JP2023092860A - 医用情報処理装置、医用情報処理方法、およびプログラム - Google Patents
医用情報処理装置、医用情報処理方法、およびプログラム Download PDFInfo
- Publication number
- JP2023092860A JP2023092860A JP2021208115A JP2021208115A JP2023092860A JP 2023092860 A JP2023092860 A JP 2023092860A JP 2021208115 A JP2021208115 A JP 2021208115A JP 2021208115 A JP2021208115 A JP 2021208115A JP 2023092860 A JP2023092860 A JP 2023092860A
- Authority
- JP
- Japan
- Prior art keywords
- medical information
- information processing
- processing apparatus
- image
- result information
- 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
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
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- 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
-
- 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
- G16H10/40—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for data related to laboratory analysis, e.g. patient specimen analysis
-
- 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
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
【課題】生体検査の結果に基づいた画像検査を容易にすることである。【解決手段】医用情報処理装置は、記憶部と、取得部と、特定部とを持つ。記憶部は、被検体に関する過去の診断画像を記憶する。取得部は、被検体に関する検査結果情報を取得する。特定部は、検査結果情報に基づいて、対応する過去の診断画像を特定する。【選択図】図4
Description
本明細書及び図面に開示の実施形態は、医用情報処理装置、医用情報処理方法、およびプログラムに関する。
近年、血液検査等の生体検査の感度向上を目的とした技術開発が進められている。特にリキッドバイオプシー(Liquid biopsy;LB)と呼ばれる検査では、高感度な検出が実現されている。このような血液検査等では、患者に異常があることはわかるが、患者のどの臓器・部位に異常があるかといった情報を与えることはできない。患者のどの臓器に異常があるかを示すバイオマーカーも出てきているが、その臓器のどの領域が異常であるかはわからない。このため、血液検査の後には、画像検査を行うことで血液検査にて疑われる疾患の発症の有無、その進行度合い、および位置を確認することが必要である。これらの手法では、追加の画像検査が必要になった場合に、新しい画像検査を依頼する必要がある。このため、これらの手法では、画像検査に伴う患者の被曝や、新たな検査費用が生じる場合がある。
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、生体検査の結果に基づいた画像検査を容易にすることである。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。
実施形態に記載の医用情報処理装置は、記憶部と、取得部と、特定部とを持つ。記憶部は、被検体に関する過去の診断画像を記憶する。取得部は、前記被検体に関する検査結果情報を取得する。
以下、図面を参照しながら、実施形態の医用情報処理装置、医用情報処理方法、およびプログラムについて説明する。
<第1実施形態>
[検査システムの構成]
まず、検査システムの構成例を説明する。
図1は、本実施形態の検査システムの構成例を示す図である。図1のように、検査システム1は、例えば、検査装置100と、医用情報処理装置200と、提示装置300と、を備える。なお、検査装置100と医用情報処理装置200は、無線または有線のネットワークを介して接続されている。
[検査システムの構成]
まず、検査システムの構成例を説明する。
図1は、本実施形態の検査システムの構成例を示す図である。図1のように、検査システム1は、例えば、検査装置100と、医用情報処理装置200と、提示装置300と、を備える。なお、検査装置100と医用情報処理装置200は、無線または有線のネットワークを介して接続されている。
検査装置100は、検査対象者である被検体から採取された試料に対して検査を行い、検査結果に基づく検査結果情報を医用情報処理装置200に出力する。検査結果情報には、例えば被検体に関する検査結果情報が含まれている。なお、以下の実施形態において、検査装置100が血液検査装置の例を説明するが、検査装置はこれに限らない。なお、検査装置100の構成例、処理例は、図3を用いて後述する。
医用情報処理装置200は、例えば記憶部230を備える。医用情報処理装置200は、検査装置100からの検査結果情報に基づいて、記憶部230が記憶する情報の中から、検査結果情報と対応する過去の診断画像を特定する。医用情報処理装置200は、特定した診断画像を含む結果情報を提示装置300に出力する。なお、医用情報処理装置200の構成例、処理例は、図4を用いて後述する。
提示装置300は、例えば、画像表示装置、印字装置、タブレット端末、スマートフォン、携帯端末、専用端末等である。提示装置300は、医用情報処理装置200が出力する結果情報を提示する。
[血液検査手法例]
次に、本実施形態で用いる血液検査手法の例として、リキッドバイオプシー法の概要を説明する。図2は、リキッドバイオプシー法の概要を説明するための図である。図2のように、まず例えば注射器g1を用いて被検体を採血する。被検体から採血された血液には、例えば、様々な腫瘍由来成分が含まれている。腫瘍由来成分g3は、例えば、ctDNA(血中循環腫瘍RNA)、ctDNA(血中循環腫瘍DNA)、腫瘍たんぱく質、細胞外小胞(エクソソーム)、CTC(血中循環腫瘍細胞)、TEPs(腫瘍によって教育された血小板)等である。
次に、本実施形態で用いる血液検査手法の例として、リキッドバイオプシー法の概要を説明する。図2は、リキッドバイオプシー法の概要を説明するための図である。図2のように、まず例えば注射器g1を用いて被検体を採血する。被検体から採血された血液には、例えば、様々な腫瘍由来成分が含まれている。腫瘍由来成分g3は、例えば、ctDNA(血中循環腫瘍RNA)、ctDNA(血中循環腫瘍DNA)、腫瘍たんぱく質、細胞外小胞(エクソソーム)、CTC(血中循環腫瘍細胞)、TEPs(腫瘍によって教育された血小板)等である。
リキッドバイオプシー法では、例えば、検体から抽出した遺伝子を緑、基準となる標準検体を赤の蛍光色素で標識する(g2、g3)。次に、リキッドバイオプシー法では、標識した検体をDNAチップg4とハイブリダイゼーション反応をさせる。検査装置100は、反応後、洗浄したチップをスキャナーで読み取り(g5)、シグナルを検出する。シグナルは、例えば赤g7(図2ではハッチング有りの円で表現)と緑g6(図2ではハッチング無しの円で表現)の比である。これにより、リキッドバイオプシー法では、例えば、癌発症や腫瘍等の疾患の疑いがあることを検出できる。ただし、リキッドバイオプシー法では、被検体に異常があることはわかるが、被検体のどの臓器・部位に異常があるかがわからない。
なお、血液検査手法は、リキッドバイオプシー法に限らない。例えば試料を用いた検査手法であってもよい。
[検査装置の構成]
次に、検査装置の構成例を説明する。
図3は、本実施形態の検査装置の構成例を示す図である。図3のように、検査装置100は、例えば、入力インタフェース110と、出力インタフェース120と、記憶部130と、撮影装置140と、処理回路150と、を備える。なお、入力インタフェース110と、出力インタフェース120と、記憶部130と、撮影装置140と、処理回路150とは、バス160を介して接続されている。なお、図3に示した構成は一例であり、検査装置100の構成は、これに限らない。
次に、検査装置の構成例を説明する。
図3は、本実施形態の検査装置の構成例を示す図である。図3のように、検査装置100は、例えば、入力インタフェース110と、出力インタフェース120と、記憶部130と、撮影装置140と、処理回路150と、を備える。なお、入力インタフェース110と、出力インタフェース120と、記憶部130と、撮影装置140と、処理回路150とは、バス160を介して接続されている。なお、図3に示した構成は一例であり、検査装置100の構成は、これに限らない。
入力インタフェース110は、利用者から各種の入力操作を受け付けて、受け付けた入力操作結果を示す操作情報を処理回路150に出力する。なお、利用者は、例えば、医師、看護師や薬剤師、臨床検査技師、診療放射線技師、理学療法士等である。なお、本明細書において入力インタフェース110はマウス、キーボードなど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、検査装置100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110の例に含まれる。
出力インタフェース120は、処理回路150が出力する情報を、医用情報処理装置200に出力する。出力インタフェース120は、通信回路を備える。なお、本明細書において出力インタフェース120は、例えば送受信端子、送受信回路等である。例えば、検査装置100とは別体に設けられた外部機器へ情報または電気信号を出力する電気信号の処理回路も出力インタフェース120の例に含まれる。
記憶部130は、例えば、ROM(Read Only Memory)、RAM(Random Access Memory)、HDD(Hard Disk Drive)、SSD(Solid State Drive)等のうち少なくとも1つを備える。記憶部130は、例えば、処理回路150が処理や制御に用いるプログラム、閾値、DNAチップにおける赤と緑の比と病名の関係等の判定に必要な情報、数式、通信相手のアドレス情報、通信相手の識別情報等を記憶する。
撮影装置140は、処理回路150の制御に応じて、例えばDNAチップを撮影する。なお、本明細書において撮影装置140は、例えばCMOS(Complementary MOS)撮影素子を備える撮影装置、CCD(Charge Coupled Device)撮影素子を備える撮影装置等である。
処理回路150は、例えば、画像処理機能151と、判定機能152と、検査結果出力機能153と、を備える。処理回路150は、例えば、ハードウェアプロセッサが記憶部130(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。
ハードウェアプロセッサとは、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)などの回路(circuitry)を意味する。記憶部130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。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。
画像処理機能151は、撮影装置140によって撮影された判定用画像に対して画像処理を行う。画像処理は、例えばDNAチップ上の赤と緑との比、赤の位置、緑の位置などを抽出する。
判定機能152は、画像処理された結果と記憶部130が記憶する情報とを用いて、血液検査の結果が例えば陽性であるか否かを判定する。なお、本実施形態では、陽性であるか陰性であるかを判定する例を説明するが、判定はこれに限らない。判定は、例えば、バイタルデータが基準値より高いか否か、肝臓のγ-GTPが基準値より高いか否か等であってもよい。判定機能152は、判定結果が陽性である場合に、画像処理された結果と記憶部130が記憶する情報とを用いて、対応する例えば異常のある臓器とその疾患の候補等を推定する。判定機能152は、判定結果を示す判定結果情報を検査結果出力機能153に出力する。なお、判定結果情報には、例えば、血液検査の結果が陽性であるか陰性であるかを示す情報、バイタルデータが基準値より高いか否かを示す情報、肝臓のγ-GTPが基準値より高いか否かを示す情報等が含まれる。
検査結果出力機能153は、血液検査の結果が陽性である場合等、判定結果が所定の条件を満たす場合に、検査結果情報を医用情報処理装置200に出力する。なお、検査結果情報には、例えば、判定結果情報、被検体の識別情報、疾患の疑いのある疾患名を示す情報、疾患の疑いのある部位を示す情報、疾患の疑いのある臓器名、判定結果情報に基づいて過去の診断画像を探索(または検索)する指示等が含まれる。
[医用情報処理装置の構成]
次に、医用情報処理装置の構成例を説明する。
図4は、本実施形態の医用情報処理装置の構成例を示す図である。図4のように、医用情報処理装置200は、例えば、入力インタフェース210と、出力インタフェース220と、記憶部230と、処理回路240と、を備える。入力インタフェース210と、出力インタフェース220と、記憶部230と、処理回路240とは、バス250を介して接続されている。なお、図4に示した構成は一例であり、医用情報処理装置200の構成は、これに限らない。医用情報処理装置200は、例えば、ワークステーション、サーバ、画像データサーバ、医用画像診断装置のコンソール装置等でもよい。また、医用情報処理装置200は、例えばグループや提携している病院の場合に、各病院が備えていてもよい。
次に、医用情報処理装置の構成例を説明する。
図4は、本実施形態の医用情報処理装置の構成例を示す図である。図4のように、医用情報処理装置200は、例えば、入力インタフェース210と、出力インタフェース220と、記憶部230と、処理回路240と、を備える。入力インタフェース210と、出力インタフェース220と、記憶部230と、処理回路240とは、バス250を介して接続されている。なお、図4に示した構成は一例であり、医用情報処理装置200の構成は、これに限らない。医用情報処理装置200は、例えば、ワークステーション、サーバ、画像データサーバ、医用画像診断装置のコンソール装置等でもよい。また、医用情報処理装置200は、例えばグループや提携している病院の場合に、各病院が備えていてもよい。
入力インタフェース210は、利用者から各種の入力操作を受け付けて、受け付けた入力操作結果を示す操作情報を処理回路240に出力する。なお、利用者は、例えば、医師、看護師や薬剤師、臨床検査技師、診療放射線技師、理学療法士等である。なお、本明細書において入力インタフェース210はマウス、キーボードなど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の例に含まれる。
出力インタフェース220は、例えば提示装置300に結果情報を提示させる。なお、本明細書において出力インタフェース220は、例えば画像出力回路、画像出力端子等である。例えば、医用情報処理装置200とは別体に設けられた提示装置300へ画像信号を出力する電気信号の処理回路も出力インタフェース220の例に含まれる。
記憶部230は、例えば、ROM、RAM、HDD、SSD等のうち少なくとも1つを備える。記憶部230は、例えば、処理回路240が処理や制御に用いるプログラム、閾値、数式、通信相手のアドレス情報、通信相手の識別情報等を記憶する。また、記憶部230は、診断画像記憶部231と、解析モデル記憶部232を備える。
診断画像記憶部231は、複数の被検体に関する過去の診断画像を記憶する。なお、過去の診断画像それぞれには、例えば疾患名、診断画像の種類、部位情報等の付帯情報が関連付けられている。また、過去の診断画像の種類は、例えばX線CT(Computed Tomography:コンピュータ断層診断)装置によって取得された画像、MRI(Magnetic Resonance Imaging:磁気共鳴断層撮影)装置によって取得された画像、超音波診断装置によって取得された画像、単純X線によって取得された画像等である。なお、診断画像の種類を示す情報が、各診断画像に関連付けられている。なお、診断画像記憶部231が記憶する診断画像は、例えば、被検体の過去の診断画像、他の被検体の過去の診断画像、疾患時の診断画像、健康時の診断画像等を含む。
解析モデル記憶部232は、複数の解析モデルを記憶する。なお、解析モデルについては後述する。
処理回路240は、例えば、取得機能241と、特定機能242と、解析手段決定機能243と、決定機能244と、疾患名推定機能245と、を備える。処理回路240は、例えば、ハードウェアプロセッサが記憶部230(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240は、特定された過去の診断画像を含む結果情報を、出力インタフェース220を介して提示装置300に出力する。
記憶部230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。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241は、検査装置100が出力する検査結果情報を取得する。
特定機能242は、取得機能241が取得した検査結果情報に基づいて、特定可能な場合に、診断画像記憶部231が記憶する過去の診断画像の中から少なくとも1つを特定する。または、特定機能242は、決定機能244が決定した部位情報に基づき、解析モデルを用いて過去の診断画像を特定する。特定機能242は、特定された過去の診断画像を含む結果情報を、出力インタフェース220を介して提示装置300に出力する。
解析手段決定機能243は、取得機能241が取得した検査結果情報に基づいて、解析モデル記憶部232に記憶された複数の解析モデルから、特定機能242によって特定された過去の診断画像に対する解析モデルを決定する。
決定機能244は、検査結果情報に基づいて、被検体の検査部位を示す部位情報を決定する。
疾患名推定機能245は、過去の診断画像と関連付けられている部位情報に基づいて、被検体の疾患名を推定する。
[検査結果情報の送受信方法例]
次に、検査装置100から医用情報処理装置200への検査結果情報の送受信方法例を説明する。図5は、本実施形態に係る検査装置から医用情報処理装置への検査結果情報の送受信方法例を示す図である。
次に、検査装置100から医用情報処理装置200への検査結果情報の送受信方法例を説明する。図5は、本実施形態に係る検査装置から医用情報処理装置への検査結果情報の送受信方法例を示す図である。
第1の例(g11)では、血液検査の結果が陽性だった場合に、検査装置100が出力インタフェース120を介して、自動的に検査結果情報を医用情報処理装置200へ送信する。医用情報処理装置200は、入力インタフェース210を介して検査結果情報を受信する。
第2の例(g12)では、血液検査の結果が陽性だった場合に、例えば検査装置100の利用者が、検査装置100の入力インタフェース110が備える操作ボタンやタッチパネルを操作する。検査装置100は、操作結果に基づいて、検査結果情報を出力インタフェース120を介して、医用情報処理装置200へ送信する。医用情報処理装置200は、入力インタフェース210を介して検査結果情報を受信する。
第3の例(g13)では、血液検査の結果が陽性だった場合に、検査装置100が出力インタフェース120を介して検査結果情報を、有線ネットワークNWA上にある例えば中継器400に送信する。なお、送信は、自動であっても利用者の操作に基づいてもよい。中継器400は、検査結果情報を医用情報処理装置200へ送信する。医用情報処理装置200は、入力インタフェース210を介して検査結果情報を受信する。
第4の例(g14)では、血液検査の結果が陽性だった場合に、検査装置100が出力インタフェース120を介して検査結果情報を、ネットワークNWBを介して医用情報処理装置200へ送信する。なお、送信は、自動であっても利用者の操作に基づいてもよい。医用情報処理装置200は、入力インタフェース210を介して検査結果情報を受信する。
なお、図5に示した検査結果情報の送受信方法は一例であり、これに限らない。
[検査装置の処理手順例]
次に、検査装置100の処理手順例を説明する。図6は、本実施形態に係る検査装置の処理手順例のフローチャートである。
次に、検査装置100の処理手順例を説明する。図6は、本実施形態に係る検査装置の処理手順例のフローチャートである。
検査装置100は、被検体から採取された血液の検査を行う(ステップS1)。血液が取得されるタイミングとしては、例えば、健康診断時等が挙げられる。画像処理機能151は、例えばDNAチップが撮影された判定用画像に対して画像処理を行う。
判定機能152は、判定用画像が画像処理された結果に基づいて、血液検査の陽性判定を行う(ステップS2)。判定機能152は、血液検査結果が陽性であった場合に、検査結果情報を医用情報処理装置200へ送信する(ステップS3、4)。判定機能152は、血液検査結果が陽性ではなかった場合に、処理を終了する(ステップS3)。
なお、図6に示した処理と手順は一例であり、これに限らない。
[医用情報処理装置の処理手順例]
次に、医用情報処理装置200の処理手順例を説明する。図7は、本実施形態に係る医用情報処理装置の処理手順例のフローチャートである。
次に、医用情報処理装置200の処理手順例を説明する。図7は、本実施形態に係る医用情報処理装置の処理手順例のフローチャートである。
取得機能241は、検査装置100が送信した検査結果情報を入力インタフェース210を介して取得する(ステップS11)。取得機能241は、検査結果情報に含まれる疾患名を取得する(ステップS12)。
特定機能242は、取得機能241が取得した検査結果情報に基づいて、特定可能な場合に、診断画像記憶部231が記憶する過去の診断画像の中から少なくとも1つを特定する(ステップS13)。なお、特定可能な場合とは、例えば、対応する診断画像が過去に取得され、対応する診断画像が診断画像記憶部231に記憶されている場合である。
なお、医用情報処理装置200は、以下の処理も行うようにしてもよい。疾患名推定機能245は、特定された過去の診断画像に基づいて、病変を検出する(ステップS14)。
なお、図7に示した処理と手順は一例であり、これに限らない。
[画像探索方法]
画像探索方法について説明する。図8は、本実施形態に係る画像探索方法を説明するための図である。本実施形態では、上述したように、検査装置100が送信する検査結果情報に疾患の疑いのある疾患名や、疾患の疑いのある臓器名等が含まれる。このため、図8のように、医用情報処理装置200は、検査装置100から「肺癌の疑い」を取得した場合に、CT装置を用いて取得された過去の診断画像を探索してCT装置を用いた過去の肺野の診断画像を決定する。医用情報処理装置200は、検査装置100から「脳腫瘍の疑い」を取得した場合に、MRI装置を用いて取得された過去の診断画像を探索してMRI装置を用いた取得された過去の脳の診断画像を決定する。医用情報処理装置200は、検査装置100から「乳癌の疑い」を取得した場合に、超音波診断装置を用いて取得された過去の診断画像を探索して超音波診断装置を用いて取得された胸部の過去の診断画像を決定する。このように、本実施形態では、検査結果に応じて過去の診断画像の探索対象を切り替える。本実施形態では、選択された検査項目の検査結果に基づいて、探索対象が決定される。例えば、血液検査結果が「膵臓癌がある」であれば、膵癌の過去の診断画像を探索するように探索指示を含む検査結果情報が送信される。なお、図8に示した例は一例であり、これに限らない。
画像探索方法について説明する。図8は、本実施形態に係る画像探索方法を説明するための図である。本実施形態では、上述したように、検査装置100が送信する検査結果情報に疾患の疑いのある疾患名や、疾患の疑いのある臓器名等が含まれる。このため、図8のように、医用情報処理装置200は、検査装置100から「肺癌の疑い」を取得した場合に、CT装置を用いて取得された過去の診断画像を探索してCT装置を用いた過去の肺野の診断画像を決定する。医用情報処理装置200は、検査装置100から「脳腫瘍の疑い」を取得した場合に、MRI装置を用いて取得された過去の診断画像を探索してMRI装置を用いた取得された過去の脳の診断画像を決定する。医用情報処理装置200は、検査装置100から「乳癌の疑い」を取得した場合に、超音波診断装置を用いて取得された過去の診断画像を探索して超音波診断装置を用いて取得された胸部の過去の診断画像を決定する。このように、本実施形態では、検査結果に応じて過去の診断画像の探索対象を切り替える。本実施形態では、選択された検査項目の検査結果に基づいて、探索対象が決定される。例えば、血液検査結果が「膵臓癌がある」であれば、膵癌の過去の診断画像を探索するように探索指示を含む検査結果情報が送信される。なお、図8に示した例は一例であり、これに限らない。
このように、本実施形態では、血液検査の結果、対象とする過去の診断画像については、あらかじめテーブルでルール規定しておくようにしてもよい。また、医用情報処理装置200は、血液検査の結果、検査結果の程度によって、対象とする過去の診断画像の対象や方法を変えてもよい。このため、医用情報処理装置200は、血液検査の結果から、疾患の重篤度を、大中小とわける機能を備えるか、閾値で分けてもよい。
医用情報処理装置200は、過去の診断画像の探索対象範囲を、例えば軽度の疾患疑いであれば、その病院内にある診断画像のみを探索し、例えば、重度の疾患であれば図8のように、ネットワークNWを介して接続されたグループ病院の医用情報処理装置200Bが記憶する過去の診断画像を探索するように、検査範囲を変更するようにしてもよい。
または、医用情報処理装置200は、過去の診断画像の探索対象範囲を、例えば軽度の疾患疑いであれば過去1年を探索し、例えば重度であれば過去10年を探索する等、疾患の程度に応じて探索対象の期間を変更するようにしてもよい。
医用情報処理装置200は、血液検査の結果疑われた疾患の緊急度が高い場合、過去の診断画像の探索を、優先度を高くして実施し、緊急度が低い場合、夜間や休日に行うようにしてもよい。なお、緊急度は、例えば、検査装置100の記憶部130、または医用情報処理装置200の記憶部230が記憶する。
さらに、医用情報処理装置200は、血液検査の結果が陽性であったときに、関係する臓器だけでなく、関連する例えば疾患も過去の診断画像から探索する。例えば、医用情報処理装置200は、肺癌に対するリキッドバイオプシー法の検査結果が陽性の場合、転移の可能性のある骨、脳、肝臓、副腎の過去の診断画像も探索するようにしてもよい。
[運用例]
ここで、検査システム1の運用例を説明する。図9は、本実施形態に係る検査システムの運用例を説明するための図である。図9のように、例えば、健康診断を行う検診センターに検査装置100が設置され、病院に医用情報処理装置200が設置されている。
ここで、検査システム1の運用例を説明する。図9は、本実施形態に係る検査システムの運用例を説明するための図である。図9のように、例えば、健康診断を行う検診センターに検査装置100が設置され、病院に医用情報処理装置200が設置されている。
健康診断では、例えば、血液検査や遺伝子検査が被検体に対して行われる。このため、血液検査結果が出て、それを被検体に説明する段階で、過去の診断画像の探索の結果が出ていることが望ましい。このため、検査装置100は、検査結果情報を医用情報処理装置200へ送信する。医用情報処理装置200は、過去の診断画像の探索が終了したことを示す探索完了情報を検査装置100へ送信する。なお、医用情報処理装置200は、検診センターにおいて、被検体に検査結果を説明する前に過去の診断画像の探索を行うことが望ましい。そして、検査装置100は、検査装置100に接続されている例えば画像表示装置500に、探索完了を示す画像(例えばアイコン、テキスト画像等)を表示させる。なお、この情報は、例えば電子カルテにリンクしていてもよい。
なお、医用情報処理装置200は、検診センターから検査結果情報が送信された病院に設置されていてもよく、その病院のグループ病院等に設置されていてもよい。なお、検診センターから送信される情報は、検査結果情報を含む電子紹介状等であってもよい。さらに、診断画像記憶部231は、医用情報処理装置200が備え病院に設置されていなくてもよい、この場合、診断画像記憶部231が記憶する情報は、他の場所やクラウドに保存されていてもよい。さらに、医用情報処理装置200または検査装置100は、被検体の通院歴のある医療機関に探索依頼を送信して、過去の診断画像を取得するようにしてもよい。この場合、過去の診断画像を被検体の通院歴のある医療機関が保存している。なお、検査装置100は、被検体の通院歴のある医療機関情報を、例えば、被検体の保険証や、スマートフォン等にインストールされているアプリケーションから取得するようにしてもよい。また、医用情報処理装置200は、リキッドバイオプシー法の血液検査結果と関連する注目部位の過去の診断画像を、検査装置100へ送信するようにしてもよい。診断結果を被検体に伝えるのは、診察センターであっても病院であってもよい。
例えば、検査装置100または医用情報処理装置200は、過去の診断画像を、リキッドバイオプシー法と関連する注目部位に適した前処理を自動的に実行したうえで表示させるようにしてもよい。例えば、医用情報処理装置200は、膵管癌に関するリキッドバイオプシー法の血液検査結果が陽性の場合に、肝臓検査画像から膵管断面画像を生成する前処理を画像処理によって実行して生成するようにしてもよい。なお、医用情報処理装置200は、目的が違う検査の過去の診断画像をそのままは表示しないようにしてもよい。
以上のように、本実施形態では、血液検査で被検体に疾患の疑いがある場合に、過去に撮影されている診断画像の中から疾患に関連する過去の診断画像の探索依頼を含む検査結果情報を医用情報処理装置200に送信するようにした。このように、本実施形態では、過去検査を調べるように過去検査に対する探索依頼(画像解析の依頼等)を医用情報処理装置200に送信するようにした。
これにより本実施形態によれば、生体検査の結果に基づいた画像検査を容易にすることができる。
なお、上述した検査例では血液検査の例を説明したが、これに限らない。検査は、例えば、喀痰検査、鼻水・粘膜、便検査、尿検査等であってもよい。
<第2実施形態>
以下、第2実施形態について説明する。第2実施形態は、第1実施形態と比較して、解析モデルを用いて、過去の診断画像の探索等を行う点が異なる。このため、以下において、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。
以下、第2実施形態について説明する。第2実施形態は、第1実施形態と比較して、解析モデルを用いて、過去の診断画像の探索等を行う点が異なる。このため、以下において、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。
[検査システムの構成]
まず、本実施形態の検査システムの構成例を説明する。
図10は、本実施形態の検査システムの構成例を示す図である。図10のように、検査システム1Aは、例えば、検査装置100Aと、医用情報処理装置200Aと、提示装置300と、画像診断装置600と、を備える。なお、検査装置100Aと医用情報処理装置200Aは、無線または有線のネットワークを介して接続されている。また、医用情報処理装置200Aと画像診断装置600は、無線または有線のネットワークを介して接続されている。
まず、本実施形態の検査システムの構成例を説明する。
図10は、本実施形態の検査システムの構成例を示す図である。図10のように、検査システム1Aは、例えば、検査装置100Aと、医用情報処理装置200Aと、提示装置300と、画像診断装置600と、を備える。なお、検査装置100Aと医用情報処理装置200Aは、無線または有線のネットワークを介して接続されている。また、医用情報処理装置200Aと画像診断装置600は、無線または有線のネットワークを介して接続されている。
検査装置100Aの構成は、第1実施形態の検査装置100と同様である。医用情報処理装置200Aの構成は、第1実施形態の医用情報処理装置200と同様である。
検査装置100Aは、検査依頼を含む検査結果情報を医用情報処理装置200Aに送信した場合に、画像診断装置600に画像取得指示を送信する。
医用情報処理装置200Aは、検査装置100Aが送信する検査結果情報に応じて、解析モデルを用いて過去の診断画像を探索して選択する。医用情報処理装置200Aは、画像診断装置600が出力する診断画像を取得し、取得した診断画像に対して処理を行う。
画像診断装置600は、例えば、X線CT装置、MRI装置、超音波診断装置、単純X線撮影装置、核医学診断装置等である。画像診断装置600は、検査装置100Aが送信する画像取得指示に応じて被検体に対して、例えばX線CT装置を用いた検査、MRI装置を用いた検査、超音波診断装置を用いた検査、単純X線を用いた検査等を行う。
[解析モデル]
ここで、本実施形態で用いる解析モデルの例について説明する。図11は、本実施形態で用いられる解析モデルの例を説明するための図である。解析モデル233は、検査結果情報を入力とし、検査結果情報に対応する過去の診断画像を出力する。また、解析モデル233は、検査結果情報を入力とし、病変検出情報を出力する。なお、解析モデルは、予め検査結果情報と、過去の診断画像との組である教師データを入力して学習させることにより生成される。また、解析モデルは、予め検査結果情報と、病変検出情報との組である教師データを入力して学習させることにより生成される。
ここで、本実施形態で用いる解析モデルの例について説明する。図11は、本実施形態で用いられる解析モデルの例を説明するための図である。解析モデル233は、検査結果情報を入力とし、検査結果情報に対応する過去の診断画像を出力する。また、解析モデル233は、検査結果情報を入力とし、病変検出情報を出力する。なお、解析モデルは、予め検査結果情報と、過去の診断画像との組である教師データを入力して学習させることにより生成される。また、解析モデルは、予め検査結果情報と、病変検出情報との組である教師データを入力して学習させることにより生成される。
なお、解析モデル233の個数は複数である。解析モデル233それぞれは、例えば画像種(CT装置を用いて取得した画像、MRI装置を用いて取得した画像、超音波診断装置を用いて取得した画像、単純X線を用いて取得した画像)毎に別々に学習されたモデルである。例えばCT装置を用いて取得した画像用の解析モデル233は、CT装置を用いて取得した画像を用いて学習させ、探索時はCT装置を用いて取得した画像を探索する。また、解析モデル233は、疾患(肺癌、乳癌、肝臓癌、大腸癌、脳腫瘍等)毎に別々に学習されたモデルであってもよい。また、解析モデル233は、臓器又は疾患ごとに学習されたモデルであってもよく、例えば肺癌用の解析モデル233は、肺癌の画像と疾患名を用いて学習を行い、肺野が写っている診断画像を探索する。また、解析モデル233は、上述の学習の単位を組み合わせて学習を行ってもよい。
図12は、本実施形態に係る解析モデルの選択を説明するための図である。図12の例では、検査装置100Aが送信する検査結果情報に例えば臓器名と疑われる疾患名と解析目的等が含まれる。なお、解析目的は、例えば、「疾患の有無を知りたい」、「疾患の場所を知りたい」、「疾患の程度を知りたい」等である。
解析手段決定機能243は、検査装置100Aから取得した解析目的が「疾患の有無を知りたい」の場合、例えば、疾患の有無に感度の高い第1の解析モデル233-1を選択する。
解析手段決定機能243は、検査装置100Aから取得した解析目的が「疾患の場所を知りたい」の場合、例えば疾患の場所に感度の高い第2の解析モデル233-2を選択する。
解析手段決定機能243は、検査装置100Aから取得した解析目的が「疾患の程度を知りたい」の場合、例えば特性(程度)分析に感度の高い第3の解析モデル233-3を選択する。
例えば、解析目的が「疾患の場所が知りたい」であった場合は、疾患の有無の精度には重きが置かれないので、「疾患があるとしたらここ」という結果を返すことが望ましい。この場合、例えば臓器のある部分の形がおかしいような場所を示す情報を、医用情報処理装置200Aは、検査装置100Aに返信する。返信する情報において、疾患か否かを、この解析モデルは、考慮しなくてもよい。
また、医用情報処理装置200Aは、探索結果にコメントを付与して検査装置100Aに返信するようにしてもよい。付与されるコメントは、例えば、「過去の診断画像は古すぎました」、「目的の臓器が画像から欠けていました」、「画像はありましたが、造影がされていません」「画像はありましたが、エネルギーまたはシーケンスが異なります」等である。この機能は、今回の解析対象が、この疾患検査を目的に新たに撮影された診断画像から行われるのではなく、過去に撮影された診断画像から探索されるため、必要とされる機能である。
なお、図12を用いて説明した解析目的、解析モデル233は一例であり、これに限らない。例えば、解析モデル233は、汎用の解析モデルも備えていてもよい。この場合、処理回路240は、汎用の解析モデルとともに、解析目的または疾患の臓器に合わせた(その臓器に対して感度の高い)解析モデルも用いるようにしてもよい。
[医用情報処理装置の処理手順例]
次に、医用情報処理装置200Aの処理手順例を説明する。図13は、本実施形態に係る医用情報処理装置の処理手順例のフローチャートである。
次に、医用情報処理装置200Aの処理手順例を説明する。図13は、本実施形態に係る医用情報処理装置の処理手順例のフローチャートである。
取得機能241は、検査装置100Aが送信した検査結果情報を入力インタフェース210を介して取得する(ステップS21)。取得機能241は、検査結果情報に含まれる疾患名を取得する(ステップS22)。
決定機能244は、検査結果情報に基づいて、対象の部位情報と探索対象の過去の診断画像の種類を決定する(ステップS23)。
決定機能244は、決定した探索対象の画像種類に基づいて、診断画像記憶部231に対象の過去の診断画像が記憶されているか否かを判別する(ステップS24)。
診断画像記憶部231に対象の過去の診断画像が記憶されている場合、解析手段決定機能243は、検査結果情報と探索対象の過去の診断画像の種類と部位情報に基づいて、解析モデル記憶部232に記憶された複数の解析モデルから少なくとも1つを決定する。特定機能242は、決定機能244が決定した部位情報に基づき、解析モデルを用いて対象箇所の過去の診断画像を特定する(ステップS25)。
なお、疾患名推定機能245は、対象箇所の過去の診断画像に基づいて、病変を検出するようにしてもよい(ステップS26)。
診断画像記憶部231に対象の過去の診断画像が記憶されていない場合、処理回路240は、検査装置100Aに画像取得指示を出力する。なお、処理回路240は、画像診断装置600に撮影指示を出力するようにしてもよい。
なお、図13に示した処理と手順は一例であり、これに限らない。
これにより、本実施形態によれば、解析モデルを用いることで、検査結果情報に対応する過去の診断画像を取得することができる。さらに、過去の診断画像が存在しない場合であっても、新たな画像取得のための検査が行われ、必要な診断画像を取得することができる。
[比較例]
ここで比較例の処理例を説明する。図14は、比較例の処理例を示す図である。
ここで比較例の処理例を説明する。図14は、比較例の処理例を示す図である。
(第1の比較例(g901))
検査処理は、依頼が出されたら(ステップS901)、まず画像を撮影し(ステップS902)、撮影された診断画像に対し、画像解析が行われて、疾患探索が行われる(ステップS903)。
検査処理は、依頼が出されたら(ステップS901)、まず画像を撮影し(ステップS902)、撮影された診断画像に対し、画像解析が行われて、疾患探索が行われる(ステップS903)。
(第2の比較例(g902))
検査処理は、依頼が出されたら(ステップS911)、撮影指示を行い(ステップS902)、診断画像を撮影し(ステップS913)、撮影された診断画像に対し画像解析を指示し(ステップS914)、診断画像から疾患探索が行われる(ステップS914)。
検査処理は、依頼が出されたら(ステップS911)、撮影指示を行い(ステップS902)、診断画像を撮影し(ステップS913)、撮影された診断画像に対し画像解析を指示し(ステップS914)、診断画像から疾患探索が行われる(ステップS914)。
画像撮影なしに、画像解析のみが行われる場合、医師は、新しい診断画像から疾患を探索するのと、過去の診断画像から疾患を探索するのでは、意識的に異なる心構えで画像解析をしていると考えられる。
仮に、新しい診断画像から疾患を解析モデルで探索する場合は、どの臓器や部位に異常や疾患があるかが分かっていないことが多い。もしくは、その精度があまり高くない。例えば、頭痛がするという被検体には、頭部の診断画像が撮影され、頭の解析が行われる。このような場合は、疾患名が分かっていないことが多い。あるいは、癌で半年ぶりにフォローアップ検査をする場合には、過去の診断画像と今回撮影した診断画像との比較で、癌の増大や縮小の検査と、転移がないかが調べられる。
[実施形態と比較例との比較]
実施形態のような血液検査後の過去の診断画像の探索では、血液検査でどの臓器や部位に癌があるかが分かっている。このため、実施形態では、対象の臓器に特化した診断画像探索を行うため、精度のよい探索が可能になる。
実施形態のような血液検査後の過去の診断画像の探索では、血液検査でどの臓器や部位に癌があるかが分かっている。このため、実施形態では、対象の臓器に特化した診断画像探索を行うため、精度のよい探索が可能になる。
ここで、本実施形態の解析モデルについて更に説明する。本実施形態では、一般的な画像用の探索エンジンとは異なる、過去の診断画像用の探索エンジンである解析モデル233を用いるようにした。そして、本実施形態では、探索対象となる過去の診断画像が、対象の疾患専用に撮影された診断画像でなくても探索をかけるようにした。このため本実施形態では、探索パラメーターを、一般的な画像用の探索とは異なるものにした。さらに、本実施形態では、解析モデルを、一般的な画像用のものと異なり、過去の診断画像の探索に特化した探索エンジンを使うようにした。
本実施形態では、血液検査で膵臓が悪いと分かったときに過去に撮影されている診断画像の中から、診断画像が肝臓用に撮られた診断画像でなくても膵臓を見つけ出して、膵臓癌を探索するようにした。探索の際、肝臓癌検出用の解析モデルではなく、膵臓癌検出用の解析モデルを選択するように指示が検査装置100(または100A)から送信されるようにした。本実施形態では、仮に肝臓の検査と言う識別情報(タグ、検査目的、カルテ命令)が検査結果情報に含まれていても膵臓の診断画像を探索するようにした。すなわち、本実施形態では、検査目的の臓器以外の臓器の診断画像も探索するようにした。なお、医用情報処理装置200(または200A)の処理回路240は、膵臓が例えば半分しかまたは一部しか映っていない診断画像であっても、過去の診断画像を探索して選択するようにした。
例えば膵臓癌検査では、造影された診断画像を用いても、膵臓癌を見つけにいくのが一般的である。しかし、過去の診断画像には、膵臓造影したものはなくても、造影していなくて膵臓が映っている診断画像もある。このため、本実施形態では、非造影画像で膵臓癌の探索も行うようにした。本実施形態では、解析モデルの学習に、現在刷家された診断画像を用いるか、過去の診断画像の探索において、非造影画像で学習したエンジンを用いるようにしてもよい。この場合は、上述したように探索に用いる解析モデル233を切り替えて使うのが望ましい。
なお、現在の診断画像を用いて、癌の有無を探索する場合には、感度(Sensitivity)とともに特異度(Specificity)も重要となる。これは、癌でない人を癌と誤診すると、医療費増大や患者負担が発生するためである。このため解析モデル233は、感度とともに特異度の両方のバランスがとれるように最適化されたものを用いることが望ましい。本実施形態のように血液検査では、すでに血液検査で癌であることが判明している。従って、本実施形態では、「誤って癌であると判定する」ことを考慮する必要はなく、積極的に癌の領域を特定することが求められる。以上のように、本実施形態では、診断画像の探索に用いる解析モデル233を過去の診断画像の探索用に最適化されたエンジンを用いることが望ましい。
あるいは、血液検査の特徴が、感度が高すぎるものを用いて検査した場合においては、画像探索のパラメーターの感度をおさえて、特異度をあげるように調整されたものを用いてもよい。
また、本実施形態では、上述したように、解析目的を医用情報処理装置200(または200A)に入力できるようにした。本実施形態では、過去の診断画像の探索に期待する目的によって、画像探索エンジンを切り替えたり、画像探索エンジンである解析モデルのパラメーターを切り替えることができる。また、解析目的は、上述したように「疾患の有無に関する探索」、「疾患の場所探索」、「疾患の程度探索」等を指定できるようにしてもよい。
さらにこれらの目的は、リキッドバイオプシー法の検査結果に基づいて自動で決めるようにしてもよい。例えば血液検査の正確度が低い結果がでた場合は、画像検査でも「有無」を探索するように目的を設定させる。例えば血液検査の確率(Probability)が高かった場合には、疾患の有無の判定は不要であり、それよりも疾患のある臓器や部位の過去の診断画像を探索するように目的を設定させるようにしてもよい。このように、本実施形態では、例えば、癌の過去の診断画像を探索するのではなく臓器の変化を特定したり、異常のある部位を探索したり、臓器の変化を探索して、どの臓器や部位に異常が発生している(または発生しそう)であるかを探索したり、臓器の特徴の変化を見つけたりすることができる。
また、本実施形態では、上述したように、過去の診断画像の探索ならではの結果を検査装置100へ返信するようにしてもよい。例えば膵臓検査目的で撮像された診断画像ではありえないケースがある。この場合には、例えば以下のような情報を検査装置100に返信するようにしてもよい。なお、以下の例は一例であり、これに限らない。
I.「膵臓が映っていませんでした。」
II.「膵臓画像はありましたが10年前のものでした。」
III.「膵臓の1/3のみが映っていて2/3は欠けていました。」
IV.「造影されていない画像で探索したため精度が落ちている可能性があります。」
V.「撮影エネルギーやシーケンスが膵臓用とは異なるもので探索しました。」
I.「膵臓が映っていませんでした。」
II.「膵臓画像はありましたが10年前のものでした。」
III.「膵臓の1/3のみが映っていて2/3は欠けていました。」
IV.「造影されていない画像で探索したため精度が落ちている可能性があります。」
V.「撮影エネルギーやシーケンスが膵臓用とは異なるもので探索しました。」
また、リキッドバイオプシー法の検査時と過去の診断画像の検査とでは、検査時期が異なる。リキッドバイオプシー法の検査時には被検体の症状が重度であっても、過去の検査時には軽度である可能性がある。このため、本実施形態では、リキッドバイオプシー法の検査時と過去の診断画像の検査時の時間間隔によって解析モデル233のパラメーターを調整するようにした。解析モデル233の検出閾値を、例えば、半年前の診断画像では0.8に、1年前の診断画像では0.5に設定するようにしてもよい。なお、検出閾値の値は一例であり、これに限らない。
以上のように、本実施形態では、学習済みの解析モデルを用いて過去の診断画像の選択等を行うようにした。また、本実施形態では、解析モデルを複数用意して解析目的に応じて選択するようにした。また、本実施形態では、過去の診断画像の探索結果を検査装置100に返信するようにした。
これにより、本実施形態によれば、解析目的に応じた過去の診断画像を取得でき、取得した過去の診断画像を用いて診断することができる。
以上説明した少なくとも1つの実施形態によれば、記憶部230と取得機能241と特定機能242を持つことにより、生体検査の結果に基づいた画像検査を容易にすることができる。
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。
1,1A…検査システム、
100,100A…検査装置、
200,200A…医用情報処理装置、
300…提示装置、
110…入力インタフェース、
120…出力インタフェース、
130…記憶部、
140…撮影装置、
150…処理回路、
151…画像処理機能、
152…判定機能、
153…検査結果出力機能、
160…バス、
210…入力インタフェース、
220…出力インタフェース、
230…記憶部、
231…診断画像記憶部、
232…解析モデル記憶部、
240…処理回路、
241…取得機能、
242…特定機能、
243…解析手段決定機能、
244…決定機能、
245…疾患名推定機能、
600…画像診断装置
100,100A…検査装置、
200,200A…医用情報処理装置、
300…提示装置、
110…入力インタフェース、
120…出力インタフェース、
130…記憶部、
140…撮影装置、
150…処理回路、
151…画像処理機能、
152…判定機能、
153…検査結果出力機能、
160…バス、
210…入力インタフェース、
220…出力インタフェース、
230…記憶部、
231…診断画像記憶部、
232…解析モデル記憶部、
240…処理回路、
241…取得機能、
242…特定機能、
243…解析手段決定機能、
244…決定機能、
245…疾患名推定機能、
600…画像診断装置
Claims (10)
- 被検体に関する過去の診断画像を記憶する記憶部と、
前記被検体に関する検査結果情報を取得する取得部と、
前記記憶部に記憶された過去の診断画像の内、前記検査結果情報と対応する過去の診断画像を特定する特定部と、
を備える医用情報処理装置。 - 前記記憶部は複数の解析モデルを更に記憶し、
前記検査結果情報に基づいて、前記記憶部に記憶された複数の解析モデルから、前記特定部によって特定された過去の診断画像に対する解析モデルを決定する解析手段決定部を更に備える、請求項1に記載の医用情報処理装置。 - 前記検査結果情報に基づいて前記被検体の検査部位を示す部位情報を決定する決定部を更に備え、
前記特定部は、前記部位情報に更に基づいて前記対応する過去の診断画像を特定する、
請求項1に記載の医用情報処理装置。 - 前記検査結果情報に基づいて前記被検体の検査部位を示す部位情報を決定する決定部を更に備え、
前記解析手段決定部は、前記部位情報に更に基づいて前記解析モデルを決定する、
請求項2に記載の医用情報処理装置。 - 前記取得部が取得する前記検査結果情報は、リキッドバイオプシー法に関する検査結果情報である、請求項1から4の何れか1項に記載の医用情報処理装置。
- 前記特定部は、前記記憶部に記憶された過去の診断画像を解析することで前記検査結果情報に対応する過去の診断画像を特定する、請求項1に記載の医用情報処理装置。
- 前記特定部は、前記記憶部に記憶された過去の診断画像の付帯情報を解析することで前記検査結果情報に対応する過去の診断画像を特定する、請求項1に記載の医用情報処理装置。
- 前記特定部は、特定された前記過去の診断画像を出力する、
請求項1から7の何れか1項に記載の医用情報処理装置。 - 医用情報処理装置が、
被検体に関する検査結果情報を取得し、
前記検査結果情報に基づいて、前記被検体に関する過去の診断画像を記憶する記憶部から、対応する過去の診断画像を特定する、
医用情報処理方法。 - コンピュータに、
被検体に関する検査結果情報を取得させ、
前記検査結果情報に基づいて、前記被検体に関する過去の診断画像を記憶する記憶部から、対応する過去の診断画像を特定させる、
プログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021208115A JP2023092860A (ja) | 2021-12-22 | 2021-12-22 | 医用情報処理装置、医用情報処理方法、およびプログラム |
US18/067,843 US20230197250A1 (en) | 2021-12-22 | 2022-12-19 | Medical information processing device, medical information processing method, and storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021208115A JP2023092860A (ja) | 2021-12-22 | 2021-12-22 | 医用情報処理装置、医用情報処理方法、およびプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023092860A true JP2023092860A (ja) | 2023-07-04 |
Family
ID=86768842
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021208115A Pending JP2023092860A (ja) | 2021-12-22 | 2021-12-22 | 医用情報処理装置、医用情報処理方法、およびプログラム |
Country Status (2)
Country | Link |
---|---|
US (1) | US20230197250A1 (ja) |
JP (1) | JP2023092860A (ja) |
-
2021
- 2021-12-22 JP JP2021208115A patent/JP2023092860A/ja active Pending
-
2022
- 2022-12-19 US US18/067,843 patent/US20230197250A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
US20230197250A1 (en) | 2023-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ali et al. | A systematic review of automated melanoma detection in dermatoscopic images and its ground truth data | |
JP5320335B2 (ja) | 診断支援システム、診断支援装置、診断支援方法および診断支援プログラム | |
KR102289277B1 (ko) | 복수의 의료 영상 판독 알고리듬들에 대한 평가 스코어를 생성하는 의료 영상 판독 지원 장치 및 방법 | |
JP2019153250A (ja) | 医療文書作成支援装置、方法およびプログラム | |
US8306960B2 (en) | Medical image retrieval system | |
US20120166211A1 (en) | Method and apparatus for aiding imaging diagnosis using medical image, and image diagnosis aiding system for performing the method | |
Naeger et al. | Correctly using sensitivity, specificity, and predictive values in clinical practice: how to avoid three common pitfalls | |
US10916010B2 (en) | Learning data creation support apparatus, learning data creation support method, and learning data creation support program | |
US20190267120A1 (en) | Medical document creation support apparatus, method, and program | |
US20190279408A1 (en) | Medical image processing apparatus, medical image processing method, and medical image processing program | |
JP7102509B2 (ja) | 医療文書作成支援装置、医療文書作成支援方法、及び医療文書作成支援プログラム | |
Brugnara et al. | Automated volumetric assessment with artificial neural networks might enable a more accurate assessment of disease burden in patients with multiple sclerosis | |
JP7080304B2 (ja) | 学習支援装置、学習支援方法、学習支援プログラム、関心領域判別装置、関心領域判別方法、関心領域判別プログラム及び学習済みモデル | |
Yang et al. | Assessing inter-annotator agreement for medical image segmentation | |
US11688498B2 (en) | Medical document display control apparatus, medical document display control method, and medical document display control program | |
CN111226287A (zh) | 用于分析医学成像数据集的方法、用于分析医学成像数据集的系统、计算机程序产品以及计算机可读介质 | |
EP3362925B1 (en) | Systems and methods for generating correct radiological recommendations | |
Low et al. | Automated detection of cecal intubation with variable bowel preparation using a deep convolutional neural network | |
US20230197250A1 (en) | Medical information processing device, medical information processing method, and storage medium | |
JP7387457B2 (ja) | 医用画像処理装置、プログラム、および医用画像処理システム | |
Hardacre et al. | Diagnostic test accuracy of artificial intelligence analysis of cross-sectional imaging in pulmonary hypertension: a systematic literature review | |
Hsu et al. | The application of artificial intelligence to support biliary atresia screening by ultrasound images: A study based on deep learning models | |
WO2022215529A1 (ja) | 医用画像解析装置、医用画像解析方法、及び医用画像解析プログラム | |
WO2022220158A1 (ja) | 作業支援装置、作業支援方法、及び作業支援プログラム | |
CN110709888B (zh) | 信息处理装置和用于控制信息处理装置的方法 |