JP6738163B2 - 診断支援装置、診断支援装置が実行する方法及びプログラム - Google Patents

Description

本発明は、診断支援装置、診断支援装置が実行する方法及びプログラムに関する。

医療の分野では、Ｘ線ＣＴ装置やＭＲＩ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、主治医からの読影の依頼に応じて、医師は画像から得られる所見（以下、画像所見と称する）や、各種測定値や症状の情報（以下、臨床情報と称する）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、その診断に至った経緯を画像所見や臨床情報を利用して、依頼元の主治医への読影レポートとしてまとめる。以下では、医用画像や画像所見、臨床情報などをまとめて医用情報と称する。

このような画像診断を支援するための診断支援装置が開発されている。診断支援装置では機械学習技術を用いた推論部の出力に基づいて、診断を支援する情報（以下、支援情報と称する）を提示することが広く行われている。一般には医用情報と正解（すなわち、支援情報）が組となった訓練用のデータ（以下、学習データと称する）に基づいて推論部を形成する。そして、診断支援装置の運用時に得られた医用情報（以下、追加データと称する）から正解を推論し支援情報として提示する。この場合、学習データと追加データにおいて医用情報と正解のデータ分布、および、医用情報と正解の関係が同一の傾向にあるという仮定の下で利用される。しかし、学習データと追加データの収集条件が違う場合や時間の経過により、異なる傾向のデータが得られる場合がある。このような状態においては、正しい推論を行うのが難しく、的確な診断支援情報を提示するのが難しい。

このような問題に対処するため、特許文献１には、追加データにおいて誤った推論をしたデータを利用して推論部を更新する技術が開示されている。また、特許文献２には、複数の施設で収集した学習データ毎に推論部を作成し、ユーザの設定に応じて複数の推論部の結果を統合し、支援情報として提示する技術が開示されている。

特表２０１０−５２９５２９号公報 特開２０１４−１３５０６６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、逐次的に推論部を更新していくため、新たに収集されるデータが異なる時期で違った傾向を示す場合には、推論結果が安定せず、常に推論部が更新されてしまう可能性がある。また、特許文献２に記載されている技術では、ユーザが推論部の結果の統合方法を設定しなくてはならず、ユーザの手間がかかる。さらに、各推論部の結果の統合方法をユーザが設定できるため、ユーザ設定に応じて支援情報が変化する、すなわちユーザの恣意的な運用が可能となってしまう。

このように、従来の技術では、ある条件（例えば、ある施設）で学習データを構築した診断支援装置を他の条件（他の施設）で運用する場合に、診断支援装置を円滑に運用することが難しいという課題があった。

本発明は、上記の課題に鑑みてなされたものであり、ある条件で構築した診断支援装置を他の条件で運用する場合に、診断支援装置を円滑に運用する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ために、本発明の一態様による診断支援装置は以下の構成を備える。即ち、
第１の条件で収集したデータを用いて診断に関する推論を行う第１の推論手段と、
前記第１の条件で収集したデータと、前記第１の条件とは異なる第２の条件で収集したデータとを用いて前記診断に関する推論を行う第２の推論手段と、
前記第２の条件で収集したデータを用いて前記診断に関する推論を行う第３の推論手段と、
所定の更新条件を満たしている場合に、前記第１乃至第３の推論手段の推論性能を前記第１乃至第３の推論手段の各々に対応する第１乃至第３の重みとして設定し、前記第１乃至第３の推論手段の推論結果を、前記第１乃至第３の推論手段の各々に対応する前記第１乃至第３の重みを用いて統合する統合手段と、
を備えることを特徴とする。

本発明によれば、ある条件で構築した診断支援装置を他の条件で運用する場合に、診断支援装置を円滑に運用する技術を提供することができる。

本発明の実施形態１に係る診断支援装置の機能構成の一例を示す図である。 本発明の実施形態１に係る診断支援装置のハードウェア構成の一例を示す図である。 本発明の実施形態１に係る診断支援装置の処理の一例を示すフローチャートである。 本発明の実施形態１に係るステップＳ３０００の処理の一例を示すフローチャートである。 本発明の実施形態１に係る推論部の更新を模式的に表した図である。 本発明の実施形態１に係る重みの再設定を模式的に示した図である。 本発明の実施形態１に係る異なる施設でデータを収集した場合の重みの変化を模式的に示した図である。 本発明の実施形態２に係るデータの推移を模式的に示した図である。 本発明の実施形態３に係る診断支援装置の機能構成の別の一例を示す図である。

以下、図面を参照しながら本発明を実施するための形態を説明する。なお、以下の実施形態において示す構成は一例に過ぎず、本発明は図示された構成に限定されるものではない。

（実施形態１）
実施形態１における診断支援装置は、診断対象である症例に係る医用情報（医用画像や画像所見、臨床情報など）を取得し、診断の手掛かりとなる情報（支援情報）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、診断支援装置を用いて、肺の異常陰影に係る医用情報を学習データ及び追加データとして取得するものとする。また、正解として該異常陰影の異常の種類（診断名）を取得し、推論部を用いて診断名を推論するものとする。そして、推論した結果を支援情報として提示するものとして説明する。もちろん対象はこれに限定されるものではなく、以下に示す医用情報や診断等は、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。

