JP2023012304A - 医用情報処理システム、医用情報処理方法、及びプログラム - Google Patents
医用情報処理システム、医用情報処理方法、及びプログラム Download PDFInfo
- Publication number
- JP2023012304A JP2023012304A JP2021115858A JP2021115858A JP2023012304A JP 2023012304 A JP2023012304 A JP 2023012304A JP 2021115858 A JP2021115858 A JP 2021115858A JP 2021115858 A JP2021115858 A JP 2021115858A JP 2023012304 A JP2023012304 A JP 2023012304A
- Authority
- JP
- Japan
- Prior art keywords
- answer
- information processing
- medical information
- timing
- subject
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 65
- 238000003672 processing method Methods 0.000 title claims description 5
- 201000010099 disease Diseases 0.000 claims description 36
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 36
- 230000014509 gene expression Effects 0.000 claims description 18
- 208000020016 psychiatric disease Diseases 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 5
- 238000011282 treatment Methods 0.000 abstract description 5
- 230000006870 function Effects 0.000 description 128
- 230000004044 response Effects 0.000 description 114
- 238000004891 communication Methods 0.000 description 43
- 238000012545 processing Methods 0.000 description 40
- 238000010586 diagram Methods 0.000 description 20
- 238000000034 method Methods 0.000 description 20
- 208000024891 symptom Diseases 0.000 description 19
- 238000003058 natural language processing Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000013473 artificial intelligence Methods 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 5
- 230000004913 activation Effects 0.000 description 3
- 238000005401 electroluminescence Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000012015 optical character recognition Methods 0.000 description 3
- 206010014020 Ear pain Diseases 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 210000005069 ears Anatomy 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 102100040841 C-type lectin domain family 5 member A Human genes 0.000 description 1
- 101150008824 CLEC5A gene Proteins 0.000 description 1
- 206010020751 Hypersensitivity Diseases 0.000 description 1
- 101150056111 MDL1 gene Proteins 0.000 description 1
- 101100386697 Magnaporthe oryzae (strain 70-15 / ATCC MYA-4617 / FGSC 8958) DCL1 gene Proteins 0.000 description 1
- 206010037660 Pyrexia Diseases 0.000 description 1
- 206010041349 Somnolence Diseases 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000007815 allergy Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0031—Implanted circuitry
-
- 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
- G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61F—FILTERS IMPLANTABLE INTO BLOOD VESSELS; PROSTHESES; DEVICES PROVIDING PATENCY TO, OR PREVENTING COLLAPSING OF, TUBULAR STRUCTURES OF THE BODY, e.g. STENTS; ORTHOPAEDIC, NURSING OR CONTRACEPTIVE DEVICES; FOMENTATION; TREATMENT OR PROTECTION OF EYES OR EARS; BANDAGES, DRESSINGS OR ABSORBENT PADS; FIRST-AID KITS
- A61F2250/00—Special features of prostheses classified in groups A61F2/00 - A61F2/26 or A61F2/82 or A61F9/00 or A61F11/00 or subgroups thereof
- A61F2250/0001—Means for transferring electromagnetic energy to implants
- A61F2250/0002—Means for transferring electromagnetic energy to implants for data transfer
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
【課題】問診に対する患者の回答に基づき当該患者を診療するにあたって、回答の揺れの影響を低減することである。【解決手段】実施形態の医用情報処理システムは、取得部と、回答判定部とを持つ。前記取得部は、第1のタイミングにおいてなされた対象者の問診に対する第1回答と、前記第1のタイミングと異なる第2のタイミングにおいてなされた前記対象者の問診に対する第2回答とを取得する。前記回答判定部は、前記第1回答と前記第2回答とが整合するか否かを判定する。【選択図】図3
Description
本明細書及び図面に開示の実施形態は、医用情報処理システム、医用情報処理方法、及びプログラムに関する。
問診に対する患者の回答は、その患者の状態を推定するのに大切な情報であるが、患者自身の感受性や心情で揺れることの多い不安定な情報である。現在は医療スタッフがその揺れを吸収して理解し、診療に役立てている。一方で、AI(Artificial Intelligence)を用いて診療を自動化することが検討されている。しかしながら、問診に対する患者の回答の揺れ(不安定さ)が、AIを用いた診療に好ましくない影響を与えてしまう場合がある。
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は、問診に対する患者の回答に基づき当該患者を診療するにあたって、回答の揺れの影響を低減することである。ただし、本明細書及び図面に開示の実施形態により解決しようとす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。
実施形態の医用情報処理システムは、取得部と、回答判定部とを持つ。前記取得部は、第1のタイミングにおいてなされた対象者の問診に対する第1回答と、前記第1のタイミングと異なる第2のタイミングにおいてなされた前記対象者の問診に対する第2回答とを取得する。前記回答判定部は、前記第1回答と前記第2回答とが整合するか否かを判定する。
以下、図面を参照しながら、実施形態の医用情報処理システム、医用情報処理方法、及びプログラムについて説明する。
(第1実施形態)
[医用情報処理システムの構成]
図1は、第1実施形態における医用情報処理システム1の構成例を表す図である。医用情報処理システム1は、例えば、ユーザインタフェース10と、医用情報処理装置100とを備える。ユーザインタフェース10及び医用情報処理装置100は、通信ネットワークNWを介して通信可能に接続される。
[医用情報処理システムの構成]
図1は、第1実施形態における医用情報処理システム1の構成例を表す図である。医用情報処理システム1は、例えば、ユーザインタフェース10と、医用情報処理装置100とを備える。ユーザインタフェース10及び医用情報処理装置100は、通信ネットワークNWを介して通信可能に接続される。
通信ネットワークNWは、電気通信技術を利用した情報通信網全般を意味してよい。例えば、通信ネットワークNWは、病院基幹LAN(Local Area Network)等の無線/有線LANやインターネット網のほか、電話通信回線網、光ファイバ通信ネットワーク、ケーブル通信ネットワークおよび衛星通信ネットワーク等を含む。
ユーザインタフェース10は、患者や医療スタッフによって利用される。例えば、ユーザインタフェース10は、タッチインタフェースや音声ユーザインタフェースであり、より具体的には、パーソナルコンピュータやタブレット端末、携帯電話などの端末装置である。ユーザインタフェース10は、タッチインタフェースと音声ユーザインタフェースを兼ねていてよい。医療スタッフは、典型的には医師であるが、看護師やその他の診療に関わる人物であってもよい。例えば、患者は、問診に対する自身の回答をユーザインタフェース10にタッチ入力したり、音声入力したりする。また、医療スタッフは、患者に口頭で問診し、その患者から問診の回答をヒアリングし、そのヒアリング結果をユーザインタフェース10に入力してよい。
本実施形態において「診療」とは、手術や投薬といった治療のみならず、治療に至るまで、或いは治療に至った後の診察やその他のあらゆる医療的行為を含んでよい。
ユーザインタフェース10は、患者や医療スタッフによって入力された情報を、通信ネットワークNWを介して、医用情報処理装置100に情報を送信したり、或いは医用情報処理装置100から情報を受信したりする。
医用情報処理装置100は、通信ネットワークNWを介して、ユーザインタフェース10から情報を受信し、その受信した情報を処理する。そして、医用情報処理装置100は、通信ネットワークNWを介して、処理した情報をユーザインタフェース10に送信する。医用情報処理装置100は、処理した情報をユーザインタフェース10に送信することに加えて、或いは代えて、病院内に設置された医療スタッフの専用端末に送信してもよい。
医用情報処理装置100は、単一の装置であってもよいし、通信ネットワークNWを介して接続された複数の装置が互いに協働して動作するシステムであってもよい。すなわち、医用情報処理装置100は、分散コンピューティングシステムやクラウドコンピューティングシステムに含まれる複数のコンピュータ(プロセッサ)によって実現されてもよい。また、医用情報処理装置100は、必ずしもユーザインタフェース10とは異なる別体の装置である必要はなく、ユーザインタフェース10と一体になった装置であってもよい。
[端末装置の構成]
図2は、第1実施形態におけるユーザインタフェース10の構成例を表す図である。ユーザインタフェース10は、例えば、通信インタフェース11と、入力インタフェース12と、出力インタフェース13と、メモリ14と、処理回路20とを備える。
図2は、第1実施形態におけるユーザインタフェース10の構成例を表す図である。ユーザインタフェース10は、例えば、通信インタフェース11と、入力インタフェース12と、出力インタフェース13と、メモリ14と、処理回路20とを備える。
通信インタフェース11は、通信ネットワークNWを介して医用情報処理装置100などと通信する。通信インタフェース11は、例えば、NIC(Network Interface Card)や無線通信用のアンテナ等を含む。
入力インタフェース12は、操作者(例えば患者)からの各種の入力操作を受け付け、受け付けた入力操作を電気信号に変換して処理回路20に出力する。例えば、入力インタフェース12は、マウス、キーボード、トラックボール、スイッチ、ボタン、ジョイスティック、タッチパネル、カメラ等を含む。入力インタフェース12は、例えば、マイクロフォン等の音声入力を受け付けるユーザインタフェースであってもよい。入力インタフェース12がタッチパネルである場合、入力インタフェース12は、後述する出力インタフェース13に含まれるディスプレイ13aの表示機能を兼ね備えるものであってもよい。
なお、本明細書において入力インタフェース12はマウス、キーボード等の物理的な操作部品を備えるものだけに限られない。例えば、装置とは別体に設けられた外部の入力機器から入力操作に対応する電気信号を受け取り、この電気信号を制御回路へ出力する電気信号の処理回路も入力インタフェース12の例に含まれる。
出力インタフェース13は、例えば、ディスプレイ13aやスピーカ13bなどを備える。
ディスプレイ13aは、各種の情報を表示する。例えば、ディスプレイ13aは、処理回路20によって生成された画像や、操作者からの各種の入力操作を受け付けるためのGUI(Graphical User Interface)等を表示する。例えば、ディスプレイ13aは、LCD(Liquid Crystal Display)や、CRT(Cathode Ray Tube)ディスプレイ、有機EL(Electro Luminescence)ディスプレイ等である。
スピーカ13bは、処理回路20から入力された情報を音声として出力する。
メモリ14は、例えば、RAM(Random Access Memory)、フラッシュメモリ等の半導体メモリ素子、ハードディスク、光ディスクによって実現される。これらの非一過性の記憶媒体は、NAS(Network Attached Storage)や外部ストレージサーバ装置といった通信ネットワークNWを介して接続される他の記憶装置によって実現されてもよい。また、メモリ14には、ROM(Read Only Memory)やレジスタ等の非一過性の記憶媒体が含まれてもよい。
処理回路20は、例えば、取得機能21と、出力制御機能22と、通信制御機能23とを備える。処理回路20は、例えば、ハードウェアプロセッサ(コンピュータ)がメモリ14(記憶回路)に記憶されたプログラムを実行することにより、これらの機能を実現するものである。
処理回路20におけるハードウェアプロセッサは、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)または複合プログラマブル論理デバイス(Complex Programmable Logic Device; CPLD)、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(circuitry)を意味する。メモリ14にプログラムを記憶させる代わりに、ハードウェアプロセッサの回路内にプログラムを直接組み込むように構成しても構わない。この場合、ハードウェアプロセッサは、回路内に組み込ま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。上記のプログラムは、予めメモリ14に格納されていてもよいし、DVDやCD-ROM等の非一時的記憶媒体に格納されており、非一時的記憶媒体がユーザインタフェース10のドライブ装置(不図示)に装着されることで非一時的記憶媒体からメモリ14にインストールされてもよい。ハードウェアプロセッサは、単一の回路として構成されるものに限らず、複数の独立した回路を組み合わせて1つのハードウェアプロセッサとして構成され、各機能を実現するようにしてもよい。また、複数の構成要素を1つのハードウェアプロセッサに統合して各機能を実現するようにしてもよい。
取得機能21は、入力インタフェース12を介して入力情報を取得したり、通信インタフェース11を介して医用情報処理装置100から情報を取得したりする。
出力制御機能22は、取得機能21によって取得された情報をディスプレイ13aに表示させたり、スピーカ13bから出力させたりする。
通信制御機能23は、入力インタフェース12に入力された情報を通信インタフェース11を介して医用情報処理装置100に送信する。
[医用情報処理装置の構成]
図3は、第1実施形態における医用情報処理装置100の構成例を表す図である。医用情報処理装置100は、例えば、通信インタフェース111と、入力インタフェース112と、出力インタフェース113と、メモリ114と、処理回路120とを備える。
図3は、第1実施形態における医用情報処理装置100の構成例を表す図である。医用情報処理装置100は、例えば、通信インタフェース111と、入力インタフェース112と、出力インタフェース113と、メモリ114と、処理回路120とを備える。
通信インタフェース111は、通信ネットワークNWを介してユーザインタフェース10などと通信する。通信インタフェース111は、例えば、NIC等を含む。
入力インタフェース112は、操作者からの各種の入力操作を受け付け、受け付けた入力操作を電気信号に変換して処理回路120に出力する。例えば、入力インタフェース112は、マウス、キーボード、トラックボール、スイッチ、ボタン、ジョイスティック、タッチパネル等を含む。入力インタフェース112は、例えば、マイクロフォン等の音声入力を受け付けるユーザインタフェースであってもよい。入力インタフェース112がタッチパネルである場合、入力インタフェース112は、後述する出力インタフェース113に含まれるディスプレイ113aの表示機能を兼ね備えるものであってもよい。
なお、本明細書において入力インタフェース112はマウス、キーボード等の物理的な操作部品を備えるものだけに限られない。例えば、装置とは別体に設けられた外部の入力機器から入力操作に対応する電気信号を受け取り、この電気信号を制御回路へ出力する電気信号の処理回路も入力インタフェース112の例に含まれる。
出力インタフェース113は、例えば、ディスプレイ113aやスピーカ113bなどを備える。出力インタフェース113は、「出力部」の他の例である。
ディスプレイ113aは、各種の情報を表示する。例えば、ディスプレイ113aは、処理回路120によって生成された画像や、操作者からの各種の入力操作を受け付けるためのGUI等を表示する。例えば、ディスプレイ113aは、LCDや、CRTディスプレイ、有機ELディスプレイ等である。
スピーカ113bは、処理回路120から入力された情報を音声として出力する。
メモリ114は、例えば、RAM、フラッシュメモリ等の半導体メモリ素子、ハードディスク、光ディスクによって実現される。これらの非一過性の記憶媒体は、NASや外部ストレージサーバ装置といった通信ネットワークNWを介して接続される他の記憶装置によって実現されてもよい。また、メモリ114には、ROMやレジスタ等の非一過性の記憶媒体が含まれてもよい。
メモリ114は、ハードウェアプロセッサによって実行されるプログラムに加えて、自然言語処理データベースDB1と、医学的症例データベースDB2と、モデル情報MIとを格納する。
自然言語処理データベースDB1は、形態素解析や同義語抽出といった自然言語処理に利用されるデータベースである。
医学的症例データベースDB2は、過去に観測された複数の医学的症例が蓄積又は整理されたデータベースである。
モデル情報MIは、ある学習済みモデルMDL1を定義した情報(プログラムまたはデータ構造)である。学習済みモデルMDLは、典型的には、問診に対する患者の回答から、当該患者が既に患っている又は将来患う蓋然性が高い疾病を推定するよう学習された機械学習モデルである。学習済みモデルMDLは、例えば、CNN(Convolutional Neural Network)などのDNN(Deep Neural Network(s))によって実装されてよい。また、学習済みモデルMDLは、DNNに限られず、サポートベクターマシンや決定木、単純ベイズ分類器、ランダムフォレストといった他のモデルによって実装されてよい。学習済みモデルMDLの詳細については後述する。
学習済みモデルMDLがDNNによって実装される場合、モデル情報MIには、例えば、当該DNNを構成する入力層、一以上の隠れ層(中間層)、出力層の其々の層に含まれるユニットが互いにどのように結合されるのかという結合情報や、結合されたユニット間で入出力されるデータに付与される結合係数がいくつであるのかという重み情報などが含まれる。結合情報は、例えば、各層に含まれるユニット数や、各ユニットの結合先のユニットの種類を指定する情報、各ユニットを実現する活性化関数、隠れ層のユニット間に設けられたゲートなどの情報を含む。ユニットを実現する活性化関数は、例えば、ReLU(Rectified Linear Unit)関数やELU(Exponential Linear Units)関数、クリッピング関数、シグモイド関数、ステップ関数、ハイパポリックタンジェント関数、恒等関数などであってよい。ゲートは、例えば、活性化関数によって返される値(例えば1または0)に応じて、ユニット間で伝達されるデータを選択的に通過させたり、重み付けたりする。結合係数は、例えば、ニューラルネットワークの隠れ層において、ある層のユニットから、より深い層のユニットにデータが出力される際に、出力データに対して付与される重みを含む。また、結合係数は、各層の固有のバイアス成分などを含んでもよい。
処理回路120は、例えば、取得機能121と、回答判定機能122と、重み係数決定機能123と、推定機能124と、出力制御機能125と、通信制御機能126とを備える。取得機能121は「取得部」の一例であり、回答判定機能122は「回答判定部」の一例であり、推定機能124は「推定部」の一例であり、出力制御機能125は「表示制御部」の一例である。
処理回路120は、例えば、ハードウェアプロセッサ(コンピュータ)がメモリ114(記憶回路)に記憶されたプログラムを実行することにより、これらの機能を実現するものである。
処理回路120におけるハードウェアプロセッサは、例えば、CPU、GPU、特定用途向け集積回路、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または複合プログラマブル論理デバイス、フィールドプログラマブルゲートアレイ等の回路(circuitry)を意味する。メモリ114にプログラムを記憶させる代わりに、ハードウェアプロセッサの回路内にプログラムを直接組み込むように構成しても構わない。この場合、ハードウェアプロセッサは、回路内に組み込ま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。上記のプログラムは、予めメモリ114に格納されていてもよいし、DVDやCD-ROM等の非一時的記憶媒体に格納されており、非一時的記憶媒体が医用情報処理装置100のドライブ装置(不図示)に装着されることで非一時的記憶媒体からメモリ114にインストールされてもよい。ハードウェアプロセッサは、単一の回路として構成されるものに限らず、複数の独立した回路を組み合わせて1つのハードウェアプロセッサとして構成され、各機能を実現するようにしてもよい。また、複数の構成要素を1つのハードウェアプロセッサに統合して各機能を実現するようにしてもよい。
[医用情報処理装置の処理フロー]
以下、フローチャートに即しながら、医用情報処理装置100の処理回路120による一連の処理について説明する。図4は、第1実施形態に係る処理回路120の一連の処理の流れを表すフローチャートである。
以下、フローチャートに即しながら、医用情報処理装置100の処理回路120による一連の処理について説明する。図4は、第1実施形態に係る処理回路120の一連の処理の流れを表すフローチャートである。
まず、取得機能121は、通信インタフェース111を介して、ユーザインタフェース10から診断対象である患者(以下、診断対象者)の問診に対する回答データを取得する(ステップS100)。回答データとは、診断対象者の主観が含まれる定性的なディジタルデータであり、例えば、テキストデータである。問診の回答が音声入力された場合、その音声データは、音声認識技術によりテキスト化されてよい。
例えば、取得機能121は、互いに異なる複数のタイミングの其々において同一の診断対象者が回答した回答データを取得する。具体的には、取得機能121は、早朝に診断対象者Xが回答した回答データや、昼間に診断対象者Xが回答した回答データ、夕方に診断対象者Xが回答した回答データなどを取得してよい。早朝は「第1のタイミング」の一例であり、その早朝に診断対象者Xが回答した回答データは「第1回答」の一例であり、昼間や夕方は「第2のタイミング」の一例であり、昼間や夕方に診断対象者Xが回答した回答データは「第2回答」の一例である。
図5は、回答データの一例を表す図である。図示のように、回答データは、診断対象者が回答した時刻に対して、問診表現や回答方法、患者が自己申告した症状などが対応付けられている。問診表現とは、問診として問われる内容(自覚症状や悩みなど)の表現方法を表している。回答方法とは、患者自身がユーザインタフェース10に回答を入力したのか、又は患者が医療スタッフに口頭で回答し、その医療スタッフが患者からヒアリングした回答をユーザインタフェース10に入力したのか、といった方法を表している。診断対象者が回答した時刻は、診断対象者に問診がなされた時刻であってもよい。
例えば、2030年8月1日の回答データは、Aタイプの問診表現であり、患者自身がユーザインタフェース10に回答を入力しており、耳が痛いという症状を申告したことを表している。2030年8月2日の回答データは、Cタイプの問診表現であり、患者が医療スタッフに口頭で回答しており、耳が痛いという症状を申告したことを表している。
図6は、問診表現について説明するための図である。上述した通り、問診表現には、Aタイプ、Bタイプ、Cタイプといった、いくつかの種類がある。例えば、あるタイミングにおける問診の内容は、他のタイミングにおける問診の内容と同一であるものの、その表現が互いに異なることがある。この表現の違いについて図6の問診票を例に説明する。例えば、診断対象者が医療機関を受診すると、問診票に、現在の心身の状態や、病歴、アレルギーの有無といった必要事項(図中R1)を記入することが求められる。
例えば、「睡眠」という内容の問診について考えた場合、その問診の表現として、「よく眠れない」、「日中眠い」、「眠りすぎる」、「寝不足」といった、いくつかの表現が挙げられる。患者によっては、「睡眠」という同一内容の問診であっても、その表現が異なることで、自覚している症状と異なる回答をする場合がある。つまり、同一の内容について問診しても、その表現が異なることで、回答内容が変わることがある。これは問診の回答が揺れることを意味する。問診の表現の違いからその回答が揺れることを判定するため、回答データには問診の表現が含まれる。
なお、問診票は、ユーザインタフェース10のディスプレイ13a上に表示されてもよいし、紙面に印刷されて患者に配布されてもよい。紙面の問診表に患者が回答を記入した場合、医療機関の医療スタッフが記入内容をユーザインタフェース10に入力してよい。この際、OCR(Optical Character Recognition/Reader)が利用されてもよい。問診票の設問内容は、ユーザインタフェース10のスピーカ113bから音声として出力されてもよいし、医療機関の医療スタッフが口頭で読み上げてもよい。患者がユーザインタフェース10に向けて回答を発話した場合、ユーザインタフェース10は、マイクロフォンを介して患者が発話した回答を取得してよい。これに代えて、或いは加えて、医療スタッフが患者によって発話された回答をヒアリングしてもよい。医療スタッフは、患者から回答をヒアリングすると、そのヒアリング結果を、ユーザインタフェース10に入力してよい。また、問診票のように予め設問事項が決められている必要はなく、医療スタッフが診察のタイミングで自由に問診内容を決めてもよい。問診に対する回答は、医学的には主訴とも呼ばれる。そのため回答データは、主訴データと読み替えられてもよい。
取得機能121は、更に、通信インタフェース111を介して、ユーザインタフェース10やその他機器から、診断対象者の状態データや検査データを取得してもよい。
状態データとは、診断対象者の状態を外観からセンシングした定量的なディジタルデータである。例えば、状態データは、診断対象者の顔画像データや音声データなどである。診断対象者の顔は、例えば、ユーザインタフェース10のカメラによって撮像されてもよいし、診察室に設置されたカメラによって撮像されてもよい。同様に、診断対象者の音声は、例えば、ユーザインタフェース10のマイクロフォンによって収音されてもよいし、診察室に設置されたマイクロフォンによって収音されてもよい。また、状態データには、医師による客観的な観察結果が含まれていてもよい。
検査データとは、種々の検査機器によって診断対象者の生体情報が計測された定量的なディジタルデータである。検査機器とは、患者を医学的に検査する機器であり、例えば、X線CT(Computed Tomography)装置、MRI(Magnetic Resonance Imaging)装置、マンモグラフィー装置、音波画像診断装置、核医学診断装置、体液分析装置、バイタルサインを計測するデバイスなどである。つまり、検査データは、MR画像や、CT画像、バイタルサインデータなどである。
図7は、回答データ及び状態データの一例を表す図である。例えば、患者の顔画像が撮像された時刻に対して、その患者の顔画像データと、顔画像データから推定される症状とが対応付けられてよい。また、医師が患者を観察した時刻に対して、その観察結果から医師が診断した症状が対応付けられてよい。
また、取得機能121は、更に、通信インタフェース111を介して、ユーザインタフェース10から位置情報(例えばユーザインタフェース10のGPS(Global Positioning System)受信機により測位された座標)を取得したり、タッチ入力時の操作量や音声入力時の操作量を取得したりしてもよい。
図4のフローチャートの説明に戻る。次に、回答判定機能122は、互いにタイミングが異なる複数の回答データを比較し、それら回答データが整合するか否かを判定する(ステップS102)。つまり、回答判定機能122は、問診の回答に揺れが生じているか否かを判定する。
例えば、回答判定機能122は、自然言語処理データベースDB1を参照しながら、比較対象である複数の回答データの其々について自然言語処理を行い、回答データが整合するか否かを判定してよい。自然言語処理には、「チクチク」といったオノマトペや、「赤い」といった形容詞を、「痛い」や「熱がある」といった症状を表す言葉に変換するような処理(関連する言語を分類する処理)が含まれてよい。
また、回答判定機能122は、自然言語処理により回答データが整合するか否かを判定することに加えて、或いは代えて、各タイミングにおける診断対象者の状態データに基づいて、回答データが整合するか否かを判定してもよい。
例えば、回答判定機能122は、診断対象者の顔画像データに対して画像処理を行って、その画像上から耳や鼻、目といった特徴的な部位を抽出し、更に、それら部位の色を判別してよい。例えば、回答判定機能122は、顔画像から「耳」という部位を抽出し、その「耳」が赤色であると判別したとする。この場合、回答判定機能122は、図7に示すように、判別結果を「耳が赤い」という文字列に変換してよい。そして、回答判定機能122は、文字列に含まれる「赤い」という形容詞を、自然言語処理を用いて「痛い」等の症状を表す言葉に変換し、変換後の「耳が痛い」という文字列(つまり画像データ由来の文字列)と、回答データに含まれる文字列とを比較することで、回答データが画像データと整合するか否かを判定してよい。
また、回答判定機能122は、診断対象者の音声データに対して音声認識処理を行って、その音声データを文字列に変換し、その音声データ由来の文字列と、回答データに含まれる文字列とを比較することで、回答データが音声データと整合するか否かを判定してよい。
回答判定機能122は、比較対象である複数の回答データの其々に含まれる文字列(患者が申告した症状を表す文字列)が互いに一致する場合、回答データが整合する(回答に揺れが生じていない)と判定する(ステップS104)。また、回答判定機能122は、画像データや音声データといった状態データ由来の文字列と、回答データに含まれる文字列とが互いに一致する場合、状態データに対して回答データが整合する(回答に揺れが生じていない)と判定してよい。
図8及び図9は、回答に不整合があるケースを説明するための図である。図8の例では、一番目の回答データは「右耳が痛い」という症状を示しているのに対して、二番目、三番目の回答データは「左耳が痛い」という症状を示している。この場合、回答判定機能122は、回答データが整合しないと判定する。
図9の例では、一番目の回答データは「右耳が痛い」という症状を示しているのに対して、二番目の回答データは「左耳が痛い」という症状を示し、更に、三番目の回答データは一番目の回答データ同様に「右耳が痛い」という症状を示している。このように問診するごとに症状が異なる場合においても、回答判定機能122は、回答データが整合しないと判定する。
出力制御機能125は、回答判定機能122によって回答データが整合しないと判定されると、不整合が生じた回答データを、出力インタフェース113を介して出力する。
例えば、出力制御機能125は、図8や図9のように、不整合が生じた3つの回答データを時系列に並べてディスプレイ113aに表示させてよい。この際、出力制御機能125は、不整合が生じた3つの回答データの其々の表示態様を変えてよい。
図8を例にとった場合、出力制御機能125は、一番目の回答データを正しいものとし、その一番目の回答データに対して整合してない二番目、三番目の回答データを、一番目の回答データに比べて強調表示させてよい。図9を例にとった場合、出力制御機能125は、3つの回答データ全てを強調表示させてよい。
このように回答データを時系列に並べて表示することで、医療スタッフは、どのタイミングから問診の回答に揺れが生じ始めたのかを視覚的に知ることができる。
また、出力制御機能125は、互いに整合している回答データ同士をグループ化し、グループごとに回答データを並べてディスプレイ113aに表示させてもよい。例えば、出力制御機能125は、「右耳が痛い」という症状を示す回答データのグループと、「左耳が痛い」という症状を示す回答データのグループとに分類してよい。これによって、医療スタッフは、回答がどういった揺れ方をするのかを視覚的に知ることができる。
また、通信制御機能126は、通信インタフェース111を介して、ユーザインタフェース10に不整合が生じた回答データを送信してもよい。ユーザインタフェース10の出力制御機能22は、通信インタフェース11が医用情報処理装置100から不整合が生じた回答データを受信すると、それら回答データを、出力インタフェース13のディスプレイ13aに画像として表示させたり、又はスピーカ13bから音声として出力させたりしてよい。
図4のフローチャートの説明に戻る。回答判定機能122は、回答データが整合しない(回答に揺れが生じている)と判定した場合、更に、医学的症例データベースDB2やAIを用いて、回答の不整合(回答の揺れ)が医学的に妥当であるか否かを判定する(ステップS106)。
問診の回答に不整合があったとしても、医学的にはその不整合自体が診療にとって貴重な情報となり得る。従って、不整合が生じた回答の中から有益な情報となり得るものを見つけるため、回答判定機能122は、回答の不整合(回答の揺れ)が医学的に妥当であるか否かを判定する。
更に、回答判定機能122は、不整合が生じた回答データの時間的間隔に基づいて、その不整合が医学的に妥当であるのか否かを判定してもよい。
図10及び図11は、回答データの時間的間隔を基に医学的妥当性の判定方法を説明するための図である。例えば、時刻t1において診断対象者が「右耳が痛い」と問診に回答し、その後、時刻t2において診断対象者が「左耳が痛い」と問診に回答したとする。この場合、回答判定機能122は、時刻t1から時刻t2までの間隔τが長いほど、不整合が医学的に妥当であると判定し、間隔τが短いほど、不整合が医学的に妥当でないと判定してよい。例えば、ある時刻の回答と1分後の回答とが整合しない場合、わずか1分間で回答が揺れたことになる。このような短い間隔で不整合が生じた場合、回答判定機能122は、その不整合が医学的に妥当でないと判定してよい。また、例えば、ある時刻の回答と一日後の回答とが整合しない場合、病気の進行により回答に揺れが生じたと推定できるため、回答判定機能122は、その不整合が医学的に妥当であると判定してよい。
また、回答判定機能122は、診断対象者が問診に回答した際の位置情報に基づいて、回答データの不整合が医学的に妥当であるのか否かを判定してもよい。
図12及び図13は、診断対象者の位置情報を基に医学的妥当性の判定方法を説明するための図である。図12のように、例えば、診断対象者が自宅でユーザインタフェース10を利用して2回問診に回答し、一回目の回答データと二回目の回答データとが整合しなかったとする。この場合、診断対象者は自宅という同一場所におり、回答時の環境が変化していないのにも関わらず回答が揺れたと判断できる。そのため、回答判定機能122は、不整合が医学的に妥当であると判定してよい。
図13のように、診断対象者が自宅でユーザインタフェース10を利用して1回目の問診に回答し、その後病院に移動して2回目の問診に回答し、それら一回目の回答データと二回目の回答データとが整合しなかったとする。この場合、医療スタッフの白衣等による心理的要因又は環境的要因によって回答が揺れたと判断できる。そのため、回答判定機能122は、不整合が医学的に妥当でないと判定してよい。
また、回答判定機能122は、診断対象者が問診に回答したときのユーザインタフェース10に対する操作量に基づいて、回答データの不整合が医学的に妥当であるのか否かを判定してもよい。
例えば、診断対象者が互いに異なる2つのタイミングでユーザインタフェース10に問診に対する回答をタッチ入力したとする。この場合、回答判定機能122は、診断対象者が1回目にユーザインタフェース10に回答をタッチ入力したときの圧力、時間、及び回数の少なくとも一つと、診断対象者が2回目にユーザインタフェース10に回答をタッチ入力したときの圧力、時間、及び回数の少なくとも一つとの差分や割合を算出し、その差分や割合に基づいて、回答データの不整合が医学的に妥当であるのか否かを判定してよい。
例えば、診断対象者が1回目の回答時には正常にタッチパッドやキーを押していたものの、2回目の回答時には手を震えさせながらタッチパッドやキーを押していたため、単位時間当たりの押下回数が1回目よりも2回目の方が有意に多かったとする。この場合、1回目に回答したときから2回目に回答したときの方が病気が進行しており、その結果として手が震え、単位時間当たりの押下回数が増加したと推定できる。このような推定下においては、回答判定機能122は、回答データの不整合が医学的に妥当であると判定してよい。
同様に、例えば、診断対象者が1回目の回答時には正常にタッチパッドやキーを押していたものの、2回目の回答時にはタッチパッドやキーを強く押したことにより、タッチパッドやキーへの圧力が1回目よりも2回目の方が有意に高かったとする。この場合、1回目に回答したときから2回目に回答したときの方が病気が進行しており、その結果として押下時の圧力が高まったと推定できる。このような推定下においては、回答判定機能122は、回答データの不整合が医学的に妥当であると判定してよい。
また、診断対象者が互いに異なる2つのタイミングでユーザインタフェース10に問診に対する回答を音声入力した場合も同様である。例えば、回答判定機能122は、診断対象者が1回目にユーザインタフェース10に回答を音声入力したときの音圧、時間、及び回数の少なくとも一つと、診断対象者が2回目にユーザインタフェース10に回答を音声入力したときの音圧、時間、及び回数の少なくとも一つとの差分や割合を算出し、その差分や割合に基づいて、回答データの不整合が医学的に妥当であるのか否かを判定してよい。
また、回答判定機能122は、診断対象者が問診に回答したときに当該診断対象者を撮像した画像データや、診断対象者が問診に回答したときに当該診断対象者が発話した音声データに基づいて、回答データの不整合が医学的に妥当であるのか否かを判定してもよい。
図4のフローチャートに戻る。回答判定機能122は、回答の不整合(回答の揺れ)が医学的に妥当であると判定すると、診断対象者の問診に対する回答が整合しないものの、その不整合は医学的に妥当であると判定する(ステップS108)。一方、回答判定機能122は、回答の不整合(回答の揺れ)が医学的に妥当でないと判定すると、診断対象者の問診に対する回答が整合せず、尚且つその不整合は医学的に妥当でないと判定する(ステップS110)。
次に、重み係数決定機能123は、回答データの整合が医学的に妥当であるのか否かという判定結果に基づいて、各回答データの信頼度を重み係数として決定する(ステップS112)。
例えば、重み係数決定機能123は、不整合が医学的に妥当である場合、不整合が医学的に妥当でない場合に比べて、重み係数を相対的に大きくする。
図16は、重み係数の決定方法の一例を表す図である。例えば、重み係数決定機能123は、(i)不整合がない(揺れがない)回答データについては重み係数を1.0とし、(ii)不整合がある(揺れがある)ものの、その不整合は医学的に妥当である回答データについては重み係数を1.0とし、(iii)不整合があり(揺れがあり)、尚且つその不整合は医学的に妥当でない回答データについては重み係数を0.5としてよい。
図4のフローチャートに戻る。次に、推定機能124は、メモリ141に格納されたモデル情報MIによって定義された学習済みモデルMDLに対して、重み係数決定機能123によって重み係数が決定された回答データ(つまり重み付けられた回答データ)を入力する(ステップS114)。
図15は、学習済みモデルMDLの一例を表す図である。学習済みモデルMDLは、典型的には、ある学習対象の患者(以下、学習対象者)の回答データに対して、その学習対象者が既に患っていた疾病、又は将来患う蓋然性が高い疾病が正解のラベル(ターゲットともいう)として対応付けられたデータセットをトレーニングデータとして用いて学習された機械学習モデルである。言い換えれば、学習済みモデルMDLは、ある学習対象者の回答データが入力されると、その学習対象者が既に患っていた疾病、又は将来患う蓋然性が高い疾病を出力するように学習された機械学習モデルである。学習対象者は、過去の診断対象者であってもよい。つまり、学習対象者は、診断対象者と同一人物であってもよいし、異なる人物であってもよい。
このようなトレーニングデータを用いて学習された学習済みモデルMDLは、図示のように、ある患者の回答データが入力されると、推定結果として、その患者の疾病を出力することになる。学習済みモデルMDLの推定結果は、例えば、多次元のベクトルやテンソルで表される。ベクトル又はテンソルは、疾病であることの尤もらしさ(確率)を要素値として含む。例えば、診断対象者が罹りうる疾病として、A疾病、B疾病、C疾病の計3種類があったとする。この場合、ベクトル又はテンソルは、A疾病の確率をe1、B疾病の確率をe2、C疾病の確率をe3とすると、(e1,e2,e3)として表すことができる。
なお、トレーニングデータは、学習対象者の回答データに加えて、更に検査データや状態データといったその他のデータに対して、その学習対象者が既に患っていた疾病、又は将来患う蓋然性が高い疾病が正解のラベル(ターゲットともいう)として対応付けられたデータセットであってもよい。この場合、推定機能124は、学習済みモデルMDLに対して、重み付けられた診断対象者の回答データに加えて、更に診断対象者の検査データや状態データなどを入力する。
図4のフローチャートの説明に戻る。次に、推定機能124は、少なくとも重み付けられた診断対象者の回答データを入力した学習済みモデルMDLから、疾病の推定結果を取得する(ステップS116)。この推定結果には、診断対象者が既に患っていると推定される疾病、又は診断対象者が将来患うと推定される疾病が含まれる。
次に、出力制御機能125は、学習済みモデルMDLの推定結果を、出力インタフェース113を介して出力する(ステップS118)。これによって本フローチャートの処理が終了する。
また、通信制御機能126は、通信インタフェース111を介して、ユーザインタフェース10に学習済みモデルMDLの推定結果を送信してもよい。ユーザインタフェース10の出力制御機能22は、通信インタフェース11が医用情報処理装置100から推定結果を受信すると、その推定結果を、出力インタフェース13のディスプレイ13aに画像として表示させたり、又はスピーカ13bから音声として出力させたりしてよい。
以上説明した第1実施形態によれば、医用情報処理装置100の処理回路120は、第1のタイミングにおいてなされた診断対象者の問診に対する回答データ(「第1回答」の一例)と、第1のタイミングと異なる第2のタイミングにおいてなされた診断対象者の問診に対する回答データ(「第2回答」の一例)とを取得し、それら回答データが整合するか否かを判定する。これによって、問診に対する患者の回答に基づき当該患者を診療するにあたって、回答の揺れの影響を低減することができる。
(第2実施形態)
以下、第2実施形態について説明する。第2実施形態では、診断対象者が罹患し得る疾病の種類に応じて、回答データに対する重み係数を決定する点で第1実施形態と相違する。以下、第1実施形態との相違点を中心に説明し、第1実施形態と共通する点については説明を省略する。なお、第2実施形態の説明において、第1実施形態と同じ部分については同一符号を付して説明する。
以下、第2実施形態について説明する。第2実施形態では、診断対象者が罹患し得る疾病の種類に応じて、回答データに対する重み係数を決定する点で第1実施形態と相違する。以下、第1実施形態との相違点を中心に説明し、第1実施形態と共通する点については説明を省略する。なお、第2実施形態の説明において、第1実施形態と同じ部分については同一符号を付して説明する。
第2実施形態における重み係数決定機能123は、診断対象者が罹患し得る疾病の種類に応じて、回答データに対する重み係数を決定する。
例えば、精神疾患の患者は、医学生理学的に矛盾した回答をしやすいことが知られている。従って、診断対象者の回答が整合せず、医学的に妥当でない場合であっても、それが繰り返される場合には、その診断対象者は精神疾患である蓋然性が高いと判断できる。このような場合、(ii)不整合がある(揺れがある)ものの、その不整合は医学的に妥当である回答データに比べて、(iii)不整合があり(揺れがあり)、尚且つその不整合は医学的に妥当でない回答データの方が、精神疾患の診療にとって貴重な情報となり得る。
そこで、第2実施形態における推定機能124は、(iii)不整合があり(揺れがあり)、尚且つその不整合が医学的に妥当でない回答を一定回数以上繰り返す診断対象者については精神疾患であると推定する。
第2実施形態における重み係数決定機能123は、推定機能124によって診断対象者が精神疾患であると推定された条件下において、不整合が医学的に妥当である場合、不整合が医学的に妥当でない場合に比べて、重み係数を相対的に小さくする。
以上説明した第2実施形態によれば、処理回路120は、診断対象者が精神疾患である場合(又はその蓋然性が高い場合)において、不整合が医学的に妥当である場合、不整合が医学的に妥当でない場合に比べて、重み係数を相対的に小さくする。これによって、学習済みモデルMDLによる疾病の推定精度をより向上させることができる。
(第3実施形態)
以下、第3実施形態について説明する。第3実施形態では、回答の整合性や妥当性に関する判定結果を医療スタッフが是正できる点で上述した実施形態と異なる。以下、第1実施形態及び第2実施形態との相違点を中心に説明し、第1実施形態及び第2実施形態と共通する点については説明を省略する。なお、第3実施形態の説明において、第1実施形態又は第2実施形態と同じ部分については同一符号を付して説明する。
以下、第3実施形態について説明する。第3実施形態では、回答の整合性や妥当性に関する判定結果を医療スタッフが是正できる点で上述した実施形態と異なる。以下、第1実施形態及び第2実施形態との相違点を中心に説明し、第1実施形態及び第2実施形態と共通する点については説明を省略する。なお、第3実施形態の説明において、第1実施形態又は第2実施形態と同じ部分については同一符号を付して説明する。
図17は、第2実施形態に係る処理回路120の一連の処理の流れを表すフローチャートである。
まず、取得機能121は、通信インタフェース111を介して、ユーザインタフェース10から診断対象者の問診に対する回答データを取得する(ステップS200)。
次に、回答判定機能122は、互いにタイミングが異なる複数の回答データを比較し、それら回答データが整合するか否かを判定する(ステップS202)。
回答判定機能122は、比較対象である複数の回答データの其々に含まれる文字列(患者が申告した症状を表す文字列)が互いに一致する場合、回答データが整合する(回答に揺れが生じていない)と判定する(ステップS204)。
回答判定機能122は、回答データが整合しない(回答に揺れが生じている)と判定した場合、更に、医学的症例データベースDB2やAIを用いて、回答の不整合(回答の揺れ)が医学的に妥当であるか否かを判定する(ステップS206)。
回答判定機能122は、回答の不整合(回答の揺れ)が医学的に妥当であると判定すると、診断対象者の問診に対する回答が整合しないものの、その不整合は医学的に妥当であると判定する(ステップS208)。
一方、回答判定機能122は、回答の不整合(回答の揺れ)が医学的に妥当でないと判定すると、診断対象者の問診に対する回答が整合せず、尚且つその不整合は医学的に妥当でないと判定する(ステップS210)。
次に、出力制御機能125は、回答の整合性及び妥当性の判定結果(S204、S208、S210の判定結果)を、出力インタフェース113を介して出力する(ステップS212)。例えば、出力制御機能125は、後述の図18のような画面をディスプレイ113aに表示させてよい。
次に、回答判定機能122は、医療スタッフが入力インタフェース112に対して、回答の整合性及び妥当性の判定結果を是正する操作(以下、是正操作)を入力したか否かを判定する(ステップS214)。
回答判定機能122は、入力インタフェース112に対して是正操作が入力された場合、その是正操作に従って各種判定結果を修正する(ステップS216)。
次に、重み係数決定機能123は、回答データの整合が医学的に妥当であるのか否かという判定結果に基づいて、各回答データの信頼度を重み係数として決定する(ステップS218)。
次に、推定機能124は、メモリ141に格納されたモデル情報MIによって定義された学習済みモデルMDLに対して、重み係数決定機能123によって重み係数が決定された回答データ(つまり重み付けられた回答データ)を入力する(ステップS220)。
次に、推定機能124は、少なくとも重み付けられた診断対象者の回答データを入力した学習済みモデルMDLから、疾病の推定結果を取得する(ステップS222)。
次に、出力制御機能125は、学習済みモデルMDLの推定結果を、出力インタフェース113を介して出力する(ステップS224)。これによって本フローチャートの処理が終了する。
図18は、回答の整合性及び妥当性の判定結果の表示画面の一例を表す図である。図示の例では、一番目の回答データ(図中一番上の回答データ)に対して、二番目、三番目の回答データが整合していないものの、これら二番目、三番目の回答データについて、(ii)不整合がある(揺れがある)ものの、その不整合は医学的に妥当である、と判定されている。このような場合、出力制御機能125は、ディスプレイ113a上に、判定結果を是正するためのボタンB1と、判定結果を是正せず取りやめるためのボタンB2を表示させてよい。例えば、医療スタッフが、入力インタフェース112を用いてボタンB1を選択した場合、回答判定機能122は、二番目、三番目の回答データについて、(iii)不整合があり(揺れがあり)、尚且つその不整合は医学的に妥当でない、という判定結果に修正してよい。
以上説明した第3実施形態によれば、処理回路120は、回答の整合性及び妥当性の判定結果を、出力インタフェース113を介して出力する。そして、処理回路120は、入力インタフェース112に対して是正操作が入力された場合、その是正操作に従って判定結果を修正する。これによって、各回答データの重み係数をより適切に決定することができるため、学習済みモデルMDLによる疾病の推定精度を更に向上させることができる。
(その他の実施形態)
以下、その他の実施形態について説明する。上述した実施形態では、ユーザインタフェース10と医用情報処理装置100とが互いに異なる装置であるものとして説明したがこれに限られない。例えば、ユーザインタフェース10と医用情報処理装置100とは一体となった一つの装置であってもよい。例えば、ユーザインタフェース10の処理回路20は、取得機能21、出力制御機能22、及び通信制御機能23に加えて、更に、医用情報処理装置100の処理回路120が備える回答判定機能122、重み係数決定機能123、及び推定機能124を備えていてもよい。この場合、ユーザインタフェース10は、スタンドアローン(オフライン)で上述した各種フローチャートの処理を行うことができる。
以下、その他の実施形態について説明する。上述した実施形態では、ユーザインタフェース10と医用情報処理装置100とが互いに異なる装置であるものとして説明したがこれに限られない。例えば、ユーザインタフェース10と医用情報処理装置100とは一体となった一つの装置であってもよい。例えば、ユーザインタフェース10の処理回路20は、取得機能21、出力制御機能22、及び通信制御機能23に加えて、更に、医用情報処理装置100の処理回路120が備える回答判定機能122、重み係数決定機能123、及び推定機能124を備えていてもよい。この場合、ユーザインタフェース10は、スタンドアローン(オフライン)で上述した各種フローチャートの処理を行うことができる。
以上説明した少なくとも1つの実施形態によれば、医用情報処理装置100の処理回路120は、第1のタイミングにおいてなされた診断対象者の問診に対する回答データ(「第1回答」の一例)と、第1のタイミングと異なる第2のタイミングにおいてなされた診断対象者の問診に対する回答データ(「第2回答」の一例)とを取得し、それら回答データが整合するか否かを判定する。これによって、問診に対する患者の回答に基づき当該患者を診療するにあたって、回答の揺れの影響を低減することができる。
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。
以上の実施形態に関し、発明の一側面および選択的な特徴として以下の付記を開示する。
(付記1)
第1のタイミングにおいてなされた対象者の問診に対する第1回答と、前記第1のタイミングと異なる第2のタイミングにおいてなされた前記対象者の問診に対する第2回答とを取得する取得部と、
前記第1回答と前記第2回答とが整合するか否かを判定する回答判定部と、
を備える医用情報処理システム。
(付記1)
第1のタイミングにおいてなされた対象者の問診に対する第1回答と、前記第1のタイミングと異なる第2のタイミングにおいてなされた前記対象者の問診に対する第2回答とを取得する取得部と、
前記第1回答と前記第2回答とが整合するか否かを判定する回答判定部と、
を備える医用情報処理システム。
(付記2)
前記第1のタイミングの問診の内容は、前記第2のタイミングの問診の内容と同一であってよく、前記第1のタイミングの問診の表現は、前記第2のタイミングの問診の表現と異なってよい。
前記第1のタイミングの問診の内容は、前記第2のタイミングの問診の内容と同一であってよく、前記第1のタイミングの問診の表現は、前記第2のタイミングの問診の表現と異なってよい。
(付記3)
前記取得部は、更に、前記第1のタイミングにおける前記対象者の状態及び前記第2のタイミングにおける前記対象者の状態の少なくとも一方を表す状態データを取得してよい。前記回答判定部は、更に、前記状態データに対して前記第1回答又は前記第2回答が整合するか否かを判定してよい。
前記取得部は、更に、前記第1のタイミングにおける前記対象者の状態及び前記第2のタイミングにおける前記対象者の状態の少なくとも一方を表す状態データを取得してよい。前記回答判定部は、更に、前記状態データに対して前記第1回答又は前記第2回答が整合するか否かを判定してよい。
(付記4)
前記状態データは、前記対象者の画像データ又は音声データであってよい。
前記状態データは、前記対象者の画像データ又は音声データであってよい。
(付記5)
前記回答判定部は、前記第1回答と前記第2回答とが整合しない場合、前記第1回答と前記第2回答との不整合が医学的に妥当であるのか否かを判定してよい。
前記回答判定部は、前記第1回答と前記第2回答とが整合しない場合、前記第1回答と前記第2回答との不整合が医学的に妥当であるのか否かを判定してよい。
(付記6)
前記回答判定部は、前記第1のタイミング及び前記第2のタイミングの間隔に基づいて、前記第1回答と前記第2回答との不整合が医学的に妥当であるのか否かを判定してよい。
前記回答判定部は、前記第1のタイミング及び前記第2のタイミングの間隔に基づいて、前記第1回答と前記第2回答との不整合が医学的に妥当であるのか否かを判定してよい。
(付記7)
前記回答判定部は、前記第1のタイミング及び前記第2のタイミングの其々における前記対象者の位置に基づいて、前記不整合が医学的に妥当であるのか否かを判定してよい。
前記回答判定部は、前記第1のタイミング及び前記第2のタイミングの其々における前記対象者の位置に基づいて、前記不整合が医学的に妥当であるのか否かを判定してよい。
(付記8)
前記医用情報処理システムは、前記対象者が操作可能なユーザインタフェースを更に備えてよい。前記回答判定部は、前記対象者が前記ユーザインタフェースに前記第1回答を入力したときの前記ユーザインタフェースに対する操作量と、前記対象者が前記ユーザインタフェースに前記第2回答を入力したときの前記ユーザインタフェースに対する操作量とに基づいて、前記不整合が医学的に妥当であるのか否かを判定してよい。
前記医用情報処理システムは、前記対象者が操作可能なユーザインタフェースを更に備えてよい。前記回答判定部は、前記対象者が前記ユーザインタフェースに前記第1回答を入力したときの前記ユーザインタフェースに対する操作量と、前記対象者が前記ユーザインタフェースに前記第2回答を入力したときの前記ユーザインタフェースに対する操作量とに基づいて、前記不整合が医学的に妥当であるのか否かを判定してよい。
(付記9)
前記ユーザインタフェースは、タッチインタフェースであってよい。前記回答判定部は、前記対象者が前記タッチインタフェースに前記第1回答をタッチ入力したときの圧力、時間、及び回数のうち少なくとも一つと、前記対象者が前記タッチインタフェースに前記第2回答をタッチ入力したときの圧力、時間、及び回数のうち少なくとも一つとに基づいて、前記不整合が医学的に妥当であるのか否かを判定してよい。
前記ユーザインタフェースは、タッチインタフェースであってよい。前記回答判定部は、前記対象者が前記タッチインタフェースに前記第1回答をタッチ入力したときの圧力、時間、及び回数のうち少なくとも一つと、前記対象者が前記タッチインタフェースに前記第2回答をタッチ入力したときの圧力、時間、及び回数のうち少なくとも一つとに基づいて、前記不整合が医学的に妥当であるのか否かを判定してよい。
(付記10)
前記ユーザインタフェースは、音声ユーザインタフェースであってよい。前記回答判定部は、前記対象者が前記音声ユーザインタフェースに前記第1回答を音声入力したときの音圧、時間、及び回数のうち少なくとも一つと、前記対象者が前記音声ユーザインタフェースに前記第2回答を音声入力したときの音圧、時間、及び回数のうち少なくとも一つとに基づいて、前記不整合が医学的に妥当であるのか否かを判定してよい。
前記ユーザインタフェースは、音声ユーザインタフェースであってよい。前記回答判定部は、前記対象者が前記音声ユーザインタフェースに前記第1回答を音声入力したときの音圧、時間、及び回数のうち少なくとも一つと、前記対象者が前記音声ユーザインタフェースに前記第2回答を音声入力したときの音圧、時間、及び回数のうち少なくとも一つとに基づいて、前記不整合が医学的に妥当であるのか否かを判定してよい。
(付記11)
前記医用情報処理システムは、前記不整合が医学的に妥当であるのか否かの判定結果に基づいて、前記第1回答及び前記第2回答の信頼度を重み係数として決定する重み係数決定部を更に備えてよい。
前記医用情報処理システムは、前記不整合が医学的に妥当であるのか否かの判定結果に基づいて、前記第1回答及び前記第2回答の信頼度を重み係数として決定する重み係数決定部を更に備えてよい。
(付記12)
前記重み係数決定部は、前記不整合が医学的に妥当である場合、前記不整合が医学的に妥当でない場合に比べて、前記重み係数を相対的に大きくしてよい。
前記重み係数決定部は、前記不整合が医学的に妥当である場合、前記不整合が医学的に妥当でない場合に比べて、前記重み係数を相対的に大きくしてよい。
(付記13)
前記重み係数決定部は、更に、前記対象者が罹患し得る疾病の種類に応じて、前記重み係数を決定してよい。
前記重み係数決定部は、更に、前記対象者が罹患し得る疾病の種類に応じて、前記重み係数を決定してよい。
(付記14)
前記重み係数決定部は、前記疾病が精神疾患である場合において、前記不整合が医学的に妥当である場合、前記不整合が医学的に妥当でない場合に比べて、前記重み係数を相対的に小さくしてよい。
前記重み係数決定部は、前記疾病が精神疾患である場合において、前記不整合が医学的に妥当である場合、前記不整合が医学的に妥当でない場合に比べて、前記重み係数を相対的に小さくしてよい。
(付記15)
前記医用情報処理システムは、前記重み係数が決定された前記第1回答及び前記第2回答の少なくとも一つに基づいて、前記対象者の疾病を推定する推定部を更に備えてよい。
前記医用情報処理システムは、前記重み係数が決定された前記第1回答及び前記第2回答の少なくとも一つに基づいて、前記対象者の疾病を推定する推定部を更に備えてよい。
(付記16)
前記推定部は、ある学習済みモデルに対して、前記重み係数が決定された前記第1回答及び前記第2回答の少なくとも一つを入力し、前記学習済みモデルによって出力された情報に基づいて、前記対象者の疾病を推定してよい。前記学習済みモデルは、ある患者による問診の回答に対して、前記患者の罹患する疾病が正解のラベルとして対応付けられたトレーニングデータに基づいて教師有り学習されたモデルであってよい。
前記推定部は、ある学習済みモデルに対して、前記重み係数が決定された前記第1回答及び前記第2回答の少なくとも一つを入力し、前記学習済みモデルによって出力された情報に基づいて、前記対象者の疾病を推定してよい。前記学習済みモデルは、ある患者による問診の回答に対して、前記患者の罹患する疾病が正解のラベルとして対応付けられたトレーニングデータに基づいて教師有り学習されたモデルであってよい。
(付記17)
前記医用情報処理システムは、前記第1回答及び前記第2回答を時系列に並べて表示部に表示させる表示制御部を更に備えてよい。
前記医用情報処理システムは、前記第1回答及び前記第2回答を時系列に並べて表示部に表示させる表示制御部を更に備えてよい。
(付記18)
前記表示制御部は、前記第1回答と前記第2回答とが整合しない場合、前記第1回答及び前記第2回答の表示態様を変えてよい。
前記表示制御部は、前記第1回答と前記第2回答とが整合しない場合、前記第1回答及び前記第2回答の表示態様を変えてよい。
(付記19)
コンピュータが、
第1のタイミングにおいてなされた対象者の問診に対する第1回答と、前記第1のタイミングと異なる第2のタイミングにおいてなされた前記対象者の問診に対する第2回答とを取得し、
前記第1回答と前記第2回答とが整合するか否かを判定する、
医用情報処理方法。
コンピュータが、
第1のタイミングにおいてなされた対象者の問診に対する第1回答と、前記第1のタイミングと異なる第2のタイミングにおいてなされた前記対象者の問診に対する第2回答とを取得し、
前記第1回答と前記第2回答とが整合するか否かを判定する、
医用情報処理方法。
(付記20)
コンピュータに、
第1のタイミングにおいてなされた対象者の問診に対する第1回答と、前記第1のタイミングと異なる第2のタイミングにおいてなされた前記対象者の問診に対する第2回答とを取得すること、及び
前記第1回答と前記第2回答とが整合するか否かを判定すること、
を実行させるためのプログラム。
コンピュータに、
第1のタイミングにおいてなされた対象者の問診に対する第1回答と、前記第1のタイミングと異なる第2のタイミングにおいてなされた前記対象者の問診に対する第2回答とを取得すること、及び
前記第1回答と前記第2回答とが整合するか否かを判定すること、
を実行させるためのプログラム。
1…医用情報処理システム、10…ユーザインタフェース、11…通信インタフェース、12…入力インタフェース、13…出力インタフェース、14…メモリ、20…処理回路、21…取得機能、22…出力制御機能、23…通信制御機能、100…医用情報処理装置、111…通信インタフェース、112…入力インタフェース、113…出力インタフェース、114…メモリ、120…処理回路、121…取得機能、122…回答判定機能、123…重み係数決定機能、124…推定機能、125…出力制御機能、126…通信制御機能
Claims (20)
- 第1のタイミングにおいてなされた対象者の問診に対する第1回答と、前記第1のタイミングと異なる第2のタイミングにおいてなされた前記対象者の問診に対する第2回答とを取得する取得部と、
前記第1回答と前記第2回答とが整合するか否かを判定する回答判定部と、
を備える医用情報処理システム。 - 前記第1のタイミングの問診の内容は、前記第2のタイミングの問診の内容と同一であり、
前記第1のタイミングの問診の表現は、前記第2のタイミングの問診の表現と異なる、
請求項1に記載の医用情報処理システム。 - 前記取得部は、更に、前記第1のタイミングにおける前記対象者の状態及び前記第2のタイミングにおける前記対象者の状態の少なくとも一方を表す状態データを取得し、
前記回答判定部は、更に、前記状態データに対して前記第1回答又は前記第2回答が整合するか否かを判定する、
請求項1又は2に記載の医用情報処理システム。 - 前記状態データは、前記対象者の画像データ又は音声データである、
請求項3に記載の医用情報処理システム。 - 前記回答判定部は、前記第1回答と前記第2回答とが整合しない場合、前記第1回答と前記第2回答との不整合が医学的に妥当であるのか否かを判定する、
請求項1から4のうちいずれか一項に記載の医用情報処理システム。 - 前記回答判定部は、前記第1のタイミング及び前記第2のタイミングの間隔に基づいて、前記第1回答と前記第2回答との不整合が医学的に妥当であるのか否かを判定する、
請求項5に記載の医用情報処理システム。 - 前記回答判定部は、前記第1のタイミング及び前記第2のタイミングの其々における前記対象者の位置に基づいて、前記不整合が医学的に妥当であるのか否かを判定する、
請求項5又は6に記載の医用情報処理システム。 - 前記対象者が操作可能なユーザインタフェースを更に備え、
前記回答判定部は、前記対象者が前記ユーザインタフェースに前記第1回答を入力したときの前記ユーザインタフェースに対する操作量と、前記対象者が前記ユーザインタフェースに前記第2回答を入力したときの前記ユーザインタフェースに対する操作量とに基づいて、前記不整合が医学的に妥当であるのか否かを判定する、
請求項5から7のうちいずれか一項に記載の医用情報処理システム。 - 前記ユーザインタフェースは、タッチインタフェースであり、
前記回答判定部は、前記対象者が前記タッチインタフェースに前記第1回答をタッチ入力したときの圧力、時間、及び回数のうち少なくとも一つと、前記対象者が前記タッチインタフェースに前記第2回答をタッチ入力したときの圧力、時間、及び回数のうち少なくとも一つとに基づいて、前記不整合が医学的に妥当であるのか否かを判定する、
請求項8に記載の医用情報処理システム。 - 前記ユーザインタフェースは、音声ユーザインタフェースであり、
前記回答判定部は、前記対象者が前記音声ユーザインタフェースに前記第1回答を音声入力したときの音圧、時間、及び回数のうち少なくとも一つと、前記対象者が前記音声ユーザインタフェースに前記第2回答を音声入力したときの音圧、時間、及び回数のうち少なくとも一つとに基づいて、前記不整合が医学的に妥当であるのか否かを判定する、
請求項8又は9に記載の医用情報処理システム。 - 前記不整合が医学的に妥当であるのか否かの判定結果に基づいて、前記第1回答及び前記第2回答の信頼度を重み係数として決定する重み係数決定部を更に備える、
請求項5から10のうちいずれか一項に記載の医用情報処理システム。 - 前記重み係数決定部は、前記不整合が医学的に妥当である場合、前記不整合が医学的に妥当でない場合に比べて、前記重み係数を相対的に大きくする、
請求項11に記載の医用情報処理システム。 - 前記重み係数決定部は、更に、前記対象者が罹患し得る疾病の種類に応じて、前記重み係数を決定する、
請求項11又は12に記載の医用情報処理システム。 - 前記重み係数決定部は、前記疾病が精神疾患である場合において、前記不整合が医学的に妥当である場合、前記不整合が医学的に妥当でない場合に比べて、前記重み係数を相対的に小さくする、
請求項13に記載の医用情報処理システム。 - 前記重み係数が決定された前記第1回答及び前記第2回答の少なくとも一つに基づいて、前記対象者の疾病を推定する推定部を更に備える、
請求項11から14のうちいずれか一項に記載の医用情報処理システム。 - 前記推定部は、ある学習済みモデルに対して、前記重み係数が決定された前記第1回答及び前記第2回答の少なくとも一つを入力し、前記学習済みモデルによって出力された情報に基づいて、前記対象者の疾病を推定し、
前記学習済みモデルは、ある患者による問診の回答に対して、前記患者の罹患する疾病が正解のラベルとして対応付けられたトレーニングデータに基づいて教師有り学習されたモデルである、
請求項15に記載の医用情報処理システム。 - 前記第1回答及び前記第2回答を時系列に並べて表示部に表示させる表示制御部を更に備える、
請求項1から16のうちいずれか一項に記載の医用情報処理システム。 - 前記表示制御部は、前記第1回答と前記第2回答とが整合しない場合、前記第1回答及び前記第2回答の表示態様を変える、
請求項17に記載の医用情報処理システム。 - コンピュータが、
第1のタイミングにおいてなされた対象者の問診に対する第1回答と、前記第1のタイミングと異なる第2のタイミングにおいてなされた前記対象者の問診に対する第2回答とを取得し、
前記第1回答と前記第2回答とが整合するか否かを判定する、
医用情報処理方法。 - コンピュータに、
第1のタイミングにおいてなされた対象者の問診に対する第1回答と、前記第1のタイミングと異なる第2のタイミングにおいてなされた前記対象者の問診に対する第2回答とを取得すること、及び
前記第1回答と前記第2回答とが整合するか否かを判定すること、
を実行させるためのプログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021115858A JP2023012304A (ja) | 2021-07-13 | 2021-07-13 | 医用情報処理システム、医用情報処理方法、及びプログラム |
US17/811,346 US20230018077A1 (en) | 2021-07-13 | 2022-07-08 | Medical information processing system, medical information processing method, and storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021115858A JP2023012304A (ja) | 2021-07-13 | 2021-07-13 | 医用情報処理システム、医用情報処理方法、及びプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023012304A true JP2023012304A (ja) | 2023-01-25 |
Family
ID=84890531
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021115858A Pending JP2023012304A (ja) | 2021-07-13 | 2021-07-13 | 医用情報処理システム、医用情報処理方法、及びプログラム |
Country Status (2)
Country | Link |
---|---|
US (1) | US20230018077A1 (ja) |
JP (1) | JP2023012304A (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102615288B1 (ko) * | 2023-06-12 | 2023-12-19 | (주) 마인즈에이아이 | 모순되는 설문 데이터를 참조로 결정되는 모순 카테고리를 기초로 사용자 인터페이스를 제공하는 방법 및 이를 이용한 컴퓨팅 장치 |
-
2021
- 2021-07-13 JP JP2021115858A patent/JP2023012304A/ja active Pending
-
2022
- 2022-07-08 US US17/811,346 patent/US20230018077A1/en active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102615288B1 (ko) * | 2023-06-12 | 2023-12-19 | (주) 마인즈에이아이 | 모순되는 설문 데이터를 참조로 결정되는 모순 카테고리를 기초로 사용자 인터페이스를 제공하는 방법 및 이를 이용한 컴퓨팅 장치 |
Also Published As
Publication number | Publication date |
---|---|
US20230018077A1 (en) | 2023-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20190013093A1 (en) | Systems and methods for analyzing healthcare data | |
US20140122109A1 (en) | Clinical diagnosis objects interaction | |
WO2019162054A1 (en) | System and method for client-side physiological condition estimations based on a video of an individual | |
EP4002141A1 (en) | Question recommendation method, apparatus and system, and electronic device and readable storage medium | |
WO2020112147A1 (en) | Method of an interactive health status assessment and system thereof | |
Sandeep Kumar et al. | Deep learning for clinical decision support systems: a review from the panorama of smart healthcare | |
US20210345925A1 (en) | A data processing system for detecting health risks and causing treatment responsive to the detection | |
US10978209B2 (en) | Method of an interactive health status assessment and system thereof | |
JP6908977B2 (ja) | 医療情報処理システム、医療情報処理装置及び医療情報処理方法 | |
US20240138780A1 (en) | Digital kiosk for performing integrative analysis of health and disease condition and method thereof | |
Offermann et al. | Interplay of perceptions of aging, care, and technology acceptance in older age | |
JP2023012304A (ja) | 医用情報処理システム、医用情報処理方法、及びプログラム | |
EP4141885A1 (en) | Medical information processing system, medical information processing method, and program | |
JP2023033182A (ja) | 医用情報処理システム、医用情報処理方法、及びプログラム | |
EP4134978A1 (en) | Medical information processing system, medical information processing method, and program | |
JP2023026345A (ja) | 医用情報処理システム、医用情報処理方法、及びプログラム | |
Lee | Reference model and architecture of interactive cognitive health advisor based on evolutional cyber-physical systems | |
JP2019211866A (ja) | 情報提供装置、情報提供方法及び情報提供装置のニューラルネットワークの学習方法 | |
Manivannan et al. | Health monitoring system for diabetic patients | |
WO2023053177A1 (ja) | アセスメント評価装置、アセスメント支援方法及び記憶媒体 | |
US20240047066A1 (en) | Clinical decision support device, clinical decision support method, and storage medium | |
KR102334346B1 (ko) | 인공지능 귀 영상 또는 이미지 분석 건강관리 플랫폼 | |
US20240071240A1 (en) | Test familiar determination device, test familiar determination method and storage medium | |
WO2022208873A1 (ja) | ストレス推定装置、ストレス推定方法及び記憶媒体 | |
Tolulope et al. | Support to Interaction Between Medical Practitioners and Patients: A Systematic Review |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20240606 |