JP7381600B2 - 医療行為のオーダー管理方法及びプログラム、オーダー管理システム - Google Patents
医療行為のオーダー管理方法及びプログラム、オーダー管理システム Download PDFInfo
- Publication number
- JP7381600B2 JP7381600B2 JP2021558311A JP2021558311A JP7381600B2 JP 7381600 B2 JP7381600 B2 JP 7381600B2 JP 2021558311 A JP2021558311 A JP 2021558311A JP 2021558311 A JP2021558311 A JP 2021558311A JP 7381600 B2 JP7381600 B2 JP 7381600B2
- Authority
- JP
- Japan
- Prior art keywords
- medical
- order management
- order
- calculation
- calculation processing
- 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
- 238000000034 method Methods 0.000 title claims description 116
- 238000007726 management method Methods 0.000 title claims description 94
- 238000004364 calculation method Methods 0.000 claims description 114
- 238000012545 processing Methods 0.000 claims description 103
- 238000013473 artificial intelligence Methods 0.000 claims description 63
- 238000011282 treatment Methods 0.000 claims description 58
- 201000010099 disease Diseases 0.000 claims description 30
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 30
- 238000003745 diagnosis Methods 0.000 claims description 13
- 238000002591 computed tomography Methods 0.000 description 29
- 238000012360 testing method Methods 0.000 description 23
- 206010027476 Metastases Diseases 0.000 description 13
- 210000000988 bone and bone Anatomy 0.000 description 13
- 230000009401 metastasis Effects 0.000 description 13
- 206010008118 cerebral infarction Diseases 0.000 description 11
- 208000026106 cerebrovascular disease Diseases 0.000 description 11
- 206010006187 Breast cancer Diseases 0.000 description 9
- 208000026310 Breast neoplasm Diseases 0.000 description 9
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 201000005202 lung cancer Diseases 0.000 description 8
- 208000020816 lung neoplasm Diseases 0.000 description 8
- 238000002600 positron emission tomography Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 5
- 208000010125 myocardial infarction Diseases 0.000 description 5
- 238000011176 pooling Methods 0.000 description 5
- 210000000038 chest Anatomy 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 208000024891 symptom Diseases 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 230000003211 malignant effect Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001575 pathological effect Effects 0.000 description 2
- 206010008479 Chest Pain Diseases 0.000 description 1
- 206010027452 Metastases to bone Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 210000003238 esophagus Anatomy 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 210000000936 intestine Anatomy 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000009607 mammography Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000002601 radiography Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 238000002604 ultrasonography Methods 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
