JP2021026447A - 医用情報処理装置、医用情報処理方法および電子カルテシステム - Google Patents

Abstract

【課題】適切な検査時期を提示できる。【解決手段】本実施形態に係る医用情報処理装置は、予測部と、提示部とを含む。予測部は、被検体情報と疾患の発症リスクの予測モデルとに基づいて、被検体に関する前記疾患の発症リスクの推移を予測する。提示部は、前記発症リスクの推移に基づいて、次の検査または医療行為の実施に適した期間を求め、前記期間より早い第１非推奨期間を提示する。【選択図】図１

Description

本発明の実施形態は、医用情報処理装置、医用情報処理方法および電子カルテシステムに関する。

患者の検査結果と既往歴などのリスク情報とに基づいてモデルを構築し、疾患の生涯リスクを算出するリスク算出の手法がある。このモデルでは、様々なリスクファクターに基づいて、一定期間中または生涯における疾患の発生リスクを予測することができる。
また、骨密度測定装置などの医療用測定装置で得られる測定値とリスクファクターとに基づいて、患者の次回の検査時期を演算して提示する手法もある。しかし、いずれの手法においても、検査の妥当性およびリスクの大きさの時間変動を評価することができない。よって、どのくらいの期間で次回の検査をするのが望ましいかを時間変動を加味して判断することができない。

特開２０１２−１３９４１１号公報 特開２０１２−１４３２７５号公報 特開２０１２−０８８９８６号公報

本発明が解決しようとする課題は、適切な検査時期を提示できることである。

本実施形態に係る医用情報処理装置は、予測部と、提示部とを含む。予測部は、被検体情報と疾患の発症リスクの予測モデルとに基づいて、被検体に関する前記疾患の発症リスクの推移を予測する。提示部は、前記発症リスクの推移に基づいて、次の検査または医療行為の実施に適した期間を求め、前記期間より早い第１非推奨期間を提示する。

図１は、第１の実施形態に係る電子カルテシステムを示す概念図である。 図２は、第１の実施形態に係る電子カルテシステムの推奨期間提示処理を示すフローチャートである。 図３は、第１の実施形態に係る推奨期間の提示例を示す図である。 図４は、第２の実施形態に係る推奨期間の提示例を示す図である。 図５は、第３の実施形態に係る推奨期間の提示例を示す図である 図６は、第４の実施形態に係る推奨期間の提示例を示す図である。 図７は、第５の実施形態に係る推奨期間の提示例を示す図である。 図８は、発症リスクの提示例の変形例を示す図である。 図９は、第６の実施形態に係る検査予約処理の一例を示す図。 図１０は、医用情報処理装置を含む医用システムを示すブロック図。

以下、図面を参照しながら本実施形態に係る医用情報処理装置、医用情報処理方法および電子カルテシステムについて説明する。以下の実施形態では、同一の参照符号を付した部分は同様の動作をおこなうものとして、重複する説明を適宜省略する。以下、一実施形態について図面を用いて説明する。

（第１の実施形態）
第１の実施形態に係る電子カルテシステムについて図１を参照して説明する。
第１の実施形態に係る電子カルテシステム１は、処理回路１０、入出力インタフェース１２、ディスプレイ１４、メモリ１６および通信インタフェース１８を含む。

電子カルテシステム１は、電子カルテ（EMR: Electronic Medical Record）を管理するシステムである。電子カルテは、医師が患者毎に作成する診療記簿である。電子カルテに記録される情報には、被検体（例えば、患者）に関する被検体情報、および被検体を診療する際に発生する診療情報が含まれる。診療情報は、例えば被検体毎に管理される。被検体情報には、被検体の人種、性別、年齢層、病歴、被検体が患っている疾患名、併用している薬、および禁忌・アレルギー情報などが含まれる。診療情報には、被検体毎の体温、脈拍数、血圧、および呼吸数などのバイタルサインを表す値が含まれる。

入出力インタフェース１２は、医師、看護師、および薬剤師などの医療従事者が診療の経過を確認および入力などするための装置である。入出力インタフェース１２は、例えば、マウス、キーボード、および操作面へ触れることで指示が入力されるタッチパネルなどにより実現される。また、入出力インタフェース１２の出力先は、例えば、ディスプレイ１４、印刷機器である。印刷機器は、例えば、プリンタであり、印刷対象である画像データを所定用紙に印刷する。なお、入出力インタフェース１２の出力先は、表示機器、および印刷機器等の物理的な出力部品を備えるものだけに限らず、例えば、入出力インタフェース１２とは別体に設けられた外部の出力機器へ画像データを送信するための回路であってもよい。

ディスプレイ１４は、例えば、ＣＲＴディスプレイ、液晶ディスプレイ、有機ＥＬディスプレイ、ＬＥＤディスプレイ、プラズマディスプレイ、及び当技術分野で知られている他の任意のディスプレイが適宜利用可能である。ディスプレイ１４は、処理回路１０から表示用画像データを受け取り、例えば図３以降に示すような表示形式でデータを表示する。

メモリ１６は、種々の情報を記憶するＨＤＤ（Hard Disk Drive）やＳＳＤ（Solid State Drive）、集積回路記憶装置等の記憶装置である。メモリ１６は、ＨＤＤやＳＳＤ等以外にも、ＣＤ（Compact Disc）、ＤＶＤ（Digital Versatile Disc）、フラッシュメモリ等の可搬性記憶媒体や、ＲＡＭ（Random Access Memory）等の半導体メモリ素子等との間で種々の情報を読み書きする駆動装置であってもよい。また、メモリ１６の記憶領域は、電子カルテシステム１内にあってもよいし、ネットワークで接続された外部記憶装置内にあってもよい。メモリ１６は、例えば、後述するリスクデータ、検査結果データ、予測モデル及び予測モデルに関するデータを記憶してもよい。

通信インタフェース１８は、病院内ネットワークを介して他装置と通信する。例えば、画像サーバから画像データを取得し、画像データがディスプレイ１４に表示される。

処理回路１０は、取得機能１０１と、予測機能１０３と、提示機能１０５とを含む。
取得機能１０１は、通信インタフェース１８を介して、リスクデータおよび検査結果データを取得する。なお、リスクデータおよび検査結果データをまとめて被検体情報とも呼ぶ。
予測機能１０３は、被検体情報と疾患の発症リスクの予測モデルとに基づいて、被検体に関する疾患の発症リスクの推移を予測する。
提示機能１０５は、発症リスクの推移に基づいて、次の検査または医療行為の実施の推奨期間を提示する。また、提示機能１０５は、次の検査または医療行為の実施に適した期間を求め、当該期間より早い期間（第１非推奨期間ともいう）または時点を提示する。提示機能１０５は、次の検査または医療行為を実施するには遅すぎると想定される期間（第２非推奨期間ともいう）または時点を提示する。

次に、第１の実施形態に係る電子カルテシステム１の推奨期間提示処理について図２のフローチャートを参照して説明する。第１の実施形態では、電子カルテシステム１上で、カルテ閲覧者（医師などの医療従事者、以下単にユーザともいう）から推奨期間の提示指示があった場合に、推奨期間提示処理が実行され、推奨期間をユーザに提示する場合を想定する。なお、医療従事者に推奨期間を提示することに限らず、被検体に推奨期間を提示してもよい。

ステップＳ２０１では、取得機能１０１により処理回路１０が、リスクデータを取得する。リスクデータは、特定の症例が発症する可能性を示すデータである。リスクデータとしては、例えば、症例を肺がんとした場合、肺がんの既往歴の有無、喫煙開始年齢、喫煙年数、一日当たりの喫煙本数、アスベスト環境の有無等が挙げられる。また、人種、性別、年齢をといったリスクファクターもリスクデータとして管理されてもよい。
リスクデータは、例えば、リスクデータを記憶する外部装置から通信インタフェース１８を介して取得されてもよいし、リスクデータが電子カルテシステム１のメモリ１６に記憶される場合、メモリ１６から取得されてもよい。
なお、リスクデータは、被検体ごとのリスクファクターを入力および変更する入力部を介して、操作者により編集されてもよい。編集されたリスクデータは、被検体ＩＤとともに例えばメモリ１６に記憶されてもよいし、被検体ＩＤと共に通信インタフェース１８を介して取得されてもよい。

ステップＳ２０２では、取得機能１０１により処理回路１０が、通信インタフェース１８を介して外部から検査結果データを取得する。検査結果データがメモリ１６に記憶されている場合は、取得機能１０１により処理回路１０が、メモリ１６から検査結果データを取得する。検査結果データは、超音波検査、ＣＴ（Computed Tomography）検査、ＭＲＩ（Magnetic Resonance Imaging）検査など、医用画像診断装置を用いて実施された検査から得られる画像データに対し、疾患検出処理または判定処理を実施することで生成される。検査結果データは、具体的に、疾患検出処理または判定処理による検査陽性か検査悪性かのクラス分類を含む。検査結果データは、検査種別、被検体ＩＤおよび検査日に関する情報を含み、メモリ１６に記憶される。なお、クラス分類は、陽性か悪性かの２種類でもよいし、さらに複数種類に分類してもよい。また、例えば６クラスに分類し、クラス「０，１，２，３」を陰性、クラス「４，５」を悪性と判定してもよい。
検査データには、公知の画像解析処理を経た判定結果と相関のある複数の数値情報が含まれてもよい。画像解析処理の一例は動態解析モデルであり、Ｋｔｒａｎｓ、Ｖｐ、Ｖｅなどと呼ばれる組織灌流に関する複数の量がマップとして算出され、対象組織のセグメンテーション領域、あるいはセグメンテーション領域の疾患候補領域内の平均値、標準偏差などの統計量が算出される。算出された統計量が、検査種別、被検体ＩＤと検査日のデータとともに検査結果ＤＢに記憶される。

なお、クラス分類は、疾患検出処理または判定処理によって算出されることに限らず、画像読影の専門家が良性または悪性の２クラス分類、あるいは０から５までの６クラス分類を行い、分類が行われた結果を検査結果データとしてメモリ１６に記憶されてもよい。
また、血液検査など最初から数値情報として得られている検査データが、検査結果データとしてメモリ１６に記憶されてもよい。または、数値情報を例えば２値化情報となるように閾値処理した値が、検査結果データとしてメモリ１６に記憶されてもよい。

ステップＳ２０３では、予測機能１０３により処理回路１０が、リスクデータと検査結果データとから、予測モデルを用いて検査時点でのリスク予測値および将来の各時点でのリスク予測値を算出するリスク予測処理を実行する。検査時点および将来の各時点でのリスク予測値は、言い換えれば、将来のある時点で組織検査が陽性となる可能性がどの程度あるかを示す発症リスクである。「発症」とは、該当検査または該当検査よりも確度が高いと考えられる検査（例えば、組織検査）での検査で疾患が観測され悪性と診断されることと定義する。なお、観測の可否にかかわらず悪性疾患が新規に出現することを示しているわけではない。
リスク予測処理は、例えば、電子カルテの閲覧用画面において表示される検査結果の項目において、ユーザが「リスク予測処理に関する項目」を選択したことをトリガとして、実行されればよい。

予測モデルは、ここでは検査時点と将来の各時点とにおける計数値である。予測モデルは、電子カルテシステム１と接続される外部装置に記憶されていてもよいし、メモリ１６に記憶してもよい。予測モデルは、必ずしも独立したテーブルで記憶される必要はなく、プログラム形式で、コンピュータプログラムとして直接記述されていてもよい。

ここで、予測機能１０３によるリスク予測処理の一例について具体的に説明する。
リスク予測処理で算出されるリスク予測値は、検査時点での実際の疾患の有無の確率である。実際の疾患が陽性となる場合であっても、検査によって陰性と判定される場合と、陽性と判定される場合との両方があり得る。例えば実際の疾患が陽性となる確率は、検査結果によって陰性と判定されたものの、検査結果が誤りで実際は陽性である確率と、検査結果によって陽性と判定され、その検査結果が正しく実際も陽性である確率の合算となる。
検査時点でのリスク予測処理は、例えば表１の２×２の分割表の一例を用いて算出すればよい。

表１のａ，ｂ，ｃおよびｄ（説明の便宜上、「（０）」を省略する）は、過去の検査データから得られた被検体数である。表１の各行の項目である「検査陽性」と「検査陰性」とは、リスク予測処理を行う対象検査における検査結果である。各列の項目である「疾患あり」と「疾患なし」とは、組織検査など、対象検査よりも確度が高いと考えられる検査結果である。

ａ，ｂ，ｃおよびｄの各値は、実際の検査データに基づいて計数すれば、該当人数に対応するため、ゼロ以上の整数である。一方、リスクデータからＧａｉｌモデルのような統計モデルを用いて推定すれば、ａ，ｂ，ｃおよびｄの各値は、整数に限らずゼロ以上の実数である。

発症リスクにおける検査時点でのリスク予測では、検査実施日に近い日付の診断データから作成した表１のような２×２分割表のａ（０），ｂ（０），ｃ（０），ｄ（０）を用いればよい。また、発症リスクにおける将来のリスク予測では、ｘの具体的な値として、例えばｘ_１＝１，ｘ_２＝２，ｘ_３＝３，・・・，ｘ_２４＝２４と設定し、１ヶ月後から２４ヶ月後までの２４の時点とする。

「（０）」は、検査実施日から診断日までの月数をｘヶ月（ｘは正数）としたとき、ｘ＝０とみなせるデータを示す。ここで「診断」とは、実施した検査よりも確度が高いと考えられる検査での検査結果を示す。診断データは、例えば、組織検査の結果である。なお、組織検査は常に実施されるわけではないため、陰性の診断データは組織検査の結果の代わりに、対象としている検査を含む他の検査結果、または複数回の検査結果を診断データとみなしてもよい。

例えば、ＭＲＩ画像から異常が全く見つけられないときは、当該ＭＲＩ検査の時点で「疾患なし」と判定してもよい。または、２、３回のＣＴ検査で大きな変化が見られないか改善方向の変化しか見られない場合は、「疾患なし」と判定してもよい。

表１の分割表に基づき、検査結果が陰性であった時は、実際には陽性である確率は１−ＮＰＶで算出される。ここで「ＮＰＶ」は、陰性的中率（Negative Predictive Value）である。よって、検査陰性時のリスク予測値は、リスク予測値＝予測陽性率（１−ＮＰＶ）＝ｃ／ｒ２から算出できる。

一方、検査結果データにより陽性であった時は、実際に陽性である確率はＰＰＶで算出される。ここで「ＰＰＶ」は、陽性的中率（Positive Predictive Value）である。よって、検査陽性時のリスク予測値は、リスク予測値＝予測陽性率（ＰＰＶ）＝ａ／ｒ１から算出される。

なお、本実施形態では、「１−ＮＰＶ」と「ＰＰＶ」との双方を予測陽性率と呼ぶ。また、以降の実施形態では、検査が陰性であった場合を想定して説明する。つまり、予測陽性率としては、「１−ＮＰＶ」の式を用いる。なお、以降の実施形態でも、検査が陽性であった場合は、予測陽性率を「ＰＰＶ」に置き換えて計算すればよい。

ステップＳ２０４では、予測機能１０３により処理回路１０が、発症リスクとして、予測陽性率の期待値と予測陽性率の信頼区間とを算出する。信頼区間は予測陽性率に対する統計学的な信頼区間を示す。信頼区間の算出方法の一例として、ｃが正規分布であると仮定して算出する方法がある。

標本数をｎ＝ｒ２＝ｃ＋ｄ、成功率をｐ＝ｃ／ｒ２と仮定すると、ｎが大きければ予測陽性率の分布は期待値がｎｐ＝ｃ、分散がσ^２＝ｐ（１−ｐ）／ｎ＝（ｃ／ｒ２）（１−ｃ／ｒ２）ｒ２の正規分布で近似される。従って、予測陽性率の９５％信頼区間は、ｐ±１．９６σと計算できる。

つまり、予測陽性率の期待値は式（１）で、予測陽性率の信頼区間の下限値は式（２）で、および予測陽性率の信頼区間の上限値は式（３）でそれぞれ表すことができる。

信頼区間の算出方法の別例として、二項分布を用いて算出する方法を示す。
予測陽性率の信頼区間の二項分布を用いた算出方法には、不完全ベータ関数とその逆関数の計算とが用いられる。不完全ベータ関数とその逆関数の計算とは、一般的な計算手法を用いればよいためここでの説明は省略する。

二項分布を用いた場合の予測陽性率の期待値は式（４）で、予測陽性率の信頼区間の下限値は式（５）で、および予測陽性率の信頼区間の上限値は式（６）でそれぞれ表すことができる。

ｎ_ＴＮは、表１におけるtrue negativeの数ｄであり、ｎ_ＦＮは、表１におけるfalse negativeの数ｃである。また、Ｆ_１−α（υ_１，υ_２）は、危険率αの上側Ｆ値、つまり、両側検定の９５％信頼区間の場合α＝０．０５／２である。

なお、過去の検査データを多数収集しても、検査実施日からｘヶ月経過後の検査データが揃うとは限らないため、ａ（ｘ），ｂ（ｘ），ｃ（ｘ）およびｄ（ｘ）について、関数ｃ（ｘ）＝ｆ（ｘ，ｉ^→，θ^→）のモデルを適用する。ここで、上付き矢印はベクトルを表す。ｉ^→は、関数を表すパラメータである。パラメータｉ^→は、予測モデルデータから読み込むことで、予め算出された値を決定でき、経過月数ｘの計算に用いることができる。θ^→はベクトルを表し、リスクファクターの値を示す。

ｆ（ｘ，ｉ^→，θ^→）の単純な形式としては、線形関数ｆ（ｘ，ｉ^→，θ^→）＝（ｘ，θ^→、１）ｉ^→Ｔ（Ｔは転置）であるが、Ｇａｉｌモデルと同様の統計モデルで構成するのが妥当である。

ｆ（ｘ，ｉ^→，θ^→）は、ｘだけでなく他のリスクファクターにも依存する値である。上述のように算出したｃ（ｘ）の式にｘを代入することでｃの値を算出でき、式（１）から式（６）のように、予測陽性率と信頼区間とが算出できる。

予測機能により処理回路１０は、ａ（ｘ），ｂ（ｘ），ｃ（ｘ）およびｄ（ｘ）について、２４個の時点で求められた後、次のそれぞれのｘにおいて予測陽性率と信頼区間とを算出する。つまり、２４時点の予測陽性率の期待値をＰ_ｅｘ（ｘ_１）〜Ｐ_ｅｘ（ｘ_２４）でそれぞれ算出する。同様に、２４時点の予測陽性率の信頼区間の上限値をＰ_{ｕｐｐｅｒ}（ｘ_１）〜Ｐ_{ｕｐｐｅｒ}（ｘ_２４）、２４時点の予測陽性率の信頼区間の下限値をＰ_{ｌｏｗｅｒ}（ｘ_１）〜Ｐ_{ｌｏｗｅｒ}（ｘ_２４）をそれぞれ算出する。

ステップＳ２０５では、予測機能１０３により処理回路１０が、次回検査までの推奨期間および非推奨期間を決定する。推奨期間を決定する基準値は、リスク予測値の標準値と基準上限値である。具体的には、例えば、リスク予測値の基準上限値は「０．１」、標準値は「０．０５」と設定すればよい。なお、基準上限値および標準値は、予め定められた値に限らず、画面上で変更可能とされてもよい。
例えば、次回検査の推奨期間は、予測陽性率の信頼区間上限値とリスク予測値の標準値とが一致する時点よりも前の期間を推奨期間とすればよい。一方、次回検査の非推奨期間は、予測陽性率の信頼区間上限値とリスク予測値の標準値とが一致する時点以降の期間を推奨期間とすればよい。
なお、本実施形態では次回検査に関する推奨期間および非推奨期間を例に説明するが、検査に限らず、手術、治療などといった医療行為でもよい。つまり、推奨期間は、次回の医療行為の推奨期間であってもよい。

ステップＳ２０６では、提示機能１０５により処理回路１０が、リスク予測の推移と、次回の検査までの推奨期間とを少なくとも含むグラフを表示する。以上で推奨期間提示処理を終了する。

次に、第１の実施形態に係る推奨期間の表示例について図３を参照して説明する。
図３は、検査日から次回検査までの推奨期間および上限推奨期間を示すグラフである。上限推奨期間は、推奨期間を経過し、次回検査をこれ以上延期すると疾患が進行するリスクが増加する、推奨期間の最大限の期間である。図３のグラフの縦軸は、リスク予測値を示し、横軸は、検査日からの経過期間を示す。なお、グラフの縦軸および横軸の双方の値は、入れ替えて表示してもよい。つまり、縦軸を検査日からの経過期間とし、横軸をリスク予測値としてもよい。リスク基準の基準上限値３０１は、リスク予測値の「０．１０」と設定し、リスク基準の標準値３０２は、リスク予測値の「０．０５」とする。

太線で示されるグラフは、予測陽性率の期待値３０３を示す。期待値３０３よりも上方にある細線で示されるグラフは、予測陽性率の信頼区間の上限値３０４を示し、期待値３０３よりも下方にある細線で示されるグラフは、予測陽性率の信頼区間の下限値３０５を示す。期待値３０３、上限値３０４および下限値３０５をまとめて発症リスクのグラフとも呼ぶ。なお、少なくとも発症リスクの上限を考慮していればよいと考えられるため、少なくとも上限値３０４を表示していればよく、予測陽性率の期待値のグラフおよび信頼区間の下限値のグラフは表示されなくともよい。

次回検査の推奨期間の設定方法としては、例えば、次回検査の推奨期間３０６を予測陽性率の信頼区間の上限値３０４により決定する場合、推奨期間３０６として、検査日に該当する日から信頼区間の上限値３０４とリスク基準の標準値３０２との交点Ｐ_{ｕｐｐｅｒ}（ｘ_Ｓ）の時点までの期間が設定される。ここで、ｘ_Ｓは、上限値３０４がリスク基準の標準値３０２と一致するときの月数である。上限推奨期間３０７として、検査日に該当する日から、信頼区間の上限値３０４とリスク基準の基準上限値３０１との交点Ｐ_{ｕｐｐｅｒ}（ｘ_ｕ）の時点までの期間が設定される。ここで、ｘ_Ｕは、上限値３０４がリスク基準の基準上限値３０１と一致するときの月数である。

一方、次回検査の推奨期間を予測陽性率の期待値３０３により決定する場合、推奨期間３０６として、検査日に該当する日から予測陽性率の期待値３０３とリスク基準の標準値３０２との交点Ｐ_{ｕｐｐｅｒ}（ｘ_Ｓ）の時点までの期間が設定される。ここで、ｘ_Ｓは、期待値３０３がリスク基準の標準値３０２と一致するときの月数である。また、上限推奨期間ｘ_Ｕとしては、検査日に該当する日から予測陽性率の期待値３０３とリスク基準の基準上限値３０１との交点Ｐ_{ｕｐｐｅｒ}（ｘ_ｕ）の時点までの期間が設定される。ここで、ｘ_Ｕは、期待値３０３がリスク基準の基準上限値３０１と一致するときの月数である。

図３の例では、信頼区間の上限値３０４とリスク基準の標準値３０２との交点に基づく推奨期間３０６は、「２．５ヶ月」であり、信頼区間の上限値３０４とリスク基準の基準上限値３０１との交点である上限推奨期間３０７は、「６ヶ月」である。なお、検査日における予測陽性率の期待値３０３、信頼区間の上限値３０４、推奨期間３０６および上限推奨期間３０７をグラフの上部に数値で表示してもよい。

また、図３のグラフにおいて推奨期間３０６および上限推奨期間３０７が表示されることで、上限推奨期間３０７以降の期間は、推奨期間とは反対に検査するには遅すぎる非推奨期間であるとして提示していることにもなる。よって、ユーザは、推奨期間および非推奨期間の両方を認識できる。なお、提示機能１０５により処理回路１０は、推奨期間および非推奨期間の一方を強調表示してもよい。

第１の実施形態では、２×２の分類表に基づいてリスク予測値を生成する例を示すが、２クラス以上で分類した場合、例えば６クラスに分類した場合でも同様に、予測陽性率と信頼区間とを算出することができる。具体的には、６×６の分類表に基づいて、２×２の分類表と同様に予測陽性率と信頼区間とを算出すればよい。

より一般化した例で説明する。検査結果をＬクラス（Ｌは３以上の正数）に分類して表す場合、分割表はＬ行２列で構成される。Ｌ行は、検査結果をＬクラスに分類した項目が配置され、２列は、疾患の有無で項目が配置される。

分割表のｖ行ｊ列の要素をｆ_ｖｊ（ｘ，ａ^→ _ｖｊ，θ）で表す。従って、予測モデルのデータはａ^→ _ｖｊのみである。検査結果をＬクラスで表す場合、予測モデルデータａ^→ _ｖｊの決定方法としては、関数ｆ_ｖｊ（ｘ，ａ^→ _ｖｊ，θ）が、過去のｋ個の検査データ、診断データ、リスクデータから求められる確率分布に近似するように、ａ^→ _ｖｊを調節する関数フィッティングを行えばよい。関数フィッティングは、公知の様々な手法で実装できる。例えば、回帰分析、線形最適化アルゴリズム、非線形最適化アルゴリズム、人工ニューラルネットワーク、ランダムツリー、サポートベクターマシンなど一般的に用いられる手法を適用して、関数フィッティングを行うことで予測モデルのデータが決定されればよい。

また、検査結果が２値化や多値化された分類ではなく複数の実数値である場合も、良性群および悪性群の分布をモデルで表現することにより、予測陽性率と信頼区間とを算出できる。例えば、陰性群の分布および陽性群の分布を正規分布モデルで表現する場合は、良性群の平均値、標準偏差、検査数、悪性群の平均値、標準偏差、検査数を予測モデルとリスクデータとから算出し、正規分布の密度関数の式を陰性群と陽性群とでそれぞれ算出する。算出した密度関数の式に検査結果データから得られた複数の実数値（ベクトル）を代入して、そのベクトル近傍の良性群と悪性群との分布の確率密度を積分し、その結果に悪性、良性それぞれの検査数を乗じる。この結果から、ａ（ｘ），ｂ（ｘ），ｃ（ｘ），ｄ（ｘ）を求め、予測陽性率と信頼区間とを求めることができる。

具体的には、検査結果をＭ個（Ｍは正数）の実数値で表す場合、例として、陰性群と陽性群の検査結果の分布をＭ次元正規分布で表す場合について説明する。なお、正規分布に限らず、Gaussian mixture modelなど、より複雑な分布を用いる場合は、分布のパラメータが異なるが、同様の手順で予測陽性率と信頼区間とを求めることができる。

陰性群のＭ次元確率密度関数をｆ_０（ｖ^→；ｘ，ａ^→ _０，θ，ｆ⁻ _０，Ｒ_０）、陽性群のＭ次元確率密度関数をｆ_１（ｖ^→；ｘ，ａ^→ _１，θ，ｆ⁻ _１，Ｒ_１）と表す。

ここで、検査結果の分布は、正規分布を想定しているため、ｆ⁻ _０は、陰性群の検査データの平均値を示し、Ｒ_０は、陰性群の検査データの共分散行列を示す。また、ｆ⁻ _１は、陽性群の検査データの平均値を示し、Ｒ_１は、陽性群の検査データの共分散行列を示す。ａ^→ _０およびａ^→ _１は、関数形を決めるためのパラメータである。もっとも単純な形として平均と共分散行列とは時間ｘに依存しない場合を想定するが、依存させてもよい。検査結果をＬクラスで表す場合の、Ｌ行２列の分割表ｆ_ｖｊ（ｘ，ａ^→ _ｖｊ，θ）に相当するのは、ｆ_０（ｖ^→；ｘ，ａ^→ _０，θ，ｆ⁻ _０，Ｒ_０）およびｆ_１（ｖ^→；ｘ，ａ^→ _１，θ，ｆ⁻ _１，Ｒ_１）である。

従って、予測モデルとしては、ｆ⁻ _０，Ｒ_０，ｆ⁻ _１，Ｒ_１，ａ^→ _０およびａ^→ _１に関するデータを用いればよい。

また、検査結果をＭ個の実数値で表す場合、予測モデルのデータｆ⁻ _０，Ｒ_０，ｆ⁻ _１，Ｒ_１，ａ^→ _０およびａ^→ _１の決定方法としては、関数ｆ_０（ｖ^→；ｘ，ａ^→ _０，θ，ｆ⁻ _０，Ｒ_０）およびｆ_１（ｖ^→；ｘ，ａ^→ _１，θ，ｆ⁻ _１，Ｒ_１）を、過去のＫ個の検査データ、診断データ、リスクデータから求められる確率分布に近似するように、ｆ⁻ _０，Ｒ_０，ｆ⁻ _１，Ｒ_１，ａ^→ _０およびａ^→を調節する関数フィッティングを行えばよい。

以上に示した第１の実施形態によれば、癌のハイリスク患者のスクリーニングなどのため同じ検査を繰り返し実施する場合を想定し、患者のリスクファクターと検査結果から今回の検査（直近の検査）に基づいてリスク予測を行い、次回検査の推奨期間と上限推奨期間および非推奨期間を提示する。仮に上限推奨期間を超えて非推奨期間で検査をした場合、発症リスクがリスク基準の上限値を上回り、疾患が発生してから検査で発見される間隔が長くなってしまい、早期発見および早期治療のチャンスを逸する可能性が生じる。また、推奨期間の上限値とリスク予測値とが１つのグラフに表示されるため、発症リスクと検査間隔の関係とが容易に把握でき、次回の検査として適切な検査間隔または検査期間を提示することができ、結果として適切な推奨検査時期を提示できる。

（第２の実施形態）
第２の実施形態では、発症リスクの予測値を提示することに加えて、進行リスクの予測値を時系列で算出する。本実施形態に係る進行リスクとは、今回の検査で悪性と診断され、かつ治療成績に悪影響を及ぼすほど進行する、疾患の進行度に関するリスクである。例えば、腫瘍が悪性と診断され、腫瘍のサイズが２０ｍｍ以上に成長した段階に至るリスクが用いられる。進行リスクの算出は、発症リスクと同様の手法で算出すればよい。

なお、進行リスクの場合は、通常の発症リスクに関する予測陽性率に代わり、どのような進行状態にあるかに基づく進行状態予測陽性率が算出される。また、進行リスクに関する予測モデルは、発症リスクと同様の形式で予め用意されているものとする。

予測機能１０３により処理回路１０は、進行リスクに関する予測モデルに基づき、進行状態予測陽性率の期待値をＱ_ｅｘ（ｘ_０）〜Ｑ_ｅｘ（ｘ_２４）でそれぞれ算出する。同様に、現時点と２４時点との進行状態予測陽性率の信頼区間上限値をＱ_{ｕｐｐｅｒ}（ｘ_０）〜Ｑ_{ｕｐｐｅｒ}（ｘ_２４）、現時点と２４時点との進行状態予測陽性率の信頼区間下限値をＱ_{ｌｏｗｅｒ}（ｘ_０）〜Ｑ_{ｌｏｗｅｒ}（ｘ_２４）でそれぞれ算出する。

なお、進行リスクに関する予測モデルデータは、例えば腫瘍のサイズが２０ｍｍを超えない時点の検査データと、腫瘍のサイズが２０ｍｍを超えた時点の検査データといった、２０ｍｍを基準として前後の検査データが存在すれば、より安定な予測モデルを生成できる。しかし、多数の医用データを収集してもこのような２０ｍｍの前後の検査データを収集できるとは限らないため、外挿および内挿を用いて２０ｍｍをまたぐ２つの検査データを生成してもよい。

次に、第２の実施形態に係る推奨期間の提示例について図４を参照して説明する。
図４は、図３と同様に、検査日から次回検査までの推奨期間および上限推奨期間を示すグラフである。

算出した進行リスクを示す進行状態予測陽性率の期待値４０１、信頼区間の上限値４０２および下限値４０３は、発症リスクを示す予測陽性率の期待値３０３、信頼区間の上限値３０４および下限値３０５と同様に時系列データとしてグラフに表示する。

図４の例において、推奨期間を予測陽性率および進行状態予測陽性率の信頼区間の上限値により決定する場合を想定する。進行リスクに基づく上限推奨期間４０４は、検査日に該当する日からリスク基準の標準値３０２と進行状態予測陽性率の信頼区間の上限値４０２との交点の時点までの期間であり、図４の例では「２．５ヶ月」である。一方、発症リスクに基づく上限推奨期間は、検査日に該当する日からリスク基準の標準値３０２と予測陽性率の信頼区間の上限値３０４との交点の時点までの期間であり、図４の例では「４．１ヶ月」である。
なお、推奨間隔を予測陽性率の期待値により決定する場合は、予測陽性率（又は進行状態予測陽性率）の期待値とリスク基準の標準値との交点により決定すればよい。
また、提示機能１０５により処理回路１０は、診断結果として腫瘍が良性であるなどが得られたときは、進行リスクのグラフを消してもよい。

以上に示した第２の実施形態によれば、疾患の進行状態の予測モデルにより次回検査または次回医療行為の推奨期間を設定する。これにより、例えば、何かしらの腫瘍が発症している患者に、良性か悪性かは不明であるが、万が一、腫瘍が進行する可能性を想定すると、いつまでに再検査すればよいかを容易に判断及び提示することができる。つまり、発症リスクおよび進行リスクのうちのリスク予測値が早く基準値を上回る状態を考慮して推奨期間を設定できるため、結果として適切な推奨検査時期を提示できる。

（第３の実施形態）
第３の実施形態では、増悪などの判定基準により、例えば今回の検査から時間が経過しても腫瘍の増大が見られない場合、早急に検査をしても病変を観測できないと考えられる。よって、検査するにはまだ早い期間である非推奨期間を提示することで、無駄な検査を回避させることができる。
予測機能１０３により処理回路１０が、今回の検査に該当する日から、今回の検査に基づくリスク予測値から所定値以上の値の増加となる発症リスク（期待値の推移または信頼区間の上限値の推移）に対応する時点を非推奨期間と設定する。
また別の方法として、予測機能１０３により処理回路１０が、今回の検査に該当する日からの疾患の増悪の増加幅が閾値と一致する時点までの期間を非推奨期間と設定する。

次に、第３の実施形態に係る推奨期間および非推奨期間の提示例について図５を参照して説明する。
図５のグラフに、非推奨期間を決定する閾値として、増悪基準幅５０１を提示する。増悪基準幅５０１は、今回の検査に基づく予測陽性率の期待値３０３から所定値の増加量を示す。増悪基準幅５０１を超えて予測陽性率の期待値が増加していれば、疾患に増悪ありと判断できる。図５の例では、検査日に該当する日から増悪基準幅５０１と予測陽性率の期待値３０３との交点に対応する時点を提示し、検査日に該当する日から当該時点までの期間を非推奨期間５０２として提示する。
つまり、非推奨期間５０２よりも前の期間で検査をしても、増加量が増悪基準幅５０１よりも小さいため、再度検査しても疾患（腫瘍）の変化を検出できない可能性がある。よって、ユーザは、非推奨期間５０２では検査しないほうが望ましいという目安を簡単に把握できる。

また、上限推奨期間３０７は、第１の実施形態と同様の方法で算出すればよい。これにより、非推奨期間５０２と上限推奨期間３０７とで挟まれる期間が、推奨期間５０３となる。

なお、予測機能１０３により処理回路１０は、検査日に該当する日からリスク基準の標準値３０２と期待値３０３との差分５０４が所定値となる時点までの期間を非推奨期間５０２として算出してもよい。
また、より慎重な判断として、ワーストケースを想定する場合は、リスク基準の標準値３０２と予測陽性率の信頼区間の上限値３０４との差分が所定値となる時点までの期間を非推奨期間５０２として算出してもよい。

以上に示した第３の実施形態によれば、検査するには未だ早い期間である非推奨期間を算出することで、不要な検査を回避できる。これは、今回の検査から間もない期間である下限推奨期間よりも前の期間では、リスク予測値から見て疾患が進行していないと想定されるので、下限推奨期間よりも前に検査をしても不要な検査となりえるからである。よって、このような不要な検査を回避できるので、患者及び病院の双方においてメリットがある。

（第４の実施形態）
Ｘ線ＣＴ撮影など被ばくを伴う検査の場合、短い間隔で検査を複数回行うと、被ばくによる別の疾患を発症するリスクである追加疾患リスクが増大する。よって、上述した実施形態における推奨期間の提示に加えて、追加疾患リスクを併せて提示するようにしてもよい。これにより、追加疾患リスクに基づく非推奨期間および追加疾患リスクを考慮した推奨期間を提示することができる。

被ばくによる時間経過に伴う追加の疾患リスクの予測モデルは、例えば、予測機能１０３により処理回路１０が、統計的データに基づいて一般的に算出される方法により算出すればよい。また、処理回路が、外部から予め算出される追加の疾患リスクの予測モデルを取得してもよい。

第４の実施形態に係る推奨期間の提示例について図６を参照して説明する。
図６は、図３に示すグラフに時系列に沿った追加疾患リスクの推移グラフ６０１を表示したグラフである。
検査日に該当する日から追加疾患リスクの推移グラフ６０１とリスク基準の基準上限値３０１との交点の時点までの期間を非推奨期間６０２として提示する。なお、推移グラフ６０１とリスク基準の標準値３０２との交点の時点を用いて非推奨期間６０２を提示してもよい。これにより、非推奨期間６０２と上限推奨期間３０７とで挟まれる推奨期間６０３を提示でき、ユーザが容易に推奨期間６０３を把握できる。

なお、追加疾患リスクの推移グラフ６０１と予測陽性率の期待値３０３とを合算し、病変の疾患リスクの合計値を表示してもよい。または、日付ごとに追加疾患リスクの推移グラフ６０１と予測陽性率の期待値３０３との間でリスク予測値が大きい方が採用されたグラフを生成してもよい。具体的には、図６の例における合計値のグラフは、検査日から交点６０４までの期間は追加疾患リスクの推移グラフ６０１であり、交点６０４以降は予測陽性率の期待値３０３となる。

