JP2004288047A - 診療支援システム及び診療支援プログラム - Google Patents
診療支援システム及び診療支援プログラム Download PDFInfo
- Publication number
- JP2004288047A JP2004288047A JP2003081433A JP2003081433A JP2004288047A JP 2004288047 A JP2004288047 A JP 2004288047A JP 2003081433 A JP2003081433 A JP 2003081433A JP 2003081433 A JP2003081433 A JP 2003081433A JP 2004288047 A JP2004288047 A JP 2004288047A
- Authority
- JP
- Japan
- Prior art keywords
- item
- data
- value
- disease name
- similarity
- 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
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
- G16H50/70—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
Landscapes
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
【目的】患者の病名を推定し、推定した病名をその推定の根拠とともに表示する診療支援システムを、提供する。
【構成】事例データベース４３には、過去の患者の症状についての複数項目の値が、格納されている。ＣＰＵ２０は、事例データベース４３中に格納されている各項目の全ての値毎に、その値が病名判定に寄与する影響度を算出する。そして、ＣＰＵ２０は、新規患者データが入力されると、各事例データの新規患者データに対する類似度を、各項目毎に事例データの値と当該新規患者データの値との差を当該最新患者データのその項目の値の影響度に応じて重み付けして求めた値群の総和として算出し、各病名の類似度を、その病名を有する事例データの類似度の総和として求め、その類似度が最大である病名を、類似度算出に用いられた影響度が最大である新規患者データ中の項目の値とともに、表示する。
【選択図】 図１
【構成】事例データベース４３には、過去の患者の症状についての複数項目の値が、格納されている。ＣＰＵ２０は、事例データベース４３中に格納されている各項目の全ての値毎に、その値が病名判定に寄与する影響度を算出する。そして、ＣＰＵ２０は、新規患者データが入力されると、各事例データの新規患者データに対する類似度を、各項目毎に事例データの値と当該新規患者データの値との差を当該最新患者データのその項目の値の影響度に応じて重み付けして求めた値群の総和として算出し、各病名の類似度を、その病名を有する事例データの類似度の総和として求め、その類似度が最大である病名を、類似度算出に用いられた影響度が最大である新規患者データ中の項目の値とともに、表示する。
【選択図】 図１
Description
【０００１】
【発明の属する技術分野】
本発明は、医師が患者を診療するに際して、患者の症状や検査結果に基づいて病名を類推して表示する診療支援システム，及び、コンピュータをこのような診療支援システムとして機能させる診療支援プログラムに、関する。
【０００２】
【従来の技術】
医師は、患者の病歴や、患者の主観的症状、体温・血圧・脳波のような測定結果や、検体に対する病理検査結果や、レントゲン写真等の影像などの静的情報及び動的情報を、過去に蓄積した様々な患者のカルテや、医学書や医学論文などの文献情報と照合して、当該患者が患っている傷病の病名を判定するとともに、その傷病に適した治療方法を決定する。従って、その診療の妥当性は、個々の医師の経験や知識量や技量の他、大量の文献を検索する能力にも依存する。
【０００３】
そのため、従来、上述したような患者の静的情報や動的情報を文献と照合するのに寄与するシステムが、各種提案されている。
【０００４】
例えば、電子カルテシステムは、従来の紙カルテに記録されていた静的情報（患者プロフィール，検査値）や動的情報（患者の訴え，診察所見，医師の判断，処置計画）を電子データ化し、データベースに格納したものである。
【０００５】
また、下記特許文献においては、患者の症状や検査結果に基づいて、その傷病の病名を推定するシステムが開示されている。
【０００６】
【特許文献１】特開平８−２６３５６８号
【０００７】
【発明が解決しようとする課題】
しかしながら、上述した電子カルテシステムは、通常のデータベースシステムの機能を上回るものではないので、その検索は、キーワードや各検査値の範囲といった検索条件を、医師が自ら設定しなければならなかった。しかも、検索条件に合致した過去のカルテが抽出できたとしても、それが１件のみであったり、複数件であってもそれらの病名が不一致であれば、当該患者の傷病の病名が特定されたことにも、推定されたことにもならない。
【０００８】
また、上記特許文献に記載されたシステムによると、病名は推定されるものの、医師に提示される情報は、その病名とその確度だけであった。そのため、医師は、どのような理由に拠ってその病名が推定されたのかが判らないので、別途、推定の基礎となった情報同士をつき合わせて、その検証をしなければならなかった。特に、複数の病名が同じような確度で推定された場合には、各病名が推定された根拠を夫々調べ、どちらの根拠により妥当性があるかを、検証しなければならなかった。
【０００９】
このように、従来提案されていたシステムは、何れも、近年におけるＥＢＭ（Ｅｖｉｄｅｎｃｅ Ｂａｓｅｄ Ｍｅｄｉｃｉｎ：個々の患者の診断において、その時点で最適の根拠に基づいて、効果的で質の高い医療を実践すること）の要請に、応えられるものではなかった。
【００１０】
そこで、本発明の課題は、患者の症状に関して過去に蓄積した事例データと照合することによって当該患者が患っている傷病の病名を推定し、推定した病名をその推定の根拠とともに表示する診療支援システム，及び、コンピュータをこのような診療支援システムとして機能させる診療支援プログラムを提供することとする。
【００１１】
【課題を解決するための手段】
上記課題を解決するために案出された本発明による診療支援システムを構成するコンピュータの処理装置や、本発明による診療支援プログラムに従って動作するコンピュータは、事例データベース中に蓄積されている事例データの各項目の全ての値について、夫々、その値が病名判定に寄与する影響度を算出し、新規患者の症状についての前記所定項目の全部又は一部の値を含む新規患者データが前記入力装置を介して入力されると、前記各事例データの当該新規患者データに対する類似度を、各項目毎に事例データの値と当該新規患者データの値との差を当該最新患者データのその項目の値の影響度に応じて重み付けして求めた値群に基づいて算出し、各病名の類似度を、その病名を有する全事例データの類似度に基づいて算出し、その類似度が最大である病名を、類似度算出に用いられた影響度が最大である当該新規患者データ中の項目の値とともに、前記表示装置上に表示する。
【００１２】
従って、オペレータ（医師等）が新規患者の症状についての新規患者データを入力装置を介して入力すると、その新規患者データの各項目の値毎の影響度を加味して、その新規患者データに対する各事例データの類似度が算出され、算出された各事例データの類似度に基づいて病名の類似度が算出され、算出された類似度が最大である病名が、推定された病名として表示装置上に表示される。これととともに、類似度算出に用いられた新規患者データの各項目の値のうち影響度が最大のものが、表示装置上に表示される。従って、オペレータは、推定された病名がどのような根拠により推定されたのかを知ることができる。
【００１３】
なお、本発明において、影響度が最大である新規患者データ中の項目の値のみでなく、影響度が最大のものから順に所定個数の当該新規患者データ中の項目の値を、その影響度とともに、表示装置上に表示されても良い。そのように構成されれば、オペレータは、影響度が２位以下の項目の値も知ることができるので、病名が推定された根拠をより詳細に知ることができる。
【００１４】
さらに、本発明において、表示装置上に表示される新規患者データ中の項目の値と略一致する値が、表示装置上に表示される病名を含む何れかの事例データに含まれている場合には、その事実に対応する形態にて、その項目の値が表示されても良い。そのように構成されれば、オペレータは、推定された病名を有し且つ影響度が大きい同一項目の値を有する類似事例の存在を知ることができるので、推定された病名に確信を持つことができる。
【００１５】
さらに、本発明において、表示装置に表示されている病名についての類似事例データの表示指示が入力装置を介して入力された場合に、その病名を有する事例データのうち、算出された類似度が最大のものから所定個数の事例データの内容が、表示装置上に表示されても良い。そのように構成されれば、オペレータは、過去における類似症例の詳細を詳細に知ることができるので、推定された病名の妥当性を容易に検証することができる。
【００１６】
【発明の実施の形態】
以下、図面に基づいて、本発明による診療支援システムの実施の形態を説明する。
【００１７】
本実施形態は、従来の電子カルテシステムを基礎として、これにＭＢＲ（Ｍｅｍｏｒｙ Ｂａｓｅｄ Ｒｅａｓｏｎｉｎｇ）の手法を利用して、実現したものである。このＭＢＲとは、ｃｌａｓｓｉｆｉｃａｔｉｏｎの手法の一つであり、分類対象である未知事項に対して、蓄積された過去の大量データから類似している事例を複数検索し、検索された複数の類似事例の重み付き多数決で未知データを分類する手法である。
【００１８】
（全体構成）
図１は、本発明による診療支援システムの実施の形態であるコンピュータネットワークシステムの概略構成を示すブロック図である。この図１に示すように、このコンピュータネットワークシステムは、病院内に敷設されたコンピュータネットワーク（ＬＡＮ：Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）Ｎを通じて相互に通信可能な一台のホストコンピュータ１と多数の端末２とから、構成されている。このホストコンピュータ１は、病院内の書庫等に設置されたデータベースサーバであり、従来の電子カルテシステムにおけるホストコンピュータを発展させ、後述する各種プログラム３１〜３３や、各種データベース４１〜４４を追加したものである。また、各端末２は、診察室や、医局や、医師のオフィスに設置されたコンピュータであり、従来の電子カルテシステムを構成する端末に、後述する各種プログラム５１，５２を追加したものである。
【００１９】
（ホストコンピュータ）
ホストコンピュータ１は、装置全体を制御するＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１０と、このＣＰＵ１０に対してバスＢを介して接続されたＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）１２，ハードディスク１４及び通信アダプタ１５とから、構成されている。このうち、ＲＡＭ１２は、ＣＰＵ１０によって用いられる作業領域が展開される主記憶装置であり、通信アダプタ１５は、コンピュータネットワークＮとのインターフェースをなすＬＡＮカードである。
【００２０】
ハードディスク１４は、各種プログラム及び各種データを格納するハードディスク等のコンピュータ可読媒体である。上述したように、このホストコンピュータ１は、従来の電子カルテシステムにおけるホストコンピュータを発展させたものであるので、ハードディスク１４には、コンピュータネットワークＮを介しての通信機能をサポートする図示せぬＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）の他、電子カルテデータべース４１や、図示せぬ電子カルテデータサーバプログラムが、格納されている。図示せぬ電子カルテデータサーバプログラムは、ＣＰＵ１０に対して、各端末２から送信されてくるデータをフォーマット化して電子カルテデータベース４１に格納させたり、端末２から送信された検索条件を指定した検索要求に基づいて電子カルテタベース４１を検索させて、抽出されたデータレコードの内容を、検索要求元端末２へ応答させるものである。
【００２１】
電子カルテデータベース４１は、従来紙カルテに記載されていた情報を、患者ＩＤをキーとして互いにリンクされた複数のテーブルに分けて記録するデータベースである。この電子カルテデータベース４１を構成するテーブルには、各患者の個人情報を記録するための患者プロファイルデータテーブル，各患者の検査データを記録するための検査データテーブル，各患者の診療履歴を記録するための診療データテーブル，等が含まれる。
【００２２】
図２は、患者プロファイルデータテーブルのデータ構造例を示す表である。この図２に示すように、この患者プロファイルデータテーブルは、各患者毎に、その患者を一意に識別するための患者ＩＤ，その患者の名前，年齢，生年月日，職業，身長，体重，症状，等の項目からなるレコードを登録することによって、構成されている。なお、「症状」の項目には、例えば寒気の有無，嘔気の有無，胃痛の有無，等を符号化した数値が記録される。
【００２３】
図３は、各種検査データテーブルのうち、特に、手術前検査による検査を記録するための検査データテーブル（術前検査データテーブル）のデータ構造例を示す表である。この図３に示すように、この検査データテーブルは、各患者毎に、その患者の患者ＩＤ，検査実行日（ＤＡＴＡ），検査実行時刻（ＴＩＭＥ），その検査に関する手術前に診断されていた病名（術前診断），手術によって確定した病名（手術診断），検査結果である各種検査値（尿量，白血球，血小板，血色素，体温，脈拍，血圧，アルブミン，ＣＫ［クレアチン・キナーゼ］，ＡＬＰ［アルカリフォスターゼ］，ＢＵＮ［尿素酵素］，等），等の項目からなるレコードを登録することによって、構成されている。
【００２４】
図４は、各種診療データテーブルのうち、特に、手術がなされた場合における診療履歴を記録するための診療データテーブルのデータ構造例を示す表である。この図２に示すように、この診療データテーブルは、患者毎に、その患者の患者ＩＤ，各診療毎の投薬内容（投薬Ａ，投薬Ｂ），各治療法の適用の有無（治療法Ａ，治療法Ｂ），各リハビリ法の指示内容（リハビリＡ，リハビリＢ），手術から１週間後の経過（術後経過（週）），手術から１箇月後の経過（術後経過（月）），各診療毎の費用（費用１，費用２），費用合計，等の項目からなるレコードを登録することによって、構成されている。
【００２５】
ハードディスク１４には、更に、本発明による診療支援システムを実施するために、分析データ作成プログラム３１，事例データ作成プログラム３２，治療データ作成プログラム３３，分析データベース４２，事例データベース４３，治療データベース４４が、格納されている。
【００２６】
分析データ作成プログラム３１は、定期的に（例えば、１箇月毎，１週間毎，毎日）又は随時実行され、電子カルテデータベース４１を構成する各テーブルのレコードを抽出して、患者ＩＤをキーとして各レコード中の必要項目の値を結合することによって分析データを生成して、分析データベース４２に登録するためのプログラムである。また、事例データ作成プログラム３２は、定期的に又は随時実行され、上述したＭＢＲの手法を利用して分析データベース４２中の各レコードに対して交差検索を実行することにより、実際の病名予測に際してＭＢＲにおける事例データとして用いられる項目の値のみを抽出して、事例データベース４３に登録するためのプログラムである。また、治療データ作成プログラム３３は、定期的に又は随時実行され、電子カルテデータベース４１を構成する診療データテーブルから各レコードを抽出して、治療データとして作成して、治療データベース４４に登録するためのプログラムである。
【００２７】
以下、図５乃至図７の表，及び、図８乃至図１０のフローチャートに基づいて、各プログラム３１〜３３の具体的処理内容を、それらの実行に伴ってデータ登録がなされる各データベース４２〜４３のデータ構造とともに、詳細に説明する。
【００２８】
＜分析データ作成プログラム及び分析データベース＞
最初に、分析データ作成プログラム３１に従ってＣＰＵ１０が実行する処理内容を、図８に基づいて説明する。
【００２９】
この処理を開始して最初のＳ０１では、ＣＰＵ１０は、電子カルテデータベース４１の各テーブルに記録されている全レコードを抽出する。
【００３０】
次のＳ０２では、ＣＰＵ１０は、Ｓ０１にて抽出した各テーブルのレコードを、患者ＩＤをキーとして、集約する。具体的には、ＣＰＵ１０は、各患者ＩＤ毎に、その患者ＩＤと、患者プロファイルデータテーブルから抽出した当該患者ＩＤを有するレコード中の名前，年齢，生年月日，職業，身長，体重及び症状の各項目の値と、検査データテーブルから抽出した当該患者ＩＤを有するレコード中の病名（手術診断）及び各種検査値（尿量，白血球，血小板，血色素，体温，脈拍，血圧，アルブミン，ＣＫ，ＡＬＰ，ＢＵＮ，等）の項目の値と、診療データテーブルから抽出した当該患者ＩＤを有するレコード中の術後経過（転機）の値とを結合して、一つのレコードを生成する。
【００３１】
次のＳ０３では、ＣＰＵ１０は、はずれ値に属する雑音データの除去を行う。具体的には、ＣＰＵ１０は、Ｓ０２にて生成した各レコード毎に、そのレコード中の各項目の検査値を、夫々の項目に対応して予め用意された上限値及び下限値（検査対象者が生存している限りあり得ないほど高い値及び低い値）と比較し、対応する上限値と下限値との間に入っていない検査値を、雑音データとして除去する。更に、ＣＰＵ１０は、各レコード毎に、そのレコード中の各項目の検査値を他のレコードの同項目の検査値と比較し、他のレコードと比べて明らかに特異な値となっている検査値を、雑音データとして除去する。
【００３２】
次のＳ０４では、ＣＰＵ１０は、処理後のレコードを分析データベース４２に格納する。図５は、このようにしてレコードが登録された分析データベース４２のデータ構造を示す表である。Ｓ０４を完了すると、ＣＰＵ１０は、この分析データ作成プログラム３１に従った処理を終了する。
【００３３】
＜事例データ作成プログラム及び事例データベース＞
次に、事例データ作成プログラム３２に従ってＣＰＵ１０が実行する処理内容を、図９に基づいて説明する。
【００３４】
この処理を開始して最初のＳ１１では、ＣＰＵ１０は、分析データベース４２における各データ項目から、説明項目を選択する。具体的には、各レコード中に欠測値が多い項目，ＭＢＲのためには意味の無い項目（患者ＩＤ，日付け，等），値同士の相関が大きい（例えば、相関率が０．９以上の）一対の項目のうちの何れか一方を除き、その他の項目を説明項目として選択する。そして、ＣＰＵ１０は、分析データベース４２において、説明項目以外の全項目を削除する。
【００３５】
次のＳ１２では、ＣＰＵ１０は、分析データベース４２中の全レコードを抽出して、例えば１０個のグループに仕分ける。そして、或る一つのグループに属するレコードを検証用レコードとし且つ他のレコードを事例用レコードとする組合せからなる交差検定用のデータを、計１０通り作成する。
【００３６】
次のＳ１３では、ＣＰＵ１０は、Ｓ１２にて作成した１０通りの交差検定用データのそれぞれに基づいて、ＭＢＲを使った各検証用レコード毎の判別処理（即ち、各交差検定用データ中の各検証用レコード毎に、その検証用レコードの病名［手術診断］の値をマスクした上で、その検証用データ及び同交差検定用データ中の事例用レコード群に対してＭＢＲを用いて、その検証用データの病名［手術診断］の値を判別する処理）を実行する。
【００３７】
具体的には、ＣＰＵ１０は、先ず、病名（手術診断）の判別に際して、他の項目ｉの値Ｖｉがどれくらい寄与するかを、各項目値Ｖｉの影響度Ｗｉとして算出する。即ち、各項目ｉ毎に、その項目ｉの値Ｖｉに対して各病名Ｃｋがどのくらい偏るかを示す条件付き確率（Ｐ（Ｃｋ｜Ｖｉ）； 項目の値がＶｉのときに病名Ｃｋである確率）を全ての病名（Ｃ１〜Ｃｎ）について計算し、その自乗総和（ΣＰ（Ｃｋ｜Ｖｉ）２）を、項目値Ｖｉの影響度Ｗｉとして算出する。例えば、項目「年齢」の値“２０才”が病名の判断に寄与する影響度は、
となる。このとき、仮に、年齢が２０才の人がすべて急性虫垂炎で、他の病名がなければ、
となる。この計算例から判るように、項目値Ｖｉに対して病名Ｃｋの偏りが大きい場合には、影響度Ｗｉは最大となる。このようにして、ＣＰＵ１０は、全ての説明項目ｉについて、事例レコード群中に含まれるあらゆる項目値Ｖｉ毎に、その項目値Ｖｉが病名の判断に寄与する影響度（Ｗｉ：項目値Ｖｉの影響度）を計算する。
【００３８】
次に、ＣＰＵ１０は、各事例用レコード毎に、検証用レコードとその事例用レコードとの間の類似度を算出する。即ち、ＣＰＵ１０は、検証用レコード中の各説明項目ｉの項目値Ｕｉ毎に、比較対象事例用レコード中の同説明項目ｉの項目値Ｖｉと比較し、以下のように項目距離ｄｉを計算する。
ｄｉ＝｜Ｖｉ−Ｕｉ｜／説明項目ｉの標準偏差
（説明項目ｉが数値変量である場合）
ｄｉ＝１（説明項目ｉがカテゴリ変量であってＶｉ≠Ｕｉである場合）
ｄｉ＝０（説明項目ｉがカテゴリ変量であってＶｉ＝Ｕｉである場合）
更に、ＣＰＵ１０は、各説明項目ｉについて算出した項目距離ｄｉの自乗に、その計算に用いた検証用レコード中の項目値Ｕｉの影響度Ｗｉを乗じることによって、重み付けを施す。そして、ＣＰＵ１０は、重み付けが施された全説明項目ｉについての項目距離ｄｉに対して下記関数を実行することによって、その関数の解として、検証用レコードと比較対象事例用レコードとの間の類似度（距離）を算出する。
類似度＝１／√［Σ（ｗｉ×ｄｉ２）］
【００３９】
例えば、検証用レコード中の項目「年齢」の項目値が“２０才”，項目「白血球」の項目値が“６０００”，項目「血小板」の項目値が“２０．５”，項目「血色素」の項目値が“９”，項目「胃痛」の項目値が“あり”，項目「嘔気」の項目値が“なし”，…の場合には、ＣＰＵ１０は、
と、計算する。
【００４０】
次に、ＣＰＵ１０は、このように算出された検証用レコードに対する類似度が大きいものから順に、Ｎ（Ｎ：予め設定された整数）個の事例用レコードを抽出する。
【００４１】
次に、ＣＰＵ１０は、抽出されたＮ個の事例用レコード中の項目「病名（手術診断）」の項目値（病名）に基づいて、病名毎の確信度を算出する。即ち、ＣＰＵ１０は、抽出されたＮ個の事例用レコードを、その病名が同じもの同士のグループに分類する。そして、各グループの全事例用レコードについて夫々算出された検証用レコードとの類似度の総和を、その病名の類似度Ｔｃとして算出する。このようにして算出された全病名の類似度Ｔｃの総和に対する各病名の類似度Ｔｃの比率を、その病名の確信度として算出するのである。
【００４２】
次に、ＣＰＵ１０は、確信度が最も高い病名（判別された病名）と検証用レコードの項目「病名（手術診断）」の項目値（病名）とを比較し、両者が一致している場合には、当該検証用レコードについて「判別正答」と記録し、両者が齟齬している場合には、当該検証用レコードについて「判別不正答」と記録する。
【００４３】
ＣＰＵ１０は、以上の判別処理を、同一の交差検定用データ中の全検証用レコードについて実行する。そして、同一の交差検定用データ中の全検証用レコードについて判別処理を完了すると、検証用レコードの総数に対する「判別正答」と記録された検証用レコード数の比率を、判別正答率として算出する。
【００４４】
続いて、ＣＰＵ１０は、次の交差検定用データに切り換えて、上述した各検証用データ毎の判別処理を実行し、判別正答率を算出する。
【００４５】
このようにして、ＣＰＵ１０は、１０通りの交差検定用データの全てに基づいて、各検証用レコード毎の判別処理を実行し、１０個の判別正答率を得るのである。
【００４６】
次のＳ１４では、ＣＰＵ１０は、影響度のチェックを行う。即ち、Ｓ１３にて各交差検定用データに基づいて各検証用レコード毎の判別処理を実行すると、その都度、各項目ｉの項目値Ｖｉ毎の影響値Ｗｉが算出される。従って、同一の項目値Ｖｉについて、最大１０個の影響値Ｗｉが算出されることになる。そこで、ＣＰＵ１０は、各項目値Ｖｉ毎に、その項目値Ｖｉについて算出された全ての影響値Ｗｉの平均値を算出する。そして、ＣＰＵ１０は、算出された影響値Ｗｉの平均値が極端に大きい項目値Ｖｉがないかどうか，算出された影響値Ｗｉの平均値が極端に小さい項目値Ｖｉがないかどうか，算出された影響値Ｗｉの数と平均値とがバランスされているかどうか（件数が多いのに影響度Ｗｉの平均値が低い項目値Ｖｉはないかどうか，件数が少ないのに影響度Ｗｉの平均値が高い項目値Ｖｉはないかどうか）を、チェックする。
【００４７】
次のＳ１５では、ＣＰＵ１０は、Ｓ１３にて交差検定用データ毎に算出された１０個の判別正答率の平均値を算出し、その平均値をチェックする。即ち、ＣＰＵ１０は、判別正答率の平均値が極端に低くないかをチェックする。
【００４８】
次のＳ１６では、Ｓ１４及びＳ１５でのチェック結果に基づいて、現時点における分析データベース４２中のレコードに妥当性が認められるか否かを判断する。そして、ＣＰＵ１０は、算出された影響値Ｗｉの平均値が極端に大きい項目値Ｖｉがある場合，算出された影響値Ｗｉの平均値が極端に小さい項目値Ｖｉがある場合，件数が多いのに影響度Ｗｉの平均値が低い項目値Ｖｉがある場合，件数が少ないのに影響度Ｗｉの平均値が高い項目値Ｖｉがある場合，判別正答率の平均値が極端に低い場合には、妥当性が認められないとして、処理をＳ１１へ戻し、特異な影響を与えている項目値（算出された影響値Ｗｉの平均値が極端に大きい項目値，算出された影響値Ｗｉの平均値が極端に小さい項目値，件数が多いのに影響度Ｗｉの平均値が低い項目値，件数が少ないのに影響度の平均値が高い項目値）を削除したり、削除の結果として残存する項目値が少なくなってしまった不要説明項目自体を削除することにより、分析データベース４２を修正して、Ｓ１２以下の処理を再実行する。これに対して、算出された影響値Ｗｉの平均値が極端に大きい項目値Ｖｉや、算出された影響値Ｗｉの平均値が極端に小さい項目値Ｖｉや、件数が多いのに影響度Ｗｉの平均値が低い項目値Ｖｉや、件数が少ないのに影響度Ｗｉの平均値が高い項目値Ｖｉが無く、判別正答率の平均値が所定値以上であれば、妥当性が認められるとして、処理をＳ１７へ進める。
【００４９】
Ｓ１７では、ＣＰＵ１０は、分析データベース４２に残っている各レコードを、事例データとして、事例データベース４３に格納する。図６は、このようにしてレコードが登録された事例データベース４３のデータ構造を示す表である。即ち、事例データベース４３は、過去の患者の症状についての所定の複数項目の値から構成あれる事例データを多数蓄積した事例データベースに該当するようになるのである。Ｓ１７を完了すると、ＣＰＵ１０は、この事例データ作成プログラム３２に従った処理を終了する。
【００５０】
＜治療データ作成プログラム及び治療データベース＞
次に、治療データ作成プログラム３３に従ってＣＰＵ１０が実行する処理内容を、図１０に基づいて説明する。
【００５１】
この処理を開始して最初のＳ２１では、ＣＰＵ１０は、電子カルテデータベース４１から、診療データテーブルの全レコードを読み出す。
【００５２】
次のＳ２２では、ＣＰＵ１０は、Ｓ２１にて読み出した全レコードを、治療データベース４４に格納する。図７は、このようにしてレコードが登録された治療データベース４４のデータ構造を示す表である。Ｓ２２を完了すると、ＣＰＵ１０は、この治療データ作成プログラム３３に従った処理を終了する。
【００５３】
（端末）
各端末２は、装置全体を制御する処理装置であるＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）２０と、このＣＰＵ２０に対してバスＢを介して接続された入力装置２１，ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）２２，ディスプレイ２３，ハードディスク２４及び通信アダプタ２５とから、構成されている。このうち、入力装置２１に操作されることによってＣＰＵ２０に対して命令やデータを入力する装置であり、キーボード及びマウスからなる。また、ＲＡＭ２２は、ＣＰＵ２０によって用いられる作業領域が展開される主記憶装置であり、ディスプレイ２３は、ＣＰＵ２０によって生成される画面を表示する表示装置である。また、通信アダプタ２５は、コンピュータネットワークＮとのインターフェースをなすことにより、信号線を介してホストコンピュータ１のハードディスク１４にアクセスするために利用されるＬＡＮカードである。
【００５４】
ハードディスク２４は、各種プログラム及び各種データを格納するハードディスク等のコンピュータ可読媒体である。上述したように、この端末２は、従来の電子カルテシステムを構成する端末を発展させたものであるので、ハードディスク２４には、コンピュータネットワークＮを介しての通信機能をサポートする図示せぬＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）の他、図示せぬ電子カルテクライアントプログラムが、格納されている。図示せぬ電子カルテクライアントプログラムは、ＣＰＵ２０に対して、入力装置２１を介して入力された検索条件含む検索要求をホストコンピュータ１へ送信させ、この検索要求に応じてホストコンピュータ１から応答されたデータの内容を、所定形式の電子カルテ表示画面に埋め込んでディスプレイ２２上に表示させたり、この電子カルテ表示画面上で新規作成されたデータや更新されたデータを、ホストコンピュータ１へ送信させるものである。
【００５５】
ハードディスク２４には、更に、本発明による診療支援システムを実施するために、病名予測プログラム５１及び情報表示プログラム５２が、格納されている。
【００５６】
病名予測プログラム５１は、入力装置２１を介して入力された新規患者の症状に関するデータ（検査値，患者の訴え，診察所見）に対して類似度が高いレコードを事例データベースから読み込み、これらレコード中の病名毎の確信度を算出し、これら病名をその確信度とともにディスプレイ２３上に表示するとともに、類似度算出に用いられた当該新規患者の症状に関する各項目の項目値毎の影響度を病名推定の根拠として表示するためのプログラムである。また、情報表示プログラム５２は、病名予測プログラム５１によってディスプレイ２３上に表示されたデータを見たオペレータが入力装置２１を介して入力した指示に従って、各類似度の高いレコードに対応した診療実績及び費用実績を表示するためのプログラムである。
【００５７】
以下、図１１及び図１２のフローチャート，及び、図１３乃至図１６の画面例に基づいて、各プログラム５１，５２の具体的処理内容を、詳細に説明する。
【００５８】
＜病名予測プログラム＞
最初に、病名予測プログラム５１に従ってＣＰＵ２０が実行する処理内容を、図１１に基づいて説明する。
【００５９】
この処理を開始して最初のＳ３１では、ＣＰＵ２０は、ホストコンピュータ１にアクセスして、事例データベース４３の内容を読み込む。そして、事例データベース４３の全説明項目（患者ＩＤ以外のデータ項目）ｉについてのあらゆる項目値Ｖｉについて、その項目値Ｖｉが病名（手術診断）の判別に寄与する程度を、影響度Ｗｉとして算出する。即ち、その項目値Ｖｉに対して各病名Ｃｋがどのくらい偏るかを示す条件付き確率Ｐ（Ｃｋ｜Ｖｉ）を全ての病名（Ｃ１〜Ｃｎ）について計算し、その自乗総和（ΣＰ（Ｃｋ｜Ｖｉ）２）を、その項目値Ｖｉの影響度Ｗｉとして算出する。
【００６０】
次のＳ３２では、ＣＰＵ１０は、図１３に示す入力画面をディスプレイ２３上に表示して、新規患者についての予測用患者データの取得処理を実行する。この入力画面は、図示せぬ電子カルテクライアントプログラムと連動して、電子カルテデータの入力画面を兼ねているので、電子カルテデータベース４１における患者プロファイルデータテーブル及び検査データテーブルの全データ項目について、夫々項目値入力欄を備えている。更に、この入力画面には、「入力クリア」ボタン６０及び「判定」ボタン６１が、備えられている。オペレータが新規患者について得ている各種データを夫々に対応する各項目値入力欄に入力した状態で「判定」ボタン６１を押下すると、各項目値入力欄に入力されている全項目値が、図示せぬ電子カルテクライアントプログラムによって電子カルテデータベース４１へ登録要求されるとともに、病名予測プログラム５１に
よって新規患者データとして取り込まれて、処理がＳ３３へ進められる。
【００６１】
Ｓ３３では、ＣＰＵ１０は、事例データベース４３に格納されている各レコード（以下「事例データ」という）毎に、新規患者データとその事例データとの間の類似度を算出する。即ち、ＣＰＵ１０は、事例データを構成する各説明項目ｉ毎に、その説明項目の項目値Ｖｉと新規患者データ中の同項目の項目値Ｕｉとを比較し、以下のように項目距離ｄｉを計算する。
ｄｉ＝｜Ｖｉ−Ｕｉ｜／説明項目ｉの標準偏差
（説明項目ｉが数値変量である場合）
ｄｉ＝１（説明項目ｉがカテゴリ変量であってＶｉ≠Ｕｉである場合）
ｄｉ＝０（説明項目ｉがカテゴリ変量であってＶｉ＝Ｕｉである場合）
更に、ＣＰＵ１０は、各説明項目ｉについて算出した項目距離ｄｉの自乗に、その計算に用いた新規患者データ中の項目値Ｕｉの影響度Ｗｉを乗じることによって、重み付けを施す。そして、ＣＰＵ１０は、重み付けが施された全説明項目ｉについての項目距離ｄｉに対して下記関数を実行することによって、その関数の解として、新規患者データと比較対象事例データとの間の類似度（距離）を算出する。
類似度＝１／√［Σ（ｗｉ×ｄｉ２）］
即ち、ＣＰＵ１０は、各事例データの新規患者データに対する類似度を、各項目毎に事例データの値と当該新規患者データの値との差を当該最新患者データのその項目の値の影響度に応じて重み付けして求めた値群に基づいて、算出する。そして、ＣＰＵ１０は、このように算出された新規患者データに対する類似度が大きいものから順に、Ｎ（Ｎ：予め設定された整数）個の事例データを、類似症例として抽出する。
【００６２】
次のＳ３４では、ＣＰＵ１０は、Ｓ３３にて抽出されたＮ個の類似症例中の項目「病名（手術診断）」の項目値（病名）に基づいて、病名毎の確信度を算出する。即ち、ＣＰＵ１０は、抽出されたＮ個の類似症例を、その病名が同じもの同士のグループに分類する。そして、各グループの全類似症例について夫々算出された類似度の総和を、その病名の類似度Ｔｃとして算出する。このようにして算出された全病名の類似度Ｔｃの総和に対する各病名の類似度Ｔｃの比率を、その病名の確信度として算出する。
【００６３】
次のＳ３５では、ＣＰＵ１０は、新規患者の病名判断の根拠として、類似症例を抽出する際に強く影響した項目を、影響度の高い順に特定する。即ち、ＣＰＵ１０は、Ｓ３３での類似度算出に用いた新規患者データ中の各項目値Ｕｉの影響度Ｗｉ（事例データを構成するのと同じ各説明項目ｉについての新規患者データ中の各項目値Ｕｉの影響度Ｗｉ）を、大きい順に特定する。
【００６４】
その上で、ＣＰＵ１０は、特定した各説明項目ｉについての項目値Ｕｉの影響度Ｗｉ，及び、Ｓ３４にて算出された各病名毎の確信度を提示するための病気確認画面を、ディスプレイ２３上に表示する。
【００６５】
図１４に示すように、この病気確認画面は、患者識別欄６２，判定欄６３，及び、影響項欄６４を縦に並べることにより、構成されている。患者識別欄６２は、１行から構成され、新規患者データ中の患者ＩＤ及び患者氏名を横に並べて表示する。
【００６６】
また、判定欄６３は、夫々病名に対応し、その病名の確信度が高いものから順に上から下へ並べられた複数の行（図１４の例では５行）から構成され、各行は、左から順に、その病名の確信度の順位を示すフィールド，その病名を示すフィールド，その病名の確信度を示すフィールド，「類似例」ボタン６５を示すフィールドから、構成されている。
【００６７】
また、影響項欄６４は、夫々上述したように特定された各説明項目ｉについての項目値Ｕｉの影響度Ｗｉに対応し、その影響度Ｗｉが高いものから順に上から下へ並べられたＮ個の行（図１４の例では５行）から構成され、各行は、左から順に、後述する「該当」を示すフィールド，その説明項目ｉを示すフィールド（項目），その項目値Ｕｉを示すフィールド（内容），その影響度Ｗｉを示すフィールド（影響度）から、構成されている。各行における「該当」フィールドとは、判定欄６３において順位が１位であると表示されている病名を有する類似症例の中に、その行の内容フィールドに表示されている項目値Ｕｉとほぼ一致する項目値Ｖｉを含むものが有るか否かを、マーキング（その事実に対応する形態）によって示す（図１４の例においては黒丸が“有り”を示す）フィールドである。
【００６８】
オペレータが、入力装置２１を用いて、判定欄６３中の何れかの「類似例」ボタン６５を押下することによって類似事例データの表示指示を入力すると、ＣＰＵ２０は、処理をＳ３６へ進める。
【００６９】
Ｓ３６では、ＣＰＵ２０は、判定欄６３中において押下された「類似例」ボタン６４と同じ行に示されている病名を有する類似症例に基づいて、これらの類似症例の内容を当該病名推定の根拠として示すための類似実例画面を、ディスプレイ２３上に表示する。図１５に示すように、この類似実例画面は、当該病名を示す病名表示欄６６，及び、類似症例欄６７を縦に並べることにより、構成されている。類似症例欄６７は、夫々類似症例に対応し、その類似度が高いものから順に上から下へ並べられた複数の行（図１５の例では１０行）から構成され、各行は、「年齢」フィールド，「性別」フィールド，「状態（図５における『転機』に相当）」フィールド，「体温」フィールド，病気確認画面の影響項欄６４において「該当」フィールドにマーキングが付された各項目に対応した幾つかのフィールド（図１５の例においては『白血球』フィールド，『血小板』フィールド），「治療」ボタン６８を示すフィールド，「費用」ボタン６９を示すフィールドから、構成されている。オペレータが、入力装置２１を用いて、類似症例欄６７中の何れかの「治療」ボタン６８又は「費用」ボタン６９を押下すると、ＣＰＵ２０は、情報表示プログラム５２を起動する。
【００７０】
＜情報表示プログラム＞
次に、上述したようにして起動された情報表示プログラム５２に従ってＣＰＵ２０が実行する処理内容を、図１２に基づいて説明する。
【００７１】
この処理を開始して最初のＳ４１では、ＣＰＵ２０は、類似実例画面中で押下されたボタン６８，６９の種類，及び、そのボタン６８，６９の行に対応した類似症例中の患者ＩＤを、病名予測プログラム５１から取得する。
【００７２】
次のＳ４２では、ＣＰＵ２０は、ホストコンピュータ１にアクセスして、病名予測プログラム５１から渡された患者ＩＤを含むレコードを、電子カルテデータベース４１の診療データテーブルから抽出する。
【００７３】
次のＳ４３では、ＣＰＵ２０は、Ｓ４２にて診療データテーブルから抽出した当該患者ＩＤを含むレコードの内容を画面表示用に編集加工する。即ち、ＣＰＵ２０は、「治療」ボタン６８が押下された場合には、当該レコード中の「費用」以外の各項目のデータを、図１６に示す治療プロセス画面のフォーマットに編集加工する。また、「費用」ボタン６９が押下された場合には、当該レコード中の各「費用」のデータを、図１７に示す必用費用画面のフォーマットに編集加工する。そして、編集加工によって生成された各画面を、ディスプレイ２３上に表示する。
【００７４】
（実施形態の作用）
上述したように構成された本実施形態の診療支援システムによると、病名判定に用いられる過去の患者の症状についての各説明項目毎の項目値は、予め妥当性を保証された状態（個々の患者に特異である為に参考にならない項目値が排除され、項目値の欠落が多い等の理由により不要な項目が削除され、所定以上の確率［正答率］で正しい病名を導き出すことができることが実証された状態）に加工されて、事例データとして、事例データベース４３に格納されている（図９）。
【００７５】
そして、オペレータが、病名予測プログラム５１を起動すると、事例データベース４３中に格納されている各説明項目ｉの全項目値Ｖｉ毎に、その項目値Ｖｉが病名判定に寄与する影響度Ｗｉが算出される（Ｓ３１）。そして、オペレータが、新規患者についての新規患者データ（患者プロフィール，検査値，患者の訴え，診察所見）を端末２に入力すると（Ｓ３２）、事例データベース４３に格納されている各事例データの新規患者データに対する類似度が、事例データを構成する各説明目ｉ毎の当該事例データ中の項目値Ｖｉと新規患者データ中の項目値Ｕｉとの間の距離（項目距離ｄｉ）の自乗に対する当該新規患者データの項目値Ｕｉの影響度Ｗｉの積の総和として、算出される。そして、類似度が大きい順から順にＮ個の事例データが類似症例として抽出される（Ｓ３３）。そして、類似症例が病名毎のグループ毎に仕分けられ、各グループの類似度がその病名の類似度Ｔｃとして算出され、全病名の類似度Ｔｃの総和に対する各病名の類似度Ｔｃの比として、各病名の確信度Ａｃが算出される（Ｓ３４）。このように算出された確信度が高い順に、各病名が、その確信度とともに、病気確認画面（図１４）に表示される。この画面には、類似度算出に用いられた新規患者データ中各説明項目ｉの項目値Ｕｉが、その影響度が高い順に、その影響度とともに表示される。更に、確信度が最も高い病名を有する各類似症例に、新規患者データ中の項目値Ｕｉとほぼ一致する項目値Ｖｉを有するものが存在する場合には、その説明項目ｉの項目値Ｕｉには、マーキングが示される（Ｓ３５）。
【００７６】
従って、オペレータは、新規患者のデータとの類似度が大きい類似症例が最多数存在する病名を、その新規患者が患っている傷病の病名と推定され得るものとして、知ることができる。更に、オペレータは、同時に表示された新規患者データ中各説明項目ｉの項目値Ｕｉ（特に、マーキングが示された各説明項目ｉの項目値Ｕｉ）を、その病名が推定された根拠として知ることができる。従って、オペレータは、その病名の推定が妥当かどうかを自分で判断して、その推定に確信を持つことができる。
【００７７】
更に、オペレータが病気確認画面内に表示されている何れかの病名に対応した「類似例」ボタン６５を押下すると、その病名を有する類似症例の内容が、類似事例画面（図１５）に一覧表示される（Ｓ３６）。従って、オペレータは、その病名推定の根拠を自ら検証することができる。
【００７８】
更に、オペレータが類似事例画面内に表示されている何れかの類似症例に対応した「治療」ボタン６８を押下すると、その類似症例に対応した治療歴が治療データベース４４から読み出され、治療プロセス画面（図１６）に表示される（図１２）。従って、オペレータは、類似症例における治療履歴を参考にして、治療計画を立てることができる。
【００７９】
（付記１）
データベースを格納する記憶装置と、信号線を介してこの記憶装置に接続され、この記憶装置に対してアクセスするためのインタフェース，処理装置，入力装置，表示装置を備えたコンピュータとからなる診療支援システムであって、
前記記憶装置は、過去の患者の症状についての所定の複数項目の値から構成される事例データを多数蓄積した事例データベースを格納しており、
前記コンピュータの処理装置は、
前記事例データベース中に蓄積されている事例データの各項目の全ての値について、夫々、その値が病名判定に寄与する影響度を算出し、
新規患者の症状についての前記所定項目の全部又は一部の値を含む新規患者データが前記入力装置を介して入力されると、前記各事例データの当該新規患者データに対する類似度を、各項目毎に事例データの値と当該新規患者データの値との差を当該最新患者データのその項目の値の影響度に応じて重み付けして求めた値群に基づいて算出し、各病名の類似度を、その病名を有する全事例データの類似度に基づいて算出し、その類似度が最大である病名を、類似度算出に用いられた影響度が最大である当該新規患者データ中の項目の値とともに、前記表示装置上に表示する
ことを特徴とする診療支援システム。（１）
【００８０】
（付記２）
前記コンピュータの処理装置は、類似度が最大のものから順に所定個数の病名を、その類似度に基づいて算出した確度とともに、前記表示装置上に表示する
ことを特徴とする付記１記載の診療支援システム。
【００８１】
（付記３）
前記コンピュータの処理装置は、影響度が最大のものから順に所定個数の当該新規患者データ中の項目の値を、その影響度とともに、前記表示装置上に表示する
ことを特徴とする付記１記載の診療支援システム。（２）
【００８２】
（付記４）
前記コンピュータの処理装置は、前記表示装置上に表示する当該新規患者データ中の項目の値と略一致する値が、前記表示装置上に表示する病名を含む何れかの事例データに含まれている場合には、その事実に対応する形態にて当該新規患者データ中の項目の値を表示する
ことを特徴とする付記１又は３記載の診療支援システム。（３）
【００８３】
（付記５）
前記コンピュータの処理装置は、前記表示装置に表示している病名についての類似事例データの表示指示が前記入力装置を介して入力されると、その病名を有する前記事例データのうち、算出された類似度が最大のものから所定個数の事例データの内容を、前記表示装置上に表示する
ことを特徴とする付記１記載の診療支援システム。（４）
【００８４】
（付記６）
前記記憶装置は、前記コンピュータのインタフェースに繋がるコンピュータネットワークを介して当該コンピュータと通信する他のコンピュータに接続されている
ことを特徴とする付記１記載の診療支援システム。
【００８５】
（付記７）
過去の患者の症状についての所定の複数項目の値から構成される事例データを多数蓄積した事例データベースを格納した記憶装置にアクセスするためのインタフェース，入力装置，表示装置を備えたコンピュータに対して、
前記事例データベース中に蓄積されている事例データの各項目の全ての値について、夫々、その値が病名判定に寄与する影響度を算出させ、
新規患者の症状についての前記所定項目の全部又は一部の値を含む新規患者データが前記入力装置を介して入力されると、前記各事例データの当該新規患者データに対する類似度を、各項目毎に事例データの値と当該新規患者データの値との差を当該最新患者データのその項目の値の影響度に応じて重み付けして求めた値群に基づいて算出させ、各病名の類似度を、その病名を有する全事例データの類似度に基づいて算出させ、その類似度が最大である病名を、類似度算出に用いられた影響度が最大である当該新規患者データ中の項目の値とともに、前記表示装置上に表示させる
ことを特徴とする診療支援プログラム。（５）
【００８６】
【発明の効果】
以上のように構成された本発明によると、患者の症状に関して過去に蓄積した事例データと照合することによって当該患者が患っている傷病の病名を推定し、推定した病名を、その推定の根拠とともに表示することができる。
【図面の簡単な説明】
【図１】本発明による診療支援システムの実施の形態であるコンピュータネットワークシステムのハードウェア構成を示すブロック図
【図２】電子カルテデータベースを構成する患者プロファイルテーブルの概略データ構造を示す表
【図３】電子カルテデータベースを構成する検査データテーブルの概略データ構造を示す表
【図４】電子カルテデータベースを構成する診療データテーブルの概略データ構造を示す表
【図５】分析データベースの概略データ構造を示す表
【図６】事例データベースの概略データ構造を示す表
【図７】治療データベースの概略データ構造を示す表
【図８】分析データ作成プログラムによる処理内容を示すフローチャート
【図９】事例データ作成プログラムによる処理内容を示すフローチャート
【図１０】治療データベース作成プログラムによる処理内容を示すフローチャート
【図１１】病名予測プログラムによる処理内容を示すフローチャート
【図１２】情報表示プログラムによる処理内容を示すフローチャート
【図１３】入力画面を示す図
【図１４】病気確認画面を示す図
【図１５】類似事例画面を示す図
【図１６】治療プロセス画面を示す図
【図１７】必用費用画面を示す図
【符号の説明】
１ ホストコンピュータ
２ 端末
２０ ＣＰＵ
２１ ディスプレイ
２２ ＲＡＭ
２３ 入力装置
２４ ハードディスク
４３ 事例データベース
４４ 治療データベース
５１ 病名予測プログラム５１
５２ 情報表示プログラム
【発明の属する技術分野】
本発明は、医師が患者を診療するに際して、患者の症状や検査結果に基づいて病名を類推して表示する診療支援システム，及び、コンピュータをこのような診療支援システムとして機能させる診療支援プログラムに、関する。
【０００２】
【従来の技術】
医師は、患者の病歴や、患者の主観的症状、体温・血圧・脳波のような測定結果や、検体に対する病理検査結果や、レントゲン写真等の影像などの静的情報及び動的情報を、過去に蓄積した様々な患者のカルテや、医学書や医学論文などの文献情報と照合して、当該患者が患っている傷病の病名を判定するとともに、その傷病に適した治療方法を決定する。従って、その診療の妥当性は、個々の医師の経験や知識量や技量の他、大量の文献を検索する能力にも依存する。
【０００３】
そのため、従来、上述したような患者の静的情報や動的情報を文献と照合するのに寄与するシステムが、各種提案されている。
【０００４】
例えば、電子カルテシステムは、従来の紙カルテに記録されていた静的情報（患者プロフィール，検査値）や動的情報（患者の訴え，診察所見，医師の判断，処置計画）を電子データ化し、データベースに格納したものである。
【０００５】
また、下記特許文献においては、患者の症状や検査結果に基づいて、その傷病の病名を推定するシステムが開示されている。
【０００６】
【特許文献１】特開平８−２６３５６８号
【０００７】
【発明が解決しようとする課題】
しかしながら、上述した電子カルテシステムは、通常のデータベースシステムの機能を上回るものではないので、その検索は、キーワードや各検査値の範囲といった検索条件を、医師が自ら設定しなければならなかった。しかも、検索条件に合致した過去のカルテが抽出できたとしても、それが１件のみであったり、複数件であってもそれらの病名が不一致であれば、当該患者の傷病の病名が特定されたことにも、推定されたことにもならない。
【０００８】
また、上記特許文献に記載されたシステムによると、病名は推定されるものの、医師に提示される情報は、その病名とその確度だけであった。そのため、医師は、どのような理由に拠ってその病名が推定されたのかが判らないので、別途、推定の基礎となった情報同士をつき合わせて、その検証をしなければならなかった。特に、複数の病名が同じような確度で推定された場合には、各病名が推定された根拠を夫々調べ、どちらの根拠により妥当性があるかを、検証しなければならなかった。
【０００９】
このように、従来提案されていたシステムは、何れも、近年におけるＥＢＭ（Ｅｖｉｄｅｎｃｅ Ｂａｓｅｄ Ｍｅｄｉｃｉｎ：個々の患者の診断において、その時点で最適の根拠に基づいて、効果的で質の高い医療を実践すること）の要請に、応えられるものではなかった。
【００１０】
そこで、本発明の課題は、患者の症状に関して過去に蓄積した事例データと照合することによって当該患者が患っている傷病の病名を推定し、推定した病名をその推定の根拠とともに表示する診療支援システム，及び、コンピュータをこのような診療支援システムとして機能させる診療支援プログラムを提供することとする。
【００１１】
【課題を解決するための手段】
上記課題を解決するために案出された本発明による診療支援システムを構成するコンピュータの処理装置や、本発明による診療支援プログラムに従って動作するコンピュータは、事例データベース中に蓄積されている事例データの各項目の全ての値について、夫々、その値が病名判定に寄与する影響度を算出し、新規患者の症状についての前記所定項目の全部又は一部の値を含む新規患者データが前記入力装置を介して入力されると、前記各事例データの当該新規患者データに対する類似度を、各項目毎に事例データの値と当該新規患者データの値との差を当該最新患者データのその項目の値の影響度に応じて重み付けして求めた値群に基づいて算出し、各病名の類似度を、その病名を有する全事例データの類似度に基づいて算出し、その類似度が最大である病名を、類似度算出に用いられた影響度が最大である当該新規患者データ中の項目の値とともに、前記表示装置上に表示する。
【００１２】
従って、オペレータ（医師等）が新規患者の症状についての新規患者データを入力装置を介して入力すると、その新規患者データの各項目の値毎の影響度を加味して、その新規患者データに対する各事例データの類似度が算出され、算出された各事例データの類似度に基づいて病名の類似度が算出され、算出された類似度が最大である病名が、推定された病名として表示装置上に表示される。これととともに、類似度算出に用いられた新規患者データの各項目の値のうち影響度が最大のものが、表示装置上に表示される。従って、オペレータは、推定された病名がどのような根拠により推定されたのかを知ることができる。
【００１３】
なお、本発明において、影響度が最大である新規患者データ中の項目の値のみでなく、影響度が最大のものから順に所定個数の当該新規患者データ中の項目の値を、その影響度とともに、表示装置上に表示されても良い。そのように構成されれば、オペレータは、影響度が２位以下の項目の値も知ることができるので、病名が推定された根拠をより詳細に知ることができる。
【００１４】
さらに、本発明において、表示装置上に表示される新規患者データ中の項目の値と略一致する値が、表示装置上に表示される病名を含む何れかの事例データに含まれている場合には、その事実に対応する形態にて、その項目の値が表示されても良い。そのように構成されれば、オペレータは、推定された病名を有し且つ影響度が大きい同一項目の値を有する類似事例の存在を知ることができるので、推定された病名に確信を持つことができる。
【００１５】
さらに、本発明において、表示装置に表示されている病名についての類似事例データの表示指示が入力装置を介して入力された場合に、その病名を有する事例データのうち、算出された類似度が最大のものから所定個数の事例データの内容が、表示装置上に表示されても良い。そのように構成されれば、オペレータは、過去における類似症例の詳細を詳細に知ることができるので、推定された病名の妥当性を容易に検証することができる。
【００１６】
【発明の実施の形態】
以下、図面に基づいて、本発明による診療支援システムの実施の形態を説明する。
【００１７】
本実施形態は、従来の電子カルテシステムを基礎として、これにＭＢＲ（Ｍｅｍｏｒｙ Ｂａｓｅｄ Ｒｅａｓｏｎｉｎｇ）の手法を利用して、実現したものである。このＭＢＲとは、ｃｌａｓｓｉｆｉｃａｔｉｏｎの手法の一つであり、分類対象である未知事項に対して、蓄積された過去の大量データから類似している事例を複数検索し、検索された複数の類似事例の重み付き多数決で未知データを分類する手法である。
【００１８】
（全体構成）
図１は、本発明による診療支援システムの実施の形態であるコンピュータネットワークシステムの概略構成を示すブロック図である。この図１に示すように、このコンピュータネットワークシステムは、病院内に敷設されたコンピュータネットワーク（ＬＡＮ：Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）Ｎを通じて相互に通信可能な一台のホストコンピュータ１と多数の端末２とから、構成されている。このホストコンピュータ１は、病院内の書庫等に設置されたデータベースサーバであり、従来の電子カルテシステムにおけるホストコンピュータを発展させ、後述する各種プログラム３１〜３３や、各種データベース４１〜４４を追加したものである。また、各端末２は、診察室や、医局や、医師のオフィスに設置されたコンピュータであり、従来の電子カルテシステムを構成する端末に、後述する各種プログラム５１，５２を追加したものである。
【００１９】
（ホストコンピュータ）
ホストコンピュータ１は、装置全体を制御するＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１０と、このＣＰＵ１０に対してバスＢを介して接続されたＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）１２，ハードディスク１４及び通信アダプタ１５とから、構成されている。このうち、ＲＡＭ１２は、ＣＰＵ１０によって用いられる作業領域が展開される主記憶装置であり、通信アダプタ１５は、コンピュータネットワークＮとのインターフェースをなすＬＡＮカードである。
【００２０】
ハードディスク１４は、各種プログラム及び各種データを格納するハードディスク等のコンピュータ可読媒体である。上述したように、このホストコンピュータ１は、従来の電子カルテシステムにおけるホストコンピュータを発展させたものであるので、ハードディスク１４には、コンピュータネットワークＮを介しての通信機能をサポートする図示せぬＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）の他、電子カルテデータべース４１や、図示せぬ電子カルテデータサーバプログラムが、格納されている。図示せぬ電子カルテデータサーバプログラムは、ＣＰＵ１０に対して、各端末２から送信されてくるデータをフォーマット化して電子カルテデータベース４１に格納させたり、端末２から送信された検索条件を指定した検索要求に基づいて電子カルテタベース４１を検索させて、抽出されたデータレコードの内容を、検索要求元端末２へ応答させるものである。
【００２１】
電子カルテデータベース４１は、従来紙カルテに記載されていた情報を、患者ＩＤをキーとして互いにリンクされた複数のテーブルに分けて記録するデータベースである。この電子カルテデータベース４１を構成するテーブルには、各患者の個人情報を記録するための患者プロファイルデータテーブル，各患者の検査データを記録するための検査データテーブル，各患者の診療履歴を記録するための診療データテーブル，等が含まれる。
【００２２】
図２は、患者プロファイルデータテーブルのデータ構造例を示す表である。この図２に示すように、この患者プロファイルデータテーブルは、各患者毎に、その患者を一意に識別するための患者ＩＤ，その患者の名前，年齢，生年月日，職業，身長，体重，症状，等の項目からなるレコードを登録することによって、構成されている。なお、「症状」の項目には、例えば寒気の有無，嘔気の有無，胃痛の有無，等を符号化した数値が記録される。
【００２３】
図３は、各種検査データテーブルのうち、特に、手術前検査による検査を記録するための検査データテーブル（術前検査データテーブル）のデータ構造例を示す表である。この図３に示すように、この検査データテーブルは、各患者毎に、その患者の患者ＩＤ，検査実行日（ＤＡＴＡ），検査実行時刻（ＴＩＭＥ），その検査に関する手術前に診断されていた病名（術前診断），手術によって確定した病名（手術診断），検査結果である各種検査値（尿量，白血球，血小板，血色素，体温，脈拍，血圧，アルブミン，ＣＫ［クレアチン・キナーゼ］，ＡＬＰ［アルカリフォスターゼ］，ＢＵＮ［尿素酵素］，等），等の項目からなるレコードを登録することによって、構成されている。
【００２４】
図４は、各種診療データテーブルのうち、特に、手術がなされた場合における診療履歴を記録するための診療データテーブルのデータ構造例を示す表である。この図２に示すように、この診療データテーブルは、患者毎に、その患者の患者ＩＤ，各診療毎の投薬内容（投薬Ａ，投薬Ｂ），各治療法の適用の有無（治療法Ａ，治療法Ｂ），各リハビリ法の指示内容（リハビリＡ，リハビリＢ），手術から１週間後の経過（術後経過（週）），手術から１箇月後の経過（術後経過（月）），各診療毎の費用（費用１，費用２），費用合計，等の項目からなるレコードを登録することによって、構成されている。
【００２５】
ハードディスク１４には、更に、本発明による診療支援システムを実施するために、分析データ作成プログラム３１，事例データ作成プログラム３２，治療データ作成プログラム３３，分析データベース４２，事例データベース４３，治療データベース４４が、格納されている。
【００２６】
分析データ作成プログラム３１は、定期的に（例えば、１箇月毎，１週間毎，毎日）又は随時実行され、電子カルテデータベース４１を構成する各テーブルのレコードを抽出して、患者ＩＤをキーとして各レコード中の必要項目の値を結合することによって分析データを生成して、分析データベース４２に登録するためのプログラムである。また、事例データ作成プログラム３２は、定期的に又は随時実行され、上述したＭＢＲの手法を利用して分析データベース４２中の各レコードに対して交差検索を実行することにより、実際の病名予測に際してＭＢＲにおける事例データとして用いられる項目の値のみを抽出して、事例データベース４３に登録するためのプログラムである。また、治療データ作成プログラム３３は、定期的に又は随時実行され、電子カルテデータベース４１を構成する診療データテーブルから各レコードを抽出して、治療データとして作成して、治療データベース４４に登録するためのプログラムである。
【００２７】
以下、図５乃至図７の表，及び、図８乃至図１０のフローチャートに基づいて、各プログラム３１〜３３の具体的処理内容を、それらの実行に伴ってデータ登録がなされる各データベース４２〜４３のデータ構造とともに、詳細に説明する。
【００２８】
＜分析データ作成プログラム及び分析データベース＞
最初に、分析データ作成プログラム３１に従ってＣＰＵ１０が実行する処理内容を、図８に基づいて説明する。
【００２９】
この処理を開始して最初のＳ０１では、ＣＰＵ１０は、電子カルテデータベース４１の各テーブルに記録されている全レコードを抽出する。
【００３０】
次のＳ０２では、ＣＰＵ１０は、Ｓ０１にて抽出した各テーブルのレコードを、患者ＩＤをキーとして、集約する。具体的には、ＣＰＵ１０は、各患者ＩＤ毎に、その患者ＩＤと、患者プロファイルデータテーブルから抽出した当該患者ＩＤを有するレコード中の名前，年齢，生年月日，職業，身長，体重及び症状の各項目の値と、検査データテーブルから抽出した当該患者ＩＤを有するレコード中の病名（手術診断）及び各種検査値（尿量，白血球，血小板，血色素，体温，脈拍，血圧，アルブミン，ＣＫ，ＡＬＰ，ＢＵＮ，等）の項目の値と、診療データテーブルから抽出した当該患者ＩＤを有するレコード中の術後経過（転機）の値とを結合して、一つのレコードを生成する。
【００３１】
次のＳ０３では、ＣＰＵ１０は、はずれ値に属する雑音データの除去を行う。具体的には、ＣＰＵ１０は、Ｓ０２にて生成した各レコード毎に、そのレコード中の各項目の検査値を、夫々の項目に対応して予め用意された上限値及び下限値（検査対象者が生存している限りあり得ないほど高い値及び低い値）と比較し、対応する上限値と下限値との間に入っていない検査値を、雑音データとして除去する。更に、ＣＰＵ１０は、各レコード毎に、そのレコード中の各項目の検査値を他のレコードの同項目の検査値と比較し、他のレコードと比べて明らかに特異な値となっている検査値を、雑音データとして除去する。
【００３２】
次のＳ０４では、ＣＰＵ１０は、処理後のレコードを分析データベース４２に格納する。図５は、このようにしてレコードが登録された分析データベース４２のデータ構造を示す表である。Ｓ０４を完了すると、ＣＰＵ１０は、この分析データ作成プログラム３１に従った処理を終了する。
【００３３】
＜事例データ作成プログラム及び事例データベース＞
次に、事例データ作成プログラム３２に従ってＣＰＵ１０が実行する処理内容を、図９に基づいて説明する。
【００３４】
この処理を開始して最初のＳ１１では、ＣＰＵ１０は、分析データベース４２における各データ項目から、説明項目を選択する。具体的には、各レコード中に欠測値が多い項目，ＭＢＲのためには意味の無い項目（患者ＩＤ，日付け，等），値同士の相関が大きい（例えば、相関率が０．９以上の）一対の項目のうちの何れか一方を除き、その他の項目を説明項目として選択する。そして、ＣＰＵ１０は、分析データベース４２において、説明項目以外の全項目を削除する。
【００３５】
次のＳ１２では、ＣＰＵ１０は、分析データベース４２中の全レコードを抽出して、例えば１０個のグループに仕分ける。そして、或る一つのグループに属するレコードを検証用レコードとし且つ他のレコードを事例用レコードとする組合せからなる交差検定用のデータを、計１０通り作成する。
【００３６】
次のＳ１３では、ＣＰＵ１０は、Ｓ１２にて作成した１０通りの交差検定用データのそれぞれに基づいて、ＭＢＲを使った各検証用レコード毎の判別処理（即ち、各交差検定用データ中の各検証用レコード毎に、その検証用レコードの病名［手術診断］の値をマスクした上で、その検証用データ及び同交差検定用データ中の事例用レコード群に対してＭＢＲを用いて、その検証用データの病名［手術診断］の値を判別する処理）を実行する。
【００３７】
具体的には、ＣＰＵ１０は、先ず、病名（手術診断）の判別に際して、他の項目ｉの値Ｖｉがどれくらい寄与するかを、各項目値Ｖｉの影響度Ｗｉとして算出する。即ち、各項目ｉ毎に、その項目ｉの値Ｖｉに対して各病名Ｃｋがどのくらい偏るかを示す条件付き確率（Ｐ（Ｃｋ｜Ｖｉ）； 項目の値がＶｉのときに病名Ｃｋである確率）を全ての病名（Ｃ１〜Ｃｎ）について計算し、その自乗総和（ΣＰ（Ｃｋ｜Ｖｉ）２）を、項目値Ｖｉの影響度Ｗｉとして算出する。例えば、項目「年齢」の値“２０才”が病名の判断に寄与する影響度は、
【００３８】
次に、ＣＰＵ１０は、各事例用レコード毎に、検証用レコードとその事例用レコードとの間の類似度を算出する。即ち、ＣＰＵ１０は、検証用レコード中の各説明項目ｉの項目値Ｕｉ毎に、比較対象事例用レコード中の同説明項目ｉの項目値Ｖｉと比較し、以下のように項目距離ｄｉを計算する。
ｄｉ＝｜Ｖｉ−Ｕｉ｜／説明項目ｉの標準偏差
（説明項目ｉが数値変量である場合）
ｄｉ＝１（説明項目ｉがカテゴリ変量であってＶｉ≠Ｕｉである場合）
ｄｉ＝０（説明項目ｉがカテゴリ変量であってＶｉ＝Ｕｉである場合）
更に、ＣＰＵ１０は、各説明項目ｉについて算出した項目距離ｄｉの自乗に、その計算に用いた検証用レコード中の項目値Ｕｉの影響度Ｗｉを乗じることによって、重み付けを施す。そして、ＣＰＵ１０は、重み付けが施された全説明項目ｉについての項目距離ｄｉに対して下記関数を実行することによって、その関数の解として、検証用レコードと比較対象事例用レコードとの間の類似度（距離）を算出する。
類似度＝１／√［Σ（ｗｉ×ｄｉ２）］
【００３９】
例えば、検証用レコード中の項目「年齢」の項目値が“２０才”，項目「白血球」の項目値が“６０００”，項目「血小板」の項目値が“２０．５”，項目「血色素」の項目値が“９”，項目「胃痛」の項目値が“あり”，項目「嘔気」の項目値が“なし”，…の場合には、ＣＰＵ１０は、
【００４０】
次に、ＣＰＵ１０は、このように算出された検証用レコードに対する類似度が大きいものから順に、Ｎ（Ｎ：予め設定された整数）個の事例用レコードを抽出する。
【００４１】
次に、ＣＰＵ１０は、抽出されたＮ個の事例用レコード中の項目「病名（手術診断）」の項目値（病名）に基づいて、病名毎の確信度を算出する。即ち、ＣＰＵ１０は、抽出されたＮ個の事例用レコードを、その病名が同じもの同士のグループに分類する。そして、各グループの全事例用レコードについて夫々算出された検証用レコードとの類似度の総和を、その病名の類似度Ｔｃとして算出する。このようにして算出された全病名の類似度Ｔｃの総和に対する各病名の類似度Ｔｃの比率を、その病名の確信度として算出するのである。
【００４２】
次に、ＣＰＵ１０は、確信度が最も高い病名（判別された病名）と検証用レコードの項目「病名（手術診断）」の項目値（病名）とを比較し、両者が一致している場合には、当該検証用レコードについて「判別正答」と記録し、両者が齟齬している場合には、当該検証用レコードについて「判別不正答」と記録する。
【００４３】
ＣＰＵ１０は、以上の判別処理を、同一の交差検定用データ中の全検証用レコードについて実行する。そして、同一の交差検定用データ中の全検証用レコードについて判別処理を完了すると、検証用レコードの総数に対する「判別正答」と記録された検証用レコード数の比率を、判別正答率として算出する。
【００４４】
続いて、ＣＰＵ１０は、次の交差検定用データに切り換えて、上述した各検証用データ毎の判別処理を実行し、判別正答率を算出する。
【００４５】
このようにして、ＣＰＵ１０は、１０通りの交差検定用データの全てに基づいて、各検証用レコード毎の判別処理を実行し、１０個の判別正答率を得るのである。
【００４６】
次のＳ１４では、ＣＰＵ１０は、影響度のチェックを行う。即ち、Ｓ１３にて各交差検定用データに基づいて各検証用レコード毎の判別処理を実行すると、その都度、各項目ｉの項目値Ｖｉ毎の影響値Ｗｉが算出される。従って、同一の項目値Ｖｉについて、最大１０個の影響値Ｗｉが算出されることになる。そこで、ＣＰＵ１０は、各項目値Ｖｉ毎に、その項目値Ｖｉについて算出された全ての影響値Ｗｉの平均値を算出する。そして、ＣＰＵ１０は、算出された影響値Ｗｉの平均値が極端に大きい項目値Ｖｉがないかどうか，算出された影響値Ｗｉの平均値が極端に小さい項目値Ｖｉがないかどうか，算出された影響値Ｗｉの数と平均値とがバランスされているかどうか（件数が多いのに影響度Ｗｉの平均値が低い項目値Ｖｉはないかどうか，件数が少ないのに影響度Ｗｉの平均値が高い項目値Ｖｉはないかどうか）を、チェックする。
【００４７】
次のＳ１５では、ＣＰＵ１０は、Ｓ１３にて交差検定用データ毎に算出された１０個の判別正答率の平均値を算出し、その平均値をチェックする。即ち、ＣＰＵ１０は、判別正答率の平均値が極端に低くないかをチェックする。
【００４８】
次のＳ１６では、Ｓ１４及びＳ１５でのチェック結果に基づいて、現時点における分析データベース４２中のレコードに妥当性が認められるか否かを判断する。そして、ＣＰＵ１０は、算出された影響値Ｗｉの平均値が極端に大きい項目値Ｖｉがある場合，算出された影響値Ｗｉの平均値が極端に小さい項目値Ｖｉがある場合，件数が多いのに影響度Ｗｉの平均値が低い項目値Ｖｉがある場合，件数が少ないのに影響度Ｗｉの平均値が高い項目値Ｖｉがある場合，判別正答率の平均値が極端に低い場合には、妥当性が認められないとして、処理をＳ１１へ戻し、特異な影響を与えている項目値（算出された影響値Ｗｉの平均値が極端に大きい項目値，算出された影響値Ｗｉの平均値が極端に小さい項目値，件数が多いのに影響度Ｗｉの平均値が低い項目値，件数が少ないのに影響度の平均値が高い項目値）を削除したり、削除の結果として残存する項目値が少なくなってしまった不要説明項目自体を削除することにより、分析データベース４２を修正して、Ｓ１２以下の処理を再実行する。これに対して、算出された影響値Ｗｉの平均値が極端に大きい項目値Ｖｉや、算出された影響値Ｗｉの平均値が極端に小さい項目値Ｖｉや、件数が多いのに影響度Ｗｉの平均値が低い項目値Ｖｉや、件数が少ないのに影響度Ｗｉの平均値が高い項目値Ｖｉが無く、判別正答率の平均値が所定値以上であれば、妥当性が認められるとして、処理をＳ１７へ進める。
【００４９】
Ｓ１７では、ＣＰＵ１０は、分析データベース４２に残っている各レコードを、事例データとして、事例データベース４３に格納する。図６は、このようにしてレコードが登録された事例データベース４３のデータ構造を示す表である。即ち、事例データベース４３は、過去の患者の症状についての所定の複数項目の値から構成あれる事例データを多数蓄積した事例データベースに該当するようになるのである。Ｓ１７を完了すると、ＣＰＵ１０は、この事例データ作成プログラム３２に従った処理を終了する。
【００５０】
＜治療データ作成プログラム及び治療データベース＞
次に、治療データ作成プログラム３３に従ってＣＰＵ１０が実行する処理内容を、図１０に基づいて説明する。
【００５１】
この処理を開始して最初のＳ２１では、ＣＰＵ１０は、電子カルテデータベース４１から、診療データテーブルの全レコードを読み出す。
【００５２】
次のＳ２２では、ＣＰＵ１０は、Ｓ２１にて読み出した全レコードを、治療データベース４４に格納する。図７は、このようにしてレコードが登録された治療データベース４４のデータ構造を示す表である。Ｓ２２を完了すると、ＣＰＵ１０は、この治療データ作成プログラム３３に従った処理を終了する。
【００５３】
（端末）
各端末２は、装置全体を制御する処理装置であるＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）２０と、このＣＰＵ２０に対してバスＢを介して接続された入力装置２１，ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）２２，ディスプレイ２３，ハードディスク２４及び通信アダプタ２５とから、構成されている。このうち、入力装置２１に操作されることによってＣＰＵ２０に対して命令やデータを入力する装置であり、キーボード及びマウスからなる。また、ＲＡＭ２２は、ＣＰＵ２０によって用いられる作業領域が展開される主記憶装置であり、ディスプレイ２３は、ＣＰＵ２０によって生成される画面を表示する表示装置である。また、通信アダプタ２５は、コンピュータネットワークＮとのインターフェースをなすことにより、信号線を介してホストコンピュータ１のハードディスク１４にアクセスするために利用されるＬＡＮカードである。
【００５４】
ハードディスク２４は、各種プログラム及び各種データを格納するハードディスク等のコンピュータ可読媒体である。上述したように、この端末２は、従来の電子カルテシステムを構成する端末を発展させたものであるので、ハードディスク２４には、コンピュータネットワークＮを介しての通信機能をサポートする図示せぬＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）の他、図示せぬ電子カルテクライアントプログラムが、格納されている。図示せぬ電子カルテクライアントプログラムは、ＣＰＵ２０に対して、入力装置２１を介して入力された検索条件含む検索要求をホストコンピュータ１へ送信させ、この検索要求に応じてホストコンピュータ１から応答されたデータの内容を、所定形式の電子カルテ表示画面に埋め込んでディスプレイ２２上に表示させたり、この電子カルテ表示画面上で新規作成されたデータや更新されたデータを、ホストコンピュータ１へ送信させるものである。
【００５５】
ハードディスク２４には、更に、本発明による診療支援システムを実施するために、病名予測プログラム５１及び情報表示プログラム５２が、格納されている。
【００５６】
病名予測プログラム５１は、入力装置２１を介して入力された新規患者の症状に関するデータ（検査値，患者の訴え，診察所見）に対して類似度が高いレコードを事例データベースから読み込み、これらレコード中の病名毎の確信度を算出し、これら病名をその確信度とともにディスプレイ２３上に表示するとともに、類似度算出に用いられた当該新規患者の症状に関する各項目の項目値毎の影響度を病名推定の根拠として表示するためのプログラムである。また、情報表示プログラム５２は、病名予測プログラム５１によってディスプレイ２３上に表示されたデータを見たオペレータが入力装置２１を介して入力した指示に従って、各類似度の高いレコードに対応した診療実績及び費用実績を表示するためのプログラムである。
【００５７】
以下、図１１及び図１２のフローチャート，及び、図１３乃至図１６の画面例に基づいて、各プログラム５１，５２の具体的処理内容を、詳細に説明する。
【００５８】
＜病名予測プログラム＞
最初に、病名予測プログラム５１に従ってＣＰＵ２０が実行する処理内容を、図１１に基づいて説明する。
【００５９】
この処理を開始して最初のＳ３１では、ＣＰＵ２０は、ホストコンピュータ１にアクセスして、事例データベース４３の内容を読み込む。そして、事例データベース４３の全説明項目（患者ＩＤ以外のデータ項目）ｉについてのあらゆる項目値Ｖｉについて、その項目値Ｖｉが病名（手術診断）の判別に寄与する程度を、影響度Ｗｉとして算出する。即ち、その項目値Ｖｉに対して各病名Ｃｋがどのくらい偏るかを示す条件付き確率Ｐ（Ｃｋ｜Ｖｉ）を全ての病名（Ｃ１〜Ｃｎ）について計算し、その自乗総和（ΣＰ（Ｃｋ｜Ｖｉ）２）を、その項目値Ｖｉの影響度Ｗｉとして算出する。
【００６０】
次のＳ３２では、ＣＰＵ１０は、図１３に示す入力画面をディスプレイ２３上に表示して、新規患者についての予測用患者データの取得処理を実行する。この入力画面は、図示せぬ電子カルテクライアントプログラムと連動して、電子カルテデータの入力画面を兼ねているので、電子カルテデータベース４１における患者プロファイルデータテーブル及び検査データテーブルの全データ項目について、夫々項目値入力欄を備えている。更に、この入力画面には、「入力クリア」ボタン６０及び「判定」ボタン６１が、備えられている。オペレータが新規患者について得ている各種データを夫々に対応する各項目値入力欄に入力した状態で「判定」ボタン６１を押下すると、各項目値入力欄に入力されている全項目値が、図示せぬ電子カルテクライアントプログラムによって電子カルテデータベース４１へ登録要求されるとともに、病名予測プログラム５１に
よって新規患者データとして取り込まれて、処理がＳ３３へ進められる。
【００６１】
Ｓ３３では、ＣＰＵ１０は、事例データベース４３に格納されている各レコード（以下「事例データ」という）毎に、新規患者データとその事例データとの間の類似度を算出する。即ち、ＣＰＵ１０は、事例データを構成する各説明項目ｉ毎に、その説明項目の項目値Ｖｉと新規患者データ中の同項目の項目値Ｕｉとを比較し、以下のように項目距離ｄｉを計算する。
ｄｉ＝｜Ｖｉ−Ｕｉ｜／説明項目ｉの標準偏差
（説明項目ｉが数値変量である場合）
ｄｉ＝１（説明項目ｉがカテゴリ変量であってＶｉ≠Ｕｉである場合）
ｄｉ＝０（説明項目ｉがカテゴリ変量であってＶｉ＝Ｕｉである場合）
更に、ＣＰＵ１０は、各説明項目ｉについて算出した項目距離ｄｉの自乗に、その計算に用いた新規患者データ中の項目値Ｕｉの影響度Ｗｉを乗じることによって、重み付けを施す。そして、ＣＰＵ１０は、重み付けが施された全説明項目ｉについての項目距離ｄｉに対して下記関数を実行することによって、その関数の解として、新規患者データと比較対象事例データとの間の類似度（距離）を算出する。
類似度＝１／√［Σ（ｗｉ×ｄｉ２）］
即ち、ＣＰＵ１０は、各事例データの新規患者データに対する類似度を、各項目毎に事例データの値と当該新規患者データの値との差を当該最新患者データのその項目の値の影響度に応じて重み付けして求めた値群に基づいて、算出する。そして、ＣＰＵ１０は、このように算出された新規患者データに対する類似度が大きいものから順に、Ｎ（Ｎ：予め設定された整数）個の事例データを、類似症例として抽出する。
【００６２】
次のＳ３４では、ＣＰＵ１０は、Ｓ３３にて抽出されたＮ個の類似症例中の項目「病名（手術診断）」の項目値（病名）に基づいて、病名毎の確信度を算出する。即ち、ＣＰＵ１０は、抽出されたＮ個の類似症例を、その病名が同じもの同士のグループに分類する。そして、各グループの全類似症例について夫々算出された類似度の総和を、その病名の類似度Ｔｃとして算出する。このようにして算出された全病名の類似度Ｔｃの総和に対する各病名の類似度Ｔｃの比率を、その病名の確信度として算出する。
【００６３】
次のＳ３５では、ＣＰＵ１０は、新規患者の病名判断の根拠として、類似症例を抽出する際に強く影響した項目を、影響度の高い順に特定する。即ち、ＣＰＵ１０は、Ｓ３３での類似度算出に用いた新規患者データ中の各項目値Ｕｉの影響度Ｗｉ（事例データを構成するのと同じ各説明項目ｉについての新規患者データ中の各項目値Ｕｉの影響度Ｗｉ）を、大きい順に特定する。
【００６４】
その上で、ＣＰＵ１０は、特定した各説明項目ｉについての項目値Ｕｉの影響度Ｗｉ，及び、Ｓ３４にて算出された各病名毎の確信度を提示するための病気確認画面を、ディスプレイ２３上に表示する。
【００６５】
図１４に示すように、この病気確認画面は、患者識別欄６２，判定欄６３，及び、影響項欄６４を縦に並べることにより、構成されている。患者識別欄６２は、１行から構成され、新規患者データ中の患者ＩＤ及び患者氏名を横に並べて表示する。
【００６６】
また、判定欄６３は、夫々病名に対応し、その病名の確信度が高いものから順に上から下へ並べられた複数の行（図１４の例では５行）から構成され、各行は、左から順に、その病名の確信度の順位を示すフィールド，その病名を示すフィールド，その病名の確信度を示すフィールド，「類似例」ボタン６５を示すフィールドから、構成されている。
【００６７】
また、影響項欄６４は、夫々上述したように特定された各説明項目ｉについての項目値Ｕｉの影響度Ｗｉに対応し、その影響度Ｗｉが高いものから順に上から下へ並べられたＮ個の行（図１４の例では５行）から構成され、各行は、左から順に、後述する「該当」を示すフィールド，その説明項目ｉを示すフィールド（項目），その項目値Ｕｉを示すフィールド（内容），その影響度Ｗｉを示すフィールド（影響度）から、構成されている。各行における「該当」フィールドとは、判定欄６３において順位が１位であると表示されている病名を有する類似症例の中に、その行の内容フィールドに表示されている項目値Ｕｉとほぼ一致する項目値Ｖｉを含むものが有るか否かを、マーキング（その事実に対応する形態）によって示す（図１４の例においては黒丸が“有り”を示す）フィールドである。
【００６８】
オペレータが、入力装置２１を用いて、判定欄６３中の何れかの「類似例」ボタン６５を押下することによって類似事例データの表示指示を入力すると、ＣＰＵ２０は、処理をＳ３６へ進める。
【００６９】
Ｓ３６では、ＣＰＵ２０は、判定欄６３中において押下された「類似例」ボタン６４と同じ行に示されている病名を有する類似症例に基づいて、これらの類似症例の内容を当該病名推定の根拠として示すための類似実例画面を、ディスプレイ２３上に表示する。図１５に示すように、この類似実例画面は、当該病名を示す病名表示欄６６，及び、類似症例欄６７を縦に並べることにより、構成されている。類似症例欄６７は、夫々類似症例に対応し、その類似度が高いものから順に上から下へ並べられた複数の行（図１５の例では１０行）から構成され、各行は、「年齢」フィールド，「性別」フィールド，「状態（図５における『転機』に相当）」フィールド，「体温」フィールド，病気確認画面の影響項欄６４において「該当」フィールドにマーキングが付された各項目に対応した幾つかのフィールド（図１５の例においては『白血球』フィールド，『血小板』フィールド），「治療」ボタン６８を示すフィールド，「費用」ボタン６９を示すフィールドから、構成されている。オペレータが、入力装置２１を用いて、類似症例欄６７中の何れかの「治療」ボタン６８又は「費用」ボタン６９を押下すると、ＣＰＵ２０は、情報表示プログラム５２を起動する。
【００７０】
＜情報表示プログラム＞
次に、上述したようにして起動された情報表示プログラム５２に従ってＣＰＵ２０が実行する処理内容を、図１２に基づいて説明する。
【００７１】
この処理を開始して最初のＳ４１では、ＣＰＵ２０は、類似実例画面中で押下されたボタン６８，６９の種類，及び、そのボタン６８，６９の行に対応した類似症例中の患者ＩＤを、病名予測プログラム５１から取得する。
【００７２】
次のＳ４２では、ＣＰＵ２０は、ホストコンピュータ１にアクセスして、病名予測プログラム５１から渡された患者ＩＤを含むレコードを、電子カルテデータベース４１の診療データテーブルから抽出する。
【００７３】
次のＳ４３では、ＣＰＵ２０は、Ｓ４２にて診療データテーブルから抽出した当該患者ＩＤを含むレコードの内容を画面表示用に編集加工する。即ち、ＣＰＵ２０は、「治療」ボタン６８が押下された場合には、当該レコード中の「費用」以外の各項目のデータを、図１６に示す治療プロセス画面のフォーマットに編集加工する。また、「費用」ボタン６９が押下された場合には、当該レコード中の各「費用」のデータを、図１７に示す必用費用画面のフォーマットに編集加工する。そして、編集加工によって生成された各画面を、ディスプレイ２３上に表示する。
【００７４】
（実施形態の作用）
上述したように構成された本実施形態の診療支援システムによると、病名判定に用いられる過去の患者の症状についての各説明項目毎の項目値は、予め妥当性を保証された状態（個々の患者に特異である為に参考にならない項目値が排除され、項目値の欠落が多い等の理由により不要な項目が削除され、所定以上の確率［正答率］で正しい病名を導き出すことができることが実証された状態）に加工されて、事例データとして、事例データベース４３に格納されている（図９）。
【００７５】
そして、オペレータが、病名予測プログラム５１を起動すると、事例データベース４３中に格納されている各説明項目ｉの全項目値Ｖｉ毎に、その項目値Ｖｉが病名判定に寄与する影響度Ｗｉが算出される（Ｓ３１）。そして、オペレータが、新規患者についての新規患者データ（患者プロフィール，検査値，患者の訴え，診察所見）を端末２に入力すると（Ｓ３２）、事例データベース４３に格納されている各事例データの新規患者データに対する類似度が、事例データを構成する各説明目ｉ毎の当該事例データ中の項目値Ｖｉと新規患者データ中の項目値Ｕｉとの間の距離（項目距離ｄｉ）の自乗に対する当該新規患者データの項目値Ｕｉの影響度Ｗｉの積の総和として、算出される。そして、類似度が大きい順から順にＮ個の事例データが類似症例として抽出される（Ｓ３３）。そして、類似症例が病名毎のグループ毎に仕分けられ、各グループの類似度がその病名の類似度Ｔｃとして算出され、全病名の類似度Ｔｃの総和に対する各病名の類似度Ｔｃの比として、各病名の確信度Ａｃが算出される（Ｓ３４）。このように算出された確信度が高い順に、各病名が、その確信度とともに、病気確認画面（図１４）に表示される。この画面には、類似度算出に用いられた新規患者データ中各説明項目ｉの項目値Ｕｉが、その影響度が高い順に、その影響度とともに表示される。更に、確信度が最も高い病名を有する各類似症例に、新規患者データ中の項目値Ｕｉとほぼ一致する項目値Ｖｉを有するものが存在する場合には、その説明項目ｉの項目値Ｕｉには、マーキングが示される（Ｓ３５）。
【００７６】
従って、オペレータは、新規患者のデータとの類似度が大きい類似症例が最多数存在する病名を、その新規患者が患っている傷病の病名と推定され得るものとして、知ることができる。更に、オペレータは、同時に表示された新規患者データ中各説明項目ｉの項目値Ｕｉ（特に、マーキングが示された各説明項目ｉの項目値Ｕｉ）を、その病名が推定された根拠として知ることができる。従って、オペレータは、その病名の推定が妥当かどうかを自分で判断して、その推定に確信を持つことができる。
【００７７】
更に、オペレータが病気確認画面内に表示されている何れかの病名に対応した「類似例」ボタン６５を押下すると、その病名を有する類似症例の内容が、類似事例画面（図１５）に一覧表示される（Ｓ３６）。従って、オペレータは、その病名推定の根拠を自ら検証することができる。
【００７８】
更に、オペレータが類似事例画面内に表示されている何れかの類似症例に対応した「治療」ボタン６８を押下すると、その類似症例に対応した治療歴が治療データベース４４から読み出され、治療プロセス画面（図１６）に表示される（図１２）。従って、オペレータは、類似症例における治療履歴を参考にして、治療計画を立てることができる。
【００７９】
（付記１）
データベースを格納する記憶装置と、信号線を介してこの記憶装置に接続され、この記憶装置に対してアクセスするためのインタフェース，処理装置，入力装置，表示装置を備えたコンピュータとからなる診療支援システムであって、
前記記憶装置は、過去の患者の症状についての所定の複数項目の値から構成される事例データを多数蓄積した事例データベースを格納しており、
前記コンピュータの処理装置は、
前記事例データベース中に蓄積されている事例データの各項目の全ての値について、夫々、その値が病名判定に寄与する影響度を算出し、
新規患者の症状についての前記所定項目の全部又は一部の値を含む新規患者データが前記入力装置を介して入力されると、前記各事例データの当該新規患者データに対する類似度を、各項目毎に事例データの値と当該新規患者データの値との差を当該最新患者データのその項目の値の影響度に応じて重み付けして求めた値群に基づいて算出し、各病名の類似度を、その病名を有する全事例データの類似度に基づいて算出し、その類似度が最大である病名を、類似度算出に用いられた影響度が最大である当該新規患者データ中の項目の値とともに、前記表示装置上に表示する
ことを特徴とする診療支援システム。（１）
【００８０】
（付記２）
前記コンピュータの処理装置は、類似度が最大のものから順に所定個数の病名を、その類似度に基づいて算出した確度とともに、前記表示装置上に表示する
ことを特徴とする付記１記載の診療支援システム。
【００８１】
（付記３）
前記コンピュータの処理装置は、影響度が最大のものから順に所定個数の当該新規患者データ中の項目の値を、その影響度とともに、前記表示装置上に表示する
ことを特徴とする付記１記載の診療支援システム。（２）
【００８２】
（付記４）
前記コンピュータの処理装置は、前記表示装置上に表示する当該新規患者データ中の項目の値と略一致する値が、前記表示装置上に表示する病名を含む何れかの事例データに含まれている場合には、その事実に対応する形態にて当該新規患者データ中の項目の値を表示する
ことを特徴とする付記１又は３記載の診療支援システム。（３）
【００８３】
（付記５）
前記コンピュータの処理装置は、前記表示装置に表示している病名についての類似事例データの表示指示が前記入力装置を介して入力されると、その病名を有する前記事例データのうち、算出された類似度が最大のものから所定個数の事例データの内容を、前記表示装置上に表示する
ことを特徴とする付記１記載の診療支援システム。（４）
【００８４】
（付記６）
前記記憶装置は、前記コンピュータのインタフェースに繋がるコンピュータネットワークを介して当該コンピュータと通信する他のコンピュータに接続されている
ことを特徴とする付記１記載の診療支援システム。
【００８５】
（付記７）
過去の患者の症状についての所定の複数項目の値から構成される事例データを多数蓄積した事例データベースを格納した記憶装置にアクセスするためのインタフェース，入力装置，表示装置を備えたコンピュータに対して、
前記事例データベース中に蓄積されている事例データの各項目の全ての値について、夫々、その値が病名判定に寄与する影響度を算出させ、
新規患者の症状についての前記所定項目の全部又は一部の値を含む新規患者データが前記入力装置を介して入力されると、前記各事例データの当該新規患者データに対する類似度を、各項目毎に事例データの値と当該新規患者データの値との差を当該最新患者データのその項目の値の影響度に応じて重み付けして求めた値群に基づいて算出させ、各病名の類似度を、その病名を有する全事例データの類似度に基づいて算出させ、その類似度が最大である病名を、類似度算出に用いられた影響度が最大である当該新規患者データ中の項目の値とともに、前記表示装置上に表示させる
ことを特徴とする診療支援プログラム。（５）
【００８６】
【発明の効果】
以上のように構成された本発明によると、患者の症状に関して過去に蓄積した事例データと照合することによって当該患者が患っている傷病の病名を推定し、推定した病名を、その推定の根拠とともに表示することができる。
【図面の簡単な説明】
【図１】本発明による診療支援システムの実施の形態であるコンピュータネットワークシステムのハードウェア構成を示すブロック図
【図２】電子カルテデータベースを構成する患者プロファイルテーブルの概略データ構造を示す表
【図３】電子カルテデータベースを構成する検査データテーブルの概略データ構造を示す表
【図４】電子カルテデータベースを構成する診療データテーブルの概略データ構造を示す表
【図５】分析データベースの概略データ構造を示す表
【図６】事例データベースの概略データ構造を示す表
【図７】治療データベースの概略データ構造を示す表
【図８】分析データ作成プログラムによる処理内容を示すフローチャート
【図９】事例データ作成プログラムによる処理内容を示すフローチャート
【図１０】治療データベース作成プログラムによる処理内容を示すフローチャート
【図１１】病名予測プログラムによる処理内容を示すフローチャート
【図１２】情報表示プログラムによる処理内容を示すフローチャート
【図１３】入力画面を示す図
【図１４】病気確認画面を示す図
【図１５】類似事例画面を示す図
【図１６】治療プロセス画面を示す図
【図１７】必用費用画面を示す図
【符号の説明】
１ ホストコンピュータ
２ 端末
２０ ＣＰＵ
２１ ディスプレイ
２２ ＲＡＭ
２３ 入力装置
２４ ハードディスク
４３ 事例データベース
４４ 治療データベース
５１ 病名予測プログラム５１
５２ 情報表示プログラム
Claims (5)
- データベースを格納する記憶装置と、信号線を介してこの記憶装置に接続され、この記憶装置に対してアクセスするためのインタフェース，処理装置，入力装置，表示装置を備えたコンピュータとからなる診療支援システムであって、
前記記憶装置は、過去の患者の症状についての所定の複数項目の値から構成される事例データを多数蓄積した事例データベースを格納しており、
前記コンピュータの処理装置は、
前記事例データベース中に蓄積されている事例データの各項目の全ての値について、夫々、その値が病名判定に寄与する影響度を算出し、
新規患者の症状についての前記所定項目の全部又は一部の値を含む新規患者データが前記入力装置を介して入力されると、前記各事例データの当該新規患者データに対する類似度を、各項目毎に事例データの値と当該新規患者データの値との差を当該最新患者データのその項目の値の影響度に応じて重み付けして求めた値群に基づいて算出し、各病名の類似度を、その病名を有する全事例データの類似度に基づいて算出し、その類似度が最大である病名を、類似度算出に用いられた影響度が最大である当該新規患者データ中の項目の値とともに、前記表示装置上に表示する
ことを特徴とする診療支援システム。 - 前記コンピュータの処理装置は、影響度が最大のものから順に所定個数の当該新規患者データ中の項目の値を、その影響度とともに、前記表示装置上に表示する
ことを特徴とする請求項１記載の診療支援システム。 - 前記コンピュータの処理装置は、前記表示装置上に表示する当該新規患者データ中の項目の値と略一致する値が、前記表示装置上に表示する病名を含む何れかの事例データに含まれている場合には、その事実に対応する形態にて当該新規患者データ中の項目の値を表示する
ことを特徴とする請求項１又は２記載の診療支援システム。 - 前記コンピュータの処理装置は、前記表示装置に表示している病名についての類似事例データの表示指示が前記入力装置を介して入力されると、その病名を有する前記事例データのうち、算出された類似度が最大のものから所定個数の事例データの内容を、前記表示装置上に表示する
ことを特徴とする請求項１記載の診療支援システム。 - 過去の患者の症状についての所定の複数項目の値から構成される事例データを多数蓄積した事例データベースを格納した記憶装置にアクセスするためのインタフェース，入力装置，表示装置を備えたコンピュータに対して、
前記事例データベース中に蓄積されている事例データの各項目の全ての値について、夫々、その値が病名判定に寄与する影響度を算出させ、
新規患者の症状についての前記所定項目の全部又は一部の値を含む新規患者データが前記入力装置を介して入力されると、前記各事例データの当該新規患者データに対する類似度を、各項目毎に事例データの値と当該新規患者データの値との差を当該最新患者データのその項目の値の影響度に応じて重み付けして求めた値群に基づいて算出させ、各病名の類似度を、その病名を有する全事例データの類似度に基づいて算出させ、その類似度が最大である病名を、類似度算出に用いられた影響度が最大である当該新規患者データ中の項目の値とともに、前記表示装置上に表示させる
ことを特徴とする診療支援プログラム。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003081433A JP2004288047A (ja) | 2003-03-24 | 2003-03-24 | 診療支援システム及び診療支援プログラム |
| US10/784,931 US20040193022A1 (en) | 2003-03-24 | 2004-02-25 | Diagnostic support system and diagnostic support program |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003081433A JP2004288047A (ja) | 2003-03-24 | 2003-03-24 | 診療支援システム及び診療支援プログラム |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2004288047A true JP2004288047A (ja) | 2004-10-14 |
Family
ID=32984973
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2003081433A Pending JP2004288047A (ja) | 2003-03-24 | 2003-03-24 | 診療支援システム及び診療支援プログラム |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US20040193022A1 (ja) |
| JP (1) | JP2004288047A (ja) |
Cited By (30)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006146623A (ja) * | 2004-11-19 | 2006-06-08 | Takahiko Tomoyose | 画像データ編集システムおよびコンピュータプログラム |
| JP2006201820A (ja) * | 2005-01-18 | 2006-08-03 | Hitachi Medical Corp | 再生医療支援システム |
| JP2007323525A (ja) * | 2006-06-02 | 2007-12-13 | Fujifilm Corp | 読影レポート作成装置 |
| JP2009082442A (ja) * | 2007-09-28 | 2009-04-23 | Canon Inc | 診断支援装置、診断支援装置の制御方法、プログラム及び記憶媒体 |
| JP2009104278A (ja) * | 2007-10-22 | 2009-05-14 | Topcon Corp | 医療情報処理システム及びプログラム |
| JP2010172559A (ja) * | 2009-01-30 | 2010-08-12 | Toshiba Corp | 医療診断支援システム及び医療診断支援装置 |
| JP2012505483A (ja) * | 2008-10-10 | 2012-03-01 | カーディオバスキュラー ディシション テクノロジーズ、インク． | 専門知識及び応用複雑性科学を用いた、リスクの評価ならびに診断のための医療データの自動管理方法 |
| JP2012069089A (ja) * | 2010-08-27 | 2012-04-05 | Canon Inc | 医療診断支援装置、医療診断支援システム、医療診断支援の制御方法、及びプログラム |
| JP2013088880A (ja) * | 2011-10-14 | 2013-05-13 | Fujifilm Corp | 診療情報処理装置および方法並びにプログラム |
| JP2013093019A (ja) * | 2011-10-05 | 2013-05-16 | A & T Corp | 医療意思決定支援データベースおよび医療意思決定支援方法 |
| JP2013167977A (ja) * | 2012-02-14 | 2013-08-29 | Canon Inc | 医療診断支援装置及びその制御方法 |
| JP2014098569A (ja) * | 2012-11-13 | 2014-05-29 | A & T Corp | 前立腺癌の鑑別診断に用いるためのデータベースおよび方法 |
| JP2014238856A (ja) * | 2014-07-17 | 2014-12-18 | キヤノン株式会社 | 医療意志決定支援装置及びその制御方法 |
| WO2015029135A1 (ja) * | 2013-08-27 | 2015-03-05 | 株式会社日立製作所 | 罹患率評価装置、罹患率評価方法及び罹患率評価プログラム |
| JP2016045727A (ja) * | 2014-08-22 | 2016-04-04 | 国立大学法人佐賀大学 | 医療情報支援システム、医療情報支援方法及び医療情報支援プログラム |
| JP2016095864A (ja) * | 2015-12-24 | 2016-05-26 | キヤノン株式会社 | 医療意志決定支援装置及びその制御方法 |
| JP2016143147A (ja) * | 2015-01-30 | 2016-08-08 | 株式会社島津製作所 | 医用プログラムおよびそれを用いた医用システム |
| JP2016162131A (ja) * | 2015-02-27 | 2016-09-05 | 富士フイルム株式会社 | 診療支援装置、診療支援装置の作動方法及び作動プログラム |
| US9436915B2 (en) | 2009-02-27 | 2016-09-06 | Canon Kabushiki Kaisha | Medical decision making support apparatus and control method for the same |
| JP2017502439A (ja) * | 2013-12-04 | 2017-01-19 | マーク オレイニク | 大量医学分析を用いたコンピュータ医療計画方法及びシステム |
| JP2017021511A (ja) * | 2015-07-09 | 2017-01-26 | 株式会社日立製作所 | 検査・投薬計画生成装置、検査・投薬計画生成方法、及びプログラム |
| JP2017136462A (ja) * | 2017-05-18 | 2017-08-10 | キヤノン株式会社 | 医療診断支援装置 |
| JP2018014113A (ja) * | 2017-08-09 | 2018-01-25 | キヤノン株式会社 | 医療意志決定支援装置及びその制御方法 |
| WO2018073895A1 (ja) * | 2016-10-18 | 2018-04-26 | 富士通株式会社 | 類似症例検索プログラム、類似症例検索装置および類似症例検索方法 |
| JP2018147274A (ja) * | 2017-03-07 | 2018-09-20 | 株式会社ジェイマックシステム | 治療方針決定支援装置、治療方針決定支援方法、および治療方針決定支援プログラム |
| CN109119134A (zh) * | 2018-08-09 | 2019-01-01 | 脉景（杭州）健康管理有限公司 | 医学病历数据处理方法、医学数据推荐系统、设备及介质 |
| JP2019079240A (ja) * | 2017-10-24 | 2019-05-23 | キヤノンメディカルシステムズ株式会社 | 医用情報処理装置及び医用情報処理方法 |
| JP2020030728A (ja) * | 2018-08-24 | 2020-02-27 | 富士通株式会社 | 情報処理装置、医療機関検索システム、及びプログラム |
| JP2020149684A (ja) * | 2019-03-08 | 2020-09-17 | キヤノンメディカルシステムズ株式会社 | 医用情報処理装置、医用情報処理方法、及び医用情報処理プログラム |
| JP7324390B2 (ja) | 2018-12-13 | 2023-08-10 | アイエムエス ソフトウェア サービシズ リミテッド | 情報処理装置、情報処理方法及びプログラム |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6907104B2 (en) * | 2001-05-16 | 2005-06-14 | Koninklijke Philips Electronics N.V. | Computer-controlled X-ray imaging device |
| US7664299B2 (en) * | 2004-04-02 | 2010-02-16 | Kabushiki Kaisha Toshiba | Apparatus that prepares information relating to image data |
| JP2006302113A (ja) * | 2005-04-22 | 2006-11-02 | Canon Inc | 電子カルテ・システム |
| US8920343B2 (en) | 2006-03-23 | 2014-12-30 | Michael Edward Sabatino | Apparatus for acquiring and processing of physiological auditory signals |
| US8579814B2 (en) * | 2007-01-05 | 2013-11-12 | Idexx Laboratories, Inc. | Method and system for representation of current and historical medical data |
| JP5128161B2 (ja) * | 2007-03-30 | 2013-01-23 | 富士フイルム株式会社 | 画像診断支援装置及びシステム |
| EP2399236A4 (en) * | 2009-02-23 | 2014-07-09 | Gen Electric | MULTISENSORY MEDICAL SYSTEM OF A PLACE OF INTERVENTION AND METHOD |
| JP5564073B2 (ja) * | 2012-06-05 | 2014-07-30 | 富士フイルム株式会社 | 臨床情報表示装置および臨床情報表示方法並びに臨床情報表示プログラム |
| CN104102816B (zh) * | 2014-06-20 | 2017-07-25 | 周晋 | 基于症状匹配和机器学习的自动诊断系统和方法 |
| CN109102895A (zh) * | 2017-06-21 | 2018-12-28 | 京东方科技集团股份有限公司 | 医疗数据匹配装置和方法 |
| US11894130B2 (en) * | 2019-12-26 | 2024-02-06 | Augmenticon Gmbh | Pharmaceutical manufacturing process control, support and analysis |
| CN111599462B (zh) * | 2020-05-09 | 2023-11-21 | 吾征智能技术(北京)有限公司 | 基于认知学习的身体异常气味智能筛查系统 |
| CN111653359B (zh) * | 2020-05-30 | 2023-09-08 | 吾征智能技术(北京)有限公司 | 一种出血性疾病的智能预测模型构建方法和预测系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0683880A (ja) * | 1992-08-31 | 1994-03-25 | Toshiba Corp | 病院用診断支援装置 |
| JPH0784981A (ja) * | 1993-09-20 | 1995-03-31 | Fujitsu Ltd | 診断処理装置 |
| JPH08263568A (ja) * | 1995-03-20 | 1996-10-11 | Hitachi Ltd | 診療行為のオーダリング・システムにおける病名推定システム |
| JP2000123098A (ja) * | 1998-10-13 | 2000-04-28 | Nakamura Shoichi | キーワード解析に基づく検診支援システム、診断支援システム、診療支援システム、電子カルテ作成システム及び医療用レセプト作成システム |
| JP2000155681A (ja) * | 1998-11-24 | 2000-06-06 | Fujitsu Ltd | 類似事例に基づく予測を行う予測装置および方法 |
| JP2003085194A (ja) * | 2001-09-11 | 2003-03-20 | Hitachi Ltd | プロセス分析方法及び情報システム |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4733354A (en) * | 1984-11-23 | 1988-03-22 | Brian Potter | Method and apparatus for automated medical diagnosis using decision tree analysis |
| US5935060A (en) * | 1996-07-12 | 1999-08-10 | First Opinion Corporation | Computerized medical diagnostic and treatment advice system including list based processing |
-
2003
- 2003-03-24 JP JP2003081433A patent/JP2004288047A/ja active Pending
-
2004
- 2004-02-25 US US10/784,931 patent/US20040193022A1/en not_active Abandoned
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0683880A (ja) * | 1992-08-31 | 1994-03-25 | Toshiba Corp | 病院用診断支援装置 |
| JPH0784981A (ja) * | 1993-09-20 | 1995-03-31 | Fujitsu Ltd | 診断処理装置 |
| JPH08263568A (ja) * | 1995-03-20 | 1996-10-11 | Hitachi Ltd | 診療行為のオーダリング・システムにおける病名推定システム |
| JP2000123098A (ja) * | 1998-10-13 | 2000-04-28 | Nakamura Shoichi | キーワード解析に基づく検診支援システム、診断支援システム、診療支援システム、電子カルテ作成システム及び医療用レセプト作成システム |
| JP2000155681A (ja) * | 1998-11-24 | 2000-06-06 | Fujitsu Ltd | 類似事例に基づく予測を行う予測装置および方法 |
| JP2003085194A (ja) * | 2001-09-11 | 2003-03-20 | Hitachi Ltd | プロセス分析方法及び情報システム |
Cited By (38)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006146623A (ja) * | 2004-11-19 | 2006-06-08 | Takahiko Tomoyose | 画像データ編集システムおよびコンピュータプログラム |
| JP4624810B2 (ja) * | 2005-01-18 | 2011-02-02 | 株式会社カネカ | 再生医療支援システム |
| JP2006201820A (ja) * | 2005-01-18 | 2006-08-03 | Hitachi Medical Corp | 再生医療支援システム |
| JP2007323525A (ja) * | 2006-06-02 | 2007-12-13 | Fujifilm Corp | 読影レポート作成装置 |
| JP2009082442A (ja) * | 2007-09-28 | 2009-04-23 | Canon Inc | 診断支援装置、診断支援装置の制御方法、プログラム及び記憶媒体 |
| JP2009104278A (ja) * | 2007-10-22 | 2009-05-14 | Topcon Corp | 医療情報処理システム及びプログラム |
| JP2012505483A (ja) * | 2008-10-10 | 2012-03-01 | カーディオバスキュラー ディシション テクノロジーズ、インク． | 専門知識及び応用複雑性科学を用いた、リスクの評価ならびに診断のための医療データの自動管理方法 |
| US8554580B2 (en) | 2008-10-10 | 2013-10-08 | General Electric Company | Automated management of medical data using expert knowledge and applied complexity science for risk assessment and diagnoses |
| JP2010172559A (ja) * | 2009-01-30 | 2010-08-12 | Toshiba Corp | 医療診断支援システム及び医療診断支援装置 |
| US9436915B2 (en) | 2009-02-27 | 2016-09-06 | Canon Kabushiki Kaisha | Medical decision making support apparatus and control method for the same |
| JP2012069089A (ja) * | 2010-08-27 | 2012-04-05 | Canon Inc | 医療診断支援装置、医療診断支援システム、医療診断支援の制御方法、及びプログラム |
| US9384326B2 (en) | 2010-08-27 | 2016-07-05 | Canon Kabushiki Kaisha | Diagnosis support apparatus, storage medium storing program, and method for deducing a diagnosis based on input findings |
| JP2013093019A (ja) * | 2011-10-05 | 2013-05-16 | A & T Corp | 医療意思決定支援データベースおよび医療意思決定支援方法 |
| JP2013088880A (ja) * | 2011-10-14 | 2013-05-13 | Fujifilm Corp | 診療情報処理装置および方法並びにプログラム |
| US9361580B2 (en) | 2012-02-14 | 2016-06-07 | Canon Kabushiki Kaisha | Medical diagnosis support apparatus and method of controlling the same |
| US10282671B2 (en) | 2012-02-14 | 2019-05-07 | Canon Kabushiki Kaisha | Medical diagnosis support apparatus and method of controlling the same |
| JP2013167977A (ja) * | 2012-02-14 | 2013-08-29 | Canon Inc | 医療診断支援装置及びその制御方法 |
| JP2014098569A (ja) * | 2012-11-13 | 2014-05-29 | A & T Corp | 前立腺癌の鑑別診断に用いるためのデータベースおよび方法 |
| WO2015029135A1 (ja) * | 2013-08-27 | 2015-03-05 | 株式会社日立製作所 | 罹患率評価装置、罹患率評価方法及び罹患率評価プログラム |
| JPWO2015029135A1 (ja) * | 2013-08-27 | 2017-03-02 | 株式会社日立製作所 | 罹患率評価装置、罹患率評価方法及び罹患率評価プログラム |
| JP2017502439A (ja) * | 2013-12-04 | 2017-01-19 | マーク オレイニク | 大量医学分析を用いたコンピュータ医療計画方法及びシステム |
| JP2014238856A (ja) * | 2014-07-17 | 2014-12-18 | キヤノン株式会社 | 医療意志決定支援装置及びその制御方法 |
| JP2016045727A (ja) * | 2014-08-22 | 2016-04-04 | 国立大学法人佐賀大学 | 医療情報支援システム、医療情報支援方法及び医療情報支援プログラム |
| JP2016143147A (ja) * | 2015-01-30 | 2016-08-08 | 株式会社島津製作所 | 医用プログラムおよびそれを用いた医用システム |
| JP2016162131A (ja) * | 2015-02-27 | 2016-09-05 | 富士フイルム株式会社 | 診療支援装置、診療支援装置の作動方法及び作動プログラム |
| JP2017021511A (ja) * | 2015-07-09 | 2017-01-26 | 株式会社日立製作所 | 検査・投薬計画生成装置、検査・投薬計画生成方法、及びプログラム |
| JP2016095864A (ja) * | 2015-12-24 | 2016-05-26 | キヤノン株式会社 | 医療意志決定支援装置及びその制御方法 |
| WO2018073895A1 (ja) * | 2016-10-18 | 2018-04-26 | 富士通株式会社 | 類似症例検索プログラム、類似症例検索装置および類似症例検索方法 |
| JP2018147274A (ja) * | 2017-03-07 | 2018-09-20 | 株式会社ジェイマックシステム | 治療方針決定支援装置、治療方針決定支援方法、および治療方針決定支援プログラム |
| JP2017136462A (ja) * | 2017-05-18 | 2017-08-10 | キヤノン株式会社 | 医療診断支援装置 |
| JP2018014113A (ja) * | 2017-08-09 | 2018-01-25 | キヤノン株式会社 | 医療意志決定支援装置及びその制御方法 |
| JP2019079240A (ja) * | 2017-10-24 | 2019-05-23 | キヤノンメディカルシステムズ株式会社 | 医用情報処理装置及び医用情報処理方法 |
| CN109119134A (zh) * | 2018-08-09 | 2019-01-01 | 脉景（杭州）健康管理有限公司 | 医学病历数据处理方法、医学数据推荐系统、设备及介质 |
| JP2020030728A (ja) * | 2018-08-24 | 2020-02-27 | 富士通株式会社 | 情報処理装置、医療機関検索システム、及びプログラム |
| JP7236789B2 (ja) | 2018-08-24 | 2023-03-10 | 富士通株式会社 | 情報処理装置、医療機関検索システム、及びプログラム |
| JP7324390B2 (ja) | 2018-12-13 | 2023-08-10 | アイエムエス ソフトウェア サービシズ リミテッド | 情報処理装置、情報処理方法及びプログラム |
| JP2020149684A (ja) * | 2019-03-08 | 2020-09-17 | キヤノンメディカルシステムズ株式会社 | 医用情報処理装置、医用情報処理方法、及び医用情報処理プログラム |
| JP7450410B2 (ja) | 2019-03-08 | 2024-03-15 | キヤノンメディカルシステムズ株式会社 | 医用情報処理装置、医用情報処理方法、及び医用情報処理プログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| US20040193022A1 (en) | 2004-09-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2004288047A (ja) | 診療支援システム及び診療支援プログラム | |
| CN110880361B (zh) | 一种个性化精准用药推荐方法及装置 | |
| JP5128161B2 (ja) | 画像診断支援装置及びシステム | |
| JP4087640B2 (ja) | 疾患候補情報出力システム | |
| US20030065241A1 (en) | Medical risk assessment system and method | |
| US20030149597A1 (en) | System for supporting clinical decision-making | |
| Kachimanga et al. | Novel approaches to screening for noncommunicable diseases: Lessons from Neno, Malawi | |
| Martinez et al. | Respiratory symptoms items from the COPD assessment test identify ever-smokers with preserved lung function at higher risk for poor respiratory outcomes. An analysis of the subpopulations and intermediate outcome measures in COPD study cohort | |
| JP6908977B2 (ja) | 医療情報処理システム、医療情報処理装置及び医療情報処理方法 | |
| US20070150314A1 (en) | Method for carrying out quality control of medical data records collected from different but comparable patient collectives within the bounds of a medical plan | |
| US20220020457A1 (en) | Medical data evaluation utilization system and medical data evaluation utilization method | |
| CN111863223B (zh) | 医疗卫生服务的推荐方法、系统、电子设备及存储介质 | |
| JP6384130B2 (ja) | 情報処理装置及び情報処理プログラム | |
| Conway et al. | Patient reported outcomes and performance metrics at diagnosis of secondary progressive multiple sclerosis | |
| CN116312926A (zh) | 健康路径推荐方法及相关装置、电子设备和存储介质 | |
| Cai et al. | Distinct dyadic coping profiles in Chinese couples with breast cancer | |
| CN114783580A (zh) | 一种医疗数据质量评估方法及系统 | |
| CN110752027A (zh) | 电子病历数据推送方法、装置、计算机设备和存储介质 | |
| CN114300075A (zh) | 一种基于大数据的运动医疗健康数据管理系统 | |
| CN109522331B (zh) | 以个人为中心的区域化多维度健康数据处理方法及介质 | |
| JP2000099605A (ja) | 健診情報分析サーバおよびネットワーク健康情報システム | |
| JP6531241B1 (ja) | 効率化支援システム及び医療効率化支援方法 | |
| JP2005000265A (ja) | 健康状態別の発症リスク知識構築方法及び健康管理装置 | |
| JP4819649B2 (ja) | 医療機関評価装置および医療機関情報提供システム | |
| Colligan | History and development of the MMPI |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20040726 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20061006 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20061017 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20061218 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20070313 |