-
- 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
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- 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
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- 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
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Data Mining & Analysis (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- Databases & Information Systems (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Description
本発明は医療行為のオーダー管理方法及びプログラム、オーダー管理システム並びにデータベースに係り、特に医療行為のオーダーを管理する技術に関する。
医療分野において、深層学習により学習がなされたニューラルネットワークを利用した人工知能（ＡＩ；Artificial Intelligence）を用いることにより、読影の効率化及び診断支援が実現されつつある。
また、医療行為のオーダーを管理する技術が知られている。特許文献１には、症状、検査、レポート内容を総合的にデータベース化し、主治医が特定の症状に対し撮影をオーダーする際に、院内における既存のプロトコルを基に、そのオーダーが適当であるかを判断し、特定の検査が欠落している場合は、それを指摘することが可能な知識データベースが記載されている。この知識データベースによれば、例えば胸痛の場合、ある医療施設ではＸ線ＣＴ（Computed Tomography）及びＭＲ（Magnetic Resonance）の両方の検査をオーダーとするプロトコルを有する場合、ある医師などの医療従事者がその症状をもとにＸ線ＣＴ検査のみをオーダーした場合には、ＭＲによる検査が欠落していることを指摘することが可能になる。
診断対象となる医療データ、及び管理が必要な医療データ量自体は増加の一途をたどっており、医師の負荷軽減の妨げとなっている。医師の負荷軽減には、発生する医療データを管理する必要があり、そのためには、医療行為の実施管理を支援する必要がある。
本発明はこのような事情に鑑みてなされたもので、医療行為のオーダーを適切に管理する医療行為のオーダー管理方法及びプログラム、オーダー管理システム並びにデータベースを提供することを目的とする。
上記目的を達成するための医療行為のオーダー管理方法の一の態様は、疾病に関する計算処理と、計算処理の対象部位と、計算処理の実行に必要な第１の医療行為と、医師による疾病の診断及び治療の少なくとも一方に必要な第２の医療行為と、を紐付けて管理する医療行為管理工程と、患者の検査対象となる対象部位を取得する対象部位取得工程と、取得した対象部位における第１の医療行為と第２の医療行為とのオーダーを発行するオーダー管理工程と、を備える医療行為のオーダー管理方法である。本態様によれば、医療行為のオーダーを適切に管理することができる。
第１の医療行為の結果に基づいて実行された疾病に関する計算処理の計算処理結果を取得する計算処理結果取得工程を備え、オーダー管理工程は、計算処理結果に基づいて第２の医療行為の要否を判断することが好ましい。これにより、第２の医療行為のオーダーを管理することができる。
オーダー管理工程は、計算処理結果が疾病について陰性である場合に第２の医療行為のオーダーをキャンセルすることが好ましい。これにより、不要な医療行為を行うことを防止し、データ量を削減することができる。
医療行為管理工程は、それぞれ異なる複数の疾病の各疾病について、計算処理と、対象部位と、第１の医療行為と、第２の医療行為と、を紐付けて管理することが好ましい。これにより、それぞれ異なる複数の疾病に対応する医療行為のオーダーを適切に管理することができる。
オーダー管理工程は、取得した対象部位に対応する計算処理が複数ある場合に、優先度順に複数の計算処理の実行に必要な複数の第１の医療行為のオーダーを発行することが好ましい。これにより、優先度の高い計算処理を優先することができる。
オーダー管理工程は、複数の第１の医療行為のオーダーの後に第２の医療行為のオーダーを発行することが好ましい。これにより、複数の計算処理を優先して行うことができる。
計算処理は、人工知能を用いて計算する処理であることが好ましい。また、人工知能を用いて計算する処理は、機械学習された学習モデルによって入力データに対して推論結果を出力する処理であることが好ましい。これにより、第１の医療行為の結果を適切に計算処理した計算処理結果を取得することができる。
上記の医療行為のオーダー管理方法をコンピュータに実行させるためのプログラムも本態様に含まれる。上記の医療行為のオーダー管理方法をコンピュータに実行させるためのプログラムは、コンピュータの読取可能な非一時的な記録媒体に記憶させて提供されてもよい。本態様によれば、医療行為のオーダーを適切に管理することができる。
上記目的を達成するための医療行為のオーダー管理システムの一の態様は、疾病に関する計算処理と、計算処理の対象部位と、計算処理の実行に必要な第１の医療行為と、医師による疾病の診断及び治療の少なくとも一方に必要な第２の医療行為と、を紐付けて管理する医療行為管理部と、患者の検査対象となる対象部位を取得する対象部位取得部と、取得した対象部位における第１の医療行為と第２の医療行為とのオーダーを発行するオーダー管理部と、を備える医療行為のオーダー管理システムである。本態様によれば、医療行為のオーダーを適切に管理することができる。
上記目的を達成するための医療行為のオーダー管理システムの一の態様は、プロセッサに実行させるための命令を記憶するメモリと、メモリに記憶された命令を実行するプロセッサとを備え、プロセッサは、疾病に関する計算処理と、計算処理の対象部位と、計算処理の実行に必要な第１の医療行為と、医師による疾病の診断及び治療の少なくとも一方に必要な第２の医療行為と、を紐付けて管理し、患者の検査対象となる対象部位を取得し、取得した対象部位における第１の医療行為と第２の医療行為とのオーダーを発行する医療行為のオーダー管理システムである。本態様によれば、医療行為のオーダーを適切に管理することができる。
上記目的を達成するための医療行為のデータベースの一の態様は、疾病に関する計算処理と、計算処理の対象部位と、計算処理の実行に必要な第１の医療行為と、医師による疾病の診断及び治療の少なくとも一方に必要な第２の医療行為と、が紐付けて記憶された医療行為のデータベースである。本態様によれば、医療行為のオーダーを適切に管理することができる。
本発明によれば、医療行為のオーダーを適切に管理することができる。
以下、添付図面に従って本発明の好ましい実施形態について詳説する。
＜病院内システム＞
図１は、病院内システム１０の構成を示すブロック図である。病院内システム１０は、検査予約システム１２と、ＡＩ（Artificial Intelligence）処理コンピュータ１４と、検査予約コンピュータ１８と、データ作成装置２０と、ネットワーク２２と、を備えている。
図１は、病院内システム１０の構成を示すブロック図である。病院内システム１０は、検査予約システム１２と、ＡＩ（Artificial Intelligence）処理コンピュータ１４と、検査予約コンピュータ１８と、データ作成装置２０と、ネットワーク２２と、を備えている。
検査予約システム１２は、データ作成装置２０の予約（オーダー）を管理する不図示のコンピュータとソフトウェアとから構成される。
ＡＩ処理コンピュータ１４と検査予約コンピュータ１８とは、それぞれ病院内にて使用されるコンピュータである。ＡＩ処理コンピュータ１４と検査予約コンピュータ１８とは、それぞれＣＰＵ（Central Processing Unit）、メモリ、ストレージ、入出力インターフェース、通信インターフェース、入力装置、表示装置、データバス等の不図示のハードウェア構成を備える。また、ＡＩ処理コンピュータ１４と検査予約コンピュータ１８とは、それぞれ入力装置として、不図示のキーボード、マウス等を有し、表示装置として不図示のディスプレイ等を有する。ＡＩ処理コンピュータ１４と検査予約コンピュータ１８とは、それぞれ周知のオペレーションシステム等がインストールされ、医療画像表示用のビューワアプリケーションが実行される。
ＡＩ処理コンピュータ１４は、それぞれ異なる複数の疾病にそれぞれ対応する複数の計算処理（ＡＩ処理）を実行する。疾病に関する計算処理は、人工知能の一例であり、入力データに対して推論結果を出力するように機械学習によって学習されている学習モデルである。入力データは医療データを含む。医療データとは、被検体に関するデータであり、医療画像、病理画像、診断情報、及び所見情報の少なくとも１つを含むデータである。診断情報は、ゲノム解析結果、心電図波形データ、及びバイタルデータ等の情報を含む。所見情報は、病気の種類及び進行状況等を示すテキストデータを含む。医療データは、被検体の性別及び年齢等の個人情報、既往歴等の臨床情報を含んでもよい。
ＡＩ処理コンピュータ１４は、テーブル１６を備える。テーブル１６（医療行為のデータベースの一例）には、ＡＩ処理コンピュータ１４が実行可能な計算処理のそれぞれについて、計算処理の対象部位と、計算処理の実行に必要な第１の医療行為と、医師による疾病の診断及び治療の少なくとも一方に必要な第２の医療行為とが、紐付けられて記憶されている。
図２は、テーブル１６の一例を示す図である。ここでは、管理ナンバー１～６の紐付けされたデータを示している。例えば、管理ナンバー１では、ＡＩ名称が脳梗塞の推論結果を出力する脳梗塞ＡＩであり、脳梗塞ＡＩの対象部位が頭部であり、第１の医療行為がＣＴ（Computed Tomography）画像の撮影であり、第２の医療行為がＭＲ（Magnetic Resonance）画像の撮影であることが記憶されている。また、管理ナンバー２では、ＡＩ名称が骨転移の推論結果を出力する骨転移ＡＩであり、骨転移ＡＩの対象部位が胸部であり、第１の医療行為がＣＴ（Computed Tomography）画像の撮影であり、第２の医療行為がＰＥＴ（Positron Emission Tomography）画像の撮影であることが記憶されている。本実施形態では、このテーブル１６を用いることで、医療行為のオーダーを適切に管理する。
図１の説明に戻り、検査予約コンピュータ１８は、医師が検査のオーダーを行うためのコンピュータである。検査予約コンピュータ１８において入力されたオーダーは、検査予約システム１２に送信される。検査予約システム１２は、検査予約コンピュータ１８から受け付けたオーダーに基づいて、データ作成装置２０のオーダーを管理する。
データ作成装置２０は、医療情報システムである。データ作成装置２０は、各種モダリティから医療情報を取得し、ＡＩ処理コンピュータ１４が実行する計算処理に使用するデータを作成する。モダリティは、被検体の対象部位を撮影することにより、その部位を表す医療画像を生成し、医療画像にＤＩＣＯＭ規格で規定された付帯情報を付加して出力する装置が含まれる。具体例としては、ＣＴ装置（Computed Tomography：コンピュータ断層撮影装置）、４ＤＣＴ装置（4 Dimensions Computed Tomography：４次元ＣＴ装置）、ＭＲＩ装置（Magnetic Resonance Imaging：磁気共鳴画像撮影装置）、ＰＥＴ装置（Positron Emission Tomography：陽電子放射断層撮影装置）、超音波診断装置、平面Ｘ線検出器（ＦＰＤ：flat panel detector）を用いたＣＲ装置（Computed Radiography：コンピュータＸ線撮影装置）、ＭＧ装置（Mammography：マンモグラフィ）等が挙げられる。
