JP2022076084A - 診療支援装置 - Google Patents

診療支援装置 Download PDF

Info

Publication number
JP2022076084A
JP2022076084A JP2020186312A JP2020186312A JP2022076084A JP 2022076084 A JP2022076084 A JP 2022076084A JP 2020186312 A JP2020186312 A JP 2020186312A JP 2020186312 A JP2020186312 A JP 2020186312A JP 2022076084 A JP2022076084 A JP 2022076084A
Authority
JP
Japan
Prior art keywords
index
patient
treatment
doctor
support device
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2020186312A
Other languages
English (en)
Inventor
佑介 狩野
Yusuke Karino
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Canon Medical Systems Corp
Original Assignee
Canon Medical Systems Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Canon Medical Systems Corp filed Critical Canon Medical Systems Corp
Priority to JP2020186312A priority Critical patent/JP2022076084A/ja
Priority to US17/451,887 priority patent/US20220148740A1/en
Publication of JP2022076084A publication Critical patent/JP2022076084A/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/60—ICT specially adapted for the handling or processing of medical references relating to pathologies
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4848—Monitoring or testing the effects of treatment, e.g. of medication
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/20—ICT specially adapted for the handling or processing of medical references relating to practices or guidelines
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Bioethics (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

Figure 2022076084000001
【課題】医師と患者とで意見が分かれることを予め防止すること。
【解決手段】本実施形態に係る診療支援装置は、設定部と、取得部と、導出部と、提示部と、を備える。前記設定部は、患者と比較される基準対象を少なくとも１つ設定する。前記取得部は、疾患に対する複数の治療候補それぞれの前記患者への影響を示す指標である第１指標と、前記複数の治療候補それぞれの前記基準対象への影響を示す当該指標である第２指標とを取得する。前記導出部は、前記第２指標に対する、前記複数の治療候補それぞれの前記第１指標の相対指標を導出する。前記提示部は、前記複数の治療候補それぞれの前記相対指標を提示する。
【選択図】図１

