JP2021185924A - 医療診断支援装置、医療診断支援プログラム、および医療診断支援方法 - Google Patents

Abstract

【課題】読影効率を向上させることが可能な医療診断支援装置、医療診断支援プログラム、および医療診断支援方法を提供する。【解決手段】医療診断支援装置１００は、１または複数の対象者を撮影して取得された複数の医用画像に関する医用画像情報を取得する取得部１１１と、学習済みの識別器を用いて、取得部１１１により取得された対象者の医用画像情報を入力とし、診断の難易度を特定する特定部１１２と、特定部１１２により特定された診断の難易度に基づいて、複数の医用画像をソートして出力部に出力させる制御部１１３と、を有する。【選択図】図４

Description

本発明は、医療診断支援装置、医療診断支援プログラム、および医療診断支援方法に関する。

医療の分野では、Ｘ線装置、ＣＲ（Ｃｏｍｐｕｔｅｄ Ｒａｄｉｏｇｒａｐｈｙ）装置、ＣＴ（Ｃｏｍｐｕｔｅｄ Ｔｏｍｏｇｒａｐｈｙ）装置、ＭＲＩ（Ｍａｇｎｅｔｉｃ Ｒｅｓｏｎａｎｃｅ Ｉｍａｇｉｎｇ）装置、ＰＥＴ（Ｐｏｓｉｔｒｏｎ Ｅｍｉｓｓｉｏｎ Ｔｏｍｏｇｒａｐｈｙ）、超音波装置およびＯＣＴ（Ｏｐｔｉｃａｌ Ｃｏｈｅｒｅｎｃｅ Ｔｏｍｏｇｒａｐｈｙ）装置等の医用撮影装置により、対象者を撮影する。この撮影により得られた医用画像を医師等の医療スタッフが読影することにより、病変領域の状態および経時変化等の診断がなされる。

医用画像を読影する際に医療スタッフにかかる負担および読影時間等は、症例および医療スタッフの読影能力等に左右される（たとえば、特許文献１等）。

特表２０１７−５１５５７４号公報

このような医用画像の読影では、読影効率を向上させることが望まれている。

本発明は、上記事情に鑑みてなされたものであり、読影効率を向上させることが可能な医療診断支援装置、医療診断支援プログラム、および医療診断支援方法を提供することを目的とする。

本発明の上記目的は、下記の手段によって達成される。

（１）１または複数の対象者を撮影して取得された複数の医用画像に関する医用画像情報を取得する取得部と、学習済みの識別器を用いて、前記取得部により取得された前記対象者の医用画像情報を入力とし、前記複数の医用画像各々の診断の難易度を特定する特定部と、前記特定部により特定された診断の難易度に基づいて、前記複数の医用画像をソートして出力部に出力させる制御部と、を備える医療診断支援装置。

（２）前記医用画像は、Ｘ線撮影装置、超音波撮影装置、ＭＲＩおよびＰＥＴの少なくともいずれかによって取得された画像である上記（１）に記載の医療診断支援装置。

（３）前記制御部は、さらに、前記医用画像情報に関連する関連情報を前記出力部に出力させる上記（１）または（２）に記載の医療診断支援装置。

（４）前記制御部は、前記複数の医用画像の少なくとも一部の前記医用画像にテキストを付して前記出力部に出力させる上記（１）〜（３）のいずれかに記載の医療診断支援装置。

（５）前記テキストは、前記医用画像の診断の難易度に関する情報を含む上記（４）に記載の医療診断支援装置。

（６）前記制御部は、前記複数の医用画像の少なくとも一部の前記医用画像にマークを付して前記出力部に出力させる上記（１）〜（５）のいずれかに記載の医療診断支援装置。

（７）前記マークは、前記特定部により診断の難易度が高いと特定された一部の前記医用画像に付される上記（６）に記載の医療診断支援装置。

（８）前記制御部は、前記複数の医用画像の少なくとも一部の前記医用画像に前記医用画像の解析結果を付して前記出力部に出力させる上記（１）〜（７）のいずれかに記載の医療診断支援装置。

（９）前記制御部は、前記出力部に出力させる前記複数の医用画像のソート順を変更可能である上記（１）〜（８）のいずれかに記載の医療診断支援装置。

（１０）前記制御部は、時間帯に応じて前記複数の医用画像のソート順を変更する、上記（９）に記載の医療診断支援装置。

（１１）前記制御部は、予測された前記医用画像の読影者の疲労状態に応じて前記複数の医用画像のソート順を変更する、上記（９）に記載の医療診断支援装置。

（１２）前記制御部は、各読影者が抱えるタスクに応じて前記複数の医用画像のソート順を変更する、上記（９）に記載の医療診断支援装置。

（１３）前記制御部は、前記医用画像の読影者の読影能力に応じて前記複数の医用画像のソート順を変更する、上記（９）に記載の医療診断支援装置。

（１４）前記識別器は、前記医用画像情報を入力データとし、前記医用画像の診断の難易度を出力データとして機械学習される上記（１）〜（１３）のいずれかに記載の医療診断支援装置。

（１５）前記出力データとしての前記診断の難易度は、医師による判断の難易度である上記（１４）に記載の医療診断支援装置。

（１６）前記出力データとしての前記診断の難易度は、前記医用画像情報に対するカテゴリー分類の結果に基づいて取得される上記（１４）または（１５）に記載の医療診断支援装置。

（１７）前記出力データとしての前記診断の難易度は、前記医用画像情報における病変候補領域の悪性確信度に基づいて取得される上記（１４）または（１５）に記載の医療診断支援装置。

（１８）前記特定部により特定された前記医用画像の診断の難易度を修正する修正部をさらに有し、前記識別器は、前記修正部により修正された前記医用画像の診断の難易度を出力データとして機械学習される請求項１４〜１７のいずれかに記載の医療診断支援装置。

（１９）１または複数の対象者を撮影して取得された複数の医用画像に関する医用画像情報を取得するステップ（ａ）と、学習済みの識別器を用いて、前記ステップ（ａ）において取得された前記対象者の医用画像情報を入力とし、前記複数の医用画像各々の診断の難易度を特定するステップ（ｂ）と、前記ステップ（ｂ）において特定された診断の難易度に基づいて、前記複数の医用画像をソートして出力するステップ（ｃ）と、を有する処理をコンピューターに実行させるための医療診断支援プログラム。

（２０）１または複数の対象者を撮影して取得された複数の医用画像に関する医用画像情報を取得するステップ（ａ）と、学習済みの識別器を用いて、前記ステップ（ａ）において取得された前記対象者の医用画像情報を入力とし、前記複数の医用画像各々の診断の難易度を特定するステップ（ｂ）と、前記ステップ（ｂ）において特定された診断の難易度に基づいて、前記複数の医用画像をソートして出力するステップ（ｃ）と、を有する医療診断支援方法。

本発明に係る医療診断支援装置、医療診断支援プログラム、および医療診断支援方法は、１または複数の対象者を撮影して取得された複数の医用画像に関する医用画像情報を取得する取得部と、学習済みの識別器を用いて、取得部により取得された対象者の医用画像情報を入力とし、複数の医用画像各々の診断の難易度を特定する特定部と、特定部により特定された診断の難易度に基づいて、複数の医用画像をソートして出力部に出力させる制御部と、を備える。これにより、読影効率を向上させることが可能となる。

医療診断支援システムの全体構成を示す図である。 情報処理装置の概略構成を示すブロック図である。 情報処理装置の機能構成を示すブロック図である。 情報処理装置において実行される医療診断支援処理の手順を示すフローチャートである。 情報処理装置によって出力される情報の表示形態の一例を示す図である。 情報処理装置によって出力される情報の表示形態の他の例を示す図である。 情報処理装置によって出力される情報の表示形態の他の例を示す図である。 情報処理装置によって出力される情報の表示形態の他の例を示す図である。 情報処理装置によって出力される情報の表示形態の他の例を示す図である。 学習済みモデルの機械学習方法を示すフローチャートである。 変形例に係る情報処理装置の機能構成を示すブロック図である。 図１１に示した情報処理装置において実行される医療診断支援処理の手順を示すフローチャートである。

以下、添付した図面を参照して、本発明の実施形態を説明する。なお、図面の説明において同一の要素には同一の符号を付し、重複する説明を省略する。また、図面の寸法比率は、説明の都合上誇張されており、実際の比率とは異なる場合がある。

＜全体構成＞
図１は、医療診断支援システムの全体構成を示す図である。

図１に示すように、医療診断支援システムは、たとえば、情報処理装置１００、撮影装置２００およびサーバー３００を有する。

情報処理装置１００は、たとえばＰＣやスマートフォン、タブレット端末等のコンピューターであり、本実施形態においては医療情報支援装置として機能する。情報処理装置１００は、撮影装置２００およびサーバー３００と接続可能に構成され、各装置との間で各種情報を送受信する。

撮影装置２００は、対象者を撮影した医用画像を示す医用画像情報を取得するための装置である。撮影装置２００としては、たとえば、Ｘ線撮影装置、超音波撮影装置、ＭＲＩまたはＰＥＴ等が用いられる。Ｘ線撮影装置は、マンモグラフィおよびトモシンセシス等の乳房Ｘ線撮影装置、単純Ｘ線撮影装置およびＣＴ撮影装置等を含んでいる。撮影装置２００によって取得された医用画像情報がサーバー３００等に記憶されるようになっていてもよい。このとき、情報処理装置１００は、サーバー３００から医用画像情報を取得する。

サーバー３００は、たとえば、情報処理装置１００によって処理された結果を取得して記憶する。サーバー３００は、撮影装置２００によって取得された医用画像情報を撮影装置２００から取得して記憶してもよい。サーバー３００には、医用画像情報の関連情報が記憶されていてもよく、たとえば、情報処理装置１００は関連情報をサーバー３００から取得する。医用画像情報の関連情報は、たとえば、対象者のカルテ情報等である。情報処理装置１００および撮影装置２００は、ＰＡＣＳ（Ｐｉｃｔｕｒｅ Ａｒｃｈｉｖｉｎｇ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｓｙｓｔｅｍｓ）または電子カルテ等と接続されていてもよい。

＜情報処理装置１００の構成＞
図２は、情報処理装置の概略構成を示すブロック図である。

図２に示すように、情報処理装置１００は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１１０、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）１２０、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）１３０、ストレージ１４０、通信インターフェース１５０、表示部１６０、および操作受付部１７０を有する。各構成は、バス１８０を介して相互に通信可能に接続されている。

ＣＰＵ１１０は、ＲＯＭ１２０やストレージ１４０に記録されているプログラムにしたがって、上記各構成の制御や各種の演算処理を行う。

ＲＯＭ１２０は、各種プログラムや各種データを格納する。

ＲＡＭ１３０は、作業領域として一時的にプログラムやデータを記憶する。

ストレージ１４０は、オペレーティングシステムを含む各種プログラムや、各種データを格納する。たとえば、ストレージ１４０には、学習済みの識別器を用いて、医用画像情報から診断の難易度を特定するためのアプリケーションがインストールされている。また、ストレージ１４０には、撮影装置２００から取得された医用画像情報が記憶されてもよい。ストレージ１４０に、対象者のカルテ情報が記憶されてもよい。また、ストレージ１４０には、識別器として用いられる学習済みモデルや、機械学習に用いられる教師データが記憶されてもよい。

通信インターフェース１５０は、他の装置と通信するためのインターフェースである。通信インターフェース１５０としては、有線または無線の各種規格による通信インターフェースが用いられる。通信インターフェース１５０は、たとえば、撮影装置２００またはサーバー３００から医用画像情報を受信したり、保存のために特定結果をサーバー３００等に送信したりする際に用いられる。

表示部１６０は、ＬＣＤ（液晶ディスプレイ）や有機ＥＬディスプレイ等を備え、各種情報を表示する。表示部１６０は、ビューワーソフトまたはプリンター等により構成されていてもよい。本実施形態において、表示部１６０は、出力部として機能する。

操作受付部１７０は、タッチセンサーや、マウス等のポインティングデバイス、キーボード等を備え、ユーザーの各種操作を受け付ける。なお、表示部１６０および操作受付部１７０は、表示部１６０としての表示面に、操作受付部１７０としてのタッチセンサーを重畳することによって、タッチパネルを構成してもよい。

＜情報処理装置１００の機能＞
図３は、情報処理装置の機能構成を示すブロック図である。

図３に示すように、情報処理装置１００は、ＣＰＵ１１０がストレージ１４０に記憶されたプログラムを読み込んで処理を実行することによって、取得部１１１、特定部１１２、および制御部１１３として機能する。

取得部１１１は、１または複数の対象者を撮影して取得された複数の医用画像に関する医用画像情報を取得する。この医用画像情報は、たとえば、Ｘ線撮影装置、超音波撮影装置、ＭＲＩまたはＰＥＴ等によって対象者を撮影して得られた画像を示す情報である。Ｘ線撮影装置によって取得される医用画像情報には、マンモグラフィ画像、トモシンセシス画像、単純Ｘ線画像およびＣＴ画像等が含まれる。

特定部１１２は、学習済みの識別器を用いて、取得部１１１により取得された対象者の医用画像情報を入力とし、医用画像の診断の難易度を特定する。

制御部１１３は、特定部１１２により特定された医用画像の診断の難易度に基づいて、複数の医用画像をソートして表示部１６０に出力させる。

情報処理装置１００において実行される処理について、以下に詳述する。

＜処理概要＞
＜特定処理について＞
図４は、情報処理装置１００において実行される特定処理の手順を示すフローチャートである。図５は、情報処理装置によって出力される情報の表示形態の一例を示す図である。図６〜図９は、情報処理装置によって出力される情報の表示形態の他の例を示す図である。図４のフローチャートに示される情報処理装置１００の処理は、情報処理装置１００のストレージ１４０にプログラムとして記憶されており、ＣＰＵ１１０が各部を制御することにより実行される。

（ステップＳ１０１）
情報処理装置１００は、まず、１または複数の対象者を撮影して取得された複数の医用画像に関する医用画像情報を取得する。たとえば、情報処理装置１００は、複数の対象者各々を撮影装置２００によって撮影することによって取得された複数の医用画像に関する医用画像情報を取得する。対象者を撮影する撮影装置２００は、同じであってもよく、異なっていてもよい。

（ステップＳ１０２）
情報処理装置１００は、ステップＳ１０１の処理において取得された複数の医用画像情報を、予め機械学習された識別器に入力して、各医用画像情報に対応する医用画像の診断の難易度を特定する。たとえば、識別器は、後述するような学習方法によって、予め多数準備された過去の複数の被検者の医用画像に関する医用画像情報と、各医用画像情報に対応する医用画像の診断の難易度に関する情報とを有する教師データを用いて機械学習される。具体的には、識別器は、過去の複数の被検者の医用画像に関する医用画像情報を入力データとし、各医用画像情報に対応する医用画像の診断の難易度に関する情報を出力データとして機械学習される。これにより、情報処理装置１００は、対象者の医用画像について取得された医用画像情報を識別器に入力することによって、対象者の医用画像の診断の難易度を特定することができる。

情報処理装置１００は、たとえば、診断の難易度が低い、診断の難易度が中程度および診断の難易度が高い、等の３段階で各医用画像の診断の難易度を段階的に特定する。情報処理装置１００は、４段階以上または２段階で各医用画像の診断の難易度を特定してもよい。あるいは、情報処理装置１００は、連続値を用いて各医用画像の診断の難易度を特定してもよい。たとえば、情報処理装置１００は、もっとも診断の難易度の低い医用画像を０、もっとも診断の難易度の高い医用画像を１００とし、各医用画像の診断の難易度を０から１００の間の連続値により特定する。

識別器の教師データとなる診断の難易度に関する情報には、たとえば、医師による判断の難易度に関する情報が用いられる。この医師による判断の難易度は、たとえば、医用画像に対するカテゴリー分類の結果に基づいて取得（算出）される。以下の表１に、マンモグラフィのカテゴリー分類を表す。

カテゴリー分類では、医用画像中の病変候補領域の悪性確信度に応じて、医用画像が数段階（表１の例では５段階）に分類される。表１に示した例では、カテゴリー１およびカテゴリー２は悪性確信度ほぼ０％、カテゴリー３は悪性確信度５％−１０％、カテゴリー４は悪性確信度３０％−５０％、カテゴリー５は悪性確信度１００％である。たとえば、医師が病変候補領域の良性および悪性の判断に迷う症例を診断の難易度が高い医用画像、医師が容易に病変候補領域の良性および悪性を判断可能な症例を診断の難易度が低い医用画像とする。たとえば、表１に示した例では、カテゴリー３に分類された医用画像を診断の難易度が高い医用画像、カテゴリー４に分類された医用画像を診断の難易度が中程度の医用画像、カテゴリー１，２，５に分類された医用画像を診断の難易度が低い医用画像として、診断の難易度が取得されてもよい。

医師による判断の難易度は、医用画像中の病変候補領域が悪性である確率に基づいて取得されてもよい。たとえば、医師が癌であるか否かの判断に迷う症例を診断の難易度が高い医用画像、医師が容易に癌であるか否かを判断可能な症例を診断の難易度が低い医用画像とする。たとえば、癌の確率５％−３０％の医用画像を診断の難易度が高い医用画像、癌の確率３０％−９０％の医用画像を診断の難易度が中程度の医用画像、癌の確率０％−５％および９０％−１００％の医用画像を診断の難易度が低い医用画像として、診断の難易度が取得されてもよい。

医師による判断の難易度は、癌のステージ分類の結果に基づいて取得されてもよい。たとえば、早期のガンと診断された医用画像を診断の難易度が高い医用画像、末期のガンと診断された医用画像を診断の難易度が低い医用画像とする。たとえば、ステージ０−１の医用画像を診断の難易度が高い医用画像、ステージ２の医用画像を診断の難易度が中程度の医用画像、ステージ３−４の医用画像を診断の難易度が低い医用画像として、診断の難易度が取得されてもよい。

医師による判断の難易度は、複数の医師の間での診断結果の一致率に基づいて算出されてもよい。たとえば、複数の医師の間での診断結果の一致率が低い医用画像を診断の難易度が高い医用画像、複数の医師の間での診断結果の一致率が高い医用画像を診断の難易度が低い医用画像とする。

医師による判断の難易度は、医師の間での読影時間に基づいて算出されてもよい。たとえば、所定の医用画像の読影に要する読影時間を複数の医師について計測し、この読影時間の平均値を所定の医用画像の読影時間とする。たとえば、読影時間の長い医用画像を診断の難易度が高い医用画像、読影時間の短い医用画像を診断の難易度が低い医用画像とする。

医師による判断の難易度は、病変候補領域の数に基づいて算出されてもよい。たとえば、病変候補領域の数の多い医用画像を診断の難易度が高い医用画像、病変候補領域の数の少ない医用画像を診断の難易度が低い医用画像とする。

医師による判断の難易度は、病変候補領域の特徴量に基づいて算出されてもよい。たとえば、病変候補領域の境界の不明瞭度、病変候補領域の不整形度および病変候補領域の不均一性等の特徴が顕著な医用画像を診断の難易度が高い医用画像、これらの特徴が確認できない医用画像を診断の難易度が低い医用画像とする。

医師による判断の難易度は、病変候補領域の発生頻度に基づいて算出されてもよい。たとえば、病変候補領域の発生頻度の低い医用画像を診断の難易度が高い医用画像、病変候補領域の発生頻度が高い医用画像を診断の難易度が低い医用画像とする。

医師による判断の難易度は、病変候補領域の発見の容易性に基づいて算出されてもよい。病変候補領域の発見の容易性は、たとえば、病変候補領域の大きさに関連付けられ、病変候補領域の小さい医用画像を診断の難易度が高い医用画像、病変候補領域の大きい医用画像を診断の難易度が低い医用画像とする。病変候補領域の発見の容易性は、病変候補領域の人体の構造物への重なりに具合に関連付けてもよい。たとえば、病変候補領域の人体の構造物への重なり具合が大きい医用画像を診断の難易度が高い医用画像、病変候補領域の人体の構造物への重なり具合が小さい医用画像を診断の難易度が低い医用画像とする。たとえば、病変候補領域が横隔膜、骨および胸壁等に大きく重なっている医用画像および乳腺量が多い医用画像が、診断の難易度が高い医用画像となる。

ステップＳ１０２で使用される識別器は、たとえば、このようにして取得された医用画像の診断の難易度に関する情報を出力データとして用いて機械学習される。

なお、識別器に入力する情報は医用画像情報に限定されない。たとえば、医用画像情報に加えて、医用画像情報から抽出された各種特徴量も、識別器に入力して学習および特定を行うための情報として用いられてもよい。また、医用画像情報に加えて、医用画像以外の医療情報が識別器に入力され、学習および特定を行うための情報として用いられてもよい。

（ステップＳ１０３）
情報処理装置１００は、ステップＳ１０２の処理における識別器による出力に基づいて、対象者の医用画像の診断の難易度の特定結果を生成する。

（ステップＳ１０４）
情報処理装置１００は、ステップＳ１０３の処理において生成された特定結果をソートして出力する。たとえば、情報処理装置１００は、ステップＳ１０２の処理において特定された診断の難易度がもっとも高い医用画像から順に、医用画像を表示部１６０に表示する。あるいは、情報処理装置１００は、たとえば、ステップＳ１０２の処理において特定された診断の難易度が最も低い医用画像から順に、医用画像を表示部１６０に表示する。表示部１６０には、複数の医用画像がソートされた順（以下、ソート順という。）に並んで表示されていてもよく、あるいは、ソート順に医用画像が１つずつ表示されるようになっていてもよい。情報処理装置１００は、図５〜図９に示すような画面を表示部１６０に表示することによって特定結果を出力する（エンド）。

このように、表示部１６０に医用画像がソートして出力されることにより、医師等の医療スタッフは、医用画像の診断の難易度を一見して視認することができる。これにより、医師等の医療スタッフは、疲労度および読影能力等の個々の状況に応じて読影する医用画像の診断の難易度を選択することができる。たとえば、疲労度の小さい読影者または読影能力の高い読影者には、診断の難易度が高い医用画像から順に表示部１６０に医用画像が表示され、疲労度の大きい読影者または読影能力の低い読影者には、診断の難易度が低い医用画像から順に表示部１６０に医用画像が表示される。このように情報処理装置１００では、状況に応じて読影する医用画像の診断の難易度を自在に選択することができるので、読影効率を向上させることが可能となる。また、誤診の発生を防止することも可能となる。

たとえば、表示部１６０は、図５に示すように、関連情報表示部１６０ａおよび画像表示部１６０ｂを有している。情報処理装置１００は、関連情報表示部１６０ａに各医用画像の関連情報を含むリストＬを表示し、画像表示部１６０ｂに１または複数の医用画像Ｉを表示する。

リストＬに含まれる関連情報は、たとえば、各対象者のカルテ情報である。リストＬは、たとえば、各対象者の検査日時、ＩＤ（Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ）、氏名、生年月日、性別、年齢および撮影数等の情報を含んでいる。リストＬでは、たとえば、このような関連情報が、医用画像のソート順に対応して並んでいる。

リストＬには、各医用画像の診断の難易度に関する情報が含まれていてもよい。たとえば、リストＬには、医用画像各々の診断の難易度に応じて、異なる記号が付されていてもよい。あるいは、リストＬには、医用画像の診断の難易度が高い場合のみ、記号が付されていてもよい。

図６は、関連情報表示部１６０ａの他の例を表している。リストＬには、ステップＳ１０２で医用画像の診断の難易度とともに特定される情報が含まれていてもよい。たとえば、識別器の出力データが、医用画像中の病変候補領域の悪性確信度に基づいて算出されているとき、ステップＳ１０２では、医用画像の診断の難易度とともに、病変候補領域の悪性確信度が特定される。このとき、リストＬが、病変候補領域の悪性確信度に関する情報を含んでいてもよい。

画像表示部１６０ｂでは、たとえば、その中央部に１つの医用画像Ｉが大きく表示され、下部に複数の医用画像のサムネイル（縮小画像）Ｓが表示される（図５）。情報処理装置１００は、画像表示部１６０ｂに複数の医用画像のサムネイルＳを、ソート順に並べて表示する。たとえば、各サムネイルＳは、選択されることによって、中央部の医用画像Ｉとして拡大表示され得る。

情報処理装置１００は、図７に示すように、マークＭを付した医用画像ＩおよびサムネイルＳを画像表示部１６０ｂに表示してもよい。図７に示す例では、エクスクラメーションマークからなるマークＭが、ステップＳ１０２で診断の難易度の高いと特定された医用画像ＩおよびサムネイルＳに付されている。これにより、医師等の医療スタッフは、診断の難易度が高い医用画像ＩおよびサムネイルＳを一見して容易に視認することができる。

情報処理装置１００は、図８に示すように、医用画像の診断の難易度をヒートマップとして示す画面を画像表示部１６０ｂに表示してもよい。図８に示す例では、対象者の医用画像上において、診断の難易度が高い病変候補領域ほど濃い色となるように表現されている。これにより、医師等の医療スタッフは、診断の難易度が高い病変候補領域を一見して容易に視認することができる。

また、情報処理装置１００は、画像表示部１６０ｂに、テキストを付した医用画像Ｉを表示してもよい。テキストは、たとえば、医用画像の診断の難易度に関する情報を含んでいる。テキストは、たとえば悪性確信度などの、ステップＳ１０２で医用画像の診断の難易度とともに特定される情報を含んでいてもよい。情報処理装置１００は、たとえば、このようなテキストを、医用画像Ｉに重ねて表示する。情報処理装置１００は、画像表示部１６０ｂに、テキストを医用画像Ｉに並べて表示してもよい（図９）。このように、医用画像Ｉにテキストを付して表示することにより、医師等の医療スタッフは、医用画像Ｉとともに、医用画像Ｉの診断の難易度等の詳細な情報もあわせて確認することができる。テキストは、全ての医用画像Ｉに付されていてもよく、一部の医用画像Ｉに付されていてもよい。

また、情報処理装置１００は、画像表示部１６０ｂに、医用画像Ｉの解析結果を付して表示してもよい。医用画像Ｉの解析結果は、たとえば、病変候補領域に関する情報であり、具体的には、病変候補領域の位置および病変候補領域の特徴等である。図９に示す例では、医用画像Ｉのうち、病変候補領域と解析された領域を囲む図形Ｆが表示されている。このように、医用画像Ｉに、その解析結果を付して表示することにより、医師等の医療スタッフは、医用画像Ｉの解析結果を一見して容易に視認できる。解析結果は、全ての医用画像Ｉに付されていてもよく、一部の医用画像Ｉに付されていてもよい。

なお、情報処理装置１００は、医用画像の診断の難易度に関する情報を、図５〜図９のような画面として表示部１６０に表示させるかわりに、通信インターフェース１５０を介してサーバー３００等の他の装置に送信することによって出力してもよい。あるいは、情報処理装置１００は、医用画像の診断の難易度に関する情報を、プリンターに送信して印刷させることによって出力してもよい。上記の場合、通信インターフェース１５０は、出力部として機能する。

また、情報処理装置１００は、医用画像のソート順を変更して表示してもよい。医用画像のソート順の変更は、自動で行われてもよく、あるいは、手動で行われてもよい。たとえば、朝および夕方等の時間帯により、医用画像のソート順が変更される。具体的には、朝など読影者の疲労度が小さい時間帯には、診断の難易度が高い医用画像から順にソートされ、夕方など読影者の疲労度が大きい時間帯には、診断の難易度が低い医用画像から順にソートされる。

情報処理装置１００は、予測された読影者の疲労度に応じて医用画像のソート順を変更してもよい。たとえば、情報処理装置１００は、読影者の読影スピードの変化、読影継続時間の長さ、および時間帯等から読影者の疲労度を予測する。あるいは、読影者の疲労状態の予測に、読影者を撮影するカメラを用いるようにしてもよい。情報処理装置１００が、このカメラの画像解析結果の情報を取得し、読影者の疲労度を予測してもよい。

また、情報処理装置１００は、各読影者が抱えるタスクに応じてソート順を変更してもよい。読影者が抱えるタスクは、たとえば、読影する医用画像のボリューム等から算出される。読影者が抱えるタスクが多いときは、疲労度が読影効率に影響を及ぼしやすい。このため、タスクの多いときには、疲労度に応じてソート順を変更し、タスクの少ないときには、ソート順を維持するようにしてもよい。

また、情報処理装置１００は、診断の難易度が高い医用画像について、医用画像の読影を担当する医師等の人数を増やす旨の指示を出力してもよい。指示は、情報処理装置１００が自動的に出力してもよく、あるいは、ユーザーが情報処理装置１００に入力することにより出力されてもよい。

また、情報処理装置１００は、読影を担当する複数の医師各々の読影能力を予め記憶しておき、各医師の読影能力に応じて医用画像の読影依頼の指示を出力してもよい。たとえば、情報処理装置１００は、多施設読影および遠隔読影等の指示を出力してもよい。指示は、情報処理装置１００が自動的に出力してもよく、あるいは、ユーザーが情報処理装置１００に入力することにより出力されてもよい。

＜学習処理について＞
次に、識別器において用いられる学習済みモデルの機械学習方法について説明する。

図１０は、学習済みモデルの機械学習方法を示すフローチャートである。

図１０の処理においては、予め準備した医用画像情報を入力とし、医用画像の診断の難易度に関する情報を出力とする、多数（ｉ組個（ｉは例えば数千から十数万））のデータセットを学習サンプルデータとして用いて機械学習が実行される。識別器として機能する学習器（図示せず）には、たとえば、ＣＰＵおよびＧＰＵのプロセッサを用いたスタンドアロンの高性能コンピューター、またはクラウドコンピューターが用いられる。以下においては、学習器において、ディープラーニング等のパーセプトロンを組み合わせて構成したニューラルネットワークを用いる学習方法について説明するが、これに限られず、種種の手法が適用され得る。例えば、ランダムフォレスト、決定木、サポートベクターマシン（ＳＶＭ）、ロジスティック回帰、ｋ近傍法、トピックモデル等が適用され得る。

（ステップＳ１１１）
学習器は、教師データである学習サンプルデータを読み込む。最初であれば１組目の学習サンプルデータを読み込み、ｉ回目であれば、ｉ組目の学習サンプルデータを読み込む。

（ステップＳ１１２）
学習器は、読み込んだ学習サンプルデータのうち入力データをニューラルネットワークに入力する。

（ステップＳ１１３）
学習器は、ニューラルネットワークの推定結果を、正解データと比較する。

（ステップＳ１１４）
学習器は、比較結果に基づいてパラメータを調整する。学習器は、たとえば、バックプロパゲーション（Ｂａｃｋ−ｐｒｏｐａｇａｔｉｏｎ、誤差逆伝搬法）に基づく処理を実行することにより、比較結果の差異が小さくなるようにパラメータを調整する。

（ステップＳ１１５）
学習器は、１〜ｉ組目まで全データの処理が完了すれば（ＹＥＳ）、処理をステップＳ１１６に進め、完了していなければ（ＮＯ）、処理をステップＳ１１１に戻し、次の学習サンプルデータを読み込み、ステップＳ１１１以下の処理を繰り返す。

（ステップＳ１１６）
学習器は、学習を継続するか否かを判定し、継続する場合（ＹＥＳ）、処理をステップＳ１１１に戻し、ステップＳ１１１〜Ｓ１１５において再度１組目〜ｉ組目までの処理を実行し、継続しない場合（ＮＯ）、処理をステップＳ１１７に進める。

（ステップＳ１１７）
学習器は、これまでの処理で構築された学習済みモデルを記憶して終了する（エンド）。記憶先には、情報処理装置１００の内部メモリが含まれる。上述の図４の処理では、このようにして生成された学習済みモデルを用いて医用画像の診断の難易度が特定される。

＜変形例＞
変形例として、情報処理装置１００が、特定部１１２により特定された医用画像の診断の難易度を修正可能な例を説明する。

図１１は、変形例に係る情報処理装置１００の機能構成を表している。変形例に係る情報処理装置１００は、ＣＰＵ１１０がストレージ１４０に記憶されたプログラムを読み込んで処理を実行することによって、取得部１１１、特定部１１２、制御部１１３および修正部１１４として機能する。修正部１１４は、特定部１１２により特定された診断の難易度の修正が必要であるとき、特定された診断の難易度を修正する。このとき、制御部１１３は、修正部１１４により修正された医用画像の診断の難易度を表示部１６０に出力させる。

図１２は、この情報処理装置１００において実行される修正処理の手順を示すフローチャートである。

（ステップＳ２０１、Ｓ２０２）
ステップＳ２０１、Ｓ２０２の処理は、図４のステップＳ１０１、Ｓ１０２の処理と同様であるため、重複する説明を省略する。

（ステップＳ２０３〜Ｓ２０７）
情報処理装置１００は、ステップＳ２０２で特定された医用画像の診断の難易度の修正が必要であるか否かを判断する。たとえば、情報処理装置１００は、修正に関する指示をユーザーから受け付けた場合に、診断の難易度の修正が必要であると判断し、修正に関する指示をユーザーから受け付けない場合に、診断の難易度の修正が不要であると判断する。
ステップＳ２０２で特定された医用画像の診断の難易度の修正が不要であると判断された場合（ステップＳ２０３：ＮＯ）、情報処理装置１００は、ステップＳ２０２の処理における識別器による出力に基づいて、対象者の医用画像の診断の難易度の特定結果を生成する（ステップＳ２０６）。この後、情報処理装置１００は、この特定結果をソートして出力し（ステップＳ２０７）、処理を終了する（エンド）。

ステップＳ２０２で特定された医用画像の診断の難易度の修正が必要であると判断された場合（ステップＳ２０３：ＹＥＳ）、情報処理装置１００は、ステップＳ２０２の処理において特定された医用画像の診断の難易度を修正する（ステップＳ２０４）。次に、情報処理装置１００は、修正した医用画像の診断の難易度および当該医用画像に関する医用画像情報を、識別機の教師データとして、ストレージ１４０のデータベースに登録する（ステップＳ２０５）。この後、情報処理装置１００は、ステップＳ２０４の処理において修正された医用画像の診断の難易度の修正結果を生成する（ステップＳ２０６）。この後、情報処理装置１００は。この修正結果をソートして出力し（ステップＳ２０７）、処理を終了する（エンド）。

以上のように、情報処理装置１００によれば、医用画像に関する医用画像情報を取得し、学習済みの識別器に医用画像情報を入力することによって、医用画像の診断の難易度が特定される。情報処理装置１００は、この特定結果に基づいて医用画像をソートして出力する。これにより、医師等の医療スタッフは、医用画像の診断の難易度を一見して視認することができ、疲労度および読影能力等の個々の状況に応じて読影する医用画像の診断の難易度を選択することができる。たとえば、疲労度の小さい読影者または読影能力の高い読影者には、診断の難易度が高い医用画像から順に表示部１６０に医用画像が表示され、疲労度の大きい読影者または読影能力の低い読影者には、診断の難易度が低い医用画像から順に表示部１６０に医用画像が表示される。このように情報処理装置１００では、状況に応じて読影する医用画像の診断の難易度を自在に選択することができるので、読影効率を向上させることが可能となる。また、誤診の発生を防止することも可能となる。

医用画像は、たとえば、Ｘ線撮影装置、超音波撮影装置、ＭＲＩ、ＰＥＴの少なくともいずれかによって取得された画像である。これにより、様々な種類の医用画像の診断の難易度を特定することができる。

また、情報処理装置１００は、医用画像とともに、医用画像情報に関連する関連情報を出力する。これにより、医師等の医療スタッフは、医用画像とともにその関連情報を一見して視認することができる。

また、情報処理装置１００は、出力させる医用画像のソート順を変更可能である。これにより、医師等の医療スタッフは、より柔軟に読影する医用画像の診断の難易度を選択することができる。

なお、本発明は、上述した実施形態および各変形例のみに限定されるものではなく、特許請求の範囲内において、種々改変することができる。

たとえば、情報処理装置１００、撮影装置２００、およびサーバー３００は、それぞれ上記の構成要素以外の構成要素を含んでいてもよく、あるいは、上記の構成要素のうちの一部が含まれていなくてもよい。

また、情報処理装置１００、撮影装置２００、およびサーバー３００は、それぞれ複数の装置によって構成されてもよく、あるいは単一の装置によって構成されてもよい。

また、各構成が有する機能は、他の構成によって実現されてもよい。たとえば、撮影装置２００およびサーバー３００は、情報処理装置１００に統合され、撮影装置２００およびサーバー３００が有する各機能の一部または全部が情報処理装置１００によって実現されてもよい。

また、上記の実施形態におけるフローチャートの処理単位は、各処理の理解を容易にするために、主な処理内容に応じて分割したものである。処理ステップの分類の仕方によって、本願発明が制限されることはない。各処理は、さらに多くの処理ステップに分割することもできる。また、１つの処理ステップが、さらに多くの処理を実行してもよい。

上述した実施形態に係るシステムにおける各種処理を行う手段および方法は、専用のハードウェア回路、またはプログラムされたコンピューターのいずれによっても実現することが可能である。上記プログラムは、たとえば、フレキシブルディスクおよびＣＤ−ＲＯＭ等のコンピューター読み取り可能な記録媒体によって提供されてもよいし、インターネット等のネットワークを介してオンラインで提供されてもよい。この場合、コンピューター読み取り可能な記録媒体に記録されたプログラムは、通常、ハードディスク等の記憶部に転送され記憶される。また、上記プログラムは、単独のアプリケーションソフトとして提供されてもよいし、システムの一機能としてその装置のソフトウエアに組み込まれてもよい。

１００ 情報処理装置、
１１０ ＣＰＵ、
１１１ 取得部、
１１２ 特定部、
１１３ 制御部、
１１４ 修正部、
１２０ ＲＯＭ、
１３０ ＲＡＭ、
１４０ ストレージ、
１５０ 通信インターフェース、
１６０ 表示部、
１７０ 操作受付部、
２００ 撮影装置、
３００ サーバー。

Claims (20)

1. １または複数の対象者を撮影して取得された複数の医用画像に関する医用画像情報を取得する取得部と、
   学習済みの識別器を用いて、前記取得部により取得された前記対象者の医用画像情報を入力とし、前記複数の医用画像各々の診断の難易度を特定する特定部と、
   前記特定部により特定された診断の難易度に基づいて、前記複数の医用画像をソートして出力部に出力させる制御部と、
   を備える医療診断支援装置。
2. 前記医用画像は、Ｘ線撮影装置、超音波撮影装置、ＭＲＩおよびＰＥＴの少なくともいずれかによって取得された画像である請求項１に記載の医療診断支援装置。
3. 前記制御部は、さらに、前記医用画像情報に関連する関連情報を前記出力部に出力させる請求項１または２に記載の医療診断支援装置。
4. 前記制御部は、前記複数の医用画像の少なくとも一部の前記医用画像にテキストを付して前記出力部に出力させる請求項１〜３のいずれかに記載の医療診断支援装置。
5. 前記テキストは、前記医用画像の診断の難易度に関する情報を含む請求項４に記載の医療診断支援装置。
6. 前記制御部は、前記複数の医用画像の少なくとも一部の前記医用画像にマークを付して前記出力部に出力させる請求項１〜５のいずれかに記載の医療診断支援装置。
7. 前記マークは、前記特定部により診断の難易度が高いと特定された一部の前記医用画像に付される請求項６に記載の医療診断支援装置。
8. 前記制御部は、前記複数の医用画像の少なくとも一部の前記医用画像に前記医用画像の解析結果を付して前記出力部に出力させる請求項１〜７のいずれかに記載の医療診断支援装置。
9. 前記制御部は、前記出力部に出力させる前記複数の医用画像のソート順を変更可能である請求項１〜８のいずれかに記載の医療診断支援装置。
10. 前記制御部は、時間帯に応じて前記複数の医用画像のソート順を変更する、請求項９に記載の医療診断支援装置。
11. 前記制御部は、予測された前記医用画像の読影者の疲労状態に応じて前記複数の医用画像のソート順を変更する、請求項９に記載の医療診断支援装置。
12. 前記制御部は、各読影者が抱えるタスクに応じて前記複数の医用画像のソート順を変更する、請求項９に記載の医療診断支援装置。
13. 前記制御部は、前記医用画像の読影者の読影能力に応じて前記複数の医用画像のソート順を変更する、請求項９に記載の医療診断支援装置。
14. 前記識別器は、前記医用画像情報を入力データとし、前記医用画像の診断の難易度を出力データとして機械学習される請求項１〜１３のいずれかに記載の医療診断支援装置。
15. 前記出力データとしての前記診断の難易度は、医師による判断の難易度である請求項１４に記載の医療診断支援装置。
16. 前記出力データとしての前記診断の難易度は、前記医用画像情報に対するカテゴリー分類の結果に基づいて取得される請求項１４または１５に記載の医療診断支援装置。
17. 前記出力データとしての前記診断の難易度は、前記医用画像情報における病変候補領域の悪性確信度に基づいて取得される請求項１４または１５に記載の医療診断支援装置。
18. 前記特定部により特定された前記医用画像の診断の難易度を修正する修正部をさらに有し、
    前記識別器は、前記修正部により修正された前記医用画像の診断の難易度を出力データとして機械学習される請求項１４〜１７のいずれかに記載の医療診断支援装置。
19. １または複数の対象者を撮影して取得された複数の医用画像に関する医用画像情報を取得するステップ（ａ）と、
    学習済みの識別器を用いて、前記ステップ（ａ）において取得された前記対象者の医用画像情報を入力とし、前記複数の医用画像各々の診断の難易度を特定するステップ（ｂ）と、
    前記ステップ（ｂ）において特定された診断の難易度に基づいて、前記複数の医用画像をソートして出力するステップ（ｃ）と、
    を有する処理をコンピューターに実行させるための医療診断支援プログラム。
20. １または複数の対象者を撮影して取得された複数の医用画像に関する医用画像情報を取得するステップ（ａ）と、
    学習済みの識別器を用いて、前記ステップ（ａ）において取得された前記対象者の医用画像情報を入力とし、前記複数の医用画像各々の診断の難易度を特定するステップ（ｂ）と、
    前記ステップ（ｂ）において特定された診断の難易度に基づいて、前記複数の医用画像をソートして出力するステップ（ｃ）と、
    を有する医療診断支援方法。

Images