JP2014048798A - 医療診断支援装置、医療診断支援方法及びプログラム - Google Patents

Abstract

【課題】推論結果の導出に影響したより適切な情報を提示する。
【解決手段】入力情報取得部１０２は、医用情報を入力する。推論部１０４は、医用情報に基づいて、各診断名である確率を推論する。第１の影響度算出部１０６−１は、医用情報の各構成要素の、推論部１０４による推論結果に対する第１の影響度を夫々算出する。第Ｎの影響度算出部１０６−Ｎは、医用情報のＮ個（Ｎ＞１）の構成要素で構成される医用情報の各部分情報の、推論部１０４による推論結果に対する第Ｎの影響度を夫々算出する。提示部１０８は、第１乃至第Ｎの影響度に基づいて、ユーザに対する提示情報を生成する。
【選択図】図１

Description

本発明は、医療診断を支援する情報を提示する技術に関するものである。

医療分野では、Ｘ線ＣＴ装置やＭＲＩ等の撮影装置により得られた医用画像を医師が読影して診断を行う画像診断が行われている。画像診断では、主治医の読影の依頼に応じて、医師は画像から得られる所見（以下、「読影所見」と称す）や各種測定値を総合的に判断して画像に写る病変の症状が特定される。そして、その診断に至った経緯を読影所見や測定値を利用して、依頼元の主治医への読影レポートとしてまとめる。

近年、このような画像診断を支援するための診断支援装置が開発されている。例えば、特許文献１には、入力情報に基づく推論結果を提示するとともに、当該推論結果に対して否定的な情報と肯定的な情報とを提示する技術が開示されている。

特開２０１０−２００８４０号公報

しかしながら、特許文献１に開示される技術では、入力情報の部分情報については考慮されておらず、推論結果の導出に影響した情報を適切に提示することができない。

そこで、本発明の目的は、推論結果の導出に影響したより適切な情報を提示することにある。

本発明の医療診断支援装置は、医用情報を入力する入力手段と、前記医用情報に基づいて、各診断名である確率を推論する推論手段と、前記医用情報の各構成要素の、前記推論手段による推論結果に対する第１の影響度を夫々算出する第１の影響度算出手段と、前記医用情報のＮ個（Ｎ＞１）の構成要素で構成される前記医用情報の各部分情報の、前記推論手段による推論結果に対する第Ｎの影響度を夫々算出する第Ｎの影響度算出手段と、前記第１乃至第Ｎの影響度に基づいて、ユーザに対する提示情報を生成する生成手段とを有することを特徴とする。

本発明によれば、推論結果の導出に影響したより適切な情報を提示することが可能となる。

本発明の実施形態に係る医療診断支援装置の機能的な構成を示す図である。 本発明の実施形態に係る医療診断支援装置のハードウェア構成を示す図である。 本発明の実施形態に係る医療診断支援装置の処理の流れを示すフローチャートである。 図３のステップＳ３０２０の詳細を示すフローチャートである。 入力情報の例を示す図である。 第１の実施形態における、第１の影響度及び第Ｎの影響度の例を示す図である。 モニタに表示される提示情報の例を示す図である。 第２の実施形態における、第１の影響度及び第Ｎの影響度の例を示す図である。

以下、本発明を適用した好適な実施形態について説明する。なお、以下に説明する実施形態は、飽くまでも本発明の適用例に過ぎず、本発明を限定するものではない。

先ず、本発明の第１の実施形態について説明する。本発明の第１の実施形態に係る医療診断支援装置は、診断対象である症例に係る医用情報を入力情報として取得し、当該症例に係る診断支援を行う。例えば、本実施形態に係る医療診断支援装置は、肺の異常陰影に係る複数の読影所見、過去の病歴、及び、臨床情報である腫瘍マーカ値を入力情報として取得する。そして、本実施形態に係る医療診断支援装置は、取得した入力情報に基づいて、当該異常陰影の異常の種類（診断名）に係る推論を行い、その推論結果に基づいて診断支援情報を提示する。勿論、推論対象はこれに限定されるものではなく、以下に示す診断名、読影所見及び臨床情報等は何れも、本実施形態に係る医療診断支援装置の処理を説明するための一例に過ぎない。

