JP6974878B2

JP6974878B2 - 診療ガイドラインをコンピュータにて解釈可能なモデルに変換するための方法及びシステム

Info

Publication number: JP6974878B2
Application number: JP2020089402A
Authority: JP
Inventors: リー，サンヨン; マサラットフセイン
Original assignee: ユニバーシティ−インダストリーコーポレーショングループオブキョンヒユニバーシティ
Priority date: 2019-07-08
Filing date: 2020-05-22
Publication date: 2021-12-01
Anticipated expiration: 2040-05-22
Also published as: US12014825B2; KR20210006153A; US20210012896A1; KR102261078B1; JP2021012681A

Description

本発明は、診療ガイドラインをコンピュータにて解釈可能なモデルに変換するための方法及びこのシステムに関し、さらに詳しくは、医師が活用できるだけではなく、医師が臨床決定を下す上で役立たせる臨床意思決定支援システムの一部になるようにする、診療ガイドラインをコンピュータにて解釈可能なモデルに変換するための方法及びこのシステムに関する。

診療ガイドライン（ＣｌｉｎｉｃａｌＰｒａｃｔｉｃｅＧｕｉｄｅｌｉｎｅｓ：ＣＰＧ、標準的治療法ガイドライン、臨床実践ガイドラインとも呼ばれる）は、医療領域における診療の質を向上させ、医療スタッフの個人によっての診療のばらつきを低減させるためのツールである。とりわけ、診療ガイドラインは、診療の適切性に対する意思決定の問題を扱う。したがって、診療ガイドラインは、臨床診療（臨床実践）の行為者に具体的な行為（ａｃｔｉｏｎ）に対する勧告、助言、警告または報知を与える形態で実現される。

この種の診療ガイドラインは、臨床専門家の判断及び経験とともに、研究結果の証明を示す。臨床診療の変化を抑え、臨床コストを削減させ、治療の品質を向上させ、且つ、臨床医師が決定を下すときに、医療サービスプロバイダに証拠及び支援を提供するために膨大な診療ガイドラインへの取り組みが行われる。

しかしながら、診療ガイドラインは、臨床研究の結果と実際の臨床診療との間に大きな隔たりを引き起こす。研究結果と実際の臨床診療との隔たりの主な原因の一つは、診療ガイドラインのテキスト形式である。

この理由から、医療サービスプロバイダは、あらゆる関連する診療ガイドラインを記憶し、治療時点で限られた時間内に適切な内容を確認、検討及び決定するうえで困難さを抱えている。

従来には、診療ガイドラインをコンピュータにて解釈可能な形式に変換した後、モデルを生成して提供することにより、医療サービスプロバイダが疾病の特定の内容を識別し、且つ、標準化した医療決定を下す上で役立たせるようにしていた。

しかし、従来の技術においては、ほとんどの場合、コンピュータエンジニアだけではなく、医療領域の専門家が診療ガイドラインをコンピュータにて解釈可能な形式に変換してモデルを生成していた。すなわち、医療領域の専門家は、診療ガイドラインに述べられているプロセッサについて説明し、コンピュータエンジニアが、このような医療領域の専門家のプロセッサに基づいて、診療ガイドラインをコンピュータにて解釈可能な形式に変換してモデルを生成していた。

上述したような方法を用いて、診療ガイドラインをコンピュータにて解釈可能な形式に変換してモデルを生成する場合、モデルの正確性と有効性は、医療領域の専門家の知識及び相互間の理解に依存するため、医療領域の専門家の知識が足りない場合、モデルの生成に誤りが生じる可能性が高いという問題がある。

本発明は、医師が活用できるだけではなく、医師が臨床決定を下す上で役立たせる臨床意思決定支援システムの一部になるようにする、診療ガイドラインをコンピュータにて解釈可能なモデルに変換するための方法及びこのシステムを提供することを目的とする。

また、本発明は、診療ガイドラインをコンピュータが理解し易い形式に変換して、診療ガイドラインの使用量の増量を図るとともに、利害関係者の意思決定能力を向上させ、できる限り最新の知識及び証拠を遵守して医療サービスの提供を促す、診療ガイドラインをコンピュータにて解釈可能なモデルに変換するための方法及びこのシステムを提供することを目的とする。

さらに、本発明は、新たな知識を取り入れることにより、臨床意思決定支援システムを強化させて使用の効率性を増加させ、且つ、臨床知識の共有及び再使用性を増加させる、診療ガイドラインをコンピュータにて解釈可能なモデルに変換するための方法及びこのシステムを提供することを目的とする。

本発明の諸目的は、上述した目的に何ら制限されるものではなく、未言及の本発明の他の目的及びメリットは、下記の説明により理解することができ、本発明の実施形態によりさらに明らかに理解できる筈である。なお、本発明の目的及びメリットは、特許請求の範囲に開示されている手段及びその組み合わせにより実現できるということが理解し易い筈である。

このような目的を達成するための診療ガイドラインをコンピュータにて解釈可能なモデルに変換する方法は、診療ガイドラインを分析して取り出された複数の文章のそれぞれに推奨タグ及び非推奨タグの少なくとも一方のタグを割り当てるステップと、前記複数の文章のうち、非推奨タグが割り当てられた文章をフィルタリングした後、推奨タグが割り当てられた文章を取り出すステップと、知識データベースに基づいて、前記推奨タグが割り当てられた文章のそれぞれの第１の要素の文句及び第２の要素の文句が存在するか否かを識別して、前記第１の要素の文句及び第２の要素の文句をマッピングして保存するステップと、前記第１の要素の文句及び前記第２の要素の文句を特定のモデルに対応する形式に変換して最終的なモデルを生成するステップと、を含む。

また、このような目的を達成するための診療ガイドラインをコンピュータにて解釈可能なモデルに変換するシステムは、診療ガイドラインを分析して複数の文章をそれぞれ取り出す前処理部と、前記複数の文章のそれぞれに推奨タグ及び非推奨タグの少なくとも一方のタグを割り当て、前記複数の文章のうち、非推奨タグが割り当てられた文章をフィルタリングした後、推奨タグが割り当てられた文章を取り出すドキュメント読取部と、知識データベースに基づいて、前記推奨タグが割り当てられた文章のそれぞれの第１の要素の文句及び第２の要素の文句が存在するか否かを識別して、前記第１の要素の文句及び第２の要素の文句をマッピングして保存するマッピング部と、前記第１の要素の文句及び前記第２の要素の文句を特定のモデルに対応する形式に変換して最終的なモデルを生成する変換部と、を備える。

前述したような本発明によれば、医師が活用できるだけではなく、医師が臨床決定を下す上で役立たせる臨床意思決定支援システムの一部になるようにすることができるというメリットがある。

また、本発明によれば、診療ガイドラインをコンピュータが理解し易い形式に変換して、診療ガイドラインの使用量の増量を図るとともに、利害関係者の意思決定能力を向上させ、できる限り最新の知識及び証拠を遵守して医療サービスの提供を促すことができるというメリットがある。

さらに、本発明によれば、新たな知識を取り入れることにより、臨床意思決定支援システムを強化させて使用の効率性を増加させ、且つ、臨床知識の共有性及び再使用性を高めることができるというメリットがある。

本発明の一実施形態に係る診療ガイドラインをコンピュータにて解釈可能なモデルに変換するためのシステムを説明するための図である。本発明に係る診療ガイドラインをコンピュータにて解釈可能なモデルに変換するための方法の一実施形態を説明するためのフローチャートである。

前述した目的、特徴及びメリットは、添付図面に基づいて詳しく後述され、これにより、本発明が属する技術分野において通常の知識を有する者が本発明の技術的思想を容易に実施できる筈である。本発明について説明するにあたって、関連する公知の技術についての具体的な説明が本発明の要旨を余計に曖昧にする虞があると認められる場合にはその詳細な説明を省略する。以下、添付図面に基づいて、本発明に係る好適な実施形態について詳しく説明する。なお、図中、同じ参照符号は、同一もしくは類似の構成要素を指し示すうえで用いられる。

本明細書において用いられた用語のうち、「第１の要素の文句」とは、文章にある条件文句を意味する。

本明細書において用いられた用語のうち、「第２の要素の文句」とは、文章にある結果文句を意味する。

図１は、本発明の一実施形態に係る診療ガイドラインをコンピュータにて解釈可能なモデルに変換するためのシステムを説明するための図である。

図１を参照すると、診療ガイドラインをコンピュータにて解釈可能なモデルに変換するためのシステムは、前処理部１１０と、ドキュメント読取部１２０と、マッピング部１３０及び変換部１４０を備える。当該システムは、機能の一部として、前処理部１１０と、ドキュメント読取部１２０と、マッピング部１３０及び変換部１４０等の処理部を備えた、コンピュータ、サーバ、ワークステーション、クラウドシステム、モバイル端末等の情報処理装置より構成することができる。

前処理部１１０は、診療ガイドラインを分析して、予め決定されたフォーマット（例えば、文章）に変換して、複数の文章を取り出す。このような前処理部１１０は、ドキュメントロードモジュール１１１、形式変換モジュール１１２及び文章取出モジュール１１３を備える。

ドキュメントロードモジュール１１１は、診療ガイドラインをロードして形式変換モジュール１１２に与える。

形式変換モジュール１１２は、ドキュメントロードモジュール１１１によりロードされた診療ガイドラインの形式が予め決定された形式ではない場合、診療ガイドラインの形式を一般のテキストに変換する。

文章取出モジュール１１３は、形式変換モジュール１１２により変換された一般のテキストを文章単位で分析して、複数の文章を取り出す。このとき、文章取出モジュール１１３は、形態素解析及び構文解析を行うことで、一般のテキストを文章単位で分析して複数の文章を取り出すことができる。

ドキュメント読取部１２０は、前処理部１１０により取り出された複数の文章のそれぞれに推奨タグまたは非推奨タグを割り当てた後、複数の文章のそれぞれに割り当てられたタグの種類に応じて文章をフィルタリングして、残りの文章のみを利用できるようにする。

このようなドキュメント読取部１２０は、ＭＬ（マシンラーニング、機械学習）データベース１２１、パターンデータベース１２２、ＭＬに基づくタグ割当てモジュール１２３、パターンに基づくタグ割当てモジュール１２４、タグフィルタモジュール１２５、推奨文章取出モジュール１２６及び推奨文章データベース１２７を備える。

ＭＬデータベース１２１には、単純ベイズ分類器（ＮａｉｖｅＢａｙｅｓｃｌａｓｓｉｆｉｅｒ）、一般化線形モデル（ＧｅｎｅｒａｌｉｚｅｄＬｉｎｅｒＭｏｄｅｌ）、ディープラーニング（ＤｅｅｐＬｅａｒｎｉｎｇ）、決定木（ＤｅｃｉｓｉｏｎＴｒｅｅ）及びランダムフォレスト（ＲａｎｄｏｍＦｏｒｅｓｔ）が含まれる。

パターンデータベース１２２には、注釈別のパターンが保存されている。すなわち、パターンデータベース１２２には、注釈別に、当該注釈が推奨文章に割り当てられる注釈であるか、あるいは、非推奨文章に割り当てられる注釈であるかに関する情報が保存されている。

したがって、パターンに基づくタグ割当てモジュール１２４は、文章に割り当てられた注釈が存在する場合、パターンデータベース１２２に基づいて、注釈が、推奨文章に割り当てられる注釈であるか、あるいは、非推奨文章に割り当てられる注釈であるかを判断して、当該文章に推奨タグまたは非推奨タグを割り当てることができる。

ＭＬに基づくタグ割当てモジュール１２３は、ＭＬデータベース１２１に保存された分類方法を用いて、複数の文章のそれぞれに推奨タグまたは非推奨タグを割り当てる。すなわち、ＭＬに基づくタグ割当てモジュール１２３は、ＭＬデータベース１２１に保存された分類方法を用いて、文章が特定の患者の症状、条件、結果、措置及び手続きに対応すれば、推奨タグを割り当てることができ、通常の背景情報に対応すれば、非推奨タグを割り当てることができる。

一実施形態において、ＭＬに基づくタグ割当てモジュール１２３は、ＭＬデータベース１２１に保存された単純ベイズ分類器（ＮａｉｖｅＢａｙｅｓｃｌａｓｓｉｆｉｅｒ）を用いて、文章に対して、推奨文章または非推奨文章に分類可能にする特性の間において生じ得る相関性がないことを想定し、それぞれの特性が、文章が推奨文章である確率、または非推奨文章である確率のそれぞれを算出する。

その後、ＭＬに基づくタグ割当てモジュール１２３は、推奨文章である確率または非推奨文章である確率のうち、大きな方の確率に対応する文章の種類を当該文章の種類と判断してタグを割り当てる。すなわち、ＭＬに基づくタグ割当てモジュール１２３は、推奨文章である確率の方が非推奨文章である確率よりも大きな場合、文章に推奨タグを割り当て、推奨文章である確率の方が非推奨文章である確率よりも小さな場合、文章に非推奨タグを割り当てる。

パターンに基づくタグ割当てモジュール１２４は、パターンデータベース１２２に保存されたパターンを用いて、複数の文章のそれぞれに推奨タグまたは非推奨タグを割り当てる。すなわち、パターンに基づくタグ割当てモジュール１２４は、パターンデータベース１２２に保存された注釈別のパターンに基づいて、文章の注釈に応じて、推奨タグまたは非推奨タグを割り当てる。

一実施形態において、パターンに基づくタグ割当てモジュール１２４は、文章に注釈が割り当てられており、パターンデータベース１２２を参照して、注釈のパターンが推奨文章である場合、当該文章に推奨タグを割り当てることができる。

他の一実施形態において、パターンに基づくタグ割当てモジュール１２４は、文章に注釈が割り当てられており、パターンデータベース１２２を参照して、注釈のパターンが非推奨文章である場合、当該文章に非推奨タグを割り当てることができる。

前述したように、ＭＬに基づくタグ割当てモジュール１２３及びパターンに基づくタグ割当てモジュール１２４は、複数の文章のそれぞれに推奨タグまたは非推奨タグを割り当てるため、複数の文章のそれぞれには、一つのタグまたは二つのタグが割り当てられている。

タグフィルタモジュール１２５は、複数の文章のそれぞれに割り当てられたタグのうち、非推奨タグが割り当てられた文章をフィルタリングする。

一実施形態において、タグフィルタモジュール１２５は、複数の文章のそれぞれに割り当てられたタグが一つである場合、当該文章に割り当てられたタグの種類に応じて、文章をフィルタリングする。

上記の実施形態において、タグフィルタモジュール１２５は、文章に割り当てられたタグの種類が非推奨タグである場合、当該文章をフィルタリングし、文章に割り当てられたタグの種類が推奨タグである場合、当該文章をフィルタリングしない。

他の一実施形態において、タグフィルタモジュール１２５は、複数の文章のそれぞれに割り当てられたタグが二つである場合、当該文章に割り当てられたタグの種類が同じであるか、あるいは、異なるかに応じて、文章をフィルタリングする。

上記の実施形態において、タグフィルタモジュール１２５は、文章に割り当てられた二つのタグの種類が同じであり、且つ、両方とも非推奨タグである場合、当該文章をフィルタリングし、タグフィルタモジュール１２５は、文章に割り当てられた二つのタグの種類が互いに異なる場合、当該文章をＭＬに基づくタグ割当てモジュール１２３及びパターンに基づくタグ割当てモジュール１２４のそれぞれに与えてタグを割り当て直すようにする。

その後、タグフィルタモジュール１２５は、ＭＬに基づくタグ割当てモジュール１２３及びパターンに基づくタグ割当てモジュール１２４のそれぞれから文章を受信したタグに基づいて、文章をフィルタリングする。

推奨文章取出モジュール１２６は、複数の文章のうち、タグフィルタモジュール１２５によりフィルタリングされた文章を除く残りの文章を推奨文章データベース１２７に保存する。したがって、推奨文章データベース１２７には、推奨タグが割り当てられている文章が保存される。

マッピング部１３０は、ドキュメント読取部１２０の推奨文章データベース１２７に保存された推奨タグが割り当てられている文章において、症状、手続き、条件及び結果のそれぞれに対する関係を決定し且つ区別する。

このようなマッピング部１３０は、知識データベース１３１、文章ロードモジュール１３２、条件識別モジュール１３３、結果識別モジュール１３４及びマッピングモジュール１３５を備える。

知識データベース１３１には、文章のそれぞれの臨床的な条件及び結果が保存されている。したがって、条件識別モジュール１３３及び結果識別モジュール１３４は、知識データベース１３１に保存された臨床的な条件及び結果に基づいて、文章に条件文句及び結果文句のそれぞれが存在するか否かを識別することができる。

また、知識データベース１３１に保存された臨床的な条件及び結果は、臨床的な条件のそれぞれの相関度合いに応じて並べ替えられて保存される。したがって、知識データベース１３１に保存された特定の文章は、前の文章及び後の文章と相互に関連ある。

このように、知識データベース１３１に保存された文章が相互間の相関度合いに応じて並べ替えられて保存されている理由は、マッピングモジュール１３５が、推奨タグが割り当てられた文章に条件文句または結果文句が存在しない場合、知識データベース１３１の前の文章または後の文章を用いて、条件文句または結果文句を生成できるようにするためである。

文章ロードモジュール１３２は、ドキュメント読取部１２０の推奨文章データベース１２７に保存された推奨タグが割り当てられている文章を順番にロードする。

条件識別モジュール１３３は、知識データベース１３１を用いて、推奨文章データベース１２７に基づいて、推奨タグが割り当てられている文章内の条件文句を識別する。

結果識別モジュール１３４は、知識データベース１３１を用いて、推奨文章データベース１２７に保存された推奨タグが割り当てられている文章内の結果文句を識別する。

マッピングモジュール１３５は、条件識別モジュール１３３により識別された条件文句及び結果識別モジュール１３４により識別された結果文字をマッピングする。

しかしながら、推奨タグが割り当てられている文章は、条件文句及び結果文句を両方とも含んでいてもよいが、そうではない場合もある。すなわち、推奨タグが割り当てられている文章は、条件文句及び結果文句を両方とも含んでいてもよく、条件文句のみまたは結果文句のみを含んでいてもよい。

前述したように、推奨タグが割り当てられている文章が条件文句及び結果文句を両方とも含んでいる場合、いうまでもなく、条件識別モジュール１３３により条件文句が識別され、結果識別モジュール１３４により結果文句が識別される。

しかしながら、推奨タグが割り当てられている文章が条件文句のみを含んでいる場合、いうまでもなく、条件識別モジュール１３３により条件文句が識別されるものの、結果識別モジュール１３４により結果文句が識別されない。なお、推奨タグが割り当てられている文章が結果文句のみを含んでいる場合、いうまでもなく、条件識別モジュール１３３により条件文句が識別されず、且つ、結果識別モジュール１３４により結果文句が識別される。

一実施形態において、マッピングモジュール１３５は、条件識別モジュール１３３により識別された条件文句及び結果識別モジュール１３４により識別された結果文句が存在する場合、条件識別モジュール１３３により識別された条件文句及び結果識別モジュール１３４により識別された結果文句をマッピングして保存する。

他の一実施形態において、マッピングモジュール１３５は、条件識別モジュール１３３により識別された条件文句が存在せず、且つ、結果識別モジュール１３４により識別された結果文句が存在する場合、結果識別モジュール１３４が結果文句を識別するとき知識データベース１３１において使用した文章の前の文章及び後の文章を用いて条件文句を生成した後、条件文句及び結果識別モジュール１３４により識別された結果文句をマッピングして保存する。

さらに他の一実施形態において、マッピングモジュール１３５は、条件識別モジュール１３３により識別された条件文句が存在し、且つ、結果識別モジュール１３４により識別された結果文句が存在しない場合、条件識別モジュール１３３が条件文句を識別するとき知識データベース１３１において使用した文章の前の文章及び後の文章を用いて結果文句を生成した後、条件識別モジュール１３３により識別された条件文句及び結果文句をマッピングして保存する。

変換部１４０は、マッピング部１３０によりマッピングされた条件文句及び結果文句を用いて、コンピュータが演算可能なモデルに変換する。このような変換部１４０は、モデルロードモジュール１４２、モデル並替えモジュール１４３及びモデル生成モジュール１４４を備える。

モデルロードモジュール１４２は、複数のコンピュータにて解釈可能なモデルのうち、変換の対象となるモデルをロードする。その理由は、モデル生成モジュール１４４が、マッピング部１３０によりマッピングされた条件文句及び結果文句をコンピュータにて演算可能なモデルに変換する基準となるモデルを選定するためである。本発明の一実施形態において、モデルロードモジュール１４２は、複数のコンピュータにて解釈可能なモデルのうち、リップルダウンルール（ＲＤＲ：ＲｉｐｐｌｅＤｏｗｎＲｕｌｅ）モデルをロードする。

モデル並替えモジュール１４３は、マッピング部１３０によりマッピングされた条件文句及び結果文句をモデルロードモジュール１４２によりロードされた変換の対象となるモデルに合わせて並べ替える。

一実施形態において、モデル並替えモジュール１４３は、条件文句のそれぞれの類似度に応じて、条件文句を並べ替えることができる。すなわち、モデル並替えモジュール１４３は、条件文句のそれぞれの単語が一致すれば、一致する単語の数に応じて類似度を算出した後、類似度が特定の値以上である条件文句及び結果文句を同じグループにグループ分けして並べ替える。これにより、同じグループにある第１の条件文句及び第２の条件文句は、いうまでもなく、類似している臨床的な条件を含んでいる。

モデル生成モジュール１４４は、モデル並替えモジュール１４３により並べ替えられた条件文句及び結果文句を用いて、リップルダウンルールモデルを生成する。このような過程を経て生成されたリップルダウンルールモデルは、人間の専門家とコンピュータの両方が理解することができる。このとき、本発明においては、リップルダウンルールモデルを使用しているが、変換の対象となるモデルの種類は変更可能である。

一実施形態において、モデル生成モジュール１４４は、条件文句及び結果文句を木状に実現してもよい。このために、モデル生成モジュール１４４は、グループに含まれている条件文句及び結果文句を同じ木の子ノードとして形成することができる。

上記の過程を経て生成されたリップルダウンルールモデルは、診療ガイドラインを理解し且つ活用するために、医療サービスプロバイダが活用することができ、臨床決定を下すことができる。なお、診療ガイドラインが、正確であり、且つ、標準化した臨床決定を下す上で役立つ臨床情報システムの知識源として使用可能であるというメリットがある。

図２は、本発明に係る診療ガイドラインをコンピュータにて解釈可能なモデルに変換するための方法の一実施形態を説明するためのフローチャートである。

図２を参照すると、診療ガイドラインをコンピュータにて解釈可能なモデルに変換するシステムは、診療ガイドラインを分析して複数の文章のそれぞれを取り出す（ステップＳ２００）。

診療ガイドラインをコンピュータにて解釈可能なモデルに変換するシステムは、取り出された複数の文章のそれぞれに推奨タグ及び非推奨タグの少なくとも一方のタグを割り当てる（ステップＳ２１０）。

診療ガイドラインをコンピュータにて解釈可能なモデルに変換するシステムは、複数の文章のうち、非推奨タグが割り当てられた文章をフィルタリングした後、推奨タグが割り当てられた文章を取り出す（ステップＳ２２０）。

ステップＳ２２０に対する一実施形態において、診療ガイドラインをコンピュータにて解釈可能なモデルに変換するシステムは、複数の文章のそれぞれに割り当てられたタグが一つである場合、当該文章に割り当てられたタグの種類に応じて文章をフィルタリングする。

上記の実施形態において、診療ガイドラインをコンピュータにて解釈可能なモデルに変換するシステムは、文章に割り当てられたタグの種類が非推奨タグである場合、当該文章をフィルタリングし、文章に割り当てられたタグの種類が推奨タグである場合、当該文章をフィルタリングしない。

ステップＳ２２０に対する他の一実施形態において、診療ガイドラインをコンピュータにて解釈可能なモデルに変換するシステムは、複数の文章のそれぞれに割り当てられたタグが二つである場合、当該文章に割り当てられたタグの種類が同じであるか、あるいは、互いに異なるかに応じて文章をフィルタリングする。

上記の実施形態において、診療ガイドラインをコンピュータにて解釈可能なモデルに変換するシステムは、文章に割り当てられた二つのタグの種類が同じであり、且つ、両方とも非推奨タグである場合、当該文章をフィルタリングし、タグフィルタモジュール１２５は、文章に割り当てられた二つのタグの種類が互いに異なる場合、当該文章にタグを割り当て直すようにする。

診療ガイドラインをコンピュータにて解釈可能なモデルに変換するシステムは、知識データベースに基づいて、前記推奨タグが割り当てられた文章のそれぞれの条件文句及び結果文句が存在するか否かを識別する（ステップＳ２３０）。

このとき、知識データベースには、文章のそれぞれの臨床的な条件及び結果が保存されている。したがって、診療ガイドラインをコンピュータにて解釈可能なモデルに変換するシステムは、知識データベースに保存された臨床的な条件及び結果に基づいて、文章に条件文句及び結果文句のそれぞれが存在するか否かを識別することができるのである。

また、知識データベースに保存された臨床的な条件及び結果は、臨床的な条件のそれぞれの相関度合いに応じて並べ替えられて保存される。このように、知識データベースに保存された文章が相互間の相関度合いに応じて並べ替えられて保存されている理由は、推奨タグが割り当てられた文章に条件文句または結果文句が存在しない場合、知識データベースの前の文章または後の文章を用いて、条件文句または結果文句を生成できるようにするためである。

診療ガイドラインをコンピュータにて解釈可能なモデルに変換するシステムは、条件文句及び結果文句をマッピングして保存する（ステップＳ２４０）。

ステップＳ２４０に対する一実施形態において、診療ガイドラインをコンピュータにて解釈可能なモデルに変換するシステムは、知識データベースに基づいて、推奨タグが割り当てられた文章のそれぞれの条件文句及び結果文句が存在すれば、前記条件文句及び前記結果文句をマッピングして保存する。

ステップＳ２４０に対する他の一実施形態において、診療ガイドラインをコンピュータにて解釈可能なモデルに変換するシステムは、推奨タグが割り当てられた文章のそれぞれに前記条件文句が存在し、且つ、結果文句が存在しなければ、前記条件文句を識別するとき前記知識データベースにおいて使用した文章の前の文章及び後の文章を用いて結果文句を生成した後、前記条件文句及び前記生成された結果文句をマッピングして保存する。

ステップＳ２４０に対するさらに他の一実施形態において、診療ガイドラインをコンピュータにて解釈可能なモデルに変換するシステムは、推奨タグが割り当てられた文章のそれぞれに条件文句が存在せず、且つ、前記結果文句が存在すれば、前記結果文句を識別するとき前記知識データベースにおいて使用した文章の前の文章及び後の文章を用いて条件文句を生成した後、前記生成された条件文句及び前記結果文句をマッピングして保存する。

診療ガイドラインをコンピュータにて解釈可能なモデルに変換するシステムは、条件文句及び前記結果文句を前記特定のモデルに対応する形式に変換して最終的なモデルを生成する（ステップＳ２５０）。

以上述べたように、本発明は、たとえ限定された実施形態と図面により説明されたが、本発明は、上記の実施形態に何ら限定されるものではなく、本発明が属する技術分野において通常の知識を有する者であれば、このような記載から種々の修正及び変形を加えることができる。よって、本発明の思想は、次に記載されている特許請求の範囲によってのみ把握されなければならず、この均等または等価的な変形のすべては、本発明の思想の範囲に属するものといえる筈である。

１１０：前処理部
１２０：ドキュメント読取部
１２１：ＭＬデータベース、
１２２：パターンデータベース、
１２３：ＭＬに基づくタグ割当てモジュール、
１２４：パターンに基づくタグ割当てモジュール、
１２５：タグフィルタモジュール、
１２６：推奨文章取出モジュール
１２７：推奨文章データベース
１３０：マッピング部
１３１：知識データベース、
１３２：文章ロードモジュール、
１３３：条件識別モジュール、
１３４：結果識別モジュール
１３５：マッピングモジュール、
１４０：変換部

Claims

情報処理装置によって実行されるステップとして、
診療ガイドラインを分析して取り出された複数の文章のそれぞれに推奨タグ及び非推奨タグの少なくとも一方のタグを割り当てるステップと、
前記複数の文章のうち、非推奨タグが割り当てられた文章をフィルタリングした後、推奨タグが割り当てられた文章を取り出すステップと、
知識データベースに基づいて、前記推奨タグが割り当てられた文章のそれぞれの第１の要素の文句及び第２の要素の文句が存在するか否かを識別して、前記第１の要素の文句及び第２の要素の文句をマッピングして保存するステップと、
前記第１の要素の文句及び前記第２の要素の文句を特定のモデルに対応する形式に変換して最終的なモデルを生成するステップと、
を含み、
前記第１の要素の文句及び第２の要素の文句をマッピングして保存するステップは、
前記知識データベースに基づいて、前記推奨タグが割り当てられた文章のそれぞれの第１の要素の文句及び第２の要素の文句が存在すれば、前記第１の要素の文句及び前記第２の要素の文句をマッピングして保存するステップと、
前記推奨タグが割り当てられた文章のそれぞれに第１の要素の文句及び第２の要素の文句のどちらか一方が存在しなければ、前記知識データベースに基づいて、前記存在しない要素に対する文句を生成した後、マッピングして保存するステップと、
を含むことを特徴とする、
診療ガイドラインをコンピュータにて解釈可能なモデルに変換する方法。
情報処理装置によって実行されるステップとして、
診療ガイドラインを分析して取り出された複数の文章のそれぞれに推奨タグ及び非推奨タグの少なくとも一方のタグを割り当てるステップと、
前記複数の文章のうち、非推奨タグが割り当てられた文章をフィルタリングした後、推奨タグが割り当てられた文章を取り出すステップと、
知識データベースに基づいて、前記推奨タグが割り当てられた文章のそれぞれの第１の要素の文句及び第２の要素の文句が存在するか否かを識別して、前記第１の要素の文句及び第２の要素の文句をマッピングして保存するステップと、
前記第１の要素の文句及び前記第２の要素の文句を特定のモデルに対応する形式に変換して最終的なモデルを生成するステップと、
を含み、
前記第１の要素の文句及び第２の要素の文句をマッピングして保存するステップは、
前記推奨タグが割り当てられた文章のそれぞれに前記第１の要素の文句が存在し、且つ、前記第２の要素の文句が存在しなければ、前記第１の要素の文句を識別するときに前記知識データベースにおいて使用した文章の前の文章及び後の文章を用いて第２の要素の文句を生成した後、前記第１の要素の文句及び前記生成された第２の要素の文句をマッピングして保存するステップと、
前記推奨タグが割り当てられた文章のそれぞれに前記第１の要素の文句が存在せず、且つ、前記第２の要素の文句が存在すれば、前記第２の要素の文句を識別するときに前記知識データベースにおいて使用した文章の前の文章及び後の文章を用いて第１の要素の文句を生成した後、前記生成された第１の要素の文句及び前記第２の要素の文句をマッピングして保存するステップと、
を含むことを特徴とする、
診療ガイドラインをコンピュータにて解釈可能なモデルに変換する方法。
前記第１の要素の文句及び前記第２の要素の文句を前記特定のモデルに対応する形式に変換して最終的なモデルを生成するステップは、
前記第１の要素の文句及び前記第２の要素の文句を変換の対象となるモデルに合わせて並べ替えるステップと、
前記並べ替えられた前記第１の要素の文句及び前記第２の要素の文句を用いて前記最終的なモデルを生成するステップと、
を含むことを特徴とする、
請求項１または請求項２に記載の診療ガイドラインをコンピュータにて解釈可能なモデルに変換する方法。
診療ガイドラインを分析して複数の文章をそれぞれ取り出す前処理部と、
前記複数の文章のそれぞれに推奨タグ及び非推奨タグの少なくとも一方のタグを割り当て、前記複数の文章のうち、非推奨タグが割り当てられた文章をフィルタリングした後、推奨タグが割り当てられた文章を取り出すドキュメント読取部と、
知識データベースに基づいて、前記推奨タグが割り当てられた文章のそれぞれの第１の要素の文句及び第２の要素の文句が存在するか否かを識別して、前記第１の要素の文句及び第２の要素の文句をマッピングして保存するマッピング部と、
前記第１の要素の文句及び前記第２の要素の文句を特定のモデルに対応する形式に変換して最終的なモデルを生成する変換部と、
を備え、
前記マッピング部は、
前記知識データベースに基づいて、前記推奨タグが割り当てられた文章のそれぞれの第１の要素の文句及び第２の要素の文句が存在すれば、前記第１の要素の文句及び前記第２の要素の文句をマッピングして保存し、前記推奨タグが割り当てられた文章のそれぞれに第１の要素の文句及び第２の要素の文句のどちらか一方が存在しなければ、前記知識データベースに基づいて、前記存在しない要素に対する文句を生成した後、マッピングして保存することを特徴とする、
診療ガイドラインをコンピュータにて解釈可能なモデルに変換するシステム。
診療ガイドラインを分析して複数の文章をそれぞれ取り出す前処理部と、
前記複数の文章のそれぞれに推奨タグ及び非推奨タグの少なくとも一方のタグを割り当て、前記複数の文章のうち、非推奨タグが割り当てられた文章をフィルタリングした後、推奨タグが割り当てられた文章を取り出すドキュメント読取部と、
知識データベースに基づいて、前記推奨タグが割り当てられた文章のそれぞれの第１の要素の文句及び第２の要素の文句が存在するか否かを識別して、前記第１の要素の文句及び第２の要素の文句をマッピングして保存するマッピング部と、
前記第１の要素の文句及び前記第２の要素の文句を特定のモデルに対応する形式に変換して最終的なモデルを生成する変換部と、
を備え、
前記マッピング部は、
前記推奨タグが割り当てられた文章のそれぞれに前記第１の要素の文句が存在し、且つ、前記第２の要素の文句が存在しなければ、前記第１の要素の文句を識別するときに前記知識データベースにおいて使用した文章の前の文章及び後の文章を用いて第２の要素の文句を生成した後、前記第１の要素の文句及び前記生成された第２の要素の文句をマッピングして保存し、前記推奨タグが割り当てられた文章のそれぞれに前記第１の要素の文句が存在せず、且つ、前記第２の要素の文句が存在すれば、前記第２の要素の文句を識別するときに前記知識データベースにおいて使用した文章の前の文章及び後の文章を用いて第１の要素の文句を生成した後、前記生成された第１の要素の文句及び前記第２の要素の文句をマッピングして保存することを特徴とする、
診療ガイドラインをコンピュータにて解釈可能なモデルに変換するシステム。
前記変換部は、
前記第１の要素の文句及び前記第２の要素の文句を変換の対象となるモデルに合わせて並べ替え、前記並べ替えられた前記第１の要素の文句及び前記第２の要素の文句を用いて前記最終的なモデルを生成することを特徴とする、
請求項４または請求項５に記載の診療ガイドラインをコンピュータにて解釈可能なモデルに変換するシステム。