JP2020095518A - Information processing device, information processing method, and program - Google Patents
Information processing device, information processing method, and program Download PDFInfo
- Publication number
- JP2020095518A JP2020095518A JP2018233594A JP2018233594A JP2020095518A JP 2020095518 A JP2020095518 A JP 2020095518A JP 2018233594 A JP2018233594 A JP 2018233594A JP 2018233594 A JP2018233594 A JP 2018233594A JP 2020095518 A JP2020095518 A JP 2020095518A
- Authority
- JP
- Japan
- Prior art keywords
- disease
- information
- patient
- type
- information processing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Abstract
Description
本発明は、情報処理装置、情報処理方法及びプログラムに関する。 The present invention relates to an information processing device, an information processing method, and a program.
薬剤師が患者に対して適切なサービスを行うために、その患者が罹患している疾患の種類を把握したい場合がある。患者の疾患の種類を推定するための様々な技術が提案されている。特許文献１には、患者の症状から疾患の種類を推定する技術が記載されている。 In order for a pharmacist to provide an appropriate service to a patient, it may be necessary to know the type of disease that the patient is suffering from. Various techniques have been proposed for estimating the type of disease in a patient. Patent Document 1 describes a technique for estimating the type of disease from the symptoms of a patient.
薬剤師による患者の症状の把握は、医師によるものよりも精度が低い。そのため、特許文献１に記載された技術を用いたとしても、薬剤師が患者の疾患を適切に推定することは困難であった。本発明は、患者の疾患の種類を推定するための新たな技術を提供することを目的とする。 The pharmacist's understanding of a patient's symptoms is less accurate than that of a doctor. Therefore, it is difficult for the pharmacist to properly estimate the patient's disease even if the technique described in Patent Document 1 is used. The present invention aims to provide a new technique for estimating the type of disease in a patient.
上記課題に鑑みて、一部の実施形態では、患者に対して処方された薬剤の種類に関する処方情報と、前記患者の疾患の種類に関する疾患情報との組み合わせを取得する取得手段と、複数の前記組み合わせを用いて統計解析を行うことによって、１種類以上の薬剤を処方された患者の疾患を推定するための推定関数を決定する決定手段と、を備える情報処理装置が提供される。 In view of the above problems, in some embodiments, an acquisition unit that acquires a combination of prescription information regarding the type of drug prescribed to the patient and disease information regarding the type of the disease of the patient, and a plurality of the above An information processing apparatus including: a determination unit that determines an estimation function for estimating a disease of a patient who has been prescribed one or more drugs by performing statistical analysis using the combination.
上記手段により、新たな技術を用いて患者の疾患を推定できる。 By the above means, the disease of a patient can be estimated using a new technique.
添付の図面を参照して本発明の実施形態について以下に説明する。様々な実施形態を通じて同様の要素には同一の参照符号を付して重複する説明を省略する。また、各実施形態は適宜変更、組み合わせが可能である。 Embodiments of the present invention will be described below with reference to the accompanying drawings. Similar elements are denoted by the same reference numerals throughout the various embodiments, and redundant description will be omitted. Further, the respective embodiments can be appropriately modified and combined.
図１のブロック図を参照して、本発明の一部の実施形態に係る情報処理装置１００の構成について説明する。情報処理装置１００は、患者の疾患の種類を推定するための動作を行う。処理の詳細については後述する。情報処理装置１００は、例えばパーソナルコンピュータやワークステーション、スマートフォン、タブレットデバイスなどの情報処理装置で実現される。情報処理装置１００は、単体の装置で実現されてもよいし、ネットワークを介して相互に接続された複数の装置で実現されてもよい。情報処理装置１００は、図１に示す各構成要素を有する。 The configuration of the information processing apparatus 100 according to some embodiments of the present invention will be described with reference to the block diagram of FIG. 1. The information processing apparatus 100 performs an operation for estimating the type of disease of a patient. Details of the processing will be described later. The information processing device 100 is realized by an information processing device such as a personal computer, a workstation, a smartphone, or a tablet device. The information processing device 100 may be realized by a single device, or may be realized by a plurality of devices mutually connected via a network. The information processing device 100 has each component shown in FIG.
プロセッサ１０１は、情報処理装置１００全体の動作を制御する。プロセッサ１０１は、例えばＣＰＵとして機能する。メモリ１０２は、情報処理装置１００の動作に用いられるプログラムや一時データなどを記憶する。メモリ１０２は、例えばＲＯＭやＲＡＭなどにより実現される。入力部１０３は、情報処理装置１００のユーザが情報処理装置１００への入力を行うために用いられ、例えばマウスやキーボードなどの入力装置で実現される。出力部１０４は、情報処理装置１００からユーザへ情報を出力するために用いられ、例えば表示装置（ディスプレイ）や音響装置（スピーカー）で実現される。通信部１０５は、情報処理装置１００が他の装置と通信する機能を提供し、例えばネットワークカードなどで実現される。他の装置との通信は有線であってもよいし、無線であってもよい。 The processor 101 controls the overall operation of the information processing device 100. The processor 101 functions as a CPU, for example. The memory 102 stores programs used for the operation of the information processing apparatus 100, temporary data, and the like. The memory 102 is realized by, for example, a ROM or a RAM. The input unit 103 is used by the user of the information processing device 100 to perform input to the information processing device 100, and is realized by an input device such as a mouse or a keyboard. The output unit 104 is used to output information from the information processing device 100 to the user, and is realized by, for example, a display device (display) or an audio device (speaker). The communication unit 105 provides a function of allowing the information processing device 100 to communicate with another device, and is realized by, for example, a network card. Communication with other devices may be wired or wireless.
記憶部１０６は、情報処理装置１００の動作に用いられるデータ、例えば適応症情報１０７、クレームデータ１０８及び推定関数１０９を記憶する。適応症情報１０７、クレームデータ１０８及び推定関数１０９の詳細については後述する。記憶部１０６は、ディスクドライブ（例えば、ＨＤＤやＳＤＤ）などの記憶装置で実現される。本実施形態で、適応症情報１０７、クレームデータ１０８及び推定関数１０９は情報処理装置１００に記憶される。これに代えて、これらの内容の一部又は全部が情報処理装置１００とは異なる装置（外部記憶装置）に記憶されてもよい。この場合に、情報処理装置１００は、通信部１０５を用いて、他の装置から適応症情報１０７、クレームデータ１０８及び推定関数１０９を受信する。適応症情報１０７及びクレームデータ１０８は、ファイル形式で記憶されてもよいし、データベースや他の形式で記憶されてもよい。推定関数１０９は、関数の式と、この式に含まれるパラメータの値とに分けて記憶されてもよい。 The storage unit 106 stores data used for the operation of the information processing apparatus 100, such as indication information 107, claim data 108, and an estimation function 109. Details of the indication information 107, the claim data 108, and the estimation function 109 will be described later. The storage unit 106 is realized by a storage device such as a disk drive (for example, HDD or SDD). In the present embodiment, the indication information 107, the claim data 108, and the estimation function 109 are stored in the information processing device 100. Alternatively, some or all of these contents may be stored in a device (external storage device) different from the information processing device 100. In this case, the information processing apparatus 100 uses the communication unit 105 to receive the indication information 107, the claim data 108, and the estimation function 109 from another device. The indication information 107 and the claim data 108 may be stored in a file format, a database, or another format. The estimation function 109 may be divided into a function formula and the values of parameters included in the formula and stored.
図２を参照して、情報処理装置１００は、患者の疾患の種類を推定するための動作の一例について説明する。図２に説明する方法の各工程は、例えばプロセッサ１０１がメモリ１０２に格納されたプログラムを実行することによって実施される。これに代えて、この方法の一部又は全部の工程が、ＡＳＩＣ（特定用途向け集積回路）のようなハードウェアで実現されてもよい。 With reference to FIG. 2, the information processing apparatus 100 will describe an example of an operation for estimating the type of disease of a patient. Each step of the method illustrated in FIG. 2 is performed by the processor 101 executing a program stored in the memory 102, for example. Alternatively, some or all of the steps of the method may be implemented in hardware such as an ASIC (application specific integrated circuit).
ステップＳ２０１で、プロセッサ１０１は、処方情報及び疾患情報を取得する。処方情報は、例えばレセプト識別子（レセプトＩＤ）と、患者に対して処方された薬剤の種類とを含む。薬剤の種類として、例えばフェブリク、アイミクス配合、トラゼンタなどがある。薬剤の種類は、例えば９０００種類程度であってもよい。薬剤の種類は、用法や数量ごとに細分化されていてもよい。プロセッサ１０１は、レセプト識別子によって識別される複数の処方箋のそれぞれについて処方情報を取得する。処方情報は、例えば、情報処理装置１００に対して入力された調剤レセプトから読み出される。 In step S201, the processor 101 acquires prescription information and disease information. The prescription information includes, for example, a receipt identifier (reception ID) and the type of medicine prescribed to the patient. Examples of the type of drug include febrik, imix compound, and trazenta. The type of drug may be, for example, about 9000. The type of drug may be subdivided according to usage and quantity. The processor 101 acquires prescription information for each of the plurality of prescriptions identified by the receipt identifier. The prescription information is read from, for example, a dispensing receipt input to the information processing apparatus 100.
疾患情報は、例えばレセプト識別子と、患者の疾患の種類とを含む。さらに、疾患情報は、患者の年齢区分や性別、患者識別子（患者ＩＤ）を含んでもよい。疾患の種類として、例えばアレルギー性鼻炎、高血圧症、気管支喘息などがある。疾患の種類は、例えば６００種類程度であってもよい。患者の年齢は、例えば１５歳未満、１５歳以上６５歳以上、６５歳超の３つの区分に分かれている。年齢区分の個数はこれに限られない。プロセッサ１０１は、レセプト識別子によって識別される複数の診断のそれぞれについて疾患情報を取得する。疾患情報は、例えば、情報処理装置１００に対して入力された診療レセプトから読み出される。 The disease information includes, for example, the receipt identifier and the type of disease of the patient. Furthermore, the disease information may include a patient's age group, sex, and patient identifier (patient ID). Types of disease include, for example, allergic rhinitis, hypertension, bronchial asthma and the like. The types of diseases may be, for example, about 600 types. The age of the patient is divided into three categories, for example, less than 15 years old, 15 years old or more and 65 years old or more, and more than 65 years old. The number of age groups is not limited to this. The processor 101 acquires disease information for each of the plurality of diagnoses identified by the receipt identifier. The disease information is read, for example, from the medical care receipt input to the information processing apparatus 100.
ステップＳ２０２で、プロセッサ１０１は、取得した処方情報及び疾患情報に基づいてクレームデータ１０８を生成する。クレームデータ１０８の一例を図３に示す。クレームデータ１０８とは、患者に対して処方された薬剤の種類に関する処方情報と、この患者の疾患の種類に関する疾患情報との組み合わせに関するデータのことである。 In step S202, the processor 101 generates the complaint data 108 based on the acquired prescription information and disease information. An example of the complaint data 108 is shown in FIG. The claim data 108 is data regarding a combination of prescription information regarding the type of drug prescribed to a patient and disease information regarding the type of disease of this patient.
１つ以上のカラム３０１は、疾患の種類を示す。疾患の種類ごとにカラムが生成される。フィールドの値が「０」の場合に患者が対象の疾患（例えば、疾患Ａ）を罹患していないことを示し、「１」の場合に患者が対象の疾患を罹患していることを示す。カラム３０２は、レセプト識別子を示す。レセプト識別子とは、レセプトを一意に識別するための情報である。カラム３０３は、患者識別子を示す。患者識別子とは、患者を一意に識別するための情報である。カラム３０４は、患者の年齢区分を示す。カラム３０５は、患者の性別を示す。１つ以上のカラム３０６は、薬剤の種類を示す。薬剤の種類ごとにカラムが生成される。フィールドの値が「０」の場合に患者が対象の薬剤（例えば、薬剤Ａ）を処方されなかったことを示し、「１」の場合に患者が対象の薬剤を処方されたことを示す。 One or more columns 301 indicate the type of disease. A column is created for each type of disease. A value of “0” in the field indicates that the patient does not have the target disease (for example, disease A), and a value of “1” indicates that the patient has the target disease. Column 302 shows the receipt identifier. The receipt identifier is information for uniquely identifying the receipt. Column 303 shows the patient identifier. The patient identifier is information for uniquely identifying a patient. Column 304 shows the age category of the patient. Column 305 shows the gender of the patient. One or more columns 306 indicate the type of drug. A column is created for each type of drug. When the value of the field is “0”, it indicates that the patient has not been prescribed the target drug (for example, drug A), and when the value of the field is “1”, it indicates that the patient has been prescribed the target drug.
プロセッサ１０１は、レセプト識別子をキーとして処方情報と疾患情報とを関連付けることによって得られた組み合わせをクレームデータ１０８のレコードとし、記憶部１０６に格納する。すなわち、クレームデータ１０８の各レコードは、ある特定の患者に対して処方された薬剤の種類に関する情報と、この特定の患者の疾患の種類に関する情報との組み合わせを表す。さらに、各レコードは、この特定の患者のその他の属性、例えば年齢区分及び性別を表す。 The processor 101 stores the combination obtained by associating the prescription information and the disease information with the receipt identifier as a key in the storage unit 106 as a record of the claim data 108. That is, each record of the claim data 108 represents a combination of information regarding the type of drug prescribed for a particular patient and information regarding the type of disease of this particular patient. In addition, each record represents other attributes of this particular patient, such as age group and gender.
ステップＳ２０３で、プロセッサ１０１は、適応症情報１０７を参照してクレームデータ１０８をクレンジングする。ステップＳ２０１において取得された疾患情報には過去の疾患の情報が残っている場合がある。例えば、ある患者が過去に気管支喘息を患っていたものの、その後完治したとする。完治後のこの患者に関する疾患情報には気管支喘息が含まれるべきではないが、更新漏れによって気管支喘息が疾患情報に含まれてしまうことがある。そこで、プロセッサ１０１は、適応症情報１０７を参照して、不適切なレコードをクレームデータ１０８から削除する。 In step S203, the processor 101 cleanses the complaint data 108 with reference to the indication information 107. Information on past diseases may remain in the disease information acquired in step S201. For example, suppose a patient had bronchial asthma in the past and then healed completely. Although bronchial asthma should not be included in the disease information for this patient after a complete cure, omission of updates may include bronchial asthma in the disease information. Therefore, the processor 101 refers to the indication information 107 and deletes an inappropriate record from the complaint data 108.
適応症情報１０７とは、薬剤の種類と、当該種類の薬剤を使用可能な疾患の種類とが関連付けられた情報のことである。適応症情報１０７の一例を図４に示す。１つ以上のロウ４０１は、薬剤の種類を示す。薬剤の種類ごとにロウが規定されている。１つ以上のカラム４０２は、疾患の種類を示す。疾患の種類ごとにカラムが規定されている。フィールドの値が「０」の場合に、対象の薬剤（例えば、薬剤Ａ）が対象の疾患（例えば、疾患Ｂ）に使用可能でないことを示し、「１」の場合に、対象の薬剤（例えば、薬剤Ａ）が対象の疾患（例えば、疾患Ａ）に使用可能であることを示す。情報処理装置１００の記憶部１０６には、この適応症情報１０７が事前に格納されている。プロセッサ１０１は、例えばクレームデータ１０８が、疾患Ａのフールドが１であり且つ薬剤Ｂのフィールドが「１」であるレコードを含んでいる場合に、このレコードは適応症情報１０７に合致しないので、クレームデータ１０８から削除する。クレームデータ１０８から削除されたレコードは、後述の統計解析に使用されない。 The indication information 107 is information in which the type of drug is associated with the type of disease for which the type of drug can be used. An example of the indication information 107 is shown in FIG. One or more waxes 401 indicate the type of drug. A wax is specified for each type of drug. One or more columns 402 indicate the type of disease. Columns are defined for each type of disease. When the value of the field is "0", it indicates that the target drug (for example, drug A) cannot be used for the target disease (for example, disease B), and when it is "1", the target drug (for example, drug A) is not available. , Drug A) can be used for the target disease (eg, disease A). This indication information 107 is stored in advance in the storage unit 106 of the information processing apparatus 100. The processor 101, for example, when the claim data 108 includes a record in which the field of the disease A is 1 and the field of the drug B is “1”, the record does not match the indication information 107. Delete from the data 108. The record deleted from the complaint data 108 is not used for the statistical analysis described below.
ステップＳ２０４で、プロセッサ１０１は、クレームデータ１０８のうち同一の患者についてのレコードを統合する。例えば、図３のクレームデータ１０８において、患者識別子が「Ｐ００１」である３つのレコードが統合される。統合において、プロセッサ１０１は、カラム３０１の各フィールドの論理和を統合後のレコードのフィールド値とする。また、プロセッサ１０１は、カラム３０６の各フィールドの論理和を統合後のレコードのフィールド値とする。このようにレコードを統合することによって、患者数が少ない症例についても推定精度を向上できる。上述のステップＳ２０３及びＳ２０４は、推定関数の精度を向上するためのオプションであり、省略されてもよい。 In step S204, the processor 101 integrates the records for the same patient in the complaint data 108. For example, in the claim data 108 of FIG. 3, three records having the patient identifier “P001” are integrated. In the integration, the processor 101 sets the logical sum of the fields of the column 301 as the field value of the integrated record. Further, the processor 101 sets the logical sum of the fields of the column 306 as the field value of the integrated record. By integrating the records in this way, the estimation accuracy can be improved even in the case of a small number of patients. The above steps S203 and S204 are options for improving the accuracy of the estimation function and may be omitted.
ステップＳ２０５で、プロセッサ１０１は、クレームデータ１０８の複数のレコードを用いて統計解析を行うことによって、推定関数１０９を決定する。推定関数１０９とは、１種類以上の薬剤を処方された患者の疾患を推定するための関数である。患者の疾患の推定結果は、患者が各疾患に罹患している確率（以下、罹患確率）によって与えられる。疾患ｊ（ｊ＝Ａ、Ｂ、…）の罹患確率Ｐ（疾患ｊ）は、以下の式（１）で表される推定関数１０９によって決定される。 In step S205, the processor 101 determines the estimation function 109 by performing a statistical analysis using a plurality of records of the claim data 108. The estimation function 109 is a function for estimating the disease of a patient who is prescribed one or more drugs. The estimation result of the disease of the patient is given by the probability that the patient has each disease (hereinafter, the probability of morbidity). The morbidity probability P (disease j) of the disease j (j=A, B,...) Is determined by the estimation function 109 represented by the following equation (1).
Ｐ（疾患ｊ）＝１／｛１＋ｅｘｐ（−α−Σβiｘi） …式（１）
ここで、ｘiは薬剤ｉ（ｉ＝Ａ、Ｂ、…）の処方の有無を表す変数であり、処方された場合に「１」、処方されなかった場合に「０」となる。さらに、ｘiは薬剤の処方以外の属性、例えば年齢区分や性別を表してもよい。βiは、ｘiのパラメータであり、αは切片を表すパラメータである。α及びβiは、クレームデータ１０８を用いて統計解析を行うことによって決定される。
P (disease j)=1/{1+exp(−α−Σβ i x i )... Formula (1)
Here, x i is a variable indicating whether or not the drug i (i=A, B,...) Is prescribed, and is “1” when it is prescribed and “0” when it is not prescribed. Further, x i may represent an attribute other than the prescription of the medicine, such as an age group or sex. β i is a parameter of x i , and α is a parameter representing an intercept. α and β i are determined by performing a statistical analysis using the claim data 108.
例えば、プロセッサ１０１は、統計解析の一種であるロジスティック回帰分析を行うことによって上記のパラメータα、βiを決定する。さらに、プロセッサ１０１は、機械学習によってパラメータα、βiを決定してもよい。これらの統計解析では、組み合わせの発生頻度に基づいてパラメータα、βiが決定される。 For example, the processor 101 determines the parameters α and β i by performing logistic regression analysis, which is a type of statistical analysis. Further, the processor 101 may determine the parameters α and β i by machine learning. In these statistical analyses, the parameters α and β i are determined based on the occurrence frequency of the combination.
図５に、推定関数１０９の一部を構成する推定関数用パラメータ１０９ａの一例を示す。カラム５０１は、疾患の種類を示す。カラム５０２は、パラメータαの値を示す。カラム５０３は、性別に対するパラメータβの値を示す。カラム５０４は、年齢区分に対するパラメータβの値を示す。１つ以上のカラム５０５は、薬剤の種類に対するパラメータβの値を示す。このように、疾患の種類ごとに推定関数のパラメータの値が異なっているので、疾患の種類ごとに罹患確率が算出される。プロセッサ１０１は、決定した推定関数１０９、具体的には推定関数用パラメータ１０９ａを記憶部１０６に格納する。推定関数１０９の式（１）は、記憶部１０６に事前に格納されている。 FIG. 5 shows an example of the estimation function parameter 109a that constitutes a part of the estimation function 109. Column 501 shows the type of disease. The column 502 shows the value of the parameter α. Column 503 shows the value of parameter β for gender. The column 504 shows the value of the parameter β with respect to the age group. One or more columns 505 show the value of the parameter β for the drug type. In this way, since the parameter values of the estimation function are different for each type of disease, the morbidity probability is calculated for each type of disease. The processor 101 stores the determined estimation function 109, specifically, the estimation function parameter 109a in the storage unit 106. The equation (1) of the estimation function 109 is stored in the storage unit 106 in advance.
