CN101169863A - 检查项目选定装置、检查项目选定方法及检查项目选定程序 - Google Patents

检查项目选定装置、检查项目选定方法及检查项目选定程序 Download PDF

Info

Publication number
CN101169863A
CN101169863A CNA2007101618497A CN200710161849A CN101169863A CN 101169863 A CN101169863 A CN 101169863A CN A2007101618497 A CNA2007101618497 A CN A2007101618497A CN 200710161849 A CN200710161849 A CN 200710161849A CN 101169863 A CN101169863 A CN 101169863A
Authority
CN
China
Prior art keywords
mentioned
inspection item
inspection
disease
item
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CNA2007101618497A
Other languages
English (en)
Inventor
樱井康雄
大汤重治
高山卓三
柴田真理子
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
Toshiba Corp
Toshiba Medical Systems Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Toshiba Corp, Toshiba Medical Systems Corp filed Critical Toshiba Corp
Publication of CN101169863A publication Critical patent/CN101169863A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20ICT 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
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H70/00ICT specially adapted for the handling or processing of medical references
    • G16H70/60ICT specially adapted for the handling or processing of medical references relating to pathologies
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16ZINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
    • G16Z99/00Subject matter not provided for in other main groups of this subclass
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment

Landscapes

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

Abstract

提供一种检查项目选定装置、检查项目选定方法及检查项目选定程序。预先准备使能够检查预定疾病的多种检查项目与这些检查项目的属性相对应而存储的检查项目数据库,根据个人的身体信息,计算预定疾病的危险程度,根据上述计算出的危险程度生成检查上述预定疾病的检查项目的选定基准,从上述检查项目数据库检索具有满足上述选定基准的属性的检查项目。另外,按照上述预定疾病对应显示计算出的危险程度与上述检查项目数据库,由此,根据危险的程度能够对每个个人实施最适宜的检查,提高发现疾病的效率,另外,减少不必要的检查,从而,能够减轻受诊者与检查有关的身体负担和精神负担。

Description

检查项目选定装置、检查项目选定方法及检查项目选定程序
技术领域
本发明涉及根据每个人的身体信息预测易患的疾病,考虑预测结果并选定最适宜的检查项目的技术。
背景技术
近年来,由于数据采集等统计方法急速发展以及在统计方法中使用的各种数据的充实化,已经能够预测关于个人身体的种种的状况变化。将来状况变化的预测以指导维护或提高医疗方针或健康等的形式发挥作用。
例如,提出了以个人的身体信息为基础,预测该个人能够健康地生活的剩余寿命(健康剩余寿命),使预测结果在策划健康管理计划或实施该健康管理计划产生的效果的预测方面起作用的技术。(例如,参考特开2003-167959号)。该技术利用关于吸烟、饮酒、运动等的日常生活习惯或者肥胖、高血压、高血脂、高血糖、高尿酸等诊断结果等与个人身体有关的身体信息。另外,根据具有这些各种身体信息的组合的一定的总体,预先准备按照每个年龄区分了具有这些各种身体信息的组合的个人在健康状态下生存的概率的基础数据。例如,对于吸烟、饮酒、肥胖的人,预先准备以0岁为100%,在各个年龄下以多少%的比例在健康状态下生存的基础数据。在该基础数据中应用个人的身体信息,计算健康剩余寿命的预测值。而且,根据健康剩余寿命的预测值判断将来的疾病或障碍的发病程度,根据判断结果生成决定实施健康诊断的间隔等的计划。
另外,例如,提出了以个人的身体信息为基础,预测预定疾病的发病概率。与身体信息的值一起分色显示预测结果的技术(例如,参考特开2005-49921号公报)。该技术用BMI(体质指数)或血糖值等身体信息,通过统计方法求糖尿病发病的概率,以该发病概率为基础分色显示身体信息的值,明示危险。根据该显示,在由医生等进行的疾病发病的怀疑或生活指导方面发挥作用。
但是,当前在以发现疾病为目的的检诊中,为了发现特定的疾病,所有的人一律接受同样内容的检查。例如,接受检诊的人,以发现胃癌为目的一般一律接受X线钡餐造影的检查。但是,容易患什么样的疾病,不同的人差异很大。既有易发某种疾病的人,也有难以发生该疾病但易发其它疾病的人。因此,在一律以发现同样疾病为目的,一律接受同样检查的现状中,没有进行对个人最适宜的检查,容易错过很多疾病。另外,由于其个人接受了不必要的检查,结果给接受检诊的人带来徒劳的身体负担以及精神负担,还会带来金钱的负担。
在根据个人的身体信息,预测该个人的健康剩余寿命,使预测结果在策划健康管理计划或实施该健康管理计划而产生的效果的预测方面起作用的技术中,从健康剩余寿命能够推测某种程度的疾病发病。但是,从该观念不能预测哪种疾病会发病。因此,不能选定可以接受哪些检查。另一方面,在根据个人的身体信息,预测预定疾病的发病概率,分色显示预测结果和身体信息的技术中,是可以预测每种疾病的发病概率。然而并不能说确立了怎样处理该预测结果的方法。从而,该疾病发病概率的预测结果只停留在参考程度。即,结果都是一律以发现同样的疾病为目的,一律接受同样的检查。
这样,在现有技术中,虽然可以说用统计的方法能够预测关于个人的身体的种种状况变化,但难以为每个人选定最适宜的检查项目。因此,不能解决错过了很多疾病的现状,而且给接受检诊的人带来徒劳的身体负担以及精神负担进而带来金钱的负担的现状。
发明内容
本发明是鉴于以上的情况而完成的,目的是提供根据每个人的身体信息预测易患的疾病,考虑预测结果而选定最适宜的检查项目的技术。
用于解决上述课题的第1方案的特征是,预先准备把可以检查预定疾病的多种检查项目与这些检查项目的属性相对应而存储的检查项目数据库,根据个人的身体信息计算预定疾病发病的危险程度,根据上述计算出的危险程度,生成检查上述预定疾病的检查项目的选定基准,从上述检查项目数据库检索具有满足上述选定基准的属性的检查项目。根据第1方案,能够根据疾病发病概率对每个个人实施最适宜的检查,提高疾病发现的效率。还能够通过减少徒劳的检查,减轻受诊者的与检查有关的身体负担以及精神负担。
本发明的第2方案,在上述检查项目数据库中,作为上述检查项目的属性,预先存储对应于上述检查项目的检查的检查精度信息,在上述选定基准的生成中,预先具有根据危险程度按情况区分的上述检查精度信息的表,使用该表,生成根据上述计算出危险程度按情况区分的检查精度信息,在上述检索中,从上述检查项目数据库检索与上述生成的检查精度信息成对的检查项目也可以。通过第2方案能够从危险程度对检查精度的观点出发,能够对每个个人实施最适宜的检查,还能够有效提高疾病发现概率。
本发明的第3方案,在上述检查项目数据库中,作为检查项目的属性,预先存储对应于上述检查项目的检查成本,在上述选定基准的生成中,预先具有表示由于疾病发病所需支出费用的支出费用信息,使用该支出费用信息,用上述计算出的危险程度生成由于疾病发病所需支出费用的期待值,在上述检索中,也可以从上述检查项目数据库检索与低于由上述基准单元得到的期待值的上述成本成对的检查项目。在第3方案中,从疾病发病概率对成本的观点出发,能够为每个个人实施最适宜的检查,还能够减轻金钱的负担。
本发明的第4方案,预先准备使可以检查上述预定疾病的多种检查项目与这些检查项目的属性相对应并预先存储的检查项目数据库,根据个人的身体信息计算预定疾病发病的危险程度,对于上述计算出的危险程度与上述检查项目数据库用上述预定疾病对应起来进行显示。根据第4方案,通过提示多个可以检查疾病的检查项目,而且显示危险的程度或检查项目的属性,利用者由于能够参照危险程度或检查项目的属性选定希望接受的检查项目,因而能够有助于选定检查项目。
本发明的第5方案,具备输入采用检查项目的各种选定方式的哪一种的方式输入单元,可以根据个人的身体信息计算预定疾病的疾病发病概率,以上述输入的选定方式选定检查上述预定疾病的检查项目。根据第5方案,由于能够选择各种选定方式,因此可以选定进一步反映了要接受检查的个人的需求的检查项目。
附图说明
图1是表示使用第1实施形态的检查项目选定方法的检查项目选定装置的构成的框图。
图2表示相关函数fj(X)的数据库。
图3表示相关系数Aij的数据库。
图4表示个人身体信息。
图5是表示疾病发病概率的计算动作的流程图。
图6是表示显示计算出的疾病发病概率的画面的示意图。
图7表示第1实施形态的选定基准数据。
图8表示第1实施形态的检查项目数据库。
图9是表示第1实施形态的检查项目的选定动作的流程图。
图10是显示在第1实施形态中由检索单元30选出的检查项目的一览的画面的示意图。
图11表示第2实施形态的选定基准数据。
图12表示第2实施形态的检查项目数据库。
图13是表示第2实施形态的检查项目的选定动作的流程图。
图14表示第3实施形态的选定的检查项目的显示。
图15是表示第4实施形态的检查项目的选定动作的流程图。
图16表示第4实施形态的选定的检查项目的显示。
图17表示第5实施形态的检查项目选定装置的结构。
图18表示第5实施形态的检查项目数据库。
图19是表示第5实施形态的显示检索项目的动作的流程图。
图20表示并列显示第5实施形态中的疾病发病概率与检查疾病的检查项目的画面。
图21是表示第6实施形态的检查项目选定装置的结构的框图。
图22是表示第6实施形态的选定方式的选择动作的流程图。
图23表示选择选定方式时在监视器上显示的显示画面。
具体实施方式
以下,参照附图详细说明本发明的选定检查项目的适宜的各个实施形态。
(第1实施形态)
第1实施形态的检查项目选定方法,通过统计的方法从个人的身体信息预测各种疾病发病的危险程度,生成与预测的危险程度相对应的检查项目的选定基准,选定具有满足该选定基准的属性的检查项目。
疾病发病的危险程度是用百分数表示疾病发病的概率或区分为高中低等。检查项目的选定中利用的检查项目的属性是例如检查精度、检查的成本、检查的危险性、检查带来的侵入度、检查的可靠性、检查时间、检查带来的身体或精神上负担等,以数字化或区分化表示。选定基准生成为与在检查项目的选定中利用的检查项目的属性吻合的种类。根据其程度把疾病发病概率区分化,对于该区分,把选定中利用的检查项目的属性的数值或区分对应起来。而且,把与预测的疾病发病概率所属的区分建立对应的检查项目的属性的数值或区分作为选定基准。另外,把疾病发病概率作为参数而生成选定基准,作为与选定中利用的检查项目的属性值的比较对象。而且,选定具有满足选定基准的属性的检查项目。
在第1实施形态中,根据疾病发病概率对检查精度选定检查项目。即,选定基准是根据疾病发病概率推荐的检查精度。选定具有满足推荐的检查精度的检查精度的检查项目。
该检查项目选定方法,例如,通过使计算机执行用于实现检查项目选定方法的程序来进行。图1是表示具体实现第1实施形态的检查项目选定方法的检查项目选定装置的结构的框图。该检查项目选定装置1,例如,包括:用通用线连接运算控制单元(CPU:中央处理单元或图形芯片(graphic chip))、主存储单元(RAM:随机访问存储器)、外存储单元(HDD:硬盘驱动器)而使相互间可输入输出数据的计算机、监视器以及输入接口。外存储单元存储实现检查项目选定方法的程序,并适当执行该程序。监视器由LCD(液晶显示器)显示器或CRT(阴极射线管)显示器构成。输入接口是键盘或具有滚动跟踪(wheel-tracking)功能的鼠标等。
为了执行在外存储单元中存储的程序,检查项目选定装置1,具备概率计算单元10、身体信息保持单元11、疾病危险信息数据库12、基准生成单元20、选定基准数据存储单元21、检索单元30、检查项目数据库31、显示单元60。概率计算单元10、身体信息保持单元11以及疾病危险信息数据库12是用于计算疾病发病概率的结构。基准生成单元20以及选定基准数据存储单元21是用于生成选定基准的结构。检索单元30以及检查项目数据库31是用于根据选定基准选定检查项目的结构。显示单元60是监视器,显示选定的检查项目。
首先,作为疾病发病的危险程度,说明疾病发病概率的计算。本实施形态中,计算疾病发病危险程度的发病危险计算单元是概率计算单元10。概率计算单元10使用身体信息和疾病危险信息计算在今后预定期间内的个人疾病发病概率。身体信息是通过健康诊断等得到的血压等诊断信息或者通过遗传因子分析得到的遗传因子信息。疾病危险信息是把身体信息变换成明示属于哪一种疾病发病概率分布的变量的归一化函数和表示通过归一化得到的变量与疾病发病的相关关系的相关系数。概率计算单元10使用疾病危险信息,对于身体信息进行表示属于哪一种疾病发病概率分布的归一化。进而,概率计算单元10,用表示归一化的身体信息与疾病发病的相关关系的相关系数进行修正。由此,能够求得从一个身体信息得到的疾病发病概率。进而总计从各个身体信息得到的疾病发病概率,求综合的疾病发病概率。即,概率计算单元10通过以下的计算式运算疾病发病概率。
[式1]
e i = A i 0 + Σ j N A ij f j
[式2]
e i ( t ) = 1 - ( 1 - e i ) ( t )
e是根据身体信息j的疾病i在今后1年中的疾病发病概率。e(t)是根据身体信息j的疾病i在今后t年中的疾病发病概率。fj是把身体信息j的值X用归一化函数fj(X)归一化得到的变量。Aij是表示关于疾病i的身体信息j的值X用归一化函数fj(X)归一化得到的变量与疾病发病的相关关系的相关系数。Aio表示与个人的身体信息j的值X如何无关,任何人患疾病i的基础概率。
概率计算单元10,在上述计算式中,代入身体信息j的值X、归一化函数fj(X)的相关系数Aij与年数t,计算出今后t年中疾病发病概率。年数t预先存储在外存储单元中。例如,存储t=3或者t=5,通过读出t=3,计算出今后3年中疾病发病概率,通过读出t=5,计算出今后5年中疾病发病概率。年数t可以按每种疾病i设定,也可以不分疾病i的种类,设定为一律的年数。将用输入接口输入的数据作为年数t存储。例如,可以在得到疾病i的哪个年数t的疾病发病概率最接近现实的新的认识的时刻进行追加或修正。
各种身体信息j的值X,存储在身体信息保持单元11中。概率计算单元10,从身体信息保持单元11读出与要计算疾病发病概率的疾病i发病有关的身体信息j的值X。
归一化函数fj(X)和相关系数Aij,存储在疾病危险信息数据库12中。在疾病危险信息数据库12中存储的归一化函数fj(X)以及相关系数Aij中,读出在根据身体信息j的值X的疾病发病概率的计算中所必需的归一化函数fj(X)以及相关系数Aij
图2以及图3表示疾病危险信息数据库12。图2表示归一化函数fj(X)的数据库。如图2所示,在疾病危险信息数据库12中,在疾病发病概率计算中利用的身体信息j的分类信息、用于把对应该身体信息j的分类的个人的身体信息j的值X归一化的归一化函数fj(X)的分类信息、归一化函数fj(X)的执行文件(file)相关联地存储。
疾病危险信息数据库12中存储的身体信息j的分类信息是根据已知的认识被认为对疾病发病起作用的身体信息j的分类信息。该身体信息j的分类信息以「j=1、2、3...」或「高血压蛋白宁转换酶(ACE:angiotensin converting enzyme)变异、血糖值、总胆固醇...」这样的记号或名称存储。疾病危险信息数据库12中存储的归一化函数fj(X)的分类信息,是从已有的认识出发,最准确地表示身体信息j属于哪一种疾病发病概率分布的归一化函数fj(X)的分类信息。该归一化函数fj(X)的分类信息用「f1(X)、f2(X)、f3(X)...」或「2值、阶梯函数、S形(sigmoid)函数…」这样的记号或者名称存储。归一化函数fj(X)的执行文件也可以在疾病危险信息数据库12中直接记述。或者也可以将存储有归一化函数fj(X)的执行文件的目录等的存储目标路径存储在疾病危险信息数据库12中。身体信息j的分类信息或归一化函数fj(X)的分类信息或执行文件用输入接口输入,存储在疾病危险信息数据库12中。例如,可以在得到新的认识的时刻进行追加或修正。
疾病危险信息数据库12中,例如,对于高血压蛋白宁转换酶(ACE)变异的分类信息「j=1」,存储对有无高血压蛋白宁转换酶变异进行归一化为2值中的某一个值的2值函数的分类信息「f1(X)」。该归一化函数的分类信息存储成包括偏移值和标定值(scale)。对于血糖值的分类信息「j=2」,存储阶梯函数的分类信息「f2(X)」。该归一化函数的分类信息构成为包括偏移值和标定值。对于总胆固醇值的分类信息「j=3」,存储S形函数的分类信息「f3(X)」。该归一化函数的分类信息存储为包括偏移值和标定值。对于吸烟史的分类信息「j=4」,存储线性函数的分类信息「f4(X)」。该归一化函数的分类信息存储为包括偏移值和标定值。对于血压值的分类信息「j=5」,成对存储指数函数的分类信息「f5(X)」。该归一化函数的分类信息存储为包括偏移值和标定值。对于归一化血压·血糖值乘积的分类信息「j=6」,存储求出用阶梯函数把血糖值归一化得到的值与用指数函数把血压值归一化得到的值的乘积的函数的分类信息「f6(X)」。还有,对于高血压蛋白宁转换酶变异—血糖值逻辑积的分类信息「j=7」,存储求出用对有无高血压蛋白宁转换酶变异进行归一化为2值中的某一个值的2值函数得到的值与用指数函数把血压值归一化得到的值的逻辑积的函数的分类信息「f7(X)」。
概率计算单元10顺序参照身体信息j的分类信息(j=1、2、3...),从身体信息保持单元11读出用该分类信息识别的身体信息j的值X。另外,参照与所参照的身体信息j的分类信息成对的归一化函数fj(X)的分类信息,选择所执行的归一化函数fj(X)。读出与执行的归一化函数fj(X)相关联的文件,执行从身体信息保持单元11读出的身体信息j的值X的归一化。
图3表示相关系数Aij的数据库。如图3所示,在疾病危险信息数据库12中,修正归一化得到的身体信息j的变量fj的相关系数Aij,存储在变量fj以及疾病i的每个组合中。该相关系数Aij是从已知的认识出发,准备最准确表示归一化得到的变量fj与疾病发病的相关关系的系数。用输入接口输入的相关系数Aij存储在疾病危险信息数据库12中。例如,可以在得到新的认识的时刻进行追加或修正。概率计算单元10如果计算出各个变量fj(j=1、2、3...),则从疾病危险信息数据库12按照各个疾病i与各个变量fj的组合顺序读出相关系数Aij,用Aij修正变量fj,顺序计算出对于一个身体信息j的各种疾病i的疾病发病概率。而且,将对于各种身体信息j的疾病i的疾病发病概率相加,最终求出综合的疾病发病概率。
图4表示在身体信息保持单元11中存储的个人身体信息j。如图4所示,身体信息保持单元11中存储有数字化或者表示有无存在的符号化的个人的各种身体信息j。该个人的身体信息j由诊断信息以及遗传因子信息构成。诊断信息是电子卡(Karte)本身或从电子卡抽取信息而数据库化的信息。身体信息j的值X最终以数值显示。例如,高血压蛋白宁转换酶变异的有无等,用若存在为「1」,若不存在为「0」等2值的数值表示。在过去如果有盲肠炎的病史,把其经过年数、有无手术、有无治愈、投放药剂、药剂投放量、投放药剂后经过的年数等数值化。遗传因子信息在对于个人具有的疾病i起作用的的遗传因子的名称或该遗传因子是多分类型的情况下直到多型分类名被数据库化,在计算疾病发病概率的前阶段被置换成表示该遗传因子存在的「1」等记号。具体地讲,电子卡记载的个人的年龄、性别、身高、体重、收缩期血压、扩张期血压、肥胖度、BMI(Body Mass Inde、)指数、体脂肪率、视力、蛋白、糖、潜血、白血球数、红血球数、血色素量、血细胞比容、GOT、GPT、γ-GTP、AL-P、总胆固醇、中性脂肪、HDL胆固醇、尿酸、肌酸酐(creatinine)、血糖、HbA1c等个人具有的身体数值,有无盲肠炎、右脚腕扭伤、胆石症、过敏等病史,以及各种血液生化检查等的每个身体信息j,其值X存储在身体信息保持单元11中。
该诊断信息通过读取电子卡、使用输入接口输入希望抽取的项目等,存储在身体信息保持单元11中。存在通过电子卡的书写标准化在每个项目中定义的标签,在记载与该标签以下相对应的诊断信息的情况下,从电子卡检索所需项目的标签,取得所需的诊断信息。电子卡也可以通过医院内的网络从医院信息系统(HIS)取得。这种情况下,检查项目选定装置1具有LAN接口,连接为可以与医院内的网络进行通信。作为遗传因子信息,具体地说,在个人中存在例如,对于肺癌发病起作用的「CYP1A1」或「GST1」遗传因子时,存储该遗传因子名与分类「A型、B型、C型」或「+型、-型」等。作为遗传因子排列存储个人具有的全部遗传因子名的情况下,根据对疾病i起作用的已知的遗传因子名以及分类或遗传因子排列进行筛选,抽取出个人具有的对疾病起作用的遗传因子信息。因此,也可以与身体信息保持单元11分开,具备对疾病i起作用的已知的遗传因子数据库。
概率计算单元10,读出疾病危险信息数据库12中存储的身体信息j的分类信息,从身体信息保持单元11得到对应该分类信息的身体信息j的值X。
图5是表示该概率计算单元10的疾病发病概率的计算动作的流程图。首先,概率计算单元10,将身体信息j的分类信息初始化为j=1,疾病i的分类初始化为i=1(S11)。如果进行初始化,则概率计算单元10从身体信息保持单元11读出身体信息j的值X(S12)。进而,概率计算单元10,从疾病危险信息数据库12参照与身体信息j成对的归一化函数fj(X)的分类信息,读出与该分类信息相关联的归一化函数fj(X)的执行文件(S13)。
如果读出各种数据,则概率计算单元10,将身体信息i的值X代入归一化函数fj(X),计算归一化了的身体信息i的变量fj(S14)。如果把身体信息j的值X归一化,则概率计算单元10,取j=j+1(S15),如果不是j>N(S16,否),则反复S12~S15,把各个身体信息j归一化。另外,N是计算疾病发病概率时使用的身体信息j的数量。N根据身体信息保持单元11或者疾病发病危险信息数据库12的修正或追加而可变,通过修正或者追加的确定,在概率计算单元10中更新存储。如果j>N(S16,是),概率计算单元10,初始化为j=1(S17),从疾病危险信息数据库12读出相关系数Aio以及相关系数Aij的同时,顺序取j=j+1,计算出今后1年间疾病i发病的疾病发病概率ei(S18)。如果计算出概率ei,则概率计算单元10,依照预先设定的年数t,计算出今后t年间疾病i发病的疾病发病概率ei (t)(S19)。
如果计算出疾病发病概率ei (t),则概率计算单元10,取i=i+1(S20),如果不是i>imax(S21,否),反复S18以及S20,计算出每种疾病i(i=1、2、3...)今后t年间疾病发病概率ei (t)。另外,imax是计算疾病发病概率的疾病i的数量。imax根据疾病发病危险信息数据库12的修正或追加而可变,通过修正或追加的确定在概率计算单元10中更新存储。如果i>imax(S21,是),计算出对于全部疾病i的疾病发病概率ei (t),则概率计算单元10,在监视器上显示算出的疾病发病概率(S22),结束处理。
图6是显示计算出的疾病发病概率的画面的示意图。概率计算单元10,如果计算出疾病发病概率,则在监视器上显示疾病发病概率。在显示画面上,疾病i的疾病发病概率与疾病i的名称成对地显示。
以下,说明与疾病发病概率相对应的检查项目的选定。检查项目的选定中,基准生成单元20作为选定基准生成与疾病发病概率相对应的检查精度,检索单元30检索具有满足检查精度的选定基准的检查精度的检查项目。
基准生成单元20,使用选定基准数据,根据计算出的疾病发病概率的程度生成检查精度信息。检查精度信息是将根据检查能够发现疾病的概率用等级显示的信息,是区分为不同等级的选定基准信息。选定基准数据存储在选定基准数据存储单元21中。图7中表示第1实施形态的选定基准数据。选定基准数据是存储对不同的疾病i分情况区分了疾病发病概率的区分Div与对应该区分Div的检查精度等级R的表。疾病发病概率的区分Div在计算出疾病发病概率的每个年数t中存储。例如,疾病i是「结肠癌」的情况,分为「今后3年间疾病发病概率为3%以上」,「今后3年间疾病发病概率为1%以上且不到3%或者今后5年间的疾病发病概率为1.5%以上」,以及「今后3年间疾病发病概率为0.5%以上且不到1%」的区分Div。进而,作为检查精度等级R,对于「今后3年间疾病发病概率为3%以上」的区分Div,对应「等级A 」,对于「今后3年间疾病发病概率为1%以上且不到3%或者今后5年间的疾病发病概率为1.5%以上」的区分Div,对应「等级B 」,对于「今后3年间疾病发病概率为0.5%以上且不到1%」的区分Div,对应「等级C」。检查精度等级R,随着表示等级的字母位置靠前,表示检查精度高。基准生成单元20,读出对于疾病i的选定基准数据,检索包括计算出的疾病发病概率的区分Div,取得对应该区分Div的检查精度等级R。在没有包括计算出的疾病发病概率的区分Div的情况下,不取得检查精度等级R。由于疾病发病概率低,因此没有必要选定检查项目。
检索单元30,通过从检查项目数据库31检索由基准生成单元20得到的检查精度等级R,选定检查项目。从与疾病i有关的检查项目,检索与通过基准生成单元20取得的选定基准信息(取得的检查精度等级R)具有相同检查精度等级R的检查项目。图8表示通过检索单元30检索的检查项目数据库31。检查项目数据库31,对每种疾病i存储能够检查该疾病i的各种检查项目,进而,把各检查项目区分为不同的检查精度等级R,例如,对于结肠癌,生化检查(结肠癌指标)、大肠内窥镜检查、大肠组织的活检等作为检查项目存储。生化检查(结肠癌指标)区分为等级C,大肠内窥镜检查区分为等级B,大肠组织的活检区分为等级A。检索单元30参照得到了检查精度等级R的疾病i的检查项目数据库31,选出区分为得到的检查精度等级R的检查项目。
图9是表示根据该基准生成单元20以及检索单元30的第1实施形态的检查项目的选定动作的流程图。首先,基准生成单元20把疾病i的种类初始化为i=1(S31)。如果进行初始化,则基准生成单元20,读出概率计算单元10计算出的疾病i的今后t年间的疾病发病概率ei (t)(S32),接着从选定基准数据存储单元21读出疾病i的选定基准数据(S33)。如果读出疾病i的今后t年间的疾病发病概率ei (t)和疾病i的选定基准数据,则基准生成单元20,把疾病发病概率ei (t)代入按照情况区分了对应于选定基准数据中的年数t的疾病发病概率的区分Div,检索吻合的区分Div(S34).
如果检索出吻合的区分Div(S34,是),则基准生成单元20,从选定基准数据中参照对应吻合的区分Div的检查精度等级R,与疾病i相关联地生成同一检查精度等级R(S35)。如果没有检索出吻合的区分Div(S34,否),则不取得检查精度等级R,结束疾病i中的检查精度等级R的取得。如果检索结束,则基准生成单元20,取i=i+1(S36),如果不是i>imax(S37,否),则反复S32以及S36,生成与各种疾病i相关联的检查精度等级R。
如果成为i>imax(S37,是),由基准生成单元20生成与各种疾病i相关联的检查精度等级R,则检索单元30,初始化为i=1(S38),读出检查项目数据库31(S39)。检索单元30,从读出的检查项目数据库31检索疾病i的项目(S40),进而,从与检索出的疾病i相关联的检查项目中,检索与对于疾病i的检查精度等级R相关联的检查项目(S41)。如果检索出检查项目,则检索单元30取i=i+1(S42),如果不是i>imax(S43,否),则反复S39以及S42,对各种疾病i检索具有与选定基准信息相同的检查精度等级R的检查项目。如果i>imax(S43,是),检索出对于所有疾病i的检查项目,则检索单元30,在监视器上组合显示各种疾病i与检索出的疾病i的检查项目(S44),结束处理。
图10是表示在第1实施形态中,显示由检索单元30选出的检查项目一览的画面的示意图。检索单元30,如果选出检查项目,则在监视器上显示该一览。在监视器上显示对每种疾病i选出的检查项目。另外,在显示该检查项目的一览的显示画面中,可以把显示图6所示的疾病发病概率的画面合并显示。在合并显示的情况下,对每种疾病i并列显示疾病发病概率和选出的检查项目。
这样,本实施形态的检查项目选定装置1,从身体信息j用疾病危险信息(归一化函数fj(X)与相关系数Aij),通过统计的方法,计算疾病发病概率,把计算出的疾病发病概率用选定基准数据变换成检查精度等级R,选定具有满足该检查精度等级R的评价的检查项目。由此,从疾病发病概率对检查精度的观点出发,能够对每个个人实施最适宜的检查,能够有效并早期发现疾病,还能够通过减少不必要的检查,减轻受诊者有关检查的负担。
另外,在本实施形态中,把检查精度区分为等级,而在把该检查具有的检查精度置换为具体的数值的情况下,也可以根据该数值检索检查项目。把根据疾病发病概率的程度推荐的最低限的检查精度存储在选定基准数据中。检索单元30,作为推荐的检查项目选出具有该最低限的检查精度以上的检查精度值的检查项目。通过检索单元30的检索,选出多个具有满足最低限的检查精度的检查精度的检查项目的情况下,在该选出的多个检查项目中,选出具有最低检查精度的检查项目。另外,显示全部选出的多个检索项目。
显示的各个检索项目中,可以使疾病发病概率与疾病i的参考信息或各个检索项目的参考信息相对应而同时显示。疾病i的参考信息是表示该疾病i发病了的情况下的恢复风险、治疗费用或即使恢复了但生活质量降低的顾虑等的文字列。另外,检查项目的参考信息是表示检查精度等级、检查的危险性或与检查有关的成本等的文字列。疾病i的参考信息或各个检索项目的参考信息,能够在检索项目数据库中与各种疾病i和各个检索项目相关联而存储(参照图18)。检索单元30,在显示从检索项目数据库检索出的检查项目时,从检索项目数据库取得关联的参考信息,并同时显示。
另外,在身体信息保持单元11中,存储有个人最新的身体信息就足够,也可以存储多个年份。这种情况下,概率计算单元10,可以计算各个年份的疾病发病概率,显示在监视器中。能够目视疾病发病概率的增减,对指导改善生活态度有作用。
(第2实施形态)
说明本发明的第2个实施形态的检查项目选定装置1。在该检查项目选定装置1中,从身体信息利用疾病危险信息通过统计的方法计算疾病发病概率,用选定基准数据生成与疾病发病概率相对应的选定基准信息,选定具有满足该选定基准信息的属性的检查项目的结构与第1实施形态相同。本实施形态的检查项目选定装置1,为了通过执行程序来计算疾病发病概率,实现身体信息保持单元11、疾病危险信息数据库12、概率计算单元10。另外,为了选定检查项目,具备选定基准数据存储单元21、基准生成单元20、检查项目数据库31、检索单元30。
在第2实施形态中,检查项目选定装置1以治疗费用对检查成本为基准选定检查项目。即,选定基准是由于疾病发病而成为必要的支出费用的期待值。检查项目的属性是该检查所需要的成本。选定具有满足该期待值的成本的检查项目。
图11表示在本实施形态的检查项目选定装置1的选定基准数据存储单元21中存储的选定基准数据。在选定基准数据存储单元21中存储表示每种疾病i中疾病i发病时所需支出费用的支出费用信息Ct。该支出费用信息Ct是疾病i的治疗中需要的治疗费。从对某疾病i进行的代表性治疗法对应的保险份数、或者在某医院该疾病发病时实际需要的费用、或者过去的统计数据的积蓄求出,用输入接口存储在选定基准数据存储单元21中。在支出费用信息Ct中,在治疗费以外可以加入弥补由于治疗产生的生活质量降低的其它杂费,例如,轮椅的费用或心脏起博器的维护费用或残疾人所用自家车的改造费用或无障碍居住(barrier-free)的改造费用等。另外,在治疗费以外还可以加入由于检查产生的危险,例如,医疗事故带来的损害费用等。
基准生成单元20从选定基准数据存储单元21中存储的选定基准数据读出疾病i发病时的支出费用信息Ct,从读出的支出费用信息Ct和由概率计算单元10计算出的疾病发病概率,计算疾病i发病时的支付费用的期待值。即,对支出费用信息Ct表示的支出费用乘以疾病发病概率计算期待值。检索单元30从检查项目数据库31检索低于基准生成单元20计算出的期待值的成本的检查,作为选出了检索结果的检查项目。
图12表示本实施形态的检查项目数据库31。检查项目数据库31对每种疾病i存储检查该疾病i的各种检查项目,进而各个检查项目的检查所需要的成本Ce与检查精度等级R相关联存储。例如,对于结肠癌,生化检查(结肠癌指标)、大肠内窥镜检查、大肠组织活检等作为检查项目存储。生化检查(结肠癌指标)中,成本「1500日元」与「等级C」相关联,大肠内窥镜检查中,成本「9000日元」与「等级B」相关联,大肠组织活检中,成本「10000日元」与「等级A 」相关联。检索单元30参照得到期待值的疾病i的检查项目数据库31,顺序比较与各种疾病项目相关联存储的成本Ce与期待值。比较的结果,选出与低于期待值的成本Ce相关联的检查项目。在多个检查项目具有低于期待值的成本Ce时,选出检查精度等级R高的检查项目。
图13是表示第2实施形态中基准生成单元20以及检索单元30的检查项目的选定动作的流程图。首先,基准生成单元20,把疾病i的分类初始化为i=1(S51)。如果进行初始化,则基准生成单元20读出概率计算单元10计算出的疾病i的疾病发病概率ei (t)(S52),接着从选定基准数据存储单元21读出疾病i的选定基准数据(S53)。如果读出疾病i的疾病发病概率ei (t)和疾病i的选定基准数据,则基准生成单元20,把疾病发病概率ei (t)乘以选定基准数据中的疾病i发病时的所必需的支出费用的支出费用信息Ct,计算出疾病i发病时所必需的支出费用的期待值(S54)。
如果计算出期待值,则基准生成单元20取i=i+1(S55),如果不是i>imax(S56,否),则反复S52以及S55,计算出各疾病i发病时所必需的支出费用的期待值。如果成为i>imax(S56,是),通过基准生成单元20,计算出各疾病i发病时所必需的支出费用的期待值,则检索单元30初始化为i=1(S57),读出检查项目数据库31(S58)。检索单元30,从读出的检查项目数据库31检索疾病i的项目(S59),进而,比较检索出的与疾病i相关联的各个检查项目的成本Ce与期待值,检索与低于期待值的成本Ce相关联的检查项目(S60)。对于同一疾病i,如果与低于期待值的成本Ce相关联的检查项目存在多个(S61,是),则检索与最高检查精度等级R相关联的检查项目(S62)。
如果检索出检查项目,则检索单元取i=i+1(S63),如果不是i>imax(S64,否),则反复S59至S62,对各种疾病i检索与低于期待值的成本Ce相关联,且检查精度等级R最高的检查项目。如果i>imax(S64,是),检索对于全部疾病i的检查项目,则检索单元30在监视器上组合显示各种疾病i与检索的疾病i的检查项目(S65),结束处理。
这样,本实施形态的检查项目选定装置1,从身体信息使用疾病危险信息,通过统计的方法计算疾病发病概率,把计算出的疾病发病概率用选定基准数据变换成疾病发病时所需费用的期待值,选定具有低于该期待值的成本的检查项目。由此,从疾病发病概率对成本的观点出发,能够对每个个人实施最适宜的检查,能够通过减少不必要的检查,减轻受诊者有关检查的体力负担或经济负担。
在期待值的计算中,能够严密计算包括疾病在检查中遗漏而发病后治疗所需要的费用,检查中判断为「阳性」后实施早期治疗或预防治疗需要的费用,检查成本。该期待值的计算中,基准生成单元20,运算以下计算式来计算期待值。
期待值=(1-有无实施检查k)×(疾病i的治疗中需要的治疗费)×(疾病发病概率)
+(有无实施检查k)×(疾病i的治疗中需要的治疗费)×(疾病发病概率)×(1-检查精度)
+(有无实施检查k)×(疾病i的初期治疗中需要的治疗费)×(检查阳性概率)
+(有无实施检查k)×检查k的成本
有无实施检查在实施的情况下为「1」,不实施的情况下为「0」。检查精度是通过某检查K能够检查出疾病的概率。检查阳性概率是检查中判断为阳性的概率。在第1行计算式中,计算没有实施检查K的情况下,疾病i发病了时所需要的费用的期待值。在第2行计算式中,计算实施检查k的情况下,疾病在检查中被遗漏而发病后治疗中所需要费用的期待值。在第3行计算式中,计算检查中判断为「阳性」而实施早期治疗或预防治疗需要的费用。在第4行计算式中,计算实施检查K时的成本。
基准生成单元20,按情况分为各个检查(K=0,1,2...)、各种疾病i以及实施检查K的情况,以及没有实施检查K的情况分别计算上述计算式,将计算出的期待值中最小的值确定为最终的期待值。为了确定最小的期待值,可以采用模拟退火(simulated annealing)法等众所周知的方法。
另外,选出多个检查项目的情况下,可以在监视器上显示全部多个检索项目。在显示的各个检索项目中,疾病发病概率可以与疾病i的参考信息或各个检索项目的参考信息相对应同时显示。疾病i的参考信息或各个检索项目的参考信息可以在检索数据库中与各种疾病i和各检索项目相关联地存储(参照图18)。检索单元30,在显示从检索项目数据库检索出的检查项目时,从检索项目数据库取得关联的参考信息,同时显示在监视器上。
(第3实施形态)
在本发明的第3实施形态中,检索单元30通过比较与检索出的疾病i相关联的各个检查项目的成本Ce和期待值,选出与低于期待值的成本Ce相关联而且与最高检查精度等级R相关联的检查项目,显示在初始画面上,而也能够使用输入接口在与疾病i相关联的其它检查项目中切换显示。
图14表示本实施形态中显示的检查项目选定结果。检索单元30在初始状态下,如图14的(a)所示,在监视器上组合显示把各种疾病i、各种疾病i的疾病发病概率、检索出的最高的检查精度等级R相关联的检查项目和该检查精度等级R。检索单元30在显示的检查项目的栏目中,显示表示下拉菜单的按钮。如果使用输入接口按下该按钮,则检索单元30从检查项目数据库31读出与疾病i相关联的其它检查项目,显示在下拉菜单中。如果使用输入接口选择当前显示中的检查项目以外的检查项目,则检索单元30如图14(b)所示,将该选择出的检查项目与对应的疾病i组合而再次进行显示,进而,从检查项目数据库31读出选择的检查项目的检查精度等级R并组合显示。
例如,在检查项目数据库31的大肠癌的项目中,便潜血检查、内窥镜检查与灌肠X线检查相关联。以第2实施形态的治疗费用对检查成本为基准,选定检查项目的结果,例如,在初始状态下组合显示,疾病发病概率为3%,推荐的检查项目是便潜血检查、其检查精度等级R即「C」。如果按下检查项目栏目附近显示的按钮,则检索单元30显示下拉菜单,下拉菜单上显示与大肠癌相关联的全部检查项目,即:便潜血检查、内窥镜检查和灌肠X线检查。如果用输入接口从下拉菜单选择内窥镜检查,则检索单元30与大肠癌和疾病发病概率「3%」相组合,在检索项目的栏目中显示内窥镜检查。进而,检索单元30组合显示内窥镜检查的检查精度等级R即「A」。
另外,检索单元30在疾病i与选择的检查项目的组合上,进而,组合显示差额的栏目。在该差额的栏目中,显示与最高检查精度等级R相关联的检查项目与选择的检查项目的成本Ce的差。检索单元30从检查项目数据库31读出与最高检查精度等级R相关联的检查项目和选择的检查项目的成本Ce,并计算差,将该差显示在差额的栏目中。
例如,在检查项目数据库31中,在便潜血检查中,作为成本Ce,与8000日元相关联,内窥镜检查中,作为成本Ce,与10000日元相关联。检索单元30,从检查项目数据库31读出该8000日元与10000日元,并取差值,将表示进一步需要2000日元的「+2000日元」显示在差额栏目中。
根据本实施形态,作为原则,从疾病发病概率对成本的观点出发,对每个个人能够实施最适宜的检查,而考虑到检查精度或个人的情况,能够变更自由度高的检查计划设计。
另外,在差额的计算中,检索单元30也可以取基准生成单元20生成的疾病i发病时所必需的支出费用的期待值与选择的检查项目的成本Ce的差进行显示。
(第4实施形态)
说明本发明第4实施形态的检查项目选定方法。在第4实施形态的检查项目选定方法中选定对于预定的疾病群的检查项目。选定基准设为在预定的疾病群发病时必需的总支出费用的期待值。而且,选定需要最接近该总支出费用的期待值的成本的检查项目的组合。
图15是表示第4实施形态中的检查项目选定动作的流程图。首先,概率计算单元10对预先指定的预定的各种疾病i分别计算疾病发病概率ei (t)(S71)。预先存储预定的各种疾病i。或者,用输入接口选择。基准生成单元20用计算出的疾病发病概率ei (t)对预定的各种疾病i计算发病时必需的支出费用的期待值(S72)。然后,基准生成单元20总计计算出的预定的各疾病i的期待值,得到预定的疾病群发病时必需的总支出费用的期待值(S73)。
如果计算出总支出费用的期待值,则检索单元30从检索项目数据库31读出全部与属于预先指定的疾病群的各种疾病i分别相关联的检查项目的成本Ce(S74),在全部组合中计算出选择与各种疾病i相对应的各检查项目中的一个并组合的总成本Ce(S75)。检索单元30把计算出的各个组合的总成本Ce分别与总支出费用的期待值相比较,选出该差的绝对值最小的总成本Ce(S76)。
如果选出差的绝对值最小的总成本Ce,则检索单元30在监视器上显示对应该选出的总成本Ce的检查项目(S77)。显示时,对应显示对预定疾病群的每种疾病i计算的疾病发病概率和选出的检查项目。
图16表示用该第4实施形态中的检查项目选定装置1显示的检查项目选定结果。如果作为预定的疾病群设定心绞痛、糖尿病与大肠癌,则在检查项目选定装置1中参照这些疾病的发病概率,计算各自的支出费用的期待值,总计计算出的期待值。例如,如果心绞痛的支出费用期待值是12000日元,糖尿病的支出费用期待值是5000日元,大肠癌的支出费用期待值是10000日元时,则总支出费用的期待值是总计值即27000日元。而且,从对心绞痛的检查项目、对糖尿病的检查项目和对大肠癌的检查项目中分别选出1个进行组合,计算该组合的总成本Ce。全部组合模式中进行该组合与总成本Ce的计算。检索与总支出费用的总期待值的差的绝对值为最小的总成本Ce的组合,检查的结果,显示对心绞痛的检查项目A、对糖尿病的检查项目B和对大肠癌的检查项目C的组合。该组合的总成本Ce为27000日元,用于检查心绞痛的检查项目A超过了心绞痛发生的期待值,但是与总支出费用的期待值的差作为整体为0。
(第5实施形态)
说明本发明第5实施形态的检查项目选定方法。图17表示本实施形态的检查项目选定装置1的结构图。本实施形态的检查项目选定装置1为了通过执行程序来计算疾病发病概率,实现身体信息保持单元11、疾病危险信息数据库12和概率计算单元10。另外,为了支援检查项目的选定,具备检查项目数据库31和显示控制单元40。在使用第3实施形态的检查项目选定方法的检查项目选定装置1中,从身体信息使用疾病危险信息并且通过统计的方法计算疾病发病概率,并列显示该疾病发病概率与检查疾病的检查项目。如图18所示,在检查项目数据库31中,对每种疾病i存储检查该疾病的各检查项目,进而,相关联存储各个检查项目中检查花费的成本Ce、检查精度等级R、疾病i的参考信息Fi以及各检查项目的参考信息Fe。
如果计算出疾病i的疾病发病概率,则显示控制单元40从检查项目数据库31抽取与疾病i相关联的检查项目、各个检查项目的成本Ce、检查精度等级R、疾病i的参考信息Fi以及各检查项目的参考信息Fe,与计算出的疾病发病概率成对地同时显示在监视器上。
图19是表示该显示控制单元40的显示检索项目的动作的流程图。首先,显示控制单元40读出概率计算单元10计算的各种疾病i的疾病发病概率ei (t)(S81),接着,读出检查项目数据库31(S82)。如果读出疾病发病概率ei (t)和检查项目数据库31,则显示控制单元40在监视器上并列地显示关于疾病i的疾病发病概率ei (t)、关于检查项目数据库31中的疾病i的各检查项目、各检查项目中检查花费的成本Ce、各检查项目的检查精度等级R、疾病i的参考信息Fi、各检查项目的参考信息Fe(S83)。
图20表示并列显示疾病发病概率和检查疾病的检查项目的画面。在监视器上并列显示疾病发病概率ei (t)、与计算出疾病发病概率的疾病i相关联的各检查项目、成本Ce、检查精度等级R、以及参考信息Fi、Fe。显示控制单元40从检查项目数据库31抽取与疾病i关联并存储的各检查项目、成本Ce、检查精度等级R、参考信息Fi、Fe。在该画面上,在检查项目的各显示区的附近显示无线按钮。使用输入接口,通过对各种疾病i,在一个检查项目对应的无线按钮上输入检验,最终确定检查项目。
这样,在本实施形态的检查项目选定装置中,显示全部能够检查疾病i的检查项目,并且同时显示疾病发病概率i、成本Ce、检查精度等级R、参考信息Fi、Fe。由此,装置利用者参照疾病发病概率i、成本Ce、检查精度等级R、参考信息Fi、Fe,能够选定接受的检查项目,检查项目选定装置1提示多个可以检查疾病i的检查项目,能够根据各个参考信息支援检查项目的选定。
(第6实施形态)
说明本发明第6实施形态的检查项目选定方法。第4实施形态的检查项目选定装置1,可以使用第1、第2以及第5实施形态的检查项目选定方法的任何一种来选定检查项目。
图21是表示本实施形态的检查项目选定装置1的结构的框图。如图21所示,本实施形态的检查项目选定装置1为了通过执行程序计算疾病发病概率,实现身体信息保持单元11、疾病危险信息数据库12和概率计算单元10。另外,作为选定检查项目的选定单元,具备选定基准数据存储单元21、基准生成单元20、检查项目数据库31、检索单元30、显示控制单元40、选定方式输入单元50。
选定方式输入单元50构成为包括鼠标、键盘等输入接口。在该选定方式输入单元50中由检查项目选定装置1的利用者来输入检查项目的选定方式的指示。如果输入检查项目的选定方式,则选定方式输入单元50把输入的选定方式中表示的信号输入到基准生成单元20和检索单元30或者显示控制单元40。基准生成单元20和检索单元30或者显示控制单元40进行第1、第2以及第5实施形态的疾病发病概率对检查精度、疾病发病概率对成本或者可以检查疾病i的检查项目和疾病发病概率的同时显示的选定方式中的任一种处理。根据利用者通过向选定方式输入单元的输入所指示的选定方式生成选定基准信息。在检查项目数据库31中,包含第1、第2以及第5实施形态的全部数据项目。选定基准数据存储单元21存储第1实施形态以及第2实施形态双方的选定基准数据。
图22是表示与该选择方式的选择有关的动作的流程图。首先,选定方式输入单元50在监视器上显示促使选定方式输入的显示画面(S91)。利用者在观看监视器上显示的显示画面的同时用输入接口进行选择选定方式的输入(S92)。如果由利用者完成选择选定方式的输入(S92,是),则在该选择的选定方式是疾病发病概率对检查精度的情况下(S93,是),选定方式输入单元50计算出疾病发病概率后,使基准生成单元20和检索单元30进行第1实施形态的疾病发病概率对检查精度的检索项目选定处理(S94)。
另外,在该选择的选定方式是疾病发病概率对成本的情况下(S95,是),选定方式输入单元50计算出疾病发病概率后,使基准生成单元20和检索单元30进行第2实施形态的疾病发病概率对成本的检索项目选定处理(S96)。
另外,在该选定的选定方式同时显示能够检查疾病i的检查项目和疾病发病概率的情况下(S97,是),选定方式输入单元50计算出疾病发病概率后,使显示控制单元40进行第3实施形态的能够检查疾病i的检查项目和疾病发病概率的同时显示处理(S98)。
图23表示使用选定方式输入单元50选择选定方式时在监视器上显示的显示画面。在监视器上至少显示第1以及第2实施形态的基准选定信息的生成,或者在由第5实施形态的检索单元30进行的检索前,选择选定方式的显示画面。在显示画面中,显示选择选定方式的下拉式的输入区,在下拉部分中可选择地并列显示表示疾病发病概率对检查精度、疾病发病概率对成本、或者能够检查预定疾病的检查项目、该检查项目的属性和疾病发病概率的同时显示的文字列。利用者通过在选定方式输入单元50中输入任一种选定方式的选择,确定选定检索项目的选定方式。基准生成单元20以及检索单元30在计算出疾病发病概率后,按照该输入的选定方式进行疾病发病概率对检查精度、疾病发病概率对成本、或者能够检查预定疾病的检查项目、该检查项目的属性和疾病发病概率的同时显示的选定方式的任一种处理。
这样,第6实施形态的检查项目选定装置1由于能够选择各种选定方式,因此,能够选定进一步反映了要接受检查的个人的需要的检查项目。

Claims (21)

1.一种检查项目选定装置,其特征在于具备:
根据个人的身体信息计算预定疾病发病的危险程度的疾病危险计算单元;
按照上述计算出的危险程度,生成检查上述预定疾病的检查项目的选定基准的基准生成单元;
使能够检查上述预定疾病的多种检查项目与这些检查项目的属性相对应而预先存储的检查项目数据库;
从上述检查项目数据库检索具有满足上述选定基准的属性的检查项目的检索单元。
2.根据权利要求1所述的检查项目选定装置,其特征在于,
上述基准生成单元作为上述选定基准,生成根据上述计算出的危险程度按情况区分的检查精度信息,
上述检查项目数据库作为上述检查项目的属性,预先存储对应上述检查项目的检查的检查精度信息,
上述检索单元从上述检查项目数据库检索对应于由上述基准生成单元生成的检查精度信息的检查项目。
3.根据权利要求2所述的检查项目选定装置,其特征在于,
上述基准生成单元具有依据危险程度把上述检查精度信息按情况区分的表。
4.根据权利要求1所述的检查项目选定装置,其特征在于,
上述基准生成单元作为上述选定基准信息,使用上述计算出的危险程度,根据疾病发病生成必要的支出费用的期待值,
上述检查项目数据库作为检查项目的属性,预先存储对应于上述检查项目的检查成本,
上述检索单元从上述检查项目数据库检索与低于由上述基准生成单元得到的期待值的上述成本成对的检查项目。
5.根据权利要求4所述的检查项目选定装置,其特征在于具备:
存储对上述预定疾病的参考信息以及对上述检查项目的参考信息的至少某一个的参考信息存储单元;
如果由上述检索单元检索到多个检查项目,则与被检索出的检查项目相对应地显示对上述预定疾病的参考信息以及对上述检查项目的参考信息的至少某一个的显示单元。
6.根据权利要求4所述的检查项目选定装置,其特征在于,
上述基准生成单元具有表示根据疾病发病成为必要的支出费用的支出费用信息。
7.根据权利要求4所述的检查项目选定装置,其特征在于,
上述的支出费用至少包含为了治疗疾病所必要的治疗费。
8.根据权利要求4所述的检查项目的选定装置,其特征在于还具备:
能够选择检查项目的输入单元;
显示由上述输入单元选择的检查项目的显示单元,
其中,上述检索单元计算使用上述输入单元选择的检查项目与上述检索的检查项目的成本差额,
上述显示单元与上述选择的检查项目一起显示上述差额。
9.根据权利要求4所述的检查项目选定装置,其特征在于还具备:
在上述检索的检查项目的基础上,还能够选择其它检查项目的输入单元;
显示由上述输入单元选择的检查项目的显示单元,
其中,上述检索单元计算上述检索的检查项目或利用上述输入单元选择的检查项目与上述期待值之间的成本差额,
上述显示单元与上述检索的检查项目或上述选择的检查项目一起显示上述差额。
10.根据权利要求1所述的检查项目选定装置,其特征在于,
上述疾病危险计算单元根据个人的身体信息,对于上述各种疾病分别计算属于预定疾病群的各种疾病发病的危险程度,
上述基准生成单元作为上述选定基准信息,根据上述计算出的各种危险程度计算属于上述预定疾病群的各种疾病发病时成为必要的支出费用的期待值,并且总计所计算的期待值,
上述检查项目数据库作为上述检查项目的属性,预先存储对应于上述检查项目的检查成本,
上述检索单元,
从能够检查属于上述预定疾病群的各疾病的各个检查项目中选择一个而组合起来的全部模式的每一个计算总成本,并且检索上述总计的期待值与上述总成本的差的绝对值为最小的检查项目的组合的模式。
11.一种检查项目选定装置,其特征在于具备:
根据个人的身体信息计算预定疾病发病的危险程度的疾病危险计算单元;
使可以预先检查上述预定疾病的多种检查项目与这些检查项目的属性相对应而预先存储的检查项目数据库;
按照上述预定疾病使上述计算的危险程度与上述检查项目数据库相对应,进行显示的显示单元。
12.根据权利要求11所述的检查项目选定装置,其特征在于,
上述检查项目数据库还预先存储对上述预定疾病的参考信息以及对上述检查项目的参考信息的至少某一个。
13.一种检查项目选定装置,其特征在于还具备:
根据个人的身体信息计算预定疾病发病的危险程度的疾病危险计算单元;
以各种选定方式的某一种选定检查上述预定疾病的检查项目的选定单元;
输入上述检查项目的选定方式的方式输入单元,
其中,上述选定单元用上述输入的选定方式选定上述检查项目。
14.根据权利要求13所述的检查项目选定装置,其特征在于,
在上述方式输入单元中,
作为上述各种选定方式,输入危险程度对检查精度、危险程度对成本、或者能够检查预定疾病的检查项目、该检查项目的属性和危险程度的同时显示中的某一种。
15.根据权利要求1所述的检查项目选定装置,其特征在于,
上述疾病危险计算单元预先存储表示归一化的身体信息与疾病发病的相关关系的系数。
16.根据权利要求1所述的检查项目选定装置,其特征在于,
上述疾病危险计算单元预先存储使身体信息归一化的归一化函数。
17.根据权利要求1所述的检查项目选定装置,其特征在于,
上述身体信息是表示对个人具有的疾病发病产生作用的遗传因子的特定遗传因子存在信息以及电子卡片上记载的诊断信息中的至少某一个。
18.一种检查项目选定方法,其特征在于,
预先准备使能够检查预定疾病的多种检查项目与这些检查项目的属性相对应而存储的检查项目数据库,
根据每个人的身体信息计算预定疾病发病的危险程度,
根据上述计算出的危险程度,生成检查上述预定疾病的检查项目的选定基准,
从上述检查项目数据库检索具有满足上述选定基准的属性的检查项目。
19.根据权利要求18所述的检查项目选定方法,其特征在于,
在上述检查项目数据库中,作为上述检查项目的属性,预先存储了对应于上述检查项目的检查的检查精度信息,
在上述选定基准的生成中,预先具有根据危险程度,按情况区分了的上述检查精度信息的表,使用该表,根据上述计算出的危险程度生成按情况区分了的检查精度信息,
在上述检索中,从上述检查项目数据库检索与上述生成的检查精度信息成对的检查项目。
20.根据权利要求18所述的检查项目选定方法,其特征在于,
在上述检查项目数据库中,作为检查项目的属性,预先存储了对应于上述检查项目的检查成本,
在上述选定基准的生成中,预先具有表示由于疾病发病成为必要的支出费用的支出费用信息,使用该支出费用信息,使用上述计算的危险程度生成由于疾病发病成为必要的支出费用的期待值,
在上述检索中,从上述检查项目数据库检索与低于由上述基准生成单元得到的期待值的上述成本成对的检查项目。
21.根据权利要求18至20的任一项所述的检查项目选定方法,其特征在于,
在上述危险程度的计算中,作为上述身体信息,根据表示在个人具有的疾病发病中产生作用的遗传因子的特定遗传因子存在信息以及电子卡片上记载的诊断信息的至少某一个进行计算。
CNA2007101618497A 2006-09-25 2007-09-24 检查项目选定装置、检查项目选定方法及检查项目选定程序 Pending CN101169863A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2006259334A JP5038671B2 (ja) 2006-09-25 2006-09-25 検査項目選定装置、検査項目選定方法、及び検査項目選定プログラム
JP2006259334 2006-09-25

Publications (1)

Publication Number Publication Date
CN101169863A true CN101169863A (zh) 2008-04-30

Family

ID=39225918

Family Applications (1)

Application Number Title Priority Date Filing Date
CNA2007101618497A Pending CN101169863A (zh) 2006-09-25 2007-09-24 检查项目选定装置、检查项目选定方法及检查项目选定程序

Country Status (3)

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

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102488530A (zh) * 2011-11-16 2012-06-13 深圳市理邦精密仪器股份有限公司 一种产科超声检测方法及系统
CN103310081A (zh) * 2012-03-06 2013-09-18 北京永瀚星港生物科技股份有限公司 辅助疾病检测的系统及方法
CN103908256A (zh) * 2013-01-02 2014-07-09 三星电子株式会社 用于支持多参数图像的获取的设备和方法
CN104166667A (zh) * 2013-05-17 2014-11-26 株式会社日立制作所 分析系统以及保健事业支援方法
CN104462857A (zh) * 2014-12-30 2015-03-25 天津迈沃医药技术有限公司 基于矩阵的疾病程度区分及检验项目的自我分析方法
CN104657579A (zh) * 2013-11-20 2015-05-27 株式会社东芝 医用信息处理装置、医用信息处理方法及图像诊断系统
CN104823211A (zh) * 2012-11-30 2015-08-05 富士胶片株式会社 医疗检查结果显示装置、其工作方法及程序
CN109087704A (zh) * 2018-08-25 2018-12-25 张英华 中医人工智能诊疗系统的软件编制方法及使用方法
CN109427420A (zh) * 2017-08-31 2019-03-05 谷歌有限责任公司 诊断有效性工具
CN110742578A (zh) * 2018-07-24 2020-02-04 湖南花猫博士医疗科技有限公司 压疮评估方法、装置以及系统
CN110752040A (zh) * 2018-07-24 2020-02-04 湖南花猫博士医疗科技有限公司 护理措施生成方法、装置及系统
CN110751993A (zh) * 2018-07-24 2020-02-04 湖南花猫博士医疗科技有限公司 护理措施执行方法、装置以及系统
CN110752014A (zh) * 2018-07-24 2020-02-04 湖南花猫博士医疗科技有限公司 压疮病人管理方法、装置及系统

Families Citing this family (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2702408C (en) * 2007-10-12 2019-08-06 Patientslikeme, Inc. Self-improving method of using online communities to predict health-related outcomes
KR20110090919A (ko) 2008-10-10 2011-08-10 카디오배스큘러 디시젼 테크놀로지스, 인코포레이티드 위험 평가 및 진단을 위해 적용된 복잡성 과학 및 전문 지식을 사용한 의료 데이터의 자동 관리
JP5176942B2 (ja) * 2008-12-25 2013-04-03 オムロン株式会社 特徴抽出装置
EP2399236A4 (en) * 2009-02-23 2014-07-09 Gen Electric MULTISENSORY MEDICAL SYSTEM OF A PLACE OF INTERVENTION AND METHOD
JP5446383B2 (ja) * 2009-03-30 2014-03-19 富士通株式会社 利用支援プログラム、該装置、及び該方法
EP2430574A1 (en) 2009-04-30 2012-03-21 Patientslikeme, Inc. Systems and methods for encouragement of data submission in online communities
WO2011045699A1 (en) * 2009-10-14 2011-04-21 Koninklijke Philips Electronics N.V. Method and system for facilitating data entry for an information system
JP5450556B2 (ja) * 2011-10-14 2014-03-26 富士フイルム株式会社 診療情報処理装置および方法並びにプログラム
EP2613278A2 (en) * 2011-12-05 2013-07-10 Koninklijke Philips Electronics N.V. Retroactive extraction of clinically relevant information from patient sequencing data for clinical decision support
JP6494935B2 (ja) * 2014-07-09 2019-04-03 キヤノンメディカルシステムズ株式会社 検査情報提供装置
ITMI20142149A1 (it) * 2014-12-16 2016-06-16 L I A Di Giuseppe Capasso Apparato di diagnosi differenziale in medicina adattato per determinare la sequenza di test ottimale atta ad identificare una patologia secondo criteri di appropriatezza diagnostica
JP6692639B2 (ja) * 2015-12-25 2020-05-13 ヤフー株式会社 算出装置、算出方法及び算出プログラム
JP6786066B2 (ja) * 2016-10-07 2020-11-18 富士通株式会社 家系図作成支援プログラム、家系図作成支援方法、及び家系図作成支援装置
JP6280997B1 (ja) 2016-10-31 2018-02-14 株式会社Preferred Networks 疾患の罹患判定装置、疾患の罹患判定方法、疾患の特徴抽出装置及び疾患の特徴抽出方法
JP2018124702A (ja) * 2017-01-31 2018-08-09 株式会社教育ソフトウェア 病因分析装置および疾病予測装置
KR101881731B1 (ko) * 2018-02-27 2018-07-25 한국과학기술정보연구원 기계 학습을 통한 치매 예측용 데이터 처리 장치 및 그 방법, 이를 수록한 기록 매체
JP2021519479A (ja) * 2018-03-19 2021-08-10 アンブリー ジェネティクス コーポレーションAmbry Genetics Corporation 遺伝子検査とゲノム検査を識別するための人工知能と機械学習プラットフォーム
US11894139B1 (en) 2018-12-03 2024-02-06 Patientslikeme Llc Disease spectrum classification
JP2020185382A (ja) * 2019-05-10 2020-11-19 キヤノンメディカルシステムズ株式会社 診断支援装置
EP4109457A4 (en) * 2020-03-31 2023-11-01 Nippon Telegraph And Telephone Corporation DEVICE FOR DETERMINING A CLINICAL EXAMINATION ELEMENT, DEVICE FOR SUPPORTING HEALTHY BEHAVIOR, METHOD FOR DETERMINING A CLINICAL EXAMINATION ELEMENT, METHOD FOR SUPPORTING HEALTHY BEHAVIOR AND COMPUTER PROGRAM

Family Cites Families (15)

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

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102488530A (zh) * 2011-11-16 2012-06-13 深圳市理邦精密仪器股份有限公司 一种产科超声检测方法及系统
CN103310081A (zh) * 2012-03-06 2013-09-18 北京永瀚星港生物科技股份有限公司 辅助疾病检测的系统及方法
US10685412B2 (en) 2012-11-30 2020-06-16 Fujifilm Corporation Medical test result display device and method for operating the same
CN104823211A (zh) * 2012-11-30 2015-08-05 富士胶片株式会社 医疗检查结果显示装置、其工作方法及程序
CN103908256B (zh) * 2013-01-02 2019-05-31 三星电子株式会社 用于支持多参数图像的获取的设备和方法
CN103908256A (zh) * 2013-01-02 2014-07-09 三星电子株式会社 用于支持多参数图像的获取的设备和方法
CN104166667A (zh) * 2013-05-17 2014-11-26 株式会社日立制作所 分析系统以及保健事业支援方法
CN104166667B (zh) * 2013-05-17 2018-04-20 株式会社日立制作所 分析系统以及保健事业支援方法
CN104657579A (zh) * 2013-11-20 2015-05-27 株式会社东芝 医用信息处理装置、医用信息处理方法及图像诊断系统
CN104462857B (zh) * 2014-12-30 2018-09-07 天津迈沃医药技术股份有限公司 基于矩阵的疾病程度区分及检验项目的自我分析平台
CN104462857A (zh) * 2014-12-30 2015-03-25 天津迈沃医药技术有限公司 基于矩阵的疾病程度区分及检验项目的自我分析方法
CN109427420A (zh) * 2017-08-31 2019-03-05 谷歌有限责任公司 诊断有效性工具
CN109427420B (zh) * 2017-08-31 2022-10-14 谷歌有限责任公司 诊断有效性工具
US11488712B2 (en) 2017-08-31 2022-11-01 Google Llc Diagnostic effectiveness tool
CN110742578A (zh) * 2018-07-24 2020-02-04 湖南花猫博士医疗科技有限公司 压疮评估方法、装置以及系统
CN110752040A (zh) * 2018-07-24 2020-02-04 湖南花猫博士医疗科技有限公司 护理措施生成方法、装置及系统
CN110751993A (zh) * 2018-07-24 2020-02-04 湖南花猫博士医疗科技有限公司 护理措施执行方法、装置以及系统
CN110752014A (zh) * 2018-07-24 2020-02-04 湖南花猫博士医疗科技有限公司 压疮病人管理方法、装置及系统
CN109087704A (zh) * 2018-08-25 2018-12-25 张英华 中医人工智能诊疗系统的软件编制方法及使用方法

Also Published As

Publication number Publication date
JP5038671B2 (ja) 2012-10-03
US8315883B2 (en) 2012-11-20
JP2008077603A (ja) 2008-04-03
US20080076976A1 (en) 2008-03-27

Similar Documents

Publication Publication Date Title
CN101169863A (zh) 检查项目选定装置、检查项目选定方法及检查项目选定程序
US11664097B2 (en) Healthcare information technology system for predicting or preventing readmissions
US8949082B2 (en) Healthcare information technology system for predicting or preventing readmissions
JP5054984B2 (ja) 個別健康指導支援システム
JP6496876B1 (ja) 問診システム及びそのプログラム
US7805385B2 (en) Prognosis modeling from literature and other sources
US7844560B2 (en) Personalized prognosis modeling in medical treatment planning
Wu et al. Predicting future functional status for seriously ill hospitalized adults: the SUPPORT prognostic model
US7917377B2 (en) Patient data mining for automated compliance
US5937387A (en) System and method for developing and selecting a customized wellness plan
US20110295621A1 (en) Healthcare Information Technology System for Predicting and Preventing Adverse Events
US20120065987A1 (en) Computer-Based Patient Management for Healthcare
CN105260588A (zh) 一种健康守护机器人系统及其数据处理方法
JP5727706B2 (ja) 生活習慣改善支援システム、生活習慣改善支援方法及びプログラム
CN111475713A (zh) 医生信息推荐方法、装置、电子设备、系统及存储介质
JP5843978B2 (ja) 地域医療連携システム
JP2007257565A (ja) 保健事業支援システム
CN112528009A (zh) 生成用户慢病调理方案的方法、装置及计算机可读介质
CN111863223B (zh) 医疗卫生服务的推荐方法、系统、电子设备及存储介质
WO2009083886A1 (en) Presenting patient relevant studies for clinical decision making
JP2000271091A (ja) 健康管理システム
Tierney et al. a pragmatic approach to constructing a minimum data set for care of patients with HIV in developing countries
KR102342770B1 (ko) 질병 예측치의 분포를 이용한 건강관리 상담 시스템
JP2009031900A (ja) 健診データ処理装置
JP2011134106A (ja) 医療情報収集システム、医療情報収集処理方法及び医療情報収集画面表示制御方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C41 Transfer of patent application or patent right or utility model
TA01 Transfer of patent application right

Effective date of registration: 20160712

Address after: Japan Tochigi

Applicant after: Toshiba Medical System Co., Ltd.

Address before: Tokyo, Japan, Japan

Applicant before: Toshiba Corp

Applicant before: Toshiba Medical System Co., Ltd.

RJ01 Rejection of invention patent application after publication

Application publication date: 20080430

RJ01 Rejection of invention patent application after publication