データ作成装置２０は、被検体から採取した組織をカメラで撮影した病理画像を医療画像として扱ってもよい。また、データ作成装置２０は、心電図測定装置、内視鏡、ゲノム解析システムからデータを取得してもよい。心電図測定装置は、心臓の電気的な活動の変化を生体表面の電極を介して検出してグラフの形に記録する装置である。内視鏡は、被検体の食道、腸等の管腔領域を観察するための光学系機器である。内視鏡は、切開部位の内部を観察するための光学系機器を含む。ゲノム解析システムは、被検体の遺伝情報を解析するシステムである。ゲノム解析システムは、被検体の細胞サンプルについてゲノム解析を行う。
ネットワーク２２は、例えばＬＡＮ（Local Area Network）によって実現される。検査予約システム１２と、ＡＩ処理コンピュータ１４と、検査予約コンピュータ１８と、データ作成装置２０とは、ネットワーク２２を介して接続されている。なお、ＡＩ処理コンピュータ１４の機能をクラウド上に配置してもよい。
＜医療行為のオーダー管理システム＞
図３は、病院内システム１０で使用される医療行為のオーダー管理システム３０の機能構成を示すブロック図である。医療行為のオーダー管理システム３０の処理は、例えば検査予約コンピュータ１８によって行われる。医療行為のオーダー管理システム３０は、対象部位取得部３２と、計算処理結果取得部３４と、医療行為管理部３６と、オーダー管理部３８と、を備えている。
図３は、病院内システム１０で使用される医療行為のオーダー管理システム３０の機能構成を示すブロック図である。医療行為のオーダー管理システム３０の処理は、例えば検査予約コンピュータ１８によって行われる。医療行為のオーダー管理システム３０は、対象部位取得部３２と、計算処理結果取得部３４と、医療行為管理部３６と、オーダー管理部３８と、を備えている。
対象部位取得部３２は、患者（被検体）の検査対象となる対象部位を取得する。計算処理結果取得部３４は、第１の医療行為の結果に基づいて実行された疾病に関する計算処理の計算処理結果を取得する。
医療行為管理部３６は、疾病に関する計算処理と、計算処理の対象部位と、計算処理の実行に必要な第１の医療行為と、医師による疾病の診断及び治療の少なくとも一方に必要な第２の医療行為と、を紐付けて管理する。オーダー管理部３８は、対象部位における第１の医療行為と第２の医療行為とのオーダーを発行し、発行したオーダーをデータ作成装置２０に依頼する。
＜計算処理部＞
図４は、ＡＩ処理コンピュータ１４が備える計算処理部４０の主要な機能構成を示すブロック図である。ここでは、計算処理部４０が脳梗塞を認識する脳梗塞ＡＩである場合を例に説明する。脳梗塞ＡＩは、ＣＴ画像を使用して脳梗塞の認識処理を行う学習モデルであり、ＣＴ画像を使用して学習する学習モデルである。
図４は、ＡＩ処理コンピュータ１４が備える計算処理部４０の主要な機能構成を示すブロック図である。ここでは、計算処理部４０が脳梗塞を認識する脳梗塞ＡＩである場合を例に説明する。脳梗塞ＡＩは、ＣＴ画像を使用して脳梗塞の認識処理を行う学習モデルであり、ＣＴ画像を使用して学習する学習モデルである。
計算処理部４０は、複数のレイヤー構造を有し、複数の重みパラメータを保持している。計算処理部４０は、重みパラメータが初期値から最適値に更新されることで、未学習モデルから学習済みモデルに変化しうる。
計算処理部４０は、畳み込みニューラルネットワーク（ＣＮＮ：Convolution Neural Network）の構成を有し、入力層６０と、中間層６２と、出力層６４と、を備える。入力層６０、中間層６２、出力層６４は、それぞれ複数の「ノード」が「エッジ」で結ばれる構造となっている。
入力層６０には、入力データとしてＣＲ画像とＣＴ画像とが入力される。
中間層６２は、入力層から入力した画像から特徴を抽出する層である。中間層６２は、畳み込み層とプーリング層とを１セットとする複数セットと、全結合層とを有する。畳み込み層は、前の層で近くにあるノードに対してフィルタを使用した畳み込み演算を行い、特徴マップを取得する。プーリング層は、畳み込み層から出力された特徴マップを縮小して新たな特徴マップとする。全結合層は、直前の層（ここではプーリング層）のノードの全てを結合する。畳み込み層は、画像からのエッジ抽出等の特徴抽出の役割を担い、プーリング層は抽出された特徴が、平行移動等による影響を受けないようにロバスト性を与える役割を担う。なお、中間層６２には、畳み込み層とプーリング層とを１セットとする場合に限らず、畳み込み層が連続してもよいし、正規化層が含まれてもよい。
出力層６４は、中間層６２により抽出された特徴に基づき肺がんを検出する認識結果を出力する層である。また、検出した肺がんが良性及び悪性のいずれかを分類する認識結果を出力してもよい。
学習済みの計算処理部４０は、脳梗塞を分類する場合、例えば「悪性」、「良性」、「その他」の３つのカテゴリに分類し、認識結果は「悪性」、「良性」、「その他」に対応する３つのスコアとして出力する。３つのスコアの合計は１００％である。
学習前の計算処理部４０の各畳み込み層に適用されるフィルタの係数、オフセット値、全結合層における次の層との接続の重みは、任意の初期値がセットされる。
計算処理部４０は、出力層６４から出力される認識結果と正解データとの誤差に基づいて、誤差逆伝播法により脳梗塞ＡＩの重みパラメータが調整される。このパラメータの調整処理を繰り返し行い、脳梗塞ＡＩの出力と正解データとの差が小さくなるまで繰り返し学習が行われる。
計算処理部４０は、実現したい認識処理によっては正解データを用いなくてもよい。また、計算処理部４０は、エッジ抽出等のあらかじめ設計したアルゴリズムで特徴を抽出し、その情報を用いてサポートベクターマシン等で学習してもよい。
脳梗塞ＡＩは、ＣＴ画像とＣＴ画像以外の画像とを使用して学習し、ＣＴ画像を使用して認識処理を行ってもよい。すなわち、認識処理に使用する入力データは、学習処理に使用した入力データの部分集合であってもよい。
＜医療行為のオーダー管理方法＞
図５は、医療行為のオーダー管理システム３０による医療行為のオーダー管理方法を示すフローチャートである。病院内の検査予約管理は、医療行為のオーダー管理システム３０と検査予約システム１２との双方によって行われる。また、病院内の検査予約管理は、ユーザによる操作と半自動処理とによって管理される。
図５は、医療行為のオーダー管理システム３０による医療行為のオーダー管理方法を示すフローチャートである。病院内の検査予約管理は、医療行為のオーダー管理システム３０と検査予約システム１２との双方によって行われる。また、病院内の検査予約管理は、ユーザによる操作と半自動処理とによって管理される。
ステップＳ１（医療行為管理工程の一例）では、医療行為管理部３６は、計算処理情報管理部から、処理の実行に必要なデータ情報を取得する。計算処理情報管理部は、ＡＩ処理に必要なリソースを管理する計算処理部（例えばＡＩ処理コンピュータ１４）に搭載される。計算処理部は、クラウド上に配置されてもよい。ここでは、医療行為管理部３６は、処理の実行に必要なデータ情報として図２に示したテーブル１６を取得する。
ステップＳ２（対象部位取得工程の一例）では、対象部位取得部３２は、患者の症状、及び医師の指示をもとに、対象部位を取得する。対象部位とは、医療行為を行う人体の部位を指す。ここでは、対象部位として「胸部」を取得したものとする。
ステップＳ３では、医療行為管理部３６は、ステップＳ２で取得した対象部位から計算処理対象を絞り込み、絞り込んだ計算処理対象に必要なデータ情報を取得する。ここでは、対象部位が「胸部」であるため、図２に示すように、胸部を対象部位とする「骨転移ＡＩ」、「乳がんＡＩ」、「肺がんＡＩ」、「心筋梗塞ＡＩ」が計算処理対象である。
また、図２に示すように、「骨転移ＡＩ」は、第１の医療行為がＣＴ画像の撮影であり、第２の医療行為がＰＥＴ画像の撮影である。この「ＣＴ画像」が、「骨転移ＡＩ」の計算処理に必要なデータ情報に相当する。
同様に、「乳がんＡＩ」、「肺がんＡＩ」、「心筋梗塞ＡＩ」は、第１の医療行為がそれぞれＣＴ画像の撮影、ＣＲ画像の撮影、心電図測定であり、第２の医療行為がそれぞれＭＧ画像の撮影、ＣＴ画像の撮影、４ＤＣＴ（4Dimension Computed Tomography）画像の撮影である。ここでは、「ＣＴ画像」、「ＣＲ画像」、「心電図波形データ」が計算処理に必要なデータ情報に相当する。
ステップＳ４では、医療行為管理部３６は、絞り込んだ計算処理対象に複数のデータが必要か否かを判定する。複数のデータが必要な場合は、医療行為のオーダー管理システム３０は、ステップＳ５の処理を行う。複数のデータが必要でない場合は、医療行為のオーダー管理システム３０は、ステップＳ６の処理を行う。ここでは、ＣＴ画像、ＣＲ画像、心電図波形データが必要であるため、複数のデータが必要であると判断される。
ステップＳ５（オーダー管理工程の一例）では、医療行為管理部３６は、計算処理に必要なデータの作成順を計算処理の優先度から計算する。計算処理の効果及び優先度は、計算処理情報管理部に記憶されている。
ステップＳ６（オーダー管理工程の一例）では、オーダー管理部３８は、第１の医療行為のオーダーを発行し、発行したオーダーをデータ作成装置２０に依頼する。第１の医療行為について複数のデータが必要な場合は、ステップＳ５で計算したデータの作成順に則ってオーダーを依頼する。また、ステップＳ７（オーダー管理工程の一例）では、オーダー管理部３８は、第２の医療行為のオーダーを発行し、発行したオーダーをデータ作成装置２０に依頼する。オーダー管理部３８は、第２の医療行為のオーダーを、疾病のガイドラインなどに応じて自動で連動して管理してもよい。
図６と図７とは、本実施形態に係る患者についてオーダー管理部３８が発行する時刻毎のオーダーを示す表である。
図６に示すように、ＣＴ画像のオーダーが１３時００分の予約１Ａとして発行されている。これは、骨転移ＡＩの第１の医療行為と、乳がんＡＩの第１の医療行為のオーダーである。
ＣＲ画像のオーダーが１３時３０分の予約２Ａとして発行されている。これは、肺がんＡＩの第１の医療行為のオーダーである。また、心電図波形データのオーダーが１４時００分の予約３Ａとして発行されている。これは、心筋梗塞ＡＩの第１の医療行為のオーダーである。
このように、まず複数の第１の医療行為のデータ作成のオーダーが発行される。これにより、第２の医療行為よりも複数の計算処理を優先して行うことができる。ここでは第１の医療行為のデータ作成の優先度順は、ＣＴ画像、ＣＲ画像、心電図波形データの順である。これにより、優先度の高い計算処理を優先することができる。
また、ＰＥＴ画像のオーダーが１４時３０分の予約１Ｂとして発行されている。これは、骨転移ＡＩの第２の医療行為のオーダーである。また、ＭＧ画像のオーダーが１５時００分の予約１Ｃとして発行されている。これは、乳がんＡＩの第２の医療行為のオーダーである。
さらに、ＣＴ画像のオーダーが１５時３０分の予約２Ｂとして発行されている。これは、肺がんＡＩの第２の医療行為のオーダーである。また、４ＤＣＴ画像のオーダーが１６時００分の予約３Ｂとして発行されている。これは、心筋梗塞ＡＩの第２の医療行為のオーダーである。
このように、第１の医療行為のデータ作成のオーダーの後に、第２の医療行為のデータ作成のオーダーが発行される。後述するように、第２の医療行為よりも複数の計算処理を優先して行うことで、複数の第２の医療行為のうち不要な第２の医療行為を実施してしまうことを防止することができる。
データ作成装置２０は、発行されたオーダーに従って順にデータを作成する。ＡＩ処理コンピュータ１４は、作成されたデータについてそれぞれ対応する計算処理部４０によって計算処理を行う。例えば、１３時００分の予約１Ａによって作成されたＣＴ画像について、骨転移ＡＩと乳がんＡＩとによりそれぞれ計算処理する。
ステップＳ８（計算処理結果取得工程の一例）では、計算処理結果取得部３４は、データ作成装置２０で作成されたデータに対する計算処理の計算処理結果を取得する。ここでは最初に、１３時００分の予約１Ａによって作成されたＣＴ画像について骨転移ＡＩと乳がんＡＩとによりそれぞれ計算処理された計算処理結果を取得する。
ステップＳ９では、オーダー管理部３８は、計算処理結果に基づいてデータ作成が継続して必要か否か、すなわち第２の医療行為の要否を判定する。第２の医療行為が不要な場合は、医療行為のオーダー管理システム３０は、ステップＳ１０の処理を行う。また、第２の医療行為が必要な場合は、医療行為のオーダー管理システム３０は、ステップＳ１１の処理を行う。
ここでは、骨転移ＡＩの計算処理結果が陽性であり、乳がんＡＩの計算処理結果が陰性であってものとする。この場合、オーダー管理部３８は、骨転移については第２の医療行為が必要と判断し、乳がんについては第２の医療行為が不要と判断する。
ステップＳ１０では、オーダー管理部３８は、紐付けられているデータ作成のオーダーをキャンセルする。ここでは、図７に示すように、オーダー管理部３８は、乳がんＡＩの第２の医療行為のオーダーであるＭＧ画像の予約１Ｃをキャンセルする。したがって、不要な第２の医療行為であるＭＧ画像のデータ作成を実施してしまうことを防止することができる。
なお、骨転移については第２の医療行為が必要であるため、オーダー管理部３８は、骨転移ＡＩの第２の医療行為のオーダーであるＰＥＴ画像の予約１Ｂを維持する。また、肺がんＡＩの第２の医療行為のオーダーであるＣＴ画像の予約２Ｂが１５時３０分にオーダーされているが、１３時００分の予約１Ａにおいて取得されたＣＴ画像を用いることで、予約２Ｂをキャンセルしてもよい。
ステップＳ１１では、オーダー管理部３８は、第１の医療行為のデータ作成が残っているか否かを判定する。第１の医療行為のデータ作成が残っている場合は、計算処理結果取得部３４はステップＳ８の処理を行う。第１の医療行為のデータ作成が残っていない場合は、医療行為のオーダー管理システム３０は本フローチャートの処理を終了する。
ここでは、計算処理結果取得部３４は、再びステップＳ８の処理を行う。すなわち、計算処理結果取得部３４は、予約２Ａにおいて取得されたＣＲ画像について、肺がんＡＩによる計算処理の計算処理結果を取得する。また、計算処理結果取得部３４は、その後再びステップＳ８の処理を行う際に、予約３Ａにおいて取得された心電図波形データについて、心筋梗塞ＡＩによる計算処理の計算処理結果を取得する。
以上のように、医療行為のオーダー管理システム３０は、患者の検査対象となる対象部位を取得し、取得した対象部位における第１の医療行為と第２の医療行為とのオーダーを発行し、第１の医療行為の結果に基づいて実行された疾病に関する計算処理の計算処理結果を取得し、計算処理結果に基づいて第２の医療行為の要否を判断する。これにより、患者の検査対象となる対象部位に対応した医療行為のオーダーを発行することができるので、医療行為のオーダーを適切に管理することができる。ここでは、計算処理結果が疾病について陰性である場合に第２の医療行為のオーダーをキャンセルする。これにより、不要な医療行為の実施を防止し、データ量を削減することができる。なお、計算処理結果に応じて第２の医療行為を追加予約してもよい。
＜その他＞
上記の医療行為のオーダー管理方法は、各工程をコンピュータに実現させるためのプログラムとして構成し、このプログラムを記憶したＣＤ－ＲＯＭ（Compact Disk-Read Only Memory）等の非一時的な記録媒体を構成することも可能である。
上記の医療行為のオーダー管理方法は、各工程をコンピュータに実現させるためのプログラムとして構成し、このプログラムを記憶したＣＤ－ＲＯＭ（Compact Disk-Read Only Memory）等の非一時的な記録媒体を構成することも可能である。
ここまで説明した実施形態において、例えば、医療行為のオーダー管理システム３０の各種の処理を実行する処理部（processing unit）のハードウェア的な構造は、次に示すような各種のプロセッサ（processor）である。各種のプロセッサには、ソフトウェア（プログラム）を実行して各種の処理部として機能する汎用的なプロセッサであるＣＰＵ（Central Processing Unit）、画像処理に特化したプロセッサであるＧＰＵ（Graphics Processing Unit）、ＦＰＧＡ（Field Programmable Gate Array）等の製造後に回路構成を変更可能なプロセッサであるプログラマブルロジックデバイス（Programmable Logic Device：ＰＬＤ）、ＡＳＩＣ（Application Specific Integrated Circuit）等の特定の処理を実行させるために専用に設計された回路構成を有するプロセッサである専用電気回路等が含まれる。
１つの処理部は、これら各種のプロセッサのうちの１つで構成されていてもよいし、同種又は異種の２つ以上のプロセッサ（例えば、複数のＦＰＧＡ、或いはＣＰＵとＦＰＧＡの組み合わせ、又はＣＰＵとＧＰＵの組み合わせ）で構成されてもよい。また、複数の処理部を１つのプロセッサで構成してもよい。複数の処理部を１つのプロセッサで構成する例としては、第１に、サーバ及びクライアント等のコンピュータに代表されるように、１つ以上のＣＰＵとソフトウェアの組合せで１つのプロセッサを構成し、このプロセッサが複数の処理部として機能する形態がある。第２に、システムオンチップ（System On Chip：ＳｏＣ）等に代表されるように、複数の処理部を含むシステム全体の機能を１つのＩＣ（Integrated Circuit）チップで実現するプロセッサを使用する形態がある。このように、各種の処理部は、ハードウェア的な構造として、各種のプロセッサを１つ以上用いて構成される。
さらに、これらの各種のプロセッサのハードウェア的な構造は、より具体的には、半導体素子等の回路素子を組み合わせた電気回路（circuitry）である。
本発明の技術的範囲は、上記の実施形態に記載の範囲には限定されない。各実施形態における構成等は、本発明の趣旨を逸脱しない範囲で、各実施形態間で適宜組み合わせることができる。
１０…病院内システム
１２…検査予約システム
１４…ＡＩ処理コンピュータ
１６…テーブル
１８…検査予約コンピュータ
２０…データ作成装置
２２…ネットワーク
３０…医療行為のオーダー管理システム
３２…対象部位取得部
３４…計算処理結果取得部
３６…医療行為管理部
３８…オーダー管理部
４０…計算処理部
６０…入力層
６２…中間層
６４…出力層
Ｓ１～Ｓ１１…医療行為のオーダー管理方法の各ステップ
１２…検査予約システム
１４…ＡＩ処理コンピュータ
１６…テーブル
１８…検査予約コンピュータ
２０…データ作成装置
２２…ネットワーク
３０…医療行為のオーダー管理システム
３２…対象部位取得部
３４…計算処理結果取得部
３６…医療行為管理部
３８…オーダー管理部
４０…計算処理部
６０…入力層
６２…中間層
６４…出力層
Ｓ１～Ｓ１１…医療行為のオーダー管理方法の各ステップ
Claims (9)
- 疾病に関する計算処理と、前記計算処理の対象部位と、前記計算処理の実行に必要な第１の医療行為と、医師による前記疾病の診断及び治療の少なくとも一方に必要な第２の医療行為と、を紐付けて管理する医療行為管理工程と、
患者の検査対象となる前記対象部位を取得する対象部位取得工程と、
前記取得した対象部位における前記第１の医療行為と前記第２の医療行為とのオーダーを発行するオーダー管理工程と、
前記第１の医療行為の結果に基づいて実行された前記疾病に関する計算処理の計算処理結果を取得する計算処理結果取得工程と、
を備え、
前記オーダー管理工程は、前記計算処理結果に基づいて前記第２の医療行為の要否を判断し、
前記オーダー管理工程は、前記計算処理結果が前記疾病について陰性である場合に前記第２の医療行為のオーダーをキャンセルする医療行為のオーダー管理方法。 - 前記医療行為管理工程は、それぞれ異なる複数の疾病の各疾病について、前記計算処理と、前記対象部位と、前記第１の医療行為と、前記第２の医療行為と、を紐付けて管理する請求項１に記載の医療行為のオーダー管理方法。
- 前記オーダー管理工程は、前記取得した対象部位に対応する前記計算処理が複数ある場合に、優先度順に前記複数の計算処理の実行に必要な複数の第１の医療行為のオーダーを発行する請求項１又は２に記載の医療行為のオーダー管理方法。
- 前記オーダー管理工程は、前記複数の第１の医療行為のオーダーの後に前記第２の医療行為のオーダーを発行する請求項３に記載の医療行為のオーダー管理方法。
- 前記計算処理は、人工知能を用いて計算する処理である請求項１から４のいずれか１項に記載の医療行為のオーダー管理方法。
- 前記人工知能を用いて計算する処理は、機械学習された学習モデルによって入力データに対して推論結果を出力する処理である請求項５に記載の医療行為のオーダー管理方法。
- 請求項１から６のいずれか１項に記載の医療行為のオーダー管理方法をコンピュータに実行させるためのプログラム。
- 非一時的かつコンピュータ読取可能な記録媒体であって、前記記録媒体に格納された指令がコンピュータによって読み取られた場合に請求項７に記載のプログラムをコンピュータに実行させる記録媒体。
- 疾病に関する計算処理と、前記計算処理の対象部位と、前記計算処理の実行に必要な第１の医療行為と、医師による前記疾病の診断及び治療の少なくとも一方に必要な第２の医療行為と、を紐付けて管理する医療行為管理部と、
患者の検査対象となる前記対象部位を取得する対象部位取得部と、
前記取得した対象部位における前記第１の医療行為と前記第２の医療行為とのオーダーを発行するオーダー管理部と、
前記第１の医療行為の結果に基づいて実行された前記疾病に関する計算処理の計算処理結果を取得する計算処理結果取得部と、
を備え、
前記オーダー管理部は、前記計算処理結果に基づいて前記第２の医療行為の要否を判断し、
前記オーダー管理部は、前記計算処理結果が前記疾病について陰性である場合に前記第２の医療行為のオーダーをキャンセルする医療行為のオーダー管理システム。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019208743 | 2019-11-19 | ||
| JP2019208743 | 2019-11-19 | ||
| PCT/JP2020/041870 WO2021100547A1 (ja) | 2019-11-19 | 2020-11-10 | 医療行為のオーダー管理方法及びプログラム、オーダー管理システム並びにデータベース |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| JPWO2021100547A1 JPWO2021100547A1 (ja) | 2021-05-27 |
| JPWO2021100547A5 JPWO2021100547A5 (ja) | 2022-07-19 |
| JP7381600B2 true JP7381600B2 (ja) | 2023-11-15 |
Family
ID=75981227
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2021558311A Active JP7381600B2 (ja) | 2019-11-19 | 2020-11-10 | 医療行為のオーダー管理方法及びプログラム、オーダー管理システム |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US20220277844A1 (ja) |
| JP (1) | JP7381600B2 (ja) |
| WO (1) | WO2021100547A1 (ja) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019102903A1 (ja) | 2017-11-21 | 2019-05-31 | 富士フイルム株式会社 | 検査情報表示装置、方法およびプログラム |
| JP2019106122A (ja) | 2017-12-14 | 2019-06-27 | キヤノンメディカルシステムズ株式会社 | 病院情報装置、病院情報システム及びプログラム |
-
2020
- 2020-11-10 WO PCT/JP2020/041870 patent/WO2021100547A1/ja active Application Filing
- 2020-11-10 JP JP2021558311A patent/JP7381600B2/ja active Active
-
2022
- 2022-05-16 US US17/745,840 patent/US20220277844A1/en active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019102903A1 (ja) | 2017-11-21 | 2019-05-31 | 富士フイルム株式会社 | 検査情報表示装置、方法およびプログラム |
| JP2019106122A (ja) | 2017-12-14 | 2019-06-27 | キヤノンメディカルシステムズ株式会社 | 病院情報装置、病院情報システム及びプログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| US20220277844A1 (en) | 2022-09-01 |
| JPWO2021100547A1 (ja) | 2021-05-27 |
| WO2021100547A1 (ja) | 2021-05-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2021102079A (ja) | リスクのある心臓組織の可視化のための方法およびシステム | |
| JP5478328B2 (ja) | 診断支援システム、診断支援プログラムおよび診断支援方法 | |
| JP6542004B2 (ja) | 医用画像処理装置、および医用画像処理システム | |
| JP6906462B2 (ja) | 医用画像表示装置、方法およびプログラム | |
| CN107851464A (zh) | 用于针对个体患者进行疾病进展建模和疗法优化的方法和系统 | |
| US11950940B2 (en) | System and method for determining radiation parameters | |
| Li et al. | A systematic collection of medical image datasets for deep learning | |
| JP2017049985A (ja) | 医用情報処理装置 | |
| US10769240B2 (en) | Determining medical outcome quality | |
| JP5337091B2 (ja) | 医療情報の利用促進システムおよび方法 | |
| US20200342964A1 (en) | Medical information processing apparatus, ordering system and method | |
| Adelaja et al. | Operating Artificial Intelligence to Assist Physicians Diagnose Medical Images: A Narrative Review | |
| Alidoost et al. | Model utility of a deep learning-based segmentation is not Dice coefficient dependent: A case study in volumetric brain blood vessel segmentation | |
| JP7381600B2 (ja) | 医療行為のオーダー管理方法及びプログラム、オーダー管理システム | |
| JP6967983B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
| CN111863179B (zh) | 医用信息处理装置、医用信息处理方法及程序 | |
| WO2021193548A1 (ja) | 文書作成支援装置、方法およびプログラム | |
| Vijaya | Deep learning-based computer-aided diagnosis system | |
| JP2022073363A (ja) | 医用データ処理装置、医用データ処理方法及び医用データ処理プログラム | |
| Roy et al. | Medical Applications of Artificial Intelligence | |
| WO2022018942A1 (ja) | 医用画像処理装置、方法およびプログラム | |
| KR102428579B1 (ko) | 전신 ct 스캔 3d 모델링 방법 및 시스템 | |
| JP7376715B2 (ja) | 経過予測装置、経過予測装置の作動方法および経過予測プログラム | |
| WO2022064926A1 (ja) | 治療支援装置、治療支援方法および治療支援プログラム | |
| Patil et al. | Use of Computer Vision Techniques in Healthcare Using MRI Images |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220610 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220610 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230621 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230816 |
|
| 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: 20231030 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231102 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7381600 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |