JP2016181137A - データ作成支援システム、データ作成支援方法及びプログラム - Google Patents

Abstract

【課題】自由記述された文書を活用するデータ分析において、データ欠損を補う。
【解決手段】プロセッサと、前記プロセッサに接続される記憶装置と、を有するデータ作成支援システムであって、前記記憶装置は、各患者に関する複数の検査項目の検査値を含む検査値情報と、それぞれが各患者について記載された複数の文書を含む文書情報と、を保持し、前記データ作成支援システムは、所定のルールに基づいて前記文書情報から複数の属性値を抽出する文書解釈部と、前記検査値情報に含まれる検査値と、前記文書情報から抽出された属性値のうち検査値と、に基づいて、前記各属性値と前記各属性値の前記文書への記載の有無の傾向とを対応付けるモデルを生成するモデル構築部と、前記モデルに基づいて、前記属性値の傾向又は前記属性値の前記文書への記載の有無の傾向を推定し、その結果を出力するモデル利用部と、を有する。
【選択図】図１

Description

本発明は、医療分野における病院情報システム技術に関する。

特許文献１には、多様なパターンが存在する文書において、ユーザの文書作成負荷を軽減するために、診療データに判断が加えられた情報である診療情報又は診療データの記述間の根拠と帰結との因果関係を推定する推定手段と、入力者が入力した文章の記述を取得する取得手段と、取得手段によって取得された記述において、推定手段で推定された因果関係の根拠と帰結とのうち何れか一方の記述が存在し他方の記述が不足する場合、他方の記述を補足する補足手段と、を有する文書作成支援技術が記載されている。

特開２０１４−３５６９２号公報

近年、医療分野において電子化が進み、医事レセプトだけでなく、検査、処方、入院、食事などのオーダ業務はオーダリングシステムへ、診療録及び看護記録などが従来の紙カルテから電子カルテシステムへ急速に進展している。また、先進的な病院では病院全体のシステムを病院情報システムとして一元管理しつつある。病院情報システムは単に記録を保存するという側面だけでなく、保存されたデータを経営分析及び医療行為分析などに二次利用することで新たな知見を得ようとする側面を持つものに変わりつつある。

オーダリングシステムは、主に医師が発生源となるオーダを電子化したもので、本システムを参照すると、患者ごとに、日別でオーダされた検査、処方、入院、食事などがわかる。本システムに保存されるデータは、患者のＩＤ、オーダ日付、検査、処方、入院、食事などの名称及びコードとともにデータベースに登録されている。検査については、オーダとともに検査結果がオーダリングシステムに一元管理されてもよい。

電子カルテシステムは、主に医師又は看護師など医療従事者が入力するもので、視診、触診などの所見、その経過、患者の訴え、及び検査所見など客観的情報が入力される。電子カルテシステムには主に記載者が自由に記述する文が入力されることが多く、入力される情報は、記載者の判断によって決定される。記載には記載者の癖があり、患者の疾患、状態の正常異常、診療科の慣習、経験年数等によって、記載するかしないかの判断に傾向が表れる。主には、診断の過程が分かるように、疾患に関連する異常な状態が記載され、また、後の診断にも役立つように患者の疾患において重要なポイントが記載される傾向にある。

電子カルテシステムに保存されるデータは、患者のＩＤ、入力日付、及び診察所見を主に含み、データベースに登録される。診察所見は自由文が保存できる形式となっている。そのため、それぞれの患者の診察所見の記載者が異なる場合には、患者によって記載項目が異なる場合がある。

病院情報システムに保存されたデータを２次利用し経営分析又は医療行為分析を行う際には、オーダリングシステムに保存された検査、処方などの情報だけでなく、電子カルテシステムに自由文で記載される症状等の情報が必要不可欠である。一方、患者によって記載項目が異なると、同一の項目によって分析を行う時には、データに欠損が発生するため分析データとして利用しにくい。

特許文献１の技術は、文書補完支援の一例であり、共起関係辞書を使って文書を補完するというものである。これを実現するためには、補完に使用するデータが診療録データベースに存在し、その共起関係辞書を作成しておくことが必要となる。しかし、例えば診察所見で異常がなかったために医師が記載しなかった症状などは、どの診療録データベースにも登録されないため、共起関係辞書を作成することができない。

本発明は、このような問題点に鑑みてなされたものであり、自由記述された文書を活用するデータ分析において、データ欠損を補うことを目的とする。

上記の課題を解決するために、本発明の一形態は、プロセッサと、前記プロセッサに接続される記憶装置と、を有するデータ作成支援システムであって、前記記憶装置は、各患者に関する複数の検査項目の検査値を含む検査値情報と、それぞれが各患者について記載された複数の文書を含む文書情報と、を保持し、前記データ作成支援システムは、所定のルールに基づいて前記文書情報から複数の属性値を抽出する文書解釈部と、前記検査値情報に含まれる検査値と、前記文書情報から抽出された属性値のうち検査値と、に基づいて、前記各属性値と前記各属性値の前記文書への記載の有無の傾向とを対応付けるモデルを生成するモデル構築部と、前記モデルに基づいて、前記属性値の傾向又は前記属性値の前記文書への記載の有無の傾向を推定し、その結果を出力するモデル利用部と、を有することを特徴とする。

本発明の一態様によれば、自由記述された文書を活用するデータ分析において、診察所見で異常がなかったために医師が記載しなかった症状など、どの診療録データベースにも登録されないデータの欠損を補うことができる。上記した以外の課題、構成、および効果は、以下の実施形態の説明によって明らかにされる。

本発明の実施例１のデータ分析システムの構成の概略を示すブロック図である。 本発明の実施例１の病院情報システムが保持する検査情報テーブルの一例を示す説明図である。 本発明の実施例１の病院情報システムが保持する診療録テーブルの一例を示す説明図である。 本発明の実施例１のデータ作成支援装置が保持する検査情報分析データテーブル及び検査値判定結果データテーブルの一例を示す説明図である。 本発明の実施例１のデータ作成支援装置が保持する検査値判定マスタテーブルの一例を示す説明図である。 本発明の実施例１のデータ作成支援装置が保持する診療録抽出ルールテーブルの一例を示す説明図である。 本発明の実施例１のデータ作成支援装置が保持する診療録分析データテーブル及び診療録判定結果データテーブルの一例を示す説明図である。 本発明の実施例１の病院情報システムが保持する患者入院基本情報テーブルの一例を示す説明図である。 本発明の実施例１のデータ作成支援装置が保持する入力傾向変数テーブルの一例を示す説明図である。 本発明の実施例１のデータ作成支援装置が保持する記載者情報管理テーブルの一例を示す説明図である。 本発明の実施例１のデータ作成支援装置が保持する欠損情報分析テーブルの一例を示す説明図である。 本発明の実施例１のデータ作成支援装置が実行する入力傾向モデル構築処理の概要の一例を示すフローチャートである。 本発明の実施例１の入力傾向モデル構築部が実行する入力傾向モデル構築処理の詳細の一例を示すフローチャートである。 本発明の実施例１のデータ作成支援装置が実行する入力傾向モデル利用処理の概要の一例を示すフローチャートである。 本発明の実施例１の入力傾向モデル利用部が実行する入力傾向モデル利用処理の詳細の一例を示すフローチャートである。 本発明の実施例２の入力傾向モデル構築部が実行する入力傾向モデル構築処理の詳細の一例を示すフローチャートである。 本発明の実施例２の入力傾向モデル利用部が実行する入力傾向モデル利用処理の詳細の一例を示すフローチャートである。 本発明の実施例１のデータ分析システムを構成する計算機のハードウェア構成の一例を示すブロック図である。 本発明の実施例１のデータ作成支援装置によって補完された診療録判定結果の表示画面の一例を示す説明図である。

以下、本発明の実施の形態について図面に基づいて説明する。

実施例１は、レポートにいずれかの項目に関する記載がなかった場合に、記載者がその項目を記載しなかったのは、どういう意図によるものかを推測し、入力の傾向を推測することに関する。

ある疾患が決まると、通常着目する身体所見や検査所見がある。診療録の記載者である医師は、上記の決まった項目に関して、所見を判断し、その良し悪しによって診療録に特記すべきか判断する。

特記すべきかの判断基準は、記載者の経験及び慣習などから決まる。この判断基準は、記載者が同一であれば身体所見及び検査所見に共通し、いずれにおいても、ほぼ同一の基準によって記載するか否かが判断されると考えられる。

診療録に記載される情報には、２種類ある。１種類目は、検査結果のように診療録にも書かれるし、検査のデータベースにも登録されるものである。２種類目は、身体所見のように診療録にしか書かれないものである。１種類目は、後のデータ分析時点でも、診療録に書かれなかったつまり非記載であった検査項目が、検査値が正常であったから書かれなかったのか、異常であっても書かなかったのか、記載者の入力意図、入力傾向が分かる。一方、身体所見については、患者を見ている診療録記載時点にしかその状態は分からないので、後の分析時点においてその非記載である項目をどのような意図で記載しなかったのかは分からない。

ただ、同一の記載者であれば、１種類目のデータであっても２種類目のデータであっても入力傾向はほぼ同一であると考えられるので、２種類目の身体所見の非記載の意図は１種類目のデータの入力傾向をもって推測できる。

そこで、実施例１のシステムは、オーダリングシステムのデータと電子カルテシステムのデータの双方にある検査、投薬、症状等の情報を用いて、診療録にしか記載されない種類の情報の欠損を補完する。

図１は、本発明の実施例１のデータ分析システムの構成の概略を示すブロック図である。

図１に示すデータ分析システムは、病院情報システム１０、データ分析端末２０、及びデータ作成支援装置３０を有する。

病院情報システム１０は、主にオーダリングシステム１０１、電子カルテシステム１０２、入出力部１０３、及び制御部１０４を有する。

オーダリングシステム１０１は、主に医師が発生源となるオーダを電子化したものである。オーダリングシステム１０１を参照することによって、患者ごとに、日別でオーダされた検査、処方、入院、食事などを特定することができる。オーダリングシステム１０１に保存されるデータは、患者のＩＤ、オーダ日付、検査、処方、入院、食事などの名称及びコードを含み、データベースに登録されている。検査については、各種検査システムに検査結果が保存されてもよいし、オーダリングシステム１０１によって検査結果が一元管理されてもよい。電子化の進展度によって病院ごとに管理方法が異なるが、オーダと検査結果は、対応付けられている。ここでは検査結果が検査情報テーブル１１０（図２参照）を含む検査情報データベースによって管理される例を挙げる。

電子カルテシステム１０２は、主に医師が発生源となる種々の記録を電子化したものである。電子カルテシステム１０２では、患者ごとに、日別で登録された診療録、看護記録、退院時に作成される退院時サマリ、及び看護サマリなどが、それぞれ診療録データベース、看護記録データベース及び退院時要約データベースに登録されている。

データ分析端末２０は、病院情報システム１０のデータを用いて、データ分析を行う端末であり、データ作成支援装置３０を通して分析データを生成する。データ分析端末２０は、入力部２０１、出力部２０２、及び入出力画面構成部２０３を有する。

データ作成支援装置３０は、データ分析端末２０からの指令を受けて、分析データの作成支援を行う。データ作成支援装置３０は、データ抽出部３０１、検査情報解釈部３０２、診療録解釈部３０３、データ突合部３０７、入力傾向モデル構築部３０８、及び入力傾向モデル利用部３０９を有し、検査値判定結果データ３０４、診療録判定結果データ３０５及び検査値判定マスタ３０６を保持する。

データ抽出部３０１は、病院情報システム１０からデータを抽出する。検査情報解釈部３０２は、抽出されたデータを、検査値判定マスタ３０６を利用しながら解釈し、検査値判定結果データ３０４として出力する。診療録解釈部３０３は、抽出されたデータを、検査値判定マスタ３０６を利用しながら解釈し、診療録判定結果データ３０５として出力する。データ突合部３０７は、検査値判定結果データ３０４と診療録判定結果データ３０５との突合せを行う。入力傾向モデル構築部３０８は、突合せをしたデータに基づいて入力傾向モデルを構築する。入力傾向モデル利用部３０９は、構築された入力傾向モデルを利用して、属性値の推定又は欠損フラグの推定等の所定の処理を行う。

図１８は、本発明の実施例１のデータ分析システムを構成する計算機のハードウェア構成の一例を示すブロック図である。

図１のデータ分析システムは、一つ以上の計算機からなる計算機システムによって実現される。例えば、図１のデータ分析システムがネットワーク１８１０に接続された複数の計算機１８００を含み、病院情報システム１０、データ分析端末２０及びデータ作成支援装置３０のそれぞれが、一つ又は複数の計算機１８００によって実現されてもよい。あるいは、病院情報システム１０、データ分析端末２０及びデータ作成支援装置３０のいずれか二つ又は全てが一つの計算機１８００によって実現されてもよい。

計算機１８００は、相互に接続されたネットワークインターフェース１８０１、入力装置１８０２、出力装置１８０３、プロセッサ１８０４及び記憶装置１８０５を有する。ネットワークインターフェース１８０１はネットワーク１８１０に接続される。記憶装置１８０５は、例えば半導体メモリ等の主記憶装置及びハードディスクドライブ等の外部記憶装置を含んでもよい。

例えば、病院情報システムに相当する計算機１８００のプロセッサ１８０４がその計算機１８００の記憶装置１８０５に格納されたプログラム１８０６を実行することによって、オーダリングシステム１０１、電子カルテシステム１０２及び制御部１０４の機能が実現され、検査情報データベース、診療録データベース、看護記録データベース及び退院時要約データベースはその計算機１８００の記憶装置１８０５に格納される。オーダリングシステム１０１及び電子カルテシステム１０２のそれぞれが一つ以上の計算機１８００によって実現されてもよい。

データ分析端末２０に相当する計算機１８００のプロセッサ１８０４がその計算機１８００の記憶装置１８０５に格納されたプログラム１８０６を実行することによって入出力画面構成部２０３の機能が実現される。入力部２０１は例えばキーボード、マウス又はタッチパッドのような入力装置１８０２であり、出力部２０２は例えば液晶表示装置のような出力装置１８０３である。

データ作成支援装置３０に相当する計算機１８００のプロセッサ１８０４がその計算機１８００の記憶装置１８０５に格納されたプログラム１８０６を実行することによって、データ抽出部３０１、検査情報解釈部３０２、診療録解釈部３０３、データ突合部３０７、入力傾向モデル構築部３０８及び入力傾向モデル利用部３０９の機能が実現される。すなわち以下の説明においてデータ作成支援装置３０が必要に応じて上記の各部を使用して実行する処理は、実際には、プロセッサ１８０４がプログラム１８０６を実行することによって実現される。また、データ作成支援装置３０に相当する計算機１８００の記憶装置１８０５には、検査値判定結果データ３０４、診療録判定結果データ３０５及び検査値判定マスタ３０６の他、以下の説明においてデータ作成支援装置３０が保持すると記載したデータが格納される。

上記の例において、病院情報システム１０とデータ作成支援装置３０との間の通信、データ分析端末２０とデータ作成支援装置３０との間の通信は、それぞれの計算機のネットワークインターフェース及びそれらが接続されたネットワークを介して実行される。

図２は、本発明の実施例１の病院情報システム１０が保持する検査情報テーブルの一例を示す説明図である。

図２に示す検査情報テーブル１１０は、各患者に対して行われた全ての検査項目及びそれぞれの項目の検査結果を示す情報を含み、オーダリングシステム１０１の検査情報データベースに登録される。具体的には、検査情報テーブル１１０は、患者を識別する患者ＩＤ１１１、検査が行われた日を示す検査日付１１２、行われた検査の項目を示す検査項目１１３、及びそれぞれの項目の検査値１１４を含む。なお、検査項目１１３の値「ＢＵＮ」、「ＣＲＥ」及び「ＡＳＴ」は、それぞれ検査項目を示す。

図３は、本発明の実施例１の病院情報システム１０が保持する診療録テーブルの一例を示す説明図である。

電子カルテシステム１０２に保存されるデータは、患者ＩＤ１２１、診察所見が記載された日を示す記載日１２２、診察所見の記載者（医師又は看護師等）を識別する記載者ＩＤ１２３、及び診察所見１２４を含み、診療録データベースに登録されている。診察所見１２４は自由文が保存できる形式となっている。記載者は、患者の診察及び検査等に基づいて、記録する必要があると判断した情報を自由な形式の文書として診察所見１２４に記載することができる。記載される情報の例は、観察された症状の有無（又は程度）、薬剤の処方の有無（又は処方量）、及び各検査項目の検査値等である。

ただし、上記の通り記載するか否かの判断は記載者に委ねられるため、例えば観察された全ての症状が記載されるとは限らないし、実際に行われた全ての検査項目の検査値が記載されるとも限らない。以下の説明において、「欠損」とは、いずれかの情報の項目が診察所見１２４に記載されていないことを意味する。例えば症状が実際に観察されなかったり、検査が実際に行われなかったりしたためにそれらに関する記載が欠損している場合と、実際には観察されていた症状又は実際には検査によって得られていた検査値が記載者の判断によって診察所見１２４に記載されなかったためにそれらに関する記載が欠損している場合とがある。

図４は、本発明の実施例１のデータ作成支援装置３０が保持する検査情報分析データテーブル及び検査値判定結果データテーブルの一例を示す説明図である。

図４の検査情報分析データテーブル４００は、図２の検査情報テーブル１１０から抽出された、データ分析に用いる情報を管理するテーブルである。検査情報テーブル１１０から抽出された一人の患者の一検査日に対応する全ての検査項目の検査値に関する情報が、検査情報分析データテーブル４００ではその患者と検査日の組合せに対応する一つのレコードにまとめられる。具体的には、検査情報分析データテーブル４００は、分析の対象となる患者のＩＤ４０１、検査日４０２及び各検査項目の検査結果（図４の例ではＢＵＮ４０３、ＣＲＥ４０４及びＡＳＴ４０５）を有している。各検査項目の検査結果として、検査情報テーブル１１０から読み取られた検査値１１４の値が登録される。生成された検査情報分析データテーブル４００は、データ作成支援装置３０の記憶装置に格納される。

図４の検査値判定結果データテーブル４１０は、検査情報解釈部３０２が検査情報分析データテーブルの検査値を図５の検査値判定マスタに基づいて判定した結果を管理するテーブルであり、図１の検査値判定結果データ３０４に含まれる。具体的には、検査値判定結果データテーブル４１０は、分析対象となる患者のＩＤ４１１、検査日４１２及び各検査項目の検査値判定結果（図４の例ではＢＵＮ４１３、ＣＲＥ４１４及びＡＳＴ４１５）を有している。患者ＩＤ４１１及び検査日４１２はそれぞれ検査情報分析データテーブル４００の患者ＩＤ４０１及び検査日４０２に対応し、検査値判定結果は、検査情報分析データテーブル４００に各検査項目の検査結果として登録された検査値の判定結果である。例えば、検査値に異常があると判定された場合には１、検査値が正常であると判定された場合には０が登録される。

図５は、本発明の実施例１のデータ作成支援装置３０が保持する検査値判定マスタテーブルの一例を示す説明図である。

図５の検査値判定マスタテーブル５００は、検査値が異常か正常かを判定するための基準値を管理するテーブルであり、図１の検査値判定マスタ３０６に含まれる。基準値は一般的に上限、下限があり、検査値がその範囲内であれば正常と判定される。性別に合わせて基準値が設定されている検査値もある。

図５の例では、検査値ＢＵＮの基準値が８〜２０Ｍｇ／ｄＬとなっている。例えば、図４の検査情報分析データテーブル４００に登録された検査値ＢＵＮを判定したい場合には、検査情報解釈部３０２は、この基準値を用い、検査値が基準値の範囲内であれば、正常と判定して０を、検査値が基準値の範囲外であれば、異常と判定して１を、検査値判定結果データテーブル４１０に登録し、後述するデータ突合部３０７等がその判定結果を分析に用いる。

図６は、本発明の実施例１のデータ作成支援装置３０が保持する診療録抽出ルールテーブルの一例を示す説明図である。

図６の診療録抽出ルールテーブル６００は、データ作成支援装置３０が電子カルテデータ（すなわち電子カルテシステム１０２が保持しているデータ）から、分析に用いる情報を抽出するルールを管理するテーブルであり、属性６０１、検査フラグ６０２、属性値（異常あり）６０３、及び属性値（異常なし）６０４などを有している。

属性６０１は、所見から属性として抽出される文字列である。検査フラグ６０２は、抽出された属性が検査に関するものか否かを示すフラグである。属性値（異常あり）６０３及び属性値（異常なし）６０４は、いずれもそれぞれの属性の値として抽出される文字列であるが、前者は異常があることを示し、後者は異常がないことを示す。

診療録抽出ルールテーブル６００には、図３の診療録テーブル１２０の所見１２４から、データ分析の対象となる属性とその属性値を抽出するためのルールが格納される。診療録解釈部３０３は、属性の近傍に属性値の記載がある場合に、ルールに基づいて属性と属性値のセットを抽出し、診療録分析データテーブル（図７参照）にデータを登録する。

検査、症状又は処方等に関する記載が属性及び属性値として抽出され得る。例えば、所見１２４に「ＢＵＮは２０．１Ｍｇ／ｄＬ」という記載がある場合には「ＢＵＮ」が属性、「２０．１」が属性値として抽出されてもよい。これらは、属性及び属性値がそれぞれ検査項目及び検査値に該当する例である。一方、例えば所見１２４に「浮腫あり」という記載がある場合には、「浮腫」が属性、「あり」が属性値として抽出されてもよい。これらは、属性及び属性値が症状の項目及びその症状の有無に該当する例である。同様に、処方の項目及び処方の有無（又は処方量）に該当する属性及び属性値が抽出されてもよい。

属性が検査（例えばＢＵＮ等）であるか、それ以外（例えば心音等の症状）であるかによって診療録抽出ルールテーブル６００の利用の仕方が変わる。

属性が検査である場合は数値列として表現される検査値が属性値として抽出され、症状の場合にはその症状の有無又は程度の記載、処方の場合も処方の有無の記載が属性値となりうる。

そのため、属性が検査であれば、診療録解釈部３０３は、属性値を抽出するためにルールを利用せず、属性として抽出された文字列の近傍の数値列を属性値として抽出する。属性が検査に関するものでなければ、診療録解釈部３０３は、診療録抽出ルールテーブル６００のルールを利用して属性値を抽出する。

属性が検査かどうかは検査フラグ６０２によって判断される。図６の例では、属性が検査である場合には検査フラグ６０２として１のフラグが入力され、検査以外である場合には０のフラグが入力されている。

例を使って説明すると、属性６０１の「ＢＵＮ」は検査フラグ６０２が「１」であるため検査である。診療録テーブル１２０の患者ＩＤ＝Ｐ０１の患者の所見１２４を見ると、「ＢＵＮ２０．１」という記載がある。そこで、診療録解釈部３０３は、Ｐ０１の患者のデータから属性「ＢＵＮ」及び属性値「２０．１」を抽出し、図７の診療録分析データテーブル７００へ登録する。

属性が検査以外である場合、つまり検査フラグが０の場合には、診療録解釈部３０３は、所見１２４から属性に該当する言葉を抽出し、その近傍に存在する属性値の言葉を抽出する。

例を使って説明すると、属性６０１として「ラ音／ｒａｌｅ」が登録されている。これは、「ラ音」及び「ｒａｌｅ」を同一の意味を持つ属性として収集するルールを表す。所見は、様々な入力者が記載するものであり、同一の意味を持つ属性であっても、様々な言葉で記載される。これらの同義語は、分析には同一のものとして扱い、また網羅的に収集された方がよい。

属性値についても同様であり、例えば属性値（異常なし）６０４の「聴取せず／無／−／なし」は「聴取せず」、「無」、「−」及び「なし」を同一の意味を持つ属性値として収集するルールを表す。

図３の診療録テーブルの患者ＩＤ１２１＝Ｐ０１の患者の、記載日１２２＝２０１４／１１／０５の所見１２４を見ると、「心音Ｓ３（＋）」という記載がある。そこで、診療録解釈部３０３は、Ｐ０１の患者のデータとして、属性「Ｓ３」、属性値「＋」を抽出する。診療録分析データテーブル（図７参照）には、このようにして抽出された属性値が正常であるか否かを示す値が属性値として登録される。具体的には、抽出された属性値が属性値（異常あり）６０３の値のいずれかと一致する場合には、属性値「１」が診療録分析データテーブルに登録され、抽出された属性値が属性値（異常なし）６０２の値のいずれかと一致する場合には、属性値「０」が、診療録分析データテーブルに登録される。

図７は、本発明の実施例１のデータ作成支援装置３０が保持する診療録分析データテーブル及び診療録判定結果データテーブルの一例を示す説明図である。

図７の診療録分析データテーブル７００は、電子カルテデータから抽出した、分析に用いる情報を管理するテーブルであり、データ作成支援装置３０の記憶装置に格納される。診療録テーブル１２０の一人の患者の一記載日の所見から診療録抽出ルールテーブル６００に基づいて抽出された全ての検査項目及び症状等に関する情報が、診療録分析データテーブル７００では一つのレコードにまとめられる。具体的には、診療録分析データテーブル７００は、患者のＩＤ７０１、記載日７０２、記載者ＩＤ７０３、各検査項目の検査結果、及び各症状に関する所見などを有している。図７の例では検査項目としてＢＵＮ７０４及びＣＲＥ７０５が、症状として心音７０６が含まれる。

検査値のように検査結果が数値で記載される場合には、検査値が分析データとして取得される。図３及び図７の例では、診療録テーブル１２０の患者ＩＤ１２１＝Ｐ０１、記載日１２２＝２０１４／１１／０５に対応する所見１２４に「ＢＵＮ２０．１」との記載が含まれるため、検査項目ＢＵＮの検査値として２０．１が取得され、診療録分析データテーブル７００の患者ＩＤ７０１＝Ｐ０１、記載日７０２＝２０１４／１１／０５に対応するレコードのＢＵＮ７０４として登録される。

また、症状のように異常の有無が記載される場合には、異常有を１、異常無を０とする分析データが取得される。図３及び図７の例では、上記と同じ患者及び記載日の所見１２４に「心音Ｓ３（＋）」との記載が含まれるため、異常有として１が分析データとして取得され、診療録分析データテーブル７００の上記の患者及び記載日に対応するレコードの心音７０６として登録される。また、診療録に該当する記載がない場合にはＮｕｌｌが登録される。

図７の診療録判定結果データテーブル７１０は、主に診療録テーブル１２０から抽出した検査結果を検査値判定マスタテーブル５００にしたがって判定した結果を管理するテーブルであり、図１の診療録判定結果データ３０５に含まれる。具体的には、診療録判定結果データテーブル７１０は、患者ＩＤ７１１、記載日７１２、記載者ＩＤ７１３、各検査項目の検査結果、及び各症状に関する所見などを有し、これらは診療録分析データテーブル７００に含まれるフィールドの項目に対応する。また、診療録判定結果データテーブル７１０は、診療録分析データテーブル７００の各レコードに対応するレコードを含む。例えば、検査値判定マスタテーブル５００にしたがって、診療録分析データテーブル７００に登録された検査値に異常があると判定された場合には、その検査値に対応する診療録判定結果データテーブル７１０のフィールドに１が登録され、検査値が正常の場合には０が登録される。症状のように診療録分析データテーブル７００に登録された値が２値を取る場合はその値がそのまま診療録判定結果データテーブル７１０の対応するフィールドに登録される。

図８は、本発明の実施例１の病院情報システム１０が保持する患者入院基本情報テーブルの一例を示す説明図である。

図８の患者入院基本情報テーブル８００は、各患者の一回ごとの入退院に関する情報を管理するテーブルであり、患者ＩＤ８０１、入院日８０２、退院日８０３、疾患名８０４及び再入院フラグ８０５を有している。患者入院基本情報テーブル８００の一つのレコードが一人の患者の１回の入院期間（すなわち入院してから退院するまでの期間）に対応する。あるレコードの再入院フラグ８０５の値「１」は、そのレコードの入院期間が終了した後で、同じ患者が同じ疾患で再入院したことを示し、「０」は再入院しなかった事を示している。また、例えばある患者が５回入院すると、５レコード生成される。図８の例では、Ｐ０１という患者は１１／１から１１／５まで虚血性心疾患で入院し、退院後に同じ疾患で再入院しなかった事を示している。患者Ｐ０４は肝がんと虚血性心疾患でそれぞれ１回ずつ入院しており、虚血性心疾患では再入院したことを示している。患者Ｐ０７の退院日８０３及び再入院フラグ８０５は「−」となっているが、これは患者Ｐ０７が入院中であることを示している。

図９は、本発明の実施例１のデータ作成支援装置３０が保持する入力傾向変数テーブルの一例を示す説明図である。

図９の入力傾向変数テーブルとは、生成した入力傾向モデルのパラメータ（例えば係数及び切片）など、モデルに関する情報が登録されるテーブルである。図９には、記載者別にモデルが生成される例を示す。この場合には、記載者ＩＤ９０１とともに、各記載者について生成された入力傾向モデルの係数（図９の例では欠損なし異常確率係数）９０２及び切片９０３が保持される。

図１０は、本発明の実施例１のデータ作成支援装置３０が保持する記載者情報管理テーブルの一例を示す説明図である。

図１０の記載者情報管理テーブル１０００は、診療録の記載者の基本情報を有するテーブルである。記載者情報管理テーブル１０００には、記載者を識別する記載者ＩＤ１００１とともに、記載者が所属している診療科、記載者の生年月日、診療科への所属年月日などが登録されている。病院情報システム１０がこれらの情報を管理し、必要に応じてデータ作成支援装置３０がこれらの情報を病院情報システム１０から取得して記載者情報管理テーブル１０００に登録してもよい。

図１１は、本発明の実施例１のデータ作成支援装置３０が保持する欠損情報分析テーブルの一例を示す説明図である。

図１１の欠損情報分析テーブル１１００は、入力補助を行うために生成する入力傾向モデルの分析データを有するテーブルであり、各属性１１０１に対して、欠損の有無を表わす欠損フラグ１１０２、データが正常か異常かを表す正常異常フラグ１１０３、対象疾患１１０４、診療科１１０５、診療録記載者の年齢１１０６及び診療録記載者の経験年数１１０７が登録されている。

例えば、ある患者に対して検査項目「ＡＳＴ」の検査が行われ、検査値が得られていたにもかかわらず、その検査値が所見に記載されていなかった場合、属性「ＡＳＴ」に対応する欠損フラグ１１０２として欠損があったことを示す「１」が登録され、正常異常フラグ１１０３としては当該検査値が正常か否かの判定結果が登録され、疾患１１０４としては当該患者の疾患が登録される。さらに、診療科１１０５、記載者年齢１１０６及び記載者経験年数１１０７としては、記載者情報管理テーブル１０００から読み出された当該所見の記載者の属性情報が登録される。

図１２は、本発明の実施例１のデータ作成支援装置３０が実行する入力傾向モデル構築処理の概要の一例を示すフローチャートである。

データ作成支援装置３０は、病院情報システム１０からデータ抽出部３０１を介してデータを取得する（Ｓ１２０１）。病院によって別途分析用のデータウェアハウスが構築されている場合又はデータのバックアップが作成されている場合もある。データ作成支援装置３０は、病院の情報管理形態に合わせて適宜、分析用のデータを取得する。

次に、データ作成支援装置３０は、取得したデータが電子カルテシステム１０２から取得したデータであるかオーダリングシステム１０１から取得したデータであるかを判定する（Ｓ１２０２）。この判定の結果に応じて処理が分岐する。

電子カルテシステム１０２からデータが取得された場合、主に所見から抽出されたデータが診療録分析データテーブル７００に登録される。したがって、分析に使用するために所見から必要な属性及び属性値を抽出する必要がある。診療録解釈部３０３は、診療録抽出ルールテーブル６００を用いて所見が記載されている診療録から属性及び属性値を抽出する（Ｓ１２０３）。そして、診療録解釈部３０３は、抽出した属性値を、それが抽出された所見の対象の患者及びその所見の記載日に対応する診療録分析データテーブル７００のレコードの、抽出した属性に対応するフィールドに登録する。当該患者の所見から、いずれかのフィールドに対応する属性値が抽出されなかった場合には、診療録解釈部３０３はそのフィールドにＮｕｌｌを入力する。

次に、診療録解釈部３０３は、診療録分析データテーブル７００に登録された属性値が検査値であるか否かを判定し（Ｓ１２０４）、属性値が検査値である場合には、検査値判定マスタ３０６に基づいて検査値の異常の有無を判定する（Ｓ１２０５）。そして、診療録解釈部３０３は、検査値に異常があった場合には属性値「１」を、異常がなかった場合には属性値「０」を、診療録判定結果データテーブル７１０の該当するフィールドに登録する（Ｓ１２０６）。

一方、Ｓ１２０４において属性値が検査値でない（例えば症状の有無を示す値である）と判定された場合、診療録解釈部３０３は、診療録抽出ルールテーブル６００に基づいて、抽出した属性値が正常又は異常のいずれに該当するかを判定し、その結果を（例えば正常の場合は「０」、異常の場合は「１」を）診療録分析データテーブル７００及び診療録判定結果データテーブル７１０の該当するフィールドに登録する（Ｓ１２０６）。

Ｓ１２０２においてオーダリングシステム１０１からデータを取得したと判定された場合、そのデータには一つ以上の検査項目の検査値が含まれている。この場合、取得したデータは一旦検査情報分析データテーブル４００に登録され、検査情報解釈部３０２が、検査値判定マスタ３０６に基づいて検査値の異常の有無を判定し（Ｓ１２０８）、判定した結果を検査値判定結果データテーブル４１０に登録する（Ｓ１２０９）。

検査値判定結果データテーブル４１０には、行われた全ての検査に関するデータが登録される。一方、診療録判定結果データテーブル７１０には、所見の記載者の意図が関連し、検査値又は症状の良し悪しによって特記すべきと判断された項目が診療録に記載され、記載された項目の値が診療録判定結果データテーブル７１０に登録される。特記する必要がないと判断された項目は、診療録に記載がないため、診療録判定結果データテーブル７１０にはその項目の値が登録されず、欠損となる。診療録判定結果データテーブル７１０に値がないことによってデータに欠損があると、そのデータを以後の分析で使用しにくいという問題が生じる。

検査値は、実際に行われた検査によって得られた値である限り、診療録分析データテーブル７００には登録されていなくても、検査情報分析データテーブル４００には必ず登録されているが、症状は診療録分析データテーブル７００を用いて分析する他に方法がない。所見の記載者は検査値及び症状の良し悪しによってそれぞれを所見に特記すべきか否かを判断する。記載者が同一であれば、検査値について記載すべきと判断した基準と症状について記載すべきと判断した基準は同じであると考えられる。そこで、データ作成支援装置３０は、検査値が診療録に記載された意図がどのようなものであるか、検査情報分析データテーブル４００に含まれるデータと、診療録分析データテーブル７００における欠損（Ｎｕｌｌ）と、を用いて推定し、それに基づいて、症状の記載の欠損があった場合の異常の有無を推定する。

そのため、データ突合部３０７は、記載者ＩＤ７１３を参照して、診療録判定結果データテーブル７１０から一人の記載者の所見から抽出されたデータのレコードを抽出する（Ｓ１２０７）。そして、データ突合部３０７は、患者と検査項目の組合せごとに、Ｓ１２０７で抽出した診療録判定結果データテーブル７１０のレコードに含まれる検査値と検査値判定結果データテーブル４１０のレコードに含まれる検査値を突合する（Ｓ１２１０）。

例を用いて説明すると、図４の検査値判定結果データテーブル４１０には検査ＢＵＮ４１３及びＣＲＥ４１４が含まれる。

一方、図７の診療録判定結果データテーブル７１０にも、検査ＢＵＮ７１４及びＣＲＥ７１５が含まれることから同一の検査項目があることが分かる。患者ＩＤ４１１及び７１１をみると、例えばＰ０１、Ｐ０３からＰ０８は診療録判定結果データテーブル７１０及び検査値判定結果データテーブル４１０の両方に登録されていることから同一の患者のデータが両者に登録されていることも分かる。

診療録判定結果データテーブル７１０においては、検査ＢＵＮ７１４及びＣＲＥ７１５の値に欠損（ＮＵＬＬ）が存在する。この診療録判定結果データテーブル７１０の検査値の欠損は、実際に該当する検査が行われなかったために発生した場合と、実際には該当する検査が行われたにもかかわらず、記載者がそれによって得られた検査値を所見に記載しなかったために発生した場合がある。後者の場合に、得られたにもかかわらず記載されなかった検査値がそもそも正常値であったか異常値であったかを判定するために、データ突合部３０７は、検査値判定結果データテーブル４１０を参照する。すると、各検査項目別に、欠損している検査値が正常であったかどうかという情報が得られる。

そこで、入力傾向モデル構築部３０８は、上記のように診療録判定結果データテーブル７１０と検査値判定結果データテーブル４１０とを同一患者の同一検査項目で突合したデータに基づいて、診療録判定結果データテーブル７１０において欠損している検査値が正常である確率等を算出し、その確率等に基づいて、入力傾向モデルを生成する（Ｓ１２１１）。このモデルを用いると、属性値の欠損がある場合に、その属性値が異常であるか正常であるかの２値を推定できる。

図１３は、本発明の実施例１の入力傾向モデル構築部３０８が実行する入力傾向モデル構築処理の詳細の一例を示すフローチャートである。この処理は、図１２のＳ１２１１において実行される。

最初に、入力傾向モデル構築部３０８は、検査項目ごとに診療録判定結果データ３０５及び検査値判定結果データ３０４を突合する（Ｓ１３０１）。図４及び図７の例を用いて説明すると、既に説明した通り、これらのテーブルには、同一の患者の同一の検査項目に関するデータが含まれている。

一般には、検査が行われたその日に、その検査の結果を医師が所見に記載するとは限らない。このため、検査値判定結果データテーブル４１０の検査日４１２と診療録判定結果データテーブル７１０の記載日７１２は一致しないことが多いが、診療録を記載する直前に行われた検査のデータを見ながら医師が診療録を記載することから、入力傾向モデル構築部３０８は、例えば診療録の記載日の直前の所定の期間（例えば７日間）の検査データは診療録に記載されたものと同一と判定する、という基準を作成し、その基準に基づいて診療録判定結果データ３０５及び検査値判定結果データ３０４の突合を行う。

例えば、入力傾向モデル構築部３０８は、検査情報分析データテーブル４００を参照して、ある診療録の記載日と同日またはその直前の７日間に取得された（すなわち検査日４０２がそれらの日のいずれかとなっている）、当該診療録の対象と同一の患者に関する検査値を、当該診療録に対応する検査値として抽出し、それらの検査値のうち当該診療録にも記載されているものは欠損していない、記載されていないものは欠損していると判定し、さらに、検査値判定結果データテーブル４１０を参照して、欠損していると判定された検査値及び欠損していないと判定された検査値のそれぞれが正常か異常かを判定することができる。上記の所定の期間を適切に設定することによって、適切な突合が可能になる。

図４及び図７の例では、突合を行うことによって、患者ＩＤ＝Ｐ０１、Ｐ０３からＰ０８の検査ＢＵＮ及びＣＲＥに関するデータが抽出される。

次に、入力傾向モデル構築部３０８は、診療録判定結果データの欠損値（Ｎｕｌｌ）がそもそも正常値又は異常値のいずれであったか、検査値判定結果データテーブル４１０を参照して判定し、各検査項目別に、欠損が正常であった確率（欠損正常確率）を求める（Ｓ１３０２）。ここで、「欠損が正常である」とは、診療録に記載されなかった属性値が実際には正常値であったことを言い、検査値に関して言えば、実際には行われた検査の検査値が診療録に記載されなかった（すなわち診療録判定結果データテーブル７１０において欠損している）場合において、その検査値が正常値であったことを言う。

このデータに着目する理由は、診療録の記載者である医師は、患者の状態を見て異常がある場合には属性値（検査値、症状の有無を示す値等）を特記する傾向にあり、異常がなければ、基本的には属性値を記載しないため、診療録判定結果データ３０５の欠損は正常である可能性が高いからである。ただ、疾患に特有の検査及び症状の項目であれば、異常がなくとも異常がないことを特記する場合もありうる。また、異常があっても属性値を記載しない場合もありうる。

欠損が正常であった確率の求め方を、図４及び図７に示したデータの例を挙げて説明する。診療録判定結果データテーブル７１０において、患者ＩＤ＝Ｐ０３、Ｐ０４及びＰ０８の検査ＢＵＮ７１４の検査値が欠損している。一方、検査値判定結果データテーブル４１０には、これらの患者の検査ＢＵＮ４１３の検査値の判定結果が登録されている。前者の記載日が２０１４／１１／０８であるのに対して後者の検査日は２０１４／１１／０２となっており一致しないが、後者が前者より早く、かつ、これらの差が所定の日数（例えば７日）以内であることから、診療録の記載者（記載者ＩＤ「Ｄ０１」によって識別される医師）が、２０１４／１１／０２に行った検査によって得られた検査値を２０１４／１１／０８に診療録に記載したと推定される。そして、検査値判定結果データテーブル４１０に登録された患者ＩＤ＝Ｐ０３、Ｐ０４及びＰ０８の検査ＢＵＮの検査値の判定結果は、患者ＩＤ＝Ｐ０３及びＰ０４については正常、Ｐ０８については異常であるため、式（１）によって、欠損正常確率は２／３と計算される。

欠損正常確率＝欠損が正常であった属性値の数／欠損していた属性値の数 ・・（１）

次に、入力傾向モデル構築部３０８は、診療録判定結果データテーブル７１０の欠損でないデータ、つまり診療録に記載があるデータの属性値が異常である確率（欠損なし異常確率）を各項目別に求める（Ｓ１３０３）。図４及び図７のデータ例で示すと次のようになる。

検査値ＢＵＮに着目すると、診療録判定結果データテーブル７１０に４個の検査値（それぞれ患者ＩＤ＝Ｐ０１、Ｐ０５、Ｐ０６、Ｐ０７に対応）が登録されている。そのうち属性値が異常であるのは３個（それぞれ患者ＩＤ＝Ｐ０１、Ｐ０６、Ｐ０７に対応）となっている。そのため、欠損でないデータが異常である確率は、式（２）によって、３／４と計算される。

欠損なし異常確率＝診療録に記載され、かつ異常であった属性値の数／診療録に記載された属性値の数 ・・・（２）

入力傾向モデル構築部３０８は、例えば重回帰分析を用いて、各項目の欠損なし異常確率を説明変数とし、欠損正常確率を従属変数とした入力傾向モデル構築する（Ｓ１３０４）。

上記の通り、検査値については、診療録判定結果データテーブル７１０に基づいて欠損なし異常確率を計算し、診療録判定結果データテーブル７１０及び検査値判定結果データテーブル４１０に基づいて欠損正常確率を計算することができる。一方、検査値以外の属性値（例えば症状の有無を示す値）については、診療録判定結果データテーブル７１０に基づいて欠損なし異常確率を計算することはできるが、検査値判定結果データテーブル４１０に相当するデータが存在しないため、欠損正常確率を計算することはできない。しかし、同一の記載者においては、検査値以外の属性値についての記載の傾向（例えば異常な属性値を診療録に記載するか否か、正常な属性値を診療力に記載するか否か、といった記載の有無の傾向等）は、検査値についての記載の傾向と類似すると考えられる。

具体的には、例えば、検査ＢＵＮ、検査ＣＲＥ、心音Ｓ３間で「状態が正常であったから記載しないという傾向」及び「状態が異常であったから記載するという傾向」は類似すると考えられる。そのため、検査ＢＵＮ、検査ＣＲＥによって、欠損なし異常確率から欠損正常確率を推定する入力傾向モデルを生成し、生成した入力傾向モデルに心音Ｓ３の欠損なし異常確率を入力することによって、心音Ｓ３の欠損が正常であるか否かを推定できることになる。

記載者ごとに各確率は異なると考えられるので、モデルは記載者別に生成することもできる。記載者別に診療録データを収集し、欠損正常確率、欠損なし異常確率を記載者別に集計し入力傾向モデルを生成する。生成したモデルの係数及び切片などモデルに関する情報は、図９の入力傾向変数テーブル９００に登録される。例えば、記載者ＩＤとともに、欠損なし正常確率係数と切片を登録する。欠損を補完する入力傾向モデルを利用するときにこのテーブルを参照し、欠損が異常であるか正常であるか算出する。

なお、上記の係数及び切片は、入力傾向モデルとして一次関数を使用した場合のパラメータの例であるが、入力傾向モデルとして一次関数以外の関数を使用してもよく、その場合には、使用された関数を記述するために適切なパラメータが入力傾向モデル構築部３０８によって算出される。

上記のように記載者別に詳細なモデルを生成することによって、記載者ごとに属性値の記載の傾向が異なる場合にも、その傾向が反映された精度の高い入力傾向モデルを生成することができる。入力傾向モデル利用部３０９は、後述する入力傾向モデル利用において、推定の対象となる診療録の記載者に対応する入力傾向モデルを使用することによって、精度の高い属性値の推定を行うことができる。

同一の記載者であっても、患者の疾患に応じて、診療録への属性値の記載の傾向が異なる場合がある。このため、患者の疾患も従属変数として用いることによって、よりロバストなモデルが構築できる。また、記載者の年齢、経験年数及び記載者が所属する診療科によって、入力の傾向が似ていると考えられるため、欠損正常確率及び欠損なし異常確率とともに年齢、経験年数、及び診療科も入力変数として用いることで、よりロバストなモデルが構築できる。その場合には、診療録判定結果データテーブル７１０に、記載者ＩＤを用いて、図１０の記載者情報管理テーブル１０００から読み出した情報を付与することで、経験年数及び診療科等の情報もモデルの変数に組み込んだ入力傾向モデルを構築できる。

あるいは、上記のように記載者ごとの入力傾向モデルを生成するのではなく、記載者の属性（例えば年齢、経験年数及び診療科の少なくとも一つ）が共通する複数の記載者について入力傾向モデルを生成してもよい。入力傾向モデル利用部３０９は、このような記載者の属性及び患者の疾患等に対応する入力傾向モデルを利用することによって、精度の高い属性値の推定を行うことができる。

図１４は、本発明の実施例１のデータ作成支援装置３０が実行する入力傾向モデル利用処理の概要の一例を示すフローチャートである。

一旦、退院した患者が再入院するかどうか予測する技術に関して、その分析データを生成する際に発生する欠損について入力傾向モデルを用いて補完するフローチャートを示す。

再入院予測技術は、再入院した患者と再入院しない患者の２群に分け、それらの患者の背景因子によって、再入院予測モデルを学習し、新規の入院患者が再入院するかどうかを予測する技術である。背景因子には、処方、検査、身体の状況等が含まれる。処方及び検査に関する情報は、オーダリングシステム１０１が保持するデータから入手できる。身体状況に関する情報は、電子カルテシステム１０２が保持するデータから入手できる。

データ作成支援装置３０は、病院情報システム１０からデータ抽出部３０１を介してデータを取得する（Ｓ１４０１）。病院によって別途分析用のデータウェアハウスが構築されている場合又はデータのバックアップが作成されている場合もある。データ作成支援装置３０は、病院の情報管理形態に合わせて適宜、分析用のデータを取得する。次に、データ作成支援装置３０は、取得したデータが電子カルテシステム１０２から取得したデータかオーダリングシステム１０１から取得したデータかを判定する（Ｓ１４０２）。この判定の結果に応じて処理が分岐する。

電子カルテシステム１０２からデータが取得された場合、主に診療録の所見１２４から抽出されたデータが診療録分析データテーブル７００に登録される。したがって、分析に使用するために所見から必要な属性及び属性値を抽出する必要がある。診療録解釈部３０３は、診療録抽出ルールテーブル６００を用いて所見が記載されている診療録から属性及び属性値を抽出する（Ｓ１４０３）。抽出される属性は、再入院の背景因子となるデータであり、例えば、飲酒、喫煙など、背景因子と考えられるもの全般である。

診療録解釈部３０３は、抽出した属性値を、それが抽出された所見の対象の患者及びその所見の記載日に対応する診療録分析データテーブル７００のレコードの、抽出した属性に対応するフィールドに登録する。当該患者の所見から、いずれかのフィールドに対応する属性値が抽出されなかった場合には、診療録解釈部３０３はそのフィールドにＮｕｌｌを入力する。

次に、診療録解釈部３０３は、診療録分析データテーブル７００に登録された属性値が検査値であるか否かを判定し（Ｓ１４０４）、属性値が検査値である場合には、検査値判定マスタ３０６に基づいて検査値の異常の有無を判定する（Ｓ１４０５）。そして、診療録解釈部３０３は、検査値に異常があった場合には属性値「１」を、異常がなかった場合には属性値「０」を、診療録判定結果データテーブル７１０の該当するフィールドに登録する（Ｓ１４０６）。

一方、Ｓ１４０４において属性値が検査値でない（例えば症状の有無を示す値である）と判定された場合、診療録解釈部３０３は、診療録抽出ルールテーブル６００に基づいて、抽出した属性値が正常又は異常のいずれに該当するかを判定し、その結果を（例えば正常の場合は「０」、異常の場合は「１」を）診療録分析データテーブル７００及び診療録判定結果データテーブル７１０の該当するフィールドに登録する（Ｓ１４０６）。

Ｓ１４０２においてオーダリングシステム１０１からデータを取得したと判定された場合、取得されたデータは、再入院の因子となるデータであり、処方又は検査などに関する情報を含む。特に検査情報データベースから取得されたデータは、一旦、検査情報分析データテーブル４００に登録される。検査情報解釈部３０２は、検査値判定マスタ３０６に基づいて検査値の異常の有無を判定し（Ｓ１４０７）、その判定結果を該当するフィールドに登録することによって、検査値判定結果データテーブル４１０を生成する（Ｓ１４０８）。

データ突合部３０７は、患者と検査項目の組合せごとに、診療録判定結果データテーブル７１０と検査値判定結果データテーブル４１０とを突合する（Ｓ１４０９）。

入力傾向モデル利用部３０９は、診療録判定結果データテーブル７１０と検査値判定結果データテーブル４１０とを同一患者の同一検査項目で突合することによって得られたデータに基づいて、診療録判定結果データテーブル７１０の検査以外の欠損が、異常であるか正常であるか、入力傾向モデルを用いて判定する（Ｓ１４１０）。この判定の詳細については、図１５を参照して後述する。入力傾向モデル利用部３０９は、欠損が正常であると判定された場合には当該属性値に該当するフィールドに０を入力し、欠損が異常であると判定された場合には１を入力することによって、補完された診療録判定結果データテーブル７１０を生成する。

データ作成支援装置３０又はその他の計算機は、このようにして欠損が補完された診療録判定結果データ３０５及び検査値判定結果データ３０４を学習データとして利用し、新規の入院患者が再入院するかどうかを予測する予測モデルを生成することができる。上記のように欠損を補完することによって、より予測モデルの生成に利用しやすい学習データを提供することができる。

図１５は、本発明の実施例１の入力傾向モデル利用部３０９が実行する入力傾向モデル利用処理の詳細の一例を示すフローチャートである。この処理は、図１４のＳ１４１０において実行される。

入力傾向モデル利用部３０９は、診療録判定結果データテーブル７１０の各項目について、欠損でない場合、つまり診療録に記載がある場合に、式（２）によって、属性値が異常である確率（欠損なし異常確率）を求める（Ｓ１５０１）。

例を示すと、図７に示す診療録判定結果データテーブル７１０の心音７１６は、診療録に記載があり、そこから情報が入手できたデータは、全部で６個あり、そのうちの４個が異常であった。このことから、欠損なし異常確率は、４／６である。

次に、入力傾向モデル利用部３０９は、記載者の入力傾向モデルを、入力傾向変数テーブル９００を参照することによって得る（Ｓ１５０２）。このモデルを使うと、欠損正常確率は式（３）によって計算できる。

欠損正常確率＝欠損なし異常確率係数×欠損なし異常確率＋切片 ・・・（３）

入力傾向モデル利用部３０９は、欠損なし異常確率を説明変数の入力とし、欠損正常確率を入力傾向モデルから得る（Ｓ１５０３）。

入力傾向モデル利用部３０９は、計算された欠損値正常確率が所定の条件を満たす（例えば閾値０．５以上である）場合にはその欠損している属性値を正常と推定して対応するフィールドに０を登録し、満たさない場合にはその欠損している属性値を異常と推定して対応するフィールドに１を登録することで、診療録判定結果データテーブル７１０を補完する（Ｓ１５０４）。

図７及び図９の例について説明する。この例では、記載者ＩＤ＝Ｄ０１のモデル、すなわち欠損なし異常確率係数＝−０．１６７及び切片＝１．１１１が利用される。欠損なし異常確率４／６に上記のモデルを使うと、式（３）によって、欠損正常確率は、０．８９と計算できる。閾値が０．５であれば、計算された欠損正常確率はそれより大きいため、入力傾向モデル利用部３０９は、欠損は正常であると推定し、欠損していた患者ＩＤ＝Ｐ０４の心音７１６の値として「０」を登録する。

図１９は、本発明の実施例１のデータ作成支援装置３０によって補完された診療録判定結果の表示画面の一例を示す説明図である。

例えば、上記のように患者ＩＤ＝Ｐ０４、記載日＝２０１４／１１／０８の心音７１６の値が「０」と補完された場合、データ分析端末２０がその補完に関する情報をデータ作成支援装置３０から取得して、出力部２０２がその情報を表示する。図１９の例では、出力部２０２（例えば液晶表示装置）によって、補完情報１９０１、補完元のレポート１９０２及びデータ補完後の診療録判定結果データテーブル１９０３を含む画面１９００が表示される。

補完情報１９０１は、補完されたデータを特定する情報である。図１９の例では、診療録の、患者ＩＤ「Ｐ０４」によって識別される患者の、２０１４年１１月８日に記載された所見の、心音に関する記載が補完されたことが特定される。

補完元のレポート１９０２は、補完される前の補完対象の文書を示す。図１９の例では、診療録の、患者ＩＤ「Ｐ０４」によって識別される患者の、２０１４年１１月８日に記載された所見が表示される。

データ補完後の診療録判定結果データテーブル１９０３は、データ作成支援装置３０によって補完された診療録判定結果データテーブル７１０であり、図１９の例では、患者ＩＤ＝Ｐ０４、記載日＝２０１４／１１／０８の心音７１６の値「Ｎｕｌｌ」が「０」と補完されている。

以上の実施例１によれば、検査情報データベースに含まれる検査値と、診療録データベースから抽出された属性値のうち検査値と、に基づいて、各属性値が正常か否かの判定結果と各属性値の診療録への記載の有無の傾向とを対応付ける入力傾向モデルが生成され、それに基づいて、診療録に記載されていない検査値以外の属性値の傾向（すなわち正常又は異常のどちらである傾向が強いか）が推定され、その結果が出力される。これによって、まだ診療録に記載されたことがない属性値であっても、その傾向を推定し、診療録の記載の欠損を補完することができる。

次に、本発明の実施例２について、図面を参照して説明する。以下に説明する相違点を除き、実施例２のシステムの各部は、図１〜図１５に示された実施例１の同一の符号を付された各部と同一の機能を有するため、それらの説明は省略する。

医師が患者の記録を付けるにあたり、疾患によって見るべきポイントがある。また、診療科によっては記録の付け方に慣習がある。また、医師の経験年数が上がると、より重要で書くべきポイントに絞って記録をつけるという傾向にある。

そこで、診療科及び経験年数といった記載者に付随する情報によって入力傾向が変化するという点を利用し、医療従事者が書くべきだが抜けている項目を提示する本発明の実施例２について次に示す。

図１６は、本発明の実施例２の入力傾向モデル構築部３０８が実行する入力傾向モデル構築処理の詳細の一例を示すフローチャートである。

実施例２のデータ作成支援装置３０は、実施例１と同様に、図１２に示す入力傾向モデル構築処理を実行し、そのＳ１２１１において入力傾向モデル構築部３０８が図１６の処理を実行する。ただし、実施例２ではＳ１２０７は実行されない。

最初に、入力傾向モデル構築部３０８は、検査項目ごとに診療録判定結果データ３０５及び検査値判定結果データ３０４を突合する（Ｓ１６０１）。この処理は、実施例１のＳ１３０１と同様に実行できるため、説明を省略する。図４及び図７の例では、突合を行うことによって、患者ＩＤ＝Ｐ０１、Ｐ０３からＰ０８の検査ＢＵＮ及びＣＲＥに関するデータが抽出される。

次に、入力傾向モデル構築部３０８は、診療録判定結果データテーブル７１０に登録されている属性のそれぞれについて欠損情報分析テーブル１１００に登録する。まず入力傾向モデル構築部３０８は欠損情報分析テーブル１１００の欠損フラグ１１０２を得る。各属性について、属性値が欠損していれば、欠損フラグとして１が、欠損していなければ、欠損フラグとして０が得られる（Ｓ１６０２）。また、入力傾向モデル構築部３０８は、欠損（Ｎｕｌｌ）がそもそも正常値であったか異常値であったか、検査値判定結果データ３０４を参照して判定し、欠損情報分析テーブル１１００の正常異常フラグ１１０３に、異常であれば１、正常であれば０を取得する（Ｓ１６０３）。次に、入力傾向モデル構築部３０８は、当該患者の患者入院基本情報テーブル８００から各患者の疾患名８０４を取得する（Ｓ１６０４）。

次に、入力傾向モデル構築部３０８は、診療録の記載者の情報を、記載者ＩＤ１２３に基づいて、記載者情報管理テーブル１０００から得る（Ｓ１６０５）。例えば、入力傾向モデル構築部３０８は、記載者の所属年月日１００４から経験年数の、生年月日１００３から年齢の、診療科１００２から所属している診療科の情報を、それぞれ得る。

次に、入力傾向モデル構築部３０８は、取得した属性、欠損フラグ、正常異常フラグ、当該患者の疾患、及び記載者の情報を欠損情報分析テーブル１１００の対応するフィールドに登録する（Ｓ１６０６）。

次に、入力傾向モデル構築部３０８は、欠損フラグを説明変数とし、記載者情報（例えば経験年数、年齢、診療科などの、記載者の属性を示す情報）、疾患、及び正常異常フラグを従属変数として、属性別に入力傾向モデルを構築する（Ｓ１６０７）。

図１７は、本発明の実施例２の入力傾向モデル利用部３０９が実行する入力傾向モデル利用処理の詳細の一例を示すフローチャートである。

ある患者に関する診療録を書き終えた記載者が、その診療録を新たに電子カルテシステム１０２の診療録データベースに登録するために、例えば、診療録の入力画面（図示省略）に表示された診療録登録ボタン（図示省略）を押す（Ｓ１７０１）。入力傾向モデル利用部３０９は、診療録テーブル１２０及び診療録抽出ルールテーブル６００を参照して、登録対象の診療録に記載された属性、及び記載されなかった属性を得る（Ｓ１７０２）。特に記載されなかった属性に対して、入力傾向モデル利用部３０９は以降の処理を実行する（Ｓ１７０３）。例えば、入力傾向モデル利用部３０９は、検査情報分析データテーブル４００を参照して、登録対象の診療録に対応する検査項目のうち、登録対象の診療録に検査値が記載されていない検査項目を、記載されなかった属性として特定する。この特定は、図１３登録対象の診療録に対応する検査値は、登録対象の診療録の記載日１２２と、各検査値の検査日４０２と、に基づいて、図１３のＳ１３０１と同様の方法で行うことができる。

入力傾向モデル利用部３０９は、患者入院基本情報テーブル８００の疾患名８０４から当該患者の疾患を得る（Ｓ１７０４）。次に、入力傾向モデル利用部３０９は、記載者情報管理テーブル１０００から診療録記載者の情報（経験年数、年齢、診療科など）を得る（Ｓ１７０５）。次に、入力傾向モデル利用部３０９は、記載されなかった属性に関する入力傾向モデルを取得し、記載者情報（経験年数、年齢、診療科など）、関連疾患、正常異常を入力する（Ｓ１７０６）。

入力傾向モデル利用部３０９は、モデルを用いて欠損フラグの値を計算する。計算された欠損フラグの値が１である場合には、当該記載者が属する診療科において、当該記載者と年齢、経験年数が近い他の記載者が当該属性の属性値を記載しない傾向が強いため、欠損のままでよいと判定される。一方、計算されたフラグの値が０である場合には、当該記載者が属する診療科において、当該記載者と年齢、経験年数が近い他の記載者が当該属性の属性値を記載する傾向が強いため、属性値を記載すべきであると判定される（Ｓ１７０７）。記載者は、記載すべきであると判定された属性値を、登録対象の診療録に追加して書き込むことができる。

なお、入力傾向モデルに記載者情報、関連疾患、正常異常等を入力することによって計算される欠損フラグは、通常は０から１までの範囲のいずれかの値をとる。このため、入力傾向モデル利用部３０９は、得られた値が所定の条件を満たす（例えば０．５などの所定の閾値を超える）場合に欠損フラグを１、満たさない場合に欠損フラグを０と判定してもよい。

記載者の経験年数が浅い場合には、入力される経験年数を実際より増すことによって、上記モデルを持って計算すると、経験年数の長い記載者がそれぞれの属性値を書く傾向にあるかどうかがわかる。

上記の例では、従属変数として検査値の正常異常フラグ、記載者の属性を示す情報及び患者の疾患等が使用されるが、常にこれらの全ての項目が必要であるとは限らない。診療録への検査値の記載の傾向に対する影響が大きいと考えられる項目のみを従属変数として使用してもよい。例えば、記載者ごとの記載の傾向のばらつきが十分に小さく、患者の疾患による影響も小さい場合には、正常異常フラグのみを従属変数として含む入力傾向モデルが生成及び利用されてもよい。あるいは、正常異常フラグ（すなわち、検査値の大きさに基づく正常か否かの判定結果）ではなく、検査値そのもの（すなわち検査値の大きさそのもの）を従属変数として含む入力傾向モデルが生成及び利用されてもよい。

以上の実施例２によれば、検査情報データベースに含まれる検査値と、診療録データベースから抽出された属性値のうち検査値と、に基づいて、各属性値と各属性値の診療録への記載の有無の傾向とを対応付ける入力傾向モデルが生成され、それに基づいて、実際に行われた検査の結果を示す検査値の診療録への記載の有無の傾向（すなわちその項目の検査値が診療録に記載される傾向が強いか）が推定され、その結果が出力される。これによって、記載者ごとの属性値の記載の有無のばらつきを小さくすることができ、その結果、例えば、診療科ごと又は患者の疾患ごとに、記載者に依存せずに、必要な項目の属性値がもれなく記載され、重要性の低い項目の属性値が省略された診療録を作成することができる。

なお、本発明は上記した実施形態に限定されるものではなく、様々な変形例が含まれる。例えば、上記した実施形態は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、ある実施形態の構成の一部を他の実施形態の構成に置き換えることが可能であり、また、ある実施形態の構成に他の実施形態の構成を加えることも可能である。また、各実施形態の構成の一部について、他の構成の追加・削除・置換をすることが可能である。

また、上記の各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等によってハードウェアで実現してもよい。また、上記の各構成、機能等は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによってソフトウェアで実現してもよい。各機能を実現するプログラム、テーブル、ファイル等の情報は、不揮発性半導体メモリ、ハードディスクドライブ、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等の記憶デバイス、または、ＩＣカード、ＳＤカード、ＤＶＤ等の計算機読み取り可能な非一時的データ記憶媒体に格納することができる。

また、制御線及び情報線は説明上必要と考えられるものを示しており、製品上必ずしも全ての制御線及び情報線を示しているとは限らない。実際にはほとんど全ての構成が相互に接続されていると考えてもよい。

１０ 病院情報システム
２０ データ分析端末
３０ データ作成支援装置
１０１ オーダリングシステム
１０２ 電子カルテシステム
１０３ 入出力部
１０４ 制御部
２０１ 入力部
２０２ 出力部
２０３ 入出力画面厚生部
３０１ データ抽出部
３０２ 検査情報解釈部
３０３ 診療録解釈部
３０４ 検査値判定結果データ
３０５ 診療録判定結果データ
３０６ 検査値判定マスタ
３０７ データ突合部
３０８ 入力傾向モデル構築部
３０９ 入力傾向モデル利用部

Claims (15)

1. プロセッサと、前記プロセッサに接続される記憶装置と、を有するデータ作成支援システムであって、
   前記記憶装置は、各患者に関する複数の検査項目の検査値を含む検査値情報と、それぞれが各患者について記載された複数の文書を含む文書情報と、を保持し、
   前記データ作成支援システムは、
   所定のルールに基づいて前記文書情報から複数の属性値を抽出する文書解釈部と、
   前記検査値情報に含まれる検査値と、前記文書情報から抽出された属性値のうち検査値と、に基づいて、前記各属性値と前記各属性値の前記文書への記載の有無の傾向とを対応付けるモデルを生成するモデル構築部と、
   前記モデルに基づいて、前記属性値の傾向又は前記属性値の前記文書への記載の有無の傾向を推定し、推定の結果を出力するモデル利用部と、を有することを特徴とするデータ作成支援システム。
2. 請求項１に記載のデータ作成支援システムであって、
   前記モデル構築部は、前記検査値情報及び前記文書情報を参照して、前記検査項目ごとに、前記文書情報から抽出された検査値が異常である第１確率、及び、前記文書情報から抽出されなかった検査値が正常である第２確率を計算し、前記複数の検査項目について計算された前記第１確率及び前記第２確率に基づいて、前記第１確率から前記第２確率を推定する前記モデルを生成し、
   前記モデル利用部は、前記文書情報から抽出された前記検査値以外の属性値が異常である確率と、前記モデルと、に基づいて、前記文書情報から抽出されなかった前記検査値以外の属性値が正常か否かを推定することを特徴とするデータ作成支援システム。
3. 請求項２に記載のデータ作成支援システムであって、
   前記記憶装置は、前記各文書を記載した記載者の識別情報をさらに保持し、
   前記モデル構築部は、前記検査値情報及び前記文書情報を参照して、前記各記載者に対応する前記モデルを生成し、
   前記モデル利用部は、いずれかの前記記載者によって記載された前記文書から抽出された前記検査値以外の属性値が異常である確率と、当該記載者に対応する前記モデルと、に基づいて、当該記載者によって記載された前記文書から抽出されなかった前記検査値以外の属性値が正常か否かを推定することを特徴とするデータ作成支援システム。
4. 請求項２に記載のデータ作成支援システムであって、
   前記記憶装置は、前記各文書を記載した記載者の属性を示す情報及び前記各文書の記載の対象である患者の疾患を示す情報をさらに保持し、
   前記モデル構築部は、前記検査値情報及び前記文書情報を参照して、前記記載者の属性及び前記患者の疾患の少なくとも一つに対応する前記モデルを生成し、
   前記モデル利用部は、前記記載者の属性及び前記患者の疾患の少なくとも一つに対応する前記文書から抽出された前記検査値以外の属性値が異常である確率と、当該記載者の属性及び前記患者の疾患の少なくとも一つに対応する前記モデルと、に基づいて、前記記載者の属性及び前記患者の疾患の少なくとも一つに対応する前記文書から抽出されなかった前記検査値以外の属性値が正常か否かを推定することを特徴とするデータ作成支援システム。
5. 請求項４に記載のデータ作成支援システムであって、
   前記記載者の属性は、前記記載者の年齢、経験年数及び所属診療科の少なくとも一つを含むことを特徴とするデータ作成支援システム。
6. 請求項２に記載のデータ作成支援システムであって、
   前記記憶装置は、前記検査値情報に含まれる前記各検査値が取得された日を示す情報、及び、前記文書情報に含まれる前記各文書が記載された日を示す情報をさらに保持し、
   前記モデル構築部は、同一の患者に関する前記検査値情報及び前記文書情報について、前記検査値情報に含まれる検査値と同一の検査値が、当該検査値情報に含まれる検査値が取得された日と同日又はそれより後の所定の期間内に記載されたいずれの前記文書からも抽出されなかった場合、当該検査値が前記文書情報から抽出されなかったと判定し、前記文書情報から抽出されなかった検査値が正常か否かを判定することによって、前記第２確率を計算することを特徴とするデータ作成支援システム。
7. 請求項１に記載のデータ作成支援システムであって、
   前記モデル構築部は、前記検査値情報及び前記文書情報を参照して、前記検査項目ごとに、前記検査値情報に含まれる検査値と、前記文書情報から抽出された検査値と、前記検査値情報に含まれる検査値が前記文書情報から抽出されたか否かの判定結果と、に基づいて、前記各検査項目の検査値の大きさから前記各検査項目の検査値が前記文書に記載されるか否かを推定する前記モデルを計算し、
   前記モデル利用部は、登録対象の前記文書から前記所定のルールに基づいて一つ以上の検査値を抽出し、前記登録対象の文書から抽出されなかった検査値を前記検査値情報に基づいて特定し、前記特定された検査値の大きさと、前記特定された検査値の検査項目の前記モデルと、に基づいて、前記特定された検査値が前記文書に記載されるか否かを推定することを特徴とするデータ作成支援システム。
8. 請求項７に記載のデータ作成支援システムであって、
   前記モデル構築部は、前記検査値情報及び前記文書情報を参照して、前記検査項目ごとに、前記検査値情報に含まれる検査値が正常か否かの判定結果と、前記文書情報から抽出された検査値が正常か否かの判定結果と、前記検査値情報に含まれる検査値が前記文書情報から抽出されたか否かの判定結果と、に基づいて、前記各検査項目の検査値が正常か否かの判定結果から前記各検査項目の検査値が前記文書に記載されるか否かを推定する前記モデルを計算することを特徴とするデータ作成支援システム。
9. 請求項７に記載のデータ作成支援システムであって、
   前記記憶装置は、前記各文書を記載した記載者の属性を示す情報及び前記各文書の記載の対象である患者の疾患を示す情報をさらに保持し、
   前記モデル構築部は、前記検査値情報及び前記文書情報を参照して、前記記載者の属性及び前記患者の疾患の少なくとも一つに対応する前記モデルを生成し、
   前記モデル利用部は、前記登録対象の文書を記載した記載者の属性又は当該登録対象の文書の記載の対象である患者の少なくとも一つに対応する前記モデルに基づいて、前記特定された検査値が前記文書に記載されるか否かを推定することを特徴とするデータ作成支援システム。
10. 請求項９に記載のデータ作成支援システムであって、
    前記記載者の属性は、前記記載者の年齢、経験年数及び所属診療科の少なくとも一つを含むことを特徴とするデータ作成支援システム。
11. 請求項７に記載のデータ作成支援システムであって、
    前記記憶装置は、前記検査値情報に含まれる前記各検査値が取得された日を示す情報、及び、前記文書情報に含まれる前記各文書が記載された日を示す情報をさらに保持し、
    前記モデル構築部及び前記モデル利用部は、同一の患者に関する前記検査値情報及び前記文書情報について、前記検査値情報に含まれる検査値と同一の検査値が、当該検査値情報に含まれる検査値が取得された日と同日又はそれより後の所定の期間内に記載されたいずれの前記文書からも抽出されなかった場合、当該検査値が前記文書情報から抽出されなかったと判定することを特徴とするデータ作成支援システム。
12. プロセッサと、前記プロセッサに接続される記憶装置と、を有する計算機システムが実行するデータ作成支援方法であって、
    前記記憶装置は、各患者に関する複数の検査項目の検査値を含む検査値情報と、それぞれが各患者について記載された複数の文書を含む文書情報と、を保持し、
    前記データ作成支援方法は、
    前記プロセッサが、所定のルールに基づいて前記文書情報から複数の属性値を抽出する第１手順と、
    前記プロセッサが、前記検査値情報に含まれる検査値と、前記文書情報から抽出された属性値のうち検査値と、に基づいて、前記各属性値と前記各属性値の前記文書への記載の有無の傾向とを対応付けるモデルを生成する第２手順と、
    前記プロセッサが、前記モデルに基づいて、前記属性値の傾向又は前記属性値の前記文書への記載の有無の傾向を推定し、推定の結果を出力する第３手順と、を含むことを特徴とするデータ作成支援方法。
13. 請求項１２に記載のデータ作成支援方法であって、
    第２手順は、前記プロセッサが、前記検査値情報及び前記文書情報を参照して、前記検査項目ごとに、前記文書情報から抽出された検査値が異常である第１確率、及び、前記文書情報から抽出されなかった検査値が正常である第２確率を計算し、前記複数の検査項目について計算された前記第１確率及び前記第２確率に基づいて、前記第１確率から前記第２確率を推定する前記モデルを生成する手順を含み、
    前記第３手順は、前記プロセッサが、前記文書情報から抽出された前記検査値以外の属性値が異常である確率と、前記モデルと、に基づいて、前記文書情報から抽出されなかった前記検査値以外の属性値が正常か否かを推定する手順を含むことを特徴とするデータ作成支援方法。
14. 請求項１２に記載のデータ作成支援方法であって、
    前記第２手順は、前記プロセッサが、前記検査値情報及び前記文書情報を参照して、前記検査項目ごとに、前記検査値情報に含まれる検査値と、前記文書情報から抽出された検査値と、前記検査値情報に含まれる検査値が前記文書情報から抽出されたか否かの判定結果と、に基づいて、前記各検査項目の検査値の大きさから前記各検査項目の検査値が前記文書に記載されるか否かを推定する前記モデルを計算する手順を含み、
    前記第３手順は、前記プロセッサが、登録対象の前記文書から前記所定のルールに基づいて一つ以上の検査値を抽出し、前記登録対象の文書から抽出されなかった検査値を前記検査値情報に基づいて特定し、前記特定された検査値の大きさと、前記特定された検査値の検査項目の前記モデルと、に基づいて、前記特定された検査値が前記文書に記載されるか否かを推定する手順を含むことを特徴とするデータ作成支援方法。
15. プロセッサと、前記プロセッサに接続される記憶装置と、を有する計算機システムのためのプログラムであって、
    前記記憶装置は、各患者に関する複数の検査項目の検査値を含む検査値情報と、それぞれが各患者について記載された複数の文書を含む文書情報と、を保持し、
    前記プログラムは、
    所定のルールに基づいて前記文書情報から複数の属性値を抽出する第１手順と、
    前記検査値情報に含まれる検査値と、前記文書情報から抽出された属性値のうち検査値と、に基づいて、前記各属性値と前記各属性値の前記文書への記載の有無の傾向とを対応付けるモデルを生成する第２手順と、
    前記モデルに基づいて、前記属性値の傾向又は前記属性値の前記文書への記載の有無の傾向を推定し、推定の結果を出力する第３手順と、を前記プロセッサに実行させることを特徴とするプログラム。

Images