Description

本明細書及び図面に開示の実施形態は、診療支援装置に関する。
例えば、患者が病気や予後を充分に受け入れていない場合、医師と患者とで意見が一致しない可能性がある。例えば、患者の疾患を治療しない場合に比べて、投薬治療や手術を行ったほうが予後向上の効果が大きいと医師が考えているのに対して、何年かかって治療しても大して変わらないので、できる限り痛みが少ないほうが良いと患者が考えている場合、医師と患者とで意見が一致しない可能性がある。
特開２０１９－９５９６０号公報
本明細書及び図面に開示の実施形態が解決しようとする課題の一つは、医師と患者とで意見が分かれることを予め防止することである。ただし、本明細書及び図面に開示の実施形態により解決される課題は上記課題に限られない。後述する実施形態に示す各構成による各効果に対応する課題を他の課題として位置づけることもできる。
本実施形態に係る診療支援装置は、設定部と、取得部と、導出部と、提示部と、を備える。前記設定部は、患者と比較される基準対象を少なくとも１つ設定する。前記取得部は、疾患に対する複数の治療候補それぞれの前記患者への影響を示す指標である第１指標と、前記複数の治療候補それぞれの前記基準対象への影響を示す当該指標である第２指標とを取得する。前記導出部は、前記第２指標に対する、前記複数の治療候補それぞれの前記第１指標の相対指標を導出する。前記提示部は、前記複数の治療候補それぞれの前記相対指標を提示する。
図１は、第１の実施形態に係る診療支援装置を含む診療支援システムの構成の一例を示す図である。 図２は、課題を説明するための図である。 図３は、課題を説明するための図である。 図４は、第１の実施形態に係る診療支援装置による処理の手順を示すフローチャートである。 図５は、第１の実施形態において端末に表示される画面の一例を示す図である。 図６は、第１の実施形態において端末に表示される画面の一例を示す図である。 図７は、第１の実施形態において端末に表示される画面の一例を示す図である。 図８は、第１の実施形態において端末に表示される画面の一例を示す図である。 図９は、第２の実施形態に係る診療支援装置による処理を説明するための図である。 図１０Ａは、第２の実施形態において端末に表示される画面の一例を示す図である。 図１０Ｂは、第２の実施形態において端末に表示される画面の一例を示す図である。 図１１Ａは、第２の実施形態において端末に表示される画面の一例を示す図である。 図１１Ｂは、第２の実施形態において端末に表示される画面の一例を示す図である。 図１２Ａは、第２の実施形態において端末に表示される画面の一例を示す図である。 図１２Ｂは、第２の実施形態において端末に表示される画面の一例を示す図である。 図１３Ａは、第２の実施形態において端末に表示される画面の一例を示す図である。 図１３Ｂは、第２の実施形態において端末に表示される画面の一例を示す図である。 図１４Ａは、第２の実施形態において端末に表示される画面の一例を示す図である。 図１４Ｂは、第２の実施形態において端末に表示される画面の一例を示す図である。
（第１の実施形態）
以下、添付図面を参照して、診療支援装置の実施形態を詳細に説明する。なお、以下、診療支援装置を含む診療支援システムを例に挙げて説明する。
図１は、本実施形態に係る診療支援装置１００を含む診療支援システム１の構成の一例を示す図である。図１に示す診療支援システムは、診療支援装置１００と、端末１０とを備える。診療支援装置１００は、端末１０との間で通信を行う。
例えば、端末１０は、ＰＣ（Personal Computer）やタブレット式ＰＣ、ＰＤＡ（Personal Digital Assistant）、携帯端末等を含む。端末１０は、例えば、病院内に設けられ、患者の担当医により用いられる。
診療支援装置１００は、通信インターフェース１１０と、記憶回路１２０と、処理回路１３０とを有する。
通信インターフェース１１０は、処理回路１３０に接続されており、診療支援装置１００と端末１０との間で行われる各種データの伝送及び通信を制御する。
記憶回路１２０は、処理回路１３０に接続されており、各種データを記憶する。例えば、記憶回路１２０は、ＲＡＭ、フラッシュメモリ等の半導体メモリ素子や、ハードディスク、光ディスク等によって実現される。なお、記憶回路１２０は、記憶部の実現手段の一例である。また、記憶回路１２０は、診療支援装置１００がネットワーク上でアクセス可能であれば、診療支援装置１００に内蔵されていなくてもよい。
記憶回路１２０は、複数の患者に対してそれぞれ作成された電子カルテ等からの複数の患者情報を記憶する。複数の患者情報の各々は、当該患者の基本情報と診療データとを含む。基本情報は、患者を識別する識別情報、氏名、生年月日、性別、血液型、身長、体重等を含む。診療データには、数値（計測値）や診療記録等の情報と、それらの記録日時を示す情報とが含まれる。例えば、診療データとしては、処方データ、看護記録データ等が挙げられる。処方データは、処方に関する診療データである。また、看護記録データは、看護記録に関する診療データである。
なお、記憶回路１２０に格納され、実施形態に用いられるデータや情報については、後に説明する。
処理回路１３０は、診療支援装置１００の構成要素を制御する。例えば、処理回路１３０は、図１に示すように、制御機能１３１及び提示機能１３２を実行する。ここで、例えば、処理回路１３０の構成要素である制御機能１３１及び提示機能１３２が実行する各処理機能は、コンピュータによって実行可能なプログラムの形態で記憶回路１２０に記録されている。処理回路１３０は、各プログラムを記憶回路１２０から読み出し、実行することで各プログラムに対応する機能を実現するプロセッサである。換言すると、各プログラムを読み出した状態の処理回路１３０は、図１の処理回路１３０内に示された各機能を有することとなる。
診療支援装置１００には、表示アプリケーション（プログラム）が実装されていて、表示アプリケーションは、端末１０により読み出し可能である。例えば、端末１０の操作者は、当該端末により読み出された表示アプリケーションを用いて、診療支援装置１００から送信される表示データを、当該端末のディスプレイに表示させることができる。なお、制御機能１３１は、設定部、取得部、及び、導出部の一例である。提示機能１３２は、提示部の一例である。
上記説明において用いた「プロセッサ」という文言は、例えば、ＣＰＵ（Central Processing Unit）、ＧＰＵ(Graphics Processing Unit)、特定用途向け集積回路（Application Specific Integrated Circuit：ＡＳＩＣ））、プログラマブル論理デバイス（例えば、単純プログラマブル論理デバイス（Simple Programmable Logic Device：ＳＰＬＤ）、複合プログラマブル論理デバイス（Complex Programmable Logic Device：ＣＰＬＤ）、及びフィールドプログラマブルゲートアレイ（Field Programmable Gate Array：ＦＰＧＡ））等の回路を意味する。プロセッサが例えばＣＰＵである場合、プロセッサは記憶回路１２０に保存されたプログラムを読み出し実行することで機能を実現する。一方、プロセッサが例えばＡＳＩＣである場合、記憶回路１２０にプログラムを保存する代わりに、プロセッサの回路内にプログラムを直接組み込まれる。なお、本実施形態の各プロセッサは、プロセッサごとに単一の回路として構成される場合に限らず、複数の独立した回路を組み合わせて１つのプロセッサとして構成し、その機能を実現するようにしてもよい。さらに、図２における複数の構成要素を１つのプロセッサへ統合してその機能を実現するようにしてもよい。
以上、第１の実施形態に係る診療支援装置１００を含む診療支援システムの全体構成について説明した。このような構成のもと、診療支援装置１００は、医師と患者とで意見が分かれることを予め防止する。
例えば、患者が病気や予後を充分に受け入れていない場合、医師と患者とで意見が一致しない可能性がある。この理由について、行動経済学の代表的理論であるプロスペクト理論の原則である、感応度逓減性と参照点依存性とを根拠として説明できる。感応度逓減性は、損得の絶対値が大きくなるほどその感覚が鈍ってくる、という特徴であり、参照点依存性は、人が損得を判断するにあたって、絶対的な水準よりもある地点からの変化の大きさによって価値を決める、という特徴である。
例えば、患者の疾患を治療しない場合に比べて、投薬治療や手術を行ったほうが予後向上の効果が大きいと医師が考えている場合、医師の視点では、投薬治療や手術を行うことは、手術による痛みや投薬治療の副作用などの損失に見合うだけの価値がある。かかる場合、図２に示すように、医師の視点では、「患者の価値」は、「治療しない」、「投薬」、「手術」の順に高くなる。一方、例えば、１０年は生きられたはずだったのに、それに比べれば半年であろうと１年であろうと何年かかって治療しても大して変わらないので、できる限り痛みが少ないほうが良いと患者が考えている場合、患者の視点では、投薬治療や手術を行う場合に比べて、治療しないほうが良い、という価値観となる。かかる場合、図２に示すように、患者の視点では、「患者の価値」は、「手術」、「投薬」、「治療しない」の順に高くなる。この場合、医師と患者とで意見が一致しない可能性が高い。
また、患者が病気や治療に対して既に苦痛を感じている場合、医師と患者とで意見が一致しない可能性がある。この理由について、行動経済学のプロスペクト理論の原則である、損失回避性と参照点依存性とを根拠として説明できる。損失回避性は、利益を得るよりも損失による苦痛のほうが大きく感じる、という特徴である。
例えば、せっかく今まで治療を続けてきたのだから、ここでリスクの高い治療をして今までの努力を無駄にしたくないと医師が考えている場合、すなわち、医師がリスクを回避した治療を行いたいと考えている場合、医師の視点では、リスクの低い治療を行うことが患者にとっては価値がある。かかる場合、図３に示すように、医師の視点では、「患者の価値」は、「リスクの低い治療」の方が、「リスクの高い治療」より高い。一方、例えば、既に十分苦しんだので、一か八かでもいいので、今までの苦痛に見合う治療効果を得てもよいと患者が考えている場合、すなわち、患者がリスクを好んででも治療効果を得てもよいと考えている場合、患者の視点では、リスクの高い治療を行うことに価値がある。かかる場合、図３に示すように、患者の視点では、「患者の価値」は、「リスクの高い治療」の方が、「リスクの低い治療」より高い。この場合、医師と患者とで意見が一致しない可能性が高い。
このように、医師と患者とで、何に価値を置くかの基準が定まらないため、医師と患者とで感じ方がそれぞれ異なる。このため、医師と患者とで互いの価値観を可能な限り揃える必要がある。
そこで、第１の実施形態に係る診療支援装置１００では、以下の処理を行う。まず、第１の実施形態に係る診療支援装置１００では、制御機能１３１は、患者と比較される基準対象を少なくとも１つ設定する。制御機能１３１は、疾患に対する複数の治療候補それぞれの患者への影響を示す指標である第１指標と、当該複数の治療候補それぞれの基準対象への影響を示す当該指標である第２指標とを取得する。制御機能１３１は、第２指標に対する、複数の治療候補それぞれの第１指標の相対指標を導出する。提示機能１３２は、複数の治療候補それぞれの相対指標を提示する。
以下では、図４～図８を用いて、制御機能１３１及び提示機能１３２の各機能について説明する。図４は、第１の実施形態に係る診療支援装置１００による処理の手順を示すフローチャートである。
図４のステップＳ１０１は、処理回路１３０が記憶回路１２０から制御機能１３１に対応するプログラムを呼び出して実行されるステップである。ステップＳ１０１において、制御機能１３１は、設定処理を実行する。具体的には、制御機能１３１は、患者Ｐと比較される基準対象を少なくとも１つ設定する。
ここで、本実施形態において、例えば、記憶回路１２０には、上述した複数の患者情報の他に、治療影響情報が格納されている。治療影響情報は、特定の個人および特定の集団において、疾患に対する複数の治療方針それぞれの影響に関する情報である。特定の個人は、例えば、患者Ｐに類似した個人を表す。特定の集団は、例えば、患者Ｐと属性が同じ患者群や、該当する疾患に罹患していない個人を含む集団を表す。治療方針としては、例えば、患者Ｐの疾患が大動脈弁狭窄症である場合、手術、カテーテル治療、投薬、治療なし等が挙げられる。また、治療影響情報は、特定の個人および特定の集団における年代や性別などの情報を含む。
まず、設定処理では、制御機能１３１は、疾患に対する複数の治療候補それぞれの患者Ｐへの影響を示す指標の種類を設定する。例えば、患者Ｐの担当医が端末１０を用いて、アウトカムの指定として、指標の種類を指定することにより、制御機能１３１は、指定された指標の種類を設定する。
ここで、患者Ｐと当該患者Ｐの担当医とで互いの価値観を可能な限り揃える必要があるため、ユーザである担当医に応じてアウトカムの指定が行われてもよいし、患者Ｐの希望に応じてアウトカムの指定が行われてもよいし、患者Ｐと担当医との組み合わせに応じて、アウトカムの指定が行われてもよい。
指標の種類としては、生存率、死亡率、生存期間、質調整生存年（ＱＡＬＹ；Quality-adjusted life year）、有害事象発生率、再入院率、ＱＯＬ（quality of life）指標などが挙げられる。また、指標としては、損失に関する指標が用いられても良い。損失に関する指標としては、例えば、副作用、治療費用、治療期間などが挙げられる。ここで、生存率においては、例えば、「３年生存率」の場合には、術後３年経過した集団の中で、３年生存している患者の割合を表す。また、死亡率においては、例えば、「５年死亡率」の場合には、術後５年経過した集団の中で、死亡している患者の割合を表す。なお、生存率においては、基準日を、「手術日」だけでなく、「診断日」、「治療開始日」、「本日（情報提示時点）」などを用いてもよい。
次に、設定処理では、制御機能１３１は、患者Ｐと比較される基準対象を少なくとも１つ設定する。例えば、患者Ｐの担当医が端末１０を用いて、基準対象を指定することにより、制御機能１３１は、指定された基準対象を設定する。ここで、基準対象は、上述した特定の個人、または、上述した特定の集団を意味し、特定の個人および特定の集団における年代や性別などの情報を含む。なお、特定の個人としては、任意に選択された個人も含まれる。また、特定の集団としては、任意に選択された集団や、情報が取得できる全員の集団も含まれる。
図４のステップＳ１０２は、処理回路１３０が記憶回路１２０から制御機能１３１に対応するプログラムを呼び出して実行されるステップである。ステップＳ１０１において、制御機能１３１は、取得処理を実行する。具体的には、制御機能１３１は、疾患に対する複数の治療候補それぞれの患者Ｐへの影響を示す指標と、当該複数の治療候補それぞれの基準対象への影響を示す指標とを取得する。ここで、疾患に対する複数の治療候補それぞれの患者Ｐへの影響を示す指標は、「第１指標」の一例であり、当該複数の治療候補それぞれの基準対象への影響を示す指標は、「第２指標」の一例である。
まず、取得処理では、制御機能１３１は、患者Ｐの担当医が端末１０を用いて指定した指標の種類に基づいて、疾患に対する複数の治療候補それぞれの患者Ｐへの影響を示す指標を治療影響情報から取得する。具体的には、制御機能１３１は、患者Ｐと同じ属性を有する患者群の治療影響情報から、患者Ｐについて、複数の治療候補それぞれの指標を予測する。例えば、制御機能１３１は、患者Ｐについての複数の治療候補それぞれの指標を、統計処理することで予測する、あるいは、機械学習から得られた学習済みモデルを使って予測する。
次に、取得処理では、制御機能１３１は、患者Ｐの担当医が端末１０を用いて指定した基準対象に基づいて、疾患に対する複数の治療候補それぞれの当該基準対象への影響を示す指標を算出する。
図４のステップＳ１０３は、処理回路１３０が記憶回路１２０から制御機能１３１に対応するプログラムを呼び出して実行されるステップである。ステップＳ１０１において、制御機能１３１は、導出処理を実行する。具体的には、制御機能１３１は、基準対象の指標に対する、複数の治療候補それぞれの指標の相対指標を導出する。
例えば、制御機能１３１は、基準対象の指標に対する、複数の治療候補それぞれの指標の値の比率、分散、差分のいずれかを、相対指標として導出する。
なお、制御機能１３１は、患者Ｐに対して適切でない治療候補を除外して、複数の治療候補それぞれの指標の相対指標を導出してもよい。例えば、疾患の投薬治療に用いる薬が、患者Ｐが罹っている基礎疾患で飲んでいる薬との相性が悪い場合は、制御機能１３１は、投薬治療を除外する。この場合、制御機能１３１は、基準対象の指標に対する、複数の治療候補のうち、患者Ｐに対して適切でない治療方針である治療候補を除外して、複数の治療候補それぞれの指標の相対指標を導出する。
図４のステップＳ１０４は、処理回路１３０が記憶回路１２０から提示機能１３２に対応するプログラムを呼び出して実行されるステップである。ステップＳ１０２において、提示機能１３２は、提示処理を実行する。具体的には、提示機能１３２は、複数の治療候補それぞれの相対指標を提示する。
図５～図８は、患者Ｐの担当医の端末１０に表示される画面の一例を示している。例えば、設定処理において、端末１０から指定により、制御機能１３１が、指標の種類として「３年後予測（３年後生存率）」を設定し、基準対象として、疾患に対して「手術」、「カテーテル」（以下、「ＴＡＶＩ」と記載する）、「投薬」等を含む様々な標準的な治療を行った患者群「治療あり」と、該当する疾患に対して治療を行わなかった患者群「治療なし」との２つの集団を設定したとする。患者群「治療なし」とは、例えば、経過観察（フォローアップ）のみの患者である。この場合、取得処理において、制御機能１３１は、疾患に対する複数の治療候補「手術」、「ＴＡＶＩ」、「投薬」それぞれの患者Ｐへの影響を示す指標「３年後予測」を予測する。また、制御機能１３１は、基準対象の指標を算出する。
ここで、例えば、制御機能１３１は、相対指標として、基準対象の指標に対する複数の治療候補「手術」、「ＴＡＶＩ」、「投薬」それぞれの指標の値の比率を導出する。指標値を比率で導出するとの指定は、患者Ｐの担当医が端末１０を操作することで行われる。このとき、提示機能１３２は、複数の治療候補「手術」、「ＴＡＶＩ」、「投薬」それぞれの相対指標として、図５に示す画面を端末１０のディスプレイに表示させる。
図５に示す画面には、指標「３年後予測」では、治療を行った患者群「治療あり」は、１００人中、７７人が生存していて、治療を行わなかった患者群「治療なし」は、１００人中、２３人が生存していることが表示される。また、図５に示す画面には、「治療なし」の３年生存率を０％とし、「治療あり」の３年生存率を１００％とした場合の患者Ｐの相対指標として、「手術」、「ＴＡＶＩ」、「投薬」それぞれで予測された指標の代表値（平均値、中央値など）の相対比率「６０％」、「９３％」、「４８％」が表示される。図５に示す画面では、例えば、３年後を考慮して疾患に対して治療を行った際には、生存している可能性が高く、治療を行う場合にはカテーテル治療が有効である可能性が高いことがわかる。この場合、例えば、手術等の治療を行う場合に比べて、治療しないほうが良いと思っている患者Ｐが、図５に示す画面を見たときに、カテーテル治療の効果を確認することにより、投薬治療や手術を行うことは、手術による痛みや投薬治療の副作用などの損失に見合うだけの価値があると思っている医師と感じ方を共有できる可能性がある。すなわち、利得・損失に関する感応度を医師と患者Ｐとで共有させることで、医師と患者Ｐとで意見が一致する可能性がある。
また、例えば、制御機能１３１は、相対指標として、基準対象の指標に対する複数の治療候補「手術」、「ＴＡＶＩ」、「投薬」それぞれの指標の値の分散を導出する。指標値を分散で導出するとの指定は、患者Ｐの担当医が端末１０を操作することで行われる。このとき、提示機能１３２は、複数の治療候補「手術」、「ＴＡＶＩ」、「投薬」それぞれの相対指標として、図６に示す画面を端末１０のディスプレイに表示させる。
この場合、図６に示す画面には、相対指標として、基準対象の指標に対する複数の治療候補「手術」、「ＴＡＶＩ」、「投薬」それぞれの指標の値の分散が表示される。図６に示す画面では、「治療なし」の３年生存率を０％とし、「治療あり」の３年生存率を１００％とした場合、「治療あり」の３年生存率「１００％」に対して、患者Ｐに「手術」を行った場合に予測される３年生存率が「３８～１１２％」の範囲にあることを示している。同様に図６に示す画面では、「治療あり」の３年生存率「１００％」に対して、患者Ｐに「ＴＡＶＩ」を行った場合に予測される３年生存率が「５０～９３％」の範囲にあることを示している。同様に図６に示す画面では、「治療あり」の３年生存率「１００％」に対して、患者Ｐに「投薬」を行った場合に予測される３年生存率が「４６～６７％」の範囲にあることを示している。かかる場合、「ＴＡＶＩ」、「投薬」においては、１００％を下回る領域にしか効果が確認できない。一方、「手術」においては、効果に大きなバラつきがあるが、１００％を超える領域から１００％を下回る領域にかけて効果を確認できる。この場合、例えば、リスクの低い治療に価値があると思っている患者Ｐが、図６に示す画面を見たときに、手術を希望する可能性があり、医師と患者Ｐとで意見が一致する可能性がある。
また、基準対象は１つだけでもよく、相対は、比率でなく、差分でもよい。具体的には、設定処理において、端末１０から指定により、制御機能１３１が、指標の種類として「３年後予測」を設定し、基準対象として、疾患に対して何らかの標準的な治療を行った患者群「治療あり」だけを設定したとする。例えば、制御機能１３１は、相対指標として、基準対象の指標に対する複数の治療候補「手術」、「ＴＡＶＩ」、「投薬」それぞれの指標の値の差分を導出する。指標値を差分で導出するとの指定は、患者Ｐの担当医が端末１０を操作することで行われる。このとき、提示機能１３２は、複数の治療候補「手術」、「ＴＡＶＩ」、「投薬」それぞれの相対指標として、図７に示す画面を端末１０のディスプレイに表示させる。
図７に示す画面には、相対指標として、基準対象の指標に対する複数の治療候補「手術」、「ＴＡＶＩ」、「投薬」それぞれの指標の値の差分「－９人」、「＋５人」、「－１２人」が表示される。図７に示す画面では、「治療あり」の集団で平均すると３年後は「１００人中７７人が生存」となる場合、患者Ｐに「手術」を行った場合の予測指標が「１００人中６８人生存」であることから「－９人」が表示される。同様に、図７に示す画面では、患者Ｐに「ＴＡＶＩ」を行った場合の予測指標が「１００人中８２人生存」であることから「＋５人」が表示される。同様に、図７に示す画面では、患者Ｐに「投薬」を行った場合の予測指標が「１００人中６５人生存」であることから「－１２人」が表示される。この場合、利得・損失に関する感応度を最大化させることで、例えば、平均より治療効果が高い治療に価値があると思っている患者Ｐには有効であり、医師と患者Ｐとで意見が一致する可能性がある。
制御機能１３１は、指標について、時間的なパラメータを設定することができる。具体的には、制御機能１３１は、指標の種類の変更を受け付けると、変更後の種類の指標を取得する。例えば、図７の「３年後予測」の差分を表示している状態で、端末１０からの設定により、「基準日」が「診断日」から「診断２年後」に変更されると、指標は、「３年後予測」から、「診断２年後」の「１年後予測」に変更される。換言すると、指標は、例えば、３年生存率から、診断から２年後に生存していた集団が、その１年後に生存している確率（２年サバイバーの１年生存率）に変更される。
図８に示す画面には、指標「（２年サバイバーの）１年後予測」では、「同年代」で治療を行った患者群「治療あり」は、１００人中、７７人が生存していることが表示される。図８に示す画面では、「同年代」で「治療あり」の集団で平均すると３年後は「１００人中７７人が生存」となる場合、患者Ｐに「手術」を行った場合の予測指標が「１００人中６４人生存」であることから「－１３人」が表示される。同様に、図８に示す画面では、患者Ｐに「ＴＡＶＩ」を行った場合の予測指標が「１００人中６７人生存」であることから「－１０人」が表示される。同様に、図８に示す画面では、患者Ｐに「投薬」を行った場合の予測指標が「１００人中６１人生存」であることから「－１６人」が表示される。この場合、直近の利得・損失の影響が大きすぎる場合に、その大きさを抑えることで、医師と患者Ｐとで意見が一致する可能性がある。
以上の説明により、第１の実施形態に係る診療支援装置１００では、制御機能１３１は、患者Ｐと比較される基準対象を少なくとも１つ設定し、疾患に対する複数の治療候補それぞれの患者Ｐへの影響を示す指標である第１指標と、当該疾患に対する複数の治療候補それぞれの基準対象への影響を示す当該指標である第２指標とを取得する。そして、制御機能１３１は、第２指標に対する、複数の治療候補それぞれの第１指標の相対指標を導出し、提示機能１３２は、複数の治療候補それぞれの相対指標を提示するため、医師と患者Ｐとで互いの価値観を可能な限り揃えることができる。このため、第１の実施形態に係る診療支援装置１００では、医師と患者Ｐとで意見が分かれることを予め防止することができる。
例えば、行動経済学の代表的理論であるプロスペクト理論から感応度逓減性と参照点依存性とを根拠に説明すると、提示機能１３２が複数の治療候補それぞれの相対指標を患者Ｐと当該患者Ｐの担当医とに提示することにより、投薬治療や手術を行うことは、手術による痛みや投薬治療の副作用などの損失に見合うだけの価値があると思っている医師と、手術等の治療を行う場合に比べて、治療しないほうが良いと思っている患者Ｐとで感じ方を共有できる可能性がある。
また、行動経済学のプロスペクト理論から損失回避性と参照点依存性とを根拠に説明すると、提示機能１３２が複数の治療候補それぞれの相対指標を患者Ｐと当該患者Ｐの担当医とに提示することにより、リスクの低い治療を行うことが患者にとっては価値があると思っている医師と、リスクの高い治療を行うことに価値がある患者とで感じ方を共有できる可能性がある。
このように、利得・損失に関する感応度を医師と患者Ｐとで共有させることで、医師と患者Ｐとで意見が一致する可能性がある。このため、第１の実施形態に係る診療支援装置１００では、基準対象の指標値（基準点）と、患者について複数の治療候補それぞれで予測された指標値とのアウトカムの軸における相対的な位置関係から、患者が納得して医師の提案を受け入れるであろう基準対象と指標の種類とを設定し、その結果を提示する。これにより、第１の実施形態では、医師と患者Ｐとで意見が分かれることを予め防止することができる。
（第２の実施形態）
第２の実施形態に係る診療支援装置１００では、ユーザである医師（患者Ｐの担当医）が選択した治療候補から基準対象となる基準候補対象を絞り込み、基準候補対象から患者Ｐの担当医が選択した基準対象を設定する。
まず、制御機能１３１は、疾患に対する複数の治療候補「手術」、「ＴＡＶＩ」、「投薬」それぞれの患者への影響を示す指標の代表値（平均値、中央値など）やバラつきを、複数の指標について、治療影響情報から取得する。複数の指標としては、「３年後予測（３年後生存率）」、「５年後予測（３年後生存率）」、「２年サバイバー１年後予測（１年後生存率）」等が挙げられる。
次に、制御機能１３１は、各指標について、基準対象の候補を取得する。例えば、複数の基準対象から選択される複数の組み合わせを基準候補対象とする。複数の基準対象としては、疾患に対して「手術」、「ＴＡＶＩ」、「投薬」等の治療を行わなかった患者群「治療なし」や、疾患に対して「手術」、「ＴＡＶＩ」、「投薬」等の治療を行った患者群「治療あり」等が挙げられる。また、複数の基準対象として、「同年代」を基準点とした場合、疾患に対して「同年代」で「手術」、「ＴＡＶＩ」、「投薬」等の治療を行わなかった患者群「同年代治療なし」や、疾患に対して「同年代」で「手術」、「ＴＡＶＩ」、「投薬」等の治療を行った患者群「同年代治療あり」等が挙げられる。
次に、制御機能１３１は、各指標における複数の基準候補対象それぞれについて、相対指標を導出し、図９に示すテーブルを作成する。図９に示すテーブルは、指標の種類ごとに作成される。例えば、指標「３年後予測（３年後生存率）」であり、当該指標の代表値（平均値、中央値など）が指定された場合、図９に示すような相対指標が導出される。例えば、患者群「同年代治療なし」では、「同年代」を基準点としない場合の患者群「治療なし」と比べて、相対指標に差があり、「手術」、「ＴＡＶＩ」、「投薬」の順に高くなる。また、例えば、患者群「同年代治療あり」では、「同年代」を基準点としない場合の患者群「治療あり」に対して、相対指標に差がない。また、例えば、患者群「同年代治療あり」では、「同年代」を基準点としない場合の患者群「治療なし」と比べて、相対指標に差があり、「投薬」、「ＴＡＶＩ」、「手術」の順に高くなる。
次に、提示機能１３２は、図９に示すテーブルを端末１０に表示させることにより、患者Ｐの担当医に提示する。患者Ｐの担当医は、端末１０に表示されたテーブルにより、複数の基準候補対象それぞれの相対指標を参照して、患者Ｐの担当医の目的に合致する基準候補対象を選択する。このとき、制御機能１３１は、患者Ｐの担当医が選択した基準候補対象を基準対象として設定する。
そして、基準対象が設定された場合、第１の実施形態と同様の処理が行われ、提示機能１３２は、患者Ｐの担当医が患者Ｐに見せたい画面を端末１０に表示させる。以下、画面の表示例について説明する。
まず、画面の表示例として、行動経済学のプロスペクト理論から感応度逓減性と参照点依存性とを根拠にした場合の表示例について説明する。
例えば、患者Ｐの担当医が、効果の差を強調した画面を患者Ｐに見せたい場合、患者Ｐの担当医が端末１０を用いて、指標の種類として「１年後予測」を指定し、基準対象として、疾患に対して「手術」、「ＴＡＶＩ」、「投薬」等の治療を行った患者群「治療あり」と、該当する疾患に対して治療を行わなかった患者群「治療なし」との２つの集団を指定したとする。この場合、制御機能１３１は、患者Ｐの担当医の目的に合致する複数の基準候補対象を、基準対象として設定し、複数の基準候補対象それぞれの指標の値を相対指標として導出する。その結果、提示機能１３２は、複数の治療候補「手術」、「ＴＡＶＩ」、「投薬」それぞれの相対指標として、図１０Ａに示す画面を端末１０のディスプレイに表示させる。
図１０Ａに示す画面には、指標「１年後予測」では、治療を行った患者群「治療あり」は、１００人中、７７人が生存していて、治療を行わなかった患者群「治療なし」は、１００人中、２３人が生存していることが表示される。また、図１０Ａに示す画面には、「治療なし」の１年生存率を０％とし、「治療あり」の１年生存率を１００％とした場合の患者Ｐの相対指標として、「手術」、「ＴＡＶＩ」、「投薬」それぞれで予測された指標の代表値（平均値、中央値など）の相対比率「６０％」、「９３％」、「４８％」が表示される。この場合、「ＴＡＶＩ」が有効であることが強調され、例えば、効果の差を重要視している患者Ｐに、図１０Ａに示す画面を見せることにより、医師と患者Ｐとで意見が一致する可能性がある。
一方、例えば、患者Ｐの担当医が、効果の差を強調しない画面を患者Ｐに見せたい場合、患者Ｐの担当医が端末１０を用いて、指標の種類として「１年後予測」を指定し、基準対象として、疾患に対して「手術」、「ＴＡＶＩ」、「投薬」等の治療を行った患者群「治療あり」のうち、患者Ｐと同年代の患者群「同年代」を指定したとする。この場合、制御機能１３１は、患者Ｐの担当医の目的に合致する複数の基準候補対象を、基準対象として設定し、複数の基準候補対象それぞれの指標の値を相対指標として導出する。その結果、提示機能１３２は、複数の治療候補「手術」、「ＴＡＶＩ」、「投薬」それぞれの相対指標として、図１０Ｂに示す画面を端末１０のディスプレイに表示させる。
図１０Ｂに示す画面には、指標「１年後予測」では、同年代で治療を行った患者群「同年代平均」は、１００人中、９７人が生存していて、同年代で治療を行わなかった患者群「同年代治療なし」は、１００人中、１０人が生存していることが表示される。また、図１０Ｂに示す画面には、「同年代治療なし」の１年生存率を０％とし、「同年代平均」の１年生存率を１００％とした場合の患者Ｐの相対指標として、「手術」、「ＴＡＶＩ」、「投薬」それぞれで予測された指標の代表値（平均値、中央値など）の相対比率「５３％」、「６７％」、「４６％」が表示される。この場合、「手術」、「ＴＡＶＩ」、「投薬」に効果に差が強調されていない。
次に、画面の表示例として、行動経済学のプロスペクト理論から損失回避性と参照点依存性とを根拠にした場合の第１の表示例について説明する。
例えば、患者Ｐの担当医が、リスクを回避する画面として、リスクの低い治療を推奨する画面を患者Ｐに見せたい場合、患者Ｐの担当医が端末１０を用いて、指標の種類として「１年後予測」を指定し、基準対象として、疾患に対して「手術」、「ＴＡＶＩ」、「投薬」等の治療を行った患者群「治療あり」と、該当する疾患に対して治療を行わなかった患者群「治療なし」との２つの集団を指定したとする。その結果、提示機能１３２は、複数の治療候補「手術」、「ＴＡＶＩ」、「投薬」それぞれの相対指標として、図１１Ａに示す画面を端末１０のディスプレイに表示させる。
図１１Ａに示す画面には、指標「１年後予測」では、治療を行った患者群「治療あり」は、１００人中、７７人が生存していることが表示される。また、図１１Ａに示す画面には、「治療あり」の７７人生存に対して、患者Ｐに「手術」を行った場合に予測される１年生存率が「－６人～１１人」の範囲にあることを示している。同様に図１１Ａに示す画面では、「治療あり」の７７人生存に対して、患者Ｐに「ＴＡＶＩ」を行った場合に予測される１年生存率が「－３人～８人」の範囲にあることを示している。同様に図１１Ａに示す画面では、「治療あり」の７７人生存に対して、患者Ｐに「投薬」を行った場合に予測される１年生存率が「２人～３人」の範囲にあることを示している。かかる場合、「投薬」においては、１００％を超える領域に効果が確認できる。一方、「手術」、「ＴＡＶＩ」においては、効果に大きなバラつきがあるが、１００％を大きく超える領域から１００％を下回る領域にかけて効果を確認できる。この場合、例えば、リスクの低い治療に価値があると思っている患者Ｐに、図１１Ａに示す画面を見せることにより、医師と患者Ｐとで意見が一致する可能性がある。
一方、例えば、患者Ｐの担当医が、リスクを愛好する画面として、リスクの高い治療を推奨する画面を患者Ｐに見せたい場合、患者Ｐの担当医が端末１０を用いて、指標の種類として「１年後予測」を指定し、基準対象として、疾患に対して「手術」、「ＴＡＶＩ」、「投薬」等の治療を行った患者群「治療あり」のうち、患者Ｐと同年代の患者群を指定したものとする。その結果、提示機能１３２は、複数の治療候補「手術」、「ＴＡＶＩ」、「投薬」それぞれの相対指標として、図１１Ｂに示す画面を端末１０のディスプレイに表示させる。
図１１Ｂに示す画面には、指標「１年後予測」では、同年代で治療を行った患者群「同年代平均」は、１００人中、９７人が生存していることが表示される。また、図１１Ｂに示す画面には、相対指標として、基準対象の指標に対する複数の治療候補「手術」、「ＴＡＶＩ」、「投薬」それぞれの指標の値が表示される。また、図１１Ｂに示す画面には、「同年代平均」の９７人生存に対して、患者Ｐに「手術」を行った場合に予測される１年生存率が「－１６人～５人」の範囲にあることを示している。同様に図１１Ｂに示す画面では、「同年代平均」の９７人生存に対して、患者Ｐに「ＴＡＶＩ」を行った場合に予測される１年生存率が「－１０人～３人」の範囲にあることを示している。同様に図１１Ｂに示す画面では、「同年代平均」の９７人生存に対して、患者Ｐに「投薬」を行った場合に予測される１年生存率が「－６人～－７人」の範囲にあることを示している。かかる場合、「投薬」においては、１００％を下回る領域にしか効果が確認できない。一方、「手術」、「ＴＡＶＩ」においては、効果に大きなバラつきがあるが、１００％を超える領域から１００％を大きく下回る領域にかけて効果を確認できる。この場合、例えば、リスクの高い治療に価値があると思っている患者Ｐに、図１１Ｂに示す画面を見せることにより、医師と患者Ｐとで意見が一致する可能性がある。
また、画面の表示例として、行動経済学のプロスペクト理論から損失回避性と参照点依存性とを根拠にした場合の第２の表示例について説明する。
例えば、患者Ｐの担当医が、行動経済学のプロスペクト理論から損失回避性と参照点依存性とを根拠にして、リスクの少なさを重視する画面を患者Ｐに見せたい場合、患者Ｐの担当医が端末１０を用いて、指標の種類として「１年後予測」を指定し、基準対象として、疾患に対して「手術」、「ＴＡＶＩ」、「投薬」等の治療を行った患者群「治療あり」を指定したとする。その結果、提示機能１３２は、複数の治療候補「手術」、「ＴＡＶＩ」、「投薬」それぞれの相対指標として、図１１Ａの場合と同様に、図１２Ａに示すようなリスクを回避する画面を端末１０のディスプレイに表示させる。この場合、例えば、リスクの低い治療に価値があると思っている患者Ｐに、図１２Ａに示す画面を見せることにより、医師と患者Ｐとで意見が一致する可能性がある。
一方、例えば、患者Ｐの担当医が、効果の大きさを重視する画面を患者Ｐに見せたい場合がある。この場合、例えば、患者Ｐの担当医が端末１０を用いて、指標の種類として「１年後予測」を指定し、基準対象として、疾患に対して「手術」、「ＴＡＶＩ」、「投薬」等の治療を行った患者群「治療あり」のうち、患者Ｐと同年代の患者群と、該当する疾患に対して治療を行わなかった患者群「治療なし」との２つの集団を指定したものとする。また、指標の導出方法として、患者Ｐの担当医の操作により端末１０から、比率が指定されたものとする。その結果、提示機能１３２は、複数の治療候補「手術」、「ＴＡＶＩ」、「投薬」それぞれの相対指標として、図１０Ａの場合と同様に、図１２Ｂに示すような効果の差を強調する画面を端末１０のディスプレイに表示させる。この場合、例えば、効果の差を重要視している患者Ｐに、図１２Ｂに示す画面を見せることにより、医師と患者Ｐとで意見が一致する可能性がある。
例えば、患者Ｐの担当医が、アウトカムを変えて、短期的な効果を重視する画面を患者Ｐに見せたい場合、患者Ｐの担当医が端末１０を用いて、指標の種類として「３年後予測」を指定し、基準対象として、疾患に対して「手術」、「ＴＡＶＩ」、「投薬」等の治療を行った患者群「治療あり」と、該当する疾患に対して治療を行わなかった患者群「治療なし」との２つの集団を指定したものとする。また、指標の導出方法として、患者Ｐの担当医の操作により端末１０から、比率が指定されたものとする。その結果、提示機能１３２は、複数の治療候補「手術」、「ＴＡＶＩ」、「投薬」それぞれの相対指標として、図１３Ａに示すように、３年生存率の効果を表す画面を端末１０のディスプレイに表示させる。この場合、例えば、短期的な効果を重視する患者Ｐに、図１２Ａに示す画面を見せることにより、医師と患者Ｐとで意見が一致する可能性がある。
一方、例えば、患者Ｐの担当医が、アウトカムを変えて、長期的な効果を重視する画面を患者Ｐに見せたい場合がある。この場合、例えば、患者Ｐの担当医が端末１０を用いて、指標の種類として「５年後予測」を指定し、基準対象として、疾患に対して「手術」、「ＴＡＶＩ」、「投薬」等の治療を行った患者群「治療あり」と、該当する疾患に対して治療を行わなかった患者群「治療なし」との２つの集団を指定したものとする。その結果、提示機能１３２は、複数の治療候補「手術」、「ＴＡＶＩ」、「投薬」それぞれの相対指標として、図１３Ｂに示すように、５年生存率の効果を表す画面を端末１０のディスプレイに表示させる。この場合、例えば、長期的な効果を重視する患者Ｐに、図１２Ｂに示す画面を見せることにより、医師と患者Ｐとで意見が一致する可能性がある。
例えば、患者Ｐの担当医が、生存率として「３年生存率」のような全体的な効果を重視する画面を患者Ｐに見せたい場合、患者Ｐの担当医が端末１０を用いて、指標の種類として「３年後予測」を指定し、基準対象として、疾患に対して「手術」、「ＴＡＶＩ」、「投薬」等の治療を行った患者群「治療あり」のうち、患者Ｐと同年代の患者群「同年代」を指定したとする。その結果、提示機能１３２は、複数の治療候補「手術」、「ＴＡＶＩ」、「投薬」それぞれの相対指標として、図１４Ａに示すように、「３年後予測」の効果を表す画面を端末１０のディスプレイに表示させる。この場合、例えば、全体的な効果を重視する患者Ｐに、図１３Ａに示す画面を見せることにより、医師と患者Ｐとで意見が一致する可能性がある。
一方、例えば、患者Ｐの担当医が、生存率として「（２年サバイバーの）１年生存率」のような長期的な効果を重視する画面を患者Ｐに見せたい場合がある。この場合、例えば、患者Ｐの担当医が端末１０を用いて、指標の種類として、診断から２年経過後の「１年後予測」を指定し、基準対象として、疾患に対して「手術」、「ＴＡＶＩ」、「投薬」等の治療を行った患者群「治療あり」のうち、患者Ｐと同年代の患者群を指定したとする。その結果、提示機能１３２は、複数の治療候補「手術」、「ＴＡＶＩ」、「投薬」それぞれの相対指標として、図１４Ｂに示すように、診断から２年経過後の「１年後予測」の効果を表す画面を端末１０のディスプレイに表示させる。この場合、例えば、長期的な効果を重視する患者Ｐに、図１３Ｂに示す画面を見せることにより、医師と患者Ｐとで意見が一致する可能性がある。
以上の説明により、第２の実施形態に係る診療支援装置１００では、患者Ｐの担当医が選択した治療候補から基準対象となる基準候補対象を絞り込み、基準候補対象から患者Ｐの担当医が選択した基準対象を設定することにより、医師と患者Ｐとで互いの価値観を可能な限り揃えることができるため、医師と患者Ｐとで意見が分かれることを予め防止することができる。
ここで、第２の実施形態に係る診療支援装置１００では、図９に示すテーブルを患者Ｐの担当医に提示させて、制御機能１３１は、図９に示すテーブル内の複数の基準候補対象それぞれの相対指標の中から、患者Ｐの担当医が選択した基準候補対象を基準対象として設定しているが、これに限定されない。
例えば、制御機能１３１は、「どの治療候補も同じ程度の相対指標で提示したい」等の医師の要望を受け付けて、図９に示すテーブル内の複数の基準候補対象それぞれの相対指標の中から、当該要望に合致する基準候補対象を選択し、選択した基準候補対象を基準対象として設定してもよい。
具体的には、例えば、患者Ｐの担当医が、患者Ｐの手術が最優先であると考えている場合、その旨を表す情報を端末１０により指定し、制御機能１３１は、図９に示すテーブル内の複数の基準候補対象それぞれの相対指標から、端末１０により指定された情報に応じた基準候補対象と指標の種別とを選択する。例えば、制御機能１３１は、指標の種類として「１年後予測」を選択し、基準対象として、疾患Ｐに対して「手術」、「ＴＡＶＩ」、「投薬」等の治療を行った患者群「治療あり」と、該当する疾患に対して治療を行わなかった患者群「治療なし」との２つの集団を選択したとする。この場合、制御機能１３１は、選択した基準候補対象を基準対象として設定し、複数の基準候補対象それぞれの指標の値を相対指標として導出する。その結果、提示機能１３２は、複数の治療候補「手術」、「ＴＡＶＩ」、「投薬」それぞれの相対指標として、手術の実施が有効であることが強調された画面を端末１０に表示させることにより、患者Ｐと当該患者Ｐの担当医とに提示する。この場合、手術を受けるのが消極的である患者Ｐに、手術が有効であることが強調された画面を見せることにより、医師と患者Ｐとで意見が一致する可能性がある。
例えば、患者Ｐの担当医が、子供や高齢者などの体力的に不安がある患者Ｐに対して投薬治療が有効であると考えている場合、その旨を表す情報を端末１０により指定し、制御機能１３１は、図９に示すテーブル内の複数の基準候補対象それぞれの相対指標の中から、端末１０により指定された情報に応じた基準対象と指標の種別とを選択する。例えば、制御機能１３１は、指標の種類として「１年後予測」を選択し、基準対象として、疾患に対して「手術」、「ＴＡＶＩ」、「投薬」等の治療を行った患者群「治療あり」のうち、患者Ｐと同年代の患者群「同年代」を選択したとする。この場合、制御機能１３１は、選択した基準候補対象を基準対象として設定し、複数の基準候補対象それぞれの指標の値を相対指標として導出する。その結果、提示機能１３２は、複数の治療候補「手術」、「ＴＡＶＩ」、「投薬」それぞれの相対指標として、投薬が有効であることが強調された画面を端末１０に表示させることにより、患者Ｐと当該患者Ｐの担当医とに提示する。この場合、体力的に不安があるにも関わらず、手術を望む患者Ｐに、投薬が有効であることが強調された画面を見せることにより、医師と患者Ｐとで意見が一致する可能性がある。
あるいは、例えば、制御機能１３１は、ユーザである医師（患者Ｐの担当医）や当該医師が所属するチームの傾向から、基準対象と指標の種別とを自動で選択してもよい。
具体的には、例えば、制御機能１３１は、ユーザが選択した過去の履歴を参照して、患者の属性として、ユーザが手術を選ぶ傾向にある場合、図９に示すテーブル内の複数の基準候補対象それぞれの相対指標の中から、基準候補対象と指標の種別とを自動的に選択する。例えば、制御機能１３１は、指標の種類として「１年後予測」を選択し、基準対象として、疾患に対して「手術」、「ＴＡＶＩ」、「投薬」等の治療を行った患者群「治療あり」を自動で選択する。その結果、提示機能１３２は、例えば、図１１Ａに示すような、手術が有効であることが強調された画面を端末１０に表示させる。この場合、手術の実施が有効であることが強調された画面を患者Ｐに見せることにより、医師と患者Ｐとで意見が一致する可能性がある。
ここで、上述した自動選択の場合では、制御機能１３１は、医師（又は、当該医師が所属するチーム）に応じて基準対象を設定しているが、患者に応じて基準対象を設定しても良いし、医師と患者との組み合わせに応じて基準対象を設定しても良い。
なお、本実施形態で図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。さらに、各装置にて行われる各処理機能は、その全部または任意の一部が、ＣＰＵおよび当該ＣＰＵにて解析実行されるプログラムにて実現され、或いは、ワイヤードロジックによるハードウェアとして実現され得る。
また、本実施形態で説明した方法は、予め用意されたプログラムをパーソナルコンピュータやワークステーション等のコンピュータで実行することによって実現することができる。このプログラムは、インターネット等のネットワークを介して配布することができる。また、このプログラムは、ハードディスク、フレキシブルディスク（ＦＤ）、ＣＤ－ＲＯＭ、ＭＯ、ＤＶＤ等のコンピュータで読み取り可能な非一時的な記録媒体に記録され、コンピュータによって記録媒体から読み出されることによって実行することもできる。
以上説明した少なくとも１つの実施形態によれば、医師と患者とで意見が分かれることを予め防止することができる。
いくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更、実施形態同士の組み合わせを行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。
１００ 診療支援装置
１３１ 制御機能
１３２ 提示機能

Claims (9)

  1. 患者と比較される基準対象を少なくとも１つ設定する設定部と、
    疾患に対する複数の治療候補それぞれの前記患者への影響を示す指標である第１指標と、前記複数の治療候補それぞれの前記基準対象への影響を示す当該指標である第２指標とを取得する取得部と、
    前記第２指標に対する、前記複数の治療候補それぞれの前記第１指標の相対指標を導出する導出部と、
    前記複数の治療候補それぞれの前記相対指標を提示する提示部と、
    を備える診療支援装置。
  2. 前記設定部は、前記指標の種類を設定する、
    請求項１に記載の診療支援装置。
  3. 前記導出部は、前記第２指標の値に対する、前記複数の治療候補それぞれの前記第１指標の値の比率、分散、差分のいずれかを、前記相対指標として導出する、
    請求項１又は２に記載の診療支援装置。
  4. 前記設定部は、前記指標について、時間的なパラメータを設定する、
    請求項１～３のいずれか一項に記載の診療支援装置。
  5. 前記取得部は、前記設定部が前記指標の種類の変更を受け付けると、変更後の種類の指標を取得し、
    前記導出部は、変更後の種類の指標について、前記相対指標を導出する、
    請求項１～４のいずれか一項に記載の診療支援装置。
  6. 前記導出部は、複数の基準対象から選択される複数の組み合わせを基準候補対象とし、複数の前記基準候補対象それぞれについて、前記相対指標を導出し、
    前記設定部は、ユーザの目的に合致する基準候補対象を、前記基準対象として設定する、
    請求項１～５のいずれか一項に記載の診療支援装置。
  7. 前記提示部は、前記複数の基準候補対象それぞれの前記相対指標をユーザに提示し、
    前記設定部は、前記ユーザが選択した基準候補対象を前記基準対象として設定する、
    請求項６に記載の診療支援装置。
  8. 前記設定部は、ユーザ、前記患者、及び、前記ユーザと患者との組み合わせのいずれか１つに応じて、前記基準対象を設定する、
    請求項１～７のいずれか一項に記載の診療支援装置。
  9. 前記導出部は、前記患者に対して適切でない治療候補を除外して、前記複数の治療候補それぞれの前記指標の相対指標を導出する、
    請求項１～８のいずれか一項に記載の診療支援装置。
JP2020186312A 2020-11-09 2020-11-09 診療支援装置 Pending JP2022076084A (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2020186312A JP2022076084A (ja) 2020-11-09 2020-11-09 診療支援装置
US17/451,887 US20220148740A1 (en) 2020-11-09 2021-10-22 Medical treatment support apparatus

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2020186312A JP2022076084A (ja) 2020-11-09 2020-11-09 診療支援装置

Publications (1)

Publication Number Publication Date
JP2022076084A true JP2022076084A (ja) 2022-05-19

Family

ID=81454894

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020186312A Pending JP2022076084A (ja) 2020-11-09 2020-11-09 診療支援装置

Country Status (2)

Country Link
US (1) US20220148740A1 (ja)
JP (1) JP2022076084A (ja)

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8706521B2 (en) * 2010-07-16 2014-04-22 Naresh Ramarajan Treatment related quantitative decision engine
KR102545008B1 (ko) * 2015-10-26 2023-06-20 삼성메디슨 주식회사 초음파 영상 장치 및 그 제어 방법
US11387000B2 (en) * 2016-02-08 2022-07-12 OutcomeMD, Inc. Systems and methods for determining and providing a display of a plurality of wellness scores for patients with regard to a medical condition and/or a medical treatment
US20190005200A1 (en) * 2017-06-28 2019-01-03 General Electric Company Methods and systems for generating a patient digital twin
EP3422223A1 (en) * 2017-06-30 2019-01-02 Koninklijke Philips N.V. Generating a patient care plan
CA3088015A1 (en) * 2018-02-26 2019-08-29 Precisionos Technology Inc. Medical virtual reality, mixed reality or augmented reality surgical system with medical information

Also Published As

Publication number Publication date
US20220148740A1 (en) 2022-05-12

Similar Documents

Publication Publication Date Title
Binenbaum et al. Validation of the postnatal growth and retinopathy of prematurity screening criteria
Agmon et al. Association between 900 steps a day and functional decline in older hospitalized patients
Wong et al. Cerebral white matter lesions, retinopathy, and incident clinical stroke
Koenig et al. Religion, spirituality, and acute care hospitalization and long-term care use by older patients
Shea et al. Retinoschisis: I. Senile type: A clinical report of one hundred seven cases
Gangnon et al. Severity of age-related macular degeneration in 1 eye and the incidence and progression of age-related macular degeneration in the fellow eye: the Beaver Dam Eye Study
Zhang et al. Global, regional, and national epidemiology of diabetes in children from 1990 to 2019
Kim et al. Accuracy and reliability of eye-based vs quadrant-based diagnosis of plus disease in retinopathy of prematurity
JP2021051703A (ja) 診療支援装置及び診療支援プログラム
Derfuss et al. Evaluating the potential benefit of interferon treatment in multiple sclerosis
Forester et al. Behavioral and psychological symptoms—an emerging crisis of the alzheimer dementia epidemic
Gross et al. Interim safety data comparing ranibizumab with panretinal photocoagulation among participants with proliferative diabetic retinopathy
McCollum et al. Peripapillary subretinal neovascularization associated with multiple evanescent white-dot syndrome
Evans et al. Risk of admission to a nursing home among older people with visual impairment in Great Britain
Verhoeff Retinoblastoma: report of a case in a man aged forty-eight
Rysavy et al. Neonatal Intensive Care Unit Resource Use for Infants at 22 Weeks’ Gestation in the US, 2008-2021
Mireskandari et al. Recurrence of retinopathy of prematurity following bevacizumab monotherapy: is it only the tip of the iceberg?
Wachtlin et al. Bilateral vasoproliferative retinal tumors with identical localization in a pair of monozygotic twins
JP2022076084A (ja) 診療支援装置
Small et al. Terminology of MCDR1: what’s in a name?
Morarji et al. An unusual retinal phenotype associated with a mutation in sterol carrier protein SCP2
Bellingrath et al. Optical Coherence Tomography Feature of Retinoschisis in CRB1-Associated Maculopathy
Caplan Evidence and the effective clinical neurologist: the 2009 H. Houston Merritt Lecture
US10950350B2 (en) Skilled nursing facility patient triage system
Moosajee et al. Retinal angiography findings in male infant with incontinentia pigmenti and sickle cell trait

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20231004

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20240305

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20240502