JP7238705B2 - 診療支援方法、診療支援システム、学習モデルの生成方法、および、診療支援プログラム - Google Patents
診療支援方法、診療支援システム、学習モデルの生成方法、および、診療支援プログラム Download PDFInfo
- Publication number
- JP7238705B2 JP7238705B2 JP2019162284A JP2019162284A JP7238705B2 JP 7238705 B2 JP7238705 B2 JP 7238705B2 JP 2019162284 A JP2019162284 A JP 2019162284A JP 2019162284 A JP2019162284 A JP 2019162284A JP 7238705 B2 JP7238705 B2 JP 7238705B2
- Authority
- JP
- Japan
- Prior art keywords
- information
- support
- learning model
- medical
- disease name
- 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
Description
本発明は、診療支援方法、診療支援システム、学習モデルの生成方法、および、診療支援プログラムに関する。
従来、医療に関する診断のための処理を行う診断処理装置が知られている（たとえば、特許文献１参照）。
上記特許文献１には、診断対象となる医療上の命題情報に対応する病名を判定する診断処理装置が開示されている。上記特許文献１に記載の診断処理装置は、医療における診断対象となる命題情報を取得し、この命題情報を解析して、症状を表す症状プロファイルを生成する。また、上記特許文献１に記載の診断処理装置は、病名とその病気において呈する可能性のある症状とが対応付けられているデータ（診断ルールベース）を構築する。そして、上記特許文献１に記載の診断処理装置は、症状プロファイルをもとに、診断ルールベースにおいて該当する症状を検索し、症状プロファイルに該当する病名の候補を特定する。
ここで、上記特許文献１に記載されているような診断処理装置により出力される病名の候補（診断結果）は、上記特許文献１には明記されていないが、最終的な診断結果を示すのではなく、あくまでも、医師に対する支援的な情報である。そのため、人間である医師によって最終的な診断の決定がなされる必要がある。しかしながら、上記特許文献１に記載の診断処理装置では、医師が最終的な診断を決定（選択）する際に、ある症状に対して出力された診断結果（支援情報）が多岐にわたる場合、出力された診断結果（支援情報）に医師にとって不適切（不必要）な診断結果（支援情報）が多く含まれる場合があると考えられる。すなわち、医師の専門とする診療科とは無関係な支援情報など、医師にとって関連性の低い不適切（不必要）な支援情報が多く含まれる場合、出力された支援情報のうちから適切な支援情報を医師が判別する作業が必要となる。その場合、上記特許文献１に記載の診断処理装置を使用しても複数の支援情報に不適切な支援情報が含まれるため、最終的な診断を決定する医師の作業負担が軽減されにくいという問題点があると考えられる。
この発明は、上記のような課題を解決するためになされたものであり、この発明の１つの目的は、複数の支援情報に基づいて医師が診断を行う際に、医師の作業負担をより軽減するとともに、より適切な支援情報を提示することが可能な診療支援方法、診療支援システム、学習モデルの生成方法、および、診療支援プログラムを提供することである。
上記目的を達成するために、この発明の第１の局面における診療支援方法は、１または複数のコンピュータにより実行する診療支援方法であって、診断対象の症状に関する情報である症状情報と診断対象の臨床検査についての検査結果情報との少なくとも一方を含む情報である診察情報を取得するステップと、診察情報と病名情報を含む複数の支援情報とが対応付けられた第１学習モデルに基づいて、取得された診察情報に対応する複数の支援情報を取得するステップと、担当の医師および担当の医療施設の少なくとも一方の特性に関する情報である特性情報と、複数の支援情報とが対応付けられた第２学習モデルに基づいて、複数の支援情報のうちから、特性情報に対応する病名情報を含む支援情報を取得するステップと、を備える。
この発明の第２の局面における診療支援システムは、診断対象の症状に関する情報である症状情報と診断対象の臨床検査についての検査結果情報との少なくとも一方を含む情報である診察情報を取得する診察情報取得部と、診察情報と病名情報を含む複数の支援情報とが対応付けられた第１学習モデルに基づいて、取得された診察情報に対応する複数の支援情報を取得する支援情報取得部と、担当の医師および担当の医療施設の少なくとも一方の特性に関する情報である特性情報と、複数の支援情報とが対応付けられた第２学習モデルに基づいて、複数の支援情報のうちから、特性情報に対応する病名情報を含む支援情報を取得する支援情報選択部と、を備える。
この発明の第３の局面における学習モデルの生成方法は、１または複数のコンピュータにより実行する学習モデルの生成方法であって、診断対象の症状に関する情報である症状情報と診断対象の臨床検査についての検査結果情報との少なくとも一方を含む情報である診察情報と、病名情報を含む複数の支援情報とが対応付けられた第１学習モデルに基づいて、取得された診察情報に対応する複数の支援情報を取得するステップと、担当の医師および担当の医療施設の少なくとも一方の特性に関する情報である特性情報を取得するステップと、複数の支援情報および特性情報に基づいて、特性情報に対応する支援情報を取得するための第２学習モデルを機械学習により生成するステップと、を備える。
この発明の第４の局面における診療支援プログラムは、診断対象の症状に関する情報である症状情報と診断対象の臨床検査についての検査結果情報との少なくとも一方を含む情報である診察情報を取得する制御と、診察情報と病名情報を含む複数の支援情報とが対応付けられた第１学習モデルに基づいて、取得された診察情報に対応する複数の支援情報を取得する制御と、担当の医師および担当の医療施設の少なくとも一方の特性に関する情報である特性情報と、複数の支援情報とが対応付けられた第２学習モデルに基づいて、複数の支援情報のうちから、特性情報に対応する病名情報を含む支援情報を取得する制御と、をコンピュータに実行させる。
なお、「医師」とは医師および歯科医師などを含む医療従事者を意味する。また、「医療施設」とは、病院、診療所、および、歯科医院などを含む医療を提供する施設を意味する。
この発明の上記第１の局面における診療支援方法、上記第２の局面における診療支援システム、および、上記第４の局面における診療支援プログラムでは、診察情報と病名情報を含む複数の支援情報とが対応付けられた第１学習モデルに基づいて、取得された診察情報に対応する複数の支援情報を取得する。そして、担当の医師および担当の医療施設の少なくとも一方の特性に関する情報である特性情報と、複数の支援情報とが対応付けられた第２学習モデルに基づいて、複数の支援情報のうちから、特性情報に対応する病名情報を含む支援情報を取得する。これにより、医師は、第１学習モデルにより取得された複数の支援情報に対して、さらに、第２学習モデルにより不適切（不必要）な支援情報が予め除外された状態で診断を行うことができる。すなわち、第１学習モデルのみによって支援情報を取得する場合に比べて、医師は、医師にとってより適切な支援情報が選択された状態で診断を決定することができる。その結果、第１学習モデルによって複数（多数）の支援情報が出力された場合においても、診断を行う際の医師の負担をより軽減することができる。また、医師は、複数の支援情報に基づいて診断を決定する際に、担当の医師および担当の医療施設の少なくとも一方の特性に関する情報である特性情報に対応するように取得されたより適切な支援情報に基づいて診断（最終的な診断）を適切に行うことができる。これらの結果、複数の支援情報に基づいて医師が診断を行う際に、医師の作業負担をより軽減するとともに、より適切な支援情報を提示することができる。
また、この発明の第３の局面における、学習モデルの生成方法では、上記のように、診察情報と、病名情報を含む複数の支援情報とが対応付けられた第１学習モデルに基づいて、取得された診察情報に対応する複数の支援情報を取得するステップを備える。そして、複数の支援情報および特性情報に基づいて、特性情報に対応する支援情報を取得するための第２学習モデルを機械学習により生成するステップをさらに備える。これにより、複数の支援情報のうちから、医師および医療施設の少なくとも一方に関する情報である特性情報に対応したより適切な支援情報を取得することが可能な第２学習モデルを生成することができる。つまり、第１学習モデルにより取得された複数（多数）の支援情報について、生成された第２学習モデルに基づいて、不要であるとされた支援情報が予め除外された状態で、医師に診断を行わせることができる。すなわち、第１学習モデルのみによって支援情報を取得する場合に比べて、医師は、医師にとってより適切な支援情報を選択された状態で診断を決定することができる。その結果、第１の局面における診療支援方法、第３の局面における診療支援システム、および、第４の局面における診療支援プログラムと同様に、第１学習モデルによって複数（多数）の支援情報が出力された場合においても、より適切な支援情報が提示されるとともに、診断する際の医師の負担をより軽減することができる。
以下、本発明を具体化した実施形態を図面に基づいて説明する。
［第１実施形態］
図１～図７を参照して、本発明の第１実施形態による診療支援システム１００、および、診療支援方法、学習モデルの生成方法について説明する。
図１～図７を参照して、本発明の第１実施形態による診療支援システム１００、および、診療支援方法、学習モデルの生成方法について説明する。
（第１実施形態による診療支援システムの構成）
図１に示すように、第１実施形態における診療支援システム１００は、複数の診療支援装置１とサーバ２とによって構成されている。診療支援装置１は、ネットワークＮを介して、サーバ２と通信可能に構成されている。なお、診療支援装置１は、特許請求の範囲の「通信端末」の一例である。
図１に示すように、第１実施形態における診療支援システム１００は、複数の診療支援装置１とサーバ２とによって構成されている。診療支援装置１は、ネットワークＮを介して、サーバ２と通信可能に構成されている。なお、診療支援装置１は、特許請求の範囲の「通信端末」の一例である。
図２に示すように、診療支援装置１は、診療所や病院などの医療施設に配置されている。診療支援装置１は、コンピュータ１１と、操作部１２と、表示部１３とを含む。
コンピュータ１１は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）などを有する。コンピュータ１１は、所定のソフトウェア（プログラム）がインストールされたパーソナルコンピュータ、ワークステーション、または、複数台のコンピュータからなるコンピュータシステムなどによって構成されうる。そして、コンピュータ１１には、電子カルテシステムが構築されている。
電子カルテシステムは、医師、歯科医師による診療録（カルテ）や看護記録、その他の医療従事者による診療記録をデータベースとして一括して電子カルテとして電子的に保存・管理するためのシステムである。電子カルテシステムを用いることによって、医療従事者の事務作業の効率化や、情報管理の一元化を図ることが可能である。
操作部１２は、キーボード、マウスなどにより構成されている。また、操作部１２は、コンピュータ１１に接続されており、コンピュータ１１に対する情報の入力操作を受け付ける。
表示部１３は、液晶ディスプレイなどのディスプレイモニタを含む。また、表示部１３は、コンピュータ１１に接続されており、コンピュータ１１によって出力された情報を表示するように構成されている。
サーバ２は、複数の診療支援装置１とネットワークＮを介して通信可能なように構成されている。たとえば、サーバ２は、クラウド（クラウドコンピューティング）上に構築されており、インターネットを介して複数の診療支援装置１の各々と情報を送受信するように構成されている。
（第１実施形態による診療支援システムの機能的な構成）
図３に示すように、第１実施形態による診療支援システム１００において、診療支援装置１は、診察情報取得部１０、支援情報選択部３０、特性情報データベース３１、第２学習モデル生成部３２、決定情報取得部４０、決定情報データベース４１、および、第２学習モデル更新部４２を含む。また、サーバ２は、支援情報取得部２０、医療情報データベース２１、第１学習モデル生成部２２、統計情報取得部５０、統計情報データベース５１、および、第１学習モデル更新部５２を含むように構成されている。
図３に示すように、第１実施形態による診療支援システム１００において、診療支援装置１は、診察情報取得部１０、支援情報選択部３０、特性情報データベース３１、第２学習モデル生成部３２、決定情報取得部４０、決定情報データベース４１、および、第２学習モデル更新部４２を含む。また、サーバ２は、支援情報取得部２０、医療情報データベース２１、第１学習モデル生成部２２、統計情報取得部５０、統計情報データベース５１、および、第１学習モデル更新部５２を含むように構成されている。
診察情報取得部１０、支援情報取得部２０、第１学習モデル生成部２２、支援情報選択部３０、第２学習モデル生成部３２、決定情報取得部４０、第２学習モデル更新部４２、統計情報取得部５０、および、第１学習モデル更新部５２は、診療支援プログラム（ソフトウェア）として構成されている。すなわち、診療支援装置１に含まれるコンピュータ１１が、診療支援プログラム（ソフトウェア）を実行することによって、診察情報取得部１０、支援情報選択部３０、第２学習モデル生成部３２、決定情報取得部４０、および、第２学習モデル更新部４２として機能するように構成されている。そして、サーバ２が診療支援プログラム（ソフトウェア）を実行することによって、支援情報取得部２０、医療情報データベース２１、第１学習モデル生成部２２、統計情報取得部５０、および、第１学習モデル更新部５２として機能するように構成されている。
ここで、本実施形態では、図４に示すように、診察情報取得部１０は、診断対象の症状に関する情報である症状情報Ａ１と診断対象の臨床検査についての検査結果情報Ａ２との少なくとも一方を含む情報である診察情報Ａを取得する。具体的には、診察情報取得部１０は、コンピュータ１１に構築された電子カルテシステムに対して入力された、症状情報Ａ１と検査結果情報Ａ２との少なくとも一方を含む診察情報Ａを取得する。そして、診療支援装置１は、取得した診察情報Ａをサーバ２に対して送信する。
症状情報Ａ１は、診断対象による症状についての訴えである主訴と、担当の医師による症状についての見解である所見と、を含む文章（テキストデータ）について、形態素解析を行うことによって生成された診断対象の症状に関する情報である。具体的には、担当の医師が診断対象を診察することによって、診断対象による症状の訴えや、担当の医師による症状の診察結果が、電子カルテ上に文章として入力される。そして、入力された文章が、名詞、形容詞、および、動詞などの形態素に分解される。そして、分解された形態素について解析を行うことによって、診断対象の症状を表す情報である症状情報Ａ１が取得される。なお、症状情報Ａ１は、自由文による入力に限らず、テンプレートから症状に関する情報を選択することによって取得されるように構成されていてもよい。
検査結果情報Ａ２は、診断対象に対して行われた臨床検査の結果を示す情報である。たとえば、検査結果情報Ａ２は、採血、採尿、血圧測定などによって取得された診断対象の生体情報（赤血球数、尿ｐＨ値、血圧など）を電子カルテ上に記録した情報を含む。また、検査結果情報Ａ２は、Ｘ線撮影によって撮影されたＸ線画像や、病変部位の画像を含み、取得された画像を解析して得られた病変部位の形状および面積などの情報も含む。
なお、電子カルテに記録される情報は、操作部１２に対する操作によって入力されるように構成してもよいし、臨床検査を行う装置Ｐをコンピュータ１１に接続することによって、臨床検査を行う装置Ｐから出力される信号を取得することにより記録されるように構成してもよい。
支援情報取得部２０は、図５に示すように、診察情報Ａと病名情報Ｂ１を含む複数の支援情報Ｂとが対応付けられた第１学習モデルＭ１に基づいて、取得された診察情報Ａに対応する複数の支援情報Ｂを取得する。なお、支援情報Ｂは、病名情報Ｂ１に加えて、病名情報Ｂ１に対応する処置情報Ｂ２ａおよび処方情報Ｂ２ｂの少なくとも一方を含む処置処方情報Ｂ２を含む。すなわち、支援情報取得部２０は、第１学習モデルＭ１に基づいて、診察情報取得部１０によって取得された診察情報Ａが入力されたことに応じて、入力された診察情報Ａに対応する支援情報Ｂを複数出力する。具体的には、診察情報Ａに含まれる症状情報Ａ１および検査結果情報Ａ２の少なくとも一方に基づいて、症状情報Ａ１に含まれる症状を示す可能性のある病名と、検査結果情報Ａ２に含まれる検査結果を呈する可能性のある病名と、に対応する複数の病名情報Ｂ１を出力するとともに、出力された複数の病名情報Ｂ１に対応する複数の処置処方情報Ｂ２を合わせて出力する。
医療情報データベース２１は、第１学習モデル生成部２２が第１学習モデルＭ１を生成する際に参照される参照データが保存されているデータベースである。医療情報データベース２１における参照データは、予め収集された医療情報に関するビッグデータである。具体的には、医療情報データベース２１には、参照データとして、様々な医療機関から収集した医療情報についてのビッグデータが含まれている。たとえば、医療情報データベース２１には、複数の病気に関する複数の診察情報Ａと、複数の診察情報Ａに対応する複数の支援情報Ｂがビッグデータとして保存されている。また、医療情報データベース２１は、ネットワークＮを介して取得された情報によって更新される。
支援情報Ｂは、病名情報Ｂ１および処置処方情報Ｂ２の両方を含む。病名情報Ｂ１は、疾病、疾患、および、症候群などに加え、怪我や障害なども含む医療行為の対象となる診断対象の状態の名称を表す情報である。処置処方情報Ｂ２は、病名情報Ｂ１に対応する処置情報Ｂ２ａと処方情報Ｂ２ｂの少なくとも一方を含む。処置情報Ｂ２ａは、病名情報Ｂ１に対応する処置の方法に関する情報である。すなわち、処置情報Ｂ２ａは、病名情報Ｂ１に対応する、医師が行う怪我や病気に対する手当ての方法についての情報である。また、処方情報Ｂ２ｂは、病名情報Ｂ１に対応した処方に関する情報である。すなわち、病名情報Ｂ１に対応する、診断対象の病気・怪我などの症状に応じた医薬品の調合および服用法の指示に関する情報である。
第１学習モデル生成部２２は、医療情報データベース２１に保存されている参照データに基づいて、機械学習によって第１学習モデルＭ１を生成する。第１学習モデルＭ１は、診察情報Ａと支援情報Ｂとを対応づけるために機械学習によって生成された学習モデルである。第１学習モデルＭ１は、診察情報Ａを入力データとして、入力された診察情報Ａに対応する複数の支援情報Ｂを出力するように構成されている。
支援情報選択部３０は、図６に示すように、第２学習モデルＭ２に基づいて、複数の支援情報Ｂのうちから、特性情報Ｃに対応する病名情報Ｂ１を含む支援情報Ｂを選択して取得する。すなわち、支援情報選択部３０は、第２学習モデルＭ２に基づいて、支援情報取得部２０によって取得された複数の支援情報Ｂに対してフィルタリングを行うことによって、特性情報Ｃに対応する支援情報Ｂを選択（推定）して出力する。たとえば、支援情報取得部２０によって１０個の支援情報Ｂが取得された場合、支援情報選択部３０は、特性情報Ｃに対応する３個～５個の支援情報Ｂを第２学習モデルＭ２に基づいて選択する。
特性情報データベース３１は、第２学習モデル生成部３２が第２学習モデルＭ２を生成する際に参照される特性情報Ｃが保存されているデータベースである。また、複数の診療支援装置１の各々が、各々の診療支援装置１を使用する担当の医師ごと、および、担当の医療施設ごと、の少なくとも一方についての特性情報Ｃを特性情報データベース３１に保存するように構成されている。また、特性情報データベース３１に保存された特性情報Ｃの各々は、後述する決定支援情報Ｄと関連付けられてサーバ２に保存される。
特性情報Ｃは、担当の医師および担当の医療施設の少なくとも一方の特性に関する情報である。具体的には、特性情報Ｃは、担当の医師および担当の医療施設の少なくとも一方の地域および診療科についての情報を含む。たとえば、担当の医師についての特性とは、担当の医師の性別や、専門とする診療科や、担当の医師個人が病名判断に利用する検査値（血圧、尿ｐＨ、赤血球数など）や、病変部位の形状・面積や、担当の医師個人の習慣について、などを含む。また、担当の医療施設についての特性とは、担当の医療施設の位置する地域や、都道府県や、医療施設の規模について、などを含む。
第２学習モデル生成部３２は、特性情報データベース３１に保存されている特性情報Ｃに基づいて、機械学習によって第２学習モデルＭ２を生成する。つまり、担当の医師ごと、および、担当の医療施設ごとの少なくとも一方について、第２学習モデルＭ２が、それぞれ生成される。また、第２学習モデル生成部３２は、ネットワークＮを介してサーバ２により取得された複数の医師および医療施設の少なくとも一方についての複数の特性情報Ｃおよび後述する複数の決定支援情報Ｄに基づいて、第２学習モデルＭ２を生成する。第２学習モデルＭ２は、複数の支援情報Ｂを入力データとして、特性情報Ｃに対応する支援情報Ｂを選択（推定）して出力するように構成されている。なお、第２学習モデルＭ２の詳細については後述する。
図７に示すように、診療支援装置１は、第２学習モデルＭ２に基づいて、特性情報Ｃに対応する支援情報Ｂを、医師が決定可能なように表示部１３に表示して推薦する。具体的には、電子カルテシステムにおいて入力された診察情報Ａに基づいて、特性情報Ｃに対応するように選択された支援情報Ｂである病名情報Ｂ１が表示される。担当の医師による操作部１２に対する入力操作（マウスによるクリック操作など）によって、表示された病名情報Ｂ１のうちから、１つの病名情報Ｂ１が決定される。そして、表示部１３には、決定された病名情報Ｂ１に対応する処置処方情報Ｂ２が病名情報Ｂ１に合わせて表示される。表示された処置処方情報Ｂ２のうちから、１つの処置処方情報Ｂ２が、同様に担当の医師によって決定される。
図３に示すように、決定情報取得部４０は、取得された特性情報Ｃに対応する支援情報Ｂのうちから、医師により決定された支援情報Ｂを診察情報Ａと関連付けて決定支援情報Ｄとして取得する。すなわち、決定情報取得部４０は、診察情報取得部１０によって取得された診察情報Ａと、支援情報選択部３０によって出力された選択された支援情報Ｂのうちから担当の医師によって決定された支援情報Ｂとを、関連付けて決定支援情報Ｄとして取得する。つまり、担当の医師によって入力された診察情報Ａと担当の医師によって決定された支援情報Ｂとが、関連付けられて決定支援情報Ｄとして取得される。具体的には、表示部１３に表示された特性情報Ｃに対応する支援情報Ｂのうちから担当の医師によって決定された病名情報Ｂ１が、診察情報Ａと関連付けられて決定病名情報Ｄ１として取得される。また、表示部１３に表示された特性情報Ｃに対応する支援情報Ｂのうちから担当の医師によって決定された処置処方情報Ｂ２が、診察情報Ａと関連付けられて決定処置処方情報Ｄ２として取得される。
決定情報データベース４１は、決定病名情報Ｄ１と決定処置処方情報Ｄ２とを含む決定支援情報Ｄが保存されているデータベースである。また、決定情報データベース４１では、サーバ２との通信によって、複数の診療支援装置１によって取得された決定支援情報Ｄが保存される。すなわち、決定情報データベース４１では、サーバ２との通信によって、複数の医師の各々によって決定された支援情報Ｂを含む複数の決定支援情報Ｄが合わせて保存される。
第２学習モデル更新部４２は、決定支援情報Ｄに基づいて第２学習モデルＭ２を更新する。また、第２学習モデル更新部４２は、複数の医師および医療施設の少なくとも一方の各々に対応する複数の第２学習モデルＭ２に基づいて取得された決定支援情報Ｄに応じて、第２学習モデルＭ２を更新する。また、第２学習モデル更新部４２は、更新される際に、特性情報Ｃに基づいて、複数の第２学習モデルＭ２の各々の決定支援情報Ｄに対して重みづけを付与するように第２学習モデルＭ２を更新する。第２学習モデルＭ２の更新について詳細は後述する。
統計情報取得部５０は、複数の診療支援装置１によって取得された複数の決定支援情報Ｄと特性情報Ｃとを含む統計情報Ｅを取得する。すなわち、統計情報取得部５０は、複数の医師の各々による決定支援情報Ｄを含む統計情報Ｅを取得する。また、複数の診療支援装置１の各々によって取得された特性情報Ｃについても合わせて取得する。すなわち、統計情報取得部５０は、複数の医師および医療施設の少なくとも一方について、特性情報Ｃと決定支援情報Ｄとが関連付けられた情報である統計情報Ｅを取得する。また、統計情報Ｅは、統計情報データベース５１に保存される。
第１学習モデル更新部５２は、生成された第１学習モデルＭ１を更新する。具体的には、複数の第２学習モデルＭ２に基づいて取得された複数の決定処置処方情報Ｄ２に基づいて第１学習モデルＭ１を更新する。すなわち、複数の医師の決定によって取得された複数の決定処置処方情報Ｄ２に基づいて、統計情報データベース５１が更新される。そして、更新された統計情報データベース５１に基づいて、第１学習モデルＭ１が更新される。たとえば、複数の医師による決定処置処方情報Ｄ２に基づいて、統計的に頻度の高い処置および処方を重視して処置処方情報Ｂ２を出力するように第１学習モデルＭ１を更新する。そして、更新された第１学習モデルＭ１に基づいて、複数の処置処方情報Ｂ２を含む支援情報Ｂが出力される。
（第２学習モデルの生成について）
図６に示すように、第２学習モデルＭ２は、特性情報Ｃと、複数の支援情報Ｂとが対応付けられるように、機械学習によって生成される。つまり、第２学習モデルＭ２は、支援情報取得部２０によって出力された複数の支援情報Ｂに対してフィルタリングを行い、担当の医師および担当の医療施設の少なくとも一方に対応するように、支援情報Ｂを選択して取得するために機械学習によって生成された学習モデルである。たとえば、協調フィルタリングを用いて、複数の支援情報Ｂに対してフィルタリングを行う。
図６に示すように、第２学習モデルＭ２は、特性情報Ｃと、複数の支援情報Ｂとが対応付けられるように、機械学習によって生成される。つまり、第２学習モデルＭ２は、支援情報取得部２０によって出力された複数の支援情報Ｂに対してフィルタリングを行い、担当の医師および担当の医療施設の少なくとも一方に対応するように、支援情報Ｂを選択して取得するために機械学習によって生成された学習モデルである。たとえば、協調フィルタリングを用いて、複数の支援情報Ｂに対してフィルタリングを行う。
第２学習モデル生成部３２は、特性情報Ｃに基づいて特徴量を抽出する。具体的には、第２学習モデル生成部３２は、担当の医師ごと、および、担当の医療施設ごと、の少なくとも一方についての特性情報Ｃに基づいて、特徴量を抽出する。また、第２学習モデル生成部３２は、同様に、ネットワークＮを介してサーバ２より取得された複数の特性情報Ｃに基づいて、特徴量を抽出する。そして、抽出された特徴量に基づいて、複数の診療支援装置１同士についての類似度が取得される。そして、特性情報Ｃおよび決定支援情報Ｄと、類似度とに基づいて、第２学習モデルＭ２が生成される。つまり、類似度の高い特性を有する診療支援装置１についての決定支援情報Ｄに重みづけがされた状態で、複数の決定支援情報Ｄに基づいて第２学習モデルＭ２が生成される。すなわち、担当の医師と近しい特性を持つ医師がある症状に対してどのような診断の決定を行ったかということについての情報に基づいて、支援情報Ｂを選択するように第２学習モデルＭ２は生成される。
（第２学習モデルの生成に関する制御処理）
次に、図８を参照して、第１実施形態による第２学習モデルＭ２の生成方法に関する制御処理フローについて説明する。
次に、図８を参照して、第１実施形態による第２学習モデルＭ２の生成方法に関する制御処理フローについて説明する。
まず、ステップ１０１において、診察情報Ａに対応する複数の支援情報Ｂが取得される。
次に、ステップ１０２において、複数の診療支援装置１によって取得された、特性情報Ｃと決定支援情報Ｄとが関連付けられた情報である統計情報Ｅが複数取得される。
次に、ステップ１０３において、担当の医師および担当の医療施設に関する特性情報Ｃが取得される。
次に、ステップ１０４において、特性情報Ｃおよび統計情報Ｅに基づいて、特徴量が抽出され、類似度が取得される。
次に、ステップ１０５において、第２学習モデル生成部３２によって、複数の支援情報Ｂおよび特性情報Ｃに基づいて、特性情報Ｃに対応する支援情報Ｂを取得するための第２学習モデルＭ２が機械学習によって生成される。
（第２学習モデルの更新について）
図３に示すように、担当の医師による決定支援情報Ｄに基づいて、第２学習モデルＭ２は更新される。すなわち、担当の医師による支援情報Ｂに対する決定が行われるたびに、第２学習モデルＭ２が更新される。そして、担当の医師による決定支援情報Ｄと複数の診療支援装置１によって取得された複数の統計情報Ｅとに基づいて、特徴量が抽出され、類似度が取得される。つまり、担当の医師による決定支援情報Ｄが取得されるたびに、類似度についての更新が行われることによって第２学習モデルＭ２の更新が行われる。また、複数の医師および医療施設の少なくとも一方の各々に対応する複数の第２学習モデルＭ２に基づいて取得された決定支援情報Ｄに応じて、第２学習モデルＭ２が更新される。そして、複数の第２学習モデルＭ２の各々の決定支援情報Ｄに対して重みづけを付与するように第２学習モデルＭ２が更新される。つまり、複数の診療支援装置１によって取得された複数の特性情報Ｃおよび決定支援情報Ｄについて、決定支援情報Ｄが更新されると、類似度が更新される。類似度が更新されると、類似度の高い特性を有する診療支援装置１についての統計情報Ｅに重みづけがされた状態で、複数の統計情報Ｅに基づいて第２学習モデルＭ２が更新される。すなわち、類似度の高い特性を有する診療支援装置１によって取得された決定支援情報Ｄに対して重みづけを付与した状態で第２学習モデルＭ２が更新される。
図３に示すように、担当の医師による決定支援情報Ｄに基づいて、第２学習モデルＭ２は更新される。すなわち、担当の医師による支援情報Ｂに対する決定が行われるたびに、第２学習モデルＭ２が更新される。そして、担当の医師による決定支援情報Ｄと複数の診療支援装置１によって取得された複数の統計情報Ｅとに基づいて、特徴量が抽出され、類似度が取得される。つまり、担当の医師による決定支援情報Ｄが取得されるたびに、類似度についての更新が行われることによって第２学習モデルＭ２の更新が行われる。また、複数の医師および医療施設の少なくとも一方の各々に対応する複数の第２学習モデルＭ２に基づいて取得された決定支援情報Ｄに応じて、第２学習モデルＭ２が更新される。そして、複数の第２学習モデルＭ２の各々の決定支援情報Ｄに対して重みづけを付与するように第２学習モデルＭ２が更新される。つまり、複数の診療支援装置１によって取得された複数の特性情報Ｃおよび決定支援情報Ｄについて、決定支援情報Ｄが更新されると、類似度が更新される。類似度が更新されると、類似度の高い特性を有する診療支援装置１についての統計情報Ｅに重みづけがされた状態で、複数の統計情報Ｅに基づいて第２学習モデルＭ２が更新される。すなわち、類似度の高い特性を有する診療支援装置１によって取得された決定支援情報Ｄに対して重みづけを付与した状態で第２学習モデルＭ２が更新される。
（第１実施形態による医療支援方法に関する制御処理）
次に、図９を参照して、第１実施形態による医療支援方法に関する制御処理フローについて説明する。
次に、図９を参照して、第１実施形態による医療支援方法に関する制御処理フローについて説明する。
まず、ステップ３０１において、診察情報取得部１０によって、診察情報Ａが取得される。
次に、ステップ３０２において、支援情報取得部２０によって、診察情報Ａと支援情報Ｂとが対応付けられた第１学習モデルＭ１に基づいて、取得された診察情報Ａに対応する複数の支援情報Ｂが取得される。
次に、ステップ３０３において、支援情報選択部３０によって、特性情報Ｃと、複数の支援情報Ｂとが対応付けられた第２学習モデルＭ２に基づいて、複数の支援情報Ｂのうちから、特性情報Ｃに対応する病名情報Ｂ１および処置処方情報Ｂ２を含む支援情報Ｂが選択されて取得される。
次に、ステップ３０４において、特性情報Ｃに対応する支援情報Ｂが、医師が決定可能なように表示部１３に表示されて推薦される。
次に、ステップ３０５において、取得された特性情報Ｃに対応する支援情報Ｂのうちから、医師により決定された病名情報Ｂ１を含む決定病名情報Ｄ１が取得される。
次に、ステップ３０６において、取得された特性情報Ｃに対応する支援情報Ｂのうちから、医師により決定された処置処方情報Ｂ２を含む決定処置処方情報Ｄ２が取得される。
次に、ステップ３０７において、複数の診療支援装置１によって取得された複数の統計情報ＥがネットワークＮを介してサーバ２より取得される。
次に、ステップ３０８において、第２学習モデル更新部４２によって、決定病名情報Ｄ１および決定処置処方情報Ｄ２を含む決定支援情報Ｄに基づいて、第２学習モデルＭ２が更新される。また、第２学習モデル更新部４２によって、複数の医師および医療施設の少なくとも一方の各々に対応する複数の第２学習モデルＭ２に基づいて取得された決定病名情報Ｄ１および決定処置処方情報Ｄ２を含む決定支援情報Ｄに応じて、第２学習モデルＭ２が更新される。また、更新される際に、特性情報Ｃに基づいて、複数の第２学習モデルＭ２の各々に基づいて取得された決定病名情報Ｄ１および決定処置処方情報Ｄ２を含む決定支援情報Ｄに対して重みづけを付与するように第２学習モデルＭ２が更新される。
次に、ステップ３０９において、複数の第２学習モデルＭ２に基づいて取得された複数の決定処置処方情報Ｄ２に応じて第１学習モデルＭ１が更新される。
上記のように、ステップ３０１～３０９の処理を行うことによって、第１学習モデルＭ１および第２学習モデルＭ２が更新される。すなわち、診療支援システム１００を繰り返して動作させることによって更新された第１学習モデルＭ１および更新された第２学習モデルＭ２に基づいて制御処理がなされる。
（第１実施形態の効果）
第１実施形態では、以下のような効果を得ることができる。
第１実施形態では、以下のような効果を得ることができる。
第１実施形態の診療支援システム１００、診療支援方法、および、診療支援プログラムは、上記のように、診断対象の症状に関する情報である症状情報Ａ１と診断対象の臨床検査についての検査結果情報Ａ２との少なくとも一方を含む情報である診察情報Ａを取得する診察情報取得部１０と、診察情報Ａと病名情報Ｂ１を含む複数の支援情報Ｂとが対応付けられた第１学習モデルＭ１に基づいて、取得された診察情報Ａに対応する複数の支援情報Ｂを取得する支援情報取得部２０と、担当の医師および担当の医療施設の少なくとも一方の特性に関する情報である特性情報Ｃと、複数の支援情報Ｂとが対応付けられた第２学習モデルＭ２に基づいて、複数の支援情報Ｂのうちから、特性情報Ｃに対応する病名情報Ｂ１を含む支援情報Ｂを取得する支援情報選択部３０と、を備える。また、第１実施形態の診療支援システム１００では、上記の構成によって、診察情報Ａと病名情報Ｂ１を含む複数の支援情報Ｂとが対応付けられた第１学習モデルＭ１に基づいて、取得された診察情報Ａに対応する複数の支援情報Ｂを取得する支援情報取得部２０と、担当の医師および担当の医療施設の少なくとも一方の特性に関する情報である特性情報Ｃと、複数の支援情報Ｂとを対応付けられた第２学習モデルＭ２に基づいて、複数の支援情報Ｂのうちから、特性情報Ｃに対応する病名情報Ｂ１を含む支援情報Ｂを取得する。これにより、医師は、第１学習モデルＭ１により取得された複数の支援情報Ｂに対して、さらに、第２学習モデルＭ２により不適切（不必要）な支援情報Ｂが予め除外された状態で診断を行うことができる。すなわち、第１学習モデルＭ１のみによって支援情報Ｂを取得する場合に比べて、医師は、医師にとってより適切な支援情報Ｂが選択された状態で診断を決定することができる。その結果、第１学習モデルＭ１によって複数（多数）の支援情報Ｂが出力された場合においても、診断を行う際の医師の負担をより軽減することができる。また、医師は、複数の支援情報Ｂに基づいて診断を決定する際に、担当の医師および担当の医療施設の少なくとも一方の特性に関する情報である特性情報Ｃに対応するように取得されたより適切な支援情報Ｂに基づいて診断（最終的な診断）を適切に行うことができる。これらの結果、複数の支援情報Ｂに基づいて医師が診断を行う際に、医師の作業負担をより軽減するとともに、より適切な支援情報Ｂを提示することができる。
また、第１実施形態では、以下のように構成したことによって、更なる効果が得られる。
すなわち、第１実施形態では、支援情報Ｂは、病名情報Ｂ１に加えて、病名情報Ｂ１に対応する処置情報Ｂ２ａおよび処方情報Ｂ２ｂの少なくとも一方を含む処置処方情報Ｂ２を含み、特性情報Ｃに対応する病名情報Ｂ１を含む支援情報Ｂを取得するステップ３０３は、病名情報Ｂ１および処置処方情報Ｂ２の両方を含む支援情報Ｂを取得するステップ３０３である。これにより、病名情報Ｂ１のみならず、病名情報Ｂ１に対応する処置処方情報Ｂ２を支援情報Ｂとして出力することができる。すなわち、医師は、病名情報Ｂ１に加えて処置処方情報Ｂ２を支援情報Ｂとして取得することができる。また、第２学習モデルＭ２に基づいて、処置処方情報Ｂ２も含めて担当の医師および担当の医療施設の少なくとも一方に対応する支援情報Ｂとなるように取得される。すなわち、担当の医師および担当の医療施設の特性をより考慮した処置法・処方を提示することができる。そのため、複数の支援情報Ｂ（処置処方情報Ｂ２）に対して、医師にとってより適切な処置処方情報Ｂ２を選択して提示することができるため、診断を決定する際の医師の作業負担をより一層軽減することができる。
また、第１実施形態では、特性情報Ｃに対応する病名情報Ｂ１を含む支援情報Ｂを取得するステップ３０３は、医師および医療施設の少なくとも一方の地域および診療科を含む特性情報Ｃに対応する支援情報Ｂを取得するステップ３０３である。これにより、担当の医師および担当の医療施設の少なくとも一方が位置する地域に対応した支援情報Ｂと、担当の医師および担当の医療施設の少なくとも一方が属する診療科に対応した支援情報Ｂとを、複数の支援情報Ｂのうちから取得することができる。その結果、担当の医師および担当の医療施設の特性を考慮して、より適切な支援情報Ｂを取得することができる。このため、複数の支援情報Ｂから最終的な診断を決定する際に、医師は、より適切な支援情報Ｂに基づいて診断を決定することができる。
また、第１実施形態では、特性情報Ｃに対応する病名情報Ｂ１を含む支援情報Ｂを取得するステップ３０３よりも後に、特性情報Ｃに対応する支援情報Ｂを、医師が決定可能なように表示して推薦するステップ３０４をさらに備える。これにより、医師は、表示された支援情報Ｂを視認することによって、第２学習モデルＭ２に基づいて推薦された支援情報Ｂを確認することができる。このため、特性情報Ｃに対応した支援情報Ｂを視認しながら診断を容易に決定することができる。その結果、診断を決定する際の医師の負担をより一層軽減させることができる。また、上記第１実施形態のように、医師により決定された支援情報Ｂが電子カルテに自動的に入力される場合には、電子カルテに対しての入力する作業による負担を軽減することができる。
また、第１実施形態では、特性情報Ｃに対応する病名情報Ｂ１を含む支援情報Ｂを取得するステップ３０３よりも後に、取得された特性情報Ｃに対応する支援情報Ｂのうちから医師により決定された病名情報Ｂ１を含む決定病名情報Ｄ１を取得するステップ３０５と、決定病名情報Ｄ１に基づいて、第２学習モデルＭ２を更新するステップ３０８と、をさらに備える。これにより、医師によって取得された支援情報Ｂに対する決定が行われるたびに、新たな決定病名情報Ｄ１を取得することができる。すなわち、医師による決定が行われるたびに、第２学習モデルＭ２が更新されていくこととなる。そのため、医師による決定が行われるほど、担当の医師および担当の医療施設の特性を考慮したより適切な支援情報Ｂが選択されて取得することができるようになる。その結果、医師による決定が行われるほど、選択された支援情報Ｂが担当の医師および担当の医療施設の少なくとも一方にとってより適切な情報となるため、選択された支援情報Ｂに基づいて医師が診断を行う際の作業負担をより一層軽減することができる。
また、第１実施形態では、第２学習モデルＭ２を更新するステップ３０８は、複数の医師および医療施設の少なくとも一方の各々に対応する複数の第２学習モデルＭ２に基づいて取得された決定病名情報Ｄ１に基づいて、第２学習モデルＭ２を更新するステップ３０８である。これにより、複数の医師の各々によって決定された病名情報Ｂ１を含む複数の決定病名情報Ｄ１に基づいて、第２学習モデルＭ２を更新することができる。そのため、医師の専門とする診療科以外の症例や、医師の経験のない症例についても、他の医師の決定病名情報Ｄ１を取得することによって第２学習モデルＭ２を更新することができる。その結果、医師にとって経験が少ない症例に関する情報についても支援情報Ｂとして出力することができるため、経験の少ない症例を診断する際により適切な情報を提供することができる。
また、第１実施形態では、第２学習モデルＭ２を更新するステップ３０８は、更新される際に、特性情報Ｃに基づいて、複数の第２学習モデルＭ２の各々の決定病名情報Ｄ１に対して重みづけを付与するように第２学習モデルＭ２を更新するステップ３０８である。これにより、複数の医師および複数の医療施設の少なくとも一方に関する複数の特性情報Ｃに基づいて、同じ診療科であるなどの類似度が高い特性同士では重みづけを大きくするとともに、類似度が低い特性同士では重みづけを小さくした状態で、第２学習モデルＭ２を更新することができる。すなわち、近しい特性（類似度が高い特性）をもつ医師および医療施設の少なくとも一方によって取得された決定病名情報Ｄ１を重視して第２学習モデルＭ２を更新することができる。その結果、医師にとって特性の近い他の医師の決定に基づいて支援情報Ｂを選択するように第２学習モデルＭ２を更新することができるため、医師が診断を決定する際に、より適切な支援情報Ｂを提示することができる。
また、第１実施形態では、支援情報Ｂは、病名情報Ｂ１に加えて、病名情報Ｂ１に対応する処置情報Ｂ２ａおよび処方情報Ｂ２ｂの少なくとも一方を含む処置処方情報Ｂ２を含み、特性情報Ｃに対応する病名情報Ｂ１を含む支援情報Ｂを取得するステップ３０３よりも後に、取得された特性情報Ｃに対応する支援情報Ｂのうちから医師により決定された処置処方情報Ｂ２を含む決定処置処方情報Ｄ２を取得するステップ３０６と、決定処置処方情報Ｄ２に基づいて、第２学習モデルＭ２を更新するステップ３０８と、をさらに備える。これにより、病名情報Ｂ１に加えて処置処方情報Ｂ２においても、診断を決定するたびに取得される決定処置処方情報Ｄ２に基づいて第２学習モデルＭ２が更新されることとなる。そのため、担当の医師および担当の医療施設の少なくとも一方の特性に合わせた処置・処方が含まれる支援情報Ｂが選択されるように第２学習モデルＭ２を更新することができる。その結果、医師および医療施設の少なくとも一方にとって、より適した支援情報Ｂが選択されるため、処置・処方についても決定する際の作業負担をより一層軽減することができる。
また、第１実施形態では、第２学習モデルＭ２を更新するステップ３０８は、複数の医師および医療施設の少なくとも一方の各々に対応する複数の第２学習モデルＭ２に基づいて取得された決定処置処方情報Ｄ２に応じて、第２学習モデルＭ２を更新するステップ３０８である。これにより、複数の医師の各々によって決定された複数の処置処方情報Ｂ２を含む複数の決定処置処方情報Ｄ２に基づいて第２学習モデルＭ２を更新することができる。そのため、ある症例に対して、複数の医師が行う処置・処方についての情報を支援情報Ｂとして取得することができる。その結果、医師および医療施設の少なくとも一方にとって経験の少ない症例に、より適切な処置・処方を支援情報Ｂによって提示することができる。
また、第１実施形態では、第２学習モデルＭ２を更新するステップ３０８は、更新される際に、特性情報Ｃに基づいて、複数の第２学習モデルＭ２の各々の決定処置処方情報Ｄ２に対して重みづけを付与するように第２学習モデルＭ２を更新するステップ３０８である。これにより、複数の医師および複数の医療施設の少なくとも一方に関する複数の特性情報Ｃに基づいて、同じ診療科であるなどの類似度が高い特性同士では重みづけを大きくするとともに、類似度が低い特性同士では重みづけを小さくした状態で、第２学習モデルＭ２を更新することができる。すなわち、近しい特性（類似度が高い特性）をもつ医師および医療施設の少なくとも一方によって取得された決定処置処方情報Ｄ２を重視して第２学習モデルＭ２を更新することができる。その結果、病名（症例）に対して、特性の近い他の医師が行う処置・処方を重視して支援情報Ｂが選択されるようになるため、医師にとって処置・処方を決定する際に、より適切な支援情報Ｂを提示することができる。
また、第１実施形態では、決定された処置処方情報Ｂ２を含む決定処置処方情報Ｄ２を取得するステップ３０６よりも後に、複数の第２学習モデルＭ２に基づいて取得された複数の決定処置処方情報Ｄ２に応じて第１学習モデルＭ１を更新するステップ３０９、をさらに備え、診察情報Ａに対応する複数の支援情報Ｂを取得するステップ３０２は、更新された第１学習モデルＭ１に基づいて、複数の支援情報Ｂを取得するステップ３０２である。これにより、複数の医師によって決定された処置処方情報Ｂ２を含む複数の決定処置処方情報Ｄ２に基づいて第１学習モデルＭ１が更新されるので、たとえば、複数の医師における処置・処方の使用率についての情報を取得することができる。そして、複数の医師によって行われている処置・処方についての情報がくり返し更新されることとなるため、同じ症例に対して、統計的に頻度が高い処置・処方を支援情報Ｂとして取得することができる。その結果、処置・処方に関して、よく用いられている方法を取得することができるので、医師がより適切な方法について調査する手間を削減することができる。
また、第１実施形態では、特性情報Ｃに対応する病名情報Ｂ１を含む支援情報Ｂを取得するステップ３０３は、複数の支援情報Ｂのうちから、特性情報Ｃに対応する支援情報Ｂを選択して取得するステップ３０３である。これにより、第２学習モデルＭ２に基づいて、複数の支援情報Ｂのうちから、担当の医師および担当の医療施設の少なくとも一方に対応する支援情報Ｂを選択するとともに、担当の医師および担当の医療施設の少なくとも一方に対応しない支援情報Ｂを除外することができる。その結果、第１学習モデルＭ１に基づいて出力された複数の支援情報Ｂより、点数の少ない支援情報Ｂが第２学習モデルＭ２に基づいて出力されるため、取得された支援情報Ｂに基づいて診断を行う際の医師の作業負担をより一層軽減することができる。
また、第１実施形態では、取得した診察情報Ａを送信する複数の診療支援装置１（通信端末）と、複数の診療支援装置１とネットワークＮを介して通信可能なように構成されたサーバ２をさらに備え、サーバ２は、支援情報取得部２０を含むように構成されている。これにより、サーバ２は、遠隔地に配置されている複数の診療支援装置１から、診察情報Ａを取得することができる。そのため、遠隔地に配置されている複数の診療支援装置１によって取得された複数の診察情報Ａによって、ビッグデータを生成するとともに、第１学習モデルＭ１を更新させることができる。その結果、更新された第１学習モデルＭ１によって診断結果としてより精度の高い支援情報Ｂを取得することができるようになる。また、サーバ２に第１学習モデルＭ１を備えさせておくことによって、診療支援装置１の各々について第１学習モデルＭ１を備えていなくとも、サーバ２との通信によって、取得された診察情報Ａに対応する複数の支援情報Ｂを取得することができる。その結果、診療支援装置１の構成が複雑化することを抑制することができる。
また、第１実施形態では、第２学習モデルＭ２を生成するステップ１０４は、病名情報Ｂ１に加えて、病名情報Ｂ１に対応する処置情報Ｂ２ａおよび処方情報Ｂ２ｂの少なくとも一方を含む処置処方情報Ｂ２を含む支援情報Ｂを取得するための第２学習モデルＭ２を生成するステップ１０４である。これにより、病名情報Ｂ１のみならず、病名情報Ｂ１に対応する処置処方情報Ｂ２を支援情報Ｂとして出力することができる。すなわち、医師は、病名情報Ｂ１に加えて処置処方情報Ｂ２を支援情報Ｂとして取得することができる。また、第２学習モデルＭ２に基づいて、処置処方情報Ｂ２も含めて担当の医師および担当の医療施設の少なくとも一方に対応する支援情報Ｂとなるように取得される。すなわち、担当の医師および担当の医療施設の特性をより考慮した処置法・処方を提示することができる。そのため、複数の支援情報Ｂ（処置処方情報Ｂ２）に対して、医師にとってより適切な処置処方情報Ｂ２を選択して提示することができるため、診断を決定する際の医師の作業負担をより一層軽減することができる。
また、第１実施形態では、取得された特性情報Ｃに対応する支援情報Ｂのうちから、医師により決定された支援情報Ｂを決定支援情報Ｄとして取得する制御と、決定支援情報Ｄに基づいて、第２学習モデルＭ２を更新する制御とを、コンピュータ１１にさらに実行させる。これにより、医師によって取得された支援情報Ｂに対する決定が行われるたびに、新たな決定支援情報Ｄを取得することができる。すなわち、医師による決定が行われるたびに、第２学習モデルＭ２が更新されていくこととなる。そのため、医師による決定が行われるほど、担当の医師および担当の医療施設の特性を考慮したより適切な支援情報Ｂが選択されて取得することができるようになる。その結果、医師による決定が行われるほど、選択された支援情報Ｂが担当の医師および担当の医療施設の少なくとも一方にとってより適切な情報となるため、選択された支援情報Ｂに基づいて医師が診断を行う際の作業負担をより一層軽減することができる。
［第２実施形態］
図１０を参照して、第２実施形態による診療支援システム２００の構成について説明する。この第２実施形態は、第２学習モデル生成部３２を備えるように構成された第１実施形態とは異なり、担当の医師とは異なる医師による決定に基づいて取得された決定支援情報Ｄによって、学習がなされた第２学習モデルＭ２０２を予め備えるように構成されている。なお、図中において、上記第１実施形態と同様の構成の部分には、同一の符号を付して図示するとともに説明を省略する。
図１０を参照して、第２実施形態による診療支援システム２００の構成について説明する。この第２実施形態は、第２学習モデル生成部３２を備えるように構成された第１実施形態とは異なり、担当の医師とは異なる医師による決定に基づいて取得された決定支援情報Ｄによって、学習がなされた第２学習モデルＭ２０２を予め備えるように構成されている。なお、図中において、上記第１実施形態と同様の構成の部分には、同一の符号を付して図示するとともに説明を省略する。
（第２実施形態による診療支援システム２００の構成）
図１０に示すように、本発明の第２実施形態による診療支援システム２００は、診療支援装置２０１を備えるように構成されている。
図１０に示すように、本発明の第２実施形態による診療支援システム２００は、診療支援装置２０１を備えるように構成されている。
具体的には、診療支援装置２０１は、コンピュータ２１１と、第２学習モデルＭ２０２とを含む。コンピュータ２１１は、学習がなされた第２学習モデルＭ２０２を取得するように構成されている。そして、学習がなされた第２学習モデルＭ２０２に基づいて、支援情報取得部２０によって出力された複数の支援情報Ｂのうちから、特性情報Ｃに対応した支援情報Ｂを選択して取得するように構成されている。また、第２学習モデルＭ２０２は、担当の医師および担当の医療施設の少なくとも一方の特性と、類似度の高い特性を有する医師および医療施設による決定支援情報Ｄに基づいて生成されている。なお、第２実施形態のその他の構成については、第１実施形態と同様である。
（第２実施形態の効果）
第２実施形態では、以下のような効果を得ることができる。
第２実施形態では、以下のような効果を得ることができる。
第２実施形態では、上記のように、担当の医師とは異なる医師による決定に基づいて取得された決定支援情報Ｄによって、学習がなされた第２学習モデルＭ２を予め備えるように構成されている。このように構成すれば、はじめから、学習がなされた状態で、複数の支援情報Ｂのうちから、特性情報Ｃに対応する支援情報Ｂを選択することができる。また、第２学習モデルＭ２０２が、類似度の高い特性を有する医師による決定支援情報Ｄに基づいて生成されているため、担当の医師および担当の医療施設の少なくとも一方の特性に関する特性情報Ｃにより対応した支援情報Ｂが選択することができる。その結果、繰り返し担当の医師による決定がなされる前に、特性情報Ｃに対応した支援情報Ｂを選択することができるため、第２学習モデルＭ２０２を更新する手間を軽減することができる。
なお、第２実施形態のその他の効果は、上記第１実施形態と同様である。
［変形例］
なお、今回開示された実施形態は、すべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は、上記した実施形態の説明ではなく特許請求の範囲によって示され、さらに特許請求の範囲と均等の意味および範囲内でのすべての変更（変形例）が含まれる。
なお、今回開示された実施形態は、すべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は、上記した実施形態の説明ではなく特許請求の範囲によって示され、さらに特許請求の範囲と均等の意味および範囲内でのすべての変更（変形例）が含まれる。
たとえば、上記第１および第２実施形態では、機械学習によって生成された第２学習モデルＭ２に基づいて、複数の支援情報Ｂのうちから、特性情報Ｃに対応した支援情報Ｂを選択する例を示したが、本発明はこれに限られない。たとえば、特性情報Ｃに基づいて、特性情報Ｃと支援情報Ｂとが関連付けられたルールベースを予め取得させておくことによって、複数の支援情報Ｂのうちから、特性情報Ｃに対応する支援情報Ｂを選択してフィルタリングを行うようにしてもよい。
また、上記第１および第２実施形態では、複数の診療支援装置１を備える例を示したが、本発明はこれに限られない。たとえば、１つの診療支援装置１を備えるように構成するように構成してもよい。すなわち、複数の診療支援装置１による特性情報Ｃおよび決定支援情報Ｄに基づいて第２学習モデルＭ２を更新するのではなく、１つの診療支援装置１における担当の医師による特性情報Ｃおよび決定支援情報Ｄに基づいて第２学習モデルＭ２を更新するように構成されていてもよい。
また、上記第１および第２実施形態では、１つの診療支援装置１において１つの第２学習モデルＭ２を設ける例を示したが、本発明はこれに限られない。１つの診療支援装置１を複数の医師で利用する場合、複数の医師の各々について特性情報Ｃを取得するとともに、複数の医師の各々について第２学習モデルＭ２を生成するようにしてもよい。
また、上記第１および第２実施形態では、電子カルテシステムに対する入力によって診察情報Ａを取得する例を示したが、本発明はこれに限られない。たとえば、診療支援のみを目的としたアプリケーションを用いて診察情報Ａを取得するようにしてもよい。
また、上記第１実施形態および第２実施形態では、支援情報Ｂは、病名情報Ｂ１に加えて、病名情報Ｂ１に対応する処置情報Ｂ２ａおよび処方情報Ｂ２ｂの少なくとも一方を含む処置処方情報Ｂ２を含み、特性情報Ｃに対応する病名情報Ｂ１を含む支援情報Ｂを取得するステップは、病名情報Ｂ１および処置処方情報Ｂ２の両方を含む支援情報Ｂを取得するステップである例を示したが、本発明はこれに限られない。たとえば、支援情報Ｂを、処置処方情報Ｂ２を含まず、病名情報Ｂ１のみを含むように構成してもよい。
また、上記第１実施形態および第２実施形態では、特性情報Ｃに対応する病名情報Ｂ１を含む支援情報Ｂを取得するステップは、医師および医療施設の少なくとも一方の地域および診療科を含む特性情報Ｃに対応する支援情報Ｂを取得するステップである例を示したが、本発明はこれに限られない。たとえば、特性情報Ｃに、担当の医療施設の位置する地域についての情報を含ませないようにしてもよい。
また、上記第１実施形態および第２実施形態では、特性情報Ｃに対応する病名情報Ｂ１を含む支援情報Ｂを取得するステップよりも後に、特性情報Ｃに対応する支援情報Ｂを、医師が決定可能なように表示して推薦するステップをさらに備える例を示したが、本発明はこれに限られない。たとえば、表示部１３に対する表示によって、医師に対して支援情報Ｂを提示するのではなく、紙面に印刷することによって支援情報Ｂを出力するようにしてもよい。また、支援情報Ｂが音声によって出力されるようにしてもよい。
また、上記第１実施形態および第２実施形態では、特性情報Ｃに対応する病名情報Ｂ１を含む支援情報Ｂを取得するステップよりも後に、取得された特性情報Ｃに対応する支援情報Ｂのうちから医師により決定された病名情報Ｂ１を含む決定病名情報Ｄ１を取得するステップと、決定病名情報Ｄ１に基づいて、第２学習モデルＭ２を更新するステップと、をさらに備える例を示したが、本発明はこれに限られない。たとえば、決定病名情報Ｄ１ではなく、入力された診察情報Ａに基づいて第２学習モデルＭ２を更新するようにしてもよい。
また、上記第１および第２実施形態では、取得された特性情報Ｃに対応する支援情報Ｂのうちから、医師により決定された支援情報Ｂを診察情報Ａと関連付けて決定支援情報Ｄとして取得する例を示したが、本発明はこれに限られない。たとえば、医師により決定された支援情報Ｂを、第１学習モデルＭ１に基づいて取得された複数の支援情報Ｂと関連付けて決定支援情報Ｄとして取得するように構成してもよい。
また、上記第１実施形態および第２実施形態では、第２学習モデルＭ２を更新するステップは、複数の医師および医療施設の少なくとも一方に対応する複数の第２学習モデルＭ２に基づいて取得された決定病名情報Ｄ１に応じて、第２学習モデルＭ２を更新するステップである例を示したが、本発明はこれに限られない。たとえば、複数の第２学習モデルＭ２に基づいて取得された決定病名情報Ｄ１に加えて、複数の第２学習モデルＭ２に基づいて取得された特性情報Ｃに対応した支援情報Ｂに基づいて第２学習モデルＭ２が更新されるようにしてもよい。
また、上記第１実施形態および第２実施形態では、第２学習モデルＭ２を更新するステップは、更新される際に、特性情報Ｃに基づいて、複数の第２学習モデルＭ２の各々の決定病名情報Ｄ１に対して重みづけを付与するように第２学習モデルＭ２を更新するステップである例を示したが、本発明はこれに限られない。たとえば、複数の決定病名情報Ｄ１について重みづけを行わずに、複数の決定病名情報Ｄ１を均等に用いて第２学習モデルＭ２を更新するようにしてもよい。
また、上記第１実施形態および第２実施形態では、決定された処置処方情報Ｂ２を含む決定処置処方情報Ｄ２を取得するステップよりも後に、複数の第２学習モデルＭ２に基づいて取得された複数の決定処置処方情報Ｄ２に応じて第１学習モデルＭ１を更新するステップ、をさらに備え、診察情報Ａに対応する複数の支援情報Ｂを取得するステップは、更新された第１学習モデルＭ１に基づいて、複数の支援情報Ｂを取得するステップである例を示したが、本発明はこれに限られない。たとえば、複数の決定処置処方情報Ｄ２に加えて複数の決定病名情報Ｄ１を用いて第１学習モデルＭ１を更新するようにしてもよい。また、医療情報データベース２１が更新されることによって、第１学習モデルＭ１が更新されるようにしてもよい。
また、上記第１実施形態および第２実施形態では、特性情報Ｃに対応する病名情報Ｂ１を含む支援情報Ｂを取得するステップは、複数の支援情報Ｂのうちから、特性情報Ｃに対応する支援情報Ｂを選択して取得するステップである例を示したが、本発明はこれに限られない。たとえば、特性情報Ｃに基づいて、複数の支援情報Ｂの表示する並び順を変更するようにして、特性情報Ｃに対応する支援情報Ｂを提示するようにしてもよい。
また、上記第１実施形態および第２実施形態では、取得した診察情報Ａを送信する複数の診療支援装置１（通信端末）と、複数の診療支援装置１とネットワークＮを介して通信可能なように構成されたサーバ２をさらに備え、サーバ２は、支援情報取得部２０を含むように構成されている例を示したが、本発明はこれに限られない。たとえば、支援情報取得部２０が、診療支援装置１に設けられるようにしてもよい。また、サーバ２に、支援情報取得部２０に加えて、支援情報選択部３０が設けられるように構成してもよい。
また、上記第１実施形態および第２実施形態では、サーバ２はクラウド（クラウドコンピューティング）上に構築される例を示したが、本発明はこれに限られない。たとえば、サーバ２が１つのハードウェアに構築されるようにしてもよい。
［態様］
上記した例示的な実施形態は、以下の態様の具体例であることが当業者により理解される。
上記した例示的な実施形態は、以下の態様の具体例であることが当業者により理解される。
（項目１）
診断対象の症状に関する情報である症状情報と前記診断対象の臨床検査についての検査結果情報との少なくとも一方を含む情報である診察情報を取得するステップと、
前記診察情報と病名情報を含む複数の支援情報とが対応付けられた第１学習モデルに基づいて、取得された前記診察情報に対応する前記複数の支援情報を取得するステップと、
担当の医師および担当の医療施設の少なくとも一方の特性に関する情報である特性情報と、前記複数の支援情報とが対応付けられた第２学習モデルに基づいて、前記複数の支援情報のうちから、前記特性情報に対応する前記病名情報を含む前記支援情報を取得するステップと、を備える、診療支援方法。
診断対象の症状に関する情報である症状情報と前記診断対象の臨床検査についての検査結果情報との少なくとも一方を含む情報である診察情報を取得するステップと、
前記診察情報と病名情報を含む複数の支援情報とが対応付けられた第１学習モデルに基づいて、取得された前記診察情報に対応する前記複数の支援情報を取得するステップと、
担当の医師および担当の医療施設の少なくとも一方の特性に関する情報である特性情報と、前記複数の支援情報とが対応付けられた第２学習モデルに基づいて、前記複数の支援情報のうちから、前記特性情報に対応する前記病名情報を含む前記支援情報を取得するステップと、を備える、診療支援方法。
（項目２）
前記支援情報は、前記病名情報に加えて、前記病名情報に対応する処置情報および処方情報の少なくとも一方を含む処置処方情報を含み、
前記特性情報に対応する前記病名情報を含む前記支援情報を取得するステップは、前記病名情報および前記処置処方情報の両方を含む前記支援情報を取得するステップである、項目１に記載の診療支援方法。
前記支援情報は、前記病名情報に加えて、前記病名情報に対応する処置情報および処方情報の少なくとも一方を含む処置処方情報を含み、
前記特性情報に対応する前記病名情報を含む前記支援情報を取得するステップは、前記病名情報および前記処置処方情報の両方を含む前記支援情報を取得するステップである、項目１に記載の診療支援方法。
（項目３）
前記特性情報に対応する前記病名情報を含む前記支援情報を取得するステップは、前記担当の医師および前記担当の医療施設の少なくとも一方の地域および診療科を含む前記特性情報に対応する前記支援情報を取得するステップである、項目１または２に記載の診療支援方法。
前記特性情報に対応する前記病名情報を含む前記支援情報を取得するステップは、前記担当の医師および前記担当の医療施設の少なくとも一方の地域および診療科を含む前記特性情報に対応する前記支援情報を取得するステップである、項目１または２に記載の診療支援方法。
（項目４）
前記特性情報に対応する前記病名情報を含む前記支援情報を取得するステップよりも後に、前記特性情報に対応する前記支援情報を、前記医師が決定可能なように表示して推薦するステップをさらに備える、項目１～３のいずれか１項に記載の診療支援方法。
前記特性情報に対応する前記病名情報を含む前記支援情報を取得するステップよりも後に、前記特性情報に対応する前記支援情報を、前記医師が決定可能なように表示して推薦するステップをさらに備える、項目１～３のいずれか１項に記載の診療支援方法。
（項目５）
前記特性情報に対応する前記病名情報を含む前記支援情報を取得するステップよりも後に、取得された前記特性情報に対応する前記支援情報のうちから前記医師により決定された前記病名情報を含む決定病名情報を取得するステップと、
前記決定病名情報に基づいて、前記第２学習モデルを更新するステップと、をさらに備える、項目１～４のいずれか１項に記載の診療支援方法。
前記特性情報に対応する前記病名情報を含む前記支援情報を取得するステップよりも後に、取得された前記特性情報に対応する前記支援情報のうちから前記医師により決定された前記病名情報を含む決定病名情報を取得するステップと、
前記決定病名情報に基づいて、前記第２学習モデルを更新するステップと、をさらに備える、項目１～４のいずれか１項に記載の診療支援方法。
（項目６）
前記第２学習モデルを更新するステップは、複数の前記医師および前記医療施設の少なくとも一方に対応する複数の前記第２学習モデルに基づいて取得された前記決定病名情報に応じて、前記第２学習モデルを更新するステップである、項目５に記載の診療支援方法。
前記第２学習モデルを更新するステップは、複数の前記医師および前記医療施設の少なくとも一方に対応する複数の前記第２学習モデルに基づいて取得された前記決定病名情報に応じて、前記第２学習モデルを更新するステップである、項目５に記載の診療支援方法。
（項目７）
前記第２学習モデルを更新するステップは、更新される際に、前記特性情報に基づいて、前記複数の第２学習モデルの各々に基づいて取得された前記決定病名情報に対して重みづけを付与するように前記第２学習モデルを更新するステップである、項目６に記載の診療支援方法。
前記第２学習モデルを更新するステップは、更新される際に、前記特性情報に基づいて、前記複数の第２学習モデルの各々に基づいて取得された前記決定病名情報に対して重みづけを付与するように前記第２学習モデルを更新するステップである、項目６に記載の診療支援方法。
（項目８）
前記支援情報は、前記病名情報に加えて、前記病名情報に対応する処置情報および処方情報の少なくとも一方を含む処置処方情報を含み、
前記特性情報に対応する前記病名情報を含む前記支援情報を取得するステップよりも後に、取得された前記特性情報に対応する前記支援情報のうちから前記医師により決定された前記処置処方情報を含む決定処置処方情報を取得するステップと、
前記決定処置処方情報に基づいて、前記第２学習モデルを更新するステップと、をさらに備える、項目１～７のいずれか１項に記載の診療支援方法。
前記支援情報は、前記病名情報に加えて、前記病名情報に対応する処置情報および処方情報の少なくとも一方を含む処置処方情報を含み、
前記特性情報に対応する前記病名情報を含む前記支援情報を取得するステップよりも後に、取得された前記特性情報に対応する前記支援情報のうちから前記医師により決定された前記処置処方情報を含む決定処置処方情報を取得するステップと、
前記決定処置処方情報に基づいて、前記第２学習モデルを更新するステップと、をさらに備える、項目１～７のいずれか１項に記載の診療支援方法。
（項目９）
前記第２学習モデルを更新するステップは、複数の前記医師および前記医療施設の少なくとも一方に対応する複数の前記第２学習モデルに基づいて取得された前記決定処置処方情報に応じて、前記第２学習モデルを更新するステップである、項目８に記載の診療支援方法。
前記第２学習モデルを更新するステップは、複数の前記医師および前記医療施設の少なくとも一方に対応する複数の前記第２学習モデルに基づいて取得された前記決定処置処方情報に応じて、前記第２学習モデルを更新するステップである、項目８に記載の診療支援方法。
（項目１０）
前記第２学習モデルを更新するステップは、更新される際に、前記特性情報に基づいて、前記複数の第２学習モデルの各々に基づいて取得された前記決定処置処方情報に対して重みづけを付与するように前記第２学習モデルを更新するステップである、項目９に記載の診療支援方法。
前記第２学習モデルを更新するステップは、更新される際に、前記特性情報に基づいて、前記複数の第２学習モデルの各々に基づいて取得された前記決定処置処方情報に対して重みづけを付与するように前記第２学習モデルを更新するステップである、項目９に記載の診療支援方法。
（項目１１）
決定された前記処置処方情報を含む前記決定処置処方情報を取得するステップよりも後に、複数の前記第２学習モデルに基づいて取得された複数の前記決定処置処方情報に応じて前記第１学習モデルを更新するステップ、をさらに備え、
前記診察情報に対応する複数の前記支援情報を取得するステップは、更新された前記第１学習モデルに基づいて、複数の前記支援情報を取得するステップである、項目８～１０のいずれか１項に記載の診療支援方法。
決定された前記処置処方情報を含む前記決定処置処方情報を取得するステップよりも後に、複数の前記第２学習モデルに基づいて取得された複数の前記決定処置処方情報に応じて前記第１学習モデルを更新するステップ、をさらに備え、
前記診察情報に対応する複数の前記支援情報を取得するステップは、更新された前記第１学習モデルに基づいて、複数の前記支援情報を取得するステップである、項目８～１０のいずれか１項に記載の診療支援方法。
（項目１２）
前記特性情報に対応する前記病名情報を含む前記支援情報を取得するステップは、前記複数の支援情報のうちから、前記特性情報に対応する前記支援情報を選択して取得するステップである、項目１～１１のいずれか１項に記載の診療支援方法。
前記特性情報に対応する前記病名情報を含む前記支援情報を取得するステップは、前記複数の支援情報のうちから、前記特性情報に対応する前記支援情報を選択して取得するステップである、項目１～１１のいずれか１項に記載の診療支援方法。
（項目１３）
診断対象の症状に関する情報である症状情報と前記診断対象の臨床検査についての検査結果情報との少なくとも一方を含む情報である診察情報を取得する診察情報取得部と、
前記診察情報と病名情報を含む複数の支援情報とが対応付けられた第１学習モデルに基づいて、取得された前記診察情報に対応する前記複数の支援情報を取得する支援情報取得部と、
担当の医師および担当の医療施設の少なくとも一方の特性に関する情報である特性情報と、前記複数の支援情報とが対応付けられた第２学習モデルに基づいて、前記複数の支援情報のうちから、前記特性情報に対応する前記病名情報を含む前記支援情報を取得する支援情報選択部と、を備える、診療支援システム。
診断対象の症状に関する情報である症状情報と前記診断対象の臨床検査についての検査結果情報との少なくとも一方を含む情報である診察情報を取得する診察情報取得部と、
前記診察情報と病名情報を含む複数の支援情報とが対応付けられた第１学習モデルに基づいて、取得された前記診察情報に対応する前記複数の支援情報を取得する支援情報取得部と、
担当の医師および担当の医療施設の少なくとも一方の特性に関する情報である特性情報と、前記複数の支援情報とが対応付けられた第２学習モデルに基づいて、前記複数の支援情報のうちから、前記特性情報に対応する前記病名情報を含む前記支援情報を取得する支援情報選択部と、を備える、診療支援システム。
（項目１４）
取得した前記診察情報を送信する複数の通信端末と、
前記複数の通信端末とネットワークを介して通信可能なように構成されたサーバをさらに備え、
前記サーバは、前記支援情報取得部を含むように構成されている、項目１３に記載の診療支援システム。
取得した前記診察情報を送信する複数の通信端末と、
前記複数の通信端末とネットワークを介して通信可能なように構成されたサーバをさらに備え、
前記サーバは、前記支援情報取得部を含むように構成されている、項目１３に記載の診療支援システム。
（項目１５）
診断対象の症状に関する情報である症状情報と前記診断対象の臨床検査についての検査結果情報との少なくとも一方を含む情報である診察情報と、病名情報を含む複数の支援情報とが対応付けられた第１学習モデルに基づいて、取得された前記診察情報に対応する前記複数の支援情報を取得するステップと、
担当の医師および担当の医療施設の少なくとも一方の特性に関する情報である特性情報を取得するステップと、
前記複数の支援情報および前記特性情報に基づいて、前記特性情報に対応する前記支援情報を取得するための第２学習モデルを機械学習により生成するステップと、を備える、学習モデルの生成方法。
診断対象の症状に関する情報である症状情報と前記診断対象の臨床検査についての検査結果情報との少なくとも一方を含む情報である診察情報と、病名情報を含む複数の支援情報とが対応付けられた第１学習モデルに基づいて、取得された前記診察情報に対応する前記複数の支援情報を取得するステップと、
担当の医師および担当の医療施設の少なくとも一方の特性に関する情報である特性情報を取得するステップと、
前記複数の支援情報および前記特性情報に基づいて、前記特性情報に対応する前記支援情報を取得するための第２学習モデルを機械学習により生成するステップと、を備える、学習モデルの生成方法。
（項目１６）
前記第２学習モデルを生成するステップは、前記病名情報に加えて、前記病名情報に対応する処置情報および処方情報の少なくとも一方を含む処置処方情報を含む前記支援情報を取得するための前記第２学習モデルを生成するステップである、項目１５に記載の学習モデルの生成方法。
前記第２学習モデルを生成するステップは、前記病名情報に加えて、前記病名情報に対応する処置情報および処方情報の少なくとも一方を含む処置処方情報を含む前記支援情報を取得するための前記第２学習モデルを生成するステップである、項目１５に記載の学習モデルの生成方法。
（項目１７）
診断対象の症状に関する情報である症状情報と前記診断対象の臨床検査についての検査結果情報との少なくとも一方を含む情報である診察情報を取得する制御と、
前記診察情報と病名情報を含む複数の支援情報とが対応付けられた第１学習モデルに基づいて、取得された前記診察情報に対応する前記複数の支援情報を取得する制御と、
担当の医師および担当の医療施設の少なくとも一方の特性に関する情報である特性情報と、前記複数の支援情報とが対応付けられた第２学習モデルに基づいて、前記複数の支援情報のうちから、前記特性情報に対応する前記病名情報を含む前記支援情報を取得する制御と、をコンピュータに実行させる、診療支援プログラム。
診断対象の症状に関する情報である症状情報と前記診断対象の臨床検査についての検査結果情報との少なくとも一方を含む情報である診察情報を取得する制御と、
前記診察情報と病名情報を含む複数の支援情報とが対応付けられた第１学習モデルに基づいて、取得された前記診察情報に対応する前記複数の支援情報を取得する制御と、
担当の医師および担当の医療施設の少なくとも一方の特性に関する情報である特性情報と、前記複数の支援情報とが対応付けられた第２学習モデルに基づいて、前記複数の支援情報のうちから、前記特性情報に対応する前記病名情報を含む前記支援情報を取得する制御と、をコンピュータに実行させる、診療支援プログラム。
（項目１８）
取得された前記特性情報に対応する前記支援情報のうちから、前記医師により決定された前記支援情報を決定支援情報として取得する制御と、
前記決定支援情報に基づいて、前記第２学習モデルを更新する制御とを、前記コンピュータにさらに実行させる、項目１７に記載の診療支援プログラム。
取得された前記特性情報に対応する前記支援情報のうちから、前記医師により決定された前記支援情報を決定支援情報として取得する制御と、
前記決定支援情報に基づいて、前記第２学習モデルを更新する制御とを、前記コンピュータにさらに実行させる、項目１７に記載の診療支援プログラム。
１００、２００ 診療支援システム
１、２０１ 診療支援装置（通信端末）
２ サーバ
１０ 診察情報取得部
２０ 支援情報取得部
３０ 支援情報選択部
Ａ 診察情報
Ｂ 支援情報
Ｃ 特性情報
Ｄ 決定支援情報
Ｍ１ 第１学習モデル
Ｍ２、Ｍ２０２ 第２学習モデル
１、２０１ 診療支援装置（通信端末）
２ サーバ
１０ 診察情報取得部
２０ 支援情報取得部
３０ 支援情報選択部
Ａ 診察情報
Ｂ 支援情報
Ｃ 特性情報
Ｄ 決定支援情報
Ｍ１ 第１学習モデル
Ｍ２、Ｍ２０２ 第２学習モデル
Claims (18)
- １または複数のコンピュータにより実行する診療支援方法であって、
診断対象の症状に関する情報である症状情報と前記診断対象の臨床検査についての検査結果情報との少なくとも一方を含む情報である診察情報を取得するステップと、
前記診察情報と病名情報を含む複数の支援情報とが対応付けられた第１学習モデルに基づいて、取得された前記診察情報に対応する前記複数の支援情報を取得するステップと、
担当の医師および担当の医療施設の少なくとも一方の特性に関する情報である特性情報と、前記複数の支援情報とが対応付けられた第２学習モデルに基づいて、前記複数の支援情報のうちから、前記特性情報に対応する前記病名情報を含む前記支援情報を取得するステップと、を備える、診療支援方法。 - 前記支援情報は、前記病名情報に加えて、前記病名情報に対応する処置情報および処方情報の少なくとも一方を含む処置処方情報を含み、
前記特性情報に対応する前記病名情報を含む前記支援情報を取得するステップは、前記病名情報および前記処置処方情報の両方を含む前記支援情報を取得するステップである、請求項１に記載の診療支援方法。 - 前記特性情報に対応する前記病名情報を含む前記支援情報を取得するステップは、前記担当の医師および前記担当の医療施設の少なくとも一方の地域および診療科を含む前記特性情報に対応する前記支援情報を取得するステップである、請求項１または２に記載の診療支援方法。
- 前記特性情報に対応する前記病名情報を含む前記支援情報を取得するステップよりも後に、前記特性情報に対応する前記支援情報を、前記医師が決定可能なように表示して推薦するステップをさらに備える、請求項１～３のいずれか１項に記載の診療支援方法。
- 前記特性情報に対応する前記病名情報を含む前記支援情報を取得するステップよりも後に、取得された前記特性情報に対応する前記支援情報のうちから前記医師により決定された前記病名情報を含む決定病名情報を取得するステップと、
前記決定病名情報に基づいて、前記第２学習モデルを更新するステップと、をさらに備える、請求項１～４のいずれか１項に記載の診療支援方法。 - 前記第２学習モデルを更新するステップは、複数の前記医師および前記医療施設の少なくとも一方に対応する複数の前記第２学習モデルに基づいて取得された前記決定病名情報に応じて、前記第２学習モデルを更新するステップである、請求項５に記載の診療支援方法。
- 前記第２学習モデルを更新するステップは、更新される際に、前記特性情報に基づいて、前記複数の第２学習モデルの各々に基づいて取得された前記決定病名情報に対して重みづけを付与するように前記第２学習モデルを更新するステップである、請求項６に記載の診療支援方法。
- 前記支援情報は、前記病名情報に加えて、前記病名情報に対応する処置情報および処方情報の少なくとも一方を含む処置処方情報を含み、
前記特性情報に対応する前記病名情報を含む前記支援情報を取得するステップよりも後に、取得された前記特性情報に対応する前記支援情報のうちから前記医師により決定された前記処置処方情報を含む決定処置処方情報を取得するステップと、
前記決定処置処方情報に基づいて、前記第２学習モデルを更新するステップと、をさらに備える、請求項１～７のいずれか１項に記載の診療支援方法。 - 前記第２学習モデルを更新するステップは、複数の前記医師および前記医療施設の少なくとも一方に対応する複数の前記第２学習モデルに基づいて取得された前記決定処置処方情報に応じて、前記第２学習モデルを更新するステップである、請求項８に記載の診療支援方法。
- 前記第２学習モデルを更新するステップは、更新される際に、前記特性情報に基づいて、前記複数の第２学習モデルの各々に基づいて取得された前記決定処置処方情報に対して重みづけを付与するように前記第２学習モデルを更新するステップである、請求項９に記載の診療支援方法。
- 決定された前記処置処方情報を含む前記決定処置処方情報を取得するステップよりも後に、複数の前記第２学習モデルに基づいて取得された複数の前記決定処置処方情報に応じて前記第１学習モデルを更新するステップ、をさらに備え、
前記診察情報に対応する複数の前記支援情報を取得するステップは、更新された前記第１学習モデルに基づいて、複数の前記支援情報を取得するステップである、請求項８～１０のいずれか１項に記載の診療支援方法。 - 前記特性情報に対応する前記病名情報を含む前記支援情報を取得するステップは、前記複数の支援情報のうちから、前記特性情報に対応する前記支援情報を選択して取得するステップである、請求項１～１１のいずれか１項に記載の診療支援方法。
- 診断対象の症状に関する情報である症状情報と前記診断対象の臨床検査についての検査結果情報との少なくとも一方を含む情報である診察情報を取得する診察情報取得部と、
前記診察情報と病名情報を含む複数の支援情報とが対応付けられた第１学習モデルに基づいて、取得された前記診察情報に対応する前記複数の支援情報を取得する支援情報取得部と、
担当の医師および担当の医療施設の少なくとも一方の特性に関する情報である特性情報と、前記複数の支援情報とが対応付けられた第２学習モデルに基づいて、前記複数の支援情報のうちから、前記特性情報に対応する前記病名情報を含む前記支援情報を取得する支援情報選択部と、を備える、診療支援システム。 - 取得した前記診察情報を送信する複数の通信端末と、
前記複数の通信端末とネットワークを介して通信可能なように構成されたサーバをさらに備え、
前記サーバは、前記支援情報取得部を含むように構成されている、請求項１３に記載の診療支援システム。 - １または複数のコンピュータにより実行する学習モデルの生成方法であって、
診断対象の症状に関する情報である症状情報と前記診断対象の臨床検査についての検査結果情報との少なくとも一方を含む情報である診察情報と、病名情報を含む複数の支援情報とが対応付けられた第１学習モデルに基づいて、取得された前記診察情報に対応する前記複数の支援情報を取得するステップと、
担当の医師および担当の医療施設の少なくとも一方の特性に関する情報である特性情報を取得するステップと、
前記複数の支援情報および前記特性情報に基づいて、前記特性情報に対応する前記支援情報を取得するための第２学習モデルを機械学習により生成するステップと、を備える、学習モデルの生成方法。 - 前記第２学習モデルを生成するステップは、前記病名情報に加えて、前記病名情報に対応する処置情報および処方情報の少なくとも一方を含む処置処方情報を含む前記支援情報を取得するための前記第２学習モデルを生成するステップである、請求項１５に記載の学習モデルの生成方法。
- 診断対象の症状に関する情報である症状情報と前記診断対象の臨床検査についての検査結果情報との少なくとも一方を含む情報である診察情報を取得する制御と、
前記診察情報と病名情報を含む複数の支援情報とが対応付けられた第１学習モデルに基づいて、取得された前記診察情報に対応する前記複数の支援情報を取得する制御と、
担当の医師および担当の医療施設の少なくとも一方の特性に関する情報である特性情報と、前記複数の支援情報とが対応付けられた第２学習モデルに基づいて、前記複数の支援情報のうちから、前記特性情報に対応する前記病名情報を含む前記支援情報を取得する制御と、をコンピュータに実行させる、診療支援プログラム。 - 取得された前記特性情報に対応する前記支援情報のうちから、前記医師により決定された前記支援情報を決定支援情報として取得する制御と、
前記決定支援情報に基づいて、前記第２学習モデルを更新する制御とを、前記コンピュータにさらに実行させる、請求項１７に記載の診療支援プログラム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019162284A JP7238705B2 (ja) | 2019-09-05 | 2019-09-05 | 診療支援方法、診療支援システム、学習モデルの生成方法、および、診療支援プログラム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019162284A JP7238705B2 (ja) | 2019-09-05 | 2019-09-05 | 診療支援方法、診療支援システム、学習モデルの生成方法、および、診療支援プログラム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2021039683A JP2021039683A (ja) | 2021-03-11 |
| JP7238705B2 true JP7238705B2 (ja) | 2023-03-14 |
Family
ID=74849084
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2019162284A Active JP7238705B2 (ja) | 2019-09-05 | 2019-09-05 | 診療支援方法、診療支援システム、学習モデルの生成方法、および、診療支援プログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7238705B2 (ja) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP4134974A1 (en) * | 2021-08-12 | 2023-02-15 | Koninklijke Philips N.V. | Dynamic care assistance mechanism |
| JP7271040B1 (ja) | 2022-09-22 | 2023-05-11 | Ｅｄｇｅｗａｔｅｒ株式会社 | 免疫データ治療法提供システム、免疫状態データ予測方法及びプログラム |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004030128A (ja) | 2002-06-25 | 2004-01-29 | Nec Software Kyushu Ltd | 健康医療情報共有システム，健康医療情報共有方法および健康医療情報共有プログラム |
| JP2016153961A (ja) | 2015-02-20 | 2016-08-25 | 東芝メディカルシステムズ株式会社 | 医用情報処理装置および医用情報処理方法 |
| JP2018166961A (ja) | 2017-03-30 | 2018-11-01 | キヤノン株式会社 | 情報処理装置、その制御方法及びプログラム |
-
2019
- 2019-09-05 JP JP2019162284A patent/JP7238705B2/ja active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004030128A (ja) | 2002-06-25 | 2004-01-29 | Nec Software Kyushu Ltd | 健康医療情報共有システム，健康医療情報共有方法および健康医療情報共有プログラム |
| JP2016153961A (ja) | 2015-02-20 | 2016-08-25 | 東芝メディカルシステムズ株式会社 | 医用情報処理装置および医用情報処理方法 |
| JP2018166961A (ja) | 2017-03-30 | 2018-11-01 | キヤノン株式会社 | 情報処理装置、その制御方法及びプログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2021039683A (ja) | 2021-03-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20170109477A1 (en) | System and Method for Identifying Inconsistent and/or Duplicate Data in Health Records | |
| US10290070B2 (en) | System and method for integrating data with guidelines to generate displays containing the guidelines and data | |
| US7917377B2 (en) | Patient data mining for automated compliance | |
| US8579784B2 (en) | Personalized prognosis modeling in medical treatment planning | |
| US8352289B2 (en) | Systems and methods for providing and maintaining electronic medical records | |
| US8670997B2 (en) | Quality metric extraction and editing for medical data | |
| US20020035486A1 (en) | Computerized clinical questionnaire with dynamically presented questions | |
| US20100145720A1 (en) | Method of extracting real-time structured data and performing data analysis and decision support in medical reporting | |
| US8249892B2 (en) | Method of data mining in medical applications | |
| US11031121B2 (en) | System and method for indicating the quality of information to support decision making | |
| JP5300426B2 (ja) | 保健指導支援装置及び保健指導支援プログラム | |
| US20060173858A1 (en) | Graphical medical data acquisition system | |
| JP2017519303A (ja) | 患者及び臨床医を支援するために、共有される、患者中心の意思決定サポートツールを用いるシステム及び方法 | |
| JP2017519303A5 (ja) | ||
| TW201606690A (zh) | 護理決策輔助系統 | |
| JP7238705B2 (ja) | 診療支援方法、診療支援システム、学習モデルの生成方法、および、診療支援プログラム | |
| JPWO2009025022A1 (ja) | 情報処理システム、およびプログラム | |
| JP2021524097A (ja) | 異種医用データの優先順位付け及び提示のためのシステム及び方法 | |
| US20200294682A1 (en) | Medical interview apparatus | |
| Ferdi et al. | The impact on work patterns of implementing the Save Sight keratoconus registry in the hospital setting | |
| US20110161103A1 (en) | Systems and methods for electronic medical support | |
| Muslim et al. | Expert mapping development system with disease searching sympthom based on ICD 10 | |
| JP5682657B2 (ja) | データベースシステム | |
| Richard | Psychometric testing of the Sidani and Doran therapeutic self-care scale in a home health care population | |
| Deharja et al. | Electronic Health Records Design in the Nutrition Care Center of Teaching Factory at Politeknik Negeri Jember, Indonesia |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211209 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20221111 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221122 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230112 |
|
| 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: 20230131 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230213 |
|
| R151 | Written notification of patent or utility model registration |
Ref document number: 7238705 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |