JP2023115376A - 診療支援装置、その作動方法及び作動プログラム - Google Patents
診療支援装置、その作動方法及び作動プログラム Download PDFInfo
- Publication number
- JP2023115376A JP2023115376A JP2023109112A JP2023109112A JP2023115376A JP 2023115376 A JP2023115376 A JP 2023115376A JP 2023109112 A JP2023109112 A JP 2023109112A JP 2023109112 A JP2023109112 A JP 2023109112A JP 2023115376 A JP2023115376 A JP 2023115376A
- Authority
- JP
- Japan
- Prior art keywords
- medical
- patient
- disease
- treatment
- examination
- 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
- 238000000034 method Methods 0.000 title abstract description 23
- 201000010099 disease Diseases 0.000 claims abstract description 90
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 90
- 238000011282 treatment Methods 0.000 claims abstract description 84
- 208000017667 Chronic Disease Diseases 0.000 claims abstract description 73
- 238000012937 correction Methods 0.000 claims description 52
- 238000012360 testing method Methods 0.000 claims description 24
- 238000010801 machine learning Methods 0.000 claims description 10
- 238000007689 inspection Methods 0.000 abstract description 17
- 238000004891 communication Methods 0.000 description 31
- 238000012545 processing Methods 0.000 description 28
- 239000003814 drug Substances 0.000 description 25
- 206010012601 diabetes mellitus Diseases 0.000 description 22
- 229940079593 drug Drugs 0.000 description 20
- 230000006870 function Effects 0.000 description 20
- 238000009826 distribution Methods 0.000 description 18
- 238000003860 storage Methods 0.000 description 18
- 230000008569 process Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 12
- 208000024891 symptom Diseases 0.000 description 8
- 206010020772 Hypertension Diseases 0.000 description 6
- 238000001356 surgical procedure Methods 0.000 description 6
- 208000007342 Diabetic Nephropathies Diseases 0.000 description 5
- 206010012689 Diabetic retinopathy Diseases 0.000 description 5
- 208000033679 diabetic kidney disease Diseases 0.000 description 5
- 238000002405 diagnostic procedure Methods 0.000 description 5
- 208000032131 Diabetic Neuropathies Diseases 0.000 description 4
- 208000032928 Dyslipidaemia Diseases 0.000 description 4
- 102000015779 HDL Lipoproteins Human genes 0.000 description 4
- 108010010234 HDL Lipoproteins Proteins 0.000 description 4
- 208000017170 Lipid metabolism disease Diseases 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 102000007330 LDL Lipoproteins Human genes 0.000 description 3
- 108010007622 LDL Lipoproteins Proteins 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 238000002483 medication Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 235000012000 cholesterol Nutrition 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 229940077274 Alpha glucosidase inhibitor Drugs 0.000 description 1
- 229940123208 Biguanide Drugs 0.000 description 1
- 201000004569 Blindness Diseases 0.000 description 1
- 206010017711 Gangrene Diseases 0.000 description 1
- 206010020565 Hyperaemia Diseases 0.000 description 1
- 208000035150 Hypercholesterolemia Diseases 0.000 description 1
- 208000031226 Hyperlipidaemia Diseases 0.000 description 1
- 229940123518 Sodium/glucose cotransporter 2 inhibitor Drugs 0.000 description 1
- 229940100389 Sulfonylurea Drugs 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 239000003888 alpha glucosidase inhibitor Substances 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 150000004283 biguanides Chemical class 0.000 description 1
- 238000010876 biochemical test Methods 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 238000009534 blood test Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 229940090124 dipeptidyl peptidase 4 (dpp-4) inhibitors for blood glucose lowering Drugs 0.000 description 1
- 238000001839 endoscopy Methods 0.000 description 1
- -1 hyperemia Chemical compound 0.000 description 1
- 208000006575 hypertriglyceridemia Diseases 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- XZWYZXLIPXDOLR-UHFFFAOYSA-N metformin Chemical compound CN(C)C(=N)NC(N)=N XZWYZXLIPXDOLR-UHFFFAOYSA-N 0.000 description 1
- 229960003105 metformin Drugs 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
- 238000002559 palpation Methods 0.000 description 1
- 238000000554 physical therapy Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 150000003548 thiazolidines Chemical class 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000004304 visual acuity Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physiology (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Evolutionary Computation (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
【課題】患者が慢性疾患に罹患した場合、必要な検査及び治療を迅速に提案することができる診療支援装置、その作動方法及び作動プログラムを提供する。【解決手段】診療支援装置１２が備えるプロセッサは、患者の診療情報を取得し、患者が罹患している特定疾患を取得し、特定疾患の罹患に伴い併発する可能性の高い併発疾患を予測し、併発疾患に対して行うべき検査及び治療の少なくとも一方を端末装置に表示させる。また、プロセッサは、患者の診療情報を取得し、外部に設けられた外部サーバ１１３から、患者が罹患している特定疾患の罹患に伴い併発する可能性の高い併発疾患を含む予測結果とを取得し、予測結果に基づき、併発疾患に対して行うべき検査及び治療の少なくとも一方を端末装置に表示させる。【選択図】図５
Description
本発明は、診療支援装置、その作動方法及び作動プログラムに関する。
医療分野では、医師や検査技師等の医療スタッフが円滑に診察及び検査等を進めるために、診療プロセス及び診療結果を、医療スタッフ間または診療科間等で共有する統合的な診療支援装置及び診療支援システムが使用されている。診療支援装置は、例えば、診療プロセス及び診療結果を複数の患者について一覧にしたリスト表示する等して、医療スタッフに提供することによって診療を支援する（特許文献１）。
一方、医師が診断した患者の症状から、患者の病名を推測する機能を備えた診療支援装置が知られている（特許文献２）。この診療支援装置では、症状と病名との組合せごとに、過去に医師が当該症状の患者に対して当該病名の病気であると診断した頻度を示す診断頻度情報を記憶し、入力された患者の各症状に係る診断頻度情報に基づいて、患者の病名を推測する。
近年、糖尿病や高血圧に代表される慢性疾患の患者数、及び慢性疾患の罹患リスクが増加傾向にある。高齢者ほど慢性疾患を罹患している割合が多く、日本も含め世界中で人口の高齢化が進んでいる現代において、今後更に増加していくことが予想される。
高齢化に伴って増加し続ける慢性疾患の患者に対し、高度な専門知識を持った専門医は不足している。また、患者側の意見としては、慢性疾患が一旦発病すると生涯治療を続けなければならないケースが多いが、その一方で慢性疾患に罹患したという自覚症状が乏しく、治療効果が感じられにくいため、慢性疾患において必要な検査や治療を受けなかったり、途中で中断するケースが多い現状がある。
これに対して、上記特許文献１記載の診療支援装置では、患者が慢性疾患に罹患した場合、ユーザを支援する機能は考慮されていない。また、上記特許文献２記載の診療支援装置では、過去に医師が合併症であると診断した情報が記憶されていなければ、患者の病名が合併症であることを推測できない。
慢性疾患は一旦進行すると治りにくく、例えば糖尿病の場合、進行すると失明、手足の壊疽、糖尿病腎症など、患者の生活の質を大きく低下させる可能性のある合併症へと繋がっていく。慢性疾患が進行する前に適切な処置を受け、また、なるべく進行を遅らせるように、必要な検査及び治療を提案することができる診療支援装置が望まれている。
そこで、本発明は、患者が慢性疾患に罹患した場合、必要な検査及び治療を迅速に提案することができる診療支援装置、その作動方法及び作動プログラムを提供することを目的とする。
本発明の診療支援装置は、少なくとも一つのプロセッサを備え、プロセッサは、患者の診療情報を取得し、取得した診療情報から患者が罹患している特定疾患を取得し、特定疾患の罹患に伴い併発する可能性の高い併発疾患を予測し、併発疾患を含む予測結果に基づき、併発疾患に対して行うべき検査及び治療の少なくとも一方を端末装置に表示させる。
本発明の診療支援装置は、少なくとも一つのプロセッサを備え、プロセッサは、患者の診療情報を取得し、外部に設けられた外部サーバから、患者の診療情報から予測された、患者が罹患している特定疾患の罹患に伴い併発する可能性の高い併発疾患を含む予測結果を取得し、予測結果に基づき、併発疾患に対して行うべき検査及び治療の少なくとも一方を端末装置に表示させる。
プロセッサは、特定疾患に対して行うべき検査及び治療の少なくとも一方を端末装置に表示させることが好ましい。
プロセッサは、特定疾患及び／又は併発疾患を端末装置に表示させることが好ましい。
プロセッサは、併発疾患に対して行うべき検査及び治療の少なくとも一方の実施状況を確認し、確認された実施状況を端末装置に表示させることが好ましい。
プロセッサは、特定疾患に対して行うべき検査及び治療の少なくとも一方の実施状況を確認し、確認された実施状況を端末装置に表示させることが好ましい。
プロセッサは、確認された実施状況として、未実施の検査及び／又は治療の件数を端末装置に表示させることが好ましい。
プロセッサは、確認された実施状況として、未実施の検査及び／又は治療のみを端末装置に表示させることが好ましい。
プロセッサは、併発疾患に対する検査及び／又は治療を行うべき提案時期を決定し、提案時期に検査又は治療を未だ受けていない患者を端末装置に表示させることが好ましい。
プロセッサは、特定疾患に対する検査及び／又は治療を行うべき提案時期を決定し、提案時期に検査又は治療を未だ受けていない患者を端末装置に表示させることが好ましい。
プロセッサは、診療情報からの予測により取得された特定疾患から併発疾患を予測することが好ましい。
プロセッサは、端末装置に表示させた検査及び治療の少なくとも一方に対して、ユーザが異なる検査及び治療の少なくとも一方を実施した場合、ユーザが実施した検査及び治療の少なくとも一方をユーザ訂正内容として蓄積し、蓄積されたユーザ訂正内容を用いて予測結果を訂正した予測訂正結果を出力し、予測訂正結果を反映させた検査及び治療の少なくとも一方を提案することが好ましい。
プロセッサは、所定の特定疾患に対して、併発する可能性の高い併発疾患と、特定疾患及び併発疾患の両方に対する診療行為とを予測結果として出力する学習済みモデルを実行可能であり、蓄積されたユーザ訂正内容を教師データとして機械学習を行うことで生成された新たな学習済みモデルにより、学習済みモデルが更新されることが好ましい。
特定疾患は、慢性疾患であり、併発疾患は、慢性疾患の罹患に伴い発生する可能性の高い合併症であることが好ましい。
本発明の診療支援装置の作動方法は、患者の診療情報を取得するステップと、取得した診療情報から患者が罹患している特定疾患を取得し、特定疾患の罹患に伴い併発する可能性の高い併発疾患を予測するステップと、併発疾患を含む予測結果に基づき、併発疾患に対して行うべき検査及び治療の少なくとも一方を端末装置に表示させるステップとを備える。
本発明の診療支援装置の作動方法は、患者の診療情報を取得するステップと、外部に設けられた外部サーバから、患者の診療情報から予測された、患者が罹患している特定疾患の罹患に伴い併発する可能性の高い併発疾患を含む予測結果を取得するステップと、予測結果に基づき、併発疾患に対して行うべき検査及び治療の少なくとも一方を端末装置に表示させるステップとを備える。
本発明の診療支援装置の作動プログラムは、コンピュータに、患者の診療情報を取得するステップと、取得した診療情報から患者が罹患している特定疾患を取得し、特定疾患の罹患に伴い併発する可能性の高い併発疾患を予測するステップと、併発疾患を含む予測結果に基づき、併発疾患に対して行うべき検査及び治療の少なくとも一方を端末装置に表示させるステップとを実行させるための診療支援装置の作動プログラムである。
本発明の診療支援装置の作動プログラムは、コンピュータに、外部に設けられた外部サーバから、患者の診療情報と、患者の診療情報から予測された、患者が罹患している特定疾患の罹患に伴い併発する可能性の高い併発疾患を含む予測結果とを取得するステップと、予測結果に基づき、併発疾患に対して行うべき検査及び治療の少なくとも一方を端末装置に表示させるステップとを実行させるための診療支援装置の作動プログラムである。
本発明によれば、患者が慢性疾患に罹患した場合、必要な検査及び治療を迅速に提案することができる。
［第１実施形態］
図１に示すように、診療支援システム１０は、病院等の医療施設において診療支援を行うコンピュータシステムであり、クライアント端末１１と、診療支援装置１２と、サーバ群１３と、を備える。これらの診療支援システム１０を構成する各要素は、医療施設内に施設されたＬＡＮ（Local Area Network）等のネットワーク１４を用いて相互に通信可能に接続している。
図１に示すように、診療支援システム１０は、病院等の医療施設において診療支援を行うコンピュータシステムであり、クライアント端末１１と、診療支援装置１２と、サーバ群１３と、を備える。これらの診療支援システム１０を構成する各要素は、医療施設内に施設されたＬＡＮ（Local Area Network）等のネットワーク１４を用いて相互に通信可能に接続している。
クライアント端末１１は、診療支援装置１２からサービスの提供（診療支援装置１２の機能の提供）を受けるための端末であり、医師、検査技師、または看護師等の医療スタッフが直接的に操作するコンピュータ（タブレット端末等である場合を含む）等である。クライアント端末１１は、内科もしくは外科等の診療科、放射線検査科もしくは臨床検査科等の各種検査科、ナースセンター、または、その他の必要箇所に設置する。また、クライアント端末１１は、医療スタッフごとに設けることができ、また、複数の医療スタッフの共用とすることができる。したがって、診療支援システム１０は、複数のクライアント端末１１を含む。例えば、グループＧ１は医師Ａ１及び医師Ａ２が属する「内科」であり、医師Ａ１と医師Ａ２はそれぞれにクライアント端末１１を保有する。同様に、例えば、グループＧ２は医師Ｂ１が属する「外科」であり、グループＧ２には少なくとも１台のクライアント端末１１がある。また、例えば、グループＧ１９は技師Ｎ１が属する「放射線科」であり、グループＧ１９には少なくとも１台のクライアント端末１１がある。
診療支援装置１２は、例えばクライアント端末１１からの要求に応じて、クライアント端末１１に診療データ（例えば画像等自体）及び／または診療データの所在を示す情報（例えば画像等に対するリンク）等を含む表示画面を提供する。診療データとは、診察、検査もしくは手術等において取得もしくは作成した画像、レポート、検査結果、その他診療の過程で、もしくは診療の結果として得られるデータ、またはこれらの所在を示す情報（いわゆるリンク（エイリアス）等）である。診療支援装置１２は、表示画面において使用する診療データをサーバ群１３から取得する。
診療支援装置１２がクライアント端末１１に提供する表示画面とは、クライアント端末１１が、クライアント端末１１の表示部３６（図３参照）の画面を形成するために使用するデータをいう。また、診療支援装置１２がクライアント端末１１に提供する表示画面には、クライアント端末１１が画面全体の表示を構成する全画面表示用のデータだけでなく、画面の一部に係る表示を構成するデータを含む。例えば、本実施形態においては、診療支援装置１２は、表示部３６の画面の一部において一般的なウィンドウ形式で表示可能な表示画面をクライアント端末１１に提供する。
診療支援装置１２がクライアント端末１１に提供する表示画面は、具体的には、クリニカルフロー画面８１（図１２参照）、タイムライン画面（図示せず）、及び、レイアウト表示画面１０１（図１３参照）等である。クリニカルフロー画面８１は、複数名の患者について、患者ごとに、患者の識別情報と、診療プロセスの一部または全部と、を対応付けて表示する表示画面である。患者の識別情報とは、例えば、患者の氏名、生年月日、年齢、もしくは性別等、または、患者に付与した固有の番号及び／または記号等のＩＤ（Identification Data）である（以下、患者ＩＤという）。診療プロセスとは、既に行った診療及び将来行う予定の診療の過程または結果をいう。したがって、診療プロセスは、既に取得等した診療データのみならず、取得等する予定の診療データを含む場合がある。取得等する予定の診療データは、例えば、特定検査のオーダの有無、その予定日時、または、取得予定の診療データの種別等に関する情報、等である。また、本実施形態においては、１つの診療プロセスが複数の項目（検査結果等の項目）を含む場合に、診療プロセスという場合には、診療プロセスの全体（複数の項目の集合体）ではなく、診療プロセスを構成する各項目のいずれかをいう。タイムライン画面は、特定の１名の患者について、その患者の診療プロセスの一部または全部を１画面に時系列に表示する表示画面である。レイアウト表示画面１０１は、特定の１名の患者について、その患者の診療プロセスの一部または全部を、縦横に並べて（例えばタイル状に並べて）表示する表示画面である。
診療支援装置１２は、例えば、ＸＭＬ（Extensible Markup Language）データ等のマークアップ言語を用いた記述形式で、表示画面をクライアント端末１１に提供する。クライアント端末１１は、ＸＭＬ形式の表示画面を、ウェブブラウザを用いて表示する。なお、診療支援装置１２は、ＸＭＬの代わりに、ＪＳＯＮ（JavaScript（登録商標） Object Notation）等の他の形式で表示画面をクライアント端末１１に提供できる。
サーバ群１３は、診療支援装置１２からの要求に応じた診療データを検索し、要求に該当する診療データを診療支援装置１２に提供する。サーバ群１３は、電子カルテサーバ２１、画像サーバ２２、レポートサーバ２３、等を含む。
電子カルテサーバ２１は、電子カルテを格納するカルテデータベース２１Ａを有する。電子カルテは、１または複数の診療データの集合体である。具体的には、電子カルテは、例えば、診察記録、検体検査の結果、患者のバイタルサイン、検査等のオーダ、治療記録、または、会計データ等の診療データを含む。電子カルテは、クライアント端末１１を用いて入力及び閲覧できる。
なお、診察記録とは、問診もしくは触診の内容及び結果、または病名等の記録である。検体とは患者から採取した血液または組織等であり、検体検査とは、血液検査または生化学検査等である。バイタルサインとは、患者の脈拍、血圧、または体温等の患者の状態を示すデータである。検査等のオーダとは、検体検査等の検査、各種モダリティを用いた撮影、レポートの作成、処置もしくは手術、または投薬等の依頼である。治療記録とは、処置、手術、投薬、または、処方箋等の記録である。会計データとは、受診料、薬料、または、入院費等に関するデータである。
画像サーバ２２は、いわゆるＰＡＣＳ（Picture Archiving and Communication System）サーバであり、検査画像が格納される画像データベース２２Ａを有する。検査画像とは、ＣＴ（Computed tomography）検査、ＭＲＩ（Magnetic Resonance Imaging）検査、Ｘ線検査、超音波検査、または内視鏡検査等の各種画像検査で得られる画像である。これらの検査画像は、例えばＤＩＣＯＭ（Digital Imaging and Communications in Medicine）規格に準拠したフォーマットで記録する。検査画像は、クライアント端末１１を用いて閲覧できる。
レポートサーバ２３は、読影レポートを格納するレポートデータベース２３Ａを有する。読影レポート（以下、単にレポートという）とは、画像検査で得た検査画像の読影結果をまとめた報告書である。検査画像の読影は読影医が行う。レポートは、クライアント端末１１を用いて、作成及び／または閲覧できる。
上記の電子カルテ、検査画像、及び、レポートには、それぞれ、患者ＩＤが付帯する。また、電子カルテには、患者ＩＤの他、診療データ毎に、診療データを入力等した医療スタッフを識別する情報が付帯する。検査画像には、患者ＩＤの他、検査を実施した医療スタッフ（具体的には検査技師）を識別する情報が付帯する。レポートには、作成した医療スタッフ（具体的には読影医）を識別する情報が付帯する。医療スタッフを識別する情報とは、医療スタッフの氏名等、または、各医療スタッフに付与した固有の番号及び／または記号等のＩＤである（以下、医療スタッフＩＤという）。
クライアント端末１１、診療支援装置１２、及び、サーバ群１３を構成する各サーバ２１～２３は、サーバコンピュータ、パーソナルコンピュータ、またはワークステーションといったコンピュータをベースに、オペレーティングシステムプログラムと、サーバプログラムまたはクライアントプログラム等のアプリケーションプログラムをインストールして構成する。すなわち、クライアント端末１１、診療支援装置１２、及び、サーバ群１３を構成する各サーバ２１～２３の基本的な構成は同じであり、ＣＰＵ（Central Processing Unit）、メモリ、ストレージ、通信部等、及び、これらを接続する接続回路を備える。通信部は、ネットワーク１４と接続するための通信用のインターフェース（ＬＡＮボード等）である。接続回路は、例えば、システムバス及び／またはデータバス等を提供するマザーボードである。
図２に示すように、クライアント端末１１は、ＣＰＵ３１、メモリ３２、ストレージ３３、通信部３４、及び、接続回路３５の他に、表示部３６及び操作部３７を備える。表示部３６は、例えば液晶等を用いたディスプレイであり、少なくとも診療支援装置１２が提供する表示画面を表示する画面を有する。操作部３７は、例えば、マウス等のポインティングデバイス、及び／または、キーボード等の入力デバイスである。表示部３６及び操作部３７は、いわゆるタッチパネルを構成することができる。
クライアント端末１１は、ストレージ３３に、オペレーティングシステムプログラム等の他、作動プログラム３９を記憶する。作動プログラム３９は、クライアント端末１１を用いて診療支援装置１２の機能の提供を受けるためのアプリケーションプログラムである。本実施形態においては、作動プログラム３９は、ウェブブラウザのプログラムである。但し、作動プログラム３９は、診療支援装置１２の機能の提供を受けるための専用のアプリケーションプログラムとすることができる。なお、作動プログラム３９には、診療支援装置１２が提供する表示画面の一部または全部を制御するための１または複数のガジェットエンジンを含む場合がある。ガジェットエンジンとは、ウェブブラウザ等に付随して動作することにより、各種機能を発揮するサブプログラムである。
クライアント端末１１において作動プログラム３９を起動すると、図３に示すように、クライアント端末１１のＣＰＵ３１は、メモリ３２と協働してＧＵＩ(Graphical User Interface)制御部４１及び要求発行部４２として機能する。
ＧＵＩ制御部４１は、診療支援装置１２が提供する表示画面を表示部３６においてウェブブラウザ上に表示する。ＧＵＩ制御部４１は、ポインタによるボタンのクリック操作等、操作部３７を用いて入力する操作指示に応じて、クライアント端末１１を制御する。
要求発行部４２は、操作部３７の操作指示に応じて、診療支援装置１２に対する各種処理の要求（以下、処理要求という）を発行する。要求発行部４２が発行する処理要求は、例えば、表示画面の配信要求、または、表示画面の編集要求等である。要求発行部４２は、処理要求を、通信部３４及びネットワーク１４を介して診療支援装置１２に送信する。
表示画面の配信要求は、診療支援装置１２に、特定の構成を有する表示画面の配信を要求する。例えば、表示画面の配信要求によって、クリニカルフロー画面８１、タイムライン画面、及び、レイアウト表示画面１０１等のうちいずれかを指定して配信を受けることができる。
表示画面の編集要求は、診療支援装置１２から特定の構成を有する表示画面の配信を受けた後、診療支援装置１２にその表示画面に表示する診療データ等の内容について編集を要求する。例えば、クリニカルフロー画面８１の配信を受けた場合、表示する患者のリストの指定もしくは変更、診療プロセスの表示対象期間の指定もしくは変更、表示対象とする診療プロセスの指定もしくは変更、または、表示内容の並べ替え（ソート）等の要求が表示画面の編集要求である。
なお、表示画面の配信要求及び／または編集要求等は、医療スタッフＩＤ、及び、当該クライアント端末１１のネットワーク上のアドレス等の情報を含む。医療スタッフＩＤは、診療支援システム１０（あるいは診療支援装置１２）へのログイン画面（図示しない）において入力する。
図４に示すように、診療支援装置１２は、ＣＰＵ５１、メモリ５２、ストレージ５３、通信部５４、及び、接続回路５５を備える。診療支援装置１２は、必要に応じてクライアント端末１１と同様に表示部及び／または操作部を備えることができ、また、必要に応じて表示部及び／または操作部を取り付けることができるが、本実施形態においては、診療支援装置１２は表示部及び操作部を有しない。
診療支援装置１２は、ストレージ５３に、オペレーティングシステム等の他、作動プログラム５９を記憶する。作動プログラム５９は、診療支援装置１２を構成するコンピュータを、診療支援装置１２として機能させるためのアプリケーションプログラムである。作動プログラム５９が起動すると、図５に示すように、診療支援装置１２のＣＰＵ５１はメモリ５２と協働して、要求受付部６１、表示画面生成部６２、及び、予測実行部６３等として機能する。
要求受付部６１は、クライアント端末１１から表示画面の配信要求及び編集要求等の各種処理要求を受け付ける。要求受付部６１が各種処理要求を受け付けると、要求受付部６１は、対応する処理を実行する各部に、要求があった処理の内容に応じて、処理の指示を入力する。例えば、クライアント端末１１から表示画面の配信要求があった場合、要求受付部６１は、該当する表示画面の生成指示を表示画面生成部６２に入力する。同様に、クライアント端末１１から表示画面の編集要求があった場合、要求受付部６１は、該当する表示画面の編集指示を表示画面生成部６２に入力する。なお、診療支援装置１２へのログインの要求も要求受付部６１が受け付け、ログイン処理部（図示しない）が医療スタッフＩＤ及びパスワードの確認等のログイン処理を実行する。
表示画面生成部６２は、レイアウト表示画面１０１等の各種表示画面を生成または編集する。本実施形態においては、表示画面生成部６２は、新たな表示画面の配信要求があった場合に、その表示画面を表すＸＭＬデータを生成し、かつ、表示画面の編集要求があった場合には、その要求内容に応じて先に作成したＸＭＬデータを編集する。表示画面生成部６２は、必要に応じてサーバ群１３にアクセスし、表示画面の生成または編集に使用する診療プロセス等に関する情報を取得する。なお、表示画面生成部６２は、サーバ群１３へのアクセス頻度を低減するために、サーバ群１３から取得した診療プロセス等に関する情報の一部または全部を保持しておくことができる。なお、ログイン処理部がログイン処理を正常に完了した場合、表示画面生成部６２は、ログイン後最初に表示する初期画面７１（図１２参照）を生成する。また、初期画面７１の作成または編集する際には、表示画面生成部６２は、初期画面７１の生成または編集に必要な情報を、サーバ群１３、クライアント端末１１、または、その他の診療支援システム１０と連携する装置もしくはシステムから取得する。
予測実行部６３は、診療情報取得部としても機能し、表示画面生成部６２が表示画面を生成するために使用した情報のうち、患者の診療情報を取得する（診療情報取得ステップ）。具体的には、表示画面を生成する際、表示画面生成部６２がサーバ群１３から取得した電子カルテ、検査画像、及び、レポートから患者の診療情報を取得する。
図６に示すように、予測実行部６３は、電子カルテ、検査画像、及び、レポートから患者の診療情報を取得して、取得した診療情報から患者が罹患している慢性疾患を抽出するとともに、この慢性疾患の罹患に伴い併発する可能性の高い合併症を予測する。また、本実施形態では、上述した慢性疾患、及び慢性疾患の罹患に伴い併発する可能性の高い合併症に加えて、各合併症に対して必要な検査、及びその検査を受ける場合に必要な検査頻度、慢性疾患及び合併症に対して投薬する医薬についても予測する。
予測実行部６３は、機械学習により生成された学習済みモデル（いわゆる、ＡＩ（artificial intelligence）プログラム）を用いて構成されている。学習済みモデルは、合併症を予測するための教師データとして、図７～図１１に示すようなデータを機械学習に用いている。このようなデータは、各慢性疾患を研究している研究機関、医療機関、又は学術団体などが発表している文献、論文、又はレポートなどを用いており、予めウェブ上でビッグデータとして収集したり、テキストデータとして学習装置に入力して学習させる。メーカーは、機械学習させた学習済みモデルをプログラムとして保持し、診療支援装置１２の製造時やソフトバージョンアップ時に診療支援装置１２内のプログラム格納用記憶領域（メモリ、ストレージなど）に書き込む。
図７は、糖尿病、高血圧、脂質異常症（高脂血症）といった慢性疾患と、各慢性疾患の症状、各慢性疾患を罹患した場合に併発する可能性の高い合併症を示している。例えば、糖尿病という慢性疾患に罹患した場合、糖尿病綱膜症、糖尿病腎症、及び、糖尿病神経障害という合併症を併発する可能性が高い。
また、高血圧という慢性疾患には、I度～III度という進行度の違いがあり、進行度が進む程、併発する合併症の数が増加し、かつ各合併症を併発する可能性も高くなる。また、脂質異常症についても、低ＬＤＬ（Low Density Lipoprotein）コレステロール血症、境界域高ＬＤＬコレステロール血症、低ＨＤＬ（High Density Lipoprotein）コレステロール血症、高卜リグリセライド血症、高ｎｏｎ－ＨＤＬコレステロール血症、境界域高ｎｏｎ－ＨＤＬコレステロール血症といった、進行度及びコレステロールの種類の違いがあり、これらの違いにより、併発する合併症の種類、及び各合併症を併発する可能性が異なる。
図８は、糖尿病という慢性疾患に伴い併発する可能性が高い合併症と、各合併症に対して必要な検査、及びその検査を受ける場合に必要な検査頻度についてのデータである。例えば、合併症として糖尿病網膜症の場合、糖尿病網膜症に対して必要な検査は、眼底検査、視力検査、及び、視野測定であり、糖尿病網膜症の進行度に応じて年に１回、３～６ヶ月に１回、または１～２か月に１回という検査頻度を示している。
図９は、高血圧という慢性疾患に伴い、併発する可能性が高い合併症と、各合併症に対して必要な検査についてのデータであり、図１０は、脂質異常症という慢性疾患に伴い、併発する可能性が高い合併症と、各合併症に対して必要な検査である。また、図９及び図１９では省略されているが、高血圧及び脂質異常症に必要な検査についての検査頻度のデータも用いている。
図１１は、糖尿病及び糖尿病に伴い併発する可能性の高い合併症に対して投薬する医薬の一例である。糖尿病には、ビグアナイド薬、チアゾリジン薬、スルホニル尿素薬、グリニド薬、DPP-4阻害薬、α-グルコシダーゼ阻害薬、SGLT2阻害薬という７系統の医薬があり、それぞれの系統の医薬の中にさらに１又は複数種類の医薬があり、計２８種類の医薬がある。また、医薬には、医師が処方する場合に用いられることが多い一般名と、これに対応する商品名とがある。また、図１１では省略しているが、これらの医薬について、併用可能な組み合わせ、及び禁忌のデータ（所定の症状の患者には用いてはいけない医薬、または併用してはいけない医薬の組み合わせ）なども機械学習の教師データとして用いられる。禁忌のデータは、例えば、各メーカーで販売されている医薬に添付されている薬事添付文書から取得する。
予測実行部６３は、上述した学習済みモデルを用いて、診療情報から慢性疾患及び合併症等を予測した予測結果を表示画面生成部６２に出力する。診療情報から慢性疾患及び合併症等を予測した予測結果を出力する動作は、予測実行ステップを構成する。
本実施形態においては、表示画面生成部６２は、予測実行部６３が予測した予測結果から、患者が罹患した慢性疾患及び合併症の両方に対して、クライアント端末１１に対して診療行為の提案を行う。具体的には、表示画面生成部６２は、予測実行部６３が予測した慢性疾患及び合併症等の予測結果を用いて、表示画面を表すＸＭＬデータを生成または編集してクライアント端末１１に送信する。表示画面生成部６２が、予測実行部６３が予測した予測結果から、クライアント端末１１に対して提案を行う動作は、診療行為提案ステップを構成する。
上記のように構成する診療支援システム１０は、次のように動作する。まず、医療スタッフがクライアント端末１１を用いて診療支援システム１０にログインした場合、表示画面生成部６２は、医療スタッフ毎にした設定等に基づいて、図１２に示す初期画面７１を生成し、クライアント端末１１に提供する。これにより、クライアント端末１１は、初期画面７１を表示部３６の画面に表示する。
初期画面７１は、例えば、スケジュール表示欄７２、メール表示欄７３、リスト表示欄７４の３つの表示欄を有する。スケジュール表示欄７２及びメール表示欄７３の表示内容は、クライアント端末１１の作動プログラム３９の一部であるガジェットエンジンが、クライアント端末１１その他の装置またはシステムから情報を得て生成する。また、リスト表示欄７４は、本実施形態においては、クリニカルフロー画面８１の少なくとも一部を表示する。このため、表示画面生成部６２は、内容を含まないスケジュール表示欄７２及びメール表示欄７３と、クリニカルフロー画面８１の内容を含むリスト表示欄７４と、を含む初期画面７１を生成する。クライアント端末１１はガジェットエンジンを用いてスケジュール表示欄７２及びメール表示欄７３の内容を補充した初期画面７１を表示部３６の画面に表示する。
なお、表示すべき内容の全部がリスト表示欄７４内に収まらない場合、リスト表示欄７４に、または、リスト表示欄７４の近傍に、リスト表示欄７４の表示内容を遷移（いわゆるスクロール）するスクロールバー７８及びスクロールバー７９を表示する。スクロールバー７８は、リスト表示欄７４の表示内容を左右方向に遷移し、非表示部分を表示する場合に操作するＧＵＩである。スクロールバー７９は、リスト表示欄７４の表示内容を上下方向に遷移することにより、非表示部分を表示する場合に操作するＧＵＩである。こうしたＧＵＩの表示及び制御はＧＵＩ制御部４１が行う。
上記の初期画面７１において、例えば、ポインタ（図示しない）等のＧＵＩを用いて所定のメニュー等の操作をした場合に、要求発行部４２は表示画面の配信要求を発行する。本実施形態においては、初期画面７１に表示されていないレイアウト表示画面１０１を表示するために、レイアウト表示画面１０１を表示するための操作、例えば、ＧＵＩを用いて、リスト表示欄７４に表示されている患者の一人を選択する入力操作を実行する。これにより、要求発行部４２は、レイアウト表示画面１０１の配信要求を発行する。
要求発行部４２が表示画面の配信要求を発行した場合、診療支援装置１２においては要求受付部６１がその表示画面の配信要求を受け、表示画面生成部６２がその表示画面の配信要求に係る表示画面を生成する。本実施形態においては、表示画面生成部６２は、リスト表示欄７４に含まれる患者識別情報（例えば、患者ＩＤ）を参照し、患者に係る情報を取得する。具体的には、リスト表示欄７４に含まれる患者識別情報と同じ患者識別情報が付帯された電子カルテ、検査画像、及び、レポート等をサーバ群１３等から適宜取得する。そして、患者識別情報を参照して取得した患者に係る情報を用いて、レイアウト表示画面１０１を生成する。
上記のように、表示画面生成部６２が配信要求に係る表示画面を生成する場合、その表示画面の生成の前に、表示画面の生成と同時に（表示画面の生成と並行して）、または、表示画面の生成後において、予測実行部６３は、患者の診療情報に対して合併症等に関する予測結果を出力する。すなわち、予測実行部６３は、クライアント端末１１において、一人の患者を選択する入力操作が行われ、この入力操作に対してレイアウト表示画面１０１（図１２参照）を作成するために取得された一人の患者の電子カルテ、検査画像、及び、レポート等の情報から診療情報を取得し、取得した診療情報から患者が罹患している慢性疾患を抽出するとともに、この慢性疾患の罹患に伴い併発する可能性の高い合併症を予測結果として出力する。
図１３に示す例では、クライアント端末１１でユーザの入力操作により選択された一人の患者は、「富士太郎」である。よって、予測実行部６３は、「富士太郎」の患者ＩＤが付帯された電子カルテ、検査画像、及び、レポート等の情報から診療情報を取得し、取得した診療情報から「富士太郎」が罹患している慢性疾患を抽出するとともに、この慢性疾患の罹患に伴い併発する可能性の高い合併症を予測する。この場合、「富士太郎」の慢性疾患は、糖尿病であり、併発する可能性の高い合併症は、「糖尿病綱膜症」、「糖尿病腎症」、及び「糖尿病神経障害」である。また、予測実行部６３は、これらの合併症に必要な検査に関する情報も予測結果として出力してもよい。
次に、表示画面生成部６２が、予測実行部６３が予測した予測結果に基づき、クライアント端末１１に提案を行う。すなわち、予測実行部６３が予測した慢性疾患及び合併症等の予測結果から、図１３及び図１４に示すように、レイアウト表示画面１０１に慢性疾患及び合併症の両方に対して行うべき検査及び投薬についての検査情報１０２を重畳表示した表示画面を編集する。
なお、この場合、レイアウト表示画面１０１に重畳表示する検査情報１０２の例は、「富士太郎」が罹患している可能性が高い慢性疾患である「糖尿病」と、「糖尿病」の場合に併発する可能性の高い合併症である「糖尿病綱膜症」、「糖尿病腎症」、及び「糖尿病神経障害」についての検査情報である。また、図１３及び図１４に示す例では、「糖尿病」、「糖尿病綱膜症」、「糖尿病腎症」、及び「糖尿病神経障害」に必要な検査について、実施済又は未実施という情報、「糖尿病」に対して投薬する医薬である「メトホルミン錠(500mg)」という情報も表示されている。また、検査情報１０２の付近には、「未実施の検査が計６件あります。」という注意を促す表示１０３も表示されている。
その後、クライアント端末１１のＧＵＩ制御部４１は、上記のように編集した表示画面の配信を受け、これを表示部３６の画面に、最初に表示した初期画面７１の代わりに表示する。
以上のように、本実施形態の診療支援システム１０及び診療支援装置１２では、診療情報から患者が罹患している慢性疾患を抽出するとともに、この慢性疾患の罹患に伴い併発する可能性の高い合併症を予測し、予測した慢性疾患及び合併症についての検査情報をクライアント端末１１に表示しているので、患者が慢性疾患に罹患した場合、罹患した慢性疾患だけでなく、併発する可能性の高い合併症についても提案を行っており、患者に対して必要な検査及び治療を迅速に提案することができる。
［第２実施形態］
上記第１実施形態では、診療支援装置１２に設けられた予測実行部６３が、患者が罹患している慢性疾患を抽出するとともに、この慢性疾患の罹患に伴い併発する可能性の高い合併症を予測しているが、これに限らず、医療施設の外部に設けられた外部サーバに予測実行部を設け、予測を行ってもよい。
上記第１実施形態では、診療支援装置１２に設けられた予測実行部６３が、患者が罹患している慢性疾患を抽出するとともに、この慢性疾患の罹患に伴い併発する可能性の高い合併症を予測しているが、これに限らず、医療施設の外部に設けられた外部サーバに予測実行部を設け、予測を行ってもよい。
図１５に示すように、診療支援システム１１０は、病院等の医療施設において診療支援を行うコンピュータシステムであり、複数の医療施設Ａ，Ｂ，・・・，Ｘに設置される診療支援装置１１２と、診療支援装置１１２と同じ医療施設Ａ，Ｂ，・・・，Ｘに設置されるクライアント端末１１と、外部サーバ１１３と、ネットワーク１１４等を備える。なお、詳しくは図示しないが、各医療施設Ａ，Ｂ，・・・，Ｘには、上記第１実施形態と同様のサーバ群１３及びネットワーク１４が設けられており、診療支援システム１１０は、各医療施設Ａ，Ｂ，・・・，Ｘに設けられたサーバ群１３及びネットワーク１４も包含する。また、各医療施設Ａ，Ｂ，・・・，Ｘには複数の診療支援装置１１２が設置されていてもよい。外部サーバ１１３は、クラウド上に設置されている外部サーバである。また、上記第１実施形態と同様の装置、または構成については、同じ符号を付して説明を省略する。
ネットワーク１１４は、インターネット等の公衆回線網または専用回線網を介して複数の医療施設Ａ，Ｂ，・・・，Ｘに置かれた診療支援装置１１２と外部サーバ１１３とを広域的に結ぶワイドエリアネットワーク(広域通信網ＷＡＮ：WideAreaNetwork)である。
クライアント端末１１は、上記第１実施形態と同様に診療支援装置１１２に各種処理を要求し、配信された表示画面を表示する。なお、サーバ群１３は、上記第１実施形態と同様に、診療支援装置１１２からの要求に応じた診療データを検索し、要求に該当する診療データを診療支援装置１１２に提供する。
診療支援装置１１２、及び、外部サーバ１１３の基本的構成は、上記第１実施形態の診療支援装置１２などと同様であり、ＣＰＵ５１、メモリ５２、ストレージ５３、通信部５４、及び、接続回路５５等の周知のハードウェア構成を備え、周知のオペレーションシステム等がインストールされ、さらに、サーバの機能を有した高性能なコンピュータである。
図１６に示すように、診療支援装置１１２のＣＰＵ５１は、メモリ５２と協働して、要求受付部６１、表示画面生成部１２１、及び、外部サーバ通信部１２２等として機能する。
表示画面生成部１２１は、上記第１実施形態の表示画面生成部６２と同様に、各種表示画面を生成または編集する。表示画面生成部１２１は、後述する予測実行部１２６が予測した予測結果から、クライアント端末１１に対して診療行為の提案を行う。表示画面生成部１２１は、予測実行部１２６が予測した慢性疾患及び合併症等の予測結果を用いて、表示画面を表すＸＭＬデータを生成または編集してクライアント端末１１に送信する。表示画面生成部１２１が、予測実行部１２６が予測した予測結果から、クライアント端末１１に対して提案を行う動作は、診療行為提案ステップを構成する。
外部サーバ通信部１２２は、ネットワーク１１４を介して外部サーバ１１３と通信を行う。外部サーバ通信部１２２は、表示画面生成部６２が表示画面を生成するために使用した情報のうち、患者の診療情報を送信し、予測実行部１２６が予測した予測結果を受信する。
外部サーバ１１３のＣＰＵ５１は、メモリ５２と協働して、学習部１２５、予測実行部１２６、及び、診療支援装置通信部１２７等として機能する。
診療支援装置通信部１２７は、ネットワーク１１４を介して、診療支援装置１１２と通信を行う。診療支援装置通信部１２７は、患者の診療情報を受信し、予測実行部１２６が予測した予測結果を送信する。
学習部１２５は、予測実行部１２６が用いる学習済みモデルを生成する。学習済みモデルは、上記第１実施形態で説明した教師データと同様のデータを機械学習して生成される。このようなデータは、各慢性疾患を研究している研究機関、医療機関、又は学術団体などが発表している文献、論文、又はレポートなどを用いており、予めウェブ上でビッグデータとして収集したり、テキストデータとして学習部１２５に入力して学習させる。
学習部１２５で生成された学習済みモデルは、予測実行部１２６に出力される。具体的には、学習済みモデルが生成された場合、予測実行部１２６に用いる学習済みモデルを常時、最新のものに更新してもよいし、予測実行部１２６のソフトをバージョンアップする場合など、定期的に学習済みモデルを更新してもよい。
予測実行部１２６は、外部サーバ通信部１２２、ネットワーク１１４、及び診療支援装置通信部１２７を介して患者の診療情報を取得する。予測実行部１２６は、上述した学習済みモデルを用いて、取得した診療情報から、慢性疾患及び合併症等を予測した予測結果を出力する。予測実行部１２６が出力した予測結果は、診療支援装置通信部１２７、ネットワーク１１４、及び外部サーバ通信部１２２を介して表示画面生成部１２１に出力する。診療情報から慢性疾患及び合併症等を予測した予測結果を出力する動作は、予測実行ステップを構成する。
上記のように構成する診療支援システム１１０は、次のように動作する。なお、医療スタッフがクライアント端末１１を用いて診療支援システム１１０にログインしてから、要求受付部６１が表示画面の配信要求を受け付けるまでは、上記第１実施形態と同様であり、説明を省略する。
表示画面生成部１２１は、クライアント端末１１で選択された一人の患者について患者識別情報（例えば、患者ＩＤ）を参照し、患者に係る情報を取得する。患者識別情報を参照して取得した患者に係る情報を用いて、レイアウト表示画面１０１を生成する。
表示画面生成部１２１が配信要求に係る表示画面を生成する場合、その表示画面の生成の前に、表示画面の生成と同時に（表示画面の生成と並行して）、または、表示画面の生成後において、外部サーバ通信部１２２は、患者の診療情報を出力する。
予測実行部１２６は、取得した診療情報から、慢性疾患及び合併症等を予測した予測結果を出力する。予測実行部１２６が出力した予測結果は、診療支援装置通信部１２７、ネットワーク１１４、及び外部サーバ通信部１２２を介して表示画面生成部１２１に出力する。
次に、表示画面生成部１２１が、予測実行部１２６が予測した予測結果に基づき、レイアウト表示画面１０１に慢性疾患及び合併症に対して行うべき検査についての検査情報１０２を重畳表示した表示画面を編集する。クライアント端末１１のＧＵＩ制御部４１は、上記のように編集した表示画面の配信を受け、これを表示部３６の画面に、最初に表示した初期画面７１の代わりに表示する。
以上のように、本実施形態の診療支援システム１１０及び診療支援装置１１２では、患者が慢性疾患に罹患した場合、罹患した慢性疾患だけでなく、併発する可能性の高い合併症についても提案を行っており、患者に対して必要な検査及び治療を迅速に提案することができる。
本実施形態では、外部サーバ１１３で学習部１２５と予測実行部１２６を一元管理することで、例えば、教師データをウェブ上のビッグデータ収集した場合、正確度（信頼性）を担保した教師データのみ選別したり、更新した学習済みモデルの精度検証を行った後に学習済みモデルのバージョンアップを実行することで、診療支援システム１１０を構成する全医療施設の診療支援装置１１２について予測精度を保証することが可能となる。
［第３実施形態］
上記第１及び第２実施形態では、表示画面生成部は、予測実行部が予測した予測結果から診療行為の提案を行っているが、これに限らず、提案した診療行為に対して、ユーザが異なる診療行為を実施した場合、ユーザが実施した診療行為から訂正された予測訂正結果を反映させた診療行為を提案してもよい。なお、診療支援システム全体の構成は、上記第２実施形態の診療支援システム１１０と同様であり、説明を省略する。また、上記第１及び第２実施形態と同様の装置、または構成については、同じ符号を付して説明を省略する。
上記第１及び第２実施形態では、表示画面生成部は、予測実行部が予測した予測結果から診療行為の提案を行っているが、これに限らず、提案した診療行為に対して、ユーザが異なる診療行為を実施した場合、ユーザが実施した診療行為から訂正された予測訂正結果を反映させた診療行為を提案してもよい。なお、診療支援システム全体の構成は、上記第２実施形態の診療支援システム１１０と同様であり、説明を省略する。また、上記第１及び第２実施形態と同様の装置、または構成については、同じ符号を付して説明を省略する。
図１７に示すように、診療支援装置１３２のＣＰＵ５１は、メモリ５２と協働して、要求受付部６１、表示画面生成部１３５、予測訂正部１３６、ユーザ訂正記憶部１３７、及び、外部サーバ通信部１２２等として機能する。
表示画面生成部１３５は、上記第２実施形態の表示画面生成部１２１と同様に、各種表示画面を生成または編集する。表示画面生成部１３５は、後述する予測訂正部１３６が予測結果を訂正した予測訂正結果から、クライアント端末１１に対して診療行為の提案を行う。表示画面生成部１３５は、予測訂正部１３６が予測結果を訂正した慢性疾患及び合併症等の予測訂正結果を用いて、表示画面を表すＸＭＬデータを生成または編集してクライアント端末１１に送信する。表示画面生成部１３５が、予測訂正部１３６が予測結果を訂正した予測訂正結果から、クライアント端末１１に対して提案を行う動作は、診療行為提案ステップを構成する。
ユーザ訂正記憶部１３７は、例えば、要求受付部６１が受け付けたクライアント端末１１からの各種処理要求のうち、表示画面生成部１３５が提案した診療行為に対して、ユーザである医療スタッフが異なる診療行為を実施した場合、ユーザが訂正した診療行為（診療行為の追加、削除、又は修正）をユーザ訂正内容として抽出する。
例えば、表示画面生成部１３５の提案として、糖尿病に対して投薬する医薬の情報を表示し、ユーザが異なる種類の医薬を投薬した場合、ユーザはクライアント端末１１を操作して異なる種類の医薬を投薬したことを入力する。ユーザ訂正記憶部１３７は、要求受付部６１が受け付けたクライアント端末１１からの各種処理要求のうち、異なる種類の医薬を投薬したことをユーザ訂正内容として抽出する。ユーザ訂正記憶部１３７は、ユーザ訂正内容として抽出した診療行為を蓄積する。
予測訂正部１３６は、診療支援装置通信部１２７、ネットワーク１１４、及び外部サーバ通信部１２２を介して、予測実行部１２６が診療情報から慢性疾患及び合併症等を予測した予測結果を受信する。予測訂正部１３６は、ユーザ訂正記憶部１３７が蓄積したユーザ訂正内容を用いて予測結果を訂正した予測訂正結果を出力する。
上記のように構成する診療支援システムは、次のように動作する。なお、医療スタッフがクライアント端末１１を用いて診療支援システム１１０にログインしてから、要求受付部６１が表示画面の配信要求を受け付けるまでは、上記第１実施形態と同様であり、説明を省略する。
表示画面生成部１３５は、レイアウト表示画面１０１において提案した診療行為に対して、ユーザが異なる診療行為を未だ実施していない場合、上記第２実施形態と同様に、予測実行部１２６が出力した予測結果から、クライアント端末１１に対して診療行為の提案を行う。
ユーザ訂正記憶部１３７は、表示画面生成部１３５が提案した診療行為に対して、ユーザである医療スタッフが異なる診療行為を実施した場合、ユーザが実施した診療行為をユーザ訂正内容として蓄積する。予測訂正部１３６は、ユーザ訂正記憶部１３７が蓄積したユーザ訂正内容を用いて予測結果を訂正した予測訂正結果を出力する。
次に、表示画面生成部１３５は、予測訂正結果から、クライアント端末１１に対して診療行為の提案を行う。すなわち、表示画面生成部１３５は、慢性疾患及び合併症に対して行うべき検査について、ユーザ訂正内容を反映した検査情報をレイアウト表示画面１０１に重畳表示した表示画面を編集する。クライアント端末１１のＧＵＩ制御部４１は、上記のように編集した表示画面の配信を受け、これを表示部３６の画面に、最初に表示した初期画面７１の代わりに表示する。
以上のように、本実施形態の診療支援システム及び診療支援装置１３２では、患者が慢性疾患に罹患した場合、罹患した慢性疾患だけでなく、併発する可能性の高い合併症についても提案を行っており、患者に対して必要な検査及び治療を迅速に提案することができる。
一方、検査又は投薬等の基準は医療施設で独自に設けている場合がある。本実施形態では、診療支援装置１３２が提案した診療行為に対してユーザが訂正したユーザ訂正内容を蓄積し、当該ユーザが所属する医療施設では、ユーザ訂正内容を反映した診療行為の提案を行っているので、医療施設が独自の基準を持っている場合でも、対応可能な診療行為の提案をすることができる。
なお、上記第３実施形態の変形例としては、医療施設においてユーザ訂正記憶部１３７が蓄積したユーザ訂正内容を反映させた診療行為の提案をするだけではなく、ユーザ訂正記憶部１３７が蓄積したユーザ訂正内容を教師データとして機械学習を行うことで新たな学習済みモデルを生成し、予測実行部に用いる学習済みモデルを更新してもよい。
図１８に示す変形例では、ユーザ訂正記憶部１３７は、外部サーバ通信部１２２、ネットワーク１１４、及び診療支援装置通信部１２７を介してユーザ訂正内容を学習部１２５に送信する。学習部１２５は、ユーザ訂正内容を教師データとして機械学習を行うことで新たな学習済みモデルを生成する。学習部１２５で生成された学習済みモデルは、予測実行部１２６に出力される。学習済みモデルが生成された場合、上記第２実施形態と同様に、予測実行部１２６に用いる学習済みモデルを常時、最新のものに更新してもよいし、バージョンアップする場合など、定期的に学習済みモデルを更新してもよい。
医療施設の中には所定の疾患で有数の治療実績を誇る病院もあり、先進的な診断叉は治療を実施している病院もある。このような医療施設で取得したユーザ訂正内容を選別して機械学習をすること、又は上記のような医療施設で取得したユーザ訂正内容に重み付けして機械学習させることで、学習済みモデルの予測精度をさらに向上させることができる。
[第４実施形態]
上記各実施形態においては、予測結果に基づき、表示画面生成部が行う提案としては、検査及び治療情報の表示のみであるが、これに限るものではなく、診療支援装置が行う提案として、慢性疾患、及び合併症に対する検査又は治療を行うべき提案時期を決定し、提案時期に検査又は処置を未だ受けていない患者を端末装置に表示してもよい。
上記各実施形態においては、予測結果に基づき、表示画面生成部が行う提案としては、検査及び治療情報の表示のみであるが、これに限るものではなく、診療支援装置が行う提案として、慢性疾患、及び合併症に対する検査又は治療を行うべき提案時期を決定し、提案時期に検査又は処置を未だ受けていない患者を端末装置に表示してもよい。
図１９に示すフローチャート及び図２０に示す説明図を参照して、本実施形態で表示画面生成部が行う提案の処理を説明する。なお、表示画面生成部以外の構成は、上記各実施形態と同様であり、説明を省略する。先ず、表示画面生成部は、予測実行部が取得した診療情報から慢性疾患及び合併症等について予測した予測結果を受け取る（Ｓ１０１）。
そして、表示画面生成部は、予測結果から対象となる患者について慢性疾患、及び合併症に対する検査又は治療を行うべき提案時期を決定する（Ｓ１０２）。例えば、患者が糖尿病に罹患し、糖尿病網膜症を併発している場合、糖尿病網膜症に対する検査として、眼底検査等があり、年に1回という検査頻度の予測結果が出力される（図８参照）。そして、表示画面生成部は、診療情報から前回行った検査の日付を読み出し、検査を行うべき提案時期として、例えば、前回の検査から１年以内の日付を決定する。なお、上記第３実施形態のように、ユーザ訂正内容を用いて予測結果を訂正する場合、ユーザ訂正内容を反映させた予測訂正結果から検査を行うべき提案時期を決定する。
次に、表示画面生成部は、現在の日付が提案時期となっているか否かを監視する（Ｓ１０３）。そして、提案時期となった場合（Ｓ１０３でＹ）、表示画面生成部は、対象となる患者が、慢性疾患、及び合併症に対する検査又は治療を受けているか否かを確認する（Ｓ１０４）。検査又は治療を受けていない場合（Ｓ１０４でＮ）、図２０に示す表示画面１４１のように、検査又は治療を受けていない患者をクライアント端末１１の表示部３６に表示する（Ｓ１０５）。表示画面１４１には、対象となる患者である「富士太郎」について、６種類の検査が未実施であること、及び検査又は治療を促す表示１４２などが含まれている。
以上のように、前回の検査又は治療からの期間が長く経ってしまうような場合でも、検査を行うべき提案時期に表示を行っているので、ユーザ又は患者が、検査又は治療を受けることを忘れることがない。
なお、上記各実施形態では、診療行為の提案として、慢性疾患、又は慢性疾患に伴い、罹患する可能性の高い合併症に対する治療としての投薬の例を上げているが、これに限らず、手術、物理療法など他の治療を提案してもよい。
上記各実施形態では、特定疾患として慢性疾患を例示し、慢性疾患の罹患に伴い発生する可能性の高い合併症を例示しているが、これに限らず、罹患することで他の疾患を発症する疾患は特定疾患であり、特定疾患の罹患に伴い併発する可能性の高い疾患は併発疾患である。
上記各実施形態では、予測実行部は、患者の診療情報を取得して、取得した診療情報から患者が罹患している慢性疾患を抽出しているが、これに限らず、取得した診療情報における患者の症状から、患者が罹患している慢性疾患を予測してもよい。
上記各実施形態において、ＧＵＩ制御部４１、要求発行部４２、要求受付部６１、表示画面生成部６２、表示画面生成部１２１、表示画面生成部１３５、予測実行部６３、予測実行部１２６、外部サーバ通信部１２２、学習部１２５、診療支援装置通信部１２７、予測訂正部１３６等といった各種の処理を実行する処理部（processing unit)のハードウェア的な構造は、次に示すような各種のプロセッサ（processor）である。各種のプロセッサには、ソフトウエア（プログラム）を実行して各種の処理部として機能する汎用的なプロセッサであるＣＰＵ（Central Processing Unit)、ＦＰＧＡ (Field Programmable Gate Array) などの製造後に回路構成を変更可能なプロセッサであるプログラマブルロジックデバイス（Programmable Logic Device:ＰＬＤ）、各種の処理を実行するために専用に設計された回路構成を有するプロセッサである専用電気回路（Graphical Processing Unit:ＧＰＵ）などが含まれる。
１つの処理部は、これら各種のプロセッサのうちの１つで構成されてもよいし、同種または異種の２つ以上のプロセッサの組み合せ（例えば、複数のＦＰＧＡや、ＣＰＵとＦＰＧＡの組み合わせ、ＧＰＵとＣＰＵの組み合わせ）で構成されてもよい。また、複数の処理部を１つのプロセッサで構成してもよい。複数の処理部を１つのプロセッサで構成する例としては、第１に、クライアントやサーバなどのコンピュータに代表されるように、１つ以上のＣＰＵとソフトウエアの組み合わせで１つのプロセッサを構成し、このプロセッサが複数の処理部として機能する形態がある。第２に、システムオンチップ（System On Chip:ＳｏＣ）などに代表されるように、複数の処理部を含むシステム全体の機能を１つのＩＣ（Integrated Circuit）チップで実現するプロセッサを使用する形態がある。このように、各種の処理部は、ハードウェア的な構造として、上記各種のプロセッサを１つ以上用いて構成される。
さらに、これらの各種のプロセッサのハードウェア的な構造は、より具体的には、半導体素子などの回路素子を組み合わせた形態の電気回路（circuitry）である。本発明の他の態様は、プロセッサが、複数の医療施設に設置される複数の端末装置から、端末装置を操作した際の操作履歴を取得し、取得した操作履歴を医療施設の外部に設置された外部サーバが学習することにより生成された学習済みモデルを用いて、端末装置を入力操作した際の次の操作候補を予測する予測実行部と、予測実行部が予測した次の操作候補から端末装置に対して提案を行う診療支援装置である。
本発明は、上記実施形態に限らず、本発明の要旨を逸脱しない限り種々の構成を採用し得ることはもちろんである。さらに、本発明は、プログラムに加えて、プログラムを記憶する記憶媒体にもおよぶ。
上記記載から、以下の付記項１、２に記載の診療支援装置を把握することができる。
［付記項１］
プロセッサを備えた診療支援装置であって、
前記プロセッサは、
医療施設に設置される端末装置又はサーバから患者の診療情報を取得し、
前記取得した診療情報から患者が罹患している特定疾患を取得し、前記特定疾患、及び前記特定疾患の罹患に伴い併発する可能性の高い併発疾患を予測結果として出力し、
前記特定疾患、及び前記予測された前記併発疾患の両方に対する診療行為を提案する、診療支援装置。
［付記項２］
プロセッサを備えた診療支援装置であって、
前記プロセッサは、
医療施設に設置される端末装置又はサーバから患者の診療情報を取得し、
前記医療施設の外部に設置された予測実行プロセッサが予測した予測結果であり、前記取得した診療情報から、患者が罹患している特定疾患、及び前記特定疾患の罹患に伴い併発する可能性の高い併発疾患を含む予測結果を用いて、前記特定疾患、及び前記併発疾患の両方に対する診療行為を提案する、診療支援装置。
［付記項１］
プロセッサを備えた診療支援装置であって、
前記プロセッサは、
医療施設に設置される端末装置又はサーバから患者の診療情報を取得し、
前記取得した診療情報から患者が罹患している特定疾患を取得し、前記特定疾患、及び前記特定疾患の罹患に伴い併発する可能性の高い併発疾患を予測結果として出力し、
前記特定疾患、及び前記予測された前記併発疾患の両方に対する診療行為を提案する、診療支援装置。
［付記項２］
プロセッサを備えた診療支援装置であって、
前記プロセッサは、
医療施設に設置される端末装置又はサーバから患者の診療情報を取得し、
前記医療施設の外部に設置された予測実行プロセッサが予測した予測結果であり、前記取得した診療情報から、患者が罹患している特定疾患、及び前記特定疾患の罹患に伴い併発する可能性の高い併発疾患を含む予測結果を用いて、前記特定疾患、及び前記併発疾患の両方に対する診療行為を提案する、診療支援装置。
１０、１１０ 診療支援システム
１１ クライアント端末
１２、１１２、１３２ 診療支援装置
１３ サーバ群
１４、１１４ ネットワーク
２１ 電子カルテサーバ
２１Ａ カルテデータベース
２２ 画像サーバ
２２Ａ 画像データベース
２３ レポートサーバ
２３Ａ レポートデータベース
３１、５１ ＣＰＵ（Central Processing Unit）
３２、５２ メモリ
３３、５３ ストレージ
３４、５４ 通信部
３５、５５ 接続回路
３６ 表示部
３７ 操作部
３９、５９ 作動プログラム
４１ ＧＵＩ(Graphical User Interface)制御部
４２ 要求発行部
６１ 要求受付部
６２、１２１、１３５ 表示画面生成部
６３、１２６ 予測実行部
７１ 初期画面
７２ スケジュール表示欄
７３ メール表示欄
７４ リスト表示欄
７８、７９ スクロールバー
８１ クリニカルフロー画面
１０１ レイアウト表示画面
１０２ 検査情報
１０３、１４２ 表示
１１３ 外部サーバ
１２２ 外部サーバ通信部
１２５ 学習部
１２７ 診療支援装置通信部
１３６ 予測訂正部
１３７ ユーザ訂正記憶部
１４１ 表示画面
Ａ１、Ａ２、Ｂ１ 医師
Ｇ１、Ｇ２、Ｇ１９ グループ
Ｎ１ 技師
１１ クライアント端末
１２、１１２、１３２ 診療支援装置
１３ サーバ群
１４、１１４ ネットワーク
２１ 電子カルテサーバ
２１Ａ カルテデータベース
２２ 画像サーバ
２２Ａ 画像データベース
２３ レポートサーバ
２３Ａ レポートデータベース
３１、５１ ＣＰＵ（Central Processing Unit）
３２、５２ メモリ
３３、５３ ストレージ
３４、５４ 通信部
３５、５５ 接続回路
３６ 表示部
３７ 操作部
３９、５９ 作動プログラム
４１ ＧＵＩ(Graphical User Interface)制御部
４２ 要求発行部
６１ 要求受付部
６２、１２１、１３５ 表示画面生成部
６３、１２６ 予測実行部
７１ 初期画面
７２ スケジュール表示欄
７３ メール表示欄
７４ リスト表示欄
７８、７９ スクロールバー
８１ クリニカルフロー画面
１０１ レイアウト表示画面
１０２ 検査情報
１０３、１４２ 表示
１１３ 外部サーバ
１２２ 外部サーバ通信部
１２５ 学習部
１２７ 診療支援装置通信部
１３６ 予測訂正部
１３７ ユーザ訂正記憶部
１４１ 表示画面
Ａ１、Ａ２、Ｂ１ 医師
Ｇ１、Ｇ２、Ｇ１９ グループ
Ｎ１ 技師
Claims (18)
- 少なくとも一つのプロセッサを備え、
前記プロセッサは、
患者の診療情報を取得し、
取得した前記診療情報から前記患者が罹患している特定疾患を取得し、前記特定疾患の罹患に伴い併発する可能性の高い併発疾患を予測し、
前記併発疾患を含む予測結果に基づき、前記併発疾患に対して行うべき検査及び治療の少なくとも一方を端末装置に表示させる診療支援装置。 - 少なくとも一つのプロセッサを備え、
前記プロセッサは、
患者の診療情報を取得し、
外部に設けられた外部サーバから、前記患者の前記診療情報から予測された、前記患者が罹患している特定疾患の罹患に伴い併発する可能性の高い併発疾患を含む予測結果を取得し、
前記予測結果に基づき、前記併発疾患に対して行うべき検査及び治療の少なくとも一方を端末装置に表示させる診療支援装置。 - 前記プロセッサは、前記特定疾患に対して行うべき検査及び治療の少なくとも一方を前記端末装置に表示させる請求項１又は２記載の診療支援装置。
- 前記プロセッサは、前記特定疾患及び／又は前記併発疾患を前記端末装置に表示させる請求項１ないし３のいずれか１項記載の診療支援装置。
- 前記プロセッサは、
前記併発疾患に対して行うべき検査及び治療の少なくとも一方の実施状況を確認し、
確認された前記実施状況を前記端末装置に表示させる請求項１ないし４のいずれか１項記載の診療支援装置。 - 前記プロセッサは、
前記特定疾患に対して行うべき検査及び治療の少なくとも一方の実施状況を確認し、
前記確認された実施状況を前記端末装置に表示させる請求項１ないし５のいずれか１項記載の診療支援装置。 - 前記プロセッサは、
前記確認された実施状況として、未実施の検査及び／又は治療の件数を前記端末装置に表示させる請求項５又は６記載の診療支援装置。 - 前記プロセッサは、
前記確認された実施状況として、未実施の検査及び／又は治療のみを前記端末装置に表示させる請求項５又は６記載の診療支援装置。 - 前記プロセッサは、
前記併発疾患に対する検査及び／又は治療を行うべき提案時期を決定し、
前記提案時期に検査又は治療を未だ受けていない前記患者を前記端末装置に表示させる請求項１ないし８のいずれか１項に記載の診療支援装置。 - 前記プロセッサは、
前記特定疾患に対する検査及び／又は治療を行うべき提案時期を決定し、
前記提案時期に検査又は治療を未だ受けていない前記患者を前記端末装置に表示させる請求項１ないし９のいずれか１項に記載の診療支援装置。 - 前記プロセッサは、
前記診療情報からの予測により取得された前記特定疾患から前記併発疾患を予測する請求項１に記載の診療支援装置。 - 前記プロセッサは、
前記端末装置に表示させた検査及び治療の少なくとも一方に対して、ユーザが異なる検査及び治療の少なくとも一方を実施した場合、ユーザが実施した検査及び治療の少なくとも一方をユーザ訂正内容として蓄積し、
前記蓄積された前記ユーザ訂正内容を用いて前記予測結果を訂正した予測訂正結果を出力し、
前記予測訂正結果を反映させた検査及び治療の少なくとも一方を提案する請求項１ないし１１のいずれか１項に記載の診療支援装置。 - 前記プロセッサは、
所定の特定疾患に対して、併発する可能性の高い併発疾患と、特定疾患及び併発疾患の両方に対する診療行為とを前記予測結果として出力する学習済みモデルを実行可能であり、
前記蓄積されたユーザ訂正内容を教師データとして機械学習を行うことで生成された新たな学習済みモデルにより、前記学習済みモデルが更新される請求項１２記載の診療支援装置。 - 前記特定疾患は、慢性疾患であり、前記併発疾患は、慢性疾患の罹患に伴い発生する可能性の高い合併症である請求項１ないし１３のいずれか１項に記載の診療支援装置。
- 患者の診療情報を取得するステップと、
取得した前記診療情報から前記患者が罹患している特定疾患を取得し、前記特定疾患の罹患に伴い併発する可能性の高い併発疾患を予測するステップと、
前記併発疾患を含む予測結果に基づき、前記併発疾患に対して行うべき検査及び治療の少なくとも一方を端末装置に表示させるステップとを備える診療支援装置の作動方法。 - 患者の診療情報を取得するステップと、
外部に設けられた外部サーバから、前記患者の前記診療情報から予測された、前記患者が罹患している特定疾患の罹患に伴い併発する可能性の高い併発疾患を含む予測結果を取得するステップと、
前記予測結果に基づき、前記併発疾患に対して行うべき検査及び治療の少なくとも一方を端末装置に表示させるステップとを備える診療支援装置の作動方法。 - コンピュータに、
患者の診療情報を取得するステップと、
取得した前記診療情報から前記患者が罹患している特定疾患を取得し、前記特定疾患の罹患に伴い併発する可能性の高い併発疾患を予測するステップと、
前記併発疾患を含む予測結果に基づき、前記併発疾患に対して行うべき検査及び治療の少なくとも一方を端末装置に表示させるステップとを実行させるための診療支援装置の作動プログラム。 - コンピュータに、
外部に設けられた外部サーバから、患者の診療情報と、前記患者の前記診療情報から予測された、前記患者が罹患している特定疾患の罹患に伴い併発する可能性の高い併発疾患を含む予測結果とを取得するステップと、
前記予測結果に基づき、前記併発疾患に対して行うべき検査及び治療の少なくとも一方を端末装置に表示させるステップとを実行させるための診療支援装置の作動プログラム。
Applications Claiming Priority (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019177806 | 2019-09-27 | ||
| JP2019177806 | 2019-09-27 | ||
| PCT/JP2020/030785 WO2021059789A1 (ja) | 2019-09-27 | 2020-08-13 | 診療支援装置、その作動方法及び作動プログラム、並びに診療支援システム |
| JP2021548421A JP7308278B2 (ja) | 2019-09-27 | 2020-08-13 | 診療支援装置、その作動方法及び作動プログラム、並びに診療支援システム |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2021548421A Division JP7308278B2 (ja) | 2019-09-27 | 2020-08-13 | 診療支援装置、その作動方法及び作動プログラム、並びに診療支援システム |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2023115376A true JP2023115376A (ja) | 2023-08-18 |
Family
ID=75166058
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2021548421A Active JP7308278B2 (ja) | 2019-09-27 | 2020-08-13 | 診療支援装置、その作動方法及び作動プログラム、並びに診療支援システム |
| JP2023109112A Pending JP2023115376A (ja) | 2019-09-27 | 2023-07-03 | 診療支援装置、その作動方法及び作動プログラム |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2021548421A Active JP7308278B2 (ja) | 2019-09-27 | 2020-08-13 | 診療支援装置、その作動方法及び作動プログラム、並びに診療支援システム |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US20220208380A1 (ja) |
| JP (2) | JP7308278B2 (ja) |
| WO (1) | WO2021059789A1 (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7308278B2 (ja) * | 2019-09-27 | 2023-07-13 | 富士フイルム株式会社 | 診療支援装置、その作動方法及び作動プログラム、並びに診療支援システム |
Family Cites Families (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040103001A1 (en) * | 2002-11-26 | 2004-05-27 | Mazar Scott Thomas | System and method for automatic diagnosis of patient health |
| US7009511B2 (en) * | 2002-12-17 | 2006-03-07 | Cardiac Pacemakers, Inc. | Repeater device for communications with an implantable medical device |
| JP2005267364A (ja) * | 2004-03-19 | 2005-09-29 | Asahi Kasei Medical Co Ltd | 治療支援システム |
| US20090048873A1 (en) * | 2007-08-17 | 2009-02-19 | Sultan Haider | Method and system to manage coronary artery disease care |
| US20120179002A1 (en) * | 2011-01-10 | 2012-07-12 | Medimpact Healthcare Systems, Inc. | Aggregating Patient Adherence Scores |
| US10446266B1 (en) * | 2011-10-03 | 2019-10-15 | Emerge Clinical Solutions, LLC | System and method for optimizing nuclear imaging appropriateness decisions |
| US10692589B2 (en) * | 2012-01-20 | 2020-06-23 | Martin Mueller-Wolf | “Indima apparatus” system, method and computer program product for individualized and collaborative health care |
| US10242756B2 (en) * | 2012-09-21 | 2019-03-26 | Ethicon Endo-Surgery, Inc. | Systems and methods for predicting metabolic and bariatric surgery outcomes |
| US20150161331A1 (en) * | 2013-12-04 | 2015-06-11 | Mark Oleynik | Computational medical treatment plan method and system with mass medical analysis |
| CN110462654B (zh) * | 2017-02-16 | 2024-04-02 | 艾高特有限责任公司 | 记录存取和管理 |
| JP6588584B2 (ja) | 2018-02-02 | 2019-10-09 | 公益財団法人がん研究会 | 構造化診療データ統合管理データベースを用いた匿名化医療情報検索支援システム |
| JP7049196B2 (ja) * | 2018-06-29 | 2022-04-06 | 富士フイルム株式会社 | 診療支援装置 |
| JP6944424B2 (ja) * | 2018-08-31 | 2021-10-06 | 富士フイルム株式会社 | 診療支援装置 |
| US11197642B2 (en) * | 2018-12-31 | 2021-12-14 | Cerner Innovation, Inc. | Systems and methods of advanced warning for clinical deterioration in patients |
| US11532395B2 (en) * | 2019-02-22 | 2022-12-20 | Siemens Healthcare Gmbh | Optimizing catheterization laboratory throughput using machine learning |
| US20210057112A1 (en) * | 2019-08-23 | 2021-02-25 | Viz.ai Inc. | Method and system for mobile triage |
| JP7308278B2 (ja) * | 2019-09-27 | 2023-07-13 | 富士フイルム株式会社 | 診療支援装置、その作動方法及び作動プログラム、並びに診療支援システム |
-
2020
- 2020-08-13 JP JP2021548421A patent/JP7308278B2/ja active Active
- 2020-08-13 WO PCT/JP2020/030785 patent/WO2021059789A1/ja active Application Filing
-
2022
- 2022-03-16 US US17/695,866 patent/US20220208380A1/en active Pending
-
2023
- 2023-07-03 JP JP2023109112A patent/JP2023115376A/ja active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| US20220208380A1 (en) | 2022-06-30 |
| JP7308278B2 (ja) | 2023-07-13 |
| WO2021059789A1 (ja) | 2021-04-01 |
| JPWO2021059789A1 (ja) | 2021-04-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10290070B2 (en) | System and method for integrating data with guidelines to generate displays containing the guidelines and data | |
| Klinovszky et al. | Associations of different adherences in patients with type 2 diabetes mellitus | |
| Lin et al. | Application of electronic medical record data for health outcomes research: a review of recent literature | |
| US20110029327A1 (en) | Medication Reconciliation System and Methods of Use | |
| JP6280056B2 (ja) | 診療支援装置、診療支援装置の作動方法および作動プログラム、並びに診療支援システム | |
| JP7157855B2 (ja) | 診療支援装置とその作動方法および診療支援装置用プログラム | |
| JP6527771B2 (ja) | 情報分析支援装置とその作動方法および作動プログラム、並びに情報分析支援システム | |
| US20210287783A1 (en) | Methods and systems for a workflow tracker | |
| JP2023115376A (ja) | 診療支援装置、その作動方法及び作動プログラム | |
| Boville et al. | Perspectives in ambulatory care. An innovative role for nurse practitioners in managing chronic disease. | |
| JP7116192B2 (ja) | 診療支援装置及び診療支援システム | |
| JP2023138684A (ja) | 診療支援装置、その作動方法及び作動プログラム、並びに診療支援システム | |
| Katehakis et al. | Personal Health ICT Systems to Support Integrated Care Solutions | |
| JP7290696B2 (ja) | 診療支援装置、診療支援装置の作動方法、診療支援装置の作動プログラム | |
| Friedlin et al. | Details of a successful clinical decision support system | |
| JP7289923B2 (ja) | 診療支援装置 | |
| MACHUVE et al. | Development of discharge letter module onto a hospital information system | |
| US20090048873A1 (en) | Method and system to manage coronary artery disease care | |
| US20230290469A1 (en) | Recording medium, information processing apparatus, healthcare worker terminal, information processing system and healthcare worker system | |
| JP7440317B2 (ja) | 医用情報処理システム、医用情報処理装置及び医用情報処理プログラム | |
| WO2021059624A1 (ja) | 診療支援装置 | |
| Shiver | ED performance improvement process changes hospitals can make now: hospitals can improve efficiencies, reduce costs, and enhance revenue by making a few process changes to improve ED performance | |
| Cleaver et al. | Evaluation of a new rapid assessment and treatment (RAT) tablet app for Emergency Department (ED) nurses: Is earlier identification of investigations and treatments feasible? | |
| JP2023025163A (ja) | 情報処理システム、方法及びプログラム | |
| Walker et al. | Development, Deployment, and Cost Effectiveness of a Self-Administered Stereo Non Mydriatic Automated Retinal Camera (SNARC) Containing Automated Retinal Lesion (ARL) Detection Using Adaptive Optics |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230703 |