以上に示した第４の実施形態によれば、検査による被ばくなど、検査を実施することによって生じる追加疾患リスクに基づいて、次回検査の推奨期間および非推奨期間を提示することができ、結果として適切な推奨検査時期を提示できる。

（第５の実施形態）
第５の実施形態では、複数の疾患に関してそれぞれの予測モデルに基づいて発症リスクをそれぞれ算出し、まとめて表示させる。

第５の実施形態に係る推奨期間の提示例について図７を参照して説明する。
図７は、複数の疾患ついてのそれぞれの発症リスクの推移グラフ（予測陽性率の期待値および信頼区間）が表示される。推移グラフの例として、肺がんの予測陽性率の期待値７０１と、肺気腫の予測陽性率の期待値７０２とを表示させる。

ここで、提示機能１０５により処理回路１０は、肺がんの予測モデルに基づく推奨期間と、肺気腫の予測モデルに基づく推奨期間との重複領域を、総合推奨期間として提示してもよい。総合推奨期間を提示することで、複数の疾患を想定した場合での次回検査の推奨期間を提示できる。

処理回路１０は、総合推奨期間の下限は、複数の非推奨期間のうちの最も遅い期間を採用し、総合推奨期間の上限は、複数の上限推奨期間のうちの最も早い期間を採用すればよい。図７では、総合推奨期間７０３として、下限は、遅い方の期間である肺気腫の予測モデルに基づく下限推奨期間が採用され、上限は、早いほうの期間である肺がんの予測モデルに基づく上限推奨期間が採用される。

なお、複数の疾患に基づくそれぞれの予測モデルではなく、ガンの転移パターンごとの予測モデルを提示してもよい。例えば、肺がんからリンパ節に転移した場合、どのような推奨器官になるかを提示してもよい。推奨期間および重複領域などの算出方法は、複数の疾患に基づいて求める場合と同様である。

また、疾患ごとの予測モデルそれぞれについて、疾患を検査するための検査種類を紐付けて保存しておいてもよい。推奨期間を提示する場合、予測モデルに紐付けられた検査種類を表示してもよい。

また、１つの予測モデルにおいて、治療した場合にどのような発症リスクとなるかを枝分かれさせて表示させてもよい。つまり、将来のある時点で治療等を行った場合、発症リスクが変化すると考えられるからである。
将来のある時点で発症リスクのグラフを枝分かれさせて提示させる一例について図８に示す。

発症リスクのグラフを枝分かれさせる基準としては、分岐点となる将来の時点で行った検査により疾患の種類が確定したことを基準とする場合、分岐点となる将来の時点で病変の種類が変化したことを基準とする場合、または分岐点となる将来のある時点で治療を開始したことを基準とする場合などが挙げられる。
図８の例は、分岐点Ａから治療を開始したと想定した場合である。提示機能１０５により処理回路１０が、予測陽性率の期待値８０１および信頼区間の上限値８０２よび下限値８０３を、分岐点Ａを起点として元のグラフから枝分かれさせて提示する。

以上に示した第５の実施形態によれば、複数の疾患に関してそれぞれの予測モデルに基づいて発症リスクをそれぞれ算出し、まとめて表示させることで、ユーザが所望する情報を一元的に提示することができる。

（第６の実施形態）
第６の実施形態では、推奨期間をマウスでクリックまたはタッチディスプレイであれば推奨期間が表示される領域をタッチすると、検査予約システムに接続し、検査予約画面を表示する。検査予約画面を参照して空き日および開き時間帯を検索し、かつ検査予約できるようにする。これにより、ワークフローを改善することができる。

第６の実施形態にかかる検査予約処理の一例について図９を参照して説明する。
図９は、推奨期間が表示された提示例を示す。ここで、マウスカーソル９０１を推奨期間上に置き、クリック（またはダブルクリック）すると、例えば、提示機能１０５により処理回路１０が、検査予約システムに接続し、検査予約ウィンドウ９０２（予約画面とも言う）を取得して画面に表示させる。

検査予約ウィンドウ９０２は、例えば、各医用画像診断装置の検査タブが表示され、検査タブごとに検査スケジュールおよび予約一覧が表示される。具体的に図９の例では、ＣＴ検査タブ、ＭＲ検査タブが表示され、どの時間帯にどの検査室にどの患者の検査予約が入っているかを一見して把握できるタイムスケジュールが表示される。なお、検査予約ウィンドウ９０２は、発症リスクなどのグラフ表示の上に重ねて表示してもよいし、グラフと並列表示してもよい。また、別のディスプレイに表示させるようにしてもよい。

医師などの電子カルテシステムのユーザは、推奨期間において被検体の検査を予約する場合は、検査予約ウィンドウ９０２上の空き時間帯をクリックまたはドラッグする。処理回路１０は、クリックまたはドラッグされた部分に対応する時間帯と電子カルテ上で推奨期間の予測処理を実行している被検体の患者情報とを検査予約システムに送信することで予約を受付、被検体の検査予約を完了することができる。

以上に示した第６の実施形態によれば、推奨期間をマウスでクリックまたはタッチディスプレイであれば推奨期間が表示される領域をタッチすると、検査予約システムに接続して、検査予約ウィンドウを表示できる。これによって、ユーザは推奨期間を見ながら簡単に検査予約を行うことができる。

（第７の実施形態）
第１の実施形態から第６の実施形態までは、電子カルテ上でリスク予測処理を実行する例を想定して説明したが、リスク予測処理を実行する医用情報処理装置を電子カルテとは別体とし、電子カルテの動作と医用情報処理装置によるリスク予測処理とを並行して実行させてもよい。または、医用情報処理装置単体で実行させてもよい。

第７の実施形態に係る医用情報処理装置を含む医用システムについて、図１０のブロック図を参照して説明する。
医用システムは、電子カルテシステム７０、医用情報処理装置７２および画像サーバ７４を含む。

電子カルテシステム７０は、例えば、陽性および陰性の別、検査結果の数値などを表示する。
医用情報処理装置７２は、第１の実施形態に示した処理回路と同様の構成である。
画像サーバ７４は、ＰＡＣＳ（Picture Archiving and Communication System）サーバであり、被検体の検査画像などを格納する。
医用情報処理装置７２は、第１の実施形態から第６の実施形態に示すような推奨期間および非推奨期間に関する推奨期間提示処理を行い、電子カルテシステム７０で表示できるように各種データを送信する。なお、推奨期間提示処理は、ユーザが電子カルテシステム７０上から医用情報処理装置７２に指示を送信することで実行されてもよいし、ユーザが医用情報処理装置７２を操作して、医用情報処理装置７２に推奨期間提示処理の実行指示を与えてもよい。

以上に示した第７の実施形態によれば、電子カルテシステムに推奨期間提示処理を実行する処理回路が組み込まれる場合に限らず、第１の実施形態から第６の実施形態までと同様に、推奨期間提示処理を実行することができる。また、医用情報処理装置と電子カルテシステムとを別体として、並列で動作させることができる。また、医用情報処理装置単独で推奨期間提示処理を実行してもよい。

なお、上述の第１の実施形態から第７の実施形態では、推奨期間をグラフ表示する例を示すが、グラフの代わりに推奨期間を数値表示してもよいし、グラフ表示と数値表示とを併用してもよい。また、推奨期間及び非推奨期間に関するデータを電子カルテシステム１，７０および医用システムの外部の端末に送信するようにしてもよい。
以上に示した第１の実施形態から第７の実施形態によれば、適切な検査時期を提示できる。

加えて、実施形態に係る各機能は、前記処理を実行するプログラムをワークステーション等のコンピュータにインストールし、これらをメモリ上で展開することによっても実現することができる。このとき、コンピュータに前記手法を実行させることのできるプログラムは、磁気ディスク（ハードディスクなど）、光ディスク（ＣＤ−ＲＯＭ、ＤＶＤなど）、半導体メモリなどの記憶媒体に格納して頒布することも可能である。

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。

１，７０ 電子カルテシステム
１０ 処理回路
１２ 入出力インタフェース
１４ ディスプレイ
１６ メモリ
１８ 通信インタフェース
７２ 医用情報処理装置
７４ 画像サーバ
１０１ 取得機能
１０３ 予測機能
１０５ 提示機能
３０１ 基準上限値
３０２ 標準値
３０３，４０１，７０１，７０２，８０１ 期待値
３０４，４０２，８０２ 上限値
３０５，４０３，８０３ 下限値
３０６，５０３，６０３ 推奨期間
３０７，４０４ 上限推奨期間
５０１ 増悪基準幅
５０２，６０２ 非推奨期間
５０４ 差分
６０１ 推移グラフ
６０４ 交点
７０３ 総合推奨期間
９０１ マウスカーソル
９０２ 検査予約ウィンドウ

Claims (14)

1. 被検体情報と疾患の発症リスクの予測モデルとに基づいて、被検体に関する前記疾患の発症リスクの推移を予測する予測部と、
   前記発症リスクの推移に基づいて、次の検査または医療行為の実施に適した期間を求め、前記期間より早い第１非推奨期間を提示する提示部と、
   を具備する医用情報処理装置。
2. 前記提示部は、前記推移に対応するリスク予測値とリスク基準に応じて定まる値との差分が閾値と一致する第１時点を提示し、直近の検査または医療行為から前記第１時点までの期間を前記第１非推奨期間として提示する、請求項１に記載の医用情報処理装置。
3. 前記提示部は、直近の検査または医療行為からの前記疾患の増悪の増加幅が閾値と一致する第１時点を提示し、前記直近の検査または前記医療行為から前記第１時点までの期間を前記第１非推奨期間として提示する、請求項１に記載の医用情報処理装置。
4. 前記提示部は、前記検査または前記医療行為を実施するには遅すぎると想定される第２非推奨期間をさらに提示する、請求項１から請求項３のいずれか１項に記載の医用情報処理装置。
5. 前記提示部は、前記推移に対応するリスク予測値と、リスク基準に応じて定まる値とが一致する第２時点を提示し、前記第２時点以降の期間を前記第２非推奨期間として提示する、請求項４に記載の医用情報処理装置。
6. 前記提示部は、前記第１非推奨期間と前記第２非推奨期間との間の期間を、推奨期間として提示する、請求項５に記載の医用情報処理装置。
7. 前記予測部は、疾患の進行度に関する進行リスクの予測モデルに基づいて、前記被検体に関する前記進行リスクの推移を予測し、
   前記提示部は、前記進行リスクの推移を提示する、請求項１から請求項６のいずれか１項に記載の医用情報処理装置。
8. 前記予測部は、前記検査または前記医療行為により疾患が発症するリスクを示す追加疾患リスクの予測モデルに基づいて、前記被検体に関する前記追加疾患リスクの推移を予測し、
   前記提示部は、前記追加疾患リスクの推移を提示する、請求項１から請求項６のいずれか１項に記載の医用情報処理装置。
9. 前記予測部は、複数の発症リスクのそれぞれの予測モデルに基づいて、前記被検体に関する前記複数の発症リスクのそれぞれの推移を予測し、
   前記提示部は、前記複数の発症リスクのそれぞれの推移を提示する、請求項１から請求項８のいずれか１項に記載の医用情報処理装置。
10. 前記提示部は、前記複数の発症リスクのそれぞれの推移に基づく各推奨期間が重複する領域を総合推奨期間として提示する、請求項９に記載の医用情報処理装置。
11. 前記提示部は、前記推奨期間が選択された場合、前記推奨期間における検査または医療行為の予約一覧を示す予約画面を提示する、請求項６に記載の医用情報処理装置。
12. 前記提示部は、第１軸が現時点からの経過期間、第２軸が前記発症リスクの推移を示すグラフにおいて、前記第１非推奨期間、前記第２非推奨期間および前記推奨期間の少なくとも１つを強調する、請求項６に記載の医用情報処理装置。
13. 被検体情報と疾患の発症リスクの予測モデルとに基づいて、被検体に関する前記疾患の発症リスクの推移を予測し、
    前記発症リスクの推移に基づいて、次の検査または医療行為の実施に適した期間を求め、前記期間より早い第１非推奨期間を提示する、医用情報処理方法。
14. 表示部と、
    ユーザからの指示を受け付ける受付部と、
    前記ユーザからの指示に基づき、被検体情報と疾患の発症リスクの予測モデルとに基づいて、被検体に関する前記疾患の発症リスクの推移を予測する予測部と、
    前記発症リスクの推移に基づいて、次の検査または医療行為の実施に適した期間を求め、前記期間より早い第１非推奨期間を前記表示部に提示する提示部と、
    を具備する電子カルテシステム。