JP2022049586A - Program, information processing device, and method - Google Patents
Program, information processing device, and method Download PDFInfo
- Publication number
- JP2022049586A JP2022049586A JP2020155866A JP2020155866A JP2022049586A JP 2022049586 A JP2022049586 A JP 2022049586A JP 2020155866 A JP2020155866 A JP 2020155866A JP 2020155866 A JP2020155866 A JP 2020155866A JP 2022049586 A JP2022049586 A JP 2022049586A
- Authority
- JP
- Japan
- Prior art keywords
- information
- user
- diagnosis
- pathological
- image
- 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
- 238000000034 method Methods 0.000 title claims description 41
- 230000010365 information processing Effects 0.000 title claims description 9
- 238000010827 pathological analysis Methods 0.000 claims abstract description 398
- 230000001575 pathological effect Effects 0.000 claims abstract description 239
- 238000003745 diagnosis Methods 0.000 claims description 265
- 238000012790 confirmation Methods 0.000 claims description 17
- 208000024891 symptom Diseases 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 description 29
- 238000004891 communication Methods 0.000 description 25
- 201000010099 disease Diseases 0.000 description 21
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 21
- 238000012545 processing Methods 0.000 description 16
- 238000002059 diagnostic imaging Methods 0.000 description 14
- 230000035772 mutation Effects 0.000 description 12
- 238000003759 clinical diagnosis Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 5
- 230000003902 lesion Effects 0.000 description 5
- 230000007170 pathology Effects 0.000 description 5
- 239000003814 drug Substances 0.000 description 4
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 3
- 229940079593 drug Drugs 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000005401 electroluminescence Methods 0.000 description 2
- 238000002483 medication Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000001356 surgical procedure Methods 0.000 description 2
- 201000011510 cancer Diseases 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 230000002250 progressing effect Effects 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
Images
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
- Processing Or Creating Images (AREA)
Abstract
Description
本開示は、プログラム、情報処理装置、方法に関する。 The present disclosure relates to programs, information processing devices, and methods.
取得した患者の検査画像に基づいて、病理診断を行うシステムが知られている。 A system for performing a pathological diagnosis based on the acquired examination image of a patient is known.
特開２０２０－３８６００号公報には、異なる複数の解像度を有する画像データを含む病理画像データについて、ユーザによる入力に基づいて画像データに対してアノテーションを付す技術が記載されている。 Japanese Unexamined Patent Publication No. 2020-38600 describes a technique for annotating pathological image data including image data having a plurality of different resolutions based on input by a user.
検査画像に基づいた病理診断において、ユーザの病理診断の効率をよりいっそう向上させる技術が必要とされている。 In the pathological diagnosis based on the inspection image, there is a need for a technique for further improving the efficiency of the pathological diagnosis of the user.
一実施形態によると、プロセッサを備えるコンピュータによって実行されるプログラムであって、プログラムは、プロセッサに、患者の病理画像を含む第１情報を取得するステップと、取得した第１情報に基づいて、病理画像の一部の領域を、病理診断のための第２情報として特定するステップと、特定した第２情報に対応する一部の領域を第１ユーザに提示するステップと、を実行させる、プログラムが提供される。 According to one embodiment, a program executed by a computer including a processor, the program is a step of acquiring a first information including a pathological image of a patient in the processor, and a pathology based on the acquired first information. A program that causes a program to execute a step of specifying a part of an image as a second information for pathological diagnosis and a step of presenting a part of the area corresponding to the specified second information to a first user. Provided.
本開示によれば、取得した病理画像に対する病理診断において、ユーザの病理診断の効率をよりいっそう向上させる技術を提供することができる。 According to the present disclosure, it is possible to provide a technique for further improving the efficiency of a user's pathological diagnosis in the pathological diagnosis of an acquired pathological image.
以下、図面を参照しつつ、本発明の実施の形態について説明する。以下の説明では、同一の部品には同一の符号を付してある。それらの名称および機能も同じである。したがって、それらについての詳細な説明は繰り返さない。 Hereinafter, embodiments of the present invention will be described with reference to the drawings. In the following description, the same parts are designated by the same reference numerals. Their names and functions are the same. Therefore, the detailed description of them will not be repeated.
＜第１の実施の形態＞
＜概要＞
システム１は、病院等の医療施設において、医師等のユーザが、患者の病理画像に基づき診断をした結果に基づいてレポートを作成する業務を支援する。当該業務としては、日々、発生するレポート作成のタスクを、複数の医師に割り振る（アサインする）業務と、タスクをアサインされた医師が、実際の患者の病理画像に基づき当該レポートを作成する業務等がある。病理診断の対象によっては、複数の医師がダブルチェック等によりレポート作成にかかわることがある。以下、病理診断のレポートの作成を支援する技術について詳細に説明する。
<First Embodiment>
<Overview>
The
システム１は、ユーザが操作するPC（Personal Computer）、スマートフォン、タブレット端末などの端末装置を用いて、患者の病理画像を含む情報を取得する。システム１において、取得した情報に基づいて、病理画像の特定の領域の情報をユーザに提示することができる。また、システム１は、取得した患者の病理画像を含む情報に基づいて、過去の病理診断の結果などを参照し、過去の診断結果、治療方針などを提示することができる。これにより、比較的病理診断の経験の少ないユーザが病理診断を担当しても、正確な診断結果を作成することができる。
The
以上のように、システム１は、患者の病理画像を含む情報に基づいて、病理画像の一部の領域を、病理診断のために特定してユーザに提示し、病理診断におけるユーザの診断効率を向上させることのできるシステムを提供する。
As described above, the
システム１は、例えば、各種病院における病理診断のシステムに使用され得る。ユーザは取得した患者の病理画像を含む情報に基づいて、病理診断を行うべき病理画像の一部の特定の領域を確認して病理診断を行うことができる。そのため、ユーザは病理診断の経験が不足した症例においても、過去の診断結果を基に病理診断を行うことができ、病理診断の効率化および診断結果の品質を一定程度以上に維持することが可能となる。
The
＜１ システム全体の構成図＞
図１は、第１の実施の形態におけるシステム１の全体の構成を表している。
<1 Configuration diagram of the entire system>
FIG. 1 shows the overall configuration of the
図１に示すように、システム１は、端末装置と、サーバ２０とを含む。端末装置１０とサーバ２０とは、ネットワーク８０を介して通信接続する。
As shown in FIG. 1, the
端末装置１０は、各ユーザが操作する装置である。端末装置１０は、据え置き型のＰＣ（Personal Computer）、ラップトップＰＣにより実現される。この他に、端末装置１０は、移動体通信システムに対応したスマートフォン、タブレット等の携帯端末などとしてもよい。図１に端末装置１０として示すように、端末装置１０は、通信ＩＦ（Interface）１２と、入力装置１３と、出力装置１４と、メモリ１５と、記憶部１６と、プロセッサ１９とを備える。サーバ２０は、通信ＩＦ２２と、入出力ＩＦ２３と、メモリ２５と、ストレージ２６と、プロセッサ２９とを備える。
The
端末装置１０は、ネットワーク８０を介してサーバ２０と通信可能に接続される。端末装置１０は、ＬＡＮ（Local Area Network）ケーブルを利用した有線接続、５Ｇ、ＬＴＥ（Long Term Evolution）などの通信規格に対応した無線基地局８１、ＩＥＥＥ（Institute of Electrical and Electronics Engineers）８０２．１１などの無線ＬＡＮ（Local Area Network）規格に対応した無線ＬＡＮルータ８２等の通信機器と通信することによりネットワーク８０に接続される。
The
通信ＩＦ１２は、端末装置１０が外部の装置と通信するため、信号を入出力するためのインタフェースである。入力装置１３は、ユーザからの入力操作を受け付けるための入力装置（例えば、タッチパネル、タッチパッド、マウス等のポインティングデバイス、キーボード等）である。出力装置１４は、ユーザに対し情報を提示するための出力装置（ディスプレイ、スピーカ等）である。メモリ１５は、プログラム、および、プログラム等で処理されるデータ等を一時的に記憶するためのものであり、例えばＤＲＡＭ（Dynamic Random Access Memory）等の揮発性のメモリである。記憶部１６は、データを保存するための記憶装置であり、例えばフラッシュメモリ、ＨＤＤ（Hard Disc Drive）である。プロセッサ１９は、プログラムに記述された命令セットを実行するためのハードウェアであり、演算装置、レジスタ、周辺回路などにより構成される。
The communication IF 12 is an interface for inputting / outputting signals because the
サーバ２０は、病理画像を含む情報に基づいた病理診断に関連する情報を管理する。サーバ２０は、病理診断を担当するユーザについての各種情報、病理診断を行う対象となる症例についての各種情報、各症例を診断した結果についての各種情報を記憶する。
The
通信ＩＦ２２は、サーバ２０が外部の装置と通信するため、信号を入出力するためのインタフェースである。入出力ＩＦ２３は、ユーザからの入力操作を受け付けるための入力装置、および、ユーザに対し情報を提示するための出力装置とのインタフェースとして機能する。メモリ２５は、プログラム、および、プログラム等で処理されるデータ等を一時的に記憶するためのものであり、例えばＤＲＡＭ（Dynamic Random Access Memory）等の揮発性のメモリである。ストレージ２６は、データを保存するための記憶装置であり、例えばフラッシュメモリ、ＨＤＤ（Hard Disc Drive）である。プロセッサ２９は、プログラムに記述された命令セットを実行するためのハードウェアであり、演算装置、レジスタ、周辺回路などにより構成される。
The communication IF 22 is an interface for inputting / outputting signals because the
本実施形態において、各装置（端末装置、サーバ等）を情報処理装置として把握することもできる。すなわち、各装置の集合体を１つの「情報処理装置」として把握することができ、システム１を複数の装置の集合体として形成してもよい。１つ又は複数のハードウェアに対して本実施形態に係るシステム１を実現することに要する複数の機能の配分の仕方は、各ハードウェアの処理能力及び／又はシステム１に求められる仕様等に鑑みて適宜決定することができる。
In the present embodiment, each device (terminal device, server, etc.) can be grasped as an information processing device. That is, the aggregate of each device can be grasped as one "information processing device", and the
＜１．１ 端末装置１０の構成＞
図２は、実施の形態１のシステム１を構成する端末装置１０のブロック図である。図２に示すように、端末装置１０は、アンテナ１１１と、アンテナ１１１に対応する第１無線通信部１２１と、アンテナ１１２と、アンテナ１１２に対応する第２無線通信部１２２と、記憶部１６と、メモリ１５と、プロセッサ１９と、操作受付部１３０（タッチ・センシティブ・デバイス１３１を含む）と、ディスプレイ１３２と、音声処理部１４０と、マイク１４１と、スピーカ１４２と、位置情報センサ１５０と、カメラ１６０と、を含む。端末装置１０は、図２では特に図示していない機能及び構成（例えば、電力を保持するためのバッテリ、バッテリから各回路への電力の供給を制御する電力供給回路など）も有している。図２に示すように、端末装置１０に含まれる各ブロックは、バス等により電気的に接続される。
<1.1 Configuration of
FIG. 2 is a block diagram of a
アンテナ１１１は、端末装置１０が発する信号を電波として放射する。また、アンテナ１１１は、空間から電波を受信して受信信号を第１無線通信部１２１へ与える。
The
アンテナ１１２は、端末装置１０が発する信号を電波として放射する。また、アンテナ１１２は、空間から電波を受信して受信信号を第２無線通信部１２２へ与える。
The
第１無線通信部１２１は、端末装置１０が他の無線機器と通信するため、アンテナ１１１を介して信号を送受信するための変復調処理などを行う。第２無線通信部１２２は、端末装置１０が他の無線機器と通信するため、アンテナ１１２を介して信号を送受信するための変復調処理などを行う。第１無線通信部１２１と第２無線通信部１２２とは、チューナー、ＲＳＳＩ（Received Signal Strength Indicator）算出回路、ＣＲＣ（Cyclic Redundancy Check）算出回路、高周波回路などを含む通信モジュールである。第１無線通信部１２１と第２無線通信部１２２とは、端末装置１０が送受信する無線信号の変復調、および周波数変換を行い、受信信号をプロセッサ１９へ与える。
Since the
操作受付部１３０は、ユーザの入力操作を受け付けるための機構を有する。具体的には、操作受付部１３０は、タッチスクリーンとして構成され、タッチ・センシティブ・デバイス１３１を含む。タッチ・センシティブ・デバイス１３１は、端末装置１０のユーザの入力操作を受け付ける。タッチ・センシティブ・デバイス１３１は、例えば静電容量方式のタッチパネルを用いることによって、タッチパネルに対するユーザの接触位置を検出する。タッチ・センシティブ・デバイス１３１は、タッチパネルにより検出したユーザの接触位置を示す信号を入力操作としてプロセッサ１９へ出力する。
The operation receiving unit 130 has a mechanism for receiving a user's input operation. Specifically, the operation receiving unit 130 is configured as a touch screen and includes a touch
ディスプレイ１３２は、プロセッサ１９の制御に応じて、画像、動画、テキストなどのデータを表示する。ディスプレイ１３２は、例えばＬＣＤ（Liquid Crystal Display）、または有機ＥＬ（Electro-Luminescence）ディスプレイによって実現される。
The
音声処理部１４０は、音声信号の変復調を行う。音声処理部１４０は、マイク１４１から与えられる信号を変調して、変調後の信号をプロセッサ１９へ与える。また、音声処理部１４０は、音声信号をスピーカ１４２へ与える。音声処理部１４０は、例えば音声処理用のプロセッサによって実現される。マイク１４１は、音声入力を受け付けて、当該音声入力に対応する音声信号を音声処理部１４０へ与える。スピーカ１４２は、音声処理部１４０から与えられる音声信号を音声に変換して当該音声を端末装置１０の外部へ出力する。
The
位置情報センサ１５０は、端末装置１０の位置を検出するセンサであり、例えばＧＰＳ（Global Positioning System）モジュールである。ＧＰＳモジュールは、衛星測位システムで用いられる受信装置である。衛星測位システムでは、少なくとも３個または４個の衛星からの信号を受信し、受信した信号に基づいて、ＧＰＳモジュールが搭載される端末装置１０の現在位置を検出する。例えば、システム１において、病理診断の結果にユーザの位置情報を取得し記録する場合において、ユーザの位置情報を参照可能にしている場合、ユーザの位置情報に基づいた医局情報などを取得して診断結果に反映することができる。
The
カメラ１６０は、受光素子により光を受光して、撮影画像として出力するためのデバイスである。カメラ１６０は、例えば、カメラ１６０の前にいるユーザの画像を撮影するカメラである。
The
記憶部１６は、例えばフラッシュメモリ等により構成され、端末装置１０が使用するデータおよびプログラムを記憶する。ある局面において、記憶部１６は、ユーザ情報１６１と、症例情報１６２と、診断結果情報１６３と、学習済みモデル情報１６４と、を記憶する。ある局面において、端末装置１０は、サーバ２０と通信せずとも、記憶部１６に記憶された各種情報に基づいて病理診断を行うための病理画像を含む情報をユーザに提示することができる。
The
ユーザ情報１６１は、ユーザの年齢、所属医局、専門分野、勤務年数などの情報である。一連の病理診断において、端末装置１０が、病理診断のタスクを複数の担当者に対して割り振る管理者等に対し、ユーザの情報を表示する。これにより、管理者等が病理診断の担当者を特定する際に、当該ユーザ情報１６１から専門分野、勤務年数、所属医局などを参照して、病理診断の担当者の特定に使用することができる。端末装置１０が、ユーザ情報１６１に基づいて、病理診断のタスクを担当するユーザの候補を特定して、管理者等に提示してもよい。また、端末装置１０が、管理者等が担当者を指定する操作によらず、ユーザ情報１６１に基づいて、病理診断のタスクを各担当者に割り振ることとしてもよい。
The
症例情報１６２は、疾患名、患者名、患者の既往歴、患者の治療歴などの情報である。一連の病理診断において、端末装置１０が、病理診断の各担当者に対し、患者の情報を表示する。これにより、各担当者が、当該症例情報１６２から疾患名、患者名などを参照して、病理診断に使用することができる。
The
診断結果情報１６３は、各症例に対する診断結果、担当医、診断方針などの情報である。一連の病理診断において、端末装置１０が、病理診断の各担当者に対し、過去の診断結果の情報を表示する。これにより、各担当者が、当該診断結果情報１６３を参照して、過去の診断結果の参照、病理診断レポートの作成に使用することができる。
The diagnosis result
学習済みモデル情報１６４は、病理画像について、病理診断のために特定された一部の領域の情報を含む過去の病理画像の診断結果に基づき学習された学習済みモデルの情報である。一連の病理診断において、端末装置１０が、当該学習済みモデル情報１６４を参照して、病理画像について、特定の一部の領域の特定などに使用し、特定した結果を各担当者に表示する。これにより、各担当者は、過去の病理画像の診断結果に基づいて特定された病理診断の一部の領域等を用いて病理診断をすることができる。
The trained
プロセッサ１９は、記憶部１６に記憶されるプログラムを読み込んで、プログラムに含まれる命令を実行することにより、端末装置１０の動作を制御する。プロセッサ１９は、例えばアプリケーションプロセッサである。プロセッサ１９は、プログラムに従って動作することにより、入力操作受付部１９１と、送受信部１９２と、データ処理部１９３と、報知制御部１９４としての機能を発揮する。
The
入力操作受付部１９１は、入力装置に対するユーザの入力操作を受け付ける処理を行う。
The input
送受信部１９２は、端末装置１０が、サーバ２０等の外部の装置と、通信プロトコルに従ってデータを送受信するための処理を行う。
The transmission /
データ処理部１９３は、端末装置１０が入力を受け付けたデータに対し、プログラムに従って演算を行い、演算結果をメモリ等に出力する処理を行う。
The
データ処理部１９３は、取得した病理画像を含む情報にもとづいて、病理診断を行った結果の情報などを受け付ける。例えば、ユーザが、サーバ２０内に記憶されている、患者の症例に関連する病理画像を含む情報を参照し、病理診断のための特定の領域を特定する。
The
報知制御部１９４は、表示画像をディスプレイ１３２に表示させる処理、音声をスピーカ１４２に出力させる処理、被写体の撮影をカメラ１６０に実行させる処理を行う。
The
＜１．２ サーバ２０の機能的な構成＞
図３は、サーバ２０の機能的な構成を示す図である。図３に示すように、サーバ２０は、通信部２０１と、記憶部２０２と、制御部２０３としての機能を発揮する。
<1.2 Functional configuration of
FIG. 3 is a diagram showing a functional configuration of the
通信部２０１は、サーバ２０が外部の装置と通信するための処理を行う。
The
記憶部２０２は、サーバ２０が使用するデータ及びプログラムを記憶する。記憶部２０２は、ユーザ情報データベース２０２１と、症例情報データベース２０２２と、診断結果情報データベース２０２３と、学習済みモデル情報データベース２０２４等を記憶する。
The
ユーザ情報データベース２０２１は、病理診断を行うユーザの各種情報を保持するためのデータベースである。詳細は後述する。
The
症例情報データベース２０２２は、症例ごとに、当該症例に罹患している患者に関する患者名、既往歴などの各種情報を保持するためのデータベースである。詳細は後述する。
The
診断結果情報データベース２０２３は、症例ごとの、診断結果、担当医、治療方針などの各種情報を保持するためのデータベースである。詳細は後述する。
The diagnosis result
学習済みモデル情報データベース２０２４は、病理画像を含む情報に基づいて、病理診断のために特定された一部の領域の情報などを学習した学習済みモデルを管理するためのデータベースである。ここで、学習済みモデルの作成方法について例示する。例えば、病理画像を含む情報を取得したのち、病理診断を担当するユーザが、取得したデータを解析することにより、病理画像における一部の特定の領域において、病理診断に使用するためのタグ（過去、変異が確認された領域、同じ患者の病理画像）などの情報を付与し、病理診断を行った結果の情報（例えば、変異が進行している、治療方針として〇〇を採用する、など）と関連付ける。サーバ２０は、取得した病理画像を含む情報と、診断結果とを関連付け、学習済みモデルを生成する。
The trained
サーバ２０は、このようにして、病理画像を含む情報に基づいた、病理診断のための一部の特定の領域に関する情報、関連する診断結果などを学習済みモデルとして保持しておく。端末装置１０は、サーバ２０の学習済みモデル情報データベース２０２４を参照することにより、病理診断のための一部の特定の領域の情報、当該領域に関連付けられた診断結果などの情報をユーザに提示する。また、ある局面では、学習済みモデルはユーザの情報と関連付けられており、病理診断を担当するユーザの情報に基づいて、取得した病理画像を含む情報を解析するときに、参照する学習済みモデルを特定することとしてもよい。
In this way, the
ある局面において、サーバ２０は、学習済みモデルデータベース２０２４に記憶されている学習済みモデルのうち、特定のユーザに基づいた学習済みモデルの参照回数（何回参照されたか）、または参照日時についての情報を取得してもよい。例えば、病理診断を担当するユーザが学習済みモデルを参照するときに、どのユーザが参照されることが多いか、または、どのユーザが最近参照されたか、などの情報を取得してもよい。そして、サーバ２０は、当該情報に基づいて、病理診断を担当するユーザに提示する学習済みモデルの優先度などを特定してもよい。これにより、病理診断を担当するユーザは、より参照回数の多いユーザ、つまり、診断精度の高いユーザ、治療方針が的確なユーザ、などに基づいた学習済みモデルを参照することができる。そのため、病理診断を担当するユーザは、より品質の高いレポートの作成ができることが期待できる。また、病理診断を担当するユーザは、最近参照された学習済みモデルを参照することで、最新の情報（法改正、最新の治療方針など）に基づいた学習済みモデルを参照することができる。そのため、病理診断を担当するユーザは、治療のトレンドなどを考慮した上でレポートを作成することが期待できる。
In a certain aspect, the
受信制御モジュール２０３１は、サーバ２０が外部の装置から通信プロトコルに従って信号を受信する処理を制御する。
The
送信制御モジュール２０３２は、サーバ２０が外部の装置に対し通信プロトコルに従って信号を送信する処理を制御する。
The
ユーザ情報取得モジュール２０３３は、病理診断を担当するユーザの各種情報を取得する。
The user
症例情報取得モジュール２０３４は、症例情報、患者情報などの各種情報を取得する。
The case
診断結果情報取得モジュール２０３５は、病理診断を担当するユーザが病理画像を含む情報に基づいて病理診断を行ったときの担当医、診断結果などの各種情報を取得する。
The diagnosis result
学習済みモデル情報参照モジュール２０３６は、取得した病理画像を含む情報に基づいて、病理診断を担当するユーザが病理診断を行った結果に基づいて、病理画像を含む情報のうち、病理診断のための一部の特定の領域をユーザに提示する内容などに対応した学習済みモデルを参照する。
The learned model
＜２ データ構造＞
図４は、サーバ２０が記憶するユーザ情報データベース２０２１、症例情報データベース２０２２、診断結果情報データベース２０２３のデータ構造を示す図である。
<2 data structure>
FIG. 4 is a diagram showing the data structures of the
図４に示すように、ユーザ情報データベース２０２１は、項目「ユーザＩＤ」と、項目「ステータス」と、項目「年齢」と、項目「性別」と、項目「所属医局」と、項目「専門分野」と、項目「勤務年数」等を含む。
As shown in FIG. 4, the
項目「ユーザＩＤ」は、病理診断を担当するユーザそれぞれを識別する情報である。 The item "user ID" is information for identifying each user in charge of pathological diagnosis.
項目「ステータス」は、ユーザそれぞれの役職、例えば、研修医、医師、などの情報である。 The item "status" is information on each user's job title, for example, a trainee doctor, a doctor, and the like.
項目「年齢」は、病理診断を担当するユーザの年齢を示す情報である。 The item "age" is information indicating the age of the user in charge of the pathological diagnosis.
項目「性別」は、病理診断を担当するユーザの性別を示す情報である。 The item "gender" is information indicating the gender of the user in charge of pathological diagnosis.
項目「所属医局」は、病理診断を担当するユーザが所属している医局を示す情報である。例えば、ユーザＩＤ「Ｕ００１」のステータス「研修医」のユーザは、「〇●医局」に所属していることを示す。 The item "affiliated medical office" is information indicating the medical office to which the user in charge of pathological diagnosis belongs. For example, a user with the status "resident" of the user ID "U001" indicates that he / she belongs to "○ ● medical office".
これにより、当該ユーザが病理画像を含む情報に基づいて病理診断を担当するときに、所属する医局の情報に基づいて、当該医局、または、当該医局に所属するユーザなど、関連するユーザを基に作成された学習済みモデルを参照することができる。 As a result, when the user is in charge of pathological diagnosis based on information including pathological images, based on the information of the medical office to which the user belongs, based on the related user such as the medical office or the user belonging to the medical office. You can refer to the created trained model.
項目「専門分野」は、各ユーザの専門とする分野を示す情報である。例えば、ユーザＩＤ「Ｕ００１」のステータス「研修医」のユーザは、専門分野が「＊＊」であることを示す。 The item "specialty field" is information indicating the field in which each user specializes. For example, a user with the status "resident" of the user ID "U001" indicates that the specialized field is "**".
これにより、端末装置１０または病理診断のタスクをアサインする管理者等が、病理診断を担当するユーザを特定するときに、専門知識を必要とする症例である場合に、当該専門分野の情報を参照することで、適切な病理診断の担当者を特定することができる。
As a result, when the
項目「勤務年数」は、各ユーザが所属している医局に勤務している年数を示す情報である。 The item "years of service" is information indicating the number of years of service at the medical office to which each user belongs.
症例情報データベース２０２２は、項目「症例ＩＤ」と、項目「疾患名」と、項目「患者名」と、項目「患者年齢」と、項目「患者性別」と、項目「既往歴」と、項目「治療歴」等の情報を含む。
In the
項目「症例ＩＤ」は、病理診断を行う症例それぞれを識別する情報である。 The item "case ID" is information for identifying each case for which a pathological diagnosis is made.
項目「疾患名」は、疾患それぞれの具体的な名称を示す情報である。 The item "disease name" is information indicating a specific name of each disease.
項目「患者名」は、疾患それぞれに関連付けられた患者を識別する情報である。例えば、症例ＩＤ「Ｄ００１」の疾患名「＊＊」は、患者名が「田中」であるため、当該疾患名「＊＊」は「田中」という名前の患者の疾患であることがわかる。 The item "patient name" is information that identifies a patient associated with each disease. For example, since the disease name "**" of the case ID "D001" has the patient name "Tanaka", it can be seen that the disease name "**" is the disease of the patient named "Tanaka".
項目「患者年齢」は、疾患それぞれに関連付けられた患者の年齢を示す情報である。 The item "patient age" is information indicating the age of the patient associated with each disease.
項目「患者性別」は、患者の性別を示す。 The item "Patient Gender" indicates the gender of the patient.
項目「既往歴」は、疾患それぞれに関連付けられた患者がこれまでに罹患した疾患を示す情報である。例えば、症例ＩＤ「Ｄ００２」の疾患名「＋＋」の患者名「森」は、既往歴「糖尿病」であるため、治療時には、当該既往歴に配慮した治療方針をとる必要があることがわかる。ユーザは、この情報を参照することにより、患者の治療方針などを決定するときに、併用してはいけない薬などの情報を事前に確認することができる。 The item "history" is information indicating the disease that the patient associated with each disease has suffered so far. For example, since the patient name "Mori" of the disease name "++" of the case ID "D002" has a medical history "diabetes", it can be understood that it is necessary to take a treatment policy in consideration of the medical history at the time of treatment. By referring to this information, the user can confirm in advance information such as drugs that should not be used in combination when deciding the treatment policy of the patient.
項目「治療歴」は、疾患それぞれに関連付けられた患者がこれまでに受けた治療の内容を示す情報である。例えば、症例ＩＤ「Ｄ００２」の疾患名「＋＋」の患者名「森」は、過去に「＋＋」という疾患で入院したことを示す。これにより、ユーザは患者が過去にどのような治療を受けたことがあるか、事前に確認し、治療方針などを決定することができる。ここで、治療歴は、症例ＩＤと関連付けられた疾患に対する治療歴を示していてもよいし、別の疾患を示していてもよい。 The item "treatment history" is information indicating the contents of the treatment that the patient associated with each disease has received so far. For example, the patient name "Mori" of the disease name "++" of the case ID "D002" indicates that the patient was hospitalized for the disease "++" in the past. As a result, the user can confirm in advance what kind of treatment the patient has received in the past and decide a treatment policy or the like. Here, the treatment history may indicate the treatment history for the disease associated with the case ID, or may indicate another disease.
診断結果情報データベース２０２３は、項目「診断ＩＤ」と、項目「症例ＩＤ」と、項目「担当医」と、項目「診断結果」と、項目「治療方針」と、項目「診断日時」と、項目「臨床診断結果」と、項目「緊急度」等を含む。
The diagnosis result
項目「診断ＩＤ」は、病理画像を含む情報に基づいて病理診断を行った結果それぞれを識別する情報である。 The item "diagnosis ID" is information for identifying each of the results of pathological diagnosis based on information including pathological images.
項目「症例ＩＤ」は、診断結果と関連付けられる症例を示す情報である。例えば、診断ＩＤ「Ｒ００１」は、症例ＩＤ「Ｄ００１」で紐づけられる症例に関しての診断結果であることを示す。 The item "case ID" is information indicating a case associated with the diagnosis result. For example, the diagnostic ID "R001" indicates that it is a diagnostic result for a case associated with the case ID "D001".
項目「担当医」は、診断を担当したユーザの情報を示す。例えば、診断ＩＤ「Ｒ００１」は症例ＩＤ「Ｄ００１」で紐づけられる症例に関しての診断結果であり、当該診断を担当したユーザがユーザＩＤ「Ｕ００１」で示されるユーザであることを示す。これにより、各診断結果と症例、病理診断を担当したユーザそれぞれを紐づけることができ、各ユーザによる診断結果としてデータが蓄積される。 The item "doctor in charge" indicates information on the user in charge of diagnosis. For example, the diagnosis ID "R001" is a diagnosis result for a case associated with the case ID "D001", and indicates that the user in charge of the diagnosis is the user indicated by the user ID "U001". As a result, each diagnosis result can be associated with each user in charge of the case and pathological diagnosis, and data is accumulated as the diagnosis result by each user.
項目「診断結果」は、ユーザが各症例に対する病理診断をした結果を示す情報である。例えば、診断ＩＤ「Ｒ００１」は症例ＩＤ「Ｄ００１」で紐づけられる症例に関しての診断結果であり、診断結果は「＊＊＊」であることがわかる。 The item "diagnosis result" is information indicating the result of the pathological diagnosis for each case by the user. For example, it can be seen that the diagnosis ID "R001" is the diagnosis result for the case associated with the case ID "D001", and the diagnosis result is "***".
項目「治療方針」は、病理診断の結果に基づいて、患者に対して行う治療の方針を示す情報である。例えば、診断ＩＤ「Ｒ００１」は症例ＩＤ「Ｄ００１」で紐づけられる症例に関しての診断結果であり、診断結果は「＊＊＊」であるため、治療方針として「手術」が選択されたことを示す。これにより、各症例に対する診断結果だけでなく、選択した治療方針についての情報も蓄積することができるため、当該情報を参照するときに、治療の有効性などを事前に判断することができる。 The item "treatment policy" is information indicating the treatment policy to be given to the patient based on the result of the pathological diagnosis. For example, the diagnosis ID "R001" is the diagnosis result for the case associated with the case ID "D001", and the diagnosis result is "***", so that it indicates that "surgery" was selected as the treatment policy. .. As a result, not only the diagnosis result for each case but also the information about the selected treatment policy can be accumulated, so that the effectiveness of the treatment can be judged in advance when referring to the information.
項目「診断日時」は、病理画像を含む情報に基づいて病理診断を実施した日時を示す情報である。 The item "diagnosis date and time" is information indicating the date and time when the pathological diagnosis was performed based on the information including the pathological image.
項目「臨床診断結果」は、臨床診断における診断結果に関する情報である。具体的には、病理診断を実施する前に、臨床医が患者を診断した結果の情報を示す。例えば、診断ＩＤ「Ｒ００１」の症例ＩＤ「Ｄ００１」で紐づけられる症例の臨床診断結果は「なし」であり、診断ＩＤ「Ｒ００２」の症例ＩＤ「Ｄ００３」で紐づけられる症例の臨床診断結果は「＋＋＋の所見あり」であることを示す。ある局面において、病理診断を担当するユーザが病理診断を行う前に、臨床医などが患者を診断し、所見として事前に診断することがある。このとき、サーバ２０は、当該臨床診断の結果に基づいて、病理診断を担当するユーザが病理診断を行うときに、臨床診断で診断された所見の情報に基づいて関連する学習済みモデルを参照することとしてもよい。
The item "clinical diagnosis result" is information about the diagnosis result in the clinical diagnosis. Specifically, information on the result of the clinician's diagnosis of the patient before performing the pathological diagnosis is shown. For example, the clinical diagnosis result of the case associated with the case ID "D001" of the diagnosis ID "R001" is "None", and the clinical diagnosis result of the case associated with the case ID "D003" of the diagnosis ID "R002" is. Indicates that "there is a +++ finding". In a certain aspect, a clinician or the like may diagnose a patient and make a pre-diagnosis as a finding before the user in charge of the pathological diagnosis makes the pathological diagnosis. At this time, the
これにより、病理診断を担当するユーザは、臨床診断の結果に基づいて病理診断を行うことができる。そのため、臨床診断を担当したユーザがそのまま病理診断を担当するときなどに、自身の臨床診断結果に関連した学習済みモデルを参照するなど、効率的に診断レポートなどを作成することができる。 As a result, the user in charge of the pathological diagnosis can make the pathological diagnosis based on the result of the clinical diagnosis. Therefore, when the user in charge of clinical diagnosis is in charge of pathological diagnosis as it is, it is possible to efficiently create a diagnostic report or the like by referring to a learned model related to the clinical diagnosis result of the user.
項目「緊急度」は、診断した症例ごとに、症状の重篤度を示す情報である。例えば、診断ＩＤ「Ｒ００１」は症例ＩＤ「Ｄ００１」で紐づけられる症例に関しての診断結果であり、診断結果は「＊＊＊」であり、緊急度が「高」であることが示される。このため、治療方針としても「手術」が選択されていることがわかる。これにより、各症例に関して、患者の重篤度も含めた診断結果のデータを蓄積することができ、当該情報を参照する際に、患者の重篤度も加味した治療方針を決定することができる。 The item "urgency" is information indicating the severity of symptoms for each diagnosed case. For example, the diagnosis ID "R001" is a diagnosis result for a case associated with the case ID "D001", the diagnosis result is "***", and the degree of urgency is "high". Therefore, it can be seen that "surgery" is selected as the treatment policy. As a result, it is possible to accumulate diagnostic result data including the severity of the patient for each case, and when referring to the information, it is possible to determine a treatment policy that also takes into account the severity of the patient. ..
＜３ 動作＞
以下、システム１が取得した患者の病理画像を含む画像診断のための情報に基づき、ユーザに一部の領域を特定した情報などを提示する処理について説明する。
<3 operation>
Hereinafter, a process of presenting information that identifies a part of the region to the user based on the information for image diagnosis including the pathological image of the patient acquired by the
（３．１ 取得した患者の病理画像を含む画像診断のための情報に基づいた、一部の領域の特定）
図５～図６は、取得した患者の病理画像を含む画像診断のための情報に基づいて、病理画像の一部の領域を、病理診断のための情報として特定し、病理診断を担当するユーザに当該情報を提示する処理を表すフローチャートである。
(3.1 Identification of a part of the area based on the information for diagnostic imaging including the acquired pathological image of the patient)
5 to 6 show a user who is in charge of pathological diagnosis by identifying a part of the area of the pathological image as information for pathological diagnosis based on the acquired information for image diagnosis including the pathological image of the patient. It is a flowchart which shows the process which presents the said information.
ステップＳ５０１において、端末装置１０のプロセッサ１９は、患者の病理画像を含む画像診断のための情報を取得する。具体的には、プロセッサ１９は、検査画像、症例名、患者情報などを示す情報等を取得し、取得したデータをサーバ２０に送信する。
In step S501, the
ステップＳ５５１において、サーバ２０の制御部２０３は、端末装置１０から取得した、患者の病理画像を含む画像診断のための情報に基づいて、診断結果情報データベース２０２３を参照することにより、病理画像の一部の領域を、病理診断のための情報として特定し、特定結果を端末装置１０に送信する。
In step S551, the
例えば、サーバ２０は、端末装置１０から取得した、患者の病理画像を含む画像診断のための情報に基づいて、診断結果情報データベース２０２３を参照することにより、過去の類似の症例（過去の症例の診断結果に含まれるレポートの文言、病理画像等と、端末装置１０から取得した病理画像等とを比較し、類似する度合いが一定程度以上であると判定される）における診断結果、治療方針などの各種情報を取得する。サーバ２０は、取得した各種情報と、患者の病理画像を含む画像診断のための情報とに基づき、病理画像の一部の領域を、病理診断のための情報として特定する。
For example, the
具体的には、ある局面において、サーバ２０は、患者の病理画像を含む画像診断のための情報について、過去の症例における、病理診断を実際に行った画像領域に基づいて、病理診断を担当するユーザに対し、病理診断を行うために適切な画像領域を提示する。これにより、ユーザは過去の診断結果に基づいて、適切な画像領域における病理診断を行うことができ、病理診断の効率化、病理診断のミスなどが生じることを防ぐことができる。
Specifically, in a certain aspect, the
ステップＳ５０２において、端末装置１０は、特定した結果を、ディスプレイ１３２等に表示することで、病理診断を担当するユーザに提示する。
In step S502, the
次に、図６を参照して説明する。図６では、取得した患者の病理画像を含む画像診断のための情報と、学習済みモデルとに基づいて、病理画像の一部の領域を、病理診断のための情報として特定する例を説明する。 Next, it will be described with reference to FIG. FIG. 6 describes an example of specifying a part of the pathological image as information for pathological diagnosis based on the acquired information for image diagnosis including the pathological image of the patient and the trained model. ..
ステップＳ６５１において、サーバ２０は、取得した画像診断のための情報と、学習済みモデル情報データベース２０２４に記憶されている学習済みモデルとに基づいて、病理画像の一部の領域を、病理診断のための情報として特定し、特定結果を端末装置１０に送信する。
In step S651, the
ここで、サーバ２０が、学習済みモデル情報データベース２０２４を参照して、病理画像の一部の領域を、病理診断のための情報として特定する方法について説明する。サーバ２０は、端末装置１０から、患者の病理画像を含む画像診断のための情報を取得する。サーバ２０は、取得した情報について、診断結果情報データベース２０２３に予め記憶されている各症例における病理診断結果のほかに、学習済みモデル情報データベース２０２４内の学習済みモデルに基づいた病理画像の一部の領域などの情報をユーザに提示してもよい。
Here, a method will be described in which the
当該学習済みモデルは、以下のようにして生成される。例えば、病理診断を担当するユーザが、同様、または類似した症例において患者の病理画像を含む画像診断のための情報について、病理画像の一部の領域を特定したとする。その後、サーバ２０は、一部の領域を特定した結果に基づいて病理診断を行った結果（つまり、特定した病理画像の一部の領域についてユーザが病理診断を行った結果）を、症例情報データベース２０２２および診断結果情報データベース２０２３に蓄積させる。サーバ２０は、症例情報データベース２０２２、診断結果情報データベース２０２３等に基づいて、学習済みモデルを生成する。
The trained model is generated as follows. For example, suppose a user in charge of pathological diagnosis identifies a part of a pathological image for information for diagnostic imaging, including a patient's pathological image, in similar or similar cases. After that, the
これにより、病理診断を担当するユーザは、診断結果情報データベース２０２３による過去の診断結果の情報だけでなく、学習済みモデル情報データベース２０２４内の学習済みモデルを参照することができる。そのため、病理診断を担当するユーザは、類似の病理画像だけでなく、類似の度合の低い病理画像においても、病理診断のための適切な画像領域を特定することができるため、より効率的に病理診断を行うことができる。
As a result, the user in charge of the pathological diagnosis can refer not only to the information of the past diagnosis result by the diagnosis result
ステップＳ６０１において、端末装置１０は、特定した結果（病理画像の一部の領域）を、ディスプレイ１３２等に表示することで、病理診断を担当するユーザに提示する。すなわち、端末装置１０は、学習済みモデルにより、病理画像から、診断の対象とする領域を切り出してユーザに提示する。これにより、ユーザによる病理診断のレポートの作成がより効率化されることが期待される。
In step S601, the
（３．２ 取得した患者の病理画像を含む画像診断のための情報に基づいた、過去の診断結果の特定）
図７～図９は、取得した患者の病理画像を含む画像診断のための情報に基づいて、病理画像の一部の領域を、病理診断のための情報として特定し、特定結果に基づいて、過去の診断結果に関する情報を特定し、病理診断を担当するユーザに当該情報を提示する処理を表すフローチャートである。
(3.2 Identification of past diagnosis results based on information for diagnostic imaging including acquired pathological images of patients)
7 to 9 show a part of the pathological image as information for pathological diagnosis based on the acquired information for image diagnosis including the pathological image of the patient, and based on the specific result, FIG. It is a flowchart which shows the process of specifying the information about the past diagnosis result, and presenting the information to the user in charge of a pathological diagnosis.
ステップＳ７５１において、サーバ２０は、取得した画像診断のための情報と、学習済みモデル情報データベース２０２４に記憶されている学習済みモデルとに基づいて、病理画像の一部の領域を、病理診断のための情報として特定する。
In step S751, the
ステップＳ７５２において、サーバ２０は、特定した病理診断のための情報と、学習済みモデルとに基づいて、特定された病理診断のための情報に関連する過去の診断結果に関する情報を特定し、特定結果を端末装置１０に送信する。
In step S752, the
例えば、サーバ２０は、端末装置１０から取得した患者の病理画像を含む画像診断のための情報が、診断結果情報データベース２０２３における、診断ＩＤ「Ｒ００２」で病理診断した症例（症例ＩＤ「Ｄ００３」の疾患名「〇●」）と類似の症例であった場合には、診断結果情報データベース２０２３の当該症例に対する診断結果を特定する。または、当該症例が診断ＩＤ「Ｒ００２」の症例（症例ＩＤ「Ｄ００２」）との類似の度合が低い症例である（過去の症例の診断結果に含まれるレポートの文言、病理画像等と、端末装置１０から取得した病理画像等とを比較し、類似する度合いが一定程度以下であると判定される）場合には、学習済みモデル情報データベース２０２４内の学習済みモデルを参照することで、当該症例における診断結果として特定する。
For example, in the
これにより、ユーザは、類似の症例の場合に、過去の診断結果を参照することができるだけでなく、類似の度合が低い症例の場合にも、同様の診断結果、治療方針を示す可能性の高い症例の診断結果の情報を参照することができる。そのため、ユーザは、初めて対応する症例に対しても、ある程度の治療方針の予測を立てたうえで病理診断を行うことができる。 As a result, the user can not only refer to the past diagnosis results in the case of similar cases, but also likely to show the same diagnosis results and treatment policy even in the case of cases with a low degree of similarity. Information on the diagnosis result of the case can be referred to. Therefore, the user can make a pathological diagnosis after making a certain degree of prediction of the treatment policy even for the case to be dealt with for the first time.
ステップＳ７０１において、端末装置１０は、特定した結果を、ディスプレイ１３２等に表示することで、病理診断を担当するユーザに提示する。すなわち、端末装置１０は、取得した病理画像の情報と共に、過去の診断結果をユーザに提示する。これにより、ユーザによる病理診断のレポートの作成が効率化されること、および、ユーザによる病理診断のレポートの品質が一定程度以上に向上することなどが期待される。
In step S701, the
次に、図８を参照して説明する。図８では、病理診断において参照する学習済みモデルを、学習済みモデルに関連付けられるユーザ等の情報に基づいて特定する例を説明する。 Next, it will be described with reference to FIG. FIG. 8 describes an example of specifying a trained model to be referred to in pathological diagnosis based on information such as a user associated with the trained model.
ステップＳ８５１において、サーバ２０は、ユーザ情報と学習済みモデルに関連付けられるユーザ情報とに基づいて、参照する学習済みモデルを特定する。
In step S851, the
例えば、ある局面において、サーバ２０は、学習済みモデルを作成する際に蓄積した病理診断の結果において、病理診断を担当したユーザの情報を紐づけておく。サーバ２０は、当該ユーザと同じ医局に所属するユーザが同じ、または類似した症例に対する病理診断を担当するときに、同じ医局に所属しているユーザの作成した病理診断結果に基づいて作成された学習済みモデルを参照する。
For example, in a certain aspect, the
これにより、ユーザは、自身の所属する医局のユーザが病理診断を行った結果に基づいたデータを参照することができるため、診断の方針、治療の方針など、医局ごとに異なる方針などを考慮した上で、病理診断を行うことができる。 As a result, the user can refer to the data based on the result of the pathological diagnosis performed by the user of the medical office to which the user belongs, so that the policy different for each medical office such as the diagnosis policy and the treatment policy is taken into consideration. Above, a pathological diagnosis can be made.
ステップＳ８５２において、サーバ２０は、取得した画像診断のための情報と、学習済みモデル情報データベース２０２４に記憶されている学習済みモデルとに基づいて、病理画像の一部の領域を、病理診断のための情報として特定する。
In step S852, the
ステップＳ８５３において、サーバ２０は、特定した病理診断のための情報と、学習済みモデルとに基づいて、特定された病理診断のための情報に関連する過去の診断結果に関する情報を特定し、特定結果を端末装置１０に送信する。
In step S853, the
ステップＳ８０１において、端末装置１０は、特定した結果を、ディスプレイ１３２等に表示することで、病理診断を担当するユーザに提示する。すなわち、端末装置１０は、病理診断を担当するユーザに関連付けられた学習済みモデルにより、取得した病理画像の情報と共に、過去の診断結果をユーザに提示する。これにより、ユーザは医局の違いによる方針の違いなどを考慮した上で病理診断のレポートの作成を行うことができる。
In step S801, the
次に、図９を参照して説明する。図９では、病理診断において参照する学習済みモデルの候補を、病理診断を担当するユーザに提示し、ユーザから参照する学習済みモデルの指定の操作を受け付け、受け付けた学習済みモデルに基づいて、過去の診断結果の情報を特定する例を説明する。 Next, it will be described with reference to FIG. In FIG. 9, the candidate of the trained model to be referred to in the pathological diagnosis is presented to the user in charge of the pathological diagnosis, the operation of specifying the trained model to be referred to by the user is accepted, and the past is based on the accepted trained model. An example of specifying the information of the diagnosis result of the above will be described.
ステップＳ９５１において、サーバ２０は、ユーザ情報と学習済みモデルに関連付けられるユーザ情報とに基づいて、参照する学習済みモデルの候補を特定し、特定結果を端末装置１０に送信する。
In step S951, the
例えば、ある局面において、サーバ２０は、学習済みモデルを作成する際に蓄積した病理診断の結果において、病理診断を担当したユーザの情報を紐づけておく。そして、当該ユーザと同じ医局に所属するユーザが同じ、または類似した症例に対する病理診断を担当するときに、参照する学習済みモデルの候補をユーザに提示する。ユーザは、参照する学習済みモデルの候補の指定をすることで、自身が参照したい学習済みモデルを指定することができる。
For example, in a certain aspect, the
これにより、サーバ２０は、ユーザの所属する医局の情報のみで学習済みモデルを参照するだけでなく、ユーザ自身による参照する学習済みモデルの指定を受け付けることができる。そのため、ユーザは、ユーザ自身が所属する医局の他のユーザが過去に行った病理診断の結果、別の医局に所属する、当該領域におけるベテランのユーザによる病理診断の結果などを任意に参照できるようになり、より精度の高い病理診断を行うことができる。
As a result, the
ステップＳ９０１において、端末装置１０は、特定した結果を、ディスプレイ１３２などに表示することで、ユーザに提示し、その後、ユーザからの学習済みモデルの候補の指定を受け付け、受け付けた結果をサーバ２０に送信する。
In step S901, the
ステップＳ９５２において、サーバ２０は、取得した診断情報と指定を受け付けた学習済みモデルとに基づいて、病理画像の一部の領域を、病理診断のための情報として特定する。
In step S952, the
ステップＳ９５３において、サーバ２０は、特定した病理診断のための情報と、指定を受け付けた学習済みモデルとに基づいて、特定された病理診断のための情報に関連する過去の診断結果に関する情報を特定し、特定結果を端末装置１０に送信する。
In step S953, the
ステップＳ９０２において、端末装置１０は、特定した結果を、ディスプレイ１３２等に表示することで、ユーザに提示する。すなわち、端末装置１０は、ユーザから指定を受け付けた学習済みモデルにより、取得した病理画像の情報と共に、過去の診断結果をユーザに提示する。これにより、ユーザは症例に応じて適切な学習済みモデルを参照して病理診断のレポートの作成をすることができる。
In step S902, the
（３．３ 取得した患者の病理画像を含む画像診断のための情報に基づいた、ユーザが診断結果に含めるべき内容の特定）
図１０は、取得した患者の病理画像を含む画像診断のための情報に基づいて、病理画像の一部の領域を、病理診断のための情報として特定し、特定結果に基づいて、過去の診断結果に関する情報を特定し、病理診断を担当するユーザに、ユーザが診断結果に含めるべき内容を提示する処理を表すフローチャートである。
(3.3 Identification of the content that the user should include in the diagnosis result based on the information for image diagnosis including the acquired pathological image of the patient)
FIG. 10 identifies a part of the pathological image as information for pathological diagnosis based on the acquired information for diagnostic imaging including the pathological image of the patient, and based on the specific result, the past diagnosis. It is a flowchart which shows the process which specifies the information about a result and presents the content which a user should include in a diagnosis result to the user who is in charge of a pathological diagnosis.
ステップＳ１０５１において、サーバ２０は、取得した診断情報と学習済みモデルとに基づいて、病理画像の一部の領域を、病理診断のための情報として特定する。
In step S1051, the
ステップＳ１０５２において、サーバ２０は、特定した病理診断のための情報と、学習済みモデルとに基づいて、特定された病理診断のための情報に関連する過去の診断結果に関する情報を特定する。
In step S1052, the
ステップＳ１０５３において、サーバ２０は、取得した診断情報に含まれる病理画像と、学習済みモデルとに基づいて、ユーザが診断結果に含めるべき内容を特定し、特定結果を端末装置１０に送信する。
In step S1053, the
具体的には、サーバ２０は、端末装置１０から取得した患者の病理画像を含む画像診断のための情報に基づいて、ユーザが病理診断を行い、診断結果を作成するときに、過去の診断結果に記載されており、診断結果にも含めるべき情報（例えば、変異の速度が大きいため、注意が必要、服薬している薬があるため、併用薬に注意が必要、など）をユーザに提示する。
Specifically, the
これにより、ユーザは過去の診断結果を参照しながら、自身の作成する診断結果に含めるべき情報を確認することができるため、より正確な診断結果を作成できるだけでなく、診断結果における記載ミス、重要事項の漏れなどを防ぐことができる。 As a result, the user can confirm the information to be included in the diagnosis result created by the user while referring to the past diagnosis result, so that not only the more accurate diagnosis result can be created, but also the description error in the diagnosis result is important. It is possible to prevent leakage of matters.
ステップＳ１００２において、端末装置１０は、特定した結果を、ディスプレイ１３２等に表示することで、ユーザに提示する。すなわち、端末装置１０は、学習済みモデルにより、病理診断のレポートを作成するときにレポートに含めるべき内容をユーザに提示する。これにより、ユーザが病理診断のレポートの作成を行うときに、含めるべき内容の記載ミスなどが低減されることが期待される。
In step S1002, the
（３．４ 取得した患者の病理画像を含む画像診断のための情報に基づいた、ユーザが作成した診断結果を確認する別ユーザの特定）
図１１は、取得した患者の病理画像を含む画像診断のための情報に基づいて、病理画像の一部の領域を、病理診断のための情報として特定し、特定結果に基づいて、過去の診断結果に関する情報を特定し、特定結果に基づいてユーザが診断結果を作成後、作成した診断結果を確認する別ユーザの情報を提示する処理を表すフローチャートである。
(3.4 Identification of another user who confirms the diagnosis result created by the user based on the information for image diagnosis including the acquired pathological image of the patient)
FIG. 11 identifies a part of the pathological image as information for pathological diagnosis based on the acquired information for diagnostic imaging including the pathological image of the patient, and based on the specific result, the past diagnosis. It is a flowchart which shows the process which specifies the information about a result, the user creates a diagnosis result based on a specific result, and then presents the information of another user who confirms the created diagnosis result.
ステップＳ１１５１において、サーバ２０は、取得した診断情報と学習済みモデルとに基づいて、病理画像の一部の領域を、病理診断のための情報として特定する。
In step S1151, the
ステップＳ１１５２において、サーバ２０は、特定した病理診断のための情報と、学習済みモデルとに基づいて、特定された病理診断のための情報に関連する過去の診断結果に関する情報を特定し、端末装置１０に送信する。
In step S1152, the
ステップＳ１１０１において、端末装置１０は、特定した結果を、ディスプレイ１３２等に表示することで、ユーザに提示する。
In step S1101, the
ステップＳ１１０２において、端末装置１０は、ユーザが診断結果を作成したのち、別ユーザへの確認を依頼する入力操作を受け付け、受け付けた結果をサーバ２０に送信する。
In step S1102, after the user creates a diagnosis result, the
例えば、ある局面において、患者の病理画像を含む病理診断のための情報に基づいて、ユーザが病理診断を行い、診断結果を作成したとき、ユーザが病理診断の経験が浅い研修医である場合がある。その場合、学習済みモデルなどを参照したとしても、作成された診断結果の内容が不十分である場合がある。そこで、端末装置１０は、別ユーザへの確認を依頼する入力操作を受け付け、受け付けた入力操作に基づいて、別ユーザにより診断結果を確認してもらうことができる。
For example, in a certain situation, when a user makes a pathological diagnosis based on information for pathological diagnosis including a pathological image of a patient and creates a diagnosis result, the user may be a trainee who has little experience in pathological diagnosis. be. In that case, even if the trained model or the like is referred to, the content of the created diagnosis result may be insufficient. Therefore, the
これにより、病理診断の経験が少ないユーザなどが病理診断を担当したとしても、経験豊富なユーザによるダブルチェックが受けられ、診断結果の内容に対する品質の維持と、経験の少ないユーザの教育の両方が期待できる。 As a result, even if a user with little experience in pathological diagnosis is in charge of pathological diagnosis, a double check by an experienced user can be received, both maintaining the quality of the content of the diagnosis result and educating the user with little experience. You can expect it.
ステップＳ１１５３において、サーバ２０は、入力操作に応答して、確認するユーザの候補を特定し、特定結果を端末装置１０に送信する。
In step S1153, the
ステップＳ１１０３において、端末装置１０は、特定した結果を、ディスプレイ１３２等に表示することで、ユーザに提示する。すなわち、端末装置１０は、ユーザが作成した病理診断のレポートのダブルチェックを行うユーザの候補をユーザに提示する。これにより、経験が少ないユーザが作成した病理診断のレポートでも、ダブルチェックを受けることでレポートの品質が一定程度以上に向上されることが期待される。
In step S1103, the
（３．５ 取得した患者の病理画像を含む画像診断のための情報に基づいた、病理診断を担当するユーザの特定）
図１２は、取得した患者の病理画像を含む画像診断のための情報に基づいて病理診断を担当するユーザを特定し、特定結果を、病理診断を担当するユーザを管理する立場のユーザなどに提示する処理を表すフローチャートである。
(3.5 Identification of the user in charge of pathological diagnosis based on the information for diagnostic imaging including the acquired pathological image of the patient)
FIG. 12 identifies a user in charge of pathological diagnosis based on the acquired information for image diagnosis including a pathological image of a patient, and presents the specific result to a user in a position of managing the user in charge of pathological diagnosis. It is a flowchart which shows the process to perform.
ステップＳ１２５１において、サーバ２０は、取得した病理画像に含まれる診断情報に基づいて、当該病理画像について病理診断を担当するユーザの候補を特定し、特定結果を端末装置１０に送信する。
In step S1251, the
例えば、ある局面において、症例によっては、どのユーザが病理診断を行っても、診断結果に大きなばらつきが生じない場合がある。このとき、サーバ２０は、病理診断を担当するユーザとして、ユーザ情報データベース２０２１に記憶されているユーザ情報から、病理診断を担当するユーザを無作為に特定してもよい。また、他の局面においては、ある特定の条件を有したユーザ（例えば、勤務年数が１０年以上のベテラン、など）が病理診断を行わないと、病理診断の結果に大きくばらつきが生じる場合がある。このとき、サーバ２０は、病理診断を担当するユーザとして、「勤務年数が１０年以上」等のように、ユーザを絞り込むための情報を受け付けて、当該ユーザに限定して病理診断を担当するユーザを特定し、端末装置１０または病理診断のタスクをアサインする管理者等に提示してもよい。
For example, in a certain aspect, depending on the case, no matter which user makes a pathological diagnosis, the diagnosis result may not vary greatly. At this time, the
これにより、端末装置１０または病理診断のタスクをアサインする管理者等は、診断結果にばらつきの出る可能性のある症例はベテランのユーザに、診断結果にばらつきの出ない症例は経験の少ないユーザに病理診断を担当させる、などの割り振りをすることができる。そのため、管理者等は、効率的に病理診断を行うための担当者を特定することができるだけでなく、管理者等は、病理診断の経験の少ないユーザなどに、比較的診断に困難の伴わない症例の病理診断を担当させ、経験を積ませることもできる。
As a result, the
ステップＳ１２０１において、端末装置１０は、特定した結果を、ディスプレイ１３２等に表示することで、ユーザに提示する。すなわち、端末装置１０は、症例の情報などに基づいて、病理診断を行うべきユーザの候補を病理診断のタスクをアサインする管理者等に提示する。これにより、病理診断のタスクのアサインが効率化されることが期待される。
In step S1201, the
（３．６ 取得した患者の病理画像を含む画像診断のための情報に基づいた、病理画像における特定の兆候の特定）
図１３は、取得した患者の病理画像を含む画像診断のための情報に基づいて、過去の診断結果に関する情報を特定し、特定した過去の診断結果に関する情報に基づき、取得した病理画像における特定の兆候を特定し、特定結果をユーザに提示する処理を表すフローチャートである。
(3.6 Identification of specific signs in pathological images based on information for diagnostic imaging including acquired patient pathological images)
FIG. 13 identifies information about past diagnostic results based on information for diagnostic imaging, including acquired patient pathological images, and is specific in the acquired pathological images based on the identified past diagnostic results. It is a flowchart which shows the process of identifying a symptom and presenting a specific result to a user.
ステップＳ１３５１において、サーバ２０は、取得した病理診断のための情報と学習済みモデルとに基づいて、病理画像の一部の領域を、病理診断のための情報として特定する。
In step S1351, the
ステップＳ１３５２において、サーバ２０は、特定した病理診断のための情報と、学習済みモデルとに基づいて、特定された病理診断のための情報に関連する過去の診断結果に関する情報を特定する。
In step S1352, the
ステップＳ１３５３において、サーバ２０は、病理画像に含まれる診断情報と、学習済みモデルとに基づいて、病理画像における特定の兆候を特定し、特定結果を端末装置１０に送信する。
In step S1353, the
例えば、取得した患者の病理画像を含む画像診断のための情報において、当該情報が、新規に病理診断を行うのではなく、複数回、定期的に病理診断を行っている患者の情報である場合がある。このとき、サーバ２０は、同じ患者における、過去の診断結果に関する情報、異なる患者における、同様の症例についての経過観察の情報などを参照し、病理診断の対象となっている情報に関して、特定の兆候があるか否かを特定する。これにより、ユーザは、病理診断を行う情報について、変異（例えば、悪性腫瘍に変わる、など）の兆候があるか否か、あるいは、今後どのような兆候がおこる可能性があるかなどを予測して診断結果を作成し、適切な治療方針を決定することができるため、より患者の生存率の向上にも寄与できる。
For example, in the information for image diagnosis including the acquired pathological image of the patient, the information is the information of the patient who regularly performs the pathological diagnosis multiple times instead of newly performing the pathological diagnosis. There is. At this time, the
ステップＳ１３０１において、端末装置１０は、特定した結果を、ディスプレイ１３２等に表示することで、ユーザに提示する。すなわち、端末装置１０は、学習済みモデルにより、取得した画像診断のための情報における特定の兆候の情報をユーザに提示する。これにより、重要な兆候の見落としなどの低減が期待される。
In step S1301, the
（３．７ 取得した患者の病理画像を含む画像診断のための情報と、ユーザの病理診断の作成回数とに基づいた、病理診断を担当するユーザの特定）
図１４は、取得した患者の病理画像を含む画像診断のための情報に基づいて、病理診断を行う各ユーザについて、病理画像に対する診断結果の作成回数に関する情報を取得し、取得した各ユーザの作成回数に関する情報に基づいて、病理診断を担当するユーザを特定し、特定結果をユーザに提示する処理を表すフローチャートである。
(3.7 Identification of the user in charge of pathological diagnosis based on the information for image diagnosis including the acquired pathological image of the patient and the number of times the user has created the pathological diagnosis)
FIG. 14 acquires information on the number of times a diagnosis result is created for a pathological image for each user who makes a pathological diagnosis based on the information for image diagnosis including the acquired pathological image of the patient, and is created by each acquired user. It is a flowchart which shows the process which identifies the user who is in charge of a pathological diagnosis based on the information about the number of times, and presents a specific result to a user.
ステップＳ１４５１において、サーバ２０は、取得した情報に基づいて、病理診断を行う各ユーザについて、病理画像に対する診断結果の作成回数に関する情報を取得する。
In step S1451, the
例えば、ある局面において、サーバ２０は、患者の病理画像を含む病理診断のための情報に基づいて、病理診断を担当するユーザを特定するときに、病理診断を担当した回数の少ないユーザを優先的に選択し、当該病理診断を担当するユーザとして特定してもよい。また、サーバ２０は、患者の病理画像を含む病理診断のための情報と、過去の診断結果とを参照したときに、病理診断を担当した回数の多いベテランのユーザに当該症例の病理診断を担当させた方が良い場合には、病理診断を担当した回数の多いユーザを優先的に選択し、当該病理診断を担当するユーザとして特定してもよい。
For example, in a certain aspect, when the
これにより、端末装置１０または病理診断のタスクをアサインする管理者等は、病理診断の経験回数などの情報に基づいて担当者を特定することができる。そのため、管理者等は、病理診断の経験の少ないユーザに対し、優先的に経験を積ませることができる。加えて、管理者等は、ベテランのユーザによる病理診断が必要な場合に、優先的にベテランのユーザに病理診断を担当させること、各症例の変異などの状況に応じて、適切なユーザに病理診断を担当させることができる。
As a result, the
ステップＳ１４５２において、サーバ２０は、取得した各ユーザの作成回数に関する情報に基づいて、病理診断を担当するユーザを特定し、特定結果を端末装置１０に送信する。
In step S1452, the
ステップＳ１４０１において、端末装置１０は、特定した結果を、ディスプレイ１３２等に表示することで、ユーザに提示する。すなわち、端末装置１０は、病理診断の経験回数などに基づいて病理診断の担当者の候補の情報を病理診断のタスクをアサインする管理者等に提示する。これにより、適切に病理診断のタスクを各ユーザにアサインすることが期待できる。
In step S1401, the
（３．８ 取得した患者の病理画像を含む画像診断のための情報に基づいた、病理診断を担当することが可能なユーザの特定）
図１５は、取得した患者の病理画像を含む画像診断のための情報に基づいて、病理診断を担当することが可能なユーザを特定し、特定結果をユーザに提示する処理を表すフローチャートである。
(3.8 Identification of users who can be in charge of pathological diagnosis based on the information for image diagnosis including the acquired pathological image of the patient)
FIG. 15 is a flowchart showing a process of identifying a user who can be in charge of the pathological diagnosis and presenting the specific result to the user based on the acquired information for image diagnosis including the pathological image of the patient.
ステップＳ１５５１において、サーバ２０は、取得した情報に基づいて、病理画像ごとに、病理診断を担当することが可能なユーザの情報を取得する。
In step S1551, the
ステップＳ１５５２において、サーバ２０は、取得した、病理診断を担当することが可能なユーザの情報に基づいて、病理診断を担当するユーザを特定し、特定結果を端末装置１０に送信する。
In step S1552, the
例えば、ある局面において、取得した患者の病理画像を含む病理診断のための情報について、情報へアクセス可能なユーザが制限される場合、当該情報を診断可能な知識を有するユーザが限定される場合などが存在する。そこで、サーバ２０は、取得した患者の病理画像を含む病理診断のための情報に基づき、病理診断を担当することが可能なユーザの情報を特定し、特定したユーザのみが、当該情報に関する病理診断を担当するユーザとして特定する。
For example, in a certain aspect, the users who can access the information for pathological diagnosis including the acquired pathological image of the patient are limited, or the users who have the knowledge to diagnose the information are limited. Exists. Therefore, the
これにより、端末装置１０または病理診断のタスクをアサインする管理者等は、患者の病理画像を含む病理診断のための情報に対するアクセス可能なユーザが制限される場合などでも、病理診断を担当可能なユーザを特定することができる。加えて、端末装置１０または病理診断のタスクをアサインする管理者等は、下記のような状況に陥ることを防ぐことができるため、適切なユーザを病理診断の担当者として特定することができる。（１）本来病理診断を担当してはならないユーザが病理診断を担当する（２）専門知識のないユーザが専門知識を必要とする症例の病理診断を担当する
As a result, the
ステップＳ１５０１において、端末装置１０は、特定した結果を、ディスプレイ１３２等に表示することで、ユーザに提示する。すなわち、端末装置１０は、病理診断を担当することが可能なユーザの情報を病理診断のタスクをアサインする管理者等に提示する。これにより、適切なユーザに対し、病理診断のタスクをアサインすることが期待される。
In step S1501, the
＜４ 画面例＞
図１６～図２４は、端末装置１０に表示される画面例を示す図である。
<4 screen example>
16 to 24 are views showing an example of a screen displayed on the
図１６は、端末装置１０において、取得した患者の病理画像を含む画像診断のための情報に基づいて、病理画像の一部の領域を、病理診断のための情報として特定し、病理診断を担当するユーザに当該情報を提示する画面例を示す図である。
FIG. 16 identifies a part of the pathological image as information for pathological diagnosis based on the information for image diagnosis including the acquired pathological image of the patient in the
図１６において、病理画像情報１６０１は、患者の病理画像を含む、病理診断のための情報を示す。
In FIG. 16,
具体的には、項目「患者」には当該情報に関連付けられた患者名、項目「疾患名」には、当該患者の罹患している疾患の名称、項目「撮影日時」には、当該画像を撮影した検査日時が記載されており、下の画面に表示されている画像が、実際に撮影された病理診断のための病理画像を示す。また、画像中の点線で囲んだ領域は、病理診断をするために、学習済みモデル等により病理画像の一部の領域を特定した結果を示す。端末装置１０は、ユーザから、病理診断を行うために、病理画像の一部の領域を指定する操作を受け付けることとしてもよい。
Specifically, the item "patient" is the patient name associated with the information, the item "disease name" is the name of the disease affected by the patient, and the item "shooting date and time" is the image. The date and time of the examination taken is described, and the image displayed on the screen below shows the pathological image for pathological diagnosis actually taken. Further, the area surrounded by the dotted line in the image shows the result of specifying a part of the pathological image by a trained model or the like in order to make a pathological diagnosis. The
病理診断用画像１６０２は、取得した患者の病理画像を含む画像診断のための情報のうち、病理診断のために、ユーザの操作、または、学習済みモデル等により当該画像の一部の領域を特定した図を示す。
The
コメント付与欄１６０３は、特定した病理画像の一部の領域について病理診断を担当するユーザが診断を行った際に、所見などのコメントの入力を受け付ける欄を示す。具体的には、端末装置１０は、コメント付与欄１６０３において、当該コメントを、診断中の画面のみに表示してもよく、後述する診断結果作成時に、受け付けたコメントを反映して表示してもよい。また、端末装置１０は、コメント付与欄１６０３において、ユーザからの文書での入力を受け付けてもよいし、何らかのタグ（例えば、悪化の兆候あり、要検査）による関連付けの操作を受け付けてもよい。
The
これにより、病理診断を担当するユーザは、病理診断を行った後、診断結果を作成するときに、いちいち病理診断を行うための画面を参照しなくてもよく、病理診断のときに付したコメント、タグに基づいて、診断結果を作成することができる。 As a result, the user in charge of the pathological diagnosis does not have to refer to the screen for making the pathological diagnosis each time when creating the diagnosis result after making the pathological diagnosis, and the comment attached at the time of the pathological diagnosis. , Diagnostic results can be created based on the tags.
領域特定画面１６０４は、取得した患者の病理画像を含む画像診断のための情報と、過去の類似の症例における診断結果、または学習済みモデルとに基づいて、病理診断をするための病理画像の一部の領域を特定し、特定した領域における過去の診断情報などをユーザに提示する画面である。
The
具体的には、端末装置１０は、領域特定画面１６０４において、サーバ２０が診断結果情報データベース２０２３を参照して特定した患者の病理画像の一部の領域について、点線などで囲むことで、ユーザに病理診断のときに着目すべき領域について提示してもよい。また、端末装置１０は、領域特定画面１６０４において、サーバ２０が診断結果情報データベース２０２３を参照した結果に基づき、当該症例に関連する予後の情報、診断日時の情報などをユーザに提示してもよい。
Specifically, the
これにより、ユーザは、画像診断のための領域を認識することができるだけでなく、病理診断を行う病理画像に関連する症例において、どのような変異が起こる可能性があるか、などを認識したうえで病理診断をすることができる。 As a result, the user can not only recognize the area for image diagnosis, but also recognize what kind of mutation may occur in the case related to the pathological image for which the pathological diagnosis is performed. You can make a pathological diagnosis at.
図１７は、端末装置１０において、取得した患者の病理画像を含む画像診断のための情報に基づいて、病理画像の一部の領域を、病理診断のための情報として特定し、特定した結果などの情報に基づいてユーザが病理診断を行った結果を提示する画面例を示す図である。
FIG. 17 shows a result of identifying a part of the pathological image as information for pathological diagnosis based on the information for image diagnosis including the acquired pathological image of the patient in the
図１７において、病理画像情報１７０１は、患者の病理画像を含む、病理診断のための情報を示す。
In FIG. 17,
具体的には、病理画像情報１７０１において、項目「作成日時」には、病理診断の診断結果を作成した日時に関する情報、項目「担当医」には、当該病理診断を担当したユーザの情報、項目「ＩＤ」には、症例に紐づけられた患者のＩＤなどの情報、項目「患者氏名」は、当該病理画像の患者の氏名の情報、項目「年齢」は、当該病理画像の患者の年齢の情報、項目「性別」は、当該病理画像の患者の性別の情報、項目「標本数」は、当該病理画像を含む情報を取得するにあたり、検査などにより取得した病理画像の数を示す情報などが記載されている。また、下に表示されている病理画像の数は、項目「標本数」の数と対応している。
Specifically, in the
病理診断用画像１７０２、１７０４は、図１６における病理診断用画像１６０２と同様に、取得した患者の病理画像を含む画像診断のための情報のうち、病理診断のために当該画像の一部の領域を特定した図を示す。当該画像は、本画面例のように、複数の病理診断の担当者が診断結果を記載するために、複数表示されていてもよい。
Similar to the
診断結果画面１７０３、１７０５は、患者の病理画像を含む、病理診断のための情報に基づいて、病理診断を担当するユーザが病理診断を行った結果を記載した画面を示す。
The
具体的には、診断結果画面１７０３は、病理診断を担当するユーザ（図１７においては、担当医は「＊＊＊」と識別される）が病理診断をした結果を表示する画面である。ユーザは、患者氏名「〇〇」に関する病理診断用画像１７０２などに基づいて、病理診断を実施し、その結果を、当該診断結果画面１７０３等に入力する。端末装置１０は、診断結果画面１７０３に、例えば、「＋＋の部分に＊＊＊の病変が認められる。」など、当該病理画像などの情報に基づいた診断結果、今後の予測、治療方針など、ユーザが記載した結果を表示する。
Specifically, the
ここで、端末装置１０は、診断結果画面１７０３において、病理画像情報１７０１、病理診断用画像１７０２などに基づいた病理診断結果をユーザが入力した結果を表示してもよい。また、端末装置１０は、診断結果画面１７０３において、図１６におけるコメント付与欄１６０３にユーザが記載したコメントを引用する形で、診断結果画面１７０３にユーザが入力した結果を表示してもよい。また、端末装置１０は、当該診断結果画面１７０３において、本画面例のように、複数の診断結果を同時に表示する構成としてもよい。
Here, the
これにより、病理診断を担当するユーザは、病理画像の一部の領域を特定する際に記載したコメントを引用しながら診断結果を作成することができるため、円滑な診断結果の作成が可能となる。 As a result, the user in charge of the pathological diagnosis can create the diagnosis result while quoting the comment described when specifying a part of the pathological image, so that the smooth diagnosis result can be created. ..
図１８は、端末装置１０において、取得した患者の病理画像を含む画像診断のための情報に基づいて、病理画像の一部の領域を、病理診断のための情報として特定し、特定した結果などの情報に基づいてユーザが病理診断を行った結果において、過去の診断結果を参照する際の画面例を示す図である。
FIG. 18 shows a result of identifying a part of the pathological image as information for pathological diagnosis based on the information for image diagnosis including the acquired pathological image of the patient in the
図１８において、病理画像情報１８０１は、図１７における病理画像情報１７０１と同様に、患者の病理画像を含む、病理診断のための情報を示す。
In FIG. 18, the
過去の診断結果参照画面１８０２は、類似した症例において実施された、過去の病理診断結果を参照するための情報を示す。この画面は、図１８に図示されているように、他の画面に重畳されるように表示していてもよいし、別ウィンドウなどをポップアップさせて表示してもよい。
The past diagnosis
具体的には、端末装置１０は、過去の診断結果参照画面１８０２において、類似する症例について過去に診断を行った別のユーザの候補を表示する。診断を行うユーザ自身が過去に類似する症例について診断を行った場合は、端末装置１０は、当該ユーザ自身の過去の診断結果を参照できるよう、過去に診断を行ったユーザの候補をディスプレイ１３２等に表示してもよい。これにより、ユーザが病理診断を行う症例と類似する症例について、「過去の診断結果」として、ユーザとは異なる別のユーザが病理診断を行った結果を参照することができる。
Specifically, the
ここで、端末装置１０は、参照する症例の候補として、ユーザが病理診断を行う症例と類似の症例以外にも、変異の状況が類似した症例、治療方針が類似した症例などから過去の診断結果の候補を特定してもよい。また、端末装置１０は、過去の診断結果参照画面１８０２において、サーバ２０がユーザ情報データベース２０２１を参照した結果に基づいて、病理診断を担当するユーザと関連のある他のユーザ（例えば、ユーザと同じ医局に所属している他のユーザ）を優先して、過去の診断結果を参照するユーザの候補として表示してもよい。
Here, the
これにより、ユーザは、類似の症例における診断結果、治療方針などの情報を参照することができるだけでなく、類似度合の低い症例における診断結果および治療方針なども参照でき、多角的な視点での病理診断を行うことができる。また、他ユーザの過去の診断結果だけでなく、ユーザ自身の過去の診断結果を参照することで、過去の自分の診断に対する振り返り、治療方針などへの考え方の再確認などを行うことができる。 As a result, the user can not only refer to information such as diagnosis results and treatment policies in similar cases, but also can refer to diagnosis results and treatment policies in cases with a low degree of similarity, and pathology from various viewpoints. Diagnosis can be made. In addition, by referring not only to the past diagnosis results of other users but also to the past diagnosis results of the user himself / herself, it is possible to look back on his / her own diagnosis in the past and reconfirm the way of thinking about the treatment policy.
病理診断用画像１８０３は、図１７における病理診断用画像１７０２、１７０４と同様に、取得した患者の病理画像を含む画像診断のための情報のうち、病理診断のために当該画像の一部の領域を特定した画像である。
Similar to the
診断結果画面１８０４は、図１７における診断結果画面１７０３、１７０５と同様に、患者の病理画像を含む、病理診断のための情報に基づいて、病理診断を担当するユーザが病理診断を行った結果を記載した画面である。
Similar to the
図１９は、端末装置１０において、取得した患者の病理画像を含む画像診断のための情報に基づいて、病理画像の一部の領域を、病理診断のための情報として特定し、特定した結果などの情報に基づいてユーザが病理診断を行った結果において、過去の診断結果を参照し、ユーザが病理診断を行った結果と比較表示した際の画面例を示す図である。
FIG. 19 shows a result of identifying a part of the pathological image as information for pathological diagnosis based on the information for image diagnosis including the acquired pathological image of the patient in the
図１９において、病理画像情報１９０１は、図１８における病理画像情報１８０１と同様に、患者の病理画像を含む、病理診断のための情報を示す。
In FIG. 19, the
病理診断用画像１９０２、１９０４は、図１８における病理診断用画像１８０３と同様に、取得した患者の病理画像を含む画像診断のための情報のうち、病理診断のために当該画像の一部の領域を特定した画像である。
Similar to the
診断結果画面１９０３は、図１８における診断結果画面１８０４と同様に、患者の病理画像を含む、病理診断のための情報に基づいて、病理診断を担当するユーザが病理診断を行った結果を記載した画面である。
診断結果画面１９０５は、図１８の過去の診断結果参照画面１８０２において参照した、過去の診断結果を記載した画面である。
Similar to the
The
具体的には、端末装置１０は、診断結果画面１９０３において、図１８における診断結果画面１８０４と同様に、「＋＋の部分に＊＊＊の病変が認められる。」など、当該病理画像などの情報に基づいた診断結果、今後の予測、治療方針などを記載した画面を表示してもよい。端末装置１０は、診断結果画面１９０５において、「過去の診断結果」として、「□□が・・の場合＊＊＊の病変の可能性が高い。」などの結果を表示してもよい。
Specifically, the
これにより、病理診断を担当するユーザは、過去の同様の症例における自身の診断結果の妥当性などを確認することができる。さらに、病理診断を担当するユーザは、過去の同様の症例において、他のユーザが診断した結果、予測などを参照し、診断結果を作成することができる（この場合、「□□が・・の場合＊＊＊の病変の可能性が高い。」というコメント）。そのため、病理診断を担当するユーザは、自身の経験では想定が困難な変異の予測などを知ることができ、当該症例における見識を深めることができる。 As a result, the user in charge of pathological diagnosis can confirm the validity of his / her own diagnosis result in similar cases in the past. Furthermore, the user in charge of pathological diagnosis can create a diagnosis result by referring to the results, predictions, etc. of the diagnosis by another user in the same case in the past (in this case, "□□ is ...". If *** is likely to be a lesion. "). Therefore, the user in charge of the pathological diagnosis can know the prediction of the mutation, which is difficult to predict by his / her own experience, and can deepen the insight in the case.
図２０は、取得した患者の病理画像を含む画像診断のための情報に基づいて、病理画像の一部の領域を、病理診断のための情報として特定し、特定した結果などの情報に基づいてユーザが病理診断を行った結果において、ユーザが作成した診断結果を、他のユーザに確認を依頼する際の画面例を示す図である。 FIG. 20 identifies a part of the pathological image as information for pathological diagnosis based on the acquired information for image diagnosis including the pathological image of the patient, and based on the information such as the identified result. It is a figure which shows the screen example at the time of requesting the other user to confirm the diagnosis result created by the user in the result of having performed the pathological diagnosis by the user.
図２０において、病理画像情報２００１は、図１９における病理画像情報１９０１と同様に、患者の病理画像を含む、病理診断のための情報を示す。
In FIG. 20, the
確認依頼画面２００２は、ユーザが作成した診断結果を、他のユーザに確認を依頼するために、確認を担当する他のユーザの候補を示す図である。この画面は、図２０に図示されているように、他の画面に重畳されるように表示していてもよいし、別ウィンドウなどをポップアップさせて表示してもよい。
The
具体的には、端末装置１０は、確認依頼画面２００２において、ユーザに対し、ユーザが診断結果の確認を依頼する候補について、「確認依頼」として、例えば、医局ごとに分類された状態で、確認依頼を行う他のユーザの候補（「＋＋医局」の「〇●先生」など）を提示してもよい。このとき、端末装置１０は、確認依頼を行う他のユーザの候補として、（ｉ）サーバ２０がユーザ情報データベース２０２１を参照し、病理診断を担当するユーザと同じ医局に所属するユーザを候補として特定した結果を示しても良いし、（ｉｉ）他の医局に所属するユーザを候補として特定した結果を示してもよい。また、端末装置１０は、確認依頼画面２００２において、ユーザが確認依頼を行う他のユーザを選択するための入力操作を受け付けるときに、診療報酬などの加算対象か否かの表示をユーザに提示してもよい。
Specifically, on the
これにより、病理診断を担当するユーザは、同じ医局に所属しているユーザに対し確認依頼を行うこともできるし、他の医局に所属しているユーザに確認依頼を行うこともできる。そのため、同じ医局に、病理診断を行う症例の専門知識を有するユーザがいなかった場合でも、他の医局などに所属する、専門知識を有するユーザに診断結果の確認を依頼することができる。 As a result, the user in charge of the pathological diagnosis can make a confirmation request to a user belonging to the same medical office, or can make a confirmation request to a user belonging to another medical office. Therefore, even if there is no user who has the specialized knowledge of the case for performing the pathological diagnosis in the same medical office, it is possible to request the user who belongs to another medical office or the like and has the specialized knowledge to confirm the diagnosis result.
図２１は、取得した患者の病理画像を含む画像診断のための情報に基づいて、病理診断を担当するユーザの候補を特定する画面例を示す図である。 FIG. 21 is a diagram showing a screen example for identifying a candidate of a user in charge of pathological diagnosis based on information for image diagnosis including acquired pathological images of a patient.
図２１において、担当医候補画面２１０１は、後述する症例リスト２１０２において表示される病理診断が必要な症例の候補に対し、病理診断を担当するユーザの候補の情報を示す。ここで、端末装置１０は、担当医候補画面２１０１において、当該画面に表示される情報としては限定されず、サーバ２０がユーザ情報データベース２０２１を参照し、担当医候補の氏名、年齢、専門分野などの情報に基づいた情報を表示してもよい。
In FIG. 21, the
また、端末装置１０は、担当医候補画面２１０１において、病理診断を担当するユーザの候補として、（ｉ）サーバ２０がユーザ情報データベース２０２１を参照した情報に基づいて特定した結果を表示してもよい。（ｉｉ）端末装置１０は、サーバ２０がユーザ情報データベース２０２１と、症例情報データベース２０２２とを参照し、病理診断を担当するユーザによっては、診断結果にばらつきが生じる可能性がある症例を特定した結果に基づいて、当該症例に適したユーザ候補を特定してもよい。（ｉｉｉ）端末装置１０は、いずれのユーザが病理診断を担当しても、診断結果にばらつきが生じる可能性が低い症例、などを特定した結果に基づいて、各症例に適したユーザ候補を特定してもよい。端末装置１０は、ユーザ候補を特定した結果を当該画面に表示してもよい。
Further, the
これにより、ユーザが病理診断を行う際に、症例に応じて、適切な病理診断の担当者を決定することができる。例えば、端末装置１０は、病理診断を担当するユーザによっては診断結果にばらつきが生じる可能性のある症例に対しては、当該症例における専門知識を有するユーザをユーザ候補として提示することとしてもよい。また、端末装置１０は、いずれのユーザが診断を担当した場合でも、診断結果にばらつきが生じる可能性の低い症例に対しては、病理診断の経験が少ないユーザを優先的に候補として提示することとしてもよい。
Thereby, when the user makes a pathological diagnosis, an appropriate person in charge of the pathological diagnosis can be determined according to the case. For example, the
症例リスト２１０２は、病理診断が必要のある症例の候補を示す。ここで、当該画面に表示される情報は限定されておらず、端末装置１０は、サーバ２０が症例情報データベース２０２２を参照して診断が必要な症例、患者名などの情報を特定した結果を、当該症例リスト２１０２において表示してもよい。このとき、症例リスト２１０２と、担当医候補画面２１０１とを対応付ける方法として、病理診断のタスクをアサインする管理者等が各症例の情報と担当医候補の情報とを参照して対応付けても良いし、サーバ２０がユーザ情報データベース２０２１と症例情報データベース２０２２とを参照し、各症例の病理診断を行うのに適切なユーザを対応付けても良い。
The
これにより、端末装置１０または病理診断のタスクをアサインする管理者等は、各症例の情報と各ユーザの情報とに基づいて、適切な病理診断の担当医を特定することができる。
Thereby, the
図２２は、取得した患者の病理画像を含む画像診断のための情報に基づいて、病理画像の一部の領域を、病理診断のための情報として特定する画面において、特定の兆候を特定したときに、当該特定した兆候をユーザに提示する画面例を示す図である。 FIG. 22 shows when a specific sign is identified on a screen that identifies a part of the pathological image as information for pathological diagnosis based on the acquired information for image diagnosis including the pathological image of the patient. It is a figure which shows the screen example which presents the identified sign to the user.
図２２において、病理画像情報２２０１は、図１６における病理画像情報１６０１と同様に、患者の病理画像を含む、病理診断のための情報を示す。
In FIG. 22, the
病理診断用画像２２０２は、図１６における病理診断用画像１６０２と同様に、取得した患者の病理画像を含む画像診断のための情報のうち、病理診断のために当該画像の一部の領域を特定した図を示す。また、病理診断用画像２２０２は、後述する兆候表示画面２２０３において病理診断を担当するユーザに提示する、病理診断用画像２２０２から特定した特定の兆候を図示していてもよい。
Similar to the
兆候表示画面２２０３は、取得した患者の病理画像を含む画像診断のための情報に基づいて、当該病理画像における、特定の兆候を特定し、特定結果をユーザに提示する画面を示す。
The
具体的には、端末装置１０は、兆候表示画面２２０３において、サーバ２０が症例情報データベース２０２２と、診断結果情報データベース２０２３とを参照し特定した、過去の病変の兆候などの情報を当該画面に提示してもよい。例えば、端末装置１０は、兆候表示画面２２０３において、病理診断用画像２２０２に表示されている領域の情報を参照し、「□で囲んだ領域に変異が発生しています。」などの情報を当該画面に提示してもよい。また、端末装置１０は、兆候表示画面２２０３において、サーバ２０が学習済みモデル情報データベース２０２４を参照し、過去の類似した症例における変異の状況などから取得した病理画像における変異の可能性などを特定した結果を当該画面に提示してもよい。
Specifically, the
これにより、ユーザは患者の病理画像を含む画像診断のための情報を取得した時点で、ある程度の変異の可能性などの情報を得ることができるため、より適切な治療方針などの決定ができる。 As a result, the user can obtain information such as the possibility of mutation to some extent when the information for image diagnosis including the pathological image of the patient is acquired, so that a more appropriate treatment policy can be determined.
図２３は、取得した患者の病理画像を含む画像診断のための情報に基づいて、各症例の病理診断の担当件数に基づいて、病理診断を担当するユーザの候補を特定する画面例を示す図である。 FIG. 23 is a diagram showing a screen example for identifying a candidate of a user in charge of pathological diagnosis based on the number of cases in charge of pathological diagnosis of each case based on the information for image diagnosis including the acquired pathological image of the patient. Is.
図２３において、担当医候補画面２３０１は、後述する症例リスト２３０２において表示される病理診断が必要な症例の候補に対し、病理診断を担当するユーザの候補の情報を表示する領域である。端末装置１０は、担当医候補画面２３０１において、ユーザの候補として、サーバ２０で各ユーザの当該症例の担当件数に基づいて特定されたユーザを表示する。
In FIG. 23, the
具体的には、氏名「＊＊＊＊」で表示されるユーザは、症例「●●」と症例「□□」を担当した経験があり、症例「●●」は「２回」、症例「□□」は「１回」病理診断を担当した経験があることを示す。担当医候補画面２３０１は、サーバ２０が症例ごとの経験回数に基づいて、病理診断を担当するユーザの候補として優先度を特定し、特定した優先度に基づいて、病理診断を担当するユーザの候補を特定した結果を当該画面に表示してもよい。
Specifically, the user displayed with the name "*****" has experience in charge of the case "●●" and the case "□□", and the case "●●" is "twice" and the case " "□□" indicates that he / she has experience in charge of "once" pathological diagnosis. On the
これにより、端末装置１０または病理診断のタスクをアサインする管理者等は、病理診断の担当者を特定する際に、病理診断を担当するユーザの候補について、症例ごとの経験回数に基づいて、病理診断の担当者を特定することができる。そのため、病理診断のタスクをアサインする管理者等は、病理診断の経験回数の少ないユーザを優先的に特定しアサインすることで、病理診断の経験回数の少ないユーザに対し、病理診断の担当経験を積ませることができる。
As a result, when the
症例リスト２３０２は、図２１における症例リスト２１０２と同様に、病理診断が必要のある症例の候補を示す。
The
図２４は、取得した患者の病理画像を含む画像診断のための情報に基づいて、各症例における、専門知識の要否などに基づいて、病理診断を担当するユーザの候補を特定する画面例を示す図である。 FIG. 24 is a screen example for identifying a candidate of a user in charge of pathological diagnosis based on the necessity of specialized knowledge in each case based on the information for image diagnosis including the acquired pathological image of the patient. It is a figure which shows.
図２４において、担当医候補画面２４０１は、後述する症例リスト２４０２において表示される病理診断が必要な症例の候補に対し、病理診断を担当するユーザの候補の情報を表示する領域である。端末装置１０は、担当医候補画面２４０１において、ユーザの候補として、サーバ２０で各ユーザの当該症例に関連する専門知識を有するユーザの情報に基づいて特定されたユーザを表示する。
In FIG. 24, the
具体的には、端末装置１０は、担当医候補画面２４０１において、サーバ２０がユーザ情報データベース２０２１と症例情報データベース２０２２とを参照し、ユーザの中から、病理診断をするのに専門知識などが必要な症例に対し、当該症例の領域を専門分野とするユーザを担当者として特定した結果を当該画面に提示してもよい。例えば、端末装置１０は、担当医候補画面２４０１において、サーバ２０が上記データベース等を参照し、症例「●●」において、病理診断に当該領域の専門知識が必要である場合には、病理診断を担当するユーザの候補として、氏名「＊＊＊＊」、氏名「＋＋＋＋」など、専門分野が「●●」であるユーザを、病理診断を担当するユーザの候補として特定した結果を当該画面に提示してもよい。
Specifically, in the
これにより、専門外のユーザが専門分野以外の病理診断を行うことを防ぐことができる。また、ある局面において、端末装置１０または病理診断のタスクをアサインする管理者等が、特定の専門分野のユーザのみが情報を閲覧、管理可能などとしている場合でも、他の専門分野のユーザなどが当該情報を閲覧することなどを防ぐことができる。
This makes it possible to prevent a non-specialized user from performing a pathological diagnosis outside the specialized field. Further, in a certain situation, even if the
症例リスト２４０２は、図２３における症例リスト２３０２と同様に、病理診断が必要のある症例の候補を示す。
The
＜５ 変形例＞
本実施形態の変形例について説明する。すなわち、以下のような態様を採用してもよい。
（１）情報処理装置であって、このプログラムが予めインストールされていてもよいし、事後的にインストールされてもよいし、このようなプログラムを外部の非一時的な記憶媒体に記憶させてもよいし、クラウドコンピューティングで動作させてもよい。
（２）ユーザの病理診断を支援するための方法であって、コンピュータを情報処理装置として機能させ、当該情報処理装置に、このプログラムが予めインストールされていてもよいし、事後的にインストールされてもよいし、このようなプログラムを外部の非一時的な記憶媒体に記憶させてもよいし、クラウドコンピューティングで動作させてもよい。
<5 Modification example>
A modified example of this embodiment will be described. That is, the following aspects may be adopted.
(1) It is an information processing device, and this program may be installed in advance, may be installed after the fact, or such a program may be stored in an external non-temporary storage medium. It may be operated by cloud computing.
(2) A method for assisting a user's pathological diagnosis, in which a computer functions as an information processing device, and this program may be pre-installed or post-installed in the information processing device. Such a program may be stored in an external non-temporary storage medium, or may be operated by cloud computing.
＜６ 付記＞
以上の各実施形態で説明した事項を以下に付記する。
<6 Addendum>
The matters described in each of the above embodiments are added below.
（付記１）
コンピュータのプロセッサ２９に、患者の病理画像を含む第１情報を取得するステップと、取得した第１情報に基づいて、病理画像の一部の領域を、病理診断のための第２情報として特定するステップと、特定した第２情報に対応する一部の領域を第１ユーザに提示するステップと、を実行させる、プログラム。
(Appendix 1)
Based on the step of acquiring the first information including the pathological image of the patient and the acquired first information on the
（付記２）
コンピュータは、記憶部２０２に、病理画像について、病理診断のために特定された一部の領域の情報を含む過去の病理画像の診断結果に基づき学習された学習済みモデルを記憶させており、特定するステップにおいて、取得した第１情報と、学習済みモデルとに基づいて、第２情報を特定する、付記１に記載のプログラム。
(Appendix 2)
The computer stores the learned model learned based on the diagnosis result of the past pathological image including the information of a part of the area specified for the pathological diagnosis in the
（付記３）
プログラムは、プロセッサ２９に、さらに、特定するステップにおいて、特定した第２情報と、学習済みモデルとに基づいて、特定された第２情報に関連する過去の診断結果に関する第３情報を特定し、提示するステップにおいて、特定した第３情報を第１ユーザに提示するステップを実行させる、付記２に記載のプログラム。
(Appendix 3)
The program further identifies to the
（付記４）
学習済みモデルは、学習済みモデルの学習用データである診断結果について診断を行ったユーザの情報と関連付けられており、プログラムは、プロセッサ２９に、第１ユーザの情報と、学習済みモデルに関連付けられるユーザの情報とに基づいて、特定するステップにおいて参照する学習済みモデルを特定し、提示するステップにおいて、特定した学習済みモデルに基づいて特定した第２情報または第３情報の少なくともいずれかを提示するステップを実行させる、付記３に記載のプログラム。
(Appendix 4)
The trained model is associated with the information of the user who made a diagnosis about the diagnosis result which is the training data of the trained model, and the program is associated with the information of the first user and the trained model in the
（付記５）
学習済みモデルは、学習済みモデルの学習用データである診断結果について診断を行ったユーザの情報と関連付けられており、提示するステップにおいて、第１ユーザの情報と、学習済みモデルに関連付けられるユーザの情報とに基づいて、参照する学習済みモデルの候補を第１ユーザに提示するステップと、提示される学習済みモデルの候補を指定する入力操作を第１ユーザから受け付けるステップとを実行させる、付記２または３のいずれかに記載のプログラム。
(Appendix 5)
The trained model is associated with the information of the user who diagnosed the diagnosis result which is the training data of the trained model, and in the step of presenting, the information of the first user and the user associated with the trained model Appendix 2 to execute a step of presenting a candidate of the trained model to be referred to to the first user based on the information and a step of accepting an input operation for designating the candidate of the trained model to be presented from the first user. Or the program described in any of 3.
（付記６）
プログラムは、プロセッサ２９に、第１情報に含まれる病理画像と、学習済みモデルとに基づいて、第１ユーザが診断結果に含めるべき内容を第１ユーザに提示するステップを実行させる、付記２から５のいずれかに記載のプログラム。
(Appendix 6)
From Appendix 2, the program causes the
（付記７）
プログラムは、プロセッサ２９に、第１ユーザの作成した診断結果に対し、第１ユーザとは異なる第２ユーザに確認を依頼する入力操作を第１ユーザから受け付け、確認を依頼する入力操作に応答して、確認をする第２ユーザの候補を特定し、特定した第２ユーザの候補を第１ユーザに提示するステップとを実行させる、付記１から６のいずれかに記載のプログラム。
(Appendix 7)
The program receives from the first user an input operation for requesting confirmation from a second user different from the first user for the diagnosis result created by the first user, and responds to the input operation requesting confirmation. The program according to any one of
（付記８）
プロセッサ２９に、さらに、病理画像に含まれる第１情報に基づいて、当該病理画像について病理診断を担当するユーザの候補を特定するステップと、特定されるユーザの候補を提示するステップとを実行させる、付記１から７のいずれかに記載のプログラム。
(Appendix 8)
Further, the
（付記９）
プロセッサ２９に、さらに、病理画像に含まれる第１情報第１ユーザの作成した診断結果と、学習済みモデルとに基づいて、病理画像における特定の兆候を特定するステップと、特定した兆候に基づいて、ユーザに兆候の情報を提示するステップとを実行させる、付記２から８のいずれかに記載のプログラム。
(Appendix 9)
Based on the step of identifying a specific sign in the pathological image and the identified sign based on the diagnostic result created by the first user of the first information included in the pathological image and the trained model on the
（付記１０）
プログラムは、プロセッサ２９に、病理診断を行う各ユーザについて、病理画像に対する診断結果の作成回数に関する情報を取得し、取得した各ユーザの作成回数に関する情報に基づいて、前記病理診断を担当するユーザを特定するステップを実行させる、請求項１から９のいずれかに記載のプログラム。
(Appendix 10)
The program acquires information on the number of times a diagnosis result is created for a pathological image for each user who performs a pathological diagnosis on the
（付記１１）
プログラムは、プロセッサ２９に、病理画像ごとに、病理診断を担当することが可能なユーザの情報を取得し、取得した可能なユーザの情報に基づいて、病理診断を担当する第１ユーザを特定し、特定した第１ユーザの情報を提示するステップを実行させる、付記１から１０のいずれかに記載のプログラム。
(Appendix 11)
The program acquires the information of the user who can be in charge of the pathological diagnosis in the
１ ：システム
１０ ：端末装置
１３ ：入力装置
１４ ：出力装置
１５ ：メモリ
１６ ：記憶部
１９ ：プロセッサ
２０ ：サーバ
２５ ：メモリ
２６ ：ストレージ
２９ ：プロセッサ
８０ ：ネットワーク
１１１ ：アンテナ
１１２ ：アンテナ
１２１ ：第１無線通信部
１２２ ：第２無線通信部
１３０ ：操作受付部
１３１ ：デバイス
１３２ ：ディスプレイ
１４０ ：音声処理部
１４１ ：マイク
１４２ ：スピーカ
１５０ ：位置情報センサ
１６０ ：カメラ
１６１ ：ユーザ情報
１６２ ：症例情報
１６３ ：診断結果情報
１６４ ：学習済みモデル情報
１９１ ：入力操作受付部
１９２ ：送受信部
１９３ ：データ処理部
１９４ ：報知制御部
２０１ ：通信部
２０２ ：記憶部
２０３ ：制御部
２０２１ ：ユーザ情報データベース
２０２２ ：症例情報データベース
２０２３ ：診断結果情報データベース
２０２４ ：学習済みモデル情報データベース
２０３１ ：受信制御モジュール
２０３２ ：送信制御モジュール
２０３３ ：ユーザ情報取得モジュール
２０３４ ：症例情報取得モジュール
２０３５ ：診断結果情報取得モジュール
２０３６ ：学習済みモデル情報参照モジュール
1: System 10: Terminal device 13: Input device 14: Output device 15: Memory 16: Storage unit 19: Processor 20: Server 25: Memory 26: Storage 29: Processor 80: Network 111: Antenna 112: Antenna 121: First Wireless communication unit 122: Second wireless communication unit 130: Operation reception unit 131: Device 132: Display 140: Voice processing unit 141: Microphone 142: Speaker 150: Position information sensor 160: Camera 161: User information 162: Case information 163: Diagnosis result information 164: Learned model information 191: Input operation reception unit 192: Transmission / reception unit 193: Data processing unit 194: Notification control unit 201: Communication unit 202: Storage unit 203: Control unit 2021: User information database 2022: Case information Database 2023: Diagnosis result information database 2024: Learned model information database 2031: Reception control module 2032: Transmission control module 2033: User information acquisition module 2034: Case information acquisition module 2035: Diagnosis result information acquisition module 2036: Learned model information reference module
Claims (13)
前記プログラムは、前記プロセッサに、
患者の病理画像を含む第１情報を取得するステップと、
前記取得した第１情報に基づいて、前記病理画像の一部の領域を、病理診断のための第２情報として特定するステップと、
前記特定した第２情報に対応する前記一部の領域を第１ユーザに提示するステップと、を実行させる、プログラム。 A program run by a computer with a processor
The program is attached to the processor.
The step of acquiring the first information including the pathological image of the patient,
A step of specifying a part of the area of the pathological image as the second information for pathological diagnosis based on the acquired first information, and
A program for executing a step of presenting a part of the area corresponding to the specified second information to a first user.
前記特定するステップにおいて、前記取得した第１情報と、前記学習済みモデルとに基づいて、前記第２情報を特定する、請求項１に記載のプログラム。 The computer stores in the storage unit a trained model learned based on the diagnosis result of the past pathological image including information on a part of the area specified for the pathological diagnosis for the pathological image.
The program according to claim 1, wherein in the specifying step, the second information is specified based on the acquired first information and the trained model.
前記特定するステップにおいて、特定した前記第２情報と、前記学習済みモデルとに基づいて、前記特定された前記第２情報に関連する過去の診断結果に関する第３情報を特定し、
前記提示するステップにおいて、前記特定した第３情報を前記第１ユーザに提示するステップを実行させる、請求項２に記載のプログラム。 The program is applied to the processor and further to the processor.
In the identifying step, based on the identified second information and the trained model, a third piece of information regarding past diagnostic results related to the identified second information is identified.
The program according to claim 2, wherein in the step of presenting, the step of presenting the specified third information to the first user is executed.
前記プログラムは、前記プロセッサに、前記第１ユーザの情報と、前記学習済みモデルに関連付けられるユーザの情報とに基づいて、前記特定するステップにおいて参照する前記学習済みモデルを特定し、
前記提示するステップにおいて、前記特定した学習済みモデルに基づいて特定した前記第２情報または第３情報の少なくともいずれかを提示するステップを実行させる、請求項３に記載のプログラム。 The trained model is associated with information of a user who has made a diagnosis about the diagnosis result, which is training data of the trained model.
The program identifies the trained model to be referenced in the identifying step to the processor based on the information of the first user and the information of the user associated with the trained model.
The program of claim 3, wherein in the presented step, the step of presenting at least one of the second or third information identified based on the identified trained model is performed.
前記提示するステップにおいて、前記第１ユーザの情報と、前記学習済みモデルに関連付けられるユーザの情報とに基づいて、参照する学習済みモデルの候補を前記第１ユーザに提示するステップと、
前記提示される前記学習済みモデルの候補を指定する入力操作を前記第１ユーザから受け付けるステップとを実行させる、請求項２または３のいずれかに記載のプログラム。 The trained model is associated with information of a user who has made a diagnosis about the diagnosis result, which is training data of the trained model.
In the step of presenting, a step of presenting a candidate of a trained model to be referred to to the first user based on the information of the first user and the information of the user associated with the trained model.
The program according to claim 2 or 3, wherein the step of accepting the input operation for designating the presented candidate of the trained model from the first user is executed.
前記第１情報に含まれる前記病理画像と、前記学習済みモデルとに基づいて、前記第１ユーザが診断結果に含めるべき内容を前記第１ユーザに提示するステップを実行させる、請求項２から５のいずれかに記載のプログラム。 The program is attached to the processor.
Claims 2 to 5 for causing the first user to execute a step of presenting the contents to be included in the diagnosis result to the first user based on the pathological image included in the first information and the trained model. The program described in any of.
前記第１ユーザの作成した診断結果に対し、前記第１ユーザとは異なる第２ユーザに確認を依頼する入力操作を前記第１ユーザから受け付け、
前記確認を依頼する入力操作に応答して、前記確認をする前記第２ユーザの候補を特定し、
前記特定した前記第２ユーザの候補を前記第１ユーザに提示するステップとを実行させる、請求項１から６のいずれかに記載のプログラム。 The program is attached to the processor.
An input operation for requesting confirmation from a second user different from the first user for the diagnosis result created by the first user is accepted from the first user.
In response to the input operation requesting the confirmation, the candidate of the second user to confirm is identified.
The program according to any one of claims 1 to 6, wherein the step of presenting the identified candidate for the second user to the first user is executed.
前記特定される前記ユーザの候補を提示するステップとを実行させる、請求項１から７のいずれかに記載のプログラム。 The processor further identifies a candidate user who is in charge of pathological diagnosis for the pathological image based on the first information contained in the pathological image.
The program according to any one of claims 1 to 7, wherein the step of presenting the candidate of the specified user is executed.
前記病理画像に含まれる前記第１情報第１ユーザの作成した診断結果と、前記学習済みモデルとに基づいて、前記病理画像における特定の兆候を特定するステップと、
前記特定した兆候に基づいて、前記ユーザに前記兆候の情報を提示するステップとを実行させる、請求項２から８のいずれかに記載のプログラム。 In addition to the processor
A step of identifying a specific sign in the pathological image based on the diagnosis result created by the first user of the first information included in the pathological image and the learned model.
The program according to any one of claims 2 to 8, wherein the user performs a step of presenting information on the symptom based on the identified symptom.
病理診断を行う各ユーザについて、前記病理画像に対する前記診断結果の作成回数に関する情報を取得し、
前記取得した各ユーザの前記作成回数に関する情報に基づいて、前記病理診断を担当するユーザを特定するステップを実行させる、請求項１から９のいずれかに記載のプログラム。 The program is attached to the processor.
For each user who makes a pathological diagnosis, information on the number of times the diagnosis result is created for the pathological image is acquired.
The program according to any one of claims 1 to 9, wherein the step of identifying the user in charge of the pathological diagnosis is executed based on the acquired information regarding the number of creations of each user.
前記病理画像ごとに、病理診断を担当することが可能なユーザの情報を取得し、
前記取得した前記可能なユーザの情報に基づいて、前記病理診断を担当する第１ユーザを特定し、
前記特定した第１ユーザの情報を提示するステップを実行させる、請求項１から１０のいずれかに記載のプログラム。 The program is attached to the processor.
For each pathological image, information on a user who can be in charge of pathological diagnosis is acquired.
Based on the acquired information of the possible user, the first user in charge of the pathological diagnosis is identified.
The program according to any one of claims 1 to 10, wherein the step of presenting the information of the specified first user is executed.
前記プログラムは、前記プロセッサが、
患者の病理画像を含む第１情報を取得するステップと、
前記取得した第１情報に基づいて、前記病理画像の一部の領域を、病理診断のための第２情報として特定するステップと、
前記特定した第２情報に対応する前記一部の領域を第１ユーザに提示するステップと、を実行する、方法。 A method performed by a computer equipped with a processor,
In the program, the processor
The step of acquiring the first information including the pathological image of the patient,
A step of specifying a part of the area of the pathological image as the second information for pathological diagnosis based on the acquired first information, and
A method of performing a step of presenting a part of the area corresponding to the specified second information to a first user.
患者の病理画像を含む第１情報を取得するステップと、
前記取得した第１情報に基づいて、前記病理画像の一部の領域を、病理診断のための第２情報として特定するステップと、
前記特定した第２情報に対応する前記一部の領域を第１ユーザに提示するステップと、を実行する、情報処理装置。 An information processing device including a control unit, wherein the control unit is
The step of acquiring the first information including the pathological image of the patient,
A step of specifying a part of the area of the pathological image as the second information for pathological diagnosis based on the acquired first information, and
An information processing apparatus that executes a step of presenting a part of the area corresponding to the specified second information to a first user.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2020155866A JP6908806B1 (en) | 2020-09-16 | 2020-09-16 | Programs, information processing equipment, methods |
| JP2021077120A JP2022049647A (en) | 2020-09-16 | 2021-04-30 | Program, information processing device, and method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2020155866A JP6908806B1 (en) | 2020-09-16 | 2020-09-16 | Programs, information processing equipment, methods |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2021077120A Division JP2022049647A (en) | 2020-09-16 | 2021-04-30 | Program, information processing device, and method |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP6908806B1 JP6908806B1 (en) | 2021-07-28 |
| JP2022049586A true JP2022049586A (en) | 2022-03-29 |
Family
ID=76967260
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2020155866A Active JP6908806B1 (en) | 2020-09-16 | 2020-09-16 | Programs, information processing equipment, methods |
| JP2021077120A Pending JP2022049647A (en) | 2020-09-16 | 2021-04-30 | Program, information processing device, and method |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2021077120A Pending JP2022049647A (en) | 2020-09-16 | 2021-04-30 | Program, information processing device, and method |
Country Status (1)
| Country | Link |
|---|---|
| JP (2) | JP6908806B1 (en) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003325458A (en) * | 2002-05-14 | 2003-11-18 | Fuji Photo Film Co Ltd | Disease candidate information output system |
| JP2004286666A (en) * | 2003-03-24 | 2004-10-14 | Olympus Corp | Pathological diagnosis support apparatus and pathological diagnosis support program |
| JP2009009290A (en) * | 2007-06-27 | 2009-01-15 | Kddi Corp | Similar images search device |
| JP2011137780A (en) * | 2010-01-04 | 2011-07-14 | Nec Corp | Image diagnosis method, image diagnosis device, and image diagnosis program |
| JP2011215680A (en) * | 2010-03-31 | 2011-10-27 | Dainippon Screen Mfg Co Ltd | Pathological diagnosis support device, pathological diagnosis support method, control program for pathological diagnosis support, and recording medium with the program recorded thereon |
| JP2012073179A (en) * | 2010-09-29 | 2012-04-12 | Dainippon Screen Mfg Co Ltd | Pathological diagnosis support device, pathological diagnosis support method, control program for pathological diagnosis support and recording medium with control program recorded thereon |
| WO2012105281A1 (en) * | 2011-01-31 | 2012-08-09 | 日本電気株式会社 | Information processing system, information processing method, information processing device and method for control of same, and recording medium storing control program for same |
| WO2012157201A1 (en) * | 2011-05-18 | 2012-11-22 | 日本電気株式会社 | Information processing system, information processing method, information processing device, and control method and control program therefor |
| WO2013175683A1 (en) * | 2012-05-24 | 2013-11-28 | 日本電気株式会社 | Pathological diagnosis results assessment system, pathological diagnosis results assessment method, and pathological diagnosis results assessment device |
| WO2015040990A1 (en) * | 2013-09-19 | 2015-03-26 | 学校法人慶應義塾 | Disease analysis device, control method, and program |
| WO2017110974A1 (en) * | 2015-12-24 | 2017-06-29 | コニカミノルタ株式会社 | Image processing device and program |
| US20190220978A1 (en) * | 2010-07-21 | 2019-07-18 | Tamabo, Inc. | Method for integrating image analysis, longitudinal tracking of a region of interest and updating of a knowledge representation |
| WO2019180848A1 (en) * | 2018-03-20 | 2019-09-26 | 株式会社島津製作所 | Cell image analysis device, cell image analysis system, learning data generation method, learning model generation method, learning data generation program, and learning data production method |
| JP2019533847A (en) * | 2016-08-12 | 2019-11-21 | ヴェリリー ライフ サイエンシズ エルエルシー | Advanced pathological diagnosis |
-
2020
- 2020-09-16 JP JP2020155866A patent/JP6908806B1/en active Active
-
2021
- 2021-04-30 JP JP2021077120A patent/JP2022049647A/en active Pending
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003325458A (en) * | 2002-05-14 | 2003-11-18 | Fuji Photo Film Co Ltd | Disease candidate information output system |
| JP2004286666A (en) * | 2003-03-24 | 2004-10-14 | Olympus Corp | Pathological diagnosis support apparatus and pathological diagnosis support program |
| JP2009009290A (en) * | 2007-06-27 | 2009-01-15 | Kddi Corp | Similar images search device |
| JP2011137780A (en) * | 2010-01-04 | 2011-07-14 | Nec Corp | Image diagnosis method, image diagnosis device, and image diagnosis program |
| JP2011215680A (en) * | 2010-03-31 | 2011-10-27 | Dainippon Screen Mfg Co Ltd | Pathological diagnosis support device, pathological diagnosis support method, control program for pathological diagnosis support, and recording medium with the program recorded thereon |
| US20190220978A1 (en) * | 2010-07-21 | 2019-07-18 | Tamabo, Inc. | Method for integrating image analysis, longitudinal tracking of a region of interest and updating of a knowledge representation |
| JP2012073179A (en) * | 2010-09-29 | 2012-04-12 | Dainippon Screen Mfg Co Ltd | Pathological diagnosis support device, pathological diagnosis support method, control program for pathological diagnosis support and recording medium with control program recorded thereon |
| WO2012105281A1 (en) * | 2011-01-31 | 2012-08-09 | 日本電気株式会社 | Information processing system, information processing method, information processing device and method for control of same, and recording medium storing control program for same |
| WO2012157201A1 (en) * | 2011-05-18 | 2012-11-22 | 日本電気株式会社 | Information processing system, information processing method, information processing device, and control method and control program therefor |
| WO2013175683A1 (en) * | 2012-05-24 | 2013-11-28 | 日本電気株式会社 | Pathological diagnosis results assessment system, pathological diagnosis results assessment method, and pathological diagnosis results assessment device |
| WO2015040990A1 (en) * | 2013-09-19 | 2015-03-26 | 学校法人慶應義塾 | Disease analysis device, control method, and program |
| WO2017110974A1 (en) * | 2015-12-24 | 2017-06-29 | コニカミノルタ株式会社 | Image processing device and program |
| JP2019533847A (en) * | 2016-08-12 | 2019-11-21 | ヴェリリー ライフ サイエンシズ エルエルシー | Advanced pathological diagnosis |
| WO2019180848A1 (en) * | 2018-03-20 | 2019-09-26 | 株式会社島津製作所 | Cell image analysis device, cell image analysis system, learning data generation method, learning model generation method, learning data generation program, and learning data production method |
Also Published As
| Publication number | Publication date |
|---|---|
| JP6908806B1 (en) | 2021-07-28 |
| JP2022049647A (en) | 2022-03-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20200334566A1 (en) | Computer-implemented detection and statistical analysis of errors by healthcare providers | |
| US9378485B2 (en) | Systems and methods for applying geolocation to workflows using mobile medical clients | |
| CN102243692A (en) | Medical conferencing systems and methods | |
| US20190214117A1 (en) | Algorithm, data pipeline, and method to detect inaccuracies in comorbidity documentation | |
| US11881303B2 (en) | Tracking and quality assurance of pathology, radiology and other medical or surgical procedures | |
| US9921795B2 (en) | Mobile device, system and method for medical image displaying using multiple mobile devices | |
| JP7416183B2 (en) | Information processing equipment, medical image display equipment and programs | |
| US20210287783A1 (en) | Methods and systems for a workflow tracker | |
| JP2010039900A (en) | Diagnostic request support device, doctor retrieval device, diagnosis requesting method and image diagnosis management method | |
| CN112582057A (en) | Advanced medical imaging in a distributed setting | |
| Vyas et al. | Smart health systems: emerging trends | |
| Dewey et al. | The Bionic Radiologist: avoiding blurry pictures and providing greater insights | |
| JP6683934B2 (en) | Remote interpretation system, control method thereof, information processing device, and program | |
| JP6908806B1 (en) | Programs, information processing equipment, methods | |
| JP5874524B2 (en) | Medical cooperation system | |
| WO2012005023A1 (en) | Medical image display system and program | |
| US20220181005A1 (en) | Utilizing multi-layer caching systems for storing and delivering images | |
| US20200342984A1 (en) | Tracking and quality assurance of pathology, radiology and other medical or surgical procedures | |
| GB2539561A (en) | Mobile health units | |
| US20170249426A1 (en) | A system and methods for managing healthcare resources | |
| JP6662317B2 (en) | Medical cooperation system | |
| WO2017184176A1 (en) | Systems and methods for providing aggregated customizable clinical decision support information | |
| JP2010152624A (en) | Medical image management system | |
| US20180046760A1 (en) | Data management device and image display system | |
| JP2020518048A (en) | Device, system, and method for determining read environment by integrating downstream needs |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201002 |
|
| A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20201002 |
|
| A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20201111 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20201116 |
|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20210114 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210315 |
|
| 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: 20210326 |
|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20210426 |
|
| R155 | Notification before disposition of declining of application |
Free format text: JAPANESE INTERMEDIATE CODE: R155 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210525 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6908806 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |