JP7036378B2 - 病理診断文入力支援プログラム、病理診断文入力支援方法および病理診断文入力支援システム - Google Patents

Description

本開示は、病理診断文入力支援プログラム、病理診断文入力支援方法および病理診断文入力支援システムに関する。

従来、臨床医に患者の病理診断を依頼された病理医が病理診断報告書を記載する際に、記載された疾患と病理医所見との医学的な矛盾を病理医に報知することができる技術が知られている（たとえば、特許文献１参照）。

特開２０１５－９５２４８号公報

しかしながら、上述の技術では、かかる病理診断報告書に記載される項目のうち、英語で表記され、かつ長い単語が多く見られる病理診断文を入力する際につづり間違いを起こす恐れがあった。したがって、かかるつづり間違いによる入力ミスを起こさないようにするため、病理医に大きな負担がかかっていた。

本開示は、上記に鑑みてなされたものであって、病理医が病理診断文を入力する負担を軽減することができる技術を提供する。

本開示の一態様による病理診断文入力支援プログラムは、取得手順と、予測手順と、提示手順とをコンピュータに実行させる。前記取得手順は、被依頼者が依頼された病理診断の対象となる標本に付随した文字情報である標本情報を取得する。前記予測手順は、前記被依頼者により入力される病理診断文に含まれる文字列の候補である候補文字列を前記標本情報に基づいて予測する。前記提示手順は、予測された前記候補文字列を前記被依頼者に提示する。

本開示によれば、病理医が病理診断文を入力する負担を軽減することができる。

図１は、実施形態に係る病理診断文入力支援方法の概要を説明するための図である。 図２は、実施形態に係る病理診断文入力支援システムの構成を示す機能ブロック図である。 図３は、実施形態に係る過去整然データおよび学習モデルを作成する処理の一例を示す図である。 図４は、実施形態に係る過去整然データのデータ構造の一例を示す図である。 図５は、実施形態における病理診断文と、診断文単語、診断文前単語および診断文前単語出現位置との関係を説明するための図である。 図６は、実施形態に係る予測文字列リストを作成する処理の一例を示す図である。 図７は、実施形態に係る病理診断文入力支援サービスが提供される通信端末の表示画面の一例を示した図である。 図８は、実施形態に係る整然データのデータ構造の一例を示す図である。 図９は、実施形態に係る予測文字列リストのデータ構造の一例を示す図である。 図１０は、実施形態に係る病理診断文入力支援方法の手順を説明するための図（１）である。 図１１は、実施形態に係る病理診断文入力支援方法の手順を説明するための図（２）である。 図１２は、実施形態に係る病理診断文入力支援方法の手順を説明するための図（３）である。 図１３は、実施形態に係る文字列先頭部分の補完機能を説明するための図である。 図１４は、実施形態に係る次文字列の推定機能を説明するための図である。 図１５は、実施形態に係る病理診断文入力支援処理における処理手順を示すフローチャートである。 図１６は、実施形態に係る病理診断文入力支援プログラムを実行するコンピュータのハードウェア構成例を示す図である。

以下、添付図面を参照して、本願の開示する病理診断文入力支援プログラム、病理診断文入力支援方法および病理診断文入力支援システムの実施形態を詳細に説明する。なお、以下に示す実施形態により本開示が限定されるものではない。

＜病理診断文入力支援方法の概要＞
最初に、実施形態に係る病理診断文入力支援方法の概要について、図１を参照しながら説明する。図１は、実施形態に係る病理診断文入力支援方法の概要を説明するための図である。

実施形態に係る病理診断文入力支援方法は、以下のステップＳ１～Ｓ３を含んでいる。最初に、サーバ装置１０は、依頼者である臨床医Ｘが被依頼者である病理医Ｙに病理診断を依頼する際などに、病理診断の対象である標本に付随して病理医Ｙに送られる各種の標本情報５３（図６参照）を取得する（ステップＳ１）。

実施形態において、かかる標本情報５３は文字情報で構成される。標本情報５３は、たとえば、図１に示す「乳房」「乳腺」「大物」「手術」といった単語などである。なお、実施形態において、「単語」は文字列の一例である。また、実施形態において、「文字列」は、「単語」のように意味のあるもののほか、意味のないものも含み、また、複数の文字で構成されたもののほか、１文字で構成されたものも含む。

また、実施形態において、「文」は、文字列の集合体である。なお、実施形態において、「文」は、複数の文字列で構成されたもののほか、１つの文字列で構成されたものも含む。さらに、実施形態では、文字列の一部も文として取り扱うことがある。

次に、サーバ装置１０は、取得した標本情報５３に基づいて、病理医Ｙが入力する病理診断文に含まれる文字列の候補（以下、「候補文字列」と呼称する。）を予測する（ステップＳ２）。

たとえば、サーバ装置１０は、取得した標本情報５３における「乳房」「乳腺」「大物」「手術」などの単語から、候補文字列として「group」「glandular」「mastectomy」などの文字列を予測する。かかる予測する処理の詳細については後述する。

そして、サーバ装置１０は、病理医Ｙが病理診断文の入力に用いる通信端末６０に予測された候補文字列を提示する（ステップＳ３）。

このように、実施形態では、依頼された病理診断に関連する標本情報５３に基づいて、病理医Ｙが病理診断文として入力する可能性がある候補文字列を予測し、予測された候補文字列を病理医Ｙに提示する。これにより、精度の高い候補文字列を病理医Ｙに提示することができる。

