JP2024017703A - 情報処理装置 - Google Patents

Abstract

【課題】出力される治療方法による治療効果の信頼性を向上させられる情報処理装置を提供する。
【解決手段】患者の状態に応じて治療方法を出力する治療方法出力モデルを用いる情報処理装置であって、前記治療方法を用いるときの治療効果と用いないときの治療効果とを比較する、前記治療方法出力モデルを構成要素として含む治療効果予測モデルを構築する治療効果予測モデル構築部と、前記治療方法を用いるときと用いないときとの傾向スコアに基づいて前記治療効果予測モデルの重み係数を不活性化させることによって予測モデル群を生成し、前記予測モデル群から出力される治療効果の分散が所定の範囲になるように、前記治療効果予測モデルの構成要素である前記治療方法出力モデルを調整するモデル調整部を備えることを特徴とする。
【選択図】図４

Description

本発明は、患者の状態に応じて治療方法を出力するモデルを用いる情報処理装置に関し、特にモデルを更新する技術に係わる。

既知のデータを機械学習することにより構築され、患者の状態に応じて治療方法を出力するモデルを用いる情報処理装置であるデジタルセラピー（以下、ＤＴｘ）が開発されつつある。ＤＴｘは上市後にリアルタイムにデータを収集できるため、収集されたデータに基づくモデルの更新が可能である。

特許文献１には、複数のモデルの中から予測子に応じて選択される最も精度が高いモデルと予測子との組から臨床パラメータの予測値を求め、求められた予測値と臨床パラメータの測定値とに従ってモデルを更新し、精度をより良くすることが開示される。

特表２０１６－５１９８０７号公報

しかしながら特許文献１では、モデルの信頼性を向上させることに対する配慮がなされていない。すなわち、更新されたモデルによって治療効果の高い治療方法が出力されたとしても、予測子のわずかな変化によって治療効果がばらつく場合がある。

そこで本発明は、出力される治療方法による治療効果の信頼性を向上させられる情報処理装置を提供することを目的とする。

上記目的を達成するために本発明は、患者の状態に応じて治療方法を出力する治療方法出力モデルを用いる情報処理装置であって、前記治療方法を用いるときの治療効果と用いないときの治療効果とを比較する、前記治療方法出力モデルを構成要素として含む治療効果予測モデルを構築する治療効果予測モデル構築部と、前記治療方法を用いるときと用いないときとの傾向スコアに基づいて前記治療効果予測モデルの重み係数を不活性化させることによって予測モデル群を生成し、前記予測モデル群から出力される治療効果の分散が所定の範囲になるように、前記治療効果予測モデルの構成要素である前記治療方法出力モデルを調整するモデル調整部を備えることを特徴とする。

本発明によれば、出力される治療方法による治療効果の信頼性を向上させられる情報処理装置を提供することができる。

情報処理装置の全体構成図である。 患者の状態に応じて治療方法を出力するモデルであるＤＴｘ介入モデルの一例を示す図である。 実施例１の機能ブロックの一例を示す図である。 実施例１の処理の流れの一例を示す図である。 治療効果予測モデルを構築する処理の流れの一例を示す図である。 治療効果予測モデルの一例を示す図である。 ＤＴｘ介入モデルを調整する処理の流れの一例を示す図である。 ＤＴｘ介入モデルの調整に用いられる治療効果予測モデルの一例を示す図である。 結果表示画面の一例を示す図である。

以下、添付図面に従って本発明に係る情報処理装置の実施例について説明する。なお、以下の説明及び添付図面において、同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略することにする。

図１は情報処理装置１０１のハードウェア構成を示す図である。情報処理装置１０1は、演算部１０２、メモリ１０３、記憶部１０４、ネットワークアダプタ１０５がシステムバス１０６によって信号送受可能に接続されて構成される。また情報処理装置１０１は、ネットワーク１０９を介して電子カルテ１１０やデジタルセラピー１１１と信号送受可能に接続される。さら情報処理装置１０１には、表示装置１０７と入力装置１０８が接続される。ここで、「信号送受可能に」とは、電気的、光学的に有線、無線を問わずに、相互にあるいは一方から他方へ信号送受可能な状態を示す。

