JP2019212034A5 - - Google Patents

Claims (13)

1. プロセッサとメモリを有する計算機で、要素間の類似度を分析する分析方法であって、
   前記計算機が、医療行為の要素を含む医療データを読み込む第１のステップと、
   前記計算機が、前記医療行為の要素の集合に対して予め設定された第１のキーで前記医療行為の要素を整列する第２のステップと、
   前記計算機が、前記医療データから前記医療行為の要素の集合に対応する第２のキーを取得して、前記整列された前記医療行為の要素の集合に前記第２のキーを組み合わせて学習データを生成する第３のステップと、
   前記計算機が、ニューラルネットワークで前記学習データの学習を実施して前記医療行為の要素の分散表現を算出する第４のステップと、
   前記計算機が、前記分散表現に基づいて前記医療行為の要素間の類似度を算出する第５のステップと、
   を含み、
   前記第１のキーが、前記医療行為を実施した時間情報であり、
   前記第２のキーが、傷病名の情報であることを特徴とする分析方法。
2. 請求項１に記載の分析方法であって、
   前記第３のステップは、
   前記医療行為の要素の集合の中から選択したひとつの医療行為の要素を第１の学習データとするステップと、
   前記選択した医療行為の要素の周辺要素を取得して、当該周辺要素に前記第２のキーを追加して第２の学習データを生成するステップと、
   を含むことを特徴とする分析方法。
3. 請求項１に記載の分析方法であって、
   前記第３のステップは、
   前記傷病名の情報を前記医療行為の要素の集合に組み合わせる際に、
   前記傷病名の情報が複数存在する場合には、主傷病に対応する傷病名の情報を選択し、
   前記選択した傷病名の情報の時間情報と、前記医療行為の時間情報とを比較して、前記傷病名の情報の時間情報が、前記医療行為の時間情報よりも早いものを選択し、前記傷病名の情報と前記医療行為の要素の集合とを組み合わせて学習データを生成することを特徴とする分析方法。
4. 請求項１に記載の分析方法であって、
   前記第２のステップは、
   前記医療行為の要素の集合から、保険点数が所定の閾値以下の医療行為の要素を削除することを特徴とする分析方法。
5. 請求項１に記載の分析方法であって、
   前記計算機が、前記算出された類似度に基づいて、医療行為と比較対象医療行為の対応関係を設定した類似度情報を生成する第６のステップと、
   前記計算機が、ルール番号と、対象項目と、対応医療行為を含むルール情報を読み込む第７のステップと、
   前記計算機が、前記対応医療行為からひとつの要素を選択して前記類似度情報を検索し、前記医療行為と一致し、かつ類似度が所定値以上の比較対象医療行為を選択する第８のステップと、
   前記計算機が、前記ルール情報の対象項目と選択された前記比較対象医療行為の組み合わせのうち、前記ルール情報に存在しない組み合わせを新たなルールの候補として出力する第９のステップと、
   をさらに含むことを特徴とする分析方法。
6. 請求項５に記載の分析方法であって、
   前記所定値は、
   前記ルール番号と前記対象項目が同一である対応医療行為同士の類似度を所定値とすることを特徴とする分析方法。
7. プロセッサとメモリを有して、要素間の類似度を分析する分析装置であって、
   医療行為の要素を含む医療データを読み込んで、前記医療行為の要素の集合に対して予め設定された第１のキーで前記医療行為の要素を整列し、前記医療データから前記医療行為の要素の集合に対応する第２のキーを取得して、前記整列された前記医療行為の要素の集合に前記第２のキーを組み合わせて学習データを生成するデータ整形部と、
   ニューラルネットワークで前記学習データの学習を実施して前記医療行為の要素の分散表現を算出し、前記分散表現に基づいて前記医療行為の要素間の類似度を算出する類似度計算部と、を有し、
   前記第１のキーが、前記医療行為を実施した時間情報であり、
   前記第２のキーが、傷病名の情報であることを特徴とする分析装置。
8. 請求項７に記載の分析装置であって、
   前記データ整形部は、
   前記医療行為の要素の集合の中から選択したひとつの医療行為の要素を第１の学習データとし、前記選択した医療行為の要素の周辺要素を取得して、当該周辺要素に前記第２のキーを追加して第２の学習データを生成することを特徴とする分析装置。
9. 請求項７に記載の分析装置であって、
   前記データ整形部は、
   前記傷病名の情報を前記医療行為の要素の集合に組み合わせる際に、
   前記傷病名の情報が複数存在する場合には、主傷病に対応する傷病名の情報を選択し、
   前記選択した傷病名の情報の時間情報と、前記医療行為の時間情報とを比較して、前記傷病名の情報の時間情報が、前記医療行為の時間情報よりも早いものを選択し、前記傷病名の情報と前記医療行為の要素の集合とを組み合わせて学習データを生成することを特徴とする分析装置。
10. 請求項７に記載の分析装置であって、
    前記データ整形部は、
    前記医療行為の要素の集合から、保険点数が所定の閾値以下の医療行為の要素を削除することを特徴とする分析装置。
11. 請求項７に記載の分析装置であって、
    新たなルールの候補を生成するパターン抽出部をさらに有し、
    前記類似度計算部は、
    前記算出された類似度に基づいて、医療行為と比較対象医療行為の対応関係を設定した類似度情報を生成し、
    前記パターン抽出部は、
    ルール番号と、対象項目と、対応医療行為を含むルール情報を読み込んで、前記対応医療行為からひとつの要素を選択して前記類似度情報を検索し、前記医療行為と一致し、かつ類似度が所定値以上の比較対象医療行為を選択し、前記ルール情報の対象項目と選択された前記比較対象医療行為の組み合わせのうち、前記ルール情報に存在しない組み合わせを新たなルールの候補として出力することを特徴とする分析装置。
12. 請求項１１に記載の分析装置であって、
    前記所定値は、
    前記ルール番号と前記対象項目が同一である対応医療行為同士の類似度を所定値とすることを特徴とする分析装置。
13. プロセッサとメモリを有する計算機で、要素間の類似度を分析させるためのプログラムであって、
    医療行為の要素を含む医療データを読み込む第１のステップと、
    前記医療行為の要素の集合に対して予め設定された第１のキーで前記医療行為の要素を整列する第２のステップと、
    前記医療データから前記医療行為の要素の集合に対応する第２のキーを取得して、前記整列された前記医療行為の要素の集合に前記第２のキーを組み合わせて学習データを生成する第３のステップと、
    ニューラルネットワークで前記学習データの学習を実施して前記医療行為の要素の分散表現を算出する第４のステップと、
    前記分散表現に基づいて前記医療行為の要素間の類似度を算出する第５のステップと、
    を前記計算機に実行させ、
    前記第１のキーが、前記医療行為を実施した時間情報であり、
    前記第２のキーが、傷病名の情報であることを特徴とするプログラム。