JP2017174407A

JP2017174407A - 患者の診断を支援するシステムおよび方法

Info

Publication number: JP2017174407A
Application number: JP2017014695A
Authority: JP
Inventors: ラトーレ・ビクトールデ; De La Torre Victor; ビリャソン−テラサス・ボリス; Villazon-Terrazas Boris
Original assignee: Fujitsu Ltd
Current assignee: Fujitsu Ltd
Priority date: 2016-03-24
Filing date: 2017-01-30
Publication date: 2017-09-28
Anticipated expiration: 2037-01-30
Also published as: US20170277840A1; EP3223177A1; JP7035314B2; US11195103B2

Abstract

【課題】患者の診断を支援するシステムおよび方法を提供する。【解決手段】データおよび知識取得モジュール２０は、診断、薬、症状、治療を含む患者データについての入力、オープンなデータについての入力およびエキスパート臨床担当者知識についての入力を含み、患者臨床オブジェクト、生物医学的知識グラフおよび規則ベースの知識グラフを生成する。メタ診断予測モジュール３０は患者臨床オブジェクト、生物医学的知識グラフ、規則ベースの知識グラフを、一組の診断を提供する診断ベースの予測器Ｐ１０、患者によって服用される薬に基づいて一組の診断を提供する薬ベースの予測器Ｐ２０、患者の症状に基づいて一組の診断を提供する症状ベースの予測器Ｐ３０および患者が受けている治療に基づいて一組の診断を提供する治療ベースの予測器Ｐ４０のうちの二つ以上を用い、予測された主要診断を与えるようそれらの組の診断を組み合わせるメタ予測器を含む。【選択図】図３

Description

本発明は、通例患者と称される個体または被験者の診断に関する。患者は人間、あるいは潜在的には動物、たとえば珍しい血統の標本またさらにはペットでありうる。多くのシナリオにおいて患者はすでに障害を患っているが、他のシナリオでは患者は現在のところ健康である。このように、本発明は、医療、ヘルスケアおよび獣医科学に広く適用可能である。

診断プロセスは、個体内に特定の帰結または疾病（または通例は病気または障害を含む、状態）が存在する（または不在である）確率の推定である。

患者について正確な診断を提供することは困難なタスクである。長年の研究および日々の実務によって、臨床担当者（たとえば看護師、医師、歯科医、ヘルスケア実務者および獣医実務者を含むことができる）はこの診断を推定するために必要な技量を得る。この推定の正確さは、患者に正しい治療を提供するために枢要である。しかしながら、タスクの複雑さのため、高水準の正確さが常に達成されるわけではない。ほとんどすべての治療は副作用をもつので、診断レベルにおける誤りは患者の健康に深遠な影響をもつ。たとえば心の健康の場合、正しい診断を推定することは、人間挙動の複雑さを考えると、一層難しいタスクとなることがある。

今日、診断誤り（これは、何らかのその後の決定的な試験または知見により検出されるところの、見逃された、誤っているまたは遅れた診断として定義されることができる）は以前にも増して臨床的および金銭的に高価なものとなっている。さらに、診断誤りは、米国における医療過誤クレームの主要な原因であり、年に4万〜8万の死者を出していると推定される。

診断推定の正確さに影響するいくつかの因子がある：
・臨床担当者が患者を診察する時間が非常に短い
・いくつかの症状が同時に存在することがあるので、多くの場合、診断は自明ではない
・診断の「決断」（resolution）は既存の治療に合わなければならない
・所与の患者が、複数の専門および異なる知識レベルからの異なるクラスの臨床担当者によって診断される
・データベースに記録された以前の診断は、かかる以前の診断が情報システムに記録されたときの誤りのため、患者の真の状態を反映していないことがある。

結果として、診断プロセスにおいて臨床担当者を支援することは、診断誤りを減らし、よってヘルスケア・システムの効率を改善するとともに、望ましくない副作用を避けることによって費用を低減することになる。

本発明の第一の側面に基づくある実施形態は、患者の診断を支援するシステムであって：データおよび知識取得モジュールおよびメタ診断予測モジュールを有しており、前記データおよび知識取得モジュールは：以前の診断、薬、症状および治療の任意のものを含む患者データについての入力、オープンなデータについての入力およびエキスパート臨床担当者知識についての入力を含み、これらの入力を使って患者臨床オブジェクト（PCO: patient clinical object）、生物医学的知識グラフおよび規則ベースの知識グラフを生成し、次いで前記生物医学的知識グラフを使って前記患者臨床オブジェクトを豊富にするよう構成されており；前記メタ診断予測モジュールは前記患者臨床オブジェクトおよび前記生物医学的知識グラフおよび／または前記規則ベースの知識グラフを、以下の予測器、すなわち以前の診断に基づいて一組の診断を提供する診断ベースの予測器、患者によって服用される薬に基づいて一組の診断を提供する薬ベースの予測器、患者の症状に基づいて一組の診断を提供する症状ベースの予測器および患者が受けている治療に基づいて一組の診断を提供する治療ベースの予測器のうちの二つ以上において使うよう構成されており；前記メタ診断予測モジュールは、予測された主要診断を与えるようそれらの組の診断を組み合わせるメタ予測器を含む、システムを提供する。

発明実施形態に基づく患者固有データ、オープンなデータおよび臨床担当者の知識の混合ならびにその処理は、予測される主要診断の点で貴重な結果を与える。予測される主要診断は臨床担当者に対して画面上で表示されてもよく、あるいは他のいかなる好適な仕方で提供されてもよく、たとえばプリントアウトまたは電子メールとしてであってもよい。

好ましい実施形態では、考慮されうる異なる因子すべてに基づくフルレンジの予測を与えるよう、上記個々の予測器のすべてが使われる。各予測器はPCOからの患者固有情報および前記エキスパート知識ベースおよび生物医学的知識ベースの少なくとも一方からの一般的情報を受ける。ある実施形態では、前記メタ診断予測モジュールは、個々の予測器、すなわち診断ベース、薬ベース、症状ベースまたは治療ベースの予測器によって生成された予測を整理し、処理することによって予測を行なう。

診断ベースの予測器は、以前の診断に基づいて、たとえばPCO内の以前の診断（単数または複数）を、エキスパート知識を加えるよう規則ベースのグラフからの入力とともに使って、一組の診断を提供するよう構成されることができる。

薬ベースの予測器は、PCOからの情報および生物医学的知識グラフを使って、患者によって服用される薬に基づく一組の診断を提供するよう構成されることができる。

症状ベースの予測器は、PCO内の情報および生物医学的知識グラフを使って、患者の症状に基づく一組の診断を提供するよう構成されることができる。

最後に、治療ベースの予測器は、PCO内の治療および生物医学的知識グラフに基づいて一組の診断を提供するよう構成されることができる。

好ましくは、エキスパート臨床担当者知識についての前記入力は、二つの診断の対（または三つ以上の診断の群）ならびに当該臨床担当者に知られているそれらの間の関係の入力を許容する。たとえば、この入力は、プレーンテキスト・ファイルの形であることができる。前記データおよび知識取得モジュールは、これらの診断およびそれらの間の関係からグラフを構築するエキスパート知識ベース・エンジンを含むことができる。

前記データおよび知識取得モジュールは、前記オープンな源からデータを抽出して、前記生物医学的知識グラフ、たとえば診断、薬、治療および症状についての情報およびそれらの間のリンクを含むグラフ・データベースを形成するよう構成されていてもよい。

前記データおよび知識取得モジュールは、PCOエンジンを含むことができる。これは、診断、症状、治療、通院および処方の任意のもののようなカテゴリーによって患者にリンクされた患者についての情報とともに、患者を中心とするグラフとして、履歴臨床データからPCOを与える。履歴臨床データはたとえば病院記録または健康当局の記録から提供されてもよい。

PCO豊富化器が前記データおよび知識取得システムにおいて設けられて、前記PCOを前記生物医学的知識グラフと比較して、PCOの諸部分を標準的な語彙と対応させるとともにPCO内のエンティティを前記生物医学的知識グラフからの対応する概念／情報で注釈付けしてもよい。

前記メタ診断予測モジュールは、使用されるさまざまな個々の予測器を考慮に入れて、全体的な主要診断に到達するよういかなる好適な仕方で機能してもよい。たとえば、（ある個別の予測器からの）診断の各組における各診断をスコアに基づいてランク付けしてもよい。ちなみに、診断の組は実際には単一の診断を含むのでもよい。

また、各予測器は、パフォーマンス正確さ指標に基づく重み付けを与えられてもよい。この重み付けは、主要診断のために考慮に入れられる診断（診断の各組において最上位の診断から始めて下向きに進んでいく）の数を決定するために使用されることができる。この構成では、前記一組の診断のいくつかは考慮に入れられない。

パフォーマンス正確さ指標はいかなる好適な仕方で導出されることもできる。一例では、あらかじめ定義された一組のトレーニング例でのメタ予測器トレーニングから導出される。

前記メタ予測器は、前記諸予測器からの考慮に入れられる診断を検査し、一つまたは複数を選択することができる。たとえば、最も多くの予測器において存在している診断または最高の累積スコアをもつ診断を、主要診断として選択することができる。

本発明のさらなる側面のある実施形態によれば、患者の診断を支援する方法であって：以前の診断、薬、症状および治療の任意のものを含む患者データの入力を受け入れ、オープンなデータの入力を受け入れ、エキスパート臨床担当者知識の入力を受け入れる段階と、これらの入力を使って患者臨床オブジェクトPCO、生物医学的知識グラフおよび規則ベースの知識グラフを生成する段階と、次いで前記生物医学的知識グラフを使って前記患者臨床オブジェクトを豊富にする段階と；前記患者臨床オブジェクトおよび前記生物医学的知識グラフおよび／または前記規則ベースの知識グラフを使って、以下の予測、すなわち以前の診断に基づく、診断で予測された一組の診断、患者によって服用される薬に基づく薬ベースで予測された一組の診断、患者の症状に基づく症状ベースで予測された一組の診断および患者が受けている治療に基づく治療ベースで予測された一組の診断のうちの二つ以上を提供する段階と；前記の複数組の診断を組み合わせて、予測された主要診断を与える段階とを含む、方法が提供される。

本発明のさらなる側面のある実施形態によれば、コンピュータ上で実行されたときに、患者の診断を支援する方法を実行するコンピュータ・プログラムであって、前記方法は：以前の診断、薬、症状および治療の任意のものを含む患者データの入力を受け入れ、オープンなデータの入力を受け入れ、エキスパート臨床担当者知識の入力を受け入れる段階と、これらの入力を使って患者臨床オブジェクトPCO、生物医学的知識グラフおよび規則ベースの知識グラフを生成する段階と、次いで前記生物医学的知識グラフを使って前記患者臨床オブジェクトを豊富にする段階と；前記患者臨床オブジェクトおよび前記生物医学的知識グラフおよび／または前記規則ベースの知識グラフを使って、以下の予測、すなわち以前の診断に基づく診断で予測された一組の診断、患者によって服用される薬に基づく薬ベースで予測された一組の診断、患者の症状に基づく症状ベースで予測された一組の診断および患者が受けている治療に基づく治療ベースで予測された一組の診断のうちの二つ以上を提供する段階と；前記の複数組の診断を組み合わせて、予測された主要診断を与える段階とを含む、コンピュータ／プログラムが提供される。

本発明の好ましい実施形態に基づく方法またはコンピュータ・プログラムは、関わってくるシステムの個別的な部分に制約されることなく、先の装置側面の任意の組み合わせを含むことができる。これらのさらなる実施形態に基づく方法またはコンピュータ・プログラムは、処理およびメモリ能力を要求するという点で、コンピュータ実装されるものとして記述されることができる。

好ましい実施形態に基づく装置は、ある種の機能を実行するよう構成されているもしくは配置されているまたは単にある種の機能を実行するものとして記述される。この構成または配置は、ハードウェアもしくはミドルウェアまたは他の任意の好適なシステムの使用によることができる。好ましい実施形態では、構成または配置はソフトウェアによる。

このように、ある側面によれば、少なくとも一つのコンピュータにロードされたときに、先のシステム定義の任意のものまたはその任意の組み合わせに基づくシステムとなるよう該コンピュータを構成するプログラムが提供される。

あるさらなる側面によれば、前記少なくとも一つのコンピュータにロードされたときに、先の方法定義の任意のものまたはその任意の組み合わせに基づく方法段階を実行するよう前記少なくとも一つのコンピュータを構成するプログラムが提供される。

一般に、前記コンピュータは、定義された機能を提供するよう構成されるまたは配置されるものとして列挙される諸要素を有していてもよい。たとえば、このコンピュータは、メモリ、処理およびネットワーク・インターフェースを含んでいてもよい。

本発明は、デジタル電子回路においてまたはコンピュータ・ハードウェア、ファームウェア、ソフトウェアまたはそれらの組み合わせにおいて実装されることができる。本発明は、一つまたは複数のハードウェア・モジュールによる実行のためにまたは一つまたは複数のハードウェア・モジュールの動作を制御するための、コンピュータ・プログラムまたはコンピュータ・プログラム・プロダクト、すなわち非一時的な情報担体において、たとえば機械可読記憶デバイスにおいて、または伝搬される信号において有体に具現されているコンピュータ・プログラムとして実装されることができる。コンピュータ・プログラムは、スタンドアローンのプログラム、コンピュータ・プログラムの一部分または二つ以上のコンピュータ・プログラムの形であることができ、コンパイルされる言語またはインタープリター言語を含む任意の形のプログラミング言語で書かれることができ、コンピュータ・プログラムは、モジュール、コンポーネント、サブルーチンまたはデータ処理環境における使用に好適な他の単位としてなど、任意の形で展開されることができる。コンピュータ・プログラムは、一つのモジュール上で、あるいは一つのサイトにあるまたは複数のサイトを横断して分散され通信ネットワークによって相互接続された複数のモジュール上で実行されるよう展開されることができる。

本発明の方法段階は、入力データに対して作用して出力データを生成することにより本発明の機能を実行するようコンピュータ・プログラムを実行する一つまたは複数のプログラム可能プロセッサによって実行されることができる。本発明の装置は、プログラムされたハードウェアとしてまたは特殊目的論理回路、たとえばFPGA（フィールドプログラマブルゲートアレイ）またはASIC（特定用途向け集積回路）として実装されることができる。

コンピュータ・プログラムの実行に好適なプロセッサは、たとえば、汎用および特殊目的マイクロプロセッサの両方ならびに任意の種類のデジタル・コンピュータの任意の一つまたは複数のプロセッサを含む。一般に、プロセッサは命令およびデータを読み出し専用メモリもしくはランダム・アクセス・メモリまたは両方から受領する。コンピュータの本質的な要素は、命令およびデータを記憶する一つまたは複数のメモリ・デバイスに結合された、命令を実行するためのプロセッサである。

本発明は、具体的な実施形態を用いて記述される。他の実施形態が付属の請求項の範囲内である。たとえば、本発明の段階は、異なる順序で実行されることができ、それでも望ましい結果を達成することができる。オブジェクト指向プログラミング技術を使うことなく、複数の試験スクリプト・バージョンが編集され、単位として呼び出されることができる。たとえば、スクリプト・オブジェクトの要素は構造化データベースまたはファイル・システムにおいて編成されることができ、スクリプト・オブジェクトによって実行されるとして記述されている動作は試験制御プログラムによって実行されることができる。

本発明の要素は、「モジュール」および「ユニット」という用語ならびに機能的な定義を使って記述されてきた。当業者は、そのような用語およびその等価物が、空間的に離れているが組み合わさって定義される機能に資するシステムの諸部分を指しうることを理解するであろう。同じく、システムの同じ物理的な部分が、定義される機能の二つ以上を提供してもよい。

たとえば、別個に定義された手段が、適宜同じメモリおよび／またはプロセッサを使って実装されてもよい。

本発明の好ましい特徴についてこれから、付属の図面を参照して純粋に例として述べる。

本発明の概括的な実施形態におけるコンポーネントのブロック図である。概括的な実施形態における方法のフローチャートである。詳細な実施形態における主要なシステム・コンポーネントのブロック図である。生物医学的知識グラフからの抜粋である。例示的なPCOである。 PCOがどのようにして構築されることができるかを示す図である。 PCOがどのようにして構築されることができるかを示す図である。 PCOがどのようにして構築されることができるかを示す図である。生物医学的知識グラフを使うPCOの豊富化を示す図の一である。生物医学的知識グラフを使うPCOの豊富化を示す図の一である。発明実施形態の実装のための好適なハードウェアの図である。

正しい診断を得ることは、患者の健康問題の説明を与え、その後のヘルスケア決定に情報を与えるので、ヘルスケアの主要な側面である。診断誤りは負の健康帰結、心理的苦痛および金銭コストにつながることがある。診断誤りが起こると、不適切なまたは不必要な治療が患者に与えられることがあり、あるいは適切な、潜在的には命を救う治療が控えられたり遅延されたりすることがありうる。しかしながら、診断誤りを特定し、緩和しようとする努力はこれまでのところきわめて限られている。診断を支援するためにデータを使う従来技術の方法は、たとえば、最終的な治療終了診断を予測するために複数の次元に沿った患者間の類似性を活用する、家族リンクを活用するまたは試験もしくは医療ハードウェアに頼ることがありうる。

しかしながら、従来技術のシステムは、患者臨床履歴、以前の診断、生物医学的研究文献、薬処方および施与ならびに（たとえば心の健康の分野における）既存の医学知識といった複数の因子を考慮に入れるものではない。

発明者は、
・健康標準および生物医学的研究文献から抽出された診断、症状、治療、疾病／状態、薬といった医学的概念で注釈付けされた患者関係情報を生成する方法；
・患者の完全なスナップショットをもつために上述した知識ベースをドメイン・エキスパート知識と組み合わせる方法；
・たとえば心の健康の診断のためにできるだけ多くの関連する特徴を得るためにその大きな知識ベースをマイニングし、それらの特徴を組み合わせて診断をサポートし、診断誤りを減らす方法
を提供することが望ましいであろうと認識するに至った。

本発明の目標は、たとえば精神医学分野における医療診断誤りを減らすためのものである。システムは、患者の臨床データ、生物医学的オントロジーおよび医療ガイドラインといった異質なデータ源から知識を抽出し、この情報を、患者の現在の診断を推定するために使う。次いで、予測された診断は、結果をサポートする補足情報とともに、最終的な判断をする臨床担当者に利用可能になる。

本発明の実施形態は：
・臨床担当者の診断に関する専門知識とともに、公共データ源を介して文献から抽出されることのできる健康関係概念、たとえば心の健康に関係した概念を表わす生物医学的知識ベースを生成すること；
・臨床エンティティの、意味内容が豊富な（semantically rich）集まりであって、所与の患者に関する情報、たとえば臨床履歴、診断、薬、治療（外科的プロデュースのような非薬治療）を包含する集まりとして造語された用語である「患者臨床オブジェクト（Patient Clinical Object）」を生成すること；
・入力として前記生物医学的知識ベースおよび前記患者臨床オブジェクト（PCO）を受ける、診断のためのできるだけ多くの関連する特徴を含む診断機構を開発すること、
ができうる。

精密医療は、個々の患者／被験者に合わせて仕立てられたヘルスケアのカスタマイズを提案する医療モデルである。これは、疾病／状態診断、治療および予防のための台頭しつつあるアプローチであり、遺伝子、生理、解剖構造、環境および生活習慣における個々の変動性を考慮に入れる。この文脈において、発明実施形態は、医療診断誤りを減らすことによって、患者の個々の変動性をサポートする。発明実施形態は、提供者、支払者および消費者が、医療診断および治療に関して支援するために大量の医療情報および勧告を選り分けていくのを助ける。

本稿では以下の定義が使われる。
診断：疾病または状態の性質および／または状況を、その兆候および症状から、検査によって決定するプロセス。
医療診断誤り：何らかのその後の決定的な試験または知見により検出されるところの、見逃された、誤っているまたは遅れた診断
医学的治療：患者の管理およびケア。たとえば心の健康の分野では、看護、心理学的介入および専門家による心の健康のリハビリテーションを含む。この用語は、望むなら、処方されうる「代替」医学的治療および投薬、たとえばホメオパシー／催眠／鍼_（はり）治療をも含んでいてもよい。
薬：疾病の症状または状態を治療するまたは予防するまたは軽減する薬物。

図１は、本発明の概括的な実施形態を示している。システム１０は、患者の診断を支援するよう設計されている（実際には、患者データ、オープンなデータおよび一般的なエキスパート知識から、臨床担当者の追加的な入力なしに、単独で診断を与えることができる）。システムは、このデータを取り込み、それに対して作業して有用な出力をたとえばPCO ４０、生物医学的エキスパート知識グラフ５０および規則ベースの知識グラフ６０の形で生成するデータおよび知識取得モジュール２０を含んでいる。予測器P10ないしP40を使う予測を提供するためにこれらの生成物を使ったメタ診断予測モジュール３０もある。各予測器は、異なる因子または観点に基づいて予測を提供する。これらの予測は組み合わされて最終的な予測を与える。

これらのモジュールを詳細に見ると、データおよび知識取得モジュールは：たとえば以前の診断、薬、症状および治療を含む患者データについての入力、オープンなデータについての入力およびエキスパート臨床担当者知識についての入力を含む。該モジュールは、これらの入力を使ってPCO、生物医学的知識グラフおよび規則ベースの知識グラフを生成し、次いで前記生物医学的知識グラフを使って前記患者臨床オブジェクトを豊富にするよう構成されている。ここで、豊富にすることは、前記PCOを前記生物医学的知識グラフと比較して、PCOの諸部分を標準的な語彙と対応させるとともに患者データ内のエンティティを必要に応じて前記生物医学的知識グラフからの対応する概念／情報で注釈付けすることを含む。これは、他の標準データとの関連でPCOをのちに使うことを容易にする。

メタ診断予測モジュールは、前記患者臨床オブジェクト、前記生物医学的知識グラフおよび前記規則ベースの知識グラフを、諸予測器において使うことができる。たとえば、診断ベースの予測器は、エキスパート知識を加えるために規則ベースのグラフ８０からの入力とともに以前の診断を使って、以前の診断に基づく診断を提供することができる。薬ベースの予測器は、前記PCOおよび生物医学的知識グラフを使って、患者によって服用される薬に基づく診断を提供することができる。症状ベースの予測器は、前記PCOおよび生物医学的知識グラフを使って、患者の症状に基づく診断を提供することができる。最後に、治療ベースの予測器は、（前記PCOからの）患者が受けている治療に基づく診断を提供し、前記生物医学的知識グラフからの知識を加えることができる。三つのデータセット（グラフ形式であってもよいPCO、生物医学的グラフおよび規則ベースのグラフ）はみな、適宜組み合わせて使用されることもできる。

メタ診断予測モジュールは、全体的な予測された診断を与えるよう任意の好適な仕方でそれらの診断を組み合わせるメタ予測器を含む。

いくつかの発明実施形態のいくつかの主要な特徴は次のとおり。
・診断のためにできるだけ多くの関連する特徴を含めること。これは健康上の診断誤りを減らす。
・データ源の選択、内部データセットを生成するプロセス、関連する特徴の選択および有効確認は、知識取得モジュールの手段によって、エキスパートによって綿密に調べられることができる。
・「患者臨床オブジェクト」（PCO）の使用。この用語は、臨床エンティティ（情報オブジェクト）の意味内容が豊富な（semantically rich）集まりであって、所与の患者に関する情報を包含するものとして造語されたものである。PCOは、患者およびその関連する臨床データ、診断、治療、症状および薬についての情報を含む。この情報は、ヘルスケア資源／エンティティにリンクされる。さらに、PCOは、時間がたつとともに患者についてのさらなる医療情報を含めることによって進化する。

発明実施形態における解決策は、（心の）健康の診断に影響する一組の関連する特徴に依拠することができる。これを実行するシステムは、二つの主要なモジュールからなることができる。
・ドメイン・エキスパート知識、患者臨床データおよびオープンなデータを含むヘルスケア・データを収集、抽出および統合して知識ベースを作り出すモジュール。
・該知識ベースをマイニングし、（たとえば心の）健康の診断についてのすべての関連する特徴を同定し、診断をサポートし診断誤りを減らすためにそれらを組み合わせる／集めるモジュール。

本システムは、データおよび知識取得モジュールと、メタ診断予測モジュールとを含む。図３は、提案される解決策の主要なコンポーネントを示している。

〈データおよび知識取得モジュール２０〉
このモジュールは、入力として以下の情報を取る。

・規則の形で医師／臨床担当者によって提供されるエキスパート知識。臨床担当者はそれらの規則をプレーンテキスト・ファイルとして入力する。基本的には、ファイルはいくつかの行からなり、各行は二つの診断と両者の間の関係を含む。たとえば、
診断１,関係A,診断２
診断３,関係B,診断４
規則の例は、矛盾する診断および診断の優勢である。
290.0,prevailing over〔右記より優勢〕,290.4
300.0,incompatible with〔右記と矛盾〕,309
ここで、290.0は合併症を伴わない老年認知症に対応し、290.4は血管性認知症に対応する。また、300.0は不安状態に対応し、309は適応反応に対応する。

・患者臨床履歴に記録されている、他の臨床担当者によって与えられた以前の診断。これらの診断は、ICD9およびICD10（国際疾病分類（International Classification of Diseases）の第９版および第１０版）のような既存の国際標準に基づくものであろう。

・患者の病院および関連する診療場〔ポイント・オブ・ケア〕への訪問に関係したデータ。頻度、時間枠およびどんな資源を患者が使ったかを含む。

・診断、疾病／状態、治療などに関係した、たとえばPUBMEDから抽出された生物医学的研究文献。PUBMEDは米国国立医学図書館（NLM）のサービスであり、看護、獣医学、ヘルスケア、医学および科学記事のNLMデータベースへの無料アクセスを提供している。

・薬の処方および施与ならびにその薬剤有害反応。ATCのような、欧州および国際標準に基づく。

・SNOMEDのような利用可能な医療標準から抽出された知識の集合。SNOMED CT（clinical terms［臨床用語］）は、医学およびヘルスケアの諸領域を横断して一般的に適用可能な標準化された多言語語彙である。

このモジュールは、上述したデータ源を収集し、抽出し、統合し、とりまとめ、クリーニングするとともに、以下のデータセットを生成する。
１．患者臨床オブジェクト。これは、患者についてのすべての関係情報、すなわち年齢グループ、性別、ユニットたとえば緊急治療室、外来患者、入院患者および昼間病院によりグループ分けされた通院〔病院訪問〕のリストならびに病院訪問およびユニットによりグループ分けされた以前の診断のリストを含む。
２．生物医学的知識グラフ。これは、文献および利用可能な標準からのすべての生物医学的知識を含む。この資源は、治療、診断、薬および症状に関してすでにとりまとめられ、前処理されている患者データ（以前の診断、履歴臨床データ）に注釈付けするために使われる。これについてはのちにより詳細に説明する。
３．規則ベースの知識グラフ。これは、臨床担当者からの知識を含み、のちに診断サポート・プロセスに適用される。

〈メタ診断予測モジュール３０〉
主要診断予測モジュールは、ハイブリッド／組み合わせ予測器としても知られるメタ予測器である。これは、二つ以上の予測器によって生成される予測を整理し、処理することによって予測を行なう。個々の予測器は、患者臨床オブジェクト、生物医学的知識グラフおよび規則ベースの知識グラフから関連する特徴についての情報を受ける。

個々の予測器は、二つ以上のデータ源（その一つはPCO）を考慮に入れて、一つまたは複数の潜在的な診断を生成し、それは事実の確率についての既知のメトリックに従ってスコア付けされる。

個々の予測器は、次のものであることができる。
・以前の診断に基づく予測器。この場合、予測は、患者の以前の診断をチェックし、吟味し、それらの診断を臨床担当者の規則に従って解釈し直し、診断を、臨床担当者によって提供される規則との関係で、二つの主要なレベル、たとえばレベル１およびレベル２において範疇分けすることによってなされる。
・患者が服用していた薬に基づく予測器。薬に関係したすべての情報は患者臨床オブジェクトおよび生物医学的知識グラフから抽出される。
・患者の症状に基づく予測器。症状およびその患者との関係は、患者臨床オブジェクトおよび生物医学的知識グラフから抽出される。
・患者が受けている治療に基づく予測器。患者データに沿った治療は、患者臨床オブジェクトおよび生物医学的知識グラフから抽出される。

メタ予測器コンポーネントは、よりよい予測パフォーマンスをもたらすために、個々の予測器の結果を組み合わせる。この目的に向け、コンポーネントは、予測器の一つ一つに対する重みを調整する。次の式
D_j＝W_dP_d＋W_drP_dr＋W_sP_s＋W_tP_t
において、
D_jは予測された診断、
W_dは、前の診断（diagnosis）に基づく予測器への割り当てられた重み、
P_dは、前の診断に基づく予測、
W_drは、患者が服用していた薬（drug）に基づく予測器への割り当てられた重み、
P_drは、患者が服用していた薬に基づく予測、
W_sは、患者の症状（symptoms）に基づく予測器への割り当てられた重み、
P_sは、患者の症状に基づく予測、
W_tは、患者の治療（treatment）に基づく予測器への割り当てられた重み、
P_tは、患者の治療に基づく予測、
である。

本コンポーネントは、患者の母集団からサンプルを取り、トレーニング・データセットを生成する。本コンポーネントの目標は、これらの予測器を自動的に適用して最善の推量を行なうアルゴリズムを構築することまたは主要診断を推定することである。

図４ないし図７は、作業例を示している。図５は、患者を中心とするグラフの形でPCOを示している。これは、単純なデータをもつ例である。

グラフは、性別、年齢および匿名化されたIDといった患者情報を含んでいる。さらに、グラフは患者の診断がどうであるか、患者の症状、治療および薬がどうであるかについての情報をも含んでいる。最後に、グラフは患者の履歴訪問を含んでいる。

図４は、生物医学関係情報がグラフにおいてエンコードされる仕方の例である。これは、生物医学的知識グラフ、すなわち診断、薬、治療および症状についての情報ならびにそれらの間の関係を含むグラフ・データベースである。図４は抜粋のみを示している。

図６ａおよび６ｂに示されるように、患者臨床オブジェクト・ビルダー／エンジンは、入力として、患者データ（前の診断、履歴臨床データ）を取り、データのとりまとめ、かかるデータに対するクリーニングおよび前処理を実行する。

次に、患者臨床オブジェクト豊富化器は、患者データのすべてのエンティティを同定し、それぞれに、生物医学的知識グラフからくる概念／情報で注釈付けする。このプロセスの帰結は、使う準備ができた豊富化された患者臨床オブジェクトである。

図７ａおよび７ｂは、関連するプロセス・フローを説明する。第一に、患者の基礎情報、たとえば性別、年齢および訪問を同定する。次に、生物医学的知識グラフに頼って、特定のコードが診断に対応し、文字のストリングが薬に対応し、単語が症状に対応することなどを同定する。

PCO（この追加的な情報を含む）は予測モジュールにおいて使われる。

メタ予測の詳細な例を、先に記載した式を使って、次に述べる。

基本的には、各予測器は、一組の診断を出力し、各診断はスコアに基づいてランク付けされる。

各予測器についての重みは、その診断がどのくらい正確であるかを表わす。すると、各重みは、各予測器について我々が考える診断の数を表わす。メタ予測器は、個々の予測器の反復されている診断の共通部分を出力する。

たとえば、前の診断に基づく予測器は次の出力をもつことがある。

そして重み2が、その予測器について最初の二つの診断のみを考慮することを表わす。

次の例があるとする
D_j＝W_dP_d＋W_drP_dr＋W_sP_s＋W_tP_t
予測器の結果を代入すると、

次に、メタ予測器は、どの診断がすべての個々の予測器に存在しているかを調べ、最大累積スコアおよび／または最大出現回数の点で高いスコアをもつものを選択する。我々の例によれば、主要診断は290.0である。

メタ予測器は、重みを計算するために、トレーニング例のあらかじめ定義された集合で前もってトレーニングされる。このことは、新しい患者データを与えるときに、メタ予測器が正確な診断に到達できることを容易にする。

図８は、本発明を具現する、診断を支援する実施形態の方法を実装するために使用されうる、データ記憶サーバーのようなコンピューティング装置のブロック図である。本コンピューティング装置はコンピュータ処理ユニット（CPU）９９３、ランダム・アクセス・メモリ（RAM）９９５のようなメモリおよびハードディスクのような記憶９９６を有する。任意的には、本コンピューティング装置は、諸実施形態の他のそのようなコンピューティング装置との通信のためのネットワーク・インターフェース９９９をも含む。

たとえば、ある実施形態は、そのようなコンピューティング装置のネットワークから構成されてもよい。任意的に、コンピューティング装置は、読み出し専用メモリ９９４と、キーボードおよびマウスのような一つまたは複数の入力機構９９８と、一つまたは複数のモニタのようなディスプレイ・ユニット９９７とを含んでいてもよい。コンポーネントはバス９９２を介して互いに接続可能である。

CPU ９９３はコンピューティング装置を制御し、処理動作を実行するよう構成されている。RAM ９９５はCPU ９９３によって読まれ、書かれるデータを記憶する。記憶ユニット９９６はたとえば、不揮発性記憶ユニットであってもよく、データを記憶するよう構成されている。

ディスプレイ・ユニット９９７は、コンピューティング装置によって記憶されているデータの表現を表示し、カーソルおよびダイアログ・ボックスならびにスクリーンを表示し、ユーザーとコンピューティング装置に記憶されているプログラムおよびデータとの間の対話を可能にする。入力機構９９８はユーザー（たとえば臨床担当者または臨床担当者もしくはシステム・エキスパートのグループ）がデータおよび命令をコンピューティング装置に入力できるようにする。

ネットワーク・インターフェース（ネットワークI/F）９９９はインターネットのようなネットワークに接続されており、該ネットワークを通じて他のそのようなコンピューティング装置に接続可能である。ネットワークI/F ９９９はネットワークを介した他の装置との間のデータ入出力を制御する。マイクロフォン、スピーカー、プリンター、電源ユニット、ファン、ケース、スキャナ、トラックボールなどといった他の周辺装置がコンピューティング装置に含まれていてもよい。

本発明を具現する方法は、図８に示されるようなコンピューティング装置で実行されてもよい。そのようなコンピューティング装置は図８に示されるすべてのコンポーネントを有する必要はなく、それらのコンポーネントの部分集合から構成されていてもよい。本発明を具現する方法は、一つまたは複数のデータ記憶サーバーとネットワークを介して通信する単一のコンピューティング装置によって実行されてもよい。該コンピューティング装置は、データ・グラフの少なくとも一部分を記憶しているデータ記憶自身であってもよい。

本発明を具現する方法は、互いと協働して動作する複数のコンピューティング装置によって実行されてもよい。前記複数のコンピューティング装置の一つまたは複数は、データ・グラフまたはデータベースの少なくとも一部分を記憶するデータ記憶サーバーであってもよい。

以上の実施例を含む実施形態に関し、さらに以下の付記を開示する。
（付記１）
患者の診断を支援するシステムであって：
データおよび知識取得モジュールと、メタ診断予測モジュールとを有しており、
前記データおよび知識取得モジュールは：以前の診断、薬、症状および治療の任意のものを含む患者データについての入力、オープンなデータについての入力およびエキスパート臨床担当者知識についての入力を含み、これらの入力を使って患者臨床オブジェクト（PCO）、生物医学的知識グラフおよび規則ベースの知識グラフを生成し、次いで前記生物医学的知識グラフを使って前記患者臨床オブジェクトを豊富にするよう構成されており；
前記メタ診断予測モジュールは、前記患者臨床オブジェクトと、前記生物医学的知識グラフおよび／または前記規則ベースの知識グラフとを、以下の予測器、すなわち以前の診断に基づいて一組の診断を提供する診断ベースの予測器、患者によって服用される薬に基づいて一組の診断を提供する薬ベースの予測器、患者の症状に基づいて一組の診断を提供する症状ベースの予測器および患者が受けている治療に基づいて一組の診断を提供する治療ベースの予測器のうちの二つ以上において使うよう構成されており；
前記メタ診断予測モジュールは、予測された主要診断を与えるようそれらの組の診断を組み合わせるメタ予測器を含む、
システム。
（付記２）
前記メタ診断予測モジュールは、個々の予測器によって生成された予測を整理し、処理することによって予測を行なう、付記１記載のシステム。
（付記３）
前記診断ベースの予測器は、前記PCO内の以前の診断およびエキスパート知識を加えるよう前記規則ベースのグラフを使って、以前の診断に基づいて一組の診断を提供するよう構成されており；
前記薬ベースの予測器は、前記PCOおよび前記生物医学的知識グラフを使って、患者によって服用される薬に基づく一組の診断を提供するよう構成されており；
前記症状ベースの予測器は、前記PCOおよび前記生物医学的知識グラフを使って、患者の症状に基づく一組の診断を提供するよう構成されており；
前記治療ベースの予測器は、前記PCO内の治療および前記生物医学的知識グラフに基づいて一組の診断を提供するよう構成されている、
付記１または２記載のシステム。
（付記４）
エキスパート臨床担当者知識についての前記入力は、二つの診断の対および臨床担当者に知られているそれらの間の関係の、たとえばプレーンテキスト・ファイルの形での入力を許容し、前記データおよび知識取得モジュールは、これらの診断およびそれらの間の関係からグラフを構築するエキスパート知識ベース・エンジンを含む、付記１ないし３のうちいずれか一項記載のシステム。
（付記５）
前記データおよび知識取得モジュールは、前記オープンな源からデータを抽出して、前記生物医学的知識グラフを、診断、薬、治療および症状についての情報およびそれらの間のリンクを含むグラフ・データベースとして形成するよう構成されている、付記１ないし４のうちいずれか一項記載のシステム。
（付記６）
前記データおよび知識取得モジュールは、PCOエンジンを含み、該PCOエンジンは、診断、症状、治療、通院および処方の任意のもののようなカテゴリーによって患者にリンクされた患者についての情報とともに、患者を中心とするグラフとして、履歴臨床データから前記PCOを与える、付記１ないし５のうちいずれか一項記載のシステム。
（付記７）
前記PCOを前記生物医学的知識グラフと比較して、PCOの諸部分を標準的な語彙と対応させるとともにPCO内のエンティティを前記生物医学的知識グラフからの対応する概念／情報で注釈付けするPCO豊富化器が前記データおよび知識取得システムにおいて設けられている、付記１ないし６のうちいずれか一項記載のシステム。
（付記８）
前記メタ診断予測モジュールは、診断の各組における各診断をスコアに基づいてランク付けする、付記１ないし７のうちいずれか一項記載のシステム。
（付記９）
各予測器は、パフォーマンス正確さ指標に基づく重み付けを与えられ、好ましくは、この重み付けが、診断の各組において最上位の診断から始まる、主要診断のために考慮に入れられる診断の数を決定するために使用される、付記８記載のシステム。
（付記１０）
前記パフォーマンス正確さは、あらかじめ定義された一組のトレーニング例でのメタ予測器トレーニングから導出される、付記９記載のシステム。
（付記１１）
前記メタ予測器は、前記の諸予測器からの考慮に入れられる診断を検査し、最も多くの予測器において存在しているおよび／または最高の累積スコアをもつ一つまたは複数の診断を、主要診断として選択する、付記９または１０記載のシステム。
（付記１２）
患者の診断を支援する方法であって：
以前の診断、薬、症状および治療の任意のものを含む患者データの入力を受け入れ、オープンなデータの入力を受け入れ、エキスパート臨床担当者知識の入力を受け入れ、これらの入力を使って患者臨床オブジェクト（PCO）、生物医学的知識グラフおよび規則ベースの知識グラフを生成し、次いで前記生物医学的知識グラフを使って前記患者臨床オブジェクトを豊富にする段階と；
前記患者臨床オブジェクトと前記生物医学的知識グラフおよび／または前記規則ベースの知識グラフとを使って、以下の予測、すなわち以前の診断に基づく、診断で予測された一組の診断、患者によって服用される薬に基づく薬ベースで予測された一組の診断、患者の症状に基づく症状ベースで予測された一組の診断および患者が受けている治療に基づく治療ベースで予測された一組の診断のうちの二つ以上を提供する段階と；
前記の複数組の診断を組み合わせて、予測された主要診断を与える段階とを含む、
方法。
（付記１３）
コンピュータ上で実行されたときに、付記１２記載の方法を実行するコンピュータ・プログラム。

１０システム
２０データおよび知識取得モジュール
３０メタ診断予測モジュール
４０患者臨床オブジェクト（PCO）／患者臨床オブジェクト・エンジン
５０生物医学的知識グラフ／患者臨床オブジェクト豊富化器
６０規則ベースのグラフ／エキスパート知識ベース・エンジン
７０メタ予測器
S10 患者データ、オープンなデータおよびエキスパート知識を入力
S20 PCO、医学的知識グラフおよびエキスパート知識グラフを生成
S30 以前の診断および／または薬および／または症状および／または治療に基づいて診断を予測
S40 診断を組み合わせて主要診断を与える
P10 以前の診断に基づく予測器
P20 薬に基づく予測器
P30 症状に基づく予測器
P40 治療に基づく予測器

Claims

患者の診断を支援するシステムであって：
データおよび知識取得モジュールと、メタ診断予測モジュールとを有しており、
前記データおよび知識取得モジュールは：以前の診断、薬、症状および治療の任意のものを含む患者データについての入力、オープンなデータについての入力およびエキスパート臨床担当者知識についての入力を含み、これらの入力を使って患者臨床オブジェクト（PCO）、生物医学的知識グラフおよび規則ベースの知識グラフを生成し、次いで前記生物医学的知識グラフを使って前記患者臨床オブジェクトを豊富にするよう構成されており；
前記メタ診断予測モジュールは、前記患者臨床オブジェクトと、前記生物医学的知識グラフおよび／または前記規則ベースの知識グラフとを、以下の予測器、すなわち以前の診断に基づいて一組の診断を提供する診断ベースの予測器、患者によって服用される薬に基づいて一組の診断を提供する薬ベースの予測器、患者の症状に基づいて一組の診断を提供する症状ベースの予測器および患者が受けている治療に基づいて一組の診断を提供する治療ベースの予測器のうちの二つ以上において使うよう構成されており；
前記メタ診断予測モジュールは、予測された主要診断を与えるようそれらの組の診断を組み合わせるメタ予測器を含む、
システム。
前記メタ診断予測モジュールは、個々の予測器によって生成された予測を整理し、処理することによって予測を行なう、請求項１記載のシステム。
前記診断ベースの予測器は、前記PCO内の以前の診断およびエキスパート知識を加えるよう前記規則ベースのグラフを使って、以前の診断に基づいて一組の診断を提供するよう構成されており；
前記薬ベースの予測器は、前記PCOおよび前記生物医学的知識グラフを使って、患者によって服用される薬に基づく一組の診断を提供するよう構成されており；
前記症状ベースの予測器は、前記PCOおよび前記生物医学的知識グラフを使って、患者の症状に基づく一組の診断を提供するよう構成されており；
前記治療ベースの予測器は、前記PCO内の治療および前記生物医学的知識グラフに基づいて一組の診断を提供するよう構成されている、
請求項１または２記載のシステム。
エキスパート臨床担当者知識についての前記入力は、二つの診断の対および臨床担当者に知られているそれらの間の関係の、たとえばプレーンテキスト・ファイルの形での入力を許容し、前記データおよび知識取得モジュールは、これらの診断およびそれらの間の関係からグラフを構築するエキスパート知識ベース・エンジンを含む、請求項１ないし３のうちいずれか一項記載のシステム。
前記データおよび知識取得モジュールは、前記オープンな源からデータを抽出して、前記生物医学的知識グラフを、診断、薬、治療および症状についての情報およびそれらの間のリンクを含むグラフ・データベースとして形成するよう構成されている、請求項１ないし４のうちいずれか一項記載のシステム。
前記データおよび知識取得モジュールは、PCOエンジンを含み、該PCOエンジンは、診断、症状、治療、通院および処方の任意のもののようなカテゴリーによって患者にリンクされた患者についての情報とともに、患者を中心とするグラフとして、履歴臨床データから前記PCOを与える、請求項１ないし５のうちいずれか一項記載のシステム。
前記PCOを前記生物医学的知識グラフと比較して、PCOの諸部分を標準的な語彙と対応させるとともにPCO内のエンティティを前記生物医学的知識グラフからの対応する概念／情報で注釈付けするPCO豊富化器が前記データおよび知識取得システムにおいて設けられている、請求項１ないし６のうちいずれか一項記載のシステム。
前記メタ診断予測モジュールは、診断の各組における各診断をスコアに基づいてランク付けする、請求項１ないし７のうちいずれか一項記載のシステム。
各予測器は、パフォーマンス正確さ指標に基づく重み付けを与えられ、好ましくは、この重み付けが、診断の各組において最上位の診断から始まる、主要診断のために考慮に入れられる診断の数を決定するために使用される、請求項８記載のシステム。
前記パフォーマンス正確さは、あらかじめ定義された一組のトレーニング例でのメタ予測器トレーニングから導出される、請求項９記載のシステム。
前記メタ予測器は、前記の諸予測器からの考慮に入れられる診断を検査し、最も多くの予測器において存在しているおよび／または最高の累積スコアをもつ一つまたは複数の診断を、主要診断として選択する、請求項９または１０記載のシステム。
患者の診断を支援する方法であって：
以前の診断、薬、症状および治療の任意のものを含む患者データの入力を受け入れ、オープンなデータの入力を受け入れ、エキスパート臨床担当者知識の入力を受け入れ、これらの入力を使って患者臨床オブジェクト（PCO）、生物医学的知識グラフおよび規則ベースの知識グラフを生成し、次いで前記生物医学的知識グラフを使って前記患者臨床オブジェクトを豊富にする段階と；
前記患者臨床オブジェクトと前記生物医学的知識グラフおよび／または前記規則ベースの知識グラフとを使って、以下の予測、すなわち以前の診断に基づく、診断で予測された一組の診断、患者によって服用される薬に基づく薬ベースで予測された一組の診断、患者の症状に基づく症状ベースで予測された一組の診断および患者が受けている治療に基づく治療ベースで予測された一組の診断のうちの二つ以上を提供する段階と；
前記の複数組の診断を組み合わせて、予測された主要診断を与える段階とを含む、
方法。
コンピュータ上で実行されたときに、請求項１２記載の方法を実行するコンピュータ・プログラム。