JP2024070317A - 処理装置、処理プログラム、処理方法及び処理システム - Google Patents

Abstract

【課題】 ヒトの身体の測定データに基づいてより有用な医用情報を出力する。【解決手段】 少なくとも一つのプロセッサを具備する処理装置であって、前記少なくとも一つのプロセッサは、ヒトの身体の状態を測定した測定データに含まれるデータを取得し、第１の学習済み解析モデルに前記測定データに含まれるデータを入力することで出力される前記身体の状態に関する第１の出力情報を取得し、前記第１の学習済み解析モデルとは異なる第２の学習済み解析モデルに前記測定データに含まれるデータを入力することで出力される、前記第１の出力情報とは異なる前記身体の状態に関する第２の出力情報を取得し、前記第１の出力情報と前記第２の出力情報の少なくともいずれかに基づいて医用情報を出力する処理装置が提供される。【選択図】 図７Ｂ

Description

本開示は、ヒトの身体の測定データを処理するための処理装置、処理プログラム、処理方法及び処理システムに関する。

従来より、ヒトの身体の測定データを処理して取得された測定データを出力することが可能な処理システムが知られていた。特許文献１は、紫外線を照射する紫外光源と、検査室における前記紫外線の照射対象物に対する前記紫外光源の位置を相対的に移動させ、前記照射対象物に対する前記紫外線の照射を制御する照射制御部と、被検体の医用画像を撮像する撮像部とを備える、医用画像診断装置であって、撮影された医用画像や、医用画像の解析結果などを表示するディスプレイを有する医用画像診断装置が記載されている。

特開２０２２－０１４２６２号公報

そこで、上記のような技術を踏まえ、本開示では、様々な実施形態により、ヒトの身体の測定データに基づいてより有用な医用情報を出力することが可能な処理装置、処理プログラム、処理方法及び処理システムを提供することを目的とする。

本開示の一態様によれば、「少なくとも一つのプロセッサを具備する処理装置であって、前記少なくとも一つのプロセッサは、ヒトの身体の状態を測定した測定データに含まれるデータを取得し、第１の学習済み解析モデルに前記測定データを入力することで出力される前記身体の状態に関する第１の出力情報を取得し、前記第１の学習済み解析モデルとは異なる第２の学習済み解析モデルに前記測定データに含まれるデータを入力することで出力される、前記第１の出力情報とは異なる前記身体の状態に関する第２の出力情報を取得し、前記第１の出力情報と前記第２の出力情報の少なくともいずれかに基づいて医用情報を出力する、処理装置」が提供される。

本開示の一態様によれば、「少なくとも一つのプロセッサを具備するコンピュータにおいて前記少なくとも一つのプロセッサを、ヒトの身体の状態を測定した測定データに含まれるデータを取得し、第１の学習済み解析モデルに前記測定データに含まれるデータを入力することで出力される前記身体の状態に関する第１の出力情報を取得し、前記第１の学習済み解析モデルとは異なる第２の学習済み解析モデルに前記測定データに含まれるデータを入力することで出力される、前記第１の出力情報とは異なる前記身体の状態に関する第２の出力情報を取得し、前記第１の出力情報と前記第２の出力情報の少なくともいずれかに基づいて医用情報を出力するように機能させる処理プログラム」が提供される。

本開示の一態様によれば、「少なくとも一つのプロセッサを具備するコンピュータにおいて前記少なくとも一つのプロセッサにより実行される処理方法であって、ヒトの身体の状態を測定した測定データに含まれるデータを取得する段階と、第１の学習済み解析モデルに前記測定データに含まれるデータを入力することで出力される前記身体の状態に関する第１の出力情報を取得する段階と、前記第１の学習済み解析モデルとは異なる第２の学習済み解析モデルに前記測定データに含まれるデータを入力することで出力される、前記第１の出力情報とは異なる前記身体の状態に関する第２の出力情報を取得する段階と、前記第１の出力情報と前記第２の出力情報の少なくともいずれかに基づいて医用情報を出力する段階と、を含む処理方法」が提供される。

本開示の一態様によれば、「上記記載の処理装置と、記処理装置から出力された医用情報を表示するためのディスプレイ装置と、を含む処理システム」が提供される。

本開示によれば、ヒトの身体の測定データに基づいてより有用な医用情報を出力することが可能な処理装置、処理プログラム、処理方法及び処理システムを提供することができる。

なお、上記効果は説明の便宜のための例示的なものであるにすぎず、限定的なものではない。上記効果に加えて、又は上記効果に代えて、本開示中に記載されたいかなる効果や当業者であれば明らかな効果を奏することも可能である。

図１は、本開示の一実施形態に係る処理システム１の構成を示すブロック図である。 図２は、本開示の一実施形態に係る処理装置１００の構成を示すブロック図である。 図３は、本開示の一実施形態に係る処理装置１００に記憶される対象者管理テーブルを概念的に示す図である。 図４は、本開示の一実施形態に係る処理装置１００において実行される処理フローを示す図である。 図５は、本開示の一実施形態に係る第１のモデル生成装置３００－１において実行される処理フローを示す図である。 図６は、本開示の一実施形態に係る第２のモデル生成装置３００－２において実行される処理フローを示す図である。 図７Ａは、本開示の一実施形態に係る測定データの一例を概念的に示す図である。 図７Ｂは、本開示の一実施形態に係る測定データが処理されることによって医用情報が生成される過程の一例を概念的に示す図である。 図８は、本開示の一実施形態に係る処理装置１００において出力される医用情報の一例を示す図である。 図９は、本開示の一実施形態に係る処理装置１００において出力される医用情報の一例を示す図である。 図１０は、本開示の一実施形態に係る処理装置１００において出力される医用情報の一例を示す図である。 図１１は、本開示の一実施形態に係る処理装置１００において出力される医用情報の一例を示す図である。

１．処理システム１の概要
本開示に係る処理システム１は、測定装置によって取得された測定データを測定装置から取得し、取得した測定データから医用情報を出力するために用いられる。特に、処理システム１は、ヒトを対象者として複数の部位（例えば、全身）にわたって取得された測定データを処理するために用いられる。このような測定データは、典型的には、ヒトの身体の状態を測定したものであって、ヒトの身体の内部を撮影したＣＴ画像（コンピュータ断層撮影画像）が用いられる。このようなＣＴ画像は、処理装置１００によって処理されることによって医用情報としてディスプレイ等に出力される。これによって、処理システム１は、対象者の疾患や症状の診断又はその診断の補助をすることが可能となる。

図１は、本開示の一実施形態に係る処理システム１の構成を示すブロック図である。図１によれば、処理システム１は、測定装置４００によって取得された測定データを処理して医用情報を出力するための処理装置１００と、医用情報を表示するためのディスプレイ装置２００とを少なくとも含む。また、当該処理システム１は、測定データを取得するための測定装置４００や、処理装置１００によって医用情報を出力するときに用いられる第１の学習済み解析モデル及び第２の学習済み解析モデルを生成するための第１のモデル生成装置３００－１及び第２のモデル生成装置３００－２を含んでもよい。処理装置１００、ディスプレイ装置２００、第１のモデル生成装置３００－１、第２のモデル生成装置３００－２及び測定装置４００は、無線ネットワーク及び有線ネットワークの少なくともいずれかによって互いに通信可能に接続される。

なお、本開示において、「測定装置４００」は、測定データを取得するために用いられる装置であればいずれでもよく、特定のものに限定されるわけではない。このような測定装置の典型としてはＣＴ装置が挙げられるが、ほかにはＭＲＩ装置、レントゲン装置、心電計装置、超音波診断装置、内視鏡装置、血圧計装置又はこれらの組み合わせなどが挙げられる。このような測定装置４００は、医療機関で用いられる場合に限らず、対象者の自宅や学校、職場など、その使用場所はいずれでもよい。なお、ＣＴ装置は、救急搬送されてきた対象者に対して少なくとも複数の部位に跨がって断層画像データを取得するために用いられ、疾患部位の特定やその重症度の判定をするために有益な情報を提供することが可能である。そのため、測定データを解析して医用情報を生成可能な本開示の処理システム１においては、測定装置４００としてＣＴ装置が特に好ましい。以下の例では、主にＣＴ装置を測定装置として用いる場合について説明するが、当然これのみに限定されるわけではない。

また、本開示において、「測定データ」は、測定装置４００によって測定されたデータであればいずれでもよく、特定のものに限定されるわけではない。このような測定データの典型としてはＣＴ画像が挙げられるが、ほかにはＭＲＩ画像、三次元計測データ、レントゲン画像データ、心電データ、エコー検査データ、内視鏡画像データ、血圧測定データ、採血データ、呼吸機能データ、その他の検査データ又はこれらの組み合わせなどが挙げられる。ＣＴ画像は、対象者の所定の範囲（例えば、複数の部位や全身）にまたがって、対象者の複数の断層面の状態を評価するために用いられる。したがって、特定の断層面の状態だけではなく、空間的に連続する複数の断層面の状態を評価することが可能である。そのため、医用情報を得るための測定データとしては、ＣＴ画像が特に好ましい。

なお、測定データとして用いることができるのは、上記のとおり「空間的に連続して測定された測定データ」である必要は必ずしもない。例えば、血圧測定データからは、ある時点の血圧測定データと、ある一定の期間にわたって時間的に連続して測定された血圧測定データとをそれぞれ取得することが可能である。このように、「時間的に連続して測定された測定データ」であっても、好適に本開示の測定データとして利用することが可能である。また、測定データは第１の学習済み解析モデル及び第２の学習済み解析モデルに入力されるが、これらに入力されるデータは、測定データの全てである必要はなく、そのうちの少なくとも一部であればよい。また、測定データのうち第１の学習済み解析モデル及び第２の学習済み解析モデルに入力されるデータは、それぞれ別々のデータであってもよいし、同一のデータであってもよい。以下の例では、主にＣＴ画像を測定データとして用いる場合について説明するが、当然これのみに限定されるわけではない。

また、本開示において、「対象者」は、測定データの測定の対象となる者であればいずれでもよく、特定の属性を有する者のみに限定されるわけではない。したがって、このような対象者としては、患者、被検者、診断対象者、健常者など、あらゆるヒトを含みうる。加えて、本開示において、「操作者」は、少なくとも処理装置１００を操作するか、処理装置１００によって出力された医用情報を参照する者であればいずれでもよく、特定の属性を有する者のみに限定されるわけではない。したがって、このような操作者としては、医師、看護師、検査技師などの医療従事者に限らず、対象者自身などあらゆるヒトを含みうる。

また、本開示において、所定の疾患や症状に対して、「判定」や「診断」等の用語を用いるが、これらは医師による確定的な判定や診断を必ずしも意味するものではない。例えば、これらの用語は、本開示の処理システム１を対象者自らが使用したり、医師以外の操作者が使用したりして、処理システム１に含まれる処理装置１００によって判定又は診断されることも当然に含む。また、これらの用語は、医師等が確定的な判定や診断をするためにその補助をすることも含む。

また、本開示において、「第１の入力情報」や「第２の入力情報」等の記載があるが、これらは入力情報を互いに識別するためにつけた呼称であるに過ぎず、特定の個数及び順番に限定することを意味するものではない。また、特に具体的に言及する場合を除いて、「第１」や「第２」が付された各呼称は、それぞれ異なる意味を有する場合のみならず同じ意味を有する場合であってもよい。

２．処理装置１００の構成
図２は、本開示の一実施形態に係る処理装置１００の構成を示すブロック図である。図２によると、処理装置１００は、プロセッサ１１１、メモリ１１２、入力インターフェイス１１３、出力インターフェイス１１４及び通信インターフェイス１１５を含む。これらの各構成要素は、互いに、制御ライン及びデータラインを介して互いに電気的に接続される。なお、処理装置１００は、図２に示す構成要素のすべてを備える必要はなく、一部を省略して構成することも可能であるし、他の構成要素を加えることも可能である。例えば、処理装置１００は、各構成要素を駆動するためのバッテリ等を含むことが可能である。

このような処理装置１００としては、ラップトップパソコン、デスクトップパソコン、スマートフォン、タブレット端末など、本開示に係る処理を実行可能な装置であればいずれでも好適に適用することが可能である。また、処理装置１００は、少なくとも一部の処理をクラウド上のサーバ装置で行うことも可能である。したがって、処理装置１００には、当該サーバ装置、又は操作者が操作するラップトップパソコン等の装置と当該サーバ装置との組み合わせも含む。

処理装置１００において、プロセッサ１１１は、メモリ１１２に記憶されたプログラムに基づいて処理装置１００又は処理システム１の他の構成要素の制御を行う制御部として機能する。具体的には、プロセッサ１１１は、「ヒトの身体の状態を測定した測定データに含まれるデータを、通信インターフェイス１１５を介して測定装置４００から取得する処理」、「第１の学習済み解析モデルに測定データに含まれるデータを入力することで出力される身体の状態に関する第１の出力情報を取得する処理」、「第１の学習済み解析モデルとは異なる第２の学習済み解析モデルに測定データに含まれるデータを入力することで出力される、第１の出力情報とは異なる身体の状態に関する第２の出力情報を取得する処理」、「第１の出力情報と第２の出力情報の少なくともいずれかに基づいて医用情報を出力する処理」等を、メモリ１１２に記憶されたプログラムに基づいて実行する。プロセッサ１１１は、主に一又は複数のＣＰＵにより構成されるが、適宜ＧＰＵやＦＰＧＡなどを組み合わせてもよい。

メモリ１１２は、ＲＡＭ、ＲＯＭ、不揮発性メモリ、ＨＤＤ等から構成され、記憶部として機能する。メモリ１１２は、本実施形態に係る処理システム１の様々な制御のための指示命令をプログラムとして記憶する。具体的には、メモリ１１２は、「ヒトの身体の状態を測定した測定データに含まれるデータを、通信インターフェイス１１５を介して測定装置４００から取得する処理」、「第１の学習済み解析モデルに測定データに含まれるデータを入力することで出力される身体の状態に関する第１の出力情報を取得する処理」、「第１の学習済み解析モデルとは異なる第２の学習済み解析モデルに測定データに含まれるデータを入力することで出力される、第１の出力情報とは異なる身体の状態に関する第２の出力情報を取得する処理」、「第１の出力情報と第２の出力情報の少なくともいずれかに基づいて医用情報を出力する処理」等、プロセッサ１１１が実行するためのプログラムを記憶する。また、メモリ１１２は、当該プログラムのほかに、対象者の対象者情報、測定データ、第１の入力情報、第２の入力情報、第１の出力情報、第２の出力情報、医用情報等を記憶する。

入力インターフェイス１１３は、処理装置１００に対する操作者の指示入力を受け付ける入力部として機能する。入力インターフェイス１１３の一例としては、キーボード、マウス等の各種ハードキーや、ディスプレイ装置２００のディスプレイに重畳して設けられ、ディスプレイの表示座標系に対応する入力座標系を有するタッチパネルが挙げられる。タッチパネルの場合、ディスプレイに入力したいコマンドに対応したアイコンが表示され、当該タッチパネルを介して操作者が指示入力を行うことで、各アイコンに対する選択が行われる。タッチパネルによる対象者の指示入力の検出方式は、静電容量式、抵抗膜式などいかなる方式であってもよい。入力インターフェイス１１３は、常に処理装置１００に物理的に備えられる必要はなく、有線や無線ネットワークを介して必要に応じて接続されてもよい。

出力インターフェイス１１４は、処理装置１００によって解析の結果得られた第１の出力情報、第２の出力情報、医用情報等の情報を出力するための出力部として機能する。出力インターフェイス１１４の一例としては、液晶パネル、有機ＥＬディスプレイ又はプラズマディスプレイ等から構成されるディスプレイ装置２００等の外部装置又は外部機器と接続するためのインターフェイスが挙げられる。しかし、処理装置１００そのものがディスプレイを有する場合には、当該ディスプレイが出力インターフェイスとして機能することが可能である。また、ディスプレイ装置２００などに対して通信インターフェイス１１５を介して接続されている場合には、当該通信インターフェイス１１５が出力インターフェイス１１４として機能することも可能である。

通信インターフェイス１１５は、有線又は無線ネットワークを介して測定装置４００、ディスプレイ装置２００、第１のモデル生成装置３００－１、第２のモデル生成装置３００－２、他の処理装置、サーバ装置等との間で測定データや医用情報等を送受信するための通信部として機能する。通信インターフェイス１１５の一例としては、ＵＳＢ、ＳＣＳＩなどの有線通信用コネクタや、無線ＬＡＮ、Ｂｌｕｅｔｏｏｔｈ（登録商標）、赤外線などの無線通信用送受信デバイスや、プリント実装基板やフレキシブル実装基板用の各種接続端子など、様々なものが挙げられる。

なお、ディスプレイ装置２００の構成については特に具体的には説明しないが、上記のとおり液晶パネル、有機ＥＬディスプレイ又はプラズマディスプレイ等から構成されるディスプレイ、処理装置１００から各種情報の入力を受け付ける入力インターフェイス及び通信インターフェイスの少なくともいずれか、上記ディスプレイに受け付けられた各種情報を表示するための処理をするプロセッサ等を含む。

また、第１の学習済み解析モデルを生成するための第１のモデル生成装置３００－１及び第２の学習済み解析モデルを生成するための第２のモデル生成装置３００－２の構成については特に具体的には説明しないが、処理装置１００と同様に、プロセッサ、メモリ、入力インターフェイス、出力インターフェイス及び通信インターフェイス等を含む。このような装置としては、ラップトップパソコン、デスクトップパソコン、スマートフォン、タブレット端末、サーバ装置又はこれらの組み合わせが用いられる。なお、本開示では、処理装置１００、第１のモデル生成装置３００－１及び第２のモデル生成装置３００－２をそれぞれ別体として設けた。しかし、これに限らず、例えば処理装置１００が第１のモデル生成装置３００－１又は第２のモデル生成装置３００－２として機能してもよいし、第１のモデル生成装置３００－１が第２のモデル生成装置３００－２として機能してもよい。

３．処理装置１００のメモリ１１２に記憶される情報
図３は、本開示の一実施形態に係る処理装置１００に記憶される対象者管理テーブルを概念的に示す図である。対象者管理テーブルに記憶される情報は、処理装置１００のプロセッサ１１１の処理の進行に応じて随時更新して記憶される。

図３によれば、対象者管理テーブルには、対象者ＩＤ情報に対応付けて、属性情報、測定データ、第１の入力情報、第２の入力情報、第１の出力情報、第２の出力情報及び医用情報等が記憶される。「対象者ＩＤ情報」は、各対象者に固有の情報で各対象者を特定するための情報である。対象者ＩＤ情報は、操作者又は対象者自身によって新たな対象者が登録されるごとに生成される。属性情報は、各対象者の属性に関する情報である。このような属性情報の例としては、対象者名情報、生年月日情報、性別情報、住所情報などが挙げられる。

「測定データ」は、測定装置４００において測定されたヒトの身体の状態を示すデータであり、測定装置４００から通信インターフェイス１１５を介して受信される情報である。測定データとしてＣＴ画像が用いられる場合は、所定の範囲（例えば、複数の部位や全身）にまたがって撮影された複数のＣＴ画像のそれぞれ、又は複数のＣＴ画像の全体のことを意味する。このようなＣＴ画像は、静止画又は動画のいずれであってもよいし、その白黒画像、カラー画像などその画像形式はいずれであってもよい。このような測定データの具体例は図７Ａ等において後述する。

「第１の入力情報」は、第１の出力情報を取得するために第１の学習済み解析モデルに入力される情報である。測定データとして複数のＣＴ画像が用いられる場合、第１の入力情報には、典型的には、複数のＣＴ画像のうちの特定の１又は複数個のＣＴ画像が用いられる。「第２の入力情報」は、第２の出力情報を取得するために第２の学習済み解析モデルに入力される情報である。測定データとして複数のＣＴ画像が用いられる場合、第２の入力情報には、典型的には、複数のＣＴ画像のうちの全て又は複数個のＣＴ画像であって、第１の入力情報よりも多い個数のＣＴ画像が用いられる。このような複数のＣＴ画像は、空間的に一定の間隔で取得されたものである。つまり、複数のＣＴ画像に含まれる各ＣＴ画像は、その前後のＣＴ画像と空間的に連続性又は関連性を有する。このような第１の入力情報及び第２の入力情報の具体例は図７Ｂ等において後述する。

「第１の出力情報」は、第１の学習済み解析モデルに第１の入力情報が入力されることによって取得された情報である。測定データとして複数のＣＴ画像が用いられる場合、第１の出力情報には、典型的には、個々のＣＴ画像ごとに検出される特定の疾患の有無、その存在位置、及びその確度を示す情報である。このような疾患の確度としては、特定の数値だけでなく、数値に基づいて分けられた分類（例えば、「該当あり」又は「該当なし」や、「レベル１」、「レベル２」、「レベル３」又は「レベル４」など、その分類の数はいずれでもよい）などが例として挙げられる。また、「第２の出力情報」は、第２の学習済み解析モデルに第２の入力情報が入力されることによって取得された情報である。測定データとして複数のＣＴ画像が用いられる場合、第２の出力情報には、典型的には、空間的に連続性又は関連性を有する複数のＣＴ画像から検出される特定の疾患の有無、その存在位置、及びその確度を示す情報である。このような確度としては、特定の数値だけでなく、数値に基づいて分けられた分類（例えば、「該当あり」又は「該当なし」や、「レベル１」、「レベル２」、「レベル３」又は「レベル４」や、「軽度」、「中度」又は「重度」など、その分類の数はいずれでもよい）などが例として挙げられる。このような第１の出力情報及び第２の出力情報の具体例は図７Ｂ等において後述する。

「医用情報」は、第１の出力情報及び第２の出力情報の少なくともいずれかに基づいて生成される情報である。当該医用情報は、出力インターフェイス１１４を介して、ディスプレイ装置２００に出力され、ディスプレイ装置２００に表示される。測定データとして複数のＣＴ画像が用いられる場合、医用情報としては、典型的には、図８～図１１に示す医用情報が挙げられる。また、これらの情報以外にも、例えば特定の疾患に対する対処法などを示した論文やＷＥＢサイト、特定の疾患に有用な医薬品に関する情報、特定の疾患を専門とする医療機関に関する情報、特定の疾患に対する処置のための装置・機器等に関する情報なども、医用情報として利用することが可能である。このような医用情報の具体例は図８～図１１等において後述する。

なお、図３において具体的に記載はしていないものの、対象者管理テーブルには、対象者ＩＤ情報に対応付けて、各対象者の問診情報や所見情報、他の測定装置で取得された他の測定データなど、種々の情報を対応付けて記憶することが可能である。

４．処理装置１００で実行される処理フロー
図４Ａは、本開示の一実施形態に係る処理装置１００において実行される処理フローを示す図である。具体的には、図４は、測定装置４００において測定データが取得されてから医用情報を出力するまでに、処理装置１００のプロセッサ１１１によって実行される処理フローを示す図である。当該処理フローは、主に処理装置１００のプロセッサ１１１がメモリ１１２に記憶されたプログラムを読み出して実行することにより行われる。

まず、特に図示はしていないものの、例えば対象者が医療機関に救急搬送されてくると、医療従事者によって測定装置４００（例えば、ＣＴ装置）が操作され、対象者の全身のＣＴ画像が撮影される。そして、撮影された全身のＣＴ画像が測定データとして測定装置４００に取得され、測定装置４００の通信インターフェイスを介して、測定された対象者を特定するための対象者ＩＤ情報とともに、処理装置１００に送信される。

処理装置１００のプロセッサ１１１は、通信インターフェイス１１５を介して測定装置４００から測定データを受信すると、対象者ＩＤ情報に対応付けて受信した測定データを対象者管理テーブルに記憶する（Ｓ１１１）。

次に、プロセッサ１１１は、入力インターフェイス１１３を介して、対象者管理テーブルに記憶されている複数の対象者の中から測定データの解析を行う所望の対象者ＩＤ情報を選択するために、操作者による操作入力を受け付ける。そして、プロセッサ１１１は、当該操作入力を受け付けると、対象者ＩＤ情報に対応付けられた測定データを対象者管理テーブルから読み出して、第１の解析処理を実行する（Ｓ１１２）。第１の解析処理は、一例としては、読み出された測定データを第１の学習済み解析モデルに入力することによって行われる。なお、第１の学習済み解析モデルの生成及び第１の解析処理の詳細については、図５及び図７Ｂにおいて後述する。

プロセッサ１１１は、第１の解析処理において第１の学習済み解析モデルから出力されることによって第１の出力情報を取得すると、取得した第１の出力情報を対象者ＩＤ情報に対応付けて対象者管理テーブルに記憶する（Ｓ１１３）。

次に、プロセッサ１１１は、Ｓ１１２において、入力インターフェイス１１３を介して、測定データの解析を行う所望の対象者ＩＤ情報を選択するため操作入力を受け付けると、対象者ＩＤ情報に対応付けられた測定データを対象者管理テーブルから読み出して、第２の解析処理を実行する（Ｓ１１４）。第２の解析処理は、一例としては、読み出された測定データを第２の学習済み解析モデルに入力することによって行われる。なお、第２の学習済み解析モデルの生成及び第２の解析処理の詳細については、図６及び図７Ｂにおいて後述する。また、ここでは、第１の解析処理と第２の解析処理は、いずれも同じ操作入力を検出することにより開始される場合について説明したが、これらは別々の操作入力を受け付けることにより開始されるようにしてもよいし、Ｓ１１１において測定データを受信したタイミングで、自動的に開始されるようにしてもよい。

プロセッサ１１１は、第２の解析処理において第２の学習済み解析モデルから出力されることによって第２の出力情報を取得すると、取得した第２の出力情報を対象者ＩＤ情報に対応付けて対象者管理テーブルに記憶する（Ｓ１１５）。

次に、プロセッサ１１１は、第１の出力情報及び第２の出力情報が取得されると、第１の出力情報及び第２の出力情報の少なくともいずれかに基づいて医用情報を生成する（Ｓ１１６）。医用情報の生成処理の一例としては、第１の出力情報と第２の出力情報のそれぞれに基づいて特定の疾患が存在する確度を示す情報を生成する処理が挙げられる（例えば、図８等）。また、その他の例としては、第１の出力情報を取得するために第１の入力情報として用いられた１個のＣＴ画像をメモリ１１２から読み出して、当該ＣＴ画像を表示するための処理が挙がられる（例えば、図８等）。また、個々のＣＴ画像ごとに取得された第１の出力情報に基づいて、特定の疾患に対する確度の空間的な遷移を示す情報を生成する処理が挙げられる（例えば、図９及び図１０）。なお、医用情報の生成に係る処理については、図７Ｂにおいて後述する。

プロセッサ１１１は、Ｓ１１６において医用情報の生成がなされると、生成された医用情報を対象者ＩＤ情報に対応付けて対象者管理テーブルに記憶する。そして、プロセッサ１１１は、出力インターフェイス１１４を介して、生成された医用情報をディスプレイ装置２００などに対して出力する（Ｓ１１７）。なお、出力される医用情報の詳細は、図８～図１１において後述する。

これにより、プロセッサ１１１は、測定データが取得されてから医用情報を出力するまでの処理フローを終了する。

なお、特に図示はしないものの、医用情報を受信したディスプレイ装置２００は、そのディスプレイに受信した医用情報を表示する。また、医用情報の出力先の一例としてディスプレイ装置２００を挙げたが、例えば操作者や他の医療従事者が所持する端末装置や、医療機関内にある他の処理装置や他の医療機器など、その出力先はいずれであってもよい。

また、図４において、第１の出力情報及び第２の出力情報は、第１の学習済み解析モデル及び第２の学習済み解析モデルに第１の入力情報及び第２の入力情報を入力することによって取得される場合について説明した。しかし、各学習済み解析モデルを用いるのは単なる一例であって、当然他の方法を用いてもよい。例えば、各入力情報としてＣＴ画像が用いられる場合には、疾患に対する罹患状態が解析された画像との一致度を比較する方法など、他の画像解析処理も用いることが可能である。

また、図４において、Ｓ１１２及びＳ１１３の処理と、Ｓ１１４及びＳ１１５の処理は、Ｓ１１４及びＳ１１５の処理を先に実行しＳ１１２及びＳ１１３の処理を後で実行してもよいし、両処理を並列して実行してもよい。さらに、Ｓ１１２及びＳ１１４の各解析処理においては、処理装置１００のプロセッサ１１１がメモリ１１３に記憶された第１の学習済み解析モデル及び第２の学習済み解析モデルで測定データを処理することによって第１の出力情報及び第２の出力情報がそれぞれ出力される場合について説明した。しかし、これに限らず、プロセッサ１１１が例えばサーバ装置に測定データを送信し、当該サーバ装置のプロセッサが当該サーバ装置に記憶された第１の学習済み解析モデル及び第２の学習済み解析モデルで測定データを処理し、処理装置１００に対して第１の出力情報及び第２の出力情報がそれぞれ出力されるようにしてもよい。

５．第１のモデル生成装置３００－１及び第２のモデル生成装置３００－２で実行される処理フロー
＜第１の学習済み解析モデルの生成に係る処理＞
図５は、本開示の一実施形態に係る第１のモデル生成装置３００－１において実行される処理フローを示す図である。具体的には、図５は、図４のＳ１１２の第１の解析処理にいて用いられる第１の学習済み解析モデルの生成に係る処理フローを示す図である。当該処理フローは、主に第１のモデル生成装置３００－１のプロセッサがメモリに記憶されたプログラムを読み出して実行することにより行われる。

図５によると、例えば測定装置４００又は他の測定装置で測定された測定データを第１の学習用データとして取得するステップが実行され得る（Ｓ２１１）。例えば、測定装置４００としてＣＴ装置が用いられる場合には、測定データとして対象者の全身を撮影した複数のＣＴ画像が用いられる。なお、第１の学習用データには、上記のような実際にＣＴ装置を用いて撮影されたＣＴ画像が用いられてもよいが、画像処理によるシミュレーションによって取得されたシミュレーション画像が用いられてもよい。以下では、学習用データとして複数のＣＴ画像を用いる場合を説明する。

次に、取得された複数のＣＴ画像のそれぞれに対して、各ＣＴ画像中に見られる身体部位の疾患に関する情報（例えば、特定の疾患の有無、その存在する位置（部位）及びその度合い）を疾患情報としてラベル付けする処理が実行される（Ｓ２１１）。当該ラベル付けは、医師などの医療従事者によって、外科的な身体部位の損傷の種類やその度合い、内科的な身体部位の病変や炎症の種類とその度合い（例えば、大きさ）、これらが所見として見られる身体部位の位置情報（例えば、肝臓、すい臓、脾臓など）などが入力されることによって行われる。なお、上記度合いには、例えば、疾患に対して「該当あり」又は「該当なし」や、「レベル１」、「レベル２」、「レベル３」又は「レベル４」や、「軽度」、「中度」又は「重度」などが例として挙げられる。また、これに代えて、又はこれに加えて、あらかじめ用意された外科的な身体部位の損傷が見られるＣＴ画像や、内科的な身体部位の病変や炎症が見られるＣＴ画像を用意し、これらの画像との一致度を画像解析処理によって算出し、この一致度に基づいてラベル付けが行われてもよい。

第１の学習用データとして複数のＣＴ画像と、それに対応付けられたラベル情報がそれぞれ得られると、プロセッサによって、それらを用いて身体部位の疾患パターンの機械学習を行うステップが実行される（Ｓ２１３）。当該機械学習は、一例として、第１の学習用データとラベル情報の組を、ニューロンを組み合わせて構成されたニューラルネットワークに与え、ニューラルネットワークの出力がラベル情報と同じになるように、各ニューロンのパラメータを調整しながら学習を繰り返すことにより行われる。そして、第１の学習済み解析モデル（例えば、ニューラルネットワークとパラメータ）を取得するステップが実行される（Ｓ２１４）。これにより、プロセッサは第１の学習済み解析モデルの生成を終了する。なお、取得された第１の学習済み解析モデルは、通信インターフェイスを介して処理装置１００に送信され、処理装置１００のメモリ１１２に記憶されてもよい。また、第１のモデル生成装置３００－１や他の処理装置、サーバ装置等のメモリに記憶されてもよい。

＜第２の学習済み解析モデルの生成に係る処理＞
図６は、本開示の一実施形態に係る第２のモデル生成装置３００－２において実行される処理フローを示す図である。具体的には、図６は、図４のＳ１１４の第２の解析処理にいて用いられる第２の学習済み解析モデルの生成に係る処理フローを示す図である。当該処理フローは、主に第２のモデル生成装置３００－２のプロセッサがメモリに記憶されたプログラムを読み出して実行することにより行われる。

図６によると、例えば測定装置４００又は他の測定装置で測定された測定データを第２の学習用データとして取得するステップが実行され得る（Ｓ３１１）。例えば、測定装置４００としてＣＴ装置が用いられる場合には、測定データとして対象者の全身を撮影した複数のＣＴ画像が用いられる。なお、第２の学習用データには、上記のような実際にＣＴ装置を用いて撮影された複数のＣＴ画像が用いられてもよいが、画像処理によるシミュレーションによって取得された複数のシミュレーション画像が用いられてもよい。以下では、学習用データとして複数のＣＴ画像を用いる場合を説明する。

次に、取得された複数のＣＴ画像をひとまとまりとして、身体部位の疾患に関する情報（例えば、特定の疾患の有無及びその存在する位置）を疾患情報としてラベル付けする処理が実行される（Ｓ４１１）、当該ラベル付けは、医師などの医療従事者によって外科的な身体部位の損傷の種類やその度合い、内科的な身体部位の病変や炎症の種類とその度合い（大きさ）、これらが所見として見られる身体部位の位置情報（例えば、肝臓、すい臓、脾臓など）などが入力されることによって行われる。なお、上記度合いには、例えば、疾患に対して「該当あり」又は「該当なし」や、「レベル１」、「レベル２」、「レベル３」又は「レベル４」や、「軽度」、「中度」又は「重度」などが例として挙げられる。また、これに代えて、又はこれに加えて、あらかじめ用意された外科的な損傷が見られる身体部位全体に跨る複数のＣＴ画像や、内科的な病変や炎症が見られる身体部位全体に跨る複数のＣＴ画像を用意し、これらの複数のＣＴ画像との一致度を画像解析処理によって算出し、この一致度に基づいてラベル付けが行われてもよい。

第２の学習用データとして複数のＣＴ画像と、それに対応付けられたラベル情報がそれぞれ得られると、プロセッサによって、それらを用いて身体部位の疾患パターンの機械学習を行うステップが実行される（Ｓ３１３）。当該機械学習は、一例として、第２の学習用データとラベル情報の組を、ニューロンを組み合わせて構成されたニューラルネットワークに与え、ニューラルネットワークの出力がラベル情報と同じになるように、各ニューロンのパラメータを調整しながら学習を繰り返すことにより行われる。そして、第２の学習済み解析モデル（例えば、ニューラルネットワークとパラメータ）を取得するステップが実行される（Ｓ３１４）。これにより、プロセッサは第２の学習済み解析モデルの生成を終了する。なお、取得された第２の学習済み解析モデルは、通信インターフェイスを介して処理装置１００に送信され、処理装置１００のメモリ１１２に記憶されてもよい。また、第２のモデル生成装置３００－２や他の処理装置、サーバ装置等のメモリに記憶されてもよい。

６．測定データ
上記のとおり、測定装置４００において測定されたヒトの身体の状態を示すデータであり、測定装置４００から通信インターフェイス１１５を介して受信される情報である。図７Ａは、本開示の一実施形態に係る測定データの一例を概念的に示す図である。図７Ａによれば、測定データとして測定装置４００（例えば、ＣＴ装置）で撮影された複数のＣＴ画像が用いられる場合が示されている。

このようなＣＴ画像は、典型的には、ヒトの身体において所定の範囲（少なくとも複数の部位（例えば、肝臓、すい臓、脾臓など）や全身）にわたって、空間的に一定の間隔（例えば、スライス間隔＝５ｍｍ）で、身体の頭部から脚部に向かう方向に、厚さ方向の断面を撮影することによって取得される。図７Ａでは、少なくとも測定データとしてＣＴ画像Ｄｍ－７～ＣＴ画像Ｄｍ、及びＣＴ画像Ｄｎ－７～ＣＴ画像Ｄｎを少なくとも含む複数のＣＴ画像が、空間的に一定の間隔（例えば、スライス間隔＝５ｍｍ）で、部位Ａ～部位Ｄの複数の部位（すなわち、全身）に跨って撮影されている。なお、図７Ａに示す各部位は説明の便宜のための一例であって、必ずしもヒトの身体の特定の部位を正確に示したものではない。

このように取得された複数のＣＴ画像は、上記のとおり一定の間隔で撮影されたものであるため、例えば、ＣＴ画像Ｄｍ－７～ＣＴ画像Ｄｍ等の連続する複数のＣＴ画像を参照すると、各ＣＴ画像の含まれる部位に現れる疾患の様子を確認することが可能である。すなわち、個々のＣＴ画像に着目すると、各ＣＴ画像における疾患の有無、その断面上の位置（部位）及びその度合いを検出することができる。さらに、前後の連続する複数個のＣＴ画像に着目すると、疾患の有無、その断面上の位置、断面に垂直な方向における患部の大きさ、及びその度合いを検出することができる。本開示においては、第１の入力情報として、複数のＣＴ画像の中から選択された特定の１個又は複数個（好ましくは１個）のＣＴ画像を用いて第１の解析処理を行うことにより、主に個々のＣＴ画像に含まれる疾患の有無、その位置（部位）及びその確度を第１の出力情報として取得することができる。また、第２の入力情報として、第１の入力情報よりも多い個数のＣＴ画像であって、空間的に連続性又は関連性を有する複数のＣＴ画像を用いて第２の解析処理を行うことにより、対象者の総合的な重症度が反映された、疾患の有無、その位置（部位）及びその確度を第２の出力情報として取得することができる。なお、「空間的に連続性又は関連性を有すること」とは、各ＣＴ画像が一定の間隔（例えば、スライス間隔＝５ｍｍ）で撮影されたことのみならず、測定装置４００を用いて同じ対象者に対してなされた一連の測定処理によって撮影されたことも含む。

ここで、ＣＴ画像は、救急医療の現場で疾患の有無の判断によく用いられる。しかし、このような場合、ＣＴ画像は少なくとも複数の部位（場合によっては全身）に跨って一定の間隔で撮影されるため、かなり多量のＣＴ画像を医療従事者が一つずつ確認して疾患の有無を判断する必要がある。本開示に係る処理システム１では、取得された測定データである複数のＣＴ画像を入力情報として、上記判断した結果を示す情報又は上記判断を補助する情報を医用情報として出力することが可能である。したがって、本開示に係る処理システム１は、特に救急医療における疾患の有無の判断において有益に用いることが可能である。ただし、当然に、救急医療における当該判断のみにその用途が限定されるわけではない。

７．医用情報の生成に係る処理
図７Ａで説明したとおり測定装置４００で撮影された測定データ（例えば、ＣＴ画像）が処理装置１００に送信され、処理装置１００のプロセッサ１１１によって処理されることによって医用情報が生成される。図７Ｂは、本開示の一実施形態に係る測定データが処理されることによって医用情報が生成される過程の一例を概念的に示す図である。

図７Ｂによると、図７Ａで示したとおり、測定装置４００で撮影されたＣＴ画像であって、身体の所定の範囲（例えば、複数の部位や全身）に跨って撮影された複数のＣＴ画像（ＣＴ画像Ｄ１－１～ＣＴ画像Ｄ１－ｎ）が、測定データとして処理装置１００において取得されたことを示している。

次に、図７Ｂによると、これらの複数のＣＴ画像は、プロセッサ１１１の処理によって個々のＣＴ画像（ＣＴ画像Ｅ１－１、ＣＴ画像Ｅ１－２～ＣＴ画像Ｅ１－ｎ）ごとに選択され、第１の入力情報として第１の学習済み解析モデルに入力される（第１の解析処理）。なお、測定装置４００において撮影され処理装置１００において取得された全てのＣＴ画像Ｄ１－１～ＣＴ画像Ｄ１－ｎ（測定データ）が、第１の入力情報である個々のＣＴ画像（ＣＴ画像Ｅ１－１、ＣＴ画像Ｅ１－２～ＣＴ画像Ｅ１－ｎ）として取得されてもよい。また、全てのＣＴ画像Ｄ１－１～ＣＴ画像Ｄ１－ｎ（測定データ）から一定の間隔（例えば、５個ごと）で選択されたＣＴ画像が、第１の入力情報である個々のＣＴ画像（ＣＴ画像Ｅ１－１、ＣＴ画像Ｅ１－２～ＣＴ画像Ｅ１－ｎ）として取得されてもよい。また、全てのＣＴ画像Ｄ１－１～ＣＴ画像Ｄ１－ｎ（測定データ）から操作者によって選択されたＣＴ画像が、第１の入力情報である個々のＣＴ画像（ＣＴ画像Ｅ１－１、ＣＴ画像Ｅ１－２～ＣＴ画像Ｅ１－ｎ）として取得されてもよい。

上記のとおり、ＣＴ画像Ｅ１－１、ＣＴ画像Ｅ１－２～ＣＴ画像Ｅ１－ｎが第１の入力情報として取得され、第１の学習済み解析モデルに入力されることによって、第１の出力情報が生成される。すなわち、ＣＴ画像Ｅ１－１が入力されることによって当該画像に含まれる特定の疾患の有無、その存在位置（部位）、及びその確度が第１の出力情報として取得される。また、ＣＴ画像Ｅ１－２が入力されることによって当該画像に含まれる特定の疾患の有無、その存在位置（部位）、及びその確度が別の第１の出力情報として取得される。また、ＣＴ画像Ｅ１－ｎが入力されることによって当該画像に含まれる特定の疾患の有無、その存在位置（部位）、及びその確度がさらに別の第１の出力情報として取得される。このように第１の解析処理では、第１の入力情報として取得された個々のＣＴ画像ごとに特定の疾患の有無、その存在位置（部位）、及びその確度が、第１の出力情報として取得される。そして、取得された特定の疾患の有無、その存在位置（部位）、及びその確度を示す情報は、対象者管理テーブルにおいて、第１の出力情報として個々のＣＴ画像ごとに記憶される。

なお、上記では、第１の入力情報として１個のＣＴ画像ごとに第１の学習済み解析モデルに入力される場合について説明したが、例えば３個などの数個単位で一まとまりのグループとしてＣＴ画像を準備し、グループごとに第１の学習済み解析モデルに入力されるようにしてもよい。この場合、個々のＣＴ画像ごとに取得された特定の疾患の有無、その存在位置（部位）、及びその確度の平均値や最大値、最小値などをグループごとに求め、これらを第１の出力情報としてもよい。

一方、図７Ｂによると、測定データとして取得された複数のＣＴ画像（ＣＴ画像Ｄ１－１～ＣＴ画像Ｄ１－ｎ）から、プロセッサ１１１の処理によって複数個のＣＴ画像を含むＣＴ画像群Ｆ１が選択され、第２の入力情報として第２の学習済み解析モデルに入力される（第２の解析処理）。当該ＣＴ画像群Ｆ１は、一定の間隔（例えば、スライス間隔＝５ｍｍ）で撮影され、少なくとも空間的に連続性又は関連性を有する複数個のＣＴ画像を含むことが好ましい。なお、測定装置４００において撮影された全てのＣＴ画像Ｄ１－１～ＣＴ画像Ｄ１－ｎ（測定データ）が、第２の入力情報であるＣＴ画像群Ｆ１として取得されてもよい。また、全てのＣＴ画像Ｄ１－１～ＣＴ画像Ｄ１－ｎ（測定データ）から一定の間隔（例えば、５個ごと）で選択された複数のＣＴ画像が、第２の入力情報であるＣＴ画像群Ｆ１として取得されてもよい。また、全てのＣＴ画像Ｄ１－１～ＣＴ画像Ｄ１－ｎ（測定データ）から操作者によって選択された区間に含まれる複数のＣＴ画像が、第２の入力情報であるＣＴ画像群Ｆ１として取得されてもよい。さらに、一つのＣＴ画像群Ｆ１に含まれるＣＴ画像の個数は、第１の入力情報として選択される個々のＣＴ画像群よりも多い個数であればいずれでもよい。また、図７Ｂでは、第２の入力情報としてＣＴ画像群Ｆ１の一つを用いる場合を示したが、当然複数のＣＴ画像群を用いてもよい。

上記のとおり、ＣＴ画像群Ｆ１が第２の入力情報として取得され、第２の学習済み解析モデルに入力されることによって、第２の出力情報が生成される。すなわち、所定の範囲（例えば、複数の部位や全身）に跨って撮影されたＣＴ画像群Ｆ１が入力されることによって、対象者の総合的な重症度を反映した、特定の疾患の有無、その存在位置（部位）、及びその確度やその変化する様子が第２の出力情報として取得される。そして、取得された特定の疾患の有無、その存在位置（部位）、及びその確度は、対象者管理テーブルにおいて、第２の出力情報として記憶される。

次に、図７Ｂによると、プロセッサ１１１の処理によって、それぞれ取得された第１の出力情報及び第２の出力情報の少なくともいずれかに基づいて、医用情報が生成される。

図７Ａで示したとおり、単一のＣＴ画像から得られる第１の出力情報と、空間的に連続性又は関連性を有する複数のＣＴ画像から得られる第２の出力情報とは、特定の疾患の有無、その存在位置（部位）、及びその確度を示す情報であっても、捉える特徴が異なるものである。そのため、図７Ｂで示したように、第１の入力情報から得られた第１の出力情報と、第２の入力情報から得られた第２の出力情報を用いて医用情報を生成することによって、より多様な医用情報を提供することが可能となる。

８．出力される医用情報の例
図７Ｂで説明したとおり、第１の入力情報及び第２の入力情報から第１の出力情報及び第２の出力情報がそれぞれ取得されると、プロセッサ１１１の処理によって医用情報が生成される。そして、生成された医用情報は、メモリ１１２の対象者管理テーブルに記憶されるとともに、出力インターフェイス１１４を介して例えばディスプレイ装置２００に出力される。

図８～図１１は、本開示の一実施形態に係る処理装置１００において出力される医用情報の一例を示す図である。このうち、図８は、それぞれ並列して出力された第１の出力情報と第２の出力情報に加えて、現在出力されている第１の出力情報に対応するＣＴ画像が含まれる医用情報の例である。

図８の（ａ）によれば、当該医用情報には、第１の出力情報として取得された特定の疾患がその位置（部位）に存在する確度を示す棒グラフ１２と、第２の出力情報として取得された対象者の総合的な特定の疾患が存在する確度を示す棒グラフ１３が含まれる。なお、このような棒グラフ１２及び棒グラフ１３は、医用情報の一例に過ぎない。例えば、出力される医用情報としては、疾患の確度を示す具体的な数値であってもよいし、特定の疾患に対して「該当あり」又は「該当なし」や、「レベル１」、「レベル２」、「レベル３」又は「レベル４」や、「軽度」、「中度」又は「重度」などの分類を示す情報であってもよいし、疾患の確度が理解できればいずれでもよい。

また、図８の（ａ）によれば、当該医用情報には、特定のＣＴ画像１１が含まれる。当該ＣＴ画像１１は、現時点で棒グラフ１２として出力される第１の出力情報を取得するために、第１の学習済み解析モデルに入力されたＣＴ画像を示す。すなわち、第１の出力情報は、個々のＣＴ画像ごとに得られた解析結果であるが、その解析結果とその解析結果を得るために用いられたＣＴ画像の両方を同時に確認することが可能である。これによって、操作者は、棒グラフ１２として表示された第１の出力情報に基づいて疾患の有無の判断の目安とし、かつそのＣＴ画像を参照するとことで確定的な判断を効率的にすることが可能となる。

また、図８の（ａ）によれば、当該医用情報には、棒グラフ１２として表示される第１の出力情報を切り替える切り替えボタン１４が含まれる。入力インターフェイス１１３を介して操作者の当該切り替えボタン１４に対する操作入力を受け付けることによって、プロセッサ１１１は医用情報として出力する第１の出力情報を切り替えることが可能である。すなわち、切り替えボタン１４が操作者によって所望の方向に移動されると、その移動先の位置に対応した第１の出力情報が棒グラフ１２として表示されるとともに、当該第１の出力情報に対応するＣＴ画像がＣＴ画像１１として表示される。

図８の（ｂ）によれば、図８の（ａ）で切り替えボタン１４が表示された位置よりも右側にスライドした位置に表示されている。つまり、第１の入力情報として第１の学習済み解析モデルに入力された個々のＣＴ画像のうち、より後段で撮影されたＣＴ画像を第１の入力情報として取得された第１の出力情報が選択されたことを示している。また、図８の（ｂ）で選択された第１の出力情報は図８の（ａ）で示された第１の出力情報とは異なるため、棒グラフ１２として表示される特定の疾患の確度やＣＴ画像１１も図８の（ａ）の内容から切り替えられている。他方、第２の出力情報は、上記のとおり、複数のＣＴ画像を一まとまりとして入力することによって取得された情報であり、総合的な重症度を示す情報であるため、切り替えボタン１４の操作とは無関係に表示される。このように、切り替えボタン１４を操作することによって、より簡単に個々の第１の出力情報とそれに対応するＣＴ画像１１を切り替えて表示することができ、より利便性を向上させることができる。なお、切り替えボタン１４は操作方法の一例であって、切り替えボタン１４に代えて、個々のＣＴ画像のサムネイル画像や縮小画像を表示してもよいし、画像送りボタンや画像戻りボタンを表示してもよいし、他の操作ボタンを表示してもよい。

次に、図９は、処理装置１００において出力される医用情報の他の例を示す図である。図９によれば、当該医用情報には、第１の出力情報として取得された特定の疾患がその位置（部位）に存在する確度を示す棒グラフ１６及び棒グラフ１７と、第２の出力情報として取得された対象者の総合的な疾患の確度を示す棒グラフ１８が含まれる。また、図８と同様に、当該医用情報には、棒グラフ１６及び棒グラフ１７として取得された第１の出力情報に対応するＣＴ画像１５、及び表示するＣＴ画像を切り替えるための切り替えボタン２２が含まれる。

また、図９によれば、これらに加えて、当該医用情報には、さらに第１の出力情報である特定の疾患がその位置（部位Ａ）に存在する確度の空間的な遷移を示す曲線１９、部位Ｂに存在する確度を示す曲線２０及び部位Ｃに存在する確度を示す曲線２１が含まれる。ここで、第１の入力情報である個々のＣＴ画像ごとに、第１の出力情報である特定の疾患がその位置（部位）に存在する確度が取得される。そのため、プロセッサ１１１の処理によって、個々のＣＴ画像が撮影された順、すなわち撮影された断面の順に特定の疾患がその位置（部位）に存在する確度が整列されることによって、その確度が空間的に遷移する様子を曲線として示すことが可能である。図９の例では、横軸に撮影された断面の位置が、縦軸に特定の疾患の有無の確度が示されている。これにより、操作者は、確認すべき断面の位置をより直感的に把握することが可能となる。

また、図９によれば、当該医用情報には、曲線１９、曲線２０及び曲線２１の少なくともいずれかに対して重畳するように選択バー４１が含まれている。入力インターフェイス１１３を介して操作者の当該選択バー４１に対する操作入力を受け付けることによって、プロセッサ１１１は医用情報として出力する第１の出力情報を切り替えることが可能である。すなわち、選択バー４１が操作者によって所望の方向に移動されると、その移動先の位置に対応した第１の出力情報が棒グラフ１６及び棒グラフ１７として表示されるとともに、当該第１の出力情報に対応するＣＴ画像がＣＴ画像１５として表示される。したがって、操作者は、医用情報として出力するＣＴ画像や第１の出力情報を、各曲線を参照しながら、より直感的に切り替えることが可能となる。

次に、図１０は、処理装置１００において出力される医用情報の他の例を示す図である。図１０によれば、当該医用情報には、選択された特定の１枚のＣＴ画像における疾患の確度を示す特定画像の疾患情報が棒グラフ２４として含まれ、対象者の全身における総合的な疾患の確度を示す全身の疾患情報が棒グラフ２５として含まれ、特定の一つの部位における総合的な疾患の確度を示す特定部位の疾患情報が棒グラフ２６として含まれる。

このうち、特定画像の疾患情報は、
・（１Ａ）選択された特定の１枚のＣＴ画像（第１の入力情報）に基づいて取得された疾患の確度（第１の出力情報）を示す値
・（１Ｂ）全身のＣＴ画像群（第２の入力情報）に基づいて取得された疾患の確度（第２の出力情報）から算出された値
・（１Ｃ）上記１Ａの値を上記１Ｂの値で重み付けすることによって得られた値
の少なくともいずれかを用いることが可能である。表示される特定画像の疾患情報には、これらの各値から操作者の操作入力を受け付けて選択されてもよいし、第１の学習済み解析モデル及び第２の学習済み解析モデルの感度や特異度等のパラメータ値に基づいて選択されてもよいし、各値の平均値や最大値、最小値等が選択されてもよい。なお、上記１Ｂの値は、一例としては、全身のＣＴ画像群にみられる身体部位の疾患に関する情報（その存在する位置（部位）情報や、疾患が存在する領域の体積情報から、全身のＣＴ画像群のうちの特定の画像に対する重み付け係数を求め、その係数を第２の出力情報にかけ合わせることによって算出される。また、上記１Ｃの値は、一例としては、あらかじめ用意された上記１Ｂの値と重み付け係数とが対応付けられたテーブルに基づいて、算出された上記１Ｂから重み付け係数を求め、当該重み付け係数を上記１Ａの値にかけ合わせることによって算出される。

また、全身の疾患情報は、
・（２Ａ）個々のＣＴ画像（第１の入力情報）から取得された個々の疾患の確度（第１の出力情報）から算出された値
・（２Ｂ）全身のＣＴ画像群（第２の入力情報）に基づいて取得された疾患の確度（第２の出力情報）を示す値
・（２Ｃ）上記２Ａの値を上記２Ｂの値で重み付けすることによって得られた値
の少なくともいずれかを用いることが可能である。表示される全身の疾患情報には、これらの各値から操作者の操作入力を受け付けて選択されてもよいし、第１の学習済み解析モデル及び第２の学習済み解析モデルの感度や特異度等のパラメータ値に基づいて選択されてもよいし、各値の平均値や最大値、最小値等が選択されてもよい。なお、上記２Ａの値は、一例としては、個々のＣＴ画像から取得される個々の疾患の確度を示す曲線により求められる積分値であったり、個々の疾患の確度を示す値の平均値などが用いられる。また、上記２Ｃの値は、上記１Ｃの値と同様に算出される。

また、特定部位の疾患情報は、
・（３Ａ）個々のＣＴ画像（第１の入力情報）から取得された個々の疾患の確度（第１の出力情報）から算出された値
・（３Ｂ）全身のＣＴ画像群（第２の入力情報）に基づいて取得された疾患の確度（第２の出力情報）から算出された値
・（３Ｃ）上記３Ａの値を上記３Ｂの値で重み付けすることによって得られた値
の少なくともいずれかを用いることが可能である。表示される特定部位の疾患情報には、これらの各値から操作者の操作入力を受け付けて選択されてもよいし、第１の学習済み解析モデル及び第２の学習済み解析モデルの感度や特異度等のパラメータ値に基づいて選択されてもよいし、各値の平均値や最大値、最小値等が選択されてもよい。なお、上記３Ｂの値は、一例としては、全身のＣＴ画像群にみられる身体部位の疾患に関する情報（その存在する位置（部位）情報や、疾患が存在する領域の体積情報から、全身のＣＴ画像群のうちの特定の画像に対する重み付け係数を求め、その係数を第２の出力情報にかけ合わせることによって算出される。また、上記３Ｃの値は、上記１Ｃの値と同様に算出される。

このように、図１０によれば、医用情報として、第１の出力情報及び第２の出力情報に基づいて算出された特定画像の疾患情報、全身の疾患情報及び特定部位の疾患情報が表示される。そのため、特定の画像において特定の疾患が存在する確率だけでなく、ヒトの全身において特定の疾患が存在する確率や、特定の部位において特定の疾患が存在する確率などが表示されることで、操作者はより多様な情報を取得することが可能となる。

また、図１０によれば、医用情報として、図９と同様に、特定画像の疾患情報の算出に用いられた第１の出力情報に対応するＣＴ画像２３、及び表示するＣＴ画像２３を切り替えるための切り替えボタン３０が含まれる。また、図１０によれば、医用情報として、図９と同様に、第１の出力情報である特定の疾患がその位置（部位Ａ）に存在する確度を示す曲線２７、部位Ｂに存在する確度を示す曲線２８及び部位Ｃに存在する確度を示す曲線２９が含まれる。そして、選択バー４２に対する操作入力を受け付けることによって、表示される特定画像の疾患情報及びそれに対応するＣＴ画像を切り替えることが可能である。

次に、図１１は、処理装置１００において出力される医用情報の他の例を示す図である。図１１の（ａ）によれば、医用情報として、測定装置４００において少なくとも複数の部位を跨いで撮影された複数のＣＴ画像に基づいて再現されたヒトの立体モデル３１が含まれる。また、医用情報として、第１の出力情報である特定の疾患の有無、その存在位置（部位）、及びその確度、並びに第２の出力情報である全身における特定の疾患の有無とその確度から、その疾患の存在位置とその確度を示すオブジェクト３２及びオブジェクト３３が含まれる。

そして、プロセッサ１１１の処理によって、入力インターフェイス１１３を介した操作者による操作入力を受け付けて、立体モデル３１における注目領域の選択が行われると、医用情報として図１１の（ｂ）に示す情報が出力される。図１１の（ｂ）によれば、当該医用情報には、立体モデル３１で選択された位置に対応する位置のＣＴ画像を第１の入力情報として取得された第１の出力情報が、棒グラフ３５として含まれる。また、当該医用情報には、第２の出力情報として取得された対象者の総合的な疾患の有無の確度を示す棒グラフ３６が含まれる。さらに、当該医用情報には、第１の出力情報に対応するＣＴ画像３４が含まれる。

このように、操作者はヒトの立体モデル３１から疾患の位置を把握して、把握された位置に対応する医用情報を得ることができるため、より直感的な操作が可能となる。

以上、本実施形態においては、ヒトの身体の測定データに基づいてより有用や医用情報を出力することが可能な処理装置、処理プログラム、処理方法及び処理システムを提供することができる。

９．変形例
上記実施形態においては、医用情報として特定の疾患の有無に対する確度を棒グラフや曲線で示した。しかし、これらは当該確度を示す情報の表現方法の一例であるに過ぎず、具体的な数値や、「該当あり」又は「該当なし」、「レベル１」、「レベル２」、「レベル３」又は「レベル４」、「軽度」、「中度」又は「重度」などの分類情報として示すようにしてもよい。

上記実施形態においては、第１の入力情報及び第２の入力情報として、測定装置４００で測定されたＣＴ画像を用いる場合について説明した。しかし、測定装置４００で測定されたＣＴ画像に対して、ハイパスフィルタやローパスフィルタを含むバンドパスフィルタ、平均化フィルタ、ガウシアンフィルタ、ガボールフィルタ、キャニーフィルタ、ソーベルフィルタ、ラプラシアンフィルタ、メディアンフィルタ、バイラテラルフィルタなどのフィルタ処理、ヘッセ行列等を用いた血管抽出処理、機械学習を用いた特定領域（例えば、疾患領域）のセグメンテーション処理、セグメンテーションされた領域に対するトリミング処理、曇り除去処理、超解像処理及びこれらの組み合わせから、高精細化、領域抽出、ノイズ除去、エッジ強調、画像補正、画像変換などの各種前処理を施した画像を第１の入力情報及び第２の入力情報として用いてもよい。

上記実施形態においては、測定装置４００としてＣＴ装置を、第１の入力情報及び第２の入力情報としてＣＴ画像を用いる場合について説明した。しかし、これらに限らず、ＭＲＩ装置、レントゲン装置、心電計装置、超音波診断装置、内視鏡装置、血圧計装置又はこれらの組み合わせを測定装置４００として用い、ＭＲＩ画像、三次元計測データ、レントゲン画像データ、心電データ、エコー検査データ、内視鏡画像データ、血圧測定データ、採血データ、呼吸機能データ、その他の検査データ又はこれらの組み合わせを第１の入力情報及び第２の入力情報として用いてもよい。例えば、血圧測定データを用いる場合、ある時点の局所的な血圧測定データを第１の入力情報として、所定の期間において経時的に変化する血圧測定データを第２の入力情報として用いることが可能である。

上記実施形態においては、測定装置４００で測定された測定データに基づいて特定の疾患の有無、その存在位置、及びその確度を取得するようにした。しかし、測定装置４００で測定された測定データに加えて、問診情報、所見情報、他の測定データ（ＭＲＩ画像、三次元計測データ、レントゲン画像データ、心電データ、エコー検査データ、内視鏡画像データ、血圧測定データ、採血データ、呼吸機能データ、その他の検査データ又はこれらの組み合わせ）など用いて取得するようにしてもよい。

上記実施形態で説明した第１の学習済み解析モデル及び第２の学習済み解析モデルは、ニューラルネットワークや畳み込みニューラルネットワークを用いて生成した。しかし、これらに限らず、ニアレストネイバー法、決定木、回帰木、ランダムフォレスト等の機械学習を用いて生成することも可能である。

本明細書で説明される処理及び手順は、実施形態において明示的に説明されたものによってのみならず、ソフトウェア、ハードウェア又はこれらの組み合わせによっても実現可能である。具体的には、本明細書で説明された処理及び手順は、集積回路、揮発性メモリ、不揮発性メモリ、磁気ディスク、光ストレージ等の媒体に、当該処理に相当するロジックを実装することによって実現される。また、本明細書で説明される処理及び手順は、それらの処理・手順をコンピュータプログラムとして実装し、処理装置やサーバ装置を含む各種のコンピュータに実行させることが可能である。

本明細書中で説明される処理及び手順が単一の装置、ソフトウェア、コンポーネント、モジュールによって実行される旨が説明されたとしても、そのような処理又は手順は、複数の装置、複数のソフトウェア、複数のコンポーネント、及び／又は、複数のモジュールによって実行されるものとすることができる。また、本明細書中で説明される各種情報が単一のメモリや記憶部に格納される旨が説明されたとしても、そのような情報は、単一の装置に備えられた複数のメモリ又は複数の装置に分散して配置された複数のメモリに分散して格納されるものとすることができる。さらに、本明細書において説明されるソフトウェア及びハードウェアの要素は、それらをより少ない構成要素に統合して、又は、より多い構成要素に分解することによって実現されるものとすることができる。

１ 処理システム
１００ 処理装置
２００ ディスプレイ装置
３００－１ 第１のモデル生成装置
３００－２ 第２のモデル生成装置
４００ 測定装置

Claims (10)

1. 少なくとも一つのプロセッサを具備する処理装置であって、
   前記少なくとも一つのプロセッサは、
   ヒトの身体の状態を測定した測定データを取得し、
   第１の学習済み解析モデルに前記測定データに含まれるデータを入力することで出力される前記身体の状態に関する第１の出力情報を取得し、
   前記第１の学習済み解析モデルとは異なる第２の学習済み解析モデルに前記測定データに含まれるデータを入力することで出力される、前記第１の出力情報とは異なる前記身体の状態に関する第２の出力情報を取得し、
   前記第１の出力情報と前記第２の出力情報の少なくともいずれかに基づいて医用情報を出力する、
   処理装置。
2. 前記測定データは測定装置によって撮像された複数個の画像である、請求項１に記載の処理装置。
3. 前記第１の出力情報は、前記複数個の画像うち第１の個数の画像が前記第１の学習済み解析モデルに入力されることによって取得され、
   前記第２の出力情報は、前記複数個の画像のうち、前記第１の個数よりも多い個数の画像が前記第２の学習済み解析モデルに入力されることによって取得される、
   請求項２に記載の処理装置。
4. 前記第２の出力情報は、前記ヒトの身体の少なくとも複数の部位において所定の間隔で撮影された複数個の画像が入力されることによって取得される、請求項３に記載の処理装置。
5. 前記第１の出力情報は、前記ヒトの身体の少なくとも複数の部位において所定の間隔で撮影された複数個の画像のうち１個の画像が入力されることによって取得される、請求項３に記載の処理装置。
6. 前記第１の出力情報及び前記第２の出力情報は、前記身体における特定の疾患の有無の確度を示す情報を含む、請求項１に記載の処理装置。
7. 前記第１の出力情報は、前記ヒトの身体において所定の間隔で撮影された個々の画像ごとに取得された特定の疾患に対する確度を含み、
   前記医用情報は、個々の画像における前記確度の遷移を示す曲線を含む、
   請求項２に記載の処理装置。
8. 少なくとも一つのプロセッサを具備するコンピュータにおいて前記少なくとも一つのプロセッサを、
   ヒトの身体の状態を測定した測定データに含まれるデータを取得し、
   第１の学習済み解析モデルに前記測定データに含まれるデータを入力することで出力される前記身体の状態に関する第１の出力情報を取得し、
   前記第１の学習済み解析モデルとは異なる第２の学習済み解析モデルに前記測定データに含まれるデータを入力することで出力される、前記第１の出力情報とは異なる前記身体の状態に関する第２の出力情報を取得し、
   前記第１の出力情報と前記第２の出力情報の少なくともいずれかに基づいて医用情報を出力する、
   ように機能させる処理プログラム。
9. 少なくとも一つのプロセッサを具備するコンピュータにおいて前記少なくとも一つのプロセッサにより実行される処理方法であって、
   ヒトの身体の状態を測定した測定データに含まれるデータを取得する段階と、
   第１の学習済み解析モデルに前記測定データに含まれるデータを入力することで出力される前記身体の状態に関する第１の出力情報を取得する段階と、
   前記第１の学習済み解析モデルとは異なる第２の学習済み解析モデルに前記測定データに含まれるデータを入力することで出力される、前記第１の出力情報とは異なる前記身体の状態に関する第２の出力情報を取得する段階と、
   前記第１の出力情報と前記第２の出力情報の少なくともいずれかに基づいて医用情報を出力する段階と、
   を含む処理方法。
10. 請求項１に記載の処理装置と、
    前記処理装置から出力された医用情報を表示するためのディスプレイ装置と、
    を含む処理システム。
    
    

Images