JP2022110425A - 医療情報管理装置及び医療情報管理プログラム - Google Patents

Abstract

【課題】疾患を含まない被写体に対して動態撮影を行うことで得られた動態情報を、後に利用可能とする。【解決手段】医療情報管理装置は、疾患を含まない被写体に対して動態撮影を行うことで得られた動態情報と、疾患を含まない被写体の属性情報とを対応付けて管理する。また、医療情報管理装置は、疾患を含む被写体に対して動態撮影を行うことで得られた動態情報と、疾患を含む被写体の属性情報とを対応付けて管理する。医療情報管理装置は、これらの情報を利用して、診断対象患者に対して動態撮影を行うことで得られた動態情報の正常性又は異常性を判断する。【選択図】図３

Description

本発明は、医療情報管理装置、医療情報のデータ構造及び医療情報管理プログラムに関する。

一般に、患者を過去に放射線撮影した画像と現在の画像とを比較して、病変等の異常を検出する診断方法が用いられている。しかし、診断対象患者について過去の正常症例の画像（以下、正常画像という。）が常にあるわけではないため、正常画像からなる大規模な画像データベースから診断対象患者と正常構造が類似するものを抽出し、抽出された正常画像と診断対象患者の画像（以下、診断対象画像という。）との差分をとった類似差分画像を、診断補助画像として用いる技術が提案されている（特許文献１参照）。ただし、臓器の形状には個人差があり、類似差分画像にアーチファクトが生じてしまうことから、画像データベース内の正常画像と診断対象画像とで臓器の形状が一致する場合に、類似差分画像を生成することとする。

ところで、上述の従来技術は、放射線撮影の静止画に関するものであり、静止画における正常画像の例として、最大呼気位のものが用いられることが知られている。一方、近年では、放射線による動態撮影から得られた動態画像（動態情報）を用いた診断が試みられているが、動態画像において何が正常画像であるかが十分に把握されていないため、動態画像に対しても、静止画における正常画像の知見に基づいた判断が行われている。

特開２０１６－１７４７３５号公報

しかしながら、最大呼気位の画像における臓器や骨等の構造物の形状は、正常画像と疾患を有する患者の画像とで大きな差異が見られない場合があり、静止画における正常画像の知見だけでは、医師が動態画像を用いた診断を十分に行えないという問題がある。

また、動態画像は、静止画に比べて情報量が格段に多いため、診断基準となる正常画像の重要性が高まっている。

また、動態画像は、動画であるため、静止画に比して視聴に時間を要する。動画の全フレームを視聴することになると、医師の確認工数が急増するため、受け入れがたい。そのため、動態においては、静止画以上に、医師の視聴効率化、診断効率化を図る必要がある。これには、動画データを解析し、異常個所の候補をマーク、強調表示等で報知するといった診断サポートが必要とされる。このような診断サポートを目的とした異常個所候補の抽出等には、正常画像が必要となるため、動画においては、静止画に比べて、正常画像の収集がより重要となる。

また、診断対象画像が疾患を含まない場合に、誤って異常と判断してしまうと、患者に対する再撮影が続き、静止画での再撮影に比して被ばく量が相当に増加してしまう。このような無駄な被ばくを防ぐためにも、正常画像を用いた診断が有効である。

本発明は、上記の従来技術における問題に鑑みてなされたものであって、疾患を含まない被写体に対して動態撮影を行うことで得られた動態情報を、後に利用可能とすることを課題とする。

上記課題を解決するために、請求項１に記載の発明は、疾患を含まない被写体に対して動態撮影を行うことで得られた動態情報と、前記被写体の属性情報とを対応付けて管理する管理手段を有すること、を特徴とする医療情報管理装置である。

請求項２に記載の発明は、請求項１に記載の医療情報管理装置において、前記疾患を含まない被写体は、特定組織の疾患を有さない被写体であること、を特徴とする。

請求項３に記載の発明は、請求項２に記載の医療情報管理装置において、前記特定組織は、呼吸器、循環器、整形及び嚥下に関連する組織の少なくとも一つであること、を特徴とする。

請求項４に記載の発明は、請求項１～３のいずれか一項に記載の医療情報管理装置において、前記動態情報は、動態画像を解析することで得られた動き情報を含むこと、を特徴とする。

請求項５に記載の発明は、請求項４に記載の医療情報管理装置において、前記動き情報は、前記被写体の特定組織の動きに関する情報であること、を特徴とする。

請求項６に記載の発明は、請求項１～５のいずれか一項に記載の医療情報管理装置において、前記属性情報は、個人を特定する情報を含まないこと、を特徴とする。

請求項７に記載の発明は、請求項１～６のいずれか一項に記載の医療情報管理装置において、前記動態情報に基づき、第２の被写体に対して動態撮影を行うことで得られた第２の動態情報の正常性又は異常性を判断する判断手段を有すること、を特徴とする。

請求項８に記載の発明は、請求項７に記載の医療情報管理装置において、前記判断手段は、前記動態情報及び前記属性情報に基づき、前記第２の動態情報の正常性又は異常性を判断すること、を特徴とする。

請求項９に記載の発明は、請求項１～６のいずれか一項に記載の医療情報管理装置において、前記管理手段は、疾患を含む第３の被写体に対して動態撮影を行うことで得られた第３の動態情報と、前記第３の被写体の属性情報とを対応付けて管理すること、を特徴とする。

請求項１０に記載の発明は、請求項９に記載の医療情報管理装置において、前記第３の被写体の属性情報は、個人を特定する情報を含まないこと、を特徴とする。

請求項１１に記載の発明は、請求項９又は１０に記載の医療情報管理装置において、前記動態情報の統計データ、前記第３の動態情報の統計データ、及び、第２の被写体に対して動態撮影を行うことで得られた第２の動態情報を出力する出力手段を有すること、を特徴とする。

請求項１２に記載の発明は、請求項１１に記載の医療情報管理装置において、前記出力手段は、前記動態情報の統計データ、前記第３の動態情報の統計データ及び前記第２の動態情報を同一画面上に出力すること、を特徴とする。

請求項１３に記載の発明は、請求項９～１２のいずれか一項に記載の医療情報管理装置において、前記動態情報及び前記第３の動態情報に基づき、第２の被写体に対して動態撮影を行うことで得られた第２の動態情報の正常性又は異常性を判断する判断手段を有すること、を特徴とする。

請求項１４に記載の発明は、請求項１３に記載の医療情報管理装置において、前記判断手段は、前記動態情報、前記属性情報、前記第３の動態情報及び前記第３の被写体の属性情報に基づき、前記第２の動態情報の正常性又は異常性を判断すること、を特徴とする。

請求項１５に記載の発明は、請求項７、８、１３、１４のいずれか一項に記載の医療情報管理装置において、前記判断手段は、統計分析により前記第２の動態情報の正常性又は異常性を判断すること、を特徴とする。

請求項１６に記載の発明は、請求項７、８、１３、１４のいずれか一項に記載の医療情報管理装置において、前記判断手段は、機械学習により前記第２の動態情報の正常性又は異常性を判断すること、を特徴とする。

請求項１７に記載の発明は、請求項７、８、１３、１４のいずれか一項に記載の医療情報管理装置において、前記正常性は、前記第２の動態情報の正常の度合を含み、前記異常性は、前記第２の動態情報の異常の度合を含むこと、を特徴とする。

請求項１８に記載の発明は、動態撮影を行うことで得られた動態情報を処理する動態情報処理装置で用いられる医療情報のデータ構造であって、疾患を含まない被写体に対して動態撮影を行うことで得られた動態情報データと、前記動態情報データと対応付けられた、前記被写体の属性情報データと、を含むこと、を特徴とする。

請求項１９に記載の発明は、コンピューターに、疾患を含まない被写体に対して動態撮影を行うことで得られた動態情報と、前記被写体の属性情報とを対応付けて管理する管理処理を実行させること、を特徴とする医療情報管理プログラムである。

請求項２０に記載の発明は、請求項１９に記載の医療情報管理プログラムにおいて、前記疾患を含まない被写体は、特定組織の疾患を有さない被写体であること、を特徴とする。

請求項２１に記載の発明は、請求項２０に記載の医療情報管理プログラムにおいて、前記特定組織は、呼吸器、循環器、整形及び嚥下に関連する組織の少なくとも一つであること、を特徴とする。

請求項２２に記載の発明は、請求項１９～２１のいずれか一項に記載の医療情報管理プログラムにおいて、前記動態情報は、動態画像を解析することで得られた動き情報を含むこと、を特徴とする。

請求項２３に記載の発明は、請求項２２に記載の医療情報管理プログラムにおいて、前記動き情報は、前記被写体の特定組織の動きに関する情報であること、を特徴とする。

請求項２４に記載の発明は、請求項１９～２３のいずれか一項に記載の医療情報管理プログラムにおいて、前記属性情報は、個人を特定する情報を含まないこと、を特徴とする。

請求項２５に記載の発明は、請求項１９～２４のいずれか一項に記載の医療情報管理プログラムにおいて、前記コンピューターに、前記動態情報に基づき、第２の被写体に対して動態撮影を行うことで得られた第２の動態情報の正常性又は異常性を判断する判断処理を実行させること、を特徴とする。

請求項２６に記載の発明は、請求項２５に記載の医療情報管理プログラムにおいて、前記判断処理では、前記動態情報及び前記属性情報に基づき、前記第２の動態情報の正常性又は異常性を判断すること、を特徴とする。

請求項２７に記載の発明は、請求項１９～２４のいずれか一項に記載の医療情報管理プログラムにおいて、前記管理処理では、疾患を含む第３の被写体に対して動態撮影を行うことで得られた第３の動態情報と、前記第３の被写体の属性情報とを対応付けて管理すること、を特徴とする。

請求項２８に記載の発明は、請求項２７に記載の医療情報管理プログラムにおいて、前記第３の被写体の属性情報は、個人を特定する情報を含まないこと、を特徴とする。

請求項２９に記載の発明は、請求項２７又は２８に記載の医療情報管理プログラムにおいて、前記コンピューターに、前記動態情報の統計データ、前記第３の動態情報の統計データ、及び、第２の被写体に対して動態撮影を行うことで得られた第２の動態情報を出力する出力処理を実行させること、を特徴とする。

請求項３０に記載の発明は、請求項２９に記載の医療情報管理プログラムにおいて、前記出力処理では、前記動態情報の統計データ、前記第３の動態情報の統計データ及び前記第２の動態情報を同一画面上に出力すること、を特徴とする。

請求項３１に記載の発明は、請求項２７～３０のいずれか一項に記載の医療情報管理プログラムにおいて、前記コンピューターに、前記動態情報及び前記第３の動態情報に基づき、第２の被写体に対して動態撮影を行うことで得られた第２の動態情報の正常性又は異常性を判断する判断処理を実行させること、を特徴とする。

請求項３２に記載の発明は、請求項３１に記載の医療情報管理プログラムにおいて、前記判断処理では、前記動態情報、前記属性情報、前記第３の動態情報及び前記第３の被写体の属性情報に基づき、前記第２の動態情報の正常性又は異常性を判断すること、を特徴とする。

請求項３３に記載の発明は、請求項２５、２６、３１、３２のいずれか一項に記載の医療情報管理プログラムにおいて、前記判断処理では、統計分析により前記第２の動態情報の正常性又は異常性を判断すること、を特徴とする。

請求項３４に記載の発明は、請求項２５、２６、３１、３２のいずれか一項に記載の医療情報管理プログラムにおいて、前記判断処理では、機械学習により前記第２の動態情報の正常性又は異常性を判断すること、を特徴とする。

請求項３５に記載の発明は、請求項２５、２６、３１、３２のいずれか一項に記載の医療情報管理プログラムにおいて、前記正常性は、前記第２の動態情報の正常の度合を含み、前記異常性は、前記第２の動態情報の異常の度合を含むこと、を特徴とする。

本発明によれば、疾患を含まない被写体に対して動態撮影を行うことで得られた動態情報を、後に利用可能となる。

本発明の第１の実施の形態における医療情報管理システムの全体構成を示す図である。 医療情報管理装置の機能的構成を示すブロック図である。 症例データベースのデータ構成例を示す図である。 症例データ登録処理を示すフローチャートである。 調査モード処理を示すフローチャートである。 検索結果画面の例である。 比較モード処理を示すフローチャートである。 解析結果画面の例である。 解析結果画面の例である。 本発明の第２の実施の形態において利用する機械学習用データの例である。 患者パラメーター及び診断結果を用いた機械学習処理を示すイメージ図である。 学習済みの識別器を用いて患者パラメーターから診断予測結果を予測する推論処理を示すイメージ図である。 本発明の第３の実施の形態において、正常症例データの患者パラメーターを利用した機械学習により、正常モデルを作成する処理を示す図である。 本発明の第４の実施の形態において、症例データの患者パラメーターを利用した機械学習により、異常であるか否かの判断において重要視される特徴を抽出する処理を示す図である。

以下、図面を参照して、本発明に係る医療情報管理装置、医療情報のデータ構造及び医療情報管理プログラムの実施の形態について説明する。なお、本発明は、図示例に限定されるものではない。

［第１の実施の形態］
（医療情報管理システムの構成）
図１に、本発明の第１の実施の形態における医療情報管理システム１００の全体構成を示す。
図１に示すように、医療情報管理システム１００は、医療情報管理装置１０と、撮影用コンソール２０と、撮影装置３０と、検査装置４０と、電子カルテ装置５０と、医療用画像管理システム９０とを備えて構成されている。医療情報管理装置１０、撮影用コンソール２０、検査装置４０、電子カルテ装置５０、医療用画像管理システム９０は、ＬＡＮ（Local Area Network）等の通信ネットワークＮを介して接続されている。

医療情報管理装置１０は、症例データベース１５２を有し、撮影装置３０により撮影された動態画像等の動態情報と、撮影対象とされた被写体の属性情報とを対応付けて管理している。

撮影用コンソール２０は、放射線照射条件や画像読取条件を撮影装置３０に出力して、撮影装置３０による放射線撮影及び放射線画像の読み取り動作を制御する。

撮影装置３０は、呼吸運動に伴う肺の膨張及び収縮の形態変化、心臓の拍動等の動態を撮影可能な装置である。動態撮影では、被写体に対し、Ｘ線等の放射線をパルス状にして所定時間間隔で繰り返し照射するか（パルス照射）、又は、低線量にして途切れなく継続して照射する（連続照射）ことで、被写体の動態を示す複数の画像を取得する。動態撮影により得られた一連の画像を動態画像と呼ぶ。また、動態画像を構成する複数の画像のそれぞれをフレーム画像と呼ぶ。以下、パルス照射により動態撮影を行う場合を例にして説明する。
動態撮影には動画撮影が含まれるが、動画を表示しながら静止画を撮影するものは含まれない。また、動態画像には動画が含まれるが、動画を表示しながら静止画を撮影して得られた画像は含まれない。

撮影装置３０は、放射線源３１、放射線照射制御装置３２、放射線検出部３３、読取制御装置３４を備える。
放射線源３１は、被写体を挟んで放射線検出部３３と対向する位置に配置され、放射線照射制御装置３２の制御に従って、被写体に対し放射線を照射する。

放射線照射制御装置３２は、撮影用コンソール２０に接続されており、撮影用コンソール２０から入力された放射線照射条件に基づいて放射線源３１を制御して放射線撮影を行う。放射線照射条件には、例えば、パルスレート、パルス幅、パルス間隔、１撮影あたりの撮影フレーム数、管電流、管電圧、付加フィルター種等が含まれる。パルスレートは、１秒あたりの放射線照射回数である。パルス幅は、放射線照射１回あたりの放射線照射時間である。パルス間隔は、１回の放射線照射開始から次の放射線照射開始までの時間である。

放射線検出部３３は、ＦＰＤ（Flat Panel Detector）等の半導体イメージセンサーにより構成される。ＦＰＤは、ガラス基板等を有しており、基板上の所定位置に、放射線源３１から照射されて少なくとも被写体を透過した放射線をその強度に応じて検出し、検出した放射線を電気信号に変換して蓄積する複数の検出素子（画素）がマトリックス状に配列されている。各画素は、ＴＦＴ（Thin Film Transistor）等のスイッチング部を備えて構成されている。

読取制御装置３４は、撮影用コンソール２０に接続されており、撮影用コンソール２０から入力された画像読取条件に基づいて放射線検出部３３の各画素のスイッチング部を制御して、当該各画素に蓄積された電気信号の読み取りをスイッチングしていき、放射線検出部３３に蓄積された電気信号を読み取ることにより、画像データを取得する。この画像データが動態画像の各フレーム画像である。読取制御装置３４は、取得した動態画像を撮影用コンソール２０に出力する。画像読取条件には、例えば、フレームレート、フレーム間隔、画素サイズ、画像サイズ（マトリックスサイズ）等が含まれる。フレームレートは、１秒あたりに取得するフレーム画像数であり、パルスレートと一致している。フレーム間隔は、１回のフレーム画像の取得動作開始から次のフレーム画像の取得動作開始までの時間であり、パルス間隔と一致している。

検査装置４０は、患者に対して呼吸機能検査（ＰＦＴ：Pulmonary Function Test）を行う装置である。呼吸機能検査では、肺活量（ＶＣ）、全肺気量（ＴＬＣ）、機能的残気量（ＦＲＣ）、残気量（ＲＶ）、ＲＶ／ＴＬＣ、予備呼気量（ＥＲＶ）、１秒量（ＦＥＶ１）等が測定される。

電子カルテ装置５０は、各患者についてのカルテ情報を管理する。カルテ情報には、患者に関する患者情報が含まれる。

医療用画像管理システム９０は、各患者についての画像情報を管理する。医療用画像管理システム９０には、患者に関する画像情報が含まれる。

（医療情報管理装置の構成）
図２に、医療情報管理装置１０の機能的構成を示す。
図２に示すように、医療情報管理装置１０は、制御部１１、操作部１２、表示部１３、通信部１４、記憶部１５を備えて構成され、各部はバスにより接続されている。

制御部１１は、ＣＰＵ（Central Processing Unit）、ＲＡＭ（Random Access Memory）等により構成される。制御部１１のＣＰＵは、記憶部１５に記憶されているシステムプログラムや各種処理プログラムを読み出してＲＡＭ内に展開し、展開されたプログラムに従って各種処理を実行する。

操作部１２は、カーソルキー、文字・数字入力キー及び各種機能キー等を備えたキーボードと、マウス等のポインティングデバイスを備えて構成され、キーボードに対するキー操作やマウス操作により入力された指示信号を制御部１１に出力する。また、操作部１２は、表示部１３の表示画面にタッチパネルを備えてもよく、この場合、タッチパネルを介して入力された指示信号を制御部１１に出力する。

表示部１３は、ＬＣＤ（Liquid Crystal Display）等のモニターにより構成され、制御部１１から入力される表示信号の指示に従って、各種画面を表示する。

通信部１４は、ＬＡＮアダプターやモデムやＴＡ（Terminal Adapter）等を備え、通信ネットワークＮに接続された各装置との間のデータ送受信を制御する。

記憶部１５は、不揮発性の半導体メモリーやハードディスク等により構成される。記憶部１５は、制御部１１で実行される医療情報管理プログラム１５１を始めとする各種プログラムやプログラムによる処理の実行に必要なパラメーター、処理結果等のデータを記憶する。また、記憶部１５には、症例データベース１５２が記憶されている。

図３に、症例データベース１５２のデータ構成例を示す。
図３に示すように、症例データベース１５２には、動態情報と、属性情報と、診断結果とが対応付けられて格納されている。症例データベース１５２において、１行分のデータを一つの症例データとして扱う。

動態情報とは、被写体に対して動態撮影を行うことで得られた情報であり、動態画像、動き情報の少なくとも一方を含む。
動態画像は、動態撮影により得られた一連の画像（画像データ）である。症例データベース１５２において、動態画像に代えて、動態画像のファイルの格納場所を示すパス名が対応付けられていてもよい。
動き情報は、動態画像から求められる被写体の組織（例えば、呼吸器、循環器、整形、嚥下に関連する組織）の動きを表す情報である。動き情報には、フレーム画像１枚ごとに求められる位置、フレーム画像間の差から求められる速度、それらの情報から解析的に得られる最大速度やサイズの変化率等の情報が含まれる。動き情報として、例えば、横隔膜速度、肺野面積変化率、気道径狭窄率等、組織の動きを定量化した情報が用いられる。また、動き情報が時系列データである場合には、時間の経過に沿ってグラフ化されていてもよい。

後方肋骨、胸骨、鎖骨、脊椎、横隔膜、胸郭を撮影対象部位とした場合、動き情報として、位置の時系列変化、速度の時系列変化、初期位置からの最大距離、最大・最小速度等が用いられる。
心臓を撮影対象部位とした場合、動き情報として、サイズの時系列変化、信号値濃度の時系列変化、サイズ変化率、信号値濃度変化率等が用いられる。
大動脈弓を撮影対象部位とした場合、動き情報として、信号値濃度の時系列変化、信号値濃度変化率等が用いられる。
気管を撮影対象部位とした場合、動き情報として、気管径サイズの時系列変化、気管径の狭小率等が用いられる。
肺野を撮影対象部位とした場合、動き情報として、肺野サイズの時系列変化、最大・最小肺野面積変化率、信号値濃度変化率等が用いられる。

属性情報は、動態画像の撮影対象とされた被写体の属性を示す情報である。属性情報として、例えば、年齢、性別、身長、体重、ＢＭＩ、人種、喫煙歴等が挙げられる。属性情報は、個人を特定する情報を含まない。個人を特定する情報としては、氏名、住所、電話番号等が挙げられる。
また、属性情報として、呼吸機能検査結果等の検査結果を用いることとしてもよい。呼吸機能検査結果には、肺活量（ＶＣ）、全肺気量（ＴＬＣ）、機能的残気量（ＦＲＣ）、残気量（ＲＶ）、ＲＶ／ＴＬＣ、予備呼気量（ＥＲＶ）、１秒量（ＦＥＶ１）等が含まれる。
また、属性情報として、撮影装置３０における動態画像の撮影時の撮影条件（放射線照射条件、画像読取条件等）を用いることとしてもよい。撮影条件に、撮影日時、部位、撮影方向等が含まれることとしてもよい。

診断結果は、動態情報（動態画像の撮影対象とされた被写体）に対する診断結果であり、正常異常フラグ、診断名を含む。
正常異常フラグは、被写体が疾患を含むか否かを示すフラグであり、被写体が疾患を含まない場合には「正常」、被写体が疾患を含む場合には「異常」となる。
診断名は、正常異常フラグが「異常」の場合、すなわち、被写体が疾患を含む場合の診断名（疾患の名称等）である。正常異常フラグが「正常」の場合には、診断名は「疾患なし」とする。なお、正常異常フラグが「正常」の場合に、診断名を空欄としてもよい。
疾患は、例えば、呼吸器、循環器、整形、嚥下に関する疾患を含む。より具体的には、呼吸器に関する疾患であればＣＯＰＤ（慢性閉塞性肺疾患）や肺炎、循環器であれば心不全や肺塞栓、整形であれば関節症や骨折である。
また、正常異常フラグは全疾患に対する正常異常フラグだけでなく、例えば、呼吸器に関する疾患に対する正常異常フラグや循環器に関する疾患に対する正常異常フラグのように、特定疾患に対する正常異常フラグを追加していってもよい。

症例データベース１５２において、正常異常フラグが「正常」のレコードが正常症例であり、正常異常フラグが「異常」のレコードが異常症例である。

症例データベース１５２は、動態撮影を行うことで得られた動態情報を処理する動態情報処理装置としての医療情報管理装置１０で用いられる医療情報のデータ構造を有する。ここで、処理対象となる動態情報は、診断対象患者の動態画像又は動き情報である。動態情報に対する処理は、診断対象患者の動態画像に対する画像処理だけでなく、表示処理（正常症例データとの同時表示等）、統計分析、推論（機械学習、深層学習）を含む。

統計分析は、処理対象のデータに対して統計的な分析を行う処理であり、平均値、中央値、標準偏差等を算出する処理や、ヒストグラムを作成することでデータの分布を解析する処理等を含む。

推論は、機械学習した結果に基づいて、処理対象のデータから推論結果を導く処理である。症例データベース１５２で管理されている症例データを機械学習に用いることについては、第２の実施の形態以降で説明する。

症例データベース１５２にアクセスすることで、ユーザーは、症例データベース１５２で管理されている症例データを利用することができる。例えば、年齢や性別を指定して横隔膜の動き情報（横隔膜の位置、速度等）を解析したい場合には、検索条件として年齢範囲及び性別を指定して、症例データベース１５２から症例データを抽出する。そして、データ数（抽出された症例数）、平均年齢（抽出された症例データの年齢の平均値）、平均振幅（抽出された症例データの横隔膜振幅の平均値）、平均速度等（抽出された症例データの横隔膜速度の平均値）を算出し、解析結果を表示したり、記録媒体に記憶させたり、外部装置に送信したりする。

制御部１１は、疾患を含まない被写体（例えば、呼吸器に関する組織の動態撮影により動態情報を得る場合、呼吸器以外（例えば整形である腕等）に疾患（例えば骨折）を含んでいてもよい。）に対して動態撮影を行うことで得られた動態情報（以下、「正常動態情報」という。）と、疾患を含まない被写体の属性情報（以下、「正常属性情報」という。）とを対応付けて管理する。すなわち、制御部１１は、管理手段として機能する。
正常動態情報には、予め疾患を含まない被写体であると分かって撮影された場合と、撮影後に動態情報に基づいて疾患を含まないと診断された場合の両方が含まれる。

制御部１１（管理手段）は、さらに、疾患を含む第３の被写体に対して動態撮影を行うことで得られた第３の動態情報（以下、「異常動態情報」という。）と、疾患を含む第３の被写体の属性情報（以下、「異常属性情報」という。）とを対応付けて管理する。
異常動態情報には、予め疾患を含む被写体であると分かって撮影された場合と、撮影後に動態情報に基づいて疾患を含むと診断された場合の両方が含まれる。

制御部１１は、正常動態情報に基づき、第２の被写体（以下、「診断対象患者」という。）に対して動態撮影を行うことで得られた第２の動態情報（以下、「診断対象動態情報」という。）の正常性又は異常性を判断する。すなわち、制御部１１は、判断手段として機能する。

正常性は、診断対象動態情報が正常か否かを示す情報であり、診断対象動態情報の正常の度合を含む。
異常性は、診断対象動態情報が異常か否かを示す情報であり、診断対象動態情報の異常の度合を含む。

例えば、制御部１１は、正常動態情報と診断対象動態情報とを比較し、診断対象動態情報が正常動態情報に近い（差がない）場合には、診断対象動態情報は正常であると判断する。一方、制御部１１は、診断対象動態情報が正常動態情報とは大きく異なる場合には、診断対象動態情報は異常であると判断する。なお、診断対象動態情報と正常動態情報とが近い、異なる等の判断には、所定の閾値等を用いることができる。

制御部１１（判断手段）は、正常動態情報及び正常属性情報に基づき、診断対象動態情報の正常性又は異常性を判断する。具体的には、制御部１１は、診断対象患者の属性情報と同一又は類似の属性情報（正常属性情報）に対応する正常動態情報と、診断対象動態情報とを比較することで、診断対象動態情報の正常性又は異常性を判断する。属性情報における類似の判断には、所定の閾値等を用いることができる。

制御部１１（判断手段）は、正常動態情報及び異常動態情報に基づき、診断対象患者に対して動態撮影を行うことで得られた診断対象動態情報の正常性又は異常性を判断する。

例えば、制御部１１は、正常動態情報及び異常動態情報と、診断対象動態情報とを比較し、診断対象動態情報が異常動態情報より正常動態情報に近い場合には、診断対象動態情報は正常であると判断する。一方、制御部１１は、診断対象動態情報が正常動態情報より異常動態情報に近い場合、又は、正常動態情報から大きく離れている場合には、診断対象動態情報は異常であると判断する。なお、診断対象動態情報と正常動態情報又は異常動態情報とが近い、離れている等の判断には、所定の閾値等を用いることができる。

制御部１１（判断手段）は、正常動態情報、正常属性情報、異常動態情報及び異常属性情報に基づき、診断対象動態情報の正常性又は異常性を判断する。具体的には、制御部１１は、診断対象患者の属性情報と同一又は類似の属性情報（正常属性情報、異常属性情報）に対応する正常動態情報及び異常動態情報と、診断対象動態情報とを比較することで、診断対象動態情報の正常性又は異常性を判断する。

制御部１１（判断手段）は、統計分析により診断対象動態情報の正常性又は異常性を判断する。統計分析には、動き情報の分布（ヒストグラム等）、平均値、中央値、標準偏差等を利用可能である。

制御部１１は、正常動態情報の統計データ、異常動態情報の統計データ、及び、診断対象患者に対して動態撮影を行うことで得られた診断対象動態情報を出力する。すなわち、制御部１１は、出力手段として機能する。
制御部１１（出力手段）は、正常動態情報の統計データ、異常動態情報の統計データ及び診断対象動態情報を同一画面上に出力する。

（医療情報管理装置の動作）
次に、医療情報管理装置１０における動作について説明する。
図４は、医療情報管理装置１０により実行される症例データ登録処理を示すフローチャートである。症例データ登録処理は、正常症例及び異常症例のデータを収集して登録する処理であり、制御部１１のＣＰＵと記憶部１５に記憶されている医療情報管理プログラム１５１との協働によるソフトウェア処理によって実現される。

まず、撮影装置３０において、被写体に対して動態撮影が行われると、医療情報管理装置１０の制御部１１は、通信部１４を介して、撮影用コンソール２０から動態画像を取得する（ステップＳ１）。動態画像は、複数のフレーム画像（例えば、毎秒１５フレーム等）により構成される。

次に、制御部１１は、動態画像において撮影対象とされた被写体に対応する属性情報を取得する（ステップＳ２）。具体的には、制御部１１は、表示部１３に属性情報の入力画面を表示させ、ユーザーの操作部１２からの操作により、属性情報の入力を受け付ける。
なお、制御部１１は、動態画像のファイルに付帯されている付帯情報から属性情報を取得してもよいし、通信部１４を介して、電子カルテ装置５０から被写体に対応する患者情報（属性情報）を取得してもよい。ここで、制御部１１は、取得した情報に、患者の氏名等の個人を特定する情報が含まれている場合には、これを除外する。
また、制御部１１は、被写体に対応する属性情報として、通信部１４を介して、検査装置４０から当該被写体（患者）に対して行われた呼吸機能検査の結果を取得してもよい。

次に、制御部１１は、ステップＳ１で取得した動態画像を解析し、動き情報を算出する（ステップＳ３）。動き情報には、呼吸器、循環器、整形、嚥下に関する動き情報が含まれる。例えば、呼吸器に関する動き情報には、横隔膜速度、肺野面積変化率、気道径狭窄率が含まれる。また、循環器に関する動き情報には、心臓壁の動く速度が含まれる。また、整形に関する動き情報には、膝や肘等の関節の曲げ伸ばしの軌跡（位置変化の情報）や、当該関節を伸ばす速度が含まれる。例えば、制御部１１は、胸部正面を撮影した動態画像（複数のフレーム画像）から横隔膜の位置を検出し、フレーム画像間の横隔膜速度を算出する。また、制御部１１は、一連の動態画像における横隔膜の動きから、横隔膜最大速度を求める。
また、制御部１１は、胸部正面を撮影した動態画像から肺野の位置（領域）を検出し、フレーム画像ごとの肺野面積を算出する。そして、制御部１１は、一連の動態画像における肺野の動きから、肺野面積変化率を算出する。
また、制御部１１は、胸部正面を撮影した動態画像から気道の位置を検出し、フレーム画像ごとの気道径を算出する。そして、制御部１１は、一連の動態画像における気道の動きから、気道径狭窄率を算出する。

次に、制御部１１は、ステップＳ１で取得した動態画像に疾患が含まれているか否かを判断する（ステップＳ４）。具体的には、制御部１１は、表示部１３に診断結果の入力画面を表示させ、ユーザーの操作部１２からの操作により、疾患の有無（正常／異常）、診断名（疾患が含まれている場合）の入力を受け付ける。

動態画像に疾患が含まれていない場合には（ステップＳ４；ＮＯ）、制御部１１は、動態情報（動態画像、動き情報）と、属性情報とを対応付けて、症例データベース１５２に格納し（ステップＳ５）、この症例に対応する診断名は「疾患なし」とする。また、制御部１１は、この症例に対応する正常異常フラグを「正常」とする（ステップＳ６）。

ステップＳ４において、動態画像に疾患が含まれている場合には（ステップＳ４；ＹＥＳ）、制御部１１は、動態情報（動態画像、動き情報）と、属性情報と、診断名（診断結果）とを対応付けて、症例データベース１５２に格納する（ステップＳ７）。また、制御部１１は、この症例に対応する正常異常フラグを「異常」とする（ステップＳ８）。
ステップＳ６又はステップＳ８の後、症例データ登録処理が終了する。

なお、症例データ登録処理では、撮影装置３０において動態撮影が行われたタイミングで、撮影用コンソール２０から動態画像を取得することとしたが（ステップＳ１）、動態画像の取得時期はこれに限定されるものではなく、予め撮影され蓄積されている動態画像を取得することとしてもよい。

図５は、医療情報管理装置１０により実行される調査モード処理を示すフローチャートである。調査モード処理は、診断対象症例とは関係なく、症例データベース１５２に蓄積された症例データを検索・参照する処理であり、制御部１１のＣＰＵと記憶部１５に記憶されている医療情報管理プログラム１５１との協働によるソフトウェア処理によって実現される。

まず、制御部１１は、表示部１３に検索条件の入力画面を表示させ、ユーザーの操作部１２からの操作により、検索条件の入力を受け付ける（ステップＳ１１）。具体的には、検索条件として、「項目」、「属性範囲」、「正常／異常」が入力される。
「項目」は、処理対象とする動き情報の項目である。
「属性範囲」は、検索対象とする症例を絞り込むための属性に係る検索条件である。
「正常／異常」は、検索対象を正常症例のみとするか、異常症例のみとするか、正常症例及び異常症例とするかを示す検索条件である。

次に、制御部１１は、検索条件に合致するデータを、症例データベース１５２から抽出する（ステップＳ１２）。
例えば、検索対象が正常症例のみに限定されている場合には、制御部１１は、症例データベース１５２から、「正常異常フラグ」が「正常」であって、かつ、「属性情報」がステップＳ１１で入力された属性範囲に含まれる症例データを抽出する。
検索対象が正常症例及び異常症例に設定されている場合には、制御部１１は、症例データベース１５２から、「正常異常フラグ」にかかわらず、「属性情報」がステップＳ１１で入力された属性範囲に含まれる症例データを抽出する。

次に、制御部１１は、抽出された症例データに基づいて、処理対象項目についてグラフ化する（ステップＳ１３）。例えば、制御部１１は、横軸に処理対象項目の数値を複数の階級に区分した階級をとり、縦軸に症例数（度数）をとったヒストグラムを作成する。検索対象が正常症例及び異常症例に設定されている場合には、正常症例と異常症例とで色を変える等、区別して、グラフ化する。

次に、制御部１１は、検索結果を表示部１３に表示させる（ステップＳ１４）。
以上で、調査モード処理が終了する。

図６に、表示部１３に表示される検索結果画面１３１の例を示す。
検索結果画面１３１には、検索条件表示領域１３１Ａ、検索結果表示領域１３１Ｂが含まれる。

検索条件表示領域１３１Ａには、モード欄６０、項目欄６１、オプション欄６２が設けられている。
モード欄６０には、ユーザーにより選択されたモードが表示される。検索条件表示領域１３１Ａでは、モード欄６０に、「調査モード」と表示されている。
項目欄６１には、ユーザーにより検索条件として入力された項目が表示される。検索条件表示領域１３１Ａでは、項目欄６１に、「横隔膜最大速度」と表示されている。
オプション欄６２には、ユーザーにより入力された項目以外の検索条件（オプション条件）が表示される。検索条件表示領域１３１Ａでは、オプション欄６２に、「４０代５０代」、「正常」と表示されている。ここでは、年齢が４０代又は５０代である正常症例が検索対象とされる。

検索結果表示領域１３１Ｂには、総データ数欄７０、平均年齢欄７１、平均値欄７２、中央値欄７３、グラフ表示欄８０等が含まれる。
総データ数欄７０には、検索条件に合致した症例の総データ数が表示される。
平均年齢欄７１には、検索条件に合致した症例の平均年齢が表示される。平均年齢欄７１の括弧内の数値は、検索条件に合致した症例の年齢における最小値及び最大値である。 平均値欄７２、中央値欄７３には、それぞれ、検索条件に合致した症例の処理対象項目（横隔膜最大速度）の平均値、中央値が表示される。平均値欄７２、中央値欄７３の括弧内の数値は、検索条件に合致した症例の処理対象項目（横隔膜最大速度）における最小値及び最大値である。

グラフ表示欄８０には、検索条件に合致した症例の処理対象項目（横隔膜最大速度）のヒストグラムが表示される。検索結果表示領域１３１Ｂでは、グラフ表示欄８０に、年齢が４０代又は５０代の正常症例の「横隔膜最大速度」の分布が表示されている。

検索結果表示領域１３１Ｂには、さらに、異常症例追加指示部７４、項目条件変更指示部７５が設けられている。異常症例追加指示部７４、項目条件変更指示部７５は、関連情報へのリンクとなっている。
ユーザーの操作部１２からの操作により、異常症例追加指示部７４が押下されると、検索結果表示領域１３１Ｂに、異常症例も含めた検索結果が表示される。
ユーザーの操作部１２からの操作により、項目条件変更指示部７５が押下されると、検索結果表示領域１３１Ｂに、処理対象項目が「肺野面積変化率」に変更された検索結果が表示される。

図７は、医療情報管理装置１０により実行される比較モード処理を示すフローチャートである。比較モード処理は、症例データベース１５２に蓄積された症例データと比較することで、診断対象症例の正常性・異常性を判断する処理であり、制御部１１のＣＰＵと記憶部１５に記憶されている医療情報管理プログラム１５１との協働によるソフトウェア処理によって実現される。

まず、制御部１１は、表示部１３に検索条件の入力画面を表示させ、ユーザーの操作部１２からの操作により、検索条件の入力を受け付ける（ステップＳ２１）。具体的には、検索条件として、「項目」、「属性範囲」、「正常／異常」が入力される。検索条件については、調査モード処理（図５参照）のステップＳ１１と同様である。
なお、「属性範囲」としては、診断対象症例の属性を含む範囲を指定すればよい。

次に、制御部１１は、表示部１３に診断対象症例に係る動態情報の指定画面を表示させ、ユーザーの操作部１２からの操作により、診断対象動態情報（動態画像又は動き情報）の指定を受け付ける（ステップＳ２２）。ユーザーは、診断対象動態情報として、動態画像そのものを指定してもよいし、処理対象項目（検索条件で入力された項目）に対応する動き情報（数値等）を指定してもよい。診断対象動態情報は、医療情報管理装置１０の記憶部１５又は外部装置に予め用意されていてもよいし、撮影装置３０において撮影された動態画像を撮影用コンソール２０から取得することとしてもよい。

ここで、制御部１１は、指定された診断対象動態情報が動態画像であるか否かを判断する（ステップＳ２３）。

指定された診断対象動態情報が動態画像である場合には（ステップＳ２３；ＹＥＳ）、制御部１１は、診断対象の動態画像を解析し、処理対象項目に対応する値を算出する（ステップＳ２４）。

ステップＳ２４の後、又は、ステップＳ２３において、指定された診断対象動態情報が動態画像でない場合（ステップＳ２３；ＮＯ）、すなわち、診断対象動態情報として、処理対象項目に対応する動き情報が指定された場合には、制御部１１は、検索条件に合致するデータを、症例データベース１５２から抽出する（ステップＳ２５）。
例えば、検索対象が正常症例のみに限定されている場合には、制御部１１は、症例データベース１５２から、「正常異常フラグ」が「正常」であって、かつ、「属性情報」がステップＳ２１で入力された属性範囲に含まれる症例データを抽出する。
検索対象が正常症例及び異常症例に設定されている場合には、制御部１１は、症例データベース１５２から、「正常異常フラグ」にかかわらず、「属性情報」がステップＳ２１で入力された属性範囲に含まれる症例データを抽出する。

次に、制御部１１は、診断対象動態情報の正常性・異常性を判断する（ステップＳ２６）。
例えば、検索対象が正常症例のみに限定されている場合には、制御部１１は、症例データベース１５２から抽出された正常症例データに基づいて、診断対象動態情報の正常性・異常性を判断する。
検索対象が正常症例及び異常症例に設定されている場合には、制御部１１は、症例データベース１５２から抽出された正常症例データ及び異常症例データに基づいて、診断対象動態情報の正常性・異常性を判断する。

診断対象動態情報の正常性・異常性の判断は、正常（疾患を含まない）又は異常（疾患を含む）という判断でもよいし、正常の度合（確率、可能性等）や異常の度合（確率、可能性等）の判断でもよい。また、正常又は異常の度合を数値又はレベルで求めることの他、正常症例及び／又は異常症例の分布の中で、診断対象動態情報がどのあたりに位置するかを認識可能な情報を生成することでもよい。また、制御部１１は、異常（疾患を含む）と判断された場合に、診断名を特定することとしてもよい。

次に、制御部１１は、抽出された症例データに基づいて、処理対象項目についてグラフ化する（ステップＳ２７）。例えば、制御部１１は、横軸に処理対象項目の数値を複数の階級に区分した階級をとり、縦軸に症例数（度数）をとったヒストグラムを作成する。検索対象が正常症例及び異常症例に設定されている場合には、正常症例と異常症例とで色を変える等、区別して、グラフ化する。

次に、制御部１１は、診断対象動態情報の位置をグラフに追加する（ステップＳ２８）。例えば、制御部１１は、グラフ上の診断対象動態情報が属する階級を認識可能な位置にマーク等を付する。

次に、制御部１１は、解析結果を表示部１３に表示させる（ステップＳ２９）。例えば、制御部１１は、正常動態情報の統計データ（正常症例が検索対象に含まれている場合）、異常動態情報の統計データ（異常症例が検索対象に含まれている場合）、診断対象動態情報を表示部１３の同一画面上に表示させる。
以上で、比較モード処理が終了する。

図８に、表示部１３に表示される解析結果画面１３２の例を示す。解析結果画面１３２は、診断対象動態情報として、動き情報（横隔膜最大速度の値）が指定された場合の例である。
解析結果画面１３２には、検索条件表示領域１３２Ａ、解析結果表示領域１３２Ｂが含まれる。

検索条件表示領域１３２Ａには、モード欄６０、項目欄６１、オプション欄６２、診断対象値欄６３が設けられている。
モード欄６０、項目欄６１、オプション欄６２については、検索結果画面１３１（図６参照）と同様である。
検索条件表示領域１３２Ａでは、モード欄６０に、「比較モード」と表示されている。
検索条件表示領域１３２Ａでは、項目欄６１に、「横隔膜最大速度」と表示されている。
検索条件表示領域１３２Ａでは、オプション欄６２に、「４０代５０代」、「正常／異常」と表示されている。ここでは、年齢が４０代又は５０代である正常症例及び異常症例が検索対象とされる。
診断対象値欄６３には、診断対象動態情報として、ユーザーにより指定された動き情報（処理対象項目の値）が表示される。検索条件表示領域１３２Ａでは、診断対象値欄６３に、横隔膜最大速度として「４２．１」という値が表示されている。

解析結果表示領域１３２Ｂには、総データ数欄７０、平均年齢欄７１、平均値欄７２、中央値欄７３、正常異常判断結果欄７６、診断対象値欄７７、グラフ表示欄８０等が含まれる。
総データ数欄７０、平均年齢欄７１、平均値欄７２、中央値欄７３については、検索結果画面１３１（図６参照）と同様である。

正常異常判断結果欄７６には、診断対象値（診断対象動態情報として指定された処理対象項目の値）に対して判断された正常性又は異常性が表示される。ここでは、正常異常判断結果欄７６に、正常の度合として、正常である確率「８６．１％」が表示されている。例えば、診断対象値が属する階級と同じ階級に含まれる全症例数（正常症例数＋異常症例数）に対する正常症例数の割合（％）を、正常である確率とする。

診断対象値欄７７には、診断対象値欄６３と同様、診断対象動態情報として、ユーザーにより指定された動き情報（処理対象項目の値）が表示される。

グラフ表示欄８０には、検索条件に合致した症例の処理対象項目のヒストグラムが表示される。解析結果表示領域１３２Ｂでは、グラフ表示欄８０に、年齢が４０代又は５０代の症例の「横隔膜最大速度」の分布が、正常と異常とに分けられて表示されている。
また、グラフ表示欄８０には、診断対象値として指定された「４２．１」が、ヒストグラム上のどの階級に属するかが星型マーク８１で示されている。

解析結果画面１３２には、正常動態情報の統計データ、異常動態情報の統計データ及び診断対象動態情報が同一画面上に出力されている。
解析結果画面１３２において、正常動態情報の統計データは、グラフ表示欄８０の正常症例のヒストグラムに相当する。正常動態情報の統計データとして、検索条件に合致する症例データのうち、正常症例データの総データ数や、正常症例データのみから算出された処理対象項目の平均値や中央値を出力（表示）することとしてもよい。
解析結果画面１３２において、異常動態情報の統計データは、グラフ表示欄８０の異常症例のヒストグラムに相当する。異常動態情報の統計データとして、検索条件に合致する症例データのうち、異常症例データの総データ数や、異常症例データのみから算出された処理対象項目の平均値や中央値を出力（表示）することとしてもよい。
解析結果画面１３２において、診断対象動態情報は、診断対象値欄７７の値「４２．１」や、グラフ表示欄８０内の星型マーク８１に相当する。

図９に、表示部１３に表示される解析結果画面１３３の例を示す。解析結果画面１３３は、診断対象動態情報として、動態画像が指定された場合の例である。
解析結果画面１３３は、解析結果画面１３２（図８参照）とほぼ同じ構成であるため、解析結果画面１３２と同様の構成については同一の符号を付して説明を省略し、解析結果画面１３２と異なる部分のみについて説明する。
解析結果画面１３３には、検索条件表示領域１３３Ａ、解析結果表示領域１３３Ｂが含まれる。

検索条件表示領域１３３Ａには、検索条件表示領域１３２Ａ（図８参照）の診断対象値欄６３に代えて、診断対象画像入力有無欄６４、診断対象画像欄６５が設けられている。
診断対象画像入力有無欄６４には、診断対象動態情報として動態画像が入力されたか否かが表示される。
診断対象画像欄６５には、診断対象画像入力有無欄６４が「あり」の場合に、ユーザーにより指定された動態画像が表示される。

解析結果表示領域１３３Ｂには、解析結果表示領域１３２Ｂ（図８参照）の診断対象値欄７７に代えて、算出値欄７８が設けられている。
算出値欄７８には、入力画像から算出された処理対象項目の値「４２．１」が表示される。診断対象について処理対象項目の値が算出されていない場合にも、画像を入力することで比較検索が可能となる。
正常異常判断結果欄７６には、入力画像から算出された処理対象項目の値に対して判断された正常性又は異常性が表示される。

また、グラフ表示欄８０には、入力画像から算出された処理対象項目の値が、ヒストグラム上のどの階級に属するかが星型マーク８１で示されている。

解析結果画面１３３においても、正常動態情報の統計データ（グラフ表示欄８０の正常症例のヒストグラム）、異常動態情報の統計データ（グラフ表示欄８０の異常症例のヒストグラム）、及び、診断対象動態情報（算出値欄７８の値、グラフ表示欄８０内の星型マーク８１、診断対象画像欄６５の動態画像）が、同一画面上に出力されている。

以上説明したように、第１の実施の形態によれば、医療情報管理装置１０において、疾患を含まない被写体に対して動態撮影を行うことで得られた動態情報（正常動態情報）と、疾患を含まない被写体の属性情報（正常属性情報）とを対応付けて管理することにより、疾患を含まない被写体に対して動態撮影を行うことで得られた動態情報を、後に利用可能となる。これにより、高精度の診断支援や実臨床に貢献することができる。また、医療従事者の教育や研究にも役立てることができる。

また、属性情報（正常属性情報、異常属性情報）は、個人を特定する情報を含まないので、動態撮影の対象とされた被写体（患者）の個人情報の漏洩を防ぐことができる。

また、正常動態情報が蓄積されているので、正常動態情報に基づいて、第２の被写体（診断対象患者）に対して動態撮影を行うことで得られた第２の動態情報（診断対象動態情報）の正常性又は異常性を判断することができる。
また、正常動態情報と正常属性情報とが対応付けられて蓄積されているので、正常動態情報及び正常属性情報に基づいて、診断対象動態情報の正常性又は異常性を判断することができる。

また、医療情報管理装置１０では、正常動態情報及び正常属性情報に加え、疾患を含む第３の被写体に対して動態撮影を行うことで得られた第３の動態情報（異常動態情報）と、疾患を含む第３の被写体の属性情報（異常属性情報）とを対応付けて管理することにより、正常動態情報及び異常動態情報を、今後の診断等に利用可能となる。

また、正常動態情報及び異常動態情報が蓄積されているので、正常動態情報及び異常動態情報に基づいて、診断対象患者に対して動態撮影を行うことで得られた診断対象動態情報の正常性又は異常性を判断することができる。
また、正常動態情報と正常属性情報、異常動態情報と異常属性情報が対応付けられて蓄積されているので、正常動態情報、正常属性情報、異常動態情報及び異常属性情報に基づいて、診断対象動態情報の正常性又は異常性を判断することができる。

また、ユーザーが処理対象項目（動き情報）や属性を指定することにより、症例データベース１５２から該当する情報のみを抽出し、統計的に表示することができる。
例えば、図８の解析結果画面１３２や図９の解析結果画面１３３に示すように、正常動態情報の統計データ、異常動態情報の統計データ及び診断対象動態情報を出力することができる。正常症例と異常症例とを区別して表示したり、グラフ上で正常範囲及び／又は異常範囲を示したりすることで、健常者と異常者の動態の差異を提供することができる。

なお、診断対象動態情報の正常性又は異常性の判断に、属性情報を使用しない場合には、比較モード処理（図７参照）において、属性情報による限定（ステップＳ２１における属性範囲の入力）をなくし、症例データベース１５２内の全ての属性の症例データを比較対象とすればよい。

また、抽出した統計データを外部に出力することができる。出力する際のデータ形式には、例えば、csvやpdf形式が含まれる。

［第２の実施の形態］
次に、本発明を適用した第２の実施の形態について説明する。
第２の実施の形態における医療情報管理システムは、第１の実施の形態に示した医療情報管理システム１００と同様の構成であるため、その構成については図示及び説明を省略する。以下、第２の実施の形態に特徴的な構成及び処理について説明する。

医療情報管理装置１０は、人工知能（ＡＩ：Artificial Intelligence）を利用して、第２の被写体（診断対象患者）に対して動態撮影を行うことで得られた第２の動態情報（診断対象動態情報）の正常性又は異常性を判断する。

医療情報管理装置１０の制御部１１は、疾患を含まない被写体に対して動態撮影を行うことで得られた動態情報（正常動態情報）、疾患を含まない被写体の属性情報（正常属性情報）、疾患を含む第３の被写体に対して動態撮影を行うことで得られた第３の動態情報（異常動態情報）、及び、疾患を含む第３の被写体の属性情報（異常属性情報）に基づき、診断対象動態情報の正常性又は異常性を判断する。

具体的には、制御部１１は、症例データベース１５２（図３参照）に蓄積された症例データに基づいて、動態情報の正常性又は異常性を判断するための機械学習を行い、学習結果に基づいて、診断対象動態情報の正常性又は異常性を判断する。機械学習及び学習結果の利用は、制御部１１のＣＰＵと記憶部１５に記憶されている医療情報管理プログラム１５１との協働によるソフトウェア処理によって実現される。

医療情報管理装置１０では、症例データベース１５２（図３参照）において、動態情報と、属性情報と、診断結果とが対応付けられているため、図１０に示すように、属性情報及び動態情報から構成される患者パラメーターと、診断結果とが対応付けられていると言える。制御部１１は、この対応関係を利用して、患者パラメーターを入力とし、診断結果を出力として機械学習を行い、診断対象動態情報の正常性又は異常性を判断するための識別器を生成する。制御部１１は、学習済みの識別器を用いて、診断対象動態情報の正常性又は異常性を判断する。

機械学習として、サポートベクターマシーン（ＳＶＭ：Support Vector Machine）、ランダムフォレスト（Random Forest）、ディープラーニング（Deep Learning：深層学習）等を用いることができる。

図１１は、患者パラメーター（入力データ）及び診断結果（正解データ）を用いた機械学習処理を示すイメージ図である。制御部１１は、症例データベース１５２に蓄積されている年齢（属性情報）、性別（属性情報）、喫煙歴（属性情報）、身長（属性情報）、体重（属性情報）、ＢＭＩ（属性情報）、呼吸機能検査結果（属性情報）、肺野面積変化率（動態情報）、気道径狭窄率（動態情報）、横隔膜速度（動態情報）等の患者パラメーターを入力とし、疾患なし（正常）、ＣＯＰＤ、気管支喘息、肺がん、糖尿病等の診断結果を出力として、識別器を生成する。

図１２は、学習済みの識別器を用いて、診断対象とする患者パラメーター（入力データ）から診断予測結果（予測データ）を予測する推論処理を示すイメージ図である。制御部１１は、診断対象患者の属性情報（年齢、性別、喫煙歴、身長、体重、ＢＭＩ、呼吸機能検査結果等）及び動態情報（肺野面積変化率、気道径狭窄率、横隔膜速度等）を、学習済みの識別器に入力し、出力結果（診断予測結果）を得る。制御部１１は、診断予測結果として、疾患なし（正常）、又は、診断名（ＣＯＰＤ、気管支喘息、肺がん、糖尿病等）を出力する。制御部１１は、診断予測結果を表示部１３に表示させる。

以上説明したように、第２の実施の形態によれば、医療情報管理装置１０において管理されている、疾患を含まない被写体に対して動態撮影を行うことで得られた動態情報（正常動態情報）を、後に利用可能となる。
具体的には、症例データベース１５２（図３参照）に蓄積されている、属性情報及び動態情報から構成される患者パラメーターと、診断結果との対応関係を利用して、機械学習を行い、診断対象動態情報の正常性又は異常性を判断するための識別器を生成することができる。この学習済みの識別器を用いることで、任意の患者の診断結果を予測することができる。したがって、医師による疾患の見逃しを防止し、他検査の必要性の検討を支援することができる。

なお、第２の実施の形態において、機械学習により識別器を生成する際の患者パラメーターとして、属性情報を使用しなくてもよい。この場合、制御部１１は、動態情報を入力とし、診断結果を出力として機械学習を行い、識別器を生成する。制御部１１は、学習済みの識別器を用いて、診断対象動態情報を入力して、当該診断対象動態情報の正常性又は異常性を判断する。

［第３の実施の形態］
次に、本発明を適用した第３の実施の形態について説明する。
第３の実施の形態における医療情報管理システムは、第１の実施の形態に示した医療情報管理システム１００と同様の構成であるため、その構成については図示及び説明を省略する。以下、第３の実施の形態に特徴的な構成及び処理について説明する。

第３の実施の形態においても、医療情報管理装置１０は、ＡＩを利用して、第２の被写体（診断対象患者）に対して動態撮影を行うことで得られた第２の動態情報（診断対象動態情報）の正常性又は異常性を判断する。

医療情報管理装置１０の制御部１１は、疾患を含まない被写体に対して動態撮影を行うことで得られた動態情報（正常動態情報）及び疾患を含まない被写体の属性情報（正常属性情報）のみに基づいて、機械学習（サポートベクターマシーン、ランダムフォレスト、ディープラーニング等）により、正常モデルを構築する。機械学習による正常モデルの構築及び正常モデルの利用は、制御部１１のＣＰＵと記憶部１５に記憶されている医療情報管理プログラム１５１との協働によるソフトウェア処理によって実現される。

機械学習に用いる患者パラメーターとして、正常症例（疾患を含まない被写体）に係る属性情報（年齢、性別、喫煙歴、身長、体重、ＢＭＩ、呼吸機能検査結果等）及び動態情報（肺野面積変化率、気道径狭窄率、横隔膜速度等）のデータセットを大量に収集しておく。

第３の実施の形態では、過去の正常症例データを利用して正常モデルを作成し、正常モデルからの逸脱度を算出することで、診断対象動態情報の正常性又は異常性を判断するので、症例データベース１５２に、正常症例データのみが蓄積されていることとする。すなわち、症例データベース１５２に蓄積されている全ての症例データが疾患を含まないもの（正常）であるため、症例データベース１５２において、診断結果（正常異常フラグ、診断名）は不要である。

正常患者のみに着目した場合、患者パラメーターに含まれる各パラメーターは、複雑に関係し合っていると考えられ、以下のような特徴を抽出することができる。
・一貫して変化しないパラメーター
・一貫性がなく、値に変化があるパラメーター
・他のパラメーターと（正負の）相関関係があるパラメーター

図１３に、正常症例データの患者パラメーター（正常属性情報、正常動態情報）を利用した機械学習により、正常モデルを作成する処理を示す。
医療情報管理装置１０の制御部１１は、機械学習を利用して、正常症例における患者パラメーターの特徴を抽出した「正常モデル」を作成する。制御部１１は、「正常モデル」を特徴付ける正常特徴項目を自動的に導出する。例えば、制御部１１は、正常特徴項目１として、身長とＢＭＩとの関係を示す項目を、正常特徴項目２として、喫煙歴と呼吸機能検査結果との関係を示す項目を、正常特徴項目３として、気道径狭窄率と呼吸機能検査結果との関係を示す項目を探し当てる。

制御部１１は、診断対象患者に係る患者パラメーター（属性情報及び動態情報）について、「正常モデル」からの逸脱度を算出することで、診断対象動態情報の正常性と異常性を判断する。
例えば、制御部１１は、正常特徴項目１、２、３、・・・のそれぞれについて、診断対象患者に係る患者パラメーターの「正常モデル」からの逸脱度を算出する。そして、制御部１１は、各正常特徴項目に対応する逸脱度のうち、一つでも所定の閾値より大きいものがある場合に、異常と判断してもよいし、各正常特徴項目を総合的に判断して総合逸脱度を算出し直し、総合逸脱度が所定の閾値より大きい場合に、異常と判断してもよい。正常であるか否か、異常であるか否かの判断方法については、特に限定しない。

また、制御部１１は、診断対象患者に係る患者パラメーターに対して、正常か否かを示す判断結果や、「正常モデル」からの逸脱度等を表示部１３に表示させる。

以上説明したように、第３の実施の形態によれば、医療情報管理装置１０において管理されている、疾患を含まない被写体に対して動態撮影を行うことで得られた動態情報（正常動態情報）を利用して作成した正常モデルからの逸脱度を算出することで、診断対象動態情報の正常性又は異常性を判断することができる。

なお、正常症例データに基づいて、様々な正常特徴項目の相互関係をまとめてＡＩに解析・学習させ、診断対象の患者パラメーターに対する出力として直接正常モデルからの逸脱度（一つの値）を算出することとしてもよい。

また、第３の実施の形態において、機械学習により正常モデルを作成する際の患者パラメーターとして、属性情報を使用しなくてもよい。この場合、制御部１１は、正常症例データの動態情報のみを患者パラメーターとして機械学習を行い、正常モデルを作成する。制御部１１は、診断対象動態情報の正常モデルからの逸脱度に基づいて、当該診断対象動態情報の正常性又は異常性を判断する。

［第４の実施の形態］
次に、本発明を適用した第４の実施の形態について説明する。
第４の実施の形態における医療情報管理システムは、第１の実施の形態に示した医療情報管理システム１００と同様の構成であるため、その構成については図示及び説明を省略する。以下、第４の実施の形態に特徴的な構成及び処理について説明する。

医療情報管理装置１０は、ＡＩを利用して、第２の被写体（診断対象患者）に対して動態撮影を行うことで得られた第２の動態情報（診断対象動態情報）の異常性を判断する際の判断基準を提示する。

第４の実施の形態では、医療情報管理装置１０の制御部１１は、異常であるか否かを判断する際の判断基準も含めて、機械学習（サポートベクターマシーン、ランダムフォレスト、ディープラーニング等）により、異常判断方法を学習していく。第４の実施の形態は、症例データに基づく機械学習により得られた異常の判断基準（どのような点に着目するべきか）をユーザーに明示することで、異常判断基準の提案を行う、という症例データベース１５２の使い方の例である。異常判断方法の学習、異常判断基準の提示及び異常判断方法の利用は、制御部１１のＣＰＵと記憶部１５に記憶されている医療情報管理プログラム１５１との協働によるソフトウェア処理によって実現される。

機械学習に用いる患者パラメーターとして、各症例に係る属性情報（年齢、性別、喫煙歴、身長、体重、ＢＭＩ、呼吸機能検査結果等）及び動態情報（肺野面積変化率、気道径狭窄率、横隔膜速度等）のデータセットを収集し、症例データベース１５２に蓄積しておく。

図１４に、症例データの患者パラメーターを利用した機械学習により、異常であるか否かの判断において重要視される特徴を抽出する処理を示す。
入力データは、正常症例データのみ、異常症例データのみ、正常異常症例データ混合のいずれでもよい。

入力データとして正常症例データのみを用いる場合には、制御部１１は、正常症例データの患者パラメーターを利用した機械学習により、正常症例における各パラメーターの特徴から、異常判断に重要視される特徴（異常判断特徴項目）を抽出する。
入力データとして異常症例データのみを用いる場合には、制御部１１は、異常症例データの患者パラメーターを利用した機械学習により、異常症例における各パラメーターの特徴から、異常判断に重要視される特徴を抽出する。
入力データとして正常症例データ及び異常症例データを用いる場合には、制御部１１は、各症例データに対する正常・異常のラベル（正常異常フラグ）も合わせて入力し、各症例データの患者パラメーターを利用した機械学習により、正常症例における各パラメーターの特徴及び異常症例における各パラメーターの特徴から、異常判断に重要視される特徴を抽出する。

制御部１１は、機械学習を利用して、異常判断特徴項目を自動的に導出する。例えば、制御部１１は、異常判断特徴項目１として、身長とＢＭＩとの関係を示す項目を、異常判断特徴項目２として、喫煙歴と呼吸機能検査結果との関係を示す項目を、異常判断特徴項目３として、気道径狭窄率単体を示す項目を探し当てる。

制御部１１は、機械学習により得られた異常判断特徴項目１、２、３、・・・を表示部１３に表示させ、ユーザーに異常の判断基準を提示する。

以上説明したように、第４の実施の形態によれば、医療情報管理装置１０において管理されている症例データを解析することにより、異常の判断基準となる異常判断特徴項目をユーザーに提案することができる。

なお、第４の実施の形態において、異常判断基準を抽出し、異常判断方法を機械学習する際の患者パラメーターとして、属性情報を使用しなくてもよい。この場合、制御部１１は、症例データの動態情報のみを患者パラメーターとして機械学習を行い、判断基準も含めて、異常判断方法を学習する。

上記各実施の形態における記述は、本発明に係る医療情報管理装置、医療情報のデータ構造及び医療情報管理プログラムの例であり、これに限定されるものではない。各部を構成する各部の細部構成及び細部動作に関しても本発明の趣旨を逸脱することのない範囲で適宜変更可能である。
例えば、各実施の形態における特徴的な構成や処理を組み合わせることとしてもよい。

また、症例データベース１５２のデータ構造は、図示例に限定されるものではなく、用途に応じて変更可能である。症例データベース１５２は、患者ごとに管理されてもよいし、疾患ごと（疾患なしの場合を含む。）に管理されてもよい。

また、第３の実施の形態を除いて、症例データベース１５２には、正常症例と異常症例がともに蓄積され、正常異常フラグで正常・異常を区別することとしたが、正常症例データベースと、異常症例データベースとに分けて症例データを蓄積することとしてもよい。この場合、正常症例データベースでは、正常動態情報と正常属性情報とが対応付けられて管理され、異常症例データベースでは、異常動態情報と異常属性情報とが対応付けられて管理される。さらに、異常症例データベースでは、各症例データに対して診断名が対応付けられていてもよい。

また、症例データベース１５２において、各症例データに対する診断結果として、診断名を含まず、正常異常フラグのみを含むこととしてもよい。この場合、各症例データに対する疾患の有無（正常か異常か）を利用することができる。

また、症例データベース１５２の各症例データは、直接的に正常・異常を示す情報（正常異常フラグ）を含まなくても、診断名等の他の情報から、疾患の有無（正常か異常か）を判断可能としてもよい。具体的には、症例データベース１５２において、各症例データに対する診断結果として、正常異常フラグを含まず、診断名のみを含むこととする。この場合、正常症例については、診断名を空欄又は「疾患なし」とすることで、被写体が疾患を含まないことを判断することができる。

また、各装置において各処理を実行するためのプログラムは、可搬型記録媒体に格納されていてもよい。また、プログラムのデータを通信回線を介して提供する媒体として、キャリアウェーブ（搬送波）を適用することとしてもよい。

１０ 医療情報管理装置
１１ 制御部
１２ 操作部
１３ 表示部
１４ 通信部
１５ 記憶部
２０ 撮影用コンソール
３０ 撮影装置
１００ 医療情報管理システム
１３１ 検索結果画面
１３２ 解析結果画面
１３３ 解析結果画面
１５１ 医療情報管理プログラム
１５２ 症例データベース
Ｎ 通信ネットワーク

本発明は、医療情報管理装置及び医療情報管理プログラムに関する。

上記課題を解決するために、請求項１に記載の発明は、（ａ）被写体の組織に対して放射線による動態撮影を行うことで得られた前記組織の動き情報であって、前記組織に関する疾患を有さない前記被写体の動き情報と、（ｂ）前記被写体の属性情報とを対応付けた症例データを複数管理する管理手段と、前記複数の症例データに基づいて、前記動き情報の統計データを出力する出力手段と、を有し、前記動き情報の統計データは、前記動き情報を複数階級に区分した階級に対する症例数を示すヒストグラムであること、を特徴とする医療情報管理装置である。

請求項２に記載の発明は、請求項１に記載の医療情報管理装置において、前記組織は、呼吸器、循環器、整形及び嚥下に関連する組織の少なくとも一つであること、を特徴とする。

請求項３に記載の発明は、請求項１又は２に記載の医療情報管理装置において、前記動き情報は、前記動態撮影により得られた動態画像から前記組織の動きを定量化した情報であること、を特徴とする。

請求項４に記載の発明は、請求項１～３のいずれか一項に記載の医療情報管理装置において、前記属性情報は、個人を特定する情報を含まないこと、を特徴とする。

請求項５に記載の発明は、請求項１～４のいずれか一項に記載の医療情報管理装置において、前記動き情報に基づき、診断対象患者の前記組織に対して放射線による動態撮影を行うことで得られた前記診断対象患者の動き情報の正常性又は異常性を判断する判断手段を有すること、を特徴とする。

請求項６に記載の発明は、請求項５に記載の医療情報管理装置において、前記判断手段は、前記動き情報及び前記属性情報に基づき、前記診断対象患者の動き情報の正常性又は異常性を判断すること、を特徴とする。

請求項７に記載の発明は、請求項５又は６に記載の医療情報管理装置において、前記管理手段は、（ｃ）第３の被写体の組織に対して放射線による動態撮影を行うことで得られた前記組織の動き情報であって、前記組織に関する疾患を有する前記第３の被写体の動き情報と、（ｄ）前記第３の被写体の属性情報とを対応付けた症例データを複数管理すること、を特徴とする。

請求項８に記載の発明は、請求項７に記載の医療情報管理装置において、前記出力手段は、前記第３の被写体の複数の症例データに基づいて、前記第３の被写体の動き情報の統計データを出力し、前記第３の被写体の動き情報の統計データは、前記第３の被写体の動き情報を複数階級に区分した階級に対する症例数を示すヒストグラムであること、を特徴とする。

請求項９に記載の発明は、請求項８に記載の医療情報管理装置において、前記出力手段は、前記動き情報の統計データ、前記第３の被写体の動き情報の統計データ、及び、前記診断対象患者の動き情報を出力すること、を特徴とする。

請求項１０に記載の発明は、請求項９に記載の医療情報管理装置において、前記出力手段は、前記動き情報の統計データ、前記第３の被写体の動き情報の統計データ、及び、前記診断対象患者の動き情報を同一画面上に出力すること、を特徴とする。

請求項１１に記載の発明は、請求項７～１０のいずれか一項に記載の医療情報管理装置において、前記判断手段は、前記動き情報及び前記第３の被写体の動き情報に基づき、前記診断対象患者の動き情報の正常性又は異常性を判断すること、を特徴とする。

請求項１２に記載の発明は、請求項１１に記載の医療情報管理装置において、前記判断手段は、前記動き情報、前記属性情報、前記第３の被写体の動き情報及び前記第３の被写体の属性情報に基づき、前記診断対象患者の動き情報の正常性又は異常性を判断すること、を特徴とする。
請求項１３に記載の発明は、請求項７～１２のいずれか一項に記載の医療情報管理装置において、前記第３の被写体の属性情報は、個人を特定する情報を含まないこと、を特徴とする。

請求項１４に記載の発明は、請求項５～１３のいずれか一項に記載の医療情報管理装置において、前記判断手段は、統計分析により前記診断対象患者の動き情報の正常性又は異常性を判断すること、を特徴とする。

請求項１５に記載の発明は、請求項５～１３のいずれか一項に記載の医療情報管理装置において、前記判断手段は、機械学習により前記診断対象患者の動き情報の正常性又は異常性を判断すること、を特徴とする。

請求項１６に記載の発明は、請求項５～１５のいずれか一項に記載の医療情報管理装置において、前記正常性は、前記診断対象患者の動き情報の正常の度合を含み、前記異常性は、前記診断対象患者の動き情報の異常の度合を含むこと、を特徴とする。

請求項１７に記載の発明は、コンピューターに、（ａ）被写体の組織に対して放射線による動態撮影を行うことで得られた前記組織の動き情報であって、前記組織に関する疾患を有さない前記被写体の動き情報と、（ｂ）前記被写体の属性情報とを対応付けた症例データを複数管理する管理処理と、前記複数の症例データに基づいて、前記動き情報の統計データを出力する出力処理と、を実行させ、前記動き情報の統計データは、前記動き情報を複数階級に区分した階級に対する症例数を示すヒストグラムであること、を特徴とする医療情報管理プログラムである。

請求項１８に記載の発明は、請求項１７に記載の医療情報管理プログラムにおいて、前記組織は、呼吸器、循環器、整形及び嚥下に関連する組織の少なくとも一つであること、を特徴とする。

請求項１９に記載の発明は、請求項１７又は１８に記載の医療情報管理プログラムにおいて、前記動き情報は、前記動態撮影により得られた動態画像から前記組織の動きを定量化した情報であること、を特徴とする。

請求項２０に記載の発明は、請求項１７～１９のいずれか一項に記載の医療情報管理プログラムにおいて、前記属性情報は、個人を特定する情報を含まないこと、を特徴とする。

請求項２１に記載の発明は、請求項１７～２０のいずれか一項に記載の医療情報管理プログラムにおいて、前記コンピューターに、前記動き情報に基づき、診断対象患者の前記組織に対して放射線による動態撮影を行うことで得られた前記診断対象患者の動き情報の正常性又は異常性を判断する判断処理を実行させること、を特徴とする。

請求項２２に記載の発明は、請求項２１に記載の医療情報管理プログラムにおいて、前記判断処理では、前記動き情報及び前記属性情報に基づき、前記診断対象患者の動き情報の正常性又は異常性を判断すること、を特徴とする。

請求項２３に記載の発明は、請求項２１又は２２に記載の医療情報管理プログラムにおいて、前記管理処理では、（ｃ）第３の被写体の組織に対して放射線による動態撮影を行うことで得られた前記組織の動き情報であって、前記組織に関する疾患を有する前記第３の被写体の動き情報と、（ｄ）前記第３の被写体の属性情報とを対応付けた症例データを複数管理すること、を特徴とする。

請求項２４に記載の発明は、請求項２３に記載の医療情報管理プログラムにおいて、前記出力処理では、前記第３の被写体の複数の症例データに基づいて、前記第３の被写体の動き情報の統計データを出力し、前記第３の被写体の動き情報の統計データは、前記第３の被写体の動き情報を複数階級に区分した階級に対する症例数を示すヒストグラムであること、を特徴とする。

請求項２５に記載の発明は、請求項２４に記載の医療情報管理プログラムにおいて、前記出力処理では、前記動き情報の統計データ、前記第３の被写体の動き情報の統計データ、及び、前記診断対象患者の動き情報を出力すること、を特徴とする。

請求項２６に記載の発明は、請求項２５に記載の医療情報管理プログラムにおいて、前記出力処理では、前記動き情報の統計データ、前記第３の被写体の動き情報の統計データ、及び、前記診断対象患者の動き情報を同一画面上に出力すること、を特徴とする。

請求項２７に記載の発明は、請求項２３～２６のいずれか一項に記載の医療情報管理プログラムにおいて、前記判断処理では、前記動き情報及び前記第３の被写体の動き情報に基づき、前記診断対象患者の動き情報の正常性又は異常性を判断すること、を特徴とする。

請求項２８に記載の発明は、請求項２７に記載の医療情報管理プログラムにおいて、前記判断処理では、前記動き情報、前記属性情報、前記第３の被写体の動き情報及び前記第３の被写体の属性情報に基づき、前記診断対象患者の動き情報の正常性又は異常性を判断すること、を特徴とする。
請求項２９に記載の発明は、請求項２３～２８のいずれか一項に記載の医療情報管理プログラムにおいて、前記第３の被写体の属性情報は、個人を特定する情報を含まないこと、を特徴とする。

請求項３０に記載の発明は、請求項２１～２９のいずれか一項に記載の医療情報管理プログラムにおいて、前記判断処理では、統計分析により前記診断対象患者の動き情報の正常性又は異常性を判断すること、を特徴とする。

請求項３１に記載の発明は、請求項２１～２９のいずれか一項に記載の医療情報管理プログラムにおいて、前記判断処理では、機械学習により前記診断対象患者の動き情報の正常性又は異常性を判断すること、を特徴とする。

請求項３２に記載の発明は、請求項２１～３１のいずれか一項に記載の医療情報管理プログラムにおいて、前記正常性は、前記診断対象患者の動き情報の正常の度合を含み、前記異常性は、前記診断対象患者の動き情報の異常の度合を含むこと、を特徴とする。

以下、図面を参照して、本発明に係る医療情報管理装置及び医療情報管理プログラムの実施の形態について説明する。なお、本発明は、図示例に限定されるものではない。

上記各実施の形態における記述は、本発明に係る医療情報管理装置及び医療情報管理プログラムの例であり、これに限定されるものではない。各装置を構成する各部の細部構成及び細部動作に関しても本発明の趣旨を逸脱することのない範囲で適宜変更可能である。
例えば、各実施の形態における特徴的な構成や処理を組み合わせることとしてもよい。

Claims (35)

1. 疾患を含まない被写体に対して動態撮影を行うことで得られた動態情報と、前記被写体の属性情報とを対応付けて管理する管理手段を有すること、
   を特徴とする医療情報管理装置。
2. 前記疾患を含まない被写体は、特定組織の疾患を有さない被写体であること、
   を特徴とする請求項１に記載の医療情報管理装置。
3. 前記特定組織は、呼吸器、循環器、整形及び嚥下に関連する組織の少なくとも一つであること、
   を特徴とする請求項２に記載の医療情報管理装置。
4. 前記動態情報は、動態画像を解析することで得られた動き情報を含むこと、
   を特徴とする請求項１～３のいずれか一項に記載の医療情報管理装置。
5. 前記動き情報は、前記被写体の特定組織の動きに関する情報であること、
   を特徴とする請求項４に記載の医療情報管理装置。
6. 前記属性情報は、個人を特定する情報を含まないこと、
   を特徴とする請求項１～５のいずれか一項に記載の医療情報管理装置。
7. 前記動態情報に基づき、第２の被写体に対して動態撮影を行うことで得られた第２の動態情報の正常性又は異常性を判断する判断手段を有すること、
   を特徴とする請求項１～６のいずれか一項に記載の医療情報管理装置。
8. 前記判断手段は、前記動態情報及び前記属性情報に基づき、前記第２の動態情報の正常性又は異常性を判断すること、
   を特徴とする請求項７に記載の医療情報管理装置。
9. 前記管理手段は、疾患を含む第３の被写体に対して動態撮影を行うことで得られた第３の動態情報と、前記第３の被写体の属性情報とを対応付けて管理すること、
   を特徴とする請求項１～６のいずれか一項に記載の医療情報管理装置。
10. 前記第３の被写体の属性情報は、個人を特定する情報を含まないこと、
    を特徴とする請求項９に記載の医療情報管理装置。
11. 前記動態情報の統計データ、前記第３の動態情報の統計データ、及び、第２の被写体に対して動態撮影を行うことで得られた第２の動態情報を出力する出力手段を有すること、
    を特徴とする請求項９又は１０に記載の医療情報管理装置。
12. 前記出力手段は、前記動態情報の統計データ、前記第３の動態情報の統計データ及び前記第２の動態情報を同一画面上に出力すること、
    を特徴とする請求項１１に記載の医療情報管理装置。
13. 前記動態情報及び前記第３の動態情報に基づき、第２の被写体に対して動態撮影を行うことで得られた第２の動態情報の正常性又は異常性を判断する判断手段を有すること、
    を特徴とする請求項９～１２のいずれか一項に記載の医療情報管理装置。
14. 前記判断手段は、前記動態情報、前記属性情報、前記第３の動態情報及び前記第３の被写体の属性情報に基づき、前記第２の動態情報の正常性又は異常性を判断すること、
    を特徴とする請求項１３に記載の医療情報管理装置。
15. 前記判断手段は、統計分析により前記第２の動態情報の正常性又は異常性を判断すること、
    を特徴とする請求項７、８、１３、１４のいずれか一項に記載の医療情報管理装置。
16. 前記判断手段は、機械学習により前記第２の動態情報の正常性又は異常性を判断すること、
    を特徴とする請求項７、８、１３、１４のいずれか一項に記載の医療情報管理装置。
17. 前記正常性は、前記第２の動態情報の正常の度合を含み、
    前記異常性は、前記第２の動態情報の異常の度合を含むこと、
    を特徴とする請求項７、８、１３、１４のいずれか一項に記載の医療情報管理装置。
18. 動態撮影を行うことで得られた動態情報を処理する動態情報処理装置で用いられる医療情報のデータ構造であって、
    疾患を含まない被写体に対して動態撮影を行うことで得られた動態情報データと、
    前記動態情報データと対応付けられた、前記被写体の属性情報データと、
    を含むこと、
    を特徴とする医療情報のデータ構造。
19. コンピューターに、
    疾患を含まない被写体に対して動態撮影を行うことで得られた動態情報と、前記被写体の属性情報とを対応付けて管理する管理処理を実行させること、
    を特徴とする医療情報管理プログラム。
20. 前記疾患を含まない被写体は、特定組織の疾患を有さない被写体であること、
    を特徴とする請求項１９に記載の医療情報管理プログラム。
21. 前記特定組織は、呼吸器、循環器、整形及び嚥下に関連する組織の少なくとも一つであること、
    を特徴とする請求項２０に記載の医療情報管理プログラム。
22. 前記動態情報は、動態画像を解析することで得られた動き情報を含むこと、
    を特徴とする請求項１９～２１のいずれか一項に記載の医療情報管理プログラム。
23. 前記動き情報は、前記被写体の特定組織の動きに関する情報であること、
    を特徴とする請求項２２に記載の医療情報管理プログラム。
24. 前記属性情報は、個人を特定する情報を含まないこと、
    を特徴とする請求項１９～２３のいずれか一項に記載の医療情報管理プログラム。
25. 前記コンピューターに、
    前記動態情報に基づき、第２の被写体に対して動態撮影を行うことで得られた第２の動態情報の正常性又は異常性を判断する判断処理を実行させること、
    を特徴とする請求項１９～２４のいずれか一項に記載の医療情報管理プログラム。
26. 前記判断処理では、前記動態情報及び前記属性情報に基づき、前記第２の動態情報の正常性又は異常性を判断すること、
    を特徴とする請求項２５に記載の医療情報管理プログラム。
27. 前記管理処理では、疾患を含む第３の被写体に対して動態撮影を行うことで得られた第３の動態情報と、前記第３の被写体の属性情報とを対応付けて管理すること、
    を特徴とする請求項１９～２４のいずれか一項に記載の医療情報管理プログラム。
28. 前記第３の被写体の属性情報は、個人を特定する情報を含まないこと、
    を特徴とする請求項２７に記載の医療情報管理プログラム。
29. 前記コンピューターに、
    前記動態情報の統計データ、前記第３の動態情報の統計データ、及び、第２の被写体に対して動態撮影を行うことで得られた第２の動態情報を出力する出力処理を実行させること、
    を特徴とする請求項２７又は２８に記載の医療情報管理プログラム。
30. 前記出力処理では、前記動態情報の統計データ、前記第３の動態情報の統計データ及び前記第２の動態情報を同一画面上に出力すること、
    を特徴とする請求項２９に記載の医療情報管理プログラム。
31. 前記コンピューターに、
    前記動態情報及び前記第３の動態情報に基づき、第２の被写体に対して動態撮影を行うことで得られた第２の動態情報の正常性又は異常性を判断する判断処理を実行させること、
    を特徴とする請求項２７～３０のいずれか一項に記載の医療情報管理プログラム。
32. 前記判断処理では、前記動態情報、前記属性情報、前記第３の動態情報及び前記第３の被写体の属性情報に基づき、前記第２の動態情報の正常性又は異常性を判断すること、
    を特徴とする請求項３１に記載の医療情報管理プログラム。
33. 前記判断処理では、統計分析により前記第２の動態情報の正常性又は異常性を判断すること、
    を特徴とする請求項２５、２６、３１、３２のいずれか一項に記載の医療情報管理プログラム。
34. 前記判断処理では、機械学習により前記第２の動態情報の正常性又は異常性を判断すること、
    を特徴とする請求項２５、２６、３１、３２のいずれか一項に記載の医療情報管理プログラム。
35. 前記正常性は、前記第２の動態情報の正常の度合を含み、
    前記異常性は、前記第２の動態情報の異常の度合を含むこと、
    を特徴とする請求項２５、２６、３１、３２のいずれか一項に記載の医療情報管理プログラム。

Images