したがって、実施形態によれば、病理診断文に含まれる文字列の入力ミスを抑制することができることから、病理医Ｙが病理診断文を入力する負担を軽減することができる。

＜病理診断文入力支援システムの構成例＞
次に、病理診断文入力支援システム１の構成例について、図２を参照しながら説明する。図２は、実施形態に係る病理診断文入力支援システム１の構成を示す機能ブロック図である。

図２に示すように、病理診断文入力支援システム１には、サーバ装置１０と、複数の通信端末６０とが含まれる。なお、図２には、３つの通信端末６０が含まれる場合について示したが、病理診断文入力支援システム１に含まれる通信端末６０の数は、図示した例に限られることはなく、任意の数の通信端末６０を含むことができる。

また、サーバ装置１０と通信端末６０との間は、ネットワークＮを介して相互に通信可能に接続される。かかるネットワークＮには、有線または無線を問わず、たとえば、インターネットを始め、ＬＡＮ（Local Area Network）やＶＰＮ（Virtual Private Network）などの任意の種類の通信網を用いることができる。

実施形態の病理診断文入力支援システム１は、たとえば、病理業務支援サービスを提供するシステム内に実装することができる。以下の実施形態においては、病理業務支援サービスを提供するシステム内に病理診断文入力支援システム１が実装されている場合について説明する。

サーバ装置１０は、通信端末６０に上述の病理診断文入力支援サービスを提供するコンピュータである。さらに、サーバ装置１０は、病理業務支援サービスのサーバ機能も備えており、ネットワークＮへの接続機能を有する通信端末６０に、病理業務支援サービスを提供する。なお、実施形態において、サーバ装置１０以外のサーバ装置が病理業務支援サービスを提供してもよい。

通信端末６０は、サーバ装置１０から上述の病理診断文入力支援サービスおよび病理業務支援サービスの提供を受けるコンピュータである。

たとえば、通信端末６０は、上述の病理業務支援サービスの利用が許可されたアカウントを通じてサーバ装置１０へのログイン認証に成功したコンピュータである。たとえば、通信端末６０は、デスクトップ型またはノート型のパーソナルコンピュータなどの情報処理装置である。さらに、通信端末６０は、このような据置き型の端末のみならず、各種の携帯端末装置であってもよい。

なお、ここで言う「携帯端末装置」には、一例として、スマートフォン、携帯電話機やＰＨＳ（Personal Handyphone System）などの移動体通信端末、さらには、ＰＤＡ（Personal Digital Assistants）などのスレート端末などがその範疇に含まれる。

次に、実施形態におけるサーバ装置１０の機能構成について説明する。サーバ装置１０は、通信部２０と、制御部３０と、記憶部４０とを備える。

通信部２０は、有線又は無線を問わず、通信端末６０など、その他のコンピュータなどとの通信を制御する。通信部２０は、たとえばＮＩＣ（Network Interface Card）などの通信インタフェースなどである。

制御部３０は、サーバ装置１０の全体的な処理を司る処理部である。制御部３０は、たとえば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）、ＧＰＵ（Graphics Processing Unit）などによって、内部の記憶装置に記憶されているプログラムがＲＡＭを作業領域として実行されることにより実現される。

また、制御部３０は、たとえば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）などの集積回路により実現されるようにしてもよい。

記憶部４０は、たとえば制御部３０が実行するプログラムなどの各種データなどを記憶する。記憶部４０は、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、フラッシュメモリなどの半導体メモリ素子や、ＨＤＤ（Hard Disk Drive）などの記憶装置に対応する。また、記憶部４０は、学習モデル４１を有する。

制御部３０は、取得部３１と、過去整然データ作成部３２と、学習モデル作成部３３と、予測部３４と、提示部３５とを有する。また、予測部３４は、整然データ作成部３４ａと、確率算出部３４ｂとを有する。なお、取得部３１と、過去整然データ作成部３２と、学習モデル作成部３３と、予測部３４と、提示部３５と、整然データ作成部３４ａと、確率算出部３４ｂとは、プロセッサが有する電子回路の一例やプロセッサが実行するプロセスの一例である。

取得部３１は、標本情報や病理診断文、病理診断文の一部として入力された文字などに関する情報を、臨床医Ｘが用いる通信端末６０などから通信部２０を通じて取得する。ここで、「標本情報」は、たとえば日本語で表記され、病理診断の対象である標本とともに送られる情報や、病理医所見として病理医Ｙが入力した情報などが含まれる。

また、「病理診断文」とは、病理診断報告書の一項目として英語で表記される情報である。そして、上述の「標本情報」には、病理医Ｙが病理診断文として途中まで入力した情報も含まれる。すなわち、取得部３１で取得される各種情報は、文字で構成される文字情報である。

過去整然データ作成部３２は、過去整然データ５２（図３参照）を作成する。学習モデル作成部３３は、学習モデル４１を作成する。つづいては、かかる過去整然データ５２および学習モデル４１を作成する処理の詳細について、図３～図５を参照しながら説明する。図３は、実施形態に係る過去整然データ５２および学習モデル４１を作成する処理の一例を示す図である。

図３に示すように、取得部３１で取得された過去の標本情報５０と、取得部３１で取得された過去診断文５１とに基づいて、過去整然データ作成部３２は、所定の変換処理を行い過去整然データ５２を作成する。

ここで、過去の標本情報５０とは、過去に病理診断された際の標本情報のことであり、過去診断文５１とは、過去の標本情報５０に対応する病理診断文（すなわち、当該過去の標本情報５０が付随した標本を病理診断した際の病理診断文）のことである。

図４は、実施形態に係る過去整然データ５２のデータ構造の一例を示す図である。図４に示すように、過去の標本情報５０には、たとえば、「患者性別」「患者年齢」「臓器」「採取法」「診断医」「施設」「臨床診断」「臨床情報」「依頼情報」「病理医所見」などのデータが含まれる。

ここで、「患者性別」および「患者年齢」とは、病理診断の対象となった患者の性別および年齢のことである。また、「臓器」とは、病理診断の対象となった標本が採取された臓器のことであり、「採取法」とは、病理診断の対象となった標本の採取法のことである。

また、「診断医」とは、病理診断を依頼された病理医のことであり、「施設」とは、病理診断を依頼された施設のことである。また、「臨床診断」とは、対象となる病理診断に先立って行われた臨床診断の結果のことであり、「臨床情報」とは、対象となる病理診断に先立って行われた臨床診断に付随する情報のことである。

また、「依頼情報」とは、依頼した依頼科や依頼医に関する情報のことであり、「病理医所見」とは、対象となった病理診断において病理医が所見として入力した情報のことである。

また、過去診断文５１には、「診断文単語」「診断文統計情報」「診断文前単語」「診断文前単語出現位置」「診断文既出文単語」などのデータが含まれる。

ここで、かかる過去診断文５１に含まれるデータの詳細について、図５を参照しながら説明する。図５は、実施形態における病理診断文と、診断文単語、診断文前単語および診断文前単語出現位置との関係を説明するための図である。

ここで、「診断文単語」とは、病理診断文内においてデータの対象となる単語のことであり、作成される学習モデル４１において正解データとなる。また、「診断文統計情報」とは、診断文単語を低次元にベクトル化し、そこから統計処理を行った値である。また、「診断文前単語」とは、病理診断文内で診断文単語の前に存在する単語のことであり、「診断文前単語出現位置」とは、診断文前単語が診断文単語のいくつ前にあるかを示す値である。

たとえば、図５に示すように、病理診断文が「Ａ」（ここで、Ａは単語を示す。以下同様。）であり、対象となる診断文単語が「Ａ」である場合、かかる「Ａ」の前に単語は存在しないことから、診断文前単語は無く、診断文前単語の出現位置も無い。

また、病理診断文が「Ａ Ｂ」（ここで、Ｂは単語を示す。以下同様。）であり、対象となる診断文単語が「Ｂ」である場合、かかる「Ｂ」の１つ前に存在する「Ａ」は、「Ｂ」の診断文前単語の一つであり、かかる「Ａ」の診断文前単語出現位置は「１」となる。

また、病理診断文が「Ａ Ｂ Ｃ」（ここで、Ｃは単語を示す。以下同様。）であり、対象となる診断文単語が「Ｃ」である場合、かかる「Ｃ」の１つ前に存在する「Ｂ」は、「Ｃ」の診断文前単語の一つであり、かかる「Ｂ」の診断文前単語出現位置は「１」となる。さらに、かかる「Ｃ」の２つ前に存在する「Ａ」は、「Ｃ」の診断文前単語の一つであり、かかる「Ａ」の診断文前単語出現位置は「２」となる。

さらに、病理診断文が「Ａ Ｂ Ｃ Ｄ」（ここで、Ｄは単語を示す。以下同様。）であり、対象となる診断文単語が「Ｄ」である場合、かかる「Ｄ」の１つ前に存在する「Ｃ」は、「Ｄ」の診断文前単語の一つであり、かかる「Ｃ」の診断文前単語出現位置は「１」となる。

また、かかる「Ｄ」の２つ前に存在する「Ｂ」は、「Ｄ」の診断文前単語の一つであり、かかる「Ｂ」の診断文前単語出現位置は「２」となる。さらに、かかる「Ｄ」の３つ前に存在する「Ａ」は、「Ｄ」の診断文前単語の一つであり、かかる「Ａ」の診断文前単語出現位置は「３」となる。

図４の説明に戻る。過去診断文５１に含まれる「診断文既出文単語」は、診断文単語が含まれる文よりも前に入力された文のうち、当該診断文単語が含まれる文に含まれている単語のことである。

そして、過去整然データ５２は、上述の各種データのうち、文字列で構成されるデータを低次元にベクトル化することにより数値化したデータである。すなわち、図４に示すように、上述の各種情報のうち、カテゴリー変数で数値化できる「患者性別」と、そのままの値で数値化できる「患者年齢」および「診断文前単語出現位置」と、予測対象となる単語の数の次元を有するベクトルである「診断文単語」とを除いたデータは、所定の手法を用いて低次元にベクトル化することにより、図４に示すような形式で数値化される。

なお、上記データのうち「診断文単語」のデータは、たとえば、予測対象となる単語が６００単語あった場合には６００次元のベクトルである。そして、かかるベクトルにおける要素のうち、対象となる単語に対応する１つの要素の値が「１」であり、ほかの要素はすべて「０」となる。

実施形態において、文字列で構成されるデータを低次元にベクトル化して数値化する手法としては、たとえば、ｗｏｒｄ２ｖｅｃと呼ばれる手法を用いることができる。なお、実施形態で用いることができる文字列をベクトル化する手法はｗｏｒｄ２ｖｅｃに限られず、既知のその他の手法を用いることができる。