＜診断支援装置の構成＞
図１は、実施形態１における診断支援装置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診断支援装置１００は、症例情報端末２００、第１のデータベース２２０、第２のデータベース２４０、および、正解情報取得端末２６０に接続されている。

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、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を接続し、症例情報端末２００は、それらの外部記憶装置からデータを取得するようにしてもよい。

なお、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情報をモニタに表示し、ユーザが表示内容に基づいて入力した画像所見を取得してもよい。もちろんその両方を取得してもよい。本実施形態では、ユーザにより入力された画像所見と電子カルテに記載された内容および医用画像を、医用情報として取得するものとする。そして、症例情報端末２００は、ユーザからの要求に従い、医用情報を、ＬＡＮ等を介して診断支援装置１００へと送信する。

第１のデータベース２２０及び第２のデータベース２４０は、夫々異なる条件により収集された、医用情報と診断名（すなわち、正解）とが組となったデータを格納する。そして、第１の条件で収集したデータを第１のデータベース２２０に、第２の条件で収集したデータを第２のデータベースに格納するものとする。本実施形態では、第１の施設でデータを収集することを第１の条件とし、第２の施設でデータを収集することを第２の条件とする。

具体的には、第１のデータベース２２０は訓練用のデータ（すなわち学習データ）を収集する施設のデータを格納するものとする。また。第２のデータベース２４０は、診断支援装置１００を運用する施設のデータ（すなわち追加データ）を格納するものとする。もちろん条件はこれに限定されず、例えば、同一の施設で時刻Ｈまでに格納されたデータを第１のデータベース、時刻Ｈ以降に格納されたデータを第２のデータベースに格納するようにしてもよい。

あるいは、異なるモダリティで撮影された画像に対するデータをそれぞれ格納するようにしてもよい。そして、第１のデータベース２２０、第２のデータベース２４０は、診断支援装置１００からの要求に従い、データを診断支援装置１００へと送信する。なお、本実施形態では、第２のデータベース２４０は、正解情報取得端末２６０から送信されたデータに基づいて新たなデータを格納するものとする。

正解情報取得端末２６０は、診断支援装置１００から送信された医用情報に対する診断名（すなわち、正解）をユーザの入力により取得する。なお、この入力は通常診断支援装置１００の処理とは独立に行われるのが望ましい。すなわち、支援情報を提示された場合の医師の考えを反映するものではなく、医用情報に対応する症例の診断名が確定された時に行われるのが望ましい。あるいは、不図示のサーバ（例えば電子カルテやＰＡＣＳなど）に接続し、診断支援装置１００から送信された医用情報に対応する症例に診断名が付与された時に自動的に診断名を取得する構成であってもよい。そして、正解情報取得端末２６０は、医用情報と診断名とを組として診断支援装置１００及び第２のデータベース２４０へと送信する。なお、診断支援装置１００に接続されている各構成要素は、診断支援装置１００の内部に含まれる構成となっていてもよい。

診断支援装置１００は、医用情報取得部１０２と、第１乃至第３の推論部１０４、１０６、１０８と、第１乃至第３の重み設定部１１４、１１６、１１８と、統合部１２０と、表示部１２２とを備える。

医用情報取得部１０２は、症例情報端末２００から診断支援装置１００へ送信された情報を医用情報として取得する。医用情報取得部１０２は、取得した医用情報を、第１乃至第３の推論部１０４、１０６、１０８、表示部１２２、及び、正解情報端末２６０へと送信する。

第１乃至第３の推論部１０４、１０６、１０８は、医用情報取得部１０２が取得した医用情報に基づいて、診断対象である肺の異常陰影に関する推論を夫々実行する。具体的には、医用画像上の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、ある診断名に異常陰影が該当する確率（推論結果）を複数の診断名の夫々に対して算出する。

第１乃至第３の推論部１０４、１０６、１０８は、算出した推論結果を、夫々の推論部に対応する重み設定部１１４、１１６、１１８と、統合部１２０とへ出力する。なお、第Ｎの推論部には第Ｎの重み設定部が対応するものとする。また、第２の推論部１０６は第１のデータベース２２０と第２のデータベース２４０から、第３の推論部１０８は第２のデータベース２４０から、夫々定期的に医用情報と診断名（正解）との組を取得し、各推論部を更新する。詳細は後述する。

第１乃至第３の重み設定部１１４、１１６、１１８は重みを設定し、設定した重みを統合部１２０へと夫々出力する。また、第１乃至第３の重み設定部１１４、１１６、１１８は、対応する推論部が算出した推論結果と、正解情報端末２６０から送信されたデータとに基づいて、定期的に重みを再設定する。詳細は後述する。

統合部１２０は、第１乃至第３の推論部１１４、１１６、１１８が算出した推論結果を統合する。統合部１２０は、例えば第１乃至第３の重み設定部が出力した重みに基づいて、第１乃至第３の推論部１１４、１１６、１１８が算出した複数の推論結果を統合する。そして、統合部１２０は、統合した推論結果を表示部１２２へと出力する。表示部１２２は、医用情報取得部１０２が取得した医用情報と、統合部１２０が統合した推論結果とに基づいて支援情報の表示を行う。

なお、図１に示した診断支援装置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実現されているものとする。

続いて、図２は、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。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から出力された表示用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受け付ける。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。

＜診断支援装置の処理＞
次に、図３、図４のフローチャートを用いて、診断支援装置１００が行う全体の処理を説明する。図３、図４は、診断支援装置１００が行う処理の一例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、図４に示す処理が実現される。

以下の説明では、医用情報の集合をＥ、診断名の集合をＤと表記する。本実施形態では、診断名として、原発性肺癌、癌の肺転移、良性病変の３値を取るものとし、夫々Ｄ１、Ｄ２、Ｄ３と表記する。また、第１乃至第３の推論部１０４、１０６、１０８への入力としてＥが与えられた場合の診断名Ｄｄ（ｄ＝１，２，３）の推論確率を、Ｐｎ（Ｄｄ｜Ｅ）と表記する（ｎ＝１，２，３。第Ｎの推論部に対応）。さらに、第１乃至第３の重み設定部で設定した重みをＷｎ（ｎ＝１，２，３。第Ｎの重み設定部に対応）と表記する。

[ステップＳ３０００]
ステップＳ３０００において、診断支援装置１００は、診断支援装置１００へと入力された医用情報に基づいて支援情報を提示する。ステップＳ３０００の処理の詳細を図４のフローチャートに示す。

ステップＳ４０１０において、医用情報取得部１０２は、診断支援装置１００へ入力された医用情報を取得する。前述の通り、本実施形態では医用情報として、医用画像、画像所見、臨床情報が含まれているものとする。また、医用情報取得部１０２は正解情報端末２６０へと医用情報を送信する。

ステップＳ４０２０において、第１乃至第３の推論部１０４乃至１０８は、ステップＳ４０１０で取得した医用情報に基づいて、診断対象である肺の異常陰影に関する推論を夫々実行する。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、第１乃至第３の推論部１０４乃至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（すなわち、Ｐｎ（Ｄｄ｜Ｅ））が夫々取得される。

ステップＳ４０３０において、第１乃至第３の重み設定部１１４乃至１１８は、設定した重みを夫々出力する。この重みは後述のステップＳ３０３０において再設定を行うが、本実施形態では初期値をＷ１＝１．０、Ｗ２＝Ｗ３＝０とする。もちろん初期値はこの値に限定されない。

また、診断支援装置１００はステップＳ４０２０で取得した夫々の推論結果を夫々保持しておく。例えば不図示の記憶部などに保存するようにしておいてもよい。この保持内容は後述のステップＳ３０３０における重みの再設定の際に用いる。

ステップＳ４０４０において、統合部１２０は、ステップＳ４０２０で取得した夫々の推論結果と、ステップＳ４０３０で取得した夫々の重みとに基づいて複数の推論結果を統合する。本実施形態では、診断名Ｄｄの推論確率Ｐ（Ｄｄ）を次式により統合する。

ステップＳ４０５０において、表示部１２２は、ステップＳ４０１０で取得した医用情報とステップＳ４０４０で統合した推論結果とに基づいて支援情報の提示を行う。本実施形態では、統合した推論結果そのものを支援情報として提示する。このステップが終了すると図３のフローチャートに戻り、ステップＳ３０１０の処理を実行する。

[ステップＳ３０１０]
ステップＳ３０１０において、医用診断支援装置１００は、第２、第３の推論部１１４、１１６を更新するか否かと、第１乃至第３の重み設定部１１４、１１６、１１８の重みを更新条件に従い再設定するか否かを判定する。これは例えば前回更新時からの経過時間ごとに（前回の更新時からの経過時間が所定値に達したことに応じて）更新すると判定するようにしてもよいし、ステップＳ３０００の処理を実行した回数を記憶しておき、実行回数（診断支援を実施した症例数）が所定値に達した場合に更新すると判定してもよい。本実施形態では、正解情報端末２６０から診断支援装置１００及び第２のデータベース２４０へと送信された医用情報と診断名との組が、一定以上（例えば２０組）となった場合に更新すると判定するものとする。すなわち、前回更新時から追加したデータ数が一定以上になった場合に更新すると判定する。そして、更新すると判定した場合はステップＳ３０２０の処理を実行し、更新すると判定しなかった場合はステップＳ３０００の処理へと戻る。

なお、これらの判定処理は独立に行ってもよいし、同時に行ってもよい。本実施形態ではこれら二つの判定を同時に行うものとする。すなわち、推論部の更新判定と、重みの更新判定とは常に同一の判定結果となるものとする。独立に判定処理を実行する場合の処理例は変形例にて後述する。

[ステップＳ３０２０]
ステップＳ３０２０において、第２の推論部１０６は、第１のデータベース２２０と第２のデータベース２４０とから医用情報と診断名との組を取得し、第２の推論部１０６を更新する。また、第３の推論部１０８は、第２のデータベース２４０から医用情報と診断名との組を取得し、第３の推論部を更新する。なお、第２の推論部１０６及び第３の推論部１０８は、正解情報端末２６０から第２のデータベース２４０へ新たに送信された医用情報と診断名との組（すなわち追加データ）のみを取得するようにしてもよい。この場合はそれまでに取得した医用情報と診断名との組を保持しておくのが望ましい。本実施形態では、第２のデータベース２４０に新たに送信された医用情報と診断名との組のみを取得するものとする。

推論部の更新は、現在の推論部に係るパラメータを変更するだけでもよいし、特徴量選択などを行って使用する医用情報（すなわち変数）の種類を変更してもよい。ベイジアンネットワークの例で言うと、前者は変数間の条件付確率を変更することに相当し、後者は変数間の接続（因果関係）を変更することに相当する。また、この更新は、現在保持しているデータに新たなデータを加えたデータで交差検定を行い、推論部の性能を最大化するようにしてもよい。あるいは、現在保持しているデータを用いて、新たなデータに対する推論部の性能を最大化するように更新してもよい。

ここで、図５は第２の推論部１０６の更新を模式的に表した図である。Ｃ２０は初期状態（Ｔ＝０：ＴはステップＳ３０１０により更新すると判定した回数）における第１のデータベース２２０及び第２のデータベース２４０に格納された医用情報と診断名との組を表す。なお、Ｔ＝０の時点では第２のデータベース２４０に格納されたデータがない（すなわち、第１のデータベースのみにデータが格納されている）状態であってもよい。Ａ１は当該ステップで取得した、第２のデータベース２４０に新たに送信された医用情報と診断名との組を表す。

図５（ａ）及び（ｂ）で示した例は、Ｃ２０にＡ１のデータを加えたＣ２１のデータを用いて交差検定（この例では５分割交差検定）により推論部を更新している。この場合は、現在推論部で利用できる全データに対して最適な分類結果をもたらすように推論部が更新される。すなわち、より汎化性能が向上した推論部となるように更新される。

図５（ａ）及び（ｃ）で示した例は、Ｃ２０を学習データとし、Ａ１をテストデータとして推論部を更新している。この場合は、今まで保持していたデータを利用して、新たなデータに対して最適な分類結果をもたらすように推論部が更新される。すなわち、新たなデータに特化した推論部となるように更新される。換言すると、保持していたデータの収集条件と、新たなデータの収集条件とが異なる場合には、新たなデータの収集条件で集めたデータに対してより最適な分類結果をもたらすように推論部が更新される。

[ステップＳ３０３０]
ステップＳ３０３０において、第１乃至第３の重み設定部１１４乃至１１８は、ステップＳ４０２０で取得した対応する推論部の推論結果と、正解情報端末２６０から送信された医用情報と診断名との組とに基づいて、重みを再設定する。

この重みはステップＳ３０１０を実行し、更新すると判定した回数（Ｔ）によって決めてもよい。例えば、Ｔが大きくなるとより第３の推論部を重視するようにしてもよい。具体的には第１の重み設定部１１４はＴが大きくなると重みが小さくなるように再設定し、第２の重み設定部１１６による重みは再設定せず、第３の重み設定部１１８はＴが大きくなると重みが大きくなるように再設定してもよい。もちろん他の方法で重みを設定してもよい。本実施形態ではステップＳ４０２０で取得した推論結果と、正解情報端末２６０から送信された診断名とに基づいて、ステップＳ４０２０で取得した推論結果の正確さの度合いによって重みを再設定するものとする。すなわち、Ｔの時点での第１乃至第３の推論性能を重みとして再設定する。

ここで、図６は第２の重み設定部１１６の重みの再設定を模式的に示した図であり、図６（ａ）はＴ＝１の状態を示し、図６（ｂ）はＴ＝２の状態を示している。また、Ｉ２Ｔ、Ｗ２Ｔは夫々Ｔの時点での第２の推論部、第２の重みを示す。図６（ａ）に示すようにＴ＝１の場合には、まず、更新前の推論部（すなわち、Ｔ−１の時点の推論部Ｉ２０）によるＡ１の推論結果（すなわち、ステップＳ４０２０で取得した推論結果）とＡ１の診断名とを比較する。そして、その比較結果に基づきＴ＝１の場合の重みＷ２１を第２の重み設定部１１６の重みとして再設定する。

この重みは推論確率が最も高い診断名と正解の診断名との一致度（正答率）を用いてもよいし、正解の診断名に対する推論確率を用いた平均対数尤度を用いてもよい。同様に、図６（ｂ）に示すようにＴ＝２の場合には、更新前の推論部Ｉ２１を対象に推論結果と正解の診断名とを比較し、重みＷ２２を算出し、第２の重み設定部１１６の重みとして再設定する。

[ステップＳ３０４０]
ステップＳ３０４０において、診断支援装置１００は、処理を終了するか否かを判定する。例えば、ステップＳ３０１０を実行し更新すると判定した回数（Ｔ）に基づいて処理を終了するかどうかを判定してもよく、回数（Ｔ）が所定値に到達している場合に処理を終了すると判定してもよい。処理を終了すると判定しなかった場合はステップＳ３０００の処理へと戻る。以上の手順で、図３、図４の処理が実行される。

続いて、図７は、第１のデータベース２２０のデータを第１の施設で、第２のデータベース２４０のデータを第２の施設で収集する条件で、第２の施設で診断支援装置１００を実施した場合の第１乃至第３の重み設定部１１４乃至１１８による重みの再設定を模式的に示した図である。図７（ａ）は第１の施設と第２の施設とで医用情報と正解（診断名）との関係が同一の傾向にある場合を示したものである。一方、図７（ｂ）は第１の施設と第２の施設とで医用情報と正解（診断名）との関係が異なる傾向にある場合を示したものである。Ｔは推論部および重みを再設定した回数（すなわち、ステップＳ３０１０を実行し更新すると判定した回数）を示し、Ｗは重みを示す。重みは前述の正答率を用いるものとする。すなわち、重みは新しいデータに対する推論結果の期待値に等しくなる。

図７（ａ）に示すように、医用情報と正解との関係が同一の傾向にある場合には、第１の推論部１０４の重みは高い水準で変わらず、第２の推論部１０６の重みは、データ数が増えれば推論部の性能が向上する傾向にあるため重みが増加していく。一方、第３の推論部１０８の重みは最初のうちはデータ数が少ないので推論部の性能が低く重視されない。すなわち、図７（ａ）の場合は第２の推論部１０６が重視されるように推論結果が統合されるようになる。

一方、図７（ｂ）に示すように、医用情報と正解との関係が異なる傾向にある場合には、第１の推論部１０４の重みは低い水準で変わらない。第２の推論部１０６の重みは第２の施設でのデータが増えるに従って大きくなっていく。そして第３の推論部１０８の重みは、第２の施設のデータを用いて推論部を構築するため第２の施設のデータに特化した推論部となり、データ数が少ないうちは重みが小さいものの、データ数が多くなると重みも大きくなる。すなわち、図７（ｂ）の場合は最初の内は複数の推論部の出力を用い、後半になるにつれて第３の推論部１０８が重視されるように推論結果が統合されるようになる。

この推論部の更新と重みの設定とは自動で行われるため、第１の施設と第２の施設との間での医用情報と正解との関係がどのような関係にあったとしても、ユーザは自動で適切な推論結果を統合した結果を得ることができる。従って、ある条件（例えば、ある施設）で学習データを構築した診断支援装置を他の条件（他の施設）で運用する場合に、診断支援装置を円滑に運用することができる。

本実施形態によれば、診断支援装置１００は、データの収集状況に応じて推論部の更新と重みの再設定を行う。これにより、ユーザは収集されたデータの関係性を考慮することなく、適切な推論結果を統合した結果を得ることができる。これにより、データの収集元と装置の運用先とが異なる場合であっても、円滑に診断支援装置を運用することができる。

[変形例１]
本実施形態では、ステップＳ３０１０において、推論部の更新判定と、重みの更新判定とを同時に行っていた。しかし、この処理は独立に行ってもよい。この場合、いずれかを更新すると判定した場合にステップＳ３０２０以降の処理を行う。具体的には、推論部を更新すると判定した場合にはステップＳ３０２０の処理を、重みを更新すると判定した場合にはステップＳ３０３０の処理を行う。この場合、更新しないと判定したものに対応する処理ステップは実行しないものとする。例えば、推論部のみを更新すると判定した場合にはステップＳ３０２０の処理を実行した後、ステップＳ３０４０の処理を実行すればよい。

[変形例２]
本実施形態では、ステップＳ３０２０において、第２、第３の推論部１０６、１０８のみを更新していた。しかし、第１の推論部１０４も更新してもよい。例えば、第１のデータベース２２０に格納されているデータを学習データとして、ＡＴ（ＴはステップＳ３０１０により更新すると判定した回数）に対する分類性能を最大化するようにしてもよい。あるいは、Ａ１乃至ＡＴのデータに対する分類性能を最大化するようにしてもよい。

さらに、第１のデータベース２２０を他の診断支援装置と通信可能に接続し、第１のデータベース２２０のデータを更新するようにしてもよい。この場合、第１のデータベース２２０に追加されるデータの収集条件は、第１のデータベース２２０に格納されていたデータの収集条件と同一であることが望ましい。

なお、上記の変形例はこれ以降の実施形態においても適用可能である。

（実施形態２）
実施形態１では、新たに取得したデータを用いて推論部の更新をしていた。本実施形態に係る診断支援装置１００は、新たに取得するデータの推移を用いて、過去の時点の推論部を利用して推論部の更新を行う。

なお、本実施形態における診断支援装置１００の機能構成は実施形態１における図１と同様である。また、診断支援装置１００のハードウェア構成は実施形態１における図２と同様である。即ち、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、本実施形態の診断支援装置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、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、処理の一部が実施形態１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診断支援装置１００が行う全体の処理について、実施形態１との相違部分について説明する。

ステップＳ３０００、ステップＳ３０１０の処理は、実施形態１における処理と同様である。ステップＳ３０２０において、第２の推論部１０６は、第１のデータベース２２０と第２のデータベース２４０とから医用情報と診断名との組を取得し、第２のデータベース２４０に収集されたデータの推移に基づいて第２の推論部１０６を更新する。また、第３の推論部１０８は、第２のデータベース２４０から医用情報と診断名との組を取得し、第２のデータベース２４０に収集されたデータの推移に基づいて第３の推論部を更新する。また、更新前の推論部を不図示の記憶部に保存する。

ここで、図８は本実施形態におけるステップＳ３０２０の処理を模式的に示したものである。Ｖはデータのデータ空間上の位置を示したものである。以下、ＴにおけるＶをＶＴで表す。空間上の位置は、例えばデータ（ＡＴ）に含まれる各医用情報の中央値（平均値）や分散から作成されたベクトルによって表される。本実施形態ではＴ＝ｔのベクトルＶｔとそれ以前のベクトル（すなわち、Ｔ＝１乃至Ｔ−１の時点のベクトルＶ１乃至Ｖｔ−１）を用いる。具体的には、これらのベクトルが一致するか（すなわち、ＡＴにおけるデータが同一かどうか）により推論部の更新及び重みの再設定を行う。

以下、具体例を用いて説明する。図８のＴ＝２の場合は、Ｔ＝２より前の時点でＶ２と一致する空間上の位置が存在しないので、実施形態１のステップＳ３０２０と同様の処理で推論部の更新と重みの再設定を行う。一方、Ｔ＝５の場合は、Ｖ５と一致する空間としてＶ２が存在する。この場合はＶ５に対する推論部及び重みとして、Ｖ２に対する推論部及び重みが適すると判断し、Ｖ２と同様の推論部へと更新、重みを再設定する。すなわち、第２の推論部１０６に関しては、Ｔ＝２の第２の推論部Ｉ２２をＴ＝５の第２の推論部Ｉ２５として更新する。同様に、Ｔ＝２の第３の推論部Ｉ３２をＴ＝５の第３の推論部Ｉ３５として更新する。なお、本実施形態のように第１の推論部１０４を更新しない場合は、Ｔ＝５における第１の推論部Ｉ１５とＴ＝２における第１の推論部Ｉ１２は同一のものとなる。

なお、上記の例ではベクトルが一致する場合を示したが、必ずしも一致する場合でなくてもよい。例えば、ベクトルの類似度を計算し、最も類似度が高いベクトルのＴにおける推論部と重みを用いて、推論部の更新と重みの再設定を行ってもよい。この場合は閾値を設定し、類似度が閾値を超えない場合には実施形態１と同様の方法で推論部を更新してもよい。

ステップＳ３０３０、ステップＳ３０４０の処理は、実施形態１における処理と同様である。

本実施形態によれば、診断支援装置１００は、データの推移状況に応じて推論部の更新を行う。第１乃至第３の重み設定部１１４乃至１１８は、Ｔ回目の更新の時点で新たに収集されたデータに類似するデータに対応するＴ＝１乃至Ｔ−１回目の時点の少なくとも１つの第１乃至第３の重みを用いて、Ｔ回目の時点での第１乃至第３の重みを再設定する。また、第１乃至第３の推論部１０４乃至１０８は、Ｔ回目の更新の時点で新たに収集されたデータに類似するデータに対応するＴ＝１乃至Ｔ−１回目の時点の少なくとも１つの第１乃至第３の推論部１０４乃至１０８を用いて、Ｔ回目の時点での第１乃至第３の推論部１０４乃至１０８を更新する。

これにより、データを収集するタイミングによりデータ分布が異なる場合であっても、同様のデータ分布の時点の推論部を用いて素早く推論部の更新ができる。これにより、ユーザは収集されたデータの収集タイミングによる分布を考慮することなく、適切な推論結果を統合した結果を得ることができる。これにより、ユーザは円滑に診断支援装置を運用することができる。

[変形例１]
本実施形態ではステップＳ３０２０において、第２、第３の推論部１０６、１０８は、データを示すベクトルが一致（または最も類似）するベクトルにおける推論部を用いて、推論部の更新をしていた。しかし、必ずしも対象とするベクトルは一つでなくてもよい。例えば、ある閾値以上の類似度を持つベクトルを全て選択し、それらのベクトルにおける推論部を用いて新たな推論部としてもよい。例えば、Ｖ４とＶ１、Ｖ２、Ｖ３の類似度がそれぞれ０．６、０．８、０．９で、閾値が０．８の場合は、Ｖ４はＶ２とＶ３における推論部を用いて推論部を更新する。この場合、Ｖ４はＶ２とＶ３の夫々の推論部の出力の平均を出力とする推論部として更新してもよいし、類似度による重みづけ平均を出力とする推論部として更新してもよい。

[変形例２]
本実施形態では、ステップＳ３０２０により推論部のみをデータの推移に基づいて更新していた。しかし、同様に、ステップＳ３０３０において、第１乃至第３の重み設定部の重みをデータの推移に基づいて更新してもよい。すなわち、ベクトルが一致（または最も類似）するベクトルにおける重みを、それぞれの重みとして再設定してもよい。

（実施形態３）
実施形態１、実施形態２では、ローカル環境に設置した診断支援装置１００を用いて支援情報の提供を行っていた。本実施形態に係る診断支援装置１００は、使用場所と異なる環境に設置され、使用場所と光ファイバー通信などの通信部を用いて接続し、クライアント・サーバ方式で支援情報を提供する部分が異なる。

図９は、実施形態３における診断支援装置１００の機能構成の一例を示す図である。なお、本実施形態における診断支援装置１００の機能構成は実施形態１と一部が共通している。以下、実施形態１との相違部分について説明する。

本実施形態における診断支援装置１００は、クライアント３００に接続されている。クライアント３００は後述する表示制御部１６２から送信された内容を基に表示を行う。そして、クライアント３００で行った操作（例えば医用情報の入力など）は診断支援装置１００へと送信され、診断支援装置１００で処理を行う。

データベース１５０は条件Ａ乃至Ｒのデータベース１５１乃至１５９を備え、異なる条件ごとにデータを格納する。具体的には診断支援装置１００に接続された不図示の撮像装置から医用画像を取得する。また、クライアント３００から送信された医用情報と正解との組のデータを保存する。これらは条件（例えばクライアント３００及び不図示の撮像装置が設置されている施設）毎に異なるデータベースに保存される。あるいは、データを構成するレコードの一つとして条件を記載し、一つのデータベースに保存するようにしてもよい。

表示制御部１６２は、統合部１２０からの出力やデータベース１５０からの出力を受け取り、クライアント３００で表示する内容を制御する。

なお、診断支援装置１００のハードウェア構成は実施形態１における図２と同様である。即ち、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、本実施形態の診断支援装置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、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、図４と同様である。但し、処理の一部が実施形態１とは異なっている。以下、図３、図４のフローチャートを参照して、本実施形態における診断支援装置１００が行う全体の処理について、実施形態１との相違部分について説明する。

ステップＳ３０００の処理は、ステップＳ４０５０において、表示制御部１６２がクライアント３００に表示する内容を制御し、クライアント３００の表示部に表示する以外は、実施形態１における処理と同様である。

ステップＳ３０１０の処理は、実施形態１における処理と同様である。ステップＳ３０２０において、第２の推論部１０６、第３の推論部１０８はデータベース１５０からクライアント３００に関する条件（例えばクライアント３００が設置されている施設）を考慮したデータ（医用情報と診断名との組）を取得し、推論部を夫々更新する。例えば、「クライアント３００が設置されている施設」を条件Ｂとした場合には、第２の推論部１０６は全てのデータベース１５０からデータを取得し、第３の推論部１０６は条件Ｂのデータベース１５２からデータを取得する。そして、実施形態１で説明した推論部の更新方法と同様の方法で推論部を更新する。つまり、実施形態３における第１の条件は「クライアント３００が設置されている施設以外の施設でデータを収集する」となり、第２の条件は「クライアント３００が設置されている施設でデータを収集する」となる。

なお、第１の推論部１０４も、実施形態１の変形例２で示した方法により推論部を更新するようにしてもよい。この場合は、第１の条件を満たすデータを用いて推論部を更新すればよい。

ステップＳ３０３０の処理は、正解情報端末２６０からではなくクライアント３００から医用情報と診断名との組が送信される以外は、同様の処理を行う。

ステップＳ３０４０の処理は、実施形態１の処理と同様である。

本実施形態によれば、診断支援装置１００は、光ファイバーなどの通信部により接続されたクライアントからの操作を受け付け、支援情報を提供する。これにより、ユーザは診断支援装置１００が設置されている場所を気にすることなく、適切な推論結果を統合した結果を得ることができる。これにより、ユーザは円滑に診断支援装置を運用することができる。

（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：診断支援装置、１０２：医用情報取得部、１０４：第１の推論部、１０６：第２の推論部、１０８：第３の推論部、１１４：第１の重み設定部、１１６：第２の重み設定部、１１８：第３の重み設定部、１２０：統合部、１２２：表示部、１５０：データベース、１６２：表示制御部

Claims (16)

1. 第１の条件で収集したデータを用いて診断に関する推論を行う第１の推論手段と、
   前記第１の条件で収集したデータと、前記第１の条件とは異なる第２の条件で収集したデータとを用いて前記診断に関する推論を行う第２の推論手段と、
   前記第２の条件で収集したデータを用いて前記診断に関する推論を行う第３の推論手段と、
   所定の更新条件を満たしている場合に、前記第１乃至第３の推論手段の推論性能を前記第１乃至第３の推論手段の各々に対応する第１乃至第３の重みとして設定し、前記第１乃至第３の推論手段の推論結果を、前記第１乃至第３の推論手段の各々に対応する前記第１乃至第３の重みを用いて統合する統合手段と、
   を備えることを特徴とする診断支援装置。
2. 前記第２及び第３の推論手段は、前記所定の更新条件を満たしている場合に、前記第２及び第３の推論手段を更新することを特徴とする請求項１に記載の診断支援装置。
3. 前記第２の推論手段は、前記第１の条件で収集した新たなデータ及び外部から取得した正解の診断名と、前記第２の条件で収集した新たなデータ及び外部から取得した正解の診断名とに基づいて、前記第２の推論手段を更新することを特徴とする請求項２に記載の診断支援装置。
4. 前記第３の推論手段は、前記第２の条件で収集した新たなデータ及び外部から取得した正解の診断名に基づいて、前記第３の推論手段を更新することを特徴とする請求項２又は３に記載の診断支援装置。
5. 前記統合手段は、前記第１乃至第３の推論手段の各推論結果と、外部から取得した正解の診断名を示す情報とに基づいて、前記第１乃至第３の重みを設定することを特徴とする請求項１乃至４の何れか１項に記載の診断支援装置。
6. 前記統合手段は、前回の更新時の前記第１乃至第３の推論手段の推論性能を前記第１乃至第３の重みとして設定することを特徴とする請求項１乃至５の何れか１項に記載の診断支援装置。
7. 前記統合手段は、前記所定の更新条件を満たすと判定された回数に基づいて、前記第１乃至第３の重みを設定することを特徴とする請求項１乃至５の何れか１項に記載の診断支援装置。
8. 前記所定の更新条件は、前回の更新時からの経過時間が所定値に達したことであることを特徴とする請求項１乃至７の何れか１項に記載の診断支援装置。
9. 前記所定の更新条件は、前回の更新時から新たに収集されたデータの数が所定値に達したことであることを特徴とする請求項１乃至７の何れか１項に記載の診断支援装置。
10. 前記統合手段は、Ｔ回目の更新の時点で新たに収集されたデータに類似するデータに対応するＴ＝１乃至Ｔ−１回目の時点の少なくとも１つの第１乃至第３の重みを用いて、Ｔ回目の時点での第１乃至第３の重みを設定することを特徴とする請求項１又は２に記載の診断支援装置。
11. 前記第１乃至第３の推論手段は、Ｔ回目の更新の時点で新たに収集されたデータに類似するデータに対応するＴ＝１乃至Ｔ−１回目の時点の少なくとも１つの第１乃至第３の推論手段を用いて、Ｔ回目の時点での第１乃至第３の推論手段を更新することを特徴とする請求項１又は２に記載の診断支援装置。
12. 前記第１の条件は、少なくとも一つ以上の施設で収集することであり、前記第２の条件は、前記少なくとも一つ以上の施設以外の、少なくとも一つ以上の施設で収集することであることを特徴とする請求項１乃至１１の何れか１項に記載の診断支援装置。
13. 前記診断支援装置と、前記第１の条件に係る少なくとも一つ以上の施設および前記第２の条件に係る少なくとも一つ以上の施設とは通信手段により接続されており、
    前記診断支援装置と、前記第１の条件に係る少なくとも一つ以上の施設および前記第２の条件に係る少なくとも一つ以上の施設とは、クライアント・サーバの関係にあることを特徴とする請求項１２に記載の診断支援装置。
14. 前記統合手段により統合された推論結果を前記診断の支援情報として表示部に表示させる表示制御手段をさらに備えることを特徴とする請求項１乃至１３の何れか１項に記載の診断支援装置。
15. 診断支援装置が実行する方法であって、
    第１の推論手段が、第１の条件で収集したデータを用いて診断に関する推論を行う第１の推論工程と、
    第２の推論手段が、前記第１の条件で収集したデータと、前記第１の条件とは異なる第２の条件で収集したデータとを用いて前記診断に関する推論を行う第２の推論工程と、
    第３の推論手段が、前記第２の条件で収集したデータを用いて前記診断に関する推論を行う第３の推論工程と、
    統合手段が、所定の更新条件を満たしている場合に、前記第１乃至第３の推論手段の推論性能を前記第１乃至第３の推論手段の各々に対応する第１乃至第３の重みとして設定し、前記第１乃至第３の推論工程での推論結果を、前記第１乃至第３の推論手段の各々に対応する前記第１乃至第３の重みを用いて統合する統合工程と、
    を有することを特徴とする方法。
16. 請求項１５に記載の方法の各工程をコンピュータに実行させるためのプログラム。

Images