図１は、第１の実施形態に係る医療診断支援装置の機能的な構成を示す図である。図１に示すように、第１の実施形態に係る医療診断支援装置１００は、症例情報入力端末２００に接続されている。症例情報入力端末２００は、診断対象である症例に関して、肺の異常陰影に係る医用情報（医用画像データや電子カルテ等）を不図示のサーバから取得する。或いは、症例情報入力端末２００は、外部記憶装置（例えば、ＦＤＤ、ＨＤＤ、ＣＤドライブ、ＤＶＤドライブ、ＭＯドライブ又はＺＩＰドライブ等）と接続され、外部記憶装置から医用情報を取得するようにしてもよい。そして、症例情報入力端末２００は、ユーザ（医師）が読影可能な状態で医用情報をモニタに表示し、ユーザの操作に応じて、読影所見、過去の病歴及び臨床情報を入力情報として取得する。読影所見は、ユーザのマウスやキーボード等の操作に応じて入力される。この処理は、例えば、テンプレート形式の読影所見入力支援方法を用いて、ＧＵＩにより読影所見を選択できるような機能を症例情報入力端末２００が備えることで実現される。症例情報入力端末２００は、ユーザの操作に従って、上記入力情報と当該入力情報に付随するデータ（代表画像データ等）とを、ＬＡＮ等を介して医療診断支援装置１００に対して送信する。

医療診断支援装置１００は、入力情報取得部１０２、推論部１０４、影響度取得部１０６及び提示部１０８を備える。入力情報取得部１０２は、症例情報入力端末２００から入力情報と当該入力情報に付随するデータとを取得し、推論部１０４、影響度取得部１０６及び提示部１０８に対して夫々出力する。推論部１０４は、上記入力情報に基づいて、診断対象である肺の異常陰影に係る推論を実行し、当該異常陰影が夫々の診断名である確率（推論結果）を算出する。算出された推論結果は、影響度取得部１０６及び提示部１０８に対して出力される。

影響度取得部１０６は、第１の影響度算出部１０６−１、・・・、第Ｎの影響度算出部１０６−ＮのＮ個（Ｎ＞１）の影響度算出部を備える。影響度取得部１０６は、上記入力情報と推論部１０４で算出された推論結果とを用いて第１〜第Ｎの影響度算出部１０６−１〜１０６−Ｎ夫々で算出された影響度を取得し、提示部１０８に対して出力する。

提示部１０８は、ユーザに対する提示情報を生成して表示する。具体的には、提示部１０８は、上記入力情報及び当該入力情報に付随するデータと、推論部１０４で算出された推論結果と、影響度取得部１０６で算出された影響度とに基づいて、ユーザに対する提示情報を生成する。

図２は、本実施形態に係る医療診断支援装置１００のハードウェア構成を示す図である。図２において、ＣＰＵ１００１は、医療診断支援装置１００の各構成要素の動作を制御する。主メモリ１００２は、ＣＰＵ１００１により実行されるプログラムを格納したり、ＣＰＵ１００１によるプログラム実行時の作業領域を提供する。磁気ディスク１００３は、オペレーティングシステム（ＯＳ）、周辺機器のデバイスドライブ、及び、後述する処理等を行うためのプログラムを含む各種アプリケーションソフト等を格納する。表示メモリ１００４は、表示用データを一時的に記憶する。モニタ１００５は、例えばＣＲＴモニタや液晶モニタ等であり、表示メモリ１００４からのデータに基づいて画像やテキスト等を表示する。マウス１００６及びキーボード１００７は、ユーザによるポインティング入力及び文字等の入力をそれぞれ行う。上記各構成要素は、共通バス１００８により互いに通信可能に接続されている。

なお、図１に示す入力情報取得部１０２、推論部１０４、影響度取得部１０６及び提示部１０８は、ＣＰＵ１００１が主メモリから必要なプログラムを読み出して実行することにより実現する構成である。また、図１に示した医療診断支援装置１００が備える各構成の少なくとも一部を独立した装置で実現させてもよい。

次に、図３及び図４を参照しながら、本実施形態に係る医療診断支援装置１００の処理について説明する。以下では、読影所見及び臨床情報名をＩ_j（ｊ＝１〜ｍ）で表し、ｍ種類の読影所見及び臨床情報名Ｉ₁〜Ｉ_mを取り扱うものとする。そして、Ｉ_jがとり得るｋ個の状態をＳ_jkと表記する。ｋの範囲はＩ_jにより様々な値となる。

本実施形態では、読影所見及び臨床情報を入力情報として取得することが可能であって、さらに、夫々の読影所見及び臨床情報は、図５に示したような状態をとることが可能であるものとする。例えば、Ｉ₁の「形状」は、異常陰影の形状を表しており、Ｓ₁₁「球形」、Ｓ₁₂「分葉状」及びＳ₁₃「不整形」の３つの状態をとる。Ｉ₂の「切れ込み」は、異常陰影における切れ込みの程度を表している。また、Ｉ_lの「巻（気管支）」は、異常陰影における気管支の巻き込みの有無を表している。また、Ｉ_mの「既往」は、過去に疾患の既往があったかどうかを表している。

また、以下の説明では、Ｓ_jkの集合をＥと表記する。但し、ある一つのＩ_jの状態Ｓ_jkは、一つのＥの中には複数が同時に存在しないものとする。例えば、Ｉ₁がＳ₁₁、Ｓ₁₂、Ｓ₁₃をとり、Ｉ₂がＳ₂₁、Ｓ₂₂、Ｓ₂₃、Ｓ₂₄をとる場合、Ｅ＝[Ｓ₁₁，Ｓ₂₁]はとり得るが、Ｅ＝｛Ｓ₁₁,Ｓ₁₂｝はとることができない。これは、一つの読影所見及び臨床情報は一つの状態のみをとるためである。本実施形態では、入力情報をＥ_fと表記する。また、以下の説明では、診断名を、記号Ｄを用いて表記する。本実施形態では、診断名として、原発性肺癌、癌の肺転移及びその他の３値をとるものとし、それぞれＤ₁、Ｄ₂及びＤ₃と表記する。また、集合Ｅが与えられた場合の診断名Ｄ_r（ｒ＝１，２，３）の確率（推論結果）を、Ｐ（Ｄ_r｜Ｅ）と表記する。同様に、Ｓ_jkが与えられた場合のＤ_rの確率（推論結果）を、Ｐ（Ｄ_r｜Ｓ_jk）と表記する。また、構成要素数がＮ個のＥ_fのサブセットをＥ_Nxと表記し、診断名Ｄ_rに対するＥ_Nxの影響度をＩ（Ｄ_r｜Ｅ_Nx）と表記する。同様に、診断名Ｄ_rに対するＳ_jkの影響度をＩ（Ｄ_r｜Ｓ_jk）と表記する。以下では、上記Ｅ_Nxを部分情報Ｎと称することがある。

ステップＳ３０００において、入力情報取得部１０２は、肺の異常陰影に係る入力情報と当該入力情報に付随するデータとを取得する。例えば、入力情報として取得された読影所見及び腫瘍マーカ値が、Ｉ₁「形状」：Ｓ₁₂「分葉状」、Ｉ₂「切れ込み」：Ｓ₂₁「強」、・・・、Ｉ_l「巻（気管支）」：Ｓ_l1「有」、・・・、Ｉ_m「既往」：Ｓ_m2「無」、であったとする。この場合、Ｓ_jkの集合Ｅ_fは、Ｅ_f＝[Ｓ₁₂,Ｓ₂₁,・・・，Ｓ_l1，・・・，Ｓ_m2]となる。

ステップＳ３０１０において、推論部１０４は、ステップＳ３０００で取得された入力情報（即ち、Ｅ_f）に基づいて、当該異常陰影が夫々の診断名である確率（推論結果）を推論する。このときの推論手段としては、ベイジアンネットワーク、ニューラルネットワーク及びサポートベクターマシン等の既存の様々な推論手法を利用することができる。本実施形態では、推論手法としてベイジアンネットワークを用いるものとする。ベイジアンネットワークは、条件付確率を用いた推論モデルであり、入力情報が入力された場合の各診断名の確率（その事例が夫々の診断名である確率、事後確率ともいう）を取得することが可能である。本実施形態では、異常陰影の診断名Ｄ₁、Ｄ₂及びＤ₃それぞれの確率が取得される。

ステップＳ３０２０において、影響度取得部１０６は、ステップＳ３０００で取得された入力情報と、ステップＳ３０１０で取得された推論結果とを用いて、影響度を取得する。

以下、図４を参照しながら、ステップＳ３０２０について詳細に説明する。ステップＳ３０２１において、第１の影響度算出部１０６−１は、入力情報の構成要素（即ち、Ｓ_jk）夫々の第１の影響度を算出する。本実施形態では、第１の影響度算出部１０６−１は、入力情報が何もない場合の各診断名の確率（事前確率ともいう）と、Ｓ_jkのみが入力された場合の確率との差を利用して、第１の影響度を算出する。例えば、第１の影響度算出部１０６−１は、診断名Ｄ_rに対するＳ_jkの影響度Ｉ（Ｄ_r｜Ｓ_jk）を次式で算出する。但し、Ｐ（Ｄ_r）は、Ｄ_rの事前確率である。

Ｉ（Ｄ_r｜Ｓ_jk）が正の場合、即ち、Ｓ_jkのみを入力した場合の事後確率が事前確率より大きい場合、Ｓ_jkはＤ_rに対して肯定的な影響度を持つとする。一方、Ｉ（Ｄ_r｜Ｓ_jk）が負の場合、即ち、Ｓ_jkのみを入力した場合の事後確率が事前確率より小さい場合、Ｓ_jkはＤ_rに対して否定的な影響度を持つとする。なお、以上の影響度の算出方法は飽くまでも一例であり、これに限定されるものではない。

ステップＳ３０２２において、影響度取得部１０６は、少なくとも一つの部分情報Ｎを取得する。例えば、上述した例のＥ_f＝[Ｓ₁₂,Ｓ₂₁,・・・，Ｓ_l1，・・・，Ｓ_m2]において、Ｎ＝２とすると、｛Ｓ₁₂,Ｓ₂₁｝、[Ｓ₁₂,Ｓ_l1]、[Ｓ₂₁,Ｓ_m2]等の部分情報Ｎが取得される。これら取得された部分情報Ｎは、上述したＥ_Nxに相当する。本実施形態では、全ての部分情報Ｎを取得するものとする。例えば、Ｅ_fの要素がＭ個（ただし、Ｍ＞＝Ｎ）である場合、取得される部分情報ＮであるＥ_Nxは、_MＣ_N個となる。

ステップＳ３０２３において、第Ｎの影響度算出部１０６−Ｎは、部分情報Ｎ（即ち、Ｅ_Nx）夫々について第Ｎの影響度を計算する。第Ｎの影響度は、各診断名の事前確率とＥ_Nxのみが入力された場合の確率との差、及び、部分情報Ｎの構成要素数Ｎを利用して算出される。例えば、診断名Ｄ_rに対するＥ_Nxの影響度Ｉ（Ｄ_r｜Ｅ_Nx）は、次式により算出される。

上述した説明と同様に、Ｉ（Ｄ_r｜Ｅ_Nx）が正である場合、Ｅ_Nxは、Ｄ_rに対して肯定的な影響度を持つとする。一方、Ｉ（Ｄ_r｜Ｅ_Nx）が負である場合、Ｅ_Nxは、Ｄ_rに対して否定的な影響度を持つとする。また、以上の影響度の算出方法は飽くまでも一例であり、これに限定されるものではない。

ステップＳ３０２４において、影響度取得部１０６は、ステップＳ３０２０の処理が終了したか否かを判定する。ステップＳ３０２０の処理が終了した場合、処理はステップＳ３０３０に移行する。一方、ステップＳ３０２０の処理が終了していない場合、影響度取得部１０６は、Ｎを未だ設定していない値に更新し、処理はステップＳ３０２２に戻る。本実施形態では、Ｎ＝２のみ検討するとする。即ち、ステップＳ３０２２〜Ｓ３０２３の処理を一度だけ行って、処理はステップＳ３０３０に移行する。

ステップＳ３０３０において、提示部１０８は、ユーザに対する提示情報を生成して表示する。具体的には、ステップＳ３０００で取得した入力情報及び当該入力情報に付随するデータと、ステップＳ３０１０で算出された推論結果と、ステップＳ３０２０で取得された影響度とに基づいて、ユーザに対する提示情報を生成する。本実施形態では、ステップＳ３０２０で取得した第１の影響度〜第Ｎの影響度について影響度を統合し、影響度の大きい順から指定された個数分だけ情報が提示される。このとき、少なくとも一つの構成要素を持つ部分情報Ｎの真部分集合（即ち、自身は含まない部分集合）の、少なくとも一つの影響度が自身の影響度より大きい場合は提示しないものとする。なお、この処理により提示された構成要素又は部分情報Ｎが推論根拠に相当する。

次に、図６を参照しながら、上記の処理について詳細に説明する。図６は、ステップＳ３０２０の処理によって取得された第１の影響度及び第２の影響度を示す。本実施形態では、推論根拠として３つの情報を提示する。先ず、最も影響度が大きい｛Ｓ₄₃,Ｓ_l1｝は無条件で提示される。次に影響度が大きいのは[Ｓ₁₂]であり、[Ｓ₁₂]は構成要素が１以上の真部分集合を持たないため、提示される。その次に影響度が大きいのは｛Ｓ₁₂,Ｓ₂₁｝であるが、このときの影響度は、真部分集合である｛Ｓ₁₂｝の影響度より小さいため、提示されない。その次に影響度が大きい｛Ｓ_m2｝は構成要素が１以上の真部分集合を持たないため、提示される。従って、最終的に提示される情報は｛Ｓ₄₃,Ｓ_l1｝、｛Ｓ₁₂｝、｛Ｓ_m2｝となる。

図７は、モニタ１００５に表示される提示情報の例を示す図である。提示情報７００は、ステップＳ３０００にて取得された、肺の異常陰影に係る入力情報７０１０、及び、当該入力情報に付随するデータ（肺の異常陰影の代表画像データ）７０００を含む。また、提示情報７００は、ステップＳ３０１０で推論された推論結果７０２０を含む。図７に示す例では、推論結果７０２０として、推論結果における原発性肺癌の推論確率７０２１、癌の肺転移の推論確率７０２２、及び、その他の推論確率７０２３が、円グラフによって表示される。また、提示情報７００は、推論結果において各診断名の中で最も高い推論確率を得た診断名（図７の例では、原発性肺癌）及びその確率（図７の例では、原発性肺癌の推論確率）７０３０を含む。また、提示情報７００は、ステップＳ３０３０により提示される情報（推論根拠）７０４０を含む。

本実施形態によれば、部分情報の構成要素数を考慮することにより、構成要素が複数の場合（部分情報Ｎ）の影響度を軽減している。なおかつ、部分情報Ｎを考慮する際、自身の真部分集合において、少なくとも一つの影響度が自身の影響度より大きい場合は提示しないようにしている。その結果として、部分情報Ｎの構成要素夫々による影響度の単純な加増の場合と、複数の構成要素が揃って影響が強くなるような場合との影響度を区別し、単純な加増の提示を軽減することができる。そのため、推論結果の導出に影響したより適切な情報を医師に提示することができる。

次に、本発明の第２の実施形態について説明する。第２の実施形態においては、部分情報Ｎを考慮する場合、当該部分情報Ｎの構成要素に着目して影響度を算出する。なお、第２の実施形態に係る医療診断支援装置の機能的な構成は、図１に示した構成と同様である。従って、以下の説明においても、図１に示した符号を流用するものとする。また、第２の実施形態に係る医療診断支援装置１００の処理は、図３及び図４に示した処理と同様であるが、ステップＳ３０２０の処理の一部、具体的にはステップＳ３０２３において行われる処理が第１実施形態とは異なる。以下では、第１の実施形態と相違する部分に主眼をおいて、第２の実施形態に係る医療診断支援装置１００について説明する。

第２の実施形態のステップＳ３０２３では、第Ｎの影響度算出部１０６−Ｎは、ステップＳ３０２１で算出された第１の影響度を利用して、部分情報Ｎ（Ｅ_Nx）夫々について第Ｎの影響度を計算する。本実施形態では、各診断名の事前確率とＥ_Nxのみが入力された場合の確率との差、及び、Ｅ_Nxの各構成要素Ｓ_jkにおける第１の影響度を利用して、第Ｎの影響度を算出する。診断名Ｄ_rに対するＥ_Nxの影響度Ｉ（Ｄ_r｜Ｅ_Nx）は、次式によって算出される。

第１の実施形態と同様に、Ｉ（Ｄ_r｜Ｅ_Nx）が正である場合、Ｅ_NxはＤ_rに対して肯定的な影響度を持つとする。一方、Ｉ（Ｄ_r｜Ｅ_Nx）が負である場合、Ｅ_NxはＤ_rに対して否定的な影響度を持つとする。また、以上の影響度の算出方法は飽くまでも一例であり、これに限定されるものではない。

図８は、本実施形態において算出される第１の影響度及び第２の影響度の例を示す図である。第２の実施形態では、図８に示すように、部分情報Ｎの各構成要素の影響度を考慮しているため、複数の構成要素が揃って影響が強くなるような組み合わせが強調される。

本実施形態によれば、部分情報Ｎの構成要素を考慮することにより、構成要素単独の影響が軽減され、複数の構成要素が揃って影響が強くなるような組み合わせの影響度が強調される。そのため、構成要素単独で強い影響度を持つような部分情報Ｎが選ばれにくくなり、推論結果の導出に影響したより適切な情報を医師に提示することができる。

上述したとおり、第２の実施形態では、ステップＳ３０２３において、第１の影響度、即ち、部分情報Ｎの各構成要素の影響度を用いて、第Ｎの影響度を算出するものである。その他、第１の影響度ではなく、第Ｎ−１の影響度を用いて第Ｎの影響度を算出してもよい。或いは、第１〜第Ｎ−１の影響度を用いて第Ｎの影響度を算出してもよい。これにより、入力情報のＮ−１個までの構成要素の組み合わせでは推論結果の導出に対する影響が低かったものの、Ｎ個の構成要素の組み合わせでは推論結果の導出に対する影響が大きくなったものが強調される。そのため、推論結果の導出に影響したより適切な情報を医師に提示することが可能となる。

また、第１及び第２の実施形態では、第１〜第Ｎの影響度を統合して提示情報を生成したが、第１〜第Ｎの影響度夫々の影響度毎に情報を提示してもよい。これにより、ユーザがその情報を見て自ら判断することができるため、医師がより適切な情報を得ることが可能となる。

また、本発明は、以下の処理を実行することによっても実現される。即ち、上述した実施形態の機能を実現するソフトウェア（プログラム）を、ネットワーク又は各種記憶媒体を介してシステム或いは装置に供給し、そのシステム或いは装置のコンピュータ（またはＣＰＵやＭＰＵ等）がプログラムを読み出して実行する処理である。

１００：医療診断線装置、１０２：入力情報取得部、１０４：推論部、１０６：影響度取得部、１０６−１〜１０６Ｎ：第１〜第Ｎの影響度算出部、１０８：提示部、２００：症例情報入力端末

Claims (9)

1. 医用情報を入力する入力手段と、
   前記医用情報に基づいて、各診断名である確率を推論する推論手段と、
   前記医用情報の各構成要素の、前記推論手段による推論結果に対する第１の影響度を夫々算出する第１の影響度算出手段と、
   前記医用情報のＮ個（Ｎ＞１）の構成要素で構成される前記医用情報の各部分情報の、前記推論手段による推論結果に対する第Ｎの影響度を夫々算出する第Ｎの影響度算出手段と、
   前記第１乃至第Ｎの影響度に基づいて、ユーザに対する提示情報を生成する生成手段とを有することを特徴とする医療診断支援装置。
2. 前記第Ｎの影響度算出手段は、前記部分情報の構成要素数Ｎを用いて前記第Ｎの影響度を算出することを特徴とする請求項１に記載の医療診断支援装置。
3. 前記第Ｎの影響度算出手段は、前記第１の影響度を用いて前記第Ｎの影響度を算出することを特徴とする請求項１に記載の医療診断支援装置。
4. 前記第Ｎの影響度算出手段は、第Ｎ−１の影響度を用いて前記第Ｎの影響度を算出することを特徴とする請求項１に記載の医療診断支援装置。
5. 前記生成手段は、前記第１乃至第Ｎの影響度の大きさに従って、前記医用情報の各構成要素及び前記医用情報の各部分情報から前記提示情報の生成の際に用いる情報を選択することを特徴とする請求項１乃至４の何れか１項に記載の医療診断支援装置。
6. 前記生成手段は、前記部分情報について算出された前記第Ｎの影響度が、前記部分情報の真部分集合における少なくとも一つの影響度より小さい場合、前記提示情報の生成の際に前記部分情報を選択しないことを特徴とする請求項５に記載の医療診断支援装置。
7. 前記生成手段は、前記第１乃至第Ｎの影響度の大きさに従って選択した情報を、前記推論結果に対する推論根拠として提示するように前記提示情報を生成することを特徴とする請求項５又は６に記載の医療診断支援装置。
8. 医療診断支援装置によって実行される医療診断支援方法であって、
   医用情報を入力する入力ステップと、
   前記医用情報に基づいて、各診断名である確率を推論する推論ステップと、
   前記医用情報の各構成要素の、前記推論ステップによる推論結果に対する第１の影響度を夫々算出する第１の影響度算出ステップと、
   前記医用情報のＮ個（Ｎ＞１）の構成要素で構成される前記医用情報の各部分情報の、前記推論ステップによる推論結果に対する第Ｎの影響度を夫々算出する第Ｎの影響度算出ステップと、
   前記第１乃至第Ｎの影響度に基づいて、ユーザに対する提示情報を生成する生成ステップとを有することを特徴とする医療診断支援方法。
9. 医用情報を入力する入力ステップと、
   前記医用情報に基づいて、各診断名である確率を推論する推論ステップと、
   前記医用情報の各構成要素の、前記推論ステップによる推論結果に対する第１の影響度を夫々算出する第１の影響度算出ステップと、
   前記医用情報のＮ個（Ｎ＞１）の構成要素で構成される前記医用情報の各部分情報の、前記推論ステップによる推論結果に対する第Ｎの影響度を夫々算出する第Ｎの影響度算出ステップと、
   前記第１乃至第Ｎの影響度に基づいて、ユーザに対する提示情報を生成する生成ステップとをコンピュータに実行させるためのプログラム。

Images