therefore, since the doctor-related information 100C further includes the number-of-working doctors information 104, the estimation accuracy of the model 22C generated to estimate the number of patients from the doctor-related information 100C is further improved.

（第５の構成例）
図７は、推定装置１において患者数を推定する第５の構成例を示す図である。第５の構成例における医師関連情報１００Ｄは、第４の構成例（図６）と同じ専門分野情報１０１、医療施設患者数情報１０２、医療施設病床数情報１０３及び勤務医師数情報１０４に加えて、近隣施設患者数情報１０５を含んでいる。近隣施設患者数情報１０５は、推定対象の医師が勤務する医療施設に最も近い所定数Ｋ（Ｋは１以上の自然数を示す。）の近隣の医療施設における患者の数に関する情報である。すなわち、近隣施設患者数情報１０５は、推定対象の医師が勤務する医療施設との距離の近さ１番目からＫ番目までの近隣の医療施設における患者の数に関する情報である。
近隣施設患者数情報１０５が示す患者数は、単位期間（例えば１年間、半年、１か月など）における患者数である。同じ人が単位期間内に複数回患者になった場合、この患者についての患者数は１名として数える。 (Fifth configuration example)
FIG. 7 is a diagram showing a fifth configuration example for estimating the number of patients in the estimation device 1. The doctor-related information 100D in the fifth configuration example is in addition to the same specialty field information 101, medical facility patient number information 102, medical facility hospital bed number information 103, and working doctor number information 104 as in the fourth configuration example (FIG. 6). , Information on the number of patients in nearby facilities 105 is included. The neighboring facility patient number information 105 is information on the number of patients in a prescribed number K (K represents a natural number of 1 or more) of neighboring medical facilities closest to the medical facility in which the doctor to be estimated works. That is, the neighboring facility patient number information 105 is information regarding the number of patients in the neighboring medical facilities from the first to the Kth closest to the medical facility in which the doctor to be estimated works.
The number of patients indicated by the neighborhood facility patient number information 105 is the number of patients in a unit period (for example, one year, half a year, one month, etc.). If the same person becomes a patient more than once within a unit period, the patient count for this patient is counted as one.

第５の構成例におけるモデル２２Ｄは、この図７に示す医師関連情報１００Ｄ（専門分野情報１０１、医療施設患者数情報１０２、医療施設病床数情報１０３、勤務医師数情報１０４、近隣施設患者数情報１０５）と医師が診察する患者の数との相関関係に基づいて、医師が診察する患者の数を医師関連情報１００Ｄから推定するように生成される。推定部３３は、特定の医師の医師関連情報１００Ｄをモデル２２Ｄに適用することにより、特定の医師が診察する患者の数を推定する。 The model 22D in the fifth configuration example is the doctor related information 100D (specialty field information 101, medical facility patient number information 102, medical facility hospital bed number information 103, working doctor number information 104, neighboring facility patient number information shown in FIG. 105) based on the correlation between the number of patients examined by the doctor and the number of patients examined by the doctor, and is generated so as to estimate the number of patients examined by the doctor from the doctor-related information 100D. The estimating unit 33 estimates the number of patients examined by a specific doctor by applying the doctor-related information 100D of the specific doctor to the model 22D.

ここで、実際に生成した第５の構成例のモデル２２Ｄによる患者数の推定精度の検証結果について説明する。第１〜第４の構成例と同様に、約１．５万名の医師について保有するデータ（医師関連情報１００Ｄと患者数の情報）を、モデル生成用データと検証用データとに８：２の割合でランダムに分割し、モデル生成用データに基づいて生成したモデル２２Ｄに検証用データを適用することで、患者数の推定を行った。推定する患者数の単位期間は１か月とした。近隣施設患者数情報１０５は、推定対象の医師が勤務する医療施設に最も近い５つの近隣の医療施設（推定対象の医師が勤務する医療施設との距離の近さが１番目から５番目までの近隣の医療施設）における１日あたりの患者数の合計を示すものとした。モデル２２Ｄの生成には、モデル２２（図３）と同様に、ＸＧＢｏｏｓｔを使用した。推定した患者数と実際の患者数との相関係数ｒを式（１）により算出したところ、「０．８１」であった。すなわち、第５の構成例の相関係数ｒは、第４の構成例に比べて更に大きな値となった。従って、医師関連情報１００Ｄが近隣施設患者数情報１０５を更に含むことにより、医師関連情報１００Ｄから患者数を推定するように生成されたモデル２２Ｄの推定精度が更に向上した。 Here, the verification result of the estimation accuracy of the number of patients by the model 22D of the fifth configuration example actually generated will be described. Similar to the first to fourth configuration examples, the data held for about 15,000 doctors (doctor-related information 100D and information on the number of patients) is used as model generation data and verification data at 8: 2. The number of patients was estimated by applying the verification data to the model 22D generated based on the model generation data at random. The unit period for estimating the number of patients was one month. The neighboring facility patient number information 105 includes five nearby medical facilities closest to the medical facility where the estimation target doctor works (the first to fifth closest distances to the medical facility where the estimation target doctor works). It indicates the total number of patients per day at (nearby medical facilities). XGBBoost was used for generation of the model 22D as in the case of the model 22 (FIG. 3). When the correlation coefficient r between the estimated number of patients and the actual number of patients was calculated by the equation (1), it was “0.81”. That is, the correlation coefficient r of the fifth configuration example has a larger value than that of the fourth configuration example. Therefore, since the doctor-related information 100D further includes the neighborhood facility patient number information 105, the estimation accuracy of the model 22D generated to estimate the number of patients from the doctor-related information 100D is further improved.

以上説明したように、本実施形態に係る推定装置１（第１〜第５の構成例）は、医師に関連する医師関連情報１００を取得する取得部３１と、医師が診察する患者の数と、取得部３１が取得する医師関連情報１００との相関関係に基づいて、医師が診察する患者の数を医師関連情報１００から推定するように生成されたモデル２２を記憶する記憶部２０と、取得部３１により取得した医師関連情報１００を、記憶部２０に記憶したモデル２２に適用することにより、医師が診察する患者の数を推定する推定部３３とを有する。取得部３１では、医師関連情報１００として、医師の専門分野に関する専門分野情報１０１を含んだ医師関連情報１００が取得される。推定部３３では、専門分野情報１０１を含んだ医師関連情報１００をモデル２２に適用することにより、医師が診察する患者の数が推定される。従って、アンケートなどによって情報を得ていない医師についても、その医師が診察する患者の数を推定することができる。 As described above, the estimation device 1 (first to fifth configuration examples) according to the present embodiment includes an acquisition unit 31 that acquires doctor-related information 100 related to a doctor, and the number of patients examined by the doctor. A storage unit 20 that stores a model 22 generated so as to estimate the number of patients to be examined by a doctor from the doctor-related information 100 based on the correlation with the doctor-related information 100 that the acquisition unit 31 acquires; The estimation unit 33 estimates the number of patients examined by a doctor by applying the doctor-related information 100 acquired by the unit 31 to the model 22 stored in the storage unit 20. The acquisition unit 31 acquires, as the doctor-related information 100, the doctor-related information 100 including the specialist field information 101 regarding the doctor's specialty. The estimation unit 33 estimates the number of patients examined by the doctor by applying the doctor-related information 100 including the specialty field information 101 to the model 22. Therefore, it is possible to estimate the number of patients to be examined by a doctor who has not obtained information by questionnaire.

また、本実施形態に係る推定装置１（第２〜第５の構成例）は、医師関連情報１００Ａとして、医師が勤務する医療施設における患者数に関する医療施設患者数情報１０２を更に含む。モデル２２Ａの説明変数である医師関連情報１００Ａが医療施設患者数情報１０２を更に含むことにより、医師が勤務する医療施設における患者数と医師が診察する患者数との相関関係を利用して、患者数の推定精度を向上することができる。 Further, the estimation device 1 (second to fifth configuration examples) according to the present embodiment further includes, as the doctor-related information 100A, medical facility patient number information 102 regarding the number of patients in the medical facility where the doctor works. When the doctor-related information 100A, which is an explanatory variable of the model 22A, further includes the information 102 on the number of patients in the medical facility, the correlation between the number of patients in the medical facility where the doctor works and the number of patients examined by the doctor is utilized to The number estimation accuracy can be improved.

また、本実施形態に係る推定装置１（第３〜第５の構成例）は、医師関連情報１００Ｂとして、医師が勤務する医療施設における病床の数に関する医療施設病床数情報１０３を更に含む。モデル２２Ｂの説明変数である医師関連情報１００Ｂが医療施設病床数情報１０３を更に含むことにより、医師が勤務する医療施設における病床の数と医師が診察する患者数との相関関係を利用して、患者数の推定精度を向上することができる。 In addition, the estimation device 1 (third to fifth configuration examples) according to the present embodiment further includes, as the doctor-related information 100B, medical facility hospital bed number information 103 regarding the number of hospital beds in the medical facility where the doctor works. By using the correlation between the number of beds in the medical facility where the doctor works and the number of patients examined by the doctor, the doctor-related information 100B that is the explanatory variable of the model 22B further includes the number of beds in the medical facility 103. The accuracy of estimating the number of patients can be improved.

また、本実施形態に係る推定装置１（第４〜第５の構成例）は、医師関連情報１００Ｃとして、医師が勤務する医療施設における勤務医師の数に関する勤務医師数情報１０４を更に含む。モデル２２Ｃの説明変数である医師関連情報１００Ｃが勤務医師数情報１０４を更に含むことにより、医師が勤務する医療施設における勤務医師の数と医師が診察する患者数との相関関係を利用して、患者数の推定精度を向上することができる。 Further, the estimation device 1 (fourth to fifth configuration examples) according to the present embodiment further includes, as doctor-related information 100C, working doctor number information 104 regarding the number of working doctors in a medical facility where doctors work. The doctor-related information 100C, which is an explanatory variable of the model 22C, further includes the number-of-working doctor information 104, so that the correlation between the number of working doctors in the medical facility where the doctor works and the number of patients examined by the doctor is used, The accuracy of estimating the number of patients can be improved.

また、本実施形態に係る推定装置１（第５の構成例）は、医師関連情報１００Ｄとして、医師が勤務する医療施設に最も近い所定数の近隣の医療施設における患者の数に関する近隣施設患者数情報１０５を更に含む。モデル２２Ｄの説明変数である医師関連情報１００Ｄが近隣施設患者数情報１０５を更に含むことにより、医師が勤務する医療施設に最も近い所定数の近隣の医療施設における患者の数と医師が診察する患者数との相関関係を利用して、患者数の推定精度を向上することができる。 In addition, the estimation device 1 (fifth configuration example) according to the present embodiment uses, as the doctor-related information 100D, the number of neighboring facility patients regarding the number of patients in a predetermined number of neighboring medical facilities closest to the medical facility where the doctor works. The information 105 is further included. Since the doctor-related information 100D, which is an explanatory variable of the model 22D, further includes the number of nearby facility patient number information 105, the number of patients in a predetermined number of nearby medical facilities closest to the medical facility where the doctor works and the number of patients who the doctor consults. The accuracy of estimating the number of patients can be improved by utilizing the correlation with the number.

なお、本発明は上述した実施形態にのみ限定されるものではなく、種々のバリエーションを含んでいる。 The present invention is not limited to the above-described embodiments, but includes various variations.

モデルの説明変数として医師関連情報が含む情報は、上述した第１の構成例〜第５の構成例において例示したものに限定されない。例えば、上述した各構成例における医師関連情報（１００、１００Ａ、１００Ｂ、１００Ｃ、１００Ｄ）は、モデル（２２、２２Ａ、２２Ｂ、２２Ｃ、２２Ｄ）の説明変数として、例示した情報（専門分野情報１０１、医療施設患者数情報１０２、医療施設病床数情報１０３、勤務医師数情報１０４、近隣施設患者数情報１０５）以外の補助的な情報を更に含んでいてもよい。 The information included in the doctor-related information as the model explanatory variable is not limited to the information illustrated in the above-described first to fifth configuration examples. For example, the doctor-related information (100, 100A, 100B, 100C, 100D) in each configuration example described above is exemplified as the explanatory variable of the model (22, 22A, 22B, 22C, 22D) (specialized field information 101, It may further include auxiliary information other than the medical facility patient number information 102, the medical facility hospital bed number information 103, the working doctor number information 104, and the neighboring facility patient number information 105).

また、医師関連情報は、例示した４つの情報（医療施設患者数情報１０２、医療施設病床数情報１０３、勤務医師数情報１０４、近隣施設患者数情報１０５）における１以上の情報と専門分野情報１０１とを、第１の構成例〜第５の構成例とは異なる組み合わせで含んでいてもよい。この場合、医師関連情報は、例示した情報以外の補助的な情報を更に含んでいてもよい。 In addition, the doctor-related information is one or more pieces of information in the four pieces of exemplified information (medical facility patient number information 102, medical facility hospital bed number information 103, working doctor number information 104, neighboring facility patient number information 105) and specialized field information 101. And may be included in a combination different from the first to fifth configuration examples. In this case, the doctor-related information may further include auxiliary information other than the exemplified information.

１…推定装置、３…端末装置、９…ネットワーク、１０…通信部、２０…記憶部、２１…プログラム、２２，２２Ａ〜２２Ｄ…モデル、２３…医師関連情報データベース、２４…患者数情報データベース、３０…処理部、３１…取得部、３２…生成部、３３…推定部、３４…提供部、１００，１００Ａ〜１００Ｄ…医師関連情報、１０１…専門分野情報、１０２…医療施設患者数情報、１０３…医療施設病床数情報、１０４…勤務医師数情報、１０５…近隣施設患者数情報
DESCRIPTION OF SYMBOLS 1 ... Estimating device, 3 ... Terminal device, 9 ... Network, 10 ... Communication part, 20 ... Storage part, 21 ... Program, 22, 22A-22D ... Model, 23 ... Doctor related information database, 24 ... Patient number information database, 30 ... Processing unit, 31 ... Acquisition unit, 32 ... Generation unit, 33 ... Estimation unit, 34 ... Providing unit, 100, 100A to 100D ... Doctor related information, 101 ... Specialty field information, 102 ... Medical facility patient number information, 103 … Medical facility bed number information, 104… Working doctor number information, 105… Neighboring facility patient number information

Claims

An estimation device for estimating the number of patients examined by a doctor,
An acquisition unit for acquiring doctor-related information related to the doctor,
Based on the correlation between the number of patients examined by the doctor and the doctor-related information acquired by the acquisition unit, a model generated to estimate the number of patients examined by the doctor from the doctor-related information. A storage unit for storing
By applying the doctor-related information acquired by the acquisition unit, to the model stored in the storage unit, an estimation unit for estimating the number of patients to be examined by the doctor,
The acquisition unit, as the doctor-related information, acquires specialized field information about the specialized field of the doctor,
The estimation unit estimates the number of patients examined by the doctor by applying the doctor-related information including the specialty field information to the model,
Estimator.

The acquisition unit further acquires, as the doctor-related information, medical facility patient number information regarding the number of patients in the medical facility in which the doctor works,
The estimating unit estimates the number of patients to be examined by the doctor by applying the doctor-related information including the medical facility patient number information to the model,
The estimation device according to claim 1.

The acquisition unit further acquires, as the doctor-related information, medical facility bed number information regarding the number of beds in a medical facility in which the doctor works,
The estimating unit estimates the number of patients to be examined by the doctor by applying the doctor-related information including the number of beds in the medical facility to the model,
The estimation device according to claim 1.

The acquisition unit further acquires, as the doctor-related information, number-of-working-doctors information regarding the number of working doctors in a medical facility in which the doctor works,
The estimation unit estimates the number of patients examined by the doctor by applying the doctor-related information including the number-of-working doctor information to the model,
The estimation device according to claim 1.

The acquisition unit further acquires, as the doctor-related information, neighboring facility patient number information related to the number of patients in a prescribed number of neighboring medical facilities closest to the medical facility in which the doctor works,
The estimating unit estimates the number of patients to be examined by the doctor by applying the doctor-related information including the information on the number of patients in the nearby facility to the model,
The estimation device according to any one of claims 1 to 4.

An estimation device according to any one of claims 1 to 5,
And a terminal device,
The terminal device transmits an estimation request including reference information for obtaining the doctor-related information or the doctor-related information to the estimation device,
The acquisition unit, based on the estimation request received from the terminal device, acquires the doctor-related information used for estimation of the estimation unit,
The estimating device includes a providing unit that transmits providing information including the estimation result of the number of patients by the estimating unit to the terminal device.
Estimation system.

An estimation method in which one or more computers estimate the number of patients examined by a doctor,
An acquisition step of acquiring doctor-related information related to the doctor,
By applying the doctor-related information acquired in the acquisition step, to the model stored in the storage unit, an estimating step of estimating the number of patients to be examined by the doctor,
The model is generated to estimate the number of patients examined by the doctor from the doctor-related information based on the correlation between the doctor-related information and the number of patients examined by the doctor,
In the acquisition step, as the doctor-related information, to obtain specialized field information about the specialized field of the doctor,
In the estimation step, by applying the doctor-related information including the specialty field information to the model, to estimate the number of patients to be examined by the doctor,
Estimation method.

One or more computers are used as the acquisition unit and the estimation unit in the estimation device according to claim 1, or the acquisition unit, the estimation unit, and the estimation unit in the estimation system according to claim 6. A program for functioning as the providing unit.