JP6101563B2

JP6101563B2 - 情報構造化システム

Info

Publication number: JP6101563B2
Application number: JP2013105743A
Authority: JP
Inventors: 木戸　邦彦; 邦彦木戸; 俊太郎由井
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 2013-05-20
Filing date: 2013-05-20
Publication date: 2017-03-22
Anticipated expiration: 2033-05-20
Also published as: EP2806367A1; US20140344274A1; CN104182450A; JP2014228907A

Description

本発明は、臨床情報に関するデータベースを対象に、臨床データの構造化および分析方法に関するものである。

本技術分野の背景技術として、特許文献１がある。この文献では、臨床データと基礎研究データを蓄積する知識データベースを持ち、双方の情報を知識要素として分解し、それらの間の関連性を重み付けにより連結し再編成する医療支援システムに関する記載がある。

特開2005-108248号

臨床データを臨床的な観点で分析する際、その分析の視点（ディメンジョン）が多様であり、予め決めておくことが難しい。分析の視点とは、例えば、合併症、癌のサイズや個数、薬剤の投与量や投与回数などが挙げられる。現状、網羅的かつ汎用的な臨床研究用のデータウェアハウス構築ではなく、特定疾患に対して、臨床研究計画にもとづきディメンジョンを限定し、キューブを構築するのが一般的である。一方、分析視点の多様性は、類似症例検索のための条件が多様なことを意味する。すなわち個別症例ごと、検索者が臨床知識に基づき当該症例を特徴付ける条件を検討し、検索文に盛り込む必要がある。このため、検索対象や範囲を絞らずに検索文を定型化することが困難であり、関係データベースであれば、データベースのテーブル構造を熟知した上で、検索言語であるSQLに基づき検索を行う必要がある。しかしながら、データベースの専門家でない、医師などのエンドユーザがSQL文を駆使することは期待できないことが多い。

臨床データは、病名、処方、手術、検査、および、検査結果などの臨床データから構成される。これらの臨床データは、対象患者および実施日付、記録日付などの、属性情報により整理統合することができる。しかしながら、処方、検査、術式とその適応病名の関係など、医学的な意味にもとづく関連付けの情報が欠落している場合が多く、臨床研究において、分析データセットを作る場合、分析者が医学的知識にもとづき、臨床データ間の関連性を考慮しながら、関連データをマニュアルで収集するのが一般的である。病名、薬剤、術式、検査項目は膨大であり、この確認作業には多大な時間がかかる。

医学概念情報と、医学概念情報の共起度と、医学概念情報の取得先の医学文献情報の文献格付け情報と、を含む医学知識情報を格納したデータベースを用いて情報の構造化を行う情報構造化システムであって、
複数の臨床情報の入力を受け付ける臨床情報入力受付部と、
医学知識情報を用い、共起度と文献格付け情報を含む重み情報を付して複数の臨床情報を互いに関係付けるリンク情報を生成するリンク生成部と、
を有することを特徴とする情報構造化システム。

本発明によれば、臨床データ間の関連性に関する医学知識にもとづいて、臨床データ間を関連付ける。加えて、臨床データ間の関連付けでは、医学知識の取得先である、医学文献のエビデンスレベルと共起度にもとづく研究者の注目度の観点から重みをつけるため、検索者の分析目的に応じた重要度にもとづいて、データを絞り込むことが可能になる。例えば、学会等で広く認められた分析視点での分析に興味がある場合、医学文献のエビデンスレベルにもとづく重みが高い関連性により、データを絞込むことができる。また、エビデンスレベルが低いが、研究性の高いデータを集めたい場合には、共起度の高い関連性にもとづきデータに絞込むことができる。
これらを網羅的に収集し、この分析視点に基づいて臨床データを構造化する。加えて、分析視点と実際の臨床データの関連性について、医学文献のエビデンスレベルと共起度にもとづく研究者から注目度から、重みをつけるため、検索者の分析目的に対して必要なデータが、網羅的に用意された分析視点にもとづき容易に検索可能となる。例えば、学会等で広く認められた分析視点での分析に興味がある場合、医学文献のエビデンスレベルにもとづく重みが高い分析視点に絞込み、データ収集できる。また、エビデンスレベルが低いが、研究性の高いデータを集めたい場合には、共起度の高い分析視点に絞り込んで、データ収集すればよい。

本発明の実施例１に関わるシステム構成図である。本発明の実施例１に関わるプログラム構成図である。本発明の実施例１に関わるプログラム構成図である。本発明の実施例１に関わるプログラムの処理フローである。本発明の実施例１に関わるプログラムの処理フローである。患者ＩＤと臨床情報を関係付けるテーブルの例である。臨床情報を管理するテーブルの例である。臨床情報間の関係を管理するテーブルの例である。医学文献から医学概念を抽出するための辞書テーブルの例である。医学知識管理テーブルを管理するテーブルの例である。医学文献の格付けを管理するテーブルの例である。臨床研究の種類を説明する表である。医学文献の例である。医学知識生成処理に関する画面例である。リンク生成処理に関する画面例である。検索処理に関する画面例である。事前集計値を管理するテーブルの例である。本発明の実施例１に関わるプログラム構成図である。本発明の実施例１に関わるプログラムの処理フローである。本発明の実施例１に関わるプログラムの処理フローである。

以下、本発明の実施例を図面を用いて説明する。

本発明の医学文献情報とは、診断治療に関わる知識が記載された、医学論文、診断治療ガイドライン、医学教科書などのテキストデータを含む電子データである。医学論文については、タイトル、発行年月日、本文、アブストラクト、本文の内容に関するキーワードが含まれる。また、医学概念とは、病名、症状、医薬品名、検査名、単位などの医学用語と、医学用語の組み合わせから構成される等式・不等式が含まれる。
本発明は、定期的に、インターネット等に公開されている医学文献等のテキストデータから、分析視点候補を網羅的に抽出する。そして、実際の臨床データに含まれる病名、薬剤、検査、手術等のデータを、分析視点候補にリンク付ける。この分析視点候補には、病名や薬剤・検査ごとに、副作用、大きさ・個数・数値に関する不等式、時間関係に関する情報が含まれる。

ここで、上記分析視点候補には、臨床的に重要なものと、抽出ミスを含め、臨床的に重要でないものが混在する。これを区別するために、以下の観点で上記リンクに対して重み付けを行う。まず、分析視点候補を抽出した医学文献のエビデンスのレベルが高い場合には重みを強くする。エビデンスのレベルが高い医学文献の分析視点候補は、学会での認知度が高いものと推測されるためである。例えば、ランダム化比較試験のメタアナリシスに関する医学文献は、最も高いエビデンスレベルであり、この文献に含まれる分析視点候補の重要性が高い。次にランダム化比較試験が一つでも入った論文が、2番目に高いエビデンスレベルとなる。

また、各病名の文献群において、分析視点候補の単語と薬剤・検査・手術に関する単語の共起度を計算し、この共起度の大きさにもとづき、上記リンクの重みを強くする。これは、多くの論文で検討されている分析視点候補は、研究者の関心が高いものと推測されるからである。
図１は、本実施例のハードウェア構成を示す。コンピュータ１０１は、メモリ１０３、記憶装置１０５、CPU１０４、I/O装置１０２を備えており、また、外部の記憶装置として、医学文献情報DB１０６、臨床情報DB１０７、辞書DB１０８、医学知識DB１０９が接続されており、I/O装置１０２を介して、コンピュータ１０１とデータの入出力を行う。図２、図３は、本実施例のプログラム構成図を示す。図２は、医学文献情報DB１０６のデータにもとづき、医学知識DB１０９の情報を生成するプログラムの構成である。臨床文献入力部２０１、医学概念抽出部２０２、重要度計算部２０３、医学知識出力部２０４からなり、記憶装置１０５からI/O装置１０２からメモリ１０３にロードされて、CPU１０４により実行される。図３は、医学知識DB１０９の医学知識にもとづき、臨床情報DB１０７の臨床情報についてデータ間に重み付けのリンクを生成するプログラムの構成である。臨床情報・医学知識入力部３０１、リンク生成部３０２、リンク出力部３０３からなり、記憶装置１０５からI/O装置１０２からメモリ１０３にロードされて、CPU１０４により実行される。

図６、図７、図８、図９、図１０、図１１は、本実施例で使用するテーブルの構成である。図６は、患者IDと臨床情報の対応テーブルであり、患者ID６０１とレコード番号６０２からなる。図７は、臨床情報テーブルであり、レコード番号７０１、病名（項目２）７０２、病名（項目２）７０３、サイズ（項目３）７０４、視点（項目４）７０５からなる。ここで病名が二つあるのは、本システムが合併症を扱えることを示している。合併症の数に応じて、さらに複数の病名項目を有しても良い。図６のレコード番号６０２が、図７のレコード番号７０１を参照することで、患者IDと臨床情報を結びつける。図８は、リンクテーブルであり、臨床情報の項目間の関係を記録するものであり、レコード番号８０１、ソース項目番号８０２、ターゲット横目番号８０３、重み８０４、知識番号８０５からなる。

ソース項目およびターゲット項目とは、因果関係における原因と結果、概念的な包含関係における上位概念と下位概念、病状の進行における現状病名と関連病名など、原因→結果、上位概念→下位概念、現状病名→関連病名などの、始点と終点を意味する。

まず、レコード番号８０１が、図７のレコード番号を参照することで、臨床情報テーブルのレコードを特定する。もし、項目３と項目４にリンクがある場合には、ソース項目番号８０２に３を、ターゲット項目番号８０３に４を記録し、リンクの重みの値ベクトル（a,b）を重み８０４に記録する。この値ベクトル（a,b）は後述するように、第一成分のaは文献の格付け情報であり、第二成分のbは共起度と定義する。また、知識番号８０５は、上記リンクの重みの値ベクトルの医学知識に関する識別番号であり、図１０の医学知識管理テーブルの対応レコードの知識番号を記録する。

図９は辞書テーブルであり、医学文献から医学概念を抽出するために使用するものであり、名称９０１と分類９０２からなる。名称９０１には、医学文献から抽出する医学概念の単語が記録される。分類９０２は、その単語の分類が記録される。この分類には、病名、術式名、指標名、医薬品名が含まれる。図１０は、医学知識管理テーブルであり、医学文献から抽出された医学概念とその共起度を管理するものであり、文献番号１００１、共起語のペアである単語（１）１００２、単語（２）１００３、共起語の共起度１００４からなる。図１１は、各文献の格付けを記録するテーブルであり、文献番号１１０１、文献格付け１１０２からなる。辞書テーブルは更新可能なものであり、ネットワークなどを通じて更新が行われても良い。本実施例では、文献格付けは図１２の臨床研究のレベルを採用する。このレベルは変更可能なものであり、ネットワークなどを通じて変更が行われても良い。
図１４、図１５は、本実施例にて使用する画面例である。図１４は、図２に示す医学知識を生成するプログラムで使用する画面であり、符号１４０１は、医学文献情報DB１０６に保管された医学文献に対して、当該プログラムが処理対象とする期間を指定するエリアである。符号１４０２には、医学文献情報DB１０６に保管された医学文献に対して、当該プログラムが処理対象とする文献DBを指定するエリアである。符号１４０３は、当該プログラムの処理開始を行うボタンである。このようにして、特定の期間における文献を選択して情報構造化を行い、多種多様な構造化の要望に答えることが出来る。

図１５は、図３に示すリンクを生成するプログラムで使用する画面であり、リンク生成の対象となる臨床情報の期間を指定する期間１５０１、リンク生成開始ボタン１５０２からなる。

