JP7171522B2 - ヘルスケアデータ分析装置及び分析方法 - Google Patents

Description

本発明は、ヘルスケアデータ分析装置及びヘルスケアデータの分析方法に関する。

疾病の予防を支援する方法として、以下の先行技術がある。例えば、特許文献１（特開２０１２－１２８６７０号公報）には、レセプト情報、健診情報、及び保健指導情報に基づいて、保健指導対象者を選択する保険事業支援システムであって、健康保険加入者の重症度及び検査値ごとの予測医療費を示す医療費モデルを作成する医療費モデル作成部と、重症度及び検査値ごとの改善量を示す検査値改善モデルを作成する検査値改善モデル作成部と、保健指導による予測医療費削減量を重症度及び検査値ごとに算出する予測医療費削減効果算出部と、予測医療費削減量が高い重症度及び検査値に属する健康保険加入者を保健指導対象者として選択する対象者選択部と、を備える保険事業支援システムが記載されている（要約参照）。

特開２０１２－１２８６７０号公報

医療費予測や対象者選択など、レセプト情報を用いた分析においては、事前に分析対象となる疾病の傷病名、医薬品名、診療行為を特定する、重症度別に分類する、などの用語の分類が必要となる。しかし、これらの分類情報を人手により作成するのはコストが高く、これらの分類情報は目的に応じて作成する必要がある。

本発明は、あるカテゴリの分類情報に基づいて別のカテゴリの分類情報を作成することを目的とする。

本願において開示される発明の代表的な一例を示せば以下の通りである。すなわち、所定の演算処理を実行する演算装置と、前記演算装置がアクセス可能な記憶装置とを有する計算機によって構成されるヘルスケアデータ分析装置であって、前記演算装置が、レセプトデータの用語が表現されたワンホットベクトルを入力ベクトルとして、入力層行列により別次元の隠れベクトルに変換する入力層と、前記隠れベクトルを出力層行列により前記ワンホットベクトルと同じ次元の出力ベクトルに変換する出力層とを有するモデルを用いて、前記入力層行列と出力層行列の初期値を設定する初期値設定処理と、前記演算装置が、前記モデルを用いて、レセプトデータの用語に対して、その用語と同じレセプトで共起する別の用語の対数確率値が大きくなるように入力層行列と出力層行列を更新し、用語表現行列を生成する用語表現行列生成処理と、前記演算装置が、前記用語表現行列を用いて、各用語の表現ベクトルを生成する用語表現生成処理と、前記演算装置が、分類情報を用いて算出された特定の分類に属する用語の表現ベクトルと各用語の表現ベクトルとの類似度が所定の閾値以上である場合に、前記分類に用語を追加することによって、拡張分類情報を生成する分類情報生成処理とを実行する。

本発明の一態様によれば、あるカテゴリの分類情報に基づいて、別のカテゴリの分類情報を作成できる。前述した以外の課題、構成及び効果は、以下の実施例の説明によって明らかにされる。

本実施例のヘルスケアデータ分析装置の構成例を示すブロック図である。 実施例１の用語の分類情報を生成する処理のフローチャートである。 用語表現行列生成処理の詳細のフローチャートである。 Ｓｋｉｐ－ｇｒａｍモデルを用いた用語のベクトル表現の生成の一例を示す図である。 用語の分類情報の生成方法を示す図である。 傷病名マスター情報及び医薬品分類情報の形式の例を説明する図である。 医科レセプトから抽出される医科レセプト情報のデータ形式と、調剤レセプトから抽出される調剤レセプト情報のデータ形式の例を説明する図である。 突合済レセプトデータの形式の例を説明する図である。 実施例２の用語の分類情報を生成する処理のフローチャートである。 重症度別分類情報及び拡張重症度別分類情報の形式の例を示す図である。

以下、図面を参照して本発明の実施の態様を説明する。

［実施例１］
レセプトには、医療機関等において診断、処方、診療行為を受けた際の傷病名、医薬品名、診療行為名などの用語が記載されている。特許文献１には、レセプト情報や健診情報などの受診履歴を用いて、保健指導による医療費削減量を重症度及び検査値ごとに予測することで、保健指導対象者の選択を支援する方法が記載されている。このように、レセプトや、その他のヘルスケアデータを用いて、分析することで、疾病予防などの保健事業支援に活用することが期待されている。また、レセプト情報は、ある疾病に関連する投薬を受けている人の数を集計するなど、統計的なデータ分析にも利用できる。

これらのデータ分析では、分析の前処理として、傷病名、医薬品名、診療行為名などの用語の情報を整理する必要がある。例えば、糖尿病を対象とした分析をする場合には、糖尿病に関係する医薬品名、及び診療行為名を特定する必要がある。また、類似した医薬品などは、別々のものとして扱うよりは、纏めて扱う方が、データの過疎性を避けることができ、予測精度の向上が想定される。

傷病名には、国際疾病分類（ＩＣＤ）との対応付けがあるため、例えば、国際疾病分類の分類情報を援用できる。医薬品名には、薬効分類、成分分類などがある。しかし、医薬品名と疾病分類とは異なるため、国際疾病分類と、薬効分類や成分分類などとの間で必ずしも対応関係があるわけではない。このように、分類軸が違うため、傷病名、医薬品名、診療行為名など異なるカテゴリでの各々の分類情報の間の整合性や対応関係が必ずしもあるわけではない。また、分類の仕方は目的によって異なるため、重症度別の分類など、特定の目的に沿った適切な分類情報が無い場合がある。したがって、例えば、疾病ごとに傷病名、医薬品名、診療行為名を分類するなど、対応関係のある傷病名、医薬品名、診療行為名の分類情報を作成するには、専門知識も必要で、手作業での情報整理はコストが高い。また、新薬の出現や、医薬品等の使われ方、治療方法などが変わることにより、これらの情報を定期的に更新する必要もある。また、薬は一般的な分類情報とは合致しないような例外的な使われ方をする場合もあり、このような例外的な実態も考慮した上で、人手で情報を整理するのは難しい。

そこで、本実施例では、レセプトにおける各用語の共起情報を活用して、用語の情報をベクトル表現にコード化する方法について説明する。これによって、使われ方が類似している医薬品などは、ベクトル値として近い表現にコード化されることが期待できる。また、これらのベクトル表現を用いて、医薬品などを分類する方法についても説明する。これによって、レセプトデータから、自動的に分類情報などを得ることができる。

図１は、本実施例のヘルスケアデータ分析装置１０１の構成例を示すブロック図である。

本実施例のヘルスケアデータ分析装置１０１は、入力装置１０２、出力装置１０３、通信装置１０４、演算装置１０５、メモリ１０６、及び補助記憶装置１０７を含む計算機によって構成される。

入力装置１０２は、ユーザからのコマンド等の入力を受け付ける、例えば、キーボードや、マウスや、タッチパネル等である。入力装置１０２は、演算装置１０５が実行するプログラムの制御、及びヘルスケアデータ分析装置１０１に接続された機器の制御のために実行されるコマンド等の入力を受け付ける。出力装置１０３は、液晶表示装置やＣＲＴなどで構成されるディスプレイ装置である。なお、入力装置１０２及び出力装置１０３を設けず、ネットワークを介して接続された他の計算機を入力装置１０２及び出力装置１０３として機能させてもよい。

通信装置１０４は、例えば、所定のプロトコルに従って、ヘルスケアデータ分析装置１０１による処理内容を外部機器に送信したり、外部機器から情報を受信したりする。

演算装置１０５は、プロセッサを含み、メモリ１０６に格納されたプログラムを実行する。メモリ１０６は、不揮発性の記憶素子であるＲＯＭ及び不揮発性の記憶素子であるＲＡＭを含む。ＲＯＭは、不変のプログラム（例えば、ＢＩＯＳ）などを格納する。ＲＡＭは、ＤＲＡＭ（Ｄｙｎａｍｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）のような高速かつ揮発性の記憶素子であり、演算装置１０５が実行するプログラム（例えば、レセプト用語分散表現生成部１０８、予測モデル生成部１０９、予測部１１０等のプログラム）及びプログラムの実行時に使用されるデータを一時的に格納する。

補助記憶装置１０７は、例えば、磁気記憶装置（ＨＤＤ）、フラッシュメモリ（ＳＳＤ）等で構成される大容量かつ不揮発性の記憶装置であり、演算装置１０５が実行するプログラム及びプログラムの実行時に使用されるデータを格納する。例えば、補助記憶装置１０７は、（レセプトデータ１１１、用語表現ベクトル１１２、分類情報１１３、傷病名マスター１１４）を保持する。すなわち、プログラムは、補助記憶装置１０７から読み出されて、メモリ１０６にロードされて、演算装置１０５によって実行される。

演算装置１０５が実行するプログラムは、リムーバブルメディア（ＣＤ－ＲＯＭ、フラッシュメモリなど）又はネットワークを介してヘルスケアデータ分析装置１０１に提供され、非一時的記憶媒体である不揮発性の補助記憶装置１０７に格納される。このため、ヘルスケアデータ分析装置１０１は、リムーバブルメディアからデータを読み込むインタフェースを有するとよい。

ヘルスケアデータ分析装置１０１は、物理的に一つの計算機上で、又は、論理的又は物理的に構成された複数の計算機上で構成される計算機システムであり、同一の計算機上で別個のスレッドで処理してもよく、複数の物理的計算機資源上に構築された仮想計算機上で処理してもよい。

なお、演算装置１０５がプログラムを実行して行う処理の一部を、他の演算装置（例えば、ＦＰＧＡ（Field Programable Gate Array）やＡＳＩＣ（Application Specific Integrated Circuit）などのハードウェア）で実行してもよい。

演算装置１０５は、メモリ１０６にロードされたリスク分析処理プログラムに従って処理を実行することで、ヘルスケアデータ分析装置１０１として機能する。

図２は、レセプトデータから、傷病名、医薬品名、診療行為名などの用語のベクトル表現を生成する方法、及び、生成されたベクトル表現を用いて、用語の分類情報を生成する処理のフローチャートである。

まず、レセプトデータ１１１の形式について説明する。図７は、医科レセプトから抽出される医科レセプト情報７０１のデータ形式と、調剤レセプトから抽出される調剤レセプト情報７０２のデータ形式の例を説明する図である。

医科レセプト情報７０１は、医科レセプトから抽出されるデータを保持する。医科レセプトは、被保険者ごと、医療機関ごと、月ごとに、一つのレセプトが作成される。医科レセプト情報７０１の各行には、各医科レセプトから抽出されたデータが記録される。第一列目は、被保険者の識別情報（ＩＤ）である。このＩＤは、レセプトに記録される値とは別に、被保険者を一意に識別可能に匿名化した値を定めるとよい。第二列目は、診療年月である。第三列目は、医療機関名である。第四列目から第六列目は、傷病名、医薬品、診療行為である。第七列目以降に、医科レセプトに含まれる他の情報が記録されてもよい。なお、ここでは、傷病名、医薬品、診療行為のみを示したが、他のカテゴリの用語も同様に用いてもよい。また、レセプトは医療機関ごとに作成されるが、医科レセプト情報７０１では、同一の被保険者、同一の月のレセプトは、突合し、まとめておく。

調剤レセプト情報７０２は、調剤レセプトから抽出されるデータを保持する。調剤レセプトは、被保険者ごと、薬局ごと、月ごとに、一つのレセプトが作成される。調剤レセプト情報７０２の各行には、各調剤レセプトから抽出されたデータが記録される。第一列目は、被保険者の識別情報（ＩＤ）である。このＩＤは、レセプトに記録される値とは別に、被保険者を一意に識別可能に匿名化した値を定めるとよく、医科レセプト情報７０１と共通の値を用いる。第二列目は、診療年月である。第三列目は、薬局名である。第四列名は、処方箋を発行した医療機関名である。第五列目は、処方された医薬品名である。第六列目以降に、調剤レセプトに含まれる他の情報が記録されてもよい。

次に、医科・調剤レセ突合処理２０１では、被保険者ごと、年月ごとに、医科レセプト情報７０１と調剤レセプト情報７０２を突合する。医科レセプト情報７０１では、院内で処方された医薬品が記載され、院外の薬局で処方された医薬品は記載されないなど、医薬品に関する一部の情報が記載されている。そこで、医科・調剤レセ突合処理２０１では、院外で処方された医薬品の情報を得るために、医科レセプトと調剤レセプトを突合する。

調剤レセプト情報７０２には、処方箋を発行した医療機関名が記録されている。そこで、医科・調剤レセ突合処理２０１では、医科レセプト情報７０１の各行に対して、同じＩＤと年月のデータ（行）を調剤レセプト情報７０２の中から検索し、処方箋医療機関名が医科レセプト情報７０１の医療機関名と同一である場合に、そのデータの医薬品情報を医科レセプト情報７０１の医薬品情報に加えて、突合済レセプトデータ８０１を生成する。

図８は、突合済レセプトデータ８０１の形式の例を説明する図である。

突合済レセプトデータ８０１の１行目のデータ８１１は、ＩＤと年月が同一で、かつ、医薬品を処方した医療機関が同一の医科レセプト情報７０１の１行目のデータ７１１の医薬品情報と調剤レセプト情報７０２の１行目のデータ７１２の医薬品情報とを統合したものである。

このようにして、院外処方の医薬品情報も加えた突合済レセプトデータ８０１を生成する。なお、医療機関で診療を受けた月の次の月に薬局で処方を受けた場合など、受診とは異なる年月で処方を受けた場合には、この方法では、医薬品情報を統合できない。また、このケースでは、前月の受診に対応する医薬品の情報を統合することもある。また、レセプトは、月ごとに作成されるため、全く異なる傷病で受診したり、医薬品が処方された場合にも、突合済レセプトデータ８０１では、関係が薄い傷病名、医薬品、診療行為が同じ行に統合される可能性がある。このような不都合を防止するためにより複雑なロジックを用いて医薬品情報を統合してもよいが、ここでは、近似的に、関連する傷病名、医薬品名、診療行為を統合した情報を得るために、医科・調剤レセ突合２０１の方法により、突合済レセプトデータ８０１を生成する。また、突合済レセプトデータ８０１のデータは、分散表現学習処理でのデータの偏りの影響を低減するために、ランダムに並べ替えておくとよい。

なお、図７では、医科レセプト情報７０１及び調剤レセプト情報７０２を用いる場合について説明したが、ＤＰＣレセプトを用いる場合には、医薬品情報も含まれているため、突合する必要はない。また、調剤レセプト情報７０２を統合することなく、医科レセプト情報７０１のみを用いてもよいが、生成される用語表現ベクトルの質は医薬品情報を統合した場合より劣化する可能性がある。

次の初期値設定処理２０３では、突合済レセプトデータ８０１を用いるが、突合を必要としない場合には、図２の点線で示したように、レセプトデータ１１１をそのまま用いる。

以下、レセプトデータ１１１又は突合済レセプトデータ８０１を用いて、傷病名、医薬品名、診療行為名などの用語を表現するベクトルを生成する。言語処理では、文章を用いた単語（用語）の分散表現（ベクトル表現）を生成する方法として、Ｓｋｉｐ－ｇｒａｍモデルなどが知られている。本実施例でも、Ｓｋｉｐ－ｇｒａｍモデルを援用して用語のベクトル表現生成に用いることができる。

図４は、Ｓｋｉｐ－ｇｒａｍモデルを用いた用語のベクトル表現の生成の一例を示す模式図である。

初期値設定処理２０３では、用語表現ベクトルを生成するための、各パラメータの初期値を設定する。図４に、本実施例で用いるモデルの模式図を示した。初期値設定処理２０３では、このモデルのパラメータの初期値を設定する。
以下では、まず、図４を用いて、本実施例で用いるモデルについて説明する。本実施例では、図４に示す２層のモデルを用いる。

図４の左側にｘで示すワンホットベクトル４０１は、用語を示す一つの要素のみが１、他の要素は全て０となるベクトルである。ここでは、ｘは列ベクトルとする。次元数は、用語表現ベクトルを作成する対象となる用語の数と等しくなる。すなわち、対象となる全用語をｚ１、ｚ２、…、ｚｎとすると、ベクトルｘはｎ次元となる、ｚｐを表すワンホットベクトルは、ｐ番目の要素のみが１、他の要素が０である列ベクトルｘ＝（０、…、０、１、０、…、０）＾Ｔとなる。ここで、ｘ＾Ｔは、ベクトルｘの転置を表す。

いま、簡単のため、対象となる用語が医薬品Ａ、医薬品Ｂ、医薬品Ｃの三つとすると、ベクトルｘは３次元となる。医薬品Ａ、医薬品Ｂ、医薬品Ｃのそれぞれが対応する要素を第一要素、第二要素、第三要素とすると、医薬品Ａはｘ＝（１、０、０）＾Ｔ、医薬品Ｂはｘ＝（０、１、０）＾Ｔ、医薬品Ｃはｘ＝（０、０、１）＾Ｔと表される。

前述では、用語が三つの例を示したが、実際には、全ての傷病名、医薬品名、診療行為名は膨大な数となるため、ワンホットベクトル４０１の次元数も大きくなる。なお、出現回数の少ない用語は、まとめて一つの用語として処理をして、次元数を抑えてもよい。

いま、突合済レセプトデータ８０１（又はレセプトデータ１１１）から一つのレセプトを選択する。突合済レセプトデータ８０１では、一つのレセプトは突合済レセプトデータ８０１の１行に対応する。このレセプトの傷病名、医薬品、診療行為の全用語をｗ１、ｗ２、…、ｗＴとする。また、それぞれに対応するワンホットベクトルをｘ１、ｘ２、…、ｘＴとする。このとき、図４は、各用語ｗｉのワンホットベクトルｘｉから、それと共起するｗｉ以外の用語ｗ１、…、ｗｉ－１、ｗｉ＋１、…、ｗＴのワンホットベクトルｘ１、…、ｘｉ－１、ｘｉ＋１、…、ｘＴを予測するモデルである。行列ＷとＷ’がこのモデルのパラメータであり、これらのパラメータをレセプトデータに基づいて予測の精度が向上するように更新する。

図４では、まず、用語ｗｉのｎ次元のワンホットベクトルｘｉを、ｍ×ｎ行列Ｗにより、ｍ次元ベクトルＷｘｉに変換する。ｍは、用語表現ベクトルの次元数であり、予め定めておく。数百～数千次元程度の大きさに定めるとよい。ｍは、全用語数と等しいｎと比較して、一般的に小さい値であり、Ｗｘｉは、ｘｉをｍ次元ベクトルで、エンコードしたものとみなすことができる。これを用いて、ｘｉが表す用語と共起する用語ｗ１、…、ｗｉ－１、ｗｉ＋１、…、ｗＴのｎ次元のワンホットベクトルｘ１、…、ｘｉ－１、ｘｉ＋１、…、ｘＴを復元することを考える。そのために、ｎ×ｍ行列Ｗ’によりｎ次元ベクトルＷ’Ｗｘに変換する。

ここで、ｗｊのワンホットベクトルｘｊとＷ’Ｗｘｉとの類似度として、これらの内積を計算する。ｘｉはＩｉ番目の要素が１で他の要素が０であるとする。また、ｍ次元列ベクトルｖｋを用いて、Ｗ＝（ｖ１、ｖ２、…、ｖｎ）とおく。また、ｍ次元列ベクトルｖ’ｋを用いて、Ｗ’＝（ｖ’１、ｖ’２、…、ｖ’ｎ）＾Ｔとおく。このとき、Ｗｘｉ＝ｖＩｉとなる。また、ｘｊはＩｊ番目の要素が１で他の要素が０であるとする。このとき、ｘｊとＷ’Ｗｘｊの内積は、ｖ’ＩｊとｖＩｉの内積ｖ’Ｉｊ・ｖＩｉに等しくなる。このように、ｘｊとＷ’Ｗｘｉの内積を計算するには、実際には、ｍ次元ベクトル同士の内積ｖ’Ｉｊ・ｖＩｉを計算すればよい。

いま、ソフトマックス関数を用いて下記のように定める。ここで、Σ＿ｐは、ｐについて全用語に対応する１からｎまで加算するものである。この計算は、全ての用語に対して行う必要があるので、計算量が大きく、実際には、Ｈｉｅｒａｒｃｈｉｃａｌ ＳｏｆｔｍａｘやＮＥＧ（Ｎｅｇａｔｉｖｅ ｓａｍｐｌｉｎｇ）を用いるとよい。
ｐ（ｗｊ｜ｗｉ）＝ｅｘｐ（ｖ’Ｉｊ・ｖＩｉ）／Σ＿ｐ ｅｘｐ（ｖ’ｐ・ｖＩｉ）

このモデルでは、レセプトデータを用いて、共起する用語を再現できる対数確率値である下記の関数を最大化するように、ＷとＷ’を更新する。なお、下記で、Σ＿ｉは、ｉについて１からＴまで、Σ＿ｊ≠ｉはｊについてｉを除く１からＴまでを加算するものである。
（１／Ｔ）Σ＿ｉ Σ＿ｊ≠ｉ ｌｏｇ｛ｐ（ｗｊ｜ｗｉ）｝

レセプトごとに、上記の対数確率値を最大化するように、勾配降下法によってＷとＷ’を繰り返し更新する。このとき、用語ｗのワンホットベクトルがｉ番目の値が１で他の要素が０となるベクトルｘであるとき、Ｗｘ＝ｖｉが用語ｗの用語表現ベクトルとなる。

ここでは、１つ目の層を入力層、２つ目の層を出力層と呼び、Ｗを入力層行列、Ｗ’を出力層行列、ｘを入力ベクトル、Ｗｘを隠れベクトルを呼ぶ。

前述したモデルによって、レセプトデータを用いてＷとＷ’を更新し、用語表現ベクトルを生成する処理を、図２、図３に戻って説明する。

まず、初期値設定処理２０３では、ＷとＷ’の初期値を設定する。Ｓｋｉｐ－ｇｒａｍモデルで用いられる方法と同様の方法を用いるとよい。

次に、用語表現行列生成処理２０４では、レセプトデータに基づいてＷとＷ’を更新する。この処理の詳細を図３に示す。

まず、規定回数実行判定処理３０１では、処理が規定回数実行されたかを判定し、処理が規定回数実行されていれば処理を終える。処理が規定回数実行されていなければ、レセプト選定処理３０２に移る。なお、初回は処理が規定回数実行されていないので、レセプト選定処理３０２に移る。図３に示す処理では、突合済レセプトデータ８０１から順番にレセプトを選択し、ＷとＷ’を更新する。突合済レセプトデータ８０１から全てのレセプトを選択し終えるのを１回とし、これを予め設定した回数Ｎだけ繰り返す。Ｎ回実行するとレセプト選定処理を終了する。

次に、レセプト選定処理３０２では、突合済レセプトデータ８０１から、一つ又は複数個のレセプトを選定する。突合済レセプトデータ８０１から順番に選定する。なお、以下では、簡単のため、一つのレセプトを選定して、ＷとＷ’を更新するケースを説明するが、確率的勾配降下法のバッチ処理の方法にて、一度に複数個のレセプトに対して、ＷとＷ’を更新してもよい。

未処理用語有判定処理３０３では、選定されたレセプト内の未処理の用語が有れば、用語選定処理３０４に移る。選定されたレセプト内の全ての用語が処理済みであれば、規定回数実行判定処理３０１に戻る。初回は、レセプトに用語が含まれない場合には、規定回数実行判定処理３０１に進み、それ以外の場合には、用語選定処理３０４に進む。

用語選定処理３０４では、レセプトに含まれる用語から未処理の用語ｗｋを選定する。これは、未処理の用語の中から順番に選定すればよい。

次に、予測対象用語選定３０５では、図４のモデルで予測対象とする用語を選定する。これは、ｗｋ以外のレセプトに含まれる全用語を選定してもよい。ただし、この場合には、用語の数が多すぎるため、計算量が大きくなる場合がある。そこで、別の方法として、ｗｋ以外の用語をＣ個ランダムに選定してもよい。このとき、ｗｋ以外の用語がＣ個より少ない場合には、全てを選定する。Ｃの値は予め定めておく。Ｃ以下の値Ｃ’を毎回ランダムに定めて、Ｃ’個の用語を選定するようにしてもよい。

言語処理の場合には、文章は単語が順番に並んだ一次元列であり、単語同士に順序関係があるため、前後の単語を選定するが、レセプトの用語の場合には、前後関係がないため、レセプト内の用語の中からランダムに選定する。これにより、計算量を削減できる。

次に、用語表現行列更新３０６では、予測対象用語選定３０５で選定した用語に対して、Σ＿ｊ≠ｉ ｌｏｇ｛ｐ（ｗｊ｜ｗｉ）｝が大きくなるように、勾配降下法によって図４のモデルのＷとＷ’を更新する。ここで、Σ＿ｊ≠ｉは、予測対象用語選定３０５で選定した用語ｗｊに対して和をとるものである。ＮＥＧ（Ｎｅｇａｔｉｖｅ ｓａｍｐｌｉｎｇ）などの近似計算法を用いるとよい。
Σ＿ｊ≠ｉ ｌｏｇ｛ｐ（ｗｊ｜ｗｉ）｝

なお、前述したようにｗｋ以外の用語がＣ個を選択した場合、レセプト内に用語が多い場合には、選定されなかった用語は無視される。そこで、レセプト内の用語の数に応じて、同じｗｋに対して、上記の更新処理を複数回実行してもよい。例えば、レセプト内の用語数がＲである場合に、ｗｋに対してＣ個の用語をランダムに選択してＷとＷ’を更新する処理をＲ／Ｃ（少数切り上げ）回実施するなどの方法をとるとよい。このようにレセプト内の用語の数が多いほど、用語のランダム選択と更新の処理回数が多くなるようにするとよい。

次に、未処理用語有判定処理３０３に移る。

以上のようにして、用語表現行列生成処理２０４において、レセプトデータを用いて、ＷとＷ’を更新する。更新後生成されたＷが用語表現行列となる。

次に、用語表現生成処理２０５では、用語表現行列Ｗを用いて各用語の用語表現ベクトルを生成する。用語ｚｉのワンホットベクトルをｉ番目の用語のみが１となるベクトルｘとすると、用語ｚｉの用語表現ベクトルはＷｘとなる。Ｗ＝（ｖ１、ｖ２、…、ｖｎ）と表されるため、Ｗｘ＝ｖｉである。これを各用語に対応付けて用語表現ベクトル１１２に記録する。

言語処理において、このようにして生成された単語の表現ベクトル（分散表現）では、類似した単語は近いベクトルとして表現されるという性質がある。これと同様に、前述のようにして生成された用語表現ベクトルでは、使われ方が類似した医薬品などの用語同士は、近い用語表現ベクトルで表されると期待できる。

次に、図５を用いて、用語の分類情報の生成方法について説明する。

国際疾病分類（ＩＣＤ）では、疾病などについて分類がされており、大分類、中分類などの粒度の異なる分類情報も含まれている。レセプトの傷病名には、国際疾病分類との対応付けが与えられているため、傷病名については、国際疾病分類の分類情報を用いることができる。また、分類情報として、その他の傷病名の分類情報や、医薬品名、診療行為名の分類情報を用いてもよい。

本実施例では、この国際疾病分類による傷病名の分類及び用語表現ベクトルを用いて、医薬品を分類する方法の一例を示す。なお、診療行為等も同様の方法を用いて分類できる。

まず、分類選択処理５０１では、分類情報１１３から分類コードを選択する。分類情報１１３は例えば国際疾病分類である。大分類や中分類のコードでもよい。例えば、２型糖尿病の医薬品名をレセプトから抽出する場合には、２型糖尿病に対応する分類コードを選択する。

次に、傷病名検索処理５０２では、傷病名マスター１１４を用いて、分類選択処理５０１で選択したＩＣＤの分類コードに対応するレセプト傷病名を検索する。

ここで、傷病名マスター１１４について説明する。傷病名マスター１１４では、傷病名マスター情報６０１（図６参照）に示すように、レセプトの傷病名と国際疾病分類ＩＣＤ１０との対応付けが記録される。傷病名に対して、複数のＩＣＤ１０が対応している場合もある。傷病名マスター情報６０１では、コード１、コード２、コード３と示した箇所は、実際には、英数字からなるＩＣＤ１０のコードが記録される。

傷病名検索処理５０２では、分類選択処理５０１で選択した分類コードに対応する傷病名を傷病名マスター１１４から検索する。傷病名マスター情報６０１のＩＣＤ１０－１、ＩＣＤ１０－２のいずれかに分類コードが含まれる傷病名を全て検索してもよい。また、ＩＣＤ１０－１又はＩＣＤ１０－２に分類コードが含まれる傷病名のみを検索してもよい。これは予め定めておく。複数の傷病名が得られる場合もある（ｓ個とする）。

次に、傷病名表現ベクトル選択処理５０３では、傷病名検索処理５０２で得られた各傷病名に対して、用語表現ベクトル１１２から、その表現ベクトルを選択する。

次に、医薬品表現ベクトル類似度算出処理５０４では、各医薬品名の表現ベクトルを用語表現ベクトル１１２から選択し、その表現ベクトルと、傷病名表現ベクトル選択処理５０３で得られた傷病名表現ベクトルの各々との類似度（例えば、コサイン類似度）ｒ１、ｒ２、…、ｒｓを計算する。次に、計算された類似度に基づいて、医薬品名が分類選択処理５０１で選択した分類に属するかを判定する。属すると判定した場合には、分類選択処理５０１で選択した分類に属する医薬品名として、医薬品用語分類５０５に記録する。

医薬品名が分類選択処理５０１で選択した分類に属するかを判定する分類類似基準ｒはいくつか考えられる。例えば、類似度の最大値ｒ＝ｍａｘ｛ｒ１、ｒ２、…、ｒｓ｝が予め定めた閾値ｈ以上である場合には、その医薬品名は当該分類に属すると判定する。別の方法として、ｒをｒ１、ｒ２、…、ｒｓの平均値として、ｒが予め定めた閾値以上の場合には、その医薬品名は当該分類に属すると判定する。以上、二つの例を示したが、その他の基準を用いてもよい。

このようにして、医薬品分類情報６０２（図６参照）に示す例のように、分類選択処理５０１で選択したＩＣＤ１０のコードに対応する医薬品名が得られる。これが、医薬品用語分類５０５に記録される。

以上の処理を繰り返すことによって、分類選択処理５０１で選択したＩＣＤ１０のコードに対応する医薬品の分類情報を得ることができる。

なお、上記で示した方法では、一つの用語が複数の分類に属する場合があり、１対多の関係になる。一つの用語が属する分類を一つに限定し、排他的な分類としたい場合には、医薬品表現ベクトル類似度算出処理５０４において、ｒが予め定めた閾値ｈを超える分類が複数ある場合には、ｒが大きい方の分類に属するとして処理するとよい。

このようにして、手作業で作成したり、購入したりしなくとも、医薬品の簡易的な分類情報を得ることができる。また、傷病名と医薬品名との対応付けルールの範囲では捉えられないような、医薬品の利用の実態に基づいた傷病名と医薬品名との関連も捉えられる可能性がある。

また、ここで得られた医薬品用語分類５０５を手作業で修正してもよい。この場合でも、最初から人手で分類情報を作成するよりは、分類情報の作成コストの低減が期待できる。

ここでは、既存の傷病名分類である国際疾病分類をベースとして、医薬品分類情報を作成する方法を説明したが、目的に応じて別の傷病名分類を作成して、それを用いてもよい。この実施例のような方法で、傷病名で分類を作成することによって、医薬品名、診療行為名の分類を作成できる。逆に、医薬品名の分類情報から傷病名の分類情報を作成する等にも応用できる。このように、あるカテゴリで作成した分類情報に基づいて、別のカテゴリの分類情報を作成できることも利点の一つである。また、互いに対応関係のある分類情報が得られる。

このようにして作成された分類情報は、ある疾病に関する医薬品の利用に関する集計など、各種のデータ分析などに用いることができる。

［実施例２］
実施例１では、国際疾病分類の分類情報に基づいて、用語表現ベクトルを介して、医薬品分類情報を生成する例を示した。実施例２では、目的に応じて作成した小規模の分類情報に基づいて、それを拡張した分類情報を作成する。

まず、分類情報１１３について説明する。分類情報１１３は、小規模な分類情報である。分類情報１１３の例として、図１０に、重症度別分類情報１００１を示す。例えば、糖尿病の医薬品について、重症度別におおよその分類情報を作成したい場合、全ての医薬品の分類情報を手作業で作成するのは、コストが高い。そこで、いくつかの医薬品について、小規模な分類情報を作成する。例えば、服薬とインスリンでは、概ねインスリンのほうが重症度が高いと考えられる。そこで、重症度Ａには服薬用の医薬品、重症度Ｂにはインスリンをいくつか選定し、記録する。より細かく分類を作成してもよい。

なお、重症度別分類情報１００１では、重症度の例を示すが、目的に応じて、適切な分類方法を用いるとよい。重症度の場合に分類情報が得られれば、例えば、特許文献１のような保健指導対象者の選定や医療費の予測などのデータ分析に用いることもできる。例えば、傷病名、重症度ごとに、傷病名の分類情報を作成しておき、それを基にして、傷病名、医薬品名、診療行為名などの分類情報に拡張し、保健指導対象者の選定や医療費の予測などのデータ分析に応用する。

分類選択処理５０１では、対象となる分類を分類情報１１３から選択する。例えば、重症度別分類情報１００１の場合には、重症度Ａを選択する。

次に、表現ベクトル選択処理９０２では、分類情報１１３の分類に対応する用語の表現ベクトルを用語表現ベクトル１１２から選択する。重症度別分類情報１００１の重症度Ａを選択した場合には、医薬品Ａと医薬品Ｂの表現ベクトルが選択される。

次に、表現ベクトル類似度算出処理９０３では、実施例１の医薬品表現ベクトル類似度算出処理５０４と同様の方法で、用語表現ベクトル１１２の各ベクトルと表現ベクトル選択処理９０２で選択した各ベクトルとの類似度を計算し、重症度Ａに属すると判定される用語を特定する。そして、拡張分類情報９０４に追加する。例えば、拡張重症度別分類情報１００２（図１０参照）のようになる。なお、この例では、傷病名Ａも追加の対象となっているが、医薬品のみに限る場合には、それ以外の用語は除外する等の処理を行うとよい。

また、生成された拡張分類情報９０４を分類情報１１３として、同じ処理を繰り返し実行することで、さらに分類情報を拡張できる。また、このときに、人手により、拡張分類情報９０４を修正した上で、分類情報１１３に同様の処理を行うことによって、高い精度の分類情報を得られると期待できる。

このように、この方法によって、小規模な分類情報１１３から分類情報を拡張できる。また、この方法は、実施例１の方法と組み合わせて、傷病名から医薬品名の分類を作成する等の方法にも応用できる。また、手作業での修正を加えながら拡張することで、高い精度の分類情報が得られる。また、最終的な分類情報には、ノイズが含まれる可能性があるため、人手によってクレンジングをするとよい。

前述した重症度別の分類のように、データ分析の目的によって、用語の分類の方法は変わってくる。そのため、既存の分類情報をそのまま利用するのは難しい場合がある。本実施例のように、目的に適した小規模の分類情報を作成し、そこから拡張することによって、最初から人手で構築するよりも、低コストで分類情報を作成できる。

以上に説明したように、本発明の実施例のヘルスケアデータ分析装置１０１は、演算装置１０５が、レセプトデータの用語が表現されたワンホットベクトルを入力ベクトルｘとして、入力層行列Ｗにより別次元の隠れベクトルＷｘに変換する入力層と、隠れベクトルＷｘを出力層行列Ｗ’によりワンホットベクトルと同じ次元の出力ベクトルに変換する出力層とを有するモデルを用いて、入力層行列Ｗと出力層行列Ｗ’の初期値を設定する初期値設定処理２０３と、演算装置１０５が、前記モデルを用いて、レセプトデータの用語に対して、その用語と同じレセプトで共起する別の用語の対数確率値が大きくなるように入力層行列Ｗと出力層行列Ｗ’を更新し、用語表現行列を生成する用語表現行列生成処理２０４と、演算装置１０５が、前記用語表現行列を用いて、各用語の表現ベクトルを生成する用語表現生成処理２０５と、演算装置１０５が、分類情報を用いて算出された特定の分類に属する用語の表現ベクトルと各用語の表現ベクトルとの類似度が所定の閾値以上である場合に、前記分類に用語を追加することによって、拡張分類情報を生成する分類情報生成処理とを実行するので、あるカテゴリの分類情報に基づいて、別のカテゴリの分類情報を作成できる。

また、前記分類情報は傷病名の分類情報であって、分類情報生成処理において、前記演算装置が、医薬品名又は診療行為名を拡張分類情報として分類するので、小規模な分類情報から分類情報１１３を拡張して、拡張分類情報９０４を生成できる。

また、前記分類情報は傷病名の国際疾病分類であって、分類情報生成処理において、前記演算装置が、医薬品名又は診療行為名を拡張分類情報として分類するので、既知の国際疾病分類を使用して、的確に拡張分類情報９０４を生成できる。

また、用語表現行列生成処理２０４において、演算装置１０５が、対数確率値を計算する場合に、用語と共起する予め定めた値（Ｃ個）以下の別の用語をランダムに選択し、対数確率値を計算し、入力層行列Ｗと出力層行列Ｗ’を更新するので、用語の表現ベクトルの生成に要する計算量を削減できる。

また、用語表現行列生成処理２０４において、演算装置１０５が、前記入力層行列Ｗと出力層行列Ｗ’を更新する処理を、レセプト内の用語の数が多いほど多くの回数実行するので、用語の表現ベクトルを適確に生成できる。

また、演算装置１０５が、拡張分類情報９０４に基づいて作成された情報を分類情報とし、さらに、そこから拡張分類情報９０４を作成する処理を繰り返すことによって、小規模な分類情報１１３から分類情報を生成するので、小規模な分類情報から分類情報１１３を徐々に拡張して、拡張分類情報９０４を生成できる。

また、分類情報は傷病名、医薬品名、診療行為名のいずれかであって、分類情報生成処理において、演算装置１０５が、分類情報と異なるカテゴリの分類情報を拡張分類情報９０４として生成するので、適確に拡張分類情報９０４を生成できる。

また、分類情報は重症度別に用語が分類された情報であって、重症度別に分類する目的に基づく拡張分類情報９０４を生成するので、適確に拡張分類情報９０４を生成できる。

また、分類情報生成処理において、演算装置１０５が、分類類似度基準値が最も大きい分類に用語を追加することで分類情報を生成するので、排他的な分類情報を生成できる。

すなわち、本実施例では、レセプト情報から単語のベクトル表現を生成し、そのベクトル表現同士の類似度を用いることにより、用語同士の類似性を判定する。これを用いることにより、傷病名分類に基づいて医薬品名を分類するなど、あるカテゴリの分類情報に基づいて、別のカテゴリの分類情報を作成できる。これによって、特定のカテゴリの分類情報がある場合には、それに基づいて、別のカテゴリの分類情報を作成できる。また、特定のカテゴリの分類情報に基づいて、別のカテゴリの分類情報を作成できる。また、小規模な分類情報に基づいて、それを拡張した分類情報を作成できる。作成された分類情報を、人手で追加やノイズ除去などのクレンジングすることによって、最初から人手で分類情報を作成するよりも効率的に分類情報を作成することができる。このとき、小規模な分類情報と拡張した分類情報は、同一のカテゴリの分類情報であってもよいし、異なるカテゴリの分類情報であってもよい。

なお、本発明は前述した実施例に限定されるものではなく、添付した特許請求の範囲の趣旨内における様々な変形例及び同等の構成が含まれる。例えば、前述した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに本発明は限定されない。また、ある実施例の構成の一部を他の実施例の構成に置き換えてもよい。また、ある実施例の構成に他の実施例の構成を加えてもよい。また、各実施例の構成の一部について、他の構成の追加・削除・置換をしてもよい。

また、前述した各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等により、ハードウェアで実現してもよく、プロセッサがそれぞれの機能を実現するプログラムを解釈し実行することにより、ソフトウェアで実現してもよい。

各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリ、ハードディスク、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等の記憶装置、又は、ＩＣカード、ＳＤカード、ＤＶＤ等の記録媒体に格納することができる。

また、制御線や情報線は説明上必要と考えられるものを示しており、実装上必要な全ての制御線や情報線を示しているとは限らない。実際には、ほとんど全ての構成が相互に接続されていると考えてよい。

１０１ ヘルスケアデータ分析装置
１０２ 入力装置
１０３ 出力装置
１０４ 通信装置
１０５ 演算装置
１０６ メモリ
１０７ 補助記憶装置
１０８ レセプト用語分散表現生成部
１０９ 予測モデル生成部
１１０ 予測部
１１１ レセプトデータ
１１２ 用語表現ベクトル
１１３ 分類情報
１１４ 傷病名マスター
２０１ 調剤レセ突合処理
２０３ 初期値設定
２０４ 用語表現行列生成処理
２０５ 用語表現生成処理
３０１ 規定回数実行判定処理
３０２ レセプト選定処理
３０３ 未処理用語有判定処理
３０４ 用語選定処理
３０５ 予測対象用語選定
３０６ 用語表現行列更新
４０１ ワンホットベクトル
５０１ 分類選択処理
５０２ 傷病名検索処理
５０３ 傷病名表現ベクトル選択処理
５０４ 医薬品表現ベクトル類似度算出処理
５０５ 医薬品用語分類
６０１ 傷病名マスター情報
６０２ 医薬品分類情報
７０１ 医科レセプト情報
７０２ 調剤レセプト情報
７１１ データ
７１２ データ
８０１ 突合済レセプトデータ
８１１ データ
９０２ 表現ベクトル選択処理
９０３ 表現ベクトル類似度算出処理
９０４ 拡張分類情報
１００１ 重症度別分類情報
１００２ 拡張重症度別分類情報

Claims (10)

1. 所定の演算処理を実行する演算装置と、前記演算装置がアクセス可能な記憶装置とを有する計算機によって構成されるヘルスケアデータ分析装置であって、
   前記演算装置が、レセプトデータの用語が表現されたワンホットベクトルを入力ベクトルとして、入力層行列により別次元の隠れベクトルに変換する入力層と、前記隠れベクトルを出力層行列により前記ワンホットベクトルと同じ次元の出力ベクトルに変換する出力層とを有するモデルを用いて、前記入力層行列と出力層行列の初期値を設定する初期値設定処理と、
   前記演算装置が、前記モデルを用いて、レセプトデータの用語に対して、その用語と同じレセプトで共起する別の用語の対数確率値が大きくなるように入力層行列と出力層行列を更新し、用語表現行列を生成する用語表現行列生成処理と、
   前記演算装置が、前記用語表現行列を用いて、各用語の表現ベクトルを生成する用語表現生成処理と、
   前記演算装置が、分類情報を用いて算出された特定の分類に属する用語の表現ベクトルと各用語の表現ベクトルとの類似度が所定の閾値以上である場合に、前記分類に用語を追加することによって、拡張分類情報を生成する分類情報生成処理とを実行するヘルスケアデータ分析装置。
2. 請求項１に記載のヘルスケアデータ分析装置であって、
   前記分類情報は傷病名の分類情報であって、
   前記分類情報生成処理において、前記演算装置が、医薬品名又は診療行為名を拡張分類情報として分類するヘルスケアデータ分析装置。
3. 請求項２に記載のヘルスケアデータ分析装置であって、
   前記分類情報は傷病名の国際疾病分類であって、
   前記分類情報生成処理において、前記演算装置が、医薬品名又は診療行為名を拡張分類情報として分類するヘルスケアデータ分析装置。
4. 請求項１に記載のヘルスケアデータ分析装置であって、
   前記用語表現行列生成処理において、前記演算装置が、前記対数確率値を計算する場合に、前記用語と共起する予め定めた値以下の別の用語をランダムに選択し、前記対数確率値を計算し、前記入力層行列と前記出力層行列を更新するヘルスケアデータ分析装置。
5. 請求項１に記載のヘルスケアデータ分析装置であって、
   前記用語表現行列生成処理において、前記演算装置が、前記対数確率値を計算する場合に、前記用語と共起する予め定めた値以下の別の用語をランダムに選択し、前記対数確率値を計算し、前記入力層行列と前記出力層行列を更新する処理を、レセプト内の用語の数が多いほど多くの回数実行するヘルスケアデータ分析装置。
6. 請求項１に記載のヘルスケアデータ分析装置であって、
   前記演算装置が、前記拡張分類情報に基づいて作成された情報を分類情報とし、さらに、そこから拡張分類情報を作成する処理を繰り返すことによって、小規模な分類情報から分類情報を生成するヘルスケアデータ分析装置。
7. 請求項１に記載のヘルスケアデータ分析装置であって、
   前記分類情報は傷病名、医薬品名、診療行為名のいずれかであって、
   前記分類情報生成処理において、前記演算装置が、前記分類情報と異なるカテゴリの分類情報を拡張分類情報として生成するヘルスケアデータ分析装置。
8. 請求項１に記載のヘルスケアデータ分析装置であって、
   前記分類情報は重症度別に用語が分類された情報であるヘルスケアデータ分析装置。
9. 請求項１に記載のヘルスケアデータ分析装置であって、
   前記分類情報生成処理において、前記演算装置が、分類類似度基準値が最も大きい分類に用語を追加することで分類情報を生成するヘルスケアデータ分析装置。
10. 計算機が実行するヘルスケアデータの分析方法であって、
    前記計算機は、所定の演算処理を実行する演算装置と、前記演算装置がアクセス可能な記憶装置とを有し、
    前記分析方法は、
    前記演算装置が、レセプトデータの用語が表現されたワンホットベクトルを入力ベクトルとして、入力層行列により別次元の隠れベクトルに変換する入力層と、前記隠れベクトルを出力層行列により前記ワンホットベクトルと同じ次元の出力ベクトルに変換する出力層とを有するモデルを用いて、前記入力層行列と出力層行列の初期値を設定する初期値設定処理と、
    前記演算装置が、前記モデルを用いて、レセプトデータの用語に対して、その用語と同じレセプトで共起する別の用語の対数確率値が大きくなるように入力層行列と出力層行列を更新し、用語表現行列を生成する用語表現行列生成処理と、
    前記演算装置が、前記用語表現行列を用いて、各用語の表現ベクトルを生成する用語表現生成処理と、
    前記演算装置が、分類情報を用いて算出された特定の分類に属する用語の表現ベクトルと各用語の表現ベクトルとの類似度が所定の閾値以上である場合に、前記分類に用語を追加することによって、拡張分類情報を生成する分類情報生成処理とを含む分析方法。

Images