演算部１０２は、各構成要素の動作を制御する装置であり、具体的にはＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processor Unit）等である。演算部１０２は、記憶部１０４に格納されるプログラムやプログラム実行に必要なデータをメモリ１０３にロードして実行し、に対して様々な処理を施す。メモリ１０３は、演算部１０２が実行するプログラムや演算処理の途中経過を記憶するものである。記憶部１０４は、演算部１０２が実行するプログラムやプログラム実行に必要なデータを格納する装置であり、具体的にはＨＤＤ(Hard Disk Drive)やＳＳＤ(Solid State Drive)等である。ネットワークアダプタ１０５は、情報処理装置１０１をＬＡＮ、電話回線、インターネット等のネットワーク１０９に接続するためのものである。演算部１０２が扱う各種データはＬＡＮ(Local Area Network)等のネットワーク１０９を介して情報処理装置１０１の外部と送受信されても良い。

表示装置１０７は、情報処理装置１０１の処理結果等を表示する装置であり、具体的には液晶ディスプレイ等である。入力装置１０８は、操作者が情報処理装置１０１に対して操作指示を行う操作デバイスであり、具体的にはキーボードやマウス、タッチパネル等である。マウスはトラックパッドやトラックボール等の他のポインティングデバイスであっても良い。

電子カルテ１１０は、患者に係る医療データ、例えば患者の状態やある治療方法に対する治療効果に関するデータを保管する。デジタルセラピー１１１は、患者の状態やプロファイルに応じて治療方法を出力するモデルである治療方法出力モデルを有する。

図２を用いて、治療方法出力モデルであるＤＴｘ介入モデルの一例について説明する。ＤＴｘ介入モデルは、患者プロファイルｘ（ｉ，ｊ）や患者状態ｃ（ｉ，ｊ）に応じて治療方法ｓｄ（ｉ）を出力するモデルであり、既知のデータを機械学習することにより構築されるニューラルネットワークである。なおｉは患者を特定するインデックス、ｊは患者状態や患者プロファイルの種類を表すインデックスであり、患者状態は摂取カロリーや運動量、患者プロファイルは性別や年齢などである。またＤＴｘ介入モデルから出力される治療方法は、例えば薬の種類である。

図３を用いて、実施例１の機能ブロックについて説明する。なおこれらの機能ブロックは、専用のハードウェアで構成されても良いし、演算部１０２で動作するソフトウェアで構成されても良い。以降の説明では実施例１の機能ブロックがソフトウェアで構成された場合について説明する。実施例１では、治療効果予測モデル構築部３０１とＤＴｘ介入モデル調整部３０２が備えられる。以下、各部について説明する。

治療効果予測モデル構築部３０１は、ＤＴｘ介入モデルから出力される治療方法を用いるときの治療効果と用いないときの治療効果とを比較する治療効果予測モデルを構築する。

ＤＴｘ介入モデル調整部３０２は、ＤＴｘ介入モデルから出力される治療方法を用いるときの治療効果の分散を減少させるようにＤＴｘ介入モデルを調整する。

図４を用いて、実施例１で実行される処理の流れの一例についてステップ毎に説明する。

（Ｓ４０１）
治療効果予測モデル構築部３０１は、治療効果予測モデルを構築する。

図５を用いて、Ｓ４０１で実行される処理の流れの一例についてステップ毎に説明する。

（Ｓ５０１）
治療効果予測モデル構築部３０１は、ＤＴｘ介入モデルを取得する。例えばデジタルセラピー１１１からＤＴｘ介入モデルが送信される。

（Ｓ５０２）
治療効果予測モデル構築部３０１は、Ｓ５０１で取得されたＤＴｘ介入モデルと、ＤＴｘネットワーク、標準治療ネットワーク、共有ネットワークの３ネットワークとを接続することにより、図６に例示される治療効果予測モデルを構築する。ＤＴｘネットワークはＤＴｘ介入モデルから出力される治療方法を用いるときの治療効果の予測値を出力する。標準治療ネットワークはＤＴｘ介入モデルから出力される治療方法を用いないときの治療効果の予測値を出力する。共有ネットワークは、患者プロファイルｘ（ｉ，ｊ）と患者状態ｃ（ｉ，ｊ）に応じて、ＤＴｘネットワークと標準治療ネットワークに共有されるパラメータを出力する。

（Ｓ５０３）
治療効果予測モデル構築部３０１は、収集されたデータの患者プロファイルｘ（ｉ，ｊ）や患者状態ｃ（ｉ，ｊ）を治療効果予測モデルに入力し、治療効果の予測値を出力させる。治療効果の予測値は、ＤＴｘ介入モデルから出力される治療方法を用いる場合と用いない場合とのそれぞれについて出力される。ここで、ＤＴｘ介入モデルから出力される治療方法を用いる患者群の年齢が若いなど、ＤＴｘ介入モデルから出力される治療方法を用いるときと用いないときとの患者背景の不均一性に対して、両者に対する傾向スコアに基づいて、治療効果予測モデルの重み係数を不活性化させ、患者背景の不均一性を補正しつつ、治療効果予測モデルを構築する。傾向スコアｐ（ｉ）は例えば次式を用いて算出される。

ここで、ａ_１、ａ_２、…、ｂ_１、ｂ_２、…は、収集データから算出される係数である。

また傾向スコアｐ（ｉ）に基づいて不活性化される重み係数は次式で示される。

ここで、ｒ（ｌ）_ｓｓは共有ネットワークのｌ層の重み係数、ｒ（ｌ）_ｉ，ｄはＤＴｘネットワークのｌ層の重み係数、ｒ（ｌ）_ｉ，ｓは標準治療ネットワークのｌ層の重み係数、γはオフセットハイパーパラメータであり、通常は1に設定される。

また図６に例示される治療効果予測モデルは、次式で示される。

ここで、ｓ~（ｘ）は共有ネットワーク、ｓｄ~（ｘ）はＤＴｘ介入モデル、Ｙｄ~はＤＴｘネットワーク、Ｙｓ~は標準治療ネットワーク、ｆ（・）は活性化関数である。

（Ｓ５０４）
治療効果予測モデル構築部３０１は、収集データに含まれる治療効果に対する予測値の誤差に関する損失関数に基づいて、治療効果予測モデルの係数を調整する。すなわち損失関数の出力がより小さくなるように、係数が調整される。損失関数には例えば二乗誤差関数が用いられ、係数の調整には例えば確率的勾配法等が使われる。

（Ｓ５０５）
治療効果予測モデル構築部３０１は、終了条件が満たされたか否かを判定する。終了条件が満たされていれば処理の流れは終了となり、満たされてなければＳ５０３へ処理が戻される。終了条件は、例えば予め定められた繰返し回数や、損失関数の出力に対する閾値、損失関数の出力の変化量に対する閾値である。

図５に例示される処理の流れにより、新たに収集されたデータに応じて係数が調整された治療効果予測モデルが構築される。図４の説明に戻る。

（Ｓ４０２）
ＤＴｘ介入モデル調整部３０２は、ＤＴｘ介入モデルから出力される治療方法を用いるときの治療効果の分散を減少させるようにＤＴｘ介入モデルを調整する。

図７を用いて、Ｓ４０２で実行される処理の流れの一例についてステップ毎に説明する。

（Ｓ７０１）
ＤＴｘ介入モデル調整部３０２は、Ｓ４０１で構築された治療効果予測モデルから標準治療ネットワークを削除し、ＤＴｘ介入モデルの調整に用いられる治療効果予測モデルを構築する。図８には、ＤＴｘ介入モデルの調整に用いられる治療効果予測モデルが例示される。

（Ｓ７０２）
ＤＴｘ介入モデル調整部３０２は、治療効果予測モデル構築部３０１で算出した、ＤＴｘ介入モデルから出力される治療方法を用いるときと用いないときとに対する傾向スコアに基づいて、ＤＴｘ介入モデルの調整に用いられる治療効果予測モデルの重み係数を不活性化させ、予測モデル群を生成する。なお傾向スコアは数１を用いて算出され、不活性化される重み係数は数２に示される。

（Ｓ７０３）
ＤＴｘ介入モデル調整部３０２は、新たに収集されたデータの患者プロファイルｘ（ｉ，ｊ）や患者状態ｃ（ｉ，ｊ）を、Ｓ７０２で生成された予測モデル群のそれぞれに入力し、治療効果の予測値を出力させる。

（Ｓ７０４）
ＤＴｘ介入モデル調整部３０２は、Ｓ７０３で出力された予測値の分散に関する損失関数に基づいて、ＤＴｘ介入モデルの係数を調整する。すなわち予測値の分散がより小さくなるように、ＤＴｘ介入モデルの係数が調整される。損失関数には例えば二乗誤差関数が用いられ、係数の調整には例えば確率的勾配法等が使われる。

（Ｓ７０５）
ＤＴｘ介入モデル調整部３０２は、終了条件が満たされたか否かを判定する。終了条件が満たされていれば処理の流れは終了となり、満たされてなければＳ７０３へ処理が戻される。終了条件は、例えば予め定められた繰返し回数や、損失関数の出力に対する閾値、損失関数の出力の変化量に対する閾値である。

図７に例示される処理の流れにより、新たに収集されたデータに応じて係数が調整された治療効果予測モデルが構築される。図４の説明に戻る。

（Ｓ４０３）
ＤＴｘ介入モデル調整部３０２によって調整されたＤＴｘ介入モデルによってモデルが更新される。

以上、説明した処理の流れにより、ＤＴｘ介入モデルから出力される治療方法による治療効果の信頼性を向上させることができる。なお更新後のモデルによって得られる治療効果は表示装置１０７に表示されても良い。

図９を用いて、表示装置１０７に表示される結果表示画面の一例について説明する。図９に例示される結果表示画面は、モデル更新開始ボタン９０１と結果表示部９０２を有する。

モデル更新開始ボタン９０１は、新たなデータが収集され、ＤＴｘ介入モデルを更新するときに押下される。

結果表示部９０２には、更新後のＤＴｘ介入モデルによって得られる治療効果が表示される。治療効果は、例えば、縦軸が頻度、横軸が効果量のグラフ形式で表示される。また更新前のＤＴｘ介入モデルや標準治療によって得られる治療効果が共に表示されても良い。更新前後のＤＴｘ介入モデルや標準治療によって得られる治療効果が共に表示されることに、モデル更新の効果が明確になる。

なお図９に例示されるグラフの横軸は、糖化ヘモグロビンの割合を示すＨｂＡ１ｃであり、ＤＴｘ介入モデルから出力される治療方法は標準治療よりもＨｂＡ１ｃを低減できたことが示される。また更新後のＤＴｘ介入モデルによって得られる治療効果は更新前よりも分布が狭まっており、治療効果のばらつきが低減し、信頼性を向上できていることが示される。

以上、本発明の実施例について説明した。本発明は上記実施例に限定されるものではなく、発明の要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施例に開示されている複数の構成要素を適宜組み合わせても良い。さらに、上記実施例に示される全構成要素からいくつかの構成要素を削除しても良い。

１０１：情報処理装置、１０２：演算部、１０３：メモリ、１０４：記憶部、１０５：ネットワークアダプタ、１０６：システムバス、１０７：表示装置、１０８：入力装置、１０９：ネットワーク、１１０：電子カルテ、１１１：デジタルセラピー、３０１：治療効果予測モデル構築部、３０２：ＤＴｘ介入モデル調整部、９０１：モデル更新開始ボタン、９０２：結果表示部

Claims (5)

1. 患者の状態に応じて治療方法を出力する治療方法出力モデルを用いる情報処理装置であって、
   前記治療方法を用いるときの治療効果と用いないときの治療効果とを比較する、前記治療方法出力モデルを構成要素として含む治療効果予測モデルを構築する治療効果予測モデル構築部と、
   前記治療方法を用いるときと用いないときとの傾向スコアに基づいて前記治療効果予測モデルの重み係数を不活性化させることによって予測モデル群を生成し、前記予測モデル群から出力される治療効果の分散が所定の範囲になるように、前記治療効果予測モデルの構成要素である前記治療方法出力モデルを調整するモデル調整部を備えることを特徴とする情報処理装置。
2. 請求項１に記載の情報処理装置であって、
   前記モデル調整部は、調整後の治療方法出力モデルから出力される治療方法を用いるときの治療効果の分散を表示させることを特徴とする情報処理装置。
3. 請求項２に記載の情報処理装置であって、
   前記モデル調整部は、前記治療効果予測モデルから出力される治療効果の分散をさらに表示させることを特徴とする情報処理装置。
4. 請求項１に記載の情報処理装置であって、
   前記モデル調整部は、新たなデータが収集されると前記治療方法出力モデルを調整することを特徴とする情報処理装置。
5. 請求項１に記載の情報処理装置であって、
   前記治療効果予測モデル構築部は、前記治療方法を用いるときと用いないときとの傾向スコアに基づいて、前記治療効果予測モデルの重み係数を不活性化させることを特徴とする情報処理装置。

Images