JP7375801B2 - 情報処理システム、及び情報処理方法 - Google Patents

Description

本開示は、情報処理システム、及び情報処理方法に関する。

本人の健診データを参照することなしに、対応する個人の健康状態を推定可能な推定システムが知られている（例えば、特許文献１参照）。この推定システムは、複数の第１の対象者の健康状態を記述する健康データセットと、複数の第１の対象者の購買履歴を記述する購買データセットとに基づいて、第２の対象者の健康状態を第２の対象者の購買履歴から推定するための推定モデルを構築するものである。
近年、一般用医薬品を販売し、更に日用品や食品類を小売りするドラッグストアにおいても、処方箋に基づく調剤を行う保険薬局を併設する場合が増え、また、ドラッグストアチェーンの経営母体が、別途、保険薬局チェーンを経営する場合も増えてきており、ドラッグストアでの購買履歴と、保険薬局の利用を紐づけることが比較的容易になった。

特許第６９１６３６７号公報

しかしながら、特許文献１に記載の推定システムは、同一の対象者が購入した購買履歴と、処方箋医薬品を記述する処方箋データとに基づく処理を行う点が考慮されていない。

本開示は、斯かる事情に鑑みてなされたものであり、同一の対象者が購入した商品及び処方箋データに基づく処理を効率的に行うことができる情報処理システム等を提供することを目的とする。

一つの案では、情報処理システムは、複数の第１の対象者が処方されている処方箋医薬品を記述する処方箋データセットと、前記複数の第１の対象者の購買履歴を記述する購買データセットと、前記複数の第１の対象者の属性情報を記述する属性データセットに基づいて、前記処方箋データセットに含まれる処方箋医薬品のうち、いずれかの処方箋医薬品が処方されている第１の対象者で共通する購買履歴及び属性情報を推定する推定部と、推定された前記共通する購買履歴及び属性情報を出力する出力部とを備える。又は、情報処理システムは、複数の第１の対象者が処方されている処方箋医薬品を記述する処方箋データセットと、前記複数の第１の対象者の購買履歴を記述する購買データセットとに基づいて、前記処方箋データセットに含まれる処方箋医薬品のうち、いずれかの処方箋医薬品が将来処方されると推定される第２の対象者を前記第２の対象者の購買履歴から推定するための推定モデルを構築するモデル構築部と、前記第２の対象者の購買履歴を記述する購買データを取得するデータ取得部と、前記処方箋医薬品が将来処方されると推定される第２の対象者を、前記購買データに記述される前記第２の対象者の購買履歴と前記推定モデルとに基づいて推定する推定部とを備える。

一つの案では、情報処理方法は、複数の第１の対象者が処方されている処方箋医薬品を記述する処方箋データセットと、前記複数の第１の対象者の購買履歴を記述する購買データセットと、前記複数の第１の対象者の属性情報を記述する属性データセットに基づいて、前記処方箋データセットに含まれる処方箋医薬品のうち、いずれかの処方箋医薬品が処方されている第１の対象者で共通する購買履歴及び属性情報を推定部に推定させ、推定された前記共通する購買履歴及び属性情報を出力部に出力させる処理をコンピュータに実行させる。又は、情報処理方法は、複数の第１の対象者が処方されている処方箋医薬品を記述する処方箋データセットと、前記複数の第１の対象者の購買履歴を記述する購買データセットとに基づいて、前記処方箋データセットに含まれる処方箋医薬品のうち、いずれかの処方箋医薬品が将来処方されると推定される第２の対象者を前記第２の対象者の購買履歴から推定するための推定モデルをモデル構築部に構築させ、前記第２の対象者の購買履歴を記述する購買データをデータ取得部に取得させ、前記処方箋医薬品が将来処方されると推定される第２の対象者を、前記購買データに記述される前記第２の対象者の購買履歴と前記推定モデルとに基づいて推定部に推定させる処理をコンピュータに実行させる。

本開示によれば、処方箋データを利用することで、対象者が購入した生活用品等と容易に紐づけることができ、処方箋医薬品に関する推定を効率的に行うことができる。

実施形態１に係る購買調剤システムの概要を示す説明図である。 情報処理装置の構成例を示すブロック図である。 生活者マスタテーブルのデータレイアウトを例示する説明図である。 購買テーブルのデータレイアウトを例示する説明図である。 調剤テーブルのデータレイアウトを例示する説明図である。 疾患対応テーブルのデータレイアウトを例示する説明図である。 アドバイス履歴テーブルのデータレイアウトを例示する説明図である。 情報処理装置の制御部に含まれる機能部を例示する機能ブロック図である。 情報処理装置の制御部による処理手順を例示するフローチャートである。 疾患レポート情報を示す表示画面（疾患レポート画面）を例示する説明図である。 疾患レポート情報を示す表示画面（疾患レポート画面）を例示する説明図である。 実施形態２（学習モデル）に係る第１学習モデル（疾患別患者解析エンジン）の生成処理に関する説明図である。 第２学習モデル（疾患啓発最適化エンジン）の生成処理に関する説明図である。 情報処理装置の制御部に含まれる機能部を例示する機能ブロック図である。 情報処理装置の制御部による処理手順を例示するフローチャートである。 生活者レポート情報を示す表示画面（生活者レポート画面）を例示する説明図である。 製薬会社向けレポート情報を示す表示画面を例示する説明図である。 実施形態３（投薬後フォロー）に係る情報処理装置の制御部による処理手順を例示するフローチャートである。

（実施形態１）
図１は、実施形態１に係る購買調剤システムＳ（情報処理システム）の概要を示す説明図である。図２は、情報処理装置１の構成例を示すブロック図である。購買調剤システムＳは、情報処理装置１を主たる装置（サーバ）として構成され、当該情報処理装置１は、例えばインターネット等の外部ネットワークＮを介して店舗サーバＴＳ及び保険薬局サーバＨＳと通信可能に接続される。

店舗サーバＴＳは、例えば、ドラッグストア等の店舗における販売管理を行うサーバである。情報処理装置１は、店舗サーバＴＳから、当該店舗において生活者が購入した生活用品等の商品の購買データを取得する。すなわち、当該購買データは、生活者が店舗にて購入することができる商品に関するものである。本実施形態において、当該商品は、例えば、ＯＴＣ医薬品、健康食品、サプリメント、食料品、健康器具、介護用品等の生活用品である。当該生活用品（商品）の購買データは、これら各種の生活用品の品名及び個数、購入した店舗名称、購入時を示す日付データ、及び生活者を一意に識別する店舗会員番号又はカード番号等の識別番号が含まれる。複数の生活者の購買データを集約することにより、購買データセットが構成される。

保険薬局サーバＨＳは、例えば、保険薬局の調剤業務を管理するサーバである。当該保険薬局は、保険薬局等の薬局を意図する。情報処理装置１は、保険薬局サーバＨＳから、当該保険薬局にて生活者が受けた処方箋に関する処方箋データを取得する。処方箋データは生活者が処方された処方箋医薬品を特定可能で、例えば、医師の診断に基づき交付される処方箋、保険薬局での調剤に応じて発行される調剤報酬明細書（調剤レセプト）、又は医療機関が健康保険組合に医療費を請求するため診療報酬明細書である。複数の生活者の処方箋データを集約することにより、処方箋データセットが構成される。処方箋データは、処方箋データ及び、調剤報酬明細書（調剤レセプト）データの少なくとも一つである、又はこれらデータの組み合わせであってもよい。

情報処理装置１は、店舗サーバＴＳ及び保険薬局サーバＨＳから取得した購買データ及び処方箋データを関連付けて記憶することにより、生活者それぞれにおいて、購入したＯＴＣ医薬品等の生活用品と、処方（調剤）された処方箋医薬品との相関に関する情報を保存及び管理する。情報処理装置１は、更に、各生活者に関連付けられた購買データ及び処方箋データを用いて、各種の分析結果を含むレポート情報を生成し、当該レポート情報を店舗サーバＴＳ及び保険薬局サーバＨＳに出力する。

情報処理装置１は、更に外部ネットワークＮを介して、外部サーバＧＳと通信可能に接続されるものであってもよい。当該外部サーバＧＳは、例えば広告代理店、保険会社、又は製薬会社等の各企業にて運用管理されるサーバであり、情報処理装置１は、自装置にて生成した各種データを外部サーバＧＳそれぞれに出力することにより、当該外部サーバＧＳを運用管理する広告代理店等に各種データを提供するものであってもよい。

情報処理装置１は、制御部２、記憶部３、及び通信部４を備える。制御部２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、記憶部３に記憶されたプログラムＰ（プログラム製品）を読み出して実行することにより、情報処理装置１に係る種々の情報処理、制御処理等を行う。

記憶部３は、ＳＲＡＭ（Static Random Access Memory）、ＤＲＡＭ（Dynamic Random Access Memory）、フラッシュメモリ等の揮発性記憶領域及び、ＥＥＰＲＯＭ又はハードディスク等の不揮発性記憶領域を含む。記憶部３には、プログラムＰ（プログラム製品）及び処理時に参照するデータが予め記憶してある。記憶部３に記憶されたプログラムＰ（プログラム製品）は、情報処理装置１が読み取り可能な記録媒体３１から読み出されたプログラムＰ（プログラム製品）を記憶したものであってもよい。また、図示しない通信網に接続されている図示しない外部コンピュータからプログラムＰ（プログラム製品）をダウンロードし、記憶部３に記憶させたものであってもよい。

記憶部３には、取得した購買データ及び処方箋データを関連付けて保存及び管理する購買調剤ＤＢ３００が、記憶されるものであってもよい。購買調剤ＤＢ３００は、例えば、生活者マスタテーブル、購買テーブル、調剤テーブル、疾患対応テーブル、及びアドバイス履歴テーブルを含む。これら各種テーブルの詳細は、後述する。

通信部４は、有線又は無線によりインターネット等を介し、店舗サーバＴＳ、保険薬局サーバＨＳ又は外部サーバＧＳ等と通信するための通信インターフェイスである。

図３は、生活者マスタテーブルのデータレイアウトを例示する説明図である。生活者マスタテーブルは、管理項目（メタデータ）として、例えば、生活者ＩＤ、購買用会員番号、保険者番号、氏名、性別、生年月日、及びメールアドレスを含む。

生活者ＩＤの項目には、購買調剤システムＳに登録（サブスクライブ）されている生活者を一意に特定するためのＩＤ情報が格納される。当該生活者ＩＤが、主キーとして設定されるものであってもよい。

購買用会員番号の項目には、購買データに含まれる番号であり、例えば、店舗にて登録した会員番号、又は購入時に用いたクレジットカードの番号等が格納される。当該番号（購買用会員番号）により、購買データの生活者が特定される。

保険者番号の項目には、例えば、処方箋データ（例えば、調剤報酬明細書等）に含まれる保険者番号が格納される。当該番号（保険者番号）により、処方箋データの生活者が特定される。保険者でなく保険者番号を持たない生活者に対しては、保険者番号に相当する仮番号を割り当て、保険者番号として利用する。

氏名の項目には、生活者の氏名が格納される。性別の項目には、生活者の性別が格納される。生年月日の項目には、生活者の生年月日が格納される。当該生年月日を用いることにより、現時点における生活者の年齢が算出されるのは言うまでもない。メールアドレスの項目には、生活者のメールアドレスが格納される。生活者マスタテーブルは、更に生活者の身長及び体重等の身体属性、居住地の地域情報、国籍、家族構成、及び職種等の各種の属性情報を含むものであってもよい。これら各種の属性情報は、生活者の属性データに相当する。複数の生活者の属性データを集約することにより、属性データセットが構成される。属性データは、更に、生活者によるブラウザ検索履歴データ、又はインターネット上における行動データを含むものであってもよい。情報処理装置１の制御部２は、当該属性データを、保険薬局サーバＨＳ、店舗サーバＴＳ、又は外部サーバＧＳから取得するものであってもよい。保険薬局サーバＨＳから属性データを取得する場合、当該属性データは、処方箋データの一部として構成されているものであってもよい。これら属性データが生活者マスタテーブルに保存される生活者は、本実施形態における情報処理システムにて処方箋医薬品が処方されているとして登録されている生活者、及び、未登録の生活者を含む。情報処理システムにて処方箋医薬品が処方されているとして登録されている生活者は、第１の対象者に相当する。情報処理システムにて処方箋医薬品が処方されているとして登録されていない未登録の生活者は、第２の対象者に相当する。

図４は、購買テーブルのデータレイアウトを例示する説明図である。購買テーブルは、管理項目（メタデータ）として、例えば、購買用会員番号、購買日時、生活用品、及び店舗名を含む。購買用会員番号の項目には、購買データに含まれる購買用会員番号が格納され、生活者マスタテーブルにて管理される生活者ＩＤ等と関連付けが行われる。

購買日時の項目には、購買データに含まれる購買日時（年月日、時間）、すなわち生活用品の購入時の日時データが格納される。

生活用品の項目には、購買データに含まれるＯＴＣ医薬品、健康食品、サプリメント、食料品、介護用品、及び日常生活品の全般を含む生活用品の細目情報が格納される。当該生活用品の細目情報は、例えば、これら生活用品毎の名称、種類、区分及び個数を含み、ＸＭＬ形式のファイルによるオブジェクトデータとして、保存されるものであってもよい。このように生活用品の細目情報をＸＭＬファイルで保存することにより、ＸＭＬにて用いられる拡張タグを用いてパース処理し、生活用品に含まれるＯＴＣ医薬品等の品名及び個数を抽出することができる。

店舗名の項目には、購買データに含まれる店舗名、すなわち生活用品を購入した店舗の名称が格納される。情報処理装置１の制御部２は、購買データを取得した場合、上述した各種データを当該購買データから抽出し、購買テーブルに登録する。

図５は、調剤テーブルのデータレイアウトを例示する説明図である。調剤テーブルは、管理項目（メタデータ）として、例えば、保険者番号、調剤日時、保険薬局名、医薬品、及び疾患を含む。保険者番号の項目には、処方箋データに含まれる保険者番号が格納され、生活者マスタテーブルにて管理される生活者ＩＤ等と関連付けが行われる。

調剤日時の項目には、処方箋データに含まれる調剤日時（年月日、時間）、すなわち保険薬局にて処方箋に基づき、調剤が行われた時の日時データが格納される。

保険薬局名の項目には、処方箋データに含まれる保険薬局の名称が格納される。

医薬品の項目には、処方箋データに含まれる処方箋医薬品の名称が格納される。この項目に格納される医薬品は、医師又は歯科医師よって使用され、又は処方箋もしくは指示によって使用されるものも含む医療用医薬品であってもよい。

疾患の項目には、同一のレコードに格納される処方箋医薬品に対応する疾患が格納される。当該処方箋医薬品と疾患との対応は、後述する疾患対応テーブルにて定義されている。情報処理装置１の制御部２は、処方箋データを取得した場合、上述した各種データを当該処方箋データから抽出し、調剤テーブルに登録する。

図６は、疾患対応テーブルのデータレイアウトを例示する説明図である。疾患対応テーブルは、管理項目（メタデータ）として、例えば、医薬品、及び疾患を含む。医薬品の項目には、各種の処方箋医薬品の名称が格納される。疾患の項目には、同一のレコードに格納される処方箋医薬品に対応する疾患が格納される。

情報処理装置１の制御部２は、疾患対応テーブルを参照する（ルックアップテーブルとして用いる）ことにより、処方箋データに含まれる処方箋医薬品に対応する疾患を特定することができる。疾患対応テーブルにおいて、医薬品と疾患との対応関係は、単一の医薬品によって疾患が特定される場合に限定されず、複数の医薬品の組み合わせにより、いずれかの疾患が特定されるものであってもよい。疾患対応テーブルに含まれる医薬品と疾患との対応関係に関するデータは、例えば製薬会社のサーバ等から定期的に取得することにより、更新されるものであってもよい。

図７は、アドバイス履歴テーブルのデータレイアウトを例示する説明図である。アドバイス履歴テーブルは、管理項目（メタデータ）として、例えば、生活者ＩＤ、アドバイス日時、及びアドバイス情報の項目（フィールド）を含む。

生活者ＩＤの項目には、生活者マスタテーブルにて定義されている生活者ＩＤが格納される。

アドバイス日時の項目には、同一のレコードに格納される生活者（生活者ＩＤ）に対するアドバイス情報が出力された日時（年月日、時間）が格納される。

アドバイス情報の項目には、同一のレコードに格納される生活者に対するアドバイス情報（コンテンツデータ）が格納される。当該アドバイス情報（コンテンツデータ）は、例えばＰＤＦ形式のファイルによるオブジェクトデータとして、保存されるものであってもよい。

本実施形態においては、生活者マスタテーブル主キーである生活者ＩＤは、購買テーブルの主キーである購買用会員番号と、調剤テーブルの主キーである保険者番号とを、関連付けるために用いられる。これにより、各生活者の購買テーブルに登録される購買データと調剤テーブルに登録される処方箋データ及び疾患とを関連付けて、保存及び管理することができる。本実施形態における各テーブルにおける正規化の構成（購買調剤ＤＢ３００のスキーマ）は、これらデータの関連付けを目的とした際の一例であり、これに限定されず、購買調剤ＤＢ３００は、本実施形態とは異なるテーブル構成であってもよいことは、言うまでもない。

図８は、情報処理装置１の制御部２に含まれる機能部を例示する機能ブロック図である。情報処理装置１の制御部２は、記憶部３に記憶されているプログラムを実行することにより、取得部２１、疾患特定部２２、ＤＢ登録部２３、生活用品分析モデル２４、疾患レポート生成部２５、及び出力部２６として機能する。

取得部２１は、例えば店舗サーバＴＳから購買データを取得し、保険薬局サーバＨＳから処方箋データを取得する。例えば、店舗が、ＯＴＣ医薬品を含む生活用品と、処方箋に基づく調剤を行う調剤コーナとを併設しているドラッグストア等の場合、当該ドラッグストアの販売管理サーバから、購買データ及び処方箋データを取得するものであってもよい。取得部２１は、取得したこれらデータを、疾患特定部２２等、後工程を担う他の機能部に出力する。

疾患特定部２２は、取得部２１からの処方箋データに含まれる処方箋医薬品の名称又は分類コード等を抽出し、例えば疾患対応テーブルを参照することにより、当該処方箋医薬品の名称等に対応する疾患を特定する。処方箋データは、例えば保険薬局が発行した調剤報酬明細書であり、生活者に処方された処方箋医薬品を特定し得る。当該調剤報酬明細書には処方箋が交付された患者（生活者）の疾患そのものは記載されていないが、疾患対応テーブルを用いることにより、処方された医薬品から疾患、すなわち疾患の名称である病名を逆引きすることができる。

ＤＢ登録部２３は、取得部２１からの購買データ及び処方箋データと、疾患特定部２２によって特定された疾患とを関連付けて、例えば購買調剤ＤＢ３００に登録する。購買データ及び処方箋データは、生活者を特定する識別情報が含まれており、購買データに含まれる識別情報は購買用会員番号であり、処方箋データに含まれる識別情報は保険者番号である。

ＤＢ登録部２３は、例えば生活者マスタテーブルを参照することにより、購買データに含まれる購買用会員番号及び処方箋データに含まれる保険者番号に該当する生活者ＩＤを抽出することにより、購買調剤システムＳに登録されている生活者を特定する。ＤＢ登録部２３は、特定された生活者ＩＤに基づいて、生活者の属性情報、例えば、生年月日、性別、身長、体重、居住地の地域情報、国籍、家族構成、職種、新規の処方又は新規以外の処方であるか、ブラウザ検索履歴データ、インターネット上における行動データ等を属性データとして生活者マスタテーブルから取り込み登録する。ＤＢ登録部２３は、購買データを購買テーブルに登録し、処方箋データ及び想定される疾患を調剤テーブルに登録することにより、これらデータが関連付けられて記憶される。上述のように購買調剤ＤＢ３００のテーブル構成が正規化されている場合、購買テーブルに登録された購買データと、調剤テーブルに登録された処方箋データ及び疾患とは、生活者マスタテーブルにて定義される生活者ＩＤと、当該生活者ＩＤに対応する購買用会員番号及び保険者番号とによって関連付けられる。

購買調剤ＤＢ３００には、同一の生活者による処方箋データと購買データと属性データが登録されるものとなり、これらデータは共に日付情報（処方箋の調剤日時（交付日を含め４日以内））、ＯＴＣ医薬品等の生活用品の購入日時を含む。これにより、当該日付情報に基づき、個々の生活者において、生活用品の購入時と、処方箋による調剤時との時間的な前後関係（経時的要素）を特定することができる。例えば、処方箋による調剤時を基準として、当該調剤時よりも以前に購入したＯＴＣ医薬品等の生活用品の購買履歴を特定することができる。これにより、ＯＴＣ医薬品等の生活用品の購買履歴と、交付された処方箋との相関関係又は因果関係を導出することができる。又、当該処方箋の調剤時よりも後に購入したＯＴＣ医薬品等の生活用品の購買履歴を特定することにより、処方箋医薬品とＯＴＣ医薬品との併用状況を導出し、把握することができる。

疾患レポート生成部２５は、所定の抽出条件（検索条件）を用いて、購買調剤ＤＢ３００から抽出（検索）した購買データ、処方箋データ、疾患及び属性データを用いて、疾患レポート情報を生成する。当該抽出条件は、例えば、疾患の種類（分類）を含むものであってもよい。疾患レポート生成部２５は、生活用品分析モデル２４に購買データを入力することにより、購買データに関する分析結果を取得し、当該分析結果を含めた疾患レポート情報を生成するものであってもよい。当該疾患レポート情報は、例えば、疾患レポート画面として表示されるものであってもよい。疾患レポート画面（疾患レポート情報）の詳細は後述する。

生活用品分析モデル２４は、疾患レポート生成部２５からの、抽出条件によって抽出された購買データや属性データを入力データとし、当該購買データに対する各種の分析処理を行った結果を出力する推定部である。生活用品分析モデル２４は、例えば、クラスタリング（クラスター分析）又はアソシエーション分析の機能を有する教師なし学習モデルにより構成されるものであってもよい。

生活用品分析モデル２４がクラスタリング機能を有する場合、生活用品の購買履歴が含まれる購買データ等を当該生活用品分析モデル２４に入力することにより、購買データ等に内在するグループ分け（区分化された生活用品）に関する情報を出力する。生活用品分析モデル２４がアソシエーション分析機能を有する場合、購買データ等を当該生活用品分析モデル２４に入力することにより、当該購買データ等に含まれる生活用品の傾向、又は複数の生活用品における相関に関する分析結果を出力する。生活用品分析モデル２４は、これらクラスター分析又はアソシエーション分析に限定されず、ベイズ分析又は主成分分析の統計分析等、各種の分析処理を行うものであってもよい。

生活用品分析モデル２４に対し、特定の疾患が発生した複数の生活者（生活者群）の購買データ等を入力することにより、当該疾患に対応する処方箋医薬品が調剤、すなわち当該処方箋医薬品を含む処方箋データが取得されるまでに、当該疾患が発生した複数の生活者（患者）における購買履歴等を分析することができる。すなわち、購買調剤ＤＢ３００による検索機能を用いて各疾患の分類毎に複数の生活者による購買データ等を集約し、当該疾患の分類毎に集約した購買データ等を生活用品分析モデル２４に入力することにより、疾患の分類毎の分析結果を取得することができる。これにより、疾患が発生した生活者において、各疾患の分類毎に、処方箋が交付されるまでのＯＴＣ医薬品等の生活用品の購入傾向等を把握することができ、当該生活用品の購入の観点からのペイシェントジャーニーを把握することができる。

出力部２６は、疾患レポート生成部２５からの疾患レポート情報を、例えば、処方箋データを提供した保険薬局の保険薬局サーバＨＳ、及び購買データを提供した店舗の店舗サーバＴＳに対し出力する。出力部２６は、更に、疾患レポート情報を、例えば広告代理店、保険会社、又は製薬会社それぞれの外部サーバＧＳに出力する。出力部２６は、これら外部サーバＧＳに疾患レポート情報を出力する場合、当該疾患レポート情報から、生活者を特定する個人情報を除外するものであってもよい。このように個人情報を除外し匿名性を備える疾患レポート情報を広告代理店、保険会社及び製薬会社等が用いる外部サーバＧＳに出力することにより、これら関連企業は、それぞれの業態に応じて、当該疾患レポート情報を効率的に活用することができる。また、第１の対象者の現在及び未来の疾患状態の推移推測情報を該疾患状態に対応した購買行動の情報とともに出力してもよい。

図９は、情報処理装置１の制御部２による処理手順を例示するフローチャートである。情報処理装置１の制御部２は、購買データを取得する（Ｓ１０１）。情報処理装置１の制御部２は、例えば、ドラッグストア等の店舗における販売管理を行う店舗サーバＴＳから購買データを取得する。

情報処理装置１の制御部２は、処方箋データを取得する（Ｓ１０２）。情報処理装置１の制御部２は、例えば、保険薬局の調剤業務を管理する保険薬局サーバＨＳから処方箋データを取得する。

情報処理装置１の制御部２は、処方箋データから想定される疾患を特定する（Ｓ１０３）。情報処理装置１の制御部２は、例えば、記憶部３に記憶されている疾患対応テーブルを参照し、調剤報酬明細書等の処方箋データに含まれる処方箋医薬品に対応する疾患を特定する。

情報処理装置１の制御部２は、購買データ及び処方箋データ等を関連付けて記憶する（Ｓ１０４）。情報処理装置１の制御部２は、例えば、購買データを購買テーブルに登録し、処方箋データ及び特定した疾患を調剤テーブルに登録する。購買データに含まれる購買用会員番号と、処方箋データに含まれる保険者番号とは、生活者マスタテーブルの生活者ＩＤによって紐づけされているため、同一の生活者による購買データと処方箋データとを関連付けて記憶することができる。このとき、生活者ＩＤによって紐づけされている属性データを生活者マスタテーブルから取り込み登録する。なお、属性データは、処方箋データに含まれる生年月日や性別などを利用してもよい。

情報処理装置１の制御部２は、関連付けて記憶された購買データ及び処方箋データ等に基づき、疾患レポート情報を出力する（Ｓ１０５）。情報処理装置１の制御部２は、所定の抽出条件を用いて、購買調剤ＤＢ３００から抽出（検索）した購買データ、処方箋データ、疾患及び属性データを用いて、疾患レポート情報を生成する。当該抽出条件は、例えば、生活者の性別、年齢層又は居住地域等により設定するものであってもよい。

図１０は、疾患レポート情報を示す表示画面（疾患レポート画面）を例示する説明図である。情報処理装置１の制御部２は、疾患レポート情報を出力するにあたり、当該疾患レポート情報を示す疾患レポート画面を構成する画面データを生成し、生成した画面データを店舗サーバ及び保険薬局サーバに出力する。又は、情報処理装置１の制御部２は、ＷＥＢサーバ機能を用いて、店舗又は保険薬局の関連者の携帯端末に、疾患レポート画面を表示するものであってもよい。疾患レポート画面は、例えば、購買調剤ＤＢ３００からデータを抽出（検索）する抽出条件を示す抽出条件エリアと、抽出結果をリスト表示するリスト表示エリアとを含む。

抽出条件エリアには、疾患レポート情報の対象となる購買データ及び処方箋データ等を特定するため、購買調剤ＤＢ３００に対する抽出条件が表示される。当該抽出条件は、例えば、調剤日時の期間、対象となる生活者の年齢範囲、性別、疾患の種類、及び地域である。

リスト表示エリアは、表示項目の一例として、処方箋データ（医薬品）、疾患、該当生活者数、ＯＴＣ医薬品の併用者数、併用率、分析結果、及び履歴データを含む。処方箋データ（医薬品）の項目には、処方箋に基づき調剤された処方箋医薬品の名称が表示される。疾患の項目には、処方箋医薬品に対応する疾患が表示され、当該疾患は、例えば疾患対応テーブルにより特定される。

該当生活者数の項目には、設定された抽出条件にて抽出された生活者のうち、当該疾患に該当する生活者の人数が表示される。ＯＴＣ医薬品の併用者数の項目には、当該疾患に該当する生活者において、ＯＴＣ医薬品を購入した生活者の人数が表示される。併用率の項目には、当該疾患に該当する生活者の人数を母数とし、当該ＯＴＣ医薬品を購入した生活者の人数の割合（パーセンテージ）が表示される。

分析結果の項目には、分析結果表示画面をポップアップ表示するためのリンクが表示される。当該リンクをクリックすることにより、対応する疾患（各疾患の分類毎）に該当する生活者の購買データに対するクラスター分析及びアソシエーション分析等の分析結果が含まれる分析結果表示画面が表示される。クラスター分析結果は、対応する疾患（同一の疾患）が発生した複数の生活者の購買データにおける、生活用品のグループ分け（区分化された生活用品）に関する情報を含む。アソシエーション分析結果は、対応する疾患（同一の疾患）が発生した複数の生活者の購買データにおける、生活用品同士の連関又は相関に関する情報を含む。当該分析結果表示画面により、個々の疾患又は処方箋医薬品それぞれにおいて、当該疾患を有する複数の生活者における購買データの統計的な分析結果を把握することができる。これにより、当該疾患の発生に至るまでの生活者それぞれのペイシェントジャーニーに関する事項を、統計的な視点から把握することができる。

履歴データの項目には、購買履歴表示画面をポップアップ表示するためのリンクが表示される。当該リンクをクリックすることにより、対応する疾患に該当する生活者の購買データに含まれる購買履歴である購入日時、購入した生活用品及び購入した店舗等が、含まれる購買履歴表示画面が表示される。これにより、個々の疾患又は処方箋医薬品それぞれにおいて、当該疾患の発生に至るまでの生活者それぞれの購買履歴を把握することができる。

図１１は、疾患レポート情報を示す表示画面（疾患レポート画面）を例示する説明図である。情報処理装置１の制御部２は、図１０及び図１１にて例示される疾患レポート画面等、種々の表示形態を用いて当該疾患レポート画面を生成及び出力する。

図１１にて例示される疾患レポート画面は、例えば、情報処理装置１に入力されたターゲット疾患薬剤情報に基づいて、いずれかの処方箋医薬品が処方されている生活者の購買履歴及び属性情報を示す。情報処理装置１の制御部２は、例えば、指定されたターゲット疾患薬剤情報に基づき医薬品を特定し、当該医薬品が処方された複数の生活者におけるクラスター分析、属性の分布、処方前後の購買行動の変化をグラフ形式又は表形式にて表示する。生活者の属性は、例えば、これら複数の生活者の性別、年齢層及び、新規の処方又は新規以外の処方であるかを含むものであってもよい。情報処理装置１の制御部２は、更に、指定されたターゲット疾患薬剤情報に基づき、疾患別患者分析としてペイシェントジャーニー及び購買動向を可視化した図を疾患レポート画面に含めるものであってもよい。

本実施形態によれば、情報処理装置１の制御部２は、同一の生活者における処方箋データ及び購買データを、当該生活者の識別番号を用いて、例えば購買調剤ＤＢ３００に登録することにより、これら処方箋データと購買データとを関連付けて記憶する。これにより、個々の生活者における処方箋データと、ＯＴＣ医薬品等を含む生活用品の購買データとを含む購買調剤ＤＢ３００を生成及び活用し、生活者に対し医薬全般に関する総合的な情報提供を行うための基盤環境を構築することができる。

本実施形態によれば、購買調剤ＤＢ３００には、同一の生活者による処方箋データと購買データとが登録されるものとなり、これらデータは共に日付情報、ＯＴＣ医薬品等の生活用品の購入日時）を含む。情報処理装置１の制御部２は、当該日付情報に基づき、個々の生活者において、生活用品の購入時と処方箋の調剤時（交付時）の時間的な前後関係である経時的要素を特定し、処方箋の調剤時を基準として、ＯＴＣ医薬品等の生活用品の購買履歴と、交付された処方箋との相関関係を導出することができる。又、当該処方箋の調剤時よりも後に購入したＯＴＣ医薬品等の生活用品の購買履歴を特定することにより、処方箋医薬品とＯＴＣ医薬品との併用状況を導出（把握）することができる。

本実施形態によれば、関連付けられた購買データ及び処方箋データ等を含む疾患レポート情報は、処方箋データを提供した保険薬局、及び購買データを提供した店舗に対し出力されるため、これら保険薬局又は店舗が生活者に対し医薬に関する啓発活動を行うにあたり、当該啓発活動の支援を行うことができる。
（実施形態２）

図１２は、実施形態２（学習モデル）に係る第１学習モデル２０１の生成処理に関する説明図である。情報処理装置１の制御部２は、第１学習モデル２０１用の訓練データを用いて、例えばニューラルネットワーク等を学習させ、生活者の購買データを入力とし、当該生活者における疾患に関する情報を出力とする第１学習モデル２０１を生成する。当該疾患に関する情報は、例えば、疾患、及び当該疾患が発生する確度（可能性）を含む。すなわち、第１学習モデル２０１（疾患モデル）は、入力された生活者の購買データに基づき、当該生活者において、各疾患別の発生確度を出力する疾患別患者解析エンジンとして機能する。

訓練データは問題データ及び回答データを含み、個々の生活者の購買データそれぞれは、問題データに相当し、当該生活者の処方箋データに含まれる処方箋医薬品に対応する疾患は、回答データに相当する。問題データは、購買データ、すなわち生活用品の購買履歴に関する情報により構成される。又は、問題データは、当該購買データに加え、生活者の年齢、性別、身長及び体重等の身体属性を含むものであってもよい。回答データは、購買データに含まれる最終の購入日時によりも後の調剤日時の処方箋データに基づき特定された疾患により構成される。これにより、生活用品の購買履歴と、交付された処方箋との相関関係を、経時的に設定することができる。

問題データとして用いる購買データは、処方箋データの調剤日時を基準として、例えば、１年前まで等、所定期間前までのデータを用いるものであってもよい。このように処方箋データの調剤日時を基準として、問題データとして用いる購買データの遡及期間（何年前までのデータを用いるか）を定めることにより、回答データの精度を向上させることが期待される。当該購買データの遡及期間は、例えば、処方箋データに含まれる処方箋医薬品の分類等に応じて、異ならせるものであってもよい。これらデータは、例えば、ＯＴＣ医薬品を含む生活用品と、処方箋に基づく調剤を行う調剤コーナとを併設しているドラッグストア等の店舗における販売管理データに基づき集約することができ、当該販売管理データ等を用いて訓練データを生成することができる。本実施形態における購買調剤システムＳは、これら購買データと処方箋データとを関連付けて記憶（保存及び管理）する購買調剤ＤＢ３００を含むため、情報処理装置１の制御部２は、当該購買調剤ＤＢ３００に保存されたデータを用いて、訓練データを効率的に生成することができる。

第１学習モデル２０１等、学習モデルを学習するための訓練データに含まれる問題データ及び回答データのデータセットと、当該学習モデル（学習モデル１０１等）を用いた際の入力データ及び出力データのデータセットとは同義であり、いずれかのデータセットにて定義されていれば、他方のデータセットにおいても、当然に適用される。

訓練データを用いて学習されたニューラルネットワーク（第１学習モデル２０１）は、人工知能ソフトウェアの一部であるプログラムモジュールとして利用が想定される。第１学習モデル２０１（疾患モデル）は、上述のごとく制御部２（ＣＰＵ等）及び記憶部３を備える情報処理装置１にて用いられるものであり、このように演算処理能力を有する情報処理装置１にて実行されることにより、ニューラルネットワークシステムが構成される。すなわち、情報処理装置１の制御部２が、記憶部３に記憶された第１学習モデル２０１からの指令に従って、入力層に入力された購買データの特徴量を抽出する演算を行い、出力層から、疾患に関する情報を出力する。

第１学習モデル２０１（疾患モデル）は、例えばＤＮＮ（Deep Neural Network）にて構成され、購買データの入力を受け付ける入力層と、当該購買データの特徴量を抽出する中間層と、疾患に関する情報を出力とする出力層とを有する。入力層は、購買データに含まれる文字列及び値等の入力を受け付ける複数のニューロンを有し、入力された値を中間層に受け渡す。中間層は、ReLU関数又はシグモイド関数等の活性化関数を用いて定義され、入力されたそれぞれの値の特徴量を抽出する複数のニューロンを有し、抽出した特徴量を出力層に受け渡す。当該活性化関数の重みづけ係数及びバイアス値等のパラメータは、誤差逆伝播法を用いて最適化される。出力層は、例えば全結合層により構成され、中間層から出力された特徴量に基づいて疾患に関する情報を出力する。又は、出力層は、例えば、ソフトマックス層により構成され、複数種類の疾患それぞれに対する確度（各疾患の種類毎における発生の可能性）を出力するものであってもよい。

本実施形態では、第１学習モデル２０１（疾患モデル）は、ＤＮＮであるとしたがこれに限定されず、ＤＮＮ以外のニューラルネットワーク、トランスフォーマ、ＢＥＲＴ、ＧＰＴ、ＲＮＮ（Recurrent Neural Network）、ＬＳＴＭ（Long-short term model）、ＣＮＮ、ＳＶＭ（Support Vector Machine）、ベイジアンネットワーク、線形回帰、回帰木、重回帰、ランダムフォレスト、アンサンブルなど、他の学習アルゴリズムで構築された第１学習モデル２０１（疾患モデル）であってよい。

図１３は、第２学習モデル２０２の生成処理に関する説明図である。情報処理装置１の制御部２は、第２学習モデル２０２用の訓練データを用いて、例えばニューラルネットワーク等を学習させ、生活者の購買データを入力とし、当該生活者に対するアドバイス情報を出力とする第２学習モデル２０２を生成する。当該アドバイス情報は、例えば、将来的な発生が懸念される疾患に対応するための疾患啓発スケジュール、生活改善コンテンツ等を含む。更に、購買データにＯＴＣ医薬品が含まれる場合等は、アドバイス情報は、当該ＯＴＣ医薬品から、処方箋に基づき調剤された医薬品への切り替えの示唆を含むものであってもよい。このようにアドバイス情報は、疾患啓発最適化プログラムとして出力されるものであり、当該疾患啓発最適化プログラムは、疾患状態を改善するにあたり最適な商品情報、及び、生活者の生活変容を促す情報の少なくとも１つを含む。すなわち、第２学習モデル２０２（アドバイスモデル）は、入力された生活者の購買データに基づき、当該生活者にて懸念される疾患への対策を啓発するためのアドバイスを出力する疾患啓発最適化エンジンとして機能する。

訓練データは問題データ及び回答データを含み、個々の生活者の購買データそれぞれは問題データに相当し、当該生活者に対するアドバイス情報は回答データに相当する。問題データは、購買データ、すなわち生活用品の購買履歴（ＯＴＣ医薬品等の生活用品の品名、個数、購入日時）に関する情報により構成される。又は、問題データは、当該購買データに加え、生活者の年齢、性別、身長及び体重等の身体属性を含むものであってもよい。

回答データであるアドバイス情報は、購買調剤ＤＢ３００において、問題データである購買データに関連付けられた処方箋データに基づき生成されるものであってもよい。情報処理装置１の制御部２は、例えば、処方箋データに含まれる処方箋医薬品の種類に基づき、当該処方箋医薬品への切り替えを示唆する内容を含むアドバイス情報を生成するものであってもよい。第２学習モデル２０２においても、第１学習モデル２０１と同様に、処方箋データの調剤日時を基準として、問題データとして用いる購買データの遡及期間、すなわち何年前までのデータを用いるか、を定めるものであってもよい。又は、情報処理装置１の制御部２は、購買データに含まれる食料品等の摂取量に対する生活改善事項が含まれる対応情報を参照し、当該生活改善事項を用いてアドバイス情報を構成するものであってもよい。情報処理装置１の制御部２は、第１学習モデル２０１と同様に、例えば、購買調剤ＤＢ３００に保存されたデータを用いて第２学習モデル２０２の訓練データを効率的に生成し、当該訓練データを用いて第２学習モデル２０２を学習させ生成することができる。

第２学習モデル２０２（アドバイスモデル）は、例えばＤＮＮ（Deep Neural Network）にて構成され、購買データの入力を受け付ける入力層と、当該購買データの特徴量を抽出する中間層と、アドバイス情報を出力とする出力層とを有する。入力層は、購買データに含まれる文字列及び値等の入力を受け付ける複数のニューロンを有し、入力された値を中間層に受け渡す。中間層は、ReLU関数又はシグモイド関数等の活性化関数を用いて定義され、入力されたそれぞれの値の特徴量を抽出する複数のニューロンを有し、抽出した特徴量を出力層に受け渡す。当該活性化関数の重みづけ係数及びバイアス値等のパラメータは、誤差逆伝播法を用いて最適化される。出力層は、例えば全結合層により構成され、中間層から出力された特徴量に基づいてアドバイス情報を出力する。

本実施形態では、第２学習モデル２０２は、ＤＮＮであるとしたがこれに限定されず、第１学習モデル２０１と同様にＤＮＮ以外のニューラルネットワークなど、他の学習アルゴリズムで構築された第２学習モデル２０２であってよい。

図１４は、情報処理装置１の制御部２に含まれる機能部を例示する機能ブロック図である。情報処理装置１の制御部２は、記憶部３に記憶されているプログラムを実行することにより、取得部２１、第１学習モデル２０１（疾患別患者解析エンジン）、疾患想定者判定部２７、第２学習モデル２０２（疾患啓発最適化エンジン）、生活者レポート生成部２８、及び出力部２６として機能する。

取得部２１は、例えば店舗サーバＴＳから購買データを取得する。取得部２１は、当該購買データに含まれる購買用会員番号を抽出し、当該購買用会員番号の生活者を特定することにより、特定された生活者ＩＤに基づいて、生活者の属性情報、例えば、生年月日、性別、身長、体重、居住地の地域情報、国籍、家族構成、職種、新規の処方又は新規以外の処方であるか、ブラウザ検索履歴データ、インターネット上における行動データ等を属性データとして購買調剤ＤＢ３００にある生活者マスタテーブルから取り込み登録する。この属性データから当該生活者が、未だに処方箋が登録されていない未登録の生活者であるか否かを把握することができる。当該未登録の生活者は、購買データに含まれる購買日時よりも前に登録された処方箋データが、例えば過去１年等、所定期間内において無い生活者を意味する。

購買調剤システムＳに登録されている生活者において、未登録の生活者に関するデータは、購買調剤ＤＢ３００の購買テーブルのみに格納されているものとなり、調剤テーブルには格納されていないものとなる。本実施形態における処理は、一例として、当該未登録の生活者を対象とした処理となるが、登録済みの生活者に対しても、同様の処理を行うものであってもよい。

第１学習モデル２０１は、前述のとおり、対象者が処方されている処方箋医薬品を記述する処方箋データセットと、同じ対象者の購買履歴を記述する購買データセットとを用いて、この処方箋医薬品が処方される可能性を購買履歴から推定する推定モデルを構築するモデル構築部である。取得部２１からの購買データが入力されることにより、当該購買データの生活者（未登録の生活者）における疾患に関する情報を出力する。当該疾患に関する情報とは、例えば、現時点から１年以内等、所定期間内にて当該生活者（未登録の生活者）に疾患が発生する可能性を示す情報である。第１学習モデル２０１は、入力された購買データに基づき、各疾患の種類毎における可能性（確度）を出力するものであってもよい。

疾患想定者判定部２７は、第１学習モデル２０１とともに疾患別患者解析エンジンとして、第１学習モデル２０１が出力した疾患に関する情報に基づき、生活者（未登録の生活者）が疾患想定者に該当するか否かを推定する推定部である。第１学習モデル２０１が各疾患の種類毎における可能性（確度）を出力する際、いずれの種類の疾患に対する可能性の値が所定値よりも低い（未満）場合、疾患想定者判定部２７は、当該未登録の生活者において、将来、いずれの疾患も発生する可能性が、低いと判定する。この場合、当該未登録の生活者は、疾患想定者に該当しないと判定される。疾患想定者判定部２７は、単数又は複数の種類の疾患に対する可能性の値が所定値以上である場合、当該未登録の生活者において、将来、これら可能性の値が所定値以上である疾患が発生する可能性が、高いと判定する。この場合、当該未登録の生活者は、疾患想定者に該当すると判定される。

疾患想定者判定部２７は、当該判定結果に基づき、第２学習モデル２０２への購買データ等の入力を制御する。すなわち、疾患想定者に該当すると判定された場合、当該疾患想定者（未登録の生活者）の購買データが、第２学習モデル２０２に入力される。

第２学習モデル２０２は、啓蒙評価部かつ啓蒙変更部でもあり、疾患想定者判定部２７の判定結果に基づき、疾患想定者（未登録の生活者）の購買データが入力されることにより、当該疾患想定者に対するアドバイス情報を出力する。当該アドバイス情報は、例えば、疾患啓発に則するスケジュール又はコンテンツ等を含むものであってもよい。

生活者レポート生成部２８は、第２学習モデル２０２が出力したアドバイス情報、及び疾患想定者（未登録の生活者）の購買データに基づき、生活者レポート情報を生成する疾患啓蒙部である。当該生活者レポート情報は、例えば、生活者レポート画面として表示されるものであってもよく、患者啓発プログラム及び企画案・コンテンツを含む。生活者レポート画面（生活者レポート情報）の詳細は後述する。

出力部２６は、生活者レポート生成部２８からの生活者レポート情報を、例えば、処方箋データを提供した保険薬局の保険薬局サーバＨＳ、及び購買データを提供した店舗の店舗サーバＴＳに対し出力する。出力部２６は、更に、生活者レポート情報を、例えば広告代理店、保険会社、又は製薬会社それぞれの外部サーバＧＳに出力するものであってもよい。出力部２６は、これら外部サーバＧＳに生活者レポート情報を出力する場合、当該生活者レポート情報から、生活者（疾患想定者）を特定する個人情報を除外した属性情報、例えば、年齢、性別、身長、体重、居住地を出力するものであってもよい。又は、出力部２６は、生活者レポート情報を、当該生活者レポート情報の対象である生活者のメールアドレスに送信することにより、当該生活者へ生活者レポート情報を直接的に出力し送信するものであってもよい。更に、第２の対象者の属性情報として今後疾患となることが予想される処方箋未登録者の購買パターンの条件を出力してもよい。

図１５は、情報処理装置１の制御部２による処理手順を例示するフローチャートである。情報処理装置１の制御部２は、購買データを取得する（Ｓ２０１）。情報処理装置１の制御部２は、実施形態１のＳ１０１と同様に、店舗サーバＴＳから購買データを取得する。

情報処理装置１の制御部２は、取得した購買データに含まれる購買用会員番号に基づき生活者を特定し、当該生活者が、未だに処方箋を登録されていない未登録の生活者である場合、以下の処理を行うものであってもよい。情報処理装置１の制御部２は、調剤テーブルを参照し、購買データに含まれる購買日時よりも前に登録された処方箋、すなわち登録された処方箋データが、例えば過去１年等、所定期間内において無い場合、当該購買データの生活者が未登録であると判断するものであってもよい。

情報処理装置１の制御部２は、購買データの生活者が、疾患想定者に該当するか否かを疾患別患者解析エンジンとして判定する（Ｓ２０２）。情報処理装置１の制御部２は、例えば、第１学習モデル２０１に取得した購買データを入力し、第１学習モデル２０１が出力した当該購買データの生活者における疾患に関する情報を取得する。第１学習モデル２０１は、入力された購買データに基づき、各疾患の種類毎における発生の可能性（確度）を出力するものであってもよい。

第１学習モデル２０１が各疾患の種類毎における可能性（確度）を出力する際、いずれの種類の疾患に対する可能性の値が所定値よりも低い（未満）場合、情報処理装置１の制御部２は、疾患別患者解析エンジンとして当該購買データの生活者は疾患想定者に該当しないと判定する。単数又は複数の種類の疾患に対する可能性の値が所定値以上である場合、情報処理装置１の制御部２は、当該購買データの生活者は疾患想定者に該当すると判定する。

疾患想定者に該当すると判定した場合（Ｓ２０２：ＹＥＳ）、情報処理装置１の制御部２は、購買データ等に基づき、アドバイス情報を導出する（Ｓ２０３）。情報処理装置１の制御部２は、例えば、第２学習モデル２０２に取得した購買データを入力し、第２学習モデル２０２が出力したアドバイス情報を取得することにより、当該購買データの生活者に対するアドバイス情報を導出する当該アドバイス情報は、例えば、疾患啓発に則するスケジュール又はコンテンツ等を含み、更に、購買データにＯＴＣ医薬品が含まれる場合は当該ＯＴＣ医薬品から、処方箋に基づき調剤された医薬品への切り替えの示唆を含むものであってもよい。

情報処理装置１の制御部２は、アドバイス情報等を含む生活者レポート情報を出力する（Ｓ２０４）。情報処理装置１の制御部２は、第２学習モデル２０２が出力したアドバイス情報、及び疾患想定者の購買データに基づき生活者レポート情報を生成し、例えば、処方箋データを提供した保険薬局の保険薬局サーバＨＳ、及び購買データを提供した店舗の店舗サーバＴＳに対し出力する。

保険薬局サーバＨＳ又は店舗サーバＴＳに出力された生活者レポート情報は、リーフレット又はチラシ等の疾患啓発資材として成形され、保険薬局又は店舗に来た生活者に対し配布されるものであってもよい。又は、当該生活者レポート情報は、保険薬局サーバＨＳ又は店舗サーバＴＳを介して、生活者の携帯端末等へメール等によって送信されるものであてもよい。又は、電子おくすり手帳を用いて、生活者レポート情報を配信してもよい。

図１６は、生活者レポート情報を示す表示画面（生活者レポート画面）を例示する説明図である。情報処理装置１の制御部２は、生活者レポート情報を出力するにあたり、当該生活者レポート情報を示す生活者レポート画面を構成する画面データを生成し、生成した画面データを店舗サーバ及び保険薬局サーバに出力する。又は、情報処理装置１の制御部２は、ＷＥＢサーバ機能を用いて、店舗又は保険薬局の関連者の携帯端末に、生活者レポート画面を表示するものであってもよい。生活者レポート画面は、例えば、対象となる生活者の書誌事項を示す生活者事項エリア、当該生活者の購買履歴を示す購買履歴エリア、及び当該生活者に対するアドバイス情報を表示するアドバイス情報表示エリアを含む。

生活者事項エリアには、対象となる生活者の生活者ＩＤ、購買用会員番号、保険者番号、氏名等を含む生活者の書誌事項が表示される。購買履歴エリアには、対象となる生活者の購買履歴である購入日時、購入した生活用品、及び購入した店舗等が、リスト形式で表示される。アドバイス情報表示エリアには、当該購買履歴に基づき導出されたアドバイス情報が表示される。

疾患想定者に該当しないと判定した場合（Ｓ２０２：ＮＯ）、又はＳ２０４の処理の実行後、情報処理装置１の制御部２は、判定結果等を記憶する（Ｓ２０５）。情報処理装置１の制御部２は、判定結果等に応じて生成されたアドバイス情報を、例えばアドバイス履歴テーブルに登録することにより、記憶部３に記憶する。情報処理装置１の制御部２は、疾患想定者に該当しないと判定された生活者に対しても、当該判定結果を、例えばアドバイス履歴テーブルに登録するものであってもよい。この場合、アドバイス履歴テーブルのアドバイス情報の項目には、非該当等、疾患想定者に該当しないと判定された旨（判定結果）を格納するものであってもよい。

情報処理装置１の制御部２は、本処理の結果に基づき、製薬会社向けの疾患啓発のレポートを生成し、製薬会社が用いる外部サーバＧＳに出力するものであってもよい。図１７は、製薬会社向けレポート情報を示す表示画面を例示する説明図である。製薬会社向けレポート情報を示す表示画面（製薬会社向けレポート画面）は、例えば、検証レポートとして、受診勧奨（新規患者獲得）の状況を示すエリアと、服薬継続フォローの状況を示すエリアを含む。受診勧奨のエリアには、アドバイス情報に含まれる疾患啓発プログラムの種類、個々の疾患啓発プログラムの対象人数、処方箋持参人数、及び新規患者人数が、リスト形式で表示される。服薬継続フォローのエリアは、アドバイス情報に含まれる疾患啓発プログラムの種類、個々の疾患啓発プログラムの服薬継続対象人数、及び継続人数がリスト形式で表示される。

情報処理装置１の制御部２は、生活者の疾患の種類に応じて生成したアドバイス情報それぞれにおいて、当該アドバイス情報に含まれる疾患啓発プログラムの種類に基づき、該当する生活者の人数等を集計することにより、製薬会社向けレポート画面にて表示されるそれぞれの人数を算出する。このように個々の疾患啓発プログラムにおいて、対象となる生活者の人数の集計結果を含むレポートを、製薬会社向けの疾患啓発のレポートとして生成し、製薬会社の外部サーバＧＳに出力することにより、当該製薬会社に対し有益な情報を効率的に提供することができる。

本実施形態によれば、情報処理装置１の制御部２は、例えば購買調剤ＤＢ３００に登録されている購買データ及び処方箋データを用いた訓練データによってニューラルネットワークを学習させることにより、第１学習モデル２０１を効率的に生成することができる。情報処理装置１の制御部２は、処方箋の登録がされていない当該未登録の生活者の購買データを第１学習モデル２０１に入力することにより、未登録の生活者が、未登録の生活者における疾患に関する情報を導出することができる。疾患に関する情報は、将来的に疾患を発生する可能性等を含む。第１学習モデル２０１は、個々の処方箋データに対応する疾患の分類（種類）に応じて、各疾患の種類毎における可能性を導出するものであってもよい。このように、購買調剤ＤＢ３００に登録されたデータを用いて学習された第１学習モデル２０１を用いることにより、現時点において処方箋の登録がされていない未登録の生活者に対しても、当該未登録の生活者が、将来的に疾患を発生する可能性等を含む情報（疾患に関する情報）を導出することができる。

本実施形態によれば、情報処理装置１の制御部２は、第２学習モデル２０２を用いることにより、将来において疾患を発生する可能性が高い生活者（疾患想定者）に対し、当該疾患想定者の購買データに基づき、アドバイス情報を導出することができる。当該アドバイス情報は、例えば、疾患想定者の購買データに含まれるＯＴＣ医薬品に対し、当該ＯＴＣ医薬品から、処方箋に基づき調剤された医薬品への切り替えの示唆を含むものであってもよい。

本実施形態によれば、情報処理装置１の制御部２は、疾患想定者に対するアドバイス情報と、当該アドバイス情報の根拠となる購買データとを含む生活者レポート情報を生成し、処方箋データを提供した保険薬局、及び購買データを提供した店舗に対し出力する。当該生活者レポート情報を、保険薬局又は店舗に出力又は公開することにより、これら保険薬局又は店舗が疾患想定者に対し効率的なアドバイスを行うことを、支援することができる。情報処理装置１の制御部２は、更に、当該生活者レポート情報から、生活者（疾患想定者）を特定する個人情報を除外し、当該個人情報が除外された生活者レポート情報を、広告代理店、保険会社、又は製薬会社に出力又は公開するものであってもよい。

（実施形態３）
図１８は、実施形態３（投薬後フォロー）に係る情報処理装置１の制御部２による処理手順を例示するフローチャートである。情報処理装置１の制御部２は、出力したアドバイス情報の対象となった疾患想定者を特定する（Ｓ３０１）。情報処理装置１の制御部２は、例えば、アドバイス履歴テーブルを参照することにより、出力したアドバイス情報の対象となった疾患想定者（生活者ＩＤ）を特定する。

情報処理装置１の制御部２は、アドバイス情報の出力以降、特定した疾患想定者の処方箋データを取得したか否かを判定する（Ｓ３０２）。情報処理装置１の制御部２は、例えば、購買調剤ＤＢ３００のアドバイス履歴テーブル及び調剤テーブルを参照することにより、アドバイス情報の出力日時以降、当該アドバイス情報の対象者である疾患想定者の処方箋データが、購買調剤ＤＢ３００（調剤テーブル）に登録された否かを判定する。このように購買調剤ＤＢ３００を活用することにより、疾患想定者に対するアドバイス情報を出力した以降に、疾患想定者に対する処方箋データの取得の有無、すなわち当該疾患想定者が、医師等の診断を受け、処方箋が登録された否かを検証することができる。

処方箋データを取得しなかった場合（Ｓ３０２：ＮＯ）、情報処理装置１の制御部２は、第２学習モデル２０２の再学習（更新）を行う（Ｓ３０３）。処方箋データを取得しなかった場合、すなわちアドバイス情報を出力した以降、例えば一か月等の所定期間以内に処方箋による調剤を受けていない場合、情報処理装置１の制御部２は、啓蒙評価部として、出力したアドバイス情報の有用性が低いと判定する。情報処理装置１の制御部２は、当該アドバイス情報を改善すべく、啓蒙変更部として、第２学習モデル２０２を再学習、転移学習、又はファインチューニング等を行い、更新するものであってもよい。購買調剤ＤＢ３００には、前回のアドバイス情報を出力した時点以降、上述した所定期間におけるデータが追加登録されている。情報処理装置１の制御部２は、最新のデータ登録状況となっている購買調剤ＤＢ３００を用いることにより、第２学習モデル２０２の回答データであるアドバイス情報を刷新して再生成した訓練データを用いて第２学習モデル２０２を再学習するものであってもよい。その際、アドバイス情報に関する変更は、該アドバイス情報の内容、該アドバイス情報を出力する時期、及び該アドバイス情報を出力する手段の少なくとも１つの変更を含むことが望ましい。

情報処理装置１の制御部２は、生活者レポート情報を再出力する（Ｓ３０４）。情報処理装置１の制御部２は、再学習（更新）された第２学習モデル２０２を用いて、アドバイス情報を再度、生成し、生成したアドバイス情報を実施形態２の処理Ｓ２０４と同様に再度、出力（再出力）する。

処方箋データを取得した場合（Ｓ３０２：ＹＥＳ）、情報処理装置１の制御部２は、フォロー情報を出力する（Ｓ３０２１）。処方箋データを取得した場合、すなわちアドバイス情報を出力した以降、例えば一か月等の所定期間以内に処方箋による調剤を受けた場合、情報処理装置１の制御部２は、啓蒙評価部として、出力したアドバイス情報の有用性が高いと判定する。情報処理装置１の制御部２は、その上で、当該アドバイス情報の対象となった生活者が、今後も継続して処方箋を受けるように、リマインダ等のフォロー情報を生成し、処方箋データを提供した保険薬局の保険薬局サーバＨＳ、及び購買データを提供した店舗の店舗サーバＴＳに対し出力するものであってもよい。

保険薬局サーバＨＳに出力されたフォロー情報は、リーフレット又はチラシ等の疾患啓発資材として成形され、保険薬局に来た生活者に対し配布されるものであってもよい。又は、当該フォロー情報は、保険薬局サーバＨＳを介して、生活者の携帯端末等へメール等によって送信されるものであてもよい。又は、電子おくすり手帳を用いて、フォロー情報を配信してもよい。このようにフォロー情報を用いて生成したチラシ等を、保険薬局に来た生活者に対し配布することにより、当該生活者によるアドヒアランスの改善を図ることができる。

Ｓ３０２１又はＳ３０４の処理の実行後、情報処理装置１の制御部２は、本フローにおける一連の処理を終了する。このような処理を行うことにより、情報処理装置１の制御部２は、アドバイス情報の出力後に処方されている処方箋データセットに基づいてアドバイス情報を評価する啓蒙評価部、及び評価結果に応じてアドバイス情報を変更する啓蒙変更部として機能する。当該啓蒙変更部として機能する情報処理装置１の制御部２は、生活者レポート情報を再出力するにあたり、アドバイス情報の変更に加え、アドバイス情報を出力する時期、又はアドバイス情報を出力する手段を変更するものであってもよい。

本実施形態によれば、情報処理装置１の制御部２は、処方箋データ及び購買データの取得及び、これらデータを関連付けて購買調剤ＤＢ３００への登録する処理を継続している。情報処理装置１の制御部２は、いずれかの疾患想定者（生活者）に対するアドバイス情報を、例えば、購買データを提供した店舗に対し出力した後、当該疾患想定者（生活者）の処方箋データを取得した否かを判定する。当該疾患想定者（生活者）の処方箋データを取得しなかった場合、情報処理装置１の制御部２は、出力したアドバイス情報は、有用性が低いと判定する。情報処理装置１の制御部２は、有用性が低いと判定されたアドバイス情報を改善すべく、第２学習モデル２０２を再学習、転移学習、又はファインチューニング等を行い、更新するものであってもよい。これにより、アドバイス情報の質的向上を継続することができる。

当該疾患想定者（生活者）の処方箋データを取得した場合、情報処理装置１の制御部２は、出力したアドバイス情報は、有用性が高いと判定する。情報処理装置１の制御部２は、所定期間後、当該疾患想定者（生活者）に対する報知情報（フォロー情報）を、処方箋データを提供した保険薬局に出力するものであってもよい。このような報知情報（フォロー情報）を出力することにより、当該疾患想定者が処方箋医薬品の服用を適切に継続することを支援することができる。

今回開示された実施形態は全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。本開示の範囲は、上述した意味ではなく、特許請求の範囲によって示され、特許請求の範囲と均等の意味及び範囲内での全ての変更が含まれることが意図される。

Ｓ 購買調剤システム（情報処理システム）
Ｎ 外部ネットワーク
ＴＳ 店舗サーバ
ＨＳ 保険薬局サーバ
ＧＳ 外部サーバ
１ 情報処理装置
２ 制御部
２１ 取得部
２２ 疾患特定部
２３ ＤＢ登録部
２４ 生活用品分析モデル
２５ 疾患レポート生成部
２６ 出力部
２７ 疾患想定者判定部
２８ 生活者レポート生成部
２０１ 第１学習モデル
２０２ 第２学習モデル
３ 記憶部
３１ 記録媒体
Ｐ プログラム（プログラム製品）
３００ 購買調剤ＤＢ
４ 通信部

Claims (25)

1. 複数の第１の対象者が処方されている処方箋医薬品を記述する処方箋データセットと、前記複数の第１の対象者の購買履歴を記述する購買データセットに基づいて、前記処方箋データセットに含まれる処方箋医薬品のうち、いずれかの処方箋医薬品を抽出条件として、購買データセットから購買データを抽出し、抽出した購買データを用いて、前記いずれかの処方箋医薬品が処方されている全ての第１の対象者において、一部の第１の対象者にて共通する購買履歴を推定する推定部と、
   推定された前記一部の第１の対象者にて共通する購買履歴を出力する出力部と
   を備える情報処理システム。
2. 前記推定部は、更に、複数の第１の対象者が処方されている処方箋医薬品を記述する処方箋データセットと、前記複数の第１の対象者の属性情報を記述する属性データセットに基づいて、前記処方箋データセットに含まれる処方箋医薬品のうち、いずれかの処方箋医薬品を抽出条件として、属性データセットから属性データを抽出し、抽出した属性データを用いて、前記いずれかの処方箋医薬品が処方されている全ての第１の対象者において、一部の第１の対象者にて共通する属性情報を推定し、
   前記出力部は、更に、推定された前記一部の第１の対象者にて共通する属性情報を出力する
   請求項１に記載の情報処理システム。
3. 複数の第１の対象者が処方されている処方箋医薬品を記述する処方箋データセットと、前記複数の第１の対象者の購買履歴を記述する購買データセットとに基づいて、前記処方箋データセットに含まれる処方箋医薬品のうち、いずれかの処方箋医薬品に対応する疾患が将来発生すると推定される第２の対象者を前記第２の対象者の購買履歴から推定するための推定モデルを構築するモデル構築部と、
   前記第２の対象者の購買履歴を記述する購買データを取得するデータ取得部と、
   前記処方箋医薬品に対応する疾患が将来発生すると推定される第２の対象者を、前記購買データに記述される前記第２の対象者の購買履歴と前記推定モデルとに基づいて推定する推定部と
   を備える情報処理システム。
4. 前記第１の対象者の購買履歴は、前記処方箋医薬品に関する処方箋データが前記情報処理システムに初めて登録された時よりも前の履歴である登録前購買履歴である
   請求項１又は３に記載の情報処理システム。
5. 前記第１の対象者の購買履歴は、前記処方箋医薬品に関する処方箋データが前記情報処理システムに初めて登録された時よりも後の履歴である登録後購買履歴である
   請求項１又は３に記載の情報処理システム。
6. 前記データ取得部は、前記第２の対象者の属性情報を記述する属性データを取得し、
   前記情報処理システムは、更に、推定された前記処方箋医薬品が将来処方されると推定される第２の対象者であって、前記処方箋医薬品に関する処方箋データが前記情報処理システムに登録されていない第２の対象者の属性情報を出力する出力部を備える
   請求項３に記載の情報処理システム。
7. 前記第２の対象者に対する、将来処方されると推定される前記処方箋医薬品と関連する疾患に関するアドバイス情報を出力する疾患啓蒙部を備える
   請求項３に記載の情報処理システム。
8. 前記第２の対象者に関して、前記疾患啓蒙部によるアドバイス情報の出力後に処方されている処方箋データセットに基づいて前記アドバイス情報を評価する啓蒙評価部と、
   前記啓蒙評価部の評価結果に応じて前記アドバイス情報を変更する啓蒙変更部と
   を備える請求項７に記載の情報処理システム。
9. 前記啓蒙変更部によるアドバイス情報に関する変更は、該アドバイス情報の内容、該アドバイス情報を出力する時期、及び該アドバイス情報を出力する手段の少なくとも１つの変更を含む
   請求項８に記載の情報処理システム。
10. 前記推定部は、更に、ターゲット疾患薬剤情報に基づいて、前記いずれかの処方箋医薬品が処方されている第１の対象者で共通する購買履歴及び属性情報を推定する
    請求項２に記載の情報処理システム。
11. 前記出力部は、前記第１の対象者の疾患情報として、前記第１の対象者の現在及び未来の疾患状態の推移推測情報と、該疾患状態に対応した購買行動の情報とを出力する
    請求項２に記載の情報処理システム。
12. 前記出力部は、前記第２の対象者の属性情報として、前記処方箋医薬品に関する処方箋データが前記情報処理システムに登録されていない未登録者であって、今後疾患となることが予想される未登録者の購買パターンの条件を出力する
    請求項６に記載の情報処理システム。
13. 前記出力部は、前記第２の対象者へのアドバイス情報として、疾患啓発最適化プログラムを出力し、
    前記疾患啓発最適化プログラムは、前記第２の対象者の疾患状態に適する商品情報、及び、前記第２の対象者の生活変容を促す情報の少なくとも１つを含む
    請求項６に記載の情報処理システム。
14. 前記属性情報を記述する属性データは、前記処方箋医薬品に関する処方箋データの一部として構成されている
    請求項２又は６に記載の情報処理システム。
15. 前記第２の対象者の属性情報を記述する属性データは、前記第２の対象者によるブラウザ検索履歴データ、又はインターネット上における行動データを含む
    請求項６に記載の情報処理システム。
16. 前記第１の対象者の属性情報を記述する属性データは、前記第１の対象者によるブラウザ検索履歴データ、又はインターネット上における行動データを含む
    請求項２に記載の情報処理システム。
17. 前記処方箋データセットは、処方箋データ及び、調剤報酬明細書（調剤レセプト）データの少なくとも一つである
    請求項１から請求項１６のいずれか１項に記載の情報処理システム。
18. 複数の第１の対象者が処方されている処方箋医薬品を記述する処方箋データセットと、前記複数の第１の対象者の購買履歴を記述する購買データセットと、前記複数の第１の対象者の属性情報を記述する属性データセットに基づいて、前記処方箋データセットに含まれる処方箋医薬品のうち、いずれかの処方箋医薬品を抽出条件として、購買データセット及び属性データセットから購買データ及び属性データを抽出し、抽出した購買データ及び属性データを用いて、前記いずれかの処方箋医薬品が処方されている全ての第１の対象者において、一部の第１の対象者にて共通する購買履歴及び属性情報を推定部に推定させ、
    推定された前記一部の第１の対象者にて共通する購買履歴及び属性情報を出力部に出力させる
    処理をコンピュータに実行させる情報処理方法。
19. 複数の第１の対象者が処方されている処方箋医薬品を記述する処方箋データセットと、前記複数の第１の対象者の購買履歴を記述する購買データセットとに基づいて、前記処方箋データセットに含まれる処方箋医薬品のうち、いずれかの処方箋医薬品に対応する疾患が将来発生すると推定される第２の対象者を前記第２の対象者の購買履歴から推定するための推定モデルをモデル構築部に構築させ、
    前記第２の対象者の購買履歴を記述する購買データをデータ取得部に取得させ、
    前記処方箋医薬品に対応する疾患が将来発生すると推定される第２の対象者を、前記購買データに記述される前記第２の対象者の購買履歴と前記推定モデルとに基づいて推定部に推定させる
    処理をコンピュータに実行させる情報処理方法。
20. 前記第１の対象者の購買履歴は、前記処方箋医薬品に関する処方箋データが前記コンピュータに初めて登録された時よりも前の履歴である登録前購買履歴である
    請求項１８又は１９に記載の情報処理方法。
21. 前記第１の対象者の購買履歴は、前記処方箋医薬品に関する処方箋データが前記コンピュータに初めて登録された時よりも後の履歴である登録後購買履歴である
    請求項１８又は１９に記載の情報処理方法。
22. 前記データ取得部は、前記第２の対象者の属性情報を記述する属性データを取得し、
    前記情報処理方法は、更に、推定された前記処方箋医薬品が将来処方されると推定される第２の対象者であって、前記処方箋医薬品に関する処方箋データが前記コンピュータに登録されていない第２の対象者の属性情報を出力部に出力させる
    請求項１９に記載の情報処理方法。
23. 前記第２の対象者に対する、将来処方されると推定される前記処方箋医薬品と関連する疾患に関するアドバイス情報を疾患啓蒙部に出力させる
    請求項１９に記載の情報処理方法。
24. 前記第２の対象者に関して、前記疾患啓蒙部によるアドバイス情報の出力後に処方されている処方箋データセットに基づいて前記アドバイス情報を啓蒙評価部に評価させ、
    前記啓蒙評価部の評価結果に応じて前記アドバイス情報を啓蒙変更部に変更させる
    請求項２３に記載の情報処理方法。
25. 前記啓蒙評価部によるアドバイス情報に関する変更は、該アドバイス情報の内容、該アドバイス情報を出力する時期、及び該アドバイス情報を出力する手段の少なくとも１つの変更を含む
    請求項２４に記載の情報処理方法。

Images