JP6870876B1

JP6870876B1 - 処方箋読み取りプログラムおよび処方箋読み取り装置

Info

Publication number: JP6870876B1
Application number: JP2020140581A
Authority: JP
Inventors: チョーザ・デルガド・カルロス・アルトウロ; 幸久山村; モーガン・ヘレラ・カルメン・ヴェロニカ
Original assignee: 株式会社メディコンフィア
Priority date: 2020-08-24
Filing date: 2020-08-24
Publication date: 2021-05-12
Anticipated expiration: 2040-08-24
Also published as: JP2022036392A

Abstract

【課題】不鮮明な文字であっても適切に処方箋の読み取りが可能な処方箋読み取りプログラムおよび処方箋読み取り装置を提供する。【解決手段】処方箋読み取りプログラムは、処方箋データを受信する受信処理と、前記受信処理で受信した前記処方箋データに基づいて、レイアウトタイプを判断するレイアウトタイプ判断処理と、前記レイアウトタイプ判断処理で判断した前記レイアウトタイプに基づいて、テキスト領域を判断するテキスト領域判断処理と、前記テキスト領域判断処理で判断した前記テキスト領域に対して、機械学習済文字認識アルゴリズムを用いてテキストデータの認識処理を行なうテキスト認識処理と、前記テキスト認識処理で認識した前記テキストデータに対して、機械学習済単語抽出アルゴリズムを用いて薬の名称および分量を含む単語を抽出する抽出処理と、を情報処理装置に実行させる。【選択図】図４

Description

本発明は、処方箋の文字等の情報を読み取る処方箋読み取りプログラムおよび処方箋読み取り装置に関する。

特許文献１には、薬局業務支援システムが記載されている。特許文献１には、「処方情報は、例えば、医療機関から発行された処方箋を撮影した画像データである。なお、撮影画像を文字認識して処方内容をテキストデータ化し、画像データおよびテキストデータを処方情報として用いるようにしてもよい。」と記載されている。

特開２０２０−０８６８３３号公報

薬局は、医療機関から紙またはＦＡＸを介して処方箋を受け取る。薬局は、紙で受け取った処方箋をテキストデータ化したい場合、スキャナで読み込み、ＯＣＲ（Optical Character Recognition）によりテキストデータ化する。あるいは、薬局は、ＦＡＸで受け取った画像データをＯＣＲ（Optical Character Recognition）によりテキストデータ化する。しかし、スキャンした画像データおよびＦＡＸで受け取った画像データは、文字が不鮮明な場合があり、従来のＯＣＲでは適切に文字認識できない場合が多い。

そこで、本発明の目的は、不鮮明な文字であっても適切に処方箋の読み取りが可能な処方箋読み取りプログラムおよび処方箋読み取り装置を提供することにある。

本発明に係る処方箋読み取りプログラムは、処方箋データを受信する受信処理と、前記受信処理で受信した前記処方箋データに基づいて、レイアウトタイプを判断するレイアウトタイプ判断処理と、前記レイアウトタイプ判断処理で判断した前記レイアウトタイプに基づいて、テキスト領域を判断するテキスト領域判断処理と、前記テキスト領域判断処理で判断した前記テキスト領域に対して、機械学習済文字認識アルゴリズムを用いてテキストデータの認識処理を行なうテキスト認識処理と、前記テキスト認識処理で認識した前記テキストデータに対して、機械学習済単語抽出アルゴリズムを用いて薬の名称および分量を含む単語を抽出する抽出処理と、を情報処理装置に実行させることを特徴とする。

この様に、本発明に係る処方箋読み取りプログラムは、処方箋のレイアウトタイプを判断してテキスト領域を判断し、判断したテキスト領域に対してニューラルネットワーク等の機械学習済文字認識アルゴリズムおよび機械学習済単語抽出アルゴリズムを用いて薬の名称および分量等の単語を抽出する。したがって、本発明に係る処方箋読み取りプログラムは、従来のＯＣＲよりも極めて高い精度で文字認識および単語認識を行なうことができる。よって、本発明に係る処方箋読み取りプログラムは、ＦＡＸやスキャナで取り込んだ不鮮明な文字の処方箋データであっても適切に処方箋の読み取りを行なうことができる。

なお、処方箋読み取りプログラムは、前記テキスト認識処理で認識した前記テキストデータのエラーを、機械学習済アルゴリズムを用いて修正する修正処理をさらに実行し、さらに処方箋の読み取り精度を高めることもできる。この場合、前記抽出処理は、前記修正処理で修正されたテキストデータに対して行なわれる。

また、修正処理は、薬の名称辞典と、処方箋に含まれる特定のパターンを含むパターン辞典と、を用いて行なわれる。パターン辞典は、例えばジェネリック医薬品に使用される「般」の文字や、カタカナの「ロ」と漢字の「口」等の情報を含む。これにより、処方箋の読み取り精度がさらに高まる。

なお、機械学習済単語抽出アルゴリズムは、処方箋において関連するテキストの各部分の形式を判断し、タグ付けするように学習されている第１アルゴリズムと、処方箋における特有のキーワード間の関係を理解する様に学習されている第２アルゴリズムと、を有する。これにより、処方箋読み取りプログラムは、処方箋における特有の記載内容を高精度に抽出し、データベースに適切に登録可能かつ利用可能な形式として整理することができる。

なお、レイアウトタイプ判断処理は、データベースに蓄積されたレイアウトタイプとの比較によって行なわれる。処方箋は、法改正等により新たなレイアウトタイプが生じる場合もあり、データベースに一致しない場合もある。しかし、処方箋読み取りプログラムは、データベースに一致するレイアウトタイプが無い場合に利用者からテキスト領域の操作を受け付けて、データベースに登録する登録処理を行なうことで、新たなレイアウトタイプが生じた場合でも、適切に読み取りを行なうことができる。

本発明によれば、不鮮明な文字であっても適切に処方箋の読み取りを行なうことができる。

処方箋読み取りシステム１の構成を示すブロック図である。サーバ１１の構成を示すブロック図である。処方箋読み取りシステム１の動作を示すフローチャートである。処方箋読み取り時のサーバ１１の動作を示すフローチャートである。処方箋読み取り時のサーバ１１の動作を示すフローチャートである。処方箋データの一例を示す図である。

以下、本発明の実施形態に係る処方箋読み取りシステム１について、図を参照しながら説明する。

図１は、処方箋読み取りシステム１の構成を示すブロック図である。処方箋読み取りシステム１は、サーバ１１、受付用端末１２、利用者端末１３、およびレセコン１４を備えている。サーバ１１、受付用端末１２、利用者端末１３、およびレセコン１４は、ネットワークを介して接続されている。

受付用端末１２は、一般的な情報処理装置（パーソナルコンピュータ）で実現される。受付用端末１２は、不図示のＦＡＸ機またはスキャナに接続されていて、処方箋を画像データに変換した処方箋データを受信する。処方箋は、医療機関から紙またはＦＡＸで送付される。薬局の薬剤師は、処方線を紙で受け取った場合には、不図示のスキャナを用いて受付用端末１２に処方箋データを入力する。また、処方箋をＦＡＸで受信した場合、受付用端末１２は、ＦＡＸ機から処方箋データを受信する。あるいは、薬剤師は、ＦＡＸ機で処方箋データを印刷し、印刷した処方箋をスキャナで読み込み、受付用端末１２に入力してもよい。受付用端末１２は、処方箋データをサーバ１１に送信する。

サーバ１１は、本発明の処方箋読み取り装置の一例である。サーバ１１は、薬局に設置されていてもよいし、インターネット上のサーバ群からなる態様であってもよい。サーバ１１は、受付用端末１２から処方箋データを受信し、処方箋の内容を読み取る動作を行なう。

利用者端末１３は、薬剤師等の薬局業務を行なう者（利用者）が用いる端末であり、例えばスマートフォンあるいはタブレット型コンピュータ等の携帯型の情報処理装置である。利用者は、利用者端末１３を用いてサーバ１１で読み取られた処方箋の内容を確認したり、処方箋の内容をレセコン１４に入力したりする。また、利用者は、利用者端末１３を用いて患者の薬歴を確認し、新たな薬歴を作成することもできる。

レセコン１４は、利用者端末１３から入力される処方箋の内容に応じてレセプトを作成するコンピュータである。レセコン１４は、一般的なパーソナルコンピュータ上にインストールされたアプリケーションプログラムによって実現される。

図２は、サーバ１１の構成を示すブロック図である。サーバ１１は、ネットワークＩ／Ｆ５１、記憶部５２、ＣＰＵ５３、およびＲＡＭ５４を備えている。

ネットワークＩ／Ｆ５１は、インターネット等のネットワークに接続される。本実施形態では、サーバ１１は、ネットワークＩ／Ｆ５１を介して受付用端末１２および利用者端末１３に接続される。

ＣＰＵ５３は、記憶部５２に記憶されているプログラムをＲＡＭ５４に読み出して、種々の動作を行なう。記憶部５２は、サーバ１１の基本プログラム（ＯＳ）と、本実施形態における処方箋読み取りプログラムと、を記憶している。また、記憶部５２は、後述の処方箋データのレイアウトタイプを示す情報や、患者の個人情報等の各種データベースを備えている。

ＣＰＵ５３は、記憶部５２から処方箋読み取りプログラムをＲＡＭ５４に読み出すことで、処方箋読み取り装置として機能する。

図３は、処方箋読み取りシステム１の動作を示すフローチャートである。まず、処方箋は、医療機関から紙またはＦＡＸで送付される（Ｓ１１）。薬局の薬剤師は、紙またはＦＡＸで送付された処方箋を受け取る（Ｓ１２）。

そして、薬局の薬剤師は、受付用端末１２を用いて紙の処方箋をスキャンし、処方箋データとしてサーバ１１に送信する、またはＦＡＸで受信した処方箋データをサーバ１１に送信する（Ｓ１３）。なお、薬剤師は、利用者端末１３のアプリケーションプログラムを用いて、処方箋データをサーバ１１に送信してもよい。また、受付用端末１２または利用者端末１３は、ＦＡＸを介して処方箋データを受信した時点、またはスキャナから受信した時点で、当該処方箋データを自動的にサーバ１１に送信してもよい。特に、老人福祉施設等の在宅向け薬局では、医療機関から同時に多数の処方箋を受け取る。そのため、本実施形態の処方箋読み取りシステム１は、処方箋データを受信した場合に自動的にサーバ１１に処方箋データを送信して以下の読み取り動作を行うことで、薬局業務の負荷を著しく低減することができる。

次に、サーバ１１は、処方箋読み取りプログラムを実行して処方箋読み取り動作を行なう（Ｓ１４）。

図４および図５は、処方箋読み取り時のサーバ１１の動作を示すフローチャートである。まず、サーバ１１は、処方箋データから、画像の特徴量の抽出を行なう（Ｓ１０１）。この処理は、例えばＳＩＦＴ（Scale Invariant Feature Transform）等の特徴量を抽出するアルゴリズムで行なう。

上述の様に、薬局は、ＦＡＸで処方箋データを受信する、あるいは処方箋スキャナで読み取る。したがって、処方箋データは、画像のサイズや傾きが一定ではない。サーバ１１は、ＳＩＦＴの特徴量抽出アルゴリズムを用いることにより、画像サイズおよび傾きに依存しない処方箋の画像の特徴量を抽出することができる。

次に、サーバ１１は、抽出した特徴量に基づいて、データベースから対応するレイアウトタイプを判断する（Ｓ１０２）。データベースには、複数の処方箋のレイアウトタイプが蓄積されている。サーバ１１は、ＲＡＮＳＡＣ（Random Sample Consensus）等の推定アルゴリズムで、データベースを参照して、受信した処方箋データのレイアウトタイプに一致するレイアウトタイプを判断する。

サーバ１１は、一致するレイアウトタイプが存在するか否かを判断する（Ｓ１０３）。サーバ１１は、一致するレイアウトタイプが存在したと判断した場合、テキスト領域の判断処理を行なう（Ｓ１０４）。テキスト領域は、少なくとも患者の氏名等の患者の情報が記載された領域、日付が記載された領域、および薬の情報が記載された領域等を含む。データベースに登録されているレイアウトタイプは、処方箋データのどの位置にどのテキスト領域が存在するかを示す位置情報が含まれている。サーバ１１は、データベースに登録されているレイアウトタイプから、テキスト領域の位置情報を読み出すことで、テキスト領域を判断する。

一方で、サーバ１１は、一致するレイアウトタイプが無いと判断した場合、利用者からテキスト領域の受け付け処理を行なう（Ｓ１０５）。薬剤師等の利用者は、受付用端末１２または利用者端末１３のユーザＩ／Ｆを用いて、処方箋データの中からテキストが記載されている領域を手動で指定する。サーバ１１は、指定されたテキスト領域を新たなレイアウトタイプとしてデータベース登録し（Ｓ１０６）、テキスト領域の判断処理を行なう（Ｓ１０４）。

処方箋は、法改正等により新たなレイアウトタイプが生じる場合もあり、データベースに蓄積されたレイアウトタイプと一致しない場合もある。しかし、サーバ１１は、データベースに一致するレイアウトタイプが無い場合に利用者からテキスト領域の指定操作を受け付けて、データベースに登録する登録処理を行なうことで、新たなレイアウトタイプが生じた場合でも、次回からは自動的にレイアウトタイプを判断することができる。

その後、サーバ１１は、患者の情報が記載されたテキスト領域に対してテキスト認識処理を行なう（Ｓ１０７）。患者の情報は、患者の氏名および誕生日等の情報を含む。テキスト認識処理は、任意の文字認識アルゴリズム（例えばニューラルネットワーク等のアルゴリズムを搭載したTesseract-OCR）で行なわれる。

サーバ１１は、テキスト認識処理で認識した患者の情報をデータベースと対比して、対応する患者の情報が存在するか否かを判断する（Ｓ１０８）。サーバ１１は、対応する患者が存在すると判断した場合、図５に示すＳ２０１〜Ｓ２０７の処理を続ける。サーバ１１は、対応する患者が存在しないと判断した場合、認識した患者の情報をデータベースに登録し（Ｓ１０９）、Ｓ２０１〜Ｓ２０７の処理に移行する。

次に、図５に示す様に、サーバ１１は、薬の情報が記載されたテキスト領域においてセグメント処理を行なう（Ｓ２０１）。図６は、処方箋データの一例を示す図である。セグメント処理とは、図６のハッチング部分に示す様に、薬の情報が記載されたテキスト領域を一行毎のセグメントに区切る処理である。

その後、サーバ１１は、各セグメントでテキスト認識処理を行なう（Ｓ２０２）。テキスト認識処理は、任意の文字認識アルゴリズム（例えばニューラルネットワーク等のアルゴリズムを搭載したTesseract-OCR）で行なわれる。この処理は、処方箋用に機械学習された機械学習済文字認識アルゴリズムを用いることが好ましい。無論、サーバ１１は、一般的な機械学習済アルゴリズムを用いてテキスト認識処理を行なってもよい。

次に、サーバ１１は、認識したテキストデータに対してスペル修正処理を行なう（Ｓ２０３）。スペル修正処理は、例えばＳｙｍＳｐｅｌｌ等の任意のアルゴリズムを用いる。ＳｙｍＳｐｅｌｌアルゴリズムは、政府の提供する薬の名称辞典を用いて、薬の名称に係るテキスト認識の誤りを修正する。これにより、サーバ１１は、Ｓ２０２のテキスト認識処理で生じたエラーを適切に修正することができる。

さらに、サーバ１１は、処方箋における特定パターンの修正処理を行なう（Ｓ２０４）。特定パターンの修正処理は、例えばｎ−ｇｒａｍ等の任意のアルゴリズムを用いる。ｎ−ｇｒａｍアルゴリズムは、処方箋における特定のパターンを含むパターン辞典を用いて、Ｓ２０３の処理では修正できなかったテキスト認識の誤りを修正する。処方箋における特定のパターンは、例えばジェネリック医薬品に使用される「般」の文字等を含む。また、ｎ−ｇｒａｍアルゴリズムは、カタカナの「ロ」の字と漢字の「口」の違いも修正する。

サーバ１１は、修正されたテキストデータを用いて第１単語抽出処理（Ｓ２０５）および第２単語抽出処理（Ｓ２０６）を行なう。第１単語抽出処理および第２単語抽出処理ともに、ニューラルネットワーク等の機械学習済単語抽出アルゴリズムを用いて行なう。機械学習済単語抽出アルゴリズムは、例えばＮＬＰ（Natural Language Processing）アルゴリズムである。本実施形態の第１単語抽出処理で用いる第１ＮＬＰアルゴリズムは、処方箋において関連するテキストの各部分の形式を判断し、タグ付けするように学習されている。各タグは、例えば薬の名称、投薬量、投薬期間、および摂取タイミング等を含む。

第２単語抽出処理で用いる第２ＮＬＰアルゴリズムは、処方箋における特有のキーワード間の関係（構文および順序）を理解する様に学習されている。例えば、図６に示す処方箋データでは、第２ＮＬＰアルゴリズムは、１．一般名処方で薬の名称「○○○○錠」１２ｍｇ、２．投薬量「３錠」で３．投薬期間「１４日分」、４．摂取タイミング「１日１回寝る前」を、この順で関係付ける。同様に、第２ＮＬＰアルゴリズムは、１．一般名処方で薬の名称「○△△錠」７．５ｍｇ、２．投薬量「１錠」で、３．投薬期間「１４日分」、４．摂取タイミング「１日１回寝る前」を、この順で関係付ける。

サーバ１１は、以上の第１ＮＬＰアルゴリズムおよび第２ＮＬＰアルゴリズムを用いることにより、処方箋における特有の記載内容を高精度に抽出し、データベースに適切に登録可能かつ利用可能な形式として整理することができる。

サーバ１１は、以上の様にして抽出した単語をデータベースに登録する（Ｓ２０７）。そして、図３のフローチャートに戻り、サーバ１１は、読み取り結果をレセコン１４で読み取り可能な規格（例えばＪＡＨＩＳ）のＱＲコード（登録商標）に変換する（Ｓ１５）。また、サーバ１１は、読み取った処方箋データと、Ｓ２０７で登録した単語の位置情報（処方箋データ内の各単語の位置を示す情報）、およびＳ１５で生成したＱＲコード（登録商標）を、データベースに登録する（Ｓ１６）。

一方、サーバ１１は、データベースに登録した情報を利用者端末１３に送信し、利用者端末１３の情報を更新する（Ｓ１７）。薬剤師は、利用者端末１３のアプリケーションプログラムを用いて、各処方箋の内容を確認することができる。

その後、サーバ１１で生成されたＱＲコード（登録商標）は、利用者端末１３のアプリケーションプログラムを介して、レセコン１４に入力される（Ｓ１８）。

以上の様に、本実施形態の処方箋読み取りプログラムは、処方箋のレイアウトタイプを判断してテキスト領域を判断し、判断したテキスト領域に対してニューラルネットワーク等の機械学習済文字認識アルゴリズムおよび機械学習済単語抽出アルゴリズムを用いて薬の名称および分量等の単語を抽出する。したがって、本実施形態の処方箋読み取りプログラムは、従来のＯＣＲよりも極めて高い精度で文字認識および単語認識を行なうことができる。よって、本実施形態に係る処方箋読み取りプログラムは、ＦＡＸやスキャナで取り込んだ不鮮明な文字の処方箋データであっても適切に処方箋の読み取りを行なうことができる。特に、在宅向け薬局では、医療機関から同時に多数の処方箋を受け取るが、本実施形態の処方箋読み取りプログラムは、処方箋の読み取りおよびレセコンへの入力業務の負荷を著しく低減することができる。

なお、サーバ１１は、患者毎に読み取り結果の情報をデータベースに蓄積している。薬剤師は、利用者端末１３のアプリケーションプログラムを用いて、患者毎の過去の読み取り結果を全て参照することができる。図３のＳ１７の処理において利用者端末１３の情報が更新されると、薬剤師は、処方箋の内容を確認し、患者に電話等を介して、処方された薬の説明、および患者の服用状況等について確認を行うことができる。薬剤師は、利用者端末１３を用いて、これらの内容を、薬剤服用歴管理記録（以下、「薬歴」と称する）として記録する。薬歴は、主観的情報（患者が話した内容、自覚症状）（Ｓ：Subjective）、客観的情報（処方内容、変更点、薬剤師の観察所見、検査データ）（Ｏ：Objective）、評価ならびに指導（ＳおよびＯから薬剤師としての評価・判断とそれに基づく指導内容）（Ａ：Assessment）、および計画（次回に尋ねる点や注意すべきこと）（Ｐ：Plan）から構成される。薬剤師は、Ｓ１７の処理において利用者端末１３の情報が更新された後に、今回の処方箋に加えて過去の情報も参照することで、簡単に新たな薬歴を作成することができる。これにより、本実施形態の処方箋読み取りシステム１は、薬歴作成業務支援プログラムとしても機能する。

また、利用者端末１３は、薬剤師が作成した薬歴をサーバ１１に送信してもよい。サーバ１１は、作成した新たな薬歴をデータベースに登録することで、次回新たな処方箋の読み取りを行なった時に、利用者端末１３を介して薬剤師に薬歴を提示することができる。

さらに、サーバ１１は、新たに読み取った処方箋の内容と過去の薬歴に基づいて、今回新たに作成する薬歴を自動的に作成してもよい。薬歴の作成は、所定のアルゴリズムを用いて行なわれる。サーバ１１は、作成した新たな薬歴を利用者端末１３に送信する。薬剤師は、サーバ１１で作成された薬歴を確認し、患者への説明および状況の確認の結果に応じて、サーバ１１で作成された薬歴を修正する。あるいは、薬剤師は、患者への説明および状況の確認の結果、サーバ１１で作成された薬歴で問題ないと判断した場合、サーバ１１で作成された薬歴を確定する。薬剤師が薬歴を確定すると、確定した薬歴が利用者端末１３からサーバ１１およびレセコン１４に登録される。

この様にして、本実施形態のサーバ１１は、薬歴を自動作成することで、薬歴作成業務を支援することができ、薬局業務の負荷をさらに低減することもできる。

なお、本実施形態の説明は、すべての点で例示であり、制限的なものではないと考えられるべきである。本発明の範囲は、上述の実施形態ではなく、特許請求の範囲によって示される。さらに、本発明の範囲は、特許請求の範囲と均等の範囲を含む。

例えば、処方箋読み取りプログラムは、サーバ１１ではなく、受付用端末１２、利用者端末１３またはレセコン１４で実行してもよい。

１…処方箋読み取りシステム
１１…サーバ
１２…受付用端末
１３…利用者端末
１４…レセコン
５１…ネットワークＩ／Ｆ
５２…記憶部
５３…ＣＰＵ
５４…ＲＡＭ

Claims

処方箋データを受信する受信処理と、
前記受信処理で受信した前記処方箋データに基づいて、レイアウトタイプを判断するレイアウトタイプ判断処理と、
前記レイアウトタイプ判断処理で判断した前記レイアウトタイプに基づいて、テキスト領域を判断するテキスト領域判断処理と、
前記テキスト領域判断処理で判断した前記テキスト領域に対して、機械学習済文字認識アルゴリズムを用いてテキストデータの認識処理を行なうテキスト認識処理と、
前記テキスト認識処理で認識した前記テキストデータに対して、機械学習済単語抽出アルゴリズムを用いて薬の名称および分量を含む単語を抽出する抽出処理と、
を情報処理装置に実行させる処方箋読み取りプログラムであって、
前記機械学習済単語抽出アルゴリズムは、
処方箋において関連するテキストの各部分の形式を判断し、タグ付けするように学習されている第１アルゴリズムと、
処方箋における構文および順序を理解する様に学習されている第２アルゴリズムと、
を有し、
前記機械学習済単語抽出アルゴリズムは、前記第１アルゴリズムおよび前記第２アルゴリズムにより、各単語をデータベースに登録可能かつ利用可能な形式で整理し、
前記処方箋読み取りプログラムは、前記機械学習済単語抽出アルゴリズムによって整理された各単語を前記データベースに登録する処理と、
前記データベースに登録した読み取り結果を、レセプトを作成するコンピュータで読み取り可能な規格のＱＲコード（登録商標）に変換し、該ＱＲコード（登録商標）を前記データベースに登録する処理と、を前記情報処理装置に実行させる、
処方箋読み取りプログラム。
前記テキスト認識処理で認識した前記テキストデータのエラーを、機械学習済アルゴリズムで修正する修正処理をさらに実行させ、
前記抽出処理は、前記修正処理で修正されたテキストデータに対して行なわれる、
請求項１に記載の処方箋読み取りプログラム。
前記修正処理は、薬の名称辞典を用いた修正処理と、処方箋に含まれる特定のパターンを示すパターン辞典と、を用いて行なわれる、
請求項２に記載の処方箋読み取りプログラム。
前記レイアウトタイプ判断処理は、データベースに蓄積されたレイアウトタイプとの比較によって行なわれ、
前記データベースに一致するレイアウトタイプが無い場合に利用者からテキスト領域の操作を受け付けて、前記データベースに登録する登録処理をさらに実行させる、
請求項１乃至請求項３のいずれか１項に記載の処方箋読み取りプログラム。
処方箋データを受信する受信部と、
前記受信部で受信した前記処方箋データに基づいて、レイアウトタイプを判断するレイアウトタイプ判断部と、
前記レイアウトタイプ判断部で判断した前記レイアウトタイプに基づいて、テキスト領域を判断するテキスト領域判断部と、
前記テキスト領域判断部で判断した前記テキスト領域に対してテキストデータの認識処理を行なうテキスト認識部と、
前記テキスト認識部で認識した前記テキストデータに対して、機械学習済単語抽出アルゴリズムを用いて薬の名称および分量を含む単語を抽出する抽出部と、
を備えた処方箋読み取り装置であって、
前記機械学習済単語抽出アルゴリズムは、
処方箋において関連するテキストの各部分の形式を判断し、タグ付けするように学習されている第１アルゴリズムと、
処方箋における構文および順序を理解する様に学習されている第２アルゴリズムと、
を有し、
前記機械学習済単語抽出アルゴリズムは、前記第１アルゴリズムおよび前記第２アルゴリズムにより、各単語をデータベースに登録可能かつ利用可能な形式で整理し、
前記処方箋読み取り装置は、前記機械学習済単語抽出アルゴリズムによって整理された各単語を前記データベースに登録する処理と、
前記データベースに登録した読み取り結果を、レセプトを作成するコンピュータで読み取り可能な規格のＱＲコード（登録商標）に変換し、該ＱＲコード（登録商標）を前記データベースに登録する処理と、を実行する、
処方箋読み取り装置。