JP2013069111A - 情報処理装置及びプログラム - Google Patents

Abstract

【課題】計算上の架空の診療行為ではなく、実際に行われる診療行為としてのクリニカルパスからの逸脱を効率的に抽出して分析するための情報をユーザに提供して医療支援する。
【解決手段】記録ＤＢ１６に個々の診療行為を記憶し、想定ＤＢ１８に当該傷病に対する標準的ないし最適なクリニカルパスを予め記憶する。プロセッサ１２は、個々の診療行為とクリニカルパスを比較し、その相違部分を抽出して構造化し、構造化ＤＢ２０に記憶する。また、相違部分のうち共通する部分を抽出し、クリニカルパスと合成して出力する。
【選択図】図１

Description

本発明は、情報処理装置及びプログラムに関する。

傷病を有する患者に対して過去に行われた、検査、投薬、注射等の診療行為の履歴から、当該傷病に関する標準的な診療のプロセス（以下、標準的な診療プロセスを「クリニカルパス」と称する）の候補を作成する技術が知られている。クリニカルパスの候補は、過去の診療履歴において同一条件の下で多くの患者に適用された診療項目を抽出することにより、病院の現状に合ったものを求めることができる。

特許文献１には、診療記録の分析結果を診療に効率良くフィードバックする方法及び情報システムを提供することを課題とするクリニカルパス運用支援情報システムが開示されている。このシステムでは、蓄積された診療記録を分析し、クリニカルパスを作成・修正及び記憶する機能を備えたクリニカルパス分析環境と、蓄積されたクリニカルパスから患者状態等に応じた最適クリニカルパスを選択する機能を備え、クリニカルパス分析環境には、診療プロセス評価機能とクリニカルパス評価機能を備えることが開示されている。

特開２００８−４７１５４号公報

ところで、蓄積された複数の診療記録からクリニカルパスを作成する際には、蓄積された複数の診療記録のそれぞれを時間軸と診療行為からなる２次元マトリクスとして分類し、診療プロセス内で選択された診療プロセスの平均プロセスを計算することでクリニカルパスを作成することが可能であるが、このように平均する方法では、実際には存在していない診療プロセスを新たに作りだしてしまう場合がある。そして、このように実際には存在していない診療記録をクリニカルパスとしてしまうと、実際の個々の診療行為のクリニカルパスからの逸脱が実際上意味のないものとなってしまう場合がある。

また、クリニカルパスとして実際の診療行為として存在する行為を仮に抽出し得たとしても、当該クリニカルパスからの逸脱の分析時には、個々の診療行為をそれぞれ当該クリニカルパスと比較していく必要があるため効率が低い問題もある。

本発明は、計算上の架空の診療行為ではなく、実際に行われる診療行為としてのクリニカルパスからの逸脱を抽出し、構造化して、医療行為を分析する情報をユーザに提供して支援することを目的とする。

請求項１に係る発明は、傷病に対する標準的ないし最適な診療行為としてのクリニカルパスを予め記憶するクリニカルパス記憶手段と、傷病に対する実際の複数の診療行為を記憶する診療行為記憶手段と、前記診療行為記憶手段に記憶された前記複数の診療行為のそれぞれを、前記クリニカルパス記憶手段に記憶された前記クリニカルパスと比較し、相違部分を抽出する相違部分抽出手段と、抽出された相違部分をそれぞれ構造化する構造化手段と、それぞれ構造化された相違部分のうち、互いに共通する部分を抽出する共通部分抽出手段と、抽出した共通する部分を出力する出力手段とを備えることを特徴とする情報処理装置である。

請求項２に係る発明は、前記構造化手段は、抽出された相違部分をツリー構造で構造化し、前記共通部分抽出手段は、前記ツリー構造のサブツリー構造を抽出することを特徴とする請求項１に記載の情報処理装置である。

請求項３に係る発明は、前記共通部分抽出手段は、それぞれ構造化された相違部分のうち、所定の閾値以上に共通する部分を抽出することを特徴とする請求項２に記載の情報処理装置である。

請求項４に係る発明は、前記出力手段は、前記クリニカルパスと、前記共通する部分の少なくとも一部を合成して出力することを特徴とする請求項１に記載の情報処理装置である。

請求項５に係る発明は、コンピュータを、傷病に対する実際の複数の診療行為のそれぞれを、前記傷病に対する標準的ないし最適な診療行為として予め設定されたクリニカルパスと比較し、相違部分を抽出する相違部分抽出手段と、抽出された相違部分をそれぞれ構造化する構造化手段と、それぞれ構造化された相違部分のうち、互いに共通する部分を抽出する共通部分抽出手段と、抽出した共通する部分を出力する出力手段として機能させるためのプログラムである。

請求項１又は請求項５に係る発明によれば、本発明の構成を有していない場合と比較して、実際に存在するクリニカルパスからの逸脱を効率的に抽出して出力できる。

請求項２に係る発明によれば、本発明の構成を有していない場合と比較して、構造化された相違部分から効率的に共通する部分を抽出することができる。

請求項３に係る発明によれば、本発明の構成を有していない場合と比較して、共通する程度を閾値で調整しつつ、共通する部分を抽出することができる。

請求項４に係る発明によれば、本発明の構成を有していない場合と比較して、クリニカルパスとの関係において共通する部分の一部又は全部を対照的に出力することができる。

医療支援装置の構成ブロック図である。 医療支援装置の処理フローチャートである。 クリニカルパスの説明図である。 個々の診療行為の説明図である。 個々の診療行為を平均して得られたクリニカルパスの説明図である。 クリニカルパスと診療行為との相違を構造化したツリー構造図である。 相違部分のうち、共通部分のサブツリー構造図である。 相違部分のうち、共通部分のサブツリー構造図である。 相違部分のうち、共通部分のサブツリー構造図である。 クリニカルパスと共通部分の一部を合成した説明図である。 他のクリニカルパスの説明図である。 個々の診療行為の説明図である。 個々の診療行為の説明図である。 個々の診療行為の説明図である。 個々の診療行為の説明図である。 図１１と図１２の相違を構造化したツリー構造図である。 図１１と図１３の相違を構造化したツリー構造部である。 図１１と図１４の相違を構造化したツリー構造図である。 図１１と図１５の相違を構造化したツリー構造図である。 相違部分のうち、共通部分のサブツリー構造図である。 図１１のクリニカルパスと図２０の共通部分の一部を合成した説明図である。

以下、図面に基づき本発明の実施形態について説明する。

＜第１実施形態＞
図１に、本実施形態における情報処理装置としての診療支援装置の全体構成ブロック図を示す。診療支援装置は、入力部１０と、プロセッサ１２と、出力部１４と、記録データベース（ＤＢ）１６と、想定データベース（ＤＢ）１８と、構造化情報データベース（ＤＢ）２０を備える。

入力部１０は、傷病を有する患者に対して行われた、検査、投薬、注射等の診療行為のデータを入力する。診療行為のデータは、ある特定の医療機関の一人又は複数の医療従事者から供給されるものでもよい。具体的には、複数の症例について一人の医療従事者から供給される場合もあれば、特定の症例について複数の医療従事者から供給される場合もある。さらに、複数の医療機関の複数の医療従事者から供給されるものでもよい。典型的な例は、複数の病院の複数の医療従事者から供給されるものである。複数の病院の複数の医療従事者が操作する端末と図１に示す医療支援装置とは、専用あるいは公衆の通信回線で互いにデータ送受可能に接続され、複数の病院の複数の医療従事者は、それぞれの端末からそれぞれの医療行為のデータを通信回線を介して医療支援装置に送信する。各端末から送信された医療行為のデータは、記録ＤＢ１６に記憶され蓄積される。

プロセッサ１２は、機能ブロックとして、相違抽出部と、構造化部と、一致構造抽出部と、合成部を備える。プロセッサ１２は、図示しないメモリに記憶されたプログラムを読み出して実行することで、相違抽出部、構造化部、一致構造抽出部、合成部の各機能を実行する。より具体的には、プログラムはハードディスク等の外部記憶装置に記憶され、外部記憶装置からＲＡＭ等の内部記憶装置にロードされてプロセッサ１２により順次実行され、各機能部の機能が実現される。入力部１０におけるデータ入力、及び出力部１４におけるデータ出力もプログラムを実行することで実現される。当該プログラムは、予めハードディスク等の外部記憶装置に記憶されていてもよく、あるいはＣＤやＤＶＤ等の可搬性記録媒体から読み出して記憶してもよく、あるいはネットワークを経由して外部のサーバから供給され記憶してもよい。各機能部について説明すると、相違抽出部は、記録ＤＢ１６に記憶され蓄積された個々の医療行為と、想定ＤＢ１８に予め記憶されたクリニカルパスとの相違を抽出する。構造化部は、相違抽出部で抽出された個々の医療行為とクリニカルパスとの相違を所定の構造化アルゴリズムを用いて構造化する。構造化された相違データは、構造化情報ＤＢ２０に記憶される。一致構造抽出部は、構造化情報ＤＢ２０に記憶された構造化された相違データを用いて、構造化された相違データの中で互いに一致する構造を抽出する。抽出された一致構造は、構造化情報ＤＢ２０に記憶される。合成部は、想定ＤＢ１８に記憶されたクリニカルパスに、一致構造抽出部で抽出された一致構造を合成する。

出力部１４は、プロセッサ１２の合成部で合成されたデータを出力する。すなわち、クリニカルパスに、相違データの中で互いに一致する部分を合成して出力する。出力部１４の一例は表示装置であり、合成されたデータを表示する。あるいは、出力部１４の他の例は入出力インタフェースであり、プロセッサ１２の合成部で合成されたデータを通信回線を介して外部の端末に出力する。外部の端末は、通信回線を介して送信されたデータを受信し、端末の表示装置に表示する。

記録ＤＢ１６は、入力部１０で入力した、個々の診療行為のデータを順次記憶する。個々の診療行為は、時間軸と診療行為からなる２次元マトリクスで表現し得る。記録ＤＢ１６は、個々の診療行為をこのような２次元マトリクスデータとして記憶する。もちろん、診療行為の記憶形態としては２次元マトリクスデータに限定されず、時間と行為を属性として持つリスト等、任意の形態が可能である。

想定ＤＢ１８は、傷病毎のクリニカルパスを記憶する。クリニカルパスは、特定の傷病に対する標準的ないし最適な処置、検査、投薬、注射等からなり、実際に行われると期待される診療行為である。なお、クリニカルパスには、当該傷病に対するアセスメントやアウトカムの期待値に関する情報を補足的に付加してもよい。本実施形態における想定ＤＢ１８に記憶されるクリニカルパスは、個々の診療行為を平均した計算上の架空の診療行為ではなく、例えば対象とする傷病に関して複数の医療関係者（医者や看護師を含む）が経験やカルテ、文献等に依拠して当該傷病の治療に効果があるものとして決定されたものである。

構造化情報ＤＢ２０は、プロセッサ１２の構造化部で構造化されたデータを記憶する。また、プロセッサ１２の一致構造抽出部で抽出されたデータを記憶する。

図２に、本実施形態における診療支援装置の処理フローチャートを示す。まず、入力部１０から想定情報、すなわちクリニカルパスを取得して想定ＤＢ１８に記憶する（Ｓ１１）。上記のように、クリニカルパスは、傷病に対する標準的な診療行為として予め定められた行為であり、実際に存在する診療行為である。

図３に、本実施形態の説明に用いるクリニカルパスの模式的な一例を示す。図３において、ある傷病に対して検査、及び注射・点滴の診療行為があり、検査として検査Ｆ、注射・点滴として点滴Ｉが存在するものとする。クリニカルパスとしては、術後に検査Ｆ及び点滴Ｉが実施され、検査Ｆの結果がａ、点滴Ｉの結果がａであるとする。ここで、結果ａとは、予想通りの結果であって通常の結果を意味する。術日の１日後には検査Ｆ及び点滴Ｉが実施され、２日後には検査Ｆは実施されず点滴Ｉが実施され、３日後には検査Ｆ及び点滴Ｉが実施される。クリニカルパスは、時間軸と診療行為の２次元マトリクスで表現される。

図２に戻り、以上のようなクリニカルパスを取得して想定ＤＢ１８に記憶すると、次に、プロセッサ１２は、未処理の記録情報、すなわち記録ＤＢ１６に記憶され蓄積された複数の診療行為のうち、未だクリニカルパスとの比較や構造化が実行されていない診療行為が存在するか否かを判定する（Ｓ１２）。この判定は、例えば、記録ＤＢ１６に記憶された個々の診療行為のデータに、クリニカルパスや構造化が実行されたデータに処理済のフラグを設定するようにし、処理済のフラグが設定されているかを判定することで実行される。未処理の記録情報、すなわち未処理の診療行為のデータが存在する場合には、Ｓ１２でＹＥＳと判定され、プロセッサ１２は当該未処理の記録情報を記録ＤＢ１６から読み出して取得する（Ｓ１３）。

次に、プロセッサ１２は、Ｓ１３で取得した記録情報と、Ｓ１１で取得し想定ＤＢ１８に記憶されているクリニカルパスを比較し、記録情報とクリニカルパスの相違情報を作成する（Ｓ１４）。

図４に、記録ＤＢ１６に記憶された個々の診療行為の一例を示す。図４において、（ア）〜（カ）は、ある傷病を有する患者に対して実施された診療行為をそれぞれ示す。（ア）では、術後に検査Ｆ及び点滴Ｉが実施され、検査Ｆの結果は通常のａであるが、点滴Ｉの結果は通常ではない（非通常の）ｂである。また、術日の１日後には、検査Ｆ及び点滴Ｉが実施され、検査Ｆの結果は非通常のｂであり、点滴Ｉの結果は通常のａである。２日後には検査Ｆ及び点滴Ｉが実施され、検査Ｆの結果は通常のａであり、点滴Ｉの結果も通常のａである。３日後には検査Ｆ及び点滴Ｉが実施され、検査Ｆの結果は通常でないｂであり、点滴Ｉの結果も通常でないｂである。４日後には検査Ｆ及び点滴Ｉが実施され、検査Ｆの結果は通常のａであり、点滴Ｉの結果は通常のａである。プロセッサ１２は、図３に示される想定情報（クリニカルパス）と、図４の（ア）に示される記録情報（個々の診療行為）を比較し、相違情報を抽出する。図３と図４（ア）を比較すると、図３のクリニカルパスでは術後の点滴Ｉの結果はａであるが、図４（ア）では術後の点滴Ｉの結果は非通常のｂであり相違する。また、図３のクリニカルパスでは１日後の検査Ｆの結果はａであるが、図４（ア）では非通常のｂであり相違する。また、図３のクリニカルパスでは２日後には検査Ｆは実施されないが、図４（ア）では２日後に検査Ｆが実施されており相違する。また、図３のクリニカルパスでは３日後の検査Ｆ及び点滴Ｉの結果はいずれもａであるが、図４（ア）ではいずれも非通常のｂである。以上のようにして、プロセッサ１２は、図３と図４（ア）を比較し、相違する情報を抽出する。図４（ア）において、図３のクリニカルパスと相違する診療行為をハッチングで示す。

図４（イ）〜（カ）についても同様であり、図３のクリニカルパスと相違する診療行為をハッチングで示す。例えば、図４（イ）に着目すると、図３のクリニカルパスでは術後の点滴Ｉの結果は通常のａであるが、図４（イ）では非通常のｂである。また、図３のクリニカルパスでは１日後の点滴Ｉの結果は通常のａであるが、図４（イ）では非通常のｂである。さらに、図３のクリニカルパスでは２日後には検査Ｆは実施されないが、図４（イ）では２日後に検査Ｆが実施されている。

なお、本実施形態では、図３に示されるクリニカルパスは、ある傷病に対して予め設定されたクリニカルパスであり、計算上の架空のパスではない。従って、図４（ア）〜（カ）においてハッチングで示された診療行為は、実際に実施されることが予定された標準的ないし最適なクリニカルパスからの相違部分を示すことになる。

本実施形態における参考として、個々の診療行為の平均を計算してクリニカルパスとした場合の例を図５に示す。図５は、図４（ア）〜（カ）の診療行為を平均したものである。術後に検査Ｆ、点滴Ｉが実施され、検査Ｆ及び点滴Ｉの結果がともにｂであり、１日後には検査Ｆ及び点滴Ｉが実施され、検査Ｆの結果はｂで点滴Ｉの結果はａであり、２日後には検索Ｆ及び点滴Ｉが実施され、検査Ｆの結果はａで点滴Ｉの結果はａである。図４（ア）〜（カ）と図５とを比較すれば分かるように、図５に示されるクリニカルパスは、図４（ア）〜（カ）のいずれにも存在しない架空の診療行為である。本実施形態では、このような計算して得られた架空の診療行為を用いないし、更新案としても提示しない。

再び図２に戻り、プロセッサ１２は、記録情報と想定情報を比較して相違情報を作成すると、次に、相違情報を構造化する（Ｓ１５）。構造化は、所定のアルゴリズムに従って実行され、例えば木構造（ツリー構造）で構造化する。ツリー構造では、例えば根（ルート）に近い部分に相対日時や範囲に関する情報を配置し、根から遠い端である葉（リーフ）の位置はその近くに具体的な検査や点滴等の情報、さらにはその関連情報を配置して構造化することができる。

なお、ツリー構造は、閉路を持たない連結グラフであり、ノードの一つがルートとして指定され、各ノードにはラベルが付与される。ノードとノードの間はエッジである。本実施形態では、各ノードのラベルとして、相対日時や具体的な検査や点滴を特定する名称が付される。プロセッサ１２は、例えば図３に示されるクリニカルパスと図４（ア）に示す診療行為との相違を抽出し、このツリー構造に従って抽出した相違情報を構造化する。

図６に、図３のクリニカルパスと、図４（ア）の診療行為とを比較して抽出した相違情報をツリー構造で構造化した一例を示す。根に近い部分に「入院」、「術後」、「６日目まで」、「５日目まで」、「４日目まで」、「３日目まで」を配置し、「３日目まで」の葉に近い部分に、「日」、「当日」、「１日後」、「２日後」、「３日後」を配置する。また、「４日目まで」の葉に近い部分に「４日後」を配置する。図４（ア）のハッチングされた部分のみを抽出すると、
（１）術後の点滴Ｉ：ｂ
（２）１日後の検査Ｆ：ｂ
（３）２日後の検査Ｆ：ａ
（４）３日後の検査Ｆ：ｂ、点滴Ｉ：ｂ
（５）４日後の検査Ｆ：ａ、点滴Ｉ：ａ
が相違する部分である。これらの相違する部分をツリー構造に配置していく。（１）術後の点滴Ｉ：ｂは、
「当日」−「点滴Ｉ」−「点滴Ｉ：ｂ」
のパスとして構造化される。（２）１日後の検査Ｆ：ａは、
「１日後」−「検査Ｆ」−「検査Ｆ：ｂ」
のパスとして構造化される。（３）２日後の検査Ｆ：ａは、
「２日後」−「検査Ｆ」−「検査Ｆ：ａ」
のパスとして構造化される。（４）３日後の検査Ｆ：ｂ、点滴Ｉ：ｂは、
「３日後」−「検査Ｆ」−「検査Ｆ：ｂ」
及び
「３日後」−「点滴Ｉ」−「点滴Ｉ：ｂ」
のパスとして構造化される。（５）４日後の検査Ｆ：ａ、点滴Ｉ：ａは、
「４日後」−「検査Ｆ」−「検査Ｆ：ａ」
及び
「４日後」−「点滴Ｉ」―「点滴Ｉ：ａ」
のパスとして構造化される。

図６は、図４（ア）の相違部分を構造化したものであるが、同様にして、図４（イ）〜（カ）の相違部分が構造化される。

再び図２に戻り、プロセッサ１２は、相違部分をツリー構造で構造化すると、構造化されたデータを構造化情報ＤＢ２０に記憶する（Ｓ１６）。そして、Ｓ１２〜Ｓ１６までの処理を、未処理の記録情報が無くなるまで繰り返し実行する。この繰り返し処理により、全ての記録情報と想定情報とを比較し、想定情報との相違情報を構造化して構造化情報ＤＢ２０に記憶する。

全ての記録情報について想定情報との相違部分を構造化して構造化情報ＤＢ２０に記憶した後、Ｓ１２でＮＯと判定され、プロセッサ１２は相違情報の全てを対象として、相違情報のうち互いに一致（共通）する部分を一致部情報として抽出する（Ｓ１７）。具体的には、プロセッサ１２は、予め設定された数、あるいは入力部１０から任意に入力された数を閾値として、閾値以上に共通に出現する部分構造を抽出する。複数のツリー構造から共通する部分構造を抽出するアルゴリズムは公知であり、例えばTreeminer等のサブツリーマイニング技術を用いることができる。サブツリーマイニング技術は、ツリー構造で表現されたデータ群の中から共通パターンである部分木（サブツリー）を抽出する技術である。サブツリーマイニング技術には、親子関係を保持してパターンを抽出するinduced subtree miningと、先祖子孫関係を抽出するembedded subtree miningがあり、本実施形態では後者を用いる。なお、親子関係や先祖子孫関係は以下のように定義される。すなわち、２つのノードをＶｉ、Ｖｊとし、この２つのノードを結ぶエッジを（Ｖｉ，Ｖｊ）とすると、ルートとの位置関係によりエッジ（Ｖｉ，Ｖｊ）は方向付けられ、ノードＶｉがルートにより近いものとすると、ノードＶｉはノードＶｊの親、ノードＶｊはノードＶｉの子である。また、親が同じノードである２つのノードは兄弟の関係にある。一方、ノードＶｉからノードＶｊへのパスがあるとき、ノードＶｉをノードＶｊの先祖とし、ノードＶｊをノードＶｉの子孫とする。例えば、ノードＶｉからノードＶｋを経てノードＶｊに至るパスが存在する場合、ノードＶｉとノードＶｊは先祖子孫の関係にある。Embedded subtree miningでは、あるツリーデータベースと閾値が与えられたときに、指定された閾値以上となるサポートを持つ全てのサブツリーのパターンを列挙する処理である。パターンの列挙は、見つけた頻出パターンに一つノードを追加したパターンを探索することを繰り返していくことで実行される。具体的には、パターンの右端のパス上のノードを新たなノードの追加箇所として選択する。サブツリーマイニング技術の詳細については、例えば
“大規模ドキュメント集合に適用可能な木構造マイニング技術”，林 千登，吉岡 健，富士ゼロックステクニカルレポート Ｎｏ．１９，２０１０
等に記載されている。

図７〜図９に、サブツリーマイニングを用いて共通部分構造のパターンを抽出した例を示す。図４（ア）〜（カ）の６個の相違部分のツリー構造を全体とし、閾比率を３０％として、全体の３０％以上で出現する部分構造を共通部分構造として抽出したものである。例えば、図７において、
「当日」−「点滴Ｉ」−「点滴Ｉ：ｂ」
「２日後」−「検査Ｆ」−「検査Ｆ：ａ」
「３日後」−「検査Ｆ」−「検査Ｆ：ｂ」
「３日後」−「点滴Ｉ」−「点滴Ｉ：ｂ」
「４日後」−「検査Ｆ」−「検査Ｆ：ａ」
「４日後」−「点滴Ｉ」−「点滴Ｉ：ａ」
のサブツリーが共通部分構造として抽出される。ここで、「 」によりノードを表し、−によりノード間のエッジを表すものとする。以下同様である。

また、図８において、
「当日」−「検査Ｆ」−「検査Ｆ：ｂ」
「当日」−「点滴Ｉ」−「点滴Ｉ：ｂ」
「３日後」−「検査Ｆ」−「検査Ｆ：ｂ」
「４日後」−「検査Ｆ」−「検査Ｆ：ｂ」
「４日後」−「点滴Ｉ」−「点滴Ｉ：ｂ」
「５日後」−「検査Ｆ」−「検査Ｆ：ａ」
「５日後」−「点滴Ｉ」−「点滴Ｉ：ａ」
のサブツリーが共通部分構造として抽出される。さらに、図９において、
「当日」−「検査Ｆ」−「検査Ｆ：ｂ」
「１日後」−「検査Ｆ」−「検査Ｆ：ｂ」
「３日後」−「検査Ｆ」−「検査Ｉ：ｂ」
「４日後」−「検査Ｆ」−「検査Ｆ：ｂ」
「４日後」−「点滴Ｉ」−「点滴Ｉ：ａ」
「５日後」−「検査Ｆ」−「検査Ｆ：ａ」
「５日後」−「点滴Ｉ」−「点滴Ｉ：ａ」
のサブツリーが共通部分構造として抽出される。プロセッサ１２は、抽出した共通部分構造を構造化情報ＤＢ２０に記憶する。

以上のようにして一致部情報を抽出すると、プロセッサ１２は、想定ＤＢ１８に記憶されている想定情報、つまりクリニカルパスに、Ｓ１７で抽出した一致部情報、つまり相違部分のうち共通する部分を合成して出力（表示）する（Ｓ１８）。なお、プロセッサ１２は、合成する際に、抽出した共通部分を全てクリニカルパスに合成する他、抽出した共通部分を部分的にクリニカルパスに合成してもよい。共通部分を全て合成するか、あるいはその一部のみを合成するかは、ユーザが適宜選択してもよい。

図１０に、図３に示すクリニカルパスに、抽出した共通部分の一部、具体的には図７に示すサブツリーで特定される共通部分を合成した例を示す。図において、合成された部分は丸印で示す。図７に示すように、
「当日」−「点滴Ｉ」−「点滴Ｉ：ｂ」
「２日後」−「検査Ｆ」−「検査Ｆ：ａ」
「３日後」−「検査Ｆ」−「検査Ｆ：ｂ」
「３日後」−「点滴Ｉ」−「点滴Ｉ：ｂ」
「４日後」−「検査Ｆ」−「検査Ｆ：ａ」
「４日後」−「点滴Ｉ」−「点滴Ｉ：ａ」
のサブツリーが存在し、これらをクリニカルパスに合成する。クリニカルパスに、相違部分の共通部分を合成することで、ユーザである医療関係者（医者や看護師）は、この傷病に対するクリニカルパスを確認すると同時に、複数の患者に対して実際に実施された診療行為の相違点のうち、共通して実施された診療行為を包括的かつ容易に視認し得る。もちろん、図１０において、ユーザからの指示により、クリニカルパスの部分を非表示とし、抽出した共通部分のみを表示してもよい。例えば経験豊富な医師にとって、特定傷病に対するクリニカルパスは明確に理解し記憶しているので、クリニカルパスをあえて表示する必要はなく、抽出した共通部分のみを知りたいと欲する場合も想定されるからである。この場合、クリニカルパスと共通部分を合成した後、共通部分のみを選択的に表示する。ユーザの指示に応じて、クリニカルパス＋共通部分、クリニカルパスのみ、共通部分のみ、を相互に切替可能に表示することも好適である。

以上のように、本実施形態では、クリニカルパスからの相違部分を抽出し、相違部分を構造化し、構造化された相違部分から共通部分を抽出し、共通部分をクリニカルパスに合成して出力するものであるが、次に、本実施形態の処理をより具体的な傷病及び検査方法に適用して説明する。

傷病が、例えば「腹腔鏡下胆嚢摘出術」の場合、検査Ｆとして「胸部・腹部Ｘ線」や「採血」がある。また、点滴Ｉとして「鎮痛剤の使用」や「抗生剤の使用」がある。検査Ｆの結果（検査Ｆ：ａあるいは検査Ｆ：ｂ）としては、「胸部・腹部Ｘ線」の結果（Ｘ−ｐ）、及び「採血」の結果が該当する。採血の結果は、具体的には「白血球数」、「ＣＲＰ」、「ＡＳＴ・ＡＬＴ・Ｔ−Ｂｉｌ」が該当する。クリニカルパスは、
「術日１日後に胸部・腹部Ｘ線検査を行うとともに、採血を行い、その結果を取得する。また、術日３日後に再び採血検査を行い、その結果を取得する。また、術日から４日後目までは、抗生剤としてセファメジンを使用する。」
というものである。図３に当てはめると、術後の点滴Ｉがセファメジンの使用に該当し、術日１日後の「検査Ｆ」が胸部・腹部Ｘ線検査及び採血に該当し、１日後の「点滴Ｉ」がセファメジンの使用に該当し、３日後の「検査Ｆ」が採血に該当し、３日後の「点滴Ｉ」がセファメジンの使用に該当する。そして、胸部・腹部Ｘ線検査の結果が通常（あるいは許容範囲内）であればａに該当し、非通常（あるいは許容範囲外）であればｂに該当する。また、採血の結果が通常（あるいは許容範囲内）であればａに該当し、非通常（あるいは許容範囲外）であればｂに該当する。

いま、ある患者に対して、クリニカルパスに従った診療行為が実施されたものとし、胸部・腹部Ｘ線の結果及び採血の結果も通常通りであったとする。この場合、クリニカルパスとの相違はなく、図４に示すハッチング部分は存在しない。

一方、別の患者に対して、クリニカルパスに従った診療行為が実施されたものの、３日後の採血において異常が数値を示したものとする。この場合、３日後の採血の結果がクリニカルパスと相違することになる。

さらに、別の患者に対して、術日から５日後まで抗生剤としてセファメジンを使用した場合、術日から５日後の点滴の実施がクリニカルパスと相違することになる。

以上のようにして複数の診療行為のそれぞれについてクリニカルパスと比較してその相違点を抽出すると、プロセッサ１２はこれらの相違点をツリー構造に従って構造化し、さらに、全てのツリー構造を対象として、共通するサブツリー構造を抽出する。そして、抽出したサブツリー構造で規定される診療行為を上記のクリニカルパスに合成して表示する。例えば、共通するサブツリー構造として、術日２日後に採血検査を行うという構造が抽出された場合、これを上記のクリニカルパスに合成して表示する。

なお、クリニカルパスとして、他の診療行為、例えば「術日３日後まで鎮痛剤としてクラビットの使用」もあり得るが、これは点滴Ｉではなく別の診療行為、例えば内服薬Ｉとして適用し得るし、点滴Ｉではなく抗生剤投与Ｉとしておくことでまとめて扱うこともできる。また、実施結果の値が正常のａと正常でなかった場合のｂの２値だけでなく、実際に使用した薬剤に応じてｃ，ｄ，ｅなど３種以上の値を設定することも可能である。

＜第２実施形態＞
図１１に、本実施形態におけるクリニカルパスの一例を示す。術後の経過とともに達成すべき達成目標があり、検査、注射・点滴、患者状態、知識・教育、合併症が診療項目として存在する。達成目標には、Ａ，Ｂ，Ｃ，Ｄの４段階があり、術日の１日前には達成目標Ａがクリニカルパスとして規定される。達成目標Ａの結果としては、それが達成された場合に通常のａ、達成されたかった場合に非通常のｂとなる。また、検査項目には、Ｅ，Ｆ，Ｇの３種類があり、術日の１日前には検査Ｅが実施され、術後〜３日後まで検査Ｆが実施される。４日後及び７日後には検査Ｇが実施される。また、注射・点滴項目には、点滴Ｈ，Ｉの２種類があり、術日の術前には点滴Ｈが実施され、術後には点滴Ｉが実施される。患者状態には、Ｊ，Ｋの２種類があり、術後３日後まではＪ、術後４日後以降はＫが規定される。知識・教育には、Ｌ，Ｍの２種類があり、合併症にはＮとＯの２種類がある。合併症の結果としては、ＮあるいはＯが確認されない場合には通常のａ、ＮあるいはＯが確認された場合には非通常のｂとなる。図１１のクリニカルパスは、想定ＤＢ１６に記憶される。

図１２〜図１５に、個々の記録情報、すなわち個々の診療行為を示す。例えば、図１２において、術日の２日前に検査Ｅが実施されてその結果はａであり、術日１日前には達成目標Ａが達成されてその結果はａであり、指導Ｌは達成されてその結果はａであり、術日の術前には点滴Ｈが実施されてその結果は通常ａである。また、術後には検査Ｆが実施されてその結果は非通常のｂであり、点滴Ｉが実施されてその結果は通常ａであり、状態Ｊは非通常のｂである。術日の１日後には、達成目標Ｂが達成されてその結果はａであり、検査Ｆが実施されてその結果は非通常のｂであり、点滴Ｉが実施されてその結果は通常のａであり、状態Ｊは非通常のｂであり、合併症の確認Ｎは通常のａ、合併症の確認Ｏは通常のａである。以下、同様にして診療行為が実施され、術日の９日後には達成目標Ｄが達成されてその結果はａであり、合併症Ｎは通常のａ、合併症Ｏは通常のａである。

図１３、図１４、図１５についても、図１２と同様に時間軸と診療行為からなる２次元マトリクスとして規定される。個々の診療行為は、記録ＤＢ１６に記憶され蓄積される。

図１６〜図１９に、プロセッサ１２で記録情報と想定情報を比較してその相違を構造化した例を示す。図１６は、図１１に示すクリニカルパスと図１２に示す診療行為の相違をツリー構造で構造化した例であり、図１７は、図１１に示すクリニカルパスと図１３に示す診療行為の相違をツリー構造で構造化した例であり、図１８は、図１１に示すクリニカルパスと図１４に示す診療行為の相違をツリー構造で構造化した例であり、図１９は、図１１に示すクリニカルパスと図１５に示す診療行為の相違をツリー構造で構造化した例である。

図１６において、相違部分をツリー構造で構造化する際に、プロセッサ１２は、術日の２日前からの診療行為のうちの相違部分と、達成目標Ｃが記録されてから以後に開始される診療行為のうちの相違部分とに分けて構造化する。図１６において、術後とラベル付けされたノードの下のノードに段階１とラベル付けされており、これは達成目標Ｃ以降の記録の相違を構造化するためのものである。図１１と図１２を比較すると、術前の２日前では図１１に存在しない検査Ｅが実施されており、これが
「入院」−「術前」−「術前２日前」−「検査Ｅ」−「検査Ｅ：ａ」
のパスとして構造化される。また、図１１と図１２を比較すると、術日当日の検査Ｆ及び状態Ｊの結果がともにｂであり、これが
「入院」−「術後」−「段階１」−「１０日目まで」−「「７日目まで」−「６日目まで」−「５日目まで」−「４日目まで」−「３日目まで」−「日」−「当日」−「検査Ｆ」−「検査Ｆ：ｂ」
のパス
及び
「入院」−「術後」−「段階１」−「１０日目まで」−「「７日目まで」−「６日目まで」−「５日目まで」−「４日目まで」−「３日目まで」−「日」−「当日」−「状態Ｊ」−「状態Ｊ：ｂ」
のパスとして構造化される。また、図１１と図１２を比較すると、４日目の達成目標Ｃの結果がｂであり、これが
「入院」−「術後」−「段階１」−「１０日目まで」−「７日目まで」−「６日目まで」−「５日目まで」−「４日目まで」−「日」−「４日目」−「達成目標Ｃ」−「達成目標Ｃ：ｂ」
のパスとして構造化される。また、図１１と図１２を比較すると、４日目の検査Ｇの結果がｂであり、これが
「入院」−「術後」−「段階１」−「１０日目まで」−「「７日目まで」−「６日目まで」−「５日目まで」−「４日目まで」−「日」−「４日目」−「検査Ｇ」−「検査Ｇ：ｂ」
のパスとして構造化される。また、図１１と図１２を比較すると、９日目に合併症の確認Ｎと確認Ｏを実施しており、これが
「入院」−「術後」−「段階１」−「１０日目まで」−「日」−「９日目」−「確認Ｎ」−「確認Ｎ：ａ」、及び「入院」−「術後」−「段階１」−「１０日目まで」−「日」−「９日目」−「確認Ｏ」−「確認Ｏ：ａ」
のパスとして構造化される。図１７についても同様である。

図１８において、図１６に示すように、術日の２日前からの診療行為のうちの相違部分と、達成目標Ｃが記録されてから以後に開始された診療行為のうちの相違部分とに分けて構造化しているが、達成目標Ｃの達成以降に開始されている診療行為にもクリニカルパスに対する相違が存在するため、段階１に加えて段階２に分けて構造化する。すなわち、図１１と図１４を比較すると、図１４においても術日の４日後に達成目標Ｃが通常のａとなっており、達成目標がクリニカルパスと同様に達成されている。しかしながら、術日５日後の状態Ｋの結果は非通常のｂであり、クリニカルパスと相違する。また、術日の６日後の状態Ｋの結果も非通常のｂであり、クリニカルパスと相違する。さらに、術日の８日後の検査Ｇの結果も非通常のｂであり、クリニカルパスと相違する。プロセッサ１２は、このような相違を段階２とし、達成目標Ｃが達成されてからの相対日を用いて相違を構造化する。術日５日後は、達成目標Ｃが達成された日を基準とすると相対１日後であり、術日５日後の状態Ｋの結果ｂは、
「入院」−「術後」−「６日後まで」−「５日後まで」−「４日後まで」−「段階２」−「段階２：相対７日以内」−「段階２：相対５日以内」−「段階２：相対３日以内」−「日」−「段階２：相対１日後」−「状態Ｋ」−「状態Ｋ：ｂ」
のパスとして構造化される。また、術日の８日後は、達成目標Ｃが達成された日を基準とすると相対４日後であり、術日８日後の検査Ｇの結果ｂは、
「入院」−「術後」−「６日後まで」−「５日後まで」−「４日後まで」−「段階２」−「段階２：相対７日以内」−「段階２：相対５日以内」−「日」−「段階２：相対４日後」−「検査Ｇ」−「検査Ｇ：ｂ」
のパスとして構造化される。図１９についても同様である。構造化された相違情報は、構造化情報ＤＢ２０に記憶される。

図２０に、図１６〜図１９に示す構造化情報のうち、閾値以上（この例では５０％(２件)）に共通したサブツリー構造を抽出した例を示す。術日から９日目の合併症の確認Ｎや確認Ｏ、術日から１０日目の合併症の確認Ｎや確認Ｏが共通部分として抽出される。また、所定の基準日、すなわち達成目標Ｃが達成された以降の相違の共通部分が、相対３日以内の状態Ｋの結果ｂ、相対５日以内の検査Ｇの結果ｂ、相対７日以内の達成目標Ｄの結果ｂが抽出される。共通部分の構造を、開始日からのみではなく、期間の途中に設けられたある基準日からの相違として示すことができる点に留意されたい。

図２１に、図１１に示すクリニカルパスと、図２０に示す一致部情報の一部分、具体的には段階２における相違の共通部分を合成した場合の例を示す。合成した部分を丸印で示す。達成目標Ｃが達成された日を基準として、相対３日以内に状態Ｋの結果が２回ｂであること、相対４日目から５日目に検査Ｇの結果がｂであること、相対６日目から７日目に達成目標Ｄの結果がｂであること、がクリニカルパスに合成して表示される。ユーザは、この表示を視認することで、特に、達成目標Ｃが達成されてからの相違に着目して診療行為を分析し得る。

以上説明したように、本実施形態では、平均演算により得られた架空のプロセスをクリニカルパスとして設定するのではなく、クリニカルパスを予め設定しておき、個々の診療行為とクリニカルパスとの相違を構造化し、構造化された相違の共通部分を抽出してクリニカルパスと合成しユーザに提示するので、ユーザはクリニカルパスとの関係において相違する診療行為の共通部分を確認し得る。

本実施形態では、個々の診療行為とクリニカルパスパスとの相違を問題とするのではなく、当該相違する行為の共通部分を問題とするため、信頼性が確保され得る。また、相違行為の共通部分を抽出する際に、相違行為をツリー構造で構造化し、ツリー構造のうちのサブツリー構造を共通部分として抽出するので、公知のサブツリーマイニング手法を適用して効率的に共通部分を抽出（探索）し得る。

また、本実施形態では、特定の基準日、特に特定の達成目標が達成された日を基準とした相違行為の共通部分も抽出し得るため、ユーザの多様な要求、特に、傷病の治療においてメルクマールとなる特定の達成目標との相対的な関係においてクリニカルパスと実際の診療行為との相違について明確かつ簡易に視認し得る。

また、相違行為を構造化する際の分類、具体的には第２実施形態における段階１のラベルや段階２のラベルの意義については、構造化の分類情報としてプロセッサ１２が構造化情報ＤＢ２０に記憶しておけばよい。もちろん、構造化情報ＤＢ２０とは別個のデータベースに記憶してもよい。

また、本実施形態では、相違部分を構造化する際にツリー構造を用いているが、必ずしもツリー構造に限定されるものではなく、連結グラフを用いた任意の構造化アルゴリズムを用い得る。

さらに、本実施形態では、図２のＳ１８で示すように、クリニカルパスと一致部情報とを合成して出力しているが、クリニカルパスと一致部分とを別個に出力してもよく、あるいは一致部情報のみを出力してもよい。クリニカルパスと一致部分とを合成する際に、クリニカルパスの一部と一致部分の一部同士を合成してもよい。以下に、本実施形態における合成の可能な組み合わせを列挙する。本発明は、以下の実施形態のいずれをも包含するものである。
（ａ）クリニカルパスの全部と一致部分の全部を合成して出力
（ｂ）クリニカルパスの全部と一致部分の一部を合成して出力
（ｃ）クリニカルパスの一部と一致部分の全部を合成して出力
（ｄ）クリニカルパスの一部と一致部分の一部を合成して出力
（ｅ）一致部分の全部のみを出力
（ｆ）一致部分の一部のみを出力

１０ 入力部、１２ プロセッサ、１４ 出力部、１６ 記録ＤＢ（診療行為記憶手段）、１８ 想定ＤＢ（クリニカルパス記憶手段）、２０ 構造化情報データベース（ＤＢ）。

Claims (5)

1. 傷病に対する標準的ないし最適な診療行為としてのクリニカルパスを予め記憶するクリニカルパス記憶手段と、
   傷病に対する実際の複数の診療行為を記憶する診療行為記憶手段と、
   前記診療行為記憶手段に記憶された前記複数の診療行為のそれぞれを、前記クリニカルパス記憶手段に記憶された前記クリニカルパスと比較し、相違部分を抽出する相違部分抽出手段と、
   抽出された前記相違部分をそれぞれ構造化する構造化手段と、
   それぞれ構造化された前記相違部分のうち、互いに共通する部分を抽出する共通部分抽出手段と、
   抽出した前記共通する部分を出力する出力手段と、
   を備えることを特徴とする情報処理装置。
2. 前記構造化手段は、抽出された相違部分をツリー構造で構造化し、
   前記共通部分抽出手段は、前記ツリー構造のサブツリー構造を抽出する
   ことを特徴とする請求項１に記載の情報処理装置。
3. 前記共通部分抽出手段は、それぞれ構造化された相違部分のうち、所定の閾値以上に共通する部分を抽出する
   ことを特徴とする請求項２に記載の情報処理装置。
4. 前記出力手段は、前記クリニカルパスと、前記共通する部分の少なくとも一部を合成して出力する
   ことを特徴とする請求項１に記載の情報処理装置。
5. コンピュータを、
   傷病に対する実際の複数の診療行為のそれぞれを、前記傷病に対する標準的ないし最適な診療行為として予め設定されたクリニカルパスと比較し、相違部分を抽出する相違部分抽出手段と、
   抽出された前記相違部分をそれぞれ構造化する構造化手段と、
   それぞれ構造化された前記相違部分のうち、互いに共通する部分を抽出する共通部分抽出手段と、
   抽出した前記共通する部分を出力する出力手段
   として機能させるためのプログラム。

Images