JP7210578B2 - 感染症予兆検知装置、感染症予兆検知方法、プログラム - Google Patents

感染症予兆検知装置、感染症予兆検知方法、プログラム Download PDF

Info

Publication number
JP7210578B2
JP7210578B2 JP2020525732A JP2020525732A JP7210578B2 JP 7210578 B2 JP7210578 B2 JP 7210578B2 JP 2020525732 A JP2020525732 A JP 2020525732A JP 2020525732 A JP2020525732 A JP 2020525732A JP 7210578 B2 JP7210578 B2 JP 7210578B2
Authority
JP
Japan
Prior art keywords
infectious disease
patient
information
sign
sign detection
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
Application number
JP2020525732A
Other languages
English (en)
Other versions
JPWO2019244859A1 (ja
Inventor
昌洋 林谷
雅洋 久保
茂実 北原
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Kitahara Medical Strategies International Co Ltd
Original Assignee
Kitahara Medical Strategies International Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Kitahara Medical Strategies International Co Ltd filed Critical Kitahara Medical Strategies International Co Ltd
Publication of JPWO2019244859A1 publication Critical patent/JPWO2019244859A1/ja
Priority to JP2023002290A priority Critical patent/JP2023038250A/ja
Application granted granted Critical
Publication of JP7210578B2 publication Critical patent/JP7210578B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/60—ICT specially adapted for the handling or processing of medical references relating to pathologies
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
    • G01N33/569—Immunoassay; Biospecific binding assay; Materials therefor for microorganisms, e.g. protozoa, bacteria, viruses
    • G01N33/56983—Viruses
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/68—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
    • G01N33/6893—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids related to diseases not provided for elsewhere
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Epidemiology (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Molecular Biology (AREA)
  • Chemical & Material Sciences (AREA)
  • Primary Health Care (AREA)
  • Databases & Information Systems (AREA)
  • Urology & Nephrology (AREA)
  • Data Mining & Analysis (AREA)
  • Hematology (AREA)
  • Virology (AREA)
  • Biotechnology (AREA)
  • Medicinal Chemistry (AREA)
  • General Physics & Mathematics (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Biophysics (AREA)
  • Food Science & Technology (AREA)
  • Bioethics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Evolutionary Biology (AREA)
  • Tropical Medicine & Parasitology (AREA)
  • Cell Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Microbiology (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Heart & Thoracic Surgery (AREA)

Description

本発明は、感染症予兆検知装置、感染症予兆検知方法、プログラムに関する。
患者のうち脳疾患患者等の重篤な症状を示す患者は感染症を発症する可能性が有る。感染症を発症すると入院期間が長くなり患者に負担がかかる。なお関連する技術として、患者の複数の生理的パラメータの値を受信し、その値に基づいて急性肺損傷の指標値を計算し、その指標値の表現をディスプレイに表示し患者をモニタする技術が特許文献１に開示されている。
日本国特開２０１８－１４１３１号公報
上述のような技術において、患者の感染症の発症の有無を早期に予測することができる技術が望まれている。
この発明の目的の一例は、上述の課題を解決する感染症予兆検知装置、感染症予兆検知方法、プログラムを提供することである。
本発明の第１の態様によれば、感染症予兆検知装置は、少なくとも複数の患者のうち感染症を発症した患者の体温の遷移と呼吸数の遷移とを含む生体情報を前記患者に取り付けた計測装置から取得して、当該生体情報と、前記感染症の発症結果とに基づいて機械学習を行い、学習データを生成する学習部と、前記学習データと、判定対象となる患者について取得した生体情報とを用いて、前記判定対象となる患者が前記感染症を発症する予兆を示す予兆情報を生成する感染症予兆検知部と、前記予兆情報に基づいて前記判定対象となる患者についての前記感染症に対する対処情報を出力する対処情報出力部と、を備える。
本発明の第２の態様によれば、感染症予兆検知方法は、少なくとも複数の患者のうち感染症を発症した患者の体温の遷移と呼吸数の遷移とを含む生体情報を前記患者に取り付けた計測装置から取得して、当該生体情報と、前記感染症の発症結果とに基づいて機械学習を行い、学習データを生成し、前記学習データと、判定対象となる患者について取得した生体情報とを用いて、前記判定対象となる患者が前記感染症を発症する予兆を示す予兆情報を生成し、前記予兆情報に基づいて前記判定対象となる患者についての前記感染症に対する対処情報を出力することを含む。
本発明の第３の態様によれば、プログラムは、感染症予兆検知装置のコンピュータに、少なくとも複数の患者のうち感染症を発症した患者の体温の遷移と呼吸数の遷移とを含む生体情報を前記患者に取り付けた計測装置から取得して、当該生体情報と、前記感染症の発症結果とに基づいて機械学習を行い、学習データを生成し、前記学習データと、判定対象となる患者について取得した生体情報とを用いて、前記判定対象となる患者が前記感染症を発症する予兆を示す予兆情報を生成し、前記予兆情報に基づいて前記判定対象となる患者についての前記感染症に対する対処情報を出力することを実行させる。
本発明の実施形態によれば、患者の感染症の発症の有無を早期に予測することができる。
本発明の第一実施形態による感染症予兆検知装置を有する感染症予兆検知システムの概略図である。 本発明の第一実施形態による感染症予兆検知装置のハードウェア構成図である。 本発明の第一実施形態による感染症予兆検知装置の機能ブロック図である。 本発明の第一実施形態による感染症予兆検知装置の学習処理の処理フローを示す図である。 本発明の第一実施形態による感染症予兆検知装置の感染症予兆検知処理の処理フローを示す図である。 本発明の第二実施形態による感染症予兆検知装置の構成を示す図である。
以下、本発明の実施形態による感染症予兆検知装置を図面を参照して説明する。
図１は第一実施形態による感染症予兆検知装置１を有する感染症予兆検知システム１００の概略図である。
図１で示すように感染症予兆検知システム１００は、感染症予兆検知装置１、計測装置２、モニタ３等の表示装置を備える。
感染症予兆検知装置１は計測装置２およびモニタ３と通信接続する。表示装置はモニタ３以外の端末であってよい。例えば感染症予兆検知装置１は医師や看護師が携帯する端末等の表示装置と通信接続していてもよい。
感染症予兆検知装置１は計測装置２から患者の生体情報を含む状態情報を取得する。感染症予兆検知装置１は看護師や医師が直接入力した患者の状態情報を取得してもよい。
感染症予兆検知装置１はモニタ３に状態情報や、感染症の発症の推定結果や、対処情報等を出力する。計測装置２が患者から取得できる生体情報は、少なくとも患者の体温の遷移と、患者の呼吸数の遷移とを含む状態情報である。計測装置２は所定の間隔毎に温度を感染症予兆検知装置１へ出力する。また計測装置２は所定の間隔毎に単位時間当たりの呼吸数を感染症予兆検知装置１へ出力する。計測装置２はその他、脈拍、心電位、加速度などを検出して感染症予兆検知装置１へ出力するようにしてもよい。また計測装置２は血液中の酸素飽和度（ＳｐＯ２）を検出して感染症予兆検知装置１へ出力するようにしてもよい。
図２は感染症予兆検知装置１のハードウェア構成図である。
感染症予兆検知装置１はコンピュータであり、図２で示すようにＣＰＵ（Central Processing Unit）１０１、ＲＯＭ（Read Only Memory）１０２、ＲＡＭ（Random Access Memory）１０３、ＨＤＤ（Hard Disk Drive）１０４、インタフェース１０５、通信モジュール１０６等のハードウェアを備える。
図３は感染症予兆検知装置１の機能ブロック図である。
図３に示すように感染症予兆検知装置１のＣＰＵ１０１は起動時に感染症予兆検知プログラムを実行する。これにより感染症予兆検知装置１には制御部１０、学習部１１、感染症予兆検知部１２、対処情報出力部１３の各機能が備わる。
制御部１０は感染症予兆検知装置１を制御する。
学習部１１は少なくとも患者の体温の遷移と患者の呼吸数の遷移とを含む状態情報と、感染症の発症結果とに基づいて機械学習を行い、学習データを生成する。感染症の発症結果とは、感染症を発症したか否かを示す結果であってもよい。学習部１１は、少なくとも感染症の患者の体温の遷移と感染症の患者の呼吸数の遷移とを含む状態情報に基づいて機械学習を行い、学習データを生成してもよい。
感染症予兆検知部１２は、患者のうち（少なくとも）感染症を発症した患者の生体情報について学習した結果を示す学習データと、判定対象となる患者について取得した生体情報とを用いて、判定対象となる患者が感染症を発症する予兆を示す予兆情報を生成する。予兆情報は予兆が有るか否かを示す情報、予兆の確率や段階評価の何れかの度合を示す情報などであってよい。学習データは、ある感染症を発症した患者の生体情報と、そのある感染症を発症しなかった患者の生体情報とについて学習した結果であってもよい。
また対処情報出力部１３は、予兆情報に基づいて判定対象となる患者についての感染症に対する対処情報を出力する。
本実施形態において判定対象となる患者は、新たな入院患者である場合の例を示している。また本実施形態において患者は脳疾患患者である場合の例を示している。
そして感染症予兆検知装置１は図３で示すようにデータベース４と通信接続されている。データベース４は患者ＩＤ（患者識別情報）に紐づけて状態情報を記憶する。またデータベース４は学習部１１が生成した学習データや、感染症に応じた投薬情報やケア情報などの対処情報が記録されている。
以下、感染症予兆検知装置１の処理により脳疾患患者の感染症の発症の有無を早期に予測するための処理について説明する。
図４は感染症予兆検知装置１の学習処理の処理フローを示す図である。
まず感染症予兆検知装置１は学習処理を行う。この学習処理の前提において感染症予兆検知装置１は入院した脳疾患患者に取り付けた計測装置２より生体情報を含む状態情報を取得する（ステップＳ１０１）。また感染症予兆検知装置１は看護師や医師から入力された生体情報やその他の状態情報を取得してもよい。状態情報には血液中の酸素飽和度（ＳｐＯ２）などの生体情報や、単位時間当たりの喀痰数などの状態情報が含まれてよい。そして感染症予兆検知装置１は脳疾患患者ＩＤに紐づけてこれら生体情報を含む状態情報をデータベース４記録する（ステップＳ１０２）。
また感染症予兆検知装置１は各脳疾患患者についての看護情報の入力を医師や看護師から受け付ける（ステップＳ１０３）。感染症予兆検知装置１は脳疾患患者ＩＤに紐づけて看護情報をデータベース４に記録する（ステップＳ１０４）。看護情報は、例えば感染症の種別や感染症の発症有無、入院日数、感染症の発症の予兆があったと推定されるタイミング、などの情報を含んでいてよい。入院日数は、感染症を発症している日数を、入院日を基準（１日目）として数えた値であってもよい。複数の脳疾患患者についてこれらの情報が記録された状況において感染症予兆検知装置１は機械学習の処理の開始の指示の入力を受け付ける（ステップＳ１０５）。
感染症予兆検知装置１の学習部１１は、各脳疾患患者の状態情報と、看護情報とを用いて、機械学習処理を行い、感染症の発症の予兆を判定するための学習データを生成する（ステップＳ１０６）。当該学習データを用いて構成される予兆検知モデルは、例えば、判定対象となる脳疾患患者の状態情報を入力とし、感染症を発症する予兆が有るか否かを示す情報を出力するモデルである。また当該学習データを用いて構成される予兆検知モデルは、さらに、感染症を発症する予兆があると判定された後に実際に発症する可能性のある感染症の種別を出力するモデルであってよい。そして学習部１１は学習データをデータベース４に記録する。学習部１１は所定のタイミングで学習処理を繰り返して学習データを更新するようにしてよい。
図５は感染症予兆検知装置１の感染症予兆検知処理の処理フローを示す図である。
次に感染症予兆検知装置１の感染症予兆検知処理について説明する。
まず感染症予兆検知装置１は新たに入院した脳疾患患者の生体情報を計測装置２から取得する（ステップＳ２０１）。また感染症予兆検知装置１は当該脳疾患患者のその他の状態情報の入力を受け付ける（ステップＳ２０２）。生体情報は上述したように、少なくとも脳疾患患者の体温と呼吸数である。また生体情報や状態情報は、脈拍、心電位、加速度、酸素飽和度、単位時間当たりの喀痰数などの情報をさらに含んでいてよい。
感染症予兆検知部１２はデータベース４に記録されている学習データを用いて予兆検知モデルを構築し、生体情報を含む状態情報を当該予兆検知モデルに入力する（ステップＳ２０３）。予兆検知モデルは、予兆が有るかないかを示す情報や、予兆がある確率を示す情報や、予兆の段階評価の数値を示す情報を出力してもよい。感染症予兆検知部１２は生体情報を含む状態情報に基づき、すなわち、予兆検知モデルから出力された情報に基づき、感染症発症の予兆を示す予兆情報を生成する。この例において予兆情報は予兆が有るか否かを示す情報である。そして感染症予兆検知部１２は予兆情報に基づいて感染症発症の予兆の有無を判定する（ステップＳ２０４）。感染症予兆検知部１２は予兆情報が予兆の確率を示す情報である場合には、その確率が所定の予兆があると判定される閾値以上の確率であるかを判定し、その確率が閾値以上であれば予兆が有ると判定する。感染症予兆検知部１２は予兆情報が予兆の段階評価の数値を示す情報である場合には、その数値が所定の予兆があると判定される段階を示す数値以上であるかを判定し、その数値が所定の段階以上の数値であれば予兆有りと判定する。感染症予兆検知部１２は感染症発症の予兆有りと判定すると、感染症発症予兆有りを示す情報を対処情報出力部１３に出力する。また感染症予兆検知部１２はその後に感染する可能性のある感染症の種別を判定して対処情報出力部１３に出力する。
対処情報出力部１３は感染症発症予兆有りを示す情報を取得すると警告情報をモニタ３に出力する（ステップＳ２０５）。警告情報は例えばモニタに感染症発症予兆有りを示す画像の出力を促すための情報である。これによりモニタ３に警告情報が出力される。医師や看護師はモニタ３に出力された警告情報により感染症発症の予兆を把握することができる。
また対処情報出力部１３は感染症の種別の情報を取得すると、その感染症の種別に紐づいてデータベース４に記録されている投薬情報やケア情報を取得する。投薬情報は、投薬すべき薬の種別や、投薬すべき薬の量等を示す情報であってもよい。ケア情報は、患者に対してとるべき適切な処置を示す情報であってもよい。対処情報出力部１３はそれらの投薬情報やケア情報をモニタ３に出力する（ステップＳ２０６）。これにより医師や看護師はモニタ３に出力された投薬量や投薬種別等の投薬情報を確認して投薬を感染症の発症前に行うことができ、またモニタ３に出力されたケア情報を確認して患者に適切な処置を感染症の発症前に施すことができる。
以上、上述の処理によれば感染症予兆検知装置１は脳疾患患者が感染症を発症する前にその予兆の有無を判定することができる。そして感染症予兆検知装置１が感染症の発症の予兆有りの情報を出力することで医師や看護師にその感染症発症の予兆が有ることを早期に通知することができる。また感染症予兆検知装置１が感染症の発症前に投薬情報やケア情報を出力することができるため、医師や看護師は早期に適切や投薬や処置を誤りなく行うことができる。
上述では脳疾患患者についての感染症の予兆の有無を判定する場合の例について説明したが、感染症予兆検知装置１は他の患者の感染症の予兆の有無を判定するものであってよい。この場合も同様に学習処理や、感染症予兆の検知処理を行う。
図６は本発明の第二の実施形態に係る感染症予兆検知装置の構成を示す図である。
感染症予兆検知装置１は少なくとも感染症予兆検知部１２と対処情報出力部１３とを備えればよい。
感染症予兆検知部１２は患者のうち感染症を発症した患者の生体情報について学習した結果を示す学習データと、判定対象となる患者について取得した生体情報とを用いて、判定対象となる患者が感染症を発症する予兆が有るか否かを判定する。
対処情報出力部１３は、判定対象となる患者が感染症を発症する予兆が有ると判定された場合に、感染症に対する対処情報を出力する。
上述の感染症予兆検知装置１は内部に、コンピュータシステムを有している。そして、上述した各処理の過程は、プログラムの形式でコンピュータ読み取り可能な記録媒体に記憶されており、このプログラムをコンピュータが読み出して実行することによって、上記処理が行われる。ここでコンピュータ読み取り可能な記録媒体とは、磁気ディスク、光磁気ディスク、ＣＤ－ＲＯＭ、ＤＶＤ－ＲＯＭ、半導体メモリ等をいう。また、このコンピュータプログラムを通信回線によってコンピュータに配信し、この配信を受けたコンピュータが当該プログラムを実行するようにしても良い。
また、上記プログラムは、前述した機能の一部を実現するためのものであっても良い。さらに、上記プログラムは、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であっても良い。
この出願は、２０１８年６月１８日に出願された日本国特願２０１８－１１５６３４を基礎とする優先権を主張し、その開示の全てをここに取り込む。
本発明は、感染症予兆検知装置、感染症予兆検知方法、記録媒体に適用してもよい。
１・・・感染症予兆検知装置
２・・・計測装置
３・・・モニタ
４・・・データベース
１０・・・制御部
１１・・・学習部
１２・・・感染症予兆検知部
１３・・・対処情報出力部

Claims (7)

  1. 少なくとも複数の患者のうち感染症を発症した患者の体温の遷移と呼吸数の遷移とを含む生体情報を前記患者に取り付けた計測装置から取得して、当該生体情報と、前記複数の患者の喀痰数と前記複数の患者の血液中の酸素飽和度との少なくとも一方を含む前記患者の状態情報と、前記感染症の発症結果とに基づいて機械学習を行い、学習データを生成する学習部と、
    前記学習データと、判定対象となる患者について取得した生体情報とを用いて、前記判定対象となる患者が前記感染症を発症する予兆を示す予兆情報を生成する感染症予兆検知部と、
    前記予兆情報に基づいて前記判定対象となる患者についての前記感染症に対する対処情報を出力する対処情報出力部と、
    を備える感染症予兆検知装置。
  2. 前記感染症を発症した患者が、前記感染症を発症した脳疾患患者であり、
    前記判定対象となる患者が、脳疾患患者であり、
    前記感染症予兆検知部は、前記感染症を発症した脳疾患患者の生体情報について学習した結果を示す前記学習データと、前記判定対象となる脳疾患患者について取得した前記生体情報とを用いて、前記判定対象となる脳疾患患者が前記感染症を発症する予兆を示す予兆情報を生成し、
    前記対処情報出力部は、前記予兆情報に基づいて前記判定対象となる脳疾患患者についての前記感染症に対する対処情報を出力する
    請求項１に記載の感染症予兆検知装置。
  3. 前記対処情報出力部は前記感染症に対する投与薬の種別と投薬量とを少なくとも含む前記対処情報を出力する
    請求項１または請求項２に記載の感染症予兆検知装置。
  4. 前記感染症予兆検知部は前記感染症を発症する予兆が有るか否かを示す予兆情報を生成し、
    前記対処情報出力部は前記予兆情報に基づいて前記判定対象となる患者が前記感染症を発症する予兆が有ると判定した場合に、前記感染症に対する対処情報を出力する
    請求項１から請求項３の何れか一項に記載の感染症予兆検知装置。
  5. 前記感染症予兆検知部は前記感染症を発症する予兆の度合を示す予兆情報を生成し、
    前記対処情報出力部は前記予兆情報に含まれる前記予兆の度合に基づいて、前記感染症に対する対処情報を出力する
    請求項１から請求項３の何れか一項に記載の感染症予兆検知装置。
  6. 少なくとも複数の患者のうち感染症を発症した患者の体温の遷移と呼吸数の遷移とを含む生体情報を前記患者に取り付けた計測装置から取得して、当該生体情報と、前記複数の患者の喀痰数と前記複数の患者の血液中の酸素飽和度との少なくとも一方を含む前記患者の状態情報と、前記感染症の発症結果とに基づいて機械学習を行い、学習データを生成し、
    前記学習データと、判定対象となる患者について取得した生体情報とを用いて、前記判定対象となる患者が前記感染症を発症する予兆を示す予兆情報を生成し、
    前記予兆情報に基づいて前記判定対象となる患者についての前記感染症に対する対処情報を出力する
    を備える感染症予兆検知方法。
  7. 感染症予兆検知装置のコンピュータに、
    少なくとも複数の患者のうち感染症を発症した患者の体温の遷移と呼吸数の遷移とを含む生体情報を前記患者に取り付けた計測装置から取得して、当該生体情報と、前記複数の患者の喀痰数と前記複数の患者の血液中の酸素飽和度との少なくとも一方を含む前記患者の状態情報と、前記感染症の発症結果とに基づいて機械学習を行い、学習データを生成し、
    前記学習データと、判定対象となる患者について取得した生体情報とを用いて、前記判定対象となる患者が前記感染症を発症する予兆を示す予兆情報を生成し、
    前記予兆情報に基づいて前記判定対象となる患者についての前記感染症に対する対処情報を出力する
    ことを実行させるプログラム。
JP2020525732A 2018-06-18 2019-06-18 感染症予兆検知装置、感染症予兆検知方法、プログラム Active JP7210578B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2023002290A JP2023038250A (ja) 2018-06-18 2023-01-11 感染症予兆検知装置、感染症予兆検知方法、プログラム

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2018115634 2018-06-18
JP2018115634 2018-06-18
PCT/JP2019/023999 WO2019244859A1 (ja) 2018-06-18 2019-06-18 感染症予兆検知装置、感染症予兆検知方法、記録媒体

Related Child Applications (1)

Application Number Title Priority Date Filing Date
JP2023002290A Division JP2023038250A (ja) 2018-06-18 2023-01-11 感染症予兆検知装置、感染症予兆検知方法、プログラム

Publications (2)

Publication Number Publication Date
JPWO2019244859A1 JPWO2019244859A1 (ja) 2021-02-15
JP7210578B2 true JP7210578B2 (ja) 2023-01-23

Family

ID=68983392

Family Applications (2)

Application Number Title Priority Date Filing Date
JP2020525732A Active JP7210578B2 (ja) 2018-06-18 2019-06-18 感染症予兆検知装置、感染症予兆検知方法、プログラム
JP2023002290A Pending JP2023038250A (ja) 2018-06-18 2023-01-11 感染症予兆検知装置、感染症予兆検知方法、プログラム

Family Applications After (1)

Application Number Title Priority Date Filing Date
JP2023002290A Pending JP2023038250A (ja) 2018-06-18 2023-01-11 感染症予兆検知装置、感染症予兆検知方法、プログラム

Country Status (3)

Country Link
US (1) US20210134395A1 (ja)
JP (2) JP7210578B2 (ja)
WO (1) WO2019244859A1 (ja)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7470601B2 (ja) 2020-08-19 2024-04-18 浜松ホトニクス株式会社 身体状態推定システム及び身体状態推定方法
CN114067505B (zh) * 2021-11-17 2023-04-18 南方医科大学南方医院 一种护理病床用紧急呼叫报警的系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2005122033A1 (ja) 2004-06-08 2005-12-22 Intellectual Property Bank Corp. 医療総合情報装置及び医療総合情報システム
WO2006098192A1 (ja) 2005-03-16 2006-09-21 Ajinomoto Co., Inc. 生体状態評価装置、生体状態評価方法、生体状態評価システム、生体状態評価プログラム、評価関数作成装置、評価関数作成方法、評価関数作成プログラムおよび記録媒体
JP2010086037A (ja) 2008-09-29 2010-04-15 Wako Shoji:Kk 健康危殆早期発見システム
JP2016099922A (ja) 2014-11-26 2016-05-30 日本電気株式会社 装置、端末、システム、感染予防方法
JP2017068386A (ja) 2015-09-28 2017-04-06 富士通株式会社 アプリケーション起動制御プログラム、アプリケーション起動制御方法、および情報処理装置
JP2018067266A (ja) 2016-10-21 2018-04-26 富士レビオ株式会社 疾病の発症リスク又は再発リスクを予測するためのプログラム

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2005122033A1 (ja) 2004-06-08 2005-12-22 Intellectual Property Bank Corp. 医療総合情報装置及び医療総合情報システム
WO2006098192A1 (ja) 2005-03-16 2006-09-21 Ajinomoto Co., Inc. 生体状態評価装置、生体状態評価方法、生体状態評価システム、生体状態評価プログラム、評価関数作成装置、評価関数作成方法、評価関数作成プログラムおよび記録媒体
JP2010086037A (ja) 2008-09-29 2010-04-15 Wako Shoji:Kk 健康危殆早期発見システム
JP2016099922A (ja) 2014-11-26 2016-05-30 日本電気株式会社 装置、端末、システム、感染予防方法
JP2017068386A (ja) 2015-09-28 2017-04-06 富士通株式会社 アプリケーション起動制御プログラム、アプリケーション起動制御方法、および情報処理装置
JP2018067266A (ja) 2016-10-21 2018-04-26 富士レビオ株式会社 疾病の発症リスク又は再発リスクを予測するためのプログラム

Also Published As

Publication number Publication date
JPWO2019244859A1 (ja) 2021-02-15
US20210134395A1 (en) 2021-05-06
JP2023038250A (ja) 2023-03-16
WO2019244859A1 (ja) 2019-12-26

Similar Documents

Publication Publication Date Title
Ge et al. An Interpretable ICU Mortality Prediction Model Based on Logistic Regression and Recurrent Neural Networks with LSTM units.
JP2023038250A (ja) 感染症予兆検知装置、感染症予兆検知方法、プログラム
Petraco et al. Fractional flow reserve–guided revascularization: practical implications of a diagnostic gray zone and measurement variability on clinical decisions
JP6145042B2 (ja) 患者の病気重篤性、致死性および滞在長さの連続的な予測の方法
Shashikumar et al. Development and prospective validation of a deep learning algorithm for predicting need for mechanical ventilation
KR101841222B1 (ko) 피검체의 치명적 증상의 발생을 조기에 예측하기 위한 예측 결과를 생성하는 방법 및 이를 이용한 장치
Hernandez et al. Culture, behavior and health
US20210090739A1 (en) Aggravation estimation device and storage medium
JP7161688B2 (ja) 手術後感染予測装置、手術後感染予測装置生産方法、手術後感染予測方法およびプログラム
US20210196125A1 (en) Tomographic image prediction device and tomographic image prediction method
US11728034B2 (en) Medical examination assistance apparatus
US20160180029A1 (en) System and method for predicting patient discharge planning
EP3929939A1 (en) System and method for peri-anaesthetic risk evaluation
CN111933245A (zh) 超说明书用药信息处理方法、装置及相关设备
EP4231311A1 (en) Method and apparatus for providing information needed for dementia diagnosis
WO2022070226A1 (ja) 医療計画支援システム、医療計画支援装置、医療計画支援方法、及び、医療計画支援プログラムが格納された記録媒体
JP7147864B2 (ja) 支援装置、支援方法、プログラム
JP7420145B2 (ja) リスク予測装置、リスク予測方法、及びコンピュータプログラム
Rafii et al. Functional brain imaging in the clinical assessment of consciousness
KR102049824B1 (ko) 피검체의 소정 증상의 발생을 예측하기 위한 예측 결과를 생성하는 방법 및 이를 이용한 장치
Teng et al. mTBI-DSANet: A deep self-attention model for diagnosing mild traumatic brain injury using multi-level functional connectivity networks
Neves et al. External validation of an artificial intelligence device for intracranial hemorrhage detection
Vilic et al. Simplifying EHR overview of critically ill patients through vital signs monitoring
WO2022208581A1 (ja) 学習装置、判定装置、学習済みモデル生成方法及び記録媒体
JP7480601B2 (ja) 医療診断支援装置、医療診断支援装置の制御方法、およびプログラム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200713

RD01 Notification of change of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7426

Effective date: 20200731

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A821

Effective date: 20200731

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20211102

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20211227

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220531

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220801

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: 20221213

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230111

R150 Certificate of patent or registration of utility model

Ref document number: 7210578

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150