図３の説明に戻る。学習モデル作成部３３は、作成された過去整然データ５２を用いてアンサンブル学習を実行し、学習モデル４１を作成する。

実施形態において、かかるアンサンブル学習の手法としては、たとえば、Gradient BoostingとRandom Forestとのアルゴリズムを組み合わせたアンサンブル学習であるＸＧＢｏｏｓｔと呼ばれる手法を用いることができる。このようなアンサンブル学習手法を用いることにより、学習精度の高い学習モデル４１を速い計算速度で作成することができる。

なお、実施形態で用いることができるアンサンブル学習の手法はＸＧＢｏｏｓｔに限られず、既知のその他の手法（たとえば、Boosting、Bagging、Adaboostなど）を用いることができる。

図２の説明に戻って、制御部３０におけるその他の機能部の説明を続ける。予測部３４は、病理医Ｙが依頼された病理診断において、標本に付随した文字情報である標本情報５３（図６参照）に基づいて候補文字列を予測する。

具体的には、予測部３４の整然データ作成部３４ａおよび確率算出部３４ｂが、上記にて作成された学習モデル４１を用いて候補文字列を予測する。

つづいて、候補文字列を予測する処理の詳細について、図６～図９を参照しながら説明する。図６は、実施形態に係る予測文字列リスト５５を作成する処理の一例を示す図である。

最初に、取得部３１は、病理医Ｙが依頼された病理診断の対象となる標本に付随した標本情報５３を取得する。かかる標本情報５３は、図４で示した過去の標本情報５０と同様の各種情報を有し、たとえば図７に示すような文字情報である。

図７は、実施形態に係る病理診断文入力支援サービスが提供される通信端末６０の表示画面の一例を示した図であり、具体的には、病理医Ｙが病理診断文を入力する直前の表示画面の一例を示した図である。

図７に示すように、病理医Ｙが用いる通信端末６０には、たとえば、標本情報表示部６１、６２と、病理医所見入力部６３と、病理診断文入力部６４とが表示される。たとえば、標本情報表示部６１には、標本情報５３に含まれる各種情報のうち、「患者性別」（たとえば、「女」）と「患者年齢」（たとえば、「６１歳１１ヶ月」）とが表示される。

また、標本情報表示部６２には、たとえば、標本情報５３に含まれる各種情報のうち、「臓器」（たとえば、「乳房（乳腺）」）と、「採取法」（たとえば、「大物（手術）」と、「診断医」（たとえば、診断医の氏名）とが表示される。さらに、標本情報表示部６２には、「臨床診断」（たとえば、「乳癌」）と、「臨床情報」（たとえば、「上記診断にて、乳切施行」）と、依頼情報（たとえば、依頼科や依頼医の情報）とが表示される。

なお、標本情報表示部６１、６２に表示される情報は、病理診断の依頼者である臨床医Ｘなどにより入力された情報である。

病理医所見入力部６３は、病理医Ｙが病理診断文を入力するに先立って、依頼された病理診断の所見を日本語などで入力する欄である。たとえば、病理医所見入力部６３には、「免疫組織化学的には、ＥＲ陽性の腫瘍細胞はほぼ１００％、ＰｇＲ陽性の腫瘍細胞は９０％程度でした。ＨＥＲ２はスコア０で陰性です。Ｋｉ－６７陽性率は１３．８％です。」と入力される。

すなわち、病理医所見入力部６３には、標本情報５３に含まれる各種情報のうち、「病理医所見」が入力される。また、病理診断文入力部６４は、依頼された病理診断の病理診断文が英語で入力される欄である。

ここまで説明したように、実施形態の標本情報５３は、標本情報表示部６１、６２に表示された情報や病理医所見入力部６３に入力された情報など、病理診断の対象となる標本に付随する文字情報であるとともに、病理医Ｙが病理診断文を入力する際にすでに入力されている文字情報を含む。

図６の説明に戻る。取得部３１により取得された標本情報５３に基づいて、整然データ作成部３４ａは、所定の変換処理を行い整然データ５４を作成する。図８は、実施形態に係る整然データ５４のデータ構造の一例を示す図である。

かかる整然データ５４は、標本情報５３に含まれる各種情報のうち、文字列で構成されるデータを低次元にベクトル化することにより数値化したデータである。すなわち、整然データ５４は、図４に示した過去整然データ５２と同様のデータ構造であり、過去整然データ５２と同様の手法で作成することができる。そのため、整然データ５４の詳細な説明は省略する。

なお、図８に示すように、整然データ５４に変換される標本情報５３には、入力途中診断文５３ａが含まれる。かかる入力途中診断文５３ａは、病理医Ｙが入力する途中の病理診断文に基づいて、上述の「診断文統計情報」、「診断文前単語」、「診断文前単語出現位置」および「診断文既出文単語」をデータ化したものである。

図６の説明に戻る。次に、確率算出部３４ｂは、作成された整然データ５４と学習モデル４１とに基づいて、候補文字列が病理診断文に含まれる確率を算出し、算出された結果を予測文字列リスト５５として出力する。

図９は、実施形態に係る予測文字列リスト５５のデータ構造の一例を示す図である。図９に示すように、予測文字列リスト５５には、候補文字列と、かかる候補文字列が病理診断文に含まれる確率とが対応付けられて記憶されている。一例として、候補文字列が「group」である場合に、確率として「0.12」が記憶されており、候補文字列が「glandular」である場合に、確率として「0.08」が記憶されている。

そして、予測文字列リスト５５では、病理診断文に含まれる確率が高い文字列が上位から順にリストアップされるとともに、確率がゼロ（図では横線で表示）である候補文字列もリストの後方に追加されている。

＜病理診断文入力支援方法の手順＞
つづいて、実施形態に係る病理診断文入力支援方法の具体的な手順について、図１０～図１２を参照しながら説明する。図１０～図１２は、実施形態に係る病理診断文入力支援方法の手順を説明するための図（１）～（３）である。

まず、取得部３１は、図１０に示すように、病理医Ｙが病理診断文を入力する際にすでに入力されている標本情報５３を取得する（ステップＳ１０）。たとえば、取得部３１は、標本情報表示部６１、６２に表示された情報や病理医所見入力部６３に入力された情報などを標本情報５３として取得する。

次に、予測部３４は、取得された標本情報５３に基づいて、予測文字列リスト５５を作成する（ステップＳ１１）。具体的には、予測部３４の確率算出部３４ｂが、取得された標本情報５３に基づいて、候補文字列が病理診断文に含まれる確率を算出し、かかる算出された結果に基づいて予測文字列リスト５５を作成する。

次に、提示部３５は、図１１に示すように、作成された予測文字列リスト５５に基づいて、病理医Ｙに病理診断文の候補文字列を提示する（ステップＳ１２）。たとえば、図９に示した予測文字列リスト５５に基づいて、提示部３５は、入力される確率の高い候補文字列である「group」「glandular」「mastectomy」「atophic」などを提示する。

次に、予測部３４は、図１２に示すように、病理医Ｙが病理診断文入力部６４に文字を入力した際に、入力された文字と候補文字列の先頭部分とが一致するように予測文字列リスト５５を更新する（ステップＳ１３）。

たとえば、病理医Ｙにより病理診断文の先頭文字として「ｂ」と入力された場合、取得部３１は、かかる入力された先頭文字「ｂ」を取得する。そして、確率算出部３４ｂは、取得された先頭文字「ｂ」と候補文字列の先頭部分とが一致するように予測文字列リスト５５を更新する。

たとえば、確率算出部３４ｂは、先頭部分が「ｂ」である候補文字列が確率の高い順になるように（たとえば、入力される確率の高い「biopsy」「benign」「back」「bilateral」などの候補文字列がリストの上位に来るように）、予測文字列リスト５５を更新する。

そして、提示部３５は、更新された予測文字列リスト５５に基づいて、病理医Ｙに病理診断文の候補文字列を再提示する（ステップＳ１４）。たとえば、提示部３５は、更新されたリストの上位になった「biopsy」「benign」「back」「bilateral」などの候補文字列を病理医Ｙに再提示する。

そして、病理医Ｙにより先頭文字につづいて２文字目、３文字目、…と入力されるにしたがい、上述のステップＳ１３およびＳ１４をくり返して行うことにより、病理診断文に入力される候補文字列を効率的に絞ることができる。

ここまで説明したように、実施形態では、病理診断の対象となる標本に付随した標本情報５３に基づいて病理診断文の候補文字列を予測する。これにより、直前に病理診断文として病理医Ｙにより入力された文字列にのみ基づいて候補文字列を予測する手法と比較して、対象となる標本との相関が高い候補文字列を予測することができる。

また、実施形態では、過去の標本情報５０および過去診断文５１と、標本情報５３とをいずれも低次元にベクトル化して数値化してから予測処理することから、予測精度を向上させることができる。

また、実施形態では、過去診断文５１を入力した入力者の情報を過去の標本情報５０に含めて、かかる入力者の情報と病理診断文とを入力する病理医（実施形態では病理医Ｙ）の情報にさらに基づいて候補文字列を予測してもよい。

これにより、病理診断文を入力する病理医と相関の高い入力者（たとえば、病理診断文を入力する病理医本人）が入力した過去診断文５１に基づいて候補文字列を予測することができる。したがって、実施形態によれば、病理診断文の入力支援を行う病理医ごとに候補文字列の予測処理を容易にカスタマイズすることができる。

さらに、実施形態では、過去診断文５１が入力された施設の情報を過去の標本情報５０に含めて、かかる過去診断文５１が入力された施設の情報と、病理診断を依頼された施設の情報とにさらに基づいて候補文字列を予測してもよい。

これにより、病理診断を依頼された施設と相関の高い施設（たとえば、病理診断を依頼された施設そのもの）で入力された過去診断文５１に基づいて候補文字列を予測することができる。したがって、実施形態によれば、病理診断を行う施設ごとに候補文字列の予測処理を容易にカスタマイズすることができる。

また、実施形態では、図１２に示すように、病理医Ｙにより入力される文字列の左端と、提示された候補文字列の左端とを揃えて表示するとよい。これにより、入力された文字と提示された候補文字列との比較が容易になることから、病理医Ｙが候補文字列を効率よく選択することができる。

＜その他の入力支援機能＞
つづいて、実施形態に係る病理診断文のその他の入力支援機能について、図１３および図１４を参照しながら説明する。図１３は、実施形態に係る文字列先頭部分の補完機能を説明するための図である。

実施形態では、病理診断文として入力された文字列の先頭部分より、提示された候補文字列における先頭部分の一致箇所が長くなった場合、キーボードにおける所定のキーを押すことにより、病理診断文として入力された文字列の先頭部分を提示された候補文字列における先頭部分の一致箇所まで補完することができる。

たとえば、図１３の（ａ）に示すように、病理診断文として入力された文字列の先頭部分として「cho」と入力され、候補文字列として「cholecystectomy」「cholecystitis」「cholesterol」の３つが提示された場合、提示された候補文字列における先頭部分は「chole」の箇所が一致する。

ここで、所定のキー（たとえば、ｔａｂキー）が入力されることにより、制御部３０は、図１３の（ｂ）に示すように、病理診断文として入力された文字列の先頭部分「cho」を、提示された候補文字列における先頭部分の一致箇所「chole」まで補完する。

これにより、提示された候補文字列における一致箇所の全体を改めて入力する手間を省くことができることから、より効率よく病理診断文を入力することができる。

図１４は、実施形態に係る次文字列の推定機能を説明するための図である。実施形態において、病理診断文として一つの文字列の入力が終了し次の文字列を入力するためにスペースを空けた際に、取得部３１は、病理診断文としてここまで入力された文字列を標本情報５３の入力途中診断文５３ａとして取得することができる。

たとえば、図１４に示すように、病理医Ｙが病理診断文として「Breast, right, area D,」と入力し、次の文字列を入力するためにスペースを空けると、取得部３１は、入力された「Breast, right, area D,」を標本情報５３の入力途中診断文５３ａとして取得することができる。

これにより、予測部３４は、取得された標本情報５３の入力途中診断文５３ａにさらに基づいて、候補文字列を更新することができる。そして、提示部３５は、図１４に示すように、入力された「Breast, right, area D,」にさらに基づいて更新された候補文字列「needle」「resection」「ducital」「tumor」を病理医Ｙに提示することができる。

したがって、実施形態によれば、さらに精度が高い病理診断文の候補文字列を病理医Ｙに提示することができる。

＜病理診断文入力支援方法の処理手順＞
つづいて、実施形態に係る病理診断文入力支援方法の処理手順について、図１５を参照しながら説明する。図１５は、実施形態に係る病理診断文入力支援処理における処理手順を示すフローチャートである。

まず、取得部３１は、病理医Ｙが依頼された病理診断に関する標本情報５３を取得する（ステップＳ１０１）。次に、整然データ作成部３４ａは、取得された標本情報５３から整然データ５４を作成する（ステップＳ１０２）。たとえば、整然データ作成部３４ａは、標本情報５３内の文字情報を所定の手法で低次元にベクトル化することにより、整然データ５４を作成する。

次に、確率算出部３４ｂは、作成された整然データ５４を学習モデル４１に対して適用し、候補文字列が病理診断文に含まれる確率を算出する（ステップＳ１０３）。そして、確率算出部３４ｂは、ステップＳ１０３の結果に基づいて、予測文字列リスト５５を作成する（ステップＳ１０４）。

次に、提示部３５は、作成された予測文字列リスト５５に基づいて、候補文字列を病理医Ｙに提示する（ステップＳ１０５）。そして、制御部３０は、病理医Ｙにより病理診断文として入力された文字と候補文字列の先頭部分とが一致するように、予測文字列リスト５５を更新する（ステップＳ１０６）。

たとえば、取得部３１が、病理医Ｙにより病理診断文として入力された文字を取得し、確率算出部３４ｂが、取得された文字と候補文字列の先頭部分とが一致するように予測文字列リスト５５を更新する。そして、提示部３５は、更新された予測文字列リスト５５に基づいて、更新された候補文字列を提示する（ステップＳ１０７）。

次に、制御部３０は、病理医Ｙにより病理診断文として入力された文字列が確定したか否かを判定する（ステップＳ１０８）。たとえば、制御部３０は、提示された候補文字列が病理医Ｙにより選択されたことを検知することにより、入力された文字列が確定したと判定する。

そして、入力された文字列が確定した場合（ステップＳ１０８，Ｙｅｓ）、制御部３０は、病理医Ｙによる病理診断文の入力が完了したか否かを判定する（ステップＳ１０９）。そして、病理診断文の入力が完了した場合（ステップＳ１０９，Ｙｅｓ）、処理を終了する。

一方で、病理診断文の入力が完了していない場合（ステップＳ１０９，Ｎｏ）、取得部３１は、確定した文字列を新たな標本情報５３の入力途中診断文５３ａとして取得し（ステップＳ１１０）、ステップＳ１０２の処理に戻る。

また、ステップＳ１０８の処理において、入力された文字列が確定していない場合（ステップＳ１０８，Ｎｏ）、ステップＳ１０６の処理に戻る。

＜病理診断文入力支援プログラム＞
上述の実施形態で説明した各種の処理は、あらかじめ用意されたプログラムをパーソナルコンピュータやワークステーションなどのコンピュータで実行することによって実現することができる。そこで、以下では、上述の実施形態と同様の機能を有する病理診断文入力支援プログラム１６０ａを実行するコンピュータ１００の一例について、図１６を参照しながら説明する。

図１６は、実施形態に係る病理診断文入力支援プログラム１６０ａを実行するコンピュータ１００のハードウェア構成例を示す図である。図１６に示すように、コンピュータ１００は、操作部１１０と、ディスプレイ１２０と、通信部１３０と、ＣＰＵ１４０と、ＲＯＭ１５０と、ＨＤＤ１６０と、ＲＡＭ１７０とを有する。そして、コンピュータ１００を構成する上述の各部は、バス１８０を介して接続される。

ＨＤＤ１６０には、図１６に示すように、上述の実施形態で示した取得部３１、過去整然データ作成部３２、学習モデル作成部３３、予測部３４（整然データ作成部３４ａ、確率算出部３４ｂ）および提示部３５と同様の機能を発揮する病理診断文入力支援プログラム１６０ａが記憶される。

この病理診断文入力支援プログラム１６０ａは、図２に示した取得部３１、過去整然データ作成部３２、学習モデル作成部３３、予測部３４（整然データ作成部３４ａ、確率算出部３４ｂ）および提示部３５の各構成要素と同様、統合または分離してもかまわない。すなわち、ＨＤＤ１６０には、必ずしも上述の実施形態で示した全てのデータが格納されずともよく、処理に用いるデータがＨＤＤ１６０に格納されればよい。

そして、ＣＰＵ１４０は、ＨＤＤ１６０から病理診断文入力支援プログラム１６０ａを読み出した上でＲＡＭ１７０へ展開する。これにより、病理診断文入力支援プログラム１６０ａは、病理診断文入力支援プロセス１７０ａとして機能する。

かかる病理診断文入力支援プロセス１７０ａは、ＲＡＭ１７０が有する記憶領域のうち病理診断文入力支援プロセス１７０ａに割り当てられた領域にＨＤＤ１６０から読み出した各種データを展開し、この展開した各種データを用いて各種の処理を実行する。

たとえば、病理診断文入力支援プロセス１７０ａが実行する処理の一例として、図１５に示す処理などが含まれる。なお、ＣＰＵ１４０では、必ずしも上述の実施形態で示した全ての処理部が動作せずともよく、実行対象とする処理に対応する処理部が仮想的に実現されればよい。

なお、上述の病理診断文入力支援プログラム１６０ａは、必ずしも最初からＨＤＤ１６０やＲＯＭ１５０に記憶されていなくともよい。たとえば、コンピュータ１００に挿入されるフレキシブルディスク、いわゆるＦＤ、ＣＤ－ＲＯＭ、ＤＶＤディスク、光磁気ディスク、ＩＣカードなどの「可搬用の記録媒体」に病理診断文入力支援プログラム１６０ａを記憶させてもよい。

そして、コンピュータ１００がかかる可搬用の記録媒体から病理診断文入力支援プログラム１６０ａを取得して実行するようにしてもよい。また、公衆回線、インターネット、ＬＡＮ、ＷＡＮなどを介してコンピュータ１００に接続される他のコンピュータまたはサーバ装置などに病理診断文入力支援プログラム１６０ａを記憶させておき、コンピュータ１００がこれらから病理診断文入力支援プログラム１６０ａを取得して実行するようにしてもよい。

以上、本発明の実施形態について説明したが、本発明は上述の実施形態に限定されるものではなく、その趣旨を逸脱しない限りにおいて種々の変更が可能である。たとえば、上述の実施形態では、サーバ装置１０が取得部３１、過去整然データ作成部３２、学習モデル作成部３３、予測部３４（整然データ作成部３４ａ、確率算出部３４ｂ）および提示部３５をすべて含んだ例について示したが、かかる複数の処理部のうち少なくとも一つが通信端末６０や別のサーバ装置に含まれていてもよい。

また、病理診断文の入力支援を受ける対象は、病理診断を依頼された病理医Ｙ本人に限られず、たとえば、依頼された病理医Ｙに病理診断文の入力を指示された者なども含まれる。

また、上述の実施形態では、図１５に示したステップＳ１１０において、取得部３１は、直前に確定した文字列だけを標本情報５３の入力途中診断文５３ａとして取得する例について示したが、文字列が確定した時点で病理診断文として入力された文全体を標本情報５３の入力途中診断文５３ａとして取得してもよい。

また、上述の実施形態では、病理業務支援サービスにおける病理診断文の入力支援に実施形態を適用した例について示したが、病理診断文以外の入力項目に対する入力支援に上述の実施形態を適用してもよい。さらに、上述の実施形態は、病理業務支援サービス以外における入力項目の入力支援に適用されてもよい。

以上のように、実施形態に係る病理診断文入力支援プログラム１６０ａは、取得手順と、予測手順と、提示手順とをコンピュータに実行させる。取得手順は、被依頼者（病理医Ｙ）が依頼された病理診断の対象となる標本に付随した文字情報である標本情報５３を取得する。予測手順は、被依頼者（病理医Ｙ）により入力される病理診断文に含まれる文字列の候補である候補文字列を標本情報５３に基づいて予測する。提示手順は、予測された候補文字列を被依頼者（病理医Ｙ）に提示する。これにより、病理医Ｙが病理診断文を入力する負担を軽減することができる。

また、実施形態に係る病理診断文入力支援プログラム１６０ａにおいて、予測手順は、標本情報５３との相関が高い過去の標本情報５０に対応する過去の病理診断文である過去診断文５１に基づいて候補文字列を予測する。これにより、対象となる標本との相関が高い候補文字列を予測することができる。

また、実施形態に係る病理診断文入力支援プログラム１６０ａにおいて、予測手順は、過去の標本情報５０および過去診断文５１を低次元にベクトル化した過去整然データ５２と、標本情報５３を低次元にベクトル化した整然データ５４とに基づいて候補文字列を予測する。これにより、候補文字列の予測精度を向上させることができる。

また、実施形態に係る病理診断文入力支援プログラム１６０ａは、複数の過去整然データ５２に基づいてアンサンブル学習を実行し学習モデル４１を作成する学習モデル作成手順をさらにコンピュータに実行させる。そして、予測手順は、学習モデル４１に対して整然データ５４を適用することにより候補文字列が病理診断文に含まれる確率を算出する確率算出手順を含む。これにより、学習精度の高い学習モデル４１を速い計算速度で作成することができる。

また、実施形態に係る病理診断文入力支援プログラム１６０ａにおいて、過去の標本情報５０には、過去診断文５１を入力した入力者の情報が含まれ、予測手順は、入力者の情報および被依頼者（病理医Ｙ）の情報にさらに基づいて候補文字列を予測する。これにより、病理診断文の入力支援を行う病理医ごとに候補文字列の予測処理を容易にカスタマイズすることができる。

また、実施形態に係る病理診断文入力支援プログラム１６０ａにおいて、過去の標本情報５０には、過去診断文５１が入力された入力施設の情報が含まれ、予測手順は、入力施設の情報および病理診断を依頼された施設の情報にさらに基づいて候補文字列を予測する。これにより、病理診断文の入力支援を行う施設ごとに候補文字列の予測処理を容易にカスタマイズすることができる。

さらなる効果や変形例は、当業者によって容易に導き出すことができる。このため、本発明のより広範な態様は、以上のように表しかつ記述した特定の詳細および代表的な実施形態に限定されるものではない。したがって、添付の特許請求の範囲およびその均等物によって定義される総括的な発明の概念の精神または範囲から逸脱することなく、様々な変更が可能である。

１ 病理診断文入力支援システム
１０ サーバ装置
２０ 通信部
３０ 制御部
３１ 取得部
３２ 過去整然データ作成部
３３ 学習モデル作成部
３４ 予測部
３４ａ 整然データ作成部
３４ｂ 確率算出部
３５ 提示部
４０ 記憶部
４１ 学習モデル
５０ 過去の標本情報
５１ 過去診断文
５２ 過去整然データ
５３ 標本情報
５３ａ 入力途中診断文
５４ 整然データ
５５ 予測文字列リスト
６０ 通信端末
６１、６２ 標本情報表示部
６３ 病理医所見入力部
６４ 病理診断文入力部
１６０ａ 病理診断文入力支援プログラム

Claims (6)

1. 被依頼者が依頼された病理診断の対象となる標本に付随した文字情報である標本情報を取得する取得手順と、
   前記被依頼者により入力される病理診断文に含まれる文字列の候補である候補文字列を前記標本情報に基づいて予測する予測手順と、
   予測された前記候補文字列を前記被依頼者に提示する提示手順と、
   をコンピュータに実行させ、
   前記予測手順は、
   前記標本情報との相関が高い過去の標本情報に含まれる複数のパラメータ、および前記過去の標本情報に対応する過去の病理診断文である過去診断文に含まれる複数のパラメータをそれぞれ低次元にベクトル化した過去整然データと、前記標本情報に含まれる複数のパラメータをそれぞれ低次元にベクトル化した整然データとに基づいて前記候補文字列を予測する、病理診断文入力支援プログラム。
2. 複数の前記過去整然データに基づいてアンサンブル学習を実行し学習モデルを作成する学習モデル作成手順をさらにコンピュータに実行させ、
   前記予測手順は、
   前記学習モデルに対して前記整然データを適用することにより前記候補文字列が前記病理診断文に含まれる確率を算出する確率算出手順を含む請求項１に記載の病理診断文入力支援プログラム。
3. 前記過去の標本情報には、前記過去診断文を入力した入力者の情報が含まれ、
   前記予測手順は、
   前記入力者の情報および前記被依頼者の情報にさらに基づいて前記候補文字列を予測する、請求項１または２に記載の病理診断文入力支援プログラム。
4. 前記過去の標本情報には、前記過去診断文が入力された入力施設の情報が含まれ、
   前記予測手順は、
   前記入力施設の情報および前記病理診断を依頼された施設の情報にさらに基づいて前記候補文字列を予測する、請求項１～３のいずれか一つに記載の病理診断文入力支援プログラム。
5. 被依頼者が依頼された病理診断の対象となる標本に付随した文字情報である標本情報を取得する取得工程と、
   前記被依頼者により入力される病理診断文に含まれる文字列の候補である候補文字列を前記標本情報に基づいて予測する予測工程と、
   予測された前記候補文字列を前記被依頼者に提示する提示工程と、
   を含み、
   前記予測工程は、
   前記標本情報との相関が高い過去の標本情報に含まれる複数のパラメータ、および前記過去の標本情報に対応する過去の病理診断文である過去診断文に含まれる複数のパラメータをそれぞれ低次元にベクトル化した過去整然データと、前記標本情報に含まれる複数のパラメータをそれぞれ低次元にベクトル化した整然データとに基づいて前記候補文字列を予測する、病理診断文入力支援方法。
6. 被依頼者が依頼された病理診断の対象となる標本に付随した文字情報である標本情報を取得する取得部と、
   前記被依頼者により入力される病理診断文に含まれる文字列の候補である候補文字列を前記標本情報に基づいて予測する予測部と、
   予測された前記候補文字列を前記被依頼者に提示する提示部と、
   を備え、
   前記予測部は、
   前記標本情報との相関が高い過去の標本情報に含まれる複数のパラメータ、および前記過去の標本情報に対応する過去の病理診断文である過去診断文に含まれる複数のパラメータをそれぞれ低次元にベクトル化した過去整然データと、前記標本情報に含まれる複数のパラメータをそれぞれ低次元にベクトル化した整然データとに基づいて前記候補文字列を予測する、病理診断文入力支援システム。

Images