JP6532287B2 - 医療診断支援装置、情報処理方法及びプログラム - Google Patents

Description

本発明は、医療診断支援装置、情報処理方法及びプログラムに関する。

医療の分野では、Ｘ線ＣＴ（Computed Tomography）装置やＭＲＩ（Magnetic Resonance Imaging）装置等の撮影装置により得られた医用画像を医師が読影して診断を行う画像診断が行われている。画像診断では、主治医の読影の依頼に応じて、医用画像を読影する医師は画像から得られる所見（以下、画像所見と称する）や各種測定値を総合的に判断して画像に写る病変の症状を特定する。そして、医用画像を読影する医師は、その診断に至った経緯を画像所見や測定値を利用して、依頼元の主治医への読影レポートとしてまとめる。

このような読影を支援するための医療診断支援装置が開発されている。例えば、特許文献１には、入力された情報に基づく推論結果に対して、入力された情報の中から推論結果に影響を及ぼす情報を同定し、ユーザに提示する技術が記載されている。特許文献１に記載の技術によれば、診断の手掛かりとなる情報（以下、参考情報と称する）をユーザに提示することが可能になる。

また、特許文献２には、入力された情報に基づく推論結果の参考情報として、データベースの中から推論結果に対応する映像情報を決定し、ユーザに提示する技術が記載されている。特許文献２に記載の技術によれば、視覚的な情報として参考情報を提示することが可能になる。

特開２０１０−２００８４０号公報 特開平４−３３８８２７号公報

しかしながら、特許文献１に記載されている技術は、参考情報を提示するにとどまっていた。参考情報が画像に関する情報（画像所見）である場合、画像上のどこにその画像所見に対応する部分があるかを示していないため、ユーザは当該画像所見を自ら探す必要があった。

一方、特許文献２に記載されている技術は、視覚的な情報を提示するものの、あらかじめ決められた映像情報を提示するため、ユーザが閲覧している画像と状況が合わない場合があった。

本発明は上記課題を鑑み、参考情報を画像上に提示することにより、ユーザが参考情報の把握にかかる手間を軽減させることが可能な医療診断支援技術を提供することを目的とする。

上記の目的を達成する本発明に係る医療診断支援装置は、医療診断を支援する情報を提供する医療診断支援装置であって、
医用画像上に描出された画像特徴を示す画像所見である参考情報候補の中から、医療診断の手掛かりとなる参考情報を選択する選択手段と、
前記参考情報に対応する、前記医用画像を構成する画素値から求めた情報である画像特徴量を、前記医用画像から取得する取得手段と、
前記参考情報と前記画像特徴量とに基づき特定された前記医用画像の部分領域の表示または前記部分領域の近傍の表示を他の領域よりも強調して表示させる表示制御手段と、を備えることを特徴とする。

本発明によれば、参考情報を画像上に提示することにより、ユーザが参考情報の把握にかかる手間を軽減させることが可能になる。

医療診断支援装置の機能構成の一例を示す図。 医療診断支援装置のハードウェア構成の一例を示す図。 医療診断支援装置の処理の一例を示すフローチャート。 画像所見及び臨床情報の一例を示す図。 画像特徴量を用いて画像所見を導出する一例を示した図。 部分領域を特定した例を示した図。 モニタへ表示する情報の例を示した図。 特定した部分領域の表示を変更する別の例を示した図。

以下、図面を参照して、本発明の実施形態を例示的に詳しく説明する。ただし、この実施形態に記載されている構成要素はあくまで例示であり、本発明の技術的範囲は、特許請求の範囲によって確定されるのであって、以下の個別の実施形態によって限定されるわけではない。

[第１実施形態]
第１実施形態における医療診断支援装置は、医療診断（読影）の対象となる医用画像や、電子カルテ等に記載された医用情報を取得し、診断の手掛かりとなる情報（参考情報）を医用画像上で提示することにより当該症例に関する診断支援を行う。

なお、以下では、医療診断を支援する情報を提供する医療診断支援装置を用いて、医用画像と、過去の病歴や腫瘍マーカー値（以下、臨床情報と称する）を入力情報として取得するものとする。そして、取得した入力情報の中から診断の手掛かりとなる情報（参考情報）を同定し、その情報を医用画像上で提示する場合を例として説明する。もちろん対象はこれに限定されるものではなく、以下に示す診断名や画像所見、臨床情報等は、何れも診断支援装置の処理の工程を説明するための一例に過ぎない。

図１は、第１実施形態における医療診断支援装置１００の機能構成の一例を示す図である。本実施形態における医療診断支援装置１００は、症例情報端末２００に接続されており、症例情報端末２００との間でデータの送受信が可能である。症例情報端末２００は、診断対象である症例に関して、医用情報（医用画像や電子カルテの情報等）を不図示のサーバから取得する。或いは、症例情報端末２００は、例えば、ＦＤＤ、ＨＤＤ、ＣＤドライブ、ＤＶＤドライブ、ＭＯドライブ、ＺＩＰドライブ等の外部記憶装置と接続し、それらの外部記憶装置から医用情報を取得することが可能である。

また、症例情報端末２００は、ユーザ（医師）が読影可能な形でこれらの医用情報をモニタに表示し、ユーザ（医師）の操作部を介した入力に基づいて、医用画像上のどのあたりに異常陰影が存在するかを示した座標情報を取得することが可能である。あるいは、症例情報端末２００は、ユーザが、表示内容を基に入力した画像所見を取得してもよい。症例情報端末２００は、座標情報および画像所見の両方を取得することも可能である。本実施形態では、症例情報端末２００は、ユーザによる異常陰影の座標情報のみを取得し、ユーザによる画像所見の入力はないものとする。

そして、症例情報端末２００は、ユーザからの要求に従い、医用情報と、ユーザが肺の異常陰影に関して入力したデータ（座標情報）とを、ＬＡＮ等のネットワークを介して医療診断支援装置１００へと送信する。

医療診断支援装置１００は、機能構成として、入力情報取得部１０２と、画像特徴取得部１０４と、画像所見導出部１０６と、推論部１０８と、選択部１１０と、部分領域特定部１１２と、表示制御部１１４とを備える。

入力情報取得部１０２は、症例情報端末２００から医療診断支援装置１００へ送信された情報（医用画像や電子カルテの情報等の情報を含む医用情報および異常陰影の座標情報等）を入力情報として取得する。入力情報取得部１０２は、取得した入力情報を画像特徴取得部１０４、推論部１０８、および表示制御部１１４へと出力する。

画像特徴取得部１０４は、入力情報取得部１０２により取得された入力情報に基づいて、診断の対象となる医用画像に対して画像処理を行い、当該医用画像の画像特徴（画像特徴量）を取得する。画像特徴取得部１０４は、取得した画像特徴量を画像所見導出部１０６、及び部分領域特定部１１２へと出力する。

画像所見導出部１０６は、画像特徴取得部１０４により取得された画像特徴（画像特徴量）に基づいて画像所見を導出する。例えば、画像所見導出部１０６は、画像特徴と閾値との比較結果により診断対象の部位の画像所見を導出する。画像所見導出部１０６は、導出した画像所見を推論部１０８へと出力する。

推論部１０８は、入力情報取得部により取得された入力情報と、画像所見導出部１０６により導出された画像所見とに基づいて、診断対象に対する診断名と、診断名に該当する推論確率とを取得するための推論を実行する。すなわち、推論部１０８は、入力情報取得部１０２により取得された入力情報（画像所見および／または臨床情報）と、画像所見導出部１０６により導出された画像所見とに基づいて、診断対象である肺の異常陰影に関する推論を実行する。推論部１０８は、推論の結果として、推論確率を複数の診断名の夫々に対して取得することが可能である。例えば、推論部１０８は、医用画像上の異常陰影（本実施形態では、ユーザが示した異常陰影）が複数の診断名の内のいずれの可能性が高いかを示すために、異常陰影が、ある診断名に該当する確率（推論結果）を複数の診断名の夫々に対して取得する。尚、以下の説明では推論の結果を取得するために用いる情報をエビデンスと称する。また、推論部１０８は、少なくとも一つの参考情報候補の影響度を取得する。参考情報候補の具体例、および、影響度の取得方法に関しては後述する。そして、推論部１０８は、取得した推論結果と参考情報候補の影響度を、選択部１１０、および表示制御部１１４へと出力する。

選択部１１０は、推論部１０８で取得された推論確率（推論結果）と参考情報候補の影響度とに基づいて、参考情報候補の中から参考情報を選択する。選択部１１０は、選択した参考情報を部分領域特定部１１２、および表示制御部１１４へと出力する。

部分領域特定部１１２は、画像特徴取得部１０４により取得された画像特徴量と、選択部１１０が選択した参考情報とに基づいて、医用画像の部分領域を特定する。具体的な処理内容に関しては後述する。部分領域特定部１１２は、特定した部分領域を表示制御部１１４へと出力する。

表示制御部１１４は、入力された情報に基づいて、モニタ（例えば、症例情報端末２００または医療診断支援装置１００に付随するモニタ）に表示する情報を制御する。表示制御部１１４は、例えば、部分領域特定部１１２が特定した医用画像の部分領域の表示を変更するようにモニタの表示を制御することが可能である。具体的な処理内容に関しては後述する。

図１に示した医療診断支援装置１００の各部の少なくとも一部は独立した装置として実現してもよい。また、夫々の機能構成を実現するソフトウェアとして実現してもよい。本実施形態では各部はそれぞれソフトウェアにより各機構構成が実現されているものとする。

図２は、医療診断支援装置１００のハードウェア構成の一例を示す図である。ハードウェア構成は、ソフトウェアを実行することで図１に示した各部の夫々の機能を実現することが可能である。ＣＰＵ１００１は、主として各構成要素の動作を制御する。主メモリ１００２は、ＣＰＵ１００１が実行する制御プログラムを格納したり、ＣＰＵ１００１によるプログラム実行時の作業領域を提供したりする。磁気ディスク１００３は、オペレーティングシステム（ＯＳ）、周辺機器のデバイスドライバ、後述する処理等を行うためのプログラムを含む各種アプリケーションソフトを実現するためのプログラムを格納する。ＣＰＵ１００１が主メモリ１００２、磁気ディスク１００３に格納されているプログラムを実行することにより、図１に示した医療診断支援装置１００の機能（ソフトウェア）及び後述するフローチャートにおける処理が実現される。

表示メモリ１００４は、表示用データを一時記憶する。モニタ１００５（表示装置）は、例えばＣＲＴモニタや液晶モニタ等であり、表示メモリ１００４からのデータに基づいて画像やテキスト等の表示を行う。マウス１００６及びキーボード１００７は、ユーザによるポインティング入力及び文字等の入力を夫々行う。上記各構成要素は、共通バス１００８により互いに通信可能に接続されている。

次に、図３のフローチャートを用いて、医療診断支援装置１００が行う処理を説明する。図３は、医療診断支援装置１００が実行する、医療診断を支援する情報を提供するための情報処理方法の処理の流れを示すフローチャートである。本実施形態では、ＣＰＵ１００１が主メモリ１００２に格納されている各部の機能を実現するプログラムを実行することにより図３に示す処理が実現される。

以下の説明では、診断対象である症例に関係する画像所見及び臨床情報名（以下、項目と称する）をＩｊ（ｊ＝１〜ｎ）で表し、ｎ種類の項目Ｉ１〜Ｉｎを取り扱うものとする。また、Ｉｊが取り得るｋ個の離散値（以下、状態と称する）をＳｊｋと表記する。ｋの範囲はＩｊにより様々な値となる。図４は、画像所見及び臨床情報の一例を示す図であり、本実施形態では、例として、図４に示したような項目を扱うものとする。更に、夫々の項目は図４に示したような状態を取り得るものとする。例えば、項目Ｉ１の「形状」は、異常陰影の全体形状を表しており、Ｓ１１「球形」、Ｓ１２「分葉状」、Ｓ１３「不整形」の３つの状態を取る。例えば、項目Ｉ１が状態Ｓ１１を取る場合には、異常陰影の全体形状が球形であることを示す。