ステップＳ２０６で、プロセッサ１０１は、薬剤の種類を含む入力情報を取得する。入力情報は、患者の属性、例えば年齢区分や性別を含んでもよい。この入力情報は、情報処理装置１００の入力部１０３を用いて入力されてもよいし、通信部１０５によって外部の装置から受信してもよい。例えば、情報処理装置１００は、ウェブサーバとして機能し、外部のクライアント端末がブラウザを介して入力情報を情報処理装置１００へ送信してもよい。１つのシナリオでは、薬局の薬剤師が患者の処方箋に記載された薬剤の種類を情報処理装置１００へ入力する。 In step S206, the processor 101 acquires input information including the type of drug. The input information may include patient attributes, such as age group and gender. This input information may be input using the input unit 103 of the information processing apparatus 100, or may be received from an external device by the communication unit 105. For example, the information processing device 100 may function as a web server, and an external client terminal may transmit input information to the information processing device 100 via a browser. In one scenario, the pharmacist at the pharmacy inputs the type of drug described in the patient's prescription to the information processing device 100.
ステップＳ２０７で、プロセッサ１０１は、入力情報に推定関数１０９を適用する。具体的に、プロセッサ１０１は、上述の式（１）に対して、ステップ２０５で決定されたパラメータα、βiの値と、入力情報によって定まるｘiの値をと代入することによって、各疾患に対する罹患確率を算出する。 In step S207, the processor 101 applies the estimation function 109 to the input information. Specifically, the processor 101 substitutes the values of the parameters α and β i determined in step 205 and the value of x i determined by the input information into the above equation (1) to obtain each disease. Calculate the probability of being affected by.
ステップＳ２０８で、プロセッサ１０１は、各疾患に対する罹患確率を推定結果として出力する。プロセッサ１０１は、情報処理装置１００の出力部１０４に推定結果を出力してもよいし、外部の装置に対して推定結果を送信してもよい。上述のシナリオでは、薬局の薬剤師が各疾患に対する罹患確率を取得できる。 In step S208, the processor 101 outputs the morbidity probability for each disease as an estimation result. The processor 101 may output the estimation result to the output unit 104 of the information processing device 100, or may transmit the estimation result to an external device. In the above scenario, the pharmacist at the pharmacy can obtain the morbidity probability for each disease.
以上のように、本発明の実施形態によれば、１種類以上の薬剤を処方された患者の疾患を推定するための推定関数１０９を決定できる。この推定関数１０９に対して、患者に処方された薬剤の種類を入力することによって、その患者が罹患している疾患を推定できる。 As described above, according to the embodiment of the present invention, it is possible to determine the estimation function 109 for estimating the disease of the patient who is prescribed one or more drugs. By inputting the type of drug prescribed to the patient to the estimation function 109, the disease that the patient is suffering from can be estimated.
１００ 情報処理装置、１０７ 適応症情報、１０８ クレームデータ、１０９ 推定関数 100 information processing device, 107 indication information, 108 complaint data, 109 estimation function
上記課題に鑑みて、一部の実施形態では、患者に対して処方された薬剤の種類に関する処方情報と、前記患者の疾患の種類に関する疾患情報との組み合わせを取得する取得手段と、複数の前記組み合わせを用いて統計解析を行うことによって、１種類以上の薬剤を処方された患者の疾患を推定するための推定関数を決定する決定手段と、を備え、前記取得手段は、レセプト識別子をキーとして前記処方情報と前記疾患情報とを関連付ける、情報処理装置が提供される。 In view of the above problems, in some embodiments, an acquisition unit that acquires a combination of prescription information regarding the type of drug prescribed to the patient and disease information regarding the type of the disease of the patient, and a plurality of the above Determining means for determining an estimation function for estimating a disease of a patient who is prescribed one or more drugs by performing a statistical analysis using the combination, and the obtaining means uses the receipt identifier as a key. An information processing device that associates the prescription information with the disease information is provided.
上記課題に鑑みて、一部の実施形態では、患者に対して処方された薬剤の種類に関する処方情報と、前記患者の疾患の種類に関する疾患情報との組み合わせを取得する取得手段と、複数の前記組み合わせを用いて統計解析を行うことによって、１種類以上の薬剤を処方された患者の疾患を推定するための推定関数を決定する決定手段と、を備え、前記取得手段は、レセプト識別子をキーとして使用することによって、前記レセプト識別子を含む調剤レセプトに記載された前記処方情報と、前記レセプト識別子を含む診療レセプトに記載された前記疾患情報とを関連付ける、情報処理装置が提供される。 In view of the above problems, in some embodiments, an acquisition unit that acquires a combination of prescription information regarding the type of drug prescribed to the patient and disease information regarding the type of the disease of the patient, and a plurality of the above Determining means for determining an estimation function for estimating a disease of a patient who is prescribed one or more drugs by performing a statistical analysis using the combination, and the obtaining means uses the receipt identifier as a key. By using , an information processing device is provided which associates the prescription information described in the dispensing receipt including the receipt identifier with the disease information described in the medical treatment receipt including the receipt identifier .
Claims (10)
複数の前記組み合わせを用いて統計解析を行うことによって、１種類以上の薬剤を処方された患者の疾患を推定するための推定関数を決定する決定手段と、
を備える情報処理装置。 Acquisition means for acquiring a combination of prescription information regarding the type of drug prescribed to the patient, and disease information regarding the type of disease of the patient,
Determining means for determining an estimation function for estimating a disease in a patient who has been prescribed one or more drugs by performing a statistical analysis using a plurality of the combinations;
An information processing apparatus including.
前記決定手段は、前記適応症情報に合致しない前記組み合わせを前記統計解析に使用しない、請求項１又は２に記載の情報処理装置。 The acquisition unit further acquires indication information in which the type of drug and the type of disease in which the type of drug can be used are associated with each other,
The information processing apparatus according to claim 1, wherein the determination unit does not use the combination that does not match the indication information for the statistical analysis.
前記入力情報に前記推定関数を適用することによって疾患を推定する推定手段と、
前記推定手段による推定結果を出力する出力手段と、
を更に備える、請求項１乃至４のいずれか１項に記載の情報処理装置。 Input means for acquiring input information including the type of drug,
Estimating means for estimating a disease by applying the estimation function to the input information,
Output means for outputting the estimation result by the estimation means,
The information processing apparatus according to claim 1, further comprising:
前記入力情報に推定関数を適用することによって、前記種類の薬剤を処方された患者の疾患を推定する推定手段と、
前記推定手段による推定結果を出力する出力手段と、
を備える情報処理装置。 Input means for acquiring input information including the type of drug,
Estimating means for estimating the disease of a patient who has been prescribed the type of drug by applying an estimation function to the input information,
Output means for outputting the estimation result by the estimation means,
An information processing apparatus including.
複数の前記組み合わせを用いて統計解析を行うことによって、１種類以上の薬剤を処方された患者の疾患を推定するための推定関数を決定する決定工程と、
を備える情報処理方法。 An acquisition step of acquiring a combination of prescription information regarding the type of drug prescribed to the patient and disease information regarding the type of disease of the patient,
A determining step of determining an estimation function for estimating a disease of a patient who is prescribed one or more drugs by performing a statistical analysis using a plurality of the combinations;
An information processing method comprising:
前記入力情報に推定関数を適用することによって、前記種類の薬剤を処方された患者の疾患を推定する推定工程と、
前記推定工程における推定結果を出力する出力工程と、
を備える情報処理方法。 An input step of acquiring input information including the type of drug,
An estimating step of estimating a disease of a patient who has been prescribed the type of drug by applying an estimating function to the input information;
An output step of outputting the estimation result in the estimation step,
An information processing method comprising:
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018233594A JP6771014B2 (en) | 2018-12-13 | 2018-12-13 | Information processing equipment, information processing methods and programs |
| JP2020162351A JP7324390B2 (en) | 2018-12-13 | 2020-09-28 | Information processing device, information processing method and program |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018233594A JP6771014B2 (en) | 2018-12-13 | 2018-12-13 | Information processing equipment, information processing methods and programs |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2020162351A Division JP7324390B2 (en) | 2018-12-13 | 2020-09-28 | Information processing device, information processing method and program |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2020095518A true JP2020095518A (en) | 2020-06-18 |
| JP6771014B2 JP6771014B2 (en) | 2020-10-21 |
Family
ID=71085598
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2018233594A Active JP6771014B2 (en) | 2018-12-13 | 2018-12-13 | Information processing equipment, information processing methods and programs |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6771014B2 (en) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2021060932A (en) * | 2019-10-09 | 2021-04-15 | 株式会社イーエムシステムズ | Disease name inference system, disease name inference method, disease name inference program, and data structure |
| JP7174127B1 (en) | 2021-07-12 | 2022-11-17 | 株式会社カケハシ | Apparatus, method and program for managing multiple patients visiting pharmacy |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007141063A (en) * | 2005-11-21 | 2007-06-07 | Hachioji Yakuzai Center:Kk | Prescription determination device, prescription determination processing program, disease name estimation device, disease name estimation processing program, and data structure for disease name estimation processing |
| JP2014041426A (en) * | 2012-08-21 | 2014-03-06 | Ntt Docomo Inc | Time series data processing system and time series data processing method |
| JP2018005553A (en) * | 2016-07-01 | 2018-01-11 | 株式会社トプコン | Medical support method and medical support system |
-
2018
- 2018-12-13 JP JP2018233594A patent/JP6771014B2/en active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007141063A (en) * | 2005-11-21 | 2007-06-07 | Hachioji Yakuzai Center:Kk | Prescription determination device, prescription determination processing program, disease name estimation device, disease name estimation processing program, and data structure for disease name estimation processing |
| JP2014041426A (en) * | 2012-08-21 | 2014-03-06 | Ntt Docomo Inc | Time series data processing system and time series data processing method |
| JP2018005553A (en) * | 2016-07-01 | 2018-01-11 | 株式会社トプコン | Medical support method and medical support system |
Non-Patent Citations (1)
| Title |
|---|
| 武田 理宏, 第３４回医療情報学連合大会論文集 （第１５回日本医療情報学会学術大会） 医療情報学 第３４巻, JPN6020005808, 6 November 2014 (2014-11-06), JP, pages 312 - 315, ISSN: 0004295810 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2021060932A (en) * | 2019-10-09 | 2021-04-15 | 株式会社イーエムシステムズ | Disease name inference system, disease name inference method, disease name inference program, and data structure |
| JP7402008B2 (en) | 2019-10-09 | 2023-12-20 | 株式会社イーエムシステムズ | Disease name inference system, disease name inference method, disease name inference program, and data structure |
| JP7174127B1 (en) | 2021-07-12 | 2022-11-17 | 株式会社カケハシ | Apparatus, method and program for managing multiple patients visiting pharmacy |
| JP2023011480A (en) * | 2021-07-12 | 2023-01-24 | 株式会社カケハシ | Apparatus and method for managing plurality of patients coming to pharmacy and program thereof |
Also Published As
| Publication number | Publication date |
|---|---|
| JP6771014B2 (en) | 2020-10-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20240055086A1 (en) | Systems and methods for securely storing patient information and providing access thereto | |
| US20170052943A1 (en) | Method, apparatus, and computer program product for generating a preview of an electronic document | |
| US20230130083A1 (en) | Computer system of computer servers and dedicated computer clients specially programmed to generate synthetic non-reversible electronic data records based on real-time electronic querying and methods of use thereof | |
| Qin et al. | Quality of split-mouth trials in dentistry: 1998, 2008, and 2018 | |
| WO2018038745A1 (en) | Clinical connector and analytical framework | |
| US20140229191A1 (en) | Prescription decision support system and method using comprehensive multiplex drug monitoring | |
| JP6771014B2 (en) | Information processing equipment, information processing methods and programs | |
| JP7154884B2 (en) | Information anonymization method, information anonymization program, information anonymization device, and information providing system | |
| Mantsiou et al. | A simple guide to systematic reviews and meta-analyses | |
| WO2016203752A1 (en) | Information processing device, information processing method, and storage medium | |
| JP2016004490A (en) | Information processing apparatus and program | |
| US20200066408A1 (en) | System and method for determining effective treatment plans | |
| CN112002384A (en) | Method and device for summarizing medical record information, computer equipment and storage medium | |
| JP7324390B2 (en) | Information processing device, information processing method and program | |
| WO2023007699A1 (en) | Medical service provider information provision system, information processing device, method, and program | |
| WO2015045086A1 (en) | Service proposal device, service proposal method, and service proposal program | |
| Facchiano et al. | Evidence-based practice for the busy nurse practitioner: Part four: Putting it all together | |
| TW201835938A (en) | Data integration method generating integrated medical history information according to the at least one first record and/or the at least one second record | |
| JP6189973B2 (en) | Computer system and cost calculation method | |
| JP2013073493A (en) | Information processing system, medical information collection device, medical information collection method, medical information collection program, declaration information collection device, declaration information collection method, declaration information collection program and program for patient side terminal | |
| TW201528169A (en) | System and method for providing isolation boundaries between regulated medical applications and unregulated, non-medical applications | |
| JP6893415B2 (en) | Information processing equipment and programs | |
| JP7511074B1 (en) | Information processing device, information processing method, and program | |
| JP5201290B2 (en) | Disease name selection device | |
| US20170316365A1 (en) | Estimation device, estimation method, and estimation program |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20181226 |
|
| A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20190716 |
|
| A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20190718 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20191011 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191119 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200217 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200430 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200703 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200819 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200831 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200928 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6771014 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |