JP7002168B1 - 心電図分析装置、心電図分析方法及びプログラム - Google Patents

Abstract

本発明の一実施形態に係る心電図分析装置（３）は、発作的に生じる不整脈を有している患者の、発作的に生じる不整脈の発作が発生していない非発作期間における教師用心電図データを用いて機械学習した機械学習モデルを有する機械学習部（３３）と、機械学習モデルに、分析対象である被分析者の心電図データを入力する入力処理部（３４１）と、機械学習モデルから出力される、被分析者が発作的に生じる不整脈を有しているか否かに関する異常情報を情報端末に出力する出力制御部（３４３）と、を有する。

Description

本発明は、心電図を分析するための心電図分析装置、心電図分析方法及びプログラムに関する。

従来、患者が身体に装着して長時間にわたって心電図を測定することができるホルター心電計が知られている（例えば、特許文献１を参照）。

特開２００７－１９５６９３号公報

心電図で評価できる波形異常には、発作的に生じる不整脈がある。発作的に生じる不整脈は、例えば１日～数か月に一度等の低頻度で発作が発生する。発作的に生じる不整脈には、具体的には発作性心房細動、心室頻拍、上室頻拍、心房粗動等の発作性頻拍症、及び心室細動が存在する。心電図は、発作が発生していないときには、洞調律の心電図波形を呈する。そのため、心電図分析の対象者の心電図をホルター心電計により長時間（例えば、２４時間）測定したとしても、心電図に発作の波形が含まれるとは限らないため、対象者が発作的に生じる不整脈を有しているか否かを特定することが難しい場合があった。

そこで、本発明はこれらの点に鑑みてなされたものであり、心電図分析の対象者が発作的に生じる不整脈を有しているか否かを特定しやすくすることを目的とする。

本発明の第１の態様の心電図分析装置は、発作的に生じる不整脈を有している患者の、前記発作的に生じる不整脈の発作が発生していない非発作期間における教師用心電図データを用いて機械学習した機械学習モデルを有する機械学習部と、前記機械学習モデルに、分析対象である被分析者の心電図データを入力する入力処理部と、前記機械学習モデルから出力される前記被分析者が前記発作的に生じる不整脈を有しているか否かに関する異常情報を情報端末に出力する出力制御部と、を有する。

前記機械学習部は、前記発作的に生じる不整脈が発生していると特定された発作期間の前及び後の少なくとも一方の所定期間である前記非発作期間における前記教師用心電図データを用いて機械学習した前記機械学習モデルを有してもよい。

前記機械学習部は、発作性心房細動と、心室頻拍と、上室頻拍と、心房粗動と、心室細動とのうち少なくとも１つを前記発作的に生じる不整脈として有している前記患者の前記教師用心電図データを用いて機械学習した前記機械学習モデルを有してもよい。

前記入力処理部は、前記教師用心電図データと同じサンプリングレートで測定された前記心電図データを前記機械学習モデルに入力してもよい。

前記出力制御部は、前記被分析者が前記発作的に生じる不整脈を有している確率を示す前記異常情報を前記情報端末に出力してもよい。

前記入力処理部は、複数の異なる期間に測定された複数の前記心電図データを前記機械学習モデルに入力し、前記出力制御部は、前記複数の異なる期間における前記確率の変化に関する前記異常情報を前記情報端末に出力してもよい。

前記入力処理部は、生活中の前記被分析者が装着している心電計が測定した前記心電図データを前記機械学習モデルに入力してもよい。

前記出力制御部は、前記被分析者が前記発作的に生じる不整脈を発症している確率の値、程度又はスコアと、前記被分析者が前記発作的に生じる不整脈を発症していない確率の値、程度又はスコアと、前記被分析者における前記発作的に生じる不整脈の有無と、前記被分析者における前記発作的に生じる不整脈の兆候の有無と、のうち、少なくとも１つを表す前記異常情報を、前記情報端末に出力してもよい。

前記機械学習部は、前記異常情報が出力された前記情報端末から、前記被分析者が前記発作的に生じる不整脈を有しているか否かを示す判定情報を受信し、前記判定情報と前記心電図データとを用いて機械学習することによって、前記機械学習モデルを再生成してもよい。

本発明の第２の態様の心電図分析方法は、コンピュータが実行する、発作的に生じる不整脈を有している患者の、前記発作的に生じる不整脈の発作が発生していない非発作期間における教師用心電図データを用いて機械学習した機械学習モデルを取得するステップと、前記機械学習モデルに、分析対象である被分析者の心電図データを入力するステップと、前記機械学習モデルから出力される前記被分析者が前記発作的に生じる不整脈を有しているか否かに関する異常情報を情報端末に出力するステップと、を有する。

本発明の第３の態様のプログラムは、コンピュータを、発作的に生じる不整脈を有している患者の、前記発作的に生じる不整脈の発作が発生していない非発作期間における教師用心電図データを用いて機械学習した機械学習モデルを有する機械学習部、前記機械学習モデルに、分析対象である被分析者の心電図データを入力する入力処理部、及び前記機械学習モデルから出力される前記被分析者が前記発作的に生じる不整脈を有しているか否かに関する異常情報を情報端末に出力する出力制御部、として機能させる。

本発明によれば、心電図分析の対象者が発作的に生じる不整脈を有しているか否かを特定しやすくできるという効果を奏する。

実施形態に係る心電図分析システムの概要を説明するための図である。 実施形態に係る心電図分析システムのブロック図である。 心電図分析装置が機械学習をする方法を説明するための模式図である。 心電図分析装置が心電図データを分析する方法を説明するための模式図である。 医師端末が表示する分析結果画面の模式図である。 実施形態に係る心電図分析システムが実行する心電図分析方法のフローチャートを示す図である。

［心電図分析システムＳの概要］
図１は、本実施形態に係る心電図分析システムＳの概要を説明するための図である。心電図分析システムＳは、心電計１と、医師端末２と、心電図分析装置３とを備える。心電計１及び医師端末２は、それぞれ複数設けられてもよい。心電図分析システムＳは、その他のサーバ、端末等の機器を含んでもよい。

心電計１は、人間が装着する心電計であり、例えば、人間の手首、手掌、胸部等に装着された状態で電位を測定することにより、人間の心電図を示す心電図データを生成する心電図測定機器である。すなわち、心電計１は、ホルター心電計（ウェアラブル心電計、連続装着型心電計ともいう）である。心電計１は、無線通信回線を含むネットワークＮを介して、生成した心電図データを心電図分析装置３に送信する。心電計１が生成した心電図データは、ネットワークＮを介することなく、例えば記憶媒体を用いて心電図分析装置３に届けられてもよい。

医師端末２は、人間を診察する医師等の医療従事者が使用する情報端末であり、例えばディスプレイ（表示装置）及びコンピュータを含む。医師端末２は、医療従事者に付与されたＩＤ等によって、医師端末２を使用する医療従事者に予め関連付けられている。医師端末２は、心電計１において生成された心電図データに基づいて心電図分析装置３が出力した異常情報を出力する。医師端末２は、異常情報をディスプレイに表示してもよく、異常情報を示す音声をスピーカから出力してもよい。

心電図分析装置３は、心電計１において生成された心電図データに基づいて、被分析者が発作的に生じる不整脈を有しているか否かに関する異常情報を出力する装置であり、例えばサーバである。異常情報は、被分析者が発作的に生じる不整脈を発症している確率の値、程度又はスコアを表す情報や、被分析者における発作的に生じる不整脈の有無又は兆候の有無である。また、異常情報は、被分析者が発作的に生じる不整脈を発症していない確率の値、程度又はスコアを表す情報であってもよい。また、異常情報は、被分析者における発作的に生じる不整脈の有無を表す情報であってもよい。また、異常情報は、その他発作的に生じる不整脈の発生に関する情報であってもよい。発作的に生じる不整脈は、発作性心房細動、心室頻拍、上室頻拍、心房粗動等の発作性頻拍症と、心室細動とのうち少なくとも１つである。

図２は、本実施形態に係る心電図分析システムＳのブロック図である。図２において、矢印は主なデータの流れを示しており、図２に示していないデータの流れがあってよい。図２において、各ブロックはハードウェア（装置）単位の構成ではなく、機能単位の構成を示している。そのため、図２に示すブロックは単一の装置内に実装されてよく、あるいは複数の装置内に分かれて実装されてよい。ブロック間のデータの授受は、データバス、ネットワーク、可搬記憶媒体等、任意の手段を介して行われてよい。

心電図分析装置３は、通信部３１と、記憶部３２と、機械学習部３３と、制御部３４とを有する。制御部３４は、入力処理部３４１と、結果取得部３４２と、出力制御部３４３とを有する。

通信部３１は、ネットワークＮを介して心電計１及び医師端末２との間でデータを送受信するための通信コントローラを有する。通信部３１は、心電計１及び医師端末２からネットワークＮを介して受信したデータを制御部３４に通知する。また、通信部３１は、ネットワークＮを介して、制御部３４から出力されたデータを医師端末２に送信する。

記憶部３２は、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、ハードディスクドライブ等を含む記憶媒体である。記憶部３２は、制御部３４が実行するプログラムを予め記憶している。記憶部３２は、心電図分析装置３の外部に設けられてもよく、その場合にネットワークＮを介して制御部３４との間でデータの授受を行ってもよい。

機械学習部３３は、教師データとして用いられる教師用心電図データに基づいて学習することにより、入力された心電図データにおいて発作的に生じる不整脈を有しているか否かに関する異常情報を出力する機械学習モデルを生成し、生成した機械学習モデルを保持している。機械学習モデルは、正常な心電図データ（すなわち、発作的に生じる不整脈を発症していない人間の心電図データ）と、異常な心電図データ（すなわち、発作的に生じる不整脈を発症している人間の心電図データ）とを教師データとして機械学習することにより生成されたモデルである。また、機械学習部３３は、外部で生成された機械学習モデルを保持してもよい。

機械学習モデルの内部構成は任意であるが、例えばＣＮＮ（Convolutional Neural Network、畳み込みニューラルネットワーク）や、ＲＮＮ（Recurrent Neural Network、再帰型ニューラルネットワーク）により構成されている。機械学習部３３は、例えば、ＣＮＮを用いて各種の演算を実行するプロセッサと、ＣＮＮの係数を記憶するメモリと、を含んでいる。機械学習部３３が有する機械学習モデルは、入力された心電図データに基づいて被分析者が発作的に生じる不整脈を発症しているか否かに関する異常情報を出力する。機械学習部３３は、外部で生成された機械学習モデルを記憶するメモリのみを含んでもよい。機械学習部３３の機能の少なくとも一部は、制御部３４に内蔵されてもよい。

制御部３４は、例えばＣＰＵ（Central Processing Unit）等のプロセッサであり、記憶部３２に記憶されたプログラムを実行することにより、入力処理部３４１、結果取得部３４２及び出力制御部３４３として機能する。制御部３４の機能の少なくとも一部は電気回路によって実行されてもよい。また、制御部３４の機能の少なくとも一部は、制御部３４がネットワーク経由で実行されるプログラムを実行することによって実現されてもよい。

入力処理部３４１は、機械学習部３３が有する機械学習モデルに、分析対象である被分析者の心電図データを入力する。結果取得部３４２は、機械学習部３３が有する機械学習モデルが出力した情報を取得する。出力制御部３４３は、機械学習部３３が有する機械学習モデルから出力される被分析者が発作的に生じる不整脈を有しているか否かに対応する異常情報を医師端末２に出力する。入力処理部３４１、結果取得部３４２及び出力制御部３４３実行する詳細な処理については後述する。

本実施形態に係る心電図分析システムＳは、図２に示す具体的な構成に限定されない。心電計１、医師端末２及び心電図分析装置３は、それぞれ２つ以上の物理的に分離した装置が有線又は無線で接続されることにより構成されてもよい。心電図分析装置３は、単一のコンピュータによって構成されてもよく、互いに連携する複数のコンピュータによって構成されてもよく、コンピュータ資源の集合であるクラウドによって構成されてもよい。心電計１、医師端末２及び心電図分析装置３のうち２つ以上が１つの装置として構成されてもよい。

［心電図分析方法の説明］
以下、本実施形態に係る心電図分析システムＳが実行する心電図分析方法を詳細に説明する。心電図分析装置３は、予め教師用心電図データを用いて機械学習をすることにより機械学習モデルを生成する。図３は、心電図分析装置３が機械学習をする方法を説明するための模式図である。心電計１は、患者の心電図を測定する。患者は、医師によって発作的に生じる不整脈（例えば、発作性心房細動、心室頻拍、上室頻拍、心房粗動等の発作性頻拍症と、心室細動とのうち少なくとも１つ）を発症していると診断された人間である。心電計１は、測定した心電図を示す心電図データＨ０を生成し、心電図分析装置３へネットワークＮを介して送信する。

心電図分析装置３において、入力処理部３４１は、心電計１が送信した心電図データＨ０を取得する。発作的に生じる不整脈を有する患者には、不整脈の発作が発生していない非発作期間Ｔ０と、不整脈の発作が発生している発作期間Ｔ１とがある。医師は、心電図を見ることによって、発作期間Ｔ１を特定できる。非発作期間Ｔ０は、医師によって不整脈の発作が発生していると特定された発作期間Ｔ１の前及び後の少なくとも一方の所定期間であり、医師によって不整脈の発作が発生していると特定されなかった期間である。非発作期間Ｔ０は、好ましくは発作期間Ｔ１の前又は後の７日間、より好ましくは発作期間Ｔ１の前又は後の２４時間である。

入力処理部３４１は、心電図データＨ０のうち非発作期間Ｔ０の部分を、発作的に生じる不整脈を有する人間の教師用心電図データとして機械学習部３３に入力する。また、入力処理部３４１は、医師によって発作的に生じる不整脈を発症していないと診断された人間の心電図データを、発作的に生じる不整脈を有さない人間の教師用心電図データとして機械学習部３３に入力する。

入力処理部３４１は、教師用心電図データとして、人間が安静にしている所定の期間（例えば、睡眠時）の心電図データを用いることが望ましい。また、入力処理部３４１は、教師用心電図データとして、分析対象の発作的に生じる不整脈とは異なる症状が発生していないと医師が特定した期間の心電図データを用いることが望ましい。これにより、心電図分析システムＳは、ノイズとなり得るデータを除外し、機械学習の精度を向上できる。

機械学習部３３は、入力された教師用心電図データを用いて既知の機械学習（例えば、ＣＮＮ又はＲＮＮ）をすることによって、入力された心電図データが発作的に生じる不整脈を発症している人間の心電図データであるか否かに関する異常情報を出力する機械学習モデルを生成する。また、機械学習部３３は、上述の機械学習方法により外部の装置（サーバ等）で生成された機械学習モデルを取得してもよい。

次に心電図分析装置３は、機械学習部３３が有する機械学習モデルを用いて、分析対象である被分析者の心電図データの分析をする。図４は、心電図分析装置３が心電図データを分析する方法を説明するための模式図である。心電計１は、被分析者の心電図を測定する。心電計１は、測定した心電図を示す心電図データＨ１を生成し、心電図分析装置３へネットワークＮを介して送信する。

心電図分析装置３において、入力処理部３４１は、心電計１が送信した心電図データＨ１を取得する。入力処理部３４１は、生活中の被分析者が装着している心電計１（すなわち、ホルター心電計やパッチ型心電計）が測定した心電図データＨ１を逐次取得することが望ましい。これにより、心電図分析システムＳは、被分析者が発作的に生じる不整脈を有しているか否かに関する情報を医療従事者に早期に通知できる。また、入力処理部３４１は、病院等で予め測定された被分析者の心電図を示す心電図データ、自動車のハンドルに搭載された心電計から取得された心電図データ、１２誘導心電計から取得された心電図データ、スマートウォッチに搭載された心電計から取得された心電図データ等を取得してもよい。

入力処理部３４１は、取得した心電図データＨ１を、分析対象の心電図データとして機械学習部３３が有する機械学習モデルに入力する。ここで入力処理部３４１は、教師用心電図データと同じサンプリングレート（例えば、１０００Ｈｚ）で測定された分析対象の心電図データを機械学習モデルに入力することが望ましい。これにより、心電図分析装置３は、心電図データ間のサンプリングレートの差異に分析結果が影響されることを抑制できる。教師用心電図データのサンプリングレートと分析対象の心電図データのサンプリングレートとが異なる場合に、入力処理部３４１は、分析対象の心電図データに対してサンプリングレートを変換する処理を行ってから、機械学習モデルに入力してもよい。

機械学習部３３の機械学習モデルは、心電図データが入力されると、入力された心電図データが発作的に生じる不整脈を発症している人間の心電図データであるか否かに関する異常情報を出力する。例えば、機械学習モデルは、異常情報として、入力された心電図データの測定元である人間（すなわち、被分析者）が発作的に生じる不整脈を発症しているか否かに関する異常情報を出力する。機械学習モデルは、異常情報として、被分析者が発作的に生じる不整脈を発症している確率の値と、発作的に生じる不整脈を発症している確率の程度と、被分析者が発作的に生じる不整脈を発症している確率のスコアと、被分析者における発作的に生じる不整脈の有無と、被分析者における発作的に生じる不整脈の兆候の有無と、のうち少なくとも１つを出力する。

結果取得部３４２は、機械学習部３３の機械学習モデルが出力した、被分析者が発作的に生じる不整脈を発症しているか否かに関する異常情報を、分析結果として取得する。出力制御部３４３は、結果取得部３４２が取得した異常情報を、医師端末２に出力する。異常情報は、被分析者が発作的に生じる不整脈を発症している確率の値、程度又はスコアによって表される。また、異常情報は、被分析者が発作的に生じる不整脈を発症していない確率の値、程度又はスコアを表す情報であってもよい。確率の程度は、例えば、確率の値の範囲ごとに関連付けられた高、低、〇、×等の文字又は記号によって表される。確率のスコアは、例えば、確率を所定の式によって変換したスコアによって表される。

また、異常情報は、被分析者における発作的に生じる不整脈の有無又は不整脈の兆候の有無を表す情報であってもよい。不整脈の有無は、例えば、機械学習モデルによる不整脈の有無又は不整脈の兆候の有無の判定結果を示す文字又は記号によって表される。また、異常情報は、心電図データ全体に対して出力されてもよく、心電図データを構成する複数の期間それぞれに関連付けて出力されてもよい。また、異常情報は、その他発作的に生じる不整脈の発生に関する情報であってもよい。

医師端末２は、異常情報をディスプレイに表示してもよく、異常情報を示す音声をスピーカから出力してもよい。また、医師端末２は、異常情報を直接表示してもよく、異常情報を他の情報（確率が所定値以上である場合に「再検査が必要です」、「投薬が必要です」等）に変換した上で出力してもよい。

図５は、医師端末２が表示する分析結果画面の模式図である。分析結果画面は、心電図Ｈと、異常情報Ｐとを含む。心電図Ｈは、分析に用いた心電図データの少なくとも一部を表す。異常情報Ｐは、例えば、機械学習モデルから出力された、被分析者が発作的に生じる不整脈を有している確率の値又は程度を表す。

このように、心電図分析システムＳは、機械学習を用いて心電図を分析することによって、医師の目では発見しづらいような、非発作期間における発作的に生じる不整脈の兆候を検出し、被分析者が発作的に生じる不整脈を有しているか否かに関する情報として表示することができる。医師は、分析結果画面に表示された心電図Ｈ及び異常情報Ｐを参照することによって、被分析者が発作的に生じる不整脈を有しているか否かを特定しやすくなり、必要に応じて追加の検査等を行うか否かを判断できる。

心電図分析装置３は、複数の異なる期間における確率の変化を医師端末２に表示させてもよい。この場合に、心電図分析装置３において、入力処理部３４１は、心電計１が複数の異なる期間（例えば、複数月それぞれの特定日）に測定した被分析者の心電図を示す複数の心電図データそれぞれを、分析対象の心電図データとして機械学習部３３が有する機械学習モデルに入力する。結果取得部３４２は、機械学習部３３の機械学習モデルが出力した、被分析者が発作的に生じる不整脈を発症しているか否かに関する異常情報を、複数の異なる期間それぞれに関連付けて取得する。

そして出力制御部３４３は、結果取得部３４２が取得した複数の異なる期間の確率の変化に関する異常情報を、医師端末２に表示させる。異常情報は、例えば、経時的推移のグラフ、又は確率の変化の程度（差分、変化率等）によって、確率の変化を表す。医師は、分析結果画面に表示された確率の変化を参照することによって、被分析者に発作的に生じる不整脈が発症するリスクを判断できる。

分析結果画面は、被分析者が発作的に生じる不整脈を有しているか否かの医師による診断を入力するための領域（例えば、ボタンや選択ボックス）を含んでもよい。この場合に、医師端末２は、入力された内容を、被分析者が発作的に生じる不整脈を有しているか否かの判定情報として心電図分析装置３に送信する。

心電図分析装置３は、医師端末２が送信した判定情報を受信する。機械学習部３３は、受信した判定情報と、被分析者の心電図データとを用いて、上述の機械学習をすることによって、入力された心電図データが発作的に生じる不整脈を発症している人間の心電図データであるか否かに関する異常情報を出力する機械学習モデルを再生成する。これにより、心電図分析システムＳは、医師による診断結果のフィードバックを受け付け、機械学習モデルが出力する異常情報の精度を向上させることができる。

［心電図分析方法のフローチャート］
図６は、本実施形態に係る心電図分析システムＳが実行する心電図分析方法のフローチャートを示す図である。本実施形態には、図６に例示した心電図分析方法と、当該心電図分析方法を実行するためのプログラムと、当該プログラムを記憶したコンピュータ読み取り可能な記録媒体と、が含まれる。心電図分析装置３において、入力処理部３４１は、発作的に生じる不整脈を発症している患者の心電計１が送信した心電図データを取得する（Ｓ１１）。入力処理部３４１は、患者の心電図データのうち非発作期間の部分を、発作的に生じる不整脈を有する人間の教師用心電図データとして機械学習部３３に入力する。また、入力処理部３４１は、医師によって発作的に生じる不整脈を発症していないと診断された人間の心電図データを、発作的に生じる不整脈を有さない人間の教師用心電図データとして機械学習部３３に入力する。

機械学習部３３は、入力された教師用心電図データを用いて機械学習をすることによって、入力された心電図データが発作的に生じる不整脈を発症している人間の心電図データであるか否かに関する異常情報を出力する機械学習モデルを生成する（Ｓ１２）。機械学習部３３が外部で生成された機械学習モデルを用いる場合に、ステップＳ１１～ステップＳ１２は省略されてもよい。

入力処理部３４１は、分析対象の被分析者の心電計１が送信した心電図データを取得する（Ｓ１３）。入力処理部３４１は、取得した心電図データを、分析対象の心電図データとして機械学習部３３が有する機械学習モデルに入力する（Ｓ１４）。機械学習部３３の機械学習モデルは、心電図データが入力されると、入力された心電図データが発作的に生じる不整脈を発症している人間の心電図データであるか否かに関する異常情報を出力する。結果取得部３４２は、機械学習部３３の機械学習モデルが出力した、被分析者が発作的に生じる不整脈を発症しているか否かに関する異常情報を、分析結果として取得する（Ｓ１５）。出力制御部３４３は、結果取得部３４２が取得したか否かに関する異常情報を、医師端末２に表示させる（Ｓ１６）。

［実施形態の効果］
発作的に生じる不整脈は、低頻度で発作が発生するため、限られた期間内で測定された患者の心電図に発作の波形が含まれるとは限らない。しかしながら、発作的に生じる不整脈を有している患者の心電図には、発作が発生していない非発作期間においても、医師の目では発見しづらい不整脈の兆候がある。そこで心電図分析システムＳは、発作的に生じる不整脈を有している患者の非発作期間における心電図データを機械学習した機械学習モデルに、被分析者の心電図データを入力することによって、被分析者が発作的に生じる不整脈を有しているか否かに関する異常情報を出力する。これにより、心電図分析システムＳは、被分析者が発作的に生じる不整脈を有しているか否かを特定しやすくできる。

［変形例］
上述の実施形態において、心電図分析装置３は、医師による診断を支援するために用いられているが、その他の用途に用いられてもよい。例えば、心電図分析装置３は、異常情報に基づいて被分析者の発作的に生じる不整脈の発生の可能性の有無と、再検査又は精密検査の必要性の有無とを表示する健康診断結果表示システム、異常情報を被分析者の保険の加入審査の基準に含む保険審査支援システム、異常情報を被分析者の保険契約書類の表示項目に含む保険契約書類装置に用いられてもよい。これにより、心電図分析装置３は、被分析者の健康状態に基づいて保険加入審査等をすることを支援できる。

また、心電図分析装置３は、異常情報を治験の候補者に関する情報の表示項目に含む臨床試験の治験者選定システムに用いられてもよい。これにより、心電図分析装置３は、例えば発作的に生じる不整脈を有する可能性のある候補者を、心電計の評価に関する臨床試験の治験者から除外する等の判断を支援できる。

また、心電図分析装置３は、異常情報を利用する医薬品の投与判断支援システム又は医薬品の投与禁忌判断支援装置に用いられてもよい。これにより、心電図分析装置３は、例えば発作的に生じる不整脈を有する可能性のある患者に対して不整脈がある場合に投与できない薬剤等の投与可否の判断を支援することや、発作性の疾患がある患者を層別するデジタルバイオマーカとして異常情報を使用することを可能にできる。

また、心電図分析装置３は、異常情報に基づいて自動車の運転中に発作的に生じる不整脈の発生を検知した場合に車を安全に停車させるための自動車運転制御装置に用いられてもよい。また、心電図分析装置３は、異常情報に基づいて発作的に生じる不整脈の発生をスマートフォン等のスマートデバイス上に表示することによって医療機関を受診することを勧めるアラートシステムに用いられてもよい。

以上、実施の形態を用いて本発明を説明したが、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されず、その要旨の範囲内で種々の変形及び変更が可能である。例えば、装置の全部又は一部は、任意の単位で機能的又は物理的に分散・統合して構成することができる。また、複数の実施の形態の任意の組み合わせによって生じる新たな実施の形態も、本発明の実施の形態に含まれる。組み合わせによって生じる新たな実施の形態の効果は、もとの実施の形態の効果を併せ持つ。

心電図分析装置３のプロセッサは、図６に示す心電図分析方法に含まれる各ステップ（工程）の主体となる。すなわち、心電図分析装置３のプロセッサは、図６に示す心電図分析方法を実行するためのプログラムを記憶部から読み出し、該プログラムを実行して心電図分析システムＳの各部を制御することによって、図６に示す心電図分析方法を実行する。図６に示す心電図分析方法に含まれるステップは一部省略されてもよく、ステップ間の順番が変更されてもよく、複数のステップが並行して行われてもよい。

Ｓ 心電図分析システム
１ 心電計
２ 医師端末
３ 心電図分析装置
３１ 通信部
３２ 記憶部
３３ 機械学習部
３４ 制御部
３４１ 入力処理部
３４２ 結果取得部
３４３ 出力制御部

Claims (11)

1. 発作的に生じる不整脈を有していると判断された患者の、前記発作的に生じる不整脈による異常状態が生じていない非発作期間における教師用心電図データと、前記発作的に生じる不整脈を有さないと判断された人間の教師用心電図データと、を用いて機械学習した機械学習モデルを有する機械学習部と、
   前記機械学習モデルに、分析対象である被分析者の心電図データを入力する入力処理部と、
   前記機械学習モデルから出力される前記被分析者が前記発作的に生じる不整脈を有しているか否かに関する異常情報を情報端末に出力する出力制御部と、
   を有する、心電図分析装置。
2. 前記機械学習部は、前記発作的に生じる不整脈の発作が発生していると特定された発作期間の前及び後の少なくとも一方の所定期間である前記非発作期間における、前記患者の前記教師用心電図データを用いて機械学習した前記機械学習モデルを有する、
   請求項１に記載の心電図分析装置。
3. 前記機械学習部は、発作性心房細動と、心室頻拍と、上室頻拍と、心房粗動と、心室細動とのうち少なくとも１つを前記発作的に生じる不整脈として有していると判断された前記患者の前記教師用心電図データを用いて機械学習した前記機械学習モデルを有する、
   請求項１又は２に記載の心電図分析装置。
4. 前記入力処理部は、前記患者及び前記人間の前記教師用心電図データと同じサンプリングレートで測定された前記心電図データを前記機械学習モデルに入力する、
   請求項１から３のいずれか一項に記載の心電図分析装置。
5. 前記出力制御部は、前記被分析者が前記発作的に生じる不整脈を有している確率を示す前記異常情報を前記情報端末に出力する、
   請求項１から４のいずれか一項に記載の心電図分析装置。
6. 前記入力処理部は、複数の異なる期間に測定された複数の前記心電図データを前記機械学習モデルに入力し、
   前記出力制御部は、前記複数の異なる期間における前記確率の変化に関する前記異常情報を前記情報端末に出力する、
   請求項５に記載の心電図分析装置。
7. 前記入力処理部は、生活中の前記被分析者が装着している心電計が測定した前記心電図データを前記機械学習モデルに入力する、
   請求項１から６のいずれか一項に記載の心電図分析装置。
8. 前記出力制御部は、前記被分析者が前記発作的に生じる不整脈を発症している確率の値、程度又はスコアと、前記被分析者が前記発作的に生じる不整脈を発症していない確率の値、程度又はスコアと、前記被分析者における前記発作的に生じる不整脈の有無と、前記被分析者における前記発作的に生じる不整脈の兆候の有無と、のうち、少なくとも１つを表す前記異常情報を、前記情報端末に出力する、
   請求項１から７のいずれか一項に記載の心電図分析装置。
9. 前記機械学習部は、前記異常情報が出力された前記情報端末から、前記被分析者が前記発作的に生じる不整脈を有しているか否かを示す判定情報を受信し、前記判定情報と前記心電図データとを用いて機械学習することによって、前記機械学習モデルを再生成する、
   請求項１から８のいずれか一項に記載の心電図分析装置。
10. コンピュータが実行する、
    発作的に生じる不整脈を有していると判断された患者の、前記発作的に生じる不整脈による異常状態が生じていない非発作期間における教師用心電図データと、前記発作的に生じる不整脈を有さないと判断された人間の教師用心電図データと、を用いて機械学習した機械学習モデルを取得するステップと、
    前記機械学習モデルに、分析対象である被分析者の心電図データを入力するステップと、
    前記機械学習モデルから出力される前記被分析者が前記発作的に生じる不整脈を有しているか否かに関する異常情報を情報端末に出力するステップと、
    を有する心電図分析方法。
11. コンピュータを、
    発作的に生じる不整脈を有していると判断された患者の、前記発作的に生じる不整脈による異常状態が生じていない非発作期間における教師用心電図データと、前記発作的に生じる不整脈を有さないと判断された人間の教師用心電図データと、を用いて機械学習した機械学習モデルを有する機械学習部、
    前記機械学習モデルに、分析対象である被分析者の心電図データを入力する入力処理部、及び
    前記機械学習モデルから出力される前記被分析者が前記発作的に生じる不整脈を有しているか否かに関する異常情報を情報端末に出力する出力制御部、
    として機能させるためのプログラム。

Images