JP6995233B1 - 情報処理システム、コンピュータシステム及びプログラム - Google Patents
情報処理システム、コンピュータシステム及びプログラム Download PDFInfo
- Publication number
- JP6995233B1 JP6995233B1 JP2021064896A JP2021064896A JP6995233B1 JP 6995233 B1 JP6995233 B1 JP 6995233B1 JP 2021064896 A JP2021064896 A JP 2021064896A JP 2021064896 A JP2021064896 A JP 2021064896A JP 6995233 B1 JP6995233 B1 JP 6995233B1
- Authority
- JP
- Japan
- Prior art keywords
- drug
- target
- indication
- patients
- time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Abstract
【課題】医薬品が対象適応症に対して処方される将来の患者数または将来の売上額の予測にかかる労力を低減する情報処理システム、コンピュータシステム及びプログラムを提供する。【解決手段】情報処理システムにおいて、端末装置は、対象薬剤及び対象適応症とモデル薬剤を識別する薬剤識別情報を受け付け、コンピュータシステムへ送信する。コンピュータシステムは、モデル薬剤の適応症に対するジェネリック薬品またはオーソライズドジェネリック薬品の販売後の処方患者数減少率の時系列変化を用いて、販売後の処方患者数の時系列予測を決定し、得られた対象薬剤の対象適応症に対する処方患者数の時系列予測値及び／または対象薬剤の対象適応症に対する売上の時系列予測値を端末装置へ送信する。端末装置は、送信された対象薬剤の対象適応症に対する売上の時系列予測値を受信し、受信した対象薬剤の対象適応症に対する売上の時系列予測値を表示制御する。【選択図】図２６
Description
本発明は、情報処理システム、コンピュータシステム及びプログラムに関する。
レセプトデータには、一定期間内に患者に対して行なわれた医療行為に応じた医療費の実績値が含まれる場合がある。特許文献１には、地域毎の医療機関端末から、一定期間内に患者に対して行なわれた医療行為に応じた医療費の実績値が含まれるレセプトデータを受信し、地域毎の医療費の推定値と、地域毎の医療費の実績値とを比較し、比較結果を出力する地域医療連携支援サーバが開示されている。
レセプトデータには、一定期間内に患者に対して行なわれた医療行為に応じた医療費の過去の実績値が得られる。しかしながら、医薬品が対象適応症に対して処方される将来の患者数または医薬品の対象適応症に対する将来の売上額を予測するのは労力がかかるという問題がある。
本発明は、上記問題に鑑みてなされたものであり、医薬品が対象適応症に対して処方される将来の患者数または将来の売上額の予測にかかる労力を低減することを可能とする情報処理システム、コンピュータシステム及びプログラムを提供することを目的とする。
本発明の第１の態様に係る情報処理システムは、端末装置と、当該端末装置と情報交換可能に接続されたコンピュータシステムとを備える情報処理システムであって、前記端末装置は、対象薬剤及び対象適応症の入力を受け付け、当該対象薬剤が参照する少なくとも１つ以上のモデル薬剤を受け付け、前記受け付けた対象薬剤及び対象適応症と当該モデル薬剤を識別する薬剤識別情報を前記コンピュータシステムへ送信し、前記コンピュータシステムは、前記対象薬剤及び前記対象適応症と前記少なくとも１つ以上のモデル薬剤を識別する薬剤識別情報を受信し、当該少なくとも一つ以上のモデル薬剤の前記適応症に対するジェネリック薬品またはオーソライズドジェネリック薬品の販売後の処方患者数減少率の時系列変化を用いて、前記対象薬剤の前記適応症に対するジェネリック薬品またはオーソライズドジェネリック薬品の販売後の処方患者数の時系列予測を決定し、得られた対象薬剤の対象適応症に対する処方患者数の時系列予測値、及び／または当該対象薬剤の対象適応症に対する売上の時系列予測値を前記端末装置へ送信し、前記端末装置は、前記送信された対象薬剤の対象適応症に対する売上の時系列予測値を受信し、当該受信した対象薬剤の対象適応症に対する売上の時系列予測値を表示制御する。
この構成によれば、モデル薬剤の対象適応症に対するジェネリック薬品またはオーソライズドジェネリック薬品の販売後の患者数減少率の時系列変化から、対象薬剤の対象適応症に対する処方患者数の時系列予測値、及び／または当該対象薬剤の対象適応症に対する売上の時系列予測値を決定するので、予測の精度を向上させることができる。また医薬品が対象適応症に対して処方される将来の患者数または将来の売上額の予測にかかる労力を低減することができる。
本発明の第２の態様に係る情報処理システムは、第１の態様に係る情報処理システムであって、前記コンピュータシステムは、前記モデル薬剤の寄与度を決定し、前記モデル薬剤に対するジェネリック薬品またはオーソライズドジェネリック薬品の販売後の売上減少率の時系列変化を、当該寄与度で重みづけ平均することによって、前記対象薬剤のジェネリック薬品またはオーソライズドジェネリック薬品の販売後の売上減少率の時系列予測を決定する。
この構成によれば、寄与度で重みづけ平均することによって、予測の精度を向上させることができる。
本発明の第３の態様に係る情報処理システムは、第１または２の態様に係る情報処理システムであって、前記コンピュータシステムは、ユーザによって選択された期間内に対象薬剤の特許失効年月の６か月前以降が含まれている場合、オーソライズドジェネリック薬品の影響を加味するか否かをユーザが選択可能に表示するための情報を送信し、前記コンピュータシステムは、ユーザによって選択された期間内に対象薬剤の特許失効年月以降が含まれている場合、ジェネリック薬品の影響を加味するか否かをユーザが選択可能に表示するための情報を送信し、前記コンピュータシステムは、ジェネリック薬品の影響を加味する旨、オーソライズドジェネリック薬品の影響を加味する旨またはその両方に対するユーザの選択があった場合、前記対象薬剤の前記適応症に対するジェネリック薬品またはオーソライズドジェネリック薬品の販売後の処方患者数の時系列予測を決定する。
この構成によれば、ジェネリック薬品の影響及び／またはオーソライズドジェネリック薬品の影響を加味するかのユーザの選択に応じて、ジェネリック薬品の影響及び／またはオーソライズドジェネリック薬品の影響を加味して患者数の時系列予測することができる。
本発明の第４の態様に係る情報処理システムは、端末装置と、当該端末装置と情報交換可能に接続されたコンピュータシステムとを備える情報処理システムであって、前記端末装置は、対象薬剤及び対象適応症の入力を受け付け、モデル薬剤を受け付け、前記受け付けた対象薬剤及び対象適応症と、前記モデル薬剤を識別する薬剤識別情報を前記コンピュータシステムへ送信し、前記コンピュータシステムは、前記対象薬剤の対象適応症の単位期間の新規処方患者予測数を決定し、当該単位期間の新規処方患者予測数に対して、当該単位期間の継続率予測を乗じ、前記対象適応症に対応するアンメットニーズ指標に応じて補正して、得られた前記対象薬剤の前記対象適応症に対する処方患者数の時系列予測値、及び／または前記対象薬剤の前記対象適応症に対する売上の時系列予測値を前記端末装置へ送信し、前記端末装置は、前記送信された対象薬剤の対象適応症に対する処方患者数の時系列予測値、及び／または当該対象薬剤の対象適応症に対する売上の時系列予測値を受信し、当該受信した対象薬剤の対象適応症に対する処方患者数の時系列予測値、及び／または当該対象薬剤の対象適応症に対する売上の時系列予測値を表示制御する。
この構成によれば、アンメットニーズを考慮して処方患者数の時系列予測値売上の時系列予測値を決定するので、予測の精度を向上させることができる。また医薬品が対象適応症に対して処方される将来の処方患者数または将来の売上額の予測にかかる労力を低減することができる。
本発明の第５の態様に係るコンピュータシステムは、対象薬剤及び対象適応症の入力を受け付け、当該対象薬剤が参照する少なくとも１つ以上のモデル薬剤を取得する取得部と、少なくとも一つ以上のモデル薬剤の前記適応症に対するジェネリック薬品またはオーソライズドジェネリック薬品の販売後の処方患者数減少率の時系列変化を用いて、前記対象薬剤の前記適応症に対するジェネリック薬品またはオーソライズドジェネリック薬品の販売後の処方患者数の時系列予測を決定し、得られた対象薬剤の対象適応症に対する処方患者数の時系列予測値、及び／または当該対象薬剤の対象適応症に対する売上の時系列予測値を出力する処理部と、を備える。
この構成によれば、モデル薬剤の対象適応症に対するジェネリック薬品またはオーソライズドジェネリック薬品の販売後の処方患者数減少率の時系列変化から、対象薬剤の対象適応症に対する処方患者数の時系列予測値、及び／または当該対象薬剤の対象適応症に対する売上の時系列予測値を決定するので、予測の精度を向上させることができる。また医薬品が対象適応症に対して処方される将来の処方患者数または将来の売上額の予測にかかる労力を低減することができる。
本発明の第６の態様に係るコンピュータシステムは、ユーザによって入力された対象薬剤及び対象適応症と、当該対象薬剤が参照するモデル薬剤を取得する取得部と、前記対象薬剤の対象適応症の単位期間の新規処方患者予測数を決定し、当該単位期間の新規処方患者予測数に対して、当該単位期間の継続率予測を乗じ、前記取得した対象適応症に対応するアンメットニーズ指標に応じて補正して、得られた前記対象薬剤の前記対象適応症に対する処方患者数の時系列予測値、及び／または前記対象薬剤の前記対象適応症に対する売上の時系列予測値処理部と、を備える。
この構成によれば、アンメットニーズを考慮して処方患者数の時系列予測値売上の時系列予測値を決定するので、予測の精度を向上させることができる。また医薬品が対象適応症に対して処方される将来の処方患者数または将来の売上額の予測にかかる労力を低減することができる。
本発明の第７の態様に係るプログラムは、コンピュータに、対象薬剤及び対象適応症の入力を受け付け、当該対象薬剤が参照する少なくとも１つ以上のモデル薬剤を取得する取得手順と、少なくとも一つ以上のモデル薬剤の前記適応症に対するジェネリック薬品またはオーソライズドジェネリック薬品の販売後の処方患者数減少率の時系列変化を用いて、前記対象薬剤の前記適応症に対するジェネリック薬品またはオーソライズドジェネリック薬品の販売後の処方患者数の時系列予測を決定し、得られた対象薬剤の対象適応症に対する処方患者数の時系列予測値、及び／または当該対象薬剤の対象適応症に対する売上の時系列予測値を出力する処理手順と、を実行させるためのプログラムである。
この構成によれば、モデル薬剤の対象適応症に対するジェネリック薬品またはオーソライズドジェネリック薬品の販売後の患者数減少率の時系列変化から、対象薬剤の対象適応症に対する処方患者数の時系列予測値、及び／または当該対象薬剤の対象適応症に対する売上の時系列予測値を決定するので、予測の精度を向上させることができる。また医薬品が対象適応症に対して処方される将来の処方患者数または将来の売上額の予測にかかる労力を低減することができる。
本発明の第８の態様に係るプログラムは、コンピュータに、ユーザによって入力された対象薬剤及び対象適応症と、当該対象薬剤が参照するモデル薬剤を取得する取得手順と、前記対象薬剤の対象適応症の単位期間の新規処方患者予測数を決定し、当該単位期間の新規処方患者予測数に対して、当該単位期間の継続率予測を乗じ、前記取得した対象適応症に対応するアンメットニーズ指標に応じて補正して、得られた前記対象薬剤の前記対象適応症に対する処方患者数の時系列予測値、及び／または前記対象薬剤の前記対象適応症に対する売上の時系列予測値を出力する処理手順と、を実行させるためのプログラムである。
この構成によれば、アンメットニーズを考慮して処方患者数の時系列予測値売上の時系列予測値を決定するので、予測の精度を向上させることができる。また医薬品が対象適応症に対して処方される将来の処方患者数または将来の売上額の予測にかかる労力を低減することができる。
本発明の一態様によれば、モデル薬剤の対象適応症に対するジェネリック薬品またはオーソライズドジェネリック薬品の販売後の患者数減少率の時系列変化から、対象薬剤の対象適応症に対する処方患者数の時系列予測値、及び／または当該対象薬剤の対象適応症に対する売上の時系列予測値を決定するので、予測の精度を向上させることができる。また医薬品が対象適応症に対して処方される将来の処方患者数または将来の売上額の予測にかかる労力を低減することができる。
本発明の別の態様によれば、アンメットニーズを考慮して処方患者数の時系列予測値売上の時系列予測値を決定するので、予測の精度を向上させることができる。また医薬品が対象適応症に対して処方される将来の処方患者数または将来の売上額の予測にかかる労力を低減することができる。
本発明の別の態様によれば、アンメットニーズを考慮して処方患者数の時系列予測値売上の時系列予測値を決定するので、予測の精度を向上させることができる。また医薬品が対象適応症に対して処方される将来の処方患者数または将来の売上額の予測にかかる労力を低減することができる。
以下、各実施形態について、図面を参照しながら説明する。但し、必要以上に詳細な説明は省略する場合がある。例えば、既によく知られた事項の詳細説明や実質的に同一の構成に対する重複説明を省略する場合がある。これは、以下の説明が不必要に冗長になるのを避け、当業者の理解を容易にするためである。以下、各実施形態では、医薬品を薬剤と称して説明する。
図１は、各実施形態に係る情報処理システムの概略構成図である。図１に示すように、情報処理システムＳは、端末装置１－１～１－Ｎと通信回路網ＣＮを介して接続されたコンピュータシステム２とを備える。
端末装置１－１～１－Ｎは、別々のユーザ（例えば、製薬会社の担当者）が使用されるもので、例えば、多機能携帯電話（いわゆるスマートフォン）などの携帯電話、タブレット、ノートパソコン、またはデスクトップパソコンなどである。各実施形態では、端末装置１－１～１－Ｎには、例えばＷＥＢブラウザを介して、コンピュータシステム２から送信された情報が表示されるものとして以下説明する。
コンピュータシステム２は、各実施形態に係る情報処理システムＳを管理する管理団体によって使用されるものである。コンピュータシステム２は端末装置１－１～１－Ｎに対して情報を提供する。コンピュータシステム２は、一台のコンピュータであってもよいし、複数のコンピュータであってもよい。以下、端末装置１－１～１－Ｎを総称して端末装置１とも呼ぶ。
図２は、各実施形態に係る端末装置の概略構成図である。図２に示すように、端末装置１は例えば、入力インタフェース１１と、通信モジュール１２と、ストレージ１３と、メモリ１４と、出力インタフェース１５と、プロセッサ１６とを備える。
入力インタフェース１１は、ユーザからの入力を受け付け、受け付けた入力に応じた入力信号をプロセッサ１６へ出力する。
通信モジュール１２は、通信回路網ＣＮに接続されて、通信回路網ＣＮに接続されているコンピュータシステム２と通信する。この通信は有線であっても無線であってもよいが、無線であるものとして説明する。
入力インタフェース１１は、ユーザからの入力を受け付け、受け付けた入力に応じた入力信号をプロセッサ１６へ出力する。
通信モジュール１２は、通信回路網ＣＮに接続されて、通信回路網ＣＮに接続されているコンピュータシステム２と通信する。この通信は有線であっても無線であってもよいが、無線であるものとして説明する。
ストレージ１３には、プロセッサ１６が読み出して実行するためのプログラム及び各種のデータが格納されている。
メモリ１４は、データ及びプログラムを一時的に保持する。メモリ１４は、揮発性メモリであり、例えばＲＡＭ（Random Access Memory）である。
出力インタフェース１５は、ディスプレイ１７に接続されており、プロセッサ１６の指令に従って映像信号をディスプレイ１７に出力する。
プロセッサ１６は、ストレージ１３から各実施形態に係るプログラムをメモリ１４にロードし、当該プログラムに含まれる一連の命令を実行することによって、受付部１６１、処理部（第１の処理部ともいう）１６２、通信制御部（第１の通信制御部ともいう）１６３として機能する。これらのそれぞれの処理については後述する。
ディスプレイ１７は、プロセッサ１６の指令に従って情報を表示する。なおディスプレイ１７は端末装置１に外付けで接続されているだけではなく、端末装置１に内蔵であってもよい。
メモリ１４は、データ及びプログラムを一時的に保持する。メモリ１４は、揮発性メモリであり、例えばＲＡＭ（Random Access Memory）である。
出力インタフェース１５は、ディスプレイ１７に接続されており、プロセッサ１６の指令に従って映像信号をディスプレイ１７に出力する。
プロセッサ１６は、ストレージ１３から各実施形態に係るプログラムをメモリ１４にロードし、当該プログラムに含まれる一連の命令を実行することによって、受付部１６１、処理部（第１の処理部ともいう）１６２、通信制御部（第１の通信制御部ともいう）１６３として機能する。これらのそれぞれの処理については後述する。
ディスプレイ１７は、プロセッサ１６の指令に従って情報を表示する。なおディスプレイ１７は端末装置１に外付けで接続されているだけではなく、端末装置１に内蔵であってもよい。
図３は、各実施形態に係るコンピュータシステムの概略構成図である。図３に示すように、コンピュータシステム２は、入力インタフェース２１と、通信モジュール２２と、ストレージ２３と、メモリ２４と、出力インタフェース２５と、プロセッサ２６とを備える。
入力インタフェース２１は、コンピュータシステム２の管理者（例えば、管理団体の従業員）からの入力を受け付け、受け付けた入力に応じた入力信号をプロセッサ２６へ出力する。
通信モジュール２２は、通信回路網ＣＮに接続されており、端末装置１－１～１－Ｎと通信する。この通信は有線であっても無線であってもよいが、有線であるものとして説明する。
入力インタフェース２１は、コンピュータシステム２の管理者（例えば、管理団体の従業員）からの入力を受け付け、受け付けた入力に応じた入力信号をプロセッサ２６へ出力する。
通信モジュール２２は、通信回路網ＣＮに接続されており、端末装置１－１～１－Ｎと通信する。この通信は有線であっても無線であってもよいが、有線であるものとして説明する。
ストレージ２３は、プロセッサ２６が読み出して実行するためのプログラム及び各種のデータが格納されている。
メモリ２４は、データ及びプログラムを一時的に保持する。メモリ２４は、揮発性メモリであり、例えばＲＡＭ（Random Access Memory）である。
出力インタフェース２５は、外部の装置と接続可能であり、当該外部の装置へ信号を出力可能である。
メモリ２４は、データ及びプログラムを一時的に保持する。メモリ２４は、揮発性メモリであり、例えばＲＡＭ（Random Access Memory）である。
出力インタフェース２５は、外部の装置と接続可能であり、当該外部の装置へ信号を出力可能である。
プロセッサ２６は、ストレージ２３からプログラムをメモリ２４にロードし、当該プログラムに含まれる一連の命令を実行することによって、取得部２６１、処理部（第２の処理部ともいう）２６２、通信制御部（第２の通信制御部ともいう）２６３として機能する。それぞれの処理については後述する。
図４は、各実施形態に係るコンピュータシステムのストレージに記憶されているレセプトデータサマリテーブルの一例である。レセプデータトサマリテーブルＴ１は、レセプトデータをもとに作成されるテーブル、ならびに処理を表したものである。売上予測モデルと共通のテーブルとなる。図４に示すように、各実施形態に係るコンピュータシステム２のストレージ２３に記憶されているレセプトデータサマリテーブルＴ１には、診察年、診察月、患者を識別する患者識別情報の一例である患者ＩＤ、適応症、当該適応症を識別する情報の一例である適応症コード、当該患者に処方された薬剤を識別する薬剤識別情報の一例である薬剤ＩＤ、当該薬剤の剤形、当該薬剤の規格用量、当該薬剤の処方日数、当該処方を受けた患者区分、患者区分を識別する情報の一例である患者区分コード、処方区分の組のレコードが蓄積されている。患者区分としては、新規処方開始（Ｎｅｗ）、アドオン（Ａｄｄ－ｏｎ）、スイッチ（Ｓｗｉｔｃｈ）、継続の４つのカテゴリを含む。ここで、新規処方開始（Ｎｅｗ）は、対象の患者に対して対象の適応症について処方の履歴がなく且つ薬剤が新たに処方された場合である。アドオン（Ａｄｄ－ｏｎ）は、同一の適応症について既に処方された薬剤に上乗せで別の薬剤が処方開始された場合である。スイッチ（Ｓｗｉｔｃｈ）は、同一の適応症について既に処方された薬剤に替えて別の薬剤が処方開始された場合である。「継続」というカテゴリは、同一の適応症について同一の薬剤が継続して処方される場合である。
また例えば、新規処方開始（Ｎｅｗ）、アドオン（Ａｄｄ－ｏｎ）、スイッチ（Ｓｗｉｔｃｈ）の場合、処方区分は新規処方に該当し、継続の場合、「処方区分」は継続処方に該当する。
図５は、各実施形態に係るコンピュータシステムのストレージに記憶されている新規・継続サマリテーブルの一例である。新規・継続サマリテーブルＴ２のデータは、レセプトデータサマリテーブルＴ１の情報を集計したテーブルである。図５に示すように、各実施形態に係るコンピュータシステム２のストレージ２３に記憶されている新規・継続サマリテーブルＴ２には、薬剤を識別する薬剤識別情報の一例である薬剤ＩＤ、当該薬剤が処方された適応症、当該薬剤の剤形、当該薬剤が処方された診察年、当該薬剤が処方された診察月、新規処方年、新規処方月、当該薬剤の処方区分、当該薬剤を当該適応症に対して当該処方区分で処方された処方人数、当該処方が継続処方の場合に新規処方から継続している患者の割合である継続率の組のレコードが蓄積されている。
「新規処方年」、「新規処方月」列の値は、レセプトデータサマリテーブルＴ１の処方区分列で「継続処方」と定義された人が、どのタイミングで「新規処方」と定義されたかを表す年月である。「処方人数」列の値は、「診察年」、「診察月」、「新規処方年」、「新規処方月」、「処方区分」の各条件にあてはまる処方人数を集計した結果である。例えば、１行目のレコードにおいて、２０１８年１月に胃潰瘍の適応に対して薬剤ＩＤ＝Ｍ０００００の薬剤が処方された人数が１００人の場合において、２行目のレコードのように、２０１８年２月に同じ胃潰瘍の適応に対して同じ薬剤ＩＤ＝Ｍ０００００の薬剤が継続して処方された処方人数が５０人であるから、継続率は５０（＝５０／１００×１００）％である。「継続率」列の値は、新規処方年月で「新規処方」の人数を100%としたときの、処方が継続されている人数の割合である。
図６は、各実施形態に係るコンピュータシステムのストレージに記憶されている新規処方患者数テーブルの一例である。ここで図６における新規・継続サマリテーブルＴ２－１は、図５における新規・継続サマリテーブルＴ２を一部、抜粋したものである。各実施形態に係るコンピュータシステム２のストレージ２３に記憶されている新規処方患者数テーブルＴ３は、新規・継続サマリテーブルＴ２－１における処方区分が「新規処方」のレコードを抽出して集められたテーブルである。このように、新規処方患者数テーブルＴ３は、新規・継続サマリテーブルＴ２の処方区分が「新規処方」の患者のみを抽出したテーブルである。
図６に示すように、各実施形態に係るコンピュータシステム２のストレージ２３に記憶されている新規処方患者数テーブルＴ３には、薬剤を識別する薬剤識別情報の一例である薬剤ＩＤ、当該薬剤が処方された適応症、当該薬剤の剤形、当該薬剤が処方された診察年、当該薬剤が処方された診察月、当該薬剤を当該適応症に対して新規処方された合計人数である新規処方計の組のレコードが蓄積されている。
図７Ａは、各実施形態に係るコンピュータシステムのストレージに記憶されている発売適応追加年月マスタテーブルの一例である。発売適応追加年月マスタテーブルＴ４は、薬剤別かつ適応症別の、発売年月ならびに適応追加年月の情報が含まれるマスタである。図７Ａに示すように、各実施形態に係るコンピュータシステム２のストレージ２３に記憶されている発売適応追加年月マスタテーブルＴ４には、薬剤を識別する薬剤識別情報の一例である薬剤ＩＤ、適応症名、適応症を識別する適応症識別情報の一例である適応症コード、当該薬剤が発売された年か当該適応症名の適応症が追加された年を示す追加発売／適応追加年、当該薬剤が発売された月か当該適応症名の適応症が追加された月を示す追加発売／適応追加月の組のレコードが蓄積されている。処理部２６２はこの発売適応追加年月マスタテーブルＴ４を参照することにより、対象の薬剤が発売された年月または適応症が追加された年月を取得することができる。
図７Ｂは、各実施形態に係るコンピュータシステムのストレージに記憶されている特許失効年月マスタテーブルの一例である。特許失効年月マスタテーブルＴ５は、当該データは、薬剤別かつ適応症別の、特許失効年月の情報が含まれるマスタである。図７Ｂに示すように、各実施形態に係るコンピュータシステム２のストレージ２３に記憶されている特許失効年月マスタテーブルＴ５には、薬剤を識別する薬剤識別情報の一例である薬剤ＩＤ、適応症名、適応症を識別する適応症識別情報の一例である適応症コード、当該薬剤が当該適応症において特許失効する年である特許失効年、当該薬剤が当該適応症において特許失効する月である特許失効月の組のレコードが蓄積されている。処理部２６２はこの特許失効年月マスタテーブルＴ５を参照することにより、対象の薬剤の対象の適応症に対する特許が失効する年月を取得することができる。
図８は、各実施形態に係るコンピュータシステムのストレージに記憶されている臨床試験データテーブルの一例である。臨床試験データテーブルＴ６は、過去の同領域の薬剤の臨床試験データが蓄積されたデータテーブルである。「有効性比率」、「安全性比率」、「作用機序比率」、「処方患者数比率」の列は、臨床試験時の対照薬と比較した際の差を数値化したものである。図８に示すように、各実施形態に係るコンピュータシステム２のストレージ２３に記憶されている臨床試験データテーブルＴ６には、薬剤を識別する薬剤識別情報の一例である薬剤ＩＤ、当該薬剤と比較する対照薬を識別する薬剤識別情報の一例である対照薬ＩＤ、対照薬の有効性の臨床結果に対する当該薬剤の有効性の臨床結果の比率である有効性比率、対照薬の安全性の臨床結果に対する当該薬剤の安全性の臨床結果の比率である安全性比率、作用機序比率、対照薬の新規処方患者数に対する当該薬剤の新規処方患者数の比率である新規処方患者数比率、対照薬の継続率に対する当該薬剤の継続率の比率である継続率比率の組のレコードが蓄積されている。ここで作用機序比率は例えば、臨床試験を実施した薬剤の作用機序について、新規性等をもとに対照薬に対してどの程度優越性を有するかを点数化して比率にしたものである。
図９Ａは、各実施形態に係るコンピュータシステムのストレージに記憶されている薬剤マスタテーブルの一例である。図９Ａに示すように、各実施形態に係るコンピュータシステム２のストレージ２３に記憶されている発売適応追加年月マスタテーブルＴ４には、薬剤を識別する薬剤識別情報の一例である薬剤ＩＤ、当該薬剤ＩＤの薬剤名、当該薬剤の剤形分類、当該の剤形分類を識別する剤形分類コード、当該薬剤の規格容量、当該規格容量を識別する規格容量コード、統一商品コードＩＤの組のレコードが蓄積されている。「統一商品コードＩＤは、「薬剤ＩＤ」で識別される薬剤について、「剤形分類」、「規格用量」のデータによって、さらに細かく分類したコードである。すなわち、同一薬剤について、剤形分類、規格用量の情報を付与したデータといえる。
図９Ｂは、各実施形態に係るコンピュータシステムのストレージに記憶されている薬剤マスタテーブルの一例である。薬価マスタテーブルＴ１１には、統一商品コードＩＤ、薬価の組のレコードが蓄積されている。薬価マスタテーブルＴ１１は、「統一商品コードＩＤ」に紐づく各薬剤の剤形別且つ規格用量別の1日薬価の情報が含まれている。処理部２６２はこの薬価マスタテーブルＴ１１を参照することにより、各薬剤の剤形別且つ規格用量別の平均薬価を取得することができる。
図１０は、各実施形態に係るコンピュータシステムのストレージに記憶されている売上サマリ予測テーブルの一例である。売上サマリ予測テーブルＴ１３には、診察年、診察月、薬剤を識別する薬剤識別情報の一例である薬剤ＩＤ、当該薬剤の適応症、当該適応症を識別する適応症コード、処方予測人数、平均投与量、平均処方日数、平均薬価、売上予測値の組のレコードが蓄積されている。ここで、Dの平均薬価は、薬剤IDに対して紐づく統一商品コードIDに紐づく各薬剤の剤形別且つ規格容量別の薬価の平均である。このように、処方予測人数だけでなく、平均投与量、平均処方日数、平均薬価は、月毎に変動し得る。すなわち処方予測人数だけでなく、平均投与量、平均処方日数、平均薬価は、時系列で変動し得る。売上予測値は、同じレコードの処方予測人数、平均投与量、平均処方日数、及び平均薬価の積である。すなわち、同じレコードの処方予測人数をＡ、平均投与量をＢ、平均処方日数をＣ、平均薬価をＤとすると、当該レコードの売上予測値には、Ａ×Ｂ×Ｃ×Ｄで算出された値が格納されている。
＜画面遷移＞
続いて、第１の実施形態の端末装置１のディスプレイ１７における画面遷移について、図１１～図１９を用いて説明する。画面線について、以下の３つのケースに分けて説明する。第１のケースは、対象薬剤が既発売で且つ参照するモデル薬剤がある場合である。第２のケースは、対象薬剤が既発売で且つ参照するモデル薬剤がない場合、発売後のデータが少ない場合（例えば発売直後）である。第３のケースは、対象薬剤が未発売である場合である。
続いて、第１の実施形態の端末装置１のディスプレイ１７における画面遷移について、図１１～図１９を用いて説明する。画面線について、以下の３つのケースに分けて説明する。第１のケースは、対象薬剤が既発売で且つ参照するモデル薬剤がある場合である。第２のケースは、対象薬剤が既発売で且つ参照するモデル薬剤がない場合、発売後のデータが少ない場合（例えば発売直後）である。第３のケースは、対象薬剤が未発売である場合である。
＜第１のケース：対象薬剤が既発売で且つ参照するモデル薬剤がある場合の画面遷移＞
対象薬剤が既発売で且つ参照するモデル薬剤がある場合の画面遷移について図１１～図１３を用いて説明する。図１１は、対象薬剤が既発売で且つ参照するモデル薬剤がある場合の画面遷移の一例である。図１２は、図１１の続きの画面遷移の一例である。図１３は、図１２の続きの画面遷移の一例である。
対象薬剤が既発売で且つ参照するモデル薬剤がある場合の画面遷移について図１１～図１３を用いて説明する。図１１は、対象薬剤が既発売で且つ参照するモデル薬剤がある場合の画面遷移の一例である。図１２は、図１１の続きの画面遷移の一例である。図１３は、図１２の続きの画面遷移の一例である。
図１１の画面Ｇ１において、領域Ｒ１に示すように、対象の薬剤について、「既発売薬」を選択するボタンＢ１と、「未発売薬または発売直後」を選択するボタンＢ２とが、選択可能に表示されている。また、領域Ｒ２に示すように、新規処方患者数、及び／または処方患者数、売上を予測する対象の薬剤名が入力または選択可能に表示されている。また、領域Ｒ２ｂに示すように、対象の適応症名が入力または選択可能に表示されている。また、領域Ｒ３に示すように、予測する期間が入力または選択可能に表示されている。また確定ボタンＢ３が押された場合、例えば、図１１の曲線Ｗ２に示すように新規処方患者数の過去の推移が表示されてもよい。ここで、縦軸は新規処方患者数で、横軸が例えば月数である。
図１２の画面Ｇ２において、予測する対象薬剤が既発売薬であり「既発売薬」が選択されている場合において、領域Ｒ４に示すように、参照するモデル薬剤（群）と剤形の組が入力または選択可能に表示されている。なお、剤形が入力／選択可能でなくてもよい。モデル薬剤（群）及び／または剤形が入力／選択された状態で、検索ボタンＢ４が押された場合、例えばモデル薬剤の新規処方患者数の推移の曲線Ｗ１が表示され、対象薬剤の新規処方患者数の推移の曲線Ｗ１が表示される。ここで、縦軸は新規処方患者数で、横軸が例えば月数である。また例えば、領域Ｒ５に示すように、モデル薬剤の新規処方患者数の推移と対象薬剤の新規処方患者数の推移の一致率が表示される。ユーザは、この一致率を参考に、モデル薬剤を検討することができる。
図１２の画面Ｇ２において、「このモデル薬剤でシミュレーション」ボタンＢ５と、「モデル薬剤無しでシミュレーション」ボタンＢ６が表示される。「このモデル薬剤でシミュレーション」ボタンＢ５が押された場合、このモデル薬剤を参照して、対象薬剤の新規処方患者数、処方患者数、売上の予測推移が決定され、例えば図１３の画面Ｇ３に遷移する。一方、「モデル薬剤無しでシミュレーション」ボタンＢ６が押された場合、モデル薬剤無しで、対象薬剤の新規処方患者数、処方患者数、売上の予測推移が決定され、例えば図１４の画面Ｇ４に遷移する。
図１３の画面Ｇ３において、モデル薬剤の新規処方患者数の推移の曲線Ｗ１と、対象薬剤の新規処方患者数の推移の曲線Ｗ２ｂが示されている。ここで、曲線Ｗ２ｂのうち実線が過去の推移であり、破線が推移の将来予測である。また、領域Ｒ６に、この二つの推移の一致率が示されている。
また図１３の画面Ｇ３において、対象薬剤の処方患者数の推移の曲線Ｗ３が示されている。ここで、曲線Ｗ３のうち実線が過去の推移であり、破線が推移の将来予測である。またモデル薬剤の売上の推移の曲線Ｗ４と、対象薬剤の売上の推移の曲線Ｗ５が示されている。ここで、曲線Ｗ５のうち実線が過去の推移であり、破線が推移の将来予測である。また、領域Ｒ７に、この二つの推移の一致率が示されている。
また図１３の画面Ｇ３において、対象薬剤の処方患者数の推移の曲線Ｗ３が示されている。ここで、曲線Ｗ３のうち実線が過去の推移であり、破線が推移の将来予測である。またモデル薬剤の売上の推移の曲線Ｗ４と、対象薬剤の売上の推移の曲線Ｗ５が示されている。ここで、曲線Ｗ５のうち実線が過去の推移であり、破線が推移の将来予測である。また、領域Ｒ７に、この二つの推移の一致率が示されている。
またモデル薬剤の平均投与量の推移の曲線Ｗ６と、対象薬剤の平均投与量の曲線Ｗ７が示されている。ここで、曲線Ｗ７のうち実線が過去の推移であり、破線が推移の将来予測である。
またモデル薬剤の平均処方日数の推移の曲線Ｗ８と、対象薬剤の平均処方日数の推移の曲線Ｗ９が示されている。ここで、曲線Ｗ９のうち実線が過去の推移であり、破線が推移の将来予測である。
またモデル薬剤の平均処方日数の推移の曲線Ｗ８と、対象薬剤の平均処方日数の推移の曲線Ｗ９が示されている。ここで、曲線Ｗ９のうち実線が過去の推移であり、破線が推移の将来予測である。
＜第２のケースは、対象薬剤が既発売で且つ参照するモデル薬剤がない場合、または発売後のデータが少ない場合（例えば発売直後）＞
図１４は、対象薬剤が既発売で且つ参照するモデル薬剤がない場合の画面遷移の第１の例である。図１４の画面Ｇ４は例えば、図１２の画面Ｇ２において、「モデル薬剤無しでシミュレーション」ボタンＢ６が押された場合に表示される画面である。図１４の画面Ｇ４に示すように、対象薬剤の新規処方患者数の推移の曲線Ｗ１１が示されている。また対象薬剤の処方患者数の推移の曲線Ｗ１２が示されている。また対象薬剤の平均投与量の推移の曲線Ｗ１３が示されている。また対象薬剤の平均処方日数の推移の曲線Ｗ１４が示されている。ここで、曲線Ｗ１１、Ｗ１２、Ｗ１３、Ｗ１４のうち実線が過去の推移であり、破線が推移の将来予測である。処理部２６２によって、既存のデータから自動的に、曲線Ｗ１１～Ｗ１４の破線部分のデータが予測され、端末装置に送信されて、端末装置が接続されたディスプレイ１７に表示される。
図１４は、対象薬剤が既発売で且つ参照するモデル薬剤がない場合の画面遷移の第１の例である。図１４の画面Ｇ４は例えば、図１２の画面Ｇ２において、「モデル薬剤無しでシミュレーション」ボタンＢ６が押された場合に表示される画面である。図１４の画面Ｇ４に示すように、対象薬剤の新規処方患者数の推移の曲線Ｗ１１が示されている。また対象薬剤の処方患者数の推移の曲線Ｗ１２が示されている。また対象薬剤の平均投与量の推移の曲線Ｗ１３が示されている。また対象薬剤の平均処方日数の推移の曲線Ｗ１４が示されている。ここで、曲線Ｗ１１、Ｗ１２、Ｗ１３、Ｗ１４のうち実線が過去の推移であり、破線が推移の将来予測である。処理部２６２によって、既存のデータから自動的に、曲線Ｗ１１～Ｗ１４の破線部分のデータが予測され、端末装置に送信されて、端末装置が接続されたディスプレイ１７に表示される。
図１５は、対象薬剤が既発売で且つ参照するモデル薬剤がない場合の画面遷移の第２の例である。図１６は、図１５の続きの画面遷移の一例である。図１５の画面Ｇ５において、モデル薬剤について「なし」がユーザによって選択されている。図１５の画面Ｇ５において、領域Ｒ８が示すように、特許失効後の推移を参照するモデル薬剤（群）が入力／選択可能に表示されており、当該モデル薬剤の剤形が入力／選択可能に表示されている。なお、剤形が入力／選択可能でなくてもよい。
領域Ｒ９に示された案内の通り、特許失効後の推移を参照するモデル薬剤（群）を入力／選択された状態で、検索ボタンＢ７が押された場合、例えば特許失効～Ｘか月後（Ｘは、１以上の整数）の近似曲線が表示される、当該特許失効後の推移を参照するモデル薬剤（群）で確定する場合には、「このモデル薬剤（群）でシミュレーション」ボタンＢ８が押された場合、図１６の画面Ｇ６に遷移する。
領域Ｒ９に示された案内の通り、特許失効後の推移を参照するモデル薬剤（群）を入力／選択された状態で、検索ボタンＢ７が押された場合、例えば特許失効～Ｘか月後（Ｘは、１以上の整数）の近似曲線が表示される、当該特許失効後の推移を参照するモデル薬剤（群）で確定する場合には、「このモデル薬剤（群）でシミュレーション」ボタンＢ８が押された場合、図１６の画面Ｇ６に遷移する。
図１６の画面Ｇ６において、新規処方患者数の推移の曲線Ｗ３１、処方患者数の推移の曲線Ｗ３２、売上の推移の曲線Ｗ３３、平均投与量の推移の曲線Ｗ３４、平均処方日数の推移の曲線Ｗ３５が表示されている。ここで、曲線Ｗ３１、Ｗ３２、Ｗ３３、Ｗ３４、Ｗ３５のうち実線が過去の推移であり、破線が推移の将来予測である。
＜第３のケース：対象薬剤が未発売である場合の画面遷移＞
続いて、対象薬剤が未発売である場合の画面遷移について図１７～図１９を用いて説明する。図１７は、対象薬剤が未発売である場合の画面遷移の一例である。図１８は、図１７の続きの画面遷移の一例である。図１９は、図１８の続きの画面遷移の一例である。
続いて、対象薬剤が未発売である場合の画面遷移について図１７～図１９を用いて説明する。図１７は、対象薬剤が未発売である場合の画面遷移の一例である。図１８は、図１７の続きの画面遷移の一例である。図１９は、図１８の続きの画面遷移の一例である。
図１７の画面Ｇ７において、対象薬剤が「未発売薬」であることがユーザによって選択されている。図１７の画面Ｇ７に示すように、対象薬剤の臨床試験結果を入力する欄が表示されている。領域Ｒ１１において、対象薬剤の臨床試験結果と比較する対照薬が入力／選択可能に表示されている。領域Ｒ１２において、対象薬剤の有効性比率が入力／選択可能に表示されている。領域Ｒ１３において、対象薬剤の安全性比率が入力／選択可能に表示されている。領域Ｒ１４において、対象薬剤の作用機序比率が入力／選択可能に表示されている。案内Ｒ１５に示す通り、対照薬、有効性比率、安全性比率、作用機序比率が入力された状態で、確定ボタンＢ９が押された場合、図１８の画面Ｇ８に遷移する。
図１８の画面Ｇ８において、対照薬の新規処方患者数の過去の推移の曲線Ｗ４１と、対象薬剤の新規処方患者数の予測推移の曲線Ｗ４２が示されている。また、対照薬の処方患者数の過去の推移の曲線Ｗ４３と、対象薬剤の処方患者数の予測推移の曲線Ｗ４４が示されている。
図１８の画面Ｇ８において、領域Ｒ２１において平均投与量が入力可能に表示されており、領域Ｒ２２において平均処方日数が入力可能に表示されており、領域Ｒ２３において薬価が入力可能に表示されている。平均投与量の予測値、平均処方日数の予測値、薬価が入力された状態で、確定ボタンＢ１０が押された場合、図１９の画面Ｇ９に遷移する。ここでは一例として、平均投与量の予測値及び平均処方日数の予測値は時系列で一定の値であると仮定して入力されるが、平均投与量の予測値及び平均処方日数の予測値は時系列で変化してもよい。
図１８の画面Ｇ８において、領域Ｒ２１において平均投与量が入力可能に表示されており、領域Ｒ２２において平均処方日数が入力可能に表示されており、領域Ｒ２３において薬価が入力可能に表示されている。平均投与量の予測値、平均処方日数の予測値、薬価が入力された状態で、確定ボタンＢ１０が押された場合、図１９の画面Ｇ９に遷移する。ここでは一例として、平均投与量の予測値及び平均処方日数の予測値は時系列で一定の値であると仮定して入力されるが、平均投与量の予測値及び平均処方日数の予測値は時系列で変化してもよい。
図１９の画面Ｇ９において、対照薬の新規処方患者数の過去の推移の曲線Ｗ５１と、対象薬剤の新規処方患者数の予測推移の曲線Ｗ５２が示されている。また、対照薬の処方患者数の過去の推移の曲線Ｗ５３と、対象薬剤の処方患者数の予測推移の曲線Ｗ５４が示されている。更に対照薬の売上の過去の推移の曲線Ｗ５５と、対象薬剤の売上の予測推移の曲線Ｗ５６が示されている。更に対照薬の平均投与量の過去の推移の曲線Ｗ５７と、対象薬剤の平均投与量の予測推移の曲線Ｗ５８が示されている。更に対照薬の平均処方日数の過去の推移の曲線Ｗ５９と、対象薬剤の平均処方日数の予測推移の曲線Ｗ６０が示されている。
＜新規処方患者数の予測の概略ロジック＞
続いて、図２０を参照しつつ、新規処方患者数予測モデルのロジックについて説明する。図２０は、第１の実施形態に係る各テーブルの関係性の一例を示す模式図である。
図２０に示すように、処理部２６２は、レセプトデータサマリテーブルＴ１を基に、集計されて新規・継続サマリテーブルＴ２が生成される。そして新規・継続サマリテーブルＴ２を基に、「新規処方」の人数を薬剤、適応毎に、診察年月で集計したデータを新規処方患者数テーブルＴ３として抽出する。
続いて、図２０を参照しつつ、新規処方患者数予測モデルのロジックについて説明する。図２０は、第１の実施形態に係る各テーブルの関係性の一例を示す模式図である。
図２０に示すように、処理部２６２は、レセプトデータサマリテーブルＴ１を基に、集計されて新規・継続サマリテーブルＴ２が生成される。そして新規・継続サマリテーブルＴ２を基に、「新規処方」の人数を薬剤、適応毎に、診察年月で集計したデータを新規処方患者数テーブルＴ３として抽出する。
以下の新規処方合計人数の予測ステップは、上述した三つのケースで場合分けして説明する。
＜第１のケース：対象薬剤が既発売で且つ参照するモデル薬剤がある場合＞
続いて処理部２６２は、対象の薬剤について、「既発売且つ参照するモデル薬剤がある場合」、新規処方患者数テーブルＴ３、発売適応追加年月マスタテーブルＴ４を参照して、新規処方合計人数（新規処方計ともいう）を決定し、当該新規処方計を含む新規処方患者数予測テーブルＴ７を生成する。この詳細の処理は、後述する。
続いて処理部２６２は、対象の薬剤について、「既発売且つ参照するモデル薬剤がある場合」、新規処方患者数テーブルＴ３、発売適応追加年月マスタテーブルＴ４を参照して、新規処方合計人数（新規処方計ともいう）を決定し、当該新規処方計を含む新規処方患者数予測テーブルＴ７を生成する。この詳細の処理は、後述する。
＜第２のケース：対象薬剤が既発売で且つ参照するモデル薬剤がない場合、発売後のデータが少ない場合（例えば発売直後）＞
処理部２６２は、対象の薬剤について、「対象薬剤が既発売で且つ参照するモデル薬剤がない場合、または発売後のデータが設定量よりも少ないと判断された場合」、新規処方患者数テーブルＴ３、発売適応追加年月マスタテーブルＴ４に加えて、特許失効年月マスタテーブルＴ５も参照して、新規処方合計人数（新規処方計ともいう）を決定し、当該新規処方計を含む新規処方患者数予測テーブルＴ７を生成する。この詳細の処理は、後述する。
処理部２６２は、対象の薬剤について、「対象薬剤が既発売で且つ参照するモデル薬剤がない場合、または発売後のデータが設定量よりも少ないと判断された場合」、新規処方患者数テーブルＴ３、発売適応追加年月マスタテーブルＴ４に加えて、特許失効年月マスタテーブルＴ５も参照して、新規処方合計人数（新規処方計ともいう）を決定し、当該新規処方計を含む新規処方患者数予測テーブルＴ７を生成する。この詳細の処理は、後述する。
＜第３のケース：対象薬剤が未発売である場合＞
処理部２６２は、「対象薬剤が未発売である場合」、新規処方患者数テーブルＴ３、臨床試験データテーブルを参照して、新規処方患者数テーブルＴ３、臨床試験データテーブルＴ６を参照して、新規処方合計人数（新規処方計ともいう）を決定し、当該新規処方計を含む新規処方患者数予測テーブルＴ７を生成する。この詳細の処理は、後述する。
処理部２６２は、「対象薬剤が未発売である場合」、新規処方患者数テーブルＴ３、臨床試験データテーブルを参照して、新規処方患者数テーブルＴ３、臨床試験データテーブルＴ６を参照して、新規処方合計人数（新規処方計ともいう）を決定し、当該新規処方計を含む新規処方患者数予測テーブルＴ７を生成する。この詳細の処理は、後述する。
そして、処理部２６２は、新規処方患者数テーブルＴ３に含まれる継続率と、新規処方患者数予測テーブルＴ７に含まれる新規処方合計人数（新規処方計）を乗じることによって、予測処方患者数を決定し、当該予測処方患者数を含む処方患者数予測テーブルＴ８を生成する。
＜新規処方患者数の予測ロジックの詳細の一例＞
＜第１のケース：対象薬剤が既発売で且つ参照するモデル薬剤がある場合＞
（１）予測を行う対象薬剤がユーザによって選択され、受付部１６１がこれを受け付ける。
＜第１のケース：対象薬剤が既発売で且つ参照するモデル薬剤がある場合＞
（１）予測を行う対象薬剤がユーザによって選択され、受付部１６１がこれを受け付ける。
（２）上記（１）で選択された対象薬剤の期間がユーザによって選択され、受付部１６１がこれを受け付ける。期間の指定は、発売年月を０か月とした時「発売から〇年〇か月～発売からＸ年Ｘか月」といった形で始まりと終わりを指定する。なお、各薬剤の発売年月は、発売適応追加年月マスタテーブルＴ４としてデータが保持されているので、処理部２６２がこれを参照する。上記（１）で選んだ対象薬剤について、データのある範囲で、処理部２６２は、「新規処方患者数のグラフ」を出力する。そして、この「新規処方患者数のグラフ」が、例えば、図１８に示すように、端末装置１のディスプレイ１７に表示される。
（３）次に、上記（１）の参照するモデルとなる薬剤（以下、モデル薬剤ともいう）が１剤以上、ユーザによって選択され、受付部１６１がこれを受け付ける。
（４）上記（１）で選んだ対象薬剤について、データのある範囲で、処理部２６２は、縦軸を新規処方患者数、横軸を期間として、「新規処方患者数のグラフ」、及び／またはそのグラフの数式を導き出す。そして、この「新規処方患者数の推移」のグラフ、及び／またはそのグラフの数式が、端末装置１のディスプレイ１７に表示される。
（５）上記（３）で指定した期間で、上記（２）で選択したモデル薬剤の、縦軸を新規処方患者数、横軸を期間として、処理部２６２は、「新規処方患者数の推移」のグラフ（近似曲線）を生成し、及び／または、そのグラフの数式を導き出す。そして、この「新規処方患者数の推移」のグラフ（近似曲線）、及び／または、そのグラフの数式が、端末装置１のディスプレイ１７に表示される。
（６）処理部２６２は、上記（４）で作成した対象薬剤の「新規処方患者数のグラフ」と上記（５）で作成したモデル薬剤の「新規処方患者数のグラフ」を比較する。これに替えて／加えて、処理部２６２は、上記（４）で作成した対象薬剤の「新規処方患者数のグラフ」の数式と上記（５）で作成したモデル薬剤の「新規処方患者数のグラフ」の数式を比較する。処理部２６２は、この比較によって、一致率を算出する。ここで一致率は、各経過時間において、グラフの同じ経過時間の値の差分を算出し、この差分を用いて決定されてもよい。
（７）処理部２６２は、（６）の比較で、２つのグラフまたは数式に、予め設定された閾値を超える差がなければ、対象薬剤はモデル薬剤の推移と一致したとみなし、モデル薬剤の数式に対して、倍率をかけることによって、対象薬剤の数式を導く。ここで倍率は、各経過時間において新規処方患者数を比較して、対象薬剤の新規処方患者数のモデル薬剤の新規処方患者数に対する平均比率を算出して得られたものであってもよい。
（８）処理部２６２は、対象薬剤の数式に予測する期間を代入して新規患者数を予測し、その結果を新規処方患者数予測テーブルＴ７に格納してもよい。
図２１は、対象薬剤の新規処方患者数予測テーブルＴ７の生成方法の一例を示す模式図である。図２１に示すように、新規処方患者数テーブルの一部Ｔ３－１には、モデル薬剤の各月の新規処方患者数が格納されている。また、新規処方患者数テーブルの一部Ｔ３－２には、予測する対象薬剤の各月の新規処方患者数が格納されている。処理部２６２は、この二つを、同じ年月で比較することによって、各月で、対象薬剤の新規処方患者数のモデル薬剤の新規処方患者数に対する比率を算出して、それを平均して平均比率を算出してもよい。そして、処理部２６２は、この平均比率を、モデル薬剤の他の残りの各月の新規処方患者数にかけることによって、対象薬剤の将来の各月の新規処方患者数を予測してもよい。そして、この予測値が新規処方患者数予測テーブルＴ７に格納されてもよい。
このように、処理部２６２は、モデル薬剤の新規処方患者数テーブルの新規処方患者数、予測する対象薬剤の新規処方患者数を比較することによって、対象薬剤の新規処方患者数の時系列変化を予測してもよい。そして、処理部２６２は、この予測結果を、新規処方患者数予測テーブルＴ７に格納してもよい。
＜第２のケース：対象薬剤が既発売で且つ参照するモデル薬剤がない場合、発売後のデータが少ない場合（例えば発売直後）＞
（９）上記（６）の比較で一致するモデルがない場合、発売後のデータが少ないと判断した場合は、「未発売」と同様のロジックで予測を行う。
データが十分あると判断した場合は、（Ａ）、（Ｂ）の条件により予測を行う方法が異なる。
条件（Ａ） 対象薬剤について、既存のデータから作成する推移のグラフに極大点が存在する場合（≒処方人数が最大となる点があり、その後減少が始まっている場合）には、既存のデータから、なんらかの減衰曲線となるような近似曲線を自動で描写する。
（９）上記（６）の比較で一致するモデルがない場合、発売後のデータが少ないと判断した場合は、「未発売」と同様のロジックで予測を行う。
データが十分あると判断した場合は、（Ａ）、（Ｂ）の条件により予測を行う方法が異なる。
条件（Ａ） 対象薬剤について、既存のデータから作成する推移のグラフに極大点が存在する場合（≒処方人数が最大となる点があり、その後減少が始まっている場合）には、既存のデータから、なんらかの減衰曲線となるような近似曲線を自動で描写する。
（Ｂ） 対象薬剤について、既存のデータから作成する推移のグラフに極大点が存在しない場合(≒まだ処方人数の増加が見込まれる場合）、「特許失効予定時期の患者数」と、「特許失効予定時期から３か月後の患者数」の２点について、下記の方法で予測する。
（ｉ）「特許失効予定時期の患者数」は、既存データの新規患者数テーブルＴ３の「新規処方計」の推移をもとに、特許失効予定時期が極大点（最も患者数の多い点）となるような増幅関数となるような近似曲線を描画する。特許失効予定時期は、特許失効年月マスタテーブルＴ５の年月から得られる。
（ｉｉ）「特許失効予定時期から３か月後の患者数」は、新規処方患者数テーブルＴ３にある薬剤（複数選択、剤形選択可）をモデル薬剤として選択し、そのモデル薬剤の特許失効～特許失効から３か月の期間について、患者数の減少率を、前述の「特許失効予定時期の患者数」を１００％として、減少率を適応し、患者数を算出する。ここで特許失効予定時期～その３か月の期間は、特許失効年月マスタテーブルＴ５から得られる。
（１０） （９）で作成した新規処方の推移がグラフとして端末装置１のディスプレイに表示される、及び／または数式が端末装置１のディスプレイに表示される。
＜第３のケース：対象薬剤が未発売である場合＞
図２２を参照しつつ、対象薬剤が未発売である場合の新規処方患者数の予測ロジックについて説明する。図２２は、対象薬剤が未発売である場合の新規処方患者数の予測ロジックを説明するための模式図である。
図２２を参照しつつ、対象薬剤が未発売である場合の新規処方患者数の予測ロジックについて説明する。図２２は、対象薬剤が未発売である場合の新規処方患者数の予測ロジックを説明するための模式図である。
（１）受付部１６１は、予測する対象薬剤の臨床試験データをユーザから受け付ける。
（２）臨床試験データテーブルＴ６は、過去の同領域の薬剤の臨床試験データが蓄積されたデータテーブルである。「有効性比率」、「安全性比率」、「作用機序比率」、「処方患者数比率」の列は、臨床試験時の対照薬と比較した際の差を数値化したものである。
（３）処理部２６２は、臨床試験データテーブルＴ６のデータから比較モデルを作成し、予測薬剤の「有効性比率」、「安全性比率」、「作用機序比率」の値から、「処方患者数比率」を算出する。この、「処方患者数比率」の算出は例えば、後述する重回帰分析によって実行される。
（２）臨床試験データテーブルＴ６は、過去の同領域の薬剤の臨床試験データが蓄積されたデータテーブルである。「有効性比率」、「安全性比率」、「作用機序比率」、「処方患者数比率」の列は、臨床試験時の対照薬と比較した際の差を数値化したものである。
（３）処理部２６２は、臨床試験データテーブルＴ６のデータから比較モデルを作成し、予測薬剤の「有効性比率」、「安全性比率」、「作用機序比率」の値から、「処方患者数比率」を算出する。この、「処方患者数比率」の算出は例えば、後述する重回帰分析によって実行される。
（４）処理部２６２は、算出された、「処方患者数比率」を、対照薬の新規処方患者数テーブルＴ３の「新規処方計」に掛け合わせて、予測薬剤の「新規処方計」を算出し、算出した予測薬剤の「新規処方計」を、新規処方患者数予測テーブルＴ９－１に格納する。
（５）新規処方患者数予測の推移がグラフとして端末装置１のディスプレイに表示される。
（５）新規処方患者数予測の推移がグラフとして端末装置１のディスプレイに表示される。
＜重回帰分析について＞
ここで、予測の対象となる対象薬剤の新規処方患者数比率は、例えば、１つの目的変数であるの新規処方患者数比率を複数の説明変数である有効性比率、安全性比率、及び作用機序比率を用いて予測する重回帰分析を用いて行う。具体的には例えば処理部２６２は、臨床試験データテーブルＴ６から、対象薬剤の臨床試験に使用された対照薬と、同一の対照薬を使用した薬剤のデータを集め、重回帰分析を行う。一例として次の重回帰式を想定する。
ここで、予測の対象となる対象薬剤の新規処方患者数比率は、例えば、１つの目的変数であるの新規処方患者数比率を複数の説明変数である有効性比率、安全性比率、及び作用機序比率を用いて予測する重回帰分析を用いて行う。具体的には例えば処理部２６２は、臨床試験データテーブルＴ６から、対象薬剤の臨床試験に使用された対照薬と、同一の対照薬を使用した薬剤のデータを集め、重回帰分析を行う。一例として次の重回帰式を想定する。
Ｙ＝ａ＋ｂＸ１＋ｃＸ２＋ｄＸ３ －－－－－－－（１）
ここでＹは目的変数である新規処方患者数比率、ａ，ｂ，ｃ，ｄは回帰係数である。Ｘ１、Ｘ２、Ｘ３は、それぞれ臨床試験データテーブルの有効性比率、安全性比率、作用機序比率のデータである。各説明変数（有効性比率、安全性比率、作用機序比率）のうち、どの要素がどの程度、処方患者数比率に影響を与えているかを推定するものである。
処理部２６２は例えば、回帰係数であるａ，ｂ，ｃ，ｄを仮置きした（１）式に対して、その具体例を臨床試験データテーブルＴ６の「有効性比率」、「安全性比率」、「作用機序比率」の結果を入力し、各行で「予測処方患者数」を作成する。処理部２６２は例えば、「予測新規処方患者数比率」と、実際の「新規処方患者数比率」をそれぞれ比較し、その誤差の総和を算出する。例えば、誤差については、正負の符号を消すため、（予測新規処方患者数比－新規処方患者数比率）2としてもよい。そして、処理部２６２は例えば、以下の（１）と（２）を繰り返す。
（１）ａ～ｄの回帰係数を少しずつ変化させ、改めて誤差の総和を算出し、先ほどの結果と比較する。
（２）より誤差の小さい回帰係数を採用する。
処理部２６２は例えば、誤差が最小となるまで、（１）と（２）を繰り返す。最小となったときの回帰係数を採用した数式が、比較モデルとなる。
例えば、比較モデルとして重回帰式Ｙ＝０．１２＋０．２４×Ｘ１＋０．２９×Ｘ２＋０．３６×Ｘ３が得られた場合において、対象薬剤の同じ対照薬に対する有効性比率が１．６５、安全性比率１．３３、作用機序比率１．４７６の場合、上の重回帰式にそれぞれの値を代入して、Ｙ＝０．１２＋０．２４×（１．６５０）＋０．２９×（１．３３０）＋０．３６×（１．４７６）＝１．４３３が、対象薬剤の予測新規処方患者数比率として得られる。
（１）ａ～ｄの回帰係数を少しずつ変化させ、改めて誤差の総和を算出し、先ほどの結果と比較する。
（２）より誤差の小さい回帰係数を採用する。
処理部２６２は例えば、誤差が最小となるまで、（１）と（２）を繰り返す。最小となったときの回帰係数を採用した数式が、比較モデルとなる。
例えば、比較モデルとして重回帰式Ｙ＝０．１２＋０．２４×Ｘ１＋０．２９×Ｘ２＋０．３６×Ｘ３が得られた場合において、対象薬剤の同じ対照薬に対する有効性比率が１．６５、安全性比率１．３３、作用機序比率１．４７６の場合、上の重回帰式にそれぞれの値を代入して、Ｙ＝０．１２＋０．２４×（１．６５０）＋０．２９×（１．３３０）＋０．３６×（１．４７６）＝１．４３３が、対象薬剤の予測新規処方患者数比率として得られる。
＜継続率の算出ロジックについて＞
続いて対象薬剤を継続して使用する率である継続率の算出ロジックについて説明する。
＜対象薬剤が既発売の場合＞
図２３Ａは、対象薬剤が既発売の場合の継続率の算出ロジックについて説明する模式図である。図２３Ａに示すように、対象薬剤の適応症毎に、新規処方患者数予測テーブルＴ３には、月ごとの新規処方人数が格納されている。
処理部２６２は、新規・継続サマリテーブルＴ２に格納されている、月毎のモデル薬剤の継続率を取得し、この値を、処方患者数予測テーブルＴ８における対象薬剤の対応する月の継続率予測に格納する。そして、処理部２６２は、月毎に、新規処方患者数予測テーブルＴ３から、新規処方人数を取得し、当該新規処方人数に対して、月の継続率予測を乗じることによって、処方予測人数を決定する。そして処理部２６２は、決定した処方予測人数を処方患者数予測テーブルＴ８に格納する。
続いて対象薬剤を継続して使用する率である継続率の算出ロジックについて説明する。
＜対象薬剤が既発売の場合＞
図２３Ａは、対象薬剤が既発売の場合の継続率の算出ロジックについて説明する模式図である。図２３Ａに示すように、対象薬剤の適応症毎に、新規処方患者数予測テーブルＴ３には、月ごとの新規処方人数が格納されている。
処理部２６２は、新規・継続サマリテーブルＴ２に格納されている、月毎のモデル薬剤の継続率を取得し、この値を、処方患者数予測テーブルＴ８における対象薬剤の対応する月の継続率予測に格納する。そして、処理部２６２は、月毎に、新規処方患者数予測テーブルＴ３から、新規処方人数を取得し、当該新規処方人数に対して、月の継続率予測を乗じることによって、処方予測人数を決定する。そして処理部２６２は、決定した処方予測人数を処方患者数予測テーブルＴ８に格納する。
ここで、処方患者数予測テーブルＴ８を参照すると、薬剤ＩＤが「Ｎ００００１」で適応症が「胃潰瘍」の２０２０年２月の処方患者数の予測値は、２０２０年２月の新規患者数の予測値が１８０人であり、２０２０年１月の新規患者数１４０人のうちの５０％がその１か月後も継続すると予測されるので継続の患者数の予測値が７０人であるので、合計して２５０（＝１８０＋７０）人である。
薬剤ＩＤが「Ｎ００００１」で適応症が「胃潰瘍」の２０２０年３月の処方患者数の予測値は、２０２０年３月の新規患者数の予測値が１７８人であり、２０２０年１月の新規患者数１４０人のうちの２５％がその２か月後も継続すると予測されるので継続の患者数の予測値が２８人であり、２０２０年２月の新規患者数１８０人のうちの７５％がその１か月後も継続すると予測されるので継続の患者数の予測値が１３５人であるので、合計して３４１（＝１７８＋２８＋１３５）人である。このように、各月の処方患者数の予測値は、その月の新規患者数の予測値に、その月の継続の患者数の予測値を加算することによって得られる。
薬剤ＩＤが「Ｎ００００１」で適応症が「胃潰瘍」の２０２０年３月の処方患者数の予測値は、２０２０年３月の新規患者数の予測値が１７８人であり、２０２０年１月の新規患者数１４０人のうちの２５％がその２か月後も継続すると予測されるので継続の患者数の予測値が２８人であり、２０２０年２月の新規患者数１８０人のうちの７５％がその１か月後も継続すると予測されるので継続の患者数の予測値が１３５人であるので、合計して３４１（＝１７８＋２８＋１３５）人である。このように、各月の処方患者数の予測値は、その月の新規患者数の予測値に、その月の継続の患者数の予測値を加算することによって得られる。
このように、その月の新規患者数の予測値に、その月の前の各月からの継続の患者数の予測値が加算されていく様子を、図２３Ａの棒グラフＧＰを用いて説明する。図２３Ａの棒グラフＧＰは、縦軸が、月ごとの処方患者数の予測値であり、横軸が時間である。棒グラフＧＰにおいて、２０２０年２月は、２０２０年２月の新規患者数の予測値を示す棒に、２０２０年１月からの継続の患者数の予測値を示す棒が積み上げられる。２０２０年３月は、２０２０年３月の新規患者数の予測値を示す棒に、２０２０年１月からの継続の患者数の予測値を示す棒と、２０２０年２月からの継続の患者数の予測値を示す棒とが積み上げられる。２０２０年４月は、２０２０年４月の新規患者数の予測値を示す棒に、２０２０年１月からの継続の患者数の予測値を示す棒と、２０２０年２月からの継続の患者数の予測値を示す棒と、２０２０年３月からの継続の患者数の予測値を示す棒が積み上げられる。このように、月ごとの処方患者数の予測値を示す棒は、その月の新規患者数の予測値の棒の上に、その月の前の各月からの継続の患者数の予測値の棒が積み上げられる。
＜対象薬剤が未発売の場合＞
処理部２６２は臨床試験データテーブルをもとに予測を行った継続率比率を、対照薬の継続率と掛け合わせ、継続率を算出する。
具体的には例えば、処理部２６２は、予測の対象となる対象薬剤の継続率比率を、例えば、１つの目的変数であるの継続率比率を複数の説明変数である有効性比率、安全性比率、及び作用機序比率を用いて重回帰分析を用いて予測する。具体的には処理部２６２は例えば、臨床試験データテーブルＴ６から、対象薬剤の臨床試験に使用された対照薬と、同一の対照薬を使用した薬剤のデータを集め、重回帰分析を行う。この重回帰分析の方法は、上記の方法と同じであるので、その説明を省略する。そして、比較モデルとして重回帰式が得られた場合において、対象薬剤の同じ対照薬に対する有効性比率の値、安全性比率の値、作用機序比率の値をその重回帰式に代入して得られた目的変数が、対象薬剤の予測継続率比率として得られる。
処理部２６２は臨床試験データテーブルをもとに予測を行った継続率比率を、対照薬の継続率と掛け合わせ、継続率を算出する。
具体的には例えば、処理部２６２は、予測の対象となる対象薬剤の継続率比率を、例えば、１つの目的変数であるの継続率比率を複数の説明変数である有効性比率、安全性比率、及び作用機序比率を用いて重回帰分析を用いて予測する。具体的には処理部２６２は例えば、臨床試験データテーブルＴ６から、対象薬剤の臨床試験に使用された対照薬と、同一の対照薬を使用した薬剤のデータを集め、重回帰分析を行う。この重回帰分析の方法は、上記の方法と同じであるので、その説明を省略する。そして、比較モデルとして重回帰式が得られた場合において、対象薬剤の同じ対照薬に対する有効性比率の値、安全性比率の値、作用機序比率の値をその重回帰式に代入して得られた目的変数が、対象薬剤の予測継続率比率として得られる。
そして、対象薬剤が既発売の場合と同様に、処理部２６２は、得られた継続率比率を、処方患者数予測テーブルＴ８における対象薬剤の対応する月の継続率予測に格納する。そして、処理部２６２は、月毎に、新規処方患者数予測テーブルＴ３から、新規処方人数を取得し、当該新規処方人数に対して、月の継続率予測を乗じることによって、処方予測人数を決定する。そして処理部２６２は、決定した処方予測人数を処方患者数予測テーブルＴ８に格納する。
続いて、処方患者数予測テーブルＴ８に格納された処方予測人数を集計して各月の処方予測人数を算出する処理について図２３Ｂを用いて説明する。図２３Ｂは、第１の実施形態に係るコンピュータシステムのストレージに記憶される処方予測人数テーブルＴ１２の作成方法を説明する模式図である。図２３Ｂに示すように、処方患者数予測テーブルＴ８には、薬剤を識別する薬剤識別情報の一例である薬剤ＩＤ、適応症、診察年、診察月、新規処方年、新規処方月、当該新規処方年月における新規処方患者数（新規処方計）、継続率予測、処方予測人数の組のレコードが蓄積される。
処理部２６２は、処方患者数予測テーブルＴ８を参照して、薬剤と適応症の組毎に、新規処方、継続処方の処方予測人数を月毎に足し上げて、月毎の処方予測人数を算出し、この算出した月毎の処方予想人数を、ストレージ２３の処方予測人数テーブルＴ１２に格納する。これにより、コンピュータシステム２のストレージ２３の処方予測人数テーブルＴ１２に、月毎の処方人数に記憶される。これにより、処方予測人数テーブルＴ１２には、薬剤を識別する薬剤識別情報の一例である薬剤ＩＤ、適応症、診察年、診察月、処方予測人数の組のレコードが蓄積される。このように、処理部２６２は、処方患者数予測テーブルＴ８に格納された処方予測人数を集計して、各月の処方予測人数を算出する。
図２４は、第１の実施形態に係る売上を算出する流れを示す模式図である。図２３で説明した処理と同様に、処理部２６２は例えば、処方患者数予測テーブルＴ８を参照して、薬剤と適応症の組毎に、新規処方、継続処方の処方予測人数を月毎に足し上げて、月毎の処方予測人数を算出し、この算出した月毎の処方予測人数を、ストレージ２３の売上サマリ予測テーブルＴ１３に格納する。これにより売上サマリ予測テーブルＴ１３には、診察年、診察月、薬剤を識別する薬剤識別情報の一例である薬剤ＩＤ、適応症、当該適応症を識別する適応症コード、処方予測人数の組のレコードが格納され、蓄積される。
また、処理部２６２は例えば、レセプトデータサマリテーブルＴ１を参照して、薬剤と適応症の組毎に、月毎に規格容量の平均値を平均投与量として算出し、算出した月毎の平均投与量を、ストレージ２３の売上サマリ予測テーブルＴ１３に格納する。これにより、月と薬剤と適応症の組別に、月毎の平均投与量が売上サマリ予測テーブルＴ１３に格納される。
また、処理部２６２は例えば、レセプトデータサマリテーブルＴ１を参照して、薬剤と適応症の組毎に、月毎に処方日数の平均値を平均処方日数として算出し、算出した月毎の平均処方日数を、ストレージ２３の売上サマリ予測テーブルＴ１３に格納する。これにより、月と薬剤と適応症の組別に、月毎の平均処方日数が売上サマリ予測テーブルＴ１３に格納される。
また処理部２６２は例えば、レセプトデータサマリテーブルＴ１において、平均投与量及び平均処方日数を算出した元となるレコードの薬剤それぞれについて、薬剤マスタテーブルＴ１０を参照して、対象薬剤の薬剤ＩＤと剤形分類と規格容量の組合わせから、当該対象薬剤の統一商品コードＩＤを取得する。そして、処理部２６２は例えば、当該統一商品コードＩＤに対応する平均薬価を薬価マスタテーブルＴ１１から取得して、取得した平均薬価をストレージ２３の売上サマリ予測テーブルＴ１３に格納する。
また処理部２６２は例えば、売上サマリ予測テーブルＴ１３のレコード毎に、処方予測人数、平均投与量、平均処方日数、平均薬価を売上サマリ予測テーブルＴ１３から読み出して、処方予測人数、平均投与量、平均処方日数、平均薬価を互いに掛け合わせることによって、売上を算出し、算出した売上を、売上サマリ予測テーブルＴ１３の対応するレコードに格納する。ここで同一レコード内の処方予測人数をＡ、平均投与量をＢ、平均処方日数をＣ、平均薬価をＤとすると、売上はＡ×Ｂ×Ｃ×Ｄである。
図２５は、第１の実施形態に係る概略の処理の一例を示すフローチャートである。なお、本フローチャートでは、本質的な部分についての流れを説明し、細かな処理についての説明を省略する。
（ステップＳ１０）まず受付部１６１は、「既発売薬」か「未発売薬または発売直後」かの選択、対象の薬剤名、対象の適応症、期間の入力を受け付ける。
（ステップＳ２０）次に処理部１６２は、例えば図１１の確定ボタンＢ３が押された場合、既発売薬が選択されたか否か判定する。既発売薬が選択されていない場合、処理がステップＳ３１０に進む。
（ステップＳ３０）ステップＳ２０で既発売薬が選択された場合、処理部１６２は、図１２に示すように、モデル薬剤、剤形を入力可能に表示する。
（ステップＳ４０）次に、受付部１６１は、モデル薬剤、剤形を受け付ける。
（ステップＳ５０）次に、処理部１６２は、図１２の検索ボタンＢ４が押されたか否か判定する。
（ステップＳ６０）ステップＳ５０で検索ボタンＢ４が押されたと判定された場合、通信制御部１６３は、既発売選択の旨、薬剤名、期間、モデル薬剤、剤形をコンピュータシステム２へ送信制御する。これにより、コンピュータシステム２の通信制御部２６３は、既発売選択の旨、薬剤名、期間、モデル薬剤、剤形を受信し、取得部２６１はこれらを取得する。
（ステップＳ７０）コンピュータシステム２の処理部２６２は、モデル薬剤が選択されたか否か判定する。具体的には例えば処理部２６２は、受信した「モデル薬剤」に特定の薬剤が指定されている場合、モデル薬剤が選択されたと判定し、受信した「モデル薬剤」に特定の薬剤が指定されていない場合（例えば、空のデータである場合）、モデル薬剤が選択されていないと判定する。モデル薬剤が選択されていない場合、処理がステップＳ２３０に進む。
（ステップＳ８０）処理部２６２は、処方患者数が極大値を過ぎているか否か判定する。ステップＳ８０で処方患者数が極大値を過ぎてない場合、処理がステップＳ２１０に進む。
（ステップＳ９０）ステップＳ８０で処方患者数が極大値を過ぎている場合、通信制御部２６３は、特許消失後のモデル薬剤の選択画面情報を送信する。
（ステップＳ１００）処理部１６２は、受信した選択画面情報を用いて、図１５の画面Ｇ５に示すように、特許消失後のモデル薬剤、剤形を選択可能に表示する。
（ステップＳ１０５）受付部１６１は、特許消失後のモデル薬剤、剤形を受け付ける。
（ステップＳ１１０）処理部１６２は、図１５の検索ボタンＢ７が押されたか否か判定する。
（ステップＳ１２０）ステップＳ１１０で検索ボタンＢ７が押された場合、通信制御部１６３は、特許失効後のモデル薬剤、剤形を送信する。これにより、コンピュータシステム２の通信制御部２６３は、特許失効後のモデル薬剤、剤形を受信し、取得部２６１はこれらを取得する。
（ステップＳ１３０）処理部２６２は、対象薬剤の処方患者数の近似曲線、対象薬剤の売上の近似曲線を出力する。この際、処理部２６２は例えば、既存のデータを用いて減衰曲線となるような近似曲線を生成する。
（ステップＳ１４０）そして、通信制御部２６３は、近似曲線の表示画面情報を端末装置１へ送信する。端末装置１の通信制御部１６３は、この近似曲線の表示画面情報を受信する。
（ステップＳ１５０）端末装置１の処理部１６２は、受信した近似曲線の表示画面情報を用いて、近似曲線の表示画面を表示する。これにより、例えば、図１５の画面Ｇ５において、曲線Ｗ２１～Ｗ２４が表示される。
（ステップＳ１６０）処理部１６２は、図１５の画面Ｇ５において「このモデル薬剤（群）でシミュレーション」ボタンＢ８が押されたか否か判定する。
（ステップＳ１７０）ステップＳ１６０で「このモデル薬剤（群）でシミュレーション」ボタンＢ８が押されたと判定された場合、通信制御部２６３は、シミュレーションボタン指示の旨をコンピュータシステム２へ送信制御する。これにより、通信制御部２６３は、シミュレーションボタン指示の旨を受信し、取得部２６１はこの旨を取得する。
（ステップＳ１８０）コンピュータシステム２の処理部２６２は、対象薬剤の処方患者数の時系列予測値、売上の時系列予測値を出力する。この際、処理部２６２は例えば、生成された近似曲線が示す近似関数を用いて、対象薬剤の処方患者数の時系列予測値を決定する。また、この際に、処理部２６２は、図２４で説明したように、各月において、当該月の対象薬剤の処方患者数の予測値、当該月の平均投与量、当該月の平均投与量、対象薬剤の平均薬価をかけ合わせることで、当該月における対象薬剤の売上の予測値を算出する。これにより、処理部２６２は、象薬剤の売上の時系列予測値が得られる。
またこの際に、処理部２６２は、図２４で説明したように、各月において、当該月の対象薬剤の処方患者数の予測値、当該月の平均投与量、当該月の平均投与量、対象薬剤の平均薬価をかけ合わせることで、当該月における対象薬剤の売上の予測値を算出する。これにより、処理部２６２は、象薬剤の売上の時系列予測値が得られる。
（ステップＳ１９０）そして通信制御部２６３は、出力画面情報を端末装置１へ送信する。ここで、出力画面情報には例えば、対象薬剤の処方患者数の時系列予測値を示すグラフ、売上の時系列予測値を示すグラフを表示するための情報が含まれる。端末装置１の通信制御部１６３は、この出力画面情報を受信する。
（ステップＳ２００）端末装置１の処理部１６２は、図１６の画面Ｇ１６に示すように、受信した出力画面情報を用いて、出力画面を表示する。本フローチャートの処理を終了する。
（ステップＳ２１０）ステップＳ８０で処方患者数が極大値を過ぎていないと判定された場合、コンピュータシステム２の処理部２６２は、対象薬剤の処方患者数の時系列予測値、売上の時系列予測値を出力する。この際、処理部２６２は、「特許失効予定時期の患者数」と、「特許失効予定時期から３か月後の患者数」の２点について、下記の方法で予測し、予測された点を滑らかに曲線でつなぐことによって、対象薬剤の処方患者数の時系列予測値を出力する。
処理部２６２は、既存データの新規患者数テーブルの「新規処方計」の推移をもとに、特許失効予定時期が極大点（最も患者数の多い点）となるような増幅関数となるような近似関数（もしくは近似曲線）を生成することによって「特許失効予定時期の患者数」を予測する。ここで特許失効予定時期は、特許失効年月マスタテーブルの年月とする。
処理部２６２は、新規処方患者数テーブルにある薬剤（複数選択、剤形選択可）をモデル薬剤として選択し、その薬剤の特許失効～特許失効から３か月の期間について、患者数の減少率を、前述の「特許失効予定時期の患者数」を１００％として、減少率を適応し、「特許失効予定時期から３か月後の患者数」を算出する。特許失効予定時期～その３か月後は、特許失効年月マスタテーブルのデータから紐づける。
処理部２６２は、新規処方患者数テーブルにある薬剤（複数選択、剤形選択可）をモデル薬剤として選択し、その薬剤の特許失効～特許失効から３か月の期間について、患者数の減少率を、前述の「特許失効予定時期の患者数」を１００％として、減少率を適応し、「特許失効予定時期から３か月後の患者数」を算出する。特許失効予定時期～その３か月後は、特許失効年月マスタテーブルのデータから紐づける。
またこの際に、処理部２６２は、図２４で説明したように、各月において、当該月の対象薬剤の処方患者数の予測値、当該月の平均投与量、当該月の平均投与量、対象薬剤の平均薬価をかけ合わせることで、当該月における対象薬剤の売上の予測値を算出する。これにより、処理部２６２は、対象薬剤の売上の時系列予測値が得られる。
（ステップＳ２２０）そして通信制御部２６３は、出力画面情報を端末装置１へ送信する。ここで、出力画面情報には例えば、対象薬剤の処方患者数の時系列予測値を示すグラフ、売上の時系列予測値を示すグラフを表示するための情報が含まれる。端末装置１の通信制御部１６３は、この出力画面情報を受信する。
（ステップＳ２２５）端末装置１の処理部１６２は、図１６の画面Ｇ６に示すように、受信した出力画面情報を用いて、出力画面を表示する。本フローチャートの処理を終了する。
（ステップＳ２３０）ステップＳ７０でモデル薬剤が選択されたと判定された場合、コンピュータシステム２の処理部２６２は、対象薬剤の新規処方患者数の過去の推移と、モデル薬剤の新規処方患者数の過去の推移との間の一致率を出力する。
（ステップＳ２４０）そして通信制御部２６３は、当該一致率を含む一致率表示画面情報を端末装置１へ送信する。端末装置１の通信制御部１６３は、この一致率表示画面情報を受信する。
（ステップＳ２５０）端末装置１の処理部１６２は、図１２の画面Ｇ１２に示すように、受信した一致率表示画面情報を用いて、一致率表示画面を表示する。
（ステップＳ２６０）処理部１６２は、図１２の画面Ｇ１２において「このモデル薬剤でシミュレーション」ボタンＢ５が押されたか否か判定する。
（ステップＳ２７０）「このモデル薬剤でシミュレーション」ボタンＢ５が押された場合、通信制御部２６３はシミュレーションボタン指示の旨を送信する。コンピュータシステム２の通信制御部２６３は、このシミュレーションボタン指示の旨を受信し、取得部２６１は、このシミュレーションボタン指示の旨を取得する。
（ステップＳ２８０）処理部１６２は、上述した「既発売且つモデル薬剤あり」の条件下のロジックで、対象薬剤の処方患者数の時系列予測値、売上の時系列予測値を出力する。
（ステップＳ２９０）そして通信制御部２６３は、出力画面情報を端末装置１へ送信する。ここで、出力画面情報には例えば、対象薬剤の処方患者数の時系列予測値を示すグラフ、売上の時系列予測値を示すグラフを表示するための情報が含まれる。端末装置１の通信制御部１６３は、この出力画面情報を受信する。
（ステップＳ３００）端末装置１の処理部１６２は、図１３の画面Ｇ３に示すように、受信した出力画面情報を用いて、出力画面を表示する。本フローチャートの処理を終了する。
（ステップＳ３１０）ステップＳ２０で既発売が選択されなかったと判定された場合、端末装置１の処理部１６２は、例えば図１７の画面Ｇ７に示すように、臨床試験結果を入力可能に表示する。
（ステップＳ３２０）受付部１６１は、臨床試験結果の入力を受け付ける。
（ステップＳ３３０）処理部１６２は、例えば図１７の画面Ｇ７において確定ボタンＢ９が押されたか否か判定する。
（ステップＳ３４０）ステップＳ３３０で確定ボタンＢ９が押された場合、通信制御部１６３は、未発売選択の旨、薬剤名、期間、臨床試験結果をコンピュータシステム２へ送信制御する。コンピュータシステム２の通信制御部２６３は、この未発売選択の旨、薬剤名、期間、臨床試験結果を受信し、取得部２６１はこれらを取得する。
（ステップＳ３５０）処理部１６２は、上述した未発売の条件下のロジックで、対象薬剤の処方患者数の時系列予測値を出力する。
（ステップＳ３６０）そして通信制御部２６３は、出力画面情報を端末装置１へ送信する。ここで、出力画面情報には例えば、対象薬剤の処方患者数の時系列予測値を示すグラフを表示するための情報が含まれる。端末装置１の通信制御部１６３は、この出力画面情報を受信する。
（ステップＳ３７０）端末装置１の処理部１６２は、図１９の画面Ｇ８に示すように、受信した出力画面情報を用いて、出力画面を表示する。
（ステップＳ３８０）受付部１６１は、例えば図１９の画面Ｇ８において、平均投与量、平均処方日数、薬価の入力を受け付ける。
（ステップＳ３９０）処理部１６２は、確定ボタンＢ１０が押されたか否か判定する。
（ステップＳ４００）ステップＳ３９０で確定ボタンＢ１０が押された場合、通信制御部１６３は、平均投与量、平均処方日数、薬価をコンピュータシステム２へ送信制御する。コンピュータシステム２の通信制御部２６３は、この平均投与量、平均処方日数、薬価を受信し、取得部２６１はこれらを取得する。
（ステップＳ４１０）処理部１６２は、対象薬剤の処方患者数の時系列予測値、受信した平均投与量、平均処方比数、及び薬価を掛け合わせることにより、売上の時系列予測値を出力する。
（ステップＳ４２０）そして通信制御部２６３は、出力画面情報を端末装置１へ送信する。ここで、出力画面情報には例えば、対象薬剤の売上の時系列予測値を示すグラフを表示するための情報が含まれる。端末装置１の通信制御部１６３は、この出力画面情報を受信する。
（ステップＳ４３０）端末装置１の処理部１６２は、図１９の画面Ｇ９に示すように、受信した出力画面情報を用いて、出力画面を表示する。本フローチャートの処理を終了する。
以上、端末装置１と、当該端末装置１と情報交換可能に接続されたコンピュータシステム２とを備える情報処理システムＳであって、端末装置１は、対象薬剤及び対象適応症の入力を受け付け、モデル薬剤または当該対象薬剤の臨床試験結果を受け付け、前記受け付けた対象薬剤と、前記モデル薬剤または前記臨床試験結果を前記コンピュータシステムへ送信する。
コンピュータシステム２は、前記対象薬剤及び対象適応症と、前記モデル薬剤または前記臨床試験結果を受信し、当該受信した対象薬剤の対象適応症について、前記モデル薬剤または臨床試験結果に応じて、処理を実行し、処理の結果得られた対象薬剤の対象適応症に対する処方患者数の時系列予測値、及び／または当該対象薬剤の対象適応症に対する売上の時系列予測値を前記端末装置へ送信する。なお、コンピュータシステム２は、対象薬剤の疾患毎および／または総処方患者数の時系列予測値を送信してもよい。
端末装置１は、前記出力された対象薬剤の対象適応症に対する処方患者数の時系列予測値、及び／または当該対象薬剤の対象適応症に対する売上の時系列予測値を受信し、当該受信した対象薬剤の対象適応症に対する処方患者数の時系列予測値、及び／または当該対象薬剤の対象適応症に対する売上の時系列予測値を表示制御する。なお、端末装置１は、対象薬剤の疾患毎および／または総処方患者数の時系列予測値を表示制御してもよい。
端末装置１は、前記出力された対象薬剤の対象適応症に対する処方患者数の時系列予測値、及び／または当該対象薬剤の対象適応症に対する売上の時系列予測値を受信し、当該受信した対象薬剤の対象適応症に対する処方患者数の時系列予測値、及び／または当該対象薬剤の対象適応症に対する売上の時系列予測値を表示制御する。なお、端末装置１は、対象薬剤の疾患毎および／または総処方患者数の時系列予測値を表示制御してもよい。
この構成により、対象薬剤の対象適応症（すなわち対象疾患）の処方患者数の時系列予測値、及び／または対象薬剤の対象適応症（すなわち対象疾患）の売上の時系列予測値が自動的に得られるので、医薬品が処方される将来の対象適応症（すなわち対象疾患）の患者数または将来の医薬品の対象適応症（すなわち対象疾患）の売上額の予測にかかる労力を低減することができる。また、適応症毎（すなわち疾患毎）の患者数が予測できるので、対象薬剤について適応症毎の患者数を合計することによって、対象薬剤の総患者数も時系列で予測することができる。
また端末装置１は、前記モデル薬剤に加えて当該対象薬剤の剤形を受け付け、前記受け付けた対象薬剤と、前記モデル薬剤と、前記剤形を前記コンピュータシステムへ送信し、コンピュータシステム２は、前記対象薬剤と、前記モデル薬剤及び対象適応症と、前記剤形を受信し、当該受信した対象薬剤及び対象適応症について、前記モデル薬剤と、前記剤形に応じて、処理を実行し、処理の結果得られた対象薬剤の対象適応症に対する処方患者数の時系列予測値、及び／または当該対象薬剤の対象適応症に対する売上の時系列予測値を前記端末装置へ送信する。
この構成により、モデル薬剤のうち指定された剤形の薬剤の処方患者数の過去の時系列推移を参照にして、対象薬剤の対象適応症に対する処方患者数の時系列予測値、及び／または対象薬剤の疾患毎および総処方患者数の時系列予測値を得ることができるので、予測精度を向上させることができる。また、対象薬剤の対象適応症に対する処方患者数の時系列予測値、及び／またはこの対象薬剤の疾患毎および／または総処方患者数の時系列予測値から、当該対象薬剤の対象適応症に対する売上の時系列予測値を得ることができるので、予測精度を向上させることができる。
コンピュータシステム２は、対象薬剤の対象適応症に対する処方患者数の時系列予測値と、平均投与量の時系列予測値と、平均処方日数の時系列予測値と、対象薬剤の平均薬価とを乗じることによって、当該対象薬剤の対象適応症に対する売上の時系列予測値を決定する。
この構成により、当該対象薬剤の対象適応症に対する売上の時系列予測値、対象薬剤の疾患毎および総処方患者数の時系列予測値の予測精度を向上させることができる。
図２０で説明したように、コンピュータシステム２は、対象薬剤の対象適応症に対する新規処方患者数の時系列予測値と、対応する当該対象薬剤の対象適応症に対する継続率の時系列予測値を乗じることによって、当該対象薬剤の対象適応症に対する処方患者数の時系列予測値を決定する。
この構成により、対象薬剤の継続率を加味することで、当該対象薬剤の対象適応症に対する処方患者数の時系列予測値、対象薬剤の疾患毎および／または総処方患者数の時系列予測値の精度を向上させることができる。
端末装置１は、臨床試験結果を比較する対照薬を受け付け、当該対照薬を識別する薬剤識別情報を前記コンピュータシステムへ送信する。コンピュータシステム２は、前記対照薬の臨床結果と前記対象薬剤の臨床試験結果を比較し、比較結果に応じて、前記対象薬剤の対象適応症に対する処方患者数の時系列予測値を決定し、及び／または前記対象薬剤の疾患毎および／または総処方患者数の時系列予測値を決定してもよい。
この構成により、対象薬剤が未発売薬であっても、対照薬の臨床結果と臨床試験結果を比較することにより、対象薬剤の処方患者数の時系列予測値を決定することで、対象薬剤の対象適応症に対する処方患者数の時系列予測値、及び／または対象薬剤の疾患毎および／または総処方患者数の予測精度を維持することができる。
また第１の実施形態に係るコンピュータシステム２は、ユーザによって入力された対象薬剤と、モデル薬剤または臨床試験結果を取得する取得部２６１と、前記対象薬剤と、前記モデル薬剤または前記臨床試験結果に応じて、対象薬剤の対象適応症に対する処方患者数の時系列予測値、及び／または対象薬剤の疾患毎および／または総処方患者数の時系列予測値、及び／または当該対象薬剤の売上の時系列予測値を出力する処理部２６２と、を備える。
この構成により、対象薬剤の処方患者数の時系列予測値、及び／または対象薬剤の売上の時系列予測値が自動的に得られるので、対象薬剤の対象適応症に対する処方患者数、及び／または医薬品が処方される将来の疾患毎および／または総患者数または将来の医薬品の売上額の予測にかかる労力を低減することができる。
また対象薬剤が既発売薬に関する処理の場合、第１の実施形態に係る端末装置１は、対象薬剤とモデル薬剤を入力可能に表示制御する処理部１６２と、前記対象薬剤とモデル薬剤をユーザから受け付ける受付部１６１と、前記受け付けた前記対象薬剤とモデル薬剤を送信する通信制御部１６３と、を備える。通信制御部１６３は、前記対象薬剤の処方患者数の時系列予測値、及び／または当該対象薬剤の売上の時系列予測値を含む情報を受信する。そして処理部１６２は、前記受信した情報を用いて、対象薬剤の対象適応症に対する処方患者数、及び／または対象薬剤の疾患毎および／または総処方患者数の時系列予測値、及び／または当該対象薬剤の売上の時系列予測値を表示制御する。
この構成により、対象薬剤が既発売薬の場合に、対象薬剤の処方患者数の時系列予測値、及び／または対象薬剤の売上の時系列予測値が自動的に得られるので、対象薬剤の対象適応症に対する処方患者数、及び／または医薬品が処方される将来の疾患毎および／または総患者数または将来の医薬品の売上額の予測にかかる労力を低減することができる。
また対象薬剤が未発売薬に関する処理の場合、第１の実施形態に係る端末装置１は、対象薬剤と当該対象薬剤の臨床試験結果を入力可能に表示制御する処理部１６２と、前記対象薬剤と当該対象薬剤の臨床試験結果をユーザから受け付ける受付部１６１と、前記受け付けた前記対象薬剤と当該対象薬剤の臨床試験結果を送信する通信制御部１６３と、を備える。通信制御部１６３は、前記対象薬剤の処方患者数の時系列予測値、及び／または当該対象薬剤の売上の時系列予測値を含む情報を受信する。そして処理部１６２は、当該受信した情報を用いて、対象薬剤の対象適応症に対する処方患者数、及び／または対象薬剤の疾患毎および／または総処方患者数の時系列予測値、及び／または当該対象薬剤の売上の時系列予測値を表示制御する。
この構成により、対象薬剤が未発売薬の場合に、対象薬剤の処方患者数の時系列予測値、及び／または対象薬剤の売上の時系列予測値が自動的に得られるので、対象薬剤の対象適応症に対する処方患者数、及び／または医薬品が処方される将来の疾患毎および／または総患者数または将来の医薬品の売上額の予測にかかる労力を低減することができる。
また第１の実施形態に係る端末装置１において、処理部１６２は、対象薬剤が既発売薬か未発売薬かをユーザが選択可能に表示制御する。受付部１６１は、対象薬剤が既発売薬か未発売薬かの選択をユーザから受け付ける。処理部１６２は、前記受け付けた選択に応じて、当該モデル薬剤をユーザが入力可能に表示するか、対象薬剤の臨床試験結果をユーザが入力可能に表示するかのいずれかを実行する。ここで入力可能には、選択可能な場合も含まれる。
この構成により、対象薬剤が既発売薬の場合に、モデル薬剤をユーザが選択可能に表示するので、ユーザがモデル薬剤を入力することができ、対象薬剤の処方患者数の時系列予測値、及び／または当該対象薬剤の売上の時系列予測値が得られる。一方、対象薬剤が未発売薬の場合、対象薬剤の臨床試験結果をユーザが入力可能に表示するので、ユーザが対象薬剤の臨床試験結果を入力することができ、対象薬剤の対象適応症に対する処方患者数、及び／または対象薬剤の疾患毎および／または総処方患者数の時系列予測値、及び／または当該対象薬剤の売上の時系列予測値が得られる。
＜第２の実施形態＞
続いて第２の実施形態について説明する。第２の実施形態では、モデル薬剤のジェネリック薬品（ＧＥともいう）またはオーソライズドジェネリック薬品（ＡＧともいう）の販売後の処方患者数減少率の時系列変化を用いて、（予測）対象薬剤が処方された対象患者のジェネリック薬品またはオーソライズドジェネリック薬品の販売後の処方患者数の時系列予測を決定する。
続いて第２の実施形態について説明する。第２の実施形態では、モデル薬剤のジェネリック薬品（ＧＥともいう）またはオーソライズドジェネリック薬品（ＡＧともいう）の販売後の処方患者数減少率の時系列変化を用いて、（予測）対象薬剤が処方された対象患者のジェネリック薬品またはオーソライズドジェネリック薬品の販売後の処方患者数の時系列予測を決定する。
第２の実施形態では、第１の実施形態と異なる点のみについて説明する。図７Ｂで説明したように、コンピュータシステム２のストレージ２３には例えば、特許失効年月マスタテーブルＴ５が用意され、薬剤ＩＤ、適応症名、適応症コード、特許失効年、特許失効月の組のレコードが記憶されている。図２８は、図１１の続きの画面遷移の第２の実施形態の一例である。
コンピュータシステム２の処理部２６２は、図７Ｂの「特許失効年月マスタ」を参照し、画面Ｇ２ｂにおいてユーザによって選択された期間内に対象薬剤の特許失効年月の“６か月前”以降が含まれている場合、「ＡＧの影響を加味する」ことを選択可能なセレクトボックスＢ１１を表示するための情報を端末装置１へ送信し、この情報を用いて、画面Ｇ２ｂに示すように端末装置１が「ＡＧの影響を加味する」ことを選択可能なセレクトボックスＢ１１を表示するための情報を表示する。
またコンピュータシステム２の処理部２６２は、図７Ｂの「特許失効年月マスタ」を参照し、画面Ｇ２ｂにおいてユーザによって選択された期間内に特許失効年月以降が含まれている場合、「ＧＥの影響を加味する」ことを選択可能なセレクトボックスＢ１２を表示するための情報を端末装置１へ送信し、この情報を用いて、画面Ｇ２ｂに示すように端末装置１が「ＡＧの影響を加味する」ことを選択可能なセレクトボックスＢ１１を表示するための情報を表示する。
予測対象の対象薬剤が、ジェネリック薬品、もしくはオーソライズドジェネリック薬品の発売が見込まれている場合、コンピュータシステム２の処理部２６２は、１～３の少なくとも一つの内容を検討し、一つ以上のモデル薬剤を決定してもよい。
１ 薬剤/疾病類似性
（１）適応は同じかつ作用機序が同じ
（２）作用機序は異なるが適応が同じ
（３）適応は異なるが、疾病のカテゴリ(例：「中枢神経系薬」、「抗がん剤」といった薬効群のくくり)が同じ
（４）それ以外
２ 発売時期が近い順
３ 処方患者数の規模が近い順
１ 薬剤/疾病類似性
（１）適応は同じかつ作用機序が同じ
（２）作用機序は異なるが適応が同じ
（３）適応は異なるが、疾病のカテゴリ(例：「中枢神経系薬」、「抗がん剤」といった薬効群のくくり)が同じ
（４）それ以外
２ 発売時期が近い順
３ 処方患者数の規模が近い順
その際、コンピュータシステムは例えば、ユーザによって選択された期間内に対象薬剤の特許失効年月の６か月前以降が含まれている場合、対象薬剤との間で適応症が同じで且つオーソライズドジェネリックが販売された薬剤それぞれをモデル薬剤候補とし、コンピュータシステムは例えば、ユーザによって選択された期間内に特許失効年月以降が含まれている場合、対象薬剤との間で適応症が同じで且つオーソライズドジェネリックが販売された薬剤それぞれをモデル薬剤候補とする。
＜モデル薬剤の選択方法の具体例＞
続いて、モデル薬剤の選択方法の具体例と処方患者数の時系列減少率の計算方法の具体例について説明する。まず、モデル薬剤の選択方法の具体例について説明する。
続いて、モデル薬剤の選択方法の具体例と処方患者数の時系列減少率の計算方法の具体例について説明する。まず、モデル薬剤の選択方法の具体例について説明する。
（ステップ１）処理部２６２は、ストレージ２３を参照して、「ＧＥの影響を加味する」ことが選択されている場合、対象薬剤との間で適応症が同じで且つＧＥが販売された薬剤それぞれを、モデル薬剤候補として読み出す。あるいは処理部２６２は、ストレージ２３を参照して、「ＡＧの影響を加味する」ことが選択されている場合、対象薬剤との間で適応症が同じで且つＡＧが販売された薬剤それぞれを、モデル薬剤候補として読み出す。あるいは、処理部２６２は、ストレージ２３を参照して、「ＧＥの影響を加味する」こと及び「ＡＧの影響を加味する」ことが選択されている場合、対象薬剤との間で適応症が同じで且つＧＥまたはＡＧが販売された薬剤それぞれを、モデル薬剤候補として読み出す。
処理部２６２は例えば、次の式（１）で導かれるパラメータＡが小さいモデル薬剤候補から順にｎ（ｎは自然数）製品、モデル薬剤として選択する。
ここで、ｘは対象薬剤とモデル薬剤との間の薬剤/疾病類似度の差を表す（ここでは一例として対象薬剤の適応、作用機序を０とする）。ｙは対象薬剤、モデル薬剤との間でのＧＥ／ＡＧ発売時期の差を表す。ｚは、対象薬剤とモデル薬剤の処方患者数の差を表す。
図２９は、パラメータＡを説明するための模式図である。式（１）で算出されるパラメータＡは図２９の点Ｐ１の原点からの距離を表す。
ｘ、ｙ、ｚのスケールの尺度、ならびに製品数ｎの値は、疾病領域ごとに過去データから検証し、人またはコンピュータシステム２によって決定されてもよい。
続いて、パラメータｘ、ｙ、ｚの値の決定方式の一例について説明する。ここでは、一例として、パラメータｘ、ｙ、ｚそれぞれが０～１００ポイントの値を取るものとして説明する。
＜パラメータｘの値の決定方式の一例＞
パラメータｘの値の決定方式の一例について説明する。一例として、パラメータｘの値は、以下の（１）～（４）に従って処理部２６２によって決定される。
（１）適応は同じかつ作用機序が同じ：０ポイント
（２）作用機序は異なるが適応が同じ：２５ポイント
（３）適応は異なるが、疾病のカテゴリが同じ：７５ポイント
（４）それ以外：１００ポイント
ただし、（２）、（３）はその適応症や疾病カテゴリの薬剤数、薬効群によって調整が入る。
パラメータｘの値の決定方式の一例について説明する。一例として、パラメータｘの値は、以下の（１）～（４）に従って処理部２６２によって決定される。
（１）適応は同じかつ作用機序が同じ：０ポイント
（２）作用機序は異なるが適応が同じ：２５ポイント
（３）適応は異なるが、疾病のカテゴリが同じ：７５ポイント
（４）それ以外：１００ポイント
ただし、（２）、（３）はその適応症や疾病カテゴリの薬剤数、薬効群によって調整が入る。
＜パラメータｙの値の決定方式の一例＞
パラメータｙの値の決定方式の一例について説明する。一例として、対象薬剤と同じ適応の薬剤であって１番目にＧＥ／ＡＧが発売された薬剤（すなわち、モデル薬剤に対応するＧＥ／ＡＧの発売時期と最も発売時期が離れているＧＥ／ＡＧに対応する薬剤）との時期差が、例えば１年以内ならＵポイント、３年以内ならＶポイント（Ｕ＜Ｖ）など、時期差に応じて（例えば時期差が小さいほど値が小さくなる傾向になるように）、処理部２６２によって決定される。ただし、ＧＥ／ＡＧが発売された薬剤が少ない場合等は調整を考慮してもよい。
パラメータｙの値の決定方式の一例について説明する。一例として、対象薬剤と同じ適応の薬剤であって１番目にＧＥ／ＡＧが発売された薬剤（すなわち、モデル薬剤に対応するＧＥ／ＡＧの発売時期と最も発売時期が離れているＧＥ／ＡＧに対応する薬剤）との時期差が、例えば１年以内ならＵポイント、３年以内ならＶポイント（Ｕ＜Ｖ）など、時期差に応じて（例えば時期差が小さいほど値が小さくなる傾向になるように）、処理部２６２によって決定される。ただし、ＧＥ／ＡＧが発売された薬剤が少ない場合等は調整を考慮してもよい。
＜パラメータｚの値の決定方式の一例＞
パラメータｚの値の決定方式の一例について説明する。図３０は、パラメータｚの値の決定方式の一例について説明するための模式図である。図３０には、対象薬剤Ａの処方患者数推移のグラフの模式図と、モデル薬剤Ｂの処方患者数推移のグラフの模式図が示されている。対象薬剤（例えば図３０では対象薬剤Ａ）の「現時点の処方患者数」を１００％とした場合に、対象薬剤Ａの特許切れを基準として設定期間前の時点（例えば図３０では特許切れ１年前）と、モデル薬剤（例えば図３０ではモデル薬剤Ｂ）の特許切れを基準として同じ設定期間前の時点（例えば図３０では特許切れ１年前）の処方患者数の差が、例えば±１％以内の場合、Ｘポイント、±５０％以内の場合をＹ（Ｘ＜Ｙ）ポイントなど、時期差に応じて（例えば処方患者数の差が小さいほど値が小さくなる傾向になるように）、処理部２６２によって決定される。
パラメータｚの値の決定方式の一例について説明する。図３０は、パラメータｚの値の決定方式の一例について説明するための模式図である。図３０には、対象薬剤Ａの処方患者数推移のグラフの模式図と、モデル薬剤Ｂの処方患者数推移のグラフの模式図が示されている。対象薬剤（例えば図３０では対象薬剤Ａ）の「現時点の処方患者数」を１００％とした場合に、対象薬剤Ａの特許切れを基準として設定期間前の時点（例えば図３０では特許切れ１年前）と、モデル薬剤（例えば図３０ではモデル薬剤Ｂ）の特許切れを基準として同じ設定期間前の時点（例えば図３０では特許切れ１年前）の処方患者数の差が、例えば±１％以内の場合、Ｘポイント、±５０％以内の場合をＹ（Ｘ＜Ｙ）ポイントなど、時期差に応じて（例えば処方患者数の差が小さいほど値が小さくなる傾向になるように）、処理部２６２によって決定される。
＜処方患者数の時系列減少率の計算方法の具体例＞
続いて、処方患者数の時系列減少率の計算方法の具体例について説明する。ここで、Δ％（Ｐ1）、Δ％（Ｐ2）、…、Δ％（Ｐn）はそれぞれ、ＧＥ／ＡＧ発売直後からのモデル薬剤Ｐ1、Ｐ2、…、Ｐnの処方患者数減少率の時系列変化である。Ａ1、Ａ2、…、Ａnは、それぞれ、薬剤Ｐ1、Ｐ2、…、Ｐnについて式（１）の計算式で計算されたパラメータＡである。ここで、１／Ａ1：１／Ａ2：…：１／Ａnは、それぞれのモデル薬剤の寄与度を表す。
続いて、処方患者数の時系列減少率の計算方法の具体例について説明する。ここで、Δ％（Ｐ1）、Δ％（Ｐ2）、…、Δ％（Ｐn）はそれぞれ、ＧＥ／ＡＧ発売直後からのモデル薬剤Ｐ1、Ｐ2、…、Ｐnの処方患者数減少率の時系列変化である。Ａ1、Ａ2、…、Ａnは、それぞれ、薬剤Ｐ1、Ｐ2、…、Ｐnについて式（１）の計算式で計算されたパラメータＡである。ここで、１／Ａ1：１／Ａ2：…：１／Ａnは、それぞれのモデル薬剤の寄与度を表す。
図３１は、図２８の続きの画面の一例である。図３１の画面Ｇ２ｃには、コンピュータシステム２の処理部２６２によって決定されたモデル薬剤とその寄与度の組が示されている。ここで、は、モデル薬剤Ａの寄与度が４０％、モデル薬剤Ｂの寄与度が３０％、モデル薬剤Ｃの寄与度が３０％である。図３１の画面Ｇ２ｃにおいて、「このモデル薬剤でシミュレーション」ボタンが押された場合、以下の処理が実行される。
すなわち上述の処理によって、一つ以上のモデル薬剤が選択された場合、具体的には例えば薬品Ｐ1、Ｐ2、…、Ｐnが選択された場合、コンピュータシステム２の処理部２６２は、Δ％（Ｐ1）、Δ％（Ｐ2）、…、Δ％（Ｐn）を、１／Ａ1：１／Ａ2：…：１／Ａnの比率で重みづけて平均をとり、対象薬剤のジェネリック薬品またはオーソライズドジェネリック薬品の販売後の患者数の減少率の時系列予測を決定する。
そして、コンピュータシステム２の処理部２６２は、「対象薬剤に対するジェネリック薬品またはオーソライズドジェネリック薬品の販売開始時の処方患者数」に対して、当該決定した「対象薬剤のジェネリック薬品またはオーソライズドジェネリック薬品の販売後の処方患者数の減少率の時系列予測」を適用し、得られた対象薬剤の対象適応症に対する処方患者数の時系列予測値、及び／または当該対象薬剤の対象適応症に対する売上の時系列予測値を出力する。
以上、第２の実施形態に係る端末装置１と、当該端末装置１と情報交換可能に接続されたコンピュータシステム２とを備える情報処理システムＳである。
端末装置１は、対象薬剤及び対象適応症の入力を受け付け、当該対象薬剤が参照する少なくとも１つ以上のモデル薬剤を受け付け、前記受け付けた対象薬剤及び対象適応症と当該モデル薬剤を識別する薬剤識別情報を前記コンピュータシステム２へ送信する。
コンピュータシステム２は、前記対象薬剤及び前記対象適応症と前記少なくとも１つ以上のモデル薬剤を識別する薬剤識別情報を受信し、当該少なくとも一つ以上のモデル薬剤の前記適応症に対するジェネリック薬品またはオーソライズドジェネリック薬品の販売後の患者数減少率の時系列変化を用いて、前記対象薬剤の前記適応症に対するジェネリック薬品またはオーソライズドジェネリック薬品の販売後の処方患者数の時系列予測を決定し、得られた対象薬剤の対象適応症に対する処方患者数の時系列予測値、及び／または当該対象薬剤の対象適応症に対する売上の時系列予測値を前記端末装置１へ送信する。
前記端末装置１は、前記送信された対象薬剤の対象適応症に対する売上の時系列予測値を受信し、当該受信した対象薬剤の対象適応症に対する売上の時系列予測値を表示制御する。
端末装置１は、対象薬剤及び対象適応症の入力を受け付け、当該対象薬剤が参照する少なくとも１つ以上のモデル薬剤を受け付け、前記受け付けた対象薬剤及び対象適応症と当該モデル薬剤を識別する薬剤識別情報を前記コンピュータシステム２へ送信する。
コンピュータシステム２は、前記対象薬剤及び前記対象適応症と前記少なくとも１つ以上のモデル薬剤を識別する薬剤識別情報を受信し、当該少なくとも一つ以上のモデル薬剤の前記適応症に対するジェネリック薬品またはオーソライズドジェネリック薬品の販売後の患者数減少率の時系列変化を用いて、前記対象薬剤の前記適応症に対するジェネリック薬品またはオーソライズドジェネリック薬品の販売後の処方患者数の時系列予測を決定し、得られた対象薬剤の対象適応症に対する処方患者数の時系列予測値、及び／または当該対象薬剤の対象適応症に対する売上の時系列予測値を前記端末装置１へ送信する。
前記端末装置１は、前記送信された対象薬剤の対象適応症に対する売上の時系列予測値を受信し、当該受信した対象薬剤の対象適応症に対する売上の時系列予測値を表示制御する。
この構成によれば、モデル薬剤の対象適応症に対するジェネリック薬品またはオーソライズドジェネリック薬品の販売後の処方患者数減少率の時系列変化から、対象薬剤の対象適応症に対する処方患者数の時系列予測値、及び／または当該対象薬剤の対象適応症に対する売上の時系列予測値を決定するので、予測の精度を向上させることができる。また医薬品が対象適応症に対して処方される将来の処方患者数または将来の売上額の予測にかかる労力を低減することができる。
また、第２の実施形態に係るコンピュータシステム２は、前記モデル薬剤の寄与度を決定し、前記モデル薬剤に対するジェネリック薬品またはオーソライズドジェネリック薬品の販売後の売上減少率の時系列変化を、当該寄与度で重みづけ平均することによって、前記対象薬剤のジェネリック薬品またはオーソライズドジェネリック薬品の販売後の売上減少率の時系列予測を決定する。
この構成によれば、寄与度で重みづけ平均することによって、予測の精度を向上させることができる。
また第２の実施形態に係るコンピュータシステム２は、ユーザによって選択された期間内に対象薬剤の特許失効年月の６か月前以降が含まれている場合、ジェネリック薬品の影響を加味するか否かをユーザが選択可能に表示するための情報を送信する。またコンピュータシステム２は、ユーザによって選択された期間内に対象薬剤の特許失効年月以降が含まれている場合、ジェネリック薬品の影響を加味するか否かをユーザが選択可能に表示するための情報を送信する。そしてコンピュータシステム２は、ジェネリック薬品の影響を加味する旨、オーソライズドジェネリック薬品の影響を加味する旨またはその両方に対するユーザの選択があった場合、前記対象薬剤の前記適応症に対するジェネリック薬品またはオーソライズドジェネリック薬品の販売後の処方患者数の時系列予測を決定する。
この構成によれば、ジェネリック薬品の影響及び／またはオーソライズドジェネリック薬品の影響を加味するかのユーザの選択に応じて、ジェネリック薬品の影響及び／またはオーソライズドジェネリック薬品の影響を加味して処方患者数の時系列予測することができる。
＜第３の実施形態＞
続いて第３の実施形態について説明する。第３の実施形態では、例えば既発売の製品に対する売上予測、患者数予測に対して、疾患領域のアンメットニーズの度合いを数値化してアンメットニーズ指標として組み込んで予測する点が異なっている。ここで本実施形態に係る、アンメットニーズは、医療においてまだ満たされていない潜在的な要求・需要のことであり、アンメットニーズ指標はその指標である。ここではアンメットニーズ指標は一例としてアンメットニーズ係数であるが、係数に限ったものではなく、ランクのようなものであってもよい。またアンメットニーズには、いまだに治療法が見つかっていない疾患に対する医療ニーズ（アンメット・メディカル・ニーズともいう）が含まれてもよい。
続いて第３の実施形態について説明する。第３の実施形態では、例えば既発売の製品に対する売上予測、患者数予測に対して、疾患領域のアンメットニーズの度合いを数値化してアンメットニーズ指標として組み込んで予測する点が異なっている。ここで本実施形態に係る、アンメットニーズは、医療においてまだ満たされていない潜在的な要求・需要のことであり、アンメットニーズ指標はその指標である。ここではアンメットニーズ指標は一例としてアンメットニーズ係数であるが、係数に限ったものではなく、ランクのようなものであってもよい。またアンメットニーズには、いまだに治療法が見つかっていない疾患に対する医療ニーズ（アンメット・メディカル・ニーズともいう）が含まれてもよい。
図３２は、アンメットニーズ係数について説明するための模式図である。図３２には、縦軸を薬剤貢献度、横軸は治療満足度として、各疾患（病気）がプロットされたグラフが示されている。薬剤貢献度が低いほどアンメットニーズが高く、治療満足度が低いほどアンメットニーズが高い傾向があり、薬剤貢献度が低く且つ治療満足度が低い場合ほどアンメットニーズが高い傾向がある。すなわちグラフの向かって左下にいくほどアンメットニーズが高く、反対にグラフの向かって右上にいくほどアンメットニーズが高い傾向がある。アンメットニーズ係数は、一例として、薬剤貢献度または治療満足度またはその両方に基づいて決定されてもよい。薬剤貢献度及び治療満足度は、患者等によるアンケート回答の統計結果から決定されてもよい。
図３２に示すように、アンメットニーズテーブルＴ１４がストレージ２３に用意されており、このアンメットニーズテーブルＴ１４において、適応症毎に予め決められたアンメットニーズ係数が格納されている。
図３３は、第３の実施形態において、処方予測対象薬剤が既発売の場合の継続率の算出ロジックについて説明する模式図である。図３３の処方患者数予測テーブルＴ８ｂは、図２３Ａの処方患者数予測テーブルＴ８が変更されたものであり、各レコードにおいて、当該レコードの適応症に対応するアンメットニーズ係数がアンメットニーズテーブルＴ１４から処理部２６２によって読み出されて格納されている。
第１の実施形態で説明したように、処理部２６２は例えば、月毎に、新規処方患者数予測テーブルＴ３から、新規処方人数を取得し、当該新規処方人数に対して、月の継続率予測を乗じることによって、処方予測人数（１）を決定する。そして処理部２６２は、決定した処方予測人数（１）を処方患者数予測テーブルＴ８ｂに格納する。
更に処理部２６２は例えば、月毎の処方予測人数（１）それぞれに対して、対象の適応症に対応するアンメットニーズ係数を乗じることによって、処方予測人数（２）を決定する。そして処理部２６２は、決定した処方予測人数（２）を処方患者数予測テーブルＴ８ｂに格納する。
更に処理部２６２は例えば、月毎の処方予測人数（１）それぞれに対して、対象の適応症に対応するアンメットニーズ係数を乗じることによって、処方予測人数（２）を決定する。そして処理部２６２は、決定した処方予測人数（２）を処方患者数予測テーブルＴ８ｂに格納する。
ここではアンメットニーズ指標は一例としてアンメットニーズ係数であるが、係数に限ったものではなく、ランクのようなものであってもよく、ランク毎に処方予測人数（１）に乗じる値または加算する処方患者数が決まっていてもよく、アンメットニーズ指標に応じて処方患者数の予測値が補正されればよい。
このようにして、処理部２６２は、前記対象薬剤の対象適応症の単位期間の新規処方患者予測数を決定し、当該単位期間の新規処方患者予測数に対して、当該単位期間の継続率予測を乗じ、前記取得した対象適応症に対応するアンメットニーズ指標に応じて補正することによって前記対象薬剤の前記対象適応症に対する処方患者数の時系列予測値を決定し、得られた前記対象薬剤の前記対象適応症に対する処方患者数の時系列予測値、及び／または前記対象薬剤の前記対象適応症に対する売上の時系列予測値を出力する。
以上、第３の実施形態に係る情報処理システムＳは、端末装置１と、当該端末装置１と情報交換可能に接続されたコンピュータシステム２とを備える情報処理システムである。
端末装置１は、対象薬剤及び対象適応症の入力を受け付け、モデル薬剤を受け付け、前記受け付けた対象薬剤及び対象適応症と、前記モデル薬剤を識別する薬剤識別情報を前記コンピュータシステムへ送信する。
コンピュータシステム２は、前記対象薬剤の対象適応症の単位期間の新規処方患者予測数を決定し、当該単位期間の新規処方患者予測数に対して、当該単位期間の継続率予測を乗じ、前記取得した対象適応症に対応するアンメットニーズ指標に応じて補正して、得られた前記対象薬剤の前記対象適応症に対する処方患者数の時系列予測値、及び／または前記対象薬剤の前記対象適応症に対する売上の時系列予測値を前記端末装置１へ送信する。
前記端末装置１は、前記出力された対象薬剤の対象適応症に対する処方患者数の時系列予測値、及び／または当該対象薬剤の対象適応症に対する売上の時系列予測値を受信し、当該受信した対象薬剤の対象適応症に対する処方患者数の時系列予測値、及び／または当該対象薬剤の対象適応症に対する売上の時系列予測値を表示制御する。
端末装置１は、対象薬剤及び対象適応症の入力を受け付け、モデル薬剤を受け付け、前記受け付けた対象薬剤及び対象適応症と、前記モデル薬剤を識別する薬剤識別情報を前記コンピュータシステムへ送信する。
コンピュータシステム２は、前記対象薬剤の対象適応症の単位期間の新規処方患者予測数を決定し、当該単位期間の新規処方患者予測数に対して、当該単位期間の継続率予測を乗じ、前記取得した対象適応症に対応するアンメットニーズ指標に応じて補正して、得られた前記対象薬剤の前記対象適応症に対する処方患者数の時系列予測値、及び／または前記対象薬剤の前記対象適応症に対する売上の時系列予測値を前記端末装置１へ送信する。
前記端末装置１は、前記出力された対象薬剤の対象適応症に対する処方患者数の時系列予測値、及び／または当該対象薬剤の対象適応症に対する売上の時系列予測値を受信し、当該受信した対象薬剤の対象適応症に対する処方患者数の時系列予測値、及び／または当該対象薬剤の対象適応症に対する売上の時系列予測値を表示制御する。
この構成によれば、アンメットニーズを考慮して処方患者数の時系列予測値売上の時系列予測値を決定するので、予測の精度を向上させることができる。また医薬品が対象適応症に対して処方される将来の処方患者数または将来の売上額の予測にかかる労力を低減することができる。
なお、本実施形態では、一例としてコンピュータシステム２の処理部２６２が、一つ以上のモデル薬剤を決定したが、これに限らず、ユーザが上記１～３の内容を検討し、モデル薬剤(群)の選択を行ってもよい。
なお、本実施形態では、ユーザによって選択された期間内に対象薬剤の特許失効年月の６か月前以降が含まれている場合、「ＡＧの影響を加味する」ボタンを表示して、ユーザが「ＡＧの影響を加味する」ボタンを押した場合に、対象薬剤との間で適応症が同じで且つオーソライズドジェネリックが販売された薬剤それぞれをモデル薬剤候補としたが、これに限らず、「ＡＧの影響を加味する」ボタンを表示しなくてもよい。その場合、コンピュータシステムは、ユーザによって選択された期間内に対象薬剤の特許失効年月の６か月前以降が含まれている場合、対象薬剤との間で適応症が同じで且つオーソライズドジェネリック薬品が販売された薬剤それぞれをモデル薬剤候補としてもよい。
同様に、ユーザによって選択された期間内に対象薬剤の特許失効年月以降が含まれている場合、「ＧＥの影響を加味する」ボタンを表示して、ユーザが「ＧＥの影響を加味する」ボタンを押した場合に、対象薬剤との間で適応症が同じで且つオーソライズドジェネリックが販売された薬剤それぞれをモデル薬剤候補としたが、これに限らず、「ＡＧの影響を加味する」ボタンを表示しなくてもよい。その場合、コンピュータシステム２は、ユーザによって選択された期間内に特許失効年月以降が含まれている場合、対象薬剤との間で適応症が同じで且つジェネリック薬品が販売された薬剤それぞれをモデル薬剤候補としてもよい。
なお、上述した各実施形態に画面遷移及びそれに伴う処理は一例であって、それに限定されるわけではなく、例えば既発売薬用のシステムまたは未発売薬用のシステムを単独または別々に構築する場合には、予め既発売薬か未発売薬が分かっているので、既発売薬か未発売薬（及び／または発売直後）かの選択をなくしてもよい。
なお、上述した実施形態で説明した端末装置１またはコンピュータシステム２の少なくとも一部は、ハードウェアで構成してもよいし、ソフトウェアで構成してもよい。ソフトウェアで構成する場合には、端末装置１またはコンピュータシステム２の少なくとも一部の機能を実現するプログラムをフレキシブルディスクやＣＤ－ＲＯＭ等の記録媒体に収納し、コンピュータに読み込ませて実行させてもよい。記録媒体は、磁気ディスクや光ディスク等の着脱可能なものに限定されず、ハードディスク装置やメモリなどの固定型の記録媒体でもよい。
また、端末装置１またはコンピュータシステム２の少なくとも一部の機能を実現するプログラムを、インターネット等の通信回線（無線通信も含む）を介して頒布してもよい。さらに、同プログラムを暗号化したり、変調をかけたり、圧縮した状態で、インターネット等の有線回線や無線回線を介して、あるいは記録媒体に収納して頒布してもよい。
さらに、一つまたは複数の情報処理装置によってコンピュータシステム２を機能させてもよい。複数の情報処理装置を用いる場合、情報処理装置のうちの１つをコンピュータとし、当該コンピュータが所定のプログラムを実行することによりコンピュータシステム２の少なくとも１つの手段として機能が実現されてもよい。
以上、本発明は上記実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施形態に開示されている複数の構成要素の適宜な組み合わせにより、種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。更に、異なる実施形態にわたる構成要素を適宜組み合わせてもよい。
１ ユーザ端末
１１ 入力インタフェース
１２ 通信モジュール
１３ ストレージ
１４ メモリ
１５ 出力インタフェース
１６ プロセッサ
１６１ 受付部
１６２ 処理部
１６３ 通信制御部
１７ ディスプレイ
２ サーバ
２１ 入力インタフェース
２２ 通信モジュール
２３ ストレージ
２４ メモリ
２５ 出力インタフェース
２６ プロセッサ
２６１ 取得部
２６２ 処理部
２６３ 通信制御部
１１ 入力インタフェース
１２ 通信モジュール
１３ ストレージ
１４ メモリ
１５ 出力インタフェース
１６ プロセッサ
１６１ 受付部
１６２ 処理部
１６３ 通信制御部
１７ ディスプレイ
２ サーバ
２１ 入力インタフェース
２２ 通信モジュール
２３ ストレージ
２４ メモリ
２５ 出力インタフェース
２６ プロセッサ
２６１ 取得部
２６２ 処理部
２６３ 通信制御部
Claims (8)
- 端末装置と、当該端末装置と情報交換可能に接続されたコンピュータシステムとを備え
る情報処理システムであって、
前記端末装置は、対象薬剤及び対象適応症の入力を受け付け、当該対象薬剤が参照する少なくとも１つ以上のモデル薬剤を受け付け、前記受け付けた対象薬剤及び対象適応症と当該モデル薬剤を識別する薬剤識別情報を前記コンピュータシステムへ送信し、
前記コンピュータシステムは、前記対象薬剤及び前記対象適応症と前記少なくとも１つ以上のモデル薬剤を識別する薬剤識別情報を受信し、当該少なくとも一つ以上のモデル薬剤の前記対象適応症に対するジェネリック薬品またはオーソライズドジェネリック薬品の販売後の処方患者数減少率の時系列変化を用いて、前記対象薬剤の前記対象適応症に対するジェネリック薬品またはオーソライズドジェネリック薬品の販売後の処方患者数の時系列予測を決定し、得られた対象薬剤の対象適応症に対する処方患者数の時系列予測値、及び／または当該対象薬剤の対象適応症に対する売上の時系列予測値を前記端末装置へ送信し、
前記端末装置は、前記送信された対象薬剤の対象適応症に対する売上の時系列予測値を
受信し、当該受信した対象薬剤の対象適応症に対する売上の時系列予測値を表示制御する
情報処理システム。 - 前記コンピュータシステムは、前記モデル薬剤の寄与度を決定し、前記モデル薬剤に対するジェネリック薬品またはオーソライズドジェネリック薬品の販売後の売上減少率の時系列変化を、当該寄与度で重みづけ平均することによって、前記対象薬剤のジェネリック薬品またはオーソライズドジェネリック薬品の販売後の売上減少率の時系列予測を決定する
請求項１に記載の情報処理システム。 - 前記コンピュータシステムは、ユーザによって選択された期間内に対象薬剤の特許失効
年月の設定期間前以降が含まれている場合、オーソライズドジェネリック薬品の影響を加味するか否かをユーザが選択可能に表示するための情報を送信し、
前記コンピュータシステムは、ユーザによって選択された期間内に対象薬剤の特許失効年月以降が含まれている場合、オーソライズドジェネリック薬品以外のジェネリック薬品の影響を加味するか否かをユーザが選択可能に表示するための情報を送信し、
前記コンピュータシステムは、オーソライズドジェネリック薬品以外のジェネリック薬品の影響を加味する旨、オーソライズドジェネリック薬品の影響を加味する旨またはその両方に対するユーザの選択があった場合、前記対象薬剤の前記対象適応症に対するオーソライズドジェネリック薬品以外のジェネリック薬品またはオーソライズドジェネリック薬品の販売後の処方患者数の時系列予測を決定する
請求項１または２に記載の情報処理システム。 - 端末装置と、当該端末装置と情報交換可能に接続されたコンピュータシステムとを備える情報処理システムであって、
前記端末装置は、対象薬剤及び対象適応症の入力を受け付け、モデル薬剤を受け付け、前記受け付けた対象薬剤及び対象適応症と、前記モデル薬剤を識別する薬剤識別情報を前記コンピュータシステムへ送信し、
前記コンピュータシステムは、前記対象薬剤の対象適応症の単位期間の新規処方患者予測数を決定し、当該単位期間の新規処方患者予測数に対して、当該単位期間の継続率予測を乗じ、前記対象適応症に対応するアンメットニーズ指標に応じて補正して、得られた前記対象薬剤の前記対象適応症に対する処方患者数の時系列予測値、及び／または前記対象薬剤の前記対象適応症に対する売上の時系列予測値を前記端末装置へ送信し、
前記端末装置は、前記送信された対象薬剤の対象適応症に対する処方患者数の時系列予測値、及び／または当該対象薬剤の対象適応症に対する売上の時系列予測値を受信し、当該受信した対象薬剤の対象適応症に対する処方患者数の時系列予測値、及び／または当該対象薬剤の対象適応症に対する売上の時系列予測値を表示制御する
情報処理システム。 - 対象薬剤及び対象適応症の入力を受け付け、当該対象薬剤が参照する少なくとも１つ以上のモデル薬剤を取得する取得部と、
少なくとも一つ以上のモデル薬剤の前記対象適応症に対するジェネリック薬品またはオーソライズドジェネリック薬品の販売後の処方患者数減少率の時系列変化を用いて、前記対象薬剤の前記対象適応症に対するジェネリック薬品またはオーソライズドジェネリック薬品の販売後の処方患者数の時系列予測を決定し、得られた対象薬剤の対象適応症に対する処方患者数の時系列予測値、及び／または当該対象薬剤の対象適応症に対する売上の時系列予測値を出力する処理部と、
を備えるコンピュータシステム。 - ユーザによって入力された対象薬剤及び対象適応症と、当該対象薬剤が参照するモデル
薬剤を取得する取得部と、
薬剤と適応症の組に対して単位期間の新規処方人数が関連付けられている記憶部を参照して前記対象薬剤の前記対象適応症に対応する単位期間の新規処方人数を取得し、当該単位期間の新規処方人数に対して、当該単位期間の継続率予測を乗じ、前記取得した対象適応症に対応するアンメットニーズ指標に応じて補正して、得られた前記対象薬剤の前記対象適応症に対する処方患者数の時系列予測値、及び／または前記対象薬剤の前記対象適応症に対する売上の時系列予測値処理部を備え、
前記アンメットニーズ指標は、疾患領域のアンメットニーズの度合いを、薬剤貢献度と治療満足度のうち少なくとも一つに基づいて数値化したものであるコンピュータシステム。 - コンピュータに、
対象薬剤及び対象適応症の入力を受け付け、当該対象薬剤が参照する少なくとも１つ以
上のモデル薬剤を取得する取得手順と、
少なくとも一つ以上のモデル薬剤の前記対象適応症に対するジェネリック薬品またはオーソライズドジェネリック薬品の販売後の処方患者数減少率の時系列変化を用いて、前記対象薬剤の前記対象適応症に対するジェネリック薬品またはオーソライズドジェネリック薬品の販売後の処方患者数の時系列予測を決定し、得られた対象薬剤の対象適応症に対する処方患者数の時系列予測値、及び／または当該対象薬剤の対象適応症に対する売上の時系列予測値を出力する処理手順と、
を実行させるためのプログラム。 - コンピュータに、
ユーザによって入力された対象薬剤及び対象適応症と、当該対象薬剤が参照するモデル薬剤を取得する取得手順と、
前記対象薬剤の対象適応症の単位期間の新規処方患者予測数を決定し、当該単位期間の新規処方患者予測数に対して、当該単位期間の継続率予測を乗じ、前記取得した対象適応症に対応するアンメットニーズ指標に応じて補正して、得られた前記対象薬剤の前記対象適応症に対する処方患者数の時系列予測値、及び／または前記対象薬剤の前記対象適応症に対する売上の時系列予測値を出力する処理手順と、
を実行させるためのプログラム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2021064896A JP6995233B1 (ja) | 2021-04-06 | 2021-04-06 | 情報処理システム、コンピュータシステム及びプログラム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2021064896A JP6995233B1 (ja) | 2021-04-06 | 2021-04-06 | 情報処理システム、コンピュータシステム及びプログラム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP6995233B1 true JP6995233B1 (ja) | 2022-01-14 |
| JP2022160255A JP2022160255A (ja) | 2022-10-19 |
Family
ID=80448018
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2021064896A Active JP6995233B1 (ja) | 2021-04-06 | 2021-04-06 | 情報処理システム、コンピュータシステム及びプログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6995233B1 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115910313A (zh) * | 2022-12-28 | 2023-04-04 | 江苏汇智达信息科技有限公司 | 网络应用程序随机选择系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2002025526A1 (fr) * | 2000-09-22 | 2002-03-28 | Takeda Chemical Industries, Ltd. | Système pour évaluer la profitabilité de la médecine développée |
| CN105976199A (zh) * | 2016-04-26 | 2016-09-28 | 重庆大学 | 一种基于混合模型的医药销量的预测方法及系统 |
| US20180060888A1 (en) * | 2016-08-30 | 2018-03-01 | International Business Machines Corporation | Erosion rate prediction post loss of exclusivity |
| JP2019121020A (ja) * | 2017-12-28 | 2019-07-22 | 武田薬品工業株式会社 | 後発医薬品の市場浸透度を経時的に予測する方法及びシステム |
| WO2019230073A1 (ja) * | 2018-05-29 | 2019-12-05 | 株式会社日立製作所 | 医学情報処理装置、医学情報処理方法、及び記憶媒体 |
| JP6697621B1 (ja) * | 2019-09-26 | 2020-05-20 | 株式会社インテージヘルスケア | 推定装置、推定システム、推定方法及びプログラム |
-
2021
- 2021-04-06 JP JP2021064896A patent/JP6995233B1/ja active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2002025526A1 (fr) * | 2000-09-22 | 2002-03-28 | Takeda Chemical Industries, Ltd. | Système pour évaluer la profitabilité de la médecine développée |
| CN105976199A (zh) * | 2016-04-26 | 2016-09-28 | 重庆大学 | 一种基于混合模型的医药销量的预测方法及系统 |
| US20180060888A1 (en) * | 2016-08-30 | 2018-03-01 | International Business Machines Corporation | Erosion rate prediction post loss of exclusivity |
| JP2019121020A (ja) * | 2017-12-28 | 2019-07-22 | 武田薬品工業株式会社 | 後発医薬品の市場浸透度を経時的に予測する方法及びシステム |
| WO2019230073A1 (ja) * | 2018-05-29 | 2019-12-05 | 株式会社日立製作所 | 医学情報処理装置、医学情報処理方法、及び記憶媒体 |
| JP6697621B1 (ja) * | 2019-09-26 | 2020-05-20 | 株式会社インテージヘルスケア | 推定装置、推定システム、推定方法及びプログラム |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115910313A (zh) * | 2022-12-28 | 2023-04-04 | 江苏汇智达信息科技有限公司 | 网络应用程序随机选择系统 |
| CN115910313B (zh) * | 2022-12-28 | 2023-10-24 | 北京东方瀚海拍卖有限公司 | 网络应用程序随机选择系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2022160255A (ja) | 2022-10-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6796071B2 (ja) | ヘルスケアコンサルタント及び病院管理者が病院のための最適な人的資源プランを決定するのを助ける、シミュレーションに基づくシステム及び方法 | |
| Santiago et al. | Management of R&D projects under uncertainty: A multidimensional approach to managerial flexibility | |
| JP6995233B1 (ja) | 情報処理システム、コンピュータシステム及びプログラム | |
| Worthington et al. | The effects of hospital rate-setting programs on volumes of hospital services: A preliminary analysis | |
| KR20200049606A (ko) | 항우울제 추천 방법 및 시스템 | |
| JP6854955B1 (ja) | 情報処理システム、コンピュータシステム及びプログラム | |
| Shen et al. | Estimation of the optimal regime in treatment of prostate cancer recurrence from observational data using flexible weighting models | |
| WO2022206500A1 (zh) | 信息推送方法, 装置和计算机可读存储介质 | |
| Chisholm et al. | Multi-criteria decision analysis for benefit-risk analysis by national regulatory authorities | |
| O’Neill et al. | An analysis of NICE’s ‘restricted’(or ‘optimized’) decisions | |
| CN116738240B (zh) | 认知训练的建模方法、建模系统及认知训练任务推送方法 | |
| Swaminathan | Decision support for allocating scarce drugs | |
| Kamali et al. | A discrete event simulation method for performance analysis of an additive manufacturing in the dental clinic | |
| JP5353390B2 (ja) | 発想支援装置、発想支援方法および発想支援用プログラム | |
| Volland | Social work information and accountability systems in a hospital setting | |
| CN113066531B (zh) | 风险预测方法、装置、计算机设备及存储介质 | |
| JP5434742B2 (ja) | 作業量見積プログラム、作業量見積方法及び作業量見積装置 | |
| JP5405239B2 (ja) | 注文処理システムおよびプログラム | |
| JP2019121020A (ja) | 後発医薬品の市場浸透度を経時的に予測する方法及びシステム | |
| Schweikert et al. | Cost-effectiveness analysis of ixekizumab versus secukinumab in patients with psoriatic arthritis and concomitant moderate-to-severe psoriasis in Spain | |
| JP2021056568A (ja) | 分析システム及び分析方法 | |
| JP7100728B1 (ja) | 情報処理装置、情報処理方法及びプログラム | |
| Silva et al. | New product development projects evaluation under time uncertainty | |
| JP7472226B1 (ja) | 情報処理装置及びプログラム | |
| JP2020149230A (ja) | 機械学習プログラム、機械学習方法および機械学習システム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210406 |
|
| A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20210406 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210806 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211012 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211111 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20211130 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20211214 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6995233 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |