JP7271040B1 - 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 - Google Patents
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 Download PDFInfo
- Publication number
- JP7271040B1 JP7271040B1 JP2022578578A JP2022578578A JP7271040B1 JP 7271040 B1 JP7271040 B1 JP 7271040B1 JP 2022578578 A JP2022578578 A JP 2022578578A JP 2022578578 A JP2022578578 A JP 2022578578A JP 7271040 B1 JP7271040 B1 JP 7271040B1
- Authority
- JP
- Japan
- Prior art keywords
- data
- treatment
- immune
- new
- learning
- 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
- 238000002560 therapeutic procedure Methods 0.000 title claims abstract description 100
- 238000000034 method Methods 0.000 title claims abstract description 91
- 210000000987 immune system Anatomy 0.000 title 1
- 238000011282 treatment Methods 0.000 claims abstract description 202
- 238000000605 extraction Methods 0.000 claims abstract description 28
- 239000000284 extract Substances 0.000 claims abstract description 10
- 230000036039 immunity Effects 0.000 claims description 62
- 230000001225 therapeutic effect Effects 0.000 claims description 9
- 230000001900 immune effect Effects 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 2
- 238000002649 immunization Methods 0.000 claims 1
- 230000003053 immunization Effects 0.000 claims 1
- 238000012545 processing Methods 0.000 description 31
- 201000010099 disease Diseases 0.000 description 19
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 19
- 238000010586 diagram Methods 0.000 description 14
- 230000000694 effects Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000002636 symptomatic treatment Methods 0.000 description 4
- 229940126585 therapeutic drug Drugs 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 3
- 238000002360 preparation method Methods 0.000 description 3
- 230000003449 preventive effect Effects 0.000 description 3
- 206010028980 Neoplasm Diseases 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 201000011510 cancer Diseases 0.000 description 2
- 239000003153 chemical reaction reagent Substances 0.000 description 2
- 230000035622 drinking Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 210000000265 leukocyte Anatomy 0.000 description 2
- 102000004169 proteins and genes Human genes 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 102000009027 Albumins Human genes 0.000 description 1
- 108010088751 Albumins Proteins 0.000 description 1
- 208000025721 COVID-19 Diseases 0.000 description 1
- 108010044091 Globulins Proteins 0.000 description 1
- 102000006395 Globulins Human genes 0.000 description 1
- 210000001744 T-lymphocyte Anatomy 0.000 description 1
- 210000003719 b-lymphocyte Anatomy 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 235000019577 caloric intake Nutrition 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 108010074605 gamma-Globulins Proteins 0.000 description 1
- 230000036737 immune function Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 210000000822 natural killer cell Anatomy 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011369 optimal treatment Methods 0.000 description 1
- 230000004622 sleep time Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
- 235000011888 snacks Nutrition 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000002618 waking effect Effects 0.000 description 1
Images
Classifications
-
- 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
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
【課題】免疫データと治療ガイドラインを関連付けて学習して、患者に適した治療法を抽出して提供する。
【解決手段】免疫データ治療法提供システムは、免疫データおよび治療ガイドラインデータを取得する第１取得部と、取得した前記免疫データおよび前記治療ガイドラインデータを関連付けた学習データセットを作成する作成部と、作成した前記学習データセットを学習する学習部と、学習の結果に基づいて、学習済みモデルを生成する生成部と、新規患者の新規免疫データを取得する第２取得部と、生成した前記学習済みモデルを用いて、取得した新規免疫データに対応する治療ガイドラインデータの部分を判断する判断部と、判断した前記治療ガイドラインデータの部分に含まれる治療法を抽出する抽出部と、抽出した前記治療法を医師または医療機関に提供する提供部とを備える。
【選択図】図１
【解決手段】免疫データ治療法提供システムは、免疫データおよび治療ガイドラインデータを取得する第１取得部と、取得した前記免疫データおよび前記治療ガイドラインデータを関連付けた学習データセットを作成する作成部と、作成した前記学習データセットを学習する学習部と、学習の結果に基づいて、学習済みモデルを生成する生成部と、新規患者の新規免疫データを取得する第２取得部と、生成した前記学習済みモデルを用いて、取得した新規免疫データに対応する治療ガイドラインデータの部分を判断する判断部と、判断した前記治療ガイドラインデータの部分に含まれる治療法を抽出する抽出部と、抽出した前記治療法を医師または医療機関に提供する提供部とを備える。
【選択図】図１
Description
本発明は、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に関する。
Ｃｏｖｉｄ－１９や癌(悪性新生物)の罹患・回復において、免疫力が重要であることが分かっている。近年、所謂コロナ禍において免疫力の注目度は高まり、免疫機能性表示のある機能性表示食品等も増加している。そのため、医師が患者の最適な治療法を判断するには、患者の免疫状態がどうなっているか把握した上で、治療法を判断することが期待されている。
様々な治療方法が確立される中で、膨大な治療法を網羅することは非常に困難である。そのため、医療従事者に対しＡＩ等を用いて症状の診断案や治療法案を提示する医療支援技術が注目されている。
例えば、医療画像と医療レポート（治療ガイドライン）から医療画像における異常の記述を生成して患者の治療順序を判定する技術（特許文献１）や、再生医療を対象とする対象動物象の品種情報と当該品種の治療実績情報とから治療方針を提供する支援システムが開示されている（特許文献２）。
しかしながら、特許文献１および特許文献２に記載の技術では、免疫データと治療ガイドラインを関連付けて学習して、患者に適した治療法を抽出して提供することはできない。
従って、本発明は、免疫データと治療ガイドラインを関連付けて学習して、患者に適した治療法を抽出して提供することを目的とする。
本発明では、以下のような解決手段を提供する。
第１の特徴に係る発明は、
免疫データと治療ガイドラインを関連付けて学習して、患者に適した治療法を抽出して提供する免疫データ治療法提供システムであって、
免疫データおよび治療ガイドラインデータを取得する第１取得部と、
取得した前記免疫データおよび前記治療ガイドラインデータを関連付けた学習データセットを作成する作成部と、
作成した前記学習データセットを学習する学習部と、
学習の結果に基づいて、学習済みモデルを生成する生成部と、
新規患者の新規免疫データを取得する第２取得部と、
生成した前記学習済みモデルを用いて、取得した新規免疫データに対応する治療ガイドラインデータの部分を判断する判断部と、
判断した前記治療ガイドラインデータの部分に含まれる治療法を抽出する抽出部と、
抽出した前記治療法を医師または医療機関に提供する提供部と、
を備える免疫データ治療法提供システムを提供する。
免疫データと治療ガイドラインを関連付けて学習して、患者に適した治療法を抽出して提供する免疫データ治療法提供システムであって、
免疫データおよび治療ガイドラインデータを取得する第１取得部と、
取得した前記免疫データおよび前記治療ガイドラインデータを関連付けた学習データセットを作成する作成部と、
作成した前記学習データセットを学習する学習部と、
学習の結果に基づいて、学習済みモデルを生成する生成部と、
新規患者の新規免疫データを取得する第２取得部と、
生成した前記学習済みモデルを用いて、取得した新規免疫データに対応する治療ガイドラインデータの部分を判断する判断部と、
判断した前記治療ガイドラインデータの部分に含まれる治療法を抽出する抽出部と、
抽出した前記治療法を医師または医療機関に提供する提供部と、
を備える免疫データ治療法提供システムを提供する。
第１の特徴に係る発明によれば、取得した免疫データと治療ガイドラインとから、前記免疫データおよび前記治療ガイドラインデータを関連付けた学習データセットを作成し、作成した前記学習データセットを学習して学習済みモデルを生成し、生成した前記学習済みモデルに基づいて、新たに取得した免疫データから当該免疫データに対応する治療ガイドラインデータの部分を判断して、治療法を抽出し、当該治療法を医師または医療機関に提供することが可能である。
第２の特徴に係る発明は、第１の特徴に掛かる発明であって、
企業から広告を受け付けて、治療法に関連する広告がどれなのか判断して、判断した広告を抽出した治療法とセットにして医師に提供する免疫データ治療法提供システムを提供する。
企業から広告を受け付けて、治療法に関連する広告がどれなのか判断して、判断した広告を抽出した治療法とセットにして医師に提供する免疫データ治療法提供システムを提供する。
第２の特徴に係る発明によれば、第１の特徴に係る発明である免疫データ治療法提供システムは、前記取得した新規免疫データに対応する治療ガイドラインデータの部分から、関連する広告データを判断し、判断された前記広告データを抽出し、抽出された当該広告データを、抽出された前記治療法と共に前記医師または前記医療機関に提供することが可能である。
第３の特徴に係る発明は、第１の特徴に掛かる発明であって、
前記第１取得部は、更に、健康診断データおよび生活習慣データ、を取得し、
前記作成部は、更に、前記健康診断データおよび前記生活習慣データ、を関連付けて、前記学習データセットを作成し、
前記第２取得部は、更に、新規患者の新規健康診断データおよび新規生活習慣データを取得し、
前記判断部は、生成した前記学習済みモデルを用いて、取得した新規免疫データ、新規健康診断データ、および新規生活習慣データ、に対応する治療ガイドラインデータの部分を判断する免疫データ治療法提供システムを提供する。
前記第１取得部は、更に、健康診断データおよび生活習慣データ、を取得し、
前記作成部は、更に、前記健康診断データおよび前記生活習慣データ、を関連付けて、前記学習データセットを作成し、
前記第２取得部は、更に、新規患者の新規健康診断データおよび新規生活習慣データを取得し、
前記判断部は、生成した前記学習済みモデルを用いて、取得した新規免疫データ、新規健康診断データ、および新規生活習慣データ、に対応する治療ガイドラインデータの部分を判断する免疫データ治療法提供システムを提供する。
第３の特徴に係る発明によれば、第１の特徴に係る発明である免疫データ治療法提供システムは、前記免疫データに加え、取得した前記健康診断データと、前記生活習慣データと、前記治療ガイドラインデータとを関連付けて学習データセットを作成し、作成した前記学習データセットを学習して学習済みモデルを生成することにより、治療法の判断精度を向上することが可能である。
更に、取得した、新規患者の新規免疫データ、新規健康診断データ、新規生活習慣データから前記学習済みモデルに基づいて、前記新規免疫データ、前記新規健康診断データ、前記新規生活習慣データ、に対応する治療ガイドラインデータの部分を判断することが可能である。
前記第１取得部は、更に、医療機関から治療データを取得し、
前記作成部は、更に、治療データを関連付けて、学習データセットを作成し、
前記第２取得部は、更に、新規患者の新規治療データを取得し、
前記判断部は、生成した前記学習済みモデルを用いて、取得した新規免疫データおよび新規治療データに対応する治療ガイドラインデータの部分を判断する免疫データ治療法提供システムを提供する。
前記作成部は、更に、治療データを関連付けて、学習データセットを作成し、
前記第２取得部は、更に、新規患者の新規治療データを取得し、
前記判断部は、生成した前記学習済みモデルを用いて、取得した新規免疫データおよび新規治療データに対応する治療ガイドラインデータの部分を判断する免疫データ治療法提供システムを提供する。
第４の特徴に係る発明によれば、第１の特徴に係る発明である免疫データ治療法提供システムは、前記免疫データに加え、医療機関から取得した前記治療データと、前記治療ガイドラインデータとを関連付けて学習データセットを作成し、作成した前記学習データセットを学習して学習済みモデルを生成することにより、治療法の判断精度を向上することが可能である。
更に、取得した新規患者の新規免疫データ、新規治療データ、から前記学習済みモデルに基づいて、前記新規免疫データ、前記治療データ、に対応する治療ガイドラインデータの部分を判断することが可能である。
第１の特徴に係る発明は、システムのカテゴリであるが、方法、プログラムのカテゴリにおいても実現し、各々のカテゴリにおける構成、作用、効果を奏する。
本発明によれば、免疫データ治療法提供システム、方法、プログラムにより、医師が免疫データを利用して、患者に適した治療法を判断することが可能となる。
以下、本発明を実施するための最良の形態について図を参照しながら説明する。なお、これらは一例であって、本発明の技術的範囲は、これに限られるものではない。
[基本概要／基本構成］
図１は、免疫データ治療法提供システム１の基本概要を説明するための図である。免疫データ治療法提供システム１の基本概要について、図１に基づいて説明する。
図１は、免疫データ治療法提供システム１の基本概要を説明するための図である。免疫データ治療法提供システム１の基本概要について、図１に基づいて説明する。
図１に示すように、免疫データ治療法提供システム１は、コンピュータ２とユーザ端末３から構成される免疫データを活用した治療法提供に利用するためのコンピュータシステムである。
免疫データ治療法提供システム１のコンピュータ２は、オンプレミスサーバやオンプレミスコンピューティングシステム、またはクラウドサーバやクラウドコンピューティングシステムであって、本実施形態では、クラウドコンピューティングシステムである。
免疫データ治療法提供システム１のユーザ端末３は、ユーザ４、企業５、医師６、医療機関７、がコンピュータ２に、免疫データ１０１、治療ガイドラインデータ１０２、新規患者の新規免疫データ１０５、などを送受信するための端末であって、パソコンやノートパソコン、スマートフォンやタブレット端末等の携帯端末、スマートグラス等のヘッドマウントディスプレイやスマートウォッチといったウェアラブル端末等であってもよい。
免疫データ治療法提供システム１のコンピュータ２は、ユーザ端末３と、公衆回線網等のネットワーク１０を介して、データ通信可能に接続し、必要なデータや情報の送受信を実行してもよい。
また、ユーザ端末３、ユーザ４、企業５、医師６、医療機関７、は複数存在してもよいものとする。
免疫データ治療法提供システム１のコンピュータ２は、ユーザ端末３から免疫データ１０１と、治療ガイドラインデータ１０２とを少なくとも取得する第１取得部２０１と、
取得した免疫データ１０１と治療ガイドラインデータ１０２とを関連付けた学習データセットを作成する学習データセット１０３と、
作成した学習データセット１０３を学習する学習部２０３と、
学習の結果に基づいて、学習済みモデル１０４を生成する生成部２０４と、
新規患者の新規免疫データ１０５を少なくとも取得する第２取得部２０５と、
学習済みモデル１０４に基づいて、取得した新規免疫データ１０５に対応する治療ガイドラインデータ１０２の部分を判断する判断部２０６と、
判断した治療ガイドラインデータ１０２の部分に含まれる治療法を治療法データ１０６として抽出する抽出部２０７と、
抽出した治療法データを医師６または医療機関７に提供する提供部２０８と、が各々実行する処理により、医師が免疫データを利用して、患者に適した治療法を判断することを可能とする。
取得した免疫データ１０１と治療ガイドラインデータ１０２とを関連付けた学習データセットを作成する学習データセット１０３と、
作成した学習データセット１０３を学習する学習部２０３と、
学習の結果に基づいて、学習済みモデル１０４を生成する生成部２０４と、
新規患者の新規免疫データ１０５を少なくとも取得する第２取得部２０５と、
学習済みモデル１０４に基づいて、取得した新規免疫データ１０５に対応する治療ガイドラインデータ１０２の部分を判断する判断部２０６と、
判断した治療ガイドラインデータ１０２の部分に含まれる治療法を治療法データ１０６として抽出する抽出部２０７と、
抽出した治療法データを医師６または医療機関７に提供する提供部２０８と、が各々実行する処理により、医師が免疫データを利用して、患者に適した治療法を判断することを可能とする。
ここで、免疫データ１０１および新規免疫データ１０５とは、ユーザや患者の免疫状態に係るデータであって、例えば、Ｂ細胞量やＮＫ細胞量、Ｔ細胞量、総蛋白量、白血球量などの免疫データを少なくとも含むデータを示す。
治療ガイドラインデータ１０２とは、疾病やその治療および対処に係るデータであって、例えば、学会、医療機関、研究機関、企業等が科学的知見をもとに発行した論文や診療ガイドラインなどを少なくとも含むデータを示す。
治療法データ１０６とは、治療ガイドラインデータ１０２に含まれる新規免疫データ１０５に対応する治療法の部分を少なくとも含むデータを示す。
免疫データ１０１、治療ガイドラインデータ１０２、学習データセット１０３，学習済みモデル１０４、新規免疫データ１０５、治療法データ１０６は、それぞれコンピュータ２の内部に格納してもよいし、コンピュータ２の外部に格納してもよい。
図２は、免疫データ治療法提供システム１の基本構成を説明するための図である。免疫データ治療法提供システム１の基本構成について図２に基づいて説明する。
免疫データ治療法提供システム１のコンピュータ２は、制御部３００として、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、等と、他の端末や装置等と通信可能にするためのデバイス、例えば、Ｗｉ―Ｆｉ対応デバイス等と、を少なくとも備え、記憶部３１０として、半導体メモリ、記録媒体、メモリカード等によるデータのストレージ部を備える。ストレージ部はネットワーク通信可能な外部に存在してもよい。
免疫データ治療法提供システム１のコンピュータ２は、上述した制御部３００と記憶部３１０に加え、第１取得部２０１と、作成部２０２と、学習部２０３と、生成部２０４と、第２取得部２０５と、判断部２０６と、抽出部２０７と、提供部２０８とを備える。
免疫データ治療法提供システム１のコンピュータ２において、制御部３００が所定のプログラムを読み込むことにより、記憶部３１０と協働して、第１取得部２０１、作成部２０２、学習部２０３、生成部２０４、第２取得部２０５、判断部２０６、抽出部２０７、提供部２０８を実現する。
ユーザ端末３は、入力部３２０として、コンピュータ２を操作するために必要な機能を備えるものとする。入力を実現するための例として、タッチパネル機能を実現する液晶ディスプレイ、キーボード、マウス、ペンタブレット、装置上のハードウェアボタン、音声認識を行うためのマイク等を備えることが可能である。入力方法により、本発明は特に機能を限定されるものではない。
免疫データ治療法提供システム１のコンピュータ２と、ユーザ端末３とは少なくともネットワーク１０を介して通信可能に接続されている。
このような免疫データ治療法提供システム１によれば、医師６が免疫データを利用して、患者に適した治療法を判断することが可能となる。
以上が、免疫データ治療法提供システム１の基本概要および基本構成である。
図３は、免疫データ治療法提供システム１のコンピュータ２が実行する学習済みモデル生成処理を説明するための図である。図４は、コンピュータ２が実行する治療法抽出提供処理を説明するための図である。図５は、ユーザ端末３が表示するコンピュータ２が取得した免疫データ１０１の表示画面の一例である。図６は、ユーザ端末３が表示するコンピュータ２が抽出した治療法データ１０６の表示画面の一例である。免疫データ治療法提供システム１のコンピュータ２が実行する免疫データ治療法提供について図３乃至図６に基づいて説明する。
[学習済みモデル生成処理]
コンピュータ２の第１取得部２０１は、免疫データ１０１と、治療ガイドラインデータ１０２とを少なくとも取得する(ステップＳ１１）。
コンピュータ２の第１取得部２０１は、免疫データ１０１と、治療ガイドラインデータ１０２とを少なくとも取得する(ステップＳ１１）。
なお、免疫データ１０１とは、上述したユーザや患者の免疫に係るデータであって、例えば、Ｂ細胞量やＮＫ細胞量、Ｔ細胞量、総蛋白量、白血球量、アルブミン量、グロブリン量などの免疫情報を少なくとも含むデータであり、治療ガイドラインデータ１０２とは、疾病やその治療に係るデータであって、例えば、学会、医療機関、研究機関、企業等が科学的知見をもとに発行した論文や診療ガイドラインなどを少なくとも含むデータである。
免疫データ１０１および治療ガイドラインデータ１０２のデータの形式としては、画像、表、数値、テキストなどのあらゆる形式を含むがこれに限定されない。また、免疫データ１０１および治療ガイドラインデータ１０２の取得方法についてはユーザ端末３に限定することはなく、他の端末装置から公衆回線等を介して取得しても良い。さらに、免疫データ１０１および治療ガイドラインデータ１０２の取得タイミングについては限定されない。
コンピュータ２の作成部２０２は、取得した免疫データ１０１と治療ガイドラインデータ１０２とから学習データセット１０３を作成する（ステップＳ１２）。このとき作成された学習データセット１０３は後述する学習済みモデル１０４の生成におけるアノテーションデータとして用いる。アノテーションデータとは、機械学習のモデルに学習させるための教師データであり、データに意味付けや紐付けをして互いに組み合わせるために、免疫データに関連する情報として付与される。
コンピュータ２の学習部２０３は、作成した学習データセット１０３を教師データとして学習し（ステップＳ１３－１）、学習の結果に基づいて、生成部２０４が学習済みモデル１０４を生成する（ステップＳ１３－２）
学習済みモデル１０４の作成は、例えば、特定の疾患に特徴的に見られる、免疫に関与する細胞である白血球の数値に異常が見られかつ蛋白分画のγグロブリンの値にも異常が見られるなどの科学的知見から、免疫データ１０１に、免疫に関与する値の変化を疾病との関連のアノテーションデータとして付与するなどして行われる。
アノテーションデータの付与方法については、特に限定することなく、人手による方法や、アノテーションツールといったタグ付け自動化ツールを使用する方法などでデータを付与してもよい。
取得した免疫データ１０１および治療ガイドラインデータ１０２、作成した学習データセット１０３、生成した学習済みモデル１０４、はそれぞれコンピュータ２の内部に格納してもよいし、コンピュータ２の外部に格納してもよい。
このように、取得した免疫データ１０１と治療ガイドラインデータ１０２とから、関連付けを行うために、学習済みモデルを用いることによって、膨大なパターンの関連付けを機械的に行うことが可能となる。
以上が、免疫データ治療法提供システム１が実行する学習済みモデル生成処理である。
[治療法抽出提供処理]
図４は、免疫データ治療法提供システム１のコンピュータ２が実行する治療法抽出提供処理を説明するための図である。免疫データ治療法提供システム１のコンピュータ２が実行する治療法抽出提供処理について図４に基づいて説明する。
図４は、免疫データ治療法提供システム１のコンピュータ２が実行する治療法抽出提供処理を説明するための図である。免疫データ治療法提供システム１のコンピュータ２が実行する治療法抽出提供処理について図４に基づいて説明する。
学習済みモデル生成については、上述した学習済みモデル生成処理と同様の処理であるため、その説明を省略する。
コンピュータ２の第２取得部２０５は、新規患者の免疫データである新規免疫データ１０５を少なくとも取得する(ステップＳ１４）。
ここで、新規免疫データ１０５とは、図５に示すように、免疫に係るデータであって、例えば、Ｂ細胞量やＮＫ細胞量、Ｔ細胞量、白血球量、アルブミン量、グロブリン量などの免疫情報を少なくとも含むデータであり、上述した学習済みモデル生成処理にて取得した免疫データ１０１と異なる或いは同一のユーザおよび患者のものであって良い。
新規免疫データ１０５のデータの形式としては、画像、表、数値、テキストなどのあらゆる形式を含むがこれに限定されない。また、新規免疫データ１０５の取得タイミングについては限定されない。
次にコンピュータ２の判断部２０６は、上述した学習済みモデル生成処理により生成された学習済みモデル１０４に基づいて、取得した新規免疫データ１０５に対応する治療ガイドラインデータ１０２の部分を判断する（ステップＳ１６）。
ここで、コンピュータ２の判断部２０６が判断する治療ガイドラインデータ１０２の部分とは、例えば、学習済みモデル１０４に基づいた新規免疫データ１０５に対応する一つ乃至複数の、疾病候補や、前記疾病の詳細、前記疾病に関する予防法、前記疾病に関する処置方法や対症療法などを含む治療法、前記治療法に関する医療機器や治療薬の情報、を少なくとも含む部分を示す。
次に、コンピュータ２の抽出部２０７は、判断部２０６が判断した部分に含まれる治療法を、治療法データ１０６として抽出する（ステップＳ１６）。
ここで、抽出された治療法データ１０６とは、例えば、図６に示すように、コンピュータ２の判断部２０６が判断した治療ガイドラインデータ１０２の部分に含まれる当該疾病に関する処置方法や対症療法などを含む治療法を示す。
次に、コンピュータ２の提供部２０８は、抽出された治療法データ１０６を医師６または医療機関７に提供する（ステップＳ１６）。
ここで、提供部２０８による治療法データ１０６の提供方法は限定されず、ネットワーク１０を介した通信可能に接続されたユーザ端末３を介して提供して良い。
取得した新規免疫データ１０５および抽出した治療法データ１０６はそれぞれコンピュータ２の内部に格納してもよいし、コンピュータ２の外部に格納してもよい。
このように、学習済みモデル１０４を用いて、取得した新規免疫データ１０５から治療法データ１０６を抽出して提供することにより、医師６が免疫データを利用して、患者に適した治療法を判断することが可能となる。
以上が、免疫データ治療法提供システム１が実行する治療法抽出提供処理である。
［広告抽出提供処理］
図７は、免疫データ治療法提供システム１のコンピュータ２が実行する広告抽出提供処理を説明するための図である。免疫データ治療法提供システムのコンピュータが実行する広告抽出提供処理について図７に基づいて説明する。
図７は、免疫データ治療法提供システム１のコンピュータ２が実行する広告抽出提供処理を説明するための図である。免疫データ治療法提供システムのコンピュータが実行する広告抽出提供処理について図７に基づいて説明する。
免疫データ治療法提供システム１のコンピュータ２が実行する広告抽出提供処理は、図７に示すように、上述した治療法抽出提供処理に準じて実行される。
コンピュータ２の判断部２０６は、学習済みモデル生成処理により生成された学習済みモデル１０４に基づいて、取得した新規免疫データ１０５に対応する治療ガイドラインデータ１０２の部分を判断した際に、判断した新規免疫データ１０５に対応する治療ガイドラインデータ１０２の部分に関連する一つ乃至複数の広告データ１０７を判断する（ステップＳ１８－１）。
ここで、広告データ１０７とは、企業５などが発行する一つ乃至複数の広告であって、例えば、検査薬などの試薬、治療薬などの医薬品、医療器具、医療に関するソフトウェア、などの広告を示す。
広告データ１０７の取得方法については限定されず、取得した広告データ１０７は、コンピュータ２の内部に格納してもよいし、コンピュータ２の外部に格納してもよい。
次に、コンピュータ２の抽出部２０７は、判断部２０６が、判断した治療ガイドラインデータ１０２の部分に対応する広告データがある場合（ステップＳ１８－２ＹＥＳ）、
判断した一つ乃至複数の広告データ１０７を抽出する（ステップＳ１９）。
判断した一つ乃至複数の広告データ１０７を抽出する（ステップＳ１９）。
また、コンピュータ２の抽出部２０７は、判断部２０６が、判断した治療ガイドラインデータ１０２の部分に対応する広告データがない場合（ステップＳ１８－２ＮＯ）、広告データ１０７の抽出を行わない。
次に、コンピュータ２の提供部２０８は、抽出した一つ乃至複数の広告データ１０７を、上述した治療法抽出提供処理で抽出された治療法データ１０６と共に医師６または医療機関７に提供する（ステップＳ２０）。
ここで、治療法データ１０６と共に提供された広告データ１０７は、図６に示すように
このように、抽出した治療法データ１０６に対応した広告データ１０７を判断して抽出し、治療法データ１０６と共に医師６および医療機関７に提供することにより、当該治療法に関係する広告だけを提供することが可能となる。
以上が、免疫データ治療法提供システム１が実行する広告抽出提供処理である。
図８は、免疫データ治療法提供システム１のコンピュータ２が実行する健康診断データおよび生活習慣データ活用学習済みモデル生成処理を説明するための図である。図９は、コンピュータ２が実行する健康診断データおよび生活習慣データ活用治療法抽出提供処理を説明するための図である。免疫データ治療法提供システム１のコンピュータ２が実行する免疫データ治療法提供について図８および図９に基づいて説明する。
[健康診断データおよび生活習慣データ活用学習済みモデル生成処理]
コンピュータ２の第１取得部２０１は、免疫データ１０１と、治療ガイドラインデータ１０２と、健康診断データ１０８と、生活習慣データ１０９と、を少なくとも取得する(ステップＳ２１）。
コンピュータ２の第１取得部２０１は、免疫データ１０１と、治療ガイドラインデータ１０２と、健康診断データ１０８と、生活習慣データ１０９と、を少なくとも取得する(ステップＳ２１）。
なお、健康診断データ１０８とは、上述したユーザや患者が行った、例えば、学校健診検診、職場健診、特定健診、人間ドックなどの所謂健康診断の結果を少なくとも含むデータである。また、生活習慣データ１０９とは、当該ユーザや患者の所定期間の睡眠時間、睡眠の深さ、睡眠中に起床する頻度、歩数、運動頻度、運動時間、喫煙頻度、飲酒頻度、飲酒量、活動時間帯、就寝時間帯、労働時間、労働内容、食事内容、間食頻度、摂取カロリー、栄養バランスなどの生活習慣に関わるデータを少なくとも含むデータである。
免疫データ１０１、治療ガイドラインデータ１０２、健康診断データ１０８、生活習慣データ１０９のデータの形式としては、画像、表、数値、テキストなどのあらゆる形式を含むがこれに限定されない。また、免疫データ１０１、治療ガイドラインデータ１０２、健康診断データ１０８、生活習慣データ１０９の取得方法についてはユーザ端末３に限定することはなく、他の端末装置から公衆回線等を介して取得しても良い。さらに、免疫データ１０１、治療ガイドラインデータ１０２、健康診断データ１０８、生活習慣データ１０９の取得タイミングについては限定されない。
コンピュータ２の作成部２０２は、取得した免疫データ１０１と、治療ガイドラインデータ１０２と、健康診断データ１０８と、生活習慣データ１０９とから学習データセット１１４を作成する（ステップＳ２２）。このとき作成された学習データセット１１４は後述する学習済みモデル１１５の生成におけるアノテーションデータとして用いる。アノテーションデータとは、機械学習のモデルに学習させるための教師データであり、データに意味付けや紐付けをして互いに組み合わせるために、免疫データや健康診断データや生活習慣データに関連する情報として付与される。
アノテーションデータの付与方法については、特に限定することなく、人手による方法や、アノテーションツールといったタグ付け自動化ツールを使用する方法などでデータを付与してもよい。
コンピュータ２の学習部２０３は、作成した学習データセット１１４を教師データとして学習し（ステップＳ２３－１）、学習の結果に基づいて、生成部２０４が学習済みモデル１１５を生成する（ステップＳ２３－２）。
取得した免疫データ１０１、治療ガイドラインデータ１０２、健康診断データ１０８、生活習慣データ１０９、作成した学習データセット１１４、生成した学習済みモデル１１５、はそれぞれコンピュータ２の内部に格納してもよいし、コンピュータ２の外部に格納してもよい。
このように、取得した免疫データ１０１と、治療ガイドラインデータ１０２と、健康診断データ１０８と、生活習慣データ１０９とから、関連付けを行うために、学習済みモデルを用いることによって、膨大なパターンの関連付けを機械的に行うことが可能となる。
以上が、免疫データ治療法提供システム１が実行する健康診断データおよび生活習慣データ活用学習済みモデル生成処理である。
[健康診断データおよび生活習慣データ活用治療法抽出提供処理]
図９は、免疫データ治療法提供システム１のコンピュータ２が実行する健康診断データおよび生活習慣データ活用治療法抽出提供処理を説明するための図である。免疫データ治療法提供システム１のコンピュータ２が実行する治療法抽出提供処理について図９に基づいて説明する。
図９は、免疫データ治療法提供システム１のコンピュータ２が実行する健康診断データおよび生活習慣データ活用治療法抽出提供処理を説明するための図である。免疫データ治療法提供システム１のコンピュータ２が実行する治療法抽出提供処理について図９に基づいて説明する。
学習済みモデル生成については、上述した健康診断データおよび生活習慣データ活用学習済みモデル生成処理と同様の処理であるため、その説明を省略する。
コンピュータ２の第２取得部２０５は、新規患者の免疫データである新規免疫データ１０５、新規治療データ１１３を少なくとも取得する(ステップＳ２４）。
ここで、新規免疫データ１０５、新規治療データ１１３とは、それぞれ免疫データ１０１、健康診断データ１０８、生活習慣データ１０９に係るデータであって、上述した健康診断データおよび生活習慣データ活用学習済みモデル生成処理にて取得した、免疫データ１０１、健康診断データ１０８、生活習慣データ１０９と異なる或いは同一の、ユーザおよび患者のものであって良い。
新規免疫データ１０５、新規治療データ１１３のデータの形式としては、画像、表、数値、テキストなどのあらゆる形式を含むがこれに限定されない。また、新規免疫データ１０５、新規治療データ１１３の取得タイミングについては限定されない。
次にコンピュータ２の判断部２０６は、上述した学習済みモデル生成処理により生成された学習済みモデル１１５に基づいて、取得した新規免疫データ１０５、新規治療データ１１３のデータに対応する治療ガイドラインデータ１０２の部分を判断する（ステップＳ２５）。
ここで、コンピュータ２の判断部２０６が判断する治療ガイドラインデータ１０２の部分とは、例えば、学習済みモデル１１５に基づいた、新規免疫データ１０５、新規治療データ１１３のデータそれぞれに対応する一つ乃至複数の、疾病候補や、前記疾病の詳細、前記疾病に関する予防法、前記疾病に関する処置方法や対症療法などを含む治療法、前記治療法に関する医療機器や治療薬の情報、を少なくとも含む部分を示す。
次に、コンピュータ２の抽出部２０７は、判断部２０６が判断した部分に含まれる治療法を、治療法データ１０６として抽出する（ステップＳ２６）。
ここで、抽出された治療法データ１０６とは、例えば、コンピュータ２の判断部２０６が判断した治療ガイドラインデータ１０２の部分に含まれる当該疾病に関する処置方法や対症療法などを含む治療法を示す。
次に、コンピュータ２の提供部２０８は、抽出された治療法データ１０６を医師６または医療機関７に提供する（ステップＳ２７）。
ここで、提供部２０８による治療法データ１０６の提供方法は限定されず、ネットワーク１０を介した通信可能に接続されたユーザ端末３を介して提供して良い。
取得した新規免疫データ１０５および抽出した治療法データ１０６はそれぞれコンピュータ２の内部に格納してもよいし、コンピュータ２の外部に格納してもよい。
このように、学習済みモデル１１５を用いて、取得した新規免疫データ１０５、新規治療データ１１３から治療法データ１０６を抽出して提供することにより、医師６が免疫データを利用して、患者に適した治療法を、精度を上げて判断することが可能となる。
以上が、免疫データ治療法提供システム１が実行する健康診断データおよび生活習慣データ活用治療法抽出提供処理である。
図１０は、免疫データ治療法提供システム１のコンピュータ２が実行する治療データ活用学習済みモデル生成処理を説明するための図である。図１１は、コンピュータ２が実行する治療データ活用治療法抽出提供処理を説明するための図である。免疫データ治療法提供システム１のコンピュータ２が実行する免疫データ治療法提供について図１０および図１１に基づいて説明する。
[治療データ活用学習済みモデル生成処理]
コンピュータ２の第１取得部２０１は、免疫データ１０１と、治療ガイドラインデータ１０２と、治療データ１１２と、を少なくとも取得する(ステップＳ３１）。
コンピュータ２の第１取得部２０１は、免疫データ１０１と、治療ガイドラインデータ１０２と、治療データ１１２と、を少なくとも取得する(ステップＳ３１）。
なお、治療データ１１２とは、上述したユーザや患者の、例えば、診察経過、手術記録、検査記録、看護記録、既往歴などを含めた診察記録、所謂カルテの情報を少なくとも含むデータであり、医療機関から取得する。
免疫データ１０１、治療ガイドラインデータ１０２、治療データ１１２のデータの形式としては、画像、表、数値、テキストなどのあらゆる形式を含むがこれに限定されない。また、免疫データ１０１、治療ガイドラインデータ１０２、治療データ１１２の取得方法についてはユーザ端末３に限定することはなく、他の端末装置から公衆回線等を介して取得しても良い。さらに、免疫データ１０１、治療ガイドラインデータ１０２、治療データ１１２の取得タイミングについては限定されない。
コンピュータ２の作成部２０２は、取得した免疫データ１０１と、治療ガイドラインデータ１０２と、治療データ１１２とから学習データセット１１６を作成する（ステップＳ３２）。このとき作成された学習データセット１１６は後述する学習済みモデル１１７の生成におけるアノテーションデータとして用いる。アノテーションデータとは、機械学習のモデルに学習させるための教師データであり、データに意味付けや紐付けをして互いに組み合わせるために、免疫データや治療データに関連する情報として付与される。
アノテーションデータの付与方法については、特に限定することなく、人手による方法や、アノテーションツールといったタグ付け自動化ツールを使用する方法などでデータを付与してもよい。
コンピュータ２の学習部２０３は、作成した学習データセット１１６を教師データとして学習し（ステップＳ２３－１）、学習の結果に基づいて、生成部２０４が学習済みモデル１１７を生成する（ステップＳ２３－２）。
取得した免疫データ１０１、治療ガイドラインデータ１０２、治療データ１１２、作成した学習データセット１１６、生成した学習済みモデル１１７、はそれぞれコンピュータ２の内部に格納してもよいし、コンピュータ２の外部に格納してもよい。
このように、取得した免疫データ１０１と、治療ガイドラインデータ１０２と、治療データ１１２とから、関連付けを行うために、学習済みデータを用いることによって、膨大なパターンの関連付けを機械的に行うことが可能となる。
以上が、免疫データ治療法提供システム１が実行する治療データ活用学習済みモデル生成処理である。
[治療データ活用治療法抽出提供処理]
図１１は、免疫データ治療法提供システム１のコンピュータ２が実行する治療データ活用治療法抽出提供処理を説明するための図である。免疫データ治療法提供システム１のコンピュータ２が実行する治療法抽出提供処理について図１１に基づいて説明する。
図１１は、免疫データ治療法提供システム１のコンピュータ２が実行する治療データ活用治療法抽出提供処理を説明するための図である。免疫データ治療法提供システム１のコンピュータ２が実行する治療法抽出提供処理について図１１に基づいて説明する。
学習済みモデル生成については、上述した治療データ活用学習済みモデル生成処理と同様の処理であるため、その説明を省略する。
コンピュータ２の第２取得部２０５は、新規患者の免疫データである新規免疫データ１０５、新規治療データ１１３を少なくとも取得する(ステップＳ３４）。
ここで、コンピュータ２の第２取得部２０５は、新規治療データ１１３を医療機関７から取得する。
新規免疫データ１０５と新規治療データ１１３とは、それぞれ免疫データ１０１、治療データ１１２に係るデータであって、上述した治療データ活用学習済みモデル生成処理にて取得した、免疫データ１０１、治療データ１１２と異なる或いは同一の、ユーザおよび患者のものであって良い。
新規免疫データ１０５、新規治療データ１１３のデータの形式としては、画像、表、数値、テキストなどのあらゆる形式を含むがこれに限定されない。また、新規免疫データ１０５、新規治療データ１１３の取得タイミングについては限定されない。
次にコンピュータ２の判断部２０６は、上述した学習済みモデル生成処理により生成された学習済みモデル１１７に基づいて、取得した新規免疫データ１０５、新規治療データ１１３のデータに対応する治療ガイドラインデータ１０２の部分を判断する（ステップＳ３５）。
ここで、コンピュータ２の判断部２０６が判断する治療ガイドラインデータ１０２の部分とは、例えば、学習済みモデル１１７に基づいた、新規免疫データ１０５、新規治療データ１１３のデータそれぞれに対応する一つ乃至複数の、疾病候補や、前記疾病の詳細、前記疾病に関する予防法、前記疾病に関する処置方法や対症療法などを含む治療法、前記治療法に関する医療機器や治療薬の情報、を少なくとも含む部分を示す。
次に、コンピュータ２の抽出部２０７は、判断部２０６が判断した部分に含まれる治療法を、治療法データ１０６として抽出する（ステップＳ３６）。
ここで、抽出された治療法データ１０６とは、例えば、コンピュータ２の判断部２０６が判断した治療ガイドラインデータ１０２の部分に含まれる当該疾病に関する処置方法や対症療法などを含む治療法を示す。
次に、コンピュータ２の提供部２０８は、抽出された治療法データ１０６を医師６または医療機関７に提供する（ステップＳ３７）。
ここで、提供部２０８による治療法データ１０６の提供方法は限定されず、ネットワーク１０を介した通信可能に接続されたユーザ端末３を介して提供して良い。
取得した新規免疫データ１０５および抽出した治療法データ１０６はそれぞれコンピュータ２の内部に格納してもよいし、コンピュータ２の外部に格納してもよい。
このように、学習済みモデル１１７を用いて、取得した新規免疫データ１０５、新規治療データ１１３から治療法データ１０６を抽出して提供することにより、医師６が免疫データを利用して、患者に適した治療法を、精度を上げて判断することが可能となる。
以上が、免疫データ治療法提供システム１が実行する治療データ活用治療法抽出提供処理である。
上述した手段、機能は、コンピュータ（ＣＰＵ、情報処理装置、各種端末を含む）が、所定のプログラムを読み込んで、実行することによって実現される。プログラムは、例えば、単数又は複数のコンピュータからネットワーク経由で提供される（クラウドサービス、ＳａａＳ：ソフトウェア・アズ・ア・サービス）形態で提供される。また、プログラムは、例えば、コンピュータ読取可能な記録媒体に記録された形態で提供される。この場合、コンピュータはその記録媒体からプログラムを読み取って内部記録装置又は外部記録装置に転送し記録して実行する。また、そのプログラムを、例えば、磁気ディスク、光ディスク、光磁気ディスク等の記録装置（記録媒体）に予め記録しておき、その記録装置から通信回線を介してコンピュータに提供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、本発明は上述したこれらの実施形態に限るものではない。また、本発明の実施形態に記載された効果は、本発明から生じる最も好適な効果を列挙したに過ぎず、本発明による効果は、本発明の実施形態に記載されたものに限定されるものではない。
１ 免疫データ治療法提供システム
２ コンピュータ
３ ユーザ端末
４ ユーザ
５ 企業
６ 医師
７ 医療機関
１０ ネットワーク
２ コンピュータ
３ ユーザ端末
４ ユーザ
５ 企業
６ 医師
７ 医療機関
１０ ネットワーク
Claims (6)
- 免疫データと治療ガイドラインを関連付けて学習して、患者に適した治療法を抽出して提供する免疫データ治療法提供システムであって、
免疫データおよび治療ガイドラインデータを取得する第１取得部と、
取得した前記免疫データおよび前記治療ガイドラインデータを関連付けた学習データセットを作成する作成部と、
作成した前記学習データセットを学習する学習部と、
学習の結果に基づいて、学習済みモデルを生成する生成部と、
新規患者の新規免疫データを取得する第２取得部と、
生成した前記学習済みモデルを用いて、取得した新規免疫データに対応する治療ガイドラインデータの部分を判断する判断部と、
判断した前記治療ガイドラインデータの部分に含まれる治療法を抽出する抽出部と、
抽出した前記治療法を医師または医療機関に提供する提供部と、
を備える免疫データ治療法提供システム。 - 企業から広告を受け付けて、治療法に関連する広告がどれなのか判断して、判断した広告を抽出した治療法とセットにして医師に提供する請求項１に記載の免疫データ治療法提供システム。
- 前記第１取得部は、更に、健康診断データおよび生活習慣データ、を取得し、
前記作成部は、更に、前記健康診断データおよび前記生活習慣データ、を関連付けて、前記学習データセットを作成し、
前記第２取得部は、更に、新規患者の新規健康診断データおよび新規生活習慣データを取得し、
前記判断部は、生成した前記学習済みモデルを用いて、取得した新規免疫データ、新規健康診断データ、および新規生活習慣データ、に対応する治療ガイドラインデータの部分を判断する請求項１に記載の免疫データ治療法提供システム。 - 前記第１取得部は、更に、医療機関から治療データを取得し、
前記作成部は、更に、治療データを関連付けて、学習データセットを作成し、
前記第２取得部は、更に、新規患者の新規治療データを取得し、
前記判断部は、生成した前記学習済みモデルを用いて、取得した新規免疫データおよび新規治療データに対応する治療ガイドラインデータの部分を判断する請求項１に記載の免疫データ治療法提供システム。 - 免疫データと治療ガイドラインを関連付けて学習して、患者に適した治療法を抽出して提供する免疫データ治療法提供方法であって、
免疫データおよび治療ガイドラインデータを取得するステップと、
取得した前記免疫データおよび前記治療ガイドラインデータを関連付けた学習データセットを作成するステップと、
作成した前記学習データセットを学習するステップと、
学習の結果に基づいて、学習済みモデルを生成するステップと、
新規患者の新規免疫データを取得するステップと、
生成した前記学習済みモデルを用いて、取得した新規免疫データに対応する治療ガイドラインデータの部分を判断するステップと、
判断した前記治療ガイドラインデータの部分に含まれる治療法を抽出するステップと、
抽出した前記治療法を医師または医療機関に提供するステップと、
を備えるコンピュータシステムで実行する免疫データ治療法提供方法。 - 免疫データと治療ガイドラインを関連付けて学習して、患者に適した治療法を抽出して提供するコンピュータシステムに、
免疫データおよび治療ガイドラインデータを取得するステップ、
取得した前記免疫データおよび前記治療ガイドラインデータを関連付けた学習データセットを作成するステップ、
作成した前記学習データセットを学習するステップ、
学習の結果に基づいて、学習済みモデルを生成するステップ、
新規患者の新規免疫データを取得するステップ、
生成した前記学習済みモデルを用いて、取得した新規免疫データに対応する治療ガイドラインデータの部分を判断するステップ、
判断した前記治療ガイドラインデータの部分に含まれる治療法を抽出するステップ、
抽出した前記治療法を医師または医療機関に提供するステップ、
を実行させるためのコンピュータ読み取り可能なプログラム。
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/JP2022/035389 WO2024062601A1 (ja) | 2022-09-22 | 2022-09-22 | 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 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP7271040B1 true JP7271040B1 (ja) | 2023-05-11 |
Family
ID=86382649
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2022578578A Active JP7271040B1 (ja) | 2022-09-22 | 2022-09-22 | 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 |
Country Status (2)
| Country | Link |
|---|---|
| JP (1) | JP7271040B1 (ja) |
| WO (1) | WO2024062601A1 (ja) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2021039683A (ja) | 2019-09-05 | 2021-03-11 | 株式会社島津製作所 | 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 |
| JP2022067151A (ja) | 2020-10-20 | 2022-05-06 | 株式会社ジーンクエスト | 検査情報管理装置及び検査情報管理方法 |
-
2022
- 2022-09-22 JP JP2022578578A patent/JP7271040B1/ja active Active
- 2022-09-22 WO PCT/JP2022/035389 patent/WO2024062601A1/ja unknown
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2021039683A (ja) | 2019-09-05 | 2021-03-11 | 株式会社島津製作所 | 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 |
| JP2022067151A (ja) | 2020-10-20 | 2022-05-06 | 株式会社ジーンクエスト | 検査情報管理装置及び検査情報管理方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2024062601A1 (ja) | 2024-03-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7607079B2 (en) | Multi-input reporting and editing tool | |
| Ommaya et al. | Care-centered clinical documentation in the digital environment: solutions to alleviate burnout | |
| US7490085B2 (en) | Computer-assisted data processing system and method incorporating automated learning | |
| US20160124581A1 (en) | Characterizing states of subject | |
| TWI501189B (zh) | 擬人化醫療資訊紀錄方法及輔助診療系統 | |
| CN112133445A (zh) | 一种心血管疾病管理服务方法和系统 | |
| CN102227730A (zh) | 基于小工具的应用中临床元素提取、保持和传送的系统和方法 | |
| US20040120557A1 (en) | Data processing and feedback method and system | |
| US20040122706A1 (en) | Patient data acquisition system and method | |
| Zahid et al. | A systematic review of emerging information technologies for sustainable data-centric health-care | |
| US20040122709A1 (en) | Medical procedure prioritization system and method utilizing integrated knowledge base | |
| US20040122787A1 (en) | Enhanced computer-assisted medical data processing system and method | |
| US20110093295A1 (en) | Consumer enabling system for personalized health maintenance | |
| WO2004061743A2 (en) | Integrated medical knowledge base interface system and method | |
| EP1576527A2 (en) | Medical data analysis method and apparatus incorporating in vitro test data | |
| JP6297571B2 (ja) | 臨床決定の支援 | |
| Neresini et al. | Tracking biomedicalization in the media: Public discourses on health and medicine in the UK and Italy, 1984–2017 | |
| JP2024515534A (ja) | 人工知能支援の画像解析のためのシステムおよび方法 | |
| Woźniacka et al. | Artificial intelligence in medicine and dermatology | |
| JP6908977B2 (ja) | 医療情報処理システム、医療情報処理装置及び医療情報処理方法 | |
| US20200312455A1 (en) | Systems and methods for determining health condition of an individual | |
| JP7271040B1 (ja) | 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 | |
| Wong et al. | Healthcare digital transformation through the adoption of artificial intelligence | |
| Kim et al. | Exploratory study of personal health information management using health literacy model | |
| Xu et al. | Preparing for the AI Era Under the Digital Health Framework |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221219 |
|
| A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20221219 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230322 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230405 |
|
| 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: 20230418 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230419 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7271040 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |