JP7347977B2 - 情報処理装置、情報処理方法及びプログラム - Google Patents
情報処理装置、情報処理方法及びプログラム Download PDFInfo
- Publication number
- JP7347977B2 JP7347977B2 JP2019127125A JP2019127125A JP7347977B2 JP 7347977 B2 JP7347977 B2 JP 7347977B2 JP 2019127125 A JP2019127125 A JP 2019127125A JP 2019127125 A JP2019127125 A JP 2019127125A JP 7347977 B2 JP7347977 B2 JP 7347977B2
- Authority
- JP
- Japan
- Prior art keywords
- test data
- test
- data
- hospital
- subject
- 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
Landscapes
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Description
(実施の形態)
図1は、検査データ連携システムの構成例を示す模式図である。本実施の形態では、複数の病院(検査施設)それぞれにおいて検査した患者(被検者)の検査データを相互に変換し、変換後の検査データを他の病院に提供する検査データ連携システムについて説明する。検査データ連携システムは、情報処理装置1及び端末2、2、2…を含む。各装置は、インターネット等のネットワークNを介して相互に通信接続されている。
制御部11は、一又は複数のCPU(Central Processing Unit)、MPU(Micro-Processing Unit)、GPU(Graphics Processing Unit)等の演算処理装置を有し、補助記憶部14に記憶されたプログラムPを読み出して実行することにより、種々の情報処理、制御処理等を行う。主記憶部12は、SRAM(Static Random Access Memory)、DRAM(Dynamic Random Access Memory)、フラッシュメモリ等の一時記憶領域であり、制御部11が演算処理を実行するために必要なデータを一時的に記憶する。通信部13は、通信に関する処理を行うための通信モジュールであり、外部と情報の送受信を行う。
患者DB142は、患者ID列、患者名列、患者情報列を含む。患者ID列は、各患者を識別するための患者IDを記憶している。患者名列及び患者情報列はそれぞれ、患者IDと対応付けて、患者の氏名、及びその他の患者情報を記憶している。患者情報列には、例えば患者の年齢、性別、病院への通院歴等が記憶されている。
上述の如く、サーバ1は複数の病院それぞれの端末2、2、2…に接続されており、各端末2から、患者を検査した検査データを取得する。検査データは、例えば年齢等の問診結果、体重等の身体測定結果、MRI等の画像データ、その他のバイタルサインの測定結果などであるが、その検査内容(検査項目)は特に限定されない。例えばサーバ1は、各病院の端末2から検査データを取得し、検査DB144に保存(記憶)する。
サーバ1の制御部11は、学習用の検査データ群であって、複数の病院(集合)それぞれにおいて患者を検査した検査データ群を取得する(ステップS11)。制御部11は、取得した検査データ群を用いて、一の病院(第1の集合)の検査データを入力した場合に、他の病院(第2の集合)の検査データを出力する変換モデル141を生成する(ステップS12)。具体的には上述の如く、制御部11は、RadialGANの手法を用いて変換モデル141を生成する。
サーバ1の制御部11は、いずれかの病院(第1の集合)の端末2から、当該病院で対象患者(被検者)を検査した検査データを取得する(ステップS31)。制御部11は、取得元の病院に対応する変換器(エンコーダFi)に検査データを入力し、複数の病院それぞれの変換器で共通する潜在変数Zに変換する(ステップS32)。
変形例1として、比較的規模の大きい病院(大学病院、総合病院等)Aに規模の小さな病院(地域のクリニック等)B、C…から患者を紹介する場合に、病院B、C…での検査データを病院Aの検査データに変換するケースが想定され得る。この場合、サーバ1は対象患者の検査データを病院A用の検査データに変換し、変換後の検査データを病院Aにおける検査基準と比較することで、再検査、追加検査等の必要性を判定する。これにより、病院間の検査結果の差異、あるいは地域差を考慮して必要な処置を講ずることができる。
変形例2として、変形例1とは逆に、規模が小さく、検査データのサンプル数が少ない病院B、または例えば二次医療圏の患者平均年齢が大きく異なる等の、患者の臨床検査値が異なる分布を持つ病院B、から規模の大きな病院Aに、検査データを問い合わせるケースが想定され得る。この場合、例えばサーバ1は病院Bの端末2からの要求を受け、病院Aでの検査データを病院B用の検査データに変換し、分布図等を生成して病院Bの端末2に出力する。あるいはサーバ1は、病院Bの患者の検査データを病院A用の検査データに変換し、病院Aで検査を受けた他の患者の検査データと組み合わせた分布図等を生成してもよい。これにより、例えばサンプル数が少ない希少疾患などについて、規模の小さな病院Bでも好適に対処することができる。
変形例3として、検査を行う病院(検査施設)ではなく、検査を受ける被検者の属性に応じて検査データを複数のデータ集合に分類し、分類した各集合の検査データを相互に変換するようにしてもよい。被検者の属性は、例えば職種である。例えばサーバ1は、職種毎に分類した検査データ群を学習した変換モデル141を構築しておき、各職場(職種)における健康診断の検査結果(検査データ)を変換モデル141に入力して、他の職場における検査結果に変換する。これにより、職種、すなわち働き方の違いに応じた検査結果の相違を考慮して、適切な診断を下すことができる。
変形例4として、保険会社、銀行等のように、顧客(被験者)から提出される健康診断結果等の検査データに基づいて顧客の健康リスクを判断する機関が、サーバ1に検査データの異常の有無を問い合わせるケースが想定され得る。この場合、例えばサーバ1は、当該機関の端末2から、顧客の検査データを取得して異常判定の要求を受け付ける。要求を受け付けた場合、サーバ1は、顧客の検査データを、顧客が検査を受けた検査施設(病院等)とは異なる検査施設のデータに相互変換し、他の被検者の検査データと組み合わせて異常の有無を判定する。サーバ1は、判定結果を要求元の端末2に出力する。これにより、保険会社、銀行等では顧客の健康リスクを適切に判断することができる。
変形例5として、タクシー等の車両(移動体)を運転する運転手のバイタルサイン(検査データ)の異常の有無を問い合わせるケースが想定される。なお、運転手が運転する移動体は車両に限定されず、例えば航空機、船舶等であってもよい。
変形例6として、個人の健康を継続的に管理するPHR(Personal Health Record)に利用するケースが想定される。例えばユーザ(被験者)は、年齢、体重、社会的地位等の基本的な患者プロファイルをサーバ1に登録しておくほか、スマートウォッチ等のウェアラブルデバイスでバイタルサイン(検査データ)を計測し、サーバ1に送信する。例えばサーバ1は、患者プロファイルに応じてユーザを複数の集合に分類(例えば年代毎に分類)し、各集合の検査データに相互変換する変換モデル141を構築しておく。ウェアラブルデバイスで計測したバイタルサインを受信した場合、サーバ1は、変換モデル141を用いて各集合のユーザのバイタルサインを変換し、複数のユーザのバイタルサインの分布から、対象ユーザのバイタルサインの異常の有無を判定する。これにより、例えば個人の疾患リスクを簡易的に推定可能となるほか、疾患の診断目的以外にも、フィットネス、トレーニング等の目的で検査を行い、生体バランスの改善に利用することができる。
変形例7として、同一の検査施設において、異なる検査条件で検査した検査データを統合するケースが想定される。検査条件とは、例えば検査機器、検査試薬、検査方法(温度、反応時間、検査手順等)、検査技師などである。例えば同一の検査目的の検査であっても、検査機器の個体が異なる場合などは検査データに違いが現れる恐れがある。そこで、例えばサーバ1は検査条件(検査機器等)毎に検査データを分類し、各検査条件の検査データを相互に変換する変換モデル141を構築しておく。検査データを取得した場合、サーバ1は各検査条件の検査データを変換してデータ統合を行い、検査データの分布を作成する。これにより、各検査条件の検査データを標準化し、検査の品質確保及び効率化を図ることができる。
11 制御部
12 主記憶部
13 通信部
14 補助記憶部
P プログラム
141 変換モデル
142 患者DB
143 病院DB
144 検査DB
2 端末
Claims (7)
- 被験者を検査した検査データであって、複数の集合の内、第1の集合に属する検査データを取得する取得部と、
第1の集合の検査データを入力した場合に第2の集合の検査データを出力するよう学習済みの学習済みモデルに、取得した前記第1の集合の検査データを入力することで該第1の集合の検査データを第2の集合の検査データに変換する変換部と
を備え、
前記取得部は、複数の前記被験者夫々の検査データを取得し、
前記変換部は、前記被験者夫々の検査データを同一の集合の検査データに変換し、
変換された前記被験者夫々の検査データの分布を表す分布データを生成する生成部と、
前記分布データに基づき、前記被験者の検査データが外れ値であるか否かを示す異常度を算出する算出部と、
前記異常度が閾値以上であるか否かを判定することで、前記被験者の検査データに異常があるか否かを判定する判定部と
を備えることを特徴とする情報処理装置。 - 前記学習済みモデルは、前記複数の集合夫々に対応する複数の変換器を有し、
前記変換部は、
前記第1の集合の検査データを入力した場合に潜在変数を出力するよう学習済みの第1の前記変換器に、取得した前記第1の集合の検査データを入力することで該第1の集合の検査データを潜在変数に変換し、
前記潜在変数を入力した場合に前記第2の集合の検査データを出力するよう学習済みの第2の前記変換器に、変換した前記潜在変数を入力することで該潜在変数を前記第2の集合の検査データに変換する
ことを特徴とする請求項1に記載の情報処理装置。 - 前記第1及び第2の集合夫々の検査データは、一部又は全部の検査項目が異なり、
前記変換部は、
前記第1の集合の検査データを前記第1の変換器に入力することで、該第1の集合の検査データを前記潜在変数に変換し、
変換した前記潜在変数を前記第2の変換器に入力することで、該潜在変数を、異なる前記検査項目を補完した前記第2の集合の検査データに変換する
ことを特徴とする請求項2に記載の情報処理装置。 - 前記変換部は、前記被験者夫々の検査データを、前記複数の集合夫々に対応する検査データに変換し、
前記生成部は、前記複数の集合毎に前記分布データを生成し、
前記複数の集合夫々に対応する前記分布データを組み合わせて表示する表示画面を出力する出力部を備える
ことを特徴とする請求項1~3のいずれか1項に記載の情報処理装置。 - 前記複数の集合は、前記被験者が検査を受けた検査施設、検査を受けた際の検査条件、又は前記被験者の属性に応じて分類される
ことを特徴とする請求項1~4のいずれか1項に記載の情報処理装置。 - 被験者を検査した検査データであって、複数の集合の内、第1の集合に属する検査データを取得し、
第1の集合の検査データを入力した場合に第2の集合の検査データを出力するよう学習済みの学習済みモデルに、取得した前記第1の集合の検査データを入力することで該第1の集合の検査データを第2の集合の検査データに変換する
処理をコンピュータが実行する情報処理方法であって、
複数の前記被験者夫々の検査データを取得し、
前記被験者夫々の検査データを同一の集合の検査データに変換し、
変換された前記被験者夫々の検査データの分布を表す分布データを生成し、
前記分布データに基づき、前記被験者の検査データが外れ値であるか否かを示す異常度を算出し、
前記異常度が閾値以上であるか否かを判定することで、前記被験者の検査データに異常があるか否かを判定する
処理をコンピュータが実行することを特徴とする情報処理方法。 - 被験者を検査した検査データであって、複数の集合の内、第1の集合に属する検査データを取得し、
第1の集合の検査データを入力した場合に第2の集合の検査データを出力するよう学習済みの学習済みモデルに、取得した前記第1の集合の検査データを入力することで該第1の集合の検査データを第2の集合の検査データに変換する
処理をコンピュータに実行させるプログラムであって、
複数の前記被験者夫々の検査データを取得し、
前記被験者夫々の検査データを同一の集合の検査データに変換し、
変換された前記被験者夫々の検査データの分布を表す分布データを生成し、
前記分布データに基づき、前記被験者の検査データが外れ値であるか否かを示す異常度を算出し、
前記異常度が閾値以上であるか否かを判定することで、前記被験者の検査データに異常があるか否かを判定する
処理をコンピュータに実行させることを特徴とするプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019127125A JP7347977B2 (ja) | 2019-07-08 | 2019-07-08 | 情報処理装置、情報処理方法及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019127125A JP7347977B2 (ja) | 2019-07-08 | 2019-07-08 | 情報処理装置、情報処理方法及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021012603A JP2021012603A (ja) | 2021-02-04 |
JP7347977B2 true JP7347977B2 (ja) | 2023-09-20 |
Family
ID=74227937
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019127125A Active JP7347977B2 (ja) | 2019-07-08 | 2019-07-08 | 情報処理装置、情報処理方法及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7347977B2 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023054089A1 (ja) * | 2021-10-01 | 2023-04-06 | ソニーグループ株式会社 | 映像処理システム、並びに、医療情報処理システムおよび動作方法 |
WO2023105848A1 (ja) * | 2021-12-10 | 2023-06-15 | エムスリー株式会社 | 情報処理装置、情報処理方法、及びプログラム |
JP7481566B1 (ja) | 2023-12-11 | 2024-05-10 | Kddi株式会社 | 情報処理装置、情報処理方法及び情報処理システム |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009247688A (ja) | 2008-04-08 | 2009-10-29 | Kochi Univ | 臨床検査データ解析支援装置、臨床検査データ解析支援方法及びそのプログラム |
JP2013248329A (ja) | 2012-06-04 | 2013-12-12 | Fujitsu Ltd | 健康状態判定方法および装置 |
-
2019
- 2019-07-08 JP JP2019127125A patent/JP7347977B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009247688A (ja) | 2008-04-08 | 2009-10-29 | Kochi Univ | 臨床検査データ解析支援装置、臨床検査データ解析支援方法及びそのプログラム |
JP2013248329A (ja) | 2012-06-04 | 2013-12-12 | Fujitsu Ltd | 健康状態判定方法および装置 |
Non-Patent Citations (1)
Title |
---|
RadialGAN: Leveraging multiple datasets to improve target-specific predictive models using Generative Adversarial Networks,2018年06月07日,1-9ページ,,[online],[令和5年6月12日検索],インターネット<URL:https:arxiv.org/abs/1802.06403> |
Also Published As
Publication number | Publication date |
---|---|
JP2021012603A (ja) | 2021-02-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6585772B2 (ja) | 医療画像を分析、優先順位付与、視覚化、および報告するための方法およびシステム | |
JP7347977B2 (ja) | 情報処理装置、情報処理方法及びプログラム | |
US20180353072A1 (en) | Systems, methods, and computer-readable media for gene and genetic variant prioritization | |
Dulin et al. | Using Geographic Information Systems (GIS) to understand a community's primary care needs | |
US20220157470A1 (en) | Method and system for identifying subjects who are potentially impacted by a medical condition | |
JP2018068752A (ja) | 機械学習装置、機械学習方法及びプログラム | |
Crowe et al. | The cincinnati prehospital stroke scale compared to stroke severity tools for large vessel occlusion stroke prediction | |
US20140207478A1 (en) | Physician composite quality scoring and rating methodology | |
Gharani et al. | An enhanced approach for modeling spatial accessibility for in vitro fertilization services in the rural Midwestern United States | |
Jain et al. | Awareness of racial and ethnic bias and potential solutions to address bias with use of health care algorithms | |
Burton et al. | Genomic medicine: challenges and opportunities for physicians | |
JP2003067489A (ja) | 検査結果データ出力システム | |
Daneshjou et al. | Checklist for evaluation of image-based AI reports in dermatology: CLEAR derm consensus guidelines from the International Skin Imaging Collaboration artificial intelligence working group | |
Stoldt et al. | Provenance-based trust model for assessing data quality during clinical decision making | |
CN113140323B (zh) | 一种健康画像生成方法、系统、介质及服务器 | |
CN112052882B (zh) | 磁共振脑结构影像的分类模型构建、分类与可视化方法 | |
Adalian | General considerations about data and selection of statistical approaches | |
Jencks et al. | Case-mix measurement and assessing quality of hospital care | |
Samawi et al. | Medical diagnostics accuracy measures and cut-point selection: An innovative approach based on relative net benefit | |
Purcarea et al. | Optimizing the technological and informational relationship of the health care process and of the communication between physician and patient–Factors that have an impact on the process of diagnosis from the physician's and the patient's perspectives | |
López Ratón et al. | GsymPoint: An R package to estimate the generalized symmetry point, an optimal cut-off point for binary classification in continuous diagnostic tests | |
CN112002422A (zh) | 医疗信息处理系统、装置、计算机设备和存储介质 | |
Wu et al. | Toward stronger FDA approval standards for AI medical devices | |
JP2021068188A (ja) | 診断支援方法および診断支援システム | |
Hardacre et al. | Diagnostic test accuracy of artificial intelligence analysis of cross-sectional imaging in pulmonary hypertension: a systematic literature review |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220412 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220413 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230524 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230627 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230809 |
|
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: 20230905 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230907 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7347977 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |