JP2019095960A - 治療選択支援システム及び方法 - Google Patents

Abstract

【課題】過去の診療実績から乖離せず、治療目標達成度が高い治療手段を提案する。【解決手段】治療選択支援システムであって、治療手段毎の治療目標の達成度を含む目標達成判定情報を作成する目標達成判定部と、整形情報及び目標達成判定情報に基づいて、治療目標の達成度を予測するための達成度予測モデルを構築する達成度予測モデル構築部と、整形情報及び目標達成判定情報に基づいて、治療手段の適正度を計算するための適正度計算モデルを構築する適正度計算モデル構築部と、達成度予測モデルを用いて、患者の治療目標の達成度を治療手段毎に予測する達成度予測部と、適正度計算モデルを用いて、患者に対する前記治療手段の適正度を計算する適正度計算部と、予測された達成度及び計算された適正度に基づいて、患者に適する治療手段の情報を提供する治療手段提案部と、を備える。【選択図】図１２

Description

本発明は、治療選択支援システムに関する。

患者及び医師の意思決定を支援するための科学的エビデンス情報として診療ガイドラインがあり、適切な治療方法を決定する判断材料として診療ガイドラインが広く活用されている。しかし、診療ガイドラインは、集合知に基づく意思決定の指針であって、必ずしも、個々の患者に最適な治療方法を示すものではない。そのため医師は、診療ガイドラインに加えて、患者の個別の特徴を把握して、患者毎に最適な治療方法を決定している。例えば、薬剤治療では、患者の年齢や体重などの基礎的な特徴や、病歴、併発中の疾病、臓器機能の状態など、多くの情報を考慮して、薬の種類や処方量を決定している。これらの情報は一般的には電子カルテなどの計算機システムに格納されているが、意思決定に必要な形で整理されておらず、必要な全ての情報を網羅的に把握することは困難であった。

さらに、整理された情報が利用可能でも、意思決定のための判断ロジックは複雑であり、医師の臨床経験にも依存するため、経験が不十分な医師には作業負担が大きく、的確な判断が困難という問題があった。そこで、医師による治療選択を支援するために、蓄積された過去の診療情報から生成された二次情報を提示する技術が期待されている。

本技術分野の背景技術として、以下の先行技術がある。特許文献１（国際公開２０１２／８０９０６号）には、現在の患者に関する現在の患者のデータの集合を受信するステップと；現在の患者のデータの集合と複数の過去の患者のデータの集合とを比較するステップであって、過去の患者のデータの集合の各々は、過去の患者に対応する、ステップと；前記選択された過去の患者のデータの集合と前記現在の患者のデータ集合との類似度のレベルに基づいて過去の患者のデータの集合の一つを選択するステップと；前記選択された過去の患者のデータの集合をユーザに提供するステップと；を有する医療判断支援のための方法が記載されている。

また、特許文献２（特開２０１４−７１５９２号公報）には、薬剤名及び患者の属性情報に基づいて投薬効果情報サーバー５５を検索すると、検索した薬剤の平均的な投薬効果を表す平均投薬効果情報を時系列にモニターに表示する投薬効果予測システムが記載されている。

国際公開２０１２／８０９０６号 特開２０１４−７１５９２号公報

治療の際に、患者の状態や治療履歴に基づいて、患者個別に治療目標を設定する場合がある。例えば、ある特定の検査値を治療後の一定期間経過後にある値以下にコントロールする治療目標を達成するために適切な治療手段を、過去の実績に基づいて提案できれば、医師の意思決定に有用である。しかし、特許文献１に記載された技術では、治療目標を考慮して治療手段を提案する技術は開示されておらず、患者毎に異なる治療目標に応じて適切な治療手段を提案できなかった。そこで、本発明は、患者毎に設定した治療目標に対して、過去の診療実績から乖離せず、かつ、治療目標達成度が高い治療手段の提案が可能なシステムの提供を課題とする。

さらに、糖尿病の治療において、治療が長期化すると、以前と同じ薬剤でも効果が減退し、血糖に関するコントロール目標を達成できなくなる場合がある。このとき医師は、異なる機序を有する薬剤から、患者の血糖制御目標に応じて、適切かつ高い効果が予測される薬剤を選択するが、薬剤や処方量の決定基準は不明確であり、試行錯誤的に実施されていた。そのため、過去の治療実績及び治療目標に基づいて、患者毎に適切な治療手段を提案できれば、医師の意思決定に有用である。しかし、特許文献２に記載された技術では、過去の治療履歴に基づく治療効果の減少や、血糖制御目標に応じた薬剤の提案が困難であった。そこで、本発明は、糖尿病治療において、継続的な治療に伴う効果の減少を考慮しつつ、患者毎に設定された治療目標に対して、過去の診療実績から乖離せず、かつ、最も治療目標達成度が高い治療手段の提案が可能なシステムの提供を課題とする。

本願において開示される発明の代表的な一例を示せば以下の通りである。すなわち、治療手段の選択を支援する治療選択支援システムであって、所定の処理を実行する演算装置と、前記演算装置に接続された記憶デバイスと、前記演算装置に接続された通信インターフェイスとを有する計算機によって構成され、前記記憶デバイスは、患者に行われた治療の情報を含む整形情報を格納し、前記治療選択支援システムは、前記整形情報に基づいて、前記治療手段毎の治療目標の達成度を含む目標達成判定情報を作成する目標達成判定部と、前記整形情報及び前記目標達成判定情報に基づいて、治療目標の達成度を予測するための達成度予測モデルを構築する達成度予測モデル構築部と、前記整形情報及び前記目標達成判定情報に基づいて、前記治療手段の適正度を計算するための適正度計算モデルを構築する適正度計算モデル構築部と、前記達成度予測モデルを用いて、前記患者の治療目標の達成度を前記治療手段毎に予測する達成度予測部と、前記適正度計算モデルを用いて、前記患者に対する前記治療手段の適正度を計算する適正度計算部と、前記予測された達成度及び前記計算された適正度に基づいて、前記患者に適する治療手段の情報を提供する治療手段提案部と、を備える。

本発明の一態様によれば、患者毎に設定された治療目標に対して、過去の診療実績から乖離せず、かつ、治療目標達成度が高い治療手段の選択が可能になる。特に、糖尿病治療において、継続的な治療に伴う薬剤機序別の効果の減少を考慮しつつ、患者毎に設定された治療目標に対して、過去の診療実績から乖離せず、かつ、治療目標達成度が高い治療手段の選択が可能になる。前述した以外の課題、構成及び効果は、以下の実施例の説明によって明らかにされる。

実施例１の治療選択支援システムの構成を示すブロック図である。 実施例１の患者基本情報の例を示す図である。 実施例１の検査情報の例を示す図である。 実施例１の疾病情報の例を示す図である。 実施例１の治療情報の例を示す図である。 実施例１の治療目標情報の例を示す図である。 実施例１の治療目標達成判定部が実行する処理のフローチャートである。 実施例１の治療目標達成判定情報の例を示す図である。 実施例１の整形情報の例を示す図である。 実施例１の治療目標達成度予測モデル構築部が実行する処理のフローチャートである。 実施例１の治療手段適正度計算モデル構築部が実行する処理のフローチャートである。 実施例１の治療手段提案部が実行する処理のフローチャートである。 実施例１のユーザインターフェイス画面の例を示す図である。 実施例１の治療手段提案処理のシーケンス図である。 実施例２の治療手段提案部が実行する処理のフローチャートである。 実施例３の治療選択支援システムの構成を示すブロック図である。 実施例３の検査情報の例を示す図である。 実施例３の疾病情報の例を示す図である。 実施例３の血糖制御手段実施情報の例を示す図である。 実施例３の血糖制御目標情報の例を示す図である。 実施例３の血糖制御目標達成判定部が実行する処理のフローチャートである。 実施例３の血糖制御目標達成判定情報の例を示す図である。 実施例３の整形情報の例を示す図である。 実施例３の薬剤機序情報の例を示す図である。 実施例３の血糖制御能推定部が実行する処理のフローチャートである。 実施例３の血糖制御能情報の例を示す図である。 実施例３の血糖制御目標達成確率予測モデル構築部が実行する処理のフローチャートである。 実施例３の血糖制御手段適正度計算モデル構築部が実行する処理のフローチャートである。 実施例３の血糖制御手段提案部が実行する処理のフローチャートである。 実施例３のユーザインターフェイス画面の例を示す図である。 実施例３のユーザインターフェイス画面の例を示す図である。 実施例３の治療手段提案処理のシーケンス図である。 実施例４の血糖制御手段提案部が実行する処理のフローチャートである。

以下、発明を実施するための実施例を、図面を用いて説明する。

＜実施例１＞
実施例１では、治療の種類や疾病の種類によらず、患者毎に設定された治療目標に対して、過去の診療実績から乖離せず、かつ、治療目標達成度が最も高い治療手段の提案を実現する治療選択支援システムを提供する。具体的には、実施例１の治療選択支援システムは、まず、患者の情報に基づいて、治療目標毎に治療目標達成度を予測する。また、患者の情報に基づいて、治療手段の適正度を評価する。最後に、これらの二つの指標を用いて計算されたスコアに基づいて、適切な治療手段を提案する。

以下、実施例１にかかる治療選択支援システムが実行する処理、具体的には、患者毎に、治療手段ごとの治療目標達成度及び治療手段適正度を計算し、これら二つの指標の組み合わせによって、治療手段を提案する処理と、その効果を説明する。

まず、治療目標達成度を説明する。治療目標達成度は、患者が有する背景情報、例えば、性別や年齢や検査値や疾病の情報と、当該患者の過去の治療履歴の情報とに基づいて、当該治療行為を実施した場合の治療目標の達成度合いを予測した指標である。実施例１の治療選択支援システムは、この指標を、患者背景毎かつ治療手段毎に予測するモデルを過去の患者の治療実績の情報に基づいて構築し、意思決定支援時に治療行為毎に治療目標達成度を予測する。この指標によって、個別の患者毎に設定した治療目標を達成する上で、個別の患者毎の最適な治療手段を把握することを支援できる。

次に、治療手段適正度を説明する。治療手段適正度は、患者が有する背景情報、例えば、性別や年齢や検査値や疾病の情報と、当該患者の過去の治療履歴の情報とに基づいて、当該治療手段を実施する適正度を表す指標である。ここで適正度とは、例えば、過去の類似患者がどの程度、当該治療手段を実施されていたかを示す指標であって、例えば、当該治療手段が割り当てられる確率値として計算される指標である。実施例１の治療選択支援システムは、この指標を、患者毎かつ治療手段毎に計算可能な計算モデルを、過去の患者の治療実績の情報に基づいて構築しておき、意思決定支援時に治療行為ごとの治療手段適正度を当該計算モデルを用いて計算する。この指標によって、患者特性に合致する治療、具体的には、過去の診療実績において、患者背景が類似する患者に行われた治療実績に近い治療手段を個別の患者毎に把握することを支援できる。

最後に、治療目標達成度及び治療手段適正度の二つの指標を組み合わせて計算したスコアに基づいて、治療手段を提案することの効果を説明する。治療目標に応じた適切な治療を選択するためには、当該患者に対して、治療目標の達成度合いが最も高いと見込まれる治療を選択するのが望ましい。一方、治療手段の選択は、患者毎に均一に実施されるわけではなく、患者背景に応じて、ある種のバイアスを伴って選択される。そのため、このバイアスを考慮せず、治療目標の達成度合いだけに基づいて治療手段を提案すると、不適切な治療手段が提案される可能性がある。

以下、例を挙げて説明する。例えば、ある同じ検査値に働きかける薬剤Ａと薬剤Ｂとが存在し、薬剤Ａは検査値を抑制する効果が小さく、薬剤Ｂは薬剤Ａより検査値を抑制する効果が大きいとする。この場合、例えば、「薬剤処方後の検査値をある値以下に制御する」という治療目標に対する治療目標達成確率は、薬剤Ｂの方が高いと予測される。このとき、仮に全ての患者背景に対して、検査値の抑制効果が大きいという過去履歴情報が存在した場合、全ての患者に対する適切な治療手段として、薬剤Ｂが提案される。一方、実際の診療の現場においては、例えば、薬剤による過剰な治療を抑えるため、薬剤Ｂは、薬剤Ａと比較して、検査値が高い患者に多く処方される傾向があり、検査値が低い患者には薬剤Ｂは処方されていなかったとする。この場合、検査値が低い患者に薬剤Ｂを処方する処方パターンは、実際の診療実績と乖離した治療パターンになる。そこで、実施例１にかかる治療選択支援システムでは、治療手段適正度と治療目標達成度との二つの指標を組み合わせたスコアを用いることによって、実際に実施された治療と乖離せず、かつ、治療目標を達成する可能性が高い治療を提案できる。

ここで、治療手段適正度を活用する追加の効果を説明する。治療手段適正度は、どのような背景を有する患者に対して、どのような治療手段が医師により選択されたかという、実際の診療現場における意思決定の履歴情報に基づいて定められる、治療選択の傾向の情報である。この治療選択の傾向の情報には、例えば、薬剤の過剰投与を防ぐために医師が自身の経験に基づいて調整した処方量の決定や、副作用を避けるために医師が経験的な判断に基づいて選択した治療手段の決定などの情報が含まれる。これらの情報は、臨床現場における医師の実際の意思決定結果の集合知の情報であって、ガイドラインなどの医学的コンセンサス情報より細分化された意思決定プロセスの結果が蓄積された情報である。実施例１にかかる治療選択支援システムは、治療目標達成度の情報と、治療手段適正度の情報を併せて、治療手段を評価することによって、実際の診療の現場で医師が下した判断の実績と矛盾しない意思決定であって、かつ、患者の治療目標に最適な治療を選択するという効果を実現している。

以下、図面を参照しながら、実施例１の治療選択支援システムを説明する。

図１は、実施例１の治療選択支援システムの構成を示すブロック図である。実施例１の治療選択支援システムは、データ分析部１０１及びデータベース１５０を有する。データ分析部１０１は、入力部１０２、出力部１０３、演算装置１０４、メモリ１０５及び記憶媒体１０６を有する計算機で構成される。

入力部１０２は、マウス及びキーボードなどのヒューマンインターフェイスであり、データ分析部１０１への入力を受け付ける。出力部１０３は、治療選択支援システムの処理結果をユーザが視認可能な形式で出力するディスプレイ又はプリンタである。なお、データ分析部１０１は、入力部１０２及び出力部１０３を有さず、ネットワークを介して接続された端末（図示省略）において、ユーザの入力を受け付け、処理結果を出力してもよい。

記憶媒体１０６は、データ分析部１０１によるデータ分析処理を実現するためのプログラム、及び、データ分析処理の実行結果等を格納する記憶装置である。記憶媒体１０６は、例えば、大容量かつ不揮発性の記憶装置（磁気ディスクドライブ、又は、不揮発性メモリ等）によって構成される。

メモリ１０５は、不揮発性の記憶素子であるＲＯＭ及び揮発性の記憶素子であるＲＡＭを含む。ＲＯＭは、不変のプログラム（例えば、ＢＩＯＳ）などを格納する。ＲＡＭは、ＤＲＡＭ（Dynamic Random Access Memory）のような高速かつ揮発性の記憶素子であり、記憶媒体１０６に格納されるプログラム及びプログラムの実行時に使用されるデータを一時的に格納する。

演算装置１０４は、記憶媒体１０６が格納するプログラムをメモリ１０５にロードし、実行することによってデータ分析部１０１の機能を実現する。演算装置１０４、例えば、ＣＰＵ又はＧＰＵなどである。以下に説明する処理及び演算は、演算装置１０４が実行する。なお、演算装置１０４がプログラムを実行して行う処理の一部をハードウェア（例えば、ＦＰＧＡ）で行ってもよい。

データベース１５０は、医療情報記憶部１５１、治療目標情報記憶部１５２、治療目標達成判定情報記憶部１５３、整形情報記憶部１５４、治療目標達成度予測モデル記憶部１５５及び治療手段適正度計算モデル記憶部１５６を有する。

医療情報記憶部１５１は、大容量かつ不揮発性の記憶装置（磁気ディスクドライブ、又は、不揮発性メモリ等）によって構成され、医療情報を記憶する。医療情報は、過去の患者や現在の患者の情報であって、性別や年齢などの患者基本情報２０１（図２）、過去に実施した検査情報３０１（図３）、過去の診療における疾病情報４０１（図４）、過去に実施した治療情報５０１（図５）などを含む。

治療目標情報記憶部１５２は、治療の目標となる治療目標情報６０１（図６）を含む。

治療目標達成判定情報記憶部１５３は、治療目標達成判定部１０７が医療情報記憶部１５１に含まれる情報と治療目標情報記憶部１５２に含まれる情報に基づいて作成した治療目標達成判定情報８０１（図８）を含む。

整形情報記憶部１５４は、データ整形部１０８が、医療情報記憶部１５１に含まれる情報と、治療目標達成判定情報記憶部１５３に含まれる情報とに基づいて作成した整形情報９０１（図９）を含む。

治療目標達成度予測モデル記憶部１５５は、治療目標達成度予測モデル構築部１０９が、整形情報記憶部１５４に含まれる情報に基づいて構築したモデルのデータを含む。

治療手段適正度計算モデル記憶部１５６は、治療手段適正度計算モデル構築部１１０が、整形情報記憶部１５４に含まれる情報に基づいて構築したモデルのデータを含む。

治療目標達成度予測部１１２は、治療目標達成度予測モデル記憶部１５５に記憶されたモデルに基づいて、治療目標達成度を予測する。

治療手段適正度計算部１１３は、治療手段適正度計算モデル記憶部１５６に記憶されたモデルに基づいて、治療手段適正度を計算する。

治療手段提案部１１１は、治療目標達成度予測部１１２が予測した治療目標達成度と、治療手段適正度計算部１１３が計算した適正度とに基づいて治療手段を提案する。

演算装置１０４が実行するプログラムは、リムーバブルメディア（ＣＤ−ＲＯＭ、フラッシュメモリなど）又はネットワークを介してデータ分析部１０１に提供され、非一時的記憶媒体である不揮発性の記憶媒体１０６に格納される。このため、データ分析部１０１は、リムーバブルメディアからデータを読み込むインターフェイスを有するとよい。

データ分析部１０１及びデータベース１５０の各々は、物理的に一つの計算機上で、又は、論理的又は物理的に構成された複数の計算機上で構成される計算機システムであり、同一の計算機上で別個のスレッドで動作してもよく、複数の物理的計算機資源上に構築された仮想計算機上で動作してもよい。

以下、各種情報と、各処理部１０７から１１３について詳細に説明する。なお、図１に記載の構成要素のうち、実施例１で説明しないもの（治療目標提案部１１４）は、実施例２で説明する。

図２は、患者基本情報２０１の例を示す図である。患者基本情報２０１は、患者の基本的な情報を患者毎に纏めた情報である。患者基本情報２０１は、患者ＩＤ２０２、性別２０３、年齢２０４などを構成要素として含む。患者ＩＤ２０２は、患者を一意に識別するための識別子である。性別２０３及び年齢２０４は、それぞれ、当該患者の性別及び年齢である。

図３は、検査情報３０１の例を示す図である。検査情報３０１は、患者に実施した検査の情報を纏めた情報である。検査情報３０１は、患者ＩＤ２０２、診療ＩＤ３０２、日付３０３、項目ＩＤ３０４、値３０５、単位３０６などを構成要素として含む。患者ＩＤ２０２は、患者を一意に識別するための識別子であり、患者基本情報２０１に含まれるものと同義である。診療ＩＤ３０２は、患者に実施した診療行為を一意に識別するための識別子であり、例えば、検査ごとや通院ごとなどで割り当てられる識別子である。日付３０３は、当該検査を実施した日付であり、診療行為を実施した時刻の情報を含んでもよい。項目ＩＤ３０４は、当該検査の種類を一意に識別するための識別子である。値３０５は、当該検査の結果を定量的又は定性的に示した情報である。単位３０６は、値３０５の単位の情報である。図３は、検査情報として、収縮時血圧の値及び体重の値の情報が含まれている例を示す。

図４は、疾病情報４０１の例を示す図である。疾病情報４０１は、患者の疾病の情報を纏めた情報である。疾病情報４０１は、患者ＩＤ２０２、診療ＩＤ３０２、日付３０３、疾病ＩＤ４０２などを構成要素として含む。患者ＩＤ２０２は、患者を一意に識別するための識別子であり、患者基本情報２０１に含まれるものと同義である。診療ＩＤ３０２は、患者に実施した診療行為を一意に識別するための識別子であり、検査情報３０１に含まれるものと同義である。日付３０３は、当該疾病の情報が取得された日付であり、検査情報３０１に含まれるものと同義である。疾病ＩＤ４０２は、患者の疾病の状態を表す情報であり、例えば、疾病の種類を表すコード情報や、診療行為を表すコード情報などが含まれる。

図５は、治療情報５０１の例を示す図である。治療情報５０１は、患者に実施した治療手段の情報を纏めた情報である。治療情報５０１は、患者ＩＤ２０２、診療ＩＤ３０２、日付３０３、薬剤ＩＤ５０２、処方量５０３、単位５０４などを構成要素として含む。患者ＩＤ２０２は、患者を一意に識別するための識別子であり、患者基本情報２０１に含まれるものと同義である。診療ＩＤ３０２は、患者に実施した診療行為を一意に識別するための識別子であり、検査情報３０１に含まれるものと同義である。日付３０３は、当該診療行為を実施した日付であり、検査情報３０１に含まれるものと同義である。薬剤ＩＤ５０２は、当該患者に治療として処方された薬剤を一意に識別するための識別子である。処方量５０３は、当該治療手段（薬剤）の処方量の情報である。単位５０４は、処方量５０３の単位の情報である。

図６は、治療目標情報６０１の例を示す図である。治療目標情報６０１は、治療目標の情報である。治療目標情報６０１は、目標ＩＤ６０２、項目ＩＤ３０４、目標値６０３、目標期間６０４、目標期間単位６０５などを構成要素として含む。目標ＩＤ６０２は、治療目標を一意に識別するための識別子である。項目ＩＤ３０４は、目標対象の項目、例えば検査値の種類などを一意に識別するための識別子であり、検査情報３０１に含まれるものと同義でよい。目標値６０３は、目標情報ごとに設定された目標値である。目標期間６０４は、治療実施から目標達成を判定するまでの期間である。目標期間単位６０５は、目標期間６０４の単位を表す情報である。治療目標情報６０１は、例えば、入力部１０２からユーザに入力された情報に基づいて作成される。

次に、治療目標達成判定部１０７の処理を説明する。治療目標達成判定部１０７は、過去に実施した治療手段が、治療の目標を達成したか否かを判定する処理を実行する。

図７は、治療目標達成判定部１０７が実行する処理のフローチャートである。

まず、ステップＳ７０１では、医療情報記憶部１５１に記憶された検査情報３０１及び治療情報５０１を読み出し、メモリ１０５に記憶する。

ステップＳ７０２では、治療目標情報記憶部１５２に記憶された治療目標情報６０１を読み出し、メモリ１０５に記憶する。

ステップＳ７０３では、メモリ１０５に記憶された検査情報３０１、治療情報５０１及び治療目標情報６０１に基づいて、治療手段ごとに治療目標の達成を判定し、治療目標達成判定情報８０１（図８）を作成する。以下、詳細に説明する。まず、患者基本情報２０１と検査情報３０１と治療情報５０１と治療目標情報６０１とを、治療情報５０１に含まれる患者ＩＤ毎かつ診療ＩＤ毎かつ、治療目標情報６０１に含まれる目標ＩＤ毎に関連付けて、整形する。次に、患者ＩＤ毎かつ診療ＩＤ毎かつ目標ＩＤ毎に関連付けられた情報毎に、治療目標情報６０１に含まれる項目ＩＤ３０４の項目の情報であって、治療情報５０１に含まれる日付３０３から、目標期間６０４以内に取得された検査情報３０１に含まれる値３０５を検索し、検索された値３０５と目標値６０３とを比較して、目標の達成を判定する。

以下、図３、図５、図６を用いて、患者ＩＤがＰ０００１、診療ＩＤがＶ０００１のデータを例に具体的に説明する。このデータは、図５に示すように、日付が２０１７年１０月７日に、薬剤ＩＤがＭ００１１の薬を処方されたことを表す。この患者が、図６に示す治療目標情報６０１の目標ＩＤがＧ００１１の目標を達成したか否かを判定する例を説明する。目標ＩＤがＧ００１１の目標は、項目ＩＤがＩ０００２の検査項目の値が、目標期間及び目標期間単位で規定された３０日以内に、目標値の１５０を達成することが定義されている。患者ＩＤがＰ０００１の患者の場合、診療ＩＤがＶ０００１の治療が２０１７年１０月７日に実施されているため、その日から３０日以内の、項目ＩＤがＩ０００２の検査情報を検索し、目標が達成されているかを判定する。本例の場合、検査情報３０１に、患者ＩＤがＰ０００１、２０１７年１１月６日に値が１４８のデータが含まれている、すなわち、目標値以下の検査データがあるので、目標達成と判定する。

目標達成判定方法のいくつかの例を説明する。実施例１では、疾病や治療や検査の特性によって、いずれの方法を採用してもよい。第１の方法は、目標期間の間に一度でも値を達成したときを、目標達成と判定する方法である。第２の方法は、目標期間の間に特定の回数以上目標を達成した場合を目標達成として判定する方法である。第３の方法は、目標期間の間に一度も目標値を達成していない検査情報が存在しない場合を目標達成と判定する方法である。

図８は、治療目標達成判定情報８０１の例を示す図である。治療目標達成判定情報８０１は、患者ＩＤ２０２、診療ＩＤ３０２、目標ＩＤ６０２、達成値８０２、達成判定８０３を含む。患者ＩＤ２０２は、患者を一意に識別するための識別子であり、患者基本情報２０１に含まれるものと同義である。診療ＩＤ３０２は、患者に実施した診療行為を一意に識別するための識別子であり、検査情報３０１に含まれるものと同義である。目標ＩＤ６０２は、治療目標を一意に識別するための識別子であり、治療目標情報６０１に含まれるものと同義である。達成値８０２は、目標を達成した際の値（例えば、検査結果の値３０５）である。達成判定８０３は、目標を達成したか否かを表す情報であり、例えばＴＲＵＥ又はＦＬＡＳＥなどの２値情報、Ｔ又はＦなどの記号情報、１又は０などの数値情報として表現されうる。また、達成判定８０３は連続値の情報でもよい。例えば、目標値として設定された値と達成された（又は達成されなかった）値との差を計算し、計算された差の値を達成判定８０３に記録してもよい。

なお、目標期間の間に当該項目ＩＤの検査情報がない場合、治療目標達成判定情報８０１のデータを作成しなくてもよいし、データが取得されていない旨を表す情報を達成判定８０３に記録したデータを作成してもよい。

ステップＳ７０４では、ステップＳ７０３で作成した治療目標達成判定情報８０１を出力し、治療目標達成判定情報記憶部１５３に記憶する。

次に、データ整形部１０８が実行する処理を説明する。データ整形部１０８では、医療情報記憶部１５１に記憶されている患者基本情報、検査情報、疾病情報、治療情報、及び、治療目標達成判定情報記憶部１５３に記憶されている治療目標達成判定情報８０１を、整形して一つの整形データを作成する。本整形データは、治療手段の実施状況と、治療手段を実施された患者の情報と、治療手段の目標達成結果とを統合して含もみ、後述する各種モデル構築処理にて用いられる。以下、整形情報について、具体的に説明する。

図９は、整形情報９０１の例を示す図である。整形情報９０１は、患者ＩＤ毎かつ目標ＩＤ毎かつ診療ＩＤ毎に、患者の基本情報と、検査情報と、疾病情報と、当該診療ＩＤに実施した治療手段の実施情報と、過去の実施していた治療手段の履歴情報と、治療目標達成の有無の情報を纏めた情報である。

整形情報９０１は、医療情報９０２、治療履歴情報９０３、治療実施情報９０４、治療目標達成判定情報９０５を含む。医療情報９０２は、当該患者の診療実施時の基本的な情報及び健康状態の情報を含み、具体的には、患者ＩＤ２０２、日付３０３、診療ＩＤ、性別２０３、年齢２０４、検査値の情報（例えば、収縮期血圧９０６）、疾病の情報、診療行為の情報などを含む。

治療履歴情報９０３は、当該診療が実施された日より前に実施された治療手段の情報を纏めた情報であり、例えば、当該診療が実施される日まで継続して処方された薬剤の情報、過去３０日間に処方された薬剤の情報を集約した情報などが含まれる。この集約は、例えば、薬剤毎の処方の有無を示す２値の情報でもよいし、薬剤毎の処方量を直接用いてもよい。また、薬剤毎に設定された処方上限量に対する割合として、０以上１以下の値を、処方量をあらわす指標として用いてもよい。

治療実施情報９０４は、当該診療において実施された治療手段の情報を纏めた情報である。例えば、当該診療が実施された日に処方された薬剤の情報が集約された情報である。この集約は、例えば、薬剤毎の処方の有無を示す２値の情報でもよいし、薬剤毎の処方量を直接用いてもよい。また、薬剤毎に設定された処方上限量に対する割合として、０以上１以下の値を、処方量を表す指標として用いてもよい。治療目標達成判定情報９０５は、当該治療手段の実施が、治療目標を達成したか否かの情報である。具体的には、治療目標達成判定情報８０１の中で、当該治療実施情報９０４に対応付けられるものが格納される。

なお、整形情報９０１を構成する際に、全てのカテゴリ変数を数値変数に変換してもよい。例えば、性別２０３の情報は、男性を１、女性を０と表す数値に変換してもよい。また、治療履歴情報９０３及び治療実施情報９０４に関しても、薬剤毎に処方量の単位が異なる場合、処方量上限に対する割合の値として正規化や標準化をしてもよい。達成判定８０３の情報は、達成を１、未達成を０と表すような数値に変換してもよい。このような変換によって、後述する各種モデル構築処理における数値計算処理において、適用可能な演算の範囲が拡大する効果がある。構築した整形情報９０１は、整形情報記憶部１５４に記憶される。

なお、実施例１では、図９に示すように、患者に過去に実施された治療手段の情報を、患者毎かつ治療手段毎かつ治療手段が割り当てられたタイミング毎に纏めた形式の整形情報９０１を使用したが、患者に過去に実施された治療手段の情報が含まれていれば他の形式でもよい。

次に、治療目標達成度予測モデル構築部１０９を説明する。治療目標達成度予測モデル構築部１０９では、治療手段ごとの目標達成度を患者毎かつ治療手段毎に予測する治療目標達成度予測モデルを構築する。

図１０は、治療目標達成度予測モデル構築部１０９が実行する処理のフローチャートである。以下、各処理ステップを説明する。

ステップＳ１００１では、整形情報記憶部１５４に記憶された整形情報９０１を読み出す。

ステップＳ１００２では、整形情報９０１に記憶された情報の中で、治療目標達成度予測モデルを構築する特定の治療目標の目標ＩＤと一致する情報を整形情報９０１から抽出する。

ステップＳ１００３では、当該治療目標に関して、ステップＳ１００２で抽出された整形情報に基づいて、治療目標達成度予測モデルを構築する。治療目標達成度予測モデルは、整形情報９０１に含まれる目標の達成判定８０３の情報を患者毎かつ治療手段ごとに予測するモデルである。

治療目標達成度予測モデルのいくつかの例を説明する。実施例１では、いずれの方法でモデルを構築してもよい。第１のモデルは、治療目標の達成の有無の確率を予測するモデルである。第２のモデルは、治療目標の達成値と目標値との差の値を予測するモデルである。治療目標達成度予測モデルの入力変数は、医療情報９０２、治療履歴情報９０３及び治療実施情報９０４に含まれる情報の全て又はいずれかの組み合わせとする。例えば、治療目標の達成の有無の確率を予測するモデルとしては、統計的モデルであるロジスティック回帰や、機械学習を用いたベイジアンネットワーク、多層パーセプトロン、ＢＯＯＳＴＩＮＧ ＴＲＥＥなどの様々なモデルを用いることができる。

ステップＳ１００４では、ステップ１００３で構築した治療目標達成度予測モデルを、該当する治療目標の目標ＩＤと併せて、治療目標達成度予測モデル記憶部１５５に記憶する。

次に、治療手段適正度計算モデル構築部１１０を説明する。治療手段適正度計算モデル構築部１１０では、治療手段毎の適正度を患者毎かつ診療時毎に予測する治療手段適正度計算モデルを構築する。

図１１は、治療手段適正度計算モデル構築部１１０が実行する処理のフローチャートである。以下、各処理ステップを説明する。

ステップＳ１１０１では、整形情報記憶部１５４に記憶された整形情報９０１を読み出す。

ステップＳ１１０２では、整形情報９０１に基づいて、治療手段適正度計算モデルを構築する。治療手段適正度計算モデルは、整形情報９０１に含まれる治療手段の適正度を患者毎かつ治療手段ごとに予測するモデルである。

治療目標達成度予測モデルのいくつかの例を説明する。実施例１では、治療手段の特性によって、いずれの方法でモデルを構築してもよい。第１のモデルは、患者毎に当該治療手段が割り当てられる確率を、過去の情報に基づいて予測するモデルである、第２のモデルは、患者毎に当該治療手段が割り当てられた過去の類似症例患者の人数を予測するモデルである。治療手段適正度計算モデルの入力変数は、医療情報９０２、治療履歴情報９０３及び治療実施情報９０４に含まれる全て又はいずれかの情報の組み合わせとする。例えば、予測モデルとしては、統計的モデルであるロジスティック回帰や、機械学習を用いたベイジアンネットワーク、多層パーセプトロン、ＢＯＯＳＴＩＮＧ ＴＲＥＥなどの様々な方法を用いることができる。

ステップＳ１１０３では、ステップ１１０２で構築した治療手段適正度計算モデルを、治療手段適正度計算モデル記憶部１５６に記憶する。

次に、治療手段提案部１１１を説明する。治療手段提案部１１１は、患者毎に適切な治療手段を提案する。具体的には、治療手段提案部１１１は、治療目標達成度予測部１１２及び治療手段適正度計算部１１３を有する。治療目標達成度予測部１１２は治療目標達成度を、治療手段適正度計算部１１３は治療手段適正度を、治療手段ごとに評価する。その後、治療目標達成度及び治療手段適正度の二つの指標を組み合わせて、治療手段を評価するスコアを計算し、計算されたスコアに基づいて、適切な治療手段を患者に提案する。

図１２は、治療手段提案部１１１が実行する処理のフローチャートである。以下、各処理ステップを説明する。

ステップＳ１２０１では、治療手段を提案する対象の患者基本情報２０１が治療手段提案部１１１に入力される。入力される情報は、年齢や性別の検査情報３０１、過去の疾病情報４０１、治療情報５０１などが含まれる。このとき、入力された情報は、整形情報記憶部１５４に記憶された整形情報９０１と同じ形式に整形してメモリ１０５に記憶される。

ステップＳ１２０２では、治療の目標が治療手段提案部１１１に入力される。例えば、治療の目標は、治療目標情報記憶部１５２に記憶されている治療目標情報６０１の中から、適切な治療目標の情報を選択するとよい。

ステップＳ１２０３では、治療手段の候補が治療手段提案部１１１に入力される。例えば、治療手段は、いくつかの具体的な薬剤名称の集合として与えられてもよいし、類似する薬剤を纏めた分類の粒度で与えられてもよい。

ステップＳ１２０４では、治療手段提案部１１１が、治療手段の候補から治療手段を一つ選択する。

ステップＳ１２０５では、治療手段提案部１１１が、治療手段を患者に適用した場合の仮想的な手段適応データを構築する。具体的には、整形情報９０１の治療実施情報９０４の中に、予測する治療手段の情報を仮想的に格納し、治療手段を実施した場合のシナリオを表すレコードを作成する。

ステップＳ１２０６では、治療目標達成度予測部１１２が、ステップＳ１２０５で作成した仮想的な手段適応データに基づいて、治療手段を適用した場合の目標達成度を予測する。具体的には、治療目標達成度予測部１１２は、治療目標達成度予測モデル記憶部１５５に記憶された治療目標達成度予測モデルの中で、ステップＳ１２０２で選択した治療目標に該当する治療目標達成度予測モデルを用いて、当該治療手段の目標達成度を予測する。

ステップＳ１２０７では、治療手段適正度計算部１１３が、治療手段適正度計算モデル記憶部１５６に記憶された治療手段適正度計算モデルを用いて、ステップＳ１２０５で作成された仮想的な治療手段適応データに基づいて、治療手段の適正度を計算する。

ステップＳ１２０８では、治療手段提案部１１１が、予測対象の治療手段の治療手段提案スコアを計算する。治療手段提案スコアは、ステップＳ１２０６で予測した目標達成度と、ステップＳ１２０７で計算した治療手段適正度との二つの指標に基づいて計算する。

治療手段提案スコアの計算方法のいくつかの例を説明する。実施例１では、目標の特性によって、いずれの方法を採用してもよい。第１の方法は、目標達成確率と適正度との四則演算の結果を治療手段提案スコアとする方法である。例えば、二つの指標の積を新たなスコアとすることができる。第２の方法は、適正度に基づく活性化関数を定義し、定義された活性化関数の値と目標達成確率とを乗じて治療手段提案スコアを計算する方法である。例えば、適正度が閾値以下の場合は０、閾値以上の場合は適正度の値をそのまま返す活性化関数を定義して、適正度がある閾値以下の場合は０、それ以外の場合は、二つの指標の積が治療手段提案スコアとなる。

ステップＳ１２０９では、治療手段提案部１１１が、全ての治療手段の候補の治療手段提案スコアを計算したか否かを判定する。全ての治療手段の候補の治療手段提案スコアの計算が終了した場合、ステップＳ１２１０に進む。一方、一部の治療手段の候補の治療手段提案スコアの計算が終了していない場合、ステップＳ１２０４に進む。

ステップＳ１２１０では、治療手段提案部１１１が、治療手段毎に計算された治療手段提案スコアに基づいて、適切な治療手段を提案する。

治療手段の提案方法のいくつかの例を説明する。実施例１では、いずれの方法を採用してもよい。第１の方法は、治療手段提案スコアが最大の治療手段を提案する方法である。第２の方法は、治療手段提案スコアが閾値以上の一つ以上の治療手段を提案する方法である。提案された治療手段は、例えば、出力部１０３によってユーザに提示される。

図１３は、実施例１のユーザインターフェイス画面１３０１の例を示す図である。図１３に示す治療手段提案画面の例は、出力部１０３に表示される画面１３０１の例であり、患者に提案する治療手段を分析した結果を示す画面の例である。画面１３０１は、患者情報選択ボタン１３０２、治療手段提案ボタン１３０３、患者基本情報表示領域１３０４、患者検査情報表示領域１３０５、治療目標設定領域１３０６及び治療手段提案結果表示領域１３０７を含む。

患者情報選択ボタン１３０２は、分析対象の患者の情報をデータベースから取得するために操作されるボタンである。

治療手段提案ボタン１３０３は、選択された患者の情報に基づいて、治療手段の提案処理を実行するために操作されるボタンである。

患者基本情報表示領域１３０４は、選択された患者の基本情報を表示する領域である。

患者検査情報表示領域１３０５は、選択された患者の検査情報を表示する領域である。

治療目標設定領域１３０６は、治療目標を設定するための領域である。治療目標設定領域１３０６は、例えば、治療の目標とする項目が指定される欄、目標値が設定される欄、目標達成期間の長さや単位が設定される欄などを含む。

治療手段提案結果表示領域１３０７は、治療手段提案結果を表示するための領域である。治療手段提案結果表示領域１３０７は、例えば、治療目標達成度予測部１１２の処理結果や、治療手段適正度計算部１１３の処理結果や、治療手段提案部１１１の処理結果を、治療手段別に可視化して表示する。例えば、目標達成確率、治療適正度、提案スコアなどの、治療手段別に計算された指標を、円グラフや棒グラフなどのグラフ表示によって可視化するとよい。さらに、提案する治療手段の情報を表示する。

また、治療手段提案結果表示領域１３０７は、治療適正度及び治療目標達成度に基づいて提案スコアを計算する方法である提案スコア計算ロジックを指定するインターフェイスを含む。例えば、図１３に示す例では、適正度に関するステップ関数を重みとして、治療目標達成度に乗じた値を治療の提案スコアとして計算する方法が指定されている。この場合、治療適正度が０．１未満の治療方法は、スコアが０になり、治療適正度が０．１以上の治療方法は、目標達成確率がスコア値になる。これにより、適正度が低い治療手段より適正度が高い治療手段の中から、目標達成度が高い治療を優先的に提案できる。

ユーザは、画面１３０１を参照することによって、患者毎の基本情報及び検査情報を確認でき、さらに、設定した治療目標に対する達成確率と、患者への適正度との両方を考慮して、患者に適切な治療手段を割り当てられる。

図１４は、図１３で示すユーザインターフェイス１３０１を用いた治療手段提案処理のシーケンス図である。この例では、ユーザインターフェイス１３０１と、医療情報記憶部１５１と、治療目標情報記憶部１５２と、治療手段提案部１１１と、治療目標達成度予測部１１２と、治療目標達成度予測モデル記憶部１５５と、治療手段適正度計算部１１３と、治療手段適正度計算モデル記憶部１５６の間における情報のやりとり及び処理の流れを示す。図１４における符号Ｓ１２０１、Ｓ１２０２、Ｓ１２０６、Ｓ１２０７、Ｓ１２０８、Ｓ１２１０は、図１２に示すフローチャートにおける処理ステップを示す。

まず、ユーザは、分析対象の患者の情報（例えば、患者ＩＤ、氏名など）を入力部１０２に入力し、患者情報選択ボタン１３０２を操作して、分析対象の患者の情報を医療情報記憶部１５１から取得する。そして、当該患者の治療目標情報を治療目標情報記憶部１５２から取得してもよい。なお、当該患者の治療目標情報が治療目標情報記憶部１５２に設定されていない場合、治療目標情報入力画面を表示し、当該患者の治療目標情報の入力を促してもよい。

その後、ユーザは、治療手段提案ボタン１３０３を操作して、治療手段提案処理を開始する。以後の処理は、図１２で説明したものと同じである。

以上のように、実施例１の治療選択支援システムでは、患者毎に設定された治療目標に対して、過去の診療実績から乖離せず、かつ、治療目標達成度が高い治療手段を割り当てられる。

さらに、実施例１の治療選択支援システムでは、冒頭に説明した効果の他に、治療目標の達成度及び治療手段の適正度を計算するために、過去の診療実績情報に基づいて、指標を予測するモデルを事前に構築し、構築されたモデルを利用する。この処理によって、類似症例検索処理では実現できない、高性能な内挿による予測処理を実現する。ここで高性能とは、例えば、異なる二つの過去の診療実績情報の間を、単純なデータベクトル間の線形結合で近似するのではなく、過去の症例情報全体のデータを使って、非線形に近似することによって、より高い精度で治療効果を予測でき、治療手段を提案できる。

＜実施例２＞
実施例１では、患者毎に設定された治療目標に対して、過去の診療実績から乖離せず、かつ、治療目標達成度が最も高い治療手段の選択を可能にする治療選択支援システムの例を説明した。実施例２では、患者の情報に基づいて、患者毎の適切な治療目標を自動的に決定可能な治療選択支援システムを説明する。

実施例２の治療選択支援システムの構成は、図１で示したものと同じである。実施例２の治療選択支援システムでは、治療目標提案部１１４が機能している点で、前述した実施例１の治療選択システムと相違する。他の構成及び処理は、実施例１と同じであるため、説明を省略する。

治療目標提案部１１４は、患者の情報に基づいて、適切な治療目標を治療目標情報記憶部１５２から選択する。

図１５は、実施例２において、治療手段提案部１１１が実行する処理のフローチャートである。以下、各処理ステップを説明する。

ステップＳ１５０１では、治療手段を提案する対象の患者基本情報２０１が治療手段提案部１１１に入力される。入力される情報としては、年齢や性別の検査情報、過去の治療情報、疾病情報などが含まれる。このとき、入力された情報は、整形情報記憶部１５４に記憶された整形情報９０１と同じ形式に整形してメモリ１０５に記憶される。

ステップＳ１５０２では、治療手段提案部１１１が、治療手段の候補から治療手段を一つ選択する。例えば、治療手段は、いくつかの具体的な薬剤名称の集合として与えられてもよく、類似する薬剤を纏めた分類の粒度で与えられてもよい。

ステップＳ１５０３では、治療手段提案部１１１が、治療手段を患者に適用した場合の仮想的な手段適応データを構築する。具体的には、整形情報９０１の治療実施情報９０４の中に、予測を実施する治療手段の情報を仮想的に格納し、治療手段を実施した場合のシナリオを表現するレコードを作成する。

ステップＳ１５０４では、治療手段適正度計算部１１３が、治療手段適正度計算モデル記憶部１５６に記憶された治療手段適正度計算モデルを用いて、ステップＳ１５０３で作成した仮想的な治療手段適応データに基づいて、治療手段の適正度を計算する。

ステップＳ１５０５では、治療目標提案部１１４が、治療目標の候補を一つ選択する。候補の選択は、例えば、治療目標情報記憶部１５２に記憶されている治療目標情報６０１に含まれる治療目標から候補を選択するとよい。この選択は、例えば、ある目標達成期間内で治療目標値が異なる目標を候補として選択してもよく、ある治療目標値の範囲内で治療目標達成期間が異なる目標を候補として選択してもよい。

ステップＳ１５０６では、治療目標達成度予測部１１２が、ステップＳ１５０３で作成した仮想的な手段適応データに基づいて、治療手段を適用した場合の目標達成度を予測する。具体的には、治療目標達成度予測部１１２は、治療目標達成度予測モデル記憶部１５５に記憶された治療目標達成度予測モデルの中で、ステップＳ１５０５で選択した治療目標に該当する治療目標達成度予測モデルを用いて、当該治療手段の目標達成度を予測する。

ステップＳ１５０７では、治療手段提案部１１１が、予測対象の治療手段の治療手段提案スコアを計算する。治療手段提案スコアは、ステップＳ１５０４で計算された治療手段適正度と、ステップＳ１５０６で予測された目標達成度との二つの指標に基づいて計算する。

治療手段提案スコアの計算方法のいくつかの例を説明する。実施例２では、目標の特性によって、いずれの方法を採用してもよい。第１の方法は、目標達成確率と適正度との四則演算の結果を治療手段提案スコアとする方法である。例えば、二つの指標の積を新たなスコアとすることができる。第２の方法は、適正度に基づく活性化関数を定義し、この活性化関数の値と目標達成確率とを乗じて治療手段提案スコアを計算する方法である。例えば、適正度が閾値以下の場合は０、閾値以上の場合は適正度の値をそのまま返す活性化関数を定義して、適正度がある閾値以下の場合は０、それ以外の場合は、二つの指標の積が治療手段提案スコアとなる。

ステップＳ１５０８では、治療手段提案部１１１が、全ての治療目標の候補の治療手段提案スコアを計算したか否かを判定する。全ての治療目標の候補の治療手段提案スコアの計算が終了した場合、ステップＳ１５０９に進む。一方、一部の治療目標の候補の治療手段提案スコアの計算が終了していない場合、ステップＳ１５０５に進む。ステップＳ１５０８において、治療手段提案スコアの計算が終了したかの判定対象となる治療目標の候補は、例えば、治療目標情報記憶部１５２に記憶されている治療目標情報６０１に含まれる全ての治療目標でもよい。また、ある治療目標達成期間内の治療目標でもよく、ある治療目標値の範囲内の治療目標でもよい。

ステップＳ１５０９では、治療手段提案部１１１が、全ての治療手段の候補の治療手段提案スコアを計算したか否かを判定する。全ての治療手段の治療手段提案スコアの計算が終了した場合、ステップＳ１５１０に進む。一部の治療手段の候補の治療手段提案スコアの計算が終了していない場合、ステップＳ１５１０に進む。

ステップＳ１５１０では、治療手段提案部１１１が、治療目標候補毎かつ治療手段毎に計算された治療手段提案スコアの情報に基づいて、治療目標を提案する。

治療手段の提案方法のいくつかの例を説明する。実施例２では、いずれの方法を採用してもよい。第１の方法は、治療手段提案スコアが最大の治療目標を提案する方法である。第１の方法では、実際の診療実績から乖離しない治療によって、達成の見込みが大きい治療目標を提案できる。第２の方法は、治療手段提案スコアが閾値以上の治療手段が一つ以上ある治療目標を提案する方法である。第２の方法では、実現可能性が低い治療目標を除外して提案できる。以上、二つの例を説明したが、治療目標の提案方法は例示した方法に限られず、治療目標毎かつ治療手段毎に計算された治療手段提案スコアを活用して提案すれば様々な方法が採用できる。

ステップＳ１５１１では、治療手段提案部１１１が、治療手段毎に計算された治療手段提案スコアに基づいて、適切な治療手段を提案する。

治療手段の提案方法のいくつかの例を説明する。実施例２では、いずれの方法を採用してもよい。第１の方法は、ステップＳ１５１０で提案した治療目標に対する治療手段の中で、治療手段提案スコアが最大の治療手段を提案する方法である。第２の方法は、ステップＳ１５１０で提案した治療目標に対する治療手段の中で、治療手段提案スコアが閾値以上の一つ以上の治療手段を提案する方法である。提案された治療手段は、例えば、出力部１０３によってユーザに提示される。

以上のように、実施例２の治療選択支援システムでは、患者の情報に基づいて、患者毎の適切な治療目標を自動的に決定できる。

実施例２の治療選択支援システムでは、冒頭に説明した効果の他に、治療目標を患者毎に提案できる。例えば、患者に対してある治療目標を設定した場合、どの治療手段を用いても治療達成の見込みが小さいとき、その治療目標は患者にとって達成が困難な目標である可能性がある。実施例２の治療選択支援システムでは、治療手段提案スコアを、治療目標毎かつ治療手段毎に計算し、このスコアを用いて治療目標を判定することによって、例えば、達成の可能性が高い治療目標の情報をユーザに提供できる。

＜実施例３＞
実施例３では、糖尿病治療において、継続的な治療に伴う薬剤の効果の減少を考慮しながら、患者毎に設定された治療目標に対して、過去の診療実績から乖離せず、かつ、治療目標達成度が最も高い治療手段の提案を実現する治療選択支援システムを提供する。具体的には、実施例３の治療選択支援システムは、まず、過去の糖尿病の治療履歴及び血糖値の履歴に基づいて、患者毎の血糖制御能を薬剤機序ごとに推定する。次に、患者の情報と血糖制御能の情報に基づいて、治療目標に対する血糖制御手段の目標達成度を予測する。さらに、患者の情報及び血糖制御能の情報に基づいて、血糖制御手段の適正度を評価する処理を実行する。最後に、これらの二つの指標を用いて計算されたスコアに基づいて、適切な血糖制御手段を提案する。

以下、実施例３にかかる治療選択支援システムが実行する処理、具体的には、治療手段ごとの治療目標達成度及び治療手段適正度を計算し、これら二つの指標の組み合わせにより、治療手段を提案する処理と、その効果を説明し、さらに、治療目標達成度及び治療適正度の計算に、患者毎に推定した血糖制御能の情報を利用する効果を説明する。

まず、治療目標達成度を説明する。治療目標達成度は、患者が有する背景情報、例えば、性別や年齢や検査値や疾病の情報と、当該患者の過去の治療履歴の情報とに基づいて、当該治療行為を実施した場合の治療目標の達成度合いを予測した指標である。実施例１の治療選択支援システムは、この指標を、患者背景毎かつ治療手段毎に予測するモデルを過去の患者の治療実績の情報に基づいて構築し、意思決定支援時に治療行為毎に治療目標達成度を予測する。この指標によって、個別の患者毎に設定した治療目標を達成する上で、個別の患者毎の最適な治療手段を把握することを支援できる。

次に、治療手段適正度を説明する。治療手段適正度は、患者が有する背景情報、例えば、性別や年齢や検査値や疾病の情報と、当該患者の過去の治療履歴の情報とに基づいて、当該治療手段を実施する適正度を表す指標である。ここで適正度とは、例えば、過去の類似患者がどの程度、当該治療手段を実施されていたかを示す指標であって、例えば、当該治療手段が割り当てられる確率値として計算される指標である。実施例１の治療選択支援システムは、この指標を、患者毎かつ治療手段毎に計算可能な計算モデルを、過去の患者の治療実績の情報に基づいて構築しておき、意思決定支援時に治療行為ごとの治療手段適正度を当該計算モデルを用いて計算する。この指標によって、患者特性に合致する治療、具体的には、過去の診療実績において、患者背景が類似する患者に行われた治療実績に近い治療手段を個別の患者毎に把握することを支援できる。

次に、治療目標達成度及び治療手段適正度の二つの指標を組み合わせて計算したスコアに基づいて、治療手段を提案することの効果を説明する。治療目標に応じた適切な治療を選択するためには、当該患者に対して、治療目標の達成度合いが最も高いと見込まれる治療を選択するのが望ましい。一方、治療手段の選択は、患者毎に均一に実施されるわけではなく、患者背景に応じて、ある種のバイアスを伴って選択される。そのため、このバイアスを考慮せず、治療目標の達成度合いだけに基づいて治療手段を提案すると、不適切な治療手段が提案される可能性がある。

以下、例を挙げて説明する。例えば、ある同じ検査値に働きかける薬剤Ａと薬剤Ｂとが存在し、薬剤Ａは検査値を抑制する効果が小さく、薬剤Ｂは薬剤Ａより検査値を抑制する効果が大きいとする。この場合、例えば、「薬剤処方後の検査値をある値以下に制御する」という治療目標に対する治療目標達成確率は、薬剤Ｂの方が高いと予測される。このとき、仮に全ての患者背景に対して、検査値の抑制効果が大きいという過去履歴情報が存在した場合、全ての患者に対する適切な治療手段として、薬剤Ｂが提案される。一方、実際の診療の現場においては、例えば、薬剤による過剰な治療を抑えるため、薬剤Ｂは、薬剤Ａと比較して、検査値が高い患者に多く処方される傾向があり、検査値が低い患者には薬剤Ｂは処方されていなかったとする。この場合、検査値が低い患者に薬剤Ｂを処方する処方パターンは、実際の診療実績と乖離した治療パターンになる。そこで、実施例３にかかる治療選択支援システムでは、治療手段適正度と治療目標達成度との二つの指標を組み合わせたスコアを用いることによって、実際に実施された治療と乖離せず、かつ、治療目標を達成する可能性が高い治療を提案できる。

ここで、治療手段適正度を活用する追加の効果を説明する。治療手段適正度は、どのような背景を有する患者に対して、どのような治療手段が医師により選択されたかという、実際の診療現場における意思決定の履歴情報に基づいて定められる、治療選択の傾向の情報である。この治療選択の傾向の情報には、例えば、薬剤の過剰投与を防ぐために医師が自身の経験に基づいて調整した処方量の決定や、副作用を避けるために医師が経験的な判断に基づいて選択した治療手段の決定などの情報が含まれる。これらの情報は、臨床現場における医師の実際の意思決定結果の集合知の情報であって、ガイドラインなどの医学的コンセンサス情報より細分化された意思決定プロセスの結果が蓄積された情報である。実施例３にかかる治療選択支援システムは、治療目標達成度の情報と、治療手段適正度の情報を併せて、治療手段を評価することによって、実際の診療の現場で医師が下した判断の実績と矛盾しない意思決定であって、かつ、患者の治療目標に最適な治療を選択するという効果を実現している。

最後に、治療目標達成度及び治療適正度の計算に利用される血糖制御能推定の概要と、その効果を説明する。糖尿病は慢性疾患であり、治療が長期化する傾向にある。このとき、長期の治療に伴い、患者の体質が変化し、従来と同じ治療では効果が減少する場合がある。例えば、インスリンの分泌を促す種類の薬を継続して処方すると、すい臓の機能が疲弊し、同量の薬剤を服用しても血糖制御の目標を達成できない場合があることが知られている。この場合、医師は、薬剤に対する患者の反応を観察しながら、試行錯誤的に、処方量を増加したり、異なる薬剤機序の薬剤へ切り替える等を選択する必要がある。

血糖制御能推定は、この作業負担を軽減するための処理であって、電子システム内に記録された過去の処方薬剤情報を薬剤機序で分類し、累積処方量や効果の減少を集約した情報を推定する。この情報を用いて、治療目標達成度及び治療手段適正度の二つを推定することによって、継続的な治療に伴う薬剤の効果の減少を考慮した血糖制御手段を提案できる。

例えば、治療目標達成度の予測においては、過去の長期的な機序別な薬剤の処方のパターンの情報や、どの機序の薬剤が効かなくなってきているか等の患者体質変化の情報を考慮することによって、個別の患者により高精度な治療目標達成度を予測できる。また、治療手段適正度の計算においては、薬剤機序別の過去の履歴情報を用いることによって、医師が、過去の長期的な治療履歴の情報を考慮して決定した治療パターンと乖離しない治療手段を提案できる効果がある。

以下、図面を参照しながら、実施例３にかかる治療選択支援システムを説明する。

図１６は、実施例３の治療選択支援システムの構成を示すブロック図である。実施例３の治療選択支援システムは、データ分析部１６０１及びデータベース１６５０を有する。データ分析部１６０１は、入力部１６０２、出力部１６０３、演算装置１６０４、メモリ１６０５及び記憶媒体１６０６を有する。

入力部１６０２は、マウス及びキーボードなどのヒューマンインターフェイスであり、データ分析部１６０１への入力を受け付ける。出力部１６０３は、治療選択支援システムの処理結果をユーザが視認可能な形式で出力するディスプレイ又はプリンタである。なお、データ分析部１０１は、入力部１０２及び出力部１０３を有さず、ネットワークを介して接続された端末（図示省略）において、ユーザの入力を受け付け、処理結果を出力してもよい。

記憶媒体１６０６は、データ分析部１６０１によるデータ分析処理を実現するためのプログラム、及び、データ分析処理の実行結果等を格納する記憶装置である。記憶媒体１６０６は、例えば、大容量かつ不揮発性の記憶装置（磁気ディスクドライブ、又は、不揮発性メモリ等）によって構成される。

メモリ１６０５は、不揮発性の記憶素子であるＲＯＭ及び揮発性の記憶素子であるＲＡＭを含む。ＲＯＭは、不変のプログラム（例えば、ＢＩＯＳ）などを格納する。ＲＡＭは、ＤＲＡＭ（Dynamic Random Access Memory）のような高速かつ揮発性の記憶素子であり、記憶媒体１６０６に格納されるプログラム及びプログラムの実行時に使用されるデータを一時的に格納する。

演算装置１６０４は、記憶媒体１６０６が格納するプログラムをメモリ１６０５にロードし、実行することによってデータ分析部１６０１の機能を実現する。演算装置１６０４、例えば、ＣＰＵ又はＧＰＵなどである。以下に説明する処理及び演算は、演算装置１６０４が実行する。なお、演算装置１６０４がプログラムを実行して行う処理の一部をハードウェア（例えば、ＦＰＧＡ）で行ってもよい。

データベース１６５０は、医療情報記憶部１６５１、血糖制御目標情報記憶部１６５２、薬剤機序情報記憶部１６５３、血糖制御目標達成判定情報記憶部１６５４、整形情報記憶部１６５５、血糖制御能情報記憶部１６５６、血糖制御目標達成度予測モデル記憶部１６５７及び血糖制御手段適正度計算モデル記憶部１６５８を有する。

医療情報記憶部１６５１は、医療情報を記憶する。医療情報は、過去の患者や現在の患者の情報であって、性別や年齢などの患者基本情報２０１（図２）、過去に実施した検査情報１７０１（図１７）、過去の診療における疾病情報１８０１（図１８）、過去に実施した血糖制御手段実施情報１９０１（図１９）などを含む。

血糖制御目標情報記憶部１６５２は、血糖制御の目標となる血糖制御目標情報２００１（図２０）を含む。

薬剤機序情報記憶部１６５３は、薬剤の分類毎の機序の情報２４０１（図２４）を含む。

血糖制御目標達成判定情報記憶部１６５４は、血糖制御目標達成判定部１６０７が医療情報記憶部１６５１に含まれる情報と血糖制御目標情報記憶部１６５２に含まれる情報に基づいて作成した血糖制御目標達成判定情報２２０１（図２２）を含む。

整形情報記憶部１６５５は、データ整形部１６０８が、医療情報記憶部１６５１に含まれる情報と、血糖制御目標達成判定情報記憶部１６５４に含まれる情報とに基づいて作成した整形情報２３０１（図２３）を含む。

血糖制御能情報記憶部１６５６は、血糖制御能推定部１６０９が、整形情報記憶部１６５５に含まれる情報及び薬剤機序情報記憶部１６５３に基づいて推定した、血糖制御能の情報や血糖制御能の推定方式や血糖制御能を推定するモデルの情報を含む。

血糖制御目標達成度予測モデル記憶部１６５７は、血糖制御目標達成度予測モデル構築部１６１０が、整形情報記憶部１６５５に含まれる情報と、血糖制御能情報記憶部１６５６に含まれる情報とに基づいて構築したモデルのデータを含む。

血糖制御手段適正度計算モデル記憶部１６５８は、血糖制御手段適正度計算モデル構築部１６１１が、整形情報記憶部１６５５に含まれる情報及び血糖制御能情報記憶部１６５６に含まれる情報に基づいて構築したモデルのデータを含む。

血糖制御目標達成度予測部１６１３は、血糖制御目標達成度予測モデル記憶部１６５７に記憶されたモデルに基づいて、血糖制御目標達成度を予測する。

血糖制御手段適正度計算部１６１４は、血糖制御手段適正度計算モデル記憶部１６５８に記憶されたモデルに基づいて、血糖制御手段適正度を計算する。

血糖制御手段提案部１６１２は、血糖制御目標達成度予測部１６１３が予測した血糖制御目標達成度と、血糖制御手段適正度計算部１６１４が計算した適正度とに基づいて血糖制御手段を提案する。

演算装置１６０４が実行するプログラムは、リムーバブルメディア（ＣＤ−ＲＯＭ、フラッシュメモリなど）又はネットワークを介してデータ分析部１６０１に提供され、非一時的記憶媒体である不揮発性の記憶媒体１６０６に格納される。このため、データ分析部１６０１は、リムーバブルメディアからデータを読み込むインターフェイスを有するとよい。

データ分析部１６０１及びデータベース１６５０の各々は、物理的に一つの計算機上で、又は、論理的又は物理的に構成された複数の計算機上で構成される計算機システムであり、同一の計算機上で別個のスレッドで動作してもよく、複数の物理的計算機資源上に構築された仮想計算機上で動作してもよい。

以下、各種情報と、各処理部１６０７から１６１４について詳細に説明する。なお、図１６に記載の構成要素のうち、実施例３で説明しないもの（血糖制御目標提案部１６１５）は、実施例４で説明する。

図２は、患者基本情報２０１の例を示す図である。患者基本情報２０１は、患者の基本的な情報を患者毎に纏めた情報である。患者基本情報２０１は、患者ＩＤ２０２、性別２０３、年齢２０４などを構成要素として含む。患者ＩＤ２０２は、患者を一意に識別するための識別子である。性別２０３及び年齢２０４は、それぞれ、当該患者の性別及び年齢である。

図１７は、検査情報１７０１の例を示す図である。検査情報１７０１は、患者に実施した検査の情報を纏めた情報である。検査情報１７０１は、患者ＩＤ２０２、診療ＩＤ１７０２、日付１７０３、項目ＩＤ１７０４、値１７０５、単位１７０６などを構成要素として含む。患者ＩＤ２０２は、患者を一意に識別するための識別子であり、患者基本情報２０１に含まれるものと同義である。診療ＩＤ１７０２は患者に実施した診療行為を一意に識別するための識別子であり、例えば、検査ごとや通院ごとなどの単位で割り当てられる識別子である。日付１７０３は、当該検査を実施した日付であり、診療行為を実施した時刻の情報を含んでもよい。項目ＩＤ１７０４は、当該検査の種類を一意に識別するための識別子である。値１７０５は、当該検査の結果の情報を定量的又は定性的に示した情報である。単位１７０６は、値１７０５の単位の情報である。図１７では、検査情報として、ＨｂＡ１ｃの値及び体重の値の情報が含まれている例を示す。

図１８は、疾病情報１８０１の例を示す図である。疾病情報１８０１は、患者の疾病の情報を纏めた情報である。疾病情報１８０１は、患者ＩＤ２０２、診療ＩＤ１７０２、日付１７０３、疾病ＩＤ１８０２などを構成要素として含む。患者ＩＤ２０２は、患者を一意に識別するための識別子であり、患者基本情報２０１に含まれるものと同義である。診療ＩＤ１７０２は、患者に実施した診療行為を一意に識別するための識別子であり、検査情報１７０１に含まれるものと同義である。日付１７０３は、当該疾病の情報が取得された際の日付の情報であって、検査情報１７０１に含まれるものと同義である。疾病ＩＤ１８０２は、患者の疾病の状態を表す情報であり、例えば、疾病の種類を表すコード情報や、診療行為を表すコード情報などが含まれる。

図１９は、血糖制御手段実施情報１９０１の例を示す図である。血糖制御手段実施情報１９０１は、患者に実施した血糖制御手段の情報を纏めた情報である。血糖制御手段実施情報１９０１は、患者ＩＤ２０２、診療ＩＤ１７０２、日付１７０３、薬剤ＩＤ１９０２、処方量１９０３、単位１９０４などを構成要素として含む。患者ＩＤ２０２は、患者を一意に識別するための識別子であり、患者基本情報２０１に含まれるものと同義である。診療ＩＤ１７０２は、患者に実施した診療行為を一意に識別するための識別子であり、検査情報１７０１に含まれるものと同義である。日付１７０３は、当該診療行為を実施した日付であり、薬剤ＩＤ１９０２は、当該患者に実施された血糖制御手段を一意に識別するための識別子である。処方量１９０３は、当該血糖制御手段（例えば、薬剤）の処方量の情報である。単位１９０４は処方量１９０３の単位の情報である。

図２０は、血糖制御目標情報２００１の例を示す図である。血糖制御目標情報２００１は、血糖制御目標の情報である。血糖制御目標情報２００１は、目標ＩＤ２００２、項目ＩＤ３０４、目標値２００３、目標期間２００４、目標期間単位２００５などを構成要素として含む。目標ＩＤ２００２は、血糖制御目標を一意に識別するための識別子である。項目ＩＤ１７０４は、目標対象の項目、例えば検査値の種類などを一意に識別するための識別子であり、検査情報３０１に含まれるものと同義でよい。目標値２００３は、目標情報ごとに設定された目標値である。目標期間２００４は、血糖制御の実施から目標達成を判定するまでの期間である。目標期間単位２００５は、目標期間２００４の単位を表す情報である。血糖制御目標情報２００１は、例えば、入力部１６０２からユーザに入力された情報に基づいて作成される。

次に、血糖制御目標達成判定部１６０７の処理を説明する。血糖制御目標達成判定部１６０７は、過去に実施した血糖制御手段が、血糖制御の目標を達成したか否かを判定する
処理を実行する。

図２１は、血糖制御目標達成判定部１６０７が実行する処理のフローチャートである。

まず、ステップＳ２１０１では、医療情報記憶部１６５１に記憶された検査情報１７０１及び血糖制御手段実施情報１９０１を読み出し、メモリ１６０５に記憶する。

ステップＳ２１０２では、血糖制御目標情報記憶部１６５２に記憶された血糖制御目標情報２００１を読み出し、メモリ１６０５に記憶する。

ステップＳ２１０３では、メモリ１６０５に記憶された検査情報１７０１、血糖制御手段実施情報１９０１及び血糖制御目標情報２００１に基づいて、血糖制御手段ごとに血糖制御目標達成を判定し、血糖制御目標達成判定情報２２０１（図２２）を作成する。以下、詳細に説明する。まず、患者基本情報２０１と検査情報１７０１と血糖制御手段実施情報１９０１と血糖制御目標情報２００１とを、血糖制御手段実施情報１９０１に含まれる患者ＩＤ毎かつ診療ＩＤ毎かつ、血糖制御目標情報２００１に含まれる目標ＩＤ毎に関連付けて、整形する。次に、患者ＩＤ毎かつ診療ＩＤ毎かつ目標ＩＤ毎に関連付けられた情報毎に、血糖制御目標情報２００１に含まれる項目ＩＤ１７０４の項目の情報であって、血糖制御手段実施情報１９０１に含まれる日付１７０３から、目標期間２００４以内に取得された検査情報１７０１に含まれる値１７０５を検索し、検索された値と目標値２００３とを比較して、目標の達成を実施する。

以下、図１７、図１９、図２０を用いて、患者ＩＤがＰ０００１、診療ＩＤがＶ０００１のデータを例に具体的に説明する。このデータは、図１９に示すように、日付が２０１７年１０月７日に、薬剤ＩＤがＭ０００１の薬を処方されたことを表す。この患者が、図２０に示す血糖制御目標情報２００１の目標ＩＤがＧ０００１の目標を達成したか否かを判定する例を説明する。目標ＩＤがＧ０００１の目標は、項目ＩＤがＩ０００１の検査項目の値が、目標期間及び目標期間単位で規定された３０日以内に、目標値の８．０を達成することが定義されている。患者ＩＤがＰ０００１の患者の場合、診療ＩＤがＶ０００１の治療が２０１７年１０月７日に実施されているため、その日から３０日以内の、項目ＩＤがＩ０００１の検査情報を検索し、目標が達成されているかを判定する。本例の場合、検査情報１７０１に、２０１７年１１月６日に値が７．７のデータが含まれている、すなわち、目標値以下の検査データがあるので、目標達成と判定する。

目標達成判定方法のいくつかの例を説明する。実施例３では、疾病や治療や検査の特性によって、いずれの方法を採用してもよい。第１の方法は、目標期間の間に一度でも値を達成したときを、目標達成と判定する方法である。第２の方法は、目標期間の間に特定の回数以上目標を達成した場合を目標達成として判定する方法である。第３の方法は、目標期間の間に一度も目標値を達成していない検査情報が存在しない場合を目標達成と判定する方法である。

図２２は、血糖制御目標達成判定情報２２０１の例を示す図である。血糖制御目標達成判定情報２２０１は、患者ＩＤ２０２、診療ＩＤ１７０２、目標ＩＤ２００２、達成値２２０２、達成判定２２０３を含む。患者ＩＤ２０２、診療ＩＤ１７０２、目標ＩＤ２００２は、それぞれ図２、図１７、図２０に含まれるものと同種の情報を含む。患者ＩＤ２０２は、患者を一意に識別するための識別子であり、患者基本情報２０１に含まれるものと同義である。診療ＩＤ１７０２は、患者に実施した診療行為を一意に識別するための識別子であり、検査情報１７０１に含まれるものと同義である。目標ＩＤ２００２は、治療目標を一意に識別するための識別子であり、血糖制御目標情報２００１に含まれるものと同義である。達成値２２０２は、目標を達成した際の値（例えば、検査結果の値１７０５）である。達成判定２２０３は、目標を達成したか否かを表す情報であり、例えばＴＲＵＥ又はＦＬＡＳＥなどの２値情報、Ｔ又はＦなどの記号情報、１又は０などの数値情報として表現されうる。また、達成判定２２０３は連続値の情報でもよい。例えば、目標値として設定された値と達成された（又は達成されなかった）値との差を計算し、計算された差の値を達成判定２２０３に記録してもよい。

なお、目標期間の間に当該項目ＩＤの検査情報がない場合、血糖制御目標達成判定情報２２０１のデータを作成しなくてもよいし、データが取得されていない旨を表す情報を達成判定２２０３に記録したデータを作成してもよい。

ステップＳ２１０４では、ステップＳ２１０３で作成した血糖制御目標達成判定情報２２０１を出力し、血糖制御目標達成判定情報記憶部１６５４に記憶する。

次に、データ整形部１６０８が実行する処理を説明する。データ整形部１６０８では、医療情報記憶部１６５１に記憶されている患者基本情報、検査情報、疾病情報、治療情報、及び、血糖制御目標達成判定情報記憶部１６５４に記憶されている血糖制御目標達成判定情報２２０１を、整形して一つの整形データを作成する。本整形データは、血糖制御手段の実施状況と、血糖制御手段を実施された患者の情報と、血糖制御手段の目標達成結果とを統合して含み、後述する各種モデル構築処理にて用いられる。以下、整形情報について、具体的に説明する。

図２３は、整形情報２３０１の例を示す図である。整形情報２３０１は、患者ＩＤ毎かつ目標ＩＤ毎かつ診療ＩＤ毎に、患者の基本情報と、検査情報と、疾病情報と、当該診療ＩＤに実施した血糖制御手段の実施情報と、過去の実施していた血糖制御手段の履歴情報と、血糖制御目標達成の有無の情報を纏めた情報である。

整形情報２３０１は、医療情報２３０２、血糖制御手段履歴情報２３０３、血糖制御手段実施情報２３０４、血糖制御目標達成判定情報２３０５を含む。医療情報２３０２は、当該患者の診療実施時の基本的な情報及び健康状態の情報を含み、具体的には、患者ＩＤ２０２、診療ＩＤ１７０２、性別２０３、年齢２０４、検査値（例えば、ＨｂＡ１ｃ値２３０６）の情報、疾病の情報、診療行為の情報などを含む。

血糖制御手段履歴情報２３０３は、当該診療が実施された日より前に実施された血糖制御手段の情報を纏めた情報であり、例えば、当該診療が実施される日まで継続して処方された薬剤の情報、過去３０日間に処方された薬剤の情報を集約した情報などが含まれる。この集約は、例えば、薬剤毎の処方の有無を示す２値の情報でもよいし、薬剤毎の処方量を直接用いてもよい。また、薬剤毎に設定された処方上限量に対する割合として、０以上１以下の値を、処方量をあらわす指標として用いてもよい。

血糖制御手段実施情報２３０４は、当該診療において実施された血糖制御手段の情報を纏めた情報である。例えば、当該診療が実施された日に処方された薬剤の情報が集約された情報である。この集約は、例えば、薬剤毎の処方の有無を示す２値の情報でもよいし、薬剤毎の処方量を直接用いてもよい。また、薬剤毎に設定された処方上限量に対する割合として、０以上１以下の値を、処方量を表す指標として用いてもよい。血糖制御目標達成判定情報２３０５は、当該血糖制御手段の実施が、血糖制御目標を達成したか否かの情報である。具体的には、血糖制御目標達成判定情報２２０１の中で、当該血糖制御手段実施情報２３０４に対応付けられるものが格納される。

なお、整形情報２３０１を構成する際に、全てのカテゴリ変数を数値変数に変換してもよい。例えば、性別２０３の情報は、男性を１、女性を０と表す数値に変換してもよい。また、血糖制御手段履歴情報２３０３及び血糖制御手段実施情報２３０４に関しても、薬剤毎に処方量の単位が異なる場合、処方量上限に対する割合の値として正規化や標準化してもよい。達成判定２２０３の情報は、達成を１、未達成を０と表す数値に変換してもよい。このような変換によって、後述する各種モデル構築処理及び血糖制御能推定処理における数値計算処理において、適用可能な演算の範囲が拡大する効果がある。構築した整形情報２３０１は、整形情報記憶部１６５５に記憶される。

なお、実施例３では、図２３に示すように、患者に過去に実施された治療手段の情報を、患者毎かつ治療手段毎かつ治療手段が割り当てられたタイミング毎に纏めた形式の整形情報２３０１を使用したが、患者に過去に実施された治療手段の情報が含まれていれば他の形式でもよい。

次に、血糖制御能推定部１６０９を説明する。血糖制御能推定部１６０９は、整形情報記憶部１６５５に記憶された整形情報２３０１と薬剤機序情報記憶部１６５３に記憶された薬剤機序情報に基づいて、血糖制御能を患者毎かつ診療のタイミング毎に推定し、推定された血糖制御能を血糖制御能情報記憶部１６５６に記憶する。血糖制御能は、患者に対する、血糖制御手段の機序ごとの有効性を表す指標であって、患者の過去の治療実施履歴と、当該治療実施履歴における治療目標達成可否の情報との関係性に基づいて推定される。

本治療選択支援システムにおいて、血糖制御能を推定する目的を説明する。糖尿病では、治療が長期化すると、以前と同じ薬剤でも効果が減少し、血糖を低下させる目標を達成できない場合がある。例えば、インスリンの分泌を促す種類の薬剤では、投薬治療の長期化に伴い、すい臓のインスリン分泌能が衰えて、同じ機序の薬を処方しても効果が生じない場合があることが知られている。このように、糖尿病の治療においては、過去に処方した薬剤の機序と処方期間、及び当該薬剤の効果が継続的な有効性を時系列的に考慮して、投薬を決定することが重要である。そこで、過去の投薬のパターンとその効果から血糖制御能を推定し、この情報に基づいて適切な薬剤を提案することによって、より正確な投薬治療提案を実現する。

まず、図２４を用いて、血糖制御能推定に用いる薬剤機序情報を説明する。図２４は、薬剤機序情報２４０１の例を示す図である。薬剤機序情報２４０１は、血糖制御手段毎の薬剤機序の情報を含む情報である。薬剤機序情報２４０１は、薬剤ＩＤ１９０２、分類２４０２、化合物２４０３、機序２４０４などを構成要素として含む。薬剤ＩＤ１９０２は、血糖制御手段実施情報１９０１に含まれるものと同義である。分類２４０２は、血糖制御手段である薬剤の分類を示す情報である。化合物２４０３は、薬剤に含まれる化合物を示す情報である。機序２４０４は、薬剤の機序分類を示す情報であり、例えばインスリン抵抗性改善、インスリン分泌促進、糖排出調節、糖吸収調節などの分類情報が含まれる。

次に、図２５を用いて血糖制御能推定処理が実行する処理を説明する。図２５は、血糖制御能推定部１６０９が実行する処理のフローチャートである。以下、各処理ステップを説明する。

ステップＳ２５０１では、整形情報記憶部１６５５に記憶された整形情報２３０１を読み出す。

ステップＳ２５０２では、薬剤機序情報記憶部１６５３に記憶された薬剤機序情報２４０１を読み出す。

ステップＳ２５０３では、整形情報２３０１及び薬剤機序情報２４０１に基づいて、患者毎かつ診療ＩＤ毎の血糖制御能を薬剤機序ごとに推定する。

血糖制御能の推定方法のいくつかの例を説明する。実施例３では、いずれの方法を採用してもよい。第１の方法は、当該患者毎かつ診療ＩＤ毎に、当該診療ＩＤの日より前に実施された血糖制御手段の履歴情報を、薬剤機序情報２４０１に基づいて薬剤機序ごとに集計して、各薬剤機序別の処方履歴情報を集約した情報を、血糖制御能とする方法である。例えば、診療ＩＤの日付から過去１年間に処方された薬剤の累積処方量を薬剤機序ごとに集計する。集計した情報は、例えば集計した量をそのまま用いてもよいし、累積処方量が少ないほど大きく、累積処方量が多いほど小さくなる数値指標に変換して、返還された数値指標を血糖制御能として用いてもよい。また、処方量でなく処方期間を用いてもよい。第１の方法によって、患者の過去の薬剤機序毎の累積処方量や処方期間の情報から、患者の薬剤機序別の血糖制御能を推定できる。

第２の方法は、当該患者毎かつ診療ＩＤ毎に、当該診療ＩＤの日より前に実施された血糖制御手段の履歴情報を、薬剤機序情報２４０１に基づいて薬剤機序ごとに集計して、各薬剤機序別の処方履歴情報を集約した情報と、治療目標対象として着目している検査値の変化の情報との関連性の分析結果に基づいて、血糖制御能を推定する方法である。例えば、薬剤機序毎の過去の継続的な処方期間と、患者の医療情報２３０２と、検査値の変化量との関連を表すモデル（例えば、回帰モデル）を構築する。この回帰モデルを、整形情報２３０１内の全てのデータを用いて構築した後に、患者ＩＤ毎かつ診療ＩＤ毎に予測した各検査値の変化量予測の期待値の情報を血糖制御能の情報として利用する。第２の方法によって、例えば、ある薬剤機序の薬剤を新規に処方した場合と、継続して処方を続ける場合とにおける検査値に与える影響の差を表す数値情報を計算できる。

第３の方法は、患者の薬剤機序毎の時系列の処方実績と、時系列の治療効果との関係性を表すモデルを構築し、構築されたモデルから血糖制御能の情報を抽出する方法である。まず、整形情報に含まれる各レコードのうち、血糖制御手段履歴情報２３０３及び血糖制御手段実施情報２３０４を、薬剤機序情報２４０１に基づいて薬剤機序ごとに集約した情報を構築する。集約方法としては、例えば、薬剤ごとの処方量を最大処方量に対する割合によって表し、その値を合算することで集約してもよい。次に、集約した薬剤機序ごとの血糖制御手段履歴情報２３０３と血糖制御手段実施情報２３０４と患者の医療情報２３０２とを、ある時点における患者の状態を表すベクトルとして表す。このベクトルを患者単位で時系列に並べたベクトル列の情報に基づいて、患者毎の時系列のベクトルの遷移を予測するモデルを構築し、構築されたモデルから、血糖制御能の情報を抽出する。モデル化の方法としては、時系列の推移に伴い、時系列の内部状態を有するモデルを構築する。例えば、時系列を考慮した状態空間モデルや、時系列を考慮した深層学習モデル、例えばＬＳＴＭ（ＬＯＮＧ−ＳＨＯＲＴ−ＴＥＲＭ−ＭＥＭＯＲＹ）などの公知の方法を用いることができる。そして、構築されたモデルから、各時系列ステップの血糖制御能の情報を推定する。例えばＬＳＴＭを用いる場合、まず全ての患者の情報を用いて、次の時系列ステップのベクトルを予測するモデルを構築する。次に、各患者の時系列ステップごとに、それまでの時系列の情報を全て入力して予測を実施し、その際に取得された内部状態ベクトルの情報を血糖制御能の情報として扱う。この内部状態を、患者毎かつ診療ＩＤ毎かつ薬剤機序毎に推定し、内部状態を表すベクトルを血糖制御能として推定する。

ステップＳ２５０４では、ステップ２５０３で採用された血糖制御能推定方式を、血糖制御能情報記憶部１６５６に記憶する。例えば、推定に用いた推定式、ロジック、モデルなどの処理演算方法を、演算装置１６０４で利用可能な形式で記憶する。

ステップＳ２５０５では、ステップＳ２５０３で推定された血糖制御能の情報を、血糖制御能情報記憶部１６５６に記憶する。

図２６は、血糖制御能情報記憶部１６５６に記憶される血糖制御能情報２６０１の例を示す図である。血糖制御能情報２６０１は、患者ＩＤ２０２及び診療ＩＤ２０３の他に、血糖制御能として、例えば、インスリン抵抗性改善２６０２、インスリン分泌促進２６０３、糖吸収調整２６０４、糖排出調整２６０５などの情報を含む。さらに、血糖制御能情報２６０１は、血糖制御能推定方式２６０６を含む。

血糖制御能に含まれる各情報２６０２〜２６０５は、各機序の薬剤が、患者に既に処方されている期間、及び、当該機序の薬剤の効果を示す指標であり、例えば、この例では、０以上１以下の値で表現される。例えば、指標値が１の場合、これまでに一度も処方されていないことを示す。また、指標値が０場合、同一薬剤の処方が継続された結果、血糖が変化しづらくなっている状態であることを示す。

血糖制御能推定方式２６０６は、ステップ２５０３で採用された血糖制御能推定方式、例えば、推定に用いた推定式、ロジック、モデルなどを、演算装置１６０４で利用可能な形式（例えば、ファイル名や、当該式を起動するための情報）で記憶する。

次に、血糖制御目標達成度予測モデル構築部１６１０を説明する。血糖制御目標達成度予測モデル構築部１６１０では、血糖制御手段ごとの目標達成度を患者毎かつ血糖制御手段毎に予測する血糖制御目標達成度予測モデルを構築する。

図２７は、血糖制御目標達成度予測モデル構築部１６１０が実行する処理のフローチャートである。以下、各処理ステップを説明する。

ステップＳ２７０１では、整形情報記憶部１６５５に記憶された整形情報２３０１を読み出す。

ステップＳ２７０２では、血糖制御能情報記憶部１６５６に記憶された血糖制御能情報２６０１を読み出す。

ステップＳ２７０３では、整形情報２３０１に記憶された情報の中で、血糖制御目標達成度予測モデルを構築する特定の目標ＩＤと一致する情報を整形情報２３０１から抽出する。例えば、目標ＩＤがＧ０００１に関する血糖制御目標達成度予測モデルを構築する場合は、目標ＩＤがＧ０００１と一致する情報を整形情報２３０１から抽出する。併せて、抽出した目標ＩＤに対応する整形情報２３０１の患者ＩＤ２０２及び診療ＩＤ１７０２が一致する血糖制御能２６０２〜２６０５を血糖制御能情報２６０１から抽出する。

ステップＳ２７０４では、ステップＳ２７０３で決定した血糖制御目標に基づいて抽出された整形情報２３０１及び血糖制御能情報２６０１に基づいて、血糖制御目標達成度予測モデルを構築する。血糖制御目標達成度予測モデルは、患者毎かつ血糖制御手段毎に、患者の情報及び血糖制御能の情報に基づいて、整形情報２３０１に含まれる目標の達成判定２２０３の情報を予測するモデルである。

血糖制御目標達成度予測モデルのいくつかの例を説明する。実施例３では、いずれの方法でモデルを構築してもよい。第１のモデルは、血糖制御目標の達成の有無の確率を予測するモデルである。第２のモデルは、血糖制御目標の達成値と目標値との差の値を予測するモデルである。血糖制御目標達成度予測モデルの入力変数は、医療情報２３０２、血糖制御手段履歴情報２３０３、血糖制御手段実施情報２３０４及び血糖制御能情報２６０１に含まれる情報の全て又はいずれかの組み合わせとする。例えば、血糖制御目標の達成の有無の確率を予測するモデルとしては、統計的モデルであるロジスティック回帰や、機械学習を用いたベイジアンネットワーク、多層パーセプトロン、ＢＯＯＳＴＩＮＧ ＴＲＥＥなどの様々なモデルを用いることができる。

ステップＳ２７０４では、ステップ２７０３で構築した血糖制御目標達成度予測モデルを、該当する血糖制御目標の目標ＩＤ、及び、ステップＳ２７０２で読み出し血糖制御能を推定する際に用いた血糖制御能推定方式の情報と併せて、血糖制御目標達成度予測モデル記憶部１６５７に記憶する。

次に、血糖制御手段適正度計算モデル構築部１６１１を説明する。血糖制御手段適正度計算モデル構築部１６１１では、血糖制御手段毎の適正度を患者毎かつ診療時毎に予測する血糖制御手段適正度計算モデルを構築する。

図２８は、血糖制御手段適正度計算モデル構築部１６１１が実行する処理のフローチャートである。以下、各処理ステップを説明する。

ステップＳ２８０１では、整形情報記憶部１６５５に記憶された整形情報２３０１を読み出す。

ステップＳ２８０２では、血糖制御能情報記憶部１６５６に記憶された血糖制御能情報２６０１を読み出す。

ステップＳ２８０３では、整形情報２３０１及び血糖制御能情報２６０１に基づいて、血糖制御手段適正度計算モデルを構築する。血糖制御手段適正度計算モデルは、整形情報２３０１に含まれる血糖制御手段の適正度を患者毎かつ血糖制御手段ごとに予測するモデルである。

治血糖制御手段適正度計算モデルのいくつかの例を説明する。実施例３では、血糖制御手段の特性によって、いずれの方法でモデルを構築してもよい。第１のモデルは、患者毎に当該血糖制御手段が割り当てられる確率を、過去の情報に基づいて予測するモデルである。第２のモデルは、患者毎に当該血糖制御手段が割り当てられた過去の類似症例患者の人数を予測するモデルである。血糖制御手段適正度計算モデルの入力変数は、医療情報２３０２、血糖制御手段履歴情報２３０３、血糖制御手段実施情報２３０４及び血糖制御能情報２６０１に含まれる全て又はいずれかの情報の組み合わせとする。例えば、予測モデルの形態としては、統計的モデルであるロジスティック回帰や、機械学習を用いたベイジアンネットワーク、多層パーセプトロン、ＢＯＯＳＴＩＮＧ ＴＲＥＥなどの様々な方法を用いることができる。

ステップＳ２８０４では、ステップ２８０３で構築した血糖制御手段適正度計算モデルを、ステップＳ２８０２で読み出した血糖制御能を推定する際に用いた血糖制御能推定方式の情報と併せて、血糖制御手段適正度計算モデル記憶部１６５８に記憶する。

次に、血糖制御手段提案部１６１２を説明する。血糖制御手段提案部１６１２は、患者毎に適切な血糖制御手段を提案する。具体的には、血糖制御手段提案部１６１２は、血糖制御目標達成度予測部１６１３及び血糖制御手段適正度計算部１６１４を有する。血糖制御手段提案部１６１２は血糖制御目標達成度を、血糖制御目標達成度予測部１６１３は血糖制御手段適正度を、血糖制御手段ごとに評価する。その後、血糖制御目標達成度及び血糖制御手段適正度の二つの指標を組み合わせて、血糖制御手段を評価するスコアを計算し、計算されたスコアに基づいて、適切な血糖制御手段を患者に提案する。

図２９は、血糖制御手段提案部１６１２が実行する処理のフローチャートである。以下、各処理ステップを説明する。

ステップＳ２９０１では、血糖制御手段を提案する対象の患者基本情報２０１が血糖制御手段提案部１６１２に入力される。入力される情報は、年齢や性別の検査情報１７０１、過去の疾病情報１８０１、血糖制御手段実施情報１９０１などが含まれる。このとき、入力された情報は、整形情報記憶部１６５５に記憶された整形情報２３０１と同じ形式に整形してメモリ１６０５に記憶される。

ステップＳ２９０２では、血糖制御の目標が血糖制御手段提案部１６１２に入力される。例えば、血糖制御の目標は、血糖制御目標情報記憶部１６５２に記憶されている血糖制御目標情報２００１の中から、適切な血糖制御目標の情報を選択するとよい。

ステップＳ２９０３では、ステップＳ２９０１で整形された整形情報に基づいて、対象の患者の血糖制御能を推定する。具体的には、血糖制御能情報記憶部１６５６に記憶された血糖制御能情報２６０１の中の血糖制御能推定方式２６０６の中から、対象の患者に適用する血糖制御能推定方式を選択して、当該血糖制御能情報が推定された方法と同じ方法で血糖制御能を推定する。血糖制御能の推定方式は、予め決まった推定方式を利用してもよいし、患者個別に適切な方法をユーザが指定してもよい。

ステップＳ２９０４では、血糖制御手段の候補が血糖制御手段提案部１６１２に入力される。血糖制御手段は、例えば、いくつかの具体的な薬剤名称の集合として与えられてもよいし、類似する薬剤を纏めた分類の粒度で与えられてもよい。

ステップＳ２９０５では、血糖制御手段提案部１６１２が、血糖制御手段の候補から、予測を実施する血糖制御手段を一つ選択する。

ステップＳ２９０６では、血糖制御手段提案部１６１２が、血糖制御手段を患者に適用した場合の仮想的な手段適応データを構築する。具体的には、整形情報２３０１の血糖制御手段実施情報２３０４の中に、予測する血糖制御手段の情報を仮想的に格納し、血糖制御手段を実施した場合のシナリオを表すレコードを作成する。

ステップＳ２９０７では、血糖制御目標達成度予測部１６１３が、ステップＳ２９０６で作成した仮想的な手段適応データに基づいて、血糖制御手段を適用した場合の目標達成度を予測する。具体的には、血糖制御目標達成度予測部１６１３は、血糖制御目標達成度予測モデル記憶部１６５７に記憶された血糖制御目標達成度予測モデルの中で、ステップＳ２９０２で選択した血糖制御目標に該当する血糖制御目標達成度予測モデルを用いて、当該血糖制御手段の目標達成度を予測する。

ステップＳ２９０８では、血糖制御手段適正度計算部１６１４が、血糖制御手段適正度計算モデル記憶部１６５８に記憶された血糖制御手段適正度計算モデルを用いて、ステップＳ２９０６で作成された仮想的な手段適応データに基づいて、血糖制御手段の適正度を計算する。

ステップＳ２９０９では、血糖制御手段提案部１６１２が、予測対象の血糖制御手段の血糖制御手段提案スコアを計算する。血糖制御手段提案スコアは、ステップＳ２９０７で予測した目標達成度と、ステップＳ２９０８で計算した適正度との二つの指標に基づいて計算する。

血糖制御手段提案スコアの計算方法のいくつかの例を説明する。実施例３では、目標の特性によって、いずれの方法を採用してもよい。第１の方法は、目標達成確率と適正度との四則演算の結果を血糖制御手段提案スコアとする方法である。例えば、二つの指標の積を新たなスコアとすることができる。第２の方法は、適正度に基づく活性化関数を定義し、定義された活性化関数の値を目標達成確率とを乗じて血糖制御手段提案スコアを計算する方法である。例えば、適正度が閾値以下の場合は０、閾値以上の場合は適正度の値をそのまま返す活性化関数を定義して、適正度がある閾値以下の場合は０、それ以外の場合は、二つの指標の積が血糖制御手段提案スコアとなる。

ステップＳ２９１０では、血糖制御手段提案部１６１２が、全ての血糖制御手段の候補の血糖制御手段提案スコアを計算したか否かを判定する。全ての血糖制御手段の候補の血糖制御手段提案スコアの計算が終了した場合、ステップＳ２９１１に進む。一方、一部の血糖制御手段の候補の血糖制御手段提案スコアの計算が終了していない場合、ステップＳ２９０５に進む。

ステップＳ２９１１では、血糖制御手段提案部１６１２が、血糖制御手段毎に計算されたスコアに基づいて、適切な血糖制御手段を提案する。

治療手段の提案方法のいくつかの例を説明する。実施例３では、いずれの方法を採用してもよい。第１の方法は、血糖制御手段提案スコアが最大の血糖制御手段を提案する方法である。第２の方法は、血糖制御手段提案スコアが閾値以上の一つ以上の血糖制御手段を提案する方法である。提案された血糖制御手段は、例えば、出力部１６０３によってユーザに提示される。

図３０Ａ、図３０Ｂは、実施例３のユーザインターフェイス画面３００１の例を示す図である。図３０Ａ、図３０Ｂに示す血糖制御手段提案画面の例は、出力部１６０３に表示される画面３００１の例であり、患者に提案する血糖制御手段を分析した結果を示す画面の例である。画面３００１は、患者情報選択ボタン３００２、血糖制御能推定ボタン３００３、血糖制御手段提案ボタン３００４、患者基本情報表示領域３００５、患者検査情報表示領域３００６、血糖制御能推定結果表示領域３００７、血糖制御目標設定領域３００８及び血糖制御手段提案結果表示領域３００９を含む。

患者情報選択ボタン３００２は、分析対象の患者の情報をデータベースから取得するために操作されるボタンである。

血糖制御能推定ボタン３００３は、分析対象の患者の血糖制御能を推定するために操作されるボタンである。

血糖制御手段提案ボタン３００４は、選択された患者の情報に基づいて、血糖制御手段の提案処理を実行するために操作されるボタンである。

患者基本情報表示領域３００５は、選択された患者の基本情報を表示する領域である。

患者検査情報表示領域３００６は、選択された患者の検査情報を表示する領域である。

血糖制御能推定結果表示領域３００７は、選択された患者の血糖制御能の推定結果を表示する領域である。

血糖制御目標設定領域３００８は、血糖制御の目標を設定するための領域である。血糖制御目標設定領域３００８は、例えば、血糖制御の目標とする項目が指定される欄、目標値が設定される欄、目標達成期間の長さや単位が設定される欄などを含む。

血糖制御手段提案結果表示領域３００９は、血糖制御手段提案結果を表示するための領域である。血糖制御手段提案結果表示領域３００９は、例えば、血糖制御目標達成度予測部１６１３の処理結果や、血糖制御手段適正度計算部１６１４の処理結果や、血糖制御手段提案部１６１２の処理結果を、血糖制御手段別に可視化して表示する。例えば、目標達成確率、血糖制御適正度、提案スコアなどの、血糖制御手段別に計算された指標を、円グラフや棒グラフなどのグラフを表示によって可視化するとよい。さらに、提案する血糖制御手段の情報を表示する。

さらに、血糖制御手段提案結果表示領域３００９は、血糖制御適正度及び血糖制御目標達成度に基づいて提案スコアを計算する方法である提案スコア計算ロジックを指定するインターフェイスを含む。図３０Ａでは、血糖制御手段提案結果表示領域３００９は上側の一部の領域のみが図示されている（提案スコア計算ロジック設定領域の下側が表示されていない）が、画面３００１右側のスクロースバーの操作によって、血糖制御手段提案結果表示領域３００９は全部が表示されている状態を図３０Ｂに図示した。

血糖制御手段提案結果表示領域３００９は、例えば、図３０Ａ、図３０Ｂに示す例では、適正度に関するステップ関数を重みとして、血糖制御目標達成度に乗じた値を血糖制御の提案スコアとして計算する方法が指定されている。この場合、血糖制御適正度が０．１未満の血糖制御方法は、スコアが０になり、血糖制御適正度が０．１以上の血糖制御方法は、目標達成確率がスコアの値になる。これにより、適正度が低い血糖制御手段より適正度が高い血糖制御手段の中から、目標達成度が高い血糖制御を優先的に提案できる。

ユーザは、画面３００１を参照することによって、患者毎の基本情報及び検査情報を確認でき、さらに、設定した血糖制御目標に対する達成確率と、患者への適正度との両方を考慮して、患者に適切な血糖制御手段を割り当てられる。

図３１は、図３０Ａ、図３０Ｂで示したユーザインターフェイス３００１を用いた血糖制御手段提案処理のシーケンス図である。この例では、ユーザインターフェイス３００１と、医療情報記憶部１６５１と、血糖制御目標情報記憶部１６５２と、血糖制御手段提案部１６１２と、血糖制御能推定部１６０９と、血糖制御目標達成度予測部１６１３と、血糖制御目標達成度予測モデル記憶部１６５７と、血糖制御手段適正度計算部１６１４との間における情報のやりとり及び処理の流れを示す。図３１における符号Ｓ２９０１、Ｓ２９０２、Ｓ２９０３、Ｓ２９０７、Ｓ２９０８、Ｓ２９０９、Ｓ２９１１は、図２９に示すフローチャートにおける処理ステップを示す。

まず、ユーザは、分析対象の患者の情報（例えば、患者ＩＤ、氏名など）を入力部１０２に入力し、患者情報選択ボタン３００２を操作して、分析対象の患者の情報を医療情報記憶部１６５１から取得する。そして、当該患者の血糖制御目標情報を血糖制御目標情報記憶部１６５２から取得してもよい。なお、当該患者の血糖制御目標情報が血糖制御目標情報記憶部１６５２に設定されていない場合、血糖制御目標情報入力画面を表示し、当該患者の血糖制御目標情報の入力を促してもよい。

その後、ユーザは、血糖制御手段提案ボタン３００４を操作して、血糖制御手段提案処理を開始する。以後の処理は、図２９で説明したものと同じである。

以上のように、実施例３の治療選択支援システムでは、糖尿病治療において、継続的な治療に伴う薬剤の効果の減退を考慮しながら、患者毎に設定された血糖制御目標に対して、過去の診療実績から乖離せず、かつ、治療目標達成度が高い治療手段を割り当てられる。

＜実施例４＞
実施例３では、患者毎に設定された血糖制御目標に対して、過去の診療実績から乖離せず、かつ、血糖制御目標達成度が最も高い血糖制御手段の選択を可能にする治療選択支援システムの例を説明した。実施例４では、患者の情報に基づいて、患者毎の適切な血糖制御目標を自動的に決定可能な治療選択支援システムを説明する。

実施例４の治療選択支援システムの構成は、図１６で示したものと同じである。実施例４の治療選択支援システムでは、血糖制御目標提案部１６１５が機能している点で、前述した実施例３の治療選択システムと相違する。他の構成及び処理は、実施例１と同じであるため、説明を省略する。

血糖制御目標提案部１６１５は、患者の情報に基づいて、適切な血糖制御目標を血糖制御目標情報記憶部１６５２から選択する。

図３２は、実施例４において、血糖制御手段提案部１６１２が実行する処理のフローチャートである。以下、各処理ステップを説明する。

ステップＳ３２０１では、血糖制御手段を提案する対象の患者基本情報２０１が血糖制御手段提案部１６１２に入力される。入力される情報は、年齢や性別の検査情報１７０１、過去の疾病情報１８０１、血糖制御手段実施情報１９０１などが含まれる。このとき、入力された情報は、整形情報記憶部１６５５に記憶された整形情報２３０１と同じ形式に整形してメモリ１６０５に記憶される。

ステップＳ３２０２では、ステップＳ３２０１で整形された整形情報に基づいて、対象の患者の血糖制御能を推定する。具体的には、血糖制御能情報記憶部１６５６に記憶された血糖制御能情報２６０１の中の血糖制御能推定方式２６０６の中から、対象の患者に適用する血糖制御能推定方式を選択して、当該血糖制御能情報が推定された方法と同じ方法で血糖制御能を推定する。血糖制御能の推定方式は、予め決まった推定方式を利用してもよいし、患者個別に適切な方法をユーザが指定してもよい。

ステップＳ３２０３では、血糖制御手段提案部１６１２が、血糖制御手段の候補から血糖制御手段を一つ選択する。例えば、血糖制御手段は、いくつかの具体的な薬剤名称の集合として与えられてもよく、類似する薬剤を纏めた分類の粒度で与えられてもよい。

ステップＳ３２０４では、血糖制御手段提案部１６１２が、血糖制御手段を患者に適用した場合の仮想的な手段適応データを構築する。具体的には、整形情報２３０１の血糖制御手段実施情報２３０４の中に、予測する血糖制御手段の情報を仮想的に格納し、血糖制御手段を実施した場合のシナリオを表すレコードを作成する。

ステップＳ３２０５では、血糖制御手段適正度計算部１６１４が、血糖制御手段適正度計算モデル記憶部１６５８に記憶された血糖制御手段適正度計算モデルを用いて、ステップＳ３２０４で作成された仮想的な手段適応データに基づいて、血糖制御手段の適正度を計算する。

ステップＳ３２０６では、血糖制御目標提案部１６１５が、血糖制御目標の候補となる情報を一つ選択する。例えば、血糖制御目標情報記憶部１６５２に記憶されている血糖制御目標情報２００１の中に含まれる血糖制御目標から候補を選択するとよい。この選択は、例えば、ある目標達成期間内で血糖制御目標値が異なる目標を候補として選択してもよく、ある血糖制御目標値に範囲内で血糖制御目標達成期間が異なる目標を候補として選択してもよい。

ステップＳ３２０７では、血糖制御目標達成度予測部１６１３が、ステップＳ３２０４で作成した仮想的な手段適応データに基づいて、血糖制御手段を適用した場合の目標達成度を予測する。具体的には、血糖制御目標達成度予測部１６１３は、血糖制御目標達成度予測モデル記憶部１６５７に記憶された血糖制御目標達成度予測モデルの中で、ステップＳ３２０６で選択した血糖制御目標に該当する血糖制御目標達成度予測モデルを用いて、当該血糖制御手段の目標達成度を予測する。

ステップＳ３２０８では、血糖制御手段提案部１６１２が、予測対象の血糖制御手段の血糖制御手段提案スコアを計算する。血糖制御手段提案スコアは、ステップＳ３２０５で計算された血糖制御手段適正度と、ステップＳ３２０７で予測された目標達成度との二つの指標に基づいて計算する。

血糖制御手段提案スコアの計算方法のいくつかの例を説明する。実施例４では、目標の特性によって、いずれの方法を採用してもよい。第１の方法は、目標達成確率と適正度との四則演算の結果を新たなスコアとする。例えば、二つの指標の積を新たなスコアとすることができる。第２の方法は、適正度に基づく活性化関数を定義し、この活性化関数の値を目標達成確率とを乗じて血糖制御手段提案スコアを計算する方法である。例えば、適正度が閾値以下の場合は０、閾値以上の場合は適正度の値をそのまま返す活性化関数を定義して、適正度がある閾値以下の場合は０、それ以外の場合は、二つの指標の積がスコアとなるスコアを定義となる。

ステップＳ３２０９では、血糖制御手段提案部１６１２が、全ての血糖制御目標の候補の血糖制御手段提案スコアを計算したか否かを判定する。全ての血糖制御手段の候補の血糖制御手段提案スコアを計算が終了した場合、ステップＳ３２１０に進む。一方、一部の血糖制御目標の候補の血糖制御手段提案スコアの計算が終了していない場合、ステップＳ３２０３に進む。ステップＳ３２０９において、血糖制御手段提案スコアの計算が終了したかの判定対象となる血糖制御目標の候補は、例えば、血糖制御目標情報記憶部１６５２に記憶されている血糖制御目標情報２００１に含まれる全ての血糖制御目標でもよい。また、ある血糖制御目標達成期間内の血糖制御目標でもよく、ある血糖制御目標の範囲内の血糖制御目標でもよい。

ステップＳ３２１０では、血糖制御手段提案部１６１２が、全ての血糖制御手段の候補の血糖制御手段提案スコアを計算したか否かを判定する。全ての血糖制御手段の候補の血糖制御手段提案スコアの計算が終了した場合、ステップＳ３２１１に進む。一方、一部の血糖制御手段の候補の血糖制御手段提案スコアの計算が終了していない場合、ステップＳ３２０３に進む。

ステップＳ３２１１では、血糖制御手段提案部１６１２が、血糖制御目標候補毎かつ血糖制御手段毎に計算された血糖制御手段提案スコアの情報に基づいて、血糖制御目標を提案する。

治療手段の提案方法のいくつかの例を説明する。実施例４では、いずれの方法を採用してもよい。第１の方法は、血糖制御手段提案スコアが最も高い値が計算された血糖制御目標を、患者に対する血糖制御目標として提案する方法である。第１の方法では、実際の診療実績から乖離しない治療（血糖制御）によって、達成の見込みが大きい血糖制御目標を提案できる。第２の方法は、血糖制御手段提案スコアが閾値以上の血糖制御手段が一つ以上ある血糖制御目標を提案する方法である。第２の方法では、実現可能性が低い治療目標（血糖制御目標）を除外して提案できる。以上、二つの例を説明したが、血糖制御目標の提案方法は例示した方法に限られず、血糖制御目標毎かつ血糖制御手段毎に計算された血糖制御手段提案スコアを活用して提案すれば様々な方法が採用できる。

ステップＳ３２１２では、血糖制御手段提案部１６１２が、血糖制御手段毎に計算された血糖制御手段提案スコアに基づいて、適切な血糖制御手段を提案する。

血糖制御手段の提案方法のいくつかの例を説明する。実施例４では、いずれの方法を採用してもよい。第１の方法は、ステップＳ３２０８で提案した血糖制御目標に対する血糖制御手段の中で、血糖制御手段提案スコアが最大の血糖制御手段を提案する方法である。第２の方法は、ステップＳ３２０８で提案した血糖制御目標に対する血糖制御手段の中で、血糖制御手段提案スコアが閾値以上の一つ以上の血糖制御手段を提案する方法である。提案された血糖制御手段は、例えば、出力部１６０３によってユーザに提示される。

以上のように、実施例４の治療選択支援システムでは、患者の情報に基づいて、患者毎の適切な血糖制御目標を自動的に決定できる。

実施例４にかかる治療選択支援システムでは、冒頭に説明した効果の他に、血糖制御目標を患者毎に提案できる。例えば、患者に対してある血糖制御目標を設定した場合、どの血糖制御手段を用いても血糖制御達成の見込みが小さいとき、その血糖制御目標は患者にとって達成が困難な目標である可能性がある。実施例４の治療選択支援システムでは、血糖制御手段提案スコアを、血糖制御目標毎かつ血糖制御手段毎に計算し、このスコアを用いて血糖制御目標を判定することによって、例えば、達成の可能性が高い血糖制御目標の情報をユーザに提供できる。

実施例３及び４では、糖尿病の治療手段（血糖制御手段）を例にして説明したが、より一般化すると、本発明は他の慢性疾患における対処療法にも適用可能である。この場合、実施例３、４の各構成や処理において「血糖制御」を「治療」と読み替える。例えば、高血圧、精神疾患（うつ病）、認知症、癌の抗癌剤治療にも適用可能である。特に、複数の臓器が影響している疾患では、効能が生じる臓器が治療手段によって異なるので、機序情報を考慮することによって、より適切な治療手段を提案できる。

以上に説明したように、本発明の実施例によると、データ分析部１０１は、整形情報９０１に基づいて、治療手段毎の治療目標の達成度を含む治療目標達成判定情報８０１を作成する治療目標達成判定部１０７と、整形情報９０１及び治療目標達成判定情報８０１に基づいて、治療目標の達成度を予測するための治療目標達成度予測モデルを構築する治療目標達成度予測モデル構築部１０９と、整形情報９０１及び治療目標達成判定情報８０１に基づいて、治療手段の適正度を計算するための治療手段適正度計算モデルを構築する治療手段適正度計算モデル構築部１１０と、治療目標達成度予測モデルを用いて、患者の治療目標の達成度を治療手段毎に予測する治療目標達成度予測部１１２と、治療手段適正度計算モデルを用いて、患者に対する治療手段の適正度を計算する治療手段適正度計算部１１３と、予測された治療目標達成度及び計算された治療手段適正度に基づいて、患者に適する治療手段の情報を提供する治療手段提案部１１１とを備えるので、患者毎に設定された治療目標に対して、過去の診療実績から乖離せず、かつ、治療目標達成度が高い治療手段の選択できる。

また、治療目標達成判定部１０７は、治療目標の達成の可否によって、治療目標の達成度を判定し、治療目標達成度予測モデル構築部１０９は、整形情報９０１及び治療目標達成判定情報８０１に基づいて、治療目標の達成確率を予測するための治療目標達成度予測モデルを構築し、治療目標達成度予測部１１２は、治療目標達成度として、治療目標の達成確率を治療手段毎に予測するので、ユーザが分かりやすい確率を指標に用いて、治療目標の達成確率を予測できる。

また、治療手段適正度計算モデル構築部１１０は、整形情報９０１及び治療目標達成判定情報８０１に基づいて、患者に治療手段が割り当てられる確率を予測するための治療手段適正度計算モデルを構築し、治療手段適正度計算部１１３は、治療手段適正度として、患者に当該治療手段が割り当てられる確率を治療手段毎に予測するので、ユーザが分かりやすい確率を指標に用いて、治療手段の適正度を予測できる。

また、治療手段提案部１１１は、治療目標達成度の値を治療手段適正度の値で重み付けして計算される提案スコアに基づいて、患者に適する治療手段の情報を提供するので、治療手段の有効性を提案スコアによって定量的に把握でき、治療手段の情報を的確に提供できる。

また、データ分析部１０１は、治療目標達成度及び治療手段適正度に基づいて、患者に適する治療目標の情報を提供する治療目標提案部１１４を備えるので、患者毎の適切な（例えば、達成可能性が高い）治療目標を決定できる。

また、データ分析部１０１は、作用機序分類毎の治療手段の実施履歴を含む治療効能情報（血糖制御能情報２６０１）を作成する治療効能推定部（血糖制御能推定部１６０９）を備え、治療目標達成度予測モデル構築部（血糖制御目標達成度予測モデル構築部１６１０）は、整形情報２３０１、治療目標達成判定情報（血糖制御目標達成判定情報２２０１）及び治療効能情報（血糖制御能情報２６０１）に基づいて、治療目標達成度予測モデルを構築し、治療手段適正度計算モデル構築部（血糖制御手段適正度計算モデル構築部１６１１）は、整形情報２３０１、治療目標達成判定情報（血糖制御目標達成判定情報２２０１）及び治療効能情報（血糖制御能情報２６０１）に基づいて、治療手段適正度計算モデルを構築するので、継続的な治療に伴う薬剤機序別の効果の減少を考慮しつつ、患者毎に設定された治療目標に対して、過去の診療実績から乖離せず、かつ、治療目標達成度が高い治療手段を割り当てられる。

また、治療効能推定部（血糖制御能推定部１６０９）は、整形情報に含まれる治療手段の作用機序分類毎の実施と、治療手段の結果との関係を示す関係性モデルを構築し、関係性モデルを用いて、治療手段が割り当てられたタイミング毎の治療結果を予測し、予測された治療結果又は治療の結果を予測するために用いたパラメータの情報を含む治療効能情報（血糖制御能情報２６０１）を作成するので、長期的な治療履歴を考慮して、過去の診療実績から乖離せず、かつ、治療目標達成度が高い治療手段を割り当てられる。

特許請求の範囲に記載した以外の本発明の観点の代表的なものとして、以下のものがあげられる。

（１）治療選択支援システムが糖尿病治療のための血糖制御手段の選択を支援する方法であって、
前記治療選択支援システムは、所定の処理を実行する演算装置と、前記演算装置に接続された記憶デバイスと、前記演算装置に接続された通信インターフェイスとを有する計算機によって構成され、
前記記憶デバイスは、前記血糖制御手段と、少なくとも糖吸収調節、糖排出調節、インスリン分泌促進及びインスリン抵抗性改善を含む作用機序分類とが対応づけられた機序情報と、患者に行われた治療の情報を含む整形情報と、を格納し、
前記方法は、
前記演算装置が、前記整形情報に基づいて、前記血糖制御手段毎の血糖制御目標の達成度を含む目標達成判定情報を作成する目標達成判定手順と、
前記演算装置が、前記作用機序分類毎の前記血糖制御手段の実施履歴を含む血糖制御能情報を作成する血糖制御能推定手順と、
前記演算装置が、前記整形情報、前記目標達成判定情報及び前記血糖制御能情報に基づいて、血糖制御目標の達成度を予測するための達成度予測モデルを構築する達成度予測モデル構築手順と、
前記演算装置が、前記整形情報、前記目標達成判定情報及び前記血糖制御能情報に基づいて、前記血糖制御手段の適正度を計算するための適正度計算モデルを構築する適正度計算モデル構築手順と、
前記演算装置が、前記達成度予測モデルを用いて、前記患者の血糖制御目標の達成度を前記血糖制御手段毎に予測する達成度予測手順と、
前記演算装置が、前記適正度計算モデルを用いて、前記患者に対する前記血糖制御手段の適正度を計算する適正度計算手順と、
前記演算装置が、前記予測された達成度及び前記計算された適正度に基づいて、前記患者に適する血糖制御手段の情報を提供する血糖制御手段提案手順と、を含むことを特徴とする方法。

（２）前記血糖制御能推定手順では、
前記演算装置が、前記整形情報に含まれる血糖制御手段の前記作用機序分類毎の実施と、前記血糖制御手段の結果との関係を示す関係性モデルを構築し、
前記演算装置が、前記関係性モデルを用いて、前記血糖制御手段による結果を予測し、
前記演算装置が、前記予測された結果又は前記結果を予測するために用いたパラメータの情報を含む血糖制御能情報を作成することを特徴とする方法。

（３）前記目標達成判定手順では、前記演算装置が、前記血糖制御目標の達成の可否によって、前記血糖制御目標の達成度を判定し、
前記達成度予測モデル構築手順では、前記演算装置が、前記整形情報及び前記目標達成判定情報に基づいて、前記血糖制御目標の達成確率を予測するための達成度予測モデルを構築し、
前記達成度予測手順では、前記演算装置が、前記血糖制御目標の達成度として、前記血糖制御目標の達成確率を前記血糖制御手段毎に予測することを特徴とする方法。

（４）前記適正度計算モデル構築手順では、前記演算装置が、前記整形情報及び前記目標達成判定情報に基づいて、前記患者に当該血糖制御手段が割り当てられる確率を予測するための適正度計算モデルを構築し、
前記適正度計算手順では、前記演算装置が、前記血糖制御手段の適正度として、前記患者に当該血糖制御手段が割り当てられる確率を前記血糖制御手段毎に予測することを特徴とする方法。

（５）前記血糖制御手段提案手順では、前記演算装置が、前記達成度の値を前記適正度の値で重み付けして計算される提案スコアに基づいて、前記患者に適する血糖制御手段の情報を提供することを特徴とする方法。

（６）さらに、前記達成度及び前記適正度に基づいて、前記患者に適する血糖制御目標の情報を提供する血糖制御目標提案手順を含むことを特徴とする方法。

なお、本発明は前述した実施例に限定されるものではなく、添付した特許請求の範囲の趣旨内における様々な変形例及び同等の構成が含まれる。例えば、前述した実施例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本発明は限定されない。また、ある実施例の構成の一部を他の実施例の構成に置き換えてもよい。また、ある実施例の構成に他の実施例の構成を加えてもよい。また、各実施例の構成の一部について、他の構成の追加・削除・置換をしてもよい。

また、前述した各構成、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り、ハードウェアで実現してもよく、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り、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、メモリ、ハードディスク、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等の記憶装置、又は、ＩＣカード、ＳＤカード、ＤＶＤ等の記録媒体に格納することができる。

また、制御線や情報線は説明上必要と考えられるものを示しており、実装上必要な全ての制御線や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よい。

１０１ データ分析部
１０２ 入力部
１０３ 出力部
１０４ 演算装置
１０５ メモリ
１０６ 記憶媒体
１０７ 治療目標達成判定部
１０８ データ整形部
１０９ 治療目標達成度予測モデル構築部
１１０ 治療手段適正度計算モデル構築部
１１１ 治療手段提案部
１１２ 治療目標達成度予測部
１１３ 治療手段適正度計算部
１１４ 治療目標提案部
１５０ データベース
１５１ 医療情報記憶部
１５２ 治療目標情報記憶部
１５３ 治療目標達成判定情報記憶部
１５４ 整形情報記憶部
１５５ 治療目標達成確率予測モデル記憶部
１５６ 治療手段適正度計算モデル記憶部

Claims (15)

1. 治療手段の選択を支援する治療選択支援システムであって、
   所定の処理を実行する演算装置と、前記演算装置に接続された記憶デバイスと、前記演算装置に接続された通信インターフェイスとを有する計算機によって構成され、
   前記記憶デバイスは、患者に行われた治療の情報を含む整形情報を格納し、
   前記治療選択支援システムは、
   前記整形情報に基づいて、前記治療手段毎の治療目標の達成度を含む目標達成判定情報を作成する目標達成判定部と、
   前記整形情報及び前記目標達成判定情報に基づいて、治療目標の達成度を予測するための達成度予測モデルを構築する達成度予測モデル構築部と、
   前記整形情報及び前記目標達成判定情報に基づいて、前記治療手段の適正度を計算するための適正度計算モデルを構築する適正度計算モデル構築部と、
   前記達成度予測モデルを用いて、前記患者の治療目標の達成度を前記治療手段毎に予測する達成度予測部と、
   前記適正度計算モデルを用いて、前記患者に対する前記治療手段の適正度を計算する適正度計算部と、
   前記予測された達成度及び前記計算された適正度に基づいて、前記患者に適する治療手段の情報を提供する治療手段提案部と、を備えることを特徴とする治療選択支援システム。
2. 請求項１に記載の治療選択支援システムであって、
   前記目標達成判定部は、前記治療目標の達成の可否によって、前記治療目標の達成度を判定し、
   前記達成度予測モデル構築部は、前記整形情報及び前記目標達成判定情報に基づいて、前記治療目標の達成確率を予測するための達成度予測モデルを構築し、
   前記達成度予測部は、前記治療目標の達成度として、前記治療目標の達成確率を前記治療手段毎に予測することを特徴とする治療選択支援システム。
3. 請求項１に記載の治療選択支援システムであって、
   前記適正度計算モデル構築部は、前記整形情報及び前記目標達成判定情報に基づいて、前記患者に前記治療手段が割り当てられる確率を予測するための適正度計算モデルを構築し、
   前記適正度計算部は、前記治療手段の適正度として、前記患者に当該治療手段が割り当てられる確率を前記治療手段毎に予測することを特徴とする治療選択支援システム。
4. 請求項１に記載の治療選択支援システムであって、
   前記治療手段提案部は、前記達成度の値を前記適正度の値で重み付けして計算される提案スコアに基づいて、前記患者に適する治療手段の情報を提供することを特徴とする治療選択支援システム。
5. 請求項１に記載の治療選択支援システムであって、
   さらに、前記達成度及び前記適正度に基づいて、前記患者に適する治療目標の情報を提供する治療目標提案部を備えることを特徴とする治療選択支援システム。
6. 請求項１に記載の治療選択支援システムであって、
   前記記憶デバイスは、前記治療手段と作用機序分類とが対応づけられた機序情報を格納し、
   前記治療選択支援システムは、前記作用機序分類毎の前記治療手段の実施履歴を含む治療効能情報を作成する治療効能推定部を備え、
   前記達成度予測モデル構築部は、前記整形情報、前記目標達成判定情報及び前記治療効能情報に基づいて、前記達成度予測モデルを構築し、
   前記適正度計算モデル構築部は、前記整形情報、前記目標達成判定情報及び前記治療効能情報に基づいて、前記適正度計算モデルを構築することを特徴とする治療選択支援システム。
7. 請求項６に記載の治療選択支援システムであって、
   前記治療効能推定部は、
   前記整形情報に含まれる治療手段の前記作用機序分類毎の実施と、前記治療手段の結果との関係を示す関係性モデルを構築し、
   前記関係性モデルを用いて、前記治療手段が割り当てられたタイミング毎の治療結果を予測し、
   前記予測された治療結果又は前記治療結果を予測するために用いたパラメータの情報を含む治療効能情報を作成することを特徴とする治療選択支援システム。
8. 糖尿病治療のための血糖制御手段の選択を支援する治療選択支援システムであって、
   所定の処理を実行する演算装置と、前記演算装置に接続された記憶デバイスと、前記演算装置に接続された通信インターフェイスとを有する計算機によって構成され、
   前記記憶デバイスは、患者に行われた治療の情報を含む整形情報を格納し、
   前記治療選択支援システムは、
   前記整形情報に基づいて、前記血糖制御手段毎の血糖制御目標の達成度を含む目標達成判定情報を作成する目標達成判定部と、
   前記整形情報及び前記目標達成判定情報に基づいて、血糖制御目標の達成度を予測するための達成度予測モデルを構築する達成度予測モデル構築部と、
   前記整形情報及び前記目標達成判定情報に基づいて、前記血糖制御手段の適正度を計算するための適正度計算モデルを構築する適正度計算モデル構築部と、
   前記達成度予測モデルを用いて、前記患者の血糖制御目標の達成度を前記血糖制御手段毎に予測する達成度予測部と、
   前記適正度計算モデルを用いて、前記患者に対する前記血糖制御手段の適正度を計算する適正度計算部と、
   前記予測された達成度及び前記計算された適正度に基づいて、前記患者に適する血糖制御手段の情報を提供する血糖制御手段提案部と、を備えることを特徴とする治療選択支援システム。
9. 請求項８に記載の治療選択支援システムであって、
   前記目標達成判定部は、前記血糖制御目標の達成の可否によって、前記血糖制御目標の達成度を判定し、
   前記達成度予測モデル構築部は、前記整形情報及び前記目標達成判定情報に基づいて、前記血糖制御目標の達成確率を予測するための達成度予測モデルを構築し、
   前記達成度予測部は、前記血糖制御目標の達成度として、前記血糖制御目標の達成確率を前記血糖制御手段毎に予測することを特徴とする治療選択支援システム。
10. 請求項８に記載の治療選択支援システムであって、
    前記適正度計算モデル構築部は、前記整形情報及び前記目標達成判定情報に基づいて、前記患者に当該血糖制御手段が割り当てられる確率を予測するための適正度計算モデルを構築し、
    前記適正度計算部は、前記血糖制御手段の適正度として、前記患者に当該血糖制御手段が割り当てられる確率を前記血糖制御手段毎に予測することを特徴とする治療選択支援システム。
11. 請求項８に記載の治療選択支援システムであって、
    前記血糖制御手段提案部は、前記達成度の値を前記適正度の値で重み付けして計算される提案スコアに基づいて、前記患者に適する血糖制御手段の情報を提供することを特徴とする治療選択支援システム。
12. 請求項８に記載の治療選択支援システムであって、
    さらに、前記達成度及び前記適正度に基づいて、前記患者に適する血糖制御目標の情報を提供する血糖制御目標提案部を備えることを特徴とする治療選択支援システム。
13. 請求項８に記載の治療選択支援システムであって、
    前記記憶デバイスは、前記血糖制御手段と、少なくとも糖吸収調節、糖排出調節、インスリン分泌促進及びインスリン抵抗性改善を含む作用機序分類とが対応づけられた機序情報を格納し、
    前記治療選択支援システムは、前記作用機序分類毎の前記血糖制御手段の実施履歴を含む血糖制御能情報を作成する血糖制御能推定部を備え、
    前記達成度予測モデル構築部は、前記整形情報、前記目標達成判定情報及び前記血糖制御能情報に基づいて、前記達成度予測モデルを構築し、
    前記適正度計算モデル構築部は、前記整形情報、前記目標達成判定情報及び前記血糖制御能情報に基づいて、前記適正度計算モデルを構築することを特徴とする治療選択支援システム。
14. 請求項１３に記載の治療選択支援システムであって、
    前記血糖制御能推定部は、
    前記整形情報に含まれる血糖制御手段の前記作用機序分類毎の実施と、前記血糖制御手段の結果との関係を示す関係性モデルを構築し、
    前記関係性モデルを用いて、前記血糖制御手段による結果を予測し、
    前記予測された結果又は前記結果を予測するために用いたパラメータの情報を含む血糖制御能情報を作成することを特徴とする治療選択支援システム。
15. 治療選択支援システムが治療手段の選択を支援する方法であって、
    前記治療選択支援システムは、所定の処理を実行する演算装置と、前記演算装置に接続された記憶デバイスと、前記演算装置に接続された通信インターフェイスとを有する計算機によって構成され、
    前記記憶デバイスは、患者に行われた治療の情報を含む整形情報を格納し、
    前記方法は、
    前記演算装置が、前記整形情報に基づいて、前記治療手段毎の治療目標の達成度を含む目標達成判定情報を作成する目標達成判定手順と、
    前記演算装置が、前記整形情報及び前記目標達成判定情報に基づいて、治療目標の達成度を予測するための達成度予測モデルを構築する達成度予測モデル構築手順と、
    前記演算装置が、前記整形情報及び前記目標達成判定情報に基づいて、前記治療手段の適正度を計算するための適正度計算モデルを構築する適正度計算モデル構築手順と、
    前記演算装置が、前記達成度予測モデルを用いて、前記患者の治療目標の達成度を前記治療手段毎に予測する達成度予測手順と、
    前記演算装置が、前記適正度計算モデルを用いて、前記患者に対する前記治療手段の適正度を計算する適正度計算手順と、
    前記演算装置が、前記予測された達成度及び前記計算された適正度に基づいて、前記患者に適する治療手段の情報を提供する治療手段提案手順と、を含むことを特徴とする方法。

Images