JP2021064350A - システム、方法、及びプログラム - Google Patents
システム、方法、及びプログラム Download PDFInfo
- Publication number
- JP2021064350A JP2021064350A JP2020117107A JP2020117107A JP2021064350A JP 2021064350 A JP2021064350 A JP 2021064350A JP 2020117107 A JP2020117107 A JP 2020117107A JP 2020117107 A JP2020117107 A JP 2020117107A JP 2021064350 A JP2021064350 A JP 2021064350A
- Authority
- JP
- Japan
- Prior art keywords
- surgery
- medical facility
- data
- model
- estimation model
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title description 15
- 238000001356 surgical procedure Methods 0.000 claims abstract description 62
- 238000010801 machine learning Methods 0.000 claims abstract description 30
- 230000006870 function Effects 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000013178 mathematical model Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 17
- 238000005457 optimization Methods 0.000 description 13
- 238000011156 evaluation Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 206010002091 Anaesthesia Diseases 0.000 description 4
- 230000037005 anaesthesia Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 230000003442 weekly effect Effects 0.000 description 2
- 230000001154 acute effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 238000001802 infusion Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
Description
<管理システム1>
図1は、実施形態に係る管理システム1の構成の一例を示す概略図である。管理システム1は、1つ又は複数の医療施設(急性期医療施設を含む)のリソースを管理するためのシステムである。ここで、「リソース」とは、人的リソース(医師、助手、看護師、医療スタッフ等)、物的リソース(手術室等の施設、医療機器等の設備等)、時間的リソース等の任意のリソースを広く含む概念であってよい。
医療施設システム100は、特定の医療施設の管理等のために利用される、1つ又は複数のコンピュータによって構成されるシステムである。ここで、コンピュータは、CPU(Central Processing Unit)などの演算装置及びメモリなどの記憶装置を備えて構成される任意の情報処理装置であってよい。具体的には、医療施設システム100は、例えば、画像アーカイブ通信システム(PACS)と、心臓血管情報システム(CVIS)と、臨床情報システム(CIS)と、放射線情報システム(RIS)と、病院情報システム(HIS)とを含んでもよい。特に、医療施設システム100には、当該医療施設において行われる手術の実績データ(手術実績データ)が蓄積(記憶、保存、格納)される。
ユーザ端末118は、医療従事者が利用する、1つ又は複数のコンピュータによって構成される任意の情報処理装置であって、例えば、PC、スマートフォン、ドングル、ビーコン等であってよい。ユーザ端末118は、更に操作部及び表示部を備える。ユーザ端末118は、クライアントモジュール113を介して、サポートシステム110にアクセス可能である。ユーザ端末118は、例えば、医療従事者の管理、医療施設の設備の管理、屋内ジオロケーション、監視、通知などの機能を有していてもよいし、或いはそのような機能へのアクセスを提供してもよい。
図2は、実施形態に係るサポートシステム110の構成の一例を示す概略図である。サポートシステム110は、手術スケジュールの生成をサポートするための、1つ又は複数のコンピュータによって構成されるシステムである。サポートシステム110は、例えば、通信ゲートウェイ111と、バックエンドDB112と、クライアントモジュール113とを含む。
図3は、実施形態に係るAIモジュール120の構成の一例を示す概略図である。AIモジュール120は、1つ又は複数のコンピュータによって構成されるシステムである。
機械学習モジュール121は、機械学習部の一例であって、例えば、推定モデル記憶部1211と、推定モデル生成部1212と、選択部1213と、を含む。
推定モデル記憶部1211は、少なくとも1つの推定モデルを記憶する。ここで、各推定モデルは、例えば、手術実績データを教師データとする機械学習によって生成される学習済みモデルであって、手術に関する任意のリソースの推定値を出力するためのモデルである。推定モデルの入力は、予定された手術に関する条件(例えば、患者に関する情報、手術内容に関する情報等)であってよい。推定モデルの出力は、手術実績データの項目を用いて任意に構成可能であってよい。推定モデルの出力は、手術時間の推定値を含んでもよい。更に、推定モデルの出力は、例えば、必要な医療従事者の人数やスキルの推定値、必要な医療機器等の機能や台数の推定値等を含んでもよい。
推定モデル生成部1212は、様々なアルゴリズムに対して手術実績データを教師データとする機械学習を実行することにより、上述した少なくとも1つの推定モデルを生成し、推定モデル記憶部1211に格納する。当該アルゴリズムの種類は、特に限定されないが、例えば、一般化線形回帰モデル(ポアソン回帰)、線形回帰、ランダムフォレスト、勾配ブーストツリー回帰等であってよい。なお、推定モデル生成部1212は、生成した推定モデルをバックエンドDB112に格納してもよい。また、推定モデル生成部1212は、機械学習を実行した後に、推定モデルに含まれるパラメータの重み(ウェイト)等を適宜調整してもよい。
選択部1213は、推定モデル生成部1212が生成した複数の推定モデルから、所定の基準に基づいて、医療施設に適した推定モデルを選択する。選択部1213は、選択した推定モデルをバックエンドDB112に格納してもよい。選択部1213は、例えば、テストデータとしての手術実績データを各推定モデルに入力することにより出力される推定値と、当該テストデータとしての手術実績データに含まれる実績値との間の所定の誤差を評価することにより、医療施設に適した推定モデルを選択してもよい。当該所定の誤差の算出方法は、特に限定されないが、例えば、平均絶対誤差(Mean Absolute Error;MAE)、平均二乗誤差(Mean Square Error;MSE)、平均平方二乗誤差(Root Mean Square Error;RMSE)、及び決定係数R2等であってよい。選択部1213は、例えば、上述した所定の誤差が最小である推定モデルを、医療施設に適した推定モデルとして選択してもよい。
最適化エンジン122は、スケジュール生成部の一例であって、例えば、スケジュール生成モデル記憶部1221と、推定値生成処理部1222と、スケジュール生成処理部1223と、を含む。
スケジュール生成モデル記憶部1221は、少なくとも1つのスケジュール生成モデルを記憶する。各スケジュール生成モデルは、手術に関する特定の指標を適正化するように構成された数学モデルであってよい。当該特定の指標は、手術に関するものであれば特に限定されないが、例えば、手術による残業時間、手術による収入(売上)、及び手術のための待ち時間等であってよい。また、これら指標の「適正化」とは、各指標を医療施設の経営目的に応じた方向に修正することであって、例えば、収入であれば増加、残業時間や待ち時間等であれば減少を、それぞれ意味してもよい。スケジュール生成モデルは、このような特定の指標を適正化(最適化を含む)するような、任意の手法によって構成されることができる。当該手法は、例えばオペレーションズリサーチの分野で採用される任意の手法であってよく、例えば、線型計画法、ラグランジュ緩和、動的計画法、待ち行列理論、PERT、クリティカルパス法(日程計画・日程管理)、AHP(階層的意思決定モデル)、施設配置、巡回セールスマン問題等を含んでもよい。
推定値生成処理部1222は、予定された手術に関する条件を、選択部1213に選択された推定モデルに入力することにより、各手術の手術時間の推定値を出力させる。予定された手術に関する条件は、バックエンドDB112に格納されていてもよいし、クライアントモジュール113を介してユーザ端末118から取得されてもよい。
スケジュール生成処理部1223は、スケジュール生成モデル記憶部1221に格納されたスケジュール生成モデルを用いて、手術スケジュールを生成する。ここで、各医療施設は、経営課題を踏まえて適正化を希望する指標を特定し、特定した指標を適正化するように構成されたスケジュール生成モデルを選択しておくことが可能である。手術スケジュールの生成に当たって、スケジュール生成処理部1223は、対象となる医療施設に対応付けられたスケジュール生成モデルを選択することができる。これにより、医療施設の経営課題に即した手術スケジュールを生成することが可能となる。なお、スケジュール生成処理部1223は、手術スケジュールに各種の指標(収入、残業時間、待ち時間等)を含めてもよい。なお、医療施設とスケジュール生成モデルとの対応付けを示す情報は、AIモジュール120が記憶してもよいし、バックエンドDB112が記憶してもよい。そして、スケジュール生成処理部1223は、生成された手術スケジュールをバックエンドDB112に格納してもよいし、クライアントモジュール113を介してユーザ端末118に送信してもよい。
図5は、実施形態に係る管理システム1が実行する動作処理を示すシーケンス図の一例である。
Claims (9)
- 医療施設において行われた手術の実績を示す手術実績データを教師データとする機械学習によって、手術に要するリソースの推定値を出力するための少なくとも1つの推定モデルを生成する機械学習部と、
前記医療施設において予定された手術に関する条件を前記少なくとも1つの推定モデルから選択された推定モデルに入力することにより出力される推定値と、前記医療施設の手術に要するリソースに関する制約条件を示す制約条件データとを、前記医療施設に対応付けられた所定のスケジュール生成モデルに入力することによって、前記医療施設において予定された手術のスケジュールを生成するスケジュール生成部と、
を備える、システム。 - 前記機械学習部は、
複数のアルゴリズムのそれぞれに対して前記手術実績データを教師データとする機械学習を行うことにより、前記少なくとも1つの推定モデルを生成する推定モデル生成部と、
前記推定モデル生成部により生成された前記少なくとも1つの推定モデルから、所定の基準に基づいて前記選択された推定モデルを選択する選択部と、を含む、請求項1に記載のシステム。 - 前記選択部は、前記推定モデル生成部により生成された前記少なくとも1つの推定モデルのそれぞれに対して前記医療施設において行われた手術の他の手術実績データをテストデータとして入力することにより出力される推定値と、前記他の手術実績データに含まれる実績値との間の所定の誤差を評価することにより、前記選択された推定モデルを選択する、請求項2に記載のシステム。
- 前記所定の誤差は、平均絶対誤差(Mean Absolute Error;MAE)、平均二乗誤差(Mean Square Error;MSE)、平均平方二乗誤差(Root Mean Square Error;RMSE)、又は決定係数R2である、請求項3に記載のシステム。
- 前記少なくとも1つの推定モデルは、少なくとも手術時間の推定値を出力する、請求項1から4のいずれか一項に記載のシステム。
- 前記スケジュール生成部は、各々が手術に関する所定の指標を適正化するように構成された複数の数学モデルのうちから、前記医療施設が適正化することを希望する指標を適正化するように構成された数学モデルを、前記所定のスケジュール生成モデルとして選択する、請求項1から5のいずれか一項に記載のシステム。
- 前記手術実績データは、患者に関する患者データ、手術内容に関する手術内容データ、手術室に関する手術室データ、及び医療従事者に関する医療従事者データの少なくともいずれかを含む、請求項1から6のいずれか一項に記載のシステム。
- コンピュータが、
医療施設において行われた手術の実績を示す手術実績データを教師データとする機械学習によって、手術に要するリソースの推定値を出力するための少なくとも1つの推定モデルを生成することと、
前記医療施設において予定された手術に関する条件を前記少なくとも1つの推定モデルから選択された推定モデルに入力することにより出力される推定値と、前記医療施設の手術に要するリソースに関する制約条件を示す制約条件データとを、前記医療施設に対応付けられた所定のスケジュール生成モデルに入力することによって、前記医療施設において予定された手術のスケジュールを生成することと、
を実行する方法。 - コンピュータを、
医療施設において行われた手術の実績を示す手術実績データを教師データとする機械学習によって、手術に要するリソースの推定値を出力するための少なくとも1つの推定モデルを生成する機械学習部と、
前記医療施設において予定された手術に関する条件を前記少なくとも1つの推定モデルから選択された推定モデルに入力することにより出力される推定値と、前記医療施設の手術に要するリソースに関する制約条件を示す制約条件データとを、前記医療施設に対応付けられた所定のスケジュール生成モデルに入力することによって、前記医療施設において予定された手術のスケジュールを生成するスケジュール生成部と、
として機能させるためのプログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019126997 | 2019-07-08 | ||
JP2019126997 | 2019-07-08 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2021064350A true JP2021064350A (ja) | 2021-04-22 |
Family
ID=75486360
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020117107A Pending JP2021064350A (ja) | 2019-07-08 | 2020-07-07 | システム、方法、及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2021064350A (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113591757A (zh) * | 2021-08-07 | 2021-11-02 | 王新 | 一种眼部整形用自动化手术装置及设备 |
JP6997898B1 (ja) | 2021-04-12 | 2022-01-18 | 拓郎 亀井 | 手術スケジュール管理システム |
-
2020
- 2020-07-07 JP JP2020117107A patent/JP2021064350A/ja active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6997898B1 (ja) | 2021-04-12 | 2022-01-18 | 拓郎 亀井 | 手術スケジュール管理システム |
JP2022162400A (ja) * | 2021-04-12 | 2022-10-24 | 拓郎 亀井 | 手術スケジュール管理システム |
CN113591757A (zh) * | 2021-08-07 | 2021-11-02 | 王新 | 一种眼部整形用自动化手术装置及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Holmgren et al. | Assessment of electronic health record use between US and non-US health systems | |
Miller et al. | Interface, information, interaction: a narrative review of design and functional requirements for clinical decision support | |
Cohen et al. | An importance-performance analysis of hospital information system attributes: A nurses' perspective | |
Hribar et al. | Secondary use of electronic health record data for clinical workflow analysis | |
US11256876B2 (en) | Gap in care determination using a generic repository for healthcare | |
Hamrock et al. | Discrete event simulation for healthcare organizations: a tool for decision making | |
Sobolev et al. | Systematic review of the use of computer simulation modeling of patient flow in surgical care | |
US20160253463A1 (en) | Simulation-based systems and methods to help healthcare consultants and hospital administrators determine an optimal human resource plan for a hospital | |
US8719046B2 (en) | Systems and methods for interruption workflow management | |
US10424403B2 (en) | Adaptive medical documentation system | |
JP2014533860A (ja) | 患者の縦断的なエピソードを管理するためのグラフィックツール | |
Padula et al. | Integrating systems engineering practice with health-care delivery | |
Lin et al. | Optimal nurse scheduling based on quantitative models of work-related fatigue | |
JP2021064350A (ja) | システム、方法、及びプログラム | |
Kannampallil et al. | Using electronic health record audit log data for research: insights from early efforts | |
Dahri et al. | Usability evaluation of mobile health application from AI perspective in rural areas of Pakistan | |
Shellum et al. | Knowledge management in the era of digital medicine: a programmatic approach to optimize patient care in an academic medical center | |
Villa et al. | Decreasing triage time: effects of implementing a step-wise ESI algorithm in an EHR | |
Kortbeek et al. | Organizing multidisciplinary care for children with neuromuscular diseases at the Academic Medical Center, Amsterdam | |
Basu et al. | Implications of workforce and financing changes for primary care practice utilization, revenue, and cost: a generalizable mathematical model for practice management | |
Prentice et al. | Metrics that matter | |
Horner et al. | A conceptual model of physician work intensity: guidance for evaluating policies and practices to improve health care delivery | |
EP3688716A1 (en) | Method for enhancing patient compliance with a medical therapy plan and mobile device therefor | |
Andersen et al. | Reconfiguring diagnostic work in Danish general practice; regulation, triage and the secretaries as diagnostician | |
Neves et al. | Causal dynamic Bayesian networks for the management of glucose control in gestational diabetes |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200714 |
|
A80 | Written request to apply exceptions to lack of novelty of invention |
Free format text: JAPANESE INTERMEDIATE CODE: A80 Effective date: 20200729 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230405 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20240208 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240221 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240419 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20240712 |