図４により、図２のプログラムの処理フローを示す。図１４の画面の医学知識生成開始ボタン１４０３がクリックされると、本プログラムが起動する。

ステップ４０１により、図１４の画面により指定された、医学文献の文献DB及び期間の医学文献を、医学文献情報DB１０６から、I/O装置１０２を介してメモリ１０３に取り込む。図１３は、医学文献の例であり、文献タイトル１３０１、発行年月日１３０２、アブストラクト１３０３、キーワード１３０４からなる。同様に、辞書DB１０８から、図９に示した辞書テーブルを、I/O装置１０２を介してメモリ１０３に取り込む。
ステップ４０２では、辞書テーブルの各レコードに対して、分類９０２が病名、術式、指標に関する名称９０１にもとづき、医学文献のアブストラクトから医学概念の例である医学用語を抜き出す。図１３のアブストラクト１３０３の下線部は、図９の辞書テーブルにもとづき抽出した医学用語の例である。同様に、ステップ４０３では、辞書テーブルの各レコードに対して、分類９０２が病名、量、大小、単位に関する名称９０１にもとづき、医学概念の例である量および時間関係情報を抽出する。ここでは量及び時間関係としているが、他の医学概念の分類項目を用いても良い。図１３の例で説明すると、「肝細胞癌の大きさは4cm以下」が抽出される。肝細胞癌が「病名」、大きさが「量」、cmが「単位」、以下が「大小」であり、これらの単語が「の」「は」などの助詞、あるいは、数字で挟まっているので、この文章が量および時間関係情報と判断する。ステップ４０４では、文献情報のキーワードから、文献の格付けを同定する。次に、ステップ４０３で抽出した医学用語、量および時間関係情報について共起度を求める。ここで項目Aと項目Bの共起度とは、項目Aと項目Bを同時に含む文献数と定義する。ステップ４０５では、ステップ４０４で求めた文献の格付けについては、図１１の文献テーブルの、文献番号１１０１とともに文献格付け１１０２に格付けを登録する。共起度については、図１０の医学知識管理テーブルに、文献番号と共起語のペア、および、その共起度を登録する。このようにして、医学文献情報を用いてその格付けで重み付けをした医学知識情報を生成し、高精度な情報構造化を支援することが出来る。また、分類項目を用いた多様な分析の視点から医療に関する情報を構造化することができる。また、医学文献情報を用いて共起度又は文献格付けで重み付けをした医学知識情報を生成し、高精度な情報構造化を支援することが出来る。

図５により、図３のプログラムの処理フローを示す。図１５の画面にリンク生成開始ボタン１５０２がクリックされると、本プログラムが起動する。
ステップ５０１は、図１５の画面により指定された期間１５０１内の臨床データを臨床情報DB１０７から、I/O装置１０２を介してメモリ１０３に取り込む。具体的には、図７の臨床情報テーブルの時間７０６を参照し、図１５の画面により指定された期間１５０１に合致するレコードを全て検索して、I/O装置１０２を介してメモリ１０３に取り込む。このようにして、特定の期間における臨床情報を選択して情報構造化を行い、多種多様な構造化の要望に答えることが出来る。

ステップ５０２では、医学知識を医学知識ＤＢ１１０からI/O装置１０２を介してメモリ１０３に取り込む。具体的には、図１０の医学知識管理テーブルから全レコードをI/O装置１０２を介してメモリ１０３に取り込む。また、期間１５０１はその期間を設定する入力を受け付けて決められても良い。

ステップ５０３では、ステップ５０２で取り込んだ医学知識の全レコードから、一つずつレコードを取得し、当該医学知識が量・時間関係であるかどうか、図１０の医学知識管理テーブルの種類１００５からチェックする。具体的には、等号、不等号を含んでいる医学知識を、量・時間関係と判断する。

もし量・時間関係でない場合には、ステップ５０５にて、符号１００２の単語１と符号１００３の単語２が、ステップ５０１で取得した臨床データの各レコードの病名（項目１）、病名（項目２）、サイズ（項目３）（符号７０２〜符号７０４）に合致するものがないかチェックする。ステップ５０６にて、合致のYES/NOをチェックし、YESの場合には、ステップ５０７に進む。
一方、量・時間関係の場合は、ステップ５０４において臨床データの関係が、医学知識の等式や不等式を満たすかどうかチェックする。例えば、「肝細胞癌」および「肝細胞癌の大きさ≦4cm」という医学知識について、臨床データとして病名（項目１）７０２が「肝細胞癌」で、サイズ（項目３）が2cmであれば、医学知識の不等式関係に合致する。ここで合致する場合、当該医学知識の医学知識番号を図１０の医学知識管理テーブルの医学知識番号１００６から求め、図７の符号７０５の視点に、左記医学知識番号をエントリしておく。このようにして、分類項目を用いた多様な分析の視点から医療に関する情報を構造化することができる。

ステップ５０６にて、ステップ５０４とステップ５０５のチェック結果を調べYESの場合には、ステップ５０７に進む。

ステップ５０７では、当該医学知識を含む文献番号の医学文献の格付けを図１１から、符号１００２の単語１と符号１００３の単語２の共起度を図１０から求める。例えば、文献番号１の医学文献に関する医学知識である、「肝細胞癌」および「肝細胞癌の大きさ≦4cm」の場合、図１１から文献の格付けが４であり、図１０から共起度が３ということがわかる。

ステップ５０８では、図８のリンクテーブルにおいてレコードを生成し、レコード番号８０１、ソース項目番号８０２、ターゲット項目番号８０３とともに、ステップ５０５で求めた共起度と格付けにより、リンクの重みの値ベクトル（a,b）生成し、当該レコードの重み８０４に登録する。また、ステップ５０７で処理対象とした医学知識の知識番号を知識番号８０５に登録する。ここでソース項目番号８０２は、符号１００２の単語１に合致する臨床データのレコードの病名（項目１）（符号７０２）、病名（項目２）（符号７０３）、サイズ（項目３）（符号７０４）から決める。具体的には、合致するものが病名（項目１）（符号７０２）のときは１、病名（項目３）（符号７０３）のときは２、サイズ（項目３）（符号７０４）のときは３とする。なおサイズ（項目３）（符号７０４）の合致については、視点（項目４）（符号７０５）の医学知識番号の量・時間関係を符号７０４が満たす場合には合致とするとする。
同様に、ターゲット項目番号８０３は、符号１００３の単語２に合致する臨床データのレコードの病名（項目１）（符号７０２）、病名（項目２）（符号７０３）、視点（項目４）（符号７０５）から決める。具体的には、合致するものが病名（項目１）（符号７０２）のときは１、病名（項目２）（符号７０３）のときは２、視点（項目４）（符合７０５）のときは４とする。なお視点（項目４）（符号７０５）の合致については、視点（項目４）（符号７０５）の医学知識番号の量・時間関係をサイズ（項目３）符号７０４が満たす場合には合致とするとする。このようにして、共起度と文献格付けを用いた重み情報を付して高精度の情報構造化ができる。

次に検索処理について説明する。

図１８は、本実施例における検索処理のプログラム構成図を示す。本プログラムは、事前集計処理部１８０１、検索処理部１８０２、検索結果出力部１８０３からなり、記憶装置１０５からI/O装置１０２からメモリ１０３にロードされて、CPU１０４により実行される。

図１７は、事前集計テーブルであり、医学知識にもとづく分析の視点に関連した臨床情報を事前集計した数値を管理するテーブルであり、知識番号１７０１、集計値１７０２、閾値１７０３からなる。知識番号１７０１は、分析の視点の根拠となる医学知識の識別番号である。集計値１７０２は、上記の医学知識に合致した臨床情報の集計値である。

例えば、図１７における知識番号１の集計値が１００であるケースについて説明する。図１０より知識番号１は、肝細胞癌と肝硬変が関係しているという知識であり、知識番号１の集計値が１００とは、実際の臨床データにおいて、肝細胞癌と肝硬変が併存している症例が１００例あることを示している。

また、閾値１７０３は、集計の対象となる医学知識の重みに関する閾値を管理する。

ここで、図１７のテーブルを作成する処理である、事前集計処理部１８０１の処理フローを図１９にもとづき説明する。この処理は、1日に1回など定期的に実行される。何かトリガーに基づいて非定期的に実行されても良い。事前集計テーブルの知識番号、および、当該知識番号の医学知識管理テーブルのレコードは、医学文献から網羅的に抽出した分析の視点を提供する。この分析の視点に該当する臨床情報の個数を事前に集計しておくことで、実際の検索時に集計計算を省略することができ、高速に分析することが可能になる。
ステップ１９０１では、図８のリンクテーブルから、重み８０４が所定の閾値以上のレコードを検索する。ステップ１９０２では、ステップ１９０１で検索したレコードに関し、異なる知識番号８０５ごとにレコード数を集計する。ステップ１９０３では、ステップ１９０２にて知識番号ごとの集計値を、知識番号、および、ステップ１８０１で使用した閾値とともに、図１７の集計番号１７０１、集計値１７０２、閾値１７０３に記録する。このようにして、構造化された情報を集計して切り出すことで、効率的な分析を可能にすることが出来る。

図１６は、本実施例にて使用する画面例であり、検索結果をグラフ表示するエリア１６０１、医学知識による分析の視点にもとづく事前集計値の表示エリア１６０２、検索条件の入力エリア１６０３、検索ボタン１６０４からなる。

次に、検索処理部１８０２、検索結果出力部１８０３の処理フローを、図２０にもとづき説明する。

図１６の検索ボタン１６０４のクリックにより、本プログラムは起動する。ステップ２００１では、図１６の検索条件エリア１６０３において指定される、病名、格付け、共起度を取得する。

ステップ２００２では、ステップ２００１で取得した病名に関して、図７の臨床情報テーブルの符号７０２あるいは符号７０３における病名と合致するレコードを全て検索する。ステップ２００３では、ステップ２００２で取得した各レコードのレコード番号７０１と合致する図８のリンクテーブルのレコードを、レコード番号８０１を参照して求める。次に、当該レコードの重み８０４の値ベクトルを取り出し、この値ベクトルが、ステップ２００１で取得した格付け、共起度よりも大きいレコードへ更に絞り込む。

ステップ２００４では、ステップ２００３で絞り込んだレコードに対して、そのレコード番号にもとづき、図６の患者ＩＤと臨床情報の対応テーブルにおけるレコード番号６０２と合致するレコードを検索して、患者ＩＤ６０１を求める。ここで表示のためのグラフ構造を作成し、図１６のエリア１６０１に表示する。このグラフ構造は、患者ＩＤをルートに、リンクテーブルのソース項目番号８０２へリンクを張る。次に、ソース項目番号８０２とターゲット項目番号８０３にリンクを張る。

実際の表示では、ソース項目番号８０２とターゲット項目番号８０３に該当する医学概念を、レコード番号が合致した図７の臨床情報テーブルのレコードにおける対応する項目番号の登録内容から求める。

例えば、図８のリンクテーブルで、レコード番号１、ソース項目番号が１、ターゲット項目番号が２のレコードに着目する。図７のレコード番号が１のレコードは、項目１は病名であり「肝細胞癌」が登録されおり、項目２は病名であり「肝硬変」が登録されている。以上から、「肝細胞癌→肝硬変」というリンクが張られる。なお、項目番号が４、すなわち符号７０４の視点の場合は、視点（項目４）（符号７０４）に記録された知識番号に基づき、図１０の医学知識管理テーブルの知識番号１００６に基づきレコードを検索し、符号１００３の単語２の記載内容を取得し、これを表示する。例えば、図８のリンクテーブルで、レコード番号１、ソース項目番号が３、ターゲット項目番号が４のレコードに着目する。図７のレコード番号が１のレコードは、項目３はサイズで２ｃｍであり、項目４は視点であり知識番号２が登録されている。図１０の医学知識管理テーブルにおいて、知識番号２のレコードの単語２は、「肝細胞癌の大きさ≦4cm」である。以上から、「サイズ２ｃｍ→肝細胞癌の大きさ≦4cm」というリンクが張られる。

以上、検索条件として、病名、格付け、共起度のみを例として指定したが、検索結果は、病名に関連した医学知識から導出された分析の視点にもとづき、グラフ構造の形で関連するデータが表示される。このため、検索者は分析の視点に関わる条件を指定すること無しに、分析に必要な情報を簡単に表示することができる。また、表示する情報は、格付け、共起度により絞込みができる。例えば、学会等で広く認められた分析視点での分析に興味がある場合、医学文献の格付けが高い分析視点に絞り込む。また、研究性の高いデータを集めたい場合には、共起度の高い分析視点に絞り込むことができる。

次に、上記、グラフ構造の作成に用いたリンクテーブルのレコードの知識番号８０５に関して、図１７の事前集計テーブルの知識番号１７０１と合致するものを探す。
合致するものがあれば、当該知識番号の名称と集計値１７０２にもとづき、図１６のエリア１６０２に表形式で表示する。以上、特に検索者が指定しなくても、分析の視点に該当する臨床情報の個数が高速に表示されることとなる。なお、知識番号の名称は、図１０の医学知識管理テーブルから、当該知識番号と合致するレコードを検索し、単語１００３を取得することで求める。このようにして、共起度や文献情報などを用いて集計されたリンク情報を検索し、効率的な分析を行うことが出来る。

病院などの医療機関に対し、臨床研究のための構造化された臨床情報データベースを提供する。これにより、効果的な治療方法を研究するなどの臨床研究が促進され、医療技術の発展に寄与する。

１０１コンピュータ装置
１０２ I/O装置
１０３メモリ
１０４ＣＰＵ
１０５記憶装置
１０６医学文献情報ＤＢ
１０７臨床情報ＤＢ
１０９辞書ＤＢ
１１０医学知識管理ＤＢ
２０１医学文献入力部
２０２医学概念抽出部
２０３重要度計算部
２０４医学知識出力部
３０１臨床情報・医学知識入力部
３０２リンク生成部
３０３リンク出力部
４０１医学文献情報、辞書テーブル入力
４０２辞書テーブルを用いた医学用語の抽出
４０３辞書テーブルを用いた量および時間関係情報の抽出
４０４共起度と文献の格付けを求める
４０５医学知識の記録
５０１臨床情報の入力
５０２医学知識の入力
５０３条件分岐
５０４医学知識が量・時間関係の場合、臨床データがこの関係を満たすかチェック
５０５医学知識と臨床データがマッチするかチェック
５０６条件分岐
５０７共起度と格付けを求める
５０８重み付きで各項目間のリンクを生成する
６０１患者ＩＤ
６０２レコード番号
７０１レコード番号
７０２病名（項目１）
７０３病名（項目２）
７０４サイズ（項目３）
７０５視点（項目４）
７０６時間
８０１レコード番号
８０２ソース項目番号
８０３ターゲット項目番号
８０４重み
８０５知識番号
９０１名称
９０２分類
１００１知識番号
１００２文献番号
１００３単語１
１００４単語２
１００５共起度
１００５種類
１１０１文献番号
１１０２文献格付
１３０１文献名称
１３０２発行年月日
１３０３アブストラクト
１３０４キーワード
１４０１期間指定エリア
１４０２使用文献指定エリア
１４０３医学知識生成開始ボタン
１５０１期間指定エリア
１５０２リンク生成開始ボタン
１６０１検索結果表示エリア
１６０２検索結果表示エリア
１６０３検索条件指定エリア
１７０１知識番号
１７０２集計値
１７０３閾値
１８０１事前集計処理部
１８０２検索処理部
１８０３検索結果出力部
１９０１閾値以上の重みを持つリンクを収集
１９０２医学知識番号ごとにリンク数を集計
１９０３集計値を出力
２００１検索条件の取得
２００２病名を検索
２００３共起度と格付けで絞り込み
２００４視点の集計結果とグラフ表示

Claims

医学概念情報と、前記医学概念情報の共起度と、前記医学概念情報の取得先の医学文献情報の文献格付け情報と、を含む医学知識情報を格納したデータベースを用いて情報の構造化を行う情報構造化システムであって、
複数の臨床情報の入力を受け付ける臨床情報入力受付部と、
前記医学知識情報を用い、前記医学知識情報が等号または不等号を含んでいる場合は、前記臨床情報に含まれる臨床データの関係が当該等号または不等号を満たすかを判定し、前記医学知識情報が等号または不等号を含んでいない場合は、前記臨床データのレコードの病名が、当該医学知識情報に含まれる単語と合致するかを判定し、前記判定のいずれかの条件を満たした前記医学知識情報に含まれる前記共起度、および、当該医学知識情報を含む文献番号より得られる前記文献格付け情報を含む重み情報を付して前記複数の臨床情報を互いに関係付けるリンク情報を生成するリンク生成部と、
を有することを特徴とする情報構造化システム。
請求項１に記載の情報構造化システムであって、
前記医学知識情報は、前記医学知識情報の分類情報を有し、
前記リンク生成部は、前記医学知識情報を用いる際に前記分類情報を参照し、前記医学知識情報が前記分類情報である場合は、さらに前記複数の臨床情報が前記分類情報である場合に前記複数の臨床情報を関係付け、前記複数の臨床情報が前記分類情報で無い場合に前記複数の臨床情報を関係付けないことを特徴とする情報構造化システム。
請求項１に記載の情報構造化システムであって、
前記医学文献情報から前記医学概念情報を抽出する医学概念抽出部と、
前記医学概念情報の共起度と前記医学文献情報の文献格付け情報とを取得し、前記医学概念情報と前記共起度と前記格付け情報とを医学知識情報として前記データベースに格納する医学知識情報生成部と、
をさらに有することを特徴とする情報構造化システム。
請求項３に記載の情報構造化システムであって、
前記データベースは辞書情報を格納し、
前記医学概念抽出部は、前記辞書情報を用いて前記医学文献情報から前記医学概念情報を分類情報とともに抽出することを特徴とする情報構造化システム。
請求項４に記載の情報構造化システムであって、
前記医学知識情報生成部は、前記共起度を前記医学概念情報が前記医学文献情報が示す文献に含まれる数として算出することを特徴とする情報構造化システム。
請求項４に記載の情報構造化システムであって、
前記データベースは、文献格付けリスト情報を格納し、
前記医学知識情報生成部は、前記文献格付けリスト情報を用いて、前記文献格付け度を前記医学概念情報が含まれる前記医学文献情報がしめす文献の文献格付け情報を生成することを特徴とする情報構造化システム。
請求項３に記載の情報構造化システムであって、
医学知識生成期間情報の入力を受け付ける医学知識生成期間受付部をさらに有し、
前記医学概念抽出部は、前記医学知識生成期間情報に基づいて、前記医学概念の抽出に用いる前記医学文献情報を選択することを特徴とする情報構造化システム。
請求項１に記載の情報構造化システムであって、
リンク生成期間情報の入力を受け付けるリンク生成期間受付部をさらに有し、
前記リンク生成部は、前記リンク生成期間情報に基づいて、前記リンク情報を生成する際に用いる前記複数の臨床情報を選択することを特徴とする情報構造化システム。
請求項１に記載の情報構造化システムであって、
前記重み情報が所定の閾値以上の前記リンク情報を抽出するリンク情報抽出部と、
前記抽出されたリンク情報から前記共起度と前記文献格付け情報とを集計しリンク集計情報を生成するリンク情報集計部と、
を有することを特徴とする情報構造化システム。
請求項９に記載の情報構造化システムであって、
検索共起情報と検索文献格付け情報を含む検索条件の入力を受け付ける検索条件入力部と、
前記検索条件に基づいて前記リンク集計情報を検索し、前記検索条件を満たすリンク集計情報を抽出することを特徴とする情報構造化システム。