CN115699192A - 检查引导服务服务器和检查引导方法 - Google Patents
检查引导服务服务器和检查引导方法 Download PDFInfo
- Publication number
- CN115699192A CN115699192A CN202180004018.7A CN202180004018A CN115699192A CN 115699192 A CN115699192 A CN 115699192A CN 202180004018 A CN202180004018 A CN 202180004018A CN 115699192 A CN115699192 A CN 115699192A
- Authority
- CN
- China
- Prior art keywords
- examination
- risk
- unit
- service server
- subject
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000007689 inspection Methods 0.000 title claims description 67
- 208000037062 Polyps Diseases 0.000 claims abstract description 137
- 238000005406 washing Methods 0.000 claims abstract description 6
- 230000006872 improvement Effects 0.000 claims description 96
- 230000009467 reduction Effects 0.000 claims description 26
- 238000012937 correction Methods 0.000 claims description 19
- 238000002360 preparation method Methods 0.000 claims description 16
- 230000000694 effects Effects 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 7
- 230000004048 modification Effects 0.000 claims description 7
- 238000012986 modification Methods 0.000 claims description 7
- 238000001839 endoscopy Methods 0.000 abstract description 48
- 230000006399 behavior Effects 0.000 abstract description 3
- 206010010774 Constipation Diseases 0.000 description 188
- 230000036541 health Effects 0.000 description 56
- 238000007726 management method Methods 0.000 description 41
- 238000004891 communication Methods 0.000 description 39
- 238000012545 processing Methods 0.000 description 24
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 22
- 239000000463 material Substances 0.000 description 21
- 238000013473 artificial intelligence Methods 0.000 description 19
- 238000013528 artificial neural network Methods 0.000 description 18
- 230000006870 function Effects 0.000 description 18
- 235000005911 diet Nutrition 0.000 description 16
- 230000008569 process Effects 0.000 description 15
- 235000006694 eating habits Nutrition 0.000 description 14
- 238000003745 diagnosis Methods 0.000 description 13
- 230000008859 change Effects 0.000 description 12
- 230000037213 diet Effects 0.000 description 11
- 238000012790 confirmation Methods 0.000 description 10
- 238000013135 deep learning Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 230000015654 memory Effects 0.000 description 10
- 230000009471 action Effects 0.000 description 9
- 230000013872 defecation Effects 0.000 description 9
- 230000004622 sleep time Effects 0.000 description 8
- 238000004140 cleaning Methods 0.000 description 7
- 235000005686 eating Nutrition 0.000 description 7
- 210000001035 gastrointestinal tract Anatomy 0.000 description 7
- 235000013325 dietary fiber Nutrition 0.000 description 6
- 230000003902 lesion Effects 0.000 description 6
- 230000035882 stress Effects 0.000 description 6
- 230000036760 body temperature Effects 0.000 description 5
- 230000037396 body weight Effects 0.000 description 5
- 230000000378 dietary effect Effects 0.000 description 5
- 239000003814 drug Substances 0.000 description 5
- 229940079593 drug Drugs 0.000 description 5
- 210000002429 large intestine Anatomy 0.000 description 5
- 239000008141 laxative Substances 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 230000002093 peripheral effect Effects 0.000 description 5
- 210000002784 stomach Anatomy 0.000 description 5
- 208000008589 Obesity Diseases 0.000 description 4
- 230000001364 causal effect Effects 0.000 description 4
- 230000035622 drinking Effects 0.000 description 4
- 210000000936 intestine Anatomy 0.000 description 4
- 229940125722 laxative agent Drugs 0.000 description 4
- 235000020824 obesity Nutrition 0.000 description 4
- 206010009944 Colon cancer Diseases 0.000 description 3
- 208000001333 Colorectal Neoplasms Diseases 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000036772 blood pressure Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 239000004088 foaming agent Substances 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- 230000002618 waking effect Effects 0.000 description 3
- 208000013738 Sleep Initiation and Maintenance disease Diseases 0.000 description 2
- 235000021120 animal protein Nutrition 0.000 description 2
- 229910052788 barium Inorganic materials 0.000 description 2
- DSAJWYNOEDNPEQ-UHFFFAOYSA-N barium atom Chemical compound [Ba] DSAJWYNOEDNPEQ-UHFFFAOYSA-N 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 239000003599 detergent Substances 0.000 description 2
- 210000003238 esophagus Anatomy 0.000 description 2
- 230000003862 health status Effects 0.000 description 2
- 230000023597 hemostasis Effects 0.000 description 2
- 206010022437 insomnia Diseases 0.000 description 2
- 150000002632 lipids Chemical class 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000006996 mental state Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 238000012502 risk assessment Methods 0.000 description 2
- 239000000932 sedative agent Substances 0.000 description 2
- 230000001624 sedative effect Effects 0.000 description 2
- 238000007086 side reaction Methods 0.000 description 2
- 230000000391 smoking effect Effects 0.000 description 2
- 235000013311 vegetables Nutrition 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 206010002091 Anaesthesia Diseases 0.000 description 1
- 208000017667 Chronic Disease Diseases 0.000 description 1
- 208000001762 Gastric Dilatation Diseases 0.000 description 1
- 208000032843 Hemorrhage Diseases 0.000 description 1
- 208000031361 Hiccup Diseases 0.000 description 1
- 206010020751 Hypersensitivity Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 208000025865 Ulcer Diseases 0.000 description 1
- 206010052428 Wound Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 208000030961 allergic reaction Diseases 0.000 description 1
- 230000037005 anaesthesia Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 208000034158 bleeding Diseases 0.000 description 1
- 230000000740 bleeding effect Effects 0.000 description 1
- 238000004159 blood analysis Methods 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000010411 cooking Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 235000020805 dietary restrictions Nutrition 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000007794 irritation Effects 0.000 description 1
- 230000002475 laxative effect Effects 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 229910052749 magnesium Inorganic materials 0.000 description 1
- 239000011777 magnesium Substances 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 235000021274 meat intake Nutrition 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 235000021049 nutrient content Nutrition 0.000 description 1
- 230000036407 pain Effects 0.000 description 1
- 210000005037 parasympathetic nerve Anatomy 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000002040 relaxant effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000002889 sympathetic effect Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 231100000397 ulcer Toxicity 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
- 230000004584 weight gain Effects 0.000 description 1
- 235000019786 weight gain Nutrition 0.000 description 1
- 230000004580 weight loss Effects 0.000 description 1
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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
提供检查引导服务服务器和检查引导方法,它们能够接受必要的建议以适当地接受内窥镜检查等伴有医疗行为的检查、临床检查。按照来自被检者终端的信息,判定被检者接受内窥镜检查时的检查风险(S11),根据该检查风险的判定结果,在到内窥镜检查为止的期间内生成经时建议,将该经时建议发送到被检者终端(S13)。上述检查风险是清洗风险和息肉风险中的至少一方。
Description
技术领域
本发明涉及检查引导服务服务器和检查引导方法,针对接受内窥镜检查等伴有医疗行为的检查、临床检查的被检者,能够在到实际接受检查为止的期间内提供适当的引导。
背景技术
在医疗设施中准备多个检查装置,根据患者、被检者的检查项目来准备适当的内窥镜,该内窥镜被用于检查。该情况下,必须考虑内窥镜等的清洗状态以及消耗状态、老化状态等来设定用于在良好状态下使用内窥镜的时间表。因此,在专利文献1中,提出了在内窥镜检查业务中适当地进行调度的内窥镜检查业务辅助系统。
现有技术文献
专利文献
专利文献1:日本特开2017-113082号公报
发明内容
发明要解决的课题
所述专利文献1记载了内窥镜检查业务辅助系统在医疗设施内适当地进行内窥镜检查业务的调度的技术,但是,没有记载在医疗设施中用于供接受检查的被检者接受适当检查的建议等辅助。在实际的医疗现场,存在在被检者来医院之前服用泻药进行肠道清洗等、各种在被检者来医院之前必须做的事情。因此,通过包含这些事情在内进行控制,能够接受适当的检查。如果存在与检查前的处置药的服用、以及直到来医院为止的身体状况管理等有关的建议,则被检者也能够安心地接受检查。
本发明是鉴于这种情况而完成的,其目的在于,提供检查引导服务服务器和检查引导方法,能够接受必要的建议以适当地接受内窥镜检查等伴有医疗行为的检查、临床检查。
用于解决课题的手段
为了实现上述目的,第1发明的检查引导服务服务器具有:风险判定部,其按照来自被检者终端的信息,判定被检者接受内窥镜检查时的检查风险;建议生成部,其根据上述检查风险的判定结果,在到上述内窥镜检查为止的期间内生成经时建议;以及发送部,其将上述经时建议发送到上述被检者终端。
第2发明的检查引导服务服务器在上述第1发明中,关于上述经时建议,根据目标时间表和上述检查风险来切换多个建议。
第3发明的检查引导服务服务器在上述第1发明中,关于上述经时建议,按照上述检查风险的改善来判定上述经时建议的效果,切换多个建议。
第4发明的检查引导服务服务器在上述第1发明中,所述检查引导服务服务器具有风险降低提案部,该风险降低提案部在上述风险判定部判定为在接受上述检查时检查风险较高时,生成改善上述检查风险的改善建议,在上述建议部生成上述经时建议时,包含上述改善建议。
第5发明的检查引导装置在上述第4发明中,所述检查引导服务服务器具有进行检查时间表提案的时间表提案部,该时间表提案部在被检者的上述检查风险降低的状态下,生成与上述检查风险降低之前不同的建议。
第6发明的检查引导装置在上述第5发明中,上述时间表提案部提议上述检查风险降低的时期作为上述内窥镜检查受诊时期。
第7发明的检查引导装置在上述第5发明中,上述时间表提案部能够根据检查设施的状况选择性地提议多个候选,作为上述检查风险降低的时期。
第8发明的检查引导装置在上述第1发明中,上述风险判定部根据上述被检者的资料和与生活习惯有关的信息判定上述检查风险。
第9发明的检查引导装置在上述第1发明中,上述检查风险是与上述内窥镜检查有关的从准备到完成为止的时间的变动变高的风险。
第10发明的检查引导装置在上述第1发明中,上述检查风险是清洗风险和息肉风险中的至少一方。
在第11发明的检查引导方法中,按照来自被检者终端的信息,判定有无被检者接受临床检查时的检查风险,根据上述检查风险的判定结果,在到上述临床检查为止的期间内生成经时建议,将上述经时建议发送到上述被检者终端。
第12发明的便携终端具有:用户信息取得部,其取得便携终端用户的资料信息和生活习惯信息;判定部,其根据上述生活习惯信息判定生活习惯的修正点,以减少将来接受特定的临床检查时产生的制约;以及显示部,其显示由上述判定部判定出的上述修正点。
在第13发明的便携终端的控制方法中,取得便携终端用户的资料信息和生活习惯信息,根据上述生活习惯信息判定生活习惯的修正点,以减少将来接受特定的临床检查时产生的制约,能够传递判定出的上述修正点。
发明效果
根据本发明,能够提供检查引导服务服务器和检查引导方法,它们能够接受必要的建议以适当地接受内窥镜检查等伴有医疗行为的检查、临床检查。
附图说明
图1是示出本发明的第1实施方式的内窥镜检查辅助系统的结构的框图。
图2是示出本发明的第1实施方式的内窥镜检查辅助系统的服务服务器中的动作的流程图。
图3是示出本发明的第1实施方式的内窥镜检查辅助系统的服务服务器中的检查时期引导显示的动作的流程图。
图4是示出本发明的第2实施方式的内窥镜检查辅助系统的结构的框图。
图5是示出本发明的第2实施方式的内窥镜检查辅助系统的服务服务器中的动作的流程图。
图6是示出本发明的第2实施方式的内窥镜检查辅助系统的服务服务器中的检查时期引导显示的动作的流程图。
图7是示出本发明的第1和第2实施方式的内窥镜检查辅助系统中的便秘预测AI的动作的流程图。
图8是示出本发明的第1和第2实施方式的内窥镜检查辅助系统中的息肉预测AI的动作的流程图以及用户终端中的引导显示。
图9是示出本发明的第1和第2实施方式的内窥镜检查辅助系统中的便秘改善时期预测AI的动作的流程图。
图10是示出使用本发明的第1和第2实施方式的内窥镜检查辅助系统预测便秘改善时期时、被检者的状况的一例的图。
图11是示出使用本发明的第1和第2实施方式的内窥镜检查辅助系统判定便秘风险时的判定方法的图表。
图12A是示出在使用本发明的第1和第2实施方式的内窥镜检查辅助系统判定便秘风险时考虑了年龄的分数的图。
图12B是示出在使用本发明的第1和第2实施方式的内窥镜检查辅助系统判定便秘风险时考虑了1天的平均步数的分数的图。
图12C是示出在使用本发明的第1和第2实施方式的内窥镜检查辅助系统判定便秘风险时考虑了水分摄取量的分数的图。
图12D是示出在使用本发明的第1和第2实施方式的内窥镜检查辅助系统判定便秘风险时考虑了睡眠时间的分数的图。
图12E是示出在使用本发明的第1和第2实施方式的内窥镜检查辅助系统判定便秘风险时考虑了脉搏(压力)的分数的图。
图13是示出使用本发明的第1和第2实施方式的内窥镜检查辅助系统判定息肉风险时的判定方法的图表。
图14是示出使用本发明的第1和第2实施方式的内窥镜检查辅助系统判定息肉风险时、BMI与息肉风险的关系的曲线图。
具体实施方式
下面,作为本发明的实施方式,对将本发明应用于可能存在检查前的准备、检查中的医疗行为的内窥镜检查辅助系统的例子进行说明。在大肠内窥镜检查中,为了检查大肠,饮用肠道的清洗剂,在清洗到大肠后接受检查,因此,在本实施方式中,主要说明进行肠道清洗的情况。当然,本发明不限于内窥镜检查,还能够应用于其他临床检查、伴有医疗行为的检查。首先,使用图1~图3对第1实施方式的内窥镜检查辅助系统进行说明。图1是示出第1实施方式的内窥镜检查辅助系统的整体结构的框图。该内窥镜检查辅助系统由服务服务器10、用户终端20和院内系统30、35构成。
服务服务器10能够通过互联网等通信网而与用户等使用的用户终端20和在医疗设施内供医务人员等使用的院内系统30、35连接,能够向用户等提供各种服务。服务服务器10具有CPU(Central Processing Unit:中央处理单元)等处理装置、存储有程序的存储器和其他周边电路,具有控制部11、通信部12、时间表管理部13、便秘/息肉风险判定部14、风险降低提案部15、医院方针确认部16、时间预测部17和检查结果记录部18。另外,时间表管理部13、便秘/息肉风险判定部14、风险降低提案部15、医院方针确认部16和时间预测部17可以通过硬件电路等实现,此外,也可以通过具有控制部11的处理器执行存储器中存储的程序来实现。
控制部11对服务服务器10的整体进行控制。控制部11由具有CPU等处理装置和存储有程序的存储器等的1个或多个处理器构成,通过执行程序,能够对服务服务器10内的各部进行控制。
通信部12具有设置于周边电路内的通信电路(包含发送电路和接收电路),能够与用户终端20、院内系统30、35内的各通信部进行通信。作为通信,例如在风险降低提案部15生成了改善建议时,向用户终端20发送改善建议。通信部12作为将经时建议发送到上述被检者终端的发送部发挥功能(例如参照图2的S13)。
时间表管理部13在用户(被检者)接受内窥镜检查时,进行到检查日为止的期间内的各种时间管理。例如,进行是否存在用户接受检查的时机的管理(参照图2的S9))、从进行检查的预约到实际接受检查为止的管理(例如参照图2的S15、图3)。此外,时间表管理部13在通过风险降低提案部15提议的改善建议而使检查风险(便秘风险、息肉风险)降低的情况下,能够根据该降低的时期进行检查日的提案(参照图2的S15)。例如,关于内窥镜检查,时间表管理部13包含与检查有关的从准备到完成为止的时间、医院或检查机构的空闲时间等在内来进行时间表调整。对于在意检查所花费的劳力和时间的用户来说,与内窥镜检查有关的从准备到完成为止的时间例如可以设为从预约时点到处置后的出院为止的时间,此外,也可以设为从在预约结束后且检查开始前进行饮食限制并开始使用肠道清洗剂等的时点到当天的检查结束并离开医院为止的时间。此外,除此以外,例如,在化验大便时,有时存在根本不能排出大便的状况,此外,在血液检查时,有时用于满足空腹时等条件的时间表调整很复杂。本实施方式的时间表管理部13还能够应用于这些检查的时间表管理。
这样,时间表管理从预约起发挥功能,由此,能够从检查前的早期阶段进行建议,能够进行合理的到检查为止的身体状况管理、调整。此外,具有如下优点:如果是预约时机,则在此进行合同性手续,因此,能够顺便同时完成对改变建议的细致度、时机的细致度、建议的期间(可能到来年的定期检查为止)等的程序进行选择的手续。但是,如果该程序选择的手续与花费很多时间的身体状况调整无关,则也可以不在预约的时机进行,而在实际的检查的几天之前进行。
时间表管理部13作为进行检查时间表提案的时间表提案部发挥功能(例如参照图2的S15)。该时间表提案部具有在被检者接受检查时提议适当的时间表的功能。关于健康诊断等,有时存在被确定的时机而被推荐在该时机受诊,此外,有时被检者苦恼地确定受诊,被检者感到压力的状况较多。因此,考虑被检者的状况,时间表提案部在被检者的检查风险降低的状态下,生成与检查风险降低之前不同的建议(例如参照图2的S15)。时间表提案部提议检查风险(这里的“风险”假设为花费时间等,也写作检查时间风险)降低的时期作为内窥镜检查受诊时期(例如参照图2的S15)。此外,时间表提案部能够根据检查设施的状况,选择性地提议多个候选作为检查风险降低的时期。被检者的方便的时期有时根据状况而变化,此外,医疗设施侧的预约状况也根据时期而变化,有时多个设施成为候选。因此,时间表管理部13能够考虑这些来选择被检者和医疗设施侧匹配的多个候选。
便秘/息肉风险判定部14判定用户(被检者)接受检查时的便秘、息肉等的检查风险。在接受大肠等的内窥镜检查时,需要在检查前服用泻药并对肠道内进行清洗,但是,根据被检者,有时由于便秘而比通常花费时间。此外,在检查中发现了息肉的情况下,在对息肉进行处置时,花费时间,有时检查时间变长(检查风险、检查时间风险)。如果预先得知这种风险,则能够进行各种应对。因此,便秘/息肉风险判定部14判定被检者便秘的可能性、发现息肉的可能性。另外,也可以在便秘/息肉风险判定部14内设置推理引擎并生成推理模型,此外,也可以使用生成的推理模型进行推理。
便秘/息肉风险判定部14作为如下的风险判定部(或者也可以表现为风险时间判定部)发挥功能:按照来自被检者终端的信息,判定有无被检者接受内窥镜检查时的检查风险(例如参照图2的S7、S11)。风险判定部根据被检者的资料和与生活习惯有关的信息判定检查风险(例如参照图2的S3~S7)。检查风险是与内窥镜检查有关的从准备到完成为止的时间的变动变高的风险。这里,从准备到完成包含检查的预约、检查前的饮食的变更、检查前的肠道清洗等准备、朝向医院的移动(还包含在移动中去往卫生间而使时间变动的风险)、医院的拥挤状况、医院的内窥镜检查室的使用状况、被检者接受检查之前的其他被检者的检查时间的变动、检查实施后的听取结果的时间、检查实施后的恢复(使用了镇静剂的情况、实施了处置的情况等)的时间、医院的结账等、从被检者要接受检查而进行动作到检查完成并离开医院为止的期间。在接受内窥镜检查时,作为被检者,大多无法预测结束时刻,但是,通过考虑与内窥镜检查有关的从准备到完成为止的时间的变动,能够预测结束时刻。检查风险是清洗风险和息肉风险中的至少一方。
风险降低提案部15在便秘/息肉风险判定部14判定为存在便秘的风险、息肉的风险的情况下,输出用于降低这些风险(由于这些原因而花费检查时间、无法顺利受诊的风险等)的建议(例如参照图2的S13)。该建议可以成为在从被检者最初接受建议并开始改善生活习惯、饮食习惯到实际的检查日为止的期间内与时期对应的建议。
风险降低提案部15作为如下的建议生成部发挥功能:根据检查风险的判定结果,在到内窥镜检查为止的期间内生成经时建议(参照图2的S13)。风险降低提案部15还作为如下的风险降低提案部发挥功能:在风险判定部判定为在接受检查时检查风险比规定值高时,生成改善检查风险的改善建议(例如参照图2的S13)。如图12A~图12E等所示,检查风险被数值化,在该数值比规定值高的情况下,提供改善建议即可。在建议部生成经时建议时,包含改善建议(例如参照图2的S13)。
医院方针确认部16确认医院的方针。在被检者在医院接受内窥镜检查时,各医疗设施中的方针未必相同。例如,在医疗设施中,检查的开始、结束时刻、要使用的泻药、息肉发现时的处置方针等有时不同。因此,医院方针确认部16确认各医疗设施的方针,预先记录该方针。在确认该方针时,医院方针确认部16也可以通过通信部12与院内系统30、35进行通信,取得各医疗设施的方针。此外,也可以通过互联网取得各医疗设施的主页揭示的事项。在利用这些方法无法取得医疗设施的方针的情况下,也可以手动输入。此外,也可以基于特定的规则,按照设备、麻醉、泻药、处置、诊疗时间、医生的资料和技能、思路等每个项目汇总而数据库化,在该数据库中加入方针等。
时间预测部17预测被检者接受检查为止所需要的时间。例如,预测服用用于对肠道内进行清洗的泻药到下一次服用泻药为止的时间,此外,预测大约何时能够进行检查等。在被检者存在便秘风险的情况下,预测出比通常花费时间等(参照图2的S15)。该情况下,预测大约何时便秘风险减轻而适合于接受检查。此外,该时期的预测使用图9在后面叙述。
检查结果记录部18包含能够对数据进行电改写的非易失性存储器,在被检者在医院结束了内窥镜检查等检查的情况下,在记录部中记录该检查结果。
在本实施方式中,院内系统30和院内系统35设置于同一医院内,在其他医院内也同样设置有多个院内系统。设置于同一医院内的院内系统30、35中的一方是与医生/护士等使用的便携终端、PC(个人计算机)连接而用于交换各种信息的系统,另一方是与事务管理部门、调剂部门等从事者使用的便携终端、PC连接而用于交换各种信息的系统。如果在同一医院内存在3个以上的系统,则当然可以设置3个以上的院内系统,此外,也可以汇总成一个。此外,在院内系统中具有对医院的经营方针、专业领域、诊察时间、房间结构、拥有的装置/设备、医生、护士、医务人员的技能和资料等进行输入的装置、进行整理并记录的装置,控制部负责输入结果的整理、记录等。
时间表等也由院内系统来管理。管理并记录患者、来访者利用窗口、电话、邮件等在哪个时间预约了哪个房间、装置;哪个医生、医务人员进行应对。通过预先设置这种结构,能够取得哪个医院、检查机构能够在哪个时机接收患者这样的信息。例如,在内窥镜检查的情况下,需要在检查前进行绝食或用于清空肠内的预处置,还存在其劳力和时间、日常生活的预定的调整,在想做的当天不能立即检查。因此,必须与想做的日子之后的日子的检查设施的情况等进行匹配。但是,在检查日的前几天就考虑到检查来进行身体状况管理等自我管理是很难的,因此,本实施方式这种引导是有效的。此外,在本实施方式中,设想预先准备数据库,该数据库中与到检查日为止的时间信息等一并记录有在什么样的检查中需要什么样的准备和预处置、检查前后的注意事项等。当然,关于该数据库,只要能够参照位于系统外的内容并对用户进行提示即可。
院内系统30、35内的控制部31、36在各院内系统30、35内对整体进行控制。控制部31、36具有CPU等处理装置、存储有程序的存储器等,能够执行程序,对各院内系统内的各部进行控制。此外,控制部31、36也可以使同一医院内的院内系统30、35协作动作。
时间表管理部32、37进行各个院内系统中的便携终端、PC的使用者(医生、护士、药剂师、检查技师、事务员等)的时间表管理。在该时间表管理时,与服务服务器10内的时间表管理部13协作,与被检者的检查时间表(包含检查前~检查当时~检查后)联动地进行管理。通过该联动,与医院业务的时间表的空闲的时机匹配地,向被检者提供来院的推荐时期、时间段等作为引导信息,还能够进行建议检查中附带的注意事项、准备项目等这样的时间表调整。
通信部33、38具有设置于周边电路内的通信电路(包含发送电路和接收电路),能够与服务服务器10、其他院内系统30、35内的各通信部进行通信。
用户终端20可以是被检者使用的PC,但是,在本实施方式中,设想智能手机等便携终端来进行说明。如果是便携终端,则由被检者携带,因此,容易收集与生活习惯有关的信息。在用户终端20内设置有控制部21、通信部22、时钟部23、生活习惯取得部24、UI(UserInterface:用户界面)部25。另外,时钟部23、生活习惯取得部24可以通过硬件电路等实现,此外,也可以通过控制部21执行存储器中存储的程序来实现。
控制部21对用户终端20的整体进行控制。控制部21由具有CPU等处理装置和存储有程序的存储器等的1个或多个处理器构成,能够执行程序,对用户终端20内的各部进行控制。此外,便秘风险、息肉风险的判定在服务服务器10内的便秘/息肉风险判定部14中进行,但是,也可以预先在控制部21内设置推理引擎,对便秘风险、息肉风险等进行推理。控制部21作为如下的判定部发挥功能:根据生活习惯信息判定生活习惯的修正点,以减少将来接受特定的临床检查时产生的制约(例如参照图2的S11)。即,在被检者抱有便秘风险、息肉风险等检查风险时,产生在检查时花费时间等制约。因此,被检者通过采取消除便秘这样的饮食习惯等修正生活习惯,能够减少上述制约。另外,该修正点的判定可以由控制部21单独进行,此外,也可以与服务服务器10内的控制部21、风险降低提案部15等各部协作来进行。
通信部22具有设置于周边电路内的通信电路(包含发送电路和接收电路),能够与服务服务器10内的通信部进行通信。能够通过通信部22而与服务服务器10进行时间表管理、便秘/息肉风险判定、风险降低的建议、时间预测等各种信息的交换。此外,在用户终端22中存储有用户的资料,此外,生活习惯取得部24取得用户的生活习惯信息,通信部22能够将这些信息发送到外部。因此,通信部22作为发送便携终端用户的资料信息和生活习惯信息中的至少任意一方的信息发送部发挥功能。时钟部23具有日历功能和计时功能,能够输出当前时点的日期时间信息。
生活习惯取得部24取得使用用户终端20的被检者的生活习惯。例如,如果利用用户终端20内的GPS(Global Positioning System:全球定位系统)等定位系统、运动传感器等,则能够得知用户的位置、行动,如果在地图上确认位置,则能够取得用户的行动、例如进行慢跑、去健身房进行运动、外出就餐、在办公室运动较少、在自己家里就寝等各种生活习惯。此外,在用户终端20内具有摄像部的情况下,对由摄像部取得的图像进行分析,由此,能够取得面色、饮食内容等各种生活习惯。此外,也可以根据用户在SNS等发表的信息等取得生活习惯。此外,除了自动取得以外,也可以通过针对用户的问卷调查来取得生活习惯,进而,用户也可以通过UI部25直接在用户终端20输入每天的行动等(例如参照图2的S1)。根据生活习惯取得部24中取得的数据判定生活习惯(参照图2的S5)。生活习惯取得部24作为取得便携终端用户的资料信息和生活习惯信息的用户信息取得部发挥功能(例如参照图2的S1~S5)。
UI部25是用于向用户终端20输入信息并输出信息的界面。UI部25具有用于向被检者传递信息的视觉(也包含听觉等)显示部、以及用于供被检者向用户终端20输入信息的输入部(例如包含文本输入部、语音输入部等)。UI部25作为显示由判定部判定出的修正点的显示部发挥功能。在本实施方式中,在服务服务器10中生成改善建议,通过通信部12发送到用户终端20,因此,在UI部25中显示该改善建议(上述修正点)。此外,改善建议等建议不限于视觉显示,只要向被检者传递建议即可。UI部25作为传递由判定部判定出的修正点的传递部发挥功能。另外,改善建议也可以在用户终端20内的控制部21等中生成。
通过构建这种内窥镜检查辅助系统,用户(被检者)能够安心地接受内窥镜等的检查。例如,在得知内窥镜检查需要一整天时,有时认为被检者空出一整天是很为难的。这种情况下,被检者如果使用被安装于用户终端20中的“委托辅助应用”(后述图2所示的检查辅助应用),则能够容易地接受检查。通过使用该应用,还能够接受用于接受检查的必要建议。
此外,如后所述,在被检者存在便秘等导致的清洗风险的情况下(参照图2的S7),进行在服务服务器10内的风险降低提案部15中生成的用于降低便秘等导致的清洗风险的建议(例如参照图2的S13)。进而,还能够显示通过执行改善建议而使接受检查的时期大约成为何时(该预测由服务服务器10内的时间预测部17来进行)(例如参照图2的S15)。即,服务服务器10判定清洗风险,进行与该判定风险对应的改善建议,在被检者执行了改善建议后,再次判定清洗风险,进行与最近的清洗风险对应的改善建议。因此,在本实施方式中,经时地提供改善建议。此外,在本实施方式中,还能够与检查时期匹配地进行内窥镜检查的预约(例如参照图2的S19)。
接着,使用图2所示的流程图对检查辅助应用软件的动作进行说明。服务服务器10内的控制部11与用户终端20内的控制部21协作,对服务服务器10内的各部进行控制,进而与院内系统20、35协作,由此实现基于该检查辅助应用的动作。
在图2所示的检查辅助应用的动作开始后,首先,进行问卷调查显示,判定输入(S1)。这里,控制部11通过通信部12使用户终端20的UI部25显示用于输入被检者的信息、接受检查时所需要的被检者的健康状态等的画面。例如,也可以输入排便的倾向、饮食的量、生活的规律性、运动量等,用于便秘风险的判定。被检者在该画面中输入问卷调查事项后,控制部21将输入事项发送到服务服务器10,服务服务器10判定接收内容,此外,在记录部中记录判定事项。作为问卷调查,也可以包含被检者的姓名、性别、年龄、既往病历、过去的检查历史等。
此外,作为问卷调查中的输入事项,也可以包含用于接受内窥镜检查的信息。例如,也可以包含被检者在检查日是否驾车回家。在检查时使用了镇静剂的情况下,推荐不要驾车回家。此外,也可以输入希望回家时刻。该情况下,以在希望回家时刻之前结束检查的方式进行时间表管理即可。此外,也可以设为能够记入被检者下午休假因此希望该时间段等、与接受检查的时间段有关的希望。该情况下,根据希望来管理时间表即可。该步骤中输入的事项在步骤S15、S19中进行匹配。
此外,关于问卷调查,可以如上所述由用户输入,也可以从服务器取得过去的问诊结果等。在从服务器取得的情况下,从保护个人信息的观点来看,优选预先得到用户的同意,或者在紧前要求用户同意。
接着,判定资料(S3)。这里,控制部11根据步骤S1中的问卷调查结果、用户终端20内的记录部中记录的用户的资料信息来判定被检者的资料。因此,控制部11可以从用户终端20接受资料信息的提供。作为资料,包含被检者的姓名、性别、年龄等基本信息,进而,也可以还包含既往病历、过去的问诊结果等医疗关联信息。
接着,判定生活习惯(S5)。这里,控制部11判定用户终端20的用户的生活习惯。关于该判定,控制部21根据用户终端20内的生活习惯取得部24收集到的用户的生活习惯信息进行判定。生活习惯取得部24例如也可以根据用户“现在起床”、“现在吃饭”、“○○应该没吃”、“现在排便”、“现在回家”等在SNS念叨的事项、由传感器取得的事项进行判定。
接着,对便秘风险和息肉风险进行监视(S7)。在接受大肠内窥镜检查的情况下,在服用泻药进行肠道清洗后接受检查。具有便秘症状的被检者以通常的泻药的量可能无法进行充分的肠道清洗,肠道清洗所需要的时间可能变长,为了进行接受检查所需要的充分的肠道清洗,需要适当的建议。因此,在该步骤中,便秘/息肉风险判定部14根据步骤S3中判定出的被检者的资料、步骤S5中判定出的被检者的生活习惯等,判定被检者是否具有便秘风险。关于该判定,也可以在服务服务器10内的便秘/息肉风险判定部14内设置设定了推理模型的推理引擎来进行推理。该情况下使用的推理模型使用图7在后面叙述。此外,不限于推理,也可以使用资料判定、生活习惯判定(参照S3、S5)中取得的信息逻辑地进行判定。该判定使用图11~图12D在后面叙述。
此外,在步骤S7中,对息肉等病变风险进行监视。在接受了内窥镜检查时,有时发现息肉等病变,进行去除息肉等病变的处置。该情况下,处置花费时间,有时超过被检者预定的时间。因此,优选进行生活习惯的改善以使得不产生息肉等病变风险,通过生活习惯的改善,病变有时消失。因此,在该步骤S7中,控制部21根据步骤S3中判定出的被检者的资料、步骤S5中判定出的被检者的生活习惯等,判定被检者是否具有息肉风险。关于该判定,也可以在服务服务器10内的便秘/息肉风险判定部14内设置设定了推理模型的推理引擎来进行推理。该情况下使用的推理模型使用图8在后面叙述。此外,不限于推理,也可以使用资料判定、生活习惯判定(参照S3、S5)中取得的信息逻辑地进行判定。该判定使用图13和图14在后面叙述。
接着,判定是否是特定时机(S9)。例如,时间表管理部13(也可以是控制部11)根据用户终端20的用户的资料判定结果、生活习惯判定结果等来判定时机。该时机可以是每天,也可以是健康诊断的时期(例如一年1次)。此外,也可以是根据过去的受诊历史等推荐用户接受内窥镜检查等的时机。在成为内窥镜检查的受诊时机时,时间表管理部13使UI部25显示推荐用户接受内窥镜检查的信息。此外,在用户进行了医疗设施等中的预约等且时期临近的情况下,也可以显示该意思。如果步骤S9中的判定结果为不是特定时机,则返回步骤S1。在返回步骤S1后,进行所述资料判定、生活习惯判定,然后,对便秘风险、息肉风险进行监视。因此,每当执行步骤S1~S9时,对上述风险进行监视。
另一方面,如果步骤S9中的判定结果为是特定时机,则判定便秘风险和息肉风险(S11)。如步骤S7中说明的那样,在被检者存在便秘的倾向时,在进行肠道清洗时花费时间。通过生活习惯的改善等,有时便秘状态被改善,因此,在该步骤中,便秘/息肉风险判定部14判定最近的便秘风险。此外,在被检者的肠内存在息肉的情况下,由于该息肉的处置所花费的时间,有时成为超过被检者的预想的检查时间,因此,还判定是否可能存在息肉。关于这些判定,根据步骤S7中的便秘风险和息肉风险的监视结果进行判定。
接着,显示改善建议(S13)。在步骤S9中成为特定时机而进行了便秘风险和息肉风险的判定(参照S11),因此,在该步骤S13中,风险降低提案部15生成基于便秘/息肉风险判定的改善建议,通过通信部12使用户终端20的UI部25进行显示。在便秘风险、息肉风险高的情况下,也可以进行用于降低这些风险的建议。此外,在要接受内窥镜检查时,显示用于缩短检查时间的改善建议。例如,在服务服务器10等中,云医生也可以对被检者显示“您在这里做的话马上结束”这样的建议。
此外,特定时机在后面叙述,但是,有时1天1次或数次,也可以在该时机根据步骤S3和S5中判定出的事项向用户提示改善建议。例如,在判定生活习惯的结果为运动不足的情况下、睡眠时间短的情况下、以及特定的营养成分少的情况下等,也可以进行能够改善健康状态这样的建议。此外,改善建议也可以在从被检者开始改善活动到实际的检查日为止的期间内成为经时而不同的建议。即,可以在改善开始时和刚要接受检查之前,成为与该时期相应的建议。此外,即使不存在便秘/息肉风险,也可以提供在接受检查时知道较好的知识等作为建议。
接着,进行检查时期引导显示(S15)。这里,控制部11与时间表管理部13、便秘/息肉风险判定部14和时间预测部17协作,考虑被检者的期望等之后,显示接受检查的时期。关于该检查时期,在便秘风险、息肉风险低的情况下,检索能够检查的医疗设施的空闲状态,根据该检索结果来进行。另一方面,在便秘风险、息肉风险高的情况下,预测降低这些风险的时期,根据该预测结果进行检查时期的引导显示。例如,在存在便秘风险的被检者的情况下,在通过改善饮食习惯而使便秘风险变低的情况下,也可以在UI部25中进行“由于得到改善,现在预约?”这样的显示。此外,在被检者可能存在息肉的情况下,也可以进行“可能存在息肉,该医院的话,即使不住院也会进行处置,因此,该时期如何?”这样的显示。步骤S15的检查时期引导显示的详细动作使用图3在后面叙述。
另外,根据接受检查的医院的做法、拥挤情况等,检查所花费的时间不同。在该步骤中,控制部11考虑通过通信部12取得的医院的拥挤状况、处置时间、处置方针等,显示检查时期。例如,在希望在短时间内结束处置的情况下、希望检查开始日临近的情况下、希望是利用者的评价高的医院的情况下等,考虑能够实现被检者的期望的医院来显示检查时期。可以在用户终端20的UI部25中显示该检查时期的引导显示。
接着,判定是否进行预约(S17)。在被检者看见检查时期的引导显示并进行预约的情况下,通过用户终端20的UI部25进行预约的意思表示。在该步骤中,控制部11判定被检者是否指示了预约。在不存在预约的意思表示的情况下,返回步骤S1。
另一方面,在步骤S17中存在预约的意思表示的情况下,显示候选机构,执行预约处理(S19)。这里,显示符合步骤S15中显示的检查时期的候选机构(医疗机构等)。即,显示在步骤S15中显示的检查时期附近能够检查的候选机构。针对被检者从该候选机构中选择出的医疗设施,预约内窥镜检查等检查。在服务服务器10内的控制部11接收到被检者的预约的意思表示时,通过通信部12向院内系统30、35的时间表管理部32、37传达预约。如果取得预约,则显示于用户终端20的UI部25。在预约处理完成后,返回步骤S1。
这样,在检查辅助应用的流程中,根据被检者的资料、生活习惯,始终对便秘风险、息肉风险等检查风险进行监视(参照S1~S7)。在存在便秘时,无法简单地清洗肠内,对于内窥镜检查来说是不理想的状况,根本不能进入检查。此外,在存在息肉时,影响内窥镜检查时的处置,在存在息肉时,花费进行切除或进行止血这样的劳力和时间,影响检查时间。即,在存在这些风险时,为了进行检查而被限制的时间变长,此外,在进行息肉去除、止血等处置时,还存在检查后的饮食限制等,对被检者造成压力。当然,对于进行检查的医务人员来说也是同样的。因此,在不是慢性疾病的情况下,可以说在成为没有风险的状态后进行检查对于被检者、医务人员双方来说都是优选的状况。
因此,在本实施方式中,在每年进行的健康诊断等特定的时机,将被检者的身体状况调整为检查压力小的状况,仅稍微错开该时机,在身体状况调整良好的情况下,通过调整医院侧的时间表,就能够在对于被检者、医务人员双方来说都是优选的状况下进行检查。另外,图3的步骤S9中的特定时机也可以根据状况进行变更。例如,在5月进行定期的健康诊断的情况下,多数情况下特定时机在前一个月即4月左右进行预约,因此,4月成为特定时机。然后,当健康诊断的日期时间临近时,为了确认每天的便秘风险等的变化,特定时机成为每周或每天这样的时机。在该特定时机判定风险,并且提供改善建议。
在检查辅助应用的流程中,在基于定期的健康诊断等成为特定时机的时期时,判定便秘风险、息肉风险等检查风险,根据该判定结果向被检者提供用于降低检查风险的改善建议(参照S9~S13)。考虑便秘风险、息肉风险,进行接受内窥镜检查的时期的引导显示(参照S15)。即使当前存在检查风险,通过执行改善建议,也能够在检查风险降低的时期接受检查。在该检查风险降低的时期检索能够检查的医疗设施并进行显示(参照S17、S19)。因此,被检者能够在检查风险变低的时期接受检查。
这样,在步骤S9的特定时机,频繁地提供建议,以使得在检查时(目标时间表)被检者成为最佳的状态(参照S13)。但是,在被检者的状态一点也没改善的情况下,在步骤S11的“便秘/息肉风险判定”中,也可以观察改善的进展情况,并且,在每次用餐、每次应该供水的时机提供建议。在通过这种稳妥的饮食生活的修正而没有改善的情况下,根据通过后述的数值评价出的风险判定的结果的变化的方向、程度进行判定。例如,在一点也没有朝向改善方向、反而恶化的速度快等情况下,也可以立即根据医院的时间表信息进行在方便的时期请医生诊断等建议。即,关于经时建议,使用时间上的风险的变化的方向、速度、程度等的判定,根据以前的上次的风险数值(已记录)与当前的风险数值的差异等进行判定。
例如,在增加水分摄取量的建议没有成为良好结果的情况下,在下次的建议中,可以进一步增加摄取水分量,但是,也可以一并进行运动量、规律的生活与其他同样年龄、性别的人相比如何这样的判定,由此,如果运动不足则督促运动,或者督促规律的就寝。此外,即使进行相同的增加水分摄取量的建议,也可以在被检者早上起床的时机进行建议以使得立即饮水。应该进行这种建议的时机也是上述特定时机。在期限临近、或者没有希望改善的情况下,也可以推荐刺激少的镁系药剂,在这样也没有改善的情况下,也可以提供强力的泻药服用的建议等进行建议的切换。这不依赖于药剂而使自然的饮食生活、运动优先。
这样,经时地确认状况的改善并给出建议,因此,将其称为经时建议。即,关于经时建议,根据目标时间表(时间表是预先具体制定的预定、计划。此外是记载了它们的表。日程。意味着日程表,但是,这里是前者)和检查风险来切换多个建议。根据是尽快服用泻药、还是缓慢地饮食指导,对被检者造成的压力的有无不同。此外,关于经时建议,也可以按照检查风险的改善来判定建议的效果,切换多个建议。关于是否产生建议的效果,可以利用问卷调查来征集回答,也可以利用可穿戴的传感器等对步数计、心跳计等的信息进行分析,通过行动判定来进行判定。
在被检者按照建议进行了行动后没有改善的情况下,也可以按照以特定的规则预先编程的改善对策提供不同的建议。此外,也可以是如下方法:根据被检者或具有与被检者相似资料的人的风险数据变化推断哪种建议最有效果,将其反映到建议中。如后所述,风险存在性别、年龄或遗传等影响,这些很难改善,因此,向降低其他风险原因的方向进行引导。在图12A~图12E中,对这些风险进行数值化,因此,例如能够将其作为参考来进行风险降低。
这样,对用户的便携终端进行所述建议,但是,在着眼于作为信息的入口的便携终端、或显示针对该信息得到的建议的作为信息的出口的便携终端时,本实施方式包含以下这种发明。即,可以说本实施方式包含便携终端这样的发明,该便携终端具有:用户信息取得部(例如参照图1的生活习惯取得部24、图2的S1~S5),其取得便携终端用户的资料信息和生活习惯信息;以及显示部(例如参照图1的UI部25、图2的S11、S13),其显示由修正判定部判定的修正点,该修正判定部针对将来接受特定的临床检查时产生的制约,判定用于减少与该制约对应的生活习惯信息的差异的该修正点,该修正判定部与外部设备协作而存在。在接受临床检查时,在被检者存在风险时,例如在存在便秘风险、息肉风险等时,产生检查花费时间等制约。因此,在本实施方式中,显示用于对产生制约的生活习惯进行修正/改善的修正点/建议。
此外,在其他表现中,包含具有修正判定部的便携终端这样的发明,该修正判定部针对将来接受特定的临床检查时产生的制约,判定用于减少在该时点取得的生活习惯信息与接受上述临床检查方面更好的生活习惯信息(记录理想的生活、平均的生活、检查结果良好的生活的信息,能够进行比较)的差异的修正点。显示部也可以利用语音进行传达,因此,也可以称为传递部。此外,修正判定部也称为建议部,可以在便携终端内内置应用等,该应用等输出建议,应用也可以协作而受到外部设备的支持,云服务也可以具有该功能。
这里,以便携终端的视点进行了说明,但是,上述技术特征当然也存在于进行协作的服务器。本实施方式还包含服务器这样的发明,该服务器的特征在于,该服务器具有:用户信息取得部,其从便携终端取得便携终端用户的资料信息和生活习惯信息;修正判定部,其针对将来接受特定的临床检查时产生的制约,判定用于减少与该制约对应的上述生活信息的差异的修正点;以及发送部,其发送建议信息,以使便携终端能够显示或通知上述修正点。
接着,使用图3所示的流程图对步骤S15(参照图2)中的检查时期引导显示的详细动作进行说明。在检查时期引导显示的流程开始后,首先,判定便秘风险、排便倾向(S21)。这里,便秘/息肉风险判定部14根据步骤S7、S13中的便秘风险的判定结果结果和步骤S5中的生活习惯的判定结果,判定便秘风险和排便的倾向。另外,便秘风险的判定可以逻辑地进行,但是,由于存在各种因子,因此,也可以利用AI(Artificial Intelligence:人工智能)进行推理。利用AI的情况下使用的推理模型的生成使用图7在后面叙述。此外,逻辑地判定便秘风险的方法使用图11和图12A~图12E在后面叙述。
接着,判定是否存在便秘改善的余地(S23)。这里,便秘/息肉风险判定部14(也可以是控制部11)根据步骤S21中的判定结果,判定是否能够改善便秘。例如,根据饮食内容预想食物纤维的摄取量,在食物纤维的量少而成为便秘倾向的情况下,通过增加食物纤维的摄取量,可能能够改善便秘。此外,在水分摄取量少的情况下,同样,通过增加水分摄取量,可能能够改善便秘。进而,在运动量少的情况下,通过增加运动量,也可能能够改善便秘。此外,在压力高的状态(血压高、脉搏快等)持续的情况下,通过放松并维持压力低的状态,可能能够改善便秘。
在步骤S23中的判定结果为不存在便秘的改善的余地的情况下,根据资料、生活习惯,对息肉的可能性进行推理(S25)。这里,便秘/息肉风险判定部14使用步骤S3中判定出的被检者的资料和步骤S5中判定出的生活习惯的信息,推理被检者是否存在息肉。如上所述,在被检者存在息肉的情况下,需要时间以对息肉进行处置,因此,整体的检查时间变长。因此,在该步骤中,推理是否存在息肉。该推理用的推理模型的生成使用图8在后面叙述。息肉风险的判定不限于推理,也可以逻辑地进行判定。逻辑地进行的判定使用图13和图14在后面叙述。
接着,判定是否存在息肉等的改善的可能性(S27)。这里,便秘/息肉风险判定部14(也可以是控制部11)根据步骤S25中的推理结果,判定息肉等是否存在改善的可能性。例如,在持续动物性蛋白质、类脂质多的饮食的情况下,发生息肉等病变的风险高。此外,运动量少的情况也同样。因此,根据生活习惯的特征,通过减少动物性蛋白质、类脂质而较多地摄取蔬菜,或者增加运动量,可能进行改善。
在步骤S23中的判定结果为存在便秘改善的余地的情况下、或者步骤S27中的判定结果为存在息肉等的改善的可能性的情况下,显示改善的可能性,进行改善的指示(S29)。这里,风险降低提案部15通过用户终端20对被检者进行用于改善便秘的建议。例如,对食材等、饮食的内容、水分补给进行建议,还根据需要对服药等进行建议。在步骤S17(参照图2)中进行了医院的预约的情况下,也可以与该预约日期时间等匹配地对建议的频度、建议内容进行变更。
在步骤S29中进行改善的指示后、或者步骤S27中的判定结果为不存在息肉等的改善的可能性的情况下,进行改善预测的可能性的判定(S31)。这里,控制部21根据步骤S23、S27中的判定结果是否预测到改善来进行判定(S31)。另外,在步骤S31中,在便秘风险、息肉风险已经非常低的状态的情况下,很难进一步降低,因此判定为否(NO)。
在步骤S31中的判定结果为判定为存在预测到改善的可能性的情况下,检索在预测出的日期时间以后且临近定期检查的时期的时机检查存在空闲的附近的医疗设施(S33)。这里,服务服务器10内的时间表管理部13与院内系统30、35协作,检索临近定期检查日且预测到便秘被改善的日子以后、而且位于被检者附近、检查存在空闲的医疗设施。在能够检索时,控制部11使UI部25显示检索结果。
另一方面,在步骤S31中的判定结果为不能进行改善预测的情况下,检索在临近定期检查的时期的时机检查存在空闲的附近的医疗设施(S33)。这里,服务服务器10内的时间表管理部13与院内系统30、35协作,检索临近定期检查的时期的时机、而且位于被检者附近、检查存在空闲的医疗设施。在能够检索到时,控制部11使UI部25显示检索结果。
在步骤S33、S35中进行医疗设施的检索并显示检索结果后,结束检查时期引导显示的流程,返回原来的流程。
这样,在检查时期引导显示的流程中,考虑便秘改善的余地(参照S23)、息肉等的改善的余地(参照S27),如果存在改善的余地,则进行用于改善的建议(参照S29)。因此,能够适当地进行内窥镜检查等检查的准备,被检者能够安心地接受体检。特别是在存在便秘风险、息肉风险的情况下,能够在降低这些风险后接受检查。
另外,在图3所示的流程中,如果存在便秘的改善的余地,则不判定息肉等的改善的可能性。但是,在存在便秘的改善的余地的情况下,也可以进一步判定是否存在息肉等的改善的余地,如果判定结果为存在余地,则关于息肉提议改善建议。
如以上说明的那样,在本发明的第1实施方式中,进行检查辅助的服务服务器10和被检者具有的用户终端20协作,由此判定被检者的便秘风险等清洗风险和息肉风险(例如参照图2的S7、S11),在存在这些风险的情况下,进行用于改善的建议(例如参照S11)。这样,能够接受与检查前的处置药(例如泻药等)的服用、以及直到来院为止的身体状况管理等有关的建议,接受适当的检查。进而,能够在减少了这些风险的时期、或得知了这些风险的时期接受内窥镜检查等检查。
另外,在图2和图3所示的流程图中,说明了服务服务器10内的控制部11成为主体而与用户终端20、院内系统30、35协作来执行的情况。但是,不限于服务服务器10,用户终端20当然也可以成为主体而与服务服务器10、院内系统30、35协作来执行。该情况下,在用户终端20内具有服务服务器10内的时间表管理部13、便秘/息肉风险判定部14、风险降低提案部15、医院方针确认部16、时间预测部17等的全部或一部分功能。即,关于资料判定、生活习惯判定、便秘/息肉风险判定、特定时机的判定、改善建议的生成、检查时期的预测、检查机构的预约处理等(参照图2),也可以是用户终端20主体地处理,服务服务器10仅进行用户终端20的辅助。当然,也可以对处理内容进行分配,以使得利用用户终端20仅进行图2、图3的处理中的一部分,在服务服务器10内进行其余部分。
此外,在本实施方式中,作为清洗风险,主要说明了被检者便秘的情况。但是,清洗风险是在接受内窥镜检查时对肠道内进行清洗时的风险,除了便秘以外,也可以判定产生针对泻药等的过敏反应等副反应的风险,在可能产生副反应的情况下,预先进行应对。关于清洗风险,后述的第2实施方式也是同样的。
接着,使用图4~图6对本发明的第2实施方式的内窥镜检查辅助系统进行说明。
图4是示出第2实施方式的内窥镜检查辅助系统的整体结构的框图。与第1实施方式同样,该内窥镜检查辅助系统具有服务服务器10、用户终端20和院内系统30、35,在第2实施方式中,在此基础上还具有服务服务器40。
即,服务服务器40是用于向用户终端20提供一般的健康服务的服务器。在本实施方式中,通过用户使用的健康服务提供用的应用软件,在接受内窥镜检查时接受基于服务服务器10的辅助。服务服务器40通过用户的可穿戴终端始终取得体温、脉搏、血压等生命信息,根据这些信息对用户提供健康建议。作为健康建议,也可以具有记录有与生命数据对应的处方的数据库(DB),检索该DB,向用户提供建议。
第2实施方式的内窥镜检查辅助系统与第1实施方式相比,仅追加了服务服务器40,因此,以服务服务器40为中心进行说明。服务服务器40具有控制部41、通信部43、资料管理部43、状况确认部44、健康建议部45和服务协作部45。另外,资料管理部43、状况确认部44、健康建议部45、服务协作部46可以通过硬件电路等实现,此外,也可以通过控制部41执行存储器中存储的程序来实现。
控制部41对服务服务器40的整体进行控制。控制部41具有CPU等处理装置和存储有程序的存储器等,执行程序,能够对服务服务器40内的各部进行控制。
通信部42具有设置于周边电路内的通信电路,能够与用户终端20和服务服务器10内的各通信部进行通信。还能够通过服务服务器10内的通信部12而与院内系统30、35内的通信部进行通信。
资料管理部43对利用服务服务器40提供的健康辅助应用的用户的资料进行管理。作为用户的资料,存在用户的姓名、年龄、性别、住址、邮件地址、过去的病历、过去的生命数据、吸烟倾向、饮酒倾向、饮食喜好等。资料管理部43记录这些信息,并且进行信息的更新。
状况确认部44收集与使用用户终端20的用户的状况有关的信息。作为用户的状况,例如,能够使用GPS(Global Positioning System:全球定位系统)等定位系统,根据用户的位置及其时间变化来掌握用户的行动等。此外,作为用户的状况,存在由可穿戴终端等测定出的血压、脉搏、体温等生命信息。此外,还能够通过由用户终端20的摄像部拍摄的图像、例如排便的状况等来掌握用户的健康状态。进而,在判断用户的状况时,还能够使用用户在SNS等发表的信息。这样,状况确认部44能够通过各种手段来确认用户的状况。通过对上述数据进行分析,还能够判定就寝前、起床后、饮食、供水、排便、运动中这样的状况。在定期地出现饮食特有的状况的情况下,能够在饮食前的时机提供应该较多地摄取什么、缓慢进食这样的建议。如果得知起床的状况,则还能够在起床时进行喝一杯水这样的建议。
健康建议部45使用由资料管理部43、状况确认部45取得的信息,向用户输出一般的健康建议。关于该健康建议,也可以预先生成根据用户的状况等进行提示的数据库,检索该数据库,提示与状况等一致的健康建议。例如,如果是最近体重增加的状况,则也可以为了健康而建议减少体重。此外,在睡眠时间不充分的情况下,也可以进行推荐睡觉的建议。进而,在体温超过正常体温的情况下,也可以推荐接受医生的诊察。此外,关于健康建议,不限于数据库,也可以使用推理模型得到推理结果,根据该推理结果来进行健康建议。
服务协作部46使服务服务器40与用户终端20、服务服务器10、院内系统30、35等协作进行服务。例如,以如下方式进行协作:从用户终端20取得各种信息,健康建议部45能够根据该信息向用户终端20输出健康建议。进而,也可以以如下方式进行协作:根据来自用户终端20的信息委托服务服务器10进行便秘风险、息肉风险的判定,将其结果输出到用户终端20。同样,也可以将来自服务服务器10的风险降低提案部15的提案(建议)输出到用户终端20。进而,服务协作部46也可以实现用户终端20、服务服务器40、服务服务器10、院内系统30、35的联络,以使用户终端20的用户在具有院内系统30、35的医疗设施接受内窥镜检查等检查。
接着,使用图5的(a)所示的流程图对健康辅助应用的动作进行说明。关于该健康辅助应用,服务服务器40与用户终端20协作,向用户进行一般的健康辅助的建议。图6所示的检查辅助应用的流程与图2的流程同样,提供接受内窥镜检查时的建议,与此相对,图5的(a)所示的流程向用户提供一般的健康建议。服务服务器40的控制部41按照服务服务器40内存储的程序执行健康辅助应用,使用户终端20显示一般的健康建议。
在图5的(a)所示的流程的动作开始后,首先,显示问卷调查,判定由用户进行的输入(S41)。这里,与步骤S1同样,服务服务器40的控制部41使UI部25显示用于输入被检者的信息、接受检查时所需要的被检者的嗜好/喜好等的画面。被检者在该画面中输入问卷调查事项后,通过通信部22发送到服务服务器40,控制部41判定输入事项,此外,在记录部中记录判定事项。作为问卷调查,也可以包含被检者的姓名、性别、年龄、既往病历、过去的检查历史等。此外,在进行内窥镜检查的情况下,在步骤S41中,与步骤S1同样,也可以输入进行内窥镜检查时使用的信息。
接着,进行资料判定(S43)。这里,与步骤S3同样,资料管理部43(也可以是控制部41)根据步骤S41中的问卷调查结果、用户终端20内的记录部中记录的用户的资料信息、云上的服务器等中记录的用户的健康信息判定被检者的资料。作为资料,包含被检者的姓名、性别、年龄等基本信息,进而,也可以还判定既往病历等医疗关联信息。此外,如果在云上的服务器等中记录有与用户有关的第二意见,则也可以使用该第二意见。
接着,判定生活习惯(S45)。这里,与步骤S5同样,状况判定部44(也可以是控制部41)判定使用用户终端20的用户的生活习惯。关于该判定,根据用户终端20内的生活习惯取得部24收集到的用户的生活习惯信息进行判定。
接着,共享关联信息(S47)。这里,与图6所示的检查辅助应用共享关联信息。即,与服务服务器10共享步骤S41、S43、S45中判定出的信息中、与内窥镜检查等检查相关联的信息。在后述步骤S61(参照图6)中,控制部41能够在健康辅助应用和检查辅助应用中相关联地共享各个应用中保有的信息。
接着,判定是否是特定时机或特定的状况(S49)。这里,控制部21判定是否是特定时机或特定的状况。该健康辅助应用向用户提供一般的健康建议,因此,规定的时机成为特定时机。例如,可以是每天1次的特定时刻,也可以是每周、每月1次的时机。此外,不限于1次,也可以是每天2次等多个时机。进而,特定时机不限于时刻,在输入判定、资料判定、生活习惯判定中判定了特定的事项的情况下,也可以设为特定时机。例如,在根据任意判定而判定为用户运动不足的情况下、判定为睡眠不足的情况下等,也可以是需要健康上的建议的时机。
进而,在步骤S49中,在成为接受内窥镜检查等检查的状况的情况下,也可以判定为特定时机。与所述步骤S9(参照图2)同样,也可以根据诊断的时期、过去的受诊历史等判定为特定时机的时期。如果该判定结果为不是特定时机或特定的状况,则返回步骤S41。在返回步骤S41后,反复进行所述资料判定、生活习惯判定。
如果步骤S49中的判定结果为是特定时机或特定的状况,则接着收集关联信息(S51)。这里,除了步骤S47(参照步骤S61(图7))中共享的关联信息以外,还收集与健康有关的信息。
接着,提供改善建议等(S53)。这里,根据步骤S51中收集的与健康相关联的信息进行一般的建议。此外,根据资料、生活习惯,如果用户有便秘倾向,则提供用于改善便秘的建议。即,在步骤S41~S47中收集的信息中,如果用户有便秘倾向,则如图5的(b)所示,在用户终端20的UI部25中显示有便秘倾向的情况下的建议。在该例子中,作为消除便秘的饮食内容,进行“要多吃蔬菜”这样的建议。
此外,在步骤S53中,如果用户的健康诊断的时期临近,则如图5的(c)所示,也可以进行调整身体状况并推荐内窥镜检查这样的建议。此外,在即使突然进行调整身体状况的建议,实际上医院的检查时间表没有空闲的情况下,将无用地强行进行不合理的调整。因此,也可以确认检查时间表,根据提前2周存在空闲、或者1个月后存在空闲来调整建议的给出方式。该情况下,有时存在若干个候选,如果用户触摸“引导开始”,则在进行接受内窥镜检查的情况下的建议时,也可以使得能够从多个选择项中进行选择。该情况下,也可以与图6所示的检查辅助应用协作,通过服务服务器40使用户终端20的UI部25显示后述步骤S65中的改善建议。即,该步骤中进行的改善建议还与检查辅助应用共享(参照图6的S65)。时间表提案部也可以根据检查设施的状况,以能够选择的方式提议多个候选,作为检查风险降低的时期。此外,也可以根据被检者的状况,从多个候选中进一步进行建议。在提供改善建议后,返回步骤S41。
这样,图5所示的健康辅助应用通常判定用户的资料、生活习惯(参照S41~S45),根据这些信息进行一般的健康建议(S51)。而且,在用户接受内窥镜检查的时期、以及有便秘倾向的情况下,与图6所示的检查辅助应用协作,向用户提供各种建议。作为用户,能够一边使用通常的健康辅助应用,一边接受基于第1实施方式中说明的检查辅助应用的建议。即,不用起动2个应用,就能够接受同样的服务。
接着,使用图6所示的流程图对检查辅助应用的动作进行说明。该流程是在进行内窥镜检查等检查的情况下用于进行建议、辅助以使被检者容易接受检查的流程。服务服务器10内的控制部11按照服务服务器10内存储的程序执行该检查辅助应用,通过服务服务器40的服务协作部46与用户终端20协作进行动作。
在图6所示的流程的动作开始后,首先,共享关联信息(S61)。这里,取得图5所示的健康辅助应用收集到的与健康相关联的信息,此外,将健康辅助应用收集到的信息提供给健康辅助应用(参照图5的S47)。此外,与健康有关的信息不限于从用户终端20收集,也可以从服务服务器40、院内服务器30、35等收集。
接着,进行便秘风险、息肉风险的判定(S63)。这里,与步骤S7、S11(参照图2)同样,便秘/息肉风险判定部14根据步骤S61中共享的关联信息判定便秘风险和息肉风险。
接着,共享改善建议信息(S65)。这里,共享健康辅助应用向用户提供的改善建议(参照图5的S53)。这是因为,如果存在用户运动不足、睡眠不足、肥胖等时的建议,则有时在接受检查时的建议中也发挥作用。
接着,共享检查引导信息(S67)。这里,还与健康辅助应用共享检查辅助应用向用户提供的改善建议。例如,将在接受内窥镜检查等检查时提供的建议等提供给健康辅助应用。如果存在该建议,则健康辅助应用能够向用户提供以接受内窥镜检查等检查为前提的建议。此外,作为检查信息,有时其他服务器具有血液检查等检查结果,这些信息也可以共享。
接着,判定是否预约(S69)。这里,与图2的步骤S17同样,判定是否是用户接受内窥镜检查等检查的时期。由健康辅助应用收集到的信息也与检查辅助应用共享(图5的S47、S51和图6的S61)。根据这些信息、以及检查辅助应用收集到的信息,在步骤S69中判定是否是检查时期。另外,该预约不限于新预约,也可以判定是否是复查的时期。在步骤S69中的判定结果为不是预约的时机等的情况下,返回步骤S61。
在步骤S61中的判定结果为是预约的情况下,显示候选机构,进行预约处理(S71)。这里,与图2的S19同样,显示符合步骤69(图5的S49)中判定出的检查时期的候选机构(医疗设施等)。即,显示在检查时期附近能够检查的候选机构。针对被检者从该候选机构中选择出的医疗设施,预约内窥镜检查等检查。该预约通过服务服务器40、10传达给院内系统30、35的时间表管理部32、37。如果取得预约,则通过服务服务器10、40显示于用户终端20的UI部25。在预约处理完成后,返回步骤S1。
这样,第2实施方式的健康辅助应用和检查辅助应用彼此协作,有助于增进用户的健康。即,健康辅助应用负责通常的健康建议等,检查辅助应用负责与内窥镜检查等检查有关的部分。
接着,使用图7所示的流程对便秘预测用的推理模型的生成进行说明。该推理模型也可以在图2的步骤S7和图6的步骤S63中判定便秘风险的情况下使用。关于便秘风险,即使不使用推理模型,也存在逻辑地进行判定的方法,但是,也可以通过设定了推理模型的推理引擎进行判定。因此,例如,也可以在服务服务器10内设置推理模型生成用的神经网络,便秘/息肉风险判定部14通过深度学习来生成推理模型。此外,在推理引擎中设定通过图7的流程生成的推理模型,判定便秘风险。另外,也可以在用户终端20中设定推理引擎,在此进行推理。这里,关于图7所示的便秘预测AI的流程,说明在设置于服务服务器10内的便秘/息肉风险判定部14内的神经网络中生成的情况。当然,也可以在服务服务器10内的例如控制部11或服务服务器10以外的服务器等中生成推理模型。
在图7所示的便秘预测AI的流程开始后,首先,通过问卷调查等取得资料、生活习惯、饮食习惯数据(S81)。这里,服务服务器10内的便秘/息肉风险判定部14通过问卷调查等从多个用户终端20等取得用户的资料、生活习惯和饮食习惯数据。如上所述,在用户终端20中进行了问卷调查输入、资料判定、生活习惯判定(参照图2的S1~S5),因此,便秘/息肉风险判定部14也可以收集这些数据。此外,也可以收集包含有在互联网上的SNS等中发表的、与便秘有关的信息在内的数据。
接着,对是否有便秘倾向进行问卷调查,在步骤S81中取得的数据中对结果进行注释,生成示教数据(S83)。这里,便秘/息肉风险判定部14委托用户终端20进行与是否有便秘倾向有关的问卷调查。例如,便秘/息肉风险判定部14对用户终端20进行委托,以使得在图2的S1、图5的S41等中的问卷调查显示时,显示是否有便秘倾向的询问。
在步骤S83中,在取得是否有便秘倾向的问卷调查结果后,在步骤S81中取得的数据中对该是否有便秘倾向的问卷调查结果进行注释,生成示教数据。例如,在饮食内容、年龄、性别、运动状态等数据中注释是否有便秘倾向的信息。
接着,进行深度学习(S87)。这里,便秘/息肉风险判定部14对神经网络输入示教数据,以成为是否有便秘倾向的结果的方式决定神经网络的中间层的加权。使用多个示教数据进行深度学习。另外,在图7中,记载了每当生成示教数据时进行学习,但是,也可以判定是否收集到足够数量的示教数据,在收集到足够数量的示教数据的情况下进行学习。
在步骤S87中进行学习后,接着,判定可靠性是否OK(S87)。这里,便秘/息肉风险判定部14根据将预先得知回答的可靠性确认用的图像数据输入到被生成的推理模型时的输出与回答是否相同,来判定可靠性。在被生成的推理模型的可靠性低的情况下,回答一致的比例低。如果可靠性的值比规定值高,则判定为可靠性OK。
在步骤S89中的判定结果为可靠性不OK的情况下,对示教数据进行取舍选择(S91)。在可靠性低的情况下,通过对示教数据进行取舍选择,有时可靠性提高。因此,在该步骤中,便秘/息肉风险判定部14进行追加信息的取舍选择。为了提高可靠性而追加信息(示教数据),但是,此时,控制部1选择可能与便秘存在因果关系的信息。此外,便秘/息肉风险判定部14也可以去除没有因果关系这样的数据。在该处理中,也可以预先准备对因果关系进行推理的推理模型,自动追加因果关系高的示教数据,此外,自动排除因果关系低的示教数据。此外,也可以对示教数据的总体的条件进行变更。在对示教数据进行取舍选择后,返回步骤S87,再次生成推理模型。
另一方面,在步骤S89中的判定结果为可靠性OK的情况下,进行推理模型化(S93)。这里,步骤S87中生成的便秘预测用的推理模型的可靠性高,因此,确定为推理模型。此外,在该推理模型中附加规格信息。规格信息包含神经网络的中间层的数量等规格、生成推理模型时使用的示教数据的总体、与为了评价可靠性而使用的评价数据有关的信息等。在便秘/息肉风险判定部14的推理引擎中设定这里生成的推理模型。另外,如果用户终端20具有推理引擎,则也可以发送到该用户终端20。用户终端20也可以在推理引擎中设定所接收到的推理模型,在判定便秘风险时,使用便秘预测AI来预测便秘风险。当推理模型完成后,结束便秘预测AI的流程。
接着,使用图8所示的流程对息肉预测用的推理模型的生成进行说明。该推理模型也可以在图2的步骤S7和图6的步骤S63中判定息肉风险的情况下使用。关于息肉风险,与便秘风险同样,即使不使用推理模型,也存在逻辑地进行判定的方法,但是,也可以通过设定了推理模型的推理引擎进行判定。因此,例如,也可以在服务服务器10内设置推理模型生成用的神经网络,便秘/息肉风险判定部14通过深度学习来生成推理模型。另外,也可以在用户终端20内配置推理引擎,设定通过图8的流程而生成的推理模型,判定息肉风险。当然,也可以在服务服务器10以外的服务器等中生成推理模型。
在图8所示的便秘预测AI的流程开始后,首先,在发现息肉时,医生、医务人员或内窥镜发布息肉信息和患者ID(S82)。在内窥镜检查时,一般由医生等发现息肉。因此,在内窥镜检查时,在医生等发现息肉时,通过院内服务器30、35等向服务服务器10传递信息。在无法实时地向服务服务器10传递信息的情况下,也可以通过批处理等进行传递。此外,服务服务器10也可以收集上传到互联网上的服务器中的患者ID的与息肉有关的信息。
接着,通过问卷调查等取得相应ID的患者的资料、生活习惯、饮食习惯数据,在该数据中进行注释,生成示教数据(S84)。这里,便秘/息肉风险判定部14收集与被发现了息肉的患者ID有关的资料、生活习惯、饮食习惯数据。如果在所述步骤S81中针对患者ID取得了数据等,则也可以沿用该数据。如果未取得数据,则与步骤S81同样,便秘/息肉风险判定部14委托患者ID对应的用户终端20发送资料信息,此外,委托进行与生活习惯、饮食习惯有关的问卷调查。例如,也可以利用图2的步骤S1、图5的步骤S41等中的问卷调查显示的时机。
在步骤S84中,在取得患者ID的资料、生活习惯、饮食习惯数据后,接着,在这些数据中注释发现了息肉,生成示教数据。此外,在内窥镜检查时未发现息肉的情况下,也在该被检者的资料、生活习惯、饮食习惯数据中注释未发现息肉的意思,生成示教数据。
在步骤S84中能够生成示教数据时,接着,在步骤S87以后进行学习、可靠性判定等。该步骤S87~S93中的动作与图7中的对应步骤中的动作相同,因此省略详细说明。
在步骤S93中完成带规格信息的推理模型后,在便秘/息肉风险判定部14内的推理引擎中设定该生成的推理模型。另外,如果用户终端20具有推理引擎,则也可以发送到该用户终端20,在用户终端20中进行推理。在推理模型完成后,结束息肉预测AI的流程。
接着,使用图9所示的流程对便秘改善时期预测用的推理模型的生成进行说明。该推理模型也可以在图3的S31中判定是否能够预测改善时期时使用。此外,也可以在图5的(a)的步骤S49中判定是否是特定时机的状况、且在步骤S53中提供改善建议时使用,此外,也可以在图6的步骤S69中判定是否进行预约时,一并预测该便秘改善时期。
如上所述,在内窥镜检查的被检者便秘的情况下,有时在服用泻药进行肠道清洗时伴有痛苦。该情况下,优选先改善饮食习惯等,由此改善便秘后,接受内窥镜检查。关于该便秘改善时期的预测,即使不使用推理模型,也存在逻辑地进行判定的方法(该方法使用图11~图12D在后面叙述),但是,也可以通过设定了推理模型的推理引擎进行判定。因此,例如,也可以在服务服务器10内设置推理模型生成用的神经网络,时间预测部17(或时间表管理部13、便秘/息肉风险判定部14)通过深度学习来生成推理模型。此外,在时间预测部17内配置推理引擎,设定通过图9的流程而生成的推理模型,对便秘改善时期进行推理。当然,也可以在服务服务器10内的例如控制部11或服务服务器10以外的服务器等中生成推理模型。
在进行预测等的情况下使用AI的优点在于,将从各种信息中找到有效信息作为规则的作业交给机器。能够利用如下方法:以特定的格式大量收集生活习惯这样的用语言表达的各种行动类,进行示教数据化。此外,也可以预先将吃过的东西记录为照片等,例如,以几天量收集该人每天步行的步数的经时记录、心跳数的经时变化,使用该收集的数据生成示教数据。由此,能够将运动的模式、睡眠的规律性、饮食的倾向等作为数据来处理。此外,如果还按照确定了在哪里记载哪个数据的格式记录年龄、性别、居住的地域的信息(国家、地域、生活环境是都市还是农村等),则能够进行示教数据化。在以预先确定的程式、格式写入数据时,可以使得能够自动地利用便携终端、可穿戴设备的信息,也可以利用手动输入的内容并将其嵌入该格式中。
在图9所示的便秘改善时期预测AI的流程开始后,首先,通过问卷调查等取得资料、生活习惯、饮食习惯数据(S81)。这里,与图7的步骤S81同样,服务服务器10内的时间预测部17(或时间表管理部13、便秘/息肉风险判定部14)通过问卷调查等从多个用户终端20等取得用户的资料、生活习惯和饮食习惯数据。在用户终端20中进行了问卷调查输入、资料判定、生活习惯判定(参照图2的S1~S5),因此,时间预测部17也可以收集这些数据。此外,也可以收集包含有在互联网上的SNS等中发表的、与便秘有关的信息在内的数据。
接着,对是否有便秘倾向进行问卷调查,在成为特定等级(每周1天~每天)的相同的日子判定是否存在便秘改善(S85)。这里,判定步骤S81中取得了资料等的人(例如个人A先生)变更生活习惯后经过几天(几小时)后存在便秘改善。图10示出A先生的生活习惯(用“生活1”、“生活2”表示)和便秘状态(用“便秘1”~“便秘5”表示)的变化。A先生在时机T1从生活习惯1变更为生活习惯2。这里的生活习惯的变化是指在水分摄取量、运动量、规律的生活等中产生差异。在时机T1,A先生的便秘状态为等级5,但是,通过改变生活习惯,在时机T2,便秘状态被改善到等级1。另外,便秘状态的等级的数字越大,则状态越差。判定通过改变生活习惯而使便秘状态被改善为止的改善时间Tb。
在步骤S85中判定便秘改善后,接着,在便秘改善前后在生活习惯、饮食生活数据存在差异(生活差异)的情况下,注释改善时间Tb(S86)。这里,时间预测部17在生活习惯/饮食生活数据中注释改善时间Tb,生成示教数据。此外,在未改善的情况下,也注释未改善的意思,生成示教数据。关于便秘的改善,除了生活习惯、饮食习惯以外,还根据性别、年龄等而不同,因此,也可以考虑资料信息来生成。
在步骤S86中生成示教数据后,接着,进行深度学习(S87)。这里,时间预测部17对神经网络输入示教数据,以便秘改善时期成为Tb的方式决定神经网络的中间层的加权。使用大量示教数据进行深度学习。另外,在图9中,记载了每当生成示教数据时进行学习,但是,也可以判定是否收集到足够数量的示教数据,在收集到足够数量的示教数据的情况下进行接下来的步骤。此外,在进行深度学习时,也可以按照每个资料来进行。例如,也可以按照每个年龄层分开进行学习。
在步骤S85中进行学习后,执行步骤S89以后的处理,但是,该步骤S89~S93中的动作与图7中的对应步骤中的动作相同,因此省略详细说明。
在步骤S93中完成带规格信息的推理模型后,在时间预测部17内的推理引擎中设定该生成的推理模型。在图3的检查辅助应用的步骤S31中的预测改善时期时,也可以使用便秘改善时期预测AI来预测便秘改善时期。在推理模型完成后,结束便秘改善时期预测AI的流程。
这里,对深度学习进行说明。“深度学习(deep learning)”是对使用神经网络的“机器学习”的过程进行多层结构化而得到的。从前向后输送信息进行判定的“正向传播型神经网络”是代表性的。在最简单的情况下,正向传播型神经网络具有由N1个神经元构成的输入层、由通过参数给出的N2个神经元构成的中间层、由与进行判别的类的数量对应的N3个神经元构成的输出层这3层即可。输入层与中间层、中间层与输出层的各神经元分别通过连接加权来连结,中间层和输出层被施加偏置值,由此,能够容易地形成逻辑门。
神经网络进行简单的判别即可,也可以是3层,但是,通过使中间层为多个,在机器学习的过程中也能够学习多个特征量的组合方式。近年来,从学习所花费的时间、判定精度、消耗能量的观点来看,9层~152层的神经网络是实用的。此外,也可以利用如下的“卷积型神经网络”:进行对图像的特征量进行压缩的被称为“卷积”的处理,以最小限度的处理进行动作,模式识别方面较强。此外,也可以利用如下的“递归型神经网络”(全连接循环神经网络):对更加复杂的信息进行处理,对应于意思根据顺次、顺序而变化的信息分析,使信息双向流动。
为了实现这些技术,也可以使用CPU、FPGA(Field Programmable Gate Array:现场可编程门阵列)等以往存在的通用的运算处理电路。但是不限于此,神经网络的处理大多是矩阵的乘法运算,因此,也可以利用专用于矩阵计算的被称为GPU(Graphic ProcessingUnit:图形处理单元)、Tensor Processing Unit(TPU、张量处理单元)的处理器。近年来,有时这种人工智能(AI)专用硬件的“神经网络处理单元(NPU)”被设计成能够与CPU等其他电路一起集成并组装,成为处理电路的一部分。
除此之外,作为机器学习的方法,例如还存在支持向量机、支持向量回归这样的方法。这里的学习是指计算识别器的权重、滤波器系数、偏置,除此以外,还存在利用逻辑回归处理的方法。在使机器判定什么的情况下,人需要告知机器判定的方法。在本实施方式中,采用通过机器学习来导出图像的判定的方法,但是,除此之外,也可以使用适应人通过经验法则/启发法获得的规则的基于规则的方法。
接着,使用图11~图12E对便秘风险的判定方法进行说明。在图2的S7、S11、图6的S63中判定便秘风险。关于便秘风险,能够生成图7所示的推理模型并进行推理。但是,除了使用该推理的方法以外,还能够逻辑地进行判定。能够将针对图11所示的资料和生活习惯取得的信息转换为分数,根据该分数来判定便秘风险。
图11示出逻辑地进行的便秘风险的判定方法的概要。在便秘风险的判定时,使用步骤S3中收集的被检者的资料和步骤S5中收集的被检者的生活习惯,针对各个项目将被检者的资料/行动等转换为分数。首先,从被检者的资料中收集性别、年龄、健康状态等、在判定是否容易便秘时能够使用的项目。此外,从被检者的生活习惯中收集水分的摄取量、肉类的摄取量、生活的规律性(根据起床时刻、就寝时刻等进行判定)、运动量(例如平均步数)、排便倾向等、在判定是否容易便秘时能够使用的项目。
上述项目是例示,也可以适当地追加或省略。关于这些项目的检测方法,除了步骤S1中的问卷调查输入以外,也可以利用配置于被检者的生活场所等的AI扬声器等,此外,还可以利用被检者佩戴的可穿戴传感器。可穿戴传感器能够检测被检者的振动、血中水分量、脉搏、血压、体温等。如果存在被检者的振动数据、血流关系的信息,则能够得到被检者是否正在就寝、以及是否正在运动等各种信息。
接着,使用图12A~图12E说明对被检者的资料、生活习惯进行打分并根据该分数来判定便秘风险的一例。在这里说明的例子中,使用年龄、1天的平均步数、i天的水分摄取量、规定期间的平均睡眠时间、规定期间的脉搏来判定便秘风险。此外,在该例子中,设各项目为20分,风险越高,则分数越大。因此,在各项目的合计分超过规定数时,判定为便秘风险高。
图12A的上侧是示出年龄与便秘的关系的曲线图,图12A的下侧是示出每个年龄的分数的图表。根据曲线图可知,男性在到60岁为止便秘的人的比例较低,但是,女性与男性相比,从20岁起便秘的人的比例较高。因此,如图12A的下侧的图表所示,按照性别和年龄层赋予分数。例如,根据资料信息,如果被检者属于20岁~60岁的男性,则被赋予5分作为分数,另一方面,如果属于20岁~60岁的女性,则被赋予10分作为分数。
图12B的上侧是示出年龄与i天的平均步数的关系的曲线图,图12B的下侧是示出根据被检者的平均步数相对于平均步数为多少倍来赋予分数的图表。根据曲线图可知,男女均在成为60岁时,平均步数降低。这里,根据被检者的每1天的平均步数相对于被检者所属的年龄层的平均步数为多少倍来赋予分数。例如,如果被检者的每1天的平均步数为该年龄层的2倍以上的步数,则被赋予0分,另一方面,如果被检者的每1天的平均步数为小于该年龄层的一半的步数,则被赋予20分。
图12C的上侧是示出每个体重的i天所需要的水分摄取量的曲线图,图12C的下侧是示出根据被检者的i天摄取的水分量相对于必要量为多少倍来赋予分数的图表。根据曲线图可知,在体重增加时,必要水分摄取量也增加。这里,根据被检者的每1天的摄取水分量相对于被检者所属的体重的必要摄取量为多少倍来赋予分数。例如,如果被检者的每1天的摄取水分量为该体重的必要摄取量的2倍以上,则被赋予0分,另一方面,如果被检者的每1天的摄取水分量为小于该体重的必要摄取量的一半的步数,则被赋予20分。
图12D的上侧是示出某个被检者的3天内的睡眠时间(就寝时刻和起床时刻)的曲线图。生活的节奏有规律则一般不容易便秘,因此,优选经常在相同时刻就寝,经常在相同时刻起床。因此,在根据睡眠时间赋予分数的情况下,将就寝时刻和起床时刻与平常的就寝/起床时刻进行比较,在差异尽量小的情况下降低分数,在差异大的情况下增大分数。图12D的下侧示出分数的赋予的例子,这里,如果就寝和起床时刻与通常的时刻相比小于15分钟,则被赋予0分,另一方面,如果就寝和起床时刻与通常的时刻相比为60分钟以上,则被赋予20分。另外,有时由于压力而失眠,因此,在睡眠时间为短时间的情况下,也可以建议减轻压力等。关于失眠,有时以一定时间停止了站立步行或坐下摇摆等活动,但是根本没有成为深度睡眠(脉搏等降低)。
图12E的上侧是示出某个被检者的3天内的脉搏的变化的曲线图。在受到压力时,交感神经变得活跃,脉搏数增加,另一方面,在压力消失后,由于副交感神经的作用而使脉搏数降低。一般而言,在存在压力时,容易便秘。图12E的下侧示出分数的赋予的例子,这里,脉搏数以100为基准来进行判定。在该例子中,在脉搏数不怎么为100以上的情况下,被赋予0分,另一方面,在脉搏数持续为100以上的情况下,被赋予20分。
如图12A~图12E所示,根据年龄、平均步数、水分摄取量、睡眠时间的规律性、脉搏数的状态,对被检者赋予分数。存在5个项目,因此,如果各自的合计分(风险系数Frisk)为70分以上,则判定为存在便秘风险。此外,如下述(1)式所示,也可以对各个项目进行加权来计算风险Frisk。
Frisk=A·DB1+B·DB2+C·DB3+D·DB4+E·DB5…(1)
这里,A~E是权重系数,DB1~DB5是图12A~图12E所示的检查项目。
此外,在便秘风险的判定时,不限于通过所述方法计算出的值,也可以根据针对被检者的问卷调查、被检者的排便状态对数值进行校正,根据该校正值进行判定。此外,也可以使用饮食的时间的偏差,以偏差越大则Frisk越高的方式进行判定。进而,针对吃的东西的信息,也可以根据摄取前的料理图像、购买历史、收据的信息等估计所摄取的食物纤维量,以该估计出的食物纤维的摄取量相比推荐的摄取量越小则Frisk越高的方式进行判定。在即使风险系数Frisk较高也没有问题的情况下,也可以举出针对该被检者判定为存在风险的阈值。进而,也可以在图12A~图12E所示的数据中进行注释,用作示教数据,使用该示教数据进行学习,由此生成推理模型。也可以一并利用推理模型和逻辑判定。
接着,使用图13和图14对息肉风险的判定方法进行说明。在图2的S7、S11、图6的S63中判定息肉风险。关于息肉风险,也能够生成图8所示的推理模型并进行推理。但是,除了使用该推理的方法以外,还能够逻辑地进行判定。关于息肉风险,也与便秘风险同样,能够将针对图13所示的资料和生活习惯取得的信息转换为分数,根据该分数来判定息肉风险。
图13示出逻辑地进行的息肉风险的判定方法的概要。关于息肉风险,也与图11所示的便秘风险的判定同样,使用步骤S3中收集的被检者的资料和步骤S5中收集的被检者的生活习惯,针对各个项目将被检者的资料/行动等转换为分数。首先,从被检者的资料中收集性别、年龄、吸烟习惯(如果有则风险高)、饮酒习惯(如果有则风险高)、肥胖度(与大肠癌风险联动)、息肉既往病历(如果有则风险高)等、在息肉风险判定中能够使用的项目。
关于上述项目中的肥胖度,如图14所示,当BMI增加时,息肉风险也增加。BMI是体重(kg)除以身高(m)的平方而得到的数值,表示肥胖度。在对BMI的数值和大肠癌的风险进行比较时,BMI的数值越大,大肠癌的风险也越高,因此,在息肉风险的判定时,还考虑肥胖度。另外,实线M示出男性的风险,此外,虚线F示出女性的风险。根据图14可知,男性与女性相比,当BMI增大时,息肉风险也增大,因此,在息肉风险的分数分配时,也可以考虑这点。
此外,在图13中,根据被检者的生活习惯,考虑经常吃肉类(能够根据饮食内容进行判定)、不运动、排便倾向(特别重视排便异常进行判定),判定息肉风险。这里对息肉进行说明,但是,当然,对其他肿瘤、溃疡、伤口、出血等需要处置的病状也能够进行同样的应用。
关于资料判定和生活习惯判定中举出的项目,与图12A~图12E同样,转换为分数,该分数的值越高,则判定为息肉风险越高。特别是在比规定值高的情况下,可以向被检者通知紧急检查的警告。
如以上说明的那样,在本发明的各实施方式中,按照来自被检者终端的信息,判定被检者接受内窥镜检查时的检查风险(例如参照图1的S11),根据该检查风险的判定结果,在到内窥镜检查为止的期间内生成经时建议,将该经时建议发送到被检者终端(例如参照S13)。因此,根据检查风险生成了建议,因此,能够接受必要的建议以适当地接受内窥镜检查等检查。此外,在本发明的各实施方式中,是以不会由于检查花费劳力、时间而给日常生活带来障碍的没有压力的检查为目标的提案,还是用于得到可以不进行检查的健康身体的方案。
另外,在本发明的各实施方式中,说明了服务服务器10向被检者提供接受内窥镜检查时的改善建议,但是,服务服务器也可以通过多个服务器提供服务,此外,也可以仅在用户终端20内提供。此外,主要说明了接受内窥镜检查的情况,但是,不限于内窥镜检查,在接受临床检查的情况下,需要各种准备/预处理等,该情况下,也能够应用本实施方式。在钡检查、X光检查等中,在胃等中充满的气体泄漏、或者存在姿态的变化时进行复查等、预处理、检查中的突发事件可能因人而异,因此,能够以相同的思路应用本发明的各实施方式。
此外,在本发明的各实施方式中,主要说明基于逻辑的判定,一部分进行基于使用了机器学习的推理的判定。关于是进行基于逻辑的判定还是进行基于推理的判定,在本实施方式中,可以适当选择任意一方进行使用。此外,在判定的过程中,也可以部分地利用各自的优点进行混合式的判定。
此外,在本发明的各实施方式中,说明了控制部11、21、31、36、41是由CPU、存储器等构成的设备。但是,除了通过CPU和程序以软件方式构成以外,也可以利用硬件电路构成各部的一部分或全部,也可以是根据由Verilog、VHDL(Verilog Hardware DescriptionLanguage:Verilog硬件描述语言)等描述的程序语言生成的门电路等硬件结构,此外,也可以使用利用DSP(Digital Signal Processor:数字信号处理器)等软件的硬件结构。这些当然可以适当组合。
此外,控制部11、21、31、36、41不限于CPU,只要是发挥作为控制器的功能的元件即可,上述各部的处理也可以由构成为硬件的1个以上的处理器来进行。例如,各部可以是分别构成为电子电路的处理器,也可以是由FPGA(Field Programmable Gate Array:现场可编程门阵列)等集成电路构成的处理器中的各电路部。或者,由1个以上的CPU构成的处理器读入并执行记录介质中记录的计算机程序,由此,也可以执行作为各部的功能。
此外,在本发明的各实施方式中,说明了服务服务器10具有控制部11、通信部12、时间表管理部13、便秘/息肉风险判定部14、风险降低提案部15、医院方针确认部16、时间预测部17、检查结果记录部18的情况。但是,它们不需要设置于一体的装置内,例如,如果通过互联网等通信网连接,则上述各部也可以被分散。同样,说明了用户终端20具有控制部21、通信部22、时钟部23、生活习惯取得部24、UI部25的情况。但是,它们不需要设置于一体的装置内,例如,如果通过互联网等通信网连接,则上述各部也可以被分散。院内系统30、35、服务服务器40等也是同样的。
此外,近年来,使用能够一并判定各种判断基准的人工智能的情况较多,一并进行这里示出的流程图的各分支等的改良当然也进入本发明的范畴。针对这种控制,如果用户能够输入好坏,则能够学习用户的嗜好,在适合于该用户的方向上定制本申请所示的实施方式。
进而,也可以适当组合不同实施方式的结构要素。特别地,利用了包含语音识别在内的活体反应的操作等分别需要适合的传感器、接口、判定电路,但是,为了避免变得烦杂而没有特别记载,但是,附记了通过这些能够代替用户的手动操作的各种改良技术、代替技术也能够实现本发明。
在本说明书中,以内窥镜检查为例进行了说明,但是,不限于内窥镜检查,还能够应用于其他临床检查、伴有医疗行为的检查。例如,在胃的X射线检查中,需要进行饮食限制、用于扩张胃的发泡剂、钡的服用等准备。此外,还存在如下的检查风险(追加服用发泡剂等从检查的准备到完成为止的时间变动的风险):根据食道和胃接合部的紧密程度,胃中的气体等作为嗝向食道逆流,由此,胃的扩张程度降低,无法拍摄正确的X射线检查图像。这种情况下也能够应用本发明的各实施方式,例如,在身体不怎么紧张的时机,在从发泡剂等的服用到X射线的拍摄为止的时间比较短的医院预约检查,在到检查为止的期间内进行放松这样的引导即可。在其他临床检查、伴有医疗行为的检查中也同样,身心的状态使检查风险变动的例子很多,进行引导以能够预约能够使检查风险最小化这样的医院中的检查,并且,进行引导以改善心身的状态来降低检查风险即可。
此外,关于本说明书中说明的技术中的、主要利用流程图说明的控制,大多能够利用程序进行设定,有时也记录在记录介质、记录部中。关于针对该记录介质、记录部的记录方式,可以在产品出厂时进行记录,也可以利用被发布的记录介质,还可以通过互联网进行下载。
此外,在本发明的一个实施方式中,使用流程图对本实施方式中的动作进行了说明,但是,处理顺序也可以改变次序,此外,也可以省略任意一个步骤,也可以追加步骤,进而,还可以对各步骤内的具体处理内容进行变更。
此外,关于权利要求书、说明书和附图中的动作流程,即使为了简便而使用“首先”、“接着”等表现顺序的语言,在没有特别说明的部位,也不意味着必须按照该顺序实施。
本发明不限于上述实施方式,能够在实施阶段在不脱离其主旨的范围内对结构要素进行变形而具体化。此外,能够通过上述实施方式所公开的多个结构要素的适当组合而形成各种发明。例如,也可以删除实施方式所示的全部结构要素中的若干个结构要素。进而,也可以适当组合不同实施方式的结构要素。
标号说明
10:服务服务器;11:控制部;12:通信部;13:时间表管理部;14:便秘/息肉风险判定部;15:风险降低提案部;16:医院方针确认部;17:时间预测部;18:检查结果记录部;20:用户终端;21:控制部;22:通信部;23:时钟部;24:生活习惯取得部;25:UI部;30:院内系统;31:控制部;32:时间表管理部;33:通信部;35:院内系统;36:控制部;37:时间表管理部;38:通信部;40:服务服务器;41:控制部;42:通信部;43:资料管理部;44:状况管理部;45:健康管理部;46:服务协作部。
Claims (13)
1.一种检查引导服务服务器,其特征在于,所述检查引导服务服务器具有:
风险判定部,其按照来自被检者终端的信息,判定被检者接受内窥镜检查时的检查风险;
建议生成部,其根据所述检查风险的判定结果,在到所述内窥镜检查为止的期间内生成经时建议;以及
发送部,其将所述经时建议发送到所述被检者终端。
2.根据权利要求1所述的检查引导服务服务器,其特征在于,
关于所述经时建议,根据目标时间表和所述检查风险来切换多个建议。
3.根据权利要求1所述的检查引导服务服务器,其特征在于,
关于所述经时建议,按照所述检查风险的改善来判定所述经时建议的效果,切换多个建议。
4.根据权利要求1所述的检查引导服务服务器,其特征在于,
所述检查引导服务服务器具有风险降低提案部,该风险降低提案部在所述风险判定部判定为在接受所述检查时检查风险较高时,生成改善所述检查风险的改善建议,在所述建议部生成所述经时建议时,包含所述改善建议。
5.根据权利要求4所述的检查引导服务服务器,其特征在于,
所述检查引导服务服务器具有进行检查时间表提案的时间表提案部,
该时间表提案部在被检者的所述检查风险降低的状态下,生成与所述检查风险降低之前不同的建议。
6.根据权利要求5所述的检查引导服务服务器,其特征在于,
所述时间表提案部提议将所述检查风险降低的时期作为所述内窥镜检查受诊时期。
7.根据权利要求5所述的检查引导服务服务器,其特征在于,
所述时间表提案部能够根据检查设施的状况选择性地提议多个候选,作为所述检查风险降低的时期。
8.根据权利要求1所述的检查引导服务服务器,其特征在于,
所述风险判定部根据所述被检者的资料和与生活习惯有关的信息判定所述检查风险。
9.根据权利要求1所述的检查引导服务服务器,其特征在于,
所述检查风险是与所述内窥镜检查有关的从准备到完成为止的时间的变动变高的风险。
10.根据权利要求1所述的检查引导服务服务器,其特征在于,
所述检查风险是清洗风险和息肉风险中的至少一方。
11.一种检查引导方法,其特征在于,
按照来自被检者终端的信息,判定有无被检者接受临床检查时的检查风险,
根据所述检查风险的判定结果,在到所述临床检查为止的期间内生成经时建议,将所述经时建议发送到所述被检者终端。
12.一种便携终端,其特征在于,所述便携终端具有:
用户信息取得部,其取得便携终端用户的资料信息和生活习惯信息;
判定部,其根据所述生活习惯信息判定生活习惯的修正点,以减少将来接受特定的临床检查时产生的制约;以及
显示部,其显示由所述判定部判定出的所述修正点。
13.一种便携终端的控制方法,其特征在于,
取得便携终端用户的资料信息和生活习惯信息,
根据所述生活习惯信息判定生活习惯的修正点,以减少将来接受特定的临床检查时产生的制约,
能够传递判定出的所述修正点。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2021/019443 WO2022244265A1 (ja) | 2021-05-21 | 2021-05-21 | 検査ガイドサービスサーバおよび検査ガイド方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115699192A true CN115699192A (zh) | 2023-02-03 |
Family
ID=84140385
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180004018.7A Pending CN115699192A (zh) | 2021-05-21 | 2021-05-21 | 检查引导服务服务器和检查引导方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115699192A (zh) |
WO (1) | WO2022244265A1 (zh) |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006251871A (ja) * | 2005-03-08 | 2006-09-21 | Alps Electric Co Ltd | 健康管理システム |
JP6616419B2 (ja) * | 2014-12-22 | 2019-12-04 | スミスズ メディカル エーエスディー,インコーポレイティド | 臨床決定支援を有する点滴プランニングシステム |
WO2018235185A1 (ja) * | 2017-06-21 | 2018-12-27 | オリンパス株式会社 | 挿入支援装置、挿入支援方法、及び挿入支援装置を含む内視鏡装置 |
-
2021
- 2021-05-21 CN CN202180004018.7A patent/CN115699192A/zh active Pending
- 2021-05-21 WO PCT/JP2021/019443 patent/WO2022244265A1/ja active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2022244265A1 (ja) | 2022-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102116664B1 (ko) | 온라인 기반의 건강 관리 방법 및 장치 | |
US20140316220A1 (en) | Personal Health Monitoring System | |
JP7384362B2 (ja) | 情報処理方法及び情報処理装置 | |
CN111655128A (zh) | 用于决策支持的系统和方法 | |
US20090171696A1 (en) | System and method for patient portal with clinical decision intelligence | |
US20110201901A1 (en) | Systems and Methods for Predicting Patient Health Problems and Providing Timely Intervention | |
EP2073690A2 (en) | System and method for providing a health score for a patient | |
KR20110112901A (ko) | 온라인을 통한 개인 맞춤형 건강관리와 진료방법 및 온라인 건강관리와 의료서비스 제공 서버장치 | |
KR102028674B1 (ko) | 단말을 이용한 진료 예약, 접수 방법, 서버 및 프로그램 | |
JP2012059264A (ja) | 個人の健康およびウェルネスの管理のためのシステムおよび方法 | |
WO2014160549A2 (en) | Method to increase efficiency, coverage, and quality of direct primary care | |
WO2021140731A1 (ja) | 情報伝達装置および情報伝達方法 | |
US20150310574A1 (en) | Protocol builder for managing patient care | |
US20060100899A1 (en) | Portable terminal device and life style disease patient-medical institution cooperation system | |
US20230079951A1 (en) | System for configuring patient monitoring | |
KR20190007978A (ko) | 스마트 건강 검진 코디네이팅 시스템 | |
CN108475543A (zh) | 用于基于个性化预测模型来促进健康监测的系统和方法 | |
CN115699192A (zh) | 检查引导服务服务器和检查引导方法 | |
WO2022254702A1 (ja) | 検査ガイド装置および検査ガイド方法 | |
KR102028685B1 (ko) | 병원 업무 중개 방법, 시스템 및 프로그램 | |
US11322250B1 (en) | Intelligent medical care path systems and methods | |
CN114649095A (zh) | 一种医院门诊慢病检测数据处理方法及系统 | |
US11721421B2 (en) | Pharmaceutical dispensing system | |
Neves et al. | Causal dynamic Bayesian networks for the management of glucose control in gestational diabetes | |
KR20230007090A (ko) | Ai를 기반으로 하는 골밀도 변화 예측 장치 및 그 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |