JP2006218229A - 医療支援システム - Google Patents

Abstract

【課題】 本発明は、双方向での会話を行いながら、聞き取れなかったコメントを文字により確認しながら会話をスムーズに行う医療支援システムを提供する。
【解決手段】 音声が入力される音声入力手段と、前記音声入力手段により入力された前記音声を認識して、該音声を文字列化する音声文字列化手段と、前記音声文字列化手段により文字列化した情報である音声文字列化情報を含む送信情報を送信する送信手段と、前記送信手段により送信された前記送信情報を受信する受信手段と、前記受信した前記送信情報のうち前記音声文字列化情報を表示する表示手段と、を備える医療支援システムにより、上記課題の解決を図る。
【選択図】 図５

Description

本発明は、遠隔的に手術を支援する医療支援システムに関する。

近年では内視鏡を用いた外科手術が行われている。この内視鏡外科手術では、腹腔内を膨張させるために用いる気腹装置や手技を行うための処置装置等を用いて、ある生体組織の切除をしたり、または高周波焼灼装置を用いて止血をしたりする場合、内視鏡で観察しながらこれらの処置を行うことができる。

また、これら複数の各種機器を備えた内視鏡手術システムにおいて、複数の装置を容易に操作、制御することができ、またシステムの操作力性を向上させるため、例えば、表示パネル、遠隔操作装置、集中操作パネル、マイク等の機器を備えている（例えば、特許文献１。）。

表示パネルは、術者が滅菌域で各種機器の設定状態を確認するための表示手段であって、例えば液晶パネルなどである。遠隔操作装置は、術者が滅菌域で操作し各種機器の機能または設定値を変更するための遠隔操作手段であって、例えばリモコン（リモートコントローラ）である。集中操作パネルは、術者の指示に従って看護師等の補助者が非滅菌域で操作し各種機器の機能または設定値を変更するための各機器の操作スイッチをタッチパネルに設けた集ものである。マイクは、音声で各種機器を操作するために用いられる（例えば、特許文献２。）。

上記の通り、最近では、音声認識によりユーザの発音を認識し、接続機器の操作を行う機能（音声コマンド制御機能）や、術中・検査中に術者が発音した所見内容を音声認識しテキストデータに変換し電子カルテ等の作成に役立てるディクテーション機能を備える内視鏡システムが存在する。

さて、内視鏡手術や検査において、遠隔支援を目的とするシステムがある（例えば、特許文献２）。インターネット回線を有し、一方から他方の病院に対し、画像、音声をリアルタイムに配信し、大病院等から、地方病院の手術を支援する技術である。
特開２００２−３３６１８４号公報 特開２００２−３０６５０９号公報

しかしながら、インターネットの回線（光ファイバやメタルなど）のスピードや、他の回線に重いデータが流されたとき等のトラフィック渋滞によって、コマ落ち（例えば、１秒間に３０フレーム中１０フレームしか送れない等）が発生し、音質、画質が悪くなり、うまく聞き取れなく、迅速、かつ確実な支援ができない。特に音声、画像はデータ量が多い為発生しやすい。

ＴＶの場合は聴覚障害者の為、音声認識技術による自動字幕スーパーが採用されている。しかしながら、こちらはＴＶであるからあくまで１方向、かつ確実な表示が必要で、リスピーク方式と呼ばれる技術を採用している。アナウンサーの発声環境は雑音が多いので、専用の字幕キャスターが別にいて、静かな環境で、音声認識率を上げるため、アクセントや抑揚を考慮しながら行うが、当然聞き取りづらい。

上記の課題に本発明は、双方向での会話を行いながら、聞き取れなかったコメントを文字により確認しながら会話をスムーズに行う医療支援システムを提供する。

上記課題は、特許請求の範囲の請求項１に記載の発明によれば、音声が入力される音声入力手段と、前記音声入力手段により入力された前記音声を認識して、該音声を文字列化する音声文字列化手段と、前記音声文字列化手段により文字列化した情報である音声文字列化情報を含む送信情報を送信する送信手段と、前記送信手段により送信された前記送信情報を受信する受信手段と、前記受信した前記送信情報のうち前記音声文字列化情報を表示する表示手段と、を備えることを特徴とする医療支援システムを提供することによって達成できる。

上記課題は、特許請求の範囲の請求項２に記載の発明によれば、前記送信手段は、前記音声文字列化情報と共に、前記音声入力手段により入力された前記音声に基づく音声情報を送信することを特徴とする請求項１に記載の医療支援システムを提供することによって達成できる。

上記課題は、特許請求の範囲の請求項３に記載の発明によれば、前記医療支援システムは、さらに、撮像手段を備え、前記送信手段は、前記音声文字列化情報と共に、前記撮像手段で撮像した撮像画像を送信し、前記表示手段は、該撮像画像を表示することを特徴とする請求項１に記載の医療支援システムを提供することによって達成できる。

上記課題は、特許請求の範囲の請求項４に記載の発明によれば、前記撮像手段は、内視鏡、被写体を撮影するカメラ、及び風景を撮影するカメラのうち少なくともいずれか１つであることを特徴とする請求項３に記載の医療支援システムを提供することによって達成できる。

上記課題は、特許請求の範囲の請求項５に記載の発明によれば、前記表示手段は、前記音声文字列化情報を当該表示手段の所定の表示領域に表示させ、該表示領域は、該表示領域を越える音声文字列化情報を表示させるスクロール手段を有していることを特徴とする請求項１に記載の医療支援システムを提供することによって達成できる。

上記課題は、特許請求の範囲の請求項６に記載の発明によれば、前記医療支援システムは、さらに、前記音声文字列化情報のうち所定の箇所にマーキングするマーキング手段と、前記表示手段に前記音声文字列化情報を表示させる場合、前記マーキングされた箇所に相当する部分にマークを表示させるマーク表示手段と、前記表示手段に表示された前記音声文字列化情報のうち前記マークの表示された前記音声文字列化情報を検索するマーキング検索手段と、を備えることを特徴とする請求項１に記載の医療支援システムを提供することによって達成できる。

上記課題は、特許請求の範囲の請求項７に記載の発明によれば、前記医療支援システムは、さらに、前記表示手段に表示された前記音声文字列化情報のうち所定の文字列を検索する文字列検索手段と、を備えることを特徴とする請求項１に記載の医療支援システムを提供することによって達成できる。

上記課題は、特許請求の範囲の請求項８に記載の発明によれば、前記医療支援システムは、さらに、医療に関する語彙である医療関連語彙が格納されている医療関連語彙格納手段と、前記医療関連語彙手段に格納されている前記医療関連語彙に基づいて、前記音声文字列化手段により文字列化された前記音声文字列化情報から該医療関連語彙を抽出する医療語彙抽出手段と、を備えることを特徴とする請求項１に記載の医療支援システムを提供することによって達成できる。

上記課題は、特許請求の範囲の請求項９に記載の発明によれば、音声が入力される複数の音声入力手段と、前記音声入力手段により入力された前記音声を認識して、該音声を文字列化する音声文字列化手段と、前記音声入力手段と同数の撮像手段と、前記音声文字列化手段により文字列化した情報である音声文字列化情報と、前記撮像手段で撮像した撮像画像とを含む送信情報を送信する送信手段と、前記撮像手段のうちいずれかを選択する選択手段と、前記送信手段により送信された前記送信情報を受信する受信手段と、前記受信手段により受信した前記送信情報に含まれる前記撮像画像のうち、前記選択手段により選択された撮像手段により撮像された該撮像画像を表示する表示手段と、を備える医療支援システムを提供することによって達成できる。

上記課題は、特許請求の範囲の請求項１０に記載の発明によれば、前記表示手段は、前記複数の音声入力手段により取得された音声に対応する前記音声文字列化情報を時刻情報とともに時系列で表示させることを特徴とする請求項９に記載の医療支援システムを提供することによって達成できる。

上記課題は、特許請求の範囲の請求項１１に記載の発明によれば、遠隔地から医療行為を支援する医療支援方法において、音声を入力し、前記音声を認識して、該音声を文字列化し、前記文字列化した情報である音声文字列化情報を含む送信情報を送信し、前記送信された前記送信情報を受信し、前記受信した前記送信情報のうち音声文字列化情報を表示させる、ことを特徴とする医療支援方法を提供することによって達成できる。

上記課題は、特許請求の範囲の請求項１２に記載の発明によれば、前記音声文字列化情報と共に、前記入力された音声に基づく音声情報を送信することを特徴とする請求項１１に記載の医療支援方法を提供することによって達成できる。

上記課題は、特許請求の範囲の請求項１３に記載の発明によれば、さらに、内視鏡、被写体を撮影するカメラ、及び風景を撮影するカメラのうち少なくともいずれか１つで撮影された画像を前記音声文字列化情報と共に送信し、該音声文字列化情報を表示させる場合、該画像も共に表示させることを特徴とする請求項１１に記載の医療支援方法。

遠隔支援やＴＶ電話において、音声のコマ落ちが発生しても、ディクテーションにてテキスト化されたデータを即座に確認でき、確実なコミュニケーションが実現できる。

＜第１の実施形態＞
本実施形態では、若干のコマ落ちが発生しても高画質、高音質のデータを伝送する圧縮技術と、ディレイがあっても正確な情報を確実に伝達させる認識技術を融合させることにより、より確実な医療支援や医療指示を行えるようにする。それでは、以下に、本実施形態について説明する。

図１は、本実施形態における内視鏡手術システムの全体構成を示す。内視鏡手術システム１は、患者３０が横たわる患者ベッド１９の両側に、第１の内視鏡手術システム２及び第２の内視鏡手術システム３が配置されている。

これらの内視鏡手術システム２，３には、観察、検査、処置、記録などを行う複数の内視鏡周辺機器がそれぞれ第１の医療用トロリー１２及び第２の医療用トロリー２５に搭載されている。また、患者ベッド１９の周辺には、可動スタンドが配置され、その可動スタンドには内視鏡表示パネル２０が搭載されている。

第１の医療用トロリー１２には、最上段の天板のトロリートッププレート４１、中段に設けられたトロリー棚４０、最下段の底板部から構成されている。トロリートッププレート４１には、内視鏡表示パネル１１とシステムコントローラ２２が配置されている。トロリー棚４０にはＶＴＲ１７、ビデオプロセッサ１６、内視鏡光源装置１５が配置されている。底板部には、送気装置（気腹装置）１４、電気メス装置１３が配置されている。また、第１の医療用トロリー１２のアーム部には、集中操作パネル３３、集中表示パネル２１が配置されている。また、第１の医療用トロリー１２には、例えば不図示の超音波観測装置、またはプリンタ等を搭載しても良い。

集中操作パネル３３は、非滅菌域に配置され看護師等が各医療機器の操作を集中して行うものであって、図示しないマウスとタッチパネル等のポインティングデバイスを有したものであり、医療機器を集中管理・制御・操作するものである。

それぞれの医療機器は、図示しないシリアルインターフェイスケーブルを介してシステムコントローラ２２と接続され、双方向通信を行うことができる。また、システムコントローラ２２には、マイク５０を接続することができる。

システムコントローラ２２は、マイク５０から入力された音声を後述する音声認識回路４６及びＣＰＵ５５（図２参照）により認識する。そして、その音声を認識後にシステムコントローラ２２は、術者の音声により各機器を制御、もしくは認識結果をテキストとして表示したり、出力したりすることができる。

内視鏡光源装置１５は、照明光を伝送するライトガイドケーブルを介して第１の内視鏡３１に接続されている。内視鏡光源装置１５の照明光は、第１の内視鏡３１のライトガイドに供給されると、この第１の内視鏡３１の挿入部が刺入された患者３の腹部内の患部等を照明する。

この第１の内視鏡３１の接眼部には、撮像素子を備えた第１のカメラヘッド３１ａが装着されている。第１のカメラヘッド３１ａ内の撮像素子を用いて、第１の内視鏡３１の観察光学系による患部等の光学像が撮像される。そうすると、その撮像した光学像データがカメラケーブルを介してビデオプロセッサ１６に伝送される。その光学像データはビデオプロセッサ１６内の信号処理回路で信号処理されて、映像信号が生成される。そして、その映像信号がシステムコントローラ２２を介して内視鏡表示パネル１１に出力されて、内視鏡表示パネル１１に患部等の内視鏡画像が表示される。

システムコントローラ２２には、図示しないＭＯ等の外部媒体記録装置が内蔵されている。これにより、システムコントローラ２２は、外部記録媒体（ＭＯ）に記録された画像を読み出して、内視鏡表示パネル１１に出力して表示させることができる。また、システムコントコーラ２２には、図示しない病院内に設けられたネットワーク（院内ネット）と図示しないケーブルで接続されている。これにより、システムコントローラ２２は、院内ネット上の画像データ等を取得して第１の内視鏡表示パネル１１に出力して表示させることができる。

気腹装置１４には、例えばＣＯ₂等のガスボンベ１８が接続されている。そして、この気腹装置１４から患者３０に延びた気腹チューブ１４ａを介して患者３０の腹部内にＣＯ₂ガスを供給できる。

第２の医療用トロリー２５には、最上段の天板のトロリートッププレート４３、中段に設けられたトロリー棚４２、最下段の底板部から構成されている。トロリートッププレート４３には、内視鏡表示パネル３５と中継ユニット２８が配置されている。トロリー棚４２にはＶＴＲ６２、ビデオプロセッサ２７、内視鏡光源装置２６が配置されている。底板部には、その他の医療機器、例えば、超音波処置装置、砕石装置、ポンプ、シェーバ等が搭載されている。それぞれの機器は、図示しないケーブルで中継ユニット２８に接続され、双方向の通信が可能になっている。

内視鏡光源装置２６は、照明光を伝送するライトガイドケーブルを介して第２の内視鏡３２に接続されている。内視鏡光源装置２６の照明光が、第２の内視鏡３２のライトガイドに供給される。そうすると、この第２の内視鏡３２の挿入部が刺入された患者３０の腹部内の患部等を照明する。

この第２の内視鏡３２の接眼部には、撮像素子を備えた第２のカメラヘッド３２ａが装着されている。第２のカメラヘッド３２ａ内の撮像素子を用いて、第２の内視鏡３２の観察光学系による患部等の光学像が撮像される。そうすると、その撮像した光学像データがカメラケーブルを介してビデオプロセッサ２７に伝送される。その光学像データはビデオプロセッサ２７内の信号処理回路で信号処理されて、映像信号が生成される。そして、その映像信号がシステムコントローラ２２を介して内視鏡表示パネル３５に出力されて、内視鏡表示パネル３５に患部等の内視鏡画像が表示される。

システムコントローラ２２と中継ユニット２８は中継ケーブル２９で接続されている。
さらに、システムコントローラ２２は、術者が滅菌域から機器操作を行う術者用無線リモートコントローラ（以下、リモコンと記す）２４により制御することもできる。また、第１の医療用トロリー１２，第２の医療用トロリー２５には、その他の機器（例えば、プリンタ、超音波観測装置等）も搭載することができる。

図２は、図１の内視鏡手術システムを構成する各医療機器の接続関係を示すブロック図である。同図に示すように、集中操作パネル３３、リモコン２４、ＶＴＲ１７、ビデオプロセッサ１６、内視鏡光源装置１５、気腹装置１４、電気メス装置１３、プリンタ６０（図１では不図示）、及び超音波観察装置６１（図１では不図示）はそれぞれ通信ケーブル３８によりシステムコントローラ２２の通信インターフェース（以下、インターフェースをＩ／Ｆと称する）５１と接続されている。システムコントローラ２２とこれらの各装置間では、データの送受が行われる。

また、ＶＴＲ１７、内視鏡表示パネル１１、ビデオプロセッサ１６、プリンタ６０及び超音波観測装置６１は、映像ケーブル３９によりシステムコントローラ２２のディスプレイＩ／Ｆ５２と接続されており、映像信号を送受できるようになっている。

ＶＴＲ６２、ビデオプロセッサ２７、内視鏡光源装置２６、シェーバ６３（図１では不図示）、ポンプ６４（図１では不図示）、超音波処理装置６５（図１では不図示）は、通信ケーブル３８により中継ユニット２８に接続されている。中継ユニット２８とこれらの各装置間では、データの送受が行われる。また、内視鏡表示パネル３５、ビデオプロセッサ２７及びＶＴＲ６２は、映像ケーブル３９により中継ユニット２８と接続されており、映像信号を送受できるようになっている。

また、中継ユニット２８は、ケーブル２９（図１参照）によりシステムコントローラ２２と接続されている。中継ユニット２８は、ケーブル２９内の通信ケーブル３８を介してシステムコントローラ２２の通信Ｉ／Ｆ５１に接続されている。また、中継ユニット２８は、ケーブル２９内の映像ケーブル３９を介してシステムコントローラ２２のディスプレイＩ／Ｆ５２に接続されている。

システムコントローラ２２は、通信Ｉ／Ｆ５１、ディスプレイＩ／Ｆ５２の他に、集中操作パネルＩ／Ｆ５３、音声合成回路５７、ＣＰＵ５５、メモリ５９、スピーカ５８、音声認識回路５６、リモコンＩ／Ｆ５４を備えている。

音声認識回路５６は、マイク５０からの音声信号を認識するものである。音声認識回路５６は、Ａ／Ｄ変換器と、入力音声メモリと、ナビゲーションコマンドメモリ、ディクテーション用のメモリ等から構成される。Ａ／Ｄ変換器では、マイク５０からの音声信号をＡ／Ｄ変換する。入力音声メモリでは、Ａ／Ｄ変換器でＡ／Ｄ変換された入力音声データを記憶する。ナビゲーションコマンドメモリには、ＣＰＵ５５が入力音声メモリに記憶された音声データが所定のコマンドデータであるかどうかを比較するためのナビゲーションコマンドデータを格納している。ディクテーション用のメモリには、ＣＰＵ５５が入力音声メモリに記憶された音声データが所定のディクテーションデータであるかどうか比較するための音声文言テーブルが格納されている。

リモコンＩ／Ｆ５４は、リモコン２４とのデータの送受を行うものである。音声合成回路５７は、音声を合成しスピーカ５８より音声を発せさせるものである。集中操作パネルＩ／Ｆ５３は、集中操作パネル３３とのデータの送受を行うものである。これら各回路がＣＰＵ５５により制御されている。

また、システムコントローラ２２には外部記録媒体が接続可能となっており、ＣＰＵ５５より画像データを外部記録媒体（図示せず）に記録・再生できる。また、システムコントローラ２２は、不図示のネットワークＩ／Ｆを備えている。これにより、ＷＡＮ（ワールドエリアネットワーク）、ＬＡＮ（ローカルエリアネットワーク）、インターネット、イントラネット、エクストラネット等のネットワークにも接続することができ、これら外部のネットワークとの間でデータの送受ができる。

図３は、本実施形態におけるネットワークに接続された内視鏡手術システムのブロック図である。同図において、システムコントローラ２２は、図２で説明したように、ビデオプロセッサ１６、内視鏡光源装置１５、気腹装置１４、電気メス装置１３等の医療機器、及び集中表示パネル（以下、表示パネルという）２１が接続されている。ビデオプロセッサ１６からシステムコントローラ２２に対して内視鏡画像が入力される。

システムコントローラ２２は、ネットワーク回線７０に接続されている。そのネットワーク回線７０は、セキュリティサーバ７１を介してインターネット７２に接続している。セキュリティサーバは、例えば、ファイヤーウォール機能、アドレス変換機能、アクセス制限機能、認証機能、または、フィルタリング機能等を備えたサーバである。

また、システムコントローラ２２が設置されている手術室やカンファレンスルーム等にはルームカメラ６６が設置されている。ルームカメラ６６は、室内の風景やマイクに発話している人、処置中の様子等を撮影するためのものである。ルームカメラ６６は、システムコントローラ２２に接続され、ルームカメラ６６で撮影した画像データをシステムコントローラ２２に転送する。

表示パネル２１は、画像や文字等を表示することができる。さらに、具体的には、システムコントローラ２２により制御されている医療機器の設定値や測定値を表示することができる。また、内視鏡で撮影された内視鏡画像を表示することができる。また、ディクテーションされた文字データを表示されることができる。

図４は、本実施形態におけるシステムコントローラ２２の使用例を示す。カンファレンスルーム８０には、システムコントローラ２２ａ、ルームカメラ６６ａ、表示パネル２１ａが設置されている。手術室８１には、システムコントローラ２２ｂ、ルームカメラ６６ｂ、表示パネル２１ｂが設置されている。

手術室８１では、内視鏡を用いた手術が行われており、内視鏡で撮像された内視鏡画像データはビデオプロセッサを介してシステムコントローラ２２ｂに送信される。その内視鏡画像データは、さらに、システムコントローラ２２ｂ→ネットワーク回線７０→システムコントローラ２２ａと送信される。システムコントローラ２２ａではその内視鏡画像データを表示パネル２１に出力し、その内視鏡画像８３が表示パネル２１ａに表示される。

手術室８１に設置されたルームカメラ６６ｂで撮影された室内画像８４も同様にして、表示パネル２１ａに表示される。なお、同図において、ルームカメラ６６ｂで撮影対象となっているのは、Ｄｒ．Ｂの行う処置の様子である。

本実施形態において、内視鏡画像及びルームカメラによる室内画像は共に表示パネル２１ａに表示され、これを見たＤｒ．Ａは、マイク５０ａに向かって、「病変部位を、切開モード１００Ｗで切除してください！」と発話する。

そうすると、マイク５０ａに入力されたＤｒ．Ａの音声は、システムコントローラ２２ａ内で音声データとディクテーションデータに変換され、システムコントローラ２２ｂに送信される。また、ルームカメラ６６ａによりＤｒ．Ａの画像も撮影され、システムコントローラ２２ａに送信される。システムコントローラ２２ａは、その画像データもシステムコントローラ２２ｂに送信する。

システムコントローラ２２ｂでは、上記の音声データ、ディクテーションデータ、及び画像データを受信する。これらのデータを受信後、システムコントローラ２２ｂは、音声データをスピーカへ出力し、ディクテーションデータと画像データを表示パネル２１ｂへ出力する。

スピーカからは、「病変部位を、切開モード１００Ｗで切除してください！」が出力される。表示パネル２１ｂには、Ｄｒ．Ａの画像８２が表示される。さらに、表示パネル２１ｂにはディクテーションされた文字列「病変部位を、切開モード１００Ｗで切除してください」（不図示）が表示される。

すると、表示パネル２１ｂの表示内容及びスピーカから出力された内容を聞いたＤｒ．Ｂは、マイク５０ｂに向かって、「了解しました！」と発話する。そうすると、この音声が同様にしてシステムコントローラ２２ａに送信され、カンファレンスルーム８０側にあるスピーカから出力される。

図５は、ネットワークを介したシステムコントローラ間のデータの送受信時でのシステムコントローラ内部の機能ブロックを示す。システムコントローラ２２ａからシステムコントローラ２２ｂにデータ送信する場合について説明する。マイク５０ａより入力された音声はシステムコントローラ２２ａ内で音声信号に変換され、２つに分配される。分配された一方の音声信号は、音声エンジン１０２ａに入力されると、Ａ／Ｄ変換され、音声入力メモリに格納される。

音声エンジン１０２ａは、言語モデル１０４ａ、音響モデル１０３ａを有している。言語モデル１０４ａは、単語の出現の割合や単語間のつながりの割合を集めたものである。また、音響モデル１０３ａは、例えば所定言語の音声の母音や子音の特徴の平均とばらつきの組みのモデルである。

音声エンジン１０２ａでは、言語モデル１０４ａ及び音響モデル１０３ａに基づいて、音声入力メモリに格納された音声データをテキスト化（ディクテーションテキストデータ）する。そして、そのディクテーションテキスト信号はＩＰ（Ｉｎｔｅｒｎｅｔ Ｐｒｏｔｏｃｏｌ）パケット化部１０１ａでＩＰパケット化処理がなされ、システムコントローラ２２ｂに送信される。

また、分配された他方の音声信号は、ＩＰパケット化部１０１ａでＩＰパケット化処理がなされ、システムコントローラ２２ｂに送信される。
また、ルームカメラ６６ａにより撮影された画像信号であるルームカメラ画像信号もまた、ＩＰパケット化部１０１ａでＩＰパケット化処理がなされ、システムコントローラ２２ｂに送信される。

システムコントローラ２２ｂでは、システムコントローラ２２ａから送信されたディクテーションテキスト信号、音声信号、及びルームカメラ画像信号を受信部１０５ｂで受信し、各出力先に出力される。すなわち、音声信号はスピーカより出力され、音声が再生される（１０８ｂ）。ディクテーションデータ信号及びルームカメラ画像信号は、表示パネルに出力される（１０６ｂ）。また、これらの送信データはメモリに履歴として保存することもできる（１０７ｂ）。

システムコントローラ２２ｂからシステムコントローラ２２ａにデータ送信する場合も、これと同様である。なお、この場合には、図４で説明したように、第１の内視鏡３１または第２の内視鏡３２で撮像した内視鏡画像のデータ（内視鏡カメラ画像信号）も送信される。

図６は、本実施形態における表示パネルの表示内容の一例を示す。図５で説明した手順により受信したディクテーションテキスト信号とルームカメラ画像信号に基づいて表示パネルに表示され、受信した音声信号がスピーカにより音声再生させている様子（１１４）を示している。

表示パネル２１の表示領域内の、内視鏡画像表示領域１１０には内視鏡画像が表示され、そして再生されている。また、ルームカメラ画像表示領域１１１には、ルームカメラで撮影された手術室内の風景画像が表示され、そして再生される。ステータスデータ表示領域１１２には、患者情報、バイタル情報、各医療機器の設定値及び測定値情報等（ステータスデータ）が表示される（システムコントローラ２２の本来の機能としてステータスデータを取得し制御する機能がある。）。

また、ディクテーションテキスト表示領域１１３には、ディクテーションテキスト信号に基づいてそのテキストが表示される。また、１１４はスピーカにより音声信号が出力される様子を示している。

同図において、ディクテーションテキスト表示領域１１３には、「
・カメラのホワイトバランスをとってください。
・気腹器の送気を低いモード、２Ｌ／ｍｉｎで送気を開始してください。
・チューブつまりの警告が発生しているようなので、確認してください。
・電気メスの出力設定が高いので、もう少し低くしてください。
・そこの画像を、レリーズして、プリントアウトしてください。
」
と表示されている。

スピーカからは、
「電気メスの出力設定が高いので、もう少し低くしてください。」（ディクテーションテキスト表示領域１１３の上から３行目に対応する）
が再生される。

このとき、もし、最初の発話内容を聞き逃していたとしても、ディクテーションテキスト表示領域１１３をみれば、それが「カメラのホワイトバランスをとってください」であることを視認することができる。

また、もし、スピーカから「電気メスの出力設定が高いので、もう少し低くしてください。」以降の音声が聞き取りづらい場合でも、ディクテーションテキスト表示領域１１３をみれば、それが「そこの画像を、レリーズして、プリントアウトしてください。」であることを視認することができる。

図７は、図５で説明した送信側のフローである。システムコントローラ２２は上述の通り、機器のステータスデータ、画像データ、音声データの様々なデータを取得する（ステップ１、以下ステップをＳと称する。）。

次に、受信したデータが音声データか否かを判断する（Ｓ２）。Ｓ２で音声データの場合（Ｓ２で「Ｙ」へ進む）には、音声データを２つに分配する。そのうちの一方の音声データに音声エンジンによりディクテーション処理を施し、テキスト化し（Ｓ３）、ＩＰパケット化部１０１に送信する。

他方の音声データはそのまま音声データとしてＩＰパケット化部１０１に送信する（Ｓ４）。Ｓ２で音声以外のデータ（例えば、画像データ、通信データ）の場合（Ｓ２で「Ｎｏ」へ進む）、そのデータをＩＰパケット化部１０１に送信する（Ｓ５）。

ＩＰパケット化部１０１では、Ｓ３，Ｓ４，Ｓ５の処理後の各データをパケット化してネットワーク７２へ配信する（Ｓ６）。
図８は、図５で説明した受信側のフローである。システムコントローラ２２は、図７で送信されたデータパケットを受信し、そのヘッダーを解析する（Ｓ７）。その解析結果に基づいて、音声データか否かを判断する（Ｓ８）。音声データである場合（Ｓ７で「Ｙ」へ進む）、音声データをスピーカより再生する（Ｓ９）。

Ｓ７で音声データでない場合（Ｓ８で「Ｎ」へ進む）、当該データがテキストデータか否か判断する（Ｓ１０）。当該データがテキストデータでない場合（Ｓ１０で「Ｎ」へ進む）、そのデータは画像データということなのでこの画像データを図６で説明したそれぞれの表示領域に表示させて再生する（Ｓ１２）。

当該データがテキストデータである場合（Ｓ１０で「Ｙ」へ進む）、さらに当該データが機器情報か否か判断する（Ｓ１１）。当該データが機器情報でない場合（Ｓ１１で「Ｎ」へ進む）、そのデータはディクテーションテキストデータであるので、ディクテーションテキスト表示領域１１３に当該ディクテーションデータを表示させる（Ｓ１４）。

また、当該データが機器情報である場合（Ｓ１１で「Ｙ」へ進む）、ステータスデータ表示領域１１２に当該機器情報を表示させる（Ｓ１３）。
以上より、遠隔支援やＴＶ電話において、音声のコマ落ちが発生しても、音声より情報量の少ないディクテーションにてテキスト化されたデータはスムーズに伝送される。したがって、音声のコマ落ちが発生してもディクテーションテキストを即座に表示パネルで確認でき、確実なコミュニケーションが実現できる。

なお、当然、携帯電話、ＰＤＡといった端末でも同様の技術を搭載することが可能であり、画面サイズの問題からリアルタームにスーパーを出すのではなく、必要なときに会話データを表示させ確認できる。もちろんそのテキストデータは、電子カルテや患者ファイルに添付することもできる。

また、本実施形態では、ディクテーションテキストデータと共に音声信号も同時に送信し、音声を再生していたが、ディクテーションテキストデータのみを送信し、受信側において、ディクテーションテキストデータに基づいて音声合成回路５７により音声合成を行い、それを再生するようにしてもよい。これにより、送信するデータ量を減少させることができるので、ネットワーク負荷を抑え、環境ノイズを排除することができる。

＜第２の実施形態＞
本実施形態では、図６の表示パネル２１のディクテーションテキスト表示領域１１３にスクロールバーを設けた画面について説明する。

図９は、本実施形態における表示パネルの表示内容の一例を示す。図６では、ディクテーションテキスト表示領域１１３の表示エリアが固定されており、時々刻々と表示エリアは更新されていっているので、少し前に話した内容を確認したい場合であっても、表示エリアから消えたテキストを確認することができない。

そこで、図９に示すように、スクロールバー１２０を設けることで、ディクテーションテキスト表示領域１１３の表示エリアから外れた内容に関しても、スクロールバーをスクロールさせて、前に話したテキスト部分に遡ることができる。

スクロール操作は、集中操作パネル（以下、操作パネルという）３３に表示させているスクロールバー１２１を使って行う。操作パネル３３のスクロールバー１２１と表示パネル２１のスクロールバー１２０とは連動している。

図１０は、本実施形態におけるスクロール操作の処理フローを示す。システムコントローラ２２では、図８のフローにより受信したディクテーションテキストデータをメモリ５９に保存し、ディクテーションテキスト表示領域１１３に表示させる（Ｓ２１）。

次に、スクロール操作の有無について判断する（Ｓ２２）。ここでは、操作パネル３３のスクロールバー１２１によりスクロール操作がされない場合（Ｓ２２で「Ｎｏ」へ進む。）には、メモリ５９に保存されているディクテーションテキストデータを更新し、さらにディクテーションテキスト表示領域１１３に表示させる（Ｓ２４）。このとき、その表示エリアを越えてディクテーションテキストデータを表示させる場合には、ディクテーションテキスト表示領域１１３を更新して、その越えた分のみ表示させることになる。

操作パネル３３のスクロールバー１２１によりスクロール操作がされた場合（Ｓ２２で「Ｙ」へ進む。）には、メモリ５９に逐次保存している受信したディクテーションテキストデータをＣＰＵ５５が読み出して（Ｓ２３）、そのうち操作パネル３３のスクロールバー１２１のスクロール量にあわせたディクテーションテキストデータをディクテーションテキスト表示領域１１３に表示させる（Ｓ２５）。

以上より、送信側のディクテーション結果によりテキスト化されて表示された音声情報をマウスやタッチ操作によりスクロール操作することで、過去の音声情報を表示させることができる。それにより、聞き逃した情報を容易に確認することができる。

＜第３の実施形態＞
本実施形態では、第２の実施形態にさらに編集機能を追加した画面について説明する。
図１１は、本実施形態における表示パネルの表示内容の一例を示す。ディクテーションテキスト表示領域１１３に表示されているテキスト情報の一部にマーカ１３１（１３１ａ，１３１ｂ）が付せられている。マーカ１３１ａは、送信側（例えば、音声認識エンジン１０２）で付されるものであり、例えば、送信側での発話者がしばらく発話を中断して再び話始めたときに、その話し始めのディクテーションテキストに自動で付されるように設定してある。なお、送信側の操作パネルを用いて、マーカをユーザが任意に付したり、また特定の語彙に付したりしてもよい（例えば、マーカ１３１ｂ）。また、マーキング用スイッチを発話者が持ち、この発話者がディクテーションしながら、自身がマーカを付したいと思う発話時にマーキング用スイッチを押下すると、当該ディクテーションテキストデータにマーカが付されるようにしてもよい。

そして、受信側では、操作パネル３３の「ジャンプ」ボタン１３２を選択すると、たとえば、ディクテーションテキスト表示領域１１３の最上段の行にそのマーカを付した部分のテキストを含む行を表示させることができる（頭だし機能）。また、マーカが複数付させている場合には、「ジャンプ」ボタン１３２を選択するたびに、順次頭出しがされていく。

また、「検索ボタン」１３３を選択すると、検索ワード入力画面（不図示）が表示され、この画面に特定のワードを入力して検索を実行すると、ディクテーションテキスト表示領域１１３のテキスト中から当該ワードに一致するワードを検索することができる。

また、ディクテーションテキスト表示領域１１３の左側には、時刻表示領域１３０が設けられており、時刻表示領域１３０の時刻に対応するディクテーションテキストがディクテーションテキスト表示領域１１３に表示される。これにより、その発話がいつされたものなのかを確認することができる。

図１２〜図１４は、本実施形態に関するフローである。
図１２は、データパケットの受信フローを示す。システムコントローラ２２では、図８のフローにより受信したディクテーションテキストデータをメモリ５９に保存し、ディクテーションテキスト表示領域１１３に表示させる。このとき、ディクテーションテキストデータにマーカが付されている場合には、そのマーカも表示する（Ｓ３１）。

図１３は、「ジャンプ」ボタン１３２選択時の処理フローを示す。まず、「ジャンプ」ボタン１３２を選択する（Ｓ４１）。そうすると、ＣＰＵ５５では、次のマーカ（しおり）が付されたテキストデータを読み出し、たとえば、ディクテーションテキスト表示領域１１３の最上段の行にそのマーカを付した部分のテキストを含む行を表示させる（Ｓ４２）。

図１４は、「検索」ボタン１３３選択時の処理フローを示す。まず、「検索」ボタン１３３を選択する（Ｓ５１）。そうすると、検索ワード入力画面（不図示）が表示され、この画面に特定のワードを入力して検索を実行すると、ディクテーションテキスト表示領域１１３のテキスト中から当該ワードに一致するワードを検索する（Ｓ５２）。

以上より、表示画像や表示テキストのデータの送信時にマーカをディクテーションテキストデータに付与することで、当該マーカを頭だしすることができる。また、検索機能を用いて、ディクテーションテキストデータ中の所定のワードを容易に検索することができる。これにより、術後の手術履歴（電子カルテ）としての編集が容易になる。

＜第４の実施形態＞
上記の実施形態では、送信側と受信側との関係が１：１である通信環境について説明したが、本実施形態では１：多、多：１、または多：多の通信環境下での画面表示について説明する。

図１５は、本実施形態における表示パネルの表示内容の一例及び通信環境を示す。ネットワーク回線１６４には、たとえば、システムコントローラＡ（１６０），システムコントローラＢ（１６１），システムコントローラＣ（１６２），システムコントローラＤ（１６３）が接続されている。そして、各システムコントローラには操作パネル兼表示パネルが接続されている。

そこで、システムコントローラＡ（１６０）に接続されている操作パネル兼表示パネル１４０に着目する。操作パネル兼表示パネル１４０は、ステータスデータ表示領域１４１、内視鏡画像表示領域１４２、内視鏡画像表示領域１４３、モニタ切り替えボタン１４４（「モニタＡ」ボタン１４４ａ，「モニタＢ」ボタン１４４ｂ、「モニタＣ」ボタン１４４ｃ、「モニタＤ」ボタン１４４ｄ）、ディクテーションテキスト表示領域１４５、スクロールバー１４６、検索ボタン１４７、ジャンプボタン１４８、ルームカメラ画像表示領域１４９から構成されている。

モニタ切り替えボタン１４４以外は、上記の実施形態で説明したものと同様の機能を有するものである。内視鏡画像表示領域１４３には、当該システムコントローラに接続されている内視鏡画像を表示する。したがって、同図では、内視鏡画像表示領域１４３にはシステムコントローラＡに接続されている内視鏡で撮像した内視鏡画像が表示される。

なお、モニタＡとは、システムコントローラＡに接続されている内視鏡のカメラを示す。モニタＢとは、システムコントローラＢに接続されている内視鏡のカメラを示す。モニタＣとは、システムコントローラＣに接続されている内視鏡のカメラを示す。モニタＤとは、システムコントローラＤに接続されている内視鏡のカメラを示す。

内視鏡画像表示領域１４２には、モニタ切り替えボタン１４４の切り替えに応じて、切り替え先のモニタ映像（システムコントローラに接続されている内視鏡画像）が表示される。例えば、同図のように、「モニタＢ」ボタン１４４ｂを選択すると、システムコントローラＢに接続されている内視鏡で撮像した内視鏡画像が表示される。すなわち、モニタ切り替えボタン１４４のうちのいずれかを選択することで、その選択先のシステムコントローラからのパケットのみを受信し、そのパケットヘッダー情報を基に選択された端末からのデータのみを処理し、それを当該操作パネル兼表示パネル１４０の内視鏡画像表示領域１４２に表示する。

そして、内視鏡画像表示領域１４２とルームカメラ画像表示領域１４９とは連動しているので、これらの領域にはそれぞれ、同一のシステムコントローラから送信された内視鏡画像とルームカメラ画像が表示される。例えば、同図では、内視鏡画像表示領域１４２にはモニタＢによる画像が表示されているので、ルームカメラ画像表示領域１４９にはシステムコントローラＢが設置されている室内の風景画像が表示される。また、ディクテーションテキスト表示領域１４５に表示させるテキスト及びスピーカより再生される音声も上記と同様にモニタに連動させることができる。

このように、モニタ切り替えボタン１４４のうちいずれかを選択することで、その選択先のシステムコントローラからのパケットのみを受信し、そのパケットヘッダー情報を基に選択された端末からのデータのみ処理する。そうすると、システムコントローラＢからの画像情報、音声情報、ディクテーションテキストデータのみを、システムコントローラＡに接続された操作パネル兼表示パネル１４０に表示させることができる。

なお、上記では、ディクテーションテキスト表示領域１４５には、モニタ切り替えボタン１４４で選択したモニタに連動したディクテーションテキストが表示されたが、これに限定されず、例えば、同図のディクテーションテキスト表示領域１４５のように、各システムコントローラが設置されている箇所にいるドクターが発話した内容をディクテーションテキスト化してもよい。その表示形態は、例えば同図に示すように、チャット形式であってもよい。このとき、例えば「発話時刻 発話者名 ＞ ディクテーションテキスト」のフォーマットで表示しても良い。すなわち、モニタ切り替えボタン１４４の選択にかかわらず、ディクテーションテキスト表示領域１４５には、全てのシステムコントローラからのディクテーションデータを表示させてよい。また、スピーカより再生される音声も全てのシステムコントローラからのものでよい。

以上より、各端末（操作パネル兼表示パネル）のモニタ切り替えボタンを切り替えることにより、同一のネットワークに接続された複数の端末間でそれぞれ独立に画像データや音声データを送受信、及び表示することができる。

また、画面はある１つの症例について遠隔地にいる複数人が共通して同一の画像を見ながら、ディクテーションテキスト表示領域１４５にはその症例を観察しているそれらの者が話した内容を表示させることができる。

また、同一ネットワークに接続された複数の端末間でそれぞれ独立に画像データや音声データを送受信、及び表示することができる。パケットのヘッダー情報を基に選択された端末からのデータのみ処理する。このようにすることで、複数のドクターからライブで指示を仰ぐことができ、かつ、聞き取れなかった画像や音声を独立して見直すことができる。

＜第５の実施形態＞
上記の実施形態では、発話者が話したそのままの音声をディクテーションしていたが、本実施形態では、発話者が話した内容のうち所定の語彙のみを抽出してディクテーションテキストとして表示させる場合について説明する。

図１６は、本実施形態におけるテキスト変換可能な音声文言テーブル１５０の一例を示す。音声文言テーブル１５０は音声認識回路５６に格納されているものである。本実施形態では、音声文言のカテゴリの一例として、「日時」、「操作」、「所見」、「医療材料」、「手技」、「その他」を用いた。そして、各カテゴリには、テキスト変換の対象となる複数のテキスト化された文言が格納されている。

カテゴリ「日時」には、例えば、「年」、「月」、「日」、「時」、「分」、「秒」、月〜日曜日の各曜日（例えば、火等）、「曜日」、等の文言が格納されている。
カテゴリ「操作」には、例えば、「気腹」、「電気メス切開」、「電気メス凝固」、「ソノサージ切開」、「ソノサージ凝固」、等の文言が格納されている。

カテゴリ「所見」には、例えば、「出血量」、「血圧」、「心拍数」、等の文言が格納されている。
カテゴリ「医療材料」には、例えば、「トロッカー」、「麻酔」、「ラパロスコープ」、「鉗子」、「クリップ」、等の文言が格納されている。

カテゴリ「手技」には、例えば、「胆嚢摘出術」、「下結腸切除術」、等の文言が格納されている。
カテゴリ「その他」には、例えば、０〜９の数値、「多い」、「少ない」、「高い」、「低い」、「正常」、「開始」、「終了」、「挿入」、「個」、等の文言が格納されている。

これらは、あくまでも一例であり、様々な症例に対応する医療用語、処置の進行にかかわる文言、周辺環境に関する文言、または当該システムを使用している施設独自の用語等、用途に応じた文言を格納しても良い。

図１７は、本実施形態におけるテキスト化した音声から所定の文言を抽出するフローを示す。まず、発話があるまで当該フローは待ち状態となっている（Ｓ６１で「Ｎｏ」へ進む。）。発話があると（Ｓ６１で「Ｙｅｓ」へ進む。）、マイク５０を介して音声が音声認識回路５６に入力される。

音声認識回路５６では、入力された音声を文字列（ディクテーションテキスト）に変換する（Ｓ６２）。ここでは、マイク５０から入力された音声をテキスト化して、そのテキスト化された文字列（ディクテーションテキスト）から助詞、助動詞等を取り除いた文言（語彙）のみを抽出する。音声認識回路６２は、抽出した文言を制御部へ出力する。

次に、ＣＰＵ５５では、Ｓ６２で抽出された文言と、音声文言テーブル１５０に登録されている文言を照合する（Ｓ６３）。Ｓ６３での比較の結果、一致する文言があれば（Ｓ６４で「Ｙｅｓ」へ進む）、Ｓ６２で抽出された文言はＩＰパケット化部によりＩＰパケット化処理が施され送信される（Ｓ６５）。

Ｓ６３での比較の結果、一致しなければ（Ｓ６４で「Ｎｏ」へ進む）、そのＳ６２で抽出した文言を破棄する（Ｓ６６）。
なお、Ｓ６２、Ｓ６３において所定の文言を抽出する方法は、これに限定されず、例えば、抽出未処理のディクテーションテキストについて、音声文言テーブルに格納された各文言と文字列比較することにより、所定の文言を抽出しても良い。また、本フローは発話の度に実行してもよいし、または、連続する発話を音声入力メモリに一旦格納し、所定時間経過後にまとめて実行するようにしてもよい。

図１８は、本実施形態における入力される音声に基づいて記憶部に記憶されたテキストデータを示す。図１８（ａ）は、送信側でのドクターの発話の一例である。この発話がマイク５０に入力される。図１８（ｂ）は、図１７のフローに基づいて、音声文言テーブル１５０に登録された語彙のみを送信して受信側でそれをテキストデータとして表示された一例を示す。

図１８（ａ）では、「えー、」、「現在」、「ただいまより、」、「を」、「します。」、「皆さん準備はよいですか？」等の不要な文言があるが、図１８（ｂ）ではそれらが除去され、「２００４年９月８日９時３０分」、「胆嚢摘出術」、「開始」等の必要な文言のみ記録されている。

以上より、ディクテーション機能により送信側で発話した文字列から無駄な文言が無くなり（すなわち、必要な文字列のみ抽出される）、短いテキストデータとなる為、必要最小限の情報のみを送信することができる。これにより、ネットワーク負荷を抑制することができる。

第１の実施形態における内視鏡手術システムの全体構成を示す図である。 図１の内視鏡手術システムを構成する各医療機器の接続関係を示すブロック図である。 第１の実施形態におけるネットワークに接続された内視鏡手術システムのブロック図である。 第１の実施形態におけるシステムコントローラ２２の使用例を示す図である。 第１の実施形態におけるネットワークを介したシステムコントローラ間のデータの送受信時でのシステムコントローラ内部の機能ブロックを示す図である。 第１の実施形態における表示パネルの表示内容の一例を示す図である。 図５で説明した送信側のフローである。 図５で説明した受信側のフローである。 第２の実施形態における表示パネルの表示内容の一例を示す図である。 第２の実施形態におけるスクロール操作の処理フローを示す図である。 第３の実施形態における表示パネルの表示内容の一例を示す図である。 第３の実施形態におけるデータパケットの受信フローを示す図である。 第３の実施形態における「ジャンプ」ボタン１３２選択時の処理フローを示す図である。 第３の実施形態における「検索」ボタン１３３選択時の処理フローを示す図である。 第４の実施形態における本実施形態における表示パネルの表示内容の一例及び通信環境を示す図である。 第５の実施形態におけるテキスト変換可能な音声文言テーブル１５０の一例を示す図である。 第５の実施形態におけるテキスト化した音声から所定の文言を抽出するフローを示す図である。 第５の実施形態における入力される音声に基づいて記憶部に記憶されたテキストデータを示す図である。

符号の説明

１ 内視鏡手術システム
２ 第１の内視鏡手術システム
３ 第２の内視鏡手術システム
１１ 内視鏡表示パネル
１２ 第１の医療用トロリー
１３ 電気メス装置
１４ 送気装置（気腹装置）
１５ 内視鏡光源装置
１６ ビデオプロセッサ
１７ ＶＴＲ
１８ ガスボンベ
１９ 患者ベッド
２０ 内視鏡表示パネル
２１ 集中表示パネル
２２ システムコントローラ
２４ リモコン
２５ 第２の医療用トロリー
２６ 内視鏡光源装置
２７ ビデオプロセッサ
２８ 中継ユニット
２９ ケーブル
３０ 患者
３１ 第１の内視鏡
３１ａ 第１のカメラヘッド
３２ 第２の内視鏡
３２ａ 第２のカメラヘッド
３３ 集中操作パネル
３５ 内視鏡表示パネル
３８ 通信ケーブル
３９ 映像ケーブル
４０ トロリー棚
４１ トロリートッププレート
４２ トロリー棚
４３ トロリートッププレート
５０ マイク
５１ 通信Ｉ／Ｆ
５２ ディスプレイＩ／Ｆ
５３ 集中操作パネルＩ／Ｆ
５４ リモコンＩ／Ｆ
５５ ＣＰＵ
５６ 音声認識回路
５７ 音声合成回路
５８ スピーカ
５９ メモリ
６０ プリンタ
６１ 超音波観察装置
６２ ＶＴＲ
６３ シェーバ
６４ ポンプ
６５ 超音波処理装置
６６ ルームカメラ
７０ ネットワーク回線
７１ セキュリティサーバ
７２ インターネット
１０１（１０１ａ，１０１ｂ） ＩＰパケット化部
１０２（１０２ａ，１０２ｂ） 音声エンジン
１０３（１０３ａ，１０３ｂ） 音響モデル
１０４（１０４ａ，１０４ｂ） 言語モデル
１０５（１０５ａ，１０５ｂ） 受信部

Claims (13)

1. 音声が入力される音声入力手段と、
   前記音声入力手段により入力された前記音声を認識して、該音声を文字列化する音声文字列化手段と、
   前記音声文字列化手段により文字列化した情報である音声文字列化情報を含む送信情報を送信する送信手段と、
   前記送信手段により送信された前記送信情報を受信する受信手段と、
   前記受信した前記送信情報のうち前記音声文字列化情報を表示する表示手段と、
   を備えることを特徴とする医療支援システム。
2. 前記送信手段は、前記音声文字列化情報と共に、前記音声入力手段により入力された前記音声に基づく音声情報を送信することを特徴とする請求項１に記載の医療支援システム。
3. 前記医療支援システムは、さらに、撮像手段を備え、
   前記送信手段は、前記音声文字列化情報と共に、前記撮像手段で撮像した撮像画像を送信し、前記表示手段は、該撮像画像を表示することを特徴とする請求項１に記載の医療支援システム。
4. 前記撮像手段は、内視鏡、被写体を撮影するカメラ、及び風景を撮影するカメラのうち少なくともいずれか１つであることを特徴とする請求項３に記載の医療支援システム。
5. 前記表示手段は、前記音声文字列化情報を当該表示手段の所定の表示領域に表示させ、該表示領域は、該表示領域を越える音声文字列化情報を表示させるスクロール手段を有していることを特徴とする請求項１に記載の医療支援システム。
6. 前記医療支援システムは、さらに、
   前記音声文字列化情報のうち所定の箇所にマーキングするマーキング手段と、
   前記表示手段に前記音声文字列化情報を表示させる場合、前記マーキングされた箇所に相当する部分にマークを表示させるマーク表示手段と、
   前記表示手段に表示された前記音声文字列化情報のうち前記マークの表示された前記音声文字列化情報を検索するマーキング検索手段と、
   を備えることを特徴とする請求項１に記載の医療支援システム。
7. 前記医療支援システムは、さらに、
   前記表示手段に表示された前記音声文字列化情報のうち所定の文字列を検索する文字列検索手段と、
   を備えることを特徴とする請求項１に記載の医療支援システム。
8. 前記医療支援システムは、さらに、
   医療に関する語彙である医療関連語彙が格納されている医療関連語彙格納手段と、
   前記医療関連語彙手段に格納されている前記医療関連語彙に基づいて、前記音声文字列化手段により文字列化された前記音声文字列化情報から該医療関連語彙を抽出する医療語彙抽出手段と、
   を備えることを特徴とする請求項１に記載の医療支援システム。
9. 音声が入力される複数の音声入力手段と、
   前記音声入力手段により入力された前記音声を認識して、該音声を文字列化する音声文字列化手段と、
   前記音声入力手段と同数の撮像手段と、
   前記音声文字列化手段により文字列化した情報である音声文字列化情報と、前記撮像手段で撮像した撮像画像とを含む送信情報を送信する送信手段と、
   前記撮像手段のうちいずれかを選択する選択手段と、
   前記送信手段により送信された前記送信情報を受信する受信手段と、
   前記受信手段により受信した前記送信情報に含まれる前記撮像画像のうち、前記選択手段により選択された撮像手段により撮像された該撮像画像を表示する表示手段と、
   を備える医療支援システム。
10. 前記表示手段は、前記複数の音声入力手段により取得された音声に対応する前記音声文字列化情報を時刻情報とともに時系列で表示させることを特徴とする請求項９に記載の医療支援システム。
11. 遠隔地から医療行為を支援する医療支援方法において、
    音声を入力し、
    前記音声を認識して、該音声を文字列化し、
    前記文字列化した情報である音声文字列化情報を含む送信情報を送信し、
    前記送信された前記送信情報を受信し、
    前記受信した前記送信情報のうち音声文字列化情報を表示させる、
    ことを特徴とする医療支援方法。
12. 前記音声文字列化情報と共に、前記入力された音声に基づく音声情報を送信することを特徴とする請求項１１に記載の医療支援方法。
13. さらに、内視鏡、被写体を撮影するカメラ、及び風景を撮影するカメラのうち少なくともいずれか１つで撮影された画像を前記音声文字列化情報と共に送信し、該音声文字列化情報を表示させる場合、該画像も共に表示させることを特徴とする請求項１１に記載の医療支援方法。