JP7046499B2 - 医用情報処理装置及び医用情報処理方法 - Google Patents

医用情報処理装置及び医用情報処理方法 Download PDF

Info

Publication number
JP7046499B2
JP7046499B2 JP2017082177A JP2017082177A JP7046499B2 JP 7046499 B2 JP7046499 B2 JP 7046499B2 JP 2017082177 A JP2017082177 A JP 2017082177A JP 2017082177 A JP2017082177 A JP 2017082177A JP 7046499 B2 JP7046499 B2 JP 7046499B2
Authority
JP
Japan
Prior art keywords
cause
data
medical
variance
change
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
JP2017082177A
Other languages
English (en)
Other versions
JP2018181106A (ja
Inventor
和正 野呂
佑介 狩野
龍勲 朴
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.)
Canon Medical Systems Corp
Original Assignee
Canon 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 Canon Medical Systems Corp filed Critical Canon Medical Systems Corp
Priority to JP2017082177A priority Critical patent/JP7046499B2/ja
Priority to US15/956,398 priority patent/US20180330822A1/en
Publication of JP2018181106A publication Critical patent/JP2018181106A/ja
Application granted granted Critical
Publication of JP7046499B2 publication Critical patent/JP7046499B2/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
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • A61B5/743—Displaying an image simultaneously with additional graphical information, e.g. symbols, charts, function plots
    • 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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • 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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
    • 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
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • 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
    • G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/56—Details of data transmission or power supply, e.g. use of slip rings
    • A61B6/563—Details of data transmission or power supply, e.g. use of slip rings involving image data transmission via a network
    • 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
    • G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
    • 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
    • G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Business, Economics & Management (AREA)
  • Radiology & Medical Imaging (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Physics & Mathematics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Description

本発明の実施形態は、医用情報処理装置及び医用情報処理方法に関する。
従来、病院等では、医療の質を改善するという目的で、標準的な診療計画を定義したクリニカルパスが導入されている。このクリニカルパスを改善するための技術として、クリニカルパスで記述された標準的な診療計画と実際の診療との差異であるバリアンスを収集して原因を分析することで、クリニカルパスの改善項目を抽出する技術が知られている。
特開２０１０－１７０２３８号公報
本発明が解決しようとする課題は、クリニカルパスに関する効果的な改善策を提示することができる医用情報処理装置及び医用情報処理方法を提供することである。
実施形態に係る医用情報処理装置は、取得部と、特定部と、予測部とを備える。取得部は、クリニカルパスに沿って実施された診療行為に関するデータ及び前記クリニカルパスで発生したバリアンスに関するデータを取得する。特定部は、前記診療行為に関するデータ及び前記バリアンスに関するデータに基づいて、分析対象となる原因と関連する関連原因を特定する。予測部は、前記関連原因を改善策の候補とし、当該改善策の候補の効果を予測する。
図１は、第１の実施形態に係る医用情報処理装置の構成例を示す図である。 図２は、第１の実施形態に係る取得機能によって取得されるクリニカルパスデータの一例を示す図である。 図３は、第１の実施形態に係る取得機能によって取得される患者データの一例を示す図である。 図４は、第１の実施形態に係る取得機能によって取得される実績データの一例を示す図である。 図５は、第１の実施形態に係る取得機能によって取得されるバリアンスデータの一例を示す図である。 図６は、第１の実施形態に係る取得機能によって取得されるバリアンスコードマスタデータの一例を示す図である。 図７は、第１の実施形態に係る抽出機能によって生成される相関ルールデータの一例を示す図である。 図８は、第１の実施形態に係る特定機能によって行われる関連原因の特定の一例を示す図である。 図９は、第１の実施形態に係る特定機能によって用いられる実施項目マスタデータの一例を示す図である。 図１０は、第１の実施形態に係る特定機能によって用いられる実施項目マスタデータの一例を示す図である。 図１１は、第１の実施形態に係る特定機能によって特定される関連原因の一例を示す図である。 図１２は、第１の実施形態に係る予測機能によって行われるタイミング変更に関する改善策の候補の効果の予測の一例を示す図である。 図１３は、第１の実施形態に係る予測機能によって行われるタイミング変更に関する改善策の候補の効果の予測の一例を示す図である。 図１４は、第１の実施形態に係る予測機能によって行われる種類変更に関する改善策の候補の効果の予測の一例を示す図である。 図１５は、第１の実施形態に係る予測機能によって行われる種類変更に関する改善策の候補の効果の予測の一例を示す図である。 図１６は、第１の実施形態に係る予測機能によって行われる実施／非実施変更に関する改善策の候補の効果の予測の一例を示す図である。 図１７は、第１の実施形態に係る予測機能によって行われる実施／非実施変更に関する改善策の候補の効果の予測の一例を示す図である。 図１８は、第１の実施形態に係る表示制御機能によって表示される画面の一例を示す図である。 図１９は、第１の実施形態に係る医用情報処理装置によって行われる処理の処理手順を示すフローチャートである。 図２０は、第２の実施形態に係る特定機能によって行われる関連原因の特定の一例を示す図である。 図２１は、第３の実施形態に係る予測機能によって用いられるコストデータの一例を示す図である。 図２２は、第３の実施形態に係る予測機能によって行われる改善策の候補の効果の予測の一例を示す図である。
以下、図面を参照しながら、医用情報処理装置及び医用情報処理方法の実施形態について詳細に説明する。
（第１の実施形態）
図１は、第１の実施形態に係る医用情報処理装置の構成例を示す図である。
例えば、図１に示すように、本実施形態に係る医用情報処理装置１００は、ネットワーク２００を介して、電子カルテ保管装置３００と通信可能に接続される。例えば、医用情報処理装置１００及び電子カルテ保管装置３００は、病院等に設置され、院内ＬＡＮ等のネットワーク２００によって相互に接続される。
電子カルテ保管装置３００は、病院等で行われた各種の診療に関する診療データを保管する。例えば、電子カルテ保管装置３００は、病院等で導入されている電子カルテシステムの一部として設置され、電子カルテシステムによって生成された診療データを保管する。例えば、電子カルテ保管装置３００は、ＤＢ（Database）サーバ等のコンピュータ機器によって実現され、ＲＡＭ（Random Access Memory）、フラッシュメモリ等の半導体メモリ素子や、ハードディスク、光ディスク等の記憶回路に診療データを記憶させる。
医用情報処理装置１００は、ネットワーク２００を介して電子カルテ保管装置３００から診療データを取得し、取得した診療データを用いて各種情報処理を行う。例えば、医用情報処理装置１００は、ワークステーション等のコンピュータ機器によって実現される。
具体的には、医用情報処理装置１００は、Ｉ／Ｆ（インターフェース）回路１１０と、記憶回路１２０と、入力回路１３０と、ディスプレイ１４０と、処理回路１５０とを有する。
Ｉ／Ｆ回路１１０は、処理回路１５０に接続され、電子カルテ保管装置３００との間で行われる各種データの伝送及び通信を制御する。例えば、Ｉ／Ｆ回路１１０は、電子カルテ保管装置３００から診療データを受信し、受信した診療データを処理回路１５０に出力する。例えば、Ｉ／Ｆ回路１１０は、ネットワークカードやネットワークアダプタ、ＮＩＣ（Network Interface Controller）等によって実現される。
記憶回路１２０は、処理回路１５０に接続され、各種データを記憶する。例えば、記憶回路１２０は、電子カルテ保管装置３００から受信した診療データを記憶する。例えば、記憶回路１２０は、ＲＡＭ（Random Access Memory）、フラッシュメモリ等の半導体メモリ素子や、ハードディスク、光ディスク等によって実現される。
入力回路１３０は、処理回路１５０に接続され、操作者から受け付けた入力操作を電気信号に変換して処理回路１５０に出力する。例えば、入力回路１３０は、トラックボール、スイッチボタン、マウス、キーボード、タッチパネル等によって実現される。
ディスプレイ１４０は、処理回路１５０に接続され、処理回路１５０から出力される各種情報及び各種画像データを表示する。例えば、ディスプレイ１４０は、液晶モニタやＣＲＴ（Cathode Ray Tube）モニタ、タッチパネル等によって実現される。
処理回路１５０は、入力回路１３０を介して操作者から受け付けた入力操作に応じて、医用情報処理装置１００の構成要素を制御する。例えば、処理回路１５０は、Ｉ／Ｆ回路１１０から出力される診療データを記憶回路１２０に記憶させる。また、例えば、処理回路１５０は、記憶回路１２０から診療データを読み出し、ディスプレイ１４０に表示する。例えば、処理回路１５０は、プロセッサによって実現される。
以上、本実施形態に係る医用情報処理装置１００の全体構成について説明した。このような構成のもと、本実施形態に係る医用情報処理装置１００は、病院等で導入されているクリニカルパスに関する効果的な改善策を提示するための機能を有する。
具体的には、処理回路１５０が、取得機能１５１と、抽出機能１５２と、特定機能１５３と、予測機能１５４と、表示制御機能１５５とを有する。なお、取得機能１５１は、特許請求の範囲における取得部の一例である。また、抽出機能１５２は、特許請求の範囲における抽出部の一例である。また、特定機能１５３は、特許請求の範囲における特定部の一例である。また、予測機能１５４は、特許請求の範囲における予測部の一例である。また、表示制御機能１５５は、特許請求の範囲における表示制御部の一例である。
取得機能１５１は、クリニカルパスに沿って実施された診療行為に関するデータ及びクリニカルパスで発生したバリアンスに関するデータを取得する。
具体的には、取得機能１５１は、電子カルテ保管装置３００から、クリニカルパスデータと、患者データと、実績データと、バリアンスデータと、バリアンスコードマスタデータとを取得する。そして、取得機能１５１は、取得した各データを記憶回路１２０に記憶させる。
ここで、クリニカルパスデータは、クリニカルパスごとに、実施すべき診療行為や、評価すべきアウトカム、診療行為の実施予定日等を記録したデータである。また、患者データは、患者の基本情報を記録したデータである。また、実績データは、患者に対して実施された診療行為の履歴や、患者状態に関する経過等を記録したデータである。また、バリアンスデータは、クリニカルパスから逸脱した際に生成されるデータであり、バリアンスの発生日や、発生理由を表す分類コード、テキスト等を記録したデータである。また、バリアンスコードマスタデータは、バリアンスの分類を記録したデータである。
例えば、取得機能１５１は、電子カルテ保管装置３００から取得した各データをクリニカルパス分析に最適なフォーマットに変換して、記憶回路１２０に記憶させる。なお、ここでは、各データに含まれる情報が電子カルテ保管装置３００に保管されているデータから直接的に得られるものとするが、実施形態はこれに限られない。例えば、各データに含まれる情報に、電子カルテ保管装置３００に保管されているデータから直接的に得られないものが含まれている場合には、取得機能１５１は、変換用のテーブルを用いて情報を変換したうえで、記憶回路１２０に記憶させてもよい。その場合には、変換用のテーブルは、予め記憶回路１２０に記憶される。
なお、取得機能１５１は、各データを取得する際に、クリニカルパスが適用された患者に関するデータだけを取得してもよいし、クリニカルパスが適用された患者及びクリニカルパスが適用されていない患者の両方に関するデータを取得してもよい。
図２は、第１の実施形態に係る取得機能１５１によって取得されるクリニカルパスデータの一例を示す図である。
例えば、図２に示すように、クリニカルパスデータは、データ項目として、パス名称と、パスコードと、診療行為／アウトカムと、実施予定日とを含む。ここで、パス名称には、クリニカルパスの名称が設定される。また、パスコードには、当該クリニカルパスを一意に識別するコードが設定される。また、診療行為／アウトカムには、当該クリニカルパスで実施される診療行為又はアウトカム（特定の期間に達成されるべき患者の目標の状態）を示す情報が設定される。例えば、診療行為を示す情報には、当該クリニカルパスに一般的に含まれる観察、投薬、検査、処置、指示、栄養、説明に関する内容等が含まれる。また、実施予定日には、診療行為又はアウトカムの評価が実施される予定日が設定される。なお、実施予定日は、時間単位まで設定されてもよい。
図３は、第１の実施形態に係る取得機能１５１によって取得される患者データの一例を示す図である。
例えば、図３に示すように、患者データは、データ項目として、患者コードと、パスコードと、性別と、年齢と、病名とを含む。ここで、患者コードには、患者を一意に識別するコードが設定される。また、パスコードには、クリニカルパスを一意に識別するコード（図２に示したパスコードと同じ内容）が設定される。また、性別には、当該患者の性別が設定される。また、病名には、当該患者の病名が設定される。なお、患者データには、ここで挙げた情報の他にも、患者の身長、体重、入院歴、アレルギー等のように、クリニカルパスの適用が開始される際に確定している他の情報が含まれていてもよい。
図４は、第１の実施形態に係る取得機能１５１によって取得される実績データの一例を示す図である。
例えば、図４に示すように、実績データは、データ項目として、患者コードと、診療行為／アウトカムと、項目と、結果と、実施日とを含む。なお、実績データでは、診療行為／アウトカム、項目、結果、及び実施日が、それぞれ患者コードと関連付けられて設定される。
ここで、患者コードには、患者を一意に識別するコードが設定される（図３に示した患者コードと同じ内容）。また、診療行為／アウトカムには、当該患者に対して実施された診療行為又はアウトカムを示す情報が設定される（図２に示した診療行為／アウトカムと同じ内容）。また、項目には、診療行為又はアウトカムの評価によって得られた項目が設定される。また、結果には、診療行為又はアウトカムの評価によって得られた結果が設定される。なお、結果には、診療行為の実施結果（実施済み／未実施）の他に、診療行為の結果として得られたデータ（食事量（％）、体温（度）等）が設定される。また、結果には、アウトカムの評価結果（達成／未達成）が設定される。また、実施日には、診療行為又はアウトカムの評価が実施された実施日が設定される。
図５は、第１の実施形態に係る取得機能１５１によって取得されるバリアンスデータの一例を示す図である。
例えば、図５に示すように、バリアンスデータは、データ項目として、患者コードと、診療行為／アウトカムと、バリアンスコードと、バリアンス内容と、発生日とを含む。ここで、バリアンスデータでは、診療行為／アウトカム、バリアンスコード、バリアンス内容、及び発生日が、それぞれ患者コードと関連付けられて設定される。
ここで、患者コードには、患者を一意に識別するコードが設定される（図３に示した患者コードと同じ内容）。また、診療行為／アウトカムには、当該患者に対して実施された診療行為又はアウトカムを示す情報が設定される（図２に示した診療行為／アウトカムと同じ内容）。また、バリアンスコードには、バリアンスが発生した原因に関するコードが設定される。また、バリアンス内容には、クリニカルパスで発生したバリアンスの内容を示す情報が設定される。例えば、バリアンス内容には、バリアンスの詳細な内容を記載したテキスト情報が設定される。また、発生日には、バリアンスが発生した発生日が設定される。
図６は、第１の実施形態に係る取得機能１５１によって取得されるバリアンスコードマスタデータの一例を示す図である。
例えば、図６に示すように、バリアンスコードマスタデータは、データ項目として、バリアンスコードと、大分類と、バリアンス分類とを含む。ここで、バリアンスコードには、バリアンスが発生した原因に関するコードが設定される（図５に示したバリアンスコードと同じ内容）。また、大分類には、当該バリアンスが発生した原因の大分類（患者要因、職員要因、施設要因、社会要因等）が設定される。また、バリアンス分類には、当該バリアンスが発生した原因の小分類（身体的要因、患者の意思又は希望、医師からの指示等）が設定される。
図１に戻って、抽出機能１５２は、クリニカルパスに沿って実施された診療行為に関するデータ及びクリニカルパスで発生したバリアンスに関するデータに基づいて、特定のバリアンスと原因との相関の強さを表す情報を抽出する。
具体的には、抽出機能１５２は、特定のバリアンスと原因との相関の強さを表す情報として、記憶回路１２０に記憶されている患者データ、実績データ、及びバリアンスデータの情報を用いて、特定のバリアンスと、原因となる要素との組み合わせである相関ルールを抽出する。ここで、相関ルールを生成するための手法としては、各種の公知の分析手法を用いることが可能である。
本実施形態では、抽出機能１５２は、相関ルールと相関の強さを表す数値とのセットが複数得られるものを想定して、アソシエーション分析を用いて、相関ルールを生成する。なお、抽出機能１５２は、発生順序を考慮に入れたアソシエーション分析である時系列アソシエーション分析又は系列パターンマイニングを用いてもよい。
アソシエーション分析は、条件部となる項目をＸ、結論部となる項目をＹとした場合に、「Ｘという条件の時にＹが起こる」というルールを抽出するものであり、一般的に、以下のように定義される支持度、信頼度、及びリフトを指標値として、ルールを評価する。
Figure 0007046499000001
Figure 0007046499000002
Figure 0007046499000003
ここで、ｎ（Ｘ）は、Ｘを含むトランザクションの数であり、ｎ（Ｙ）は、Ｙを含むトランザクションの数である。また、ｎ（Ｘ∩Ｙ）は、ＸとＹを共に含むトランザクションの数であり、ｎ（Ａ）は、トランザクションの総数である。
本実施形態では、抽出機能１５２は、クリニカルパスの開始から終了までに発生した診療行為／アウトカムに関するデータ、当該クリニカルパスの開始から終了までに発生したバリアンスに関するデータ、及び、当該クリニカルパスが適用された患者に関するデータの集合をトランザクションとして、アソシエーション分析を行う。
具体的には、抽出機能１５２は、入力回路１３０を介して、操作者から、クリニカルパス及びバリアンスを指定する操作を受け付ける。そして、抽出機能１５２は、患者データを参照して、操作者によって指定されたクリニカルパスが適用された患者に関するデータを特定する。また、抽出機能１５２は、実績データを参照して、特定した患者ごとに、各患者に対して実施された診療行為又はアウトカムに関するデータを特定する。さらに、抽出機能１５２は、バリアンスデータを参照して、特定した患者ごとに、各患者に対して実施された診療行為によって発生したバリアンスに関するデータを特定する。そして、抽出機能１５２は、対応する診療行為／アウトカムに関するデータ、バリアンスに関するデータ、及び、患者に関するデータの集合をトランザクションとして生成する。
ここで、アソシエーション分析では、各項目は質的データである必要があるため、数値データを有するデータは質的データに変換される。例えば、１日目にソルデム３Ａ５００ｍｌがクリニカルパスの計画通りに実施された場合には、「ソルデム３Ａ５００ｍｌ（１，計画通り実施)」、計画通りに実施されなかった場合には、「ソルデム３Ａ５００ｍｌ（１，非実施）」、クリニカルパスにない項目が実施された場合には、「ジーフリード１００ｍｌ（２，計画外実施)」のように、各項目が名義尺度のラベルに変換される。ここで、括弧の意味は、（実施日又は発生日，クリニカルパスとの関係性）を表す。ここで、名義尺度は、複数段階に分けられてもよい。また、複数の実施日又は発生日がまとめて一つのラベルに変換されてもよい。
そして、抽出機能１５２は、生成した各トランザクションを用いて、診療行為／アウトカムに関するデータを条件部とし、操作者によって指定されたバリアンスに関するデータを結論部とした相関ルールを生成し、生成した相関ルールについて、支持度、信頼度、及びリフトを算出する。そして、抽出機能１５２は、相関ルールと各指標値とを対応付けた相関ルールデータを生成し、記憶回路１２０に記憶させる。
図７は、第１の実施形態に係る抽出機能１５２によって生成される相関ルールデータの一例を示す図である。
例えば、図７に示すように、相関ルールデータは、データ項目として、クリニカルパスコードと、条件部と、結論部と、支持度と、信頼度と、リフトとを含む。ここで、クリニカルパスコードには、操作者によって指定されたクリニカルパスに対応するコードが設定される。また、条件部には、診療行為／アウトカムに関するデータが設定される。また、結論部には、操作者によって指定されたバリアンスに関するデータが設定される。また、支持度、信頼度、及びリフトには、抽出機能１５２によって算出された支持度、信頼度、及びリフトの値がそれぞれ設定される。
なお、図７は、「直腸／結腸切除（Ｐ０００１）」のクリニカルパス及び「縫合不全」のバリアンスに対してアソシエーション分析が実施された場合に生成される相関ルールデータの例を示している。また、図７に示す条件部に含まれる「＋」は、同時に発生した診療行為又はアウトカムの組み合わせを表している。
このように、相関ルールデータでは、結論部が、バリアンスを表し、条件部が、当該バリアンスと相関のある原因を表すことになる。また、支持部、信頼度、及びリフトが、各原因と当該バリアンスとの相関の強さを表す相関値となる。
図１に戻って、特定機能１５３は、クリニカルパスに沿って実施された診療行為に関するデータ及びクリニカルパスで発生したバリアンスに関するデータに基づいて、分析対象となる原因と関連する関連原因を特定する。
具体的には、特定機能１５３は、入力回路１３０を介して、操作者から、分析対象となる原因を指定する操作を受け付ける。そして、特定機能１５３は、抽出機能１５２によって抽出された情報に基づいて、操作者によって指定された分析対象となる原因と関連する関連原因を特定する。ここで、関連原因とは、相関ルールデータに設定されている情報から構成される一つ以上の軸において、分析対象となる原因と近い位置にある原因のことである。例えば、ここでいう軸を構成する情報としては、「診療行為の実施日」、「診療行為の種類」、「診療行為を実施した患者の属性（年齢、性別、身長、体重等）」等のような、診療行為の内容が挙げられる。
例えば、特定機能１５３は、抽出機能１５２によって抽出された原因の中から、分析対象となる原因と「診療行為の実施日」及び「診療行為の種類」が類似する原因を関連原因として特定する。この場合には、特定機能１５３は、「診療行為の実施日」及び「診療行為の種類」の２軸を用いて、関連原因を特定する。
具体的には、特定機能１５３は、入力回路１３０を介して、操作者から、実施日に関する時間の範囲を指定する操作を受け付ける。そして、特定機能１５３は、相関ルールデータを参照して、分析対象となる原因と実施項目（例えば、ソルデム３Ａ５００ｍｌ）が同じで時間のみが異なる原因を特定する。
図８は、第１の実施形態に係る特定機能１５３によって行われる関連原因の特定の一例を示す図である。図８では、横軸が「診療行為の実施日」（日時）を示しており、縦軸が「診療行為の種類」（種類）を示している。また、図８に示す星形の図形は、抽出機能１５２によって抽出された原因を示している。
例えば、図８に示すように、特定機能１５３は、分析対象となる原因がソルデム３Ａ５００ｍｌ（４，計画通り実施）であった場合には、ソルデム３Ａ５００ｍｌ（２，計画通り実施）や、ソルデム３Ａ５００ｍｌ（３，計画外実施）、ソルデム３Ａ５００ｍｌ（４，非実施）等の原因を特定する。そして、特定機能１５３は、特定した原因の中から、操作者によって指定された時間の範囲内の原因をさらに特定し、特定した原因を関連原因とする。図８では、設定された時間範囲によって、ソルデム３Ａ５００ｍｌ（３，計画外実施）と、ソルデム３Ａ５００ｍｌ（４，非実施）とが特定された場合の例を示している。
さらに、特定機能１５３は、相関ルールデータを参照して、分析対象となる原因の実施項目（例えば、ソルデム３Ａ５００ｍｌ）と親実施項目が同じ原因を、関連原因として特定する。このとき、例えば、特定機能１５３は、予め記憶回路１２０に記憶されている実施項目マスタデータを参照して、分析対象となる原因の実施項目と親実施項目が同じ原因を特定する。
図９及び１０は、第１の実施形態に係る特定機能１５３によって用いられる実施項目マスタデータの一例を示す図である。
例えば、図９に示すように、実施項目マスタデータは、データ項目として、実施項目ＩＤと、実施項目内容と、階層数と、親実施項目ＩＤとを含む。ここで、実施項目ＩＤには、実施項目を一意に識別する識別情報が設定される。また、実施項目内容には、当該実施項目の内容を示す情報が設定される。また、階層数には、実施項目の内容を階層化して表した場合の当該実施項目の位置を示す階層数が設定される。また、親実施項目ＩＤには、当該実施項目の親実施項目（上位の実施項目）を一意に識別する識別情報が設定される。
図９に示す例については、例えば、図１０に示すように、「薬剤」（実施項目ＩＤ：Ｐ００００３）が、「注射」（実施項目ＩＤ：Ｐ００１３５）及び「処方」（実施項目ＩＤ：Ｐ００１３６）の親実施項目となっている。また、「注射」（実施項目ＩＤ：Ｐ００１３５）が、「ソルデム３Ａ５００ｍｌ」（実施項目ＩＤ：Ｐ０３２５８）及び「ビーフリード１０００ｍｌ」（実施項目ＩＤ：Ｐ０３４３２）の親実施項目となっている。また、「処方」（実施項目ＩＤ：Ｐ００１３６）が、「マグコロールＰ」（実施項目ＩＤ：Ｐ０４５５６）の親実施項目となっている。
この例では、例えば、図８に示すように、特定機能１５３は、分析対象となる原因がソルデム３Ａ５００ｍｌ（４，計画通り実施）であった場合には、親実施項目ＩＤが「Ｐ００１３５」であるビーフリード１０００ｍｌ（５，計画通り実施）、ビーフリード１０００ｍｌ（４，計画外実施）等を抽出する。この例では、ビーフリード１０００ｍｌは、ソルデム３Ａ５００ｍｌと同じく「注射」という親実施項目に属しているため、関連原因として特定される。一方、マグコロールＰは、「注射」ではなく「処方」という親実施項目に属しているため、関連原因として特定されない。
なお、特定機能１５３は、分析対象となる原因の実施項目と親実施項目が同じ原因を特定するだけでなく、さらに、親実施項目の親実施項目が同じ原因を特定するようにしてもよい。この場合には、例えば、ソルデム３Ａ５００ｍｌと親実施項目の親実施項目が同じく「薬剤」（実施項目ＩＤ：Ｐ００００３）であるマグコロールＰがさらに特定されることになる。このような特定に関する条件は、例えば、操作者によって任意に設定される。
図１１は、第１の実施形態に係る特定機能１５３によって特定される関連原因の一例を示す図である。なお、図１１に示す例は、分析対象となる原因が「ソルデム３Ａ５００ｍｌ（４，計画通り実施）」であった場合に特定される関連原因を示している。
例えば、図１１に示すように、特定機能１５３は、分析対象となる原因が「ソルデム３Ａ５００ｍｌ（４，計画通り実施）」であった場合には、当該「ソルデム３Ａ５００ｍｌ（４，計画通り実施）」に関する相関ルールデータと、「ソルデム３Ａ５００ｍｌ（３，計画外実施）」、「ソルデム３Ａ５００ｍｌ（４，非実施）」、「ビーフリード１０００ｍｌ（５，計画通り実施）」、及び「ビーフリード１０００ｍｌ（４，計画外実施）」等の相関ルールデータを特定する。
図１に戻って、予測機能１５４は、特定機能１５３によって特定された関連原因を改善策の候補とし、当該改善策の候補の効果を予測する。
具体的には、予測機能１５４は、改善策の候補それぞれについて、各候補と特定のバリアンスとの相関の強さを表す相関値と、分析対象となる原因と特定のバリアンスとの相関の強さを表す相関値との間の変化量を算出し、算出された相関値の変化量に基づいて、効果を予測する。例えば、予測機能１５４は、相関値の変化量が大きいほど、効果が高いと予測する。
ここで、予測機能１５４は、入力回路１３０を介して、操作者から、改善したい内容を指定する操作を受け付ける。そして、予測機能１５４は、操作者によって指定された改善したい内容に応じて、関連原因から必要な情報を改善策の候補として抽出し、分析対象となる原因とバリアンスとの相関と、改善策の候補とバリアンスとの相関を比較する。そして、予測機能１５４は、相関値の変化量が大きいほど、改善策の候補とバリアンスとの相関が低い、すなわち、効果の高い改善策であると予測する。
以下、予測機能１５４によって行われる改善策の候補の効果の予測について、改善したい内容に応じた３つの例を説明する。なお、ここでは、分析対象となる原因がソルデム３Ａ５００ｍｌ（４，計画通り実施）である場合の例を説明する。
例えば、予測機能１５４は、改善したい内容が、分析対象となる原因の実施タイミングである場合（タイミング変更）には、関連原因の中から、「タイミング変更」に関わるものを「改善策の候補」として抽出する。具体的には、予測機能１５４は、「実施項目名（ソルデム３Ａ５００ｍｌ）が同じ＆実施日が異なる＆計画外実施となっている」という抽出条件で、「タイミング変更」に関わる関連原因を抽出する。そして、予測機能１５４は、抽出した一つ以上の改善策の候補の相関値と、対象となる原因の相関値とを比較し、相関値の変化量を算出する。
図１２及び１３は、第１の実施形態に係る予測機能１５４によって行われるタイミング変更に関する改善策の候補の効果の予測の一例を示す図である。
例えば、図１２に示すように、予測機能１５４は、分析対象となる原因が「ソルデム３Ａ５００ｍｌ（４，計画通り実施）」である場合に、「ソルデム３Ａ５００ｍｌ（５，計画外実施）」に関するデータと、「ソルデム３Ａ５００ｍｌ（３，計画外実施）」に関するデータと、「ソルデム３Ａ５００ｍｌ（２，計画外実施）」に関するデータとを改善策の候補として抽出する。
その後、例えば、図１３に示すように、予測機能１５４は、抽出した改善策の候補それぞれについて、対象となる原因である「ソルデム３Ａ５００ｍｌ（４，計画通り実施）」の信頼度との間で信頼度を比較し、信頼度の変化量を算出する。そして、予測機能１５４は、改善策の候補のうち信頼度の変化量が最も大きいものを、最も効果の高い改善策であると予測する。すわわち、図１３に示す例では、予測機能１５４は、信頼度の変化量が３つの改善策の候補の中で最も大きい「０．７０」である「ソルデム３Ａ５００ｍｌ（３，計画外実施）」を、最も効果の高い改善策であると予測する。
また、例えば、予測機能１５４は、改善したい内容が、分析対象となる原因の種類である場合（種類変更）には、関連原因の中から、「種類変更」に関わるものを「改善策の候補」として抽出する。このとき、予測機能１５４は、「実施項目名が異なる＆実施日が同じ＆計画外実施となっている」という抽出条件で、「種類変更」に関わる関連原因を抽出する。そして、予測機能１５４は、抽出した一つ以上の改善策の候補の相関値と、対象となる原因の相関値とを比較し、相関値の変化量を算出する。
図１４及び１５は、第１の実施形態に係る予測機能１５４によって行われる種類変更に関する改善策の候補の効果の予測の一例を示す図である。
例えば、図１４に示すように、予測機能１５４は、分析対象となる原因が「ソルデム３Ａ５００ｍｌ（４，計画通り実施）」である場合に、「ビーフリード１０００ｍｌ（４，計画外実施）」に関するデータと、「トリフリード１０００ｍｌ（４，計画外実施）」に関するデータと、「パントール注射液５００ｍｇ（４，計画外実施）」に関するデータとを改善策の候補として抽出する。
その後、例えば、図１５に示すように、予測機能１５４は、抽出した改善策の候補それぞれについて、対象となる原因である「ソルデム３Ａ５００ｍｌ（４，計画通り実施）」の信頼度との間で信頼度を比較し、信頼度の変化量を算出する。そして、予測機能１５４は、改善策の候補のうち信頼度の変化量が最も大きいものを、最も効果の高い改善策であると予測する。すわわち、図１５に示す例では、予測機能１５４は、信頼度の変化量が３つの改善策の候補の中で最も大きい「０．７０」である「パントール注射液５００ｍｇ（４，計画外実施）」を、最も効果の高い改善策であると予測する。
また、例えば、予測機能１５４は、改善したい内容が、分析対象となる原因の実施／非実施である場合（実施／非実施変更）には、関連原因の中から、「実施／非実施変更」に関わるものを「改善策の候補」として抽出する。このとき、予測機能１５４は、「実施項目名が同じ＆実施日が同じ＆非実施となっている」という抽出条件で、「実施／非実施変更」に関わる関連原因を抽出する。そして、予測機能１５４は、抽出した一つ以上の改善策の候補の相関値と、対象となる原因の相関値とを比較し、相関値の変化量を算出する。
図１６及び１７は、第１の実施形態に係る予測機能１５４によって行われる実施／非実施変更に関する改善策の候補の効果の予測の一例を示す図である。
例えば、図１６に示すように、予測機能１５４は、分析対象となる原因が「ソルデム３Ａ５００ｍｌ（４，計画通り実施）」である場合に、「ソルデム３Ａ５００ｍｌ（４，非実施）」に関するデータを改善策の候補として抽出する。
その後、例えば、図１７に示すように、予測機能１５４は、抽出した改善策の候補それぞれについて、対象となる原因である「ソルデム３Ａ５００ｍｌ（４，計画通り実施）」の信頼度との間で信頼度を比較し、信頼度の変化量を算出する。そして、予測機能１５４は、改善策の候補のうち信頼度の変化量が最も大きいものを、最も効果の高い改善策であると予測する。なお、図１７に示す例では、改善策の候補が一つであるので、予測機能１５４は、信頼度の変化量が「０．５５」である「ソルデム３Ａ５００ｍｌ（４，非実施）」を、最も効果の高い改善策であると予測する。
なお、ここでは、予測機能１５４が、改善したい内容を「タイミング変更」、「種類変更」又は「実施／非実施」とした場合の例を説明したが、実施形態はこれに限られない。例えば、予測機能１５４は、「タイミング変更かつ種類変更」というように、複数の改善したい内容を組み合わせて、改善策の候補の効果を予測してもよい。
また、ここでは、予測機能１５４が、相関値として信頼度を用いる場合の例を説明したが、実施形態はこれに限られない。例えば、予測機能１５４は、相関値として、支持度又はリフトを用いて、改善策の候補の効果を予測してもよい。
図１に戻って、表示制御機能１５５は、改善策の候補それぞれについて、予測機能１５４によって予測された効果を表す情報をディスプレイ１４０に表示する。
具体的には、表示制御機能１５５は、操作者によって指定されたクリニカルパス、バリアンス、及び、分析対象となる原因について、改善策の候補及び当該改善策の候補の効果を表す情報を提示する画面を生成して、ディスプレイ１４０に表示する。
図１８は、第１の実施形態に係る表示制御機能１５５によって表示される画面の一例を示す図である。
例えば、図１８に示すように、表示制御機能１５５は、クリニカルパスのパス名、バリアンス名、及び、分析対象となる原因を示す情報１６１と、改善策の候補を示す表１６２とを配置した画面１６０を生成して、ディスプレイ１４０に表示する。
例えば、表示制御機能１５５は、表１６２として、複数の改善策の候補をそれぞれ実施日及び種類の組み合わせで表し、横方向に、改善策の実施日を時系列順に示し、縦方向に、改善策の種類を示した表を表示する。そして、例えば、表示制御機能１５５は、表１６２において、分析対象となる原因に対応する欄に、所定の形状（図１８に示す例では、星形）のマーク１６３を表示する。このように、表示制御機能１５５が、複数の改善策の候補を時系列及び種類別で表示することによって、クリニカルパスとの対応が分かりやすくなる。
そして、表示制御機能１５５は、複数の改善策の候補それぞれについて、表１６２内の対応する欄に、各改善策の候補の効果の大きさを示す情報を表示する。具体的には、表示制御機能１５５は、予測機能１５４によって算出された相関値の変化量の大きさに基づいて、各改善策の候補の効果の大きさを示す情報を表示する。例えば、表示制御機能１５５は、相関値の変化量の大きさに応じて、表１６２の各欄を異なる濃度の色で表示する。より具体的には、例えば、表示制御機能１５５は、相関値の変化量の大きさが大きくなるほど、表１６２の欄の色を濃くする。このとき、表示制御機能１５５は、対応する改善策の候補が無い欄については、色付けをせずに表示する。この場合に、例えば、表示制御機能１５５は、相関値の変化量の大きさと色の濃度との対応付けを示すバー状のグラフィック１６４を画面１６０上に表示する。このように、表示制御機能１５５が、表１６２上で、各改善策の候補に関する相関値の変化量の大きさを色の濃度で示すことによって、操作者が、相関値の変化量が大きい改善策、すなわち、効果が大きい改善策を容易に把握できるようになる。
また、表示制御機能１５５は、表１６２に含まれる複数の欄の中からいずれか一つの欄を選択する操作を操作者から受け付けることで、複数の改善策の候補の中からいずれか一つの候補を選択する操作を操作者から受け付ける。そして、表示制御機能１５５は、操作者によって改善策の候補が選択された場合には、選択された改善策の候補について、具体的な改善の内容及び効果を示す情報１６５を画面１６０上に表示する。なお、このとき、表示制御機能１５５は、改善策の候補の効果を示す情報として、相関値の変化量の大きさを表示する。このように、表示制御機能１５５が、表１６２から操作者によって選択された改善策の候補について、具体的な改善の内容及び効果を示す情報１６５を画面１６０上に表示することによって、操作者が、各改善策の候補に関する具体的な改善の内容及び効果を画面１６０上で容易に確認できるようになる。
以上、処理回路１５０が有する各処理機能について説明した。上述した各処理機能は、例えば、コンピュータによって実行可能なプログラムの形態で記憶回路１２０に記憶される。処理回路１５０は、各プログラムを記憶回路１２０から読み出し、読み出した各プログラムを実行することで、各プログラムに対応する処理機能を実現する。換言すると、各プログラムを読み出した状態の処理回路１５０は、図１に示した各処理機能を有することとなる。
なお、図１では、上述した各処理機能が単一の処理回路１５０によって実現される場合の例を説明したが、実施形態はこれに限られない。例えば、処理回路１５０は、複数の独立したプロセッサを組み合わせて構成され、各プロセッサが各プログラムを実行することにより各処理機能を実現するものとしても構わない。また、処理回路１５０が有する各処理機能は、単一又は複数の処理回路に適宜に分散又は統合されて実現されてもよい。
また、上述した説明で用いた「プロセッサ」という文言は、例えば、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphics Processing Unit）、或いは、特定用途向け集積回路（Application Specific Integrated Circuit：ＡＳＩＣ）、プログラマブル論理デバイス（例えば、単純プログラマブル論理デバイス（Simple Programmable Logic Device：ＳＰＬＤ）、複合プログラマブル論理デバイス（Complex Programmable Logic Device：ＣＰＬＤ）、及びフィールドプログラマブルゲートアレイ（Field Programmable Gate Array：ＦＰＧＡ））等の回路を意味する。プロセッサは、記憶回路１２０に保存されたプログラムを読み出して実行することで、機能を実現する。なお、記憶回路１２０にプログラムを保存する代わりに、プロセッサの回路内にプログラムを直接組み込むように構成しても構わない。この場合は、プロセッサは回路内に組み込まれたプログラムを読み出して実行することで機能を実現する。また、本実施形態の各プロセッサは、プロセッサごとに単一の回路として構成される場合に限らず、複数の独立した回路を組み合わせて一つのプロセッサとして構成され、その機能を実現するようにしてもよい。
ここで、プロセッサによって実行されるプログラムは、ＲＯＭ（Read Only Memory）や記憶回路等に予め組み込まれて提供される。なお、このプログラムは、これらの装置にインストール可能な形式又は実行可能な形式のファイルでＣＤ（Compact Disk）－ＲＯＭ、ＦＤ（Flexible Disk）、ＣＤ－Ｒ（Recordable）、ＤＶＤ（Digital Versatile Disk）等のコンピュータで読み取り可能な記憶媒体に記録されて提供されてもよい。また、このプログラムは、インターネット等のネットワークに接続されたコンピュータ上に格納され、ネットワーク経由でダウンロードされることにより提供又は配布されてもよい。例えば、このプログラムは、後述する各機能部を含むモジュールで構成される。実際のハードウェアとしては、ＣＰＵが、ＲＯＭ等の記憶媒体からプログラムを読み出して実行することにより、各モジュールが主記憶装置上にロードされて、主記憶装置上に生成される。
図１９は、第１の実施形態に係る医用情報処理装置１００によって行われる処理の処理手順を示すフローチャートである。なお、取得機能１５１が、クリニカルパスに沿って実施された診療行為に関するデータ及びクリニカルパスで発生したバリアンスに関するデータを取得する処理は、以下で説明する処理手順とは非同期で実施される。ここで、取得機能１５１によって行われる処理は、例えば、処理回路１５０が取得機能１５１に対応する所定のプログラムを記憶回路１２０から読み出して実行することにより実現される。
例えば、図１９に示すように、本実施形態では、抽出機能１５２が、操作者から分析条件（クリニカルパス及びバリアンス）を受け付ける（ステップＳ１）。その後、抽出機能１５２は、操作者によって指定されたクリニカルパスに沿って実施された診療行為に関するデータ及びクリニカルパスで発生したバリアンスに関するデータに基づいて、操作者によって指定されたバリアンスと相関のある原因を抽出する（ステップＳ２）。
続いて、特定機能１５３が、抽出機能１５２によって抽出された原因の中から、分析対象となる原因と関連する関連原因を特定する（ステップＳ３）。
その後、予測機能１５４が、特定機能１５３によって特定された関連原因を改善策の候補として、当該改善策の候補の効果を予測する（ステップＳ４）。
そして、表示制御機能１５５が、改善策の候補それぞれについて、予測機能１５４によって予測された効果を表す情報をディスプレイ１４０に表示する（ステップＳ５）。
ここで、操作者によって新たな分析条件が指定された場合には（ステップＳ６，Ｙｅｓ）、ステップＳ１に戻って、上述した処理手順が再度実行される。また、操作者によって分析条件が指定されない場合には（ステップＳ６，Ｎｏ）、処理が終了される。
なお、上述したステップＳ１及びＳ２は、例えば、処理回路１５０が抽出機能１５２に対応する所定のプログラムを記憶回路１２０から読み出して実行することにより実現される。また、ステップＳ３は、例えば、処理回路１５０が特定機能１５３に対応する所定のプログラムを記憶回路１２０から読み出して実行することにより実現される。また、ステップＳ４は、例えば、処理回路１５０が予測機能１５４に対応する所定のプログラムを記憶回路１２０から読み出して実行することにより実現される。また、ステップＳ５は、例えば、処理回路１５０が表示制御機能１５５に対応する所定のプログラムを記憶回路１２０から読み出して実行することにより実現される。
上述したように、第１の実施形態では、特定機能１５３が、クリニカルパスに沿って実施された診療行為に関するデータ及びクリニカルパスで発生したバリアンスに関するデータに基づいて、分析対象となる原因と関連する関連原因を特定する。また、予測機能１５４が、特定機能１５３によって特定された関連原因を改善策の候補として、当該改善策の候補の効果を予測する。したがって、第１の実施形態によれば、クリニカルパスに関する効果的な改善策を提示することができる。
例えば、従来技術の中には、バリアンスに関するデータに基づいて、クリニカルパスの改善項目を抽出して提示するものもある。しかし、改善項目を提示するだけでは、その改善策について、どのような改善策を行うことが効果的であるかを判断することは難しい。例えば、「抗生剤投与」が改善項目として提示された場合に、抗生剤投与をやめるべきか、抗生剤の種類を変更すべきか、抗生剤投与のタイミングを変更すべきかを利用者自身で判断しなければならない。このような従来技術に対し、上述した実施形態では、クリニカルパスに関する効果的な改善策が提示されるので、利用者が適切な改善策を容易に判断することができる。
（第２の実施形態）
なお、上述した実施形態では、特定機能１５３が、操作者によって指定された範囲に基づいて、分析対象となる原因と関連する関連原因を特定する場合の例を説明したが、実施形態はこれに限られない。
以下では、第２の実施形態として、特定機能１５３が、抽出機能１５２によって抽出された原因の数及び分布の少なくとも一方に基づいて、分析対象となる原因と関連する関連原因を特定する際の条件を設定する場合の例を説明する。なお、第２の実施形態では、上述した実施形態と異なる点を中心に説明することとし、上述した実施形態と重複する内容については説明を省略する。
図２０は、第２の実施形態に係る特定機能１５３によって行われる関連原因の特定の一例を示す図である。図２０では、図８に示した例と同様に、横軸が「診療行為の実施日」（日時）を示しており、縦軸が「診療行為の種類」（種類）を示している。また、図２０に示す星形の図形は、図８に示した例と同様に、抽出機能１５２によって抽出された原因を示している。
例えば、図２０に示すように、特定機能１５３は、抽出機能１５２によって抽出された原因のデータを、「診療行為の実施日」（日時）を横軸とし、「診療行為の種類」（種類）を縦軸とした座標に配置した場合に、分析対象となる原因のデータとその周辺のデータとを含み、かつ、データの密度が最大となるような範囲を設定する。そして、特定機能１５３は、設定した範囲に基づいて、分析対象となる原因と関連する関連原因を特定する。具体的には、この場合には、特定機能１５３は、抽出機能１５２によって抽出された原因の中から、データの密度に基づいて設定した範囲内の原因を特定し、特定した原因を関連原因とする。
このように、第２の実施形態では、特定機能１５３が、抽出機能１５２によって抽出された原因の数及び分布の少なくとも一方に基づいて関連原因を特定する際の条件を設定する。したがって、第２の実施形態によれば、原因の数や分布に応じて、関連原因を特定する際の条件を最適なものに設定することができ、分析対象となる原因と関連の深い原因を効果的に抽出することができる。
（第３の実施形態）
また、上述した実施形態では、予測機能１５４が、改善策の候補それぞれについて、バリアンスとの相関の強さを表す相関値の変化量に基づいて効果を予測する場合の例を説明したが、実施形態はこれに限られない。
以下では、第３の実施形態として、予測機能１５４が、改善策の候補それぞれについて、各候補に関するコストと、分析対象となる原因に関するコストとの間の変化量をさらに算出し、算出されたコストの変化量及び相関値の変化量に基づいて、効果を予測する場合の例を説明する。例えば、予測機能１５４は、コストの変化量が正の値である場合は、当該変化量が小さいほど、効果が高いと予測し、コストの変化量が負の値である場合は、当該変化量が大きいほど、効果が高いと予測する。なお、第３の実施形態では、上述した実施形態と異なる点を中心に説明することとし、上述した実施形態と重複する内容については説明を省略する。
例えば、予測機能１５４は、予め記憶回路１２０に記憶されているコストデータを参照して、分析対象となる原因に関するコストと、改善策の候補に関するコストとを取得する。そして、予測機能１５４は、改善策の候補ごとに、各候補に関するコストと、分析対象となる原因に関するコストとの間の変化量を算出し、算出されたコストの変化量と、上述した実施形態で説明した相関値の変化量とに基づいて、改善策の候補の効果を予測する。
図２１は、第３の実施形態に係る予測機能１５４によって用いられるコストデータの一例を示す図である。
例えば、図２１に示すように、コストデータは、データ項目として、診療行為と、コスト（円）とを含む。ここで、診療行為には、患者に対して実施される診療行為を示す情報が設定される。また、コスト（円）には、当該診療行為にかかる費用を示す価格（円）が設定される。なお、例えば、コストには、価格の代わりに診療点数が設定されてもよい。
図２２は、第３の実施形態に係る予測機能１５４によって行われる改善策の候補の効果の予測の一例を示す図である。
例えば、図２２に示すように、予測機能１５４は、改善策の候補それぞれについて、分析対象となる原因との間でコストを比較し、コストの変化量を算出する。ここで、例えば、予測機能１５４は、コストの変化量として、改善策の候補に関するコストが、分析対象となる原因に関するコストの何倍になるかを算出する。
さらに、予測機能１５４は、改善策の候補それぞれについて、コストの変化量が正の値である場合には、信頼度の変化量×（１／コストの変化量）を評価値として算出し、コストの変化量が負の値である場合には、信頼度の変化量×｜コストの変化量｜を評価値として算出する。そして、予測機能１５４は、改善策の候補のうち評価値が最も大きいものを、最も効果の高い改善策であると予測する。すわわち、図２２に示す例では、予測機能１５４は、評価値が３つの改善策の候補の中で最も大きい「０．３５」である「パントール注射液５００ｍｇ（４，計画外実施）」を、最も効果の高い改善策であると予測する。
そして、本実施形態では、表示制御機能１５５は、複数の改善策の候補それぞれについて、相関値の変化量の大きさの代わりに、評価値の大きさに基づいて、各改善策の候補の効果の大きさを示す情報を表示する。
このように、第３の実施形態では、予測機能１５４が、バリアンスとの相関値の変化量及びコストの変化量の両方に基づいて、改善策の候補の効果を予測する。したがって、第３の実施形態によれば、コストについても考慮したより効果的な改善策を提示することができる。
以上説明した少なくとも一つの実施形態によれば、クリニカルパスに関する効果的な改善策を提示することができる。
本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。
１００ 医用情報処理装置
１５０ 処理回路
１５１ 取得機能
１５２ 抽出機能
１５３ 特定機能
１５４ 予測機能
１５５ 表示制御機能

Claims (10)

  1. クリニカルパスに沿って実施された診療行為に関するデータ及び前記クリニカルパスで発生したバリアンスに関するデータを取得する取得部と、
    前記診療行為に関するデータ及び前記バリアンスに関するデータに基づいて、特定のバリアンスと原因との相関を表す情報を抽出する抽出部と、
    抽出された前記情報に基づいて、分析対象となる原因と関連する関連原因を特定する特定部と、
    前記関連原因を改善策の候補とし、前記改善策の候補それぞれについて、各候補と前記特定のバリアンスとの相関の強さを表す相関値と、前記分析対象となる原因と前記特定のバリアンスとの相関の強さを表す相関値との間の変化量を算出し、算出された相関値の変化量に基づいて、当該改善策の候補の効果を予測する予測部と
    を備える、医用情報処理装置。
  2. 前記抽出部は、前記情報として、前記特定のバリアンスと原因との相関の強さを表す情報を抽出する、
    請求項１に記載の医用情報処理装置。
  3. 前記特定部は、前記情報に含まれる原因の中から、前記分析対象となる原因と診療行為の内容が類似する原因を前記関連原因として特定する、
    請求項２に記載の医用情報処理装置。
  4. 前記診療行為の内容は、診療行為の実施日、診療行為の種類、及び、診療行為を実施した患者の属性のうちの少なくとも一つである、
    請求項３に記載の医用情報処理装置。
  5. 前記特定部は、前記情報に含まれる原因の数及び分布の少なくとも一方に基づいて、前記関連原因を特定する際の条件を設定する、
    請求項３又は４に記載の医用情報処理装置。
  6. 前記予測部は、前記相関値の変化量が大きいほど、前記効果が高いと予測する、
    請求項１～５のいずれか一つに記載の医用情報処理装置。
  7. 前記予測部は、前記改善策の候補それぞれについて、各候補に関するコストと、前記分析対象となる原因に関するコストとの間の変化量をさらに算出し、算出されたコストの変化量及び前記相関値の変化量に基づいて、前記効果を予測する、
    請求項１～６のいずれか一つに記載の医用情報処理装置。
  8. 前記予測部は、
    前記コストの変化量が正の値である場合は、当該変化量が小さいほど、前記効果が高いと予測し、
    前記コストの変化量が負の値である場合は、当該変化量が大きいほど、前記効果が高いと予測する、
    請求項７に記載の医用情報処理装置。
  9. 前記改善策の候補それぞれについて、前記効果を表す情報をディスプレイに表示する表示制御部をさらに備える、
    請求項１～８のいずれか一つに記載の医用情報処理装置。
  10. 取得部が、クリニカルパスに沿って実施された診療行為に関するデータ及び前記クリニカルパスで発生したバリアンスに関するデータを取得するステップと、
    抽出部が、前記診療行為に関するデータ及び前記バリアンスに関するデータに基づいて、特定のバリアンスと原因との相関を表す情報を抽出するステップと、
    特定部が、抽出された前記情報に基づいて、分析対象となる原因と関連する関連原因を特定するステップと、
    予測部が、前記関連原因を改善策の候補とし、前記改善策の候補それぞれについて、各候補と前記特定のバリアンスとの相関の強さを表す相関値と、前記分析対象となる原因と前記特定のバリアンスとの相関の強さを表す相関値との間の変化量を算出し、算出された相関値の変化量に基づいて、当該改善策の候補の効果を予測するステップと
    を含む、医用情報処理方法。
JP2017082177A 2017-04-18 2017-04-18 医用情報処理装置及び医用情報処理方法 Active JP7046499B2 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2017082177A JP7046499B2 (ja) 2017-04-18 2017-04-18 医用情報処理装置及び医用情報処理方法
US15/956,398 US20180330822A1 (en) 2017-04-18 2018-04-18 Medical information processing device and medical information processing method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2017082177A JP7046499B2 (ja) 2017-04-18 2017-04-18 医用情報処理装置及び医用情報処理方法

Publications (2)

Publication Number Publication Date
JP2018181106A JP2018181106A (ja) 2018-11-15
JP7046499B2 true JP7046499B2 (ja) 2022-04-04

Family

ID=64096733

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017082177A Active JP7046499B2 (ja) 2017-04-18 2017-04-18 医用情報処理装置及び医用情報処理方法

Country Status (2)

Country Link
US (1) US20180330822A1 (ja)
JP (1) JP7046499B2 (ja)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6844468B2 (ja) * 2017-08-09 2021-03-17 富士通株式会社 データ生成プログラム、データ生成方法及びデータ生成装置
JP7373958B2 (ja) * 2019-09-27 2023-11-06 株式会社日立製作所 分析システム及び分析方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005165513A (ja) 2003-12-01 2005-06-23 Olympus Corp 病院情報システム
JP2007108814A (ja) 2005-10-11 2007-04-26 Hitachi Ltd バリアンス分析システム
JP2008210077A (ja) 2007-02-26 2008-09-11 Sanyo Electric Co Ltd 診療支援装置におけるテンプレート作成方法およびテンプレート作成プログラム
JP2011100368A (ja) 2009-11-09 2011-05-19 Hitachi Ltd クリニカルパス改善案提示システム

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009103156A1 (en) * 2008-02-20 2009-08-27 Mcmaster University Expert system for determining patient treatment response
US10650920B2 (en) * 2012-08-16 2020-05-12 Ginger.io, Inc. Method and system for improving care determination
US10483003B1 (en) * 2013-08-12 2019-11-19 Cerner Innovation, Inc. Dynamically determining risk of clinical condition
US20170154157A1 (en) * 2014-07-08 2017-06-01 Fronteo, Inc. Data analysis device, control method for data analysis device, and control program for data analysis device

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005165513A (ja) 2003-12-01 2005-06-23 Olympus Corp 病院情報システム
JP2007108814A (ja) 2005-10-11 2007-04-26 Hitachi Ltd バリアンス分析システム
JP2008210077A (ja) 2007-02-26 2008-09-11 Sanyo Electric Co Ltd 診療支援装置におけるテンプレート作成方法およびテンプレート作成プログラム
JP2011100368A (ja) 2009-11-09 2011-05-19 Hitachi Ltd クリニカルパス改善案提示システム

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
中島直樹 ほか，電子カルテと連携するアウトカム志向型電子パスの事例，映像情報メディカル，第４１巻，第５号，日本，産業開発機構株式会社，2009年05月10日，p.494-499
副島秀久，クリニカルパスと医療の質管理，（株）日科技研：JUSEパッケージ活用事例シンポジウム第１４回，日本，（株）日科技研，2005年02月03日，https://www.i-juse.co.jp/statistics/xdata/sympo14_soejima_slide.pdf
勝尾信一，バリアンス分析総論，日本医療マネジメント学会誌，第７巻，第３号，日本，2006年12月01日，p.395-399
若田 好史，電子クリニカルパスにおけるオールバリアンス解析，第３２回医療情報学連合大会論文集 （第１３回日本医療情報学会学術大会） 医療情報学 第３２回，2012年11月14日，ｐｐ．６２－６５

Also Published As

Publication number Publication date
JP2018181106A (ja) 2018-11-15
US20180330822A1 (en) 2018-11-15

Similar Documents

Publication Publication Date Title
US10901978B2 (en) System and method for correlation of pathology reports and radiology reports
US20170109477A1 (en) System and Method for Identifying Inconsistent and/or Duplicate Data in Health Records
US20120004894A1 (en) Systems, Methods and Apparatuses for Generating and using Representations of Individual or Aggregate Human Medical Data
US10593428B2 (en) Diagnosis support apparatus and method, and non-transitory computer readable medium
US10806407B2 (en) Medical information processing system
US11342077B2 (en) Medical information processing apparatus and medical information processing method
US20190180875A1 (en) Risk monitoring scores
WO2019136137A1 (en) System and method for automated healthcare service
AU2022231758A1 (en) Medical care assistance device, and operation method and operation program therefor
JP7341720B2 (ja) 医用情報処理装置
JP7046499B2 (ja) 医用情報処理装置及び医用情報処理方法
EP4170663A1 (en) Apparatus, method, and computer-readable storage medium for selecting clinical trial subject
JP6903474B2 (ja) 医用情報処理装置及び医用情報処理方法
JP2022059448A (ja) 診療支援システム
JP7238705B2 (ja) 診療支援方法、診療支援システム、学習モデルの生成方法、および、診療支援プログラム
JP5846925B2 (ja) 医用画像表示装置
JP7451156B2 (ja) 診療支援装置
US20210271924A1 (en) Analyzer, analysis method, and analysis program
JP5361683B2 (ja) 医療情報処理装置およびプログラム
US11819314B2 (en) Medical apparatus and test assisting method
JP2018108366A (ja) 治療計画装置及び臨床モデル比較方法
EP4358022A1 (en) Medical image diagnostic system, medical image diagnostic method, and program
JP6935680B2 (ja) コンピュータプログラム、表示装置、表示システム及び表示方法
US20200219595A1 (en) Medical information display apparatus and medical information display system
JP2022165285A (ja) 医用情報処理装置

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200124

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20200727

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20210202

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210325

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20210824

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20211004

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: 20220222

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220323

R150 Certificate of patent or registration of utility model

Ref document number: 7046499

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150