同様に、項目Ｉ２の「切れ込み」は、異常陰影における切れ込みの程度を表している。また、項目Ｉｌの「巻（気管支）」は、異常陰影における気管支の巻き込みの有無を示している。また、Ｉｍの「ＣＥＡ」は、腫瘍マーカーの一種であるＣＥＡの値が正常と見なされる値の範囲に収まっているかどうかを示している。更に、Ｉｎの「既往」は、過去に疾患の既往があったかどうかを示している。なお、上記Ｉｌ、Ｉｍの添え字ｌ、ｍは、夫々、１〜ｎの間のある自然数を示す。

また、以下の説明では、ＩｊとＳｊｋの組（以下、Ｉｊ：ＳｊｋやＩｊ「項目名」：Ｓｊｋ「状態名」と表記する）を要素とする集合をＥと表記する。但し、ある一つの項目Ｉｊの状態Ｓｊｋは、一つの集合Ｅの中に複数同時に存在しないものとする。すなわち、一つの項目は一つの状態のみを取り得る。例えば、項目Ｉ１「形状」がとり得る状態（離散値）がＳ１１、Ｓ１２、Ｓ１３であり、項目Ｉ２「切れ込み」がとり得る状態（離散値）がＳ２１、Ｓ２２、Ｓ２３、Ｓ２４である場合、Ｅ＝｛Ｉ１：Ｓ１１，Ｉ２：Ｓ２１｝は、「形状」と「切れ込み」の状態を示すものであり、両者の状態は取り得る状態である。一方、Ｅ＝｛Ｉ１：Ｓ１１，Ｉ１：Ｓ１２｝における項目は、１つの項目（「形状」）について２つの異なる状態（「球状」、「分葉状」）を示すものであり、両者の状態は取り得ない。これは一つの項目は一つの状態のみを取るためである。

また、以下の説明では、診断名を、記号Ｄを用いて表記する。本実施形態では、診断名として、原発性肺癌、癌の肺転移、その他の３値を取るものとし、夫々Ｄ１、Ｄ２、Ｄ３と表記する。また、推論部１０８への入力として集合Ｅが与えられた場合の診断名Ｄｄ（ｄ＝１，２，３）の推論確率を、Ｐ（Ｄｄ｜Ｅ）と表記する。また、診断名Ｄｄに対するＥの影響度をＩ（Ｄｄ｜Ｅ）と表記する。

ここで、本実施形態で取り扱う全ての項目を要素とする集合をＮａ（即ちＮａ＝｛Ｉ１，Ｉ２，・・・，Ｉｎ｝）と表記する。また、エビデンス（推論結果を求めるために用いた情報）に含まれる項目を要素とする集合をＮｆと表記し、Ｎｆの各項目とその状態の組を要素とする集合をＥｆと表記する。また、Ｎａの中でＮｆに属さない項目を要素とする集合をＮｖと表記する（即ち、Ｎｖ＝Ｎａ−Ｎｆ）。なお、ＮｖはＮｆと異なり実際に取得した情報に基づいていないので、Ｎｖに所属する項目は確定した状態を持たない。ここで、Ｎｖの各項目と仮想的に割り当てた状態の組を要素とする集合をＥｖと表記する。このＮｖ及び／又はＥｖを未入力情報と称する。すなわち、未入力情報は取り扱う全ての項目のうち、入力情報以外の項目（つまり、入力及びまたは取得した医用情報以外の情報）のことを示す。未入力情報Ｅｖは、前述した通り状態を仮想的に割り当てているため、Ｅｆと異なり一意に定まらない。あるいは、Ｅｖでは項目の状態が割り当てられない場合も考えられる。項目の状態が割り当てられない場合は、空の要素として扱う。

例えば、Ｎｖ＝｛Ｉｍ，Ｉｎ｝の場合は、Ｅｖ＝｛Ｉｍ：Ｓｍ１，Ｉｎ：Ｓｎ１｝、Ｅｖ＝｛Ｉｍ：Ｓｍ１，Ｉｎ：Ｓｎ２｝、Ｅｖ＝｛Ｉｍ：Ｓｍ１｝、Ｅｖ＝｛Ｉｍ：Ｓｍ２，Ｉｎ：Ｓｎ１｝、Ｅｖ＝｛Ｉｍ：Ｓｍ２，Ｉｎ：Ｓｎ２｝、Ｅｖ＝｛Ｉｍ：Ｓｍ２｝、Ｅｖ＝｛Ｉｎ：Ｓｎ１｝、Ｅｖ＝｛Ｉｎ：Ｓｎ２｝、Ｅｖ＝Φの９種類が考えられる。

更に以下では、Ｅｆの部分集合をＥｆｐ（ｐ＝１，２，・・・）と表記する。また、Ｎｖより取得されうるＥｖをＥｖｑ（ｑ＝１，２，・・・）と表記する。このＥｆｐ、Ｅｖｑは前述の参考情報候補に相当する。

ステップＳ３０００において、入力情報取得部１０２は、医療診断支援装置１００へ入力された情報を入力情報として取得する。本実施形態では、入力情報には、医用画像、代表画像、臨床情報、異常陰影の座標情報が含まれているものとする。

ステップＳ３０１０において、画像特徴取得部１０４は、ステップＳ３０００で取得した医用画像に対して画像処理を行い、当該医用画像から画像特徴量を取得する。ここで取得する画像特徴量は、画像全体の濃度（輝度）の平均値や分散などの一般的な画像特徴量であってもよいし、特定の画像所見の導出用に特化した画像特徴量であってもよい。

本実施形態では、画像特徴取得部１０４は、入力情報に含まれる座標情報に基づいて取得した領域に対して画像処理を行う。すなわち、画像特徴取得部１０４は、ステップＳ３０００で取得した異常陰影の座標情報を参照し、公知のセグメンテーション技術を用いて抽出した異常陰影領域に対して画像処理を行うものとする。本実施形態で取得する画像特徴量の例に関しては、ステップＳ３０２０の説明と合わせて記載する。

ステップＳ３０２０において、画像所見導出部１０６は、ステップＳ３０１０で取得した画像特徴量を用いて、画像所見を導出する。

図５は画像特徴量を用いて画像所見を導出する一例を示した図である。例えば、「鋸歯状辺縁」（Ｉ３）という画像所見に対しては（図５（ａ））、ステップＳ３０１０において、異常陰影領域を抽出後、画像所見導出部１０６は、その異常陰影領域の頭尾方向に直交する断面（Ａｘｉａｌ断面）において、異常陰影領域の長径が最大となる断面を選択する。そして、画像所見導出部１０６は、そのＡｘｉａｌ断面における重心Ｇａ（その断面における異常陰影領域内の全画素の平均位置）を取得する。さらに、画像所見導出部１０６は、重心Ｇａから水平右方向を基準とし、重心Ｇａから反時計回りにある角度θで半直線を設定する。そして、画像所見導出部１０６は、半直線が異常陰影領域の境界線と交わる点（Ｃθ）とＧａとの距離Ｒθを、ある角度間隔（例えばπ／１８０）をおいて夫々取得する。その後、画像所見導出部１０６は、横軸を角度θ、縦軸を距離Ｒθとしてグラフを生成し、フーリエ変換・逆変換を用いて高周波成分を取得する。そして、高周波成分が連続して検出される角度区間が、ある閾値（例えば、π／１８）を超えた場合に、画像所見導出部１０６は、その角度区間を辺縁が鋸歯状になっている部分と判定する。

なお、角度はθ＝０とθ＝２πで連続しているものと考える。例えば、高周波成分がθ＝０からθ＝θｅまで連続しており、かつ、高周波成分がθ＝θｓからθ＝２πまで連続している場合を考える。画像所見導出部１０６は、この場合（θｓ−２π）からθｅまで高周波成分が連続していると考えて、その角度区間が閾値以上であるかどうかを判定する。そして、画像所見導出部１０６は、全周（２π）における鋸歯状の辺縁であると判断した角度区間の割合に応じて鋸歯状辺縁の強さを決定する。画像所見導出部１０６は、例えば、５割以上鋸歯状辺縁を示す区間があった場合に「鋸歯状辺縁：強」とする。なお、鋸歯状辺縁を示す辺縁が離れて複数存在する場合は、画像所見導出部１０６は、夫々の角度区間の和を用いて計算を行うことが可能である。

また、「石灰化」という画像所見に対して（図５（ｂ））、画像所見導出部１０６は、抽出された異常陰影領域の全画素のうち、石灰化様の濃度（ＣＴの場合、例えば、ＣＴ値が２００ＨＵ以上）を持つ画素の割合を取得することで画像所見を導出できる。このとき、ノイズを考慮して、例えば当該画素が４画素以上連続していない場合には石灰化様の濃度として計数しないようにしてもよい。そして、例えば、石灰化様の濃度を持つ画素の割合が１０％を超えた場合に、「石灰化：有」とすればよい。

以下では、導出した画像所見（以下、導出所見と称する）の項目を要素とする集合をＮｄ、Ｎｄの各項目とその状態の組を要素とする集合をＥｄと表記する。画像所見導出部１０６は、例えば、導出所見として、項目Ｉ１「形状」：状態Ｓ１２「分葉状」、項目Ｉ２「切れ込み」：状態Ｓ２２「強」、・・・、項目Ｉｌ「巻（気管支）」：状態Ｓｌ１「有」を導出したとする。この場合、Ｎｄ、Ｅｄはそれぞれ、Ｎｄ＝｛Ｉ１，Ｉ２，・・・，Ｉｌ｝、Ｅｄ＝｛Ｓ１２，Ｓ２１，・・・，Ｓｌ１｝となる。

ステップＳ３０３０において、推論部１０８は、ステップＳ３０００で取得した入力情報（画像所見および／または臨床情報）と、ステップＳ３０２０で導出した導出所見と、に基づいて、診断対象である肺の異常陰影に関する推論を実行する。このとき推論を行う方法（推論手法）としては、ベイジアンネットワーク、ニューラルネットワーク、サポートベクターマシン等、既存の様々な手法が利用できる。本実施形態では、推論部１０８が実行する推論手法としてベイジアンネットワークを用いる。ベイジアンネットワークは条件付確率を用いた推論モデルであり、情報が入力された場合の各診断名の推論確率（その事例が夫々の診断名である確率であり、事後確率ともいう）の取得が可能である。本実施形態では異常陰影の診断名Ｄ１、Ｄ２、Ｄ３の夫々の推論確率が取得される。なお、本実施形態において、推論部１０８は、前述の通りエビデンス（推論の結果を取得するために用いる情報）を用いて推論を実行する。即ち、推論部１０８は、Ｐ（Ｄｄ｜Ｅｆ）を取得する。

具体的には、ステップＳ３０００で取得した入力情報（画像所見および／または臨床情報）の項目を要素とする集合をＮｉ、Ｎｉの各項目とその状態の組を要素とする集合をＥｉとした場合に、Ｎｄ、Ｅｄとの和集合を夫々とってエビデンス（Ｎｆ、Ｅｆ）とし、推論を実行する。なお、本実施形態では簡単のために、ＮｉとＮｄで共通する項目はないものとする。すなわち、ＥｉとＥｄで相反する状態（例えば、Ｓ１１とＳ１２）を有することはないものとする。例えば、ステップＳ３０００で取得した入力情報のうち、画像所見および／または臨床情報が項目Ｉｍ「ＣＥＡ」：状態Ｓｍ２「異常値」、・・・、項目Ｉｎ「既往」：状態Ｓｎ２「無」であったとする。この場合、Ｎｉ、Ｅｉはそれぞれ、Ｎｉ＝｛Ｉｍ，・・・，Ｉｎ｝、Ｅｉ＝｛Ｓｍ２，・・・，Ｓｎ２｝となる。さらに、Ｎｄ、Ｅｄが前述の例で示したものである場合、ＮｉおよびＮｄの和集合Ｎｆ，ＥｉおよびＥｄの和集合Ｅｆはそれぞれ、Ｎｆ＝｛Ｉ１，Ｉ２，・・・，Ｉｌ，・・・，Ｉｎ｝、Ｅｆ＝｛Ｓ１２，Ｓ２１，・・・，Ｓｌ１，・・・，Ｓｎ２｝となる。

ステップＳ３０４０において、推論部１０８は、推論確率と、推論の結果を取得するために用いたエビデンス情報とを用いて、推論確率に対するエビデンス情報の影響度を参考情報候補の影響度として取得する。すなわち、推論部１０８は、ステップＳ３０３０で取得した推論確率（推論結果）と推論の結果を取得するために用いた情報とを用いて、推論結果に対する参考情報候補の影響度を取得する。本実施形態では、参考情報候補をＥｆの部分集合Ｅｆｐと定義する。

例えば、前述の例のＥｆ＝｛Ｓ１２，Ｓ２１，・・・，Ｓｌ１，・・・，Ｓｎ２｝において、要素数が２となる部分集合Ｅｆｐを取得する場合には、｛Ｓ１２，Ｓ２１｝、｛Ｓ１２、Ｓｌ１｝、｛Ｓ２１、Ｓｎ２｝などのＥｆｐが取得される。本実施形態では、要素数が１個となる全ての部分集合Ｅｆｐを取得するものとする。Ｅｆの要素がｔ個とすると、ｔ個の部分集合Ｅｆｐを取得する。

次に、推論部１０８は、夫々の部分集合Ｅｆｐに対して推論結果に対する影響度を取得する。本実施形態では、推論部１０８は、ステップＳ３０３０で取得した各診断名の推論確率のうち、もっとも確率が高かった診断名Ｄｆに対するＥｆｐの影響度Ｉ（Ｄｆ｜Ｅｆｐ）を取得する。また、本実施形態では影響度を以下の式（１）により定義する。

Ｉ(Ｄf｜Ｅfp)＝Ｐ(Ｄf｜Ｅf)−Ｐ(Ｄf｜Ｅf−Ｅfｐ）・・・（１）
上記の式（１）は、ＥｆからＥｆｐを除いた場合の診断名Ｄｆの事後確率の変化をＥｆｐの影響度としている。この値が正であれば、Ｅｆｐを除いた場合にＤｆの事後確率が下がることを示すので、ＥｆｐはＤｆを支持する情報であるといえる。

ステップＳ３０５０において、選択部１１０は、推論部１０８で取得された推論確率と参考情報候補の影響度とに基づいて、参考情報候補の中から参考情報を選択する。すなわち、選択部１１０は、ステップＳ３０３０で取得した推論確率（推論結果）と、ステップＳ３０４０で取得した参考情報候補の影響度とに基づいて、参考情報候補の中から参考情報（診断の手掛かりとなる情報）を選択する。本実施形態では、選択部１１０は、影響度が大きい順にＥｆｐを参考情報として複数選択する。

ステップＳ３０６０において、部分領域特定部１１２は、ステップＳ３０１０で取得した画像特徴量と、ステップＳ３０５０で選択した参考情報とに基づいて、医用画像の部分領域を特定する。具体的には、部分領域特定部１１２は、参考情報と画像特徴量との対応付けが可能な場合に、参考情報に対応する画像特徴量に基づいて部分領域を特定する。対応付けが不可能な場合は、例えば画像の上部を部分領域とする。あるいは、部分領域はないものとして処理してもよい。

図６は部分領域を特定した例を示した図である。部分領域特定部１１２は、参考情報に対応する画像特徴を有する領域を部分領域として特定することが可能である。図６（ａ）では、「鋸歯状辺縁：強」という参考情報をもとに、異常陰影の辺縁において鋸歯状と判定した部分を部分領域として特定している。同様に、（ｂ）では「石灰化：有」という参考情報を基に、異常陰影内部において、石灰化様の濃度を持つ画素を部分領域として特定している。また、（ｃ）では「切れ込み：強」という参考情報を基に、異常陰影の辺縁において切れ込みと判定した部分を部分領域として特定している。なお、切れ込みのある辺縁の判定は、例えば、特許文献３（特開２０１１−１３１０２２号公報）に記載の技術を用いて行うことができる。（ｄ）では参考情報が「ＣＥＡ：異常値」であり、画像特徴量と対応していないので、画像の上部を部分領域として特定している。尚、（ｄ）において、部分領域の特定は、画像の上部に限定されるものではなく、画像を構成する空き領域の一部を特定することも可能である。

ステップＳ３０７０において、表示制御部１１４は、表示制御部１１４へ入力された情報に基づいて、モニタに表示する情報を制御する。表示制御部１１４は、特定された部分領域上または部分領域の近傍に、部分領域を識別するための情報を表示させる。具体的には、ステップＳ３０６０で特定した部分領域に対して表示を変更するようにモニタの表示を制御する。本実施形態において、表示制御部１１４は、参考情報と画像特徴量の対応付けが可能な場合には、特定した部分領域に対して、医用画像中において、部分領域を識別するための識別情報（マーカー）を付与するものとする。例えば、特定した部分領域にのみ色（例えば、半透明の赤色）が重なるようなレイヤを重畳表示することで、部分領域に対して識別情報（マーカー）を付与することができる。一方、参考情報と画像特徴量とが対応していない場合には、参考情報に基づく文字情報（例えば、参考情報が腫瘍マーカーであれば、腫瘍マーカーの計測値）を特定した部分領域に表示する。尚、ここで示した表示の変更は一例であり、本実施形態はこの例に限定されない。表示制御部１１４による他の変更表示の例に関しては、変形例４で後述する。

図７はステップＳ３０７０において、表示制御部１１４がモニタへ表示する情報を例示する図である。モニタへ表示する情報７００は、基本情報７０００、エビデンス７０１０、推論結果７０２０、参考情報７０３０、部分領域の表示を変更した画像７０４０を含む。表示制御部１１４は、参考情報と、表示を制御した部分領域とを組み合せて表示させることが可能である。また、表示制御部１１４は、参考情報と、表示を制御した部分領域と、推論の結果とを組み合せて表示させることが可能である。

基本情報７０００はステップＳ３０００で取得した情報を用いて、画像の撮影日や撮影したモダリティの種類、年齢、性別などの基本的な情報を示すものである。また、部分領域の表示を変更した画像７０４０は、医用画像に対してマーカー７０４５を付与するようなレイヤを重畳表示したものである。

ユーザ（医師）はモニタに表示された推論結果７０２０や、部分領域の表示を変更した画像７０４０（及び、参考情報７０３０）を、自らの読影の診断支援情報として利用できる。特に参考情報７０３０と画像特徴量が対応している場合、医師は、参考情報７０３０が画像上のどこにあるかを、部分領域の表示を変更した画像７０４０を見ることですぐに確認することが出来るので、診断支援情報の把握を手間無く行うことができる。

本実施形態によれば、参考情報をユーザが閲覧している画像上で提示することにより、ユーザが参考情報の把握にかかる手間を軽減させることが可能になる。すなわち、医療診断支援装置１００は、医用画像に関する入力情報を基に、診断の手掛かりとなる参考情報を同定し、医用画像上でその参考情報が指し示す部分領域を提示することができる。そうすることで、ユーザ（医師）は、参考情報を医用画像上で手間無く確認することができる。これにより、ユーザ（医師）の参考情報の把握に係る負担を軽減させることができる。

［第２実施形態］
先に説明した第１実施形態では、入力情報として医用画像と臨床情報を取得し、入力情報の中から参考情報を同定して、医用画像上で提示していた。本実施形態の医療診断支援装置１００は、医用画像と臨床情報の他にユーザの入力による画像所見を取得し、入力された画像所見と臨床情報以外の医用情報の中から参考情報を同定し、医用画像上での提示を行う。尚、本実施形態における医療診断支援装置１００の機能構成は第１実施形態における図１と同様である。また、医療診断支援装置１００のハードウェア構成は第１実施形態における図２と同様である。即ち、ＣＰＵ１００１が、主メモリ１００２、および磁気ディスク１００３に格納されているプログラムを実行することにより、本実施形態の医療診断支援装置１００の機能（ソフトウェア）及びフローチャートにおける処理が実現される。

また、医療診断支援装置１００が行う全体の処理を説明するフローチャートは図３と同様である。但し、処理の一部が第１実施形態とは異なっている。以下、図３のフローチャートを参照して、本実施形態における医療診断支援装置１００が行う全体の処理について、第１実施形態との相違部分についてのみ説明する。

ステップＳ３０００において、入力情報取得部１０２は、医療診断支援装置１００へ入力された情報を入力情報として取得する。本実施形態では、入力情報には、医用画像、代表画像、臨床情報、異常陰影の座標情報、ユーザが症例情報端末２００を介して入力した異常陰影の画像所見が含まれているものとする。

ステップＳ３０１０、ステップＳ３０２０の処理は、第１実施形態における処理と同様である。すなわち、ステップＳ３０１０において、画像特徴取得部１０４は、ステップＳ３０００で取得した医用画像に対して画像処理を行い、当該医用画像から画像特徴（画像特徴量）を取得する。ステップＳ３０２０において、画像所見導出部１０６は、ステップＳ３０１０で取得した画像特徴量を用いて、画像所見を導出する。

ステップＳ３０３０において、推論部１０８はステップＳ３０００で取得した入力情報（画像所見および／または臨床情報）に基づいて、診断対象である肺の異常陰影に関する推論を実行する。すなわち、本実施形態においてエビデンス（推論の結果を取得するために用いる情報）Ｎｆ、Ｅｆは、入力情報（画像所見および／または臨床情報）の項目を要素とする集合Ｎｉ、Ｎｉの各項目とその状態の組を要素とする集合Ｅｉと一致する。推論部１０８は、エビデンス（推論の結果を取得するために用いる情報）を用いて推論を実行する。即ち、推論部１０８は、第１実施形態と同様に、Ｐ（Ｄｄ｜Ｅｆ）を取得する。

ステップＳ３０４０において、推論部１０８は、ステップＳ３０３０で取得した推論確率（推論結果）を利用して、推論結果に対する参考情報候補の影響度を取得する。本実施形態では、参考情報候補を未入力情報Ｎｖより取得されうるＥｖｑ（かつ、Ｅｖｑに含まれる要素は１つ）と定義する。ただし、ステップＳ３０２０で導出した、画像所見（導出所見）の項目を要素とする集合Ｎｄと、Ｎｄの各項目とその状態の組を要素とする集合Ｅｄとをもとに、Ｅｖｑの一部のみを参考情報候補として残し、影響度を計算するものとする。

具体的には、推論部１０８は、ＮｖとＮｄに共通する項目（すなわち、Ｎｖ∩Ｎｄ）に関して、Ｎｄの状態であるＥｄの要素をもつＥｖｑを参考情報候補として取得する。例えば、Ｎｖ∩Ｎｄ＝｛Ｉ２，Ｉ４｝であり、Ｅｄ＝｛Ｓ１２，Ｓ２１，Ｓ３１，Ｓ４２，・・・，Ｓｌ１｝である場合には、推論部１０８は、項目Ｉ２の状態を示すＥｖｑ＝{Ｓ２１}と、項目Ｉ４の状態を示すＥｖｑ＝｛Ｓ４２｝とを参考情報候補として取得する。すなわち、導出所見を基にある項目の状態を決定できる未入力情報を参考情報候補として残すことを意味する。

さらに、推論部１０８は、ＮｖにあってＮｄにない項目（すなわち、Ｎｖ＼Ｎｄ）から取得されうる全てのＥｖｑを参考情報候補として取得する。例えば、Ｎｖ＼Ｎｄ＝｛Ｉｎ｝となる場合は、推論部１０８は、項目Ｉｎの状態を示すＥｖｑ＝｛Ｓｎ１｝と、Ｅｖｑ＝｛Ｓｎ２｝とを参考情報候補として取得する。推論部１０８は、入力情報取得部１０２により取得された入力情報のうち推論部１０８へ入力されていない未入力情報を、参考情報候補として取得する。これは、すなわち、導出所見を基に状態が決定できない未入力情報に関しては、取り得る全てを参考情報候補として残すことを意味する。

そして、推論部１０８は、未入力情報（Ｅｖｑ）をエビデンス情報（Ｅｆ）に加えた場合の推論確率の変化を、未入力情報に対応する参考情報候補の影響度として取得する。すなわち、推論部１０８は、取得した参考情報候補Ｅｖｑに対して推論結果に対する影響度を取得する。本実施形態では、推論部１０８は、ステップＳ３０３０で取得した各診断名の推論確率のうち、もっとも推論確率が高かった診断名Ｄｆに対するＥｖｑの影響度Ｉ（Ｄｆ｜Ｅｖｑ）を取得する。また、本実施形態では影響度を以下の式（２）により定義する。

Ｉ(Ｄf｜Ｅvq)＝Ｐ(Ｄf｜Ｅf ∪ Ｅvq)−Ｐ(Ｄf｜Ｅf）・・・（２）
上記の式（２）は、ＥｖｑをＥｆに加えた場合の診断名Ｄｆの事後確率の変化をＥｖｑの影響度としている。この値が正であれば、Ｅｖｑを加えた場合にＤｆの事後確率が上がることを示すので、ＥｖｑはＤｆを支持する情報であるといえる。

ステップＳ３０５０において、選択部１１０は、ステップＳ３０３０で取得した推論結果と、ステップＳ３０４０で取得した参考情報候補の影響度とに基づいて、参考情報（診断の手掛かりとなる情報）を選択する。本実施形態では、選択部１１０は、影響度が大きい順にＥｖｑを参考情報として複数選択する。

ステップＳ３０６０、およびステップＳ３０７０の処理は、第１実施形態における処理と同様である。すなわち、ステップＳ３０６０において、部分領域特定部１１２は、ステップＳ３０１０で取得した画像特徴量と、ステップＳ３０５０で選択した参考情報と、に基づいて、医用画像の部分領域を特定する。そして、ステップＳ３０７０において、表示制御部１１４は、表示制御部１１４へ入力された情報に基づいて、モニタに表示する情報を制御する。

本実施形態によれば、医療診断支援装置１００は、医用画像に関する入力情報を基に、ユーザが入力していない臨床情報／システムが入力していない画像所見の中から診断の手掛かりとなる参考情報を同定する。そして、その参考情報が指し示す部分領域を医用画像上で提示することによって、医師／システムが入力していない参考情報を医用画像上で手間無く確認することができる。これにより、医師が考慮していなかった参考情報を提示すると共に、参考情報の把握に係る負担を軽減させることができる。

（変形例１）
第１実施形態では、医療診断支援装置１００はユーザの入力による画像所見を取得していなかった。しかしながら、第１実施形態の構成において、ユーザの入力による画像所見を取得するようにしてもよい。この場合、ステップＳ３０３０で、推論部１０８がエビデンスを生成する場合に、ユーザの入力した画像所見とステップＳ３０２０で導出した導出所見で、同一項目の状態が異なる場合がある。その場合、推論部１０８は、例えば、ユーザの入力した画像所見の状態を優先してもよいし、導出所見の状態を優先してもよい。また、推論部１０８は、両者の状態を表示して、ユーザに選択させる構成を備えるようにしてもよい。

（変形例２）
上記の二つの実施形態では、ステップＳ３０１０において画像特徴量を取得し、取得した画像特徴量をもとに、ステップＳ３０２０において画像所見を導出し、そのあとに導出した画像所見を用いて参考情報候補を作成していた。しかしながら、各実施形態の構成は、この例に限定されず、必ずしもこの順番でなくても構わない。例えば、入力情報を基に参考情報候補を作成し、参考情報を決定した後に、参考情報に関わる画像特徴量を取得するようにしても構わない。この場合、特に第１実施形態のようなエビデンスの中から参考情報候補を作成する場合には、ユーザの入力による画像所見を取得すればよい。

（変形例３）
上記の二つの実施形態では、ステップＳ３０５０において、選択部１１０は、推論部１０８がステップＳ３０３０で取得した推論結果と、ステップＳ３０４０で取得した影響度とをもとに参考情報を選択していた。しかしながら、各実施形態の構成は、この例に限定されず、必ずしも推論結果と影響度を利用する必要はない。選択部１１０医療診断の手掛かりとなる参考情報を、医用情報を用いて生成された参考情報候補から選択することが可能である。例えば、選択部１１０は、全ての参考情報候補の中から任意に参考情報を選択するようにしてもよい。この場合は、参考情報候補を全て表示し、その中からユーザに選択させるような構成を備えるようにしてもよい。この場合、画像特徴取得部１０４は、参考情報に対応する画像特徴を医用画像から取得する。そして、部分領域特定部１１２は、参考情報と画像特徴とに基づき、医用画像の部分領域を特定する。また、表示制御部１１４は、選択した参考情報と部分領域に基づき、医用画像の表示を制御することが可能である。

表示制御部１１４は、表示制御の例として、参考情報と画像特徴とに基づき特定された医用画像の部分領域の表示または部分領域の近傍の表示を他の領域よりも強調して表示させることが可能である。また、表示制御部１１４は、表示制御の例として、特定された部分領域上または部分領域の近傍に、部分領域を識別するための識別情報を表示させることが可能である。また、表示制御部１１４は、特定された部分領域の表示属性または部分領域の近傍の表示属性を変更することが可能である。表示制御部１１４は、参考情報に対応する画像特徴を有する領域を部分領域として表示を制御することが可能である。

（変形例４）
上記の二つの実施形態では、ステップＳ３０７０において、特定した部分領域にのみ色が重なるようなレイヤを重畳表示することで、部分領域に対して部分領域を識別するための識別情報（マーカー）を付与していた。しかしながら、各実施形態の構成は、この例に限定されず、表示制御部１１４は、例えば、図８に示すように、特定した部分領域を予め決めた形状の図形（例えば、円形や矩形形状の図形など）で囲むようにしてもよい（図８（ａ））。あるいは、表示制御部１１４は、特定した部分領域の近傍に矢印等の図形を付与することで、部分領域に対して部分領域を識別するための識別情報（マーカー）を付与してもよい（図８（ｂ））。すなわち、特定した部分領域が容易に視認できるような表示形式であれば、どのような識別情報（マーカー）であっても構わない。

あるいは、表示制御部１１４は、部分領域の表示属性または部分領域の近傍の表示属性を変更することが可能である。表示制御部１１４は、例えば、医用画像において特定した部分領域の画素値を変更することが可能である。例えば、表示制御部１１４は、医用画像がグレースケールの場合、カラー画像に変更し、特定した部分領域が容易に視認できるように画素値を変更することも可能である。

（その他の実施形態）
本発明は、上述の実施形態の１以上の機能を実現するプログラムを、ネットワーク又は記憶媒体を介してシステム又は装置に供給し、そのシステム又は装置のコンピュータにおける１つ以上のプロセッサーがプログラムを読出し実行する処理でも実現可能である。また、１以上の機能を実現する回路（例えば、ＡＳＩＣ）によっても実現可能である。

１００ 医療診断支援装置、１０２ 入力情報取得部、
１０４ 画像特徴取得部、１０６ 画像所見導出部、１０８ 推論部、
１１０ 選択部、１１２ 部分領域特定部、１１４ 表示制御部

Claims (19)

1. 医療診断を支援する情報を提供する医療診断支援装置であって、
   医用画像上に描出された画像特徴を示す画像所見である参考情報候補の中から、医療診断の手掛かりとなる参考情報を選択する選択手段と、
   前記参考情報に対応する、前記医用画像を構成する画素値から求めた情報である画像特徴量を、前記医用画像から取得する取得手段と、
   前記参考情報と前記画像特徴量とに基づき特定された前記医用画像の部分領域の表示または前記部分領域の近傍の表示を他の領域よりも強調して表示させる表示制御手段と、
   を備えることを特徴とする医療診断支援装置。
2. 前記表示制御手段は、前記特定された部分領域上または前記部分領域の近傍に、前記部分領域を識別するための識別情報を表示させることを特徴とする請求項１に記載の医療診断支援装置。
3. 前記表示制御手段は、前記特定された部分領域の表示属性または前記部分領域の近傍の表示属性を変更することを特徴とする請求項１または２に記載の医療診断支援装置。
4. 前記表示制御手段は、前記参考情報に対応する前記画像特徴量を有する領域を前記部分領域として前記表示を制御することを特徴とする請求項１乃至３のいずれか１項に記載の医療診断支援装置。
5. 前記表示制御手段は、前記参考情報と、前記表示を制御した部分領域とを組み合せて表示させることを特徴とする請求項１乃至４のいずれか１項に記載の医療診断支援装置。
6. 前記参考情報に対応する前記画像特徴量を有する領域を前記部分領域として特定する特定手段を更に備えることを特徴とする請求項１乃至５のいずれか１項に記載の医療診断支援装置。
7. 前記取得手段は、入力情報取得手段により取得された入力情報に基づいて、診断の対象となる医用画像に対して画像処理を行い、当該医用画像の画像特徴量を取得することを特徴とする請求項１乃至６のいずれか１項に記載の医療診断支援装置。
8. 前記取得手段は、前記入力情報に含まれる座標情報に基づいて取得した領域に対して前記画像処理を行うことを特徴とする請求項７に記載の医療診断支援装置。
9. 前記取得手段により取得された画像特徴量に基づいて画像所見を導出する導出手段を更に備え、
   前記導出手段は、前記画像特徴量と閾値との比較結果により診断対象の画像所見を導出することを特徴とする請求項１乃至８のいずれか１項に記載の医療診断支援装置。
10. 入力情報取得手段により取得された入力情報と、前記導出手段により導出された画像所見とに基づいて、診断対象に対する診断名と、前記診断名に該当する推論確率とを取得するための推論を実行する推論手段を更に備えることを特徴とする請求項９に記載の医療診断支援装置。
11. 前記推論手段は、前記推論の結果として、前記推論確率を複数の診断名の夫々に対して取得することを特徴とする請求項１０に記載の医療診断支援装置。
12. 前記推論手段は、前記推論確率と、前記推論の結果を取得するために用いたエビデンス情報とを用いて、前記推論確率に対する前記エビデンス情報の影響度を前記参考情報候補の影響度として取得することを特徴とする請求項１０または１１に記載の医療診断支援装置。
13. 前記推論手段は、入力情報取得手段により取得された入力情報のうち前記推論手段へ入力されていない未入力情報を、前記参考情報候補として取得することを特徴とする請求項１２に記載の医療診断支援装置。
14. 前記推論手段は、前記未入力情報を前記エビデンス情報に加えた場合の前記推論確率の変化を、前記未入力情報に対応する前記参考情報候補の影響度として取得することを特徴とする請求項１３に記載の医療診断支援装置。
15. 前記選択手段は、前記推論手段で取得された前記推論確率と参考情報候補の影響度とに基づいて、前記参考情報候補の中から参考情報を選択することを特徴とする請求項１２乃至１４のいずれか１項に記載の医療診断支援装置。
16. 前記表示制御手段は、前記参考情報と、前記表示を制御した部分領域と、前記推論の結果とを組み合せて表示させることを特徴とする請求項１２乃至１５のいずれか１項に記載の医療診断支援装置。
17. 前記表示制御手段は、前記部分領域または前記部分領域の近傍に、前記部分領域または前記部分領域の近傍を強調するためのレイヤを重畳表示することにより、前記部分領域または前記部分領域の近傍の表示を他の領域よりも強調して表示させることを特徴とする請求項１乃至１６のいずれか１項に記載の医療診断支援装置。
18. 医療診断を支援する情報を提供するための情報処理方法であって、
    選択手段が、医用画像上に描出された画像特徴を示す画像所見である参考情報候補の中から、医療診断の手掛かりとなる参考情報を選択する選択工程と、
    取得手段が、前記参考情報に対応する、前記医用画像を構成する画素値から求めた情報である画像特徴量を、前記医用画像から取得する取得工程と、
    表示制御手段が、前記参考情報と前記画像特徴量とに基づき特定された前記医用画像の部分領域の表示または前記部分領域の近傍の表示を他の領域よりも強調して表示させる表示制御工程と、
    を有することを特徴とする情報処理方法。
19. コンピュータを、請求項１乃至１７のいずれか１項に記載の医療診断支援装置の各手段として機